基本算术与数量级估算

你可能会想：谁不会加减乘除？这有什么好说的？

芒格要强调的不是你会不会算，而是你在做重大决策时，有没有习惯性地动手算一算。

这听起来太简单了，简单到荒谬。但现实中，绝大多数商业灾难、投资失败和政策错误，追溯到根源时你会发现：当事人压根没有做过最基本的算术验证。他们被故事打动了，被情绪驱动了，被“大方向正确”的感觉蒙蔽了——而一支铅笔和一张餐巾纸就能在三分钟内揭穿整个骗局。

芒格讲过一个经典的例子：有人推销一个商业项目，说“中国有14亿人口，如果我们能拿到1%的市场份额……”这是硅谷和华尔街最常见的推销句式之一。听起来很保守对不对？才1%啊。

但芒格会拿起铅笔算：这个产品的单价是多少？目标消费群体有多大？分销渠道能触达多少人？获客成本是多少？利润率是多少？当你把这些数字老老实实乘一遍，你会发现“1%的市场份额”意味着在三年内要建立一个覆盖五百个城市的分销网络，需要投入的资金远超融资额，而即使达到了，利润率也不够覆盖运营成本。

故事塌了。不是靠什么高深的分析框架，就是靠乘法和除法。

这就是芒格所说的“基本算术”的真正含义：不是计算能力，而是计算习惯。在做决策之前，先把数字算清楚的习惯。

费米估算以恩里科·费米命名，它的核心思想是：你不需要精确答案，你需要数量级正确的答案。

什么是“数量级正确”？就是你的估算和真实值相比，误差在10倍以内。听起来很粗糙，但在很多决策场景中，10倍以内的精度就足以告诉你一件事值不值得做。

费米估算的方法很简单：把一个看似无法回答的大问题，拆解成几个可以合理估计的小问题，然后把小问题的答案相乘或相加。

经典的费米问题：“芝加哥有多少钢琴调音师？”

让我们走一遍费米的思路：

1. 芝加哥人口大约300万。
2. 平均每户家庭大约2.5人，所以大约120万户家庭。
3. 大约多少比例的家庭有钢琴？大概5%，也就是6万架家用钢琴。
4. 加上学校、教堂、酒吧、音乐厅等场所的钢琴，可能再加2万架。总共大约8万架。
5. 钢琴大约每年调一到两次。取1.5次，那就是每年12万次调音需求。
6. 一个调音师每天大约调4架，一年工作250天，就是1000架。
7. 12万除以1000，大约120个调音师。

真实答案是多少？根据黄页查询，大约100到200人之间。我们的估算落在了这个范围内。

注意整个过程中发生了什么：没有任何一步需要精确数据。每一步都可能偏差两三倍。但由于有些估算偏高、有些偏低，误差在相乘过程中相互抵消了。这是费米估算的一个核心洞察：在合理的假设下，多步估算的误差往往会自我修正，而不是累积放大。

这种方法在商业决策中的价值是巨大的。

巴菲特和芒格在评估一笔收购时，经常在几分钟之内就给出“不感兴趣”的回答。不是因为他们没有认真考虑，而是因为他们在脑子里快速做了一轮费米估算：这家公司的收入是多少，利润率大概多少，合理估值是多少，卖家要价多少——如果差了一个数量级，根本不需要继续讨论。

芒格曾说：“我们能在五分钟之内说'不'，就不需要花五个月去做尽职调查说'不'。”这不是傲慢，这是算术。

2000年，安然公司（Enron）是美国第七大企业，市值超过700亿美元，被《财富》杂志连续六年评为“美国最具创新力的公司”。华尔街的分析师们纷纷给出“强烈买入”的评级，投资银行们争先恐后地帮它承销债券。

但有一个人早就看出了问题。他不是什么金融天才，他只是做了一道算术题。

吉姆·查诺斯（Jim Chanos），一个专门做空的对冲基金经理，在2000年底开始仔细研究安然的财务报表。他发现了一件令人困惑的事：安然的营收增长非常快，但它的资本回报率（ROIC）只有大约7%。而它的资金成本（WACC）也大约是7%。

这意味着什么？用最简单的算术来说：安然每投入一块钱，赚回来的刚好够支付借这一块钱的利息。它在以极快的速度扩张——但每扩张一步，都没有创造任何价值。它是一台以最高马力运转的跑步机：速度很快，位移为零。

