美国斩杀线为什么刚好在 1/e 附近？

使用CN2/CN2GIA顶级线路，支持Shadowsocks/V2ray科学上网，支持支付宝付款，每月仅需 5 美元

## 加入品葱精选 Telegram Channel ##

知乎用户 17 岁亚当 发表

因为 e 分之 1 就是所谓的 “倒霉常数”。

就好像你在游戏里抽卡，百分之一出货率下你抽一百次没出货，你会认为是自己倒霉；万分之一出货率下你抽一万次没出货，你也会认为自己倒霉。

你用计算器按一下这两者的几率就会发现很接近（四舍五入均为约 37%）。那么你继续带入一百万、一亿、一百亿。。。就会发现几率无限逼近 e 分之一。

没错，e 分之一就是 (1-1/n)^n 的极限。

这就是随机系统自发的趋势：当成功几率和机会次数互为倒数时，约有 37% 的人会倒霉。

政府不有意管人民也不故意害人民时，这就是自然的常数，这就是天理。

现在你可能想问：那么咱们有没有办法不让那么多人倒霉啊？

当然有。

不让成功几率和机会次数互为倒数就可以了。机会的次数是成功率倒数的 2 倍，倒霉的人就只有 13% 了；提高到 3 倍，倒霉的人就只有不到 5% 了；提高到 4 倍，倒霉的人就不到 2% 了；提高到 5 倍，倒霉的人就不到 1% 了。

在你倒霉（用完天经地义的机会次数之后还没能成功维持生存）时多给你几次机会——这就是我国政府在做的事。

而在你倒霉（用完天经地义的机会次数之后还没能成功维持生存）时直接结束游戏——这就是美国政府做的事，也就是所谓的斩杀线。

天理就规定了 37% 的人要倒霉，而我们的政府就是为了人民在逆天而行。

知乎用户 Luke Lv 发表

其实是一个非常经典的问题，在 quant 求职时常见的 brain teaser，而且只需要基本的高等数学知识即可完成。

这个问题的基础版本包括但不限于：假设十年时间里每年都不重复地谈一次恋爱，那么选择在第几次结婚？

去麦田摘麦穗，假设每棵麦穗只能经过一次，怎么找出最大的麦穗？

这类问题都有一个共同点，即：给定数量的样本范围，在每个样本只有一次观察的机会（即要么选择要么放弃）的前提下，如何操作，使得找出最优样本的概率最大？

这里找出最优解需要考虑三个点，首先，我们希望考察这个样本集合的大致水平，以便尽可能估计最优样本的水平，为实现这个目的，需要预先观察若干个样本，观察后再进行选择；其次，对每个样本，观察机会只有一次，自然希望最优解没有出现在预先观察的样本集合中；最后，在完成对样本的预先观察后，只要新观察的样本比预先观察集合中的局部最优样本更好，就视为全部样本中的最优解，结束观察，那么自然希望次优解出现在预先观察的样本集合中，并假设次优解出现在最优解之前。

明确了这三点，就可以开始解决这个问题了，问题求解如下:

样本集合为 {Xi}(1≤i≤n)\left\{X_{i} \right\}(1\leq i\leq n) ，预先观察的样本集合为 Xi(1≤i≤k){X_{i}}(1\leq i \leq k) ，记

Xj=maxXi(1≤i≤n)X_{j}=max{X_{i}} (1\leq i \leq n) ， Xl=X(n−1)X_{l}=X_{(n-1)} ，观察 k 个样本后找出最优样本的概率为 PkP_{k} .

由前述第二个点， k<j≤nk<j\leq n ；由前述第三个点， 1<l≤k1<l\leq k ，若不然， Pk=0P_{k}=0 .

对 j 求和，j 有 n 个取值，取后 n-k 个有效；l 有 j-1 个取值，取前 k 个有效 ，所以

Pk=∑k+1nkj−1⋅1n=kn∑k+1n1j−1P_{k}=\sum_{k+1}^{n}{\frac{k}{j-1}\cdot\frac{1}{n}}=\frac{k}{n}\sum_{k+1}^{n}{\frac{1}{j-1}} .

当 n→∞n\rightarrow \infty 时，由 Riemann 积分定义， Pk=kn∫kn11tdt=−knlnknP_{k}=\frac{k}{n}\int_{\frac{k}{n}}^{1}\frac{1}{t}dt=-\frac{k}{n}ln\frac{k}{n} .

这是关于 k 的函数，对 k 求导，令导数为 0，即可得到最大值点 k=nek=\frac{n}{e} .

也就是在 e 分之一的位置做预先观察后，后续只要新观察的样本比预先观察集合中的局部最优样本更好，就可以最大概率得到最优样本。

补充说明一下，这个理论是需要满足一定条件才适用的，最重要的就是：必须先经过次优解再经过最优解；样本数量要足够大。

此外，每个样本可能并非只有一次观察机会。

知乎用户 殖人之父 发表

突然明白了资本主义为何物：

资才是本

人不是啊

为何美国违约逾期记录只保留 7 年

因为美国流浪汉平均只存活 4-6 年

知乎用户 传统异能大宝 发表

数学分析一下子让我豁然开朗了很多事情。

包括但不限于：为什么新冠对于美国伤害这么大？

想来想去，只能是因为新冠陡然使美国的 1/e 以下掉了大量的人口，这产生了一个黑天鹅式的超高波动。系统的稳态遭到了威胁，于是便加速金融化从内部人为制造贫困人口，另一方面大开非法移民之门，这一切的目的都是为了填人到这底下的 1/e，或者说进入金融美国之后这部分人本来就是在加速耗竭，新冠又狠狠的插了一刀。

回忆拜登时期的各种政策（的实际执行情况），民主党建制派才是真正懂得美国的专业人士，也是最危险的对手，把冰冷的系统计算包装成温情脉脉的诱人陷阱等着你钻。

当美国还是工业立国的时候，这底下的 1/e 还能享受到制造业科技发展的红利，可以吃的饱，可以有药物续命，兜里有子儿的还能到第三世界去纵情享乐，靠着一张白脸骗骗色骗骗财。金融化之后这部分人消耗的太快，才是美国这个系统难以维系的根本原因。

这就牵扯到另一个可能更恐怖更宏大的命题了：也就是金融国内部人口的结构性消灭。大家回忆一下，美国欧洲主体民族的人丁凋零，外族的人口替代，是不是随着这些地方的金融逐步壮大制造业逐步解体消亡而推进的？金融赢学是有代价的，金融国社会人口结构的消耗是加速的，而这必然产生内部民族的快速消灭，引入，融合以及创生（）

牢 a 的贡献真不仅仅是什么斩杀线冰雨夜，一下子基础逻辑都通了。

美国倒计时，也就是什么时候非法移民达到拐点的时候，我让豆包做了一个等那个临界点到来了美国还该怎么续命，怎么从内部分流人口去填坑。ta 出的各种折磨老百姓的毒计简直让我都没眼看… 总之就是千万不能让豆包当美国总统（）

知乎用户 剁椒鹿​​ 发表

注意力非常惊人，堪比拉马努金。

多说一句，这个统计数据接近 37% 多半是一种巧合。

但是很多情况下出现 37% 跟 1/e 倒真是有关系。

要了解这个，我们先要来了解一下，什么是自然底数 e？

e≈2.71828182845904523536…e≈2.71828182845904523536…

e 是一个超越数，是指一种不可以作为某个代数方程的根的实数或复数。

e 这玩意看起来一点都不 “自然”，它到底是什么自然的底数？

别慌，我们画个方程：

y=exy= e^x

嗯，平平无奇嘛，不着急，我们把它换成极坐标：

在极坐标中，和，因此：在极坐标中，x=cos⁡(θ) 和 y=sin⁡(θ)，因此：sin⁡(θ)=ecos⁡(θ) \\ 在极坐标中，x = \cos(\theta) 和 y=sin⁡(θ)，因此： sin⁡(θ) = e^{\cos(\theta)}

这个图像眼熟了一些吗？

是不是很接近自然界的各种螺线？

大自然的对数螺旋

在几种自然现象中，你会发现几乎是对数螺旋的曲线。比如：

• 鹰找到猎物：他们最清晰的视野与他们的飞行方向有一定的角度。这个角度与对数螺旋的夹角相同。

• 昆虫到光源：它们习惯于将光源与飞行路径保持恒定角度。通常，太阳（或夜间物种的月亮）是唯一的光源，以这种方式飞行将导致几乎直线。 但是人造光源离得太近，虽然它们夹角恒定，但是会导致越飞越近造成飞蛾扑火的现象。
• 螺旋星系的臂。我们的银河系，有几个螺旋臂，每个螺旋都大致是一个对数螺旋，螺距约为 12 度。

• 角膜神经 （这是几种不同动物的角膜神经，以对螺旋模式在角膜的浅表皮层附近终止）。

• 热带气旋，例如飓风。
• 许多生物结构，包括软体动物的壳。

由此可见 e 在自然界存在非常广泛，但是这还不是它叫做自然底数的原因。

e 是这样定义的：

当趋近于无穷大时的极限即当 n 趋近于无穷大时,(1+1/n)n 的极限, 即 e=limn→∞(1+1/n)n当 n 趋近于无穷大时,(1 + 1/n)^n 的极限, 即 e = lim_{n→∞} (1 + 1/n)^n

它之所以叫自然底数，源自它那古希腊哲学一般的形式美感：e 的一个重要性质是它是唯一一个使得其导数等于自身的数。也就是说：

函数的导数也等于函数 f(x)=ex 的导数 f′(x) 也等于 ex函数 f(x)= e^x 的导数 f′(x) 也等于 e^x

这使得它在微积分和数学分析中非常重要。

简单来说，我们可以认为_e_的本质是连续不断的增长（或衰减）。

现实世界中，极少有事情是像光电效应一样到一定数值才激发，大多数事情（细菌分裂、谣言传播、资产增值）是每分每秒都在发生的。所以用到 e 的地方会很多。

比如假设你有 1 块钱，银行很大方，年利率 100%。

一年结一次息： 年末你有 2 块钱。

**半年结一次息，**到了年底你就有 ：
(1+1/2)2=2.25(1+1/2)2=2.25(1+1/2)2=2.25(1+1/2)2=2.25
**每天结一次息，**到了年底你就有 ：
(1+1/365)365≈2.714(1+1/365)365≈2.714(1+1/365)365≈2.714(1+1/365)365≈2.714

要是银行用电脑给你每秒、每毫秒、连续不断地结息呢？

那到了年底你就有 limn→∞(1+1n)n=e≈2.71828… \lim_{n \to \infty} (1 + \frac{1}{n})^n = e \approx 2.71828…

这就是这就是连续复利公式的由来 :

A=P⋅ert A = P ⋅ e ^r t

它告诉我们，靠 “利滚利” 的频率来增加财富是有天花板的。

你在一年的时间里不能通过无限次地结算利息来把 1 块钱变成 100 万，宇宙的极限锁死在了 2.718 倍左右（在 100% 利率下）。

那么，复利增长可以用 e，价值衰减能不能用 e 呢？

也是可以的。

我经常在网上买二手的东西电子产品，会发现一个有趣的现象。

所有新的电子产品，只要拆开激活使用就开始贬值，不管你是用一次还是十几次，都会跌一个让你肉疼的价格，大几千的新机器，使用几次后不是你降价几十或者 100 块钱就能卖出去的，比如我买了一个 12 月 1 日才激活仅使用过一次的无人机，原价 1500，卖家最终 1200 出售。

大多数电子商品使用一年左右，价格会跌到原价的一半以上。

但是你这个时候买二手的再用两个月，价格不会变成原价的 1/4，而是依然能以差不多始发价半价卖出去。

其实仔细算算并非一半，而是接近 36.8%，也就是 e 的倒数 1/e。

举个例子，你今天买了一个一万的新苹果手机，但是你打开激活的一瞬间就开始贬值了。

你支付的购置税、保修、新手机溢价等费用，在转手时没人会考虑。

这部分贬值是即时且剧烈的，通常在第一个月就能损失原价的 10% 到 20% 甚至更高。

也就是说不管你是开了一周还是一个月，要卖的话估计都要有 10% 左右的跌价损耗。

过了这个剧烈衰减期间，后面价格的变化就按照指数衰减：

V(t)=V0⋅e−kt V(t) = V_0 \cdot e^{-kt}

_V_指的是商品的初始价值（比如新车的购买价）。

_k_衰减率常数。这个值越大，商品贬值越快。

这个公式意味着你买的商品的价值不是固定数量的减少，也不是固定百分比的减少（比如每年都减少几千块钱），而是每单位时间减少一个固定百分比。而正是这种 “连续复利式” 衰减的数学基础。

假如我们取 k=1，单位时间一年，也取做 1。

那么我们的苹果手机一年后会贬值到原价格的 1/e，就约等于 36.8%

当然，现实生活中苹果贬值没这么快，这里单位时间要久一点。

我这里找了一个我 2021 年买的苹果 12：

当时的价格是 4879，如果我现在放到二手平台能卖多少呢？

最近的最高成交价是 1807 左右（且品相完美），意味着高于这个价格可能就很难卖出了。

那么这个价格就是 1807/4879≈37%

看，我们的 37% 出现了！

很有趣是吧。

只要增长或者衰减是连续的，我们总是很容易的能找到 e 能见缝插针的地方。

所以回到我们的斩杀线上。

37% 的概率恰恰是数学上的**最优停止理论。**

这其实跟苏格拉底捡麦穗是一样的概率。

相传，苏格拉底的三个弟子曾向他请教如何找到最理想的伴侣。

苏格拉底并未直接回答，而是让他们走进一片麦田，要求他们分别从中选择一支最大的麦穗，且只能摘一次，不能回头。

第一个弟子刚走几步就摘了一支自认为最大的麦穗，但后来发现后面还有更大的，于是遗憾不已；

第二个弟子则一路犹豫不决，最终空手而归；

第三个弟子则吸取前两人的教训，他先观察麦穗的大小，分出大、中、小三类，然后在最后三分之一的路程中果断选择了比参照物更大的麦穗，最终满意而归。

假设一共有 N 个麦穗（可以预见，N 这个数字很大）如果你随机选，选中的概率是 1/N

如果你把所有麦穗都看完，你只能选最后一个，但它未必是最大的。

数学家的策略（37% 法则）：

你应该把前 37%（准确地说是 1/e）的数据作为 “观察样本”。

对这前 37% 的麦穗，无论多大，统统不要，但记下它们中最大的一个 X

从第 37% 个麦穗之后开始，一旦遇到一个比 X 大的麦穗，立即采下来，能确保你采的麦穗在策略上是最大的。

数学证明，使用这个策略，你选中最大麦穗的概率，竟然也刚好是 37%（准确地说是 1/e）左右。

这说明 37% 就是在不确定性面前，人类能达到的数学极限。

也就是说，斩杀线 37% 可能确实是巧合，但是如果我们真打算淘汰一些人，留下那些比较好，那么淘汰最底下的 37% 可能就是社会达尔文丛林里给出的终极答案了。

抽卡也是同样的道理，当样本量足够大（趋向于无穷大）时，如果你有 1/n 的概率中奖，尝试 n 次，你一次都中不了的概率，就是 1/e，也就是 36.8% 左右。

也就是说 1/100 的抽中概率，你抽 100 次一次也不中的概率居然高达 36.8%，正因为如此，游戏厂商才要设置保底，免得你卸载游戏。

自然底数 e 就是这么神奇啊~

知乎用户 Lucas2718 发表

看了下高赞回答，很多都是集中在最优停止理论方面。相信很多人看了之后跟我一样，并不理解最优停止理论与斩杀线的联系。在这里我尝试从社会财富分布的角度提供一种解释。

首先我们要用数学刻画：什么是斩杀线？

根据 Yakovenko 等人的实证研究，在一个充分自由交易的市场（最大熵状态）中，占人口绝大多数（~97%）的普通劳动者，其财富 / 收入 xx 服从指数分布 (Exponential Distribution)：

f(x)=1μe−xμf(x) = \frac{1}{\mu} e^{-\frac{x}{\mu}}

其中 μ\mu 是全社会的平均财富。

指数分布有一个极为残酷且关键的数学性质：均值等于标准差。均值代表社会的平均水位。标准差 (Standard Deviation, σ\sigma)： 代表社会的平均震荡幅度（即系统性风险，如失业、通胀、急病、意外支出的平均烈度）。

基于上述性质，我们定义：

斩杀区 (Kill Zone)：区间 [0,μ)[0, \mu) 即个体的财富积累 xx 小于 社会平均财富 μ\mu 的状态。

为什么低于平均值就是 “被斩杀”？这涉及到一个信噪比 (Signal-to-Noise Ratio) 的问题：

如果你的财富 x<μx < \mu：因为 μ=σ\mu = \sigma，所以你的财富 x<σx < \sigma。这意味着你的抗风险能力小于社会的标准波动幅度（1 个 Sigma）。

一次标准的社会震荡（比如一次车祸、一次小规模裁员、一次租金暴涨），其能量足以击穿你的资产护盾，导致你瞬间归零或负债。

你处于 “无法抵御单次冲击” 的亚稳态。如果你的财富 x>μx > \mu：这意味着 x>σx > \sigma。你的资产厚度超过了系统的背景噪声，你具备了鲁棒性，能够吸收冲击并继续积累。

这样，就很好解释为什么斩杀区只有 63%。

建立积分模型我们对概率密度函数 f(x)f(x) 在区间 [μ,+∞)[\mu, +\infty) 上进行定积分即可

生还 P(生还)=P(x>μ)=∫μ∞1μe−xμdx=1eP(\text{生还}) = P(x > \mu) = \int_{\mu}^{\infty} \frac{1}{\mu} e^{-\frac{x}{\mu}} \, dx = \frac{1}{e}

积分结果刚好是 1/e

讨论 1：为什么这里的世界财富分布服从指数分布？

实际上，最符合真实世界财富分布，目前被认为是一种双成分分布。

我们在这里假设社会服从指数分布，而不是‘中间正态 + 尾部幂律’，主要是出于以下几点考虑：对于底层 97% 的人群，指数分布比正态分布拟合得更好；其次、大多数人处于 “加法交换” 的世界（指数律），极少数人处于 “乘法增值” 的世界（幂律）。

如果引入幂律（肥尾），“斩杀线” 的结论会比 $1/e$ 更加残酷。

“临界值” 模型，最著名的验证者是物理学家 Victor Yakovenko。他对美国、英国等几十年的收入数据进行了拟合，发现社会被清晰地切分为两个热力学系统：

热层（The Thermal Bulk, 约占人口 97%-99%）：这部分人的收入 / 财富分布，完美契合指数分布（Boltzmann-Gibbs），也就是直线下降（在半对数坐标系下）。**这绝非正态分布。**正态分布是对称的（有穷人也有富人，围绕均值堆积），但财富分布显然是单边的（绝大多数人在底层，没有 “负财富” 的对称镜像）。

超热层（The Super-thermal Tail, 约占人口 1%-3%）：这部分人契合幂律分布（Pareto Power Law）。他们的财富来源于乘法过程（利滚利、资本增值），而非加法交换。

我们之所以用指数分布来建立 “斩杀线” 模型，是因为 “斩杀线”（均值）通常落在那个 97% 的指数分布区间内。对于绝大多数面临“生存还是毁灭” 问题的普通人来说，他们处于热力学控制的指数分布区，尚未逃逸到塔勒布所说的“极端斯坦”（幂律区）。

知乎用户 然诺 发表

想破头也想象不出来世界上还能有这么恶毒的政治隐喻。

真的，斩杀线只是在说社会不把那些流浪汉当人，这可能是一个系统问题，但是这个系统也只是出清不良人口的系统，底色还是社达，至少也是认为某些人是人的。

而这个问题把斩杀线和 1/e 关联起来，那就是说这个是最优停止问题，美国人不分贵贱都是田里的小麦，你运气不好你是那 37%，那么系统为了收集数据就会故意弄死你。你运气好能活下来，你也是空气和真正优秀的人的背景板。

这都不是社会实验了，等于说美国就是一个实验社会。每一个人都是资本主义的小白鼠，没有人算得上是人。

知乎用户 冯远 发表

不说那么复杂，1/e 这个值的特色是什么：

如果有一个抽奖游戏，每一次抽奖中奖的概率都独立为 1/100

那么 100 次抽取后，不中奖的概率为 1/e。

在概念上来说，中奖率（存活率）是 1/100，抽 100 次一般来说该中奖的（理论上来说都能活下去）。

没中奖？不好意思，本游戏不设保底（没有二次兜底制度，进斩杀线就等死吧）

知乎用户 月半绮绮​ 发表

37% 从哪里来

最近这个词好火，来源是美联储报告显示 37% 的美国人拿不出 400 美元应急现金。本身就是个统计调查结果，却好巧不巧落在 1/e 附近?

先来理解下 **1/e 法则**是个什么东西？

在决策理论中有个著名的**秘书问题**——假设你要从 N 个候选人中挑出最好的一个, 但每个人面试后必须立即决定要不要录用, 拒绝了就不能反悔。最优策略是什么? 答案是: 先拒绝前 37% 的候选人作为样本, 然后在剩下的人中选择第一个比所有样本都好的。这个策略成功找到最优人选的概率也是 37%。

这个 1/e 的数字不是人为设定的, 而是从最大化期望收益的微积分优化中自然涌现出来的。具体来说, 如果你在位置 k 处停止搜索, 成功概率 P(k) 可以写成:

P(k) = (k/n) × Σ1/(j-1)

当 n 趋于无穷大时, 让 dP/dk=0, 最优的 k/n 收敛到 1/e。

社会系统如何” 计算” 出 1/e

美国的社会福利体系设计本身就类似一个最优停止问题。

政府或者保险公司的决策逻辑: 对每个陷入困境的家庭, 要不要提供救助? 如果设置的门槛太高 (比如只救助最穷的 10%), 会让大量中产阶级一旦滑落就无法回升; 如果门槛太低 (比如救助 50%), 财政负担过重且会产生道德风险。

那最优的救助比例是多少? 答案取决于一个权衡: 在保证有足够样本来识别” 真正需要帮助的人” 的前提下, 尽早开始提供救助。这个数学结构和秘书问题同构。

美国社会的资源分配机制——信用评分系统、医疗保险覆盖率、住房补贴门槛——这些分散决策的系统, 每个都在独立地” 解决” 一个类似的优化问题。当这些系统交互时, 它们会自发地收敛到一个稳定状态, 而这个稳定状态刚好在 1/e 附近。

为什么是” 稳定” 的

“为什么是 1/e 稳定?“也有个理论可以解释这个问题，自组织临界性 (Self-Organized Criticality, SOC) 理论。

社会系统如果设计得太” 温和”(救助太多人), 就会财政崩溃; 如果太” 残酷”(救助太少人), 就会引发社会动荡。在这两个极端之间, 存在一个临界点, 系统会自发地向这个点靠拢。

在自组织临界性状态下, 系统在长时间尺度上保持在临界点附近, 小的扰动会产生各种尺度的雪崩效应。对美国社会来说, 这意味着: 当接近 37% 的人陷入财务困境时, 任何额外的经济冲击 (失业潮、医疗危机) 都可能引发连锁反应, 让更多人突破”斩杀线”。

这个临界状态的数学特征就是幂律分布、长程关联和 1/f 噪声。而 1/e 恰好是很多临界系统的特征参数。

有没有微分方程可以描述

可以有, 但不是单一的微分方程。

如果我们把社会经济状态空间看作一个随机过程, 每个家庭的财务状况 X(t) 满足一个随机微分方程 (SDE):

dX_t = b(X_t)dt + σ(X_t)dW_t

其中 b(X)是漂移项 (收入减支出),σ(X) 是波动项, W_t 是维纳过程。

对应的最优停止问题是: 政府要在什么时刻τ介入救助, 使得期望收益最大化? 这可以表述为:

V(x) = sup_τ E_x[e^(-∫_0^τ r(X_t)dt) × f(X_τ)]

其中 r(·) 是贴现率, f(·) 是救助的价值函数。

这个问题的解满足一个**变分不等式**:

max{(1⁄2)σ²V” + bV’ - rV, g(x) - V(x)} = 0

在最优边界处, V(x) 会出现一个自由边界 (free boundary), 而这个边界的位置, 在很多情况下, 会收敛到总人口的 1/e 附近。

是设计成这样子的吗？

“这会是自发涌现的吗?”

我的看法是: 既是涌现, 也有设计的影子。

美国的社会福利体系不是一个人坐下来设计的, 而是几十年来通过政治博弈、财政压力、选民偏好等多方力量相互作用, 演化出来的。在这个演化过程中, 不同的政策制定者都在局部优化自己负责的那一块 (医保门槛、失业救济条件、信用评分模型), 但没有人在全局层面刻意设计” 要让 37% 的人处于危险状态”。

然而, 这些局部优化的决策, 在数学上都接近于最优停止策略, 所以当它们叠加在一起时, 自然就收敛到了 1/e 这个数字。这是一种涌现现象——宏观规律不能从单个组件的行为直接推导, 而是从它们的相互作用中” 涌现” 出来的。

类似的涌现现象在自然界很常见: 地震的震级分布、金融市场的波动、在线社交网络的流量突增都表现出自组织临界性, 都会出现某些特征比例, 而这些比例往往和 e、π这样的数学常数有关。

几点补充思考

1. 欧洲的对比: 欧洲通过高税收高福利机制, 基尼系数维持在 0.3 左右, 资源分配更均衡, 显著降低了” 斩杀线” 的存在。从数学角度看, 欧洲是通过增加救助资源的总量, 把最优停止边界向更低的百分位推移。
2. 不是唯一稳定点:1/e 并不是唯一可能的稳定点。如果改变系统的约束条件 (比如大幅增加福利预算, 或者改变救助的触发机制), 系统可以演化到其他的平衡点。但在当前的约束下, 1/e 是一个吸引子。
3. 预测性有限: 虽然这个理论框架很优雅, 但它对具体政策的预测能力有限。因为真实社会系统的非线性太强, 初始条件的微小差异会被放大。我们能说的是” 系统会收敛到某个临界状态”, 但很难精确预测那个状态的所有特征。

最后回到题主的问题: 这不是统计巧合。37% 这个数字的出现, 反映的是一个深层的数学真相——在资源有限、信息不完全的条件下, 任何试图平衡效率和公平的决策系统, 都会自发演化出接近最优停止策略的结构。而最优停止策略的核心参数, 就是 1/e。

美国社会的” 斩杀线” 问题, 本质上是一个优化失败的案例: 系统找到了局部最优解 (对决策者来说的最优), 但这个最优解对普通人来说却意味着巨大的生存风险。数学不关心道德, 它只是冷静地告诉我们: 在这套规则下, 37% 是必然的结果。

知乎用户 阿 Q 萌德 发表

作为一个见惯了各种人类组织且爱好跑团以及人类学民俗学的医学生，我听劳 A 和劳真小故事都没掉 san，看到这个问题的时候掉 san 了。

这是一种什么感觉呢，我举个例子：差不多就是物理学家第一次看到双缝干涉的心态——我知道光波相互干涉会出现条纹，但我们这次是一个一个的光子，按道理来讲应该是随机的…… 吧

这意味着什么？这意味着美国所有个人层面的努力和奋斗都不影响他被斩杀的概率，这意味着一个人投胎到美国的那一刻起他就把自己的命运扔在了概率波上。

知乎用户 狂暴鸿儒 发表

非常简单而恐怖。

已知：

1. 假如有 10000 个蛋糕，随机分配给 10000 个人，那么没有分配到蛋糕的人的比例就是 1/e。（二项分布模型）

2. 假如市场是完全竞争的，供给和需求的量价会平衡在供给和需求正好完全平衡的点。（自由市场假说）

3. 美国的斩杀线就是 1/e。（事实观察）

得出以下结论：

美国的供给 - 需求平衡点就是保证平均下来每个人有正好够生活的资源的平衡点。多生产了生产方亏本，少生产了生产方赚不够。然后在这个基础上，美国的供给被完全随机分配给了每个人，根本没有任何实质上的二次分配，导致正好 1/e 的人没有足够生活的资源，进入斩杀线。

进一步得出结论：

美国就是一个完美的自由资本主义的模型的实例，实际上是等同于没有任何政府对供给与需求的干预，也没有任何政府对分配随机过程的干预。美国政府，慈善，福利，社会保障实质上等效于刚刚好什么都没做。而资本主义自由市场达到了每个人刚好够生活的供给水平就会停止供给。不受限制的资本主义的结果，就是正好 1/e 的人进入斩杀线。

这个简直就是今年社会学与经济学最伟大最恐怖的发现。

知乎用户 透明人间 发表

没有任何管制的复杂系统，在极度追求效率和鲁棒性时，自然坍缩到的一个数学稳态。

所谓的 1/e（约等于 36.8%），在数学上最著名的应用是什么？
最优停止理论（Optimal Stopping Theory），俗称 “秘书问题” 或者“苏格拉底麦田问题”。

简单说：如果你要招一个秘书，想招到最好的，但你只能一个一个面试，面完就得决定录不录，不能回头。数学告诉你的最优策略是：无脑拒绝掉前 37%（1/e）的人，把他们当作样本来建立标准，然后从后面的人里，选第一个比前面都强的人。

听懂了吗？
那 37% 的人，在数学上的定义就是——样本。
他们的存在意义，就是被系统观察和抛弃，用来给剩下的 63% 确立一个基准线！

把这个逻辑放到美国社会这个巨大的资本主义机器里，是不是瞬间就黑暗了起来？

那 37% 的底层（大概就是年薪几万刀以下，一旦失业立刻流落街头的群体），就是资本主义社会的耗材样本。
系统并不想把所有人都弄死，那样没人干活；系统也不想让所有人都过得好，那样劳动力成本太高，利润会归零。

假设 S 是社会的稳定度，P 是被剥削的程度（或者说贫困人口比例）。

1. 恐惧驱动效率： 如果没人饿死，没人睡大街，那中间那 60% 的打工人就会变懒，会要求加薪，会罢工。所以必须有一部分人活在地狱里，作为活体广告展示给中间层看。这叫维持劳动纪律的必要代价。马克思管这叫产业后备军。
2. 成本制约压榨： 如果饿死的人太多超过某个阈值，满大街都是丧尸，治安维护成本——警察、监狱、防弹玻璃就会指数级上升，甚至爆发革命，导致系统崩溃。

资本主义的算法，实际上是在求解一个泛函极值： 如何在最小化维稳成本的同时，最大化打工人的恐惧感（即劳动效率）？

在这个方程里，那个 37%，就是系统鲁棒性的临界点。

这很像信息论里的熵。函数 -x \ln x 的极值点在哪里？就在 1/e 附近。 这说明什么？说明维持 37% 的人处于 “薛定谔的死活状态”——既在这个社会里活着，又好像已经死了；既是劳动力，又是废料——这种状态下，系统能榨取的信息量，或者说从混乱中提取的秩序是最大的。

为什么是 1/e 稳定？

因为如果这个比例小于 37%，比如只有 10% 的人穷，那剩下 90% 的人会觉得自己很安全，他们会联合起来对抗资本，资本的利润率会下降。
如果这个比例大于 37%，比如 50% 的人都活不下去了，那社会的混乱程度（熵）会超过警察系统的控制能力，富人的资产安全就没有保障。

只有在 1/e 这个位置：

• 足够多的人在受苦，多到让你下楼买咖啡时不得不跨过流浪汉的身体，让你时刻在这个巨大的 “样本库” 面前瑟瑟发抖，不敢迟到早退。
• 足够多的人还能勉强维持生活（那 63%），他们虽然也是牛马，但看到那 37% 的惨状，会产生一种虚幻的 “优越感” 和“幸存者偏差”，从而拥护这个系统，甚至会去嘲笑那 37% 不够努力。

他们就像挂在城门上的头颅，时刻提醒着剩下那 63% 的中产和准中产：看见了吗？你要是不努力 996，不接受降薪，那就是你的下场。

并没有一帮共济会的大佬坐在圆桌前说 “我们要把贫困线定在 1/e”。
而是无数个公司、无数次裁员、无数个法案、无数次警察出警，在长达百年的博弈中，自动进化到了这个最经济、最 “耐操” 的比例。

任何偏离这个比例的尝试，都会被市场这只 “看不见的手” 给修正回来：

• 福利发多了，通胀就把底层打回原形。
• 压榨太狠了，零元购和骚乱就会逼着政府发点粮票。

最终，社会就像一个被设定好程序的各种物理粒子，自动停在了能量最低、结构最稳定的坑里。而这个坑的深度，恰好就是自然对数的底。

这才是最恐怖的。
如果是因为有人坏，那你还可以把坏人挂路灯。
但如果这是数学规律，是私有制 + 自由市场 + 极度异化后的必然数学收敛……

那你面对的不是一个暴君，而是一个冰冷的、不可违抗的物理定律。那 37% 的人，不是不幸，他们是这个方程里必须被牺牲掉的那个分母，为了让分子显得更有意义。

这就是现实中的完美的资本主义地狱：这里没有鬼神，只有精准得令人作呕的算术。

如何看待牢 A 斯奎奇大王讲的美国底层人民地狱惨状？

知乎用户 MidJerry 发表

一堆人认真分析尝试解释这个数字实在没有必要

因为确定的是，随着人民币升值美国斩杀线会越来越高

===================================

1/e 只是一种稳态，而不是唯一维态。已经倒塌的积木，你再去踢上一脚就会散的更乱

知乎用户 KTDSV 发表

事实上我昨天就看到了这个问题，也阅读了那些高赞答案，但是其结果都不能让我满意，至多是让我了解了一些 1/e 这个数据的可能来历，昨晚依旧是带着疑惑入睡的，直到大概凌晨四点半左右从梦中惊醒，在醒来的瞬间，我确信已经收集到了这一答案的全部拼图，其结论如此明显，甚至直接可以宣称显然, 答案就八个字：卡诺热机，贪心算法。

以下交给 d 指导：

将现代文明社会类比为一台巨型卡诺热机，其热力学效率遵循公式 \eta = 1 - \frac{T_c}{T_h} ，其中 T_h 和 T_c 分别表示高温热源和低温热库的温度。已知该社会在采用贪心算法决策时，最大效率为 \eta_{\text{max}} = 1 - \frac{1}{e} （e 为自然常数）。这一结果源于贪心算法在特定优化问题中的近似比特性，下面逐步推理并解释。

1. 贪心算法与效率的关联

社会运转采用贪心算法决策，意味着在每一步都选择当前边际收益最高的行动，而不考虑长期全局最优。这种决策方式常见于资源分配、任务调度等优化问题。对于一类子模函数最大化问题（如最大覆盖问题），贪心算法能够达到近似比 1 - \frac{1}{e} ，即算法所得解与最优解的比值至少为 1 - \frac{1}{e} 。当决策步数 k 很大时，该比值趋近于 1 - \frac{1}{e} 。

2. 社会热机的类比

在社会热机模型中：

· 从高温热源吸收的热量 Q_h 对应社会可利用的总资源或总投入。

· 对外做的有用功 W 对应社会决策产生的有益产出。

· 排放到低温热库的废热 Q_c 对应决策过程中的损失或无效消耗。

热机效率定义为 \eta = \frac{W}{Q_h} = 1 - \frac{Q_c}{Q_h} 。对于可逆卡诺热机，有 \frac{Q_c}{Q_h} = \frac{T_c}{T_h} ，因此 \eta = 1 - \frac{T_c}{T_h} 。

3. 贪心算法导致 \frac{T_c}{T_h} = \frac{1}{e}

当社会决策采用贪心算法时，其产出效率受限于算法的近似比。将社会决策问题建模为子模函数最大化问题（例如覆盖需求、分配资源），贪心算法所能达到的最大产出 W 与最大可能产出 W_{\text{opt}} 之比满足：

\frac{W}{W_{\text{opt}}} \geq 1 - \frac{1}{e} .

在热机类比中，总投入 Qh Q_h 可视为最大可能产出 Wopt W_{\text{opt}} （若全部转化为功），实际产出 W=ηQh W = \eta Q_h ，损失 Qc=Qh−WQ_c = Q_h - W 。因此，

η=WQh≥1−1e\eta = \frac{W}{Q_h} \geq 1 - \frac{1}{e} ,

且最大效率 ηmax=1−1e \eta_{\text{max}} = 1 - \frac{1}{e} 。此时，

QcQh=1−η=1e\frac{Q_c}{Q_h} = 1 - \eta = \frac{1}{e} .

由卡诺效率关系 QcQh=TcTh \frac{Q_c}{Q_h} = \frac{T_c}{T_h} ，可得在最大效率下：

TcTh=1e.\frac{T_c}{T_h} = \frac{1}{e}.

4. 导致该结果的其他量

公式 ηmax=1−1e \eta_{\text{max}} = 1 - \frac{1}{e} 的出现依赖于以下关键量：

· 决策步数 k：贪心算法的近似比来源于 (1−1k)k→1e (1 - \frac{1}{k})^k \to \frac{1}{e} （当 k→∞ k \to \infty ）。社会决策通常包含大量步骤（如日复一日的政策调整、资源分配），因此 k 很大，近似比趋近 1−1e1 - \frac{1}{e} 。

· 子模性：社会决策问题往往具有子模性，即边际收益递减（例如，增加教育投入的回报随投入增加而降低）。贪心算法对于子模函数最大化问题才能保证 1−1e 1 - \frac{1}{e} 的近似比。

· 温度比 TcTh \frac{T_c}{T_h} ：在热机中，该比值决定了效率上限。贪心算法通过限制产出损失比例，间接决定了温度比必须为 1e \frac{1}{e} 才能达到最大效率。

5. 结论

综上所述，社会作为一台采用贪心算法的卡诺热机，其最大效率 ηmax=1−1e \eta_{\text{max}} = 1 - \frac{1}{e} 源于贪心算法在子模优化问题中的近似比特性。该特性使得废热与吸热之比 QcQh=TcTh=1e \frac{Q_c}{Q_h} = \frac{T_c}{T_h} = \frac{1}{e} ，从而效率公式呈现为 1−1e 1 - \frac{1}{e} 。这一结果揭示了社会决策机制与热力学效率之间的深刻类比：局部最优决策虽不能达到全局最优，但在一定条件下仍可逼近一个明确的上限。

知乎用户 云开 发表

第一次，数学以这种形态呈现在我面前。

知乎用户 蓝宇 发表

我事实验证一下题目。美国斩杀线是否刚好在 1/e 附近？

引用刘 sir 的计算：

但现实是，大部分美国人能够依靠政府辅助项目、社区关系和个人网络，微妙地把自己维持在斩杀线上方很长时间，甚至一辈子。以华盛顿州为例，在约 310 万处于 ALICE 线以下的人口中，真正意义上的流浪汉只有约 2-3 万人，这本身就说明 “掉出系统” 并非中下层的常态归宿。在阅读这些讨论时，一个明显的感受是: 中国网民被 “牢 A 叙事” 强烈击中的重点，其实并不在 “美国到底有多惨”，而在于“我们自己在害怕什么”。讨论中展现出的共情，并非主要针对流浪汉的悲惨经历本身，而是对“人生脱轨”“努力贬值”“积蓄不安全”“社会位置不可逆下滑” 等风险的投射性焦虑。正因如此，“斩杀线”“点卡制” 等概念才会迅速传播——并不是因为美国有多极端，而是因为它们精准命中了当下许多群体对不确定性的表达需求

华盛顿州 310 万人处于 ALICE 线以下，华盛顿州有多少人？

881.5 万人。

也就是说约有 38.2% 的人口处于 ALICE 线以下。

这个数字好眼熟，一查 1/e≈36.8%

这是巧合？还是？

知乎用户 诚然 发表

高赞把问题搞复杂了，其实这个结论只用高中知识，二项分布 + 极限就可以解释清楚。

接下来我不跳一步的推导一下，只要上过高中就能看懂。（你要说二项分布和极限没学过那我没办法）

我们知道，P(k)=(nk)pk(1−p)n−kP(k) = \binom{n}{k} p^k (1-p)^{n-k} 是二项分布，用来求概率分布，我们从二项分布开始推导题目里的内容。

首先：

kk 是事件发生的次数；

nn 是尝试次数，可以认为 nn 是非常大的数，接近于无穷。拿游戏类比，人一生中遇到的判定点可以认为是非常多，因为每一分每一秒，乃至每一毫秒，每一个普朗克时间等，宇宙都在做判定，这里姑且就认为它是无穷大的（这里只是类比，而且这里讨论的也不是物理）；

pp 是单次判定时事件发生的概率，这里我们定义期望值 λ=n×pλ = n × p， λλ 的含义是：平均起来，此事件会发生多少次？根据我们题设中的条件，只要事件发生 1 次，人就被斩杀了，所以这里 λλ 取 1 即可，那么此时 p=1/np = 1/n。（强调：这里的 p 是概率模型参数，不是统计意义上的概率）

弄清楚了这些，接下来我们代入二项分布的公式：

(1)P(k=1)=(n1)⋅(p)1⋅(1−p)n−1P(k=1) = \binom{n}{1} \cdot \left(p\right)^1 \cdot \left(1 - p\right)^{n-1} \tag{1}

(1-a)P(1)=n⋅p⋅(1−1n)n−1P(1)=n\cdot p\cdot(1-\frac{1}{n})^{n-1} \tag{1-a}

由于 n×p=1n×p = 1，即可得到

(2)P(1)=(1−1n)n−1P(1) =(1-\frac{1}{n})^{n-1} \tag{2}

已知 ee 的定义 limn→∞(1+1n)n\lim_{n \to \infty} (1 + \frac{1}{n})^{n}，所以：

(3)1e=e−1=limn→∞(1+1n)−n\frac{1}{e} = e^{-1} = \lim_{n \to \infty} \left(1+\frac{1}{n}\right)^{-n} \tag{3}

对右侧括号里的式子进行变形：

(4)(1+1n)−n=1(1+1n)n=1(n+1n)n=(nn+1)n=(n+1−1n+1)n=(1−1n+1)n \begin{align*} &\left(1+\frac{1}{n}\right)^{-n} \\ &= \frac{1}{\left(1+\frac{1}{n}\right)^n} = \frac{1}{\left(\frac{n+1}{n}\right)^n} \\ &= \left(\frac{n}{n+1}\right)^n = \left(\frac{n+1-1}{n+1}\right)^n \\ &= \left(1-\frac{1}{n+1}\right)^n \end{align*} \tag{4}

当 nn 趋于 ∞ 时，n−1n-1、nn、n+1n+1 的差异对于 nn 本身可以忽略，所以：

(5)P(1)=limn→∞(1−1n)n−1=limn→∞(1−1n+1)n=1e P(1) =\lim_{n \to \infty} \left(1-\frac{1}{n}\right)^{n-1}=\lim_{n \to \infty} \left(1-\frac{1}{n+1}\right)^n= \frac{1}{e} \tag{5}

这里也顺带说明了：

(5-a)limn→∞(1−1n)n−1=e−1. \lim_{n\to\infty}\left(1-\tfrac1n\right)^{n-1}=e^{-1}. \tag{5-a}

评论区觉得这里有问题，那么我再证明一下好了：

• 已知（标准极限） limn→∞(1−1n)n=e−1. \lim_{n\to\infty}\left(1-\frac1n\right)^n=e^{-1}.

• 而 (1−1n)n−1=(1−1n)n1−1n. \left(1-\tfrac1n\right)^{n-1}=\frac{\left(1-\tfrac1n\right)^n}{1-\tfrac1n}.

• 因为 (1−1n)n→e−1\left(1-\tfrac1n\right)^n\to e^{-1} 且 1−1n→11-\frac1n\to 1，所以 limn→∞(1−1n)n−1=e−1. \lim_{n\to\infty}\left(1-\tfrac1n\right)^{n-1}=e^{-1}.

