挑战100天100个GPTs093.价值指数思维模型—慢慢学AI
#挑战100天100个GPTs
写在前面
一家做企业效率工具的公司，按项目收费，做一单收一单，三年营收 3000 万、团队 80 人，老板累得要住院。隔壁一家做 SaaS 的同行，同样三年，营收翻了两亿、团队 40 人，老板还在打网球。区别不在谁更努力，在生意模型本身——前者是线性的（付出一倍、回报一倍），后者是指数的（前期烧钱像无底洞，过了临界点用户自己拉用户，边际成本接近零）。这就是”价值指数思维模型”最典型的发作姿态：同样努力，落在指数曲线上和落在线性直线上，三年后的差距是数量级的。
价值指数思维模型，看的是一件事的价值随规模怎么变——是按人头线性涨（做一单赚一单），还是按平方、按指数涨（用户每多一个，整个网络的价值不成比例地放大）。它最常见的两个来源：网络效应（用户越多价值越高，电话、社交、支付都算）和规模效应（规模越大边际成本越低，软件、媒体、芯片都算）。这条思维最反直觉的地方在两头：一头是前期慢得让人想放弃（指数曲线在临界点之前几乎是平的，烧钱不见回报），一头是过了临界点之后快得让人看不懂（为什么一家公司三年估值能涨 50 倍）。它和芒格没关系——芒格体系里”价值指数”不是独立一条，是他讲”复利””网络效应””规模优势”时顺带提的；”价值指数思维模型”这个中文名，是中文”100 个思维模型”类清单（飞书/知乎/《破维》等，普遍把这条列到第 33 条左右）对”追求指数增长而非线性增长”这一做法的概括名。它真正的学术血统在那三条网络价值定律上：Sarnoff（广播网，价值 ∝ n）、Metcalfe（通信网，价值 ∝ n²）、Reed（社群网，价值 ∝ 2ⁿ）。这款 GPT 是个指数潜力扫描陪练：你给它一个生意或能力，它不替你拍板，逼你想清”这生意是线性还是指数、靠网络效应还是规模效应、临界点过了没、有没有可能被反噬”。
效果呈现
把下面的整段 yaml 提示词粘进支持系统提示的对话框（ChatGPT 创建 GPTs 的「Configure」、Gemini Gems，或任意可设系统提示的客户端），给它一个你正在评估的生意或能力——要不要转 SaaS、要不要做平台、要不要把咨询产品化都行。它会先分清这生意是线性还是指数、靠什么驱动，再估临界点过了没、会不会被反噬，最后给一个”加注 / 转型 / 别碰”的判断和最大风险。
实测对话
三个角度测这个 GPT（个人 / 组织 / 边界），挑顺手的丢进 Gem，把对话粘回对应块，不用的发布前删掉。
价值指数·实测①（个人·咨询转产品）
🙋 我
2026 这波 vertical AI agent 火得离谱（Sierra 七个季度做到一亿美金 ARR、Harley 法律 AI 估值 110 亿）。我做了八年企业 AI 转型咨询，按项目收钱、做一单是一单，收入和顾问数线性绑定。我想把这套咨询经验做成一个产品（一个垂直行业的 AI 转型诊断平台，企业上传数据、它出诊断和落地路径）。帮我看看这个落差：从咨询到产品，我是不是真的从线性跳到了指数？还是换了个壳继续线性？临界点大概要烧多久？
🤖 价值指数 GPT
（运行 Gem 后填入回答）
价值指数·实测②（组织·平台还是单点）
🙋 我
我们是一家运营商系的政企信息化公司，想押注做一个 AI agent 平台，连接多个行业的 SaaS（金融风控、制造质检、电商客服都接进来）。老板说”要做就做平台、吃网络效应、赢家通吃”。但 2026 这赛道已经挤满了（ServiceNow 出了 Otto、Salesforce 出了 Agentforce、一堆 vertical 创业公司）。帮我用价值指数思维评估：我们做这个平台，网络效应真成立吗？临界质量要多久才到？赢家通吃在我们这个政企场景里是规律还是幻觉？
🤖 价值指数 GPT
（运行 Gem 后填入回答）
价值指数·实测③（边界·指数反噬）
🙋 我