这道算术题，任何一个会用计算器的人都做得出来。安然的财务报表是公开的，资本回报率和资金成本是最基本的财务指标。但华尔街的精英们——那些年薪几百万美元的分析师们——要么没有算过这道题，要么算了之后选择性地忽略了。他们被安然的“创新商业模式”故事吸引了，被管理层的魅力和自信征服了，被同行的一致看多裹挟了。

芒格事后评论安然案时的态度很干脆：这不是什么复杂的金融诈骗需要高超的侦探能力才能发现。这就是一道加减法的题。 收入减去成本，如果结果是零甚至是负数，不管故事多精彩都是空话。

基本算术的另一个关键应用是培养“数量级直觉”——也就是对数字大小的本能感知。

人类大脑天生不擅长处理大数字。我们能直觉感受1和10的区别，能感受100和1000的区别，但对于百万、十亿、万亿之间的差距，大脑基本上失灵了。它们都只是“很多”。

但这些差距是巨大的。一个有效的类比：100万秒大约是11.5天。10亿秒大约是31.7年。一万亿秒大约是31700年。也就是说，百万和十亿之间的差距，就像11天和32年之间的差距。然而在新闻报道和商业讨论中，人们经常混淆这些量级，或者对它们失去感觉。

一个政客说“这个项目只需要花费20亿美元”，而另一个项目“花费了200亿美元”。很多人的反应是“差不多嘛，都很多钱”。但200亿是20亿的10倍。如果20亿美元足够建一座大型体育馆，200亿美元就够建一整套城市轨道交通系统了。

芒格和巴菲特在评估企业时，数量级直觉是他们的第一道过滤器。一家企业声称明年要实现30%的营收增长——如果它现在年营收是1000万，那增长到1300万是完全合理的。但如果它现在年营收是500亿，增长30%意味着一年多赚150亿，这在绝大多数行业中是近乎不可能的。同样是“增长30%”，在不同的数量级上意味着完全不同的事情。

芒格训练自己的方式非常朴素：永远问“这个数字大概相当于什么？” 把抽象的数字翻译成你能直觉感受的东西。一家公司的市值500亿，相当于什么？相当于一个中型国家的GDP。这合理吗？它的利润能支撑这个估值吗？用最简单的市盈率除一下——两秒钟就能判断一个数字是不是离谱。

第一个陷阱：精确幻觉。 人们往往以为越精确的数字越可靠。一份商业计划书写“预计三年后营收将达到2.847亿元”，看起来比“大约三亿”更专业。但芒格会告诉你：恰恰相反。能精确到小数点后三位的预测，反而暴露了预测者不理解不确定性。未来三年的营收受到无数变量影响，你能估到正确的数量级就已经很厉害了。伪精确比坦承粗略更危险，因为它给了你虚假的信心。

芒格说过：“在商业中，对我来说，精确到小数点后两位的愚蠢，比大方向正确但细节模糊的智慧危险得多。”

第二个陷阱：忽略基础比率。 费米估算的一个核心步骤是选择合理的“锚点”或基础比率。如果你的锚点就错了，后续再精妙的推理也救不了你。比如你估计“中国有10%的家庭养猫”，如果这个基础比率偏差了5倍（实际是2%），你所有基于此的计算都会偏差5倍。这就是为什么芒格强调条件概率与基础比率——在做任何估算之前，先确保你的起点是对的。

第三个陷阱：该精确时不精确。 费米估算适用于快速筛选和量级判断。但当一笔交易已经通过了初步筛选，进入到具体谈判阶段时，你需要切换到精确计算模式。在一笔价值10亿的收购中，1%的估值偏差就是1000万——这不再是“差不多就行”的范畴了。知道什么时候该粗略、什么时候该精确，本身就是一种重要的判断力。

第四个陷阱：人为地扭曲算术。 这可能是最阴险的陷阱。不是不会算，而是先有了结论再反过来凑数字。芒格对此深恶痛绝。他观察到，华尔街和企业界有一种普遍的文化：先决定要做一笔交易，然后让分析师去做一套让数字“算得过来”的模型。折现率调一调，增长率假设改一改，终值倍数拉一拉——任何交易都可以在模型里显得合理。芒格称之为“用精确的错误代替大致的正确”。

### 日常训练

1. 培养心算习惯。 看到任何数字——新闻里的、报告里的、菜单上的——试着在脑子里做一轮快速运算。“这家餐厅一天卖200碗面，每碗毛利15块，一个月大概赚9万。够付租金吗？”这种微小的练习积累起来，会让你对数字的敏感度大幅提升。

2. 掌握常用的“锚点数字”。 中国GDP大约18万亿美元，人口14亿。美国GDP大约28万亿，人口3.3亿。全球GDP大约100万亿。这些数字记在脑子里，你就能快速判断任何商业数字是否在合理范围内。