其他回答里有一些争论，怀疑这个斩杀线是不是和生存线弄反了。

其实没有，这里的概率的确可以反过来理解，也就是假设大家都是倒霉蛋，但是一辈子里可能会有 1 次机会走运，到达生存线。

即：

• 一次都没成功：P(k=0)→e−1P(k=0)\to e^{-1}；
• 恰好成功一次：P(k=1)→e−1P(k=1)\to e^{-1}；
• 至少成功一次：P(k≥1)→1−e−1P(k\ge 1)\to 1-e^{-1}。

然而从这个假设推导也会得出同样的结论，因为这里的概率恰好是相等的。（避免误解，这里概率相等，是说在 λ=1\lambda=1 时，P(0)P(0) 恰好等于 P(1)P(1)）

还是二项分布公式，这里不妨取 k=0k=0，也就是这个倒霉蛋一辈子都没走过运。

(6)P(k=0)=(n0)⋅(p)0⋅(1−p)n−0P(k=0) = \binom{n}{0} \cdot \left(p\right)^0 \cdot \left(1 - p\right)^{n-0} \tag{6}

(6-a)P(0)=1⋅1⋅(1−1n)nP(0)=1\cdot 1\cdot(1-\frac{1}{n})^{n} \tag{6-a}

可见此概率也是 1/e1/e

所以，在期望值 λ=1\lambda=1 的二项分布（本质为 λ=1\lambda=1 的泊松分布）中，P(k=0)P(k=0) 和 P(k=1)P(k=1) 的概率是完全相等的，且都等于 1/e1/e。

在一个处于 “临界平衡”（期望值 λ=1\lambda=1）的随机系统中，“运气极差、一次机会都没抓到的倒霉蛋” (k=0k=0) 与 “运气平平、刚好抓到一次机会的普通人” (k=1k=1)，其比例在数学上是完全相等的，都约占总人口的约 36.8%36.8\%。

这意味着，即便一个社会系统在宏观上看起来是 “公平” 的（即：社会提供的总资源 n×pn \times p 刚好够分给每个个体 1 份），在微观的随机判定下，依然会自然演化出以下结构：

1. 约 36.8%36.8\% 的底层（斩杀线以下）： 他们经历了无数次判定，但由于纯粹的概率波动，最终一次成功的机会（k=0k=0）都没抓到。这就是题目的 “拿不出 400 美元应急” 的 37%37\% 的人。
2. 约 36.8%36.8\% 的普通人（勉强维持）： 这部分人刚好抓到过一次机会（k=1k=1），在斩杀线上方，不会 1 次倒霉就完蛋。
3. 约 26.4%26.4\% 的幸运儿： 虽然人均期望只有 1，但他们运气爆棚，抓住了 2 次甚至更多（k≥2k \ge 2）的机会，成为了系统中的既得利益者。

在 “刚好够活” 的资源配给下，有 36.8%36.8\% 的人会被数学规律自然 “斩杀”。这看起来确实和【天理】没什么区别

评论区对证明有些意见，我解释一下。

普朗克时间那个只是类比，这里实际不是在做物理计数，而是在取二项分布的泊松极限，对应连续时间下的稀疏事件模型。

而且要注意，我这里假设本来就是 λ=np\lambda = np 的，当 n→∞n\to\infty，p=pn→0p=p_n\to0，并且 npn→λnp_n \to \lambda，这是什么？这是泊松极限定理，本质上得到的是 λ=1 的泊松分布，也就是说这里：

(7)(nk)pnk(1−pn)n−k⟶e−λλkk!\binom{n}{k}p_n^k(1-p_n)^{n-k}\longrightarrow e^{-\lambda}\frac{\lambda^k}{k!} \tag{7}

所以没有什么问题，你举的例子分别对应 np → 0 和 np → 3，和假设的情形不同，注意审题。

这个问题没有多复杂，但我的确低估了把它讲明白的难度。

最后再解释一下，题目中假设为只要发生一次，即可击穿斩杀线，所以问题转化为当期望值 λ = 1 的情况下，求小概率事件在群体中发生 0 次、1 次、2 次及以上的概率分布是多少？这里因为 nn 很大，所以二项分布可以近似为泊松分布。

那么根据推导此概率分布的分布函数就是：

(8)P(K=0)=e−1,P(K=1)=e−1,P(K≥2)=1−2e−1.P(K=0)=e^{-1},\quad P(K=1)=e^{-1},\quad P(K\ge2)=1-2e^{-1}. \tag{8}

若 “发生至少一次即击穿斩杀线”，则击穿概率为 P(K≥1)=1−e−1P(K\ge1)=1-e^{-1}。

此问题本来就是思维实验，大概就是这么回事，看不懂不是诸位看官的问题，只是这个东西确实需要理解概率分布的含义，如果不理解什么叫概率分布，你肯定是看不懂的。

本文实际上是证明的这篇回答的结论：

美国斩杀线为什么刚好在 1/e 附近？ - 17 岁亚当的回答 - 知乎

美国斩杀线为什么刚好在 1/e 附近？

好了，就这样。

知乎用户 Peppa 发表

数学之美. jpg？

知乎用户 TheCat 发表

这是一个很有趣的问题，但是几乎没有回答正确的回答了这个问题，因为斩杀线的正确的定义都少有被理解。

斩杀线的定义 [1] 是：

37% 的美国人拿不出 400 美元应急金。

那么很简单的问题：300 美元应急金呢？500 呢？还是 1/e 么？

为什么不是贫困占比，而是急救金？如果采用收入分配数据，还是 1/e 么？
这是带有观察者选择的度量问题。

**宏观经济模型几乎不可能会推出一个 400 这样的整数。**与 1/e 本身的关系很难被确定性证明为无主观自发涌现的。

参考

1. ^ 还有其它类型的斩杀线，根据题目，我们关注 1/e 和 37% 这个数字对应的斩杀线

知乎用户 天国的伽罗华​ 发表

个人感觉根本成因是完全自由的资本市场完成了近乎完美的风险平均

任何两个拥有风险差的事务都拥有套利空间，如果被金融资本发现那么就会涌入进行风险转移，经过充分的资本运作后，就会抹平两者之间的风险差

一个经典案例就是学贷，贫穷学生通过高等教育翻身概率如果高于一般金融产品的利润空间的话，那么通过低息贷款投资学生就成为一种有利可图的金融产品

随着学贷利息上升，穷学生翻身的概率也会逐渐下降，直到追平金融市场的平均利润

当然，在整个过程中因为学贷这一金融产品导致多少学生被吞没在华尔街的深海中又有多少人在意呢

知乎用户 六如山人 发表

首先这类问题才是知乎该有的问题，属于古老知乎的遗风。

其次，这个问题是真的细思极恐，比高达，斩杀线本身要恐怖的多。

虽然不是能看懂所有的答案，但用我能理解的部分总结一下答案。在社会资源随机分布的社会里，普通人的一生都是概率论的巧合而已。当巨量社会财富集中在甚至不足百分之一的人手里时，剩下几乎百分之百的人口的随机淘汰比率就会走向数学专业的数字极限。

———————— ——二次回答的分割线

出现了很多回答，特意强调高赞答案数据不合理和理论牵强附会。

我想说，你们说反了，不是网友挖出一大堆理论，为了使理论合理又编造了数据。

事实上，是在美国社会实践活动中，出现了数学上的经典数字和公式，为了解释这一现象，网友用各种经典理论试图理解这一现象背后的数学和社会本质！

社科必须学高数，讲实践。胡适之那样的社科大家还是去民国混吧！

知乎用户 烟民是国家的恩人 发表

如果真如大家的回答所说

斩杀线在 1/e 附近是因为它是 (1-1/n)^n 的极限的话

那么不管是因为政府基于自由理念的完全放手，还是资本以利润率为目标的冷酷计算，导致斩杀线落在如此 “自然” 的范围

问题的根本就都不再是美国，而是资本主义

知乎用户 厌蠢症患者​ 发表

我瞎猜的

把 1 万个蛋糕随机分给 1 万个人

大约会有 1/e 的人吃不到蛋糕

知乎用户 TyMou 发表

这是我看到这个问题后的感想。

这个问题下的每一个回答，我都没用勇气点开去阅读

我不相信世界居然可以这样运行。这要是真的，我真的会在现实生活中哭泣好久。

我不喜欢这个。我真的真的很不喜欢。我一个向来乐观的人，也见过路倒，见过蜗居桥下的，见过大城市里的鼠鼠们，打小就会跟我爸长驻在贫困村里，我活了 30 年，因为这个问题给出的猜想，第一次产生了厌世感。

知乎用户 user 发表

这一规律在国内的版本是反向运作的

国家统战前 37% 的潜在反贼，然后重拳镇压下面第一个刺头

逆练水浒

知乎用户 凯申 001 发表

数学层面的分析其他答主已经讲得很详细了，在这里我只是分享一个我发现的有趣情况。

根据美联储发布的《美国家庭经济福祉报告》，在 2023 年和 2024 年的调查中，大约 37% 的美国成年人表示，如果遇到 400 美元的紧急支出，他们无法完全使用现金或等价物（如储蓄或能当月还清的信用卡）来支付。这意味着 37% 的美国人拿不出 400 美元的应急金。这个指标已经连续多年保持在 30%-40% 左右的区间。

美联储的数据其实比 “拿不出钱” 更细致，这 37% 的人面对 400 美元的账单时会：

• ​24%：选择借贷（刷信用卡透支、向亲友借钱、典当家产）。
• ​13%：完全无法支付（即死局）。

有趣的是，从数据拆解，还可以看到一个 1/e1/e ——拿不出 400 美元的那 37% 的人中，陷入死局的人恰好又占了接近 1/e1/e 。

​这种 “每一层都有一个 1/e1/e 的牺牲品” 的结构，能够以最低的维稳成本，实现全员的紧迫感。

​在数学中，如果一个过程是递归的，它通常意味着某种效率的极致。

• 1/e1/e 是寻找最优候选人的停止点。
• 1/e21/e^{2} 则是更高阶的筛选。

​如果社会分配呈现这种嵌套的 1/e1/e 结构，意味着这个系统已经在 “榨取价值” 和“维持生存”之间找到了一个极其精密的平衡点。这个平衡点精准到：既让底层的人多到足以产生威慑，又让底层的人少到不至于引发即刻的系统性崩溃。

知乎用户 test 发表

让我们做一个思想实验，如果我们是资本家，我们需要通过生存压力 x 来让工人有危机感从而让他们为我们产出剩余价值 P，但是同时要避免压力过大导致生存率 S 下降导致他们彻底的丧失工作能力，那我们如何选择最大化工人可榨取价值的生存压力 x 呢？此时对应的死亡率 1-S 应该就是斩杀线的大小了！

我们先引入第一个函数，每个工人产生的剩余价值 P. 可以假设由于生存压力的上升，工人的主观能动性是线性增长的，由此产生的超额利润也是。因此收益 P 随生存压力 x 变化的函数是: P(x)=kxP(x)=k \ x

接下来我们考虑工人生存率函数 S。这里 “生存” 其实应该指的是保持劳动能力，社会阶层不变化，从而可以被我们持续压榨，其实很大程度上就是非常吻合 “不被斩杀” 的定义。我最开始认为存活率 S 随着生存压力 x 变化应该是指数下降的，但是那样得到的斩杀线是 63%，刚好和 37% 加起来等于 1，所以我引入了下面的修正。

可以假设：生存率 S 随着压力 x 的增加遵从高斯分布而下降. 这是因为 1. 生存压力是多方面的, 吸毒失业医疗保单等等方面对人的压力也是在不同纬度上求和的, 很多这种因素相加带来的结果就是遵从高斯分布的. 2. 根据生活经验也可以理解, 如果一个人只是承受比较小的压力那他很难崩溃, 但是比较大的话就几乎必然崩溃. 而且有一个明显的阈值, 所以之前的无记忆衰减 S(x)=e−xS(x)=e^{-x} 应该更正为: S(x)=e−λx2S(x)=e^{-\lambda \ x^2}

因此，我们作为资本家可以压榨的工人的剩余价值为:

Y=P(x)S(x)=kxe−λx2Y=P(x)S(x)=k\ x \ e^{-\lambda \ x^2}

最大化剩余价值给出的生存压力应该是:
dYdX=ke−λx2(1−2λx2)=0\frac{dY}{dX}=k\ e^{-\lambda x^2}(1-2\lambda x^2)=0

极值点是

xoptimal=1/2λx_{optimal}=1/\sqrt {2\lambda}

对应给出的工人们的生存概率就是:

S(xoptimal)=exp(−λxoptimal2)=exp(−1/2)=1eS(x_{optimal})=exp(-\lambda x_{optimal}^2)=exp(-1/2)=\frac{1}{\sqrt{e}}

由此得出来的斩杀线为:

1−1e=39.34%1-\frac{1}{\sqrt{e}}=39.34\%

问题希望凑的数字是 1e=36.79%\frac{1}{e}=36.79\%

有一说一差的其实不是很多了。考虑到社会顶层的 3% 是他们资本家自己人根本不需要玩这个游戏，而且本身统计数据也是在不同年份浮动变化的，所以可以认为这个结果已经能和 37% 足够接近了。

由此我们可以得出结论，我们这款邪恶资本家游戏最高效压榨工人给出的生存压力恰好使得他们的死亡率应在 39% 附近。

为什么本回答是唯一一个没有凑出来 1/e 但比其他回答更靠谱？因为相比于其他依赖调参的模型，目前的模型至少有一个显著优点: 对于参数是 scale-free 的, 也就是参数的任意选择都不会改变我们斩杀线的大小。我们的分析只依赖于幂律分析而不是具体的参数, 所以结果相对可信度更高一些。

目前别的回答除了常见的麦田问题 / 秘书问题错误类比之外有两个常用的思路, 一个是对收入分布从平均值开始积分, 但是没有办法解释为什么积分下限或者说斩杀线必然刚好是正好等于平均值. 这个额外的自由度说不过去. 另外一个则是 N 空选 N 总是有 1/e 抽不到, 也就是（1-1/N)^N 模型。但是其实这也是引入了额外的参数假设，实际应该是（1-1/λ N)^N：为什么生存资源恰好刚好是够一人一份分而不是一人λ份分呢? 而且抽不到就斩杀线了? 这两个模型也不能算错，但是他们的最大问题就是实在很难解释为什么参数刚好必须要那么选。

等一下好像有点问题，下面的建模给出的是 1-1/e 的斩杀线而不是 1/e 的斩杀线。我再想想咋回事

谢邀。先说结论：数据来源是真的，但目前大部分回答的逻辑是缝合怪。

把 “贫困斩杀线” 和“麦田问题（秘书问题）”强行扯在一起，属于典型的民科数学（Numerology）。这就像看到金字塔的高度和地球到太阳的距离有数字巧合，就说是外星人造的一样。

但这并不代表 “37%” 这个数字完全没有意义。如果我们从第一性原理（First Principles）出发，用资本家的视角去推导 **“资本榨取最大化”** 的模型，确实会惊人地发现 1/e 这个常数在系统临界点处幽灵般地出现。

以下分三步拆解：辟谣、重建、批判。

一、 为什么 “麦田问题” 解释不了斩杀线？

目前市面上大多数回答都在复读 “秘书问题” 的最优停止理论：先观察前 1/e (37%) 的人作为样本，后面遇到更好的就选，这完全是风马牛不相及。

目标函数不同： 麦田问题是为了在 N 个人里选出唯一的那个最强者（Probability of selecting the best）。但宏观经济中，资本家不需要选出一个 “天选打工人”，他们需要的是群体产出的最大化。

机制不同： 麦田问题是 “一次性选择（Stoping Rule）”，选了就不能反悔。而贫困陷阱（Poverty Trap）是一个动态反馈系统——是关于压力、负债、和抗风险能力的连续博弈。

把这两个东西缝合在一起，纯粹是因为美联储的数据恰好是 37%，而 1/e 恰好也是 37%。这就是单纯的阿波芬尼亚（Apophenia，妄想在随机数据中找规律）。

二、 如果真的存在 37%，它该如何从物理意义上推导？

让我们化身资本家做一个思想实验，如果我们真的要设计一个 “斩杀线”，我们应该如何最大化压榨收益呢？如果不压榨牛马就不产生剩余价值给我剥削，但是压榨过头不就没牛马给我工作了么，所以确实需要好好算算。

数学上讲，我们要寻找的是 **“压榨收益” 与 “崩溃成本”** 之间的平衡点。让我们尝试建立一个简化的物理模型：

1. 变量定义

设 x 为施加给工人的生存压力（Financial Stress）。

收益（Gain）： 根据效率工资理论，在一定范围内，压力越大，工人越不敢怠慢，生产力 P 越高。假设最简单的线性关系：

P(x)=k⋅xP(x)=k⋅x

损耗（Loss）： 压力会带来系统的不稳定性（生病、精神崩溃、甚至流浪）。这种崩溃通常服从指数衰减（类似于热力学中的玻尔兹曼因子，或者可靠性工程中的失效率）。设工人的 “存活率”（不崩溃、不变成无效劳动力的概率）为 S：

S(x)=e−x S(x)=e^{−x}

2. 资本家的总产出方程

资本家想要最大化的，是有效总产出（Total Output），即 “单人产出” 乘以“存活概率”：

Y(x)=P(x)⋅S(x)=k⋅x⋅e−xY(x)=P(x)⋅S(x)=k⋅x⋅e^{-x}

3. 寻找最优解

为了找到利润最大的压力点，我们对 x 求导，并令其为 0：

dYdx=k(e−x−xe−x)=ke−x(1−x)=0\frac{dY}{dx}=k(e^{-x} −xe^{-x} )=ke^{-x} (1−x)=0

很明显，极值点出现在 x=1。

4. 见证奇迹的时刻

在 x=1 这个最优压榨点，系统的 ** 稳定性（存活率）** 是多少？

S(x=1)=e−1=1/e≈36.78%S(x=1)=e^{-1} = 1/e ≈36.78\% ​

解读： 这才是 1/e 真正可怕的物理含义。 这并不代表 “前 37% 的人是样本”，而是代表：在一个设计得极其精密、只追求总产出最大化的冷血系统中，系统会被推到崩溃的边缘。在这个最优临界点上，系统的“安全冗余” 将被压缩到只剩下 1/e。

换句话说，大约 37% 的人（或者人均 37% 的资产）处于 “虽然活着，但随时可能归零” 的状态，这对系统整体收益是数学上最优的。

三、 Fact Check 与 Oversimplification（过度简化）

模型终究是模型，现实更加残酷且复杂。

数据来源核查（Fact Check）：

所谓的 “400 美元” 和“37%”并非杜撰，它出自美联储的 SHED (Survey of Household Economics and Decisionmaking) 报告。

真相： 报告指出，约有 37% 的美国成年人表示，如果突然需要支付 400 美元的意外开支（修车、急诊），他们无法用现金 / 储蓄直接支付（需要借贷或变卖资产）。

这印证了我们模型的结论：大约 37% 的人处于 “由于没有冗余，一旦遭遇冲击（Shock）就会进入崩溃循环” 的临界线上。

过度简化的问题（Oversimplification）：

非线性反馈： 现实中的崩溃不是瞬间归零。Downwrad spiral（失业→信用分崩塌→租不到房→homeless）是一个长链条，中间有无数的摩擦成本，不仅仅是 e−xe^{-x} 这么简单。

不可替代性： 模型假设人是标准化的电池。但现实中，高技能人才的 “置换成本” 极高，资本家对他们的 “斩杀线” 容忍度会大很多，不会压榨到 1/e 的边缘；而对于低技能劳工，容忍度可能更低。

社会成本外部化： 很多时候资本家敢把人压榨到崩溃，是因为 “Homeless” 的治理成本由政府（纳税人）承担，而不是企业承担。如果算上这个外部性，最优压榨点会比 37% 更激进。

总结

不要用麦田问题去生搬硬套，那是民科。 但从系统动力学的角度看，1/e (37%) 确实是许多自然系统和优化系统在 “收益” 与“稳定性”博弈中经常出现的稳态解。

所谓的 “斩杀线”，本质上是系统为了追求全局效率最大化，而保留的最小必要冗余。在这个阈值之下，你就不再是系统眼中的 “资产”，而是 “耗材”。

知乎用户 Pandora Eartha​ 发表

很多人从最优停止理论去说明这个问题, 这是不对的, 最优停止理论和这个问题不相关.

我们来分析一下为什么斩杀线刚好在 1e\begin{align} \frac{1}{e} \end{align} 附近.

斩杀线原指游戏中一个特定的剩余血量, 当血量低于该值, 玩家会慢慢掉血直至死亡. 问题中的美国的斩杀线也类似, 当你的各项条件都低于一个特定的最低阈值, 那你就再也不能翻身而是慢慢流浪至死亡.

考虑一个社会中一共有 nn 个个体, 这个社会中一共有 nn 种评价体系, 有可能是财富, 颜值, 身高, 权力, 智力等等.

如果我们规定一次成功为在某种评价体系下获得第一名, 那么单个个体在某种评价体系下获得第一名的概率为 1n\begin{align} \frac{1}{n} \end{align} , 不获得第一名, 即失败的概率是 1−1n\begin{align} 1-\frac{1}{n} \end{align}

那么对于任意一个个体来说, 其在 nn 种评价体系下都失败的概率为

(1−1n)n\begin{align} \left(1-\frac{1}{n}\right)^n \end{align}

当个体数 n→∞n\to\infty , 有个体在全部的评价体系下都失败的概率

P=limn→∞(1−1n)n=1e\begin{align} P=\lim_{n\to\infty}\left(1-\frac1n\right)^n=\frac1e \end{align}

反映到总体, 即这个社会中一共有 1e\begin{align} \frac1e \end{align} 的人在全部评价体系下都失败.

失败的财富, 失败的颜值, 失败的地位, 权力, 失败的家庭, 失败的情绪, 失败的年龄, 很多人可能同时拥有. 当你不能在其中任何一项评价中获得成功, 那么你就会落入斩杀线.

天地不仁, 以万物为刍狗.

数学以其绝对的理性刻画了感性的人类社会的主旋律.

评论区反映在 nn 个评价体系下都排第二的人不可能掉入斩杀线, 确实是这样. 但我这里规定第一名成功其他失败至少为了简化计算过程, 实际上我们可以认为不同评价体系对于是否落入斩杀线有不同的权重, 即对于第 ii 种评价体系前 cic_i 名都成功,

那么一个人在第 ii 种评价体系下成功的概率就是 cin\begin{align} \frac{c_i}{n} \end{align} , 所以每种评价体系下都失败的概率

P=∏i=1n(1−cin)⩽(∑i=1n(1−cin)n)n=(n2−∑i=1ncin2)n=(1−∑i=1ncin2)n\begin{align} P&=\prod_{i=1}^{n}\left(1-\frac{c_i}{n}\right)\\ &\leqslant\left(\frac{\sum\limits_{i=1}^{n}{\left(1-\frac{c_i}{n}\right)}}{n}\right)^n\\ &=\left(\frac{n^2-\sum\limits_{i=1}^{n}c_i}{n^2}\right)^n\\ &=\left(1-\frac{\sum\limits_{i=1}^{n}c_i}{n^2}\right)^n\\ \end{align}

虽说千人千面, 但很多评价体系是没有任何作用的, 比如说指甲较长对于是否落入斩杀线就没有任何帮助, 所以大多数 cic_i 都等于 11 当 n→∞n\to\infty 时, P⩽1e\begin{align} P\leqslant\frac1e \end{align} , 不等式另一边即 P⩾P\geqslant 的方向也可以用均值不等式如此计算, 最后的结果就是当 n→∞n\to\infty 时,

1e⩽P⩽1e\begin{align} \frac1e\leqslant P\leqslant\frac1e \end{align}

很多人在讨论最优停止理论, 我们也可以一起来讨论一下

问题可以抽象如下:

假设有一些样本 aia_i 取自某一随机变量. 现在要在这些样本中选择一个, 在选择的过程中一旦选定则不能放弃或者更换.

规定判断是否选择某个样本的方法如下:

假设一共有 nn 个样本, 对前 xx 个样本只统计最大值而不选择, 即统计 A=max(a0,a1,⋯,ax−1)A=\max(a_0,a_1,\cdots,a_{x-1}) ,

在之后的 n−xn-x 个样本中, 一旦发现 am>A,0⩽m<xa_m>A,\ 0\leqslant m<x 则选择该样本, 否则选择最后一个样本

问如何确定 xx 使得选定的 aia_i 是在全体样本中最大的

解决方法如下:

假设 am=max(ai),i=0,1,⋯,n−1a_m=\max(a_i),\ i=0,1,\cdots,n-1

1. m⩽xm\leqslant x , 按照策略会被跳过, 所以选中 ama_m 的概率为 00 , 这种情况的概率为 xn\frac{x}{n}
2. m>xm>x , 按照策略有可能被选中, 选中的条件为第 00 到 m−1m-1 个样本中最大的样本出现在前 xx 个样本中. 这种情况的概率为 xm\begin{align} \frac{x}{m} \end{align}

所以成功选到 ama_m 的概率为

P=∑m=xn1n⋅xm\begin{align} P=\sum_{m=x}^{n}{\frac{1}{n}\cdot\frac{x}{m}} \end{align}

当 n→∞n\to\infty 时, 有

limn→∞P=xn∑m=xn⋅1m=xn∫xn11tdt=xn(ln⁡1−ln⁡xn)=−xnln⁡xn\begin{align} \lim_{n\to\infty}P&=\frac{x}{n}\sum_{m=x}^{n}{\cdot\frac{1}{m}}\\ &=\frac{x}{n}\int_{\frac xn}^1\frac{1}{t}\text{d}t\\ &=\frac xn\left(\ln 1-\ln \frac xn\right)\\ &=-\frac xn\,\ln \frac xn\\ \end{align}

现在要求 PP 的最大值, 令 xn=c\begin{align} \frac xn=c \end{align} , 则有 P=−cln⁡cP=-c\ln c

求导之后求最大值, 显然在 ln⁡c=−1\ln c=-1 时取得最大值, 这时候有 c=1e\begin{align} c=\frac1e \end{align} , 即将前 c=1e\begin{align} c=\frac1e \end{align} 的样本序列作为参考序列, 一旦在参考序列之后发现比参考序列的最大值还大的样本, 则选择该样本最为最终样本.

如此一来, 能以最大的概率选到全局最大值.

这个问题的解就是这样来的, 实际上, 如果不想进行数学推导也可以用蒙特卡洛模拟.

我们一次模拟就要得出从 11 到 n−1n-1 的长度的参考序列能选到最终的全局最大值的概率.

一个朴素的想法是, 我们先生产一段随机序列, 作为我们的样本序列, 再循环参考序列长度从 11 到 n−1n-1 , 在这个循环中统计参考序列的最大值和第一个大于参考序列的样本, 判断其是否是全局最大值.

但是这样就慢了, O(n2)O(n^2) 的算法在万亿级别的模拟下是不可接受的.

我们思考一下是否有 O(n)O(n) 的算法.

自然地, 我们先生成一段随机序列, 时间复杂度为 O(n)O(n) ,

再维护一个 “当前最大值” 的序列, maxBefore, maxBefore[index]是从样本数组sampleArray[0]到sampleArray[index]的最大值. 该时间复杂度为 O(n)O(n) , 在这一步, 顺便把全局最大值的位置maxIndex和在maxIndex之前的位置的样本的第二大的值的下标secondMaxIndex统计出来.

注意secondMaxIndex不一定是全部样本的第二大的位置, 是从 00 到maxIndex(不含) 位置的最大的样本的位置

最关键的一点来了, 长度小于等于secondMaxIndex的参考序列一定选不到全局最大值, 而长度在secondMaxIndex+1(含) 和 maxIndex (含) 之间的序列的一定能选出全局最大值. 所以在成功的次数那里 +1+1 就行, 该循环时间复杂度为 O(n)O(n) , 不过常数非常小.

所以全部的时间复杂度为 O(n)+O(n)+O(n)=O(n)O(n)+O(n)+O(n)=O(n) , 对比之前的 O(n)+O(n2)=O(n2)O(n)+O(n^2)=O(n^2) , 快了非常多.

统计一万亿 1012=100000000000010^{12}=1000000000000 个 1∼9991\sim999 的长度的参考序列的成功率, 在 AMD 9950x3D 上一共跑了九个半小时

结果, 能以最大概率选中全局最大值的参考序列长度比率为 3671000=0.367\frac{367}{1000}=0.367

不同长度参考序列选中最大值的概率如下图

#include <stdbool.h>
#include <stdio.h>
#include <pthread.h>
#include <sys/time.h>
#include <stdlib.h>
#include "PCG32.h"
#include <string.h>

#define THREAD\_NUMBER 32
#define SAMPLE\_COUNT 1000

pthread\_mutex\_t mutex1;
pthread\_mutex\_t\* mutexThreadIndex=&mutex1;
volatile unsigned threadIndex=0;

const long long unsigned int RepeatTimes=1000000000000LLU;
long long unsigned int\* ThreadResult\[THREAD\_NUMBER\];

void\* threadSimulate(){
    pthread\_mutex\_lock(mutexThreadIndex);
    unsigned myThreadIndex=threadIndex;
    threadIndex++;
    pthread\_mutex\_unlock(mutexThreadIndex);

    PCG32Struct PCGStatus;
    PCG32SetSeed(&PCGStatus,time(NULL)^(pthread\_self()^myThreadIndex));

    long long unsigned int\* myResult=(long long unsigned int\*)malloc(sizeof(long long unsigned int)\*SAMPLE\_COUNT);
    memset(myResult,0,sizeof(long long unsigned int)\*SAMPLE\_COUNT);

    const long long unsigned int myRepeatTimes=RepeatTimes/THREAD\_NUMBER;
    unsigned sampleArray\[SAMPLE\_COUNT\];
    unsigned maxBefore\[SAMPLE\_COUNT\];
    for(long long unsigned int indexRepeat=0;indexRepeat<myRepeatTimes;indexRepeat=indexRepeat+1){
        unsigned maxIndex=0;
        unsigned secondMaxIndex;
        sampleArray\[0\]=PCG32(&PCGStatus);
        maxBefore\[0\]=sampleArray\[0\];
        for(unsigned index=1;index<SAMPLE\_COUNT;index=index+1){
            sampleArray\[index\]=PCG32(&PCGStatus);
            if(sampleArray\[index\]>maxBefore\[index-1\]){
                maxBefore\[index\]=sampleArray\[index\];
                secondMaxIndex=maxIndex;
                maxIndex=index;
            }else{
                maxBefore\[index\]=maxBefore\[index-1\];
            }
        }
        if(maxIndex==0){
            continue;
        }
        for(unsigned length=maxIndex;length>secondMaxIndex;length=length-1){
            myResult\[length\]=myResult\[length\]+1;
        }
    }
    ThreadResult\[myThreadIndex\]=myResult;
    return NULL;
}

int main(int argc, char const \*argv\[\]){
	struct timeval start,end;
    unsigned milliseconds=0;
    gettimeofday(&start,NULL);

    pthread\_mutex\_init(mutexThreadIndex,NULL);
    pthread\_t thread\[THREAD\_NUMBER\];
    for(unsigned threadIndex=0;threadIndex<THREAD\_NUMBER;threadIndex=threadIndex+1){
        pthread\_create(&thread\[threadIndex\],NULL,threadSimulate,NULL);
    }
    for(unsigned threadIndex=0;threadIndex<THREAD\_NUMBER;threadIndex=threadIndex+1){
        pthread\_join(thread\[threadIndex\],NULL);
    }

    for(unsigned sampleIndex=1;sampleIndex<SAMPLE\_COUNT-1;sampleIndex=sampleIndex+1){
        for(unsigned threadIndex=1;threadIndex<THREAD\_NUMBER;threadIndex=threadIndex+1){
            ThreadResult\[0\]\[sampleIndex\]=ThreadResult\[0\]\[sampleIndex\]+ThreadResult\[threadIndex\]\[sampleIndex\];
        }
        printf("%u, %lf\\n",sampleIndex,(double)ThreadResult\[0\]\[sampleIndex\]/(double)RepeatTimes);
    }
    
    gettimeofday(&end,NULL);
    milliseconds=(end.tv\_sec-start.tv\_sec)\*1000+(end.tv\_usec-start.tv\_usec)/1000.0+0.5;
    printf("Calculate Time: %u milliseconds\\n",milliseconds);
	return 0;
}

知乎用户 bionukg 发表

我们要动态地看待问题，斩杀线并非固定值。

并非是系统性设计斩杀线在 1/e 附近，而是当斩杀线理论广为人知的时候我们发现这个线在现在是 1/e 附近

我有充分的理由怀疑这个线，在过去几年甚至几十年间是随着时间推进缓慢上升的

而当这个线抵达某个临近点的时候，这条线本身，或者导致这条线上升的其他因素，共同导致其舆论地位下降

而这导致了大家实事求是的思路打开，斩杀线理论在知乎完成构建

于是在大家进行大辩论的时候，有人找到了可以反映斩杀线的数据，恰好是 1/e 左右

上面说的有点绕。简单总结一下是这样：

斩杀线缓慢上升，上升到一定程度后通过政治经济因素使美国优秀论的舆论倾向（和其他许多东西）崩溃

在不受恶意舆论干扰的情况下，人们能够归纳出斩杀线理论，并且有人寻找数据找到了这个比例并且发出疑问

并非是斩杀线被设计成这样，而是斩杀线越过这个界限后它就会不可阻挡地被远在地球另一端的人们注意到了

再精巧的制度也不能在深渊的边缘跳舞

知乎用户 柳某某 发表

生之徒，十有三。

死之徒，十有三。

人之生，动之死地，亦十有三。

夫何故？

以其生生之厚。

知乎用户 李求真 发表

众多回答写的很好，但是无论按哪种说法，以前美国强大的时候，斩杀线也应该在 1/e 左右，这我是不相信的。

我更相信的是，随着美国逼近斩杀线的群体越来越多，直到总人数 1/e 的时候穿破国家信息封锁，进入中国普通人的视线，并击碎认知战造成的美国幻象，让中国普通人相信。

换句话说，我更相信这是个信息破圈比例，而不相信这是美国经济学的真理。

知乎用户 搬砖搬砖搬砖 发表

卧槽。这个 1/e 真的震撼到我了。

上海市最低工资标准 2740 元；

上海市社保最低缴纳基数 7384 元；

2740/7384=37.10%

这意味着，上海给了穷人最大的关怀。如果你的工资低于 2740 元，那么你在上海这种大城市极有可能进入斩杀线，因为这意味，你的工资已经连最低层次的社保都维持不了了。

其实上海是有人口控制需求的，上海也没有责任没有义务为低收入的外地户籍人口负责兜底，把最低工资标准设为 0，其实更有助于剥削和劝退外地人口，减轻上海的大城市病。但是上海没有，上海但依然为外地人口制定了 2740 高于斩杀线的最低工资标准，充分体现了社会主义国家对弱势群体的人文关怀和物质关怀。上海本可以像资本主义美帝一样，丛林法则，强者生存，低于斩杀线的自生自灭，但是上海没有这么干。

曾几何时，上海还是弱肉强食的上海滩，虽然号称远东第一大城市，但是上海滩是外国人、是地主军阀、是达官贵人的天堂，连鲁迅这种收入高于平均收入 100 倍的大学教授、著名作家，都只能居住于苏州河以北的虹口下只角，更何谈更广大的工人和穷人，只能住在简陋的滚地龙中。

如今，上海这座曾经中国最资本主义的城市，经过社会化改造，已经变成了工人的城市，已经变成了市民的城市，不论穷富，都能在上海找到 2740 元以上的工作，至少可以维持温饱，甚至还能存点钱。

维为说，虽然纽约 GDP 是上海的 4 倍，但上海生活水平已好于纽约，此话诚不欺我。我曾讽刺过维维这句话，我为我年幼时的无知道歉。

知乎用户 bbbaaa​ 发表

也可能是黄金分割数，1-0.618=0.382，差不多也是 37%。

知乎用户 改之理 zcw​​ 发表

看到这个问题下的群魔乱舞，我就知道这帮人对于数据来源，看都没看。他们不知道，这个数每年都在变，只不过最近几年稳定在 63%：

当然也不知道，其实人家这个 37%，是报喜来了，因为 2013 年是 50%！

当然，其实这个东西称之为 “斩杀线”，也就是中产滑落的线，是不准确的，因为不想拿这 400 块钱的，显然都是低收入家庭，而不是 “中产”。

有趣的是，虽然你问老美能不能拿出 400 块钱，只有 63% 的人说能拿得出来，但是你问他们你最多能拿出多少应急的钱，回答在 500 块钱以上的人竟然占 69%，俺也不知道他们是咋想的。

而有 48% 的人其实能拿出 2000 块钱以上的。

我不知道怎么定义中产，但是如果你的收入在 50% 左右，拿出 2000 块钱还是比较容易的。

所以这个线显然对低收入家庭更可怕，对于中产没那么可怕。

当然你说有没有可能低收入储蓄反而比中产多？我觉得理论上是有可能的，例如网上还有一个 “斩杀线” 是住房成本占收入的比重，如果高于 30% 就危险了，高于 50% 就更危险了，不怕各位笑话，鄙人就是属于 “危险” 这一行列的，幸好咱们国家并不会斩杀我。虽然鄙人不是中产，就是个普通打工人，但是我看到很多收入比我低的朋友，住房成本占比是比我高的。

但虽然理论上是可能的，这个报告并不支持该观点：

可见随着收入越高，储蓄能 cover3 个月支出的比例也更高，并不存在中产储蓄率低于低收入家庭的现象。

知乎用户 起风了 发表

资本主义极致状态的社会，各方平衡状态下自然形成的这种冷酷的斩杀线，真是让人大开眼界，大为震惊。

它是冰冷的，同时也是稳定的。救助增加，财政就会崩溃；救助减少，民众就会暴动。这正好是个社会稳定运行的平衡点，政客也好，人民也罢，都无力改变和摆脱。而大资本家们则坐在这一切之上，永远地压迫压榨奴役所有人。

政党轮换，也只是改变 37% 的构成比例。民主党当政，各种 LGBT 得到的资源更多，就有更多老白、红脖被挤到 37%；MAGA 当政，老白、红脖得到的资源更多，就有更多黑、墨、润人被挤到 37%。

如何破解这个枷锁？唯有共产主义！

知乎用户 求知者 发表

我终于知道怎么提高自己的灵视等级了。

1. 懂了为什么美国那么需要移民。

这种设计架构必然导致斩杀线以下的人沦为牺牲品，而被斩杀的人又是不可再生资源。一颗子弹从生产到打出去用不了多长时间，杀死一个青壮年只需要一瞬间，一个青壮年却需要 18 年的精细培养，自生的人口堵不上斩杀掉落的人口，美国哪怕鼓励生育也弥补不了这么大的缺口，却又不想投入产出时间，可不是就得高福利吸引移民来，最好还是那些自带财产的人来，蜜罐里有毒。

也许吸引移民就是为了让他们当 1/e 斩杀线的耗材的，但耗材是新来的移民，还是同种族的本土白人完全不 care，那些人比他们养的狗吃的还便宜的时候，资本家会把他们当成同类吗？

但美国的斩杀线还在随着上层资本家的财富聚集而不断上升，需要斩杀的人也越来越多，合法移民都堵不上缺口，还得非法移民补充。

2015 年，美国人口 3.21 亿。

2025 年，美国人口 3.48 亿。

那么爱生孩子的国家，那么鼓励引进移民的国家，那他的人口不应该爆炸性增长吗？他掉了那么多的人口到底去哪里了，他们怎么去的那里？

2. 还懂了美国为什么那么注重身份政治，比如 LGBT，宗教，族裔，因为不抱团真的会死，美国人不是不讲身份政治会死，是不讲抱团会死：

华人会抱团，比如唐人街。

黑人会抱团，比如地下黑帮。

印度人会抱团，比如卡车司机，印度高管。

白人会抱团，比如 LGBT，宗教。

假设斩杀线存在，抱团的人相当叠加了一个 buff，穿上了游戏皮肤，加入了一个游戏公会，这个 buff 平时不一定显灵，但万一掉落斩杀线之后，会被公会大家一起拉起来，当然作为回报，公会里的别人遇到事情了，你也得顶上去，这样做到人人互保。

华人 buff：更容易进入华人餐馆工作，成绩相对优异。投诚：同文同源。洪门弟子。

黑人黑帮 buff：地下秩序和暴力低成本维护治安，逃税或者少缴税，手里现金更多。投诚：犯罪共犯。同谋。

印度人 buff：一个印度人进入某个公司，就跟蟑螂一样，这个公司会被塞满印度人。投诚：血缘加持好感度。

LGBTbuff：你竟敢假定我的性别，对敌人施加绝罚。投诚：变性手术。十一税。

美国充满了人情世故，那些说美国没有人情世的 ABC，根本就没有投诚或者加入公会，而是以原子人的人状态存在，平常没啥问题，万一遇到事情掉到斩杀线下面没公会来救命的，当然同样以原子人状态存在的任何美国人都是。

3. 为什么留子发现不了这些问题，

去美国的留子起码要准备几百万，家里能拿的出这些钱送孩子出国的，在国内也不会差。

房租，家里给，还可以住学校。

医疗，相对年轻，保险价格低，还可以回国治病。

学贷，家里给，还可以勤工俭学，

食品，吃食堂，实在不行家里给。

车辆，不买少买，只在学校学习。

哪怕是有留子掉落到斩杀线以下，完全回到国内的复活点加满血，还没被斩杀就已经被大治疗救回来了，还没察觉到斩杀线就已经读档了，根本意识不到。

而且由于物价隔离，不购入车辆，学校宿舍定时关门，可探索范围减少，探索时间被限制，可解除 NPC 少，社交距离被动缩减，留子根本看不到，看到的留子是已经遭遇斩杀，而且已经没能力买回国的机票了，活着都是疑问，更不可能回来告诉别人了。

乐子人可以看各国留子 PDF，相较于劈腿，钱财纠纷，YP 纠纷，美区的留子 PDF 别有特色，甚至涉及人体改造，**比如把自己下体切成四瓣花肠的 V 哥，**还是太不可思议了。

为什么斩杀线现在可以观测到？

因为美国亮出血条了。

经济增量状态，任何伤痛都可以被时间掩盖，但经历了金融危机，新冠，去工业化的美国，连给底层人的奶头乐都快要供不起了，一个失血的 BOSS 终于从不可打败变成了可以观测到血条的泥足巨人。

原本美国在战胜苏联后，在中国和其他国家眼里是不可战胜的大 BOOS。

但随着中国的游戏等级提高，甚至超过了美国的游戏等级，原本头上血量是？？？的美国，瞬间血量清晰明了，甚至可以被中国忍杀。

那一天，神亮出了血条，神不再是神了。

4. 牢 A 和牢真为什么能发现？

快乐教育发力了。

牢 A 会做人，所以得到了老师推荐的调查员工作，但这种工作哪怕不是三代政审，也起码得是美国人，但由于美国的人才断档，活就在那里，快乐教育后的美国人干不了，但是又得必须干，所以顶上去了，与古神对视。

牢真会做人，所以得到了会做人的领主的认可，带去中国医疗旅游真的是捡了一条命，不亚于救命之恩，直视克苏鲁恐惧。

5. 斩杀线只有美国吗？

所有国家都有，但国家会出手，不会让这种事情发生，所以斩杀线的存在不会被人察觉到。

美国是斩杀线，美国政府一点力也不出，甚至还有在他们身上敲骨吸髓。

欧洲是流氓线，欧洲有福利，起码不会让人死。

中国是贫困线，中国着力促进脱贫攻坚成果同乡村振兴有效衔接，真的不是一句空话，不放弃每一个穷人，坚决应对因病致贫，因学返贫，劳动力死亡返贫等一系列返贫致贫风险。

我虽然只是个 00 后，但我在扶贫办（现在的乡村振兴局），还有农业局都干过不短的时间，参加过锦鲤养殖给脱贫户谋福利，知道国家的五保户保吃、保穿、保住、保医、保葬、保教对一个家庭而言多么重要，抽象的概念永远比不上直面具体的人，因为我在做一些有意义的事情，每天坚持登陆全国防返贫动态监测系统真的很有意义，我在基层是真想为人民做好事情的，希望未来能做更好的事情。

6. 美国斩杀线会消失吗？

我个人感觉，要么美国重新回到增长时代，发展的油水从上到下滋润起来，吸引更多的移民，填补斩杀线下的损失，抚平发展的阵痛。

要么美国持续失血，斩杀线水位上升，加速人才消耗，等本土美国人民，合法移民，非法移民都抵放血速度，美国人口总量下跌，要是 30% 的底层人口一下子没了，系统会直接从剩下的 70% 里，再划 30% 的人补到底层去，美国人口越来越少，要么进行一场彻底的社会主义改革，比如成功的太平天国革命，要么走向分裂或者毁灭，和苏联一样。美国将不再是美国