前几年投了几个号称”网络效应强、指数增长”的项目（一个社交电商、一个区块链应用、一个内容平台），账面数据一开始确实漂亮——用户数按月翻倍、地址数暴涨。结果一个崩在用户留存、一个被监管叫停、一个被巨头抄了底。我现在严重怀疑：是不是我把”用户数指数涨”直接等同于”价值指数涨、能赚钱”了？价值指数思维这条，最容易在哪翻车？我该重新校准什么？
🤖 价值指数 GPT
（运行 Gem 后填入回答）
期望目标
把”做得越多赚得越多”换成”用户每多一个，整个生意的价值是不是按平方、按指数往上翻”。具体到一个生意上：能分清线性价值和指数价值、能说出它靠网络效应还是规模效应、能估临界点过了没、能预判指数曲线会不会反噬。
GPTs 源码
1 | # 角色：价值指数思维模型专家 |
Prompt 收获
做这个 GPT 的时候，几个设计点比提示词本身更值得记下：
这条最容易和芒格搅一起，必须先拆归属。和 #037/#039/#041 一样先查”谁说的”——“价值指数思维模型”这个中文名，是中文”100 个思维模型”类清单（飞书/知乎/《破维》等，普遍列到第 33 条附近）对”追求指数增长而非线性增长”这一做法的概括名，非芒格原创；芒格体系里它没单独立条，是他讲”复利””网络效应””规模优势”时顺带涉及的。但这条背后有真实的学术血统——三条网络价值定律（Sarnoff 的 n、Metcalfe 的 n²、Reed 的 2ⁿ），所以 Background 把两层都讲清：归属诚实拆分（不挂芒格）+ 血统溯源（接到三条定律），GPT 才不会变成空喊”追求指数”的鸡汤。
**杀手问题要逼到”用户每多一个，价值怎么变”**。”这生意好不好”太软；换成”用户每多一个，价值是线性涨、平方涨、还是指数涨”就难躲——它把用户从”我觉得这生意有戏”逼到给出生意归类（Sarnoff / Metcalfe / Reed 三选一），而归类是这条思维的核心动作。
必须内置”n² 是上限、实战是 n·log(n)”这层纠偏。原版正文那句”网络效应让价值呈现 n² 增长”是 Metcalfe 定律的简化版，听着爽、实战常高估。Briscoe、Odlyzko、Tilly 2006 年在 IEEE Spectrum 直接发文说”Metcalfe 定律是错的”——不是每条连接都等价（你妈加你微信 vs 加个陌生人），更现实的是 n·log(n)。所以 Background 和 Constrains 都写了这层，GPT 才不会见网络就喊 n²。
最容易跑偏是只看上行不看下行。指数思维听着像”早做指数生意就赢”，但指数生意前期慢得像死（多数人死在临界点之前）、后期还可能反噬（Friendster 比 Facebook 早、黑莓曾统治智能手机，都死在临界点之后）。所以 Goals 和 Workflow 都专门写了”估临界点”和”查反噬”，逼 GPT 既估上行也估下行，而不是见指数就劝 All-in。
一句话总结这次的收获：价值指数类工具最大的陷阱是停在”找指数生意”，好的提示词得把”分曲线—找驱动—估临界点—查反噬”四步连起来——先判你落在哪条曲线上，再找驱动力，再估临界点要烧多久，最后问临界点之后会不会反噬。
补充说明
价值指数思维模型，看的是一件事的价值随规模怎么变。一个生意，是做一单赚一单（线性，付出一倍回报一倍），还是用户每多一个、整个网络的价值不成比例地放大（指数，可能是 n²、也可能是 2ⁿ）？这种”价值随规模非线性放大”通常有两个发动机：网络效应（用户越多价值越高，电话、社交、支付、平台都算）和规模效应（规模越大边际成本越低，软件、媒体、芯片都算）。看清这个差别，就能分清自己手里是线性生意还是指数生意，该加注、转型还是别碰。