3. 练习费米估算。 每周给自己出一个“不可能回答的问题”，然后花五分钟试着估算。然后查证。长期坚持，你的数量级直觉会变得惊人地准确。

### 做决策时

1. 先算再听故事。 芒格的习惯是：在听管理层讲任何战略愿景之前，先看财务数字。利润率多少？资本回报率多少？自由现金流多少？如果这些基本数字不好看，再精彩的故事也没用。

2. 用餐巾纸测试。 一个好的商业模式应该能在一张餐巾纸的背面解释清楚。如果你不能用简单的乘除法证明它能赚钱，它大概率赚不了钱——不管PPT做得多漂亮。

3. 72法则。 这是复利心算的捷径：72除以年化收益率百分比，就是资产翻倍所需的大致年数。年化10%的投资大约7.2年翻倍。年化3%的储蓄大约24年翻倍。这个简单的法则能让你在几秒钟内评估任何投资方案的时间维度。

芒格在他著名的“人类误判心理学”演讲中，把数学能力放在所有思维工具的最基础层。不是因为数学最复杂，恰恰因为它最简单——简单到很多人不屑于认真对待它。

但地基不牢，上面的大厦再华丽也会塌。你可以学习最前沿的投资理论、最精妙的博弈策略、最深刻的心理学洞见——但如果你在做决策时连基本数字都不算一算，所有这些高级工具都派不上用场。

费米在沙漠中用碎纸片估算核爆当量的那一刻，展示的不是什么天才能力。他展示的是一种思维纪律：面对任何问题，先把能算的算了。 不要被问题的宏大所吓倒，不要被信息的不完整所瘫痪。拆解它，估计它，乘起来。你得到的答案可能不精确，但它至少在正确的数量级上。而在这个充满废话和虚假精确的世界里，一个数量级正确的粗略答案，比一个精确到小数点后六位的胡扯要有价值得多。

芒格把这个道理活了一辈子。在他九十多年的人生中，他做的每一个重大决策——投资的、商业的、个人的——都建立在一个朴素到不能再朴素的习惯之上：先算一算。

“如果你连基本的算术都不会，你就没法正常生活。你在其他一切上都会是个残障人士。”

*“If you don't get elementary mathematics into your repertoire, you'll be a perfectly hopeless person functioning in the world.”*
— Charlie Munger

“你必须能做心算。一个不能做心算的人，就像一个不会读书的人在图书馆里一样无助。”

*“You have to be able to do mental math. A person who can't do mental math is like a person who can't read, wandering into a great library.”*
— Charlie Munger

“在商业上，我们常常碰到一些非常重要的问题，用高中代数就能解决。”

*“In business, we often find that the weights of important questions can be answered with simple algebra.”*
— Charlie Munger

• 概率思维与期望值 — 期望值计算是基本算术在决策中的核心应用
• 复利效应 — 复利是基本算术中指数运算的直接体现，72法则是心算捷径
• 条件概率与基础比率 — 费米估算的关键步骤依赖于合理的基础比率选择
• 安全边际 — 安全边际的计算本身就是一道简单的减法和除法题
• 逆向思维 — 反过来算：这个项目需要什么条件才能不亏钱？
• 乘法系统思维 — 连锁概率相乘，任一环节失败都会导致整体失败
• 决策树理论 — 决策树是费米估算的结构化版本

• □先算再决策：面对任何重大决策，我有没有花三分钟做基本的算术验证？
• □数量级检查：这个数字合理吗？它大概相当于什么？和已知的参照物比是什么量级？
• □费米拆解：对于看似无法回答的问题，我能不能拆成三到五个可以估算的子问题？
• □伪精确警觉：这个“精确”的数字是真的有数据支撑，还是只是给了我虚假的信心？
• □72法则快速检验：这个投资方案声称的回报率，意味着多少年翻倍？这个时间框架合理吗？
• □餐巾纸测试：这个商业模式能用简单的乘除法在一分钟内解释通吗？

• Sanjoy Mahajan,《Street-Fighting Mathematics》— 费米估算和近似计算的系统方法论
• Douglas Hubbard,《How to Measure Anything》— 如何量化看似不可量化的东西
• Charlie Munger, “A Lesson on Elementary, Worldly Wisdom” — 芒格在USC的经典演讲，强调基本数学的重要性
• Farnam Street Blog, “Mental Model: Back-of-the-Envelope Calculation” — 餐巾纸计算在决策中的应用