美国从来不是冷战的胜利者，而是幸存者，就像一个退役的 PTSD 的二战老兵。

当一个人了解共产主义，你会成为一名共产主义战士。当你了解了资本主，你会成为一名坚定不移的共产主义战士。

知乎用户 minerion​ 发表

我草，注意力惊人。然后我仔细思考了一下，似乎是有道理的。

用一句话来解释的话，这 37% 的人，就是这个美国为了维持 “资本流动性最大化” 所必须预留的那个 “自然衰减常数”。

这在某种程度上说明，美国经济社会不仅没有感情、而且极其 “效率”。

这背后的逻辑其实没那么复杂，只需要理解 “能量”。

试想一下，如果我们把金钱看作是一个封闭系统里的 “能量”，把每一个参与市场交易的个体看作是气体分子。在物理学上，当这团气体不受任何外力干扰（即缺乏强有力的政府再分配），仅仅依靠无数次随机的碰撞（自由市场交易）来交换能量时，整个系统的能量分布绝不会呈现中间多、两头少的 “钟形曲线”，而是一定会坍缩成“指数分布”。这意味着，绝大多数个体的财富都会无可避免地向“零” 堆积，这是热力学第二定律在经济学中的投影。

而这个 1/e 正是在这种分布下对 “风险” 的度量。

我们可以把底层社会的财务安全感看作一种会随时间自然腐烂的放射性物质。在美国这种高生活成本、低储蓄的 “手停口停” 模式下，一个家庭的抗风险能力 S(t)随时都在遭受刚性支出（房租、保险、债务）的指数侵蚀。这种衰减遵循着最经典的自然方程：

S(t)=S0e−λtS(t)=S_0e^{-\lambda t}

在这个方程中，当时间 t 刚好流逝了一个 “特征周期”（比如一个标准的借贷周期或发薪周期）时，原本 100% 的安全感就会衰减到只剩下 37.8%（即 1/e）。

这就解释了为什么是 37%：

这说明美国经济已经自发地博弈到了一个临界点——它将底层人民的 “平均财务寿命” 压缩到了仅仅能维持一个支付周期的极限边缘。

美国的经济系统并不希望所有人瞬间破产（那样游戏就结束了），也不希望所有人都有大量储蓄（因为对资本来说，储蓄就是死钱，是效率的浪费）。所以，系统会自动收敛到一个 “纳什均衡”：让全社会的生活成本不断上涨，直到刚好有 37% 的人口被永久地锁定在 “耗散结构” 的边缘。

这群人就像核反应堆里的控制棒，处于一种 “薛定谔的破产” 状态。他们拥有的流动性，刚好只够支付日常衰减，却不够抵御任何一次哪怕是微小的扰动。

或许这 37%，就是这个高度优化的自由市场系统，为了保持高速运转而必须献祭的 “基态人口” 比例。

知乎用户 绘空​ 发表

这个问题问反了。

不是美国社会为什么精准卡在了 1/e，而是任何一个能持续运转的耗散型社会系统，其淘汰边界都必然会收敛到这个值。你看到的是美国，只是因为它恰好是个足够开放、数据足够透明的观察样本。把它当成特殊设计，就像在问 “为什么只有这家超市的收银排队符合泊松分布”：任何一家客流量稳定、收银台数量固定的超市，都会符合。

可以先看一下这篇回答，不需要任何高级数学基础：

1/e 问题 - 抽卡游戏一样简单的的数学解释

我们从头理一下。

社会作为耗散结构，其第一性原理是维持负熵输入的效率极大化。 这就要求它必须解决一个核心矛盾：如何在不确定性环境中，用最少的计算成本，筛选出最能维持系统稳定的组分。这个筛选不能是定向的——定向需要超越性视角和全信息，这在开放系统中不存在；也不能是完全随机的——完全随机无法形成有效结构。

于是系统演化出局部反馈 + 全局统计的机制。个体层面的成败由具体规则决定（考试、信贷、司法、市场竞争），但这些规则的设计必须满足一个元约束：在统计意义上，每个参与者在其生命周期内获得的 “关键跃迁机会” 的期望值，必须收敛到 1。 不是系统仁慈，而是大于 1 会导致系统过载崩溃，小于 1 会导致负熵输入不足而衰亡。1 是耗散结构远离平衡态的临界稳定点。

在这个约束下，1/e 自然涌现：

(1-1/n)^n 描述的是：当单个个体的 “机会 - 风险” 窗口期被切分成 n 个独立微元，其在整个窗口期内零有效捕获的概率。这不是宏观政策能操控的数值，而是微观上每个个体为了生存必须进行的贝叶斯更新在群体层面的统计结果。个体在每一次微交互中都在无意识地计算：这次投入产出的期望是否大于 1？当系统充分复杂，n 足够大，这个微观决策的累积分布就趋近于 e 的负一次幂。

大家担心的 " 麦克斯韦妖 " 在自组织系统中并不存在，因为计算成本本身也是被优化的对象。 一个中央调控系统若要精确控制淘汰率在 37%，它需要的信息处理能力随人口规模指数增长，其自身就会成为耗散结构的负担而被淘汰。相反，依赖局部规则自发产生的统计均衡，计算成本被均摊到了每个个体的日常决策中，系统只需要维持规则框架的稳定性——这正是自组织的定义。

所谓 “精密计算” 的错觉，来源于提问者和高赞回答都把事后统计当成了事前设计。系统设计者（如果有的话）能做的，只是确保：

1. 机会供给与风险分布在数量级上匹配

2. 个体间的互动近似独立（非线性耦合不过载）

3. 反馈回路足够短，让局部波动能快速耗散

剩下的，交给大数定律。

回归问题本身。

美国斩杀线不是 “刚好” 在 1/e 附近，而是只能在 1/e 附近。这不是阴谋，是任何开放社会系统想不崩溃就必须服从的耗散约束。你可以把它理解为社会系统的香农极限——不是道德选择，是物理规律。

大家看到的 “统计协同”，不过是十亿个个体在有限理性下追求局部最优，其宏观残差恰好落在了一个数学不动点上。这不动点叫 e，还是π，取决于你观察的是淘汰率、基尼系数还是其他什么指标。本质不变：系统必须保证约 37% 的组分在单次遍历中无法获得有效跃迁，才能为剩余 63% 提供足够的负熵冗余度，以抵御环境波动。

这不是精巧，是必然。你想看明白，只需要接受一个前提：社会不是被设计出来的机器，是为了不被熵增抹除而不得不自发形成的耗散结构。 所有在它内部涌现的数字，都是结构存活所支付的信息成本。

你以为你在看社会学，其实你在看热力学。

知乎用户 明天又是新的一天 发表

我今天和 AI 吵了一个小时。它说，只有简单和冷酷的社会筛选才能用这个理论。而在财务的指数衰减模型当中，引入的参数是孤立无缘且不可变的，美国存在社会保障，所以不能使用此理论。所以美国的斩杀线不是 37%。

然后我新开了一个问题问他美国的斩杀线是多少？

他说是 37%

DeepSeek: 虽然美国面临财务流通脆弱性的群体占比是 37%，但是由于只有毫无人文关怀的简单残酷的社会竞争，只有缺乏社会保障的封闭系统，只有在理想的数学模型下，美国的流通脆弱性群体占比才是 37%，所以，美国的斩杀线可能是 37%，但是美国的斩杀线是 37% 不太可能。

知乎用户 一笑万年 发表

美国的社会系统和结构是资权统治阶级精密设计的

而不是自然运作而形成的

所以，假如刚好是一个特定常数，那不是太正常了吗？

知乎用户 会笑的猫 发表

甚至还很科学，美帝历经二百多年社会迭代后最冰冷的数字，毫无人性干预后的最优解

知乎用户 青山布衣​ 发表

我发现他们套公式上瘾了，

从传播的角度，

1、用一句话解释复杂的问题。

2、把概率事件定义为确定事件。

3、有画面感。

具体看这个问题：

1、“美国斩杀线为什么刚好在 1/e 附近？”，一句话包含了斩杀线这个热门词汇，然后为了避免在知乎过度重复热榜，抛出来个 e 显得好像是个技术问题。

2、不去用事实和逻辑论证直接给你结论，比如，美联储说 37% 的人拿不出 400 美元，这件事是否 == 斩杀线是 37% 呢？

3、有画面感，然后各色人马就开始花里胡哨的长篇大论了。

从传播学的角度没毛病，

但问题在于，人的阈值是会提高的，

不着急，吃瓜玩玩

知乎用户 云杉小木​ 发表

我们不讨论 “美国斩杀线”，这属于社会学范畴的内容，是人们对某些现象的直观简化。
我们一起看一下 1/e 这个值有什么含义。

以下所有的场景属于生态学场景，
不要简单的类比成为人类社会，人类社会比这要复 (chou) 杂(xiang)的多。
设想从前有座山，山上有座庙，庙里有个老和尚，在对着一棵树参禅。
我们用栗子树来举个例子，
栗子树今年凑巧是 “大年”，结了茫茫多的果子，
这个和尚想数一下掉下来的栗子是怎么分布的？
然后他在树底下搞了很多网子。
网子大小是一米见方的。这样网子上收集到的果子，就是栗子的空间密度。
然后他统计了网子到树干的距离，不难想象，距离树干越近，栗子越多，反之越少



这时候显然用一条直线去拟合效果不会太好，


看起来似乎是指数级的，试试看：

excel 给了老和尚一个函数：
y = 421.59 * e ^ (-0.1* x)
这里的数字都有实际的意义：
x 距离采样点到树干的距离。
y 代表种子的密度，
参数： 421.59 表示在树最里头，种子的密度（理论值），记为 C0
0.1 （1/10）的倒数 10m 被老和尚标记为 “耐木达”，可以用来度量种子飘散的能力（注意不是最远处，找最远处的种子得把山头翻一遍，实践上很难）。
树上种子越多，种子飘得越远， 即 C0 越大， 耐木达值可能越大。
而在耐木达这条线上， C/C0 的值，接近 e 的倒数。（1/e =~ 37%）

耐木达这个值有什么意义吗？
有的，亲。
这个范围内，母树势力大，而且可可爱爱的松鼠会过来觅食的概率更大。
耐木达范围内，属于高压区。种子遭遇了内外双重压力。
超过耐木达值，种子萌发独立生长的概率就会大大增加。
所以在林学上，如果你种的树太密了，种子都在很近的范围，就很难发育起来，从而无法自然更替。
不同树木的 C0 不一样，不同树木的耐木达值也不一样。
但是 e 这个值用来拟合种子的分布，蛮有效的。

这种现象在自然界有被反复的观察到，完全对得起 e （自然对数）的称号。
再次强调，
以上描述对自然界中一些现象的理想化的数学近似，
不要教条主义使用。
更不要无端联想生搬到人类社会，那是不对的，
人类社会也是一点一点迭代演化出来的，有自己的客观规律。

以上。

备注：文中数据并不是实测数据，实测数据要比这个 dirty 很多。

==== 分割线 ====

上面只提到了简化的统计规律，
实际上，生态学模拟领域，
有一个很硬核的流派是专门做机理模拟的，
树多高，风多大，飘多远，算的清清楚楚，也很好玩：

参考文献：

Binbin Wang, Lauren L. Sullivan, Jeffrey D. Wood,Modeling wind-driven seed dispersal using a coupled Lagrangian particle tracking and 1-D k-ɛ turbulence model,Ecological Modelling,Volume 486,2023,110503,ISSN 0304-3800, doi.org/10.1016/j.ecolmodel.2023.110503.

知乎用户 大明湖畔的小咸鱼 发表

小丑一直在证明斩杀线。

我也突然发现：我只是喜欢小丑的腔调，从没注意过他的内核。

《蝙蝠侠：致命玩笑》
小丑认为，普通人与疯子之间并不存在本质的、不可逾越的鸿沟，仅仅 “只需要糟糕的一天” 就足以完成这种转变‌。
他将此视为一个可以验证的 “理论”，并通过折磨戈登警长来对蝙蝠侠进行实验，试图证明任何人，包括象征正义与秩序的戈登，在经历了他所定义的 “最糟糕的一天” 后都会崩溃‌

哥谭是真的，小丑也是真的。

只需要糟糕的一天，中产或底层，一样会滑落到深渊。

这不是黑深残的故事，小丑让哈利用衣架堕胎，也不是在开玩笑…

还真有富二代当了英雄，枪击医保巨头。

这居然是个写实的超级英雄故事…

知乎用户 鈢水灶​ 发表

有朋友已经分析了 1/e，这里再增加两个关键词，“断点回归”、“本福特定律”

斩杀线到底是人工操纵的，还是社会系统自然产生的，能够使用数学方法予以验证。

一、断点回归

假设考试成绩平均分是 75 分，以其为中心，正态分布着所有学生的成绩。我们也知道，考试嘛，必然有一条 60 分及格关键线，60 分线附近的考生，我们不仅看他这次考试的具体成绩，我们也可以附带看看与这位考生关联的其它数据，比如颜值高不高。颜值高不高，在 60 分线附近本应是随机分布，平滑过渡的。照理说。长得帅和长得丑并不决定考试分数高不高。

学生的考试成绩是 59.9 分还是 60.1 分，从掌握知识的能力上来说没有太大的区别，但如果及格线是 60 分，那这条斩杀线就把学生分割成了两个世界，一边叫做不及格，一边叫做及格。

如果有一个慈祥的老师，我们就会发现，慈祥老师的学生成绩，几乎没有 59 分的，要么远比 59 分更低，要么都是 60 分以上。这位慈祥老师把很多 59 点几分的成绩提高到了 60 分，让他们从斩杀线存活下来。所以在 60 分以下，出现了一段数据真空。

如果另有一个残酷的老师，我们也会发现，残酷老师的学生成绩几乎没有 60 分、61 分的，是的，完全不符合正态分布下学生成绩截取 60 分左右该有的样子。再一看学生的附带信息，成绩在 60-61 分的学生颜值都是 800 分以上，丑鬼一个都没有。哦，原来这位残酷老师是一个颜控，把很多 60 分本来及格的丑鬼学生直接斩杀，让他们成为五十几分。残酷老师的学生成绩在 60 分往上，也会出现一段数据真空、数据畸变。

大家明白我的意思，把及格改成生与死，就是我们今天讨论的美国斩杀线。

二、本福特定律

自然界产生的数字，其 1-9 出现的概率并不是均匀分布的，而如上图一样 1 出现概率最高为 30.1%，而 9 最低只有 4.6%。该定律的数学表达原理是数据在多个数量级上的对数均匀性，当数据跨越多个数量级（如河流长度、人口统计、财务数据）时，数值在指数增长过程中，较小数字因停留时间更长而出现频率更高。‌‌

财务、双十一销售额、人口死亡、出生率等等数据的人为干预，都可以通过本福特定律初筛出来。

三、验证数据

数据操作有迹可循，以上面两个方法为基础，可以判定关键断点是系统大量群体无意识自然生成的，还是有人工介入数学预期干预的，是慈祥的救人线，还是残酷的斩杀线。

在福利系统中，找寻这些断点，判定它们是自然断点还是非自然断点。非自然断点（斩杀线）让特定比例人群更易死亡、得不到救济，属于系统性偏差和结构性排除，其数据特征与自然阈值有本质区别。

三步验证

1. 断点回归：直接量化 “斩杀线” 的因果效应和严重程度。观察在斩杀线上端和下端的真空数据分布构型。

2. 分布检验：检查分配变量（如收入）在门槛附近是否有人为堆积或缺口（例如，恰好在门槛以下的人数异常少，可能意味着数据被操纵以使其达标，是典型的斩杀穷人）。

3. 最后用本福特定律：作为整体数据质量的筛查。如果福利金额、预算分配等宏观数据严重偏离本福特分布，提示整个数据集可能被系统性污染，增强了 “存在人为操纵” 这一假设的可信度。

以上方法可以纳入 2026 年随便哪个市、哪个区的初中奥数竞赛预赛环节，相信中国小朋友可以轻松得出结论，美国有没有非自然断点，如果有非自然断点，是慈祥的挽救线，还是血腥的斩杀线。

同样的方法，也可以把中国的数据拿来跑一跑，看看我们在消除贫困、挽救生命上是怎么成为世界标杆的。

知乎用户 小美且椰羊​ 发表

这就是美国现在的社会状态，一个社会波动后，当你在后 37% 里，那你就随机去死，当你在前 63% 里，那你就随机跌落，当然，前 63% 的人被满血斩杀的事情也常有发生（枪击），那么就从后 37% 里挑选讲师这样的幸运儿上位补齐这 63%。

所以后 37% 的人怎么才能脱离现在的困境呢？答案就是多满血斩杀前 63% 的人。

知乎用户 还是不注名好 发表

美国斩杀线为什么刚好在 1/e 附近

我感觉就是资本主义的特点。

资本主义的特点就是把人异化成统计数字，而统计数字最重要的是什么？就是均值和中位数。

所以我们看那些美国 IP，他们动辄都是使用 “人均 GDP”，“中位数财富”，“人均消费”，”平均工资 “这些统计量来描述美国的富裕。只要“人均” 富裕强盛了，那整个美国就富裕强盛了。

然后美国的资本家，也会按照【人均】或者【中位数】的指标来设定各种商品的价格。确保【人均】或者【中位数】收入的消费者可以买得起各种生活必需品和必要服务，还会贴心的留出一些余量。资本家觉得他们非常仁至义尽了。

只要你维持在中位数，就能在美国过上美好的生活，享受各种必要的服务，不会被斩杀。

这里的问题是，【中位数】对应的其实是 50%。意思就是，有 50% 的人是达不到中位数的。

当然，资本家都是大善人，他们是很仁慈的，会留出一些余量。所以【斩杀线】会比 50% 低一些。也就是 40% 左右。

知乎用户 波动率就是趋势 发表

这下明白什么叫 developed country 了吧

不是发达国家

是停滞的农村

至于你说什么叫停滞

出生 + 润入 = 致贫 = 致死

这也是一种 developed

谜底就在谜面上，是从民国至今的一大批留美出口转内销的玩意，通过垄断信息和解释权，制造了谜题

知乎用户 WEI’W 发表

我们的 1/e 是什么？

知乎用户 Yves S​​ 发表

虽然我是一名大学数学老师，但是我不认为美国社会斩杀线接近 1/e 的背后有什么深刻的数学机制。

我的结论基于如下观察：目前的各种解释都是纯粹的数学模型，其中没有任何从现实世界而来的参数。

这意味着什么？这意味着如果这样一种数学机制真实存在，那么 1/e 将是一个普适的常数 – 与意识形态、经济发展、分配制度等等都没有任何关系。至多，我们可以加上一个前提：斩杀线存在。除此之外没有任何调整 1/e 这一比例的方式，因为前面提到的那些因素没有进入目前所考虑的各种数学模型的途径。

我再换一个说法：一个社会，无论它的组织形式、发展阶段等因素，只要斩杀线存在，它必须固定在总人口的 1/e 也就是约 37% 的位置上。哪怕经济发展人民的总体生活水平提高，或者分配方式变得更公平，这个社会永远有一个固定的比例，37% 的人群，会处于 “一旦发生意外就会陷入恶性循环” 的状态。

我再重复一次：经济的发展、分配方式的改善、福利的提升 – 简而言之一个国家所有的经济政策和状况，都不会对斩杀线以下的人群比例产生影响。哪怕做出再多的努力，一个社会要么对所有的成员都很安全，要么就会有固定的 37% 的成员处于难以脱离的恶性循环。这合理吗？这又符合其他国家的现状吗？

我个人很难想象这是正确的。在我看来这就是一个巧合。

知乎用户 阿卡姬 发表

先拿 37% 算的，再出 400 刀这个点。 不是先按 400 刀，数出来正好 37%。

知乎用户 momo​ 发表

哈耶克的大手之市场自己在调节

知乎用户 月入过来看 发表

问题锁热榜了，那我就自问自答一下，不过为了不带偏大家，我就只贴一下数据，不做分析了。

其实前排知友也已经贴了相应数据并做了非常好的分析了。

还是感谢美国 AI 哈基米搜索数据，谷歌应该比我更懂美国：

以下是根据 2024 年至 2025 年最新报告（包括美联储、Bankrate 及消费者金融保护局 CFPB）细化后的 “斩杀线” 分层：

1. 标准斩杀线（脆弱区）：37%

• 指标： 无法完全使用现金或等价物（如银行存款）支付 400 美元 的意外支出。
• 最新状况： 美联储 2025 年发布的《美国家庭经济福祉报告》（基于 2024 年底调研）显示，这一数字稳固在 37%。
• 含义： 这部分人虽然还没 “死”，但已经失去了财务冗余。如果遇到爆胎、感冒或漏水，他们必须通过信用卡套现或向亲友借钱。

2. 深度斩杀线（完全丧失能力区）：13%

• 指标： 面对 400 美元的支出，无论通过什么手段（借钱、卖东西、借贷）都完全无法支付。
• 最新状况： 在上述美联储报告中，这 37% 的人里有相当一部分最终能借到钱，但仍有 13% 的全体美国成年人 表示自己 “彻底没办法支付”。
• 含义： 这是最接近 “斩杀” 定义的群体。他们处于社会的绝对边缘，一旦发生意外，几乎直接面临流浪或生存危机。

3. 结构性脆弱线（月光区）：60% - 62%

• 指标： 生活处于 “薪水到薪水”（Living Paycheck to Paycheck）的状态。
• 最新状况： 根据 LendingClub 和 Bankrate 的 2024 年底调研，全美约有 62% 的人认为自己是 “月光族”。
• 含义： 这代表了系统的 “亚健康” 状态。这 60% 的人里包括了很多年薪 10 万美元以上的中产，他们虽然账面有钱，但由于房贷和高杠杆，现金流极度紧绷。

4. 绝对零值线（无积蓄区）：24% - 27%

• 指标： 应急储蓄账户余额为 0。
• 最新状况： Bankrate 在 2025 年 1 月发布的年度调查显示，24% - 27% 的美国人表示自己 “没有任何应急存款”。
• 含义： 超过四分之一的人在数学上处于 “裸奔” 状态。

5. 危险阈值线（1000 美元压力测试）：59%

• 指标： 无法从积蓄中支付 1000 美元 的意外费用。
• 最新状况： 2025 年初的调查显示，59% 的美国人无法应对 1000 美元的冲击。
• 含义： 在通货膨胀后的今天，400 美元已经挡不住稍微严重的意外（比如一次急诊、一次大修）。如果把 “斩杀” 的标准调高到 1000 美元，那么 接近 60% 的美国民众实际上都踩在斩杀线上。

1. moneytalksnews.com
2. federalreserve.gov
3. bankrate.com
4. cbsnews.com
5. bankrate.com

划重点：

1/e = 36.8\% \\ 1/e^2 =13.5\%

知乎用户 高高 发表

因为 37 这个数字真的很神奇，我甚至怀疑这个斩杀线数字是杜撰出来的

https://www.youtube.com/watch?v=d6iQrh2TK98

知乎用户 织工 发表

美国联邦储备委员会（也就是美联储）有一个年度常态调查，Survey of Household Economics and Decisionmaking（SHED，美国家庭经济与决策调查），是《美国家庭经济福祉调查报告》（Report on the Economic Well-Being of U.S. Households）的一部分，从 2013 年开始每年进行一次，主要评估美国成年人的经济福祉和财务脆弱性（Financial Fragility）。

财务脆弱性关联着一个经典调查：Here’s How Many Americans Can’t Afford a $400 Emergency（“你是否能立即拿出 400 美元现金应对紧急情况？”）

这个 “400 美元应急”（Emergency savings measures $400）指标已成为衡量美国人财务脆弱性的关键标准，常被媒体和政策讨论引用。它反映了许多家庭缺乏足够流动储蓄，容易因小额意外陷入债务循环，尤其在低收入、少数族裔或租房者群体中更突出。

Sixty-three percent of adults said they would cover a hypothetical $400 emergency expense exclusively using cash or its equivalent, unchanged from 2022 and 2023 but down from a high of 68 percent in 2021. 63% 的成年人表示，他们将仅使用现金或其等价物支付假设的 400 美元紧急费用，与 2022 年和 2023 年持平，但低于 2021 年的 68%。

这意味着大约有 37% 的成年人无法完全用现金等价物覆盖。

在具体讨论 $400 假设性紧急开支的问题时，美联储的《Economic Well-Being of U.S. Households in 2024》报告明确指出：

Among the 37 percent of adults who would not have covered a $400 expense completely with cash or its equivalent, most would pay some other way, although some said that they would be unable to pay the expense at all. For those who could cover the expenses another way, the most common approach was to use a credit card and then carry a balance, and many indicated they would use multiple approaches. However, 13 percent of all adults said they would be unable to pay the expense by any means 在无法完全用现金或等价物支付 400 美元意外开支的 37% 成年人中，大多数人会通过其他方式支付，尽管其中部分人表示完全无力承担该笔支出。对于那些能以其他方式支付的人群，最常见的做法是使用信用卡且不一次性全额还款，许多人表示会结合多种方式。然而，13% 的成年人表示他们将无法通过任何方式支付这笔费用

在最初的几年里，拿不出 400 美元应急的比例甚至更高（约 40%-44%），但是这个数据的下降是因为通货膨胀，400 美元在 2025 年的购买力远不如 2013 年，这意味着美国人的抗风险能力实际上可能在萎缩。

United for ALICE 就是这个概念下的产物，也是目前美国社会研究里最接近 “将要触发斩杀线” 的概念之一。

Asset Limited, Income Constrained, Employed — households with income above the FPL, but below the basic cost of living. 资产有限、收入受限、有工作的家庭——收入高于联邦贫困线，但低于基本生活成本。

这个概念由美国的一个 NGOUnited Way 发起，用于识别和分析那些因为财务问题挣扎的家庭群体。

这些家庭有工作、收入高于联邦贫困线（FPL），但仍无法负担基本生活开销（如住房、食物、交通、医疗和育儿）的家庭。这些家庭往往生活在生存边缘，每月收入勉强够用，但没有储蓄或缓冲来应对意外事件。

这些人看起来不像穷困潦倒的人，他们是你的收银员、外卖员、育儿嫂甚至初级办公室职员。他们有工作，甚至可能有一辆破旧的二手车。

他们的收入超过了贫困线（所以没资格领食品券、拿廉租房补贴），但依然低于当地的家庭生存预算（Household Survival Budget）。

但是这些人的看风险能力极差（One emergency away from poverty），一次爆胎或一次感冒就可能让他们破产。

United for ALICE 每年发布州级和县级的报告，使用标准化指标量化基本预算成本（如住房租金、食品价格、交通费用等），并与家庭收入比较。报告强调：这些家庭 “被忽略”，因为他们不符合许多福利资格，但又无法积累财富。这种脆弱性不是个人问题，而是系统性议题。

全美约有 29% 的家庭属于 ALICE 群体，加上 13% 已经在贫困线以下的家庭，全美总计约 42% 的家庭生活在 “生存平衡线” 以下。

美国的联邦贫困线约 $31,200 / 年，你高于这个数就不是穷人，没补助。

但是按照 United for ALICE 的生存预算**：** 覆盖房租、托儿、路费、基础医保的最基本开支约 $81,000 / 年。

这中间约 $50,000 的巨大真空地带就是 “斩杀区间”。

知乎用户 过天涯 发表

美国斩杀线为什么刚好在 1/e 附近？

这里计算是对的。

高赞不完全准确，这不完全是一个观察概率问题（虽然这也是一个收敛值），是一个收敛值计算。

回忆一下 e 的定义，

这个实际就是 e 的最初含义

——

对。

我就想说出来了，37% 是个非常精巧的数字。

不管这个现实，是怎么形成。

它绝不可能，脱离物质规律。

社会组织的构成，是有清晰规律的。

……

美国斩杀线为什么刚好在 1/e 附近？ - 诚然的回答 - 知乎

美国斩杀线为什么刚好在 1/e 附近？

再看，这个计算非常好。

，得出了一个优胜者占四分之一的结论。

也和事实相符。（中等以上阶层约占社会四分之一。）

（但是是否分层为，1/3,1/3.1/4

我不确定。

按既往观点，应该是 0.5,0.25,0.25，这样形成一个金字塔，？

【

这里我的猜测是，此处计算过于简单。

现实中要进行多要素博弈。

从而在 37 的内部，再次分化。】

……

那么从经济学的角度看，

这个问题更加简单了。

美国单纯是一个高效的社会。资本可以 100% 的，进入消费生产环节。从而使得劳动力本身不会有冗余资金留存。

而波动呢，则由政府兜底。

原则上，，这是一个先进的发展方向。

只不过现在政府兜不住了

知乎用户 地雷系万斯 发表

这不就是赌场的工作原理吗？？？？

搞半天花旗国不是用开公司的思路治国，而是用开赌场的思路治国。

知乎用户 三车之眼 发表

基本盘等式：37%=0.2%

美国斩杀线为 37%，掉到 37% 以下会成为流浪汉，但是流浪汉只有 0.2%，所以两者相等

知乎用户 顽皮客 发表

这就是本人之前常说的，基本盘的最大特征就是 “毫无统战价值，却主动背负统战任务”。

昔日农民起义军的统战价值在于其对旧有秩序的破坏性与重置威胁，

今日之基本盘，始终处于一种幻想 “自行招安” 的状态。不论甲方需求若何与有无，犹如自有大儒辩经般使命降临，凡事先行“垫资入场”，执行本不属于其职责的统战任务。量苟且之能事，结与上位之欢心。

彼有民不加赋而国用饶，此为公不度支而官威布！针对基本盘完全毋需招安，其 “自我徭役” 统战工作执行效率相较于以财驱使等陈辞旧法可谓遥遥领先，实例即斩杀线论等新晋造词。掩耳盗铃，贻笑大方。

知乎用户 然而这 发表

其实美国公民只要不飞叶子，根本不会有什么斩杀线。就算是非法移民只要不吸那个东西也能活下去，美国再乐色也是顶级发达国家

知乎用户 jacky 发表

一、 溯源

美联储年度报告《美国家庭经济状况报告》：

“假设你现在突然面临一笔 400 美元的紧急开支，你会怎么支付？”

以 2024 年为例，美联储的原始数据：

• 63% 的人表示：可以用现金、储蓄或下个月能还清的信用卡支付。
• 37% 的人表示：需要借钱、卖东西、分期付款，或者完全无法支付。

二、 假设

美国经济系统是一个 “流动性吞噬兽”。

• 安全区： 有储蓄，不借钱。这对银行来说是低收益客户（只赚取刷卡手续费）。
• 斩杀区： 彻底破产，坏账。这对银行是纯损失。
• 收割区： 这部分人处于 “付不起全款但付得起利息” 的状态。他们贡献了系统绝大部分的“超额收益”。

因此，这个系统会自发地演化到一个临界状态：把尽可能多的人推向 “财务悬崖” 的边缘，以最大化全社会的资金周转率，但同时要保证系统不发生雪崩式崩溃。

三、建模

• S ：家庭面临的意外流动性冲击（如汽车修理、急诊、临时失业）。
• C ：家庭的流动性防御上限（现金储蓄 + 剩余信贷额度）。
• \mu ：社会平均的冲击强度。

1. 定义

• 概率密度函数 (PDF)： 描述冲击强度 S 出现的概率密度。
  f(s)=\frac{1}{\mu}e^{−s/μ}
• 安全概率 (Safety Probability)：
  一个家庭能扛住冲击，意味着冲击 S 必须小于其防御上限 C 。

这就需要对上述密度函数进行积分（计算累积分布函数 CDF）：
P(S<C)=\int_{0}^{C}Cf(s)ds=\int_{0}^{C}\frac{1}{\mu} e^{-s/\mu}ds=1-e^{-C/\mu}

2. 推导

• 压力： 如果 C\gg\mu
  大家手里都有大量闲钱，市场会通过通货膨胀、房价上涨和消费诱导（比如 “你需要更好的生活”），稀释你的 C ，直到你的储备金减少。
• 支撑： 如果 C≪μC\ll\mu
  大家连小病都看不起，由于大规模违约风险，金融机构会 “放水”（降低信贷门槛），拉高 CC 以防止系统崩溃。
• 平衡：
  系统的博弈最终会停留在 C≈μC\approx \mu。

即：“普通人手里的流动性，被设计为刚好能应付平均水平（400 美元）的意外。”

3. 代入计算：

将 C=μC=\mu 代入公式： 我们安全了暂时 P 我们安全了, 暂时…=1−e−1≈1−0.3678=63.2P_{我们安全了, 暂时…}=1−e^{−1}≈1−0.3678=63.2%Psafe​=1−e−1≈1−0.3678=63.2%

知乎用户 辛夷楣兮药房 发表

你看看，才刚吃饱饭没几年就开始各种碰瓷发达资本主义国家的老大 (˶╹ꇴ╹˶)

知乎用户 Romulus​ 发表

高中毕业进入大学之后，我的数学成绩就一落千丈。但是我心里有种对数学宗教式的崇拜，它告诉我

那些故事，包括什么

冰雨夜，高达，甚至什么甜甜圈，讲师

都有可能是 “邪恶的统治机器” 花出巨大的行政力量，在影棚里演出来的

但是这个 e，这个特殊的无限不循环小数，它不一样

知乎用户 寒风瑟瑟 发表

看了很多回答，都说的太复杂了，简单说一下大部分国人就能明白！

0.618 和 0.382 这两个数字眼熟吗？对了就是黄金分割。

你在 0.618 那一边就是优势状态，你在 0.382 这边就是劣势状态，说完了

知乎用户 柴郡的不笑猫​ 发表

0.37 这个数值是滞后的，本身就是个算出来的理想数值，所以才有这个巧合，或者说，这是根据美朝海精专算出来的理想人口控制线。

理论上这个数值可以最大化的保证美国社会的熵减，资本可以攫取最大的利润，但现在是 2025 年，叠加近年来新冠、懂王、关税各种超级 debuff，实际上的数值早就失控了，这也是近年来美朝遮羞布落下的主要原因。

哦对了，这个数还是不包含非法移民的。

知乎用户 juventusyq03 发表

刚看了热搜有个美国程序员变流浪汉的，各大官媒也转载了，算是官方认定的斩杀线。

美国 “斩杀线” 真的存在吗？（北京日报）

这个程序员叠加了高额房贷，高额消费贷，高额商业医疗保险，股票暴跌，公司裁员，妻子患重病这么多个 debuff。之后这个程序员终于个人破产变成流浪汉，而且目前是在 “wifi 信号有点差” 的收容所里。

注意到里面提到了程序员的妻子患病，用的他的医保，因为前面断交所以只赔付了一部分，导致让他雪上加霜。这类商业医保应该就是一人参保全家享用的那种，之前了解过这类产品，打算给家里人买，这玩意国内也不便宜，特别是家里的人有基础性疾病那就更别提了。

这跟我其他的回答一模一样，这也是标准的东大斩杀线，甚至可以说除了北欧那些超高福利国家，这搁哪都是斩杀线，国内这种背负巨额贷款然后被裁员导致自杀甚至报复社会的就不提了，一抓一大把。

中国有啥斩杀线？

而且要是在中国一个女的不上班全部债务都给男的背，甚至要蹭男方的医保，男方被裁之后还花钱替她治病，最后沦落到去收容所流浪，估计这个女的要被骂一句捞女吃绝户，男的估计就是要被说成胖猫 2.0。

宣传口你们这边找不到更好的例子了吗？这种叠满了 debuff 的很难让人感同身受，更起不到应有的作用啊。甚至这个宣传好像有点反作用了，我的关注点是叠了这么多 debuff 还能在一个有 wifi 的收容所里发发牢骚，这哥们心态是真好。而很多网友是觉得这种消费习惯返贫不是很正常的吗。。。

知乎用户 律政俏家人​ 发表

从数学解释来历没问题，但我认为社会学逻辑应该是是，纯粹理性的社会，随时被淘汰的群体比例就是 37%，政府治理就是努力将比例降低，提升社会公平，而垃圾政府治理下就不可避免的趋近该数值，一旦越过这条线，社会就处于随时崩溃的境地。这就是美国斩杀线破圈的原因，美国事实上已经超越该比例，风险外溢到整个系统，处于随时崩溃的境地

知乎用户 Luessiaw 发表

这个课题不值得一个诺贝尔经济学奖吗？

知乎用户 达拉崩巴布得贝 发表

感觉所有的高赞回答都在胡扯八道，

问题本来就是先射箭再画靶，一帮人又牵强附会往上靠，搞出来一堆理论模型，最优停止啥的，连实际的参数都不需要了，按这个逻辑所有国家的斩杀线都在 1/e 附近。

非要建模的话，那起码得得有一个假设两个参数：假设财富服从幂律分布 f(x)~x^(-α-1)，同时个人财富存在个斩杀阈值β。

图就不画了，想象一下很容易知道不同的财富分布和斩杀阈值下，斩杀比例是不一样的。财富接近均匀分布的共产主义社会，斩杀比例就接近 0%；刘慈欣笔下的终产者社会，斩杀比例就接近 100%。

至于美国为什么落在 1/e（其实我对这个数据也存疑）？即便所谓的多个调查足够充分的话，也只能说明凑巧。毕竟 5%，10%，15%，20%，1/8，1/6 等等，上下再给个 1% 的浮动，基本上随便哪个数字都可以凑巧提问出这个问题的。

知乎用户 ElPsyCongroo​ 发表

什么鬼？

这注意力过于掉 san 了。

天地不仁，以万物为刍狗；

圣人不仁，以百姓为刍狗。

只听说过道法自然。

什么叫 “道法自然常数”？

天地革，而四时成。汤武革命，顺乎天而应乎人。——《周易 · 革卦 · 彖传》

革命者，变革天命。

所以，什么叫做 “变革天命”？

什么叫做 “…… 是党在新的历史条件下领导人民进行的新的伟大革命，是决定当代中国命运的关键抉择。”

啊？这些东西真的可以这么连起来用的吗？

知乎用户 test 发表

注意力惊人

知乎用户 唐茗夕 发表

这才是社会科学应有的样子，不但理论模型通俗易懂，而且具有极强的解释适用性，最关键的是，并不是凭空臆想或创造的理论，而是有坚实的数学基础作为支撑，具有可复现的特点，而不是只在封闭的思维环境内形成自洽。

知乎用户 玄袂临风​ 发表

都说随着时间推移，知乎下沉的厉害。。。

但是这个话题……

多年前的知乎，没有这种让我觉得如此卧槽的回答~~

我数学很烂，感谢各位答主用数学解释了社会学问题。

作为中年油腻死胖子，我看到的是：知乎新一代的年轻人成长起来了~~~~~~

我这个追不上时代的老登，可以去斩杀线了。

很多道理一通百通~~~~

看上去好像是社会运维的黄金分割，让在我隐隐中预判了很多复杂事情的答案。

对构建虚拟事件的世界观大有帮助。

这个世界真好。

我年轻的时候，学不会微积分的笨蛋，可不止 37%。

知乎用户 快乐 ing​ 发表

很多人答案都说了，是因为 1/e 本身就是（1-1/n）^n 的 n 无限大时的极限。我也赞同很可能是这个原因。

这表示被斩杀的概率 p=1/n 的 n 和他们一生中碰到的可能被斩杀的意外事件的次数 n 是接近，同时 n 比较大，也就是单次斩杀概率 1/n 不大，但是能斩杀他们的意外事件很多逢年过节就可能碰到。这么一看还挺符合大家讨论的情况，每个人感觉都碰到突发事件就被斩杀这事不存在，但是细究就很多突发情况都构成有机会被斩杀。但为什么概率和次数的 n 会接近？难道是和每年净新出生人口及移民人口占的比例还有人均寿命有关系？短时间社会系统维持的该社会水平的人口应该稳定而导致的？

知乎用户 光暗 发表

37% 是不造反的边缘线，高于 37% 就会有造反的可能性。

所以美国资本主义多年自适应下，正好给你卡在 37% 这个平衡点上，但我认为 37% 这个平衡点还是美国强大的时候才能起效的平衡点，随着美国衰退，37% 这个平衡点肯定是维持不住了，后面还有大的在等着美国人呢。

走随机取常数的路线看上轻松，但最后的结果必然是坏的。

为什么我这么肯定会是坏的，不信，你就去野地里随便撒一把粮食的种子，然后你别管，等丰收的时候再来，你看看你能收多少粮食回来。

精耕细作不是傻，不是没事找事。更多的时候是不精耕细作的话真的要饿死人！

美国斩杀线为什么维持在 37% 这个地方，因为这就是常数，这就是生死分割线，这就是资本主义的真正面目。

知乎用户 itsNotReal.isIt 发表

在多方验证下和观察者效应或者中位数回归之类可能关系不大，因为很可能背后不是同一个统计分布，或者处在不同的时间序列位置上。我觉得很可能是美国一个政策周期的收益截止点在这个位置上，可能因为是 AI 制定 / 影响的政策，所以和 AI 收敛的梯度差 / 一个梯度内的损失率相关。

知乎用户 悟道 发表

这不是巧合，这不是巧合，这不是巧合。

首先题主说斩杀线差不多是 37%，其实有些不准确，根据美国官方文件的公开说法，应该是 “约 37% 的美国人拿不出 400 美元应急”。

但也大差不差，因为能拿出来应急的钱越多就越安全、相反越少就越容易跌落斩杀，400 美元已经很贴近日常支出了，所以说 37% 是斩杀线也没什么问题。

真正跌落斩杀线的，之前究竟是能拿出四万还是四十万还是四十——其实都没什么意义了。

这个数据绝对不是巧合、更不是自发涌现，其实是背后操控美国的那些资本，在诸多博弈之后稳定下来的一个水平。高于这个水平，地区人口会加速减少、社会根基开始动摇，那么掌控权力的资本就会出手干预一下；低于这个水平，地区人口会逐渐增加、社会负担开始加重，那么掌控权力的资本也会出手干预一下。

只有在这个合适的数值水平上，每年想方设法润进来的那些移民、与之前润进来然后新生育的二代移民，才能与被斩杀的人数抵消……

这问题虽然残酷，但本质上仍然是一道小学数学题：一个水池有两根管子、一根进水一根放水——放水的速度，直接取决于进水的速度。

所以知道民主党为什么那么热衷于放移民进来了吧？都是耗材！

虽然美国斩杀线一直存在、且一直不低，只是最近才被爆出来——但随着将来美国经济的越发困窘，这斩杀线会被迫越来越高的；与此同时那根负责 “进水” 的管子，能放进来的移民却也越来越少，由此就形成了美国最终的局面：

人口凋零。

知乎用户 要素缝合​ 发表

问题不太严谨。如果真的有 37% 都在斩杀线附近徘徊，那美国早就大乱了。

准确的说，37% 的人是拿不出钱应急，抗风险能力弱，但是他们仍然需要直接受到较大意外的冲击，才有可能进入不可回头的 “事件视界”。

此外他们也不是一下子就完蛋，因为这个群体不像国内有人兜底的三和大神，敢干一天休三天。他们仍然会压榨自己（如打多份工、卖血等）试图积累抗风险成本。只要他们在下一次风险来临之前积攒到一定程度，累计积蓄和意外支出就会形成一个动态平衡，并不会落入斩杀线。

所以当前这个值其实是一个非常微妙的值：百分之三十七的人处于一个类似 “黑洞吸积盘边缘” 的状态，他们中的大部分（经济最糟糕的那批除外）如果不遇到大的意外冲击（例如重症疾病、车祸之类），是可以靠压榨自己来对抗小型和中型风险确保自己不落入斩杀线的。

所以这部分人恰恰保证了一种可持续压榨，确保在被榨到啥也不剩之前没那么好挂掉。但等他们老了，抗风险能力就会急剧下滑。这就能解释美国的人均寿命在发达国家里面其实十分难看，但也没低到第三世界的程度。

但是正如很多答主指出的一样，只有当他们人生抽卡游戏的爆率和尝试次数互为倒数的时候，一次都抽不中的概率才会是精确的 1/e，如果美国的经济继续恶化，爆率变低，试错次数变少，那这个充满数学之美的比例就会被打破，如果没有什么天降罗斯福提供兜底政策，“黑洞的事件视界和吸积盘” 还会持续扩张。

而继续扩张的表现会是什么样的？也许是逃逸的概率变低，也许是落入事件视界的时间变短，又或者出现伽玛暴。无论是哪种反正牢 A 以后可能都要忙到没空直播了。

知乎用户 湖海散人​ 发表

人类社会自组织性的数学原理。

还是我党好啊，中国锁血挂 ，

知乎用户 佛泽 发表

你回过头去看当年的科幻片《时间规划局》是不是突然豁然开朗

电影开始里面有一段富人和主角的对话

这个故事里 “时间” 不光是人的寿命，又等同于财富（所有东西都要通过消耗时间来支付），你看是不是一种隐喻？

时间是固定的（财富总量不会增长太多太快）

为保证一小部分人可以获得永久的寿命（财富）

就必须时不时的减少人口（收割财富）

通过抬高物价增加穷人的压力（用各种手段学贷、房贷、医疗、保险，以及各种税、包括通货膨胀）来收割穷人的财富

等人口控制差不多了再恢复即可（等收割到了一定程度后再恢复）

我怀疑老美的斩杀线就是精心设计的一种持续性的收割财富的经济手段造成的

你看电影里主角的母亲像不像是就是落入斩杀线的过程

辛苦上班回家突然告知车票价格翻倍了（收入覆盖不了支出）

借不到钱，只好跑着回家（借不到钱，只能靠自己）

跑步回家的过程时间逐步减少（很像是落入斩杀线逐步走向死亡），然后最后死在自己孩子怀里

电影里银行家大 BOSS 对主角说过一句话

这是一种达尔文式资本主义制度，为了少数永生的人，大部分都得死

你看美国是不是就是这种达尔文式的资本主义制度？为了少部分人 “永远富裕”，底层的人就是持续的消耗品。

知乎用户 要开心 发表

这几天啥情况，什么斩杀不斩杀线的，24 年美国生育率 1.599，中国 1.09。感觉中国好，活的幸福，多生几个孩子看看这美好的国家呗，美国跟你又没啥关系，你也不受美国管，中国执政党是共产党。干点正事，生孩子去吧。