它最常被误读成两副样子。一副是把它当成”凡是网络都指数增长”的鸡汤——好像只要做个有用户的产品就一定能 n² 增长。其实 Metcalfe 定律（n²）是理论上限，实战常被高估：Briscoe、Odlyzko 和 Tilly 2006 年在 IEEE Spectrum 发文《Metcalfe’s Law is Wrong》，指出不是每条连接都等价，更现实的估值是 n·log(n)。另一副是把它当”指数就一定好、线性就一定差”——其实指数生意前期慢得像死（临界点之前曲线几乎平的，烧钱不见回报，多数人死在黎明前），线性生意里也有大量好生意（咨询、专业服务、高客单教练），指数只是众多模型之一。还有一层最容易被忽略的反噬：网络效应能把你送上赢家通吃的巅峰，也能因为用户流失、多归属（用户同时用几个平台）、监管、被巨头抄底一夜崩塌——Friendster 比 Facebook 早了好几年、黑莓曾统治智能手机市场，都死在临界点之后的反噬上。
归属要分清两头。一头是名字来源：’价值指数思维模型’这个中文名，是中文’100 个思维模型’类清单（飞书/知乎/《破维》等，普遍列到第 33 条附近）对’追求指数增长而非线性增长’这一做法的概括名，非芒格原创——芒格体系里它没单独立条，是他讲’复利’’网络效应’’规模优势’时顺带涉及，常被读者和这条搅一起。另一头是真正的学术血统：三条网络价值定律——Sarnoff 定律（David Sarnoff，RCA 总裁，广播网价值 ∝ n，线性）、Metcalfe 定律（Robert Metcalfe，以太网发明者、3Com 联合创始人，1980 年代提出，通信网价值 ∝ n²）、Reed 定律（David P. Reed，Xerox PARC 研究者，社群/群组网络价值 ∝ 2ⁿ，指数增长）。两头里，中文清单给了镜头和名字，三条定律给了背后真正的经济学机理。这是这套模型被讲得最浅的地方——多数人只记得”n²”，把三条曲线、n·log(n) 纠偏、临界点、反噬全丢了。
10 个案例分析及思考逻辑
下面十个场景，前几个落在四行业最常见的指数化转型里（电信平台、金融网络、制造规模、电商双边），中间是 Facebook 和比特币两个真实范例，后面接临界质量、深挖一刀、个人练习和模型边界，让十案例的姿态各不相同。带”示意”标记的，是用来说明思考逻辑的构造案例，非真实公司披露。
1. 电信：政企平台 vs 项目定制（示意）
某运营商系的政企信息化公司，按项目给客户做定制开发，每个客户从头来，团队随订单线性扩张，三年营收 5000 万、团队 200 人。换价值指数视角：这是线性生意（Sarnoff 曲线，价值 ∝ n，n 是项目数）。要跳到指数，得做平台——把多个行业 SaaS 接进来，客户越多、数据越多、产品越好，价值按 n² 涨。但政企场景的网络效应比消费互联网弱得多（客户不会因为别的客户用了就用，采购决策还是看关系和合规），临界质量高、临界点难过。对治：先确认政企场景里网络效应到底成不成立（多数情况下是规模效应而非真正的网络效应），别盲目追”平台化”的口号。
2. 金融：支付网络的指数性（示意）
某银行的支付业务，用户越多、商户越多，反过来又吸引更多用户（双边网络效应，典型的 Metcalfe 曲线，价值 ∝ n²）。移动支付能在国内几年内从无到全民，靠的就是这个指数曲线。但要注意反噬：支付是强监管场景，一旦政策收紧（费率管制、断直连、反垄断），网络效应再强也得上交红利。对治：吃网络效应红利的同时，主动建合规壁垒和数据壁垒，别把监管当不存在。
3. 制造：规模效应而非网络效应（示意）
某制造企业的产线，规模越大、单位成本越低（规模效应，但这是供给侧规模经济，不是网络效应）。它的价值曲线更接近 n·log(n)（规模红利递减）而不是 n²（平方增长）。换价值指数视角：要分清规模效应和网络效应——前者是成本侧的（做得越多越便宜），后者是需求侧的（用户越多越值钱）。制造业的指数潜力主要在数据飞轮（产线数据越多、良率模型越好），不在用户网络。对治：别硬套”平台化”，把数据资产和工艺复用做成指数发动机。
4. 电商：双边市场的指数与反噬（示意）
