规模
Scale: The Universal Laws of Life, Growth, and Death in Organisms, Cities, and Economies · 2017
1932 年生物学家 Max Kleiber 量出：所有哺乳动物的代谢率和体重之间是 3/4 幂律。不是 1:1，不是 2/3，就是 3/4。这条曲线 80 年没人能从底层物理上讲清楚。
West 是理论物理学家（前 Los Alamos 高能物理，后 Santa Fe Institute 所长），他和合作者 Brown、Enquist 一组方程把它解出来了——根源在资源传输网络的分形几何。那一刻他想清楚一件事：原来「复杂系统」不是混沌，是有数学的。
从这个发现出发，他把这套思路推到城市和公司——人类自己造的「生命体」。一个物理学家越界进生物学、又越界进社会科学，挠的就是这一处：所有人都觉得生物、城市、公司是三回事，West 看见它们跑的是同一根幂律。
不写不行的那股劲儿——他要证明大到星系、小到细胞，生物到城市到公司，命运都写在一根标度指数里。书名是答案的种子：规模（Scale）——不是「大小」，是「性质如何随大小变化」。
五条天花板，不证，摆桌上：
动摇任何一条整本书塌。第 2 条最颠覆——它说「你长什么样、你怎么活、能活多久，全由你内部的血管结构决定」，把命运从物质/文化层移到了拓扑层。
一句话：所有复杂系统都建在分形的、空间填充的、终端尺寸不变的传输网络上——把网络弄清楚，规模法则自然落下。
West 的取景框：看任何复杂系统先量它的标度指数 β，反推它跑的是哪种网络、注定什么命运。幂律方程 Y = Y₀ × X^β（X 是规模，Y 是某个性质，β 是关键）。
他的独占术语和区分——
亚线性缩放（sublinear, β≈3/4）：生物体、公司。规模翻倍，资源消耗只到 1.75 倍——规模越大单位越省（economy of scale）。代价是增长曲线是 sigmoid——越长越慢，到顶就停。生物会老死，公司也会老死，半数公司活不过 10 年。
超线性缩放（superlinear, β≈1.15）：城市。规模翻倍，人均工资、专利、餐馆、犯罪、艾滋病例都升 15%（15% 规则）——规模越大单位反而更多（increasing returns）。代价是增长曲线是 super-exponential——指数加速，撞奇点。
β 光谱：β<1 次线性，规模就是优势（大象比老鼠相对省能）；β=1 线性，规模无关（人均住房、人均工作机会）；β>1 超线性，规模就是加速器（城市 GDP、专利、犯罪）。看见一个 β，你能反推这系统跑哪种网络——β<1 是分形物质网络在传递，β>1 是密集互动网络在生产，β=1 里面其实没有网络，只是单点叠加。
支柱一·物质流穿分形网络：层级分支（每往下一层分支数倍增）+ 末端不变（毛细血管和插座在所有尺度下大小基本一样）+ 空间填充（必须覆盖到最后一个细胞、最后一户人家）+ 能量最小化，数学上必然推出 3/4。大象比老鼠重 10000 倍，代谢率只大 1000 倍（10000 的 3/4 次方 ≈ 1000）。这一根解释生物代谢、寿命、心跳总数（万物共享的 15 亿次）、城市基础设施。
支柱二·信息/互动流穿密集网络：城市的社交网拓扑跟物质网络反过来——不是层级分支，是密集互联。关键是密度：人口翻倍，人均能接触的人不只翻倍，还多约 15%。所以人均收入、创新、专利、犯罪、传染病都比小城市高 15%（人口翻倍，总输出翻 2.3 倍 = 2 的 1.15 次方）。好的和坏的一起涨。
支柱三·能量约束：任何指数增长终究撞墙。生物撞墙是死（能量摄入跟不上耗散），公司撞墙也是死（经济压力加内耗，半衰期约 10 年）。城市本该撞墙，但有第四个动作——创新重启：新技术（蒸汽→电→计算）每次把能量上限拉高一档，在旧 S 曲线触顶前嫁接一条新 S 曲线。
把所有「复杂」都用 power law 来量，你会发现两条命运线。
亚线性那一类（生物、公司）必死——起步增长快，越长越慢，到顶就停。底层原因在资源传输网络的几何约束，逃不掉。超线性那一类（城市）不死——但要不断有重大创新把时钟拨回去：蒸汽机、电、IT、AI——否则撞奇点。
更狠一刀：创新周期一次比一次短。第一次重大创新可能撑了一万年，下一次撑一千年，再下一次一百年。我们站在一台越跑越快的跑步机上。到本世纪中，需要每几年一次大创新——撑不住，就是奇点。
带走的一句——
Companies die, cities don't. 公司会死，城市不死。
形态：取景框
内容：所有复杂系统的命运写在它的标度指数 β 里。β<1（分形物质网络）→ economy of scale + 必死；β>1（密集互动网络）→ increasing returns + 撞奇点；β=1 → 没有网络，只是单点叠加。看见 β，反推网络与命运。
为什么是这一件：换上这副眼镜，你看公司（为什么大公司增长放缓、半数活不过 10 年）、看城市（为什么大城市人均产出和犯罪都更高）、看任何「随规模变化」的系统——先量 β，反推它跑哪种网络、注定什么命运。最浓缩的一句：告诉我你的 β，我告诉你你的网。十年后还在用的取景框，翻回原书是想再校准一次「这个系统是亚线性还是超线性」的判别力。
带走了这一件，这本书的精神内核就在你手里。
West 把复杂系统的命运还原到一根标度指数 β + 网络拓扑。这个还原极其有力，但它有几个 West 没正面处理的 trapdoor。
第一，β 的稳定性是经验观察，不是定律保证。3/4 在哺乳动物里很稳，但生物学界有持续争论——Kozłowski、Glazier 等指出 metabolic scaling 的指数在不同类群、不同活动状态下会偏离 3/4，有时更接近 2/3，有时在 0.75 上下漂移。West 把 3/4 当成网络几何的必然推论，但实测散点比理论叙事更乱。把一个统计回归的中心斜率讲成「宇宙定律」，是这本书叙事力量的来源，也是它被批评的地方。
第二，「城市超线性 → 不死」的推论有 selection 问题。West 的城市数据来自存活至今的城市。死掉的城市（衰退的工业城、被废弃的古城、资源枯竭的矿业镇）不在样本里。「城市不死」可能部分是幸存者偏差——我们只数还在的城市，自然得出「城市不死」。
第三，β 告诉你网络拓扑，但不告诉你怎么改变命运。这跟 Mitchell《复杂》的盲点同源——诊断学强，治疗学弱。知道公司是亚线性注定衰老，不告诉你怎么让一家公司逃出 sigmoid；知道城市靠创新续命，不告诉你怎么保证下一次创新按时到来。West 给了命运的方程，没给改命的杠杆。
第四，「创新周期缩短 → 奇点」是一个外推，不是观测。它假设过去的创新周期缩短趋势会延续到未来。但创新不是均匀分布的事件——把「蒸汽→电→IT」拟合成一条加速曲线，再外推到「每几年一次大创新」，是把有限的历史样本当成了普适规律。这个奇点推论修辞上吓人，证据上薄弱。
对 Scale 取景框的用户来说：第一刀是用 β 反推网络拓扑和命运（极有力），第二刀是接受 β 是统计中心不是宇宙定律（实测更乱），第三刀是警觉「城市不死」的幸存者偏差和「奇点」的外推风险——这本书的方程是真的，它的宿命论叙事需要打折。