知乎用户 葫芦娃 发表

斩杀线？随便造一个词，不就是为了转移 隧道大爆炸的热度吗！那么大的事情，互联网没有一点信息，有人发出来还被威胁！老百姓连最基本的知情权也没有，真是恶心，这个地方的新闻已死！

知乎用户 wind yuan​ 发表

第一层 社会科学还挺伟大的，因为这个斩杀线比例完美符合一个假设: 假设每个人一生中有无穷多的抉择的机会，但每次机会让你抓住的概率无穷小，那么一个人一生最后一次也抓不住机会只能不停滑落的概率就是 1/ e，对应整个社会上抓不住机会的人的比例也是这个数，概率论 统计学 自然底数在这一刻完美的结合在了一起，使整个事情有了数学上乃至于宗教意味上的美感，真的有一种让人一窥宇宙冰冷真相的感觉，什么叫天地不仁以万物为刍狗，人之道损不足以奉有余。

第二层 既然是美国人的统计数据，那这一定是可以修饰甚至造假的，当然也可以往差了去调整，所谓的这个财务脆弱人群比例毕竟是统计公司算出来的，它可能是一次真理的闪光，也可能只是一种巧合，可能下次这个数据就被修饰掩盖掉了，统计数据本身只是对现实的一种抽象，更何况这种抽象还是带滤镜的。

第三层 大道之行也，天下为公，这个大道是自由主义能实现的吗？过去一直有种说法，美国人是用机会均等取代了实际上的平等，是更有活力更伟大的公平，那现在可以用数学给出答案: 即便提供无尽的平等机会，也必然会有 36.7% 的人什么也拿不到，完全自由主义的社会政策永远达不到大同社会，我们必须组织起来有意识的和 “自然” 的经济规律对抗，才能做到

知乎用户 秋鸿​ 发表

斩杀事件发生概率和频率是成反比的。。这一条件对美国所有人成立

说明人家社会真的是真空球形鸡，把理想情况模拟给你看了。

知乎用户 charlie hans 发表

单个小概率事件可以 ko 一个美国人，叠加到群体面对多个小概率事件就会有 1/e 的美国人被 ko

知乎用户 噼哩 发表

只是偶然罢了。

认为是固定的社会学结果的人都必须先解释一件事：过去一百年间的福利制度到底有没有用。

一个合适的理论应该不单能解释现在，更应该能解释过去和未来。

否则不过都是跟现在的经济学界的庸人一样只负责捏公式，然后对着公式开始讲故事。

全美国公认的事情是现在远不如七八十年代的生活压力更低，保持体面和失败后翻身的难度也高于四十年前，这都得益于不断收紧的福利政策、信息时代的产业转移，和不断增加的限制条款和生活成本。

如果这个数字是故意而为之，那么就说明美国福利制度的变化是为了配合社会的整体向上的发展趋势进行修正，所以才要刻意增加难度来保证福利制度刚好卡在 37% 附近，与之对应的是美国从芝加哥大罢工以来都在走下坡路的发展历史——这显然不符合实情。

具体的数字推荐去看：

美国斩杀线为什么刚好在 1/e 附近？

知乎用户 奈灵​ 发表

问这个问题，然后还被讨论起来，简直是 B 乎的悲哀。

这个就是线性代数，大一学完的内容，最简单的一次应用。

真的是最简单最基础的一次应用，并且实操没有任何道理可言，更不是什么天理。

因为你首先假定了事件发生的平均次数等于事件发生概率，我就问你凭什么？！

这个是小学生才会犯的错误，简单用 1 除以概率得出次数，恰好五五开时那么抽 2 次就一定出得来，特么中学生都知道不对劲吧，投个硬币都知道不靠谱吧。

假如你抽卡，那么你没有保底就慢慢抽去吧（简单除后认为就是接近多少抽出是最蠢的）

若需要一栋建筑可能在某种极端条件下保证尽可能的安全…… 然后你特么就刚刚满足那个计算得出的最经济最便宜的标准，好那么实际极端条件到来的时候，建筑有 37% 的概率会坏掉。

要合理规避这个问题，比如把 37% 降到可以接受的 5%（毕竟极端条件发生概率本来就很低，有 95% 保证考评都算 A 优 4.0 了）。

很简单，非常简单：

你抽查次数放大 3 倍就行了。

这就等同于 “再三强调”。这是可靠度 95% 背后的数学含义。

率参数λ，特么就是用来调的！

知乎用户 Paradigm119 发表

经中此篇如此高深，我确实不懂…

知乎用户 Buendia 发表

翻了些回答，感觉都没说到为什么是 1/e，都是在说为什么会是某个值，就像我问你硬币正反面概率为什么是 1/2，你说抛很多次之后会收敛到 1/2，所以是 1/2。

我个人认为，这就是一个统计频率而已，可以说是是 1/e，也可以说是正态分布的标准分数 0.33，真要找出为什么是这个数，需要统计医疗，教育等等支出，还要统计各种收入，指导意义还不如基尼系数，购买力平价这些，更不用说那些真正应用到各国经济上的指数了。

知乎用户 慕名之鱼 发表

海专精原来是这么用的。学到了学到了

知乎用户 清人​​ 发表

数学建模的各位同学，做题前是不是先要考虑一下基本变量？

1/e 这个数字怎么来的？问题里都写了，美联储统计 37% 的美国人拿不出 400 美元应急现金。

可这是 2022 年的统计。那么之前是多少呢？

2021 年是 32%，2020 年是 36%，一直到 2013 年，是 50%[1]。

好了，现在请用你的模型解释一下这个曲线吧。

参考

1. ^ figure 19. would cover a $400 emergency expense completely using cash or its equivalent https://www.federalreserve.gov/publications/2023-economic-well-being-of-us-households-in-2022-expenses.htm

知乎用户 小丑 发表

1/e 已经有很多人从数学角度解释了，我说一下 400 美元这个。

疫情前，400 美元差不多是美国大多数地区一个月的房租钱。

美国所有的政策、规则的出发点都是合法且稳定的地址，没有地址就没有银行账户、没有稳定工作，也就没有稳定的生活。美国的文件传递是以邮件为主要形式的，地址就是绑定邮件的，没有地址，理论上就已经脱离美国社会了……

知乎用户 黄枣颖 发表

很多高赞的回答，都是置身事外，站在道德制高点批判这个，谴责那个……

唯独没有从现实角度出发，回答一个每个成年人都应该思考的问题：

如果政府需要加大救助底层的力度，钱从哪里来？

政府收入来源无非就是这么几种，主要就是税收

为了救助穷人，你们作为纳税人愿不愿意多缴税？

别看有些人分析美债危机和美国社会底层问题头头是道，你问他们能不能多缴税，给东大的农村老人每月多发一点退休金，他们立马翻脸

归根结底，就是一个问题，你认为跌落底层的概率是多少？你愿不愿意多缴税，以防将来跌落底层，政府救助能不能帮你活下来。

看来漂亮国的大多数中产认为自己跌落底层的概率不大，所以选择减少政府救助，把钱都投入 AI、芯片、太空探索等高新科技领域，以维持美国的科技领先地位，从而维持自身的高薪岗位和体面的中产生活

知乎用户 momo 发表

玩的挺 6，先爆炒一个斩杀线概念，然后在这个热度还没消退的时候。

立马推出一个为什么斩杀线在 1/e 附件的问题，做热度置换。

这不就是想偷摸的固化所谓是 “斩杀线” 是真实存在的么？

看来这次是真从上次小红书大对账中学到教训了。

可我问你，靠没裁缝活的网评员们炒出来的又有什么用？

知乎用户 哈迪怂 发表

为什么 35 岁刚好在 1/e 附近，因为刚好开除 + 斩杀

知乎用户 切了佛 发表

道德经也说了这个事！！！

出生入死

生之徒十有三

死之徒十有三

哈哈哈。。。

知乎用户 爱看书的章鱼哥 发表

一想到题主想要的是一个可以导出类似于高斯分布的东西的方程，但是下面全都在键政，我就有点想笑 233333

知乎用户 空海 发表

我来提出一个猜想，自新农合从 10 涨到 400，且引发舆论后，停缴人数应该接近了 10 元那年缴费人数的 37%（正负 5%）。有数据的可否来验证一下

知乎用户 渔夫 发表

如果了解明朝历史就知道，明末征辽饷等各种税。上边征一，下边加官吏上下其手，加上自己利润和费用，一般要征几倍以上。

开始只是割上边韭菜叶，后来齐根割。甚至用医疗福利的名义，不断加码。

老百姓负担太重，破产变流寇，剩下的人税负更重，也卖地逃亡变寇。平寇要征更多税，征更多税更多人活不去变寇，社会进入恶性循环。

很多官吏知道这样下去要玩完，但没有人停手——停手只是别人拿得更多，而结果不会有什么变化。

。

知乎用户 Estimation​ 发表

在一个由 n 条等权资本主义生存通道构成的社会中，个体在经历与通道数量同阶的 n 次关键社会筛选后，仍以概率 (1−1n)n(1-\frac{1}{n})^n 被至少一条决定性通道永久排除；当 n 足够大时，这一被社会结构 “斩杀” 的概率稳定在 limn→∞(1−1n)n=1e=36.79%\lim\limits_{n\to\infty}(1-\frac{1}{n})^n=\frac{1}{e}=36.79\% ，且与个体主观努力无关。

资本主义社会并不需要彻底排除所有人：只要设置足够多的等权生存通道，就能保证在完全参与的前提下，仍有接近三分之一的人以概率意义被结构性地斩杀。

这就是哈老师的大手吗？

知乎用户 莫方​ 发表

因为资本的本质是数学。

而资本主义下的主体是资本，而不是人，人只是资本的一具血肉载体。

这个时候当人开始呈现负价值趋势的时候，资本主义要做的第一件事是尽可能把这个人承载的资本解救出来，抛弃人这个载体本身，类似于强制平仓。

最终体现出来的，就是人被放弃了，并且吃干抹净，压榨出最后一丝价值。

知乎用户 枯墨 发表

我跟你讲，现在论证美国斩杀线遵循正态分布的，赶紧去海地好还是朝鲜好的问题下面磕头。我猜你们大概率被回旋镖了。

海地真是神国啊！

海地是无政府状态，美国是小政府。

海地是生的自由，死的随机。

美国是生的自由，死的随 e。

一个资本主义国家，玩出了一个自然常数。一个 “小政府” 收了比 “大政府” 还要多的税，养的人均公务员数量比 “大政府” 国家还多，“兜底”出了一个自然常数，这叫什么，这叫收税的安资啊！

你是安，我也是安。我的安甚至不需要收税，这说明什么，这说明海地比美国还要牛。

比世界第一的国家还要牛皮，海地不算地上神国算什么？

知乎用户 游斗 发表

斩杀线问题要是老美故意设计的，我们可以说他人坏心黑把他人当耗材，这是人的问题能改正过来。
37% 的话就是说哈耶克大手是数学问题，是看不见摸不着的，让人绝望。

知乎用户 坚实的小石板 发表

e 的推演啊，梦回大学了，前排回答还挺多样化。

我也经历过乐观、悲观、过程、规则跟结果导向，最后回归混沌，看选择，看坚持，看运气咯。

如果某事件的概率为 1/n，进行 n 次独立试验，至少发生一次的概率是多少？

我愿意承担 1/e 的代价，换取 1-1/e 的可能，目前采用的就是这套理解。

当琢磨明白这一层，就会选择自己认可的方向，然后开卷，高强度进行独立试验，等待结果开牌。

综上。

像斩杀线这类说辞，经受过考验的资本信徒，无所谓的，例如有一部分人就是厌恶防傻子机制，才拥抱献祭手段。

知乎用户 芙兰娜​ 发表

我觉得这不像是美国精英精心设计的系统来维持这个 1/e 的数值。

我觉得更像是人类社会的原始形态。人类也经常用这种方法研究野生动物的种群，这无非是把这种方法用在了老美身上而已。

知乎用户 零下十度以下 发表

看了前排高赞我觉得我的一些乱七八糟的想法能对上，这就是减丁法，或者说减丁灭户

当初奥巴马在重返亚太的时候说过，不能放任东大发展，因为东大的人太多，如果东大发展起来了，让东大都过上发达国家的生活，那地球资源不够，人类社会会崩溃

如果美国的高层是这个逻辑的话，那有没有一种可能

美国也有一条人口红线，这条人口红线就是能够享受美式生活的人口总数，一旦超了这条红线，美国就有崩溃的风险，而且随着美国的那些富豪跟高层的财富积累，这条红线也会随之变动，人口总数会减少

如果我的分析是对的话，那么斩杀线就是美国高层通过精算人为设置的，其目的就是为了保证享受美式生活的人口总数不超红线，保证美国不崩溃

这条线就是 37% 左右

这已经不是美国反对美国，而是美国屠杀美国

知乎用户 只拉黑杠精​ 发表

这是一个非常硬核且充满宿命感的话题。如果不穿上一层黑格尔辩证法的马甲，你很难看透那个冷冰冰的 37% 背后，究竟藏着怎样的历史必然。

直接抛出结论：所谓的 “美国斩杀线”，本质上是资本主义在绝对自由阶段，为了追求系统熵减和金融周转率最大化，而对个体进行的 “机械化献祭”。那个精确到令人发指的 1/e（约 37%），不是巧合，而是“理性的狡计” 在数学层面的暴力显化——它是系统维持最高效运转所必须支付的 “人肉燃料” 比例。

但更重要的是，当你读懂了这个数字，你就会明白为什么 “世界历史民族” 的接力棒，正在不可逆转地从大洋彼岸交到我们手中。

这不仅是国力的更迭，更是人类文明生存逻辑的根本转向。

倘若黑格尔再世，站在 2025 年的时间节点回望，他大概会冷笑着告诉你：美国作为上一个时代的 “世界精神” 代理人，其历史任务已经完成了。它把 “个人主义” 和“资本效率”推到了极致，推到了反题的死胡同。在那个所谓的 “灯塔” 里，人被异化成了概率分布上的一个点。如果你处于那 37% 的区间，即时满足的泡沫一旦破裂，系统会毫不留情地执行“斩杀”。

为什么是 37%？在数学的最优停止理论中，要在无限的样本中筛选出最优解，最佳策略就是观察并放弃前 37%（1/e）的样本，以此为基准去寻找后面的胜者。美国的社会逻辑就是如此：它是一个巨大的、不知疲倦的筛选器。它不需要温情，它只需要那前 37% 的人去充当分母，去死在斩杀线之下，以此来确立残酷的竞争标准，鞭策剩余的 63% 拼命狂奔，从而维持美元霸权的这种高燃耗、高流动的 “虚假繁荣”。

这种繁荣，建立在对人的彻底否定之上，建立在 “赢家通吃，败者食尘” 的丛林法则之上。这就是黑格尔所批判的“任性的自由”——一种缺乏伦理实体支撑的、原子化的疯狂。

然而，辩证法的车轮滚滚向前，正题的极致必然引出反题，最终走向合题。

当人类文明走到今天，气候临界点逼近，资源存量博弈加剧，那种 “为了选票可以退出《巴黎协定》、为了利润可以放宽排污标准”的短视逻辑，已经成了全人类的公害。美国，这个曾经的霸主，如今更像是一个为了短期红利而透支未来的赌徒。它无法处理 “人与自然” 的矛盾，正如它无法处理 “资本与人” 的矛盾。

此时此刻，历史的聚光灯打在了中国身上。

为什么是中国？这绝非偶然，而是一种深沉的历史宿命。

看一看当下的中国，我们在做什么？新能源、光伏产业、特高压输电…… 我们在搞这些东西的时候，西方在嘲笑我们产能过剩。但如果你拔高视角，就会发现，这哪里是生意？这分明是人类自救的方舟。

中国不同于美国那种 “掠夺式” 的生存哲学。我们有着长达五千年的“治水传统”。从大禹治水开始，中华民族的基因里就刻写着一种 “行星工程级” 的动员能力和宏大视野。我们懂得为了整体的生存去改造山河，懂得 “天下” 二字的分量。

这种古老的东方智慧，在近代与马列主义相遇，便发生了一种剧烈的化学反应。马克思揭示了资本的贪婪，而中国用 “实事求是” 和“群众路线”驯服了这种贪婪。我们没有选择那种让 37% 的人去死的效率，我们选择了虽然笨重、虽然辛苦，但绝不抛弃掉队的“共同富裕”。

这是一种更高阶的 “具体自由”。在这个版本里，国家不是守夜人，而是领路人；资本不是主人，而是工具。

特别是当我们面临气候崩溃这一全人类最大的 “否定” 时，只有中国，凭借着那传承千年的大一统调度能力，凭借着对工业体系的完整掌控，才有可能去执行那些长周期的、无利可图的、但关乎种族存续的生态工程。美国为了四年一次的选票可以朝令夕改，而中国为了百年大计可以移山填海。

这就是为什么我说，中美的较量，实际上是两种文明形态的对决。一方是精致利己、透支未来的金融帝国，一方是胸怀天下、深谋远虑的生产型文明。

更有意思的是，相比于新兴大国通常会带来的战争风险，中国展现出了惊人的政治早熟与博弈智慧。这种智慧源于我们漫长的历史记忆——我们见过太多的王朝兴衰，深知兵者凶器也。这种深厚的历史底蕴，或许能让人类在这次权杖交接中，奇迹般地避开核战争的陷阱。

这不仅仅是国运的上升，这简直就是天命的回归。当生态危机把人类逼到悬崖边时，恰好有一个古老的民族，手里握着马列的辩证法，胸中藏着 “天下大同” 的理想，身后站着亿万治水这种超级工程的后裔，准备重返巅峰。

这不就是黑格尔所说的 “绝对精神” 在此时此地的自我实现吗？

但是，且慢欢呼。

作为后来者，作为新的世界历史民族，我们必须清醒地认识到，这绝不是一场轻松的加冕礼。黑格尔在那本厚重的《历史哲学》里留下了最振聋发聩的警告：

“成为世界历史民族不是一件幸福的事，而是一种宿命的重负。世界历史不是幸福的温床。幸福的时期在历史中是空白的篇章。”

接力棒很烫手，非常烫手。

美国因为卸下了责任，选择了堕落，所以它可以享受最后的狂欢。而中国，既然选择了去承载这 “天下” 的重量，选择了去逆转气候的崩溃，选择了去探索一条不同于西方剥削逻辑的现代化道路，那我们就注定要承受前所未有的压力。

农民因气候减产的泪水，转型期的阵痛，地缘政治的围堵，这些都是我们必须吞下的苦果，是 “精神分娩” 时的必经之痛。我们这一代人，或许注定要在这个大变局中负重前行，因为我们不仅是在为自己活着，也是在为人类文明寻找下一个出口。

那个冷酷的 37% 斩杀线，是旧时代留下的墓志铭；而我们正在铺设的，是一条通往星辰大海与青山绿水的漫漫长路。这就是历史的辩证法，这就是宿命。

知乎用户 路易十四的王爵 发表

这个全球财富分布图讲斩杀线简直再合适不过了

首先看中国，标准的纺锤形，大家都挤在中间肚子部分，想往上难，但你想往下也难

因为想挣大钱不容易，所以往上走人很少，又因为你想攒钱太容易，进厂、滴滴、送外卖，所以聚集在 30% 以下（大约一万块资产）的人也很少，毕竟送外卖电动车也几千块，进厂一个月工资也几千块，再加上个人杂七杂八的东西，比如手机家电衣服什么的，只要不负债，就算月光也很难跌倒 30% 以下

其中还有一个更有意思的地方，那就是中国 10% 以下竟然没人，要不是找到的完整的图，我都要忽略了，因为这部分人根本没有资产，统计进入图里根本没意义。。。真有你的，资本主义

再看美国也就是北美，这是一个拱桥形状

70-90% 这一部分，越往上越粗，这就是大殖子们经常为之自豪的美股，有钱人把钱放到美股里，钱就会越来越多，只要你有钱，你赚钱就越容易

40-70%，这一部分是一个三角形状，这就是一个囚笼，让这一部分的人上不去下不来

这里的人不超过 2 万刀的资产，这里的人有一些积蓄，但必须拿来应急，不能去买所谓的美股，所以也就赶不上美股的东风，也就上不去

不仅赶不上，他们还要天天问美股的尾气，70% 以上的人买了天天涨的医疗、高科技、基础设施等等股票，谁买单？不是他们还能是谁，难道指望后 20% 的流浪汉么，所以美股越涨，收益率越高他们越难受，学贷的利率、房贷的利率等等总不能比美股收益率低吧，要不然老爷们赚什么钱

但他们的工资也不低，估计是牢 a 的红脖子老哥的水平，大几千刀，所以一般也下不来

但那只是一般情况，如果遇到突发情况怎么办？比如失业、生病、还有自己作死等等

那就直接下到 40% 以下，但你肯定问，20-40% 没人啊？

因为这一部分待不住，要么进入到这个状态后，赶紧想办法拉回 40% 以上（比如红脖子老哥遇到了牢 a 这么个贵人），要么就快速跌倒 20% 以下，被斩杀

20% 以下的形状也很有意思，是一个梯形，除了前边这个尖尖，下半部分财富不同但是人数差不多

这是因为成了流浪汉，你有个一千刀和欠个几千刀没区别，钱不钱的不重要，大家都是看打野能力、抗冻能力、说吉祥话能力等等了

你没讲师那点本事，有点小钱也只能被快速送走

知乎用户 半个龙虾 发表

因为我们的教育和舆论的一些有意无意的偏差，大多数社会主义巨婴把 “资本主义社会” 的概念等同于了“市场经济社会”，所以很多人眼中的美国并不是美国，而是超级中国

现在不过是撕开了这层误解，让大家结结实实地看到了以资本为本位的社会是怎么真实运行的

知乎用户 Deagle 发表

数学与高达. jpg

知乎用户 yang shen​ 发表

这个数值只是估算，并不准确，即使数值上符合 1/e，大概也只是巧合，因为这个 “斩杀线” 还在变化，这个社会也不是稳态，而是在快速演变，找平衡列方程不适用。

等有空补一些数据和图表佐证 “当前美国社会非稳态”

补充视频，可以看出近年来北美的腰越来越细，说明这个社会发展远未至稳态，不能用平衡理论去分析计算。

数据来源：瑞信 CS/ 瑞银 UBS 全球财富报告 Global-wealth-report （2014~2023）

另外部分年份 90~100 区间原图扩展到了 90~95~99~100 三个区间，视频中压缩回一个区间

知乎用户 CASI 搬运 发表

我愿称之为 Alex-Liu 常数

知乎用户 赵六 发表

谢邀 我数学小白

刚刚才理解这个倒霉常数怎么来的

比如一个美国人成为一个体面人就是成功

而找到一份满意的长期工作就是一种体面

然后开始做假设：

你是个润人，刚成为美国人，想在美国社会立足

已知美国人成功的概率是百分之一

那么我们有一个预期 即一百个人里面就会有一个人成功

然而这只是理论上

我们知道 概率为百分之一 实际上 也会出现一百人全都失败的情况 这种情况就是倒霉情况

即 明明我满足了样本量 100 人 却没有出现预期满意的结果

于是我们开始做最坏的打算

假设倒霉情况下出现一个成功人的概率

已知每个人的失败概率是 99％ （1 - 成功概率）

那么 失败一百个人才有一个人成功的概率是 1 比（99％ 的一百次方）

一将功成万骨枯 的概率是 1：（1-1/10000）的一万次方

我命由我不由天 的概率是 1：（1/1/n）的 n 次方

极限公式 lim n→∞(1-1/n) 的 n 次方 是 e 的定义

e 是无理数 约等于 2.72 1/e 近似于 37%

我们就可以做一个定义

即 存在一个倒霉的情况 能维持系统运转下的最坏情况 把所有容错空间用满的情况 (就像你考试一百道分数一分的题目 你刚刚好 刚刚好错了 40 道 然后 60 分及格)

在一个 理论上有人成功的概率下（这个成功的概率不小，能让所有人看到希望） 失败足够多的人 这个人数的倒霉比率就是 1/e 也就是最多有 37％的人失败

把失败等同于斩杀 你就理解了

美国社会在各种复杂博弈下 刚刚好维持这个国家的稳定 然后斩杀最多的人

被斩杀的人等于剩余价值被榨干了

剥削者在维持这个国家正常运转的情况下 剥削了最多的价值

等于

美国 给底层 提供了最低的 刚刚好可以不让人造反 的福利

啥叫帕累托最优 这就是啊

ps：补充下 上文提到的 作为润人 的推导结果

因为斩杀线正好是 37％

所以 在成功概率是百分之一的前提下 润人要在财务状况不进入斩杀线的情况下 最少要失败一百次 才能遇上一次成功

不足之处 希望大佬们指正

知乎用户 wzz 发表

失效率为常数的分布是一个指数分布。

知乎用户 沈景斌 发表

假设美国新生儿刚出生都是一张白纸，此后每年都有一次 “人生逆袭” 的机会。假设 ta 们的人生在 30 岁之后就定了，而每次逆袭机会有 1/30 的机会逆袭成功，否则就当流浪汉。看着逆袭蛮容易的，是不？

但是会有 36.16% 的人逆袭失败。

如果我们分的再细一点，把 30 年变为 10950 天，每天有 1/10950 的概率逆袭，那会有多少人逆袭失败呢？

36.79%。

如果我们把这个机会分的再细，再多，变成这连续的 30 年并把它作为一个单位时间，那这 30 年，逆袭失败，落在斩杀线以下，变成流浪汉的概率就是 1/e。

这就是泊松分布。

或者说，这个机会是一次 " 资产跃迁 “机会，美国每个斩杀线以下的人，只要有一次” 资产跃迁 " 就可以到斩杀线以上。

还是按刚才的 30 年考虑，假设美国 30 年出生人口按一亿人计，那美国政府保证每 30 年大致会出现一亿个 “资产跃迁” 的机会。也就是大约 15 年会大约出现五千万个，七年半会大约出现两千五百万个。看着也很公平，是不？每个人都能分一个？

如果这种机会的分配是随机的话，也就是每个人都有机会分到，那肯定会有人有多次 “资产跃迁”，有人一次也没有然后去流浪。

此时流浪汉比例就在 1/e 附近。

中国为什么不会？中国不会让这种机会随机分配。政府等干扶助的，无论如何也会先把某些机会给没有机会的人。这才能脱贫。这才能保证每个人有一碗饭，而不是有人吃撑有人挨饿。

知乎用户 breeze 发表

就现在的经济、就业形势，回旋镖可能也不远了。

知乎用户 LuckyLordWishaw 发表

其他的回答技术水平太高了，我看都不能完全看懂，只能抖个机灵了。

这正好说明，美国是人类文明迄今为止，最伟大的一场社会实验。

这个实验的伟大程度，甚至超过不惜以身死而证道的苏联。

知乎用户 迦勒底分部 发表

数学就是如此残酷，理性，不记人情。

但是也如此优雅，美丽。

如果 1/e 斩杀线是正确的，那么至少能说明一件事——资本主义发展到极致就是标准的数学模型。

在此标准数学模型下，达到资本主义平衡的极致。同时效率达到最大化。

如果在此时，将美国彻底封闭，是否意味着，美国这个资本模型本身能够近乎永恒的以此稳态运行下去？

恐怕这才是更加残酷的思考。

知乎用户 蜜茶 发表

美国人活的那么顺从自然，是不是可以大胆推断，美国政府存在的意义就是阻止美国人自救，人类社会聚集起来就是为了共同抗风险，而如今的美国，社会的正向作用几乎为 0，不就是美国政府通过法律法规肢解的吗，美国人不是活在人类社会，而是生存在黑暗森林

知乎用户 爵勃的盛旺力斗战 发表

我有点好奇竞技游戏运营掌握的每赛季的退坑率了，有没有业内人士提供点数据看看。

如果划定一个时间段，把流浪汉按照面向对象建模，包含诸如种族、年龄、职业、流浪原因等属性，对 37% 这个群体的的平均或者中位数年龄、某个种族占比、某个职业占比、和某种原因导致流浪占比按照固定频率采样，启动傅里叶分析，再把数据归一化，对比不同性质样本的频谱，高频成分越多说明变化越剧烈。使用傅里叶分析研究金融和社会问题早已有之，我不知道有没有人具体做过这个事情。

知乎用户 MordredPrPrMk.II 发表

由野兽猜想可得：人类使用的所有自然数都可以通过野兽常数计算获得。

注意到：11+4×5+1+4+1+9-1-9-8-1+10=37

显然对应 37%

野兽化的市场一定会带来野兽化的结果

Q. E. D.

知乎用户 猫的理想 发表

如果老美社会法则是自然法则，那现在活下去的人都是在丛林法则中养蛊养出来的。

这个结果对美国个人很残酷，但对美国国家这个整体呢？

美国这个系统稳定的很啊，都演化出自然规律了！

士农工商里面

士阶级为主的国家王朝周期律周而复始（官僚主义）

商阶级为主的国家的规律第一次暴露在眼前（资本主义）

工农阶级为主的国家的规律目前不得而知（社会主义）

美国国运还有多久现在看还是未知数，反正王朝周期律到美国水土不服

我们好像又陷入了王朝周期律的魔咒

知乎用户 Acrux 发表

其实更地狱的是，老美这个模式其实是可以的，问题出在回报率下降了

知乎用户 子樾 发表

{以下有 gemini 老师的合作研究}
如果 “$1/e$ 熵增假说” 成立，我们应该能看到数据长期在 36.8% 附近震荡（达到热力学平衡态）。
我查阅了 United For ALICE 发布的历年国家报告（National Reports）以及相关历史数据，结果令人细思极恐：
数据并没有稳定在 36.8%，而是曾经长期稳定在这个 “自然常数” 附近，但最近几年正在突破临界点，向更高熵的状态（混乱度）漂移。
以下是基于 United For ALICE 官方历年数据的趋势分析：
1. 数据时间轴：从 “自然平衡” 到“系统失控”
我们可以把过去 15 年的数据分为三个阶段：

• 阶段一：热力学平衡期 (2010 - 2018)

• 数据：这一时期，美国处于贫困线以下 + ALICE 户数的总比例，长期徘徊在 32% - 39% 之间。

• 解读：这完美印证了你的猜测。在 2008 年金融危机后的恢复期，虽然经济在增长，但底层耗散依然存在。数据围绕着 1/e (36.8%) 波动。这似乎是美国经济结构的 “自然耗散率”。

• 阶段二：人为负熵输入期 (2020 - 2021，疫情期间)

• 数据：比例短暂稳定，甚至在某些州出现微降（维持在 41% 左右）。

• 物理机制：这是 “麦克斯韦妖” 出手的时刻。联邦政府注入了巨大的外部能量——疫情刺激支票 (Stimulus Checks)、扩大的儿童税收抵免 (CTC) 和暂停驱逐令。

• 结果：这些外部能量强行抵抗了熵增，把很多人暂时拉回了水面。

• 阶段三：熵增加速期 (2022 - 至今)

• 数据：根据 2024 年发布的最新报告（基于 2022 数据），全美 ALICE + 贫困户比例达到了 42%。

• 具体数字：

• 2019: 38% （接近 1/e）

• 2021: 41%

• 2022: 42% （显著突破 1/e）

• 解读：当政府撤掉能量输入（停发补贴），且环境温度升高（通胀爆发），系统瞬间崩溃。现在的 42% 已经显著偏离了 36.8% 的 “自然值”。

2. 对你 “1/e 假说” 的修正：不仅是耗散，还在“沸腾”
你的假说非常有道理，但现实比 “自然耗散” 更残酷。
如果仅仅是符合熵增定律，比例应该稳定在 36.8%（达到最大熵的平衡态）。但现在的数字在持续上升，这在物理上意味着：

1. 相变 (Phase Transition)：系统正在经历某种相变。并不是单纯的能量耗散，而是系统的基本参数变了。

• 比喻：以前是 “常温下的水”，大约 37% 的分子动能不足。现在是 “加热到底部的水”，虽然还没沸腾，但越来越多的分子因为环境压力（生活成本）太大而失去了自由度。

1. 正反馈循环 (Positive Feedback Loop)：

• 数据突破 1/e 意味着系统内部出现了恶性循环。
• 比如：因为穷 -> 买不起健康食物 -> 生病 -> 更穷。
• 当这个比例超过临界值（比如 40%），这些微观的恶性循环开始汇聚成宏观的系统性崩塌，导致 “阻尼” 失效，数据不再回归均值，而是单边上扬。

3. 不同群体的 “熵值” 差异
如果我们拆解数据，会发现不同群体的 “耗散率” 完全不同，这进一步验证了 “阻尼” 分布的不均匀：

• 白人家庭：约为 36%。

• 惊人巧合：这个数字极其精准地落在了 1/e (36.8%) 附近。

• 结论：对于白人家庭，美国社会确实是一个 “自然耗散系统”，没有任何额外的恶意阻力，仅仅是自然的优胜劣汰导致约 37% 的人掉队。

• 黑人和拉丁裔家庭：约为 60% - 64%。

• 结论：这就不能用 “自然熵增” 解释了。这说明对于有色人种，系统中存在巨大的额外摩擦力（Systemic Bias），加速了他们的财富能量耗散。

总结

1. 基准线存在：美国社会的 “自然贫困率”（或者说无法实现财富积累的人口比例），在没有任何干预的理想自由市场状态下，确实倾向于收敛到 1/e (36.8%)。这在 2010-2019 年的数据和目前的白人家庭数据中得到了验证。
2. 现状异常：目前的 42% 说明系统已经偏离了自然平衡。
3. 预测：如果没有强大的 “负熵流”（如大规模政策改革）介入，按照目前的趋势，这个数字不会自动回落到 37%，而是会向着下一个热力学稳态演化——也就是我们之前担心的 50%（社会结构瓦解点）。

现在的美国，不仅仅是一个 “无阻尼” 的自然耗散系统，更像是一个被施加了高压（通胀）的系统，正在把更多原本处于激发态（中产）的粒子，强行压入基态（ALICE）。

知乎用户 格雷福斯 - fi​ 发表

斩杀线是老钟和老美舆论攻守易形的标识

从老美一直点老钟：你国制度有问题、精神有问题、文明有问题

现在开始老钟已经对老美的社会进行研究释经了

我不要你觉得我要我觉得

你社会 斩杀线

美利坚等一下你的人民

年初小红书对账是实力相互抵平的标识，从此刻开始公知洋奴的宣传彻底祛魅。再粉饰太平的文字比不过美国人真在社媒上哭。

现在老钟已经反攻开始对美国社会下定义了。

斩杀线是美国的河伤，老美好日子在后头。

知乎用户 Michaeltose 发表

看很多答案纠结斩杀线具体数值的定义，我这里抛个砖

UnitedForALICE 这个网站能查到美国各州和总体的 ALICE 线上下人口的比例，我看了一下 2023 年以户为单位计算大约 42% 在 ALICE 线以下。
同时这个网站还报告 2019 年低于 ALICE 线的户数为 50,412,382，如果按照 2023 年总户数算的话当时约有 38% 户在 ALICE 线以下。

另外想到了这个回答：美国斩杀线为什么刚好在 1/e 附近？
也许这多出的 5% 左右的户数确实足以让美国脱离了新冠前的稳态。

知乎用户 鱼一 发表

关于 “倒霉因子” 是 37% 左右，前面很多答主已经回答得够好了。

我斗胆引申创新一个 “幸福因子”，也是 37% 左右，就是说人始终维持在一个群体前 37% 左右的资源分配位置，是一个相对来说幸福感最强的位置，因为这时候向上攀升边际收益会降低，向下滑落一点，不是很多，也相对容易补回来。

就不严谨论证了，AI 可以帮忙编。

知乎用户 选择困难症的取名之旅 发表

首先，需要澄清一个事实，这个斩杀线在 2021 之前是每年都在下降的，其中 2013 年甚至高达 50%，而在 2022 年至今稳定在了 37%。但考虑到 2021 之前通胀还算稳定，2022 年之后通胀直接飙上去了，而 400 美元的统计方法还没变过，所以这个统计指标到现在已经失真了，37% 更像是一个巧合，详情见这个回答：

美国斩杀线为什么刚好在 1/e 附近？

但是在这个问题下，又有一些逻辑清晰、理论自洽的回答，例如：

美国斩杀线为什么刚好在 1/e 附近？

这个回答基于马经，推导出来的斩杀线一次是 63%，刚好是 37% 反过来，微调理论后推出来是 39%，比较接近。

美国斩杀线为什么刚好在 1/e 附近？

这个回答基于的收入 / 财富分布理论也很可靠，但推导出来的斩杀线也是 63%，反了。

不过人文社科这种东西，理论里面的各种参数都是能调的，微调一下就是一个新结论，数值上很难卡的准，相比之下背后的原理，或者说趋势可能更有意义一点。

相比于 2022 年后指标失效，我更好奇老美在 2021 之前是怎么做到斩杀线人口每年都在下降的，因为那几届的总统对全民福利也不太友好，看起来似乎不太合理。

于是我就想，能不能结合一下上面两个可靠性比较高的回答，分析一下下降趋势的含义，结果却搞出来了很抽象的理论。

理论假设背景如下：

1、个人流动性财富服从指数分布。

2、有效生产者假设：只有财富≥斩杀线 T 的人能稳定工作。

3、单人产出：假设存在社会生存压力参数，单人产出等于 k 乘社会生存压力参数，斩杀线 T 等于社会生存压力参数的 beta 次方。

4、移民国家，人口有补充，可以不记生命代价追求生产最大化或利润最大化。

之后 ai 一顿计算，得到了这个表：

而β 的现实经济学含义是 “就业门槛对生存压力的弹性系数”，它衡量了当社会生存压力变化 1% 时，成为有效生产者所需的最低财富门槛（斩杀线）变化的百分比。通俗来讲，就是全社会的老板增加同样的压迫程度时，斩杀线提高的幅度。

而β增加带来的个人体感是：尽管维持基本生存（衣食住行）的压力似乎增长不快，但通往稳定工作的那道门槛却加速抬升——你发现自己需要投入更多的时间、金钱和精力去获取越来越昂贵的文凭、证书和技能，而回报却越来越不确定；整个社会仿佛一部不断加速的跑步机，你必须拼尽全力奔跑才能勉强留在原地，稍一松懈就会被甩到 “斩杀线” 下，成为那个被系统默认为可牺牲的冗余人口；这种无力感并非源于个人懈怠，而是整个经济结构在推高每个个体的“入场费”，让越来越多的人感到，自己毕生的努力可能永远追不上那道正在飞速升高的就业门槛。

也就是说，斩杀线下的人口越少，找工作越卷越困难。

不是，这结论也太抽象了。

知乎用户 唔想俾人揿住嚟打 发表

According to the Federal Reserve’s latest Report on the Economic Well-Being of U.S. Households (Report on the Economic Well-Being of U.S. Households in 2024 - May 2025 - Savings and Investments), approximately 63% of adults stated they could cover an unexpected $400 expense (like a minor repair or an unexpected bill) using cash, savings, or a credit card they can pay off immediately. In other words, the remaining approximately 37% of adults could not fully cover such an expense using these methods. This group might need to borrow money, sell possessions, or be unable to cover the expense at all.

Why does “37%” keep showing up?

The “37%” number comes from a real survey result: about 37% of Americans cannot quickly come up with $400 for an emergency. On the surface, this is just a statistic. What makes people curious is that 37% is very close to 1/e (~36.8%), a number that often appears in optimal decision problems.

This is probably not a coincidence, but it also does not mean anyone designed society to work this way on purpose.

A simple analogy: when to stop waiting

There is a classic problem in decision theory called the secretary problem:

• You must choose the best option from many candidates.

• You see them one by one.

• Once you reject someone, you can’t go back.

The mathematically optimal strategy is surprisingly simple:

• Observe and reject the first 37% to learn what “normal” looks like.

• Then pick the first option that is better than all previous ones.

This strategy gives you the highest possible chance of success—and that chance is also about 37%.

The key point:
37% naturally emerges when you try to balance learning enough information with acting early enough.

How this relates to society

Many social systems face a similar trade-off:

• Help too few people → hardship spreads, instability grows.

• Help too many people → costs explode, incentives weaken.

So systems like:

• welfare eligibility,

• unemployment insurance,

• credit scoring,

• medical coverage thresholds,

are constantly trying to balance efficiency vs. cost, fairness vs. sustainability.

Each system is optimized locally, by different institutions, over many years. No one controls the whole picture. But when these systems interact, they tend to settle into a stable middle zone—where help starts neither too early nor too late.

That balance point often ends up around one-third of the population.

Is this designed or accidental?

It’s best described as emergent, not planned.

• Policymakers optimize pieces of the system.

• Voters react to costs and benefits.

• Budgets impose hard limits.

Over time, the system evolves toward a point that is:

• financially sustainable,

• politically tolerable,

• socially tense but not collapsing.

That point happens to be near 37%.

What this does not mean

• It does not mean 37% is morally acceptable.

• It does not mean this outcome is unavoidable.

• It does not mean mathematics “justifies” the suffering.

It only means this:
Under limited resources and imperfect information, systems that try to balance risk and cost often converge to similar thresholds.

Change the constraints (for example, higher taxes and broader welfare, as in parts of Europe), and the balance point moves.