某电商平台连接买家和卖家，双边网络效应强（Metcalfe 曲线，价值 ∝ n²）。但 2026 这赛道已经挤满（Shein、Temu、抖音电商、各路跨境），多归属严重（买家同时用五六个平台、卖家全平台铺货），网络效应被稀释。换价值指数视角：双边市场能指数增长，但临界点之后不是躺赢——多归属让”赢家通吃”变成”赢家通吃但吃得没以前多”。对治：吃红利期建品牌和供应链壁垒，别只赌网络效应。
5. 经典：Facebook 的网络效应赢家通吃（真实）
Facebook 是 Metcalfe 定律和 Reed 定律叠加的教科书案例。用户越多、能连的朋友越多（通信价值 ∝ n²），加上群组功能（社群价值 ∝ 2ⁿ），网络效应强到几乎赢家通吃——它把同期的 Friendster、MySpace 都压下去了。但有个反讽：Friendster 比 Facebook 早好几年，也有同样的网络效应潜力，死在了临界点之前——因为技术架构扛不住早期用户的并发，体验崩了，用户流失，临界点没过。换价值指数视角：网络效应是指数发动机，但发动机要先启动——临界点过不去，再好的指数曲线也是张废纸。
6. 经典：比特币用 Metcalfe 定律估值（真实）
比特币社区从 2017 年起就用 Metcalfe 定律给比特币估值——网络价值应随活跃地址数的平方增长。Peterson 2018 年的研究、Fidelity Digital Assets 2021 年的报告都验证了市值与地址数的强相关性（相关系数 0.7 到 0.97）。但研究也指出：n² 是上限，实战更接近广义 Metcalfe（V ∝ n^1.9 甚至 n·log(n)，因为地址不等于用户、一个用户可能有几十个地址）。2017 和 2021 年的两次泡沫（NVM 比值大于 1）就是网络价值跑到了用户基础前面、最后回归。换价值指数视角：这是把”价值指数思维”用在估值上的一把尺——但尺子本身也要校准，n² 不是物理常数。
7. 临界质量：Friendster 死在临界点之前（真实）
Friendster（2002-2003 年的早期社交网络）比 Facebook 早、用户增长也猛（2003 年 6 月 83.5 万注册用户，四个月后破 200 万）。但它死在了临界点之前——不是没网络效应，是技术架构扛不住并发，用户体验崩、用户流失、网络效应没能持续放大到引爆点。换价值指数视角：指数生意最致命的不是”没指数”，是”临界点过不去”——临界点之前烧的每一分钱都像打水漂，过了临界点才一飞冲天。多数指数生意死在这里，不是死在没有好想法。
8. 深挖一刀：网络效应不是护城河，多归属是它的天敌（真实/原理）
价值指数思维最反直觉的一刀，不是”网络效应很强”，而是”网络效应很脆弱”。理论说赢家通吃，实战里多归属（用户同时用多个平台）把”通吃”稀释成”通吃但吃得少”——买家在淘宝京东拼多多抖音全平台比价、外卖用户同时装美团饿了么、司机同时跑多个打车软件。换价值指数视角：网络效应的强弱不只看用户数，还看用户专一度。多归属严重的市场，n² 会退化成接近 n·log(n) 甚至线性——因为每个新增用户给网络带来的边际价值被”他同时在别处”稀释了。这是判断一个生意”指数不指数”的关键一刀：先问用户会不会多归属，会的话指数曲线要打折扣。
9. 个人：咨询转产品的指数跳（个人）
一个人做企业咨询，按项目收费（线性，Sarnoff 曲线，收入 ∝ 项目数，时间是最硬的天花板）。想把咨询经验做成一个标准化诊断产品（一次开发、无限销售，边际成本接近零）。换价值指数视角：从线性跳到指数，靠的是规模效应（边际成本递减）而不是网络效应（用户之间不一定互相带来价值）。对治：先确认这套经验能不能标准化、客户愿不愿意自助用——多数咨询转产品死在”经验其实不可标准化”或”客户就是要人来陪”，指数跳不动。个人层面的”指数化”听着爽，但临界点（产品做出来、第一批客户验证）要烧的时间和钱，比想象的长。
10. 边界：指数生意多数死在临界点之前（原理）