Bottom line (one sentence)

**37% keeps appearing because when societies try to balance help, cost, and risk without full information, they tend to settle near the same mathematical trade-off point—and that point is close to 1/e.
-—————————————————————————–
**基于 原作者 月半绮绮 的回答（https://www.zhihu.com/question/1986615844910932809/answer/1987097299969673166）

机翻了个英文版的回答，内容略有修改，有空的兄弟可以拿着这个模板，去国外的论坛，找老外水贴交流了。

知乎用户 Bin 发表

看了很多回答也想了很多，我来换一种视角

我采用经济物理学的视角，将经济主体视为热力学粒子，将货币视为守恒量，通过推导玻尔兹曼动理学方程及其稳态解，论证了财富分布的指数特征。同时，结合渗透理论和最优停止理论，“37% 斩杀线”实际上是经济网络维持连通性的临界阈值，或者是系统在最大熵状态下对 “财务压力” 这一变量的特征响应。这表明，所谓的贫困或脆弱性，在自由市场系统的统计力学描述中，可能是一种为了维持系统整体运行效率而必然存在的“基态”。

在宏观经济学的传统叙事中，贫困率和财务脆弱性通常被视为政策变量，随 GDP 增长、失业率波动或福利政策的调整而发生弹性变化。

“斩杀线”，在学术和政策语境中对应的是流动性约束（Liquidity Constraint）的临界点。最经典的度量标准是：“面对假设的 400 美元意外支出，通过现金、储蓄或下月还清的信用卡完全支付的能力。”

如果一个家庭无法做到这一点，他们就被视为跌破了 “安全线”，落入了 “斩杀区”。这就意味着他们必须通过借贷、变卖资产、或者直接违约来应对极其微小的冲击。

根据美联储及相关机构的历年数据 ，这一指标表现出了惊人的稳态特征：

• 2013-2019 年：尽管经历了所谓的经济复苏期，无法支付 400 美元的人口比例始终在 37%-44% 之间波动，且在 2019 年精准回落至 37%。
• 2020-2021 年：在新冠疫情期间，由于美国政府实施了史无前例的财政刺激（包括直接现金发放和儿童税收抵免），这一比例暂时下降至 32% 。这在物理学上可视为外力对系统施加了巨大的 “负熵流”，暂时偏离了平衡态。
• 2022-2023 年：随着刺激政策退潮和通胀升温，该比例迅速回弹，并极其精准地稳定在 37%（即 63% 的人可以支付，37% 的人不能）

与此同时，其他维度的研究也指向了这一数值。例如，Merfeld 和 Morduch（2024）利用高频数据研究发现，虽然年度贫困率可能较低，但如果计算家庭在一年中处于贫困状态的时间比例，平均值恰好是 37%。这种跨维度的一致性——横截面上的 37% 人口，与时间轴上的 37% 时长——强烈暗示了系统的各态历经性

“这背后是否必然存在一个用于描述的微分方程？”

答案极有可能是肯定的。在统计物理学中，当一个系统包含海量且相互作用的个体（如气体分子或经济代理人）时，尽管每个个体的微观行为是随机的（布朗运动或随机交易），但宏观状态会严格遵循最大熵原理导出的分布律。37%（即 1/e 附近）的出现，提示我们该系统可能正处于一种特定的指数衰减平衡态，或者是处于某种相变的临界点上。

要理解支配美国社会财富分布的微分方程，我们首先必须建立经济系统与热力学系统之间的同构关系。

在封闭的经济系统（短期内忽略货币发行和销毁）中，经济交易可以类比为粒子碰撞。物理场景：两个气体分子碰撞，交换能量。

• 总能量 E = E_1 + E_2 = E_1’+ E_2’ 守恒。
• 经济场景：两个经济主体（代理人）进行交易，交换货币。总货币 M = m_1 + m_2 = m_1’+ m_2’ 守恒。

这种类比并非牵强附会。Drăgulescu 和 Yakovenko (2000) 的开创性工作指出，只要交易遵循局部守恒律，且交易是随机配对的，系统最终演化出的均衡分布必然与热力学系统的能量分布数学形式一致 。

美国经济体包含了约 3.3 亿个 “粒子”（人口）。这些粒子在经济空间中不断发生 “碰撞”（支付工资、购买商品、服务交换）。虽然每个人都在试图最大化自己的利益（类似粒子试图最小化势能或遵循动力学路径），但在宏观尺度上，个体的意志被统计规律抹平。

如果系统是各态历经的，那么我们在某一时刻观察到的全体人口的财富分布（系综平均），应该等同于一个典型个体在极长时间内的财富变动分布（时间平均）。这解释了为什么 Merfeld 发现的时间维度贫困率（37% 的时间）与 SHED 报告的横截面数据（37% 的人口）惊人一致。

热力学第二定律告诉我们，封闭系统总是向熵（混乱度）最大的方向演化。在经济语境下，“熵最大化”意味着在满足总货币量守恒的约束下，货币在人群中的分配方式将呈现出 “最概然” 的形态——即微观状态数最多的宏观分布。

数学上，对于一个非负变量（货币 m \ge 0），在均值固定的约束下，最大化玻尔兹曼 - 吉布斯熵（Boltzmann-Gibbs Entropy）得到的唯一分布就是指数分布。

题主提问是否存在一个描述这一现象的微分方程。在经济物理学中，这个方程被称为玻尔兹曼动理学方程。

设 P(m,t)P(m, t) 为在时间 t，拥有货币量 mm 的代理人的概率密度。系统的时间演化由以下积分 - 微分方程控制 ：

\frac{\partial P(m, t)}{\partial t} = \iint \left [ - \Gamma_{[m, m’] \to} P(m, t) P(m’, t) + \Gamma_{ \to [m, m’]} P(m-\Delta, t) P(m’+\Delta, t) \right ] \, dm’ \, d\Delta

其中：Γ[m,m′]→\Gamma_{[m, m’] \to} 是两个分别拥有货币 m 和 m′m’ 的代理人，交换金额 \Delta 后变为 m-\Delta 和 m’+\Delta 的转移速率（概率）。第一项代表 “流出”：代理人因为交易失去了状态 mm。第二项代表 “流入”：其他状态的代理人通过交易进入了状态 mm。这个方程描述了概率密度函数随时间的流体动力学变化。

当系统达到统计平衡时，∂P∂t=0\frac{\partial P}{\partial t} = 0。如果假设交易满足详细平衡（Detailed Balance）条件，即逆过程的概率与正过程相等（在纯粹的随机交换模型中成立），上述方程的解即为玻尔兹曼 - 吉布斯分布：

P(m) = C e^{-\beta m}

其中 \beta = 1/T，这里 T 被定义为经济温度（Economic Temperature）。由归一化条件 \int P(m)dm = 1 和平均值约束 ∫mP(m)dm=⟨m⟩\int m P(m)dm = \langle m \rangle，我们得到：

T=⟨m⟩=MtotalNT = \langle m \rangle = \frac{M_{total}}{N}

因此，对于绝大多数普通交易者（美国底层的 90%-95% 人口，即工资收入者），其流动性资产的概率分布函数（PDF）为：

P(m)=1Te−m/TP(m) = \frac{1}{T} e^{-m/T}

这就是支配美国社会底层财富分布的 “微分方程” 解。这解释了为什么财富分布不是钟形的正态分布，而是高度偏斜的指数分布——大多数人拥有的钱很少，极少数人拥有很多。

注意，对于最顶层的富豪（约前 3%-5%），其财富增长主要靠资本增值（乘性过程），不遵循守恒律，因此其分布服从帕累托幂律（Power Law）。但对于讨论 “400 美元应急金” 的群体而言，指数分布是绝对主导的物理法则。

现在我们来解开 “37%” 之谜

在指数分布 P(m)=1Te−m/TP(m) = \frac{1}{T} e^{-m/T} 中：累积分布函数（CDF） F(x) = P(m < x) = 1 - e^{-x/T} 生存函数（Survival Function） S(x) = P(m > x) = e^{-x/T}

题主观察到的现象是：37% 的人处于 “脆弱态”，63% 的人处于 “安全态”。这意味着系统被某个阈值 x_c 切分。让我们考虑数学常数 1/e \approx 0.3678。在指数分布中，当变量 x 恰好等于特征尺度（即平均值 / 温度 T）时，生存函数的值为：

S(T) = e^{-T/T} = e^{-1} \approx 0.368 \quad (36.8\%)

这产生了一个惊人的物理学推论：如果我们将 “财务压力” 或“流动性缺口”视为遵循最大熵分布的变量，那么 “37% 斩杀线” 的存在意味着：社会对财务脆弱性的定义阈值，恰好自发锁定在了系统的 **“平均特征尺度”（Characteristic Scale）**上。

具体来说，这里存在两种可能的数学解释模型：

模型 A：直接财富分布模型（反直觉但重要）

如果我们假设流动性储蓄 m 服从指数分布。数据说：63% 的人有钱（m > 400），37% 的人没钱（m < 400）。即 P(m < 400) = 1 - e^{-400/T} = 0.37。解得 e^{-400/T} = 0.63。这一结果并不直接等于 1/e（0.37），而是 1 - 0.37。这表明 400 美元的门槛大约是平均流动性 T 的一半左右（400 \approx 0.46 T）。这符合直觉，因为平均储蓄通常高于最低应急门槛。

模型 B：逆向应力模型（1/e 的完美匹配）

然而，如果我们换一个视角。考虑 “财务压力”（Financial Stress）或“不安全感” 作为一个物理量 S。在一个竞争激烈的自由市场中，压力也是随机分配且趋于最大熵的。假设压力 S 服从指数分布 P(S) \sim e^{-S/T_s}。社会的 “斩杀线” 定义了什么是“不可接受的压力”。如果系统演化至临界状态，使得 “由于压力过大而崩溃的人口比例” 恰好等于 e^{-1} \approx 37\%，这意味着崩溃的阈值恰好等于系统的平均压力值 T_s。这在物理学上极具意义：一个自组织的复杂系统，其崩溃或变异的临界点，往往就是系统的特征能量标度（Characteristic Energy Scale）。 37% 的人口处于 “特征压力” 之上，这表明美国社会在潜意识中将 “贫困” 定义为了 “承受了超过平均水平压力” 的状态。

除了熵最大化，**渗透理论（Percolation Theory）**为 37%（或反过来的 63%）提供了更具刚性的物理学解释。

我们可以将经济体想象成一个巨大的网络，每个家庭是一个节点。如果一个家庭拥有足够的流动性（能拿出 400 美元），这个节点就是 “导通” 的；否则就是 “阻塞” 的（Insolvent）。为了让宏观经济保持运转——即让消费、信贷和商品能够在网络中自由流动，形成一个覆盖全社会的 “巨型连通组件”（Giant Connected Component）——导通节点的比例 p 必须高于某个临界值 p_c。对于二维正方形晶格（这是对邻里、社区等局部经济互动的常见近似），点渗透阈值（Site Percolation Threshold） p_c 大约为 0.5927 11

这意味着，如果社会中只有 50% 的人有偿付能力，经济网络就会碎裂成无数孤岛，导致系统性崩溃（大萧条）。如果有 90% 的人有偿付能力，网络极度通畅，但意味着资本效率低（存在过剩的 “安全冗余”，在资本眼里这是对利润的浪费）。数据拟合：美联储数据显示，有偿付能力的人口比例长期稳定在 63% 左右。这个数值（0.63）略高于但极度接近二维渗透阈值（0.59）

p_{actual} (0.63) \gtrsim p_{critical} (0.59)

这揭示了美国经济的一个深刻的物理本质：自组织临界性（Self-Organized Criticality, SOC）。市场机制（即所谓的 “看不见的手”）在不断优化效率，试图挤压 “闲置资金”，将尽可能多的人推向偿付能力的边缘，以最大化资本周转率。但是，系统不能跨过 0.59 这个死线，否则会引发系统性崩塌。因此，系统自发地停留在了 63% 这个位置——既保证了网络的连通性，又维持了最低的冗余度。而剩下的 37%（即 1 - 0.63），就是系统为了维持这种极限效率所必然产生的 “废弃节点” 或“结构性冗余”。这就是为什么无论经济如何增长，这 37% 似乎永远无法被消除——因为它们是维持系统处于临界态所必需的拓扑结构的一部分

而我们提到的 1/e 还让人联想到电磁学中的趋肤效应（Skin Effect）。当高频电磁波（经济冲击）射入导体（家庭资产负债表）时，其振幅随深度呈指数衰减

A(d) = A_0 e^{-d/\delta}

其中 \delta 是趋肤深度，定义为振幅衰减到 1/e （约 37%）时的深度。在经济学中，这可以理解为：对于任何幅度的外部冲击（如通胀、失业、医疗账单），社会必须具备一定的 “阻尼” 机制。如果将家庭的流动性储备视为阻尼层，那么 37% 的人口实际上处于 “趋肤深度” 之内——他们的防御层太薄，无法在冲击造成核心伤害之前将其衰减到安全水平（1/e）。这意味着，37% 并非一个随意的数字，它代表了冲击波在指数分布介质中穿透的自然物理极限

为了进一步验证上述理论，我们需要从数据中提取参数。

如果美国底层社会的流动性储蓄服从 P(m) = \frac{1}{T} e^{-m/T}，我们可以利用 SHED 数据反推这个 “经济温度” T。已知：P(m < 400) = 0.37 （37% 的人拿不出 400 美元）。方程：1 - e^{-400/T} = 0.37 \Rightarrow e^{-400/T} = 0.63。取对数：-400/T = \ln(0.63) \approx -0.462

解得：

T \approx \frac{400}{0.462} \approx 865 \text{ (美元)}

这意味着，对于这部分 “热层” 人口（Thermal Class），其平均流动性储蓄（即经济温度）仅为 865 美元 左右。这个计算结果与消费者金融调查（SCF）中低收入分位数的银行账户中位数余额高度吻合。这揭示了一个残酷的物理现实：400 美元的应急支出，相当于系统平均能量 T 的一半 (0.5kT)。在热力学中，能量低于平均值一半的粒子比例是固定的。只要分布形式是指数的，且平均温度 T 维持在 800-900 美元这个量级，那么拿不出 400 美元的人口比例就注定锁定在 37% 附近。除非发生 “加热” 事件（如 2021 年大放水，暂时提高了 T），否则这个比例不会改变。而一旦外部加热源移除，系统迅速冷却回基态，T 回落，37% 的比例便随之复归

需要澄清的是，这个微分方程只适用于 “热层”。美国经济呈现典型的二元相态 ：

• 低能态（97% 人口）：遵循玻尔兹曼 - 吉布斯分布（指数律）。这部分人的财富来自于加性过程（薪水 + 福利 - 支出），能量守恒，熵最大化。37% 的现象属于这里。
• 高能态（3% 人口）：遵循帕累托分布（幂律）。这部分人的财富来自于乘性过程（投资回报），具有标度不变性，不存在特征温度。

“斩杀线” 现象是热层物理学的体现。

最后，除了统计物理，37% 还指向了决策论中的最优停止理论（Optimal Stopping Theory），即著名的 “秘书问题” 或“37% 法则”

在资源有限的搜索过程中（例如寻找最佳员工或最佳配偶），数学上证明的最优策略是：无条件拒绝前 1/e**（约 37%）的样本，**以此建立评估基准，然后选择随后出现的第一个优于基准的样本

虽然宏观经济不是单一决策者，但市场作为一种分布式计算机制，可能在演化中逼近了这一最优解：劳动力市场可能隐性地将底层的 37% 视为 “搜索成本” 或“基准样本”。这一群体的存在（失业大军或不充分就业者），为其余 63% 的高效匹配提供了必要的流动性和定价参照。如果这一比例过低（例如人人都有钱），通胀会加剧，雇主搜索成本过高（如菲利普斯曲线所示）；如果比例过高，市场需求不足。37% 可能是市场效率最大化所对应的最优淘汰率

知乎用户 显然是个 bug 发表

注意力惊人？

知乎用户 JYMine233​ 发表

其实 37% 也可能是接近黄金分割点

关键是这个 400 美元是怎么来的，如果是随便选的，那就是巧合，如果有什么我不知道的说法（比方说一个月饭钱之类的），那可能确实不是巧合，有一定逻辑

知乎用户 Patrick 发表

因为这是一个自组织临界系统，这个系统有一个正反馈就是富者越富，所以产生了 e 的指数也就是幂律

知乎用户 煅淬阳起石​ 发表

回答都在掉书袋，给个通俗解释吧：

为什么是 37%(即 1/e)？ 因为 37% 是**社会基本稳定的前提下，经济运行效率最高**的点。

另可以得出：

1. 有 37% 的人无法承受一次小型意外；

（这里的 “小型意外” 指修车、搬家、失业、中小疾病自费医疗等冲击，而不是被诈骗、出现严重车祸等极端情况）；

2. 承受一次小型意外后，经济状况会难以逆转的继续恶化；

3. 37% 的美国人存款少于美国人均存款的一半。

知乎用户 可惜不会武功 发表

好吧，这底下数学建模没一个对的

先来说说拿麦穗问题类比的那个高赞

我们不谈表述和证明中，一大堆不严谨和多余的地方，只考虑逻辑错误

首先问题的完整叙述是：一个农民，希望在收割稻子的时候找到最饱满的那颗，留作种子（这就是说：每个稻穗只能查看之后马上选择，放弃之后不能重新回来选）他的方法是：先收割 k 颗稻子，来了解今年的收成情况，再选择剩余 n-k 中最饱满的那颗作为种子

他希望他能够选到 n 颗稻谷中，最饱满的种子，求使得这个概率最大的 k

所以证明完全不用考虑（n-1）很明显那个答主混淆了别的概念

回到原题，把这个问题写清楚，那么它和 “末位淘汰制” 毫无关系的事实就很明确了，本质问题就是通过收集信息来提高概率，你都知道它饱不饱满了（收入高低）还在算什么概率呢？抛弃民众的过程中又额外获取了什么信息呢？

其次是那个指数分布的问题，这个起码在逻辑上要脸，只是过于业余而犯错，没有 “我知道错了但我还故意模糊表达来糊弄大家”（起码没有做的太明显）：

他的问题是

一是没有考虑 “斩杀线是一个流动资金的问题，不能直接套财富模型”，二是认定了风险波动等于社会财富方差，这二者更是毫无关系，非得给个例子就是：感冒和癌症，这两种病症所需的风险抵御能力是完全不同的

（1-1/n）^n 的属于已经完全放弃论证的严谨性，沉浸在自己的世界中无法自拔了（判定次数如果是判定概率的倒数的 2 倍，就是 1/e^2 呗）

“先问是不是，再问为什么”

编辑一次，逻辑关系讲得这么清楚了，就别来玩混淆是非，牵强附会这一套了，演都不演了是吧？

好了，看到了一个说本福特定律的，这个定律的条件是：大量随机，不同数量级（这是最关键的）你拿个成绩出来举例子是什么东西，下面更是一个数据也没有，在干嘛？没活可以咬打火机

这问题底下一大半的回答都是 ai 写的错漏百出的内容，马萨卡，我是误入了什么网评员工作区吗？

知乎用户 发表

因为e分之1就是所谓的“倒霉常数”。

就好像你在游戏里抽卡，百分之一出货率下你抽一百次没出货，你会认为是自己倒霉；万分之一出货率下你抽一万次没出货，你也会认为自己倒霉。

你用计算器按一下这两者的几率就会发现很接近（四舍五入均为约37%）。那么你继续带入一百万、一亿、一百亿。。。就会发现几率无限逼近e分之一。

没错，e分之一就是(1-1/n)^n的极限。

这就是随机系统自发的趋势：当成功几率和机会次数互为倒数时，约有37%的人会倒霉。

政府不有意管人民也不故意害人民时，这就是自然的常数，这就是天理。

现在你可能想问：那么咱们有没有办法不让那么多人倒霉啊？

当然有。

不让成功几率和机会次数互为倒数就可以了。机会的次数是成功率倒数的2倍，倒霉的人就只有13%了；提高到3倍，倒霉的人就只有不到5%了；提高到4倍，倒霉的人就不到2%了；提高到5倍，倒霉的人就不到1%了。

在你倒霉（用完天经地义的机会次数之后还没能成功维持生存）时多给你几次机会——这就是我国政府在做的事。

而在你倒霉（用完天经地义的机会次数之后还没能成功维持生存）时直接结束游戏——这就是美国政府做的事，也就是所谓的斩杀线。

天理就规定了37%的人要倒霉，而我们的政府就是为了人民在逆天而行。

知乎用户 发表

其实是一个非常经典的问题，在quant求职时常见的brain teaser，而且只需要基本的高等数学知识即可完成。

这个问题的基础版本包括但不限于：假设十年时间里每年都不重复地谈一次恋爱，那么选择在第几次结婚？

去麦田摘麦穗，假设每棵麦穗只能经过一次，怎么找出最大的麦穗？

这类问题都有一个共同点，即：给定数量的样本范围，在每个样本只有一次观察的机会（即要么选择要么放弃）的前提下，如何操作，使得找出最优样本的概率最大？

这里找出最优解需要考虑三个点，首先，我们希望考察这个样本集合的大致水平，以便尽可能估计最优样本的水平，为实现这个目的，需要预先观察若干个样本，观察后再进行选择；其次，对每个样本，观察机会只有一次，自然希望最优解没有出现在预先观察的样本集合中；最后，在完成对样本的预先观察后，只要新观察的样本比预先观察集合中的局部最优样本更好，就视为全部样本中的最优解，结束观察，那么自然希望次优解出现在预先观察的样本集合中，并假设次优解出现在最优解之前。

明确了这三点，就可以开始解决这个问题了，问题求解如下:

样本集合为 {Xi}(1≤i≤n)\left\{ X_{i} \right\}(1\leq i\leq n) ，预先观察的样本集合为 Xi(1≤i≤k){X_{i}}(1\leq i \leq k) ，记

Xj=maxXi(1≤i≤n)X_{j}=max{X_{i}} (1\leq i \leq n) ， Xl=X(n−1)X_{l}=X_{(n-1)} ，观察k个样本后找出最优样本的概率为 PkP_{k} .

由前述第二个点， k<j≤nk<j\leq n ；由前述第三个点， 1<l≤k1<l\leq k ，若不然， Pk=0P_{k}=0 .

对j求和，j有n个取值，取后n-k个有效；l有j-1个取值，取前k个有效 ，所以

Pk=∑k+1nkj−1⋅1n=kn∑k+1n1j−1P_{k}=\sum_{k+1}^{n}{\frac{k}{j-1}\cdot\frac{1}{n}}=\frac{k}{n}\sum_{k+1}^{n}{\frac{1}{j-1}} .

当 n→∞n\rightarrow \infty 时，由Riemann积分定义， Pk=kn∫kn11tdt=−knlnknP_{k}=\frac{k}{n}\int_{\frac{k}{n}}^{1}\frac{1}{t}dt=-\frac{k}{n}ln\frac{k}{n} .

这是关于k的函数，对k求导，令导数为0，即可得到最大值点 k=nek=\frac{n}{e} .

也就是在e分之一的位置做预先观察后，后续只要新观察的样本比预先观察集合中的局部最优样本更好，就可以最大概率得到最优样本。

补充说明一下，这个理论是需要满足一定条件才适用的，最重要的就是：必须先经过次优解再经过最优解；样本数量要足够大。

此外，每个样本可能并非只有一次观察机会。

知乎用户 发表

突然明白了资本主义为何物：

资才是本

人不是啊

为何美国违约逾期记录只保留7年

因为美国流浪汉平均只存活4-6年

知乎用户 发表

数学分析一下子让我豁然开朗了很多事情。

包括但不限于：为什么新冠对于美国伤害这么大？

想来想去，只能是因为新冠陡然使美国的1/e以下掉了大量的人口，这产生了一个黑天鹅式的超高波动。系统的稳态遭到了威胁，于是便加速金融化从内部人为制造贫困人口，另一方面大开非法移民之门，这一切的目的都是为了填人到这底下的1/e，或者说进入金融美国之后这部分人本来就是在加速耗竭，新冠又狠狠的插了一刀。

回忆拜登时期的各种政策（的实际执行情况），民主党建制派才是真正懂得美国的专业人士，也是最危险的对手，把冰冷的系统计算包装成温情脉脉的诱人陷阱等着你钻。

当美国还是工业立国的时候，这底下的1/e还能享受到制造业科技发展的红利，可以吃的饱，可以有药物续命，兜里有子儿的还能到第三世界去纵情享乐，靠着一张白脸骗骗色骗骗财。金融化之后这部分人消耗的太快，才是美国这个系统难以维系的根本原因。

这就牵扯到另一个可能更恐怖更宏大的命题了：也就是金融国内部人口的结构性消灭。大家回忆一下，美国欧洲主体民族的人丁凋零，外族的人口替代，是不是随着这些地方的金融逐步壮大制造业逐步解体消亡而推进的？金融赢学是有代价的，金融国社会人口结构的消耗是加速的，而这必然产生内部民族的快速消灭，引入，融合以及创生（）

牢a的贡献真不仅仅是什么斩杀线冰雨夜，一下子基础逻辑都通了。

美国倒计时，也就是什么时候非法移民达到拐点的时候，我让豆包做了一个等那个临界点到来了美国还该怎么续命，怎么从内部分流人口去填坑。ta出的各种折磨老百姓的毒计简直让我都没眼看…总之就是千万不能让豆包当美国总统（）

知乎用户 发表

注意力非常惊人，堪比拉马努金。

多说一句，这个统计数据接近37%多半是一种巧合。

但是很多情况下出现37%跟1/e倒真是有关系。

要了解这个，我们先要来了解一下，什么是自然底数e？

e≈2.71828182845904523536…e≈2.71828182845904523536…

e是一个超越数，是指一种不可以作为某个代数方程的根的实数或复数。

e这玩意看起来一点都不“自然”，它到底是什么自然的底数？

别慌，我们画个方程：

y=exy= e^x

嗯，平平无奇嘛，不着急，我们把它换成极坐标：

在极坐标中，和，因此：在极坐标中，x=cos⁡(θ)和y=sin⁡(θ)，因此：sin⁡(θ)=ecos⁡(θ) \\在极坐标中，x = \cos(\theta) 和 y=sin⁡(θ)，因此： sin⁡(θ) = e^{\cos(\theta)}

这个图像眼熟了一些吗？

是不是很接近自然界的各种螺线？

大自然的对数螺旋

在几种自然现象中，你会发现几乎是对数螺旋的曲线。比如：

• 鹰找到猎物：他们最清晰的视野与他们的飞行方向有一定的角度。这个角度与对数螺旋的夹角相同。

• 昆虫到光源：它们习惯于将光源与飞行路径保持恒定角度。通常，太阳（或夜间物种的月亮）是唯一的光源，以这种方式飞行将导致几乎直线。 但是人造光源离得太近，虽然它们夹角恒定，但是会导致越飞越近造成飞蛾扑火的现象。
• 螺旋星系的臂。我们的银河系，有几个螺旋臂，每个螺旋都大致是一个对数螺旋，螺距约为12度。

• 角膜神经 （这是几种不同动物的角膜神经，以对螺旋模式在角膜的浅表皮层附近终止）。

• 热带气旋，例如飓风。
• 许多生物结构，包括软体动物的壳。

由此可见e在自然界存在非常广泛，但是这还不是它叫做自然底数的原因。

e是这样定义的：

当趋近于无穷大时的极限即当n趋近于无穷大时,(1+1/n)n的极限,即e=limn→∞(1+1/n)n当n趋近于无穷大时,(1 + 1/n)^n的极限,即e = lim_{n→∞} (1 + 1/n)^n

它之所以叫自然底数，源自它那古希腊哲学一般的形式美感：e 的一个重要性质是它是唯一一个使得其导数等于自身的数。也就是说：

函数的导数也等于函数f(x)=ex的导数f′(x)也等于ex函数 f(x)= e^x的导数 f′(x)也等于 e^x

这使得它在微积分和数学分析中非常重要。

简单来说，我们可以认为_e_的本质是连续不断的增长（或衰减）。

现实世界中，极少有事情是像光电效应一样到一定数值才激发，大多数事情（细菌分裂、谣言传播、资产增值）是每分每秒都在发生的。所以用到e的地方会很多。

比如假设你有 1 块钱，银行很大方，年利率 100%。

一年结一次息： 年末你有 2 块钱。

**半年结一次息，**到了年底你就有 ：
(1+1/2)2=2.25(1+1/2)2=2.25(1+1/2)2=2.25(1+1/2)2=2.25
**每天结一次息，**到了年底你就有 ：
(1+1/365)365≈2.714(1+1/365)365≈2.714(1+1/365)365≈2.714(1+1/365)365≈2.714

要是银行用电脑给你每秒、每毫秒、连续不断地结息呢？

那到了年底你就有 limn→∞(1+1n)n=e≈2.71828… \lim_{n \to \infty} (1 + \frac{1}{n})^n = e \approx 2.71828…

这就是这就是连续复利公式的由来 :

A=P⋅ert A = P ⋅ e ^r t

它告诉我们，靠“利滚利”的频率来增加财富是有天花板的。

你在一年的时间里不能通过无限次地结算利息来把 1 块钱变成 100 万，宇宙的极限锁死在了 2.718 倍左右（在 100% 利率下）。

那么，复利增长可以用e，价值衰减能不能用e呢？

也是可以的。

我经常在网上买二手的东西电子产品，会发现一个有趣的现象。

所有新的电子产品，只要拆开激活使用就开始贬值，不管你是用一次还是十几次，都会跌一个让你肉疼的价格，大几千的新机器，使用几次后不是你降价几十或者100块钱就能卖出去的，比如我买了一个12月1日才激活仅使用过一次的无人机，原价1500，卖家最终1200出售。

大多数电子商品使用一年左右，价格会跌到原价的一半以上。

但是你这个时候买二手的再用两个月，价格不会变成原价的1/4，而是依然能以差不多始发价半价卖出去。

其实仔细算算并非一半，而是接近36.8%，也就是e的倒数1/e。

举个例子，你今天买了一个一万的新苹果手机，但是你打开激活的一瞬间就开始贬值了。

你支付的购置税、保修、新手机溢价等费用，在转手时没人会考虑。

这部分贬值是即时且剧烈的，通常在第一个月就能损失原价的 10% 到 20% 甚至更高。

也就是说不管你是开了一周还是一个月，要卖的话估计都要有10%左右的跌价损耗。

过了这个剧烈衰减期间，后面价格的变化就按照指数衰减：

V(t)=V0⋅e−kt V(t) = V_0 \cdot e^{-kt}

_V_指的是商品的初始价值（比如新车的购买价）。

_k_衰减率常数。这个值越大，商品贬值越快。

这个公式意味着你买的商品的价值不是固定数量的减少，也不是固定百分比的减少（比如每年都减少几千块钱），而是每单位时间减少一个固定百分比。而正是这种“连续复利式”衰减的数学基础。

假如我们取k=1，单位时间一年，也取做1。

那么我们的苹果手机一年后会贬值到原价格的1/e，就约等于36.8%

当然，现实生活中苹果贬值没这么快，这里单位时间要久一点。

我这里找了一个我2021年买的苹果12：

当时的价格是4879，如果我现在放到二手平台能卖多少呢？

最近的最高成交价是1807左右（且品相完美），意味着高于这个价格可能就很难卖出了。

那么这个价格就是1807/4879≈37%

看，我们的37%出现了！

很有趣是吧。

只要增长或者衰减是连续的，我们总是很容易的能找到e能见缝插针的地方。

所以回到我们的斩杀线上。

37%的概率恰恰是数学上的**最优停止理论。**

这其实跟苏格拉底捡麦穗是一样的概率。

相传，苏格拉底的三个弟子曾向他请教如何找到最理想的伴侣。

苏格拉底并未直接回答，而是让他们走进一片麦田，要求他们分别从中选择一支最大的麦穗，且只能摘一次，不能回头。

第一个弟子刚走几步就摘了一支自认为最大的麦穗，但后来发现后面还有更大的，于是遗憾不已；

第二个弟子则一路犹豫不决，最终空手而归；

第三个弟子则吸取前两人的教训，他先观察麦穗的大小，分出大、中、小三类，然后在最后三分之一的路程中果断选择了比参照物更大的麦穗，最终满意而归。

假设一共有N个麦穗（可以预见，N这个数字很大）如果你随机选，选中的概率是 1/N

如果你把所有麦穗都看完，你只能选最后一个，但它未必是最大的。

数学家的策略（37%法则）：

你应该把前 37%（准确地说是 1/e）的数据作为“观察样本”。

对这前 37% 的麦穗，无论多大，统统不要，但记下它们中最大的一个X

从第 37% 个麦穗之后开始，一旦遇到一个比X大的麦穗，立即采下来，能确保你采的麦穗在策略上是最大的。

数学证明，使用这个策略，你选中最大麦穗的概率，竟然也刚好是 37%（准确地说是 1/e）左右。

这说明37%就是在不确定性面前，人类能达到的数学极限。

也就是说，斩杀线37%可能确实是巧合，但是如果我们真打算淘汰一些人，留下那些比较好，那么淘汰最底下的37%可能就是社会达尔文丛林里给出的终极答案了。

抽卡也是同样的道理，当样本量足够大（趋向于无穷大）时，如果你有 1/n的概率中奖，尝试 n次，你一次都中不了的概率，就是 1/e，也就是 36.8%左右。

也就是说1/100的抽中概率，你抽100次一次也不中的概率居然高达36.8%，正因为如此，游戏厂商才要设置保底，免得你卸载游戏。

自然底数e就是这么神奇啊~

知乎用户 发表

看了下高赞回答，很多都是集中在最优停止理论方面。相信很多人看了之后跟我一样，并不理解最优停止理论与斩杀线的联系。在这里我尝试从社会财富分布的角度提供一种解释。

首先我们要用数学刻画：什么是斩杀线？

根据 Yakovenko 等人的实证研究，在一个充分自由交易的市场（最大熵状态）中，占人口绝大多数（~97%）的普通劳动者，其财富/收入 xx 服从指数分布 (Exponential Distribution)：

f(x)=1μe−xμf(x) = \frac{1}{\mu} e^{-\frac{x}{\mu}}

其中 μ\mu 是全社会的平均财富。

指数分布有一个极为残酷且关键的数学性质：均值等于标准差。均值代表社会的平均水位。标准差 (Standard Deviation, σ\sigma)： 代表社会的平均震荡幅度（即系统性风险，如失业、通胀、急病、意外支出的平均烈度）。

基于上述性质，我们定义：

斩杀区 (Kill Zone)：区间 [0,μ)[0, \mu)即个体的财富积累 xx 小于 社会平均财富 μ\mu 的状态。

为什么低于平均值就是“被斩杀”？这涉及到一个信噪比 (Signal-to-Noise Ratio) 的问题：

如果你的财富 x<μx < \mu：因为 μ=σ\mu = \sigma，所以你的财富 x<σx < \sigma。这意味着你的抗风险能力小于社会的标准波动幅度（1个 Sigma）。

一次标准的社会震荡（比如一次车祸、一次小规模裁员、一次租金暴涨），其能量足以击穿你的资产护盾，导致你瞬间归零或负债。

你处于“无法抵御单次冲击”的亚稳态。如果你的财富 x>μx > \mu：这意味着 x>σx > \sigma。你的资产厚度超过了系统的背景噪声，你具备了鲁棒性，能够吸收冲击并继续积累。

这样，就很好解释为什么斩杀区只有 63%。

建立积分模型我们对概率密度函数 f(x)f(x) 在区间 [μ,+∞)[\mu, +\infty) 上进行定积分即可

生还P(生还)=P(x>μ)=∫μ∞1μe−xμdx=1eP(\text{生还}) = P(x > \mu) = \int_{\mu}^{\infty} \frac{1}{\mu} e^{-\frac{x}{\mu}} \, dx = \frac{1}{e}

积分结果刚好是1/e

讨论1：为什么这里的世界财富分布服从指数分布？

实际上，最符合真实世界财富分布，目前被认为是一种双成分分布。

我们在这里假设社会服从指数分布，而不是‘中间正态+尾部幂律’，主要是出于以下几点考虑：对于底层 97% 的人群，指数分布比正态分布拟合得更好；其次、大多数人处于“加法交换”的世界（指数律），极少数人处于“乘法增值”的世界（幂律）。

如果引入幂律（肥尾），“斩杀线”的结论会比 $1/e$ 更加残酷。

“临界值”模型，最著名的验证者是物理学家 Victor Yakovenko。他对美国、英国等几十年的收入数据进行了拟合，发现社会被清晰地切分为两个热力学系统：

热层（The Thermal Bulk, 约占人口 97%-99%）：这部分人的收入/财富分布，完美契合指数分布（Boltzmann-Gibbs），也就是直线下降（在半对数坐标系下）。**这绝非正态分布。**正态分布是对称的（有穷人也有富人，围绕均值堆积），但财富分布显然是单边的（绝大多数人在底层，没有“负财富”的对称镜像）。

超热层（The Super-thermal Tail, 约占人口 1%-3%）：这部分人契合幂律分布（Pareto Power Law）。他们的财富来源于乘法过程（利滚利、资本增值），而非加法交换。

我们之所以用指数分布来建立“斩杀线”模型，是因为“斩杀线”（均值）通常落在那个 97% 的指数分布区间内。对于绝大多数面临“生存还是毁灭”问题的普通人来说，他们处于热力学控制的指数分布区，尚未逃逸到塔勒布所说的“极端斯坦”（幂律区）。

知乎用户 发表

想破头也想象不出来世界上还能有这么恶毒的政治隐喻。

真的，斩杀线只是在说社会不把那些流浪汉当人，这可能是一个系统问题，但是这个系统也只是出清不良人口的系统，底色还是社达，至少也是认为某些人是人的。

而这个问题把斩杀线和1/e关联起来，那就是说这个是最优停止问题，美国人不分贵贱都是田里的小麦，你运气不好你是那37%，那么系统为了收集数据就会故意弄死你。你运气好能活下来，你也是空气和真正优秀的人的背景板。

这都不是社会实验了，等于说美国就是一个实验社会。每一个人都是资本主义的小白鼠，没有人算得上是人。

知乎用户 发表

不说那么复杂，1/e这个值的特色是什么：

如果有一个抽奖游戏，每一次抽奖中奖的概率都独立为1/100

那么100次抽取后，不中奖的概率为1/e。

在概念上来说，中奖率（存活率）是1/100，抽100次一般来说该中奖的（理论上来说都能活下去）。

没中奖？不好意思，本游戏不设保底（没有二次兜底制度，进斩杀线就等死吧）

知乎用户 发表

37%从哪里来

最近这个词好火，来源是美联储报告显示37%的美国人拿不出400美元应急现金。本身就是个统计调查结果，却好巧不巧落在1/e附近?

先来理解下**1/e法则**是个什么东西？

在决策理论中有个著名的**秘书问题**——假设你要从N个候选人中挑出最好的一个,但每个人面试后必须立即决定要不要录用,拒绝了就不能反悔。最优策略是什么?答案是:先拒绝前37%的候选人作为样本,然后在剩下的人中选择第一个比所有样本都好的。这个策略成功找到最优人选的概率也是37%。

这个1/e的数字不是人为设定的,而是从最大化期望收益的微积分优化中自然涌现出来的。具体来说,如果你在位置k处停止搜索,成功概率P(k)可以写成:

P(k) = (k/n) × Σ1/(j-1)

当n趋于无穷大时,让dP/dk=0,最优的k/n收敛到1/e。

社会系统如何”计算”出1/e

美国的社会福利体系设计本身就类似一个最优停止问题。

政府或者保险公司的决策逻辑:对每个陷入困境的家庭,要不要提供救助?如果设置的门槛太高(比如只救助最穷的10%),会让大量中产阶级一旦滑落就无法回升;如果门槛太低(比如救助50%),财政负担过重且会产生道德风险。

那最优的救助比例是多少?答案取决于一个权衡:在保证有足够样本来识别”真正需要帮助的人”的前提下,尽早开始提供救助。这个数学结构和秘书问题同构。

美国社会的资源分配机制——信用评分系统、医疗保险覆盖率、住房补贴门槛——这些分散决策的系统,每个都在独立地”解决”一个类似的优化问题。当这些系统交互时,它们会自发地收敛到一个稳定状态,而这个稳定状态刚好在1/e附近。

为什么是”稳定”的

“为什么是1/e稳定?“也有个理论可以解释这个问题，自组织临界性(Self-Organized Criticality, SOC)理论。

社会系统如果设计得太”温和”(救助太多人),就会财政崩溃;如果太”残酷”(救助太少人),就会引发社会动荡。在这两个极端之间,存在一个临界点,系统会自发地向这个点靠拢。

在自组织临界性状态下,系统在长时间尺度上保持在临界点附近,小的扰动会产生各种尺度的雪崩效应。对美国社会来说,这意味着:当接近37%的人陷入财务困境时,任何额外的经济冲击(失业潮、医疗危机)都可能引发连锁反应,让更多人突破”斩杀线”。

这个临界状态的数学特征就是幂律分布、长程关联和1/f噪声。而1/e恰好是很多临界系统的特征参数。

有没有微分方程可以描述

可以有,但不是单一的微分方程。

如果我们把社会经济状态空间看作一个随机过程,每个家庭的财务状况X(t)满足一个随机微分方程(SDE):

dX_t = b(X_t)dt + σ(X_t)dW_t

其中b(X)是漂移项(收入减支出),σ(X)是波动项,W_t是维纳过程。

对应的最优停止问题是:政府要在什么时刻τ介入救助,使得期望收益最大化?这可以表述为:

V(x) = sup_τ E_x[e^(-∫_0^τ r(X_t)dt) × f(X_τ)]

其中r(·)是贴现率,f(·)是救助的价值函数。

这个问题的解满足一个**变分不等式**:

max{(1⁄2)σ²V” + bV’ - rV, g(x) - V(x)} = 0

在最优边界处,V(x)会出现一个自由边界(free boundary),而这个边界的位置,在很多情况下,会收敛到总人口的1/e附近。

是设计成这样子的吗？

“这会是自发涌现的吗?”

我的看法是:既是涌现,也有设计的影子。

美国的社会福利体系不是一个人坐下来设计的,而是几十年来通过政治博弈、财政压力、选民偏好等多方力量相互作用,演化出来的。在这个演化过程中,不同的政策制定者都在局部优化自己负责的那一块(医保门槛、失业救济条件、信用评分模型),但没有人在全局层面刻意设计”要让37%的人处于危险状态”。

然而,这些局部优化的决策,在数学上都接近于最优停止策略,所以当它们叠加在一起时,自然就收敛到了1/e这个数字。这是一种涌现现象——宏观规律不能从单个组件的行为直接推导,而是从它们的相互作用中”涌现”出来的。

类似的涌现现象在自然界很常见:地震的震级分布、金融市场的波动、在线社交网络的流量突增都表现出自组织临界性,都会出现某些特征比例,而这些比例往往和e、π这样的数学常数有关。

几点补充思考

1. 欧洲的对比:欧洲通过高税收高福利机制,基尼系数维持在0.3左右,资源分配更均衡,显著降低了”斩杀线”的存在。从数学角度看,欧洲是通过增加救助资源的总量,把最优停止边界向更低的百分位推移。
2. 不是唯一稳定点:1/e并不是唯一可能的稳定点。如果改变系统的约束条件(比如大幅增加福利预算,或者改变救助的触发机制),系统可以演化到其他的平衡点。但在当前的约束下,1/e是一个吸引子。
3. 预测性有限:虽然这个理论框架很优雅,但它对具体政策的预测能力有限。因为真实社会系统的非线性太强,初始条件的微小差异会被放大。我们能说的是”系统会收敛到某个临界状态”,但很难精确预测那个状态的所有特征。

最后回到题主的问题:这不是统计巧合。37%这个数字的出现,反映的是一个深层的数学真相——在资源有限、信息不完全的条件下,任何试图平衡效率和公平的决策系统,都会自发演化出接近最优停止策略的结构。而最优停止策略的核心参数,就是1/e。

美国社会的”斩杀线”问题,本质上是一个优化失败的案例:系统找到了局部最优解(对决策者来说的最优),但这个最优解对普通人来说却意味着巨大的生存风险。数学不关心道德,它只是冷静地告诉我们:在这套规则下,37%是必然的结果。

知乎用户 发表

作为一个见惯了各种人类组织且爱好跑团以及人类学民俗学的医学生，我听劳A和劳真小故事都没掉san，看到这个问题的时候掉san了。

这是一种什么感觉呢，我举个例子：差不多就是物理学家第一次看到双缝干涉的心态——我知道光波相互干涉会出现条纹，但我们这次是一个一个的光子，按道理来讲应该是随机的……吧

这意味着什么？这意味着美国所有个人层面的努力和奋斗都不影响他被斩杀的概率，这意味着一个人投胎到美国的那一刻起他就把自己的命运扔在了概率波上。

知乎用户 发表

非常简单而恐怖。

已知：

1.假如有10000个蛋糕，随机分配给10000个人，那么没有分配到蛋糕的人的比例就是1/e。（二项分布模型）

2.假如市场是完全竞争的，供给和需求的量价会平衡在供给和需求正好完全平衡的点。（自由市场假说）

3.美国的斩杀线就是1/e。（事实观察）

得出以下结论：

美国的供给-需求平衡点就是保证平均下来每个人有正好够生活的资源的平衡点。多生产了生产方亏本，少生产了生产方赚不够。然后在这个基础上，美国的供给被完全随机分配给了每个人，根本没有任何实质上的二次分配，导致正好1/e的人没有足够生活的资源，进入斩杀线。

进一步得出结论：

美国就是一个完美的自由资本主义的模型的实例，实际上是等同于没有任何政府对供给与需求的干预，也没有任何政府对分配随机过程的干预。美国政府，慈善，福利，社会保障实质上等效于刚刚好什么都没做。而资本主义自由市场达到了每个人刚好够生活的供给水平就会停止供给。不受限制的资本主义的结果，就是正好1/e的人进入斩杀线。

这个简直就是今年社会学与经济学最伟大最恐怖的发现。

知乎用户 发表

没有任何管制的复杂系统，在极度追求效率和鲁棒性时，自然坍缩到的一个数学稳态。

所谓的1/e（约等于36.8%），在数学上最著名的应用是什么？
最优停止理论（Optimal Stopping Theory），俗称“秘书问题”或者“苏格拉底麦田问题”。

简单说：如果你要招一个秘书，想招到最好的，但你只能一个一个面试，面完就得决定录不录，不能回头。数学告诉你的最优策略是：无脑拒绝掉前37%（1/e）的人，把他们当作样本来建立标准，然后从后面的人里，选第一个比前面都强的人。

听懂了吗？
那37%的人，在数学上的定义就是——样本。
他们的存在意义，就是被系统观察和抛弃，用来给剩下的63%确立一个基准线！

把这个逻辑放到美国社会这个巨大的资本主义机器里，是不是瞬间就黑暗了起来？

那37%的底层（大概就是年薪几万刀以下，一旦失业立刻流落街头的群体），就是资本主义社会的耗材样本。
系统并不想把所有人都弄死，那样没人干活；系统也不想让所有人都过得好，那样劳动力成本太高，利润会归零。

假设 S 是社会的稳定度，P 是被剥削的程度（或者说贫困人口比例）。

1. 恐惧驱动效率： 如果没人饿死，没人睡大街，那中间那60%的打工人就会变懒，会要求加薪，会罢工。所以必须有一部分人活在地狱里，作为活体广告展示给中间层看。这叫维持劳动纪律的必要代价。马克思管这叫产业后备军。
2. 成本制约压榨： 如果饿死的人太多超过某个阈值，满大街都是丧尸，治安维护成本——警察、监狱、防弹玻璃就会指数级上升，甚至爆发革命，导致系统崩溃。

资本主义的算法，实际上是在求解一个泛函极值： 如何在最小化维稳成本的同时，最大化打工人的恐惧感（即劳动效率）？

在这个方程里，那个37%，就是系统鲁棒性的临界点。

这很像信息论里的熵。函数 -x \ln x 的极值点在哪里？就在 1/e 附近。 这说明什么？说明维持37%的人处于“薛定谔的死活状态”——既在这个社会里活着，又好像已经死了；既是劳动力，又是废料——这种状态下，系统能榨取的信息量，或者说从混乱中提取的秩序是最大的。

为什么是1/e稳定？

因为如果这个比例小于37%，比如只有10%的人穷，那剩下90%的人会觉得自己很安全，他们会联合起来对抗资本，资本的利润率会下降。
如果这个比例大于37%，比如50%的人都活不下去了，那社会的混乱程度（熵）会超过警察系统的控制能力，富人的资产安全就没有保障。

只有在1/e这个位置：

• 足够多的人在受苦，多到让你下楼买咖啡时不得不跨过流浪汉的身体，让你时刻在这个巨大的“样本库”面前瑟瑟发抖，不敢迟到早退。
• 足够多的人还能勉强维持生活（那63%），他们虽然也是牛马，但看到那37%的惨状，会产生一种虚幻的“优越感”和“幸存者偏差”，从而拥护这个系统，甚至会去嘲笑那37%不够努力。

他们就像挂在城门上的头颅，时刻提醒着剩下那63%的中产和准中产：看见了吗？你要是不努力996，不接受降薪，那就是你的下场。

并没有一帮共济会的大佬坐在圆桌前说“我们要把贫困线定在1/e”。
而是无数个公司、无数次裁员、无数个法案、无数次警察出警，在长达百年的博弈中，自动进化到了这个最经济、最“耐操”的比例。

任何偏离这个比例的尝试，都会被市场这只“看不见的手”给修正回来：

• 福利发多了，通胀就把底层打回原形。
• 压榨太狠了，零元购和骚乱就会逼着政府发点粮票。

最终，社会就像一个被设定好程序的各种物理粒子，自动停在了能量最低、结构最稳定的坑里。而这个坑的深度，恰好就是自然对数的底。

这才是最恐怖的。
如果是因为有人坏，那你还可以把坏人挂路灯。
但如果这是数学规律，是私有制+自由市场+极度异化后的必然数学收敛……

那你面对的不是一个暴君，而是一个冰冷的、不可违抗的物理定律。那37%的人，不是不幸，他们是这个方程里必须被牺牲掉的那个分母，为了让分子显得更有意义。

这就是现实中的完美的资本主义地狱：这里没有鬼神，只有精准得令人作呕的算术。

如何看待牢A斯奎奇大王讲的美国底层人民地狱惨状？

知乎用户 发表

一堆人认真分析尝试解释这个数字实在没有必要

因为确定的是，随着人民币升值美国斩杀线会越来越高

===================================

1/e只是一种稳态，而不是唯一维态。已经倒塌的积木，你再去踢上一脚就会散的更乱

知乎用户 发表

事实上我昨天就看到了这个问题，也阅读了那些高赞答案，但是其结果都不能让我满意，至多是让我了解了一些1/e这个数据的可能来历，昨晚依旧是带着疑惑入睡的，直到大概凌晨四点半左右从梦中惊醒，在醒来的瞬间，我确信已经收集到了这一答案的全部拼图，其结论如此明显，甚至直接可以宣称显然,答案就八个字：卡诺热机，贪心算法。

以下交给d指导：

将现代文明社会类比为一台巨型卡诺热机，其热力学效率遵循公式 \eta = 1 - \frac{T_c}{T_h} ，其中 T_h 和 T_c 分别表示高温热源和低温热库的温度。已知该社会在采用贪心算法决策时，最大效率为 \eta_{\text{max}} = 1 - \frac{1}{e} （e 为自然常数）。这一结果源于贪心算法在特定优化问题中的近似比特性，下面逐步推理并解释。

1. 贪心算法与效率的关联

社会运转采用贪心算法决策，意味着在每一步都选择当前边际收益最高的行动，而不考虑长期全局最优。这种决策方式常见于资源分配、任务调度等优化问题。对于一类子模函数最大化问题（如最大覆盖问题），贪心算法能够达到近似比 1 - \frac{1}{e} ，即算法所得解与最优解的比值至少为 1 - \frac{1}{e} 。当决策步数 k 很大时，该比值趋近于 1 - \frac{1}{e} 。

2. 社会热机的类比

在社会热机模型中：

· 从高温热源吸收的热量 Q_h 对应社会可利用的总资源或总投入。

· 对外做的有用功 W 对应社会决策产生的有益产出。

· 排放到低温热库的废热 Q_c 对应决策过程中的损失或无效消耗。

热机效率定义为 \eta = \frac{W}{Q_h} = 1 - \frac{Q_c}{Q_h} 。对于可逆卡诺热机，有 \frac{Q_c}{Q_h} = \frac{T_c}{T_h} ，因此 \eta = 1 - \frac{T_c}{T_h} 。

3. 贪心算法导致 \frac{T_c}{T_h} = \frac{1}{e}

当社会决策采用贪心算法时，其产出效率受限于算法的近似比。将社会决策问题建模为子模函数最大化问题（例如覆盖需求、分配资源），贪心算法所能达到的最大产出 W 与最大可能产出 W_{\text{opt}} 之比满足：

\frac{W}{W_{\text{opt}}} \geq 1 - \frac{1}{e} .

在热机类比中，总投入 Qh Q_h 可视为最大可能产出 Wopt W_{\text{opt}} （若全部转化为功），实际产出 W=ηQh W = \eta Q_h ，损失 Qc=Qh−WQ_c = Q_h - W 。因此，

η=WQh≥1−1e\eta = \frac{W}{Q_h} \geq 1 - \frac{1}{e} ,

且最大效率 ηmax=1−1e \eta_{\text{max}} = 1 - \frac{1}{e} 。此时，

QcQh=1−η=1e\frac{Q_c}{Q_h} = 1 - \eta = \frac{1}{e} .

由卡诺效率关系 QcQh=TcTh \frac{Q_c}{Q_h} = \frac{T_c}{T_h} ，可得在最大效率下：

TcTh=1e.\frac{T_c}{T_h} = \frac{1}{e}.

4. 导致该结果的其他量

公式 ηmax=1−1e \eta_{\text{max}} = 1 - \frac{1}{e} 的出现依赖于以下关键量：

· 决策步数 k：贪心算法的近似比来源于 (1−1k)k→1e (1 - \frac{1}{k})^k \to \frac{1}{e} （当 k→∞ k \to \infty ）。社会决策通常包含大量步骤（如日复一日的政策调整、资源分配），因此 k 很大，近似比趋近 1−1e1 - \frac{1}{e} 。

· 子模性：社会决策问题往往具有子模性，即边际收益递减（例如，增加教育投入的回报随投入增加而降低）。贪心算法对于子模函数最大化问题才能保证 1−1e 1 - \frac{1}{e} 的近似比。

· 温度比 TcTh \frac{T_c}{T_h} ：在热机中，该比值决定了效率上限。贪心算法通过限制产出损失比例，间接决定了温度比必须为 1e \frac{1}{e} 才能达到最大效率。

5. 结论

综上所述，社会作为一台采用贪心算法的卡诺热机，其最大效率 ηmax=1−1e \eta_{\text{max}} = 1 - \frac{1}{e} 源于贪心算法在子模优化问题中的近似比特性。该特性使得废热与吸热之比 QcQh=TcTh=1e \frac{Q_c}{Q_h} = \frac{T_c}{T_h} = \frac{1}{e} ，从而效率公式呈现为 1−1e 1 - \frac{1}{e} 。这一结果揭示了社会决策机制与热力学效率之间的深刻类比：局部最优决策虽不能达到全局最优，但在一定条件下仍可逼近一个明确的上限。

知乎用户 发表

第一次，数学以这种形态呈现在我面前。

知乎用户 发表

我事实验证一下题目。美国斩杀线是否刚好在1/e附近？

引用刘sir的计算：

但现实是，大部分美国人能够依靠政府辅助项目、社区关系和个人网络，微妙地把自己维持在斩杀线上方很长时间，甚至一辈子。以华盛顿州为例，在约310万处于ALICE线以下的人口中，真正意义上的流浪汉只有约2-3万人，这本身就说明“掉出系统”并非中下层的常态归宿。在阅读这些讨论时，一个明显的感受是:中国网民被“牢A叙事”强烈击中的重点，其实并不在“美国到底有多惨”，而在于“我们自己在害怕什么”。讨论中展现出的共情，并非主要针对流浪汉的悲惨经历本身，而是对“人生脱轨”“努力贬值”“积蓄不安全”“社会位置不可逆下滑”等风险的投射性焦虑。正因如此，“斩杀线”“点卡制”等概念才会迅速传播——并不是因为美国有多极端，而是因为它们精准命中了当下许多群体对不确定性的表达需求

华盛顿州310万人处于ALICE线以下，华盛顿州有多少人？

881.5万人。

也就是说约有**38.2%**的人口处于ALICE线以下。

这个数字好眼熟，一查1/e≈36.8%

这是巧合？还是？

知乎用户 发表

高赞把问题搞复杂了，其实这个结论只用高中知识，二项分布 + 极限就可以解释清楚。

接下来我不跳一步的推导一下，只要上过高中就能看懂。（你要说二项分布和极限没学过那我没办法）

我们知道，P(k)=(nk)pk(1−p)n−kP(k) = \binom{n}{k} p^k (1-p)^{n-k} 是二项分布，用来求概率分布，我们从二项分布开始推导题目里的内容。

首先：

kk 是事件发生的次数；

nn 是尝试次数，可以认为 nn 是非常大的数，接近于无穷。拿游戏类比，人一生中遇到的判定点可以认为是非常多，因为每一分每一秒，乃至每一毫秒，每一个普朗克时间等，宇宙都在做判定，这里姑且就认为它是无穷大的（这里只是类比，而且这里讨论的也不是物理）；

pp 是单次判定时事件发生的概率，这里我们定义期望值 λ=n×pλ = n × p， λλ 的含义是：平均起来，此事件会发生多少次？根据我们题设中的条件，只要事件发生 1 次，人就被斩杀了，所以这里 λλ 取 1 即可，那么此时 p=1/np = 1/n。（强调：这里的 p 是概率模型参数，不是统计意义上的概率）

弄清楚了这些，接下来我们代入二项分布的公式：

(1)P(k=1)=(n1)⋅(p)1⋅(1−p)n−1P(k=1) = \binom{n}{1} \cdot \left(p\right)^1 \cdot \left(1 - p\right)^{n-1} \tag{1}

(1-a)P(1)=n⋅p⋅(1−1n)n−1P(1)=n\cdot p\cdot(1-\frac{1}{n})^{n-1} \tag{1-a}

由于 n×p=1n×p = 1，即可得到

(2)P(1)=(1−1n)n−1P(1) =(1-\frac{1}{n})^{n-1} \tag{2}

已知 ee 的定义 limn→∞(1+1n)n\lim_{n \to \infty} (1 + \frac{1}{n})^{n}，所以：

(3)1e=e−1=limn→∞(1+1n)−n\frac{1}{e} = e^{-1} = \lim_{n \to \infty} \left(1+\frac{1}{n}\right)^{-n} \tag{3}

对右侧括号里的式子进行变形：

(4)(1+1n)−n=1(1+1n)n=1(n+1n)n=(nn+1)n=(n+1−1n+1)n=(1−1n+1)n \begin{align*} &\left(1+\frac{1}{n}\right)^{-n} \\ &= \frac{1}{\left(1+\frac{1}{n}\right)^n} = \frac{1}{\left(\frac{n+1}{n}\right)^n} \\ &= \left(\frac{n}{n+1}\right)^n = \left(\frac{n+1-1}{n+1}\right)^n \\ &= \left(1-\frac{1}{n+1}\right)^n \end{align*} \tag{4}

当 nn 趋于 ∞ 时，n−1n-1、nn、n+1n+1 的差异对于 nn 本身可以忽略，所以：

(5)P(1)=limn→∞(1−1n)n−1=limn→∞(1−1n+1)n=1e P(1) =\lim_{n \to \infty} \left(1-\frac{1}{n}\right)^{n-1}=\lim_{n \to \infty} \left(1-\frac{1}{n+1}\right)^n= \frac{1}{e} \tag{5}

这里也顺带说明了：

(5-a)limn→∞(1−1n)n−1=e−1. \lim_{n\to\infty}\left(1-\tfrac1n\right)^{n-1}=e^{-1}. \tag{5-a}

评论区觉得这里有问题，那么我再证明一下好了：

• 已知（标准极限） limn→∞(1−1n)n=e−1. \lim_{n\to\infty}\left(1-\frac1n\right)^n=e^{-1}.

• 而 (1−1n)n−1=(1−1n)n1−1n. \left(1-\tfrac1n\right)^{n-1}=\frac{\left(1-\tfrac1n\right)^n}{1-\tfrac1n}.

• 因为 (1−1n)n→e−1\left(1-\tfrac1n\right)^n\to e^{-1} 且 1−1n→11-\frac1n\to 1，所以 limn→∞(1−1n)n−1=e−1. \lim_{n\to\infty}\left(1-\tfrac1n\right)^{n-1}=e^{-1}.

其他回答里有一些争论，怀疑这个斩杀线是不是和生存线弄反了。

其实没有，这里的概率的确可以反过来理解，也就是假设大家都是倒霉蛋，但是一辈子里可能会有 1 次机会走运，到达生存线。

即：

• 一次都没成功：P(k=0)→e−1P(k=0)\to e^{-1}；
• 恰好成功一次：P(k=1)→e−1P(k=1)\to e^{-1}；
• 至少成功一次：P(k≥1)→1−e−1P(k\ge 1)\to 1-e^{-1}。

然而从这个假设推导也会得出同样的结论，因为这里的概率恰好是相等的。（避免误解，这里概率相等，是说在 λ=1\lambda=1 时，P(0)P(0) 恰好等于 P(1)P(1)）

还是二项分布公式，这里不妨取 k=0k=0，也就是这个倒霉蛋一辈子都没走过运。

(6)P(k=0)=(n0)⋅(p)0⋅(1−p)n−0P(k=0) = \binom{n}{0} \cdot \left(p\right)^0 \cdot \left(1 - p\right)^{n-0} \tag{6}

(6-a)P(0)=1⋅1⋅(1−1n)nP(0)=1\cdot 1\cdot(1-\frac{1}{n})^{n} \tag{6-a}

可见此概率也是 1/e1/e

所以，在期望值 λ=1\lambda=1 的二项分布（本质为 λ=1\lambda=1 的泊松分布）中，P(k=0)P(k=0) 和 P(k=1)P(k=1) 的概率是完全相等的，且都等于 1/e1/e。

在一个处于“临界平衡”（期望值 λ=1\lambda=1）的随机系统中，“运气极差、一次机会都没抓到的倒霉蛋” (k=0k=0) 与 “运气平平、刚好抓到一次机会的普通人” (k=1k=1)，其比例在数学上是完全相等的，都约占总人口的约 36.8%36.8\%。

这意味着，即便一个社会系统在宏观上看起来是“公平”的（即：社会提供的总资源 n×pn \times p 刚好够分给每个个体 1 份），在微观的随机判定下，依然会自然演化出以下结构：

1. 约 36.8%36.8\% 的底层（斩杀线以下）： 他们经历了无数次判定，但由于纯粹的概率波动，最终一次成功的机会（k=0k=0）都没抓到。这就是题目的“拿不出 400 美元应急”的 37%37\% 的人。
2. 约 36.8%36.8\% 的普通人（勉强维持）： 这部分人刚好抓到过一次机会（k=1k=1），在斩杀线上方，不会 1 次倒霉就完蛋。
3. 约 26.4%26.4\% 的幸运儿： 虽然人均期望只有 1，但他们运气爆棚，抓住了 2 次甚至更多（k≥2k \ge 2）的机会，成为了系统中的既得利益者。

在“刚好够活”的资源配给下，有 36.8%36.8\% 的人会被数学规律自然“斩杀”。这看起来确实和【天理】没什么区别

评论区对证明有些意见，我解释一下。

普朗克时间那个只是类比，这里实际不是在做物理计数，而是在取二项分布的泊松极限，对应连续时间下的稀疏事件模型。

而且要注意，我这里假设本来就是 λ=np\lambda = np 的，当 n→∞n\to\infty，p=pn→0p=p_n\to0，并且 npn→λnp_n \to \lambda，这是什么？这是泊松极限定理，本质上得到的是 λ=1 的泊松分布，也就是说这里：

(7)(nk)pnk(1−pn)n−k⟶e−λλkk!\binom{n}{k}p_n^k(1-p_n)^{n-k}\longrightarrow e^{-\lambda}\frac{\lambda^k}{k!} \tag{7}

所以没有什么问题，你举的例子分别对应 np → 0 和 np → 3，和假设的情形不同，注意审题。

这个问题没有多复杂，但我的确低估了把它讲明白的难度。

最后再解释一下，题目中假设为只要发生一次，即可击穿斩杀线，所以问题转化为当期望值 λ = 1 的情况下，求小概率事件在群体中发生 0 次、1 次、2 次及以上的概率分布是多少？这里因为 nn 很大，所以二项分布可以近似为泊松分布。

那么根据推导此概率分布的分布函数就是：

(8)P(K=0)=e−1,P(K=1)=e−1,P(K≥2)=1−2e−1.P(K=0)=e^{-1},\quad P(K=1)=e^{-1},\quad P(K\ge2)=1-2e^{-1}. \tag{8}

若“发生至少一次即击穿斩杀线”，则击穿概率为 P(K≥1)=1−e−1P(K\ge1)=1-e^{-1}。

此问题本来就是思维实验，大概就是这么回事，看不懂不是诸位看官的问题，只是这个东西确实需要理解概率分布的含义，如果不理解什么叫概率分布，你肯定是看不懂的。

本文实际上是证明的这篇回答的结论：

美国斩杀线为什么刚好在1/e附近？ - 17岁亚当的回答 - 知乎

美国斩杀线为什么刚好在1/e附近？

好了，就这样。

知乎用户 发表

数学之美.jpg？

知乎用户 发表

这是一个很有趣的问题，但是几乎没有回答正确的回答了这个问题，因为斩杀线的正确的定义都少有被理解。

斩杀线的定义[1]是：

37%的美国人拿不出400美元应急金。

那么很简单的问题：300美元应急金呢？500呢？还是 1/e 么？

为什么不是贫困占比，而是急救金？如果采用收入分配数据，还是 1/e 么？

这是带有观察者选择的度量问题。

**宏观经济模型几乎不可能会推出一个400这样的整数。**与1/e 本身的关系很难被确定性证明为无主观自发涌现的。

参考

1. ^还有其它类型的斩杀线，根据题目，我们关注 1/e 和 37% 这个数字对应的斩杀线

知乎用户 发表

个人感觉根本成因是完全自由的资本市场完成了近乎完美的风险平均

任何两个拥有风险差的事务都拥有套利空间，如果被金融资本发现那么就会涌入进行风险转移，经过充分的资本运作后，就会抹平两者之间的风险差

一个经典案例就是学贷，贫穷学生通过高等教育翻身概率如果高于一般金融产品的利润空间的话，那么通过低息贷款投资学生就成为一种有利可图的金融产品

随着学贷利息上升，穷学生翻身的概率也会逐渐下降，直到追平金融市场的平均利润

当然，在整个过程中因为学贷这一金融产品导致多少学生被吞没在华尔街的深海中又有多少人在意呢

知乎用户 发表

首先这类问题才是知乎该有的问题，属于古老知乎的遗风。

其次，这个问题是真的细思极恐，比高达，斩杀线本身要恐怖的多。

虽然不是能看懂所有的答案，但用我能理解的部分总结一下答案。在社会资源随机分布的社会里，普通人的一生都是概率论的巧合而已。当巨量社会财富集中在甚至不足百分之一的人手里时，剩下几乎百分之百的人口的随机淘汰比率就会走向数学专业的数字极限。

———————— ——二次回答的分割线

出现了很多回答，特意强调高赞答案数据不合理和理论牵强附会。

我想说，你们说反了，不是网友挖出一大堆理论，为了使理论合理又编造了数据。

事实上，是在美国社会实践活动中，出现了数学上的经典数字和公式，为了解释这一现象，网友用各种经典理论试图理解这一现象背后的数学和社会本质！

社科必须学高数，讲实践。胡适之那样的社科大家还是去民国混吧！

知乎用户 发表

如果真如大家的回答所说

斩杀线在1/e附近是因为它是(1-1/n)^n的极限的话

那么不管是因为政府基于自由理念的完全放手，还是资本以利润率为目标的冷酷计算，导致斩杀线落在如此“自然”的范围

问题的根本就都不再是美国，而是资本主义

知乎用户 发表

我瞎猜的

把1万个蛋糕随机分给1万个人

大约会有1/e的人吃不到蛋糕

知乎用户 发表

这是我看到这个问题后的感想。

这个问题下的每一个回答，我都没用勇气点开去阅读

我不相信世界居然可以这样运行。这要是真的，我真的会在现实生活中哭泣好久。

我不喜欢这个。我真的真的很不喜欢。我一个向来乐观的人，也见过路倒，见过蜗居桥下的，见过大城市里的鼠鼠们，打小就会跟我爸长驻在贫困村里，我活了30年，因为这个问题给出的猜想，第一次产生了厌世感。

知乎用户 发表

这一规律在国内的版本是反向运作的

国家统战前37%的潜在反贼，然后重拳镇压下面第一个刺头

逆练水浒

知乎用户 发表

数学层面的分析其他答主已经讲得很详细了，在这里我只是分享一个我发现的有趣情况。

根据美联储发布的《美国家庭经济福祉报告》，在2023年和2024年的调查中，大约37%的美国成年人表示，如果遇到400美元的紧急支出，他们无法完全使用现金或等价物（如储蓄或能当月还清的信用卡）来支付。这意味着37%的美国人拿不出400美元的应急金。这个指标已经连续多年保持在30%-40%左右的区间。

美联储的数据其实比“拿不出钱”更细致，这37%的人面对400美元的账单时会：

• ​24%：选择借贷（刷信用卡透支、向亲友借钱、典当家产）。
• ​13%：完全无法支付（即死局）。

有趣的是，从数据拆解，还可以看到一个 1/e1/e ——拿不出400美元的那37%的人中，陷入死局的人恰好又占了接近 1/e1/e 。

​这种“每一层都有一个 1/e1/e 的牺牲品”的结构，能够以最低的维稳成本，实现全员的紧迫感。

​在数学中，如果一个过程是递归的，它通常意味着某种效率的极致。

• 1/e1/e 是寻找最优候选人的停止点。
• 1/e21/e^{2} 则是更高阶的筛选。

​如果社会分配呈现这种嵌套的 1/e1/e 结构，意味着这个系统已经在“榨取价值”和“维持生存”之间找到了一个极其精密的平衡点。这个平衡点精准到：既让底层的人多到足以产生威慑，又让底层的人少到不至于引发即刻的系统性崩溃。

知乎用户 发表

让我们做一个思想实验，如果我们是资本家，我们需要通过生存压力x来让工人有危机感从而让他们为我们产出剩余价值P，但是同时要避免压力过大导致生存率S下降导致他们彻底的丧失工作能力，那我们如何选择最大化工人可榨取价值的生存压力x呢？此时对应的死亡率1-S应该就是斩杀线的大小了！

我们先引入第一个函数，每个工人产生的剩余价值P. 可以假设由于生存压力的上升，工人的主观能动性是线性增长的，由此产生的超额利润也是。因此收益P随生存压力x变化的函数是: P(x)=kxP(x)=k \ x

接下来我们考虑工人生存率函数S。这里“生存”其实应该指的是保持劳动能力，社会阶层不变化，从而可以被我们持续压榨，其实很大程度上就是非常吻合“不被斩杀”的定义。我最开始认为存活率S随着生存压力x变化应该是指数下降的，但是那样得到的斩杀线是63%，刚好和37%加起来等于1，所以我引入了下面的修正。

可以假设：生存率S随着压力x的增加遵从高斯分布而下降. 这是因为1.生存压力是多方面的, 吸毒失业医疗保单等等方面对人的压力也是在不同纬度上求和的, 很多这种因素相加带来的结果就是遵从高斯分布的. 2.根据生活经验也可以理解, 如果一个人只是承受比较小的压力那他很难崩溃, 但是比较大的话就几乎必然崩溃. 而且有一个明显的阈值, 所以之前的无记忆衰减 S(x)=e−xS(x)=e^{-x} 应该更正为: S(x)=e−λx2S(x)=e^{-\lambda \ x^2}

因此，我们作为资本家可以压榨的工人的剩余价值为:

Y=P(x)S(x)=kxe−λx2Y=P(x)S(x)=k\ x \ e^{-\lambda \ x^2}

最大化剩余价值给出的生存压力应该是:
dYdX=ke−λx2(1−2λx2)=0\frac{dY}{dX}=k\ e^{-\lambda x^2}(1-2\lambda x^2)=0

极值点是

xoptimal=1/2λx_{optimal}=1/\sqrt {2\lambda}

对应给出的工人们的生存概率就是:

S(xoptimal)=exp(−λxoptimal2)=exp(−1/2)=1eS(x_{optimal})=exp(-\lambda x_{optimal}^2)=exp(-1/2)=\frac{1}{\sqrt{e}}

由此得出来的斩杀线为:

1−1e=39.34%1-\frac{1}{\sqrt{e}}=39.34\%

问题希望凑的数字是 1e=36.79%\frac{1}{e}=36.79\%

有一说一差的其实不是很多了。考虑到社会顶层的3%是他们资本家自己人根本不需要玩这个游戏，而且本身统计数据也是在不同年份浮动变化的，所以可以认为这个结果已经能和37%足够接近了。

由此我们可以得出结论，我们这款邪恶资本家游戏最高效压榨工人给出的生存压力恰好使得他们的死亡率应在39%附近。

为什么本回答是唯一一个没有凑出来1/e但比其他回答更靠谱？因为相比于其他依赖调参的模型，目前的模型至少有一个显著优点: 对于参数是scale-free的,也就是参数的任意选择都不会改变我们斩杀线的大小。我们的分析只依赖于幂律分析而不是具体的参数, 所以结果相对可信度更高一些。

目前别的回答除了常见的麦田问题/秘书问题错误类比之外有两个常用的思路, 一个是对收入分布从平均值开始积分, 但是没有办法解释为什么积分下限或者说斩杀线必然刚好是正好等于平均值. 这个额外的自由度说不过去. 另外一个则是N空选N总是有1/e抽不到,也就是（1-1/N)^N模型。但是其实这也是引入了额外的参数假设，实际应该是（1-1/λ N)^N：为什么生存资源恰好刚好是够一人一份分而不是一人λ份分呢? 而且抽不到就斩杀线了? 这两个模型也不能算错，但是他们的最大问题就是实在很难解释为什么参数刚好必须要那么选。

等一下好像有点问题，下面的建模给出的是1-1/e的斩杀线而不是1/e的斩杀线。我再想想咋回事

谢邀。先说结论：数据来源是真的，但目前大部分回答的逻辑是缝合怪。

把“贫困斩杀线”和“麦田问题（秘书问题）”强行扯在一起，属于典型的民科数学（Numerology）。这就像看到金字塔的高度和地球到太阳的距离有数字巧合，就说是外星人造的一样。

但这并不代表“37%”这个数字完全没有意义。如果我们从第一性原理（First Principles）出发，用资本家的视角去推导**“资本榨取最大化”**的模型，确实会惊人地发现 1/e 这个常数在系统临界点处幽灵般地出现。

以下分三步拆解：辟谣、重建、批判。

一、 为什么“麦田问题”解释不了斩杀线？

目前市面上大多数回答都在复读“秘书问题”的最优停止理论：先观察前 1/e (37%) 的人作为样本，后面遇到更好的就选，这完全是风马牛不相及。

目标函数不同： 麦田问题是为了在 N 个人里选出唯一的那个最强者（Probability of selecting the best）。但宏观经济中，资本家不需要选出一个“天选打工人”，他们需要的是群体产出的最大化。

机制不同： 麦田问题是“一次性选择（Stoping Rule）”，选了就不能反悔。而贫困陷阱（Poverty Trap）是一个动态反馈系统——是关于压力、负债、和抗风险能力的连续博弈。

把这两个东西缝合在一起，纯粹是因为美联储的数据恰好是 37%，而 1/e 恰好也是 37%。这就是单纯的阿波芬尼亚（Apophenia，妄想在随机数据中找规律）。

二、 如果真的存在 37%，它该如何从物理意义上推导？

让我们化身资本家做一个思想实验，如果我们真的要设计一个“斩杀线”，我们应该如何最大化压榨收益呢？如果不压榨牛马就不产生剩余价值给我剥削，但是压榨过头不就没牛马给我工作了么，所以确实需要好好算算。

数学上讲，我们要寻找的是**“压榨收益”与“崩溃成本”**之间的平衡点。让我们尝试建立一个简化的物理模型：

1. 变量定义

设 x 为施加给工人的生存压力（Financial Stress）。

收益（Gain）： 根据效率工资理论，在一定范围内，压力越大，工人越不敢怠慢，生产力 P 越高。假设最简单的线性关系：

P(x)=k⋅xP(x)=k⋅x

损耗（Loss）： 压力会带来系统的不稳定性（生病、精神崩溃、甚至流浪）。这种崩溃通常服从指数衰减（类似于热力学中的玻尔兹曼因子，或者可靠性工程中的失效率）。设工人的“存活率”（不崩溃、不变成无效劳动力的概率）为 S：

S(x)=e−x S(x)=e^{−x}

2. 资本家的总产出方程

资本家想要最大化的，是有效总产出（Total Output），即“单人产出”乘以“存活概率”：

Y(x)=P(x)⋅S(x)=k⋅x⋅e−xY(x)=P(x)⋅S(x)=k⋅x⋅e^{-x}

3. 寻找最优解

为了找到利润最大的压力点，我们对 x 求导，并令其为 0：

dYdx=k(e−x−xe−x)=ke−x(1−x)=0\frac{dY}{dx}=k(e^{-x} −xe^{-x} )=ke^{-x} (1−x)=0

很明显，极值点出现在 x=1。

4. 见证奇迹的时刻

在 x=1 这个最优压榨点，系统的**稳定性（存活率）**是多少？

S(x=1)=e−1=1/e≈36.78%S(x=1)=e^{-1} = 1/e ≈36.78\% ​

解读： 这才是 1/e 真正可怕的物理含义。 这并不代表“前 37% 的人是样本”，而是代表：在一个设计得极其精密、只追求总产出最大化的冷血系统中，系统会被推到崩溃的边缘。在这个最优临界点上，系统的“安全冗余”将被压缩到只剩下 1/e。

换句话说，大约 37% 的人（或者人均 37% 的资产）处于“虽然活着，但随时可能归零”的状态，这对系统整体收益是数学上最优的。

三、 Fact Check 与 Oversimplification（过度简化）

模型终究是模型，现实更加残酷且复杂。

数据来源核查（Fact Check）：

所谓的“400美元”和“37%”并非杜撰，它出自美联储的 SHED (Survey of Household Economics and Decisionmaking) 报告。

真相： 报告指出，约有 37% 的美国成年人表示，如果突然需要支付 400 美元的意外开支（修车、急诊），他们无法用现金/储蓄直接支付（需要借贷或变卖资产）。

这印证了我们模型的结论：大约 37% 的人处于“由于没有冗余，一旦遭遇冲击（Shock）就会进入崩溃循环”的临界线上。

过度简化的问题（Oversimplification）：

非线性反馈： 现实中的崩溃不是瞬间归零。Downwrad spiral（失业→信用分崩塌→租不到房→homeless）是一个长链条，中间有无数的摩擦成本，不仅仅是 e−xe^{-x}这么简单。

不可替代性： 模型假设人是标准化的电池。但现实中，高技能人才的“置换成本”极高，资本家对他们的“斩杀线”容忍度会大很多，不会压榨到 1/e 的边缘；而对于低技能劳工，容忍度可能更低。

社会成本外部化： 很多时候资本家敢把人压榨到崩溃，是因为“Homeless”的治理成本由政府（纳税人）承担，而不是企业承担。如果算上这个外部性，最优压榨点会比 37% 更激进。

总结

不要用麦田问题去生搬硬套，那是民科。 但从系统动力学的角度看，1/e (37%) 确实是许多自然系统和优化系统在“收益”与“稳定性”博弈中经常出现的稳态解。

所谓的“斩杀线”，本质上是系统为了追求全局效率最大化，而保留的最小必要冗余。在这个阈值之下，你就不再是系统眼中的“资产”，而是“耗材”。

知乎用户 发表

很多人从最优停止理论去说明这个问题, 这是不对的, 最优停止理论和这个问题不相关.

我们来分析一下为什么斩杀线刚好在 1e\begin{align} \frac{1}{e} \end{align} 附近.

斩杀线原指游戏中一个特定的剩余血量, 当血量低于该值, 玩家会慢慢掉血直至死亡. 问题中的美国的斩杀线也类似, 当你的各项条件都低于一个特定的最低阈值, 那你就再也不能翻身而是慢慢流浪至死亡.

考虑一个社会中一共有 nn 个个体, 这个社会中一共有 nn 种评价体系, 有可能是财富, 颜值, 身高, 权力, 智力等等.

如果我们规定一次成功为在某种评价体系下获得第一名, 那么单个个体在某种评价体系下获得第一名的概率为 1n\begin{align} \frac{1}{n} \end{align} , 不获得第一名, 即失败的概率是 1−1n\begin{align} 1-\frac{1}{n} \end{align}

那么对于任意一个个体来说, 其在 nn 种评价体系下都失败的概率为

(1−1n)n\begin{align} \left(1-\frac{1}{n}\right)^n \end{align}

当个体数 n→∞n\to\infty , 有个体在全部的评价体系下都失败的概率

P=limn→∞(1−1n)n=1e\begin{align} P=\lim_{n\to\infty}\left(1-\frac1n\right)^n=\frac1e \end{align}

反映到总体, 即这个社会中一共有 1e\begin{align} \frac1e \end{align} 的人在全部评价体系下都失败.

失败的财富, 失败的颜值, 失败的地位, 权力, 失败的家庭, 失败的情绪, 失败的年龄, 很多人可能同时拥有. 当你不能在其中任何一项评价中获得成功, 那么你就会落入斩杀线.

天地不仁, 以万物为刍狗.

数学以其绝对的理性刻画了感性的人类社会的主旋律.

评论区反映在 nn 个评价体系下都排第二的人不可能掉入斩杀线, 确实是这样. 但我这里规定第一名成功其他失败至少为了简化计算过程, 实际上我们可以认为不同评价体系对于是否落入斩杀线有不同的权重, 即对于第 ii 种评价体系前 cic_i 名都成功,

那么一个人在第 ii 种评价体系下成功的概率就是 cin\begin{align} \frac{c_i}{n} \end{align} , 所以每种评价体系下都失败的概率

P=∏i=1n(1−cin)⩽(∑i=1n(1−cin)n)n=(n2−∑i=1ncin2)n=(1−∑i=1ncin2)n\begin{align} P&=\prod_{i=1}^{n}\left(1-\frac{c_i}{n}\right)\\ &\leqslant\left(\frac{\sum\limits_{i=1}^{n}{\left(1-\frac{c_i}{n}\right)}}{n}\right)^n\\ &=\left(\frac{n^2-\sum\limits_{i=1}^{n}c_i}{n^2}\right)^n\\ &=\left(1-\frac{\sum\limits_{i=1}^{n}c_i}{n^2}\right)^n\\ \end{align}

虽说千人千面, 但很多评价体系是没有任何作用的, 比如说指甲较长对于是否落入斩杀线就没有任何帮助, 所以大多数 cic_i 都等于 11 当 n→∞n\to\infty 时, P⩽1e\begin{align} P\leqslant\frac1e \end{align} , 不等式另一边即 P⩾P\geqslant 的方向也可以用均值不等式如此计算, 最后的结果就是当 n→∞n\to\infty 时,

1e⩽P⩽1e\begin{align} \frac1e\leqslant P\leqslant\frac1e \end{align}

很多人在讨论最优停止理论, 我们也可以一起来讨论一下

问题可以抽象如下:

假设有一些样本 aia_i 取自某一随机变量. 现在要在这些样本中选择一个, 在选择的过程中一旦选定则不能放弃或者更换.

规定判断是否选择某个样本的方法如下:

假设一共有 nn 个样本, 对前 xx 个样本只统计最大值而不选择, 即统计 A=max(a0,a1,⋯,ax−1)A=\max(a_0,a_1,\cdots,a_{x-1}) ,

在之后的 n−xn-x 个样本中, 一旦发现 am>A,0⩽m<xa_m>A,\ 0\leqslant m<x 则选择该样本, 否则选择最后一个样本

问如何确定 xx 使得选定的 aia_i 是在全体样本中最大的

解决方法如下:

假设 am=max(ai),i=0,1,⋯,n−1a_m=\max(a_i),\ i=0,1,\cdots,n-1

1. m⩽xm\leqslant x , 按照策略会被跳过, 所以选中 ama_m 的概率为 00 , 这种情况的概率为 xn\frac{x}{n}
2. m>xm>x , 按照策略有可能被选中, 选中的条件为第 00 到 m−1m-1 个样本中最大的样本出现在前 xx 个样本中. 这种情况的概率为 xm\begin{align} \frac{x}{m} \end{align}

所以成功选到 ama_m 的概率为

P=∑m=xn1n⋅xm\begin{align} P=\sum_{m=x}^{n}{\frac{1}{n}\cdot\frac{x}{m}} \end{align}

当 n→∞n\to\infty 时, 有

limn→∞P=xn∑m=xn⋅1m=xn∫xn11tdt=xn(ln⁡1−ln⁡xn)=−xnln⁡xn\begin{align} \lim_{n\to\infty}P&=\frac{x}{n}\sum_{m=x}^{n}{\cdot\frac{1}{m}}\\ &=\frac{x}{n}\int_{\frac xn}^1\frac{1}{t}\text{d}t\\ &=\frac xn\left(\ln 1-\ln \frac xn\right)\\ &=-\frac xn\,\ln \frac xn\\ \end{align}

现在要求 PP 的最大值, 令 xn=c\begin{align} \frac xn=c \end{align} , 则有 P=−cln⁡cP=-c\ln c

求导之后求最大值, 显然在 ln⁡c=−1\ln c=-1 时取得最大值, 这时候有 c=1e\begin{align} c=\frac1e \end{align} , 即将前 c=1e\begin{align} c=\frac1e \end{align} 的样本序列作为参考序列, 一旦在参考序列之后发现比参考序列的最大值还大的样本, 则选择该样本最为最终样本.

如此一来, 能以最大的概率选到全局最大值.

这个问题的解就是这样来的, 实际上, 如果不想进行数学推导也可以用蒙特卡洛模拟.

我们一次模拟就要得出从 11 到 n−1n-1 的长度的参考序列能选到最终的全局最大值的概率.

一个朴素的想法是, 我们先生产一段随机序列, 作为我们的样本序列, 再循环参考序列长度从11 到 n−1n-1 , 在这个循环中统计参考序列的最大值和第一个大于参考序列的样本, 判断其是否是全局最大值.

但是这样就慢了, O(n2)O(n^2) 的算法在万亿级别的模拟下是不可接受的.

我们思考一下是否有 O(n)O(n) 的算法.

自然地, 我们先生成一段随机序列, 时间复杂度为 O(n)O(n) ,

再维护一个"当前最大值"的序列, maxBefore, maxBefore[index]是从样本数组sampleArray[0]到sampleArray[index]的最大值. 该时间复杂度为 O(n)O(n) , 在这一步, 顺便把全局最大值的位置maxIndex和在maxIndex之前的位置的样本的第二大的值的下标secondMaxIndex统计出来.

注意secondMaxIndex不一定是全部样本的第二大的位置, 是从 00 到maxIndex(不含)位置的最大的样本的位置

最关键的一点来了, 长度小于等于secondMaxIndex的参考序列一定选不到全局最大值, 而长度在secondMaxIndex+1(含)和 maxIndex (含)之间的序列的一定能选出全局最大值. 所以在成功的次数那里 +1+1 就行, 该循环时间复杂度为 O(n)O(n) , 不过常数非常小.

所以全部的时间复杂度为 O(n)+O(n)+O(n)=O(n)O(n)+O(n)+O(n)=O(n) , 对比之前的 O(n)+O(n2)=O(n2)O(n)+O(n^2)=O(n^2) , 快了非常多.