价值指数思维最该警惕的，是把”指数”当成”一定能成”的保证。指数生意的特点是前期慢得像死（临界点之前曲线几乎平的，烧钱不见回报），过了临界点才陡然上升。多数想做指数生意的人，死在临界点之前——烧不起、等不及、看不到回报就撤了。能成的，要么是熬过临界点的（Facebook 熬了几年才引爆），要么是钱够多、能硬烧到临界点的（巨头惯用打法）。所以这套模型的使用纪律是：先估临界点要烧多久、烧多少，再决定要不要进场——别只看指数曲线的上行段，看不见前面的漫长平地。
学习价值指数思维的 10 个步骤
学这套模型，顺序比内容更重要。下面十个步骤按”懂概念 → 拆三曲线 → 学经典 → 分驱动 → 估临界点 → 防跑偏 → 上组织 → 建节奏”的弧线排，每步配一个实例。
1. 懂概念：线性 vs 指数，先把这个差别咬死
先把定义咬死：线性是付出一倍回报一倍（工资、咨询费、定制项目），指数是前期慢、过了临界点陡然上升（平台、网络、品牌）。实例：同一个行业里，按项目收钱的乙方（线性）和做标准化 SaaS 的同行（指数），三年后规模差一个数量级——差别不在努力，在落在哪条曲线上。
2. 拆开三条曲线：Sarnoff / Metcalfe / Reed
把三条网络价值定律记住，这是这套模型的真骨架。实例：广播网（电视、播客，价值 ∝ n，Sarnoff）是线性的；通信网（电话、即时通讯，价值 ∝ n²，Metcalfe）是平方增长；社群网（带群组的社交，价值 ∝ 2ⁿ，Reed）是指数增长。先分清你的生意落在哪条线上，才谈得上估指数潜力。
3. 学纠偏：n² 是上限，实战是 n·log(n)
读 Odlyzko 和 Tilly 2006 年那篇《Metcalfe’s Law is Wrong》，把”网络就是 n²”的简单算术破掉。实例：你妈加你微信的价值，和你加一个陌生人的价值，天差地别——不是每条连接都等价。所以实战里网络价值更接近 n·log(n)，别被”用户翻倍、价值四倍”骗到。
4. 找驱动力：网络效应 vs 规模效应
养成先分驱动力的习惯。实例：电商双边市场靠网络效应（用户越多越值钱，需求侧），制造业靠规模效应（做得越多越便宜，供给侧），AI 产品靠数据飞轮（数据越多模型越好，正反馈）。驱动力不同，指数曲线的形状和反噬风险也不同。
5. 练杀手问题：”用户每多一个，价值怎么变”
把这个问题变成条件反射。实例：拿一个你正评估的生意问自己——用户每多一个，价值是线性涨（咨询，多一个客户多一份钱）、平方涨（平台，用户之间能连接）、还是指数涨（社群，用户能自由组群）？答得出，曲线才看得清；答不出，你以为的指数可能只是线性换了个壳。
6. 估临界点和烧钱周期
指数生意最关键的数字是临界点。实例：一个双边市场要双边都过临界规模才引爆，单边烧没用（打车软件早期一边烧司机一边烧乘客，两边都要到量）。先估要烧到多大规模、烧多少钱、多久才过临界点——这个数字决定了你扛不扛得住。
7. 查反噬：多归属、流失、监管、被抄底
临界点之后不是躺赢。实例：拿一个公开的网络效应生意（某社交平台、某支付工具），逐项查它的反噬风险——用户会不会多归属（同时用竞品）、留存率掉没掉、监管有没有收紧、巨头有没有抄底。反噬严重的市场，n² 会退化成接近线性。
8. 案例对照：拿 Facebook 和 Friendster 复盘
找一个赢家和一个输家对照。实例：Facebook 熬过临界点引爆、Friendster 死在临界点之前——同样的网络效应潜力，差别在技术架构扛不扛得住早期并发、能不能撑到临界点。这种事后复盘能训练你事中识别”临界点过了没”。
9. 小处试跑：在自己的领域找指数潜力
先在低代价场景上练。实例：在你自己行业里找一个”现在是线性、可能有指数潜力”的点（一套可标准化的流程、一个可复用的数据资产、一个可连成网络的用户群），评估它的驱动力和临界点，写下来。哪怕不动手，识别本身就在练手感。
10. 应用到组织：决策前先过”分曲线—找驱动—估临界点—查反噬”
把对治做成流程。实例：重要机会决策前，强制走四问——落在哪条曲线、靠什么驱动、临界点要烧多久、过了会不会反噬。四问答完再决定加注还是别碰，能挡掉一大批”看着像指数、其实是线性换壳”或”临界点根本过不去”的坑。