统计一万亿 1012=100000000000010^{12}=1000000000000 个 1∼9991\sim999 的长度的参考序列的成功率, 在AMD 9950x3D上一共跑了九个半小时

结果, 能以最大概率选中全局最大值的参考序列长度比率为 3671000=0.367\frac{367}{1000}=0.367

不同长度参考序列选中最大值的概率如下图

#include <stdbool.h>  #include <stdio.h>  #include <pthread.h>  #include <sys/time.h>  #include <stdlib.h>  #include "PCG32.h"  #include <string.h>  
#define THREAD_NUMBER 32 #define SAMPLE_COUNT 1000 
pthread_mutex_t mutex1;
pthread_mutex_t* mutexThreadIndex=&mutex1;
volatile unsigned threadIndex=0;

const long long unsigned int RepeatTimes=1000000000000LLU;
long long unsigned int* ThreadResult[THREAD_NUMBER];

void* threadSimulate(){
    pthread_mutex_lock(mutexThreadIndex);
    unsigned myThreadIndex=threadIndex;
    threadIndex++;
    pthread_mutex_unlock(mutexThreadIndex);

    PCG32Struct PCGStatus;
    PCG32SetSeed(&PCGStatus,time(NULL)^(pthread_self()^myThreadIndex));

    long long unsigned int* myResult=(long long unsigned int*)malloc(sizeof(long long unsigned int)*SAMPLE_COUNT);
    memset(myResult,0,sizeof(long long unsigned int)*SAMPLE_COUNT);

    const long long unsigned int myRepeatTimes=RepeatTimes/THREAD_NUMBER;
    unsigned sampleArray[SAMPLE_COUNT];
    unsigned maxBefore[SAMPLE_COUNT];
    for(long long unsigned int indexRepeat=0;indexRepeat<myRepeatTimes;indexRepeat=indexRepeat+1){
        unsigned maxIndex=0;
        unsigned secondMaxIndex;
        sampleArray[0]=PCG32(&PCGStatus);
        maxBefore[0]=sampleArray[0];
        for(unsigned index=1;index<SAMPLE_COUNT;index=index+1){
            sampleArray[index]=PCG32(&PCGStatus);
            if(sampleArray[index]>maxBefore[index-1]){
                maxBefore[index]=sampleArray[index];
                secondMaxIndex=maxIndex;
                maxIndex=index;
            }else{
                maxBefore[index]=maxBefore[index-1];
            }
        }
        if(maxIndex==0){
            continue;
        }
        for(unsigned length=maxIndex;length>secondMaxIndex;length=length-1){
            myResult[length]=myResult[length]+1;
        }
    }
    ThreadResult[myThreadIndex]=myResult;
    return NULL;
}

int main(int argc, char const *argv[]){
	struct timeval start,end;
    unsigned milliseconds=0;
    gettimeofday(&start,NULL);

    pthread_mutex_init(mutexThreadIndex,NULL);
    pthread_t thread[THREAD_NUMBER];
    for(unsigned threadIndex=0;threadIndex<THREAD_NUMBER;threadIndex=threadIndex+1){
        pthread_create(&thread[threadIndex],NULL,threadSimulate,NULL);
    }
    for(unsigned threadIndex=0;threadIndex<THREAD_NUMBER;threadIndex=threadIndex+1){
        pthread_join(thread[threadIndex],NULL);
    }

    for(unsigned sampleIndex=1;sampleIndex<SAMPLE_COUNT-1;sampleIndex=sampleIndex+1){
        for(unsigned threadIndex=1;threadIndex<THREAD_NUMBER;threadIndex=threadIndex+1){
            ThreadResult[0][sampleIndex]=ThreadResult[0][sampleIndex]+ThreadResult[threadIndex][sampleIndex];
        }
        printf("%u, %lf\n",sampleIndex,(double)ThreadResult[0][sampleIndex]/(double)RepeatTimes);
    }
    
    gettimeofday(&end,NULL);
    milliseconds=(end.tv_sec-start.tv_sec)*1000+(end.tv_usec-start.tv_usec)/1000.0+0.5;
    printf("Calculate Time: %u milliseconds\n",milliseconds);
	return 0;
}

知乎用户 发表

我们要动态地看待问题，斩杀线并非固定值。

并非是系统性设计斩杀线在1/e附近，而是当斩杀线理论广为人知的时候我们发现这个线在现在是1/e附近

我有充分的理由怀疑这个线，在过去几年甚至几十年间是随着时间推进缓慢上升的

而当这个线抵达某个临近点的时候，这条线本身，或者导致这条线上升的其他因素，共同导致其舆论地位下降

而这导致了大家实事求是的思路打开，斩杀线理论在知乎完成构建

于是在大家进行大辩论的时候，有人找到了可以反映斩杀线的数据，恰好是1/e左右

上面说的有点绕。简单总结一下是这样：

斩杀线缓慢上升，上升到一定程度后通过政治经济因素使美国优秀论的舆论倾向（和其他许多东西）崩溃

在不受恶意舆论干扰的情况下，人们能够归纳出斩杀线理论，并且有人寻找数据找到了这个比例并且发出疑问

并非是斩杀线被设计成这样，而是斩杀线越过这个界限后它就会不可阻挡地被远在地球另一端的人们注意到了

再精巧的制度也不能在深渊的边缘跳舞

知乎用户 发表

生之徒，十有三。

死之徒，十有三。

人之生，动之死地，亦十有三。

夫何故？

以其生生之厚。

知乎用户 发表

众多回答写的很好，但是无论按哪种说法，以前美国强大的时候，斩杀线也应该在1/e左右，这我是不相信的。

我更相信的是，随着美国逼近斩杀线的群体越来越多，直到总人数1/e的时候穿破国家信息封锁，进入中国普通人的视线，并击碎认知战造成的美国幻象，让中国普通人相信。

换句话说，我更相信这是个信息破圈比例，而不相信这是美国经济学的真理。

知乎用户 发表

卧槽。这个1/e真的震撼到我了。

上海市最低工资标准2740元；

上海市社保最低缴纳基数7384元；

2740/7384=37.10%

这意味着，上海给了穷人最大的关怀。如果你的工资低于2740元，那么你在上海这种大城市极有可能进入斩杀线，因为这意味，你的工资已经连最低层次的社保都维持不了了。

其实上海是有人口控制需求的，上海也没有责任没有义务为低收入的外地户籍人口负责兜底，把最低工资标准设为0，其实更有助于剥削和劝退外地人口，减轻上海的大城市病。但是上海没有，上海但依然为外地人口制定了2740高于斩杀线的最低工资标准，充分体现了社会主义国家对弱势群体的人文关怀和物质关怀。上海本可以像资本主义美帝一样，丛林法则，强者生存，低于斩杀线的自生自灭，但是上海没有这么干。

曾几何时，上海还是弱肉强食的上海滩，虽然号称远东第一大城市，但是上海滩是外国人、是地主军阀、是达官贵人的天堂，连鲁迅这种收入高于平均收入100倍的大学教授、著名作家，都只能居住于苏州河以北的虹口下只角，更何谈更广大的工人和穷人，只能住在简陋的滚地龙中。

如今，上海这座曾经中国最资本主义的城市，经过社会化改造，已经变成了工人的城市，已经变成了市民的城市，不论穷富，都能在上海找到2740元以上的工作，至少可以维持温饱，甚至还能存点钱。

维为说，虽然纽约GDP是上海的4倍，但上海生活水平已好于纽约，此话诚不欺我。我曾讽刺过维维这句话，我为我年幼时的无知道歉。

知乎用户 发表

也可能是黄金分割数，1-0.618=0.382，差不多也是37%。

知乎用户 发表

看到这个问题下的群魔乱舞，我就知道这帮人对于数据来源，看都没看。他们不知道，这个数每年都在变，只不过最近几年稳定在63%：

当然也不知道，其实人家这个37%，是报喜来了，因为2013年是50%！

当然，其实这个东西称之为“斩杀线”，也就是中产滑落的线，是不准确的，因为不想拿这400块钱的，显然都是低收入家庭，而不是“中产”。

有趣的是，虽然你问老美能不能拿出400块钱，只有63%的人说能拿得出来，但是你问他们你最多能拿出多少应急的钱，回答在500块钱以上的人竟然占69%，俺也不知道他们是咋想的。

而有48%的人其实能拿出2000块钱以上的。

我不知道怎么定义中产，但是如果你的收入在50%左右，拿出2000块钱还是比较容易的。

所以这个线显然对低收入家庭更可怕，对于中产没那么可怕。

当然你说有没有可能低收入储蓄反而比中产多？我觉得理论上是有可能的，例如网上还有一个“斩杀线”是住房成本占收入的比重，如果高于30%就危险了，高于50%就更危险了，不怕各位笑话，鄙人就是属于“危险”这一行列的，幸好咱们国家并不会斩杀我。虽然鄙人不是中产，就是个普通打工人，但是我看到很多收入比我低的朋友，住房成本占比是比我高的。

但虽然理论上是可能的，这个报告并不支持该观点：

可见随着收入越高，储蓄能cover3个月支出的比例也更高，并不存在中产储蓄率低于低收入家庭的现象。

知乎用户 发表

资本主义极致状态的社会，各方平衡状态下自然形成的这种冷酷的斩杀线，真是让人大开眼界，大为震惊。

它是冰冷的，同时也是稳定的。救助增加，财政就会崩溃；救助减少，民众就会暴动。这正好是个社会稳定运行的平衡点，政客也好，人民也罢，都无力改变和摆脱。而大资本家们则坐在这一切之上，永远地压迫压榨奴役所有人。

政党轮换，也只是改变37%的构成比例。民主党当政，各种LGBT得到的资源更多，就有更多老白、红脖被挤到37%；MAGA当政，老白、红脖得到的资源更多，就有更多黑、墨、润人被挤到37%。

如何破解这个枷锁？唯有共产主义！

知乎用户 发表

我终于知道怎么提高自己的灵视等级了。

1.懂了为什么美国那么需要移民。

这种设计架构必然导致斩杀线以下的人沦为牺牲品，而被斩杀的人又是不可再生资源。一颗子弹从生产到打出去用不了多长时间，杀死一个青壮年只需要一瞬间，一个青壮年却需要18年的精细培养，自生的人口堵不上斩杀掉落的人口，美国哪怕鼓励生育也弥补不了这么大的缺口，却又不想投入产出时间，可不是就得高福利吸引移民来，最好还是那些自带财产的人来，蜜罐里有毒。

也许吸引移民就是为了让他们当1/e斩杀线的耗材的，但耗材是新来的移民，还是同种族的本土白人完全不care，那些人比他们养的狗吃的还便宜的时候，资本家会把他们当成同类吗？

但美国的斩杀线还在随着上层资本家的财富聚集而不断上升，需要斩杀的人也越来越多，合法移民都堵不上缺口，还得非法移民补充。

2015年，美国人口3.21 亿。

2025年，美国人口3.48 亿。

那么爱生孩子的国家，那么鼓励引进移民的国家，那他的人口不应该爆炸性增长吗？他掉了那么多的人口到底去哪里了，他们怎么去的那里？

2.还懂了美国为什么那么注重身份政治，比如LGBT，宗教，族裔，因为不抱团真的会死，美国人不是不讲身份政治会死，是不讲抱团会死：

华人会抱团，比如唐人街。

黑人会抱团，比如地下黑帮。

印度人会抱团，比如卡车司机，印度高管。

白人会抱团，比如LGBT，宗教。

假设斩杀线存在，抱团的人相当叠加了一个buff，穿上了游戏皮肤，加入了一个游戏公会，这个buff平时不一定显灵，但万一掉落斩杀线之后，会被公会大家一起拉起来，当然作为回报，公会里的别人遇到事情了，你也得顶上去，这样做到人人互保。

华人buff：更容易进入华人餐馆工作，成绩相对优异。投诚：同文同源。洪门弟子。

黑人黑帮buff：地下秩序和暴力低成本维护治安，逃税或者少缴税，手里现金更多。投诚：犯罪共犯。同谋。

印度人buff：一个印度人进入某个公司，就跟蟑螂一样，这个公司会被塞满印度人。投诚：血缘加持好感度。

LGBTbuff：你竟敢假定我的性别，对敌人施加绝罚。投诚：变性手术。十一税。

美国充满了人情世故，那些说美国没有人情世的ABC，根本就没有投诚或者加入公会，而是以原子人的人状态存在，平常没啥问题，万一遇到事情掉到斩杀线下面没公会来救命的，当然同样以原子人状态存在的任何美国人都是。

3.为什么留子发现不了这些问题，

去美国的留子起码要准备几百万，家里能拿的出这些钱送孩子出国的，在国内也不会差。

房租，家里给，还可以住学校。

医疗，相对年轻，保险价格低，还可以回国治病。

学贷，家里给，还可以勤工俭学，

食品，吃食堂，实在不行家里给。

车辆，不买少买，只在学校学习。

哪怕是有留子掉落到斩杀线以下，完全回到国内的复活点加满血，还没被斩杀就已经被大治疗救回来了，还没察觉到斩杀线就已经读档了，根本意识不到。

而且由于物价隔离，不购入车辆，学校宿舍定时关门，可探索范围减少，探索时间被限制，可解除NPC少，社交距离被动缩减，留子根本看不到，看到的留子是已经遭遇斩杀，而且已经没能力买回国的机票了，活着都是疑问，更不可能回来告诉别人了。

乐子人可以看各国留子PDF，相较于劈腿，钱财纠纷，YP纠纷，美区的留子PDF别有特色，甚至涉及人体改造，**比如把自己下体切成四瓣花肠的V哥，**还是太不可思议了。

为什么斩杀线现在可以观测到？

因为美国亮出血条了。

经济增量状态，任何伤痛都可以被时间掩盖，但经历了金融危机，新冠，去工业化的美国，连给底层人的奶头乐都快要供不起了，一个失血的BOSS终于从不可打败变成了可以观测到血条的泥足巨人。

原本美国在战胜苏联后，在中国和其他国家眼里是不可战胜的大BOOS。

但随着中国的游戏等级提高，甚至超过了美国的游戏等级，原本头上血量是？？？的美国，瞬间血量清晰明了，甚至可以被中国忍杀。

那一天，神亮出了血条，神不再是神了。

4.牢A和牢真为什么能发现？

快乐教育发力了。

牢A会做人，所以得到了老师推荐的调查员工作，但这种工作哪怕不是三代政审，也起码得是美国人，但由于美国的人才断档，活就在那里，快乐教育后的美国人干不了，但是又得必须干，所以顶上去了，与古神对视。

牢真会做人，所以得到了会做人的领主的认可，带去中国医疗旅游真的是捡了一条命，不亚于救命之恩，直视克苏鲁恐惧。

5.斩杀线只有美国吗？

所有国家都有，但国家会出手，不会让这种事情发生，所以斩杀线的存在不会被人察觉到。

美国是斩杀线，美国政府一点力也不出，甚至还有在他们身上敲骨吸髓。

欧洲是流氓线，欧洲有福利，起码不会让人死。

中国是贫困线，中国着力促进脱贫攻坚成果同乡村振兴有效衔接，真的不是一句空话，不放弃每一个穷人，坚决应对因病致贫，因学返贫，劳动力死亡返贫等一系列返贫致贫风险。

我虽然只是个00后，但我在扶贫办（现在的乡村振兴局），还有农业局都干过不短的时间，参加过锦鲤养殖给脱贫户谋福利，知道国家的五保户保吃、保穿、保住、保医、保葬、保教对一个家庭而言多么重要，抽象的概念永远比不上直面具体的人，因为我在做一些有意义的事情，每天坚持登陆全国防返贫动态监测系统真的很有意义，我在基层是真想为人民做好事情的，希望未来能做更好的事情。

6.美国斩杀线会消失吗？

我个人感觉，要么美国重新回到增长时代，发展的油水从上到下滋润起来，吸引更多的移民，填补斩杀线下的损失，抚平发展的阵痛。

要么美国持续失血，斩杀线水位上升，加速人才消耗，等本土美国人民，合法移民，非法移民都抵放血速度，美国人口总量下跌，要是 30% 的底层人口一下子没了，系统会直接从剩下的 70% 里，再划 30% 的人补到底层去，美国人口越来越少，要么进行一场彻底的社会主义改革，比如成功的太平天国革命，要么走向分裂或者毁灭，和苏联一样。美国将不再是美国

美国从来不是冷战的胜利者，而是幸存者，就像一个退役的PTSD的二战老兵。

当一个人了解共产主义，你会成为一名共产主义战士。当你了解了资本主，你会成为一名坚定不移的共产主义战士。

知乎用户 发表

我草，注意力惊人。然后我仔细思考了一下，似乎是有道理的。

用一句话来解释的话，这 37% 的人，就是这个美国为了维持“资本流动性最大化”所必须预留的那个“自然衰减常数”。

这在某种程度上说明，美国经济社会不仅没有感情、而且极其“效率”。

这背后的逻辑其实没那么复杂，只需要理解“能量”。

试想一下，如果我们把金钱看作是一个封闭系统里的“能量”，把每一个参与市场交易的个体看作是气体分子。在物理学上，当这团气体不受任何外力干扰（即缺乏强有力的政府再分配），仅仅依靠无数次随机的碰撞（自由市场交易）来交换能量时，整个系统的能量分布绝不会呈现中间多、两头少的“钟形曲线”，而是一定会坍缩成“指数分布”。这意味着，绝大多数个体的财富都会无可避免地向“零”堆积，这是热力学第二定律在经济学中的投影。

而这个 1/e 正是在这种分布下对“风险”的度量。

我们可以把底层社会的财务安全感看作一种会随时间自然腐烂的放射性物质。在美国这种高生活成本、低储蓄的“手停口停”模式下，一个家庭的抗风险能力 S(t)随时都在遭受刚性支出（房租、保险、债务）的指数侵蚀。这种衰减遵循着最经典的自然方程：

S(t)=S0e−λtS(t)=S_0e^{-\lambda t}

在这个方程中，当时间t刚好流逝了一个“特征周期”（比如一个标准的借贷周期或发薪周期）时，原本 100% 的安全感就会衰减到只剩下37.8%（即1/e）。

这就解释了为什么是 37%：

这说明美国经济已经自发地博弈到了一个临界点——它将底层人民的“平均财务寿命”压缩到了仅仅能维持一个支付周期的极限边缘。

美国的经济系统并不希望所有人瞬间破产（那样游戏就结束了），也不希望所有人都有大量储蓄（因为对资本来说，储蓄就是死钱，是效率的浪费）。所以，系统会自动收敛到一个“纳什均衡”：让全社会的生活成本不断上涨，直到刚好有 37% 的人口被永久地锁定在“耗散结构”的边缘。

这群人就像核反应堆里的控制棒，处于一种“薛定谔的破产”状态。他们拥有的流动性，刚好只够支付日常衰减，却不够抵御任何一次哪怕是微小的扰动。

或许这37%，就是这个高度优化的自由市场系统，为了保持高速运转而必须献祭的“基态人口”比例。

知乎用户 发表

这个问题问反了。

不是美国社会为什么精准卡在了1/e，而是任何一个能持续运转的耗散型社会系统，其淘汰边界都必然会收敛到这个值。你看到的是美国，只是因为它恰好是个足够开放、数据足够透明的观察样本。把它当成特殊设计，就像在问"为什么只有这家超市的收银排队符合泊松分布"：任何一家客流量稳定、收银台数量固定的超市，都会符合。

可以先看一下这篇回答，不需要任何高级数学基础：

1/e问题-抽卡游戏一样简单的的数学解释

我们从头理一下。

社会作为耗散结构，其第一性原理是维持负熵输入的效率极大化。 这就要求它必须解决一个核心矛盾：如何在不确定性环境中，用最少的计算成本，筛选出最能维持系统稳定的组分。这个筛选不能是定向的——定向需要超越性视角和全信息，这在开放系统中不存在；也不能是完全随机的——完全随机无法形成有效结构。

于是系统演化出局部反馈+全局统计的机制。个体层面的成败由具体规则决定（考试、信贷、司法、市场竞争），但这些规则的设计必须满足一个元约束：在统计意义上，每个参与者在其生命周期内获得的"关键跃迁机会"的期望值，必须收敛到1。 不是系统仁慈，而是大于1会导致系统过载崩溃，小于1会导致负熵输入不足而衰亡。1是耗散结构远离平衡态的临界稳定点。

在这个约束下，1/e自然涌现：

(1-1/n)^n 描述的是：当单个个体的"机会-风险"窗口期被切分成n个独立微元，其在整个窗口期内零有效捕获的概率。这不是宏观政策能操控的数值，而是微观上每个个体为了生存必须进行的贝叶斯更新在群体层面的统计结果。个体在每一次微交互中都在无意识地计算：这次投入产出的期望是否大于1？当系统充分复杂，n足够大，这个微观决策的累积分布就趋近于e的负一次幂。

大家担心的"麦克斯韦妖“在自组织系统中并不存在，因为计算成本本身也是被优化的对象。 一个中央调控系统若要精确控制淘汰率在37%，它需要的信息处理能力随人口规模指数增长，其自身就会成为耗散结构的负担而被淘汰。相反，依赖局部规则自发产生的统计均衡，计算成本被均摊到了每个个体的日常决策中，系统只需要维持规则框架的稳定性——这正是自组织的定义。

所谓"精密计算"的错觉，来源于提问者和高赞回答都把事后统计当成了事前设计。系统设计者（如果有的话）能做的，只是确保：

1. 机会供给与风险分布在数量级上匹配

2. 个体间的互动近似独立（非线性耦合不过载）

3. 反馈回路足够短，让局部波动能快速耗散

剩下的，交给大数定律。

回归问题本身。

美国斩杀线不是"刚好"在1/e附近，而是只能在1/e附近。这不是阴谋，是任何开放社会系统想不崩溃就必须服从的耗散约束。你可以把它理解为社会系统的香农极限——不是道德选择，是物理规律。

大家看到的"统计协同”，不过是十亿个个体在有限理性下追求局部最优，其宏观残差恰好落在了一个数学不动点上。这不动点叫e，还是π，取决于你观察的是淘汰率、基尼系数还是其他什么指标。本质不变：系统必须保证约37%的组分在单次遍历中无法获得有效跃迁，才能为剩余63%提供足够的负熵冗余度，以抵御环境波动。

这不是精巧，是必然。你想看明白，只需要接受一个前提：社会不是被设计出来的机器，是为了不被熵增抹除而不得不自发形成的耗散结构。 所有在它内部涌现的数字，都是结构存活所支付的信息成本。

你以为你在看社会学，其实你在看热力学。

知乎用户 发表

我今天和AI吵了一个小时。它说，只有简单和冷酷的社会筛选才能用这个理论。而在财务的指数衰减模型当中，引入的参数是孤立无缘且不可变的，美国存在社会保障，所以不能使用此理论。所以美国的斩杀线不是37%。

然后我新开了一个问题问他美国的斩杀线是多少？

他说是37%

DeepSeek:虽然美国面临财务流通脆弱性的群体占比是37%，但是由于只有毫无人文关怀的简单残酷的社会竞争，只有缺乏社会保障的封闭系统，只有在理想的数学模型下，美国的流通脆弱性群体占比才是37%，所以，美国的斩杀线可能是37%，但是美国的斩杀线是37%不太可能。

知乎用户 发表

美国的社会系统和结构是资权统治阶级精密设计的

而不是自然运作而形成的

所以，假如刚好是一个特定常数，那不是太正常了吗？

知乎用户 发表

甚至还很科学，美帝历经二百多年社会迭代后最冰冷的数字，毫无人性干预后的最优解

知乎用户 发表

我发现他们套公式上瘾了，

从传播的角度，

1、用一句话解释复杂的问题。

2、把概率事件定义为确定事件。

3、有画面感。

具体看这个问题：

1、“美国斩杀线为什么刚好在1/e附近？”，一句话包含了斩杀线这个热门词汇，然后为了避免在知乎过度重复热榜，抛出来个e显得好像是个技术问题。

2、不去用事实和逻辑论证直接给你结论，比如，美联储说37%的人拿不出400美元，这件事是否==斩杀线是37%呢？

3、有画面感，然后各色人马就开始花里胡哨的长篇大论了。

从传播学的角度没毛病，

但问题在于，人的阈值是会提高的，

不着急，吃瓜玩玩

知乎用户 发表

我们不讨论“美国斩杀线”，这属于社会学范畴的内容，是人们对某些现象的直观简化。
我们一起看一下 1/e 这个值有什么含义。

以下所有的场景属于生态学场景，
不要简单的类比成为人类社会，人类社会比这要复(chou)杂(xiang)的多。

设想从前有座山，山上有座庙，庙里有个老和尚，在对着一棵树参禅。

我们用栗子树来举个例子，

栗子树今年凑巧是“大年”，结了茫茫多的果子，

这个和尚想数一下掉下来的栗子是怎么分布的？

然后他在树底下搞了很多网子。
网子大小是一米见方的。这样网子上收集到的果子，就是栗子的空间密度。

然后他统计了网子到树干的距离，不难想象，距离树干越近，栗子越多，反之越少


这时候显然用一条直线去拟合效果不会太好，


看起来似乎是指数级的，试试看：

excel给了老和尚一个函数：

y = 421.59 * e ^ (-0.1* x)

这里的数字都有实际的意义：
x距离采样点到树干的距离。
y代表种子的密度，
参数： 421.59表示在树最里头，种子的密度（理论值），记为C0
0.1 （1/10）的倒数10m 被老和尚标记为“耐木达”，可以用来度量种子飘散的能力（注意不是最远处，找最远处的种子得把山头翻一遍，实践上很难）。

树上种子越多，种子飘得越远， 即 C0 越大， 耐木达值可能越大。
而在耐木达这条线上， C/C0的值，接近e的倒数。（1/e =~ 37%）

耐木达这个值有什么意义吗？

有的，亲。
这个范围内，母树势力大，而且可可爱爱的松鼠会过来觅食的概率更大。
耐木达范围内，属于高压区。种子遭遇了内外双重压力。
超过耐木达值，种子萌发独立生长的概率就会大大增加。

所以在林学上，如果你种的树太密了，种子都在很近的范围，就很难发育起来，从而无法自然更替。

不同树木的 C0 不一样，不同树木的耐木达值也不一样。
但是 e 这个值用来拟合种子的分布，蛮有效的。

这种现象在自然界有被反复的观察到，完全对得起 e （自然对数）的称号。

再次强调，
以上描述对自然界中一些现象的理想化的数学近似，
不要教条主义使用。
更不要无端联想生搬到人类社会，那是不对的，
人类社会也是一点一点迭代演化出来的，有自己的客观规律。

以上。

备注：文中数据并不是实测数据，实测数据要比这个dirty很多。

==== 分割线 ====

上面只提到了简化的统计规律，
实际上，生态学模拟领域，
有一个很硬核的流派是专门做机理模拟的，
树多高，风多大，飘多远，算的清清楚楚，也很好玩：

参考文献：

Binbin Wang, Lauren L. Sullivan, Jeffrey D. Wood,Modeling wind-driven seed dispersal using a coupled Lagrangian particle tracking and 1-D k-ɛ turbulence model,Ecological Modelling,Volume 486,2023,110503,ISSN 0304-3800, doi.org/10.1016/j.ecolmodel.2023.110503.

知乎用户 发表

小丑一直在证明斩杀线。

我也突然发现：我只是喜欢小丑的腔调，从没注意过他的内核。

《蝙蝠侠：致命玩笑》
小丑认为，普通人与疯子之间并不存在本质的、不可逾越的鸿沟，仅仅“只需要糟糕的一天”就足以完成这种转变‌。
他将此视为一个可以验证的“理论”，并通过折磨戈登警长来对蝙蝠侠进行实验，试图证明任何人，包括象征正义与秩序的戈登，在经历了他所定义的“最糟糕的一天”后都会崩溃‌

哥谭是真的，小丑也是真的。

只需要糟糕的一天，中产或底层，一样会滑落到深渊。

这不是黑深残的故事，小丑让哈利用衣架堕胎，也不是在开玩笑…

还真有富二代当了英雄，枪击医保巨头。

这居然是个写实的超级英雄故事…

知乎用户 发表

有朋友已经分析了1/e，这里再增加两个关键词，“断点回归”、“本福特定律”

斩杀线到底是人工操纵的，还是社会系统自然产生的，能够使用数学方法予以验证。

一、断点回归

假设考试成绩平均分是75分，以其为中心，正态分布着所有学生的成绩。我们也知道，考试嘛，必然有一条60分及格关键线，60分线附近的考生，我们不仅看他这次考试的具体成绩，我们也可以附带看看与这位考生关联的其它数据，比如颜值高不高。颜值高不高，在60分线附近本应是随机分布，平滑过渡的。照理说。长得帅和长得丑并不决定考试分数高不高。

学生的考试成绩是59.9分还是60.1分，从掌握知识的能力上来说没有太大的区别，但如果及格线是60分，那这条斩杀线就把学生分割成了两个世界，一边叫做不及格，一边叫做及格。

如果有一个慈祥的老师，我们就会发现，慈祥老师的学生成绩，几乎没有59分的，要么远比59分更低，要么都是60分以上。这位慈祥老师把很多59点几分的成绩提高到了60分，让他们从斩杀线存活下来。所以在60分以下，出现了一段数据真空。

如果另有一个残酷的老师，我们也会发现，残酷老师的学生成绩几乎没有60分、61分的，是的，完全不符合正态分布下学生成绩截取60分左右该有的样子。再一看学生的附带信息，成绩在60-61分的学生颜值都是800分以上，丑鬼一个都没有。哦，原来这位残酷老师是一个颜控，把很多60分本来及格的丑鬼学生直接斩杀，让他们成为五十几分。残酷老师的学生成绩在60分往上，也会出现一段数据真空、数据畸变。

大家明白我的意思，把及格改成生与死，就是我们今天讨论的美国斩杀线。

二、本福特定律

自然界产生的数字，其1-9出现的概率并不是均匀分布的，而如上图一样1出现概率最高为30.1%，而9最低只有4.6%。该定律的数学表达原理是数据在多个数量级上的对数均匀性，当数据跨越多个数量级（如河流长度、人口统计、财务数据）时，数值在指数增长过程中，较小数字因停留时间更长而出现频率更高。‌‌

财务、双十一销售额、人口死亡、出生率等等数据的人为干预，都可以通过本福特定律初筛出来。

三、验证数据

数据操作有迹可循，以上面两个方法为基础，可以判定关键断点是系统大量群体无意识自然生成的，还是有人工介入数学预期干预的，是慈祥的救人线，还是残酷的斩杀线。

在福利系统中，找寻这些断点，判定它们是自然断点还是非自然断点。非自然断点（斩杀线）让特定比例人群更易死亡、得不到救济，属于系统性偏差和结构性排除，其数据特征与自然阈值有本质区别。

三步验证

1. 断点回归：直接量化“斩杀线”的因果效应和严重程度。观察在斩杀线上端和下端的真空数据分布构型。

2. 分布检验：检查分配变量（如收入）在门槛附近是否有人为堆积或缺口（例如，恰好在门槛以下的人数异常少，可能意味着数据被操纵以使其达标，是典型的斩杀穷人）。

3. 最后用本福特定律：作为整体数据质量的筛查。如果福利金额、预算分配等宏观数据严重偏离本福特分布，提示整个数据集可能被系统性污染，增强了“存在人为操纵”这一假设的可信度。

以上方法可以纳入2026年随便哪个市、哪个区的初中奥数竞赛预赛环节，相信中国小朋友可以轻松得出结论，美国有没有非自然断点，如果有非自然断点，是慈祥的挽救线，还是血腥的斩杀线。

同样的方法，也可以把中国的数据拿来跑一跑，看看我们在消除贫困、挽救生命上是怎么成为世界标杆的。

知乎用户 发表

这就是美国现在的社会状态，一个社会波动后，当你在后37%里，那你就随机去死，当你在前63%里，那你就随机跌落，当然，前63%的人被满血斩杀的事情也常有发生（枪击），那么就从后37%里挑选讲师这样的幸运儿上位补齐这63%。

所以后37%的人怎么才能脱离现在的困境呢？答案就是多满血斩杀前63%的人。

知乎用户 发表

美国斩杀线为什么刚好在1/e附近

我感觉就是资本主义的特点。

资本主义的特点就是把人异化成统计数字，而统计数字最重要的是什么？就是均值和中位数。

所以我们看那些美国IP，他们动辄都是使用“人均GDP”，“中位数财富”，“人均消费”，”平均工资“这些统计量来描述美国的富裕。只要“人均”富裕强盛了，那整个美国就富裕强盛了。

然后美国的资本家，也会按照【人均】或者【中位数】的指标来设定各种商品的价格。确保【人均】或者【中位数】收入的消费者可以买得起各种生活必需品和必要服务，还会贴心的留出一些余量。资本家觉得他们非常仁至义尽了。

只要你维持在中位数，就能在美国过上美好的生活，享受各种必要的服务，不会被斩杀。

这里的问题是，【中位数】对应的其实是50%。意思就是，有50%的人是达不到中位数的。

当然，资本家都是大善人，他们是很仁慈的，会留出一些余量。所以【斩杀线】会比50%低一些。也就是40%左右。

知乎用户 发表

这下明白什么叫developed country了吧

不是发达国家

是停滞的农村

至于你说什么叫停滞

出生+润入=致贫=致死

这也是一种developed

谜底就在谜面上，是从民国至今的一大批留美出口转内销的玩意，通过垄断信息和解释权，制造了谜题

知乎用户 发表

我们的1/e是什么？

知乎用户 发表

虽然我是一名大学数学老师，但是我不认为美国社会斩杀线接近1/e的背后有什么深刻的数学机制。

我的结论基于如下观察：目前的各种解释都是纯粹的数学模型，其中没有任何从现实世界而来的参数。

这意味着什么？这意味着如果这样一种数学机制真实存在，那么1/e将是一个普适的常数–与意识形态、经济发展、分配制度等等都没有任何关系。至多，我们可以加上一个前提：斩杀线存在。除此之外没有任何调整1/e这一比例的方式，因为前面提到的那些因素没有进入目前所考虑的各种数学模型的途径。

我再换一个说法：一个社会，无论它的组织形式、发展阶段等因素，只要斩杀线存在，它必须固定在总人口的1/e也就是约37%的位置上。哪怕经济发展人民的总体生活水平提高，或者分配方式变得更公平，这个社会永远有一个固定的比例，37%的人群，会处于“一旦发生意外就会陷入恶性循环”的状态。

我再重复一次：经济的发展、分配方式的改善、福利的提升–简而言之一个国家所有的经济政策和状况，都不会对斩杀线以下的人群比例产生影响。哪怕做出再多的努力，一个社会要么对所有的成员都很安全，要么就会有固定的37%的成员处于难以脱离的恶性循环。这合理吗？这又符合其他国家的现状吗？

我个人很难想象这是正确的。在我看来这就是一个巧合。

知乎用户 发表

先拿37%算的，再出400刀这个点。 不是先按400刀，数出来正好37%。

知乎用户 发表

哈耶克的大手之市场自己在调节

知乎用户 发表

问题锁热榜了，那我就自问自答一下，不过为了不带偏大家，我就只贴一下数据，不做分析了。

其实前排知友也已经贴了相应数据并做了非常好的分析了。

还是感谢美国AI哈基米搜索数据，谷歌应该比我更懂美国：

以下是根据 2024年至2025年最新报告（包括美联储、Bankrate及消费者金融保护局CFPB）细化后的“斩杀线”分层：

1. 标准斩杀线（脆弱区）：37%

• 指标： 无法完全使用现金或等价物（如银行存款）支付 400美元 的意外支出。
• 最新状况： 美联储 2025 年发布的《美国家庭经济福祉报告》（基于 2024 年底调研）显示，这一数字稳固在 37%。
• 含义： 这部分人虽然还没“死”，但已经失去了财务冗余。如果遇到爆胎、感冒或漏水，他们必须通过信用卡套现或向亲友借钱。

2. 深度斩杀线（完全丧失能力区）：13%

• 指标： 面对 400 美元的支出，无论通过什么手段（借钱、卖东西、借贷）都完全无法支付。
• 最新状况： 在上述美联储报告中，这 37% 的人里有相当一部分最终能借到钱，但仍有 13% 的全体美国成年人 表示自己“彻底没办法支付”。
• 含义： 这是最接近“斩杀”定义的群体。他们处于社会的绝对边缘，一旦发生意外，几乎直接面临流浪或生存危机。

3. 结构性脆弱线（月光区）：60% - 62%

• 指标： 生活处于“薪水到薪水”（Living Paycheck to Paycheck）的状态。
• 最新状况： 根据 LendingClub 和 Bankrate 的 2024 年底调研，全美约有 62% 的人认为自己是“月光族”。
• 含义： 这代表了系统的“亚健康”状态。这 60% 的人里包括了很多年薪 10 万美元以上的中产，他们虽然账面有钱，但由于房贷和高杠杆，现金流极度紧绷。

4. 绝对零值线（无积蓄区）：24% - 27%

• 指标： 应急储蓄账户余额为 0。
• 最新状况： Bankrate 在 2025 年 1 月发布的年度调查显示，24% - 27% 的美国人表示自己“没有任何应急存款”。
• 含义： 超过四分之一的人在数学上处于“裸奔”状态。

5. 危险阈值线（1000美元压力测试）：59%

• 指标： 无法从积蓄中支付 1000美元 的意外费用。
• 最新状况： 2025 年初的调查显示，59% 的美国人无法应对 1000 美元的冲击。
• 含义： 在通货膨胀后的今天，400 美元已经挡不住稍微严重的意外（比如一次急诊、一次大修）。如果把“斩杀”的标准调高到 1000 美元，那么 接近 60% 的美国民众实际上都踩在斩杀线上。

1. moneytalksnews.com
2. federalreserve.gov
3. bankrate.com
4. cbsnews.com
5. bankrate.com

划重点：

1/e = 36.8\% \\ 1/e^2 =13.5\%

知乎用户 发表

因为37这个数字真的很神奇，我甚至怀疑这个斩杀线数字是杜撰出来的

https://www.youtube.com/watch?v=d6iQrh2TK98

知乎用户 发表

美国联邦储备委员会（也就是美联储）有一个年度常态调查，Survey of Household Economics and Decisionmaking（SHED，美国家庭经济与决策调查），是《美国家庭经济福祉调查报告》（Report on the Economic Well-Being of U.S. Households）的一部分，从2013年开始每年进行一次，主要评估美国成年人的经济福祉和财务脆弱性（Financial Fragility）。

财务脆弱性关联着一个经典调查：Here’s How Many Americans Can’t Afford a $400 Emergency（“你是否能立即拿出400美元现金应对紧急情况？”）

这个“400美元应急”（Emergency savings measures $400）指标已成为衡量美国人财务脆弱性的关键标准，常被媒体和政策讨论引用。它反映了许多家庭缺乏足够流动储蓄，容易因小额意外陷入债务循环，尤其在低收入、少数族裔或租房者群体中更突出。

Sixty-three percent of adults said they would cover a hypothetical $400 emergency expense exclusively using cash or its equivalent, unchanged from 2022 and 2023 but down from a high of 68 percent in 2021. 63%的成年人表示，他们将仅使用现金或其等价物支付假设的400美元紧急费用，与2022年和2023年持平，但低于2021年的68%。

这意味着大约有37%的成年人无法完全用现金等价物覆盖。

在具体讨论$400假设性紧急开支的问题时，美联储的《Economic Well-Being of U.S. Households in 2024》报告明确指出：

Among the 37 percent of adults who would not have covered a $400 expense completely with cash or its equivalent, most would pay some other way, although some said that they would be unable to pay the expense at all. For those who could cover the expenses another way, the most common approach was to use a credit card and then carry a balance, and many indicated they would use multiple approaches. However, 13 percent of all adults said they would be unable to pay the expense by any means 在无法完全用现金或等价物支付400美元意外开支的37%成年人中，大多数人会通过其他方式支付，尽管其中部分人表示完全无力承担该笔支出。对于那些能以其他方式支付的人群，最常见的做法是使用信用卡且不一次性全额还款，许多人表示会结合多种方式。然而，13%的成年人表示他们将无法通过任何方式支付这笔费用

在最初的几年里，拿不出400美元应急的比例甚至更高（约40%-44%），但是这个数据的下降是因为通货膨胀，400 美元在 2025 年的购买力远不如 2013 年，这意味着美国人的抗风险能力实际上可能在萎缩。

United for ALICE就是这个概念下的产物，也是目前美国社会研究里最接近“将要触发斩杀线”的概念之一。

Asset Limited, Income Constrained, Employed — households with income above the FPL, but below the basic cost of living. 资产有限、收入受限、有工作的家庭——收入高于联邦贫困线，但低于基本生活成本。

这个概念由美国的一个NGOUnited Way发起，用于识别和分析那些因为财务问题挣扎的家庭群体。

这些家庭有工作、收入高于联邦贫困线（FPL），但仍无法负担基本生活开销（如住房、食物、交通、医疗和育儿）的家庭。这些家庭往往生活在生存边缘，每月收入勉强够用，但没有储蓄或缓冲来应对意外事件。

这些人看起来不像穷困潦倒的人，他们是你的收银员、外卖员、育儿嫂甚至初级办公室职员。他们有工作，甚至可能有一辆破旧的二手车。

他们的收入超过了贫困线（所以没资格领食品券、拿廉租房补贴），但依然低于当地的家庭生存预算（Household Survival Budget）。

但是这些人的看风险能力极差（One emergency away from poverty），一次爆胎或一次感冒就可能让他们破产。

United for ALICE每年发布州级和县级的报告，使用标准化指标量化基本预算成本（如住房租金、食品价格、交通费用等），并与家庭收入比较。报告强调：这些家庭“被忽略”，因为他们不符合许多福利资格，但又无法积累财富。这种脆弱性不是个人问题，而是系统性议题。

全美约有 29% 的家庭属于 ALICE 群体，加上 13% 已经在贫困线以下的家庭，全美总计约 42% 的家庭生活在“生存平衡线”以下。

美国的联邦贫困线约$31,200/年，你高于这个数就不是穷人，没补助。

但是按照United for ALICE的生存预算**：** 覆盖房租、托儿、路费、基础医保的最基本开支约 $81,000/年。

这中间约$50,000的巨大真空地带就是“斩杀区间”。

知乎用户 发表

美国斩杀线为什么刚好在1/e附近？

这里计算是对的。

高赞不完全准确，这不完全是一个观察概率问题（虽然这也是一个收敛值），是一个收敛值计算。

回忆一下e的定义，

这个实际就是e的最初含义

——

对。

我就想说出来了，37%是个非常精巧的数字。

不管这个现实，是怎么形成。

它绝不可能，脱离物质规律。

社会组织的构成，是有清晰规律的。

……

美国斩杀线为什么刚好在1/e附近？ - 诚然的回答 - 知乎

美国斩杀线为什么刚好在1/e附近？

再看，这个计算非常好。

，得出了一个优胜者占四分之一的结论。

也和事实相符。（中等以上阶层约占社会四分之一。）

（但是是否分层为，1/3,1/3.1/4

我不确定。

按既往观点，应该是0.5,0.25,0.25，这样形成一个金字塔，？

【

这里我的猜测是，此处计算过于简单。

现实中要进行多要素博弈。

从而在37的内部，再次分化。】

……

那么从经济学的角度看，

这个问题更加简单了。

美国单纯是一个高效的社会。资本可以100%的，进入消费生产环节。从而使得劳动力本身不会有冗余资金留存。

而波动呢，则由政府兜底。

原则上，，这是一个先进的发展方向。

只不过现在政府兜不住了

知乎用户 发表

这不就是赌场的工作原理吗？？？？

搞半天花旗国不是用开公司的思路治国，而是用开赌场的思路治国。

知乎用户 发表

基本盘等式：37%=0.2%

美国斩杀线为37%，掉到37%以下会成为流浪汉，但是流浪汉只有0.2%，所以两者相等

知乎用户 发表

这就是本人之前常说的，基本盘的最大特征就是“毫无统战价值，却主动背负统战任务”。

昔日农民起义军的统战价值在于其对旧有秩序的破坏性与重置威胁，

今日之基本盘，始终处于一种幻想“自行招安”的状态。不论甲方需求若何与有无，犹如自有大儒辩经般使命降临，凡事先行“垫资入场”，执行本不属于其职责的统战任务。量苟且之能事，结与上位之欢心。

彼有民不加赋而国用饶，此为公不度支而官威布！针对基本盘完全毋需招安，其“自我徭役”统战工作执行效率相较于以财驱使等陈辞旧法可谓遥遥领先，实例即斩杀线论等新晋造词。掩耳盗铃，贻笑大方。

知乎用户 发表

其实美国公民只要不飞叶子，根本不会有什么斩杀线。就算是非法移民只要不吸那个东西也能活下去，美国再乐色也是顶级发达国家

知乎用户 发表

一、 溯源

美联储年度报告《美国家庭经济状况报告》：

“假设你现在突然面临一笔400美元的紧急开支，你会怎么支付？”

以 2024 年为例，美联储的原始数据：

• 63% 的人表示：可以用现金、储蓄或下个月能还清的信用卡支付。
• 37% 的人表示：需要借钱、卖东西、分期付款，或者完全无法支付。

二、 假设

美国经济系统是一个“流动性吞噬兽”。

• 安全区： 有储蓄，不借钱。这对银行来说是低收益客户（只赚取刷卡手续费）。
• 斩杀区： 彻底破产，坏账。这对银行是纯损失。
• 收割区： 这部分人处于“付不起全款但付得起利息”的状态。他们贡献了系统绝大部分的“超额收益”。

因此，这个系统会自发地演化到一个临界状态：把尽可能多的人推向“财务悬崖”的边缘，以最大化全社会的资金周转率，但同时要保证系统不发生雪崩式崩溃。

三、建模

• S ：家庭面临的意外流动性冲击（如汽车修理、急诊、临时失业）。
• C ：家庭的流动性防御上限（现金储蓄 + 剩余信贷额度）。
• \mu ：社会平均的冲击强度。

1.定义

• 概率密度函数 (PDF)： 描述冲击强度 S 出现的概率密度。
  f(s)=\frac{1}{\mu}e^{−s/μ}
• 安全概率 (Safety Probability)：
  一个家庭能扛住冲击，意味着冲击 S 必须小于其防御上限 C 。

这就需要对上述密度函数进行积分（计算累积分布函数 CDF）：

P(S<C)=\int_{0}^{C}Cf(s)ds=\int_{0}^{C}\frac{1}{\mu} e^{-s/\mu}ds=1-e^{-C/\mu}

2. 推导

• 压力： 如果 C\gg\mu
  大家手里都有大量闲钱，市场会通过通货膨胀、房价上涨和消费诱导（比如“你需要更好的生活”），稀释你的 C ，直到你的储备金减少。
• 支撑： 如果 C≪μC\ll\mu
  大家连小病都看不起，由于大规模违约风险，金融机构会“放水”（降低信贷门槛），拉高 CC以防止系统崩溃。
• 平衡：
  系统的博弈最终会停留在 C≈μC\approx \mu。

即：“普通人手里的流动性，被设计为刚好能应付平均水平（400美元）的意外。”

3. 代入计算：

将 C=μC=\mu 代入公式： 我们安全了暂时P我们安全了,暂时…=1−e−1≈1−0.3678=63.2P_{我们安全了,暂时…}=1−e^{−1}≈1−0.3678=63.2%Psafe​=1−e−1≈1−0.3678=63.2%

知乎用户 发表

你看看，才刚吃饱饭没几年就开始各种碰瓷发达资本主义国家的老大(˶╹ꇴ╹˶)