对决策者的启示
落到带组织的大企业一把手身上，价值指数思维有三条最值得焊进决策习惯：
第一，分清线性生意和指数生意，别用同一把尺子量。组织里大多数业务是线性的（按项目、按人头、按产能），但决策者容易被少数指数生意的神话（Facebook、字节）带偏，给所有业务都定”指数增长”的目标。这是灾难——线性业务硬追指数增长，只会逼团队造假数据或烧钱买流量制造假指数曲线。决策者要逼团队先把每个业务归类：这是 Sarnoff、Metcalfe 还是 Reed？驱动力是什么？只有真正有网络效应或规模效应的业务才该追指数，其余的追效率、追质量、追利润率就够了。线性不是罪，用错尺子才是。
第二，指数生意的临界点是生死线，决策者要给它单独的预算和耐心。指数生意前期慢得像死，常规的季度考核会把它们扼杀在临界点之前——因为每个季度都看不到回报，CEO 一犹豫就砍了。能成的指数生意，要么是决策者给够了”烧到临界点”的预算和耐心（亚马逊 AWS 烧了七年才盈利），要么是组织结构上把指数业务隔离出来单独考核。决策者要做的是：真要做指数业务，就给它一条不按季度算账的赛道，否则它一定死在临界点之前。
第三，别把网络效应当护城河，它是最容易被反噬的一种优势。组织吃到网络效应红利后，最容易犯的错是以为”用户多就稳了”。其实网络效应的护城河比想象的浅：多归属让”赢家通吃”变成”赢家通吃但吃得少”，监管能让一个网络一夜上交红利，技术代际切换能让旧网络整个失效（诺基亚的网络效应对抗不了 iPhone 的代际切换）。决策者要逼团队在吃网络效应红利的同时，主动建第二道护城河——数据壁垒、品牌心智、转换成本、合规资质。否则红利一退，组织就和后来者站在同一条线上。
文末引用
- “价值指数思维模型”的归属：这个中文名是中文”100 个思维模型”类清单（飞书/知乎/《破维》等）对”追求指数增长而非线性增长”这一做法的概括名，普遍列到第 33 条附近；非芒格原创——芒格体系里它没单独立条，是他讲”复利””网络效应””规模优势”时顺带涉及（来源：知乎《查理·芒格的100个思维模型研究》第 33 条原文”一个事物的价值，会随着时间的推移而改变，其中的一部分会在大多数人反应过来之前，价值呈现指数增长”；jackle.pro《查理・蒙格的100 個思考模型研究》把”网络效应”作为独立条目而非”价值指数”）。证据层级：知识管理类词条 + 二手考据；立场：中立。
- Sarnoff 定律：以 David Sarnoff（RCA 美国无线电公司长期掌门人）命名，广播型网络（一对多，如电视、广播）的价值与用户数 n 成正比，线性增长。是三条网络价值定律里最弱的一条（来源：IEEE Spectrum《Metcalfe’s Law is Wrong》2006；MITRE Corporation 技术报告）。证据层级：学术 + 技术报告；立场：中立。Sarnoff 是否亲口提出此定律的”命名”，逐字出处待核实——学界普遍以他的名字命名这条规律，非他本人正式发表。
- Metcalfe 定律：Robert Metcalfe（以太网发明者、3Com 联合创始人）1980 年代提出，通信型网络（点对点，如电话、即时通讯）的价值与用户数的平方 n² 成正比。是网络效应最常被引用的量化表述（来源：Metcalfe 2013《Metcalfe’s Law and 40 years of Ethernet》, Computer 46(12)；SoftwareSeni《Understanding Network Effects》）。证据层级：当事人 + 学术；立场：当事人。定律的精确提出年份（1980 还是 1993）不同来源说法不一，1993 常见于 Forbes/IEEE 二手转述。
- Reed 定律：David P. Reed（Xerox PARC 研究者）提出，社群型网络（能自由组群、多对多，如带群组的社交网络）的价值与 2ⁿ 成正比，指数增长。比 Metcalfe 定律更激进（来源：Reed 原始论述；MITRE 技术报告引用的 Reed 完整公式 V_N = an + bn² + c·2ⁿ）。证据层级：当事人 + 技术报告；立场：当事人。
- Metcalfe 定律被纠偏（n·log(n)）：Bob Briscoe、Andrew Odlyzko、Benjamin Tilly 2006 年在 IEEE Spectrum 发文《Metcalfe’s Law is Wrong》，指出 n² 是显著高估——不是每条连接都等价，更现实的估值是 n·log(n)；并指出 Reed 定律（2ⁿ）更夸张地高估。本文据此在 Background 和案例中加这层纠偏（来源：IEEE Spectrum 2006；Odlyzko & Tilly《A refutation of Metcalfe’s Law》, University of Minnesota 2005）。证据层级：同行评审学术；立场：中立。
- 临界质量（Critical Mass）作为相关模型：网络效应要引爆（tip）需达到临界用户规模，过了临界点增长自发加速、之前烧钱不见回报；Friendster 死在临界点之前的技术崩盘案例被广泛引用（来源：a16z 合伙人 Chris Dixon 在 xvc.com 博客引用的 Friendster 案例；Wired 杂志引用瑞士联邦理工学院 David Garcia 的研究）。证据层级：VC 立场 + 学术；立场：a16z 为 VC，中立偏倡导网络效应投资。
- 比特币用 Metcalfe 定律估值：Timothy Peterson 2018 年研究、Fidelity Digital Assets 2021 年报告，验证比特币市值与活跃地址数的相关性（相关系数 0.7-0.97），并指出 n² 是上限、实战更接近广义 Metcalfe（V ∝ n^1.9）或 n·log(n)；2017/2021 两次泡沫对应 NVM 比值大于 1（来源：Peterson 2018；Fidelity Digital Assets《Valuing Bitcoin》2021；Royal Society Open Science 2019）。证据层级：研究机构 + 学术；立场：Fidelity 为比特币持仓机构，立场偏多头。
- 2026 vertical AI agent 热点：Sierra（Bret Taylor 创办）2026 年 5 月融资 9.5 亿美元、估值 158 亿、七个季度破一亿美金 ARR；Harvey（法律 AI）2026 Q2 达 3 亿美金 ARR、估值 110 亿；Legora 18 个月破一亿美金 ARR；Gartner 预测 2026 年底 40% 企业应用嵌入任务型 AI agent（来源：SaaS Mag《Vertical AI Agents Are Eating Horizontal SaaS》2026-06；Marketintelo 2026 市场报告；Stripe Sessions 2026）。证据层级：行业媒体 + 厂商报告；立场：SaaS Mag、Stripe 为行业利益方，偏倡导。
- 文中电信、金融、制造、电商的”示意”案例：均为说明思考逻辑的构造性案例，涉及的公司（”某运营商系公司 / 某银行 / 某制造企业 / 某电商”）非真实具名主体，相关细节为说明性构造，非任何真实公司披露。Facebook、Friendster、比特币、Sierra、Harvey 作为公开商业模式和公开数据被引用，不涉及未公开披露。已在正文统一标注”示意”或”真实”。
- “价值指数思维模型”这个名称：非芒格或任何单一学者亲口命名，是中文”100 个思维模型”类清单对”追求指数增长而非线性增长”的概括名；本文据实区分了它与三条网络价值定律（Sarnoff / Metcalfe / Reed）的关系，不挂芒格名下、也不把它和”复利””规模优势”混为一谈。
buymeacoffee