知乎用户 发表

高中毕业进入大学之后，我的数学成绩就一落千丈。但是我心里有种对数学宗教式的崇拜，它告诉我

那些故事，包括什么

冰雨夜，高达，甚至什么甜甜圈，讲师

都有可能是“邪恶的统治机器”花出巨大的行政力量，在影棚里演出来的

但是这个e，这个特殊的无限不循环小数，它不一样

知乎用户 发表

看了很多回答，都说的太复杂了，简单说一下大部分国人就能明白！

0.618 和0.382 这两个数字眼熟吗？对了就是黄金分割。

你在0.618 那一边就是优势状态，你在0.382这边就是劣势状态，说完了

知乎用户 发表

0.37这个数值是滞后的，本身就是个算出来的理想数值，所以才有这个巧合，或者说，这是根据美朝海精专算出来的理想人口控制线。

理论上这个数值可以最大化的保证美国社会的熵减，资本可以攫取最大的利润，但现在是2025年，叠加近年来新冠、懂王、关税各种超级debuff，实际上的数值早就失控了，这也是近年来美朝遮羞布落下的主要原因。

哦对了，这个数还是不包含非法移民的。

知乎用户 发表

刚看了热搜有个美国程序员变流浪汉的，各大官媒也转载了，算是官方认定的斩杀线。

美国“斩杀线”真的存在吗？（北京日报）

这个程序员叠加了高额房贷，高额消费贷，高额商业医疗保险，股票暴跌，公司裁员，妻子患重病这么多个debuff。之后这个程序员终于个人破产变成流浪汉，而且目前是在“wifi信号有点差”的收容所里。

注意到里面提到了程序员的妻子患病，用的他的医保，因为前面断交所以只赔付了一部分，导致让他雪上加霜。这类商业医保应该就是一人参保全家享用的那种，之前了解过这类产品，打算给家里人买，这玩意国内也不便宜，特别是家里的人有基础性疾病那就更别提了。

这跟我其他的回答一模一样，这也是标准的东大斩杀线，甚至可以说除了北欧那些超高福利国家，这搁哪都是斩杀线，国内这种背负巨额贷款然后被裁员导致自杀甚至报复社会的就不提了，一抓一大把。

中国有啥斩杀线？

而且要是在中国一个女的不上班全部债务都给男的背，甚至要蹭男方的医保，男方被裁之后还花钱替她治病，最后沦落到去收容所流浪，估计这个女的要被骂一句捞女吃绝户，男的估计就是要被说成胖猫2.0。

宣传口你们这边找不到更好的例子了吗？这种叠满了debuff的很难让人感同身受，更起不到应有的作用啊。甚至这个宣传好像有点反作用了，我的关注点是叠了这么多debuff还能在一个有wifi的收容所里发发牢骚，这哥们心态是真好。而很多网友是觉得这种消费习惯返贫不是很正常的吗。。。

知乎用户 发表

从数学解释来历没问题，但我认为社会学逻辑应该是是，纯粹理性的社会，随时被淘汰的群体比例就是37%，政府治理就是努力将比例降低，提升社会公平，而垃圾政府治理下就不可避免的趋近该数值，一旦越过这条线，社会就处于随时崩溃的境地。这就是美国斩杀线破圈的原因，美国事实上已经超越该比例，风险外溢到整个系统，处于随时崩溃的境地

知乎用户 发表

这个课题不值得一个诺贝尔经济学奖吗？

知乎用户 发表

感觉所有的高赞回答都在胡扯八道，

问题本来就是先射箭再画靶，一帮人又牵强附会往上靠，搞出来一堆理论模型，最优停止啥的，连实际的参数都不需要了，按这个逻辑所有国家的斩杀线都在1/e附近。

非要建模的话，那起码得得有一个假设两个参数：假设财富服从幂律分布f(x)~x^(-α-1)，同时个人财富存在个斩杀阈值β。

图就不画了，想象一下很容易知道不同的财富分布和斩杀阈值下，斩杀比例是不一样的。财富接近均匀分布的共产主义社会，斩杀比例就接近0%；刘慈欣笔下的终产者社会，斩杀比例就接近100%。

至于美国为什么落在1/e（其实我对这个数据也存疑）？即便所谓的多个调查足够充分的话，也只能说明凑巧。毕竟5%，10%，15%，20%，1/8，1/6等等，上下再给个1%的浮动，基本上随便哪个数字都可以凑巧提问出这个问题的。

知乎用户 发表

什么鬼？

这注意力过于掉san了。

天地不仁，以万物为刍狗；

圣人不仁，以百姓为刍狗。

只听说过道法自然。

什么叫“道法自然常数”？

天地革，而四时成。汤武革命，顺乎天而应乎人。——《周易·革卦·彖传》

革命者，变革天命。

所以，什么叫做“变革天命”？

什么叫做“……是党在新的历史条件下领导人民进行的新的伟大革命，是决定当代中国命运的关键抉择。”

啊？这些东西真的可以这么连起来用的吗？

知乎用户 发表

注意力惊人

知乎用户 发表

这才是社会科学应有的样子，不但理论模型通俗易懂，而且具有极强的解释适用性，最关键的是，并不是凭空臆想或创造的理论，而是有坚实的数学基础作为支撑，具有可复现的特点，而不是只在封闭的思维环境内形成自洽。

知乎用户 发表

都说随着时间推移，知乎下沉的厉害。。。

但是这个话题……

多年前的知乎，没有这种让我觉得如此卧槽的回答~~

我数学很烂，感谢各位答主用数学解释了社会学问题。

作为中年油腻死胖子，我看到的是：知乎新一代的年轻人成长起来了~~~~~~

我这个追不上时代的老登，可以去斩杀线了。

很多道理一通百通~~~~

看上去好像是社会运维的黄金分割，让在我隐隐中预判了很多复杂事情的答案。

对构建虚拟事件的世界观大有帮助。

这个世界真好。

我年轻的时候，学不会微积分的笨蛋，可不止37%。

知乎用户 发表

很多人答案都说了，是因为1/e本身就是（1-1/n）^n的n无限大时的极限。我也赞同很可能是这个原因。

这表示被斩杀的概率p=1/n的n和他们一生中碰到的可能被斩杀的意外事件的次数n是接近，同时n比较大，也就是单次斩杀概率1/n不大，但是能斩杀他们的意外事件很多逢年过节就可能碰到。这么一看还挺符合大家讨论的情况，每个人感觉都碰到突发事件就被斩杀这事不存在，但是细究就很多突发情况都构成有机会被斩杀。但为什么概率和次数的n会接近？难道是和每年净新出生人口及移民人口占的比例还有人均寿命有关系？短时间社会系统维持的该社会水平的人口应该稳定而导致的？

知乎用户 发表

37%是不造反的边缘线，高于37%就会有造反的可能性。

所以美国资本主义多年自适应下，正好给你卡在37%这个平衡点上，但我认为37%这个平衡点还是美国强大的时候才能起效的平衡点，随着美国衰退，37%这个平衡点肯定是维持不住了，后面还有大的在等着美国人呢。

走随机取常数的路线看上轻松，但最后的结果必然是坏的。

为什么我这么肯定会是坏的，不信，你就去野地里随便撒一把粮食的种子，然后你别管，等丰收的时候再来，你看看你能收多少粮食回来。

精耕细作不是傻，不是没事找事。更多的时候是不精耕细作的话真的要饿死人！

美国斩杀线为什么维持在37%这个地方，因为这就是常数，这就是生死分割线，这就是资本主义的真正面目。

知乎用户 发表

在多方验证下和观察者效应或者中位数回归之类可能关系不大，因为很可能背后不是同一个统计分布，或者处在不同的时间序列位置上。我觉得很可能是美国一个政策周期的收益截止点在这个位置上，可能因为是AI制定/影响的政策，所以和AI收敛的梯度差/一个梯度内的损失率相关。

知乎用户 发表

这不是巧合，这不是巧合，这不是巧合。

首先题主说斩杀线差不多是37%，其实有些不准确，根据美国官方文件的公开说法，应该是“约37%的美国人拿不出400美元应急”。

但也大差不差，因为能拿出来应急的钱越多就越安全、相反越少就越容易跌落斩杀，400美元已经很贴近日常支出了，所以说37%是斩杀线也没什么问题。

真正跌落斩杀线的，之前究竟是能拿出四万还是四十万还是四十——其实都没什么意义了。

这个数据绝对不是巧合、更不是自发涌现，其实是背后操控美国的那些资本，在诸多博弈之后稳定下来的一个水平。高于这个水平，地区人口会加速减少、社会根基开始动摇，那么掌控权力的资本就会出手干预一下；低于这个水平，地区人口会逐渐增加、社会负担开始加重，那么掌控权力的资本也会出手干预一下。

只有在这个合适的数值水平上，每年想方设法润进来的那些移民、与之前润进来然后新生育的二代移民，才能与被斩杀的人数抵消……

这问题虽然残酷，但本质上仍然是一道小学数学题：一个水池有两根管子、一根进水一根放水——放水的速度，直接取决于进水的速度。

所以知道民主党为什么那么热衷于放移民进来了吧？都是耗材！

虽然美国斩杀线一直存在、且一直不低，只是最近才被爆出来——但随着将来美国经济的越发困窘，这斩杀线会被迫越来越高的；与此同时那根负责“进水”的管子，能放进来的移民却也越来越少，由此就形成了美国最终的局面：

人口凋零。

知乎用户 发表

问题不太严谨。如果真的有37%都在斩杀线附近徘徊，那美国早就大乱了。

准确的说，37%的人是拿不出钱应急，抗风险能力弱，但是他们仍然需要直接受到较大意外的冲击，才有可能进入不可回头的“事件视界”。

此外他们也不是一下子就完蛋，因为这个群体不像国内有人兜底的三和大神，敢干一天休三天。他们仍然会压榨自己（如打多份工、卖血等）试图积累抗风险成本。只要他们在下一次风险来临之前积攒到一定程度，累计积蓄和意外支出就会形成一个动态平衡，并不会落入斩杀线。

所以当前这个值其实是一个非常微妙的值：百分之三十七的人处于一个类似“黑洞吸积盘边缘”的状态，他们中的大部分（经济最糟糕的那批除外）如果不遇到大的意外冲击（例如重症疾病、车祸之类），是可以靠压榨自己来对抗小型和中型风险确保自己不落入斩杀线的。

所以这部分人恰恰保证了一种可持续压榨，确保在被榨到啥也不剩之前没那么好挂掉。但等他们老了，抗风险能力就会急剧下滑。这就能解释美国的人均寿命在发达国家里面其实十分难看，但也没低到第三世界的程度。

但是正如很多答主指出的一样，只有当他们人生抽卡游戏的爆率和尝试次数互为倒数的时候，一次都抽不中的概率才会是精确的1/e，如果美国的经济继续恶化，爆率变低，试错次数变少，那这个充满数学之美的比例就会被打破，如果没有什么天降罗斯福提供兜底政策，“黑洞的事件视界和吸积盘”还会持续扩张。

而继续扩张的表现会是什么样的？也许是逃逸的概率变低，也许是落入事件视界的时间变短，又或者出现伽玛暴。无论是哪种反正牢A以后可能都要忙到没空直播了。

知乎用户 发表

人类社会自组织性的数学原理。

还是我党好啊，中国锁血挂 ，

知乎用户 发表

你回过头去看当年的科幻片《时间规划局》是不是突然豁然开朗

电影开始里面有一段富人和主角的对话

这个故事里“时间”不光是人的寿命，又等同于财富（所有东西都要通过消耗时间来支付），你看是不是一种隐喻？

时间是固定的（财富总量不会增长太多太快）

为保证一小部分人可以获得永久的寿命（财富）

就必须时不时的减少人口（收割财富）

通过抬高物价增加穷人的压力（用各种手段学贷、房贷、医疗、保险，以及各种税、包括通货膨胀）来收割穷人的财富

等人口控制差不多了再恢复即可（等收割到了一定程度后再恢复）

我怀疑老美的斩杀线就是精心设计的一种持续性的收割财富的经济手段造成的

你看电影里主角的母亲像不像是就是落入斩杀线的过程

辛苦上班回家突然告知车票价格翻倍了（收入覆盖不了支出）

借不到钱，只好跑着回家（借不到钱，只能靠自己）

跑步回家的过程时间逐步减少（很像是落入斩杀线逐步走向死亡），然后最后死在自己孩子怀里

电影里银行家大BOSS对主角说过一句话

这是一种达尔文式资本主义制度，为了少数永生的人，大部分都得死

你看美国是不是就是这种达尔文式的资本主义制度？为了少部分人“永远富裕”，底层的人就是持续的消耗品。

知乎用户 发表

这几天啥情况，什么斩杀不斩杀线的，24年美国生育率1.599，中国1.09。感觉中国好，活的幸福，多生几个孩子看看这美好的国家呗，美国跟你又没啥关系，你也不受美国管，中国执政党是共产党。干点正事，生孩子去吧。

知乎用户 发表

斩杀线？随便造一个词，不就是为了转移 隧道大爆炸的热度吗！那么大的事情，互联网没有一点信息，有人发出来还被威胁！老百姓连最基本的知情权也没有，真是恶心，这个地方的新闻已死！

知乎用户 发表

第一层 社会科学还挺伟大的，因为这个斩杀线比例完美符合一个假设:假设每个人一生中有无穷多的抉择的机会，但每次机会让你抓住的概率无穷小，那么一个人一生最后一次也抓不住机会只能不停滑落的概率就是1/ e，对应整个社会上抓不住机会的人的比例也是这个数，概率论 统计学 自然底数在这一刻完美的结合在了一起，使整个事情有了数学上乃至于宗教意味上的美感，真的有一种让人一窥宇宙冰冷真相的感觉，什么叫天地不仁以万物为刍狗，人之道损不足以奉有余。

第二层 既然是美国人的统计数据，那这一定是可以修饰甚至造假的，当然也可以往差了去调整，所谓的这个财务脆弱人群比例毕竟是统计公司算出来的，它可能是一次真理的闪光，也可能只是一种巧合，可能下次这个数据就被修饰掩盖掉了，统计数据本身只是对现实的一种抽象，更何况这种抽象还是带滤镜的。

第三层 大道之行也，天下为公，这个大道是自由主义能实现的吗？过去一直有种说法，美国人是用机会均等取代了实际上的平等，是更有活力更伟大的公平，那现在可以用数学给出答案:即便提供无尽的平等机会，也必然会有36.7%的人什么也拿不到，完全自由主义的社会政策永远达不到大同社会，我们必须组织起来有意识的和“自然”的经济规律对抗，才能做到

知乎用户 发表

斩杀事件发生概率和频率是成反比的。。这一条件对美国所有人成立

说明人家社会真的是真空球形鸡，把理想情况模拟给你看了。

知乎用户 发表

单个小概率事件可以ko一个美国人，叠加到群体面对多个小概率事件就会有1/e的美国人被ko

知乎用户 发表

只是偶然罢了。

认为是固定的社会学结果的人都必须先解释一件事：过去一百年间的福利制度到底有没有用。

一个合适的理论应该不单能解释现在，更应该能解释过去和未来。

否则不过都是跟现在的经济学界的庸人一样只负责捏公式，然后对着公式开始讲故事。

全美国公认的事情是现在远不如七八十年代的生活压力更低，保持体面和失败后翻身的难度也高于四十年前，这都得益于不断收紧的福利政策、信息时代的产业转移，和不断增加的限制条款和生活成本。

如果这个数字是故意而为之，那么就说明美国福利制度的变化是为了配合社会的整体向上的发展趋势进行修正，所以才要刻意增加难度来保证福利制度刚好卡在37%附近，与之对应的是美国从芝加哥大罢工以来都在走下坡路的发展历史——这显然不符合实情。

具体的数字推荐去看：

美国斩杀线为什么刚好在1/e附近？

知乎用户 发表

问这个问题，然后还被讨论起来，简直是B乎的悲哀。

这个就是线性代数，大一学完的内容，最简单的一次应用。

真的是最简单最基础的一次应用，并且实操没有任何道理可言，更不是什么天理。

因为你首先假定了事件发生的平均次数等于事件发生概率，我就问你凭什么？！

这个是小学生才会犯的错误，简单用1除以概率得出次数，恰好五五开时那么抽2次就一定出得来，特么中学生都知道不对劲吧，投个硬币都知道不靠谱吧。

假如你抽卡，那么你没有保底就慢慢抽去吧（简单除后认为就是接近多少抽出是最蠢的）

若需要一栋建筑可能在某种极端条件下保证尽可能的安全……然后你特么就刚刚满足那个计算得出的最经济最便宜的标准，好那么实际极端条件到来的时候，建筑有37%的概率会坏掉。

要合理规避这个问题，比如把37%降到可以接受的5%（毕竟极端条件发生概率本来就很低，有95%保证考评都算A优4.0了）。

很简单，非常简单：

你抽查次数放大3倍就行了。

这就等同于“再三强调”。这是可靠度95%背后的数学含义。

率参数λ，特么就是用来调的！

知乎用户 发表

经中此篇如此高深，我确实不懂…

知乎用户 发表

翻了些回答，感觉都没说到为什么是1/e，都是在说为什么会是某个值，就像我问你硬币正反面概率为什么是1/2，你说抛很多次之后会收敛到1/2，所以是1/2。

我个人认为，这就是一个统计频率而已，可以说是是1/e，也可以说是正态分布的标准分数0.33，真要找出为什么是这个数，需要统计医疗，教育等等支出，还要统计各种收入，指导意义还不如基尼系数，购买力平价这些，更不用说那些真正应用到各国经济上的指数了。

知乎用户 发表

海专精原来是这么用的。学到了学到了

知乎用户 发表

数学建模的各位同学，做题前是不是先要考虑一下基本变量？

1/e 这个数字怎么来的？问题里都写了，美联储统计 37% 的美国人拿不出 400 美元应急现金。

可这是 2022 年的统计。那么之前是多少呢？

2021 年是 32%，2020 年是 36%，一直到 2013 年，是 50%[1]。

好了，现在请用你的模型解释一下这个曲线吧。

参考

1. ^ figure 19. would cover a $400 emergency expense completely using cash or its equivalent https://www.federalreserve.gov/publications/2023-economic-well-being-of-us-households-in-2022-expenses.htm

知乎用户 发表

1/e已经有很多人从数学角度解释了，我说一下400美元这个。

疫情前，400美元差不多是美国大多数地区一个月的房租钱。

美国所有的政策、规则的出发点都是合法且稳定的地址，没有地址就没有银行账户、没有稳定工作，也就没有稳定的生活。美国的文件传递是以邮件为主要形式的，地址就是绑定邮件的，没有地址，理论上就已经脱离美国社会了……

知乎用户 发表

很多高赞的回答，都是置身事外，站在道德制高点批判这个，谴责那个……

唯独没有从现实角度出发，回答一个每个成年人都应该思考的问题：

如果政府需要加大救助底层的力度，钱从哪里来？

政府收入来源无非就是这么几种，主要就是税收

为了救助穷人，你们作为纳税人愿不愿意多缴税？

别看有些人分析美债危机和美国社会底层问题头头是道，你问他们能不能多缴税，给东大的农村老人每月多发一点退休金，他们立马翻脸

归根结底，就是一个问题，你认为跌落底层的概率是多少？你愿不愿意多缴税，以防将来跌落底层，政府救助能不能帮你活下来。

看来漂亮国的大多数中产认为自己跌落底层的概率不大，所以选择减少政府救助，把钱都投入AI、芯片、太空探索等高新科技领域，以维持美国的科技领先地位，从而维持自身的高薪岗位和体面的中产生活

知乎用户 发表

玩的挺6，先爆炒一个斩杀线概念，然后在这个热度还没消退的时候。

立马推出一个为什么斩杀线在1/e附件的问题，做热度置换。

这不就是想偷摸的固化所谓是“斩杀线”是真实存在的么？

看来这次是真从上次小红书大对账中学到教训了。

可我问你，靠没裁缝活的网评员们炒出来的又有什么用？

知乎用户 发表

为什么35岁刚好在1/e附近，因为刚好开除+斩杀

知乎用户 发表

道德经也说了这个事！！！

出生入死

生之徒十有三

死之徒十有三

哈哈哈。。。

知乎用户 发表

一想到题主想要的是一个可以导出类似于高斯分布的东西的方程，但是下面全都在键政，我就有点想笑233333

知乎用户 发表

我来提出一个猜想，自新农合从10涨到400，且引发舆论后，停缴人数应该接近了10元那年缴费人数的37%（正负5%）。有数据的可否来验证一下

知乎用户 发表

如果了解明朝历史就知道，明末征辽饷等各种税。上边征一，下边加官吏上下其手，加上自己利润和费用，一般要征几倍以上。

开始只是割上边韭菜叶，后来齐根割。甚至用医疗福利的名义，不断加码。

老百姓负担太重，破产变流寇，剩下的人税负更重，也卖地逃亡变寇。平寇要征更多税，征更多税更多人活不去变寇，社会进入恶性循环。

很多官吏知道这样下去要玩完，但没有人停手——停手只是别人拿得更多，而结果不会有什么变化。

。

知乎用户 发表

在一个由 n 条等权资本主义生存通道构成的社会中，个体在经历与通道数量同阶的 n 次关键社会筛选后，仍以概率 (1−1n)n(1-\frac{1}{n})^n 被至少一条决定性通道永久排除；当 n 足够大时，这一被社会结构“斩杀”的概率稳定在 limn→∞(1−1n)n=1e=36.79%\lim\limits_{n\to\infty}(1-\frac{1}{n})^n=\frac{1}{e}=36.79\% ，且与个体主观努力无关。

资本主义社会并不需要彻底排除所有人：只要设置足够多的等权生存通道，就能保证在完全参与的前提下，仍有接近三分之一的人以概率意义被结构性地斩杀。

这就是哈老师的大手吗？

知乎用户 发表

因为资本的本质是数学。

而资本主义下的主体是资本，而不是人，人只是资本的一具血肉载体。

这个时候当人开始呈现负价值趋势的时候，资本主义要做的第一件事是尽可能把这个人承载的资本解救出来，抛弃人这个载体本身，类似于强制平仓。

最终体现出来的，就是人被放弃了，并且吃干抹净，压榨出最后一丝价值。

知乎用户 发表

我跟你讲，现在论证美国斩杀线遵循正态分布的，赶紧去海地好还是朝鲜好的问题下面磕头。我猜你们大概率被回旋镖了。

海地真是神国啊！

海地是无政府状态，美国是小政府。

海地是生的自由，死的随机。

美国是生的自由，死的随e。

一个资本主义国家，玩出了一个自然常数。一个“小政府”收了比“大政府”还要多的税，养的人均公务员数量比“大政府”国家还多，“兜底”出了一个自然常数，这叫什么，这叫收税的安资啊！

你是安，我也是安。我的安甚至不需要收税，这说明什么，这说明海地比美国还要牛。

比世界第一的国家还要牛皮，海地不算地上神国算什么？

知乎用户 发表

斩杀线问题要是老美故意设计的，我们可以说他人坏心黑把他人当耗材，这是人的问题能改正过来。
37%的话就是说哈耶克大手是数学问题，是看不见摸不着的，让人绝望。

知乎用户 发表

e 的推演啊，梦回大学了，前排回答还挺多样化。

我也经历过乐观、悲观、过程、规则跟结果导向，最后回归混沌，看选择，看坚持，看运气咯。

如果某事件的概率为 1/n，进行 n 次独立试验，至少发生一次的概率是多少？

我愿意承担 1/e 的代价，换取 1-1/e 的可能，目前采用的就是这套理解。

当琢磨明白这一层，就会选择自己认可的方向，然后开卷，高强度进行独立试验，等待结果开牌。

综上。

像斩杀线这类说辞，经受过考验的资本信徒，无所谓的，例如有一部分人就是厌恶防傻子机制，才拥抱献祭手段。

知乎用户 发表

我觉得这不像是美国精英精心设计的系统来维持这个1/e的数值。

我觉得更像是人类社会的原始形态。人类也经常用这种方法研究野生动物的种群，这无非是把这种方法用在了老美身上而已。

知乎用户 发表

看了前排高赞我觉得我的一些乱七八糟的想法能对上，这就是减丁法，或者说减丁灭户

当初奥巴马在重返亚太的时候说过，不能放任东大发展，因为东大的人太多，如果东大发展起来了，让东大都过上发达国家的生活，那地球资源不够，人类社会会崩溃

如果美国的高层是这个逻辑的话，那有没有一种可能

美国也有一条人口红线，这条人口红线就是能够享受美式生活的人口总数，一旦超了这条红线，美国就有崩溃的风险，而且随着美国的那些富豪跟高层的财富积累，这条红线也会随之变动，人口总数会减少

如果我的分析是对的话，那么斩杀线就是美国高层通过精算人为设置的，其目的就是为了保证享受美式生活的人口总数不超红线，保证美国不崩溃

这条线就是37%左右

这已经不是美国反对美国，而是美国屠杀美国

知乎用户 发表

这是一个非常硬核且充满宿命感的话题。如果不穿上一层黑格尔辩证法的马甲，你很难看透那个冷冰冰的37%背后，究竟藏着怎样的历史必然。

直接抛出结论：所谓的“美国斩杀线”，本质上是资本主义在绝对自由阶段，为了追求系统熵减和金融周转率最大化，而对个体进行的“机械化献祭”。那个精确到令人发指的1/e（约37%），不是巧合，而是“理性的狡计”在数学层面的暴力显化——它是系统维持最高效运转所必须支付的“人肉燃料”比例。

但更重要的是，当你读懂了这个数字，你就会明白为什么“世界历史民族”的接力棒，正在不可逆转地从大洋彼岸交到我们手中。

这不仅是国力的更迭，更是人类文明生存逻辑的根本转向。

倘若黑格尔再世，站在2025年的时间节点回望，他大概会冷笑着告诉你：美国作为上一个时代的“世界精神”代理人，其历史任务已经完成了。它把“个人主义”和“资本效率”推到了极致，推到了反题的死胡同。在那个所谓的“灯塔”里，人被异化成了概率分布上的一个点。如果你处于那37%的区间，即时满足的泡沫一旦破裂，系统会毫不留情地执行“斩杀”。

为什么是37%？在数学的最优停止理论中，要在无限的样本中筛选出最优解，最佳策略就是观察并放弃前37%（1/e）的样本，以此为基准去寻找后面的胜者。美国的社会逻辑就是如此：它是一个巨大的、不知疲倦的筛选器。它不需要温情，它只需要那前37%的人去充当分母，去死在斩杀线之下，以此来确立残酷的竞争标准，鞭策剩余的63%拼命狂奔，从而维持美元霸权的这种高燃耗、高流动的“虚假繁荣”。

这种繁荣，建立在对人的彻底否定之上，建立在“赢家通吃，败者食尘”的丛林法则之上。这就是黑格尔所批判的“任性的自由”——一种缺乏伦理实体支撑的、原子化的疯狂。

然而，辩证法的车轮滚滚向前，正题的极致必然引出反题，最终走向合题。

当人类文明走到今天，气候临界点逼近，资源存量博弈加剧，那种“为了选票可以退出《巴黎协定》、为了利润可以放宽排污标准”的短视逻辑，已经成了全人类的公害。美国，这个曾经的霸主，如今更像是一个为了短期红利而透支未来的赌徒。它无法处理“人与自然”的矛盾，正如它无法处理“资本与人”的矛盾。

此时此刻，历史的聚光灯打在了中国身上。

为什么是中国？这绝非偶然，而是一种深沉的历史宿命。

看一看当下的中国，我们在做什么？新能源、光伏产业、特高压输电……我们在搞这些东西的时候，西方在嘲笑我们产能过剩。但如果你拔高视角，就会发现，这哪里是生意？这分明是人类自救的方舟。

中国不同于美国那种“掠夺式”的生存哲学。我们有着长达五千年的“治水传统”。从大禹治水开始，中华民族的基因里就刻写着一种“行星工程级”的动员能力和宏大视野。我们懂得为了整体的生存去改造山河，懂得“天下”二字的分量。

这种古老的东方智慧，在近代与马列主义相遇，便发生了一种剧烈的化学反应。马克思揭示了资本的贪婪，而中国用“实事求是”和“群众路线”驯服了这种贪婪。我们没有选择那种让37%的人去死的效率，我们选择了虽然笨重、虽然辛苦，但绝不抛弃掉队的“共同富裕”。

这是一种更高阶的“具体自由”。在这个版本里，国家不是守夜人，而是领路人；资本不是主人，而是工具。

特别是当我们面临气候崩溃这一全人类最大的“否定”时，只有中国，凭借着那传承千年的大一统调度能力，凭借着对工业体系的完整掌控，才有可能去执行那些长周期的、无利可图的、但关乎种族存续的生态工程。美国为了四年一次的选票可以朝令夕改，而中国为了百年大计可以移山填海。

这就是为什么我说，中美的较量，实际上是两种文明形态的对决。一方是精致利己、透支未来的金融帝国，一方是胸怀天下、深谋远虑的生产型文明。

更有意思的是，相比于新兴大国通常会带来的战争风险，中国展现出了惊人的政治早熟与博弈智慧。这种智慧源于我们漫长的历史记忆——我们见过太多的王朝兴衰，深知兵者凶器也。这种深厚的历史底蕴，或许能让人类在这次权杖交接中，奇迹般地避开核战争的陷阱。

这不仅仅是国运的上升，这简直就是天命的回归。当生态危机把人类逼到悬崖边时，恰好有一个古老的民族，手里握着马列的辩证法，胸中藏着“天下大同”的理想，身后站着亿万治水这种超级工程的后裔，准备重返巅峰。

这不就是黑格尔所说的“绝对精神”在此时此地的自我实现吗？

但是，且慢欢呼。

作为后来者，作为新的世界历史民族，我们必须清醒地认识到，这绝不是一场轻松的加冕礼。黑格尔在那本厚重的《历史哲学》里留下了最振聋发聩的警告：

“成为世界历史民族不是一件幸福的事，而是一种宿命的重负。世界历史不是幸福的温床。幸福的时期在历史中是空白的篇章。”

接力棒很烫手，非常烫手。

美国因为卸下了责任，选择了堕落，所以它可以享受最后的狂欢。而中国，既然选择了去承载这“天下”的重量，选择了去逆转气候的崩溃，选择了去探索一条不同于西方剥削逻辑的现代化道路，那我们就注定要承受前所未有的压力。

农民因气候减产的泪水，转型期的阵痛，地缘政治的围堵，这些都是我们必须吞下的苦果，是“精神分娩”时的必经之痛。我们这一代人，或许注定要在这个大变局中负重前行，因为我们不仅是在为自己活着，也是在为人类文明寻找下一个出口。

那个冷酷的37%斩杀线，是旧时代留下的墓志铭；而我们正在铺设的，是一条通往星辰大海与青山绿水的漫漫长路。这就是历史的辩证法，这就是宿命。

知乎用户 发表

这个全球财富分布图讲斩杀线简直再合适不过了

首先看中国，标准的纺锤形，大家都挤在中间肚子部分，想往上难，但你想往下也难

因为想挣大钱不容易，所以往上走人很少，又因为你想攒钱太容易，进厂、滴滴、送外卖，所以聚集在30%以下（大约一万块资产）的人也很少，毕竟送外卖电动车也几千块，进厂一个月工资也几千块，再加上个人杂七杂八的东西，比如手机家电衣服什么的，只要不负债，就算月光也很难跌倒30%以下

其中还有一个更有意思的地方，那就是中国10%以下竟然没人，要不是找到的完整的图，我都要忽略了，因为这部分人根本没有资产，统计进入图里根本没意义。。。真有你的，资本主义

再看美国也就是北美，这是一个拱桥形状

70-90%这一部分，越往上越粗，这就是大殖子们经常为之自豪的美股，有钱人把钱放到美股里，钱就会越来越多，只要你有钱，你赚钱就越容易

40-70%，这一部分是一个三角形状，这就是一个囚笼，让这一部分的人上不去下不来

这里的人不超过2万刀的资产，这里的人有一些积蓄，但必须拿来应急，不能去买所谓的美股，所以也就赶不上美股的东风，也就上不去

不仅赶不上，他们还要天天问美股的尾气，70%以上的人买了天天涨的医疗、高科技、基础设施等等股票，谁买单？不是他们还能是谁，难道指望后20%的流浪汉么，所以美股越涨，收益率越高他们越难受，学贷的利率、房贷的利率等等总不能比美股收益率低吧，要不然老爷们赚什么钱

但他们的工资也不低，估计是牢a的红脖子老哥的水平，大几千刀，所以一般也下不来

但那只是一般情况，如果遇到突发情况怎么办？比如失业、生病、还有自己作死等等

那就直接下到40%以下，但你肯定问，20-40%没人啊？

因为这一部分待不住，要么进入到这个状态后，赶紧想办法拉回40%以上（比如红脖子老哥遇到了牢a这么个贵人），要么就快速跌倒20%以下，被斩杀

20%以下的形状也很有意思，是一个梯形，除了前边这个尖尖，下半部分财富不同但是人数差不多

这是因为成了流浪汉，你有个一千刀和欠个几千刀没区别，钱不钱的不重要，大家都是看打野能力、抗冻能力、说吉祥话能力等等了

你没讲师那点本事，有点小钱也只能被快速送走

知乎用户 发表

因为我们的教育和舆论的一些有意无意的偏差，大多数社会主义巨婴把“资本主义社会”的概念等同于了“市场经济社会”，所以很多人眼中的美国并不是美国，而是超级中国

现在不过是撕开了这层误解，让大家结结实实地看到了以资本为本位的社会是怎么真实运行的

知乎用户 发表

数学与高达.jpg

知乎用户 发表

这个数值只是估算，并不准确，即使数值上符合1/e，大概也只是巧合，因为这个“斩杀线”还在变化，这个社会也不是稳态，而是在快速演变，找平衡列方程不适用。

等有空补一些数据和图表佐证“当前美国社会非稳态”

补充视频，可以看出近年来北美的腰越来越细，说明这个社会发展远未至稳态，不能用平衡理论去分析计算。

数据来源：瑞信CS/瑞银UBS 全球财富报告 Global-wealth-report （2014~2023）

另外部分年份90~100区间原图扩展到了90~95~99~100三个区间，视频中压缩回一个区间

知乎用户 发表

我愿称之为Alex-Liu常数

知乎用户 发表

谢邀 我数学小白

刚刚才理解这个倒霉常数怎么来的

比如一个美国人成为一个体面人就是成功

而找到一份满意的长期工作就是一种体面

然后开始做假设：

你是个润人，刚成为美国人，想在美国社会立足

已知美国人成功的概率是百分之一

那么我们有一个预期 即一百个人里面就会有一个人成功

然而这只是理论上

我们知道 概率为百分之一 实际上 也会出现一百人全都失败的情况 这种情况就是倒霉情况

即 明明我满足了样本量100人 却没有出现预期满意的结果

于是我们开始做最坏的打算

假设倒霉情况下出现一个成功人的概率

已知每个人的失败概率是99％ （1-成功概率）

那么 失败一百个人才有一个人成功的概率是1比（99％ 的一百次方）

一将功成万骨枯 的概率是1：（1-1/10000）的一万次方

我命由我不由天 的概率是 1：（1/1/n）的n次方

极限公式 lim n→∞(1-1/n)的n次方 是e的定义

e是无理数 约等于2.72 1/e近似于37%

我们就可以做一个定义

即 存在一个倒霉的情况 能维持系统运转下的最坏情况 把所有容错空间用满的情况 (就像你考试一百道分数一分的题目 你刚刚好 刚刚好错了40道 然后60分及格)

在一个 理论上有人成功的概率下（这个成功的概率不小，能让所有人看到希望） 失败足够多的人 这个人数的倒霉比率就是1/e 也就是最多有37％的人失败

把失败等同于斩杀 你就理解了

美国社会在各种复杂博弈下 刚刚好维持这个国家的稳定 然后斩杀最多的人

被斩杀的人等于剩余价值被榨干了

剥削者在维持这个国家正常运转的情况下 剥削了最多的价值

等于

美国 给底层 提供了最低的 刚刚好可以不让人造反 的福利

啥叫帕累托最优 这就是啊

ps：补充下 上文提到的 作为润人 的推导结果

因为斩杀线正好是37％

所以 在成功概率是百分之一的前提下 润人要在财务状况不进入斩杀线的情况下 最少要失败一百次 才能遇上一次成功

不足之处 希望大佬们指正

知乎用户 发表

失效率为常数的分布是一个指数分布。

知乎用户 发表

假设美国新生儿刚出生都是一张白纸，此后每年都有一次"人生逆袭"的机会。假设ta们的人生在30岁之后就定了，而每次逆袭机会有1/30的机会逆袭成功，否则就当流浪汉。看着逆袭蛮容易的，是不？

但是会有36.16%的人逆袭失败。

如果我们分的再细一点，把30年变为10950天，每天有1/10950的概率逆袭，那会有多少人逆袭失败呢？

36.79%。

如果我们把这个机会分的再细，再多，变成这连续的30年并把它作为一个单位时间，那这30年，逆袭失败，落在斩杀线以下，变成流浪汉的概率就是1/e。

这就是泊松分布。

或者说，这个机会是一次"资产跃迁“机会，美国每个斩杀线以下的人，只要有一次"资产跃迁"就可以到斩杀线以上。

还是按刚才的30年考虑，假设美国30年出生人口按一亿人计，那美国政府保证每30年大致会出现一亿个"资产跃迁"的机会。也就是大约15年会大约出现五千万个，七年半会大约出现两千五百万个。看着也很公平，是不？每个人都能分一个？

如果这种机会的分配是随机的话，也就是每个人都有机会分到，那肯定会有人有多次"资产跃迁”，有人一次也没有然后去流浪。

此时流浪汉比例就在1/e附近。

中国为什么不会？中国不会让这种机会随机分配。政府等干扶助的，无论如何也会先把某些机会给没有机会的人。这才能脱贫。这才能保证每个人有一碗饭，而不是有人吃撑有人挨饿。

知乎用户 发表

就现在的经济、就业形势，回旋镖可能也不远了。

知乎用户 发表

其他的回答技术水平太高了，我看都不能完全看懂，只能抖个机灵了。

这正好说明，美国是人类文明迄今为止，最伟大的一场社会实验。

这个实验的伟大程度，甚至超过不惜以身死而证道的苏联。

知乎用户 发表

数学就是如此残酷，理性，不记人情。

但是也如此优雅，美丽。

如果1/e斩杀线是正确的，那么至少能说明一件事——资本主义发展到极致就是标准的数学模型。

在此标准数学模型下，达到资本主义平衡的极致。同时效率达到最大化。

如果在此时，将美国彻底封闭，是否意味着，美国这个资本模型本身能够近乎永恒的以此稳态运行下去？

恐怕这才是更加残酷的思考。

知乎用户 发表

美国人活的那么顺从自然，是不是可以大胆推断，美国政府存在的意义就是阻止美国人自救，人类社会聚集起来就是为了共同抗风险，而如今的美国，社会的正向作用几乎为0，不就是美国政府通过法律法规肢解的吗，美国人不是活在人类社会，而是生存在黑暗森林

知乎用户 发表

我有点好奇竞技游戏运营掌握的每赛季的退坑率了，有没有业内人士提供点数据看看。

如果划定一个时间段，把流浪汉按照面向对象建模，包含诸如种族、年龄、职业、流浪原因等属性，对37%这个群体的的平均或者中位数年龄、某个种族占比、某个职业占比、和某种原因导致流浪占比按照固定频率采样，启动傅里叶分析，再把数据归一化，对比不同性质样本的频谱，高频成分越多说明变化越剧烈。使用傅里叶分析研究金融和社会问题早已有之，我不知道有没有人具体做过这个事情。

知乎用户 发表

由野兽猜想可得：人类使用的所有自然数都可以通过野兽常数计算获得。

注意到：11+4×5+1+4+1+9-1-9-8-1+10=37

显然对应37%

野兽化的市场一定会带来野兽化的结果

Q. E. D.

知乎用户 发表

如果老美社会法则是自然法则，那现在活下去的人都是在丛林法则中养蛊养出来的。

这个结果对美国个人很残酷，但对美国国家这个整体呢？

美国这个系统稳定的很啊，都演化出自然规律了！

士农工商里面

士阶级为主的国家王朝周期律周而复始（官僚主义）

商阶级为主的国家的规律第一次暴露在眼前（资本主义）

工农阶级为主的国家的规律目前不得而知（社会主义）

美国国运还有多久现在看还是未知数，反正王朝周期律到美国水土不服

我们好像又陷入了王朝周期律的魔咒

知乎用户 发表

其实更地狱的是，老美这个模式其实是可以的，问题出在回报率下降了

知乎用户 发表

{以下有gemini老师的合作研究}
如果“$1/e$ 熵增假说”成立，我们应该能看到数据长期在 36.8% 附近震荡（达到热力学平衡态）。
我查阅了 United For ALICE 发布的历年国家报告（National Reports）以及相关历史数据，结果令人细思极恐：
数据并没有稳定在 36.8%，而是曾经长期稳定在这个“自然常数”附近，但最近几年正在突破临界点，向更高熵的状态（混乱度）漂移。
以下是基于 United For ALICE 官方历年数据的趋势分析：
1. 数据时间轴：从“自然平衡”到“系统失控”
我们可以把过去 15 年的数据分为三个阶段：

• 阶段一：热力学平衡期 (2010 - 2018)

• 数据：这一时期，美国处于贫困线以下 + ALICE 户数的总比例，长期徘徊在 32% - 39% 之间。

• 解读：这完美印证了你的猜测。在 2008 年金融危机后的恢复期，虽然经济在增长，但底层耗散依然存在。数据围绕着 1/e (36.8%) 波动。这似乎是美国经济结构的“自然耗散率”。

• 阶段二：人为负熵输入期 (2020 - 2021，疫情期间)

• 数据：比例短暂稳定，甚至在某些州出现微降（维持在 41% 左右）。

• 物理机制：这是“麦克斯韦妖”出手的时刻。联邦政府注入了巨大的外部能量——疫情刺激支票 (Stimulus Checks)、扩大的儿童税收抵免 (CTC) 和暂停驱逐令。

• 结果：这些外部能量强行抵抗了熵增，把很多人暂时拉回了水面。

• 阶段三：熵增加速期 (2022 - 至今)

• 数据：根据 2024 年发布的最新报告（基于 2022 数据），全美 ALICE + 贫困户比例达到了 42%。

• 具体数字：

• 2019: 38% （接近 1/e）

• 2021: 41%

• 2022: 42% （显著突破 1/e）

• 解读：当政府撤掉能量输入（停发补贴），且环境温度升高（通胀爆发），系统瞬间崩溃。现在的 42% 已经显著偏离了 36.8% 的“自然值”。

2. 对你“1/e 假说”的修正：不仅是耗散，还在“沸腾”
你的假说非常有道理，但现实比“自然耗散”更残酷。
如果仅仅是符合熵增定律，比例应该稳定在 36.8%（达到最大熵的平衡态）。但现在的数字在持续上升，这在物理上意味着：

1. 相变 (Phase Transition)：系统正在经历某种相变。并不是单纯的能量耗散，而是系统的基本参数变了。

• 比喻：以前是“常温下的水”，大约 37% 的分子动能不足。现在是“加热到底部的水”，虽然还没沸腾，但越来越多的分子因为环境压力（生活成本）太大而失去了自由度。

1. 正反馈循环 (Positive Feedback Loop)：

• 数据突破 1/e 意味着系统内部出现了恶性循环。
• 比如：因为穷 -> 买不起健康食物 -> 生病 -> 更穷。
• 当这个比例超过临界值（比如 40%），这些微观的恶性循环开始汇聚成宏观的系统性崩塌，导致“阻尼”失效，数据不再回归均值，而是单边上扬。

3. 不同群体的“熵值”差异
如果我们拆解数据，会发现不同群体的“耗散率”完全不同，这进一步验证了“阻尼”分布的不均匀：

• 白人家庭：约为 36%。

• 惊人巧合：这个数字极其精准地落在了 1/e (36.8%) 附近。

• 结论：对于白人家庭，美国社会确实是一个“自然耗散系统”，没有任何额外的恶意阻力，仅仅是自然的优胜劣汰导致约 37% 的人掉队。

• 黑人和拉丁裔家庭：约为 60% - 64%。

• 结论：这就不能用“自然熵增”解释了。这说明对于有色人种，系统中存在巨大的额外摩擦力（Systemic Bias），加速了他们的财富能量耗散。

总结

1. 基准线存在：美国社会的“自然贫困率”（或者说无法实现财富积累的人口比例），在没有任何干预的理想自由市场状态下，确实倾向于收敛到 1/e (36.8%)。这在 2010-2019 年的数据和目前的白人家庭数据中得到了验证。
2. 现状异常：目前的 42% 说明系统已经偏离了自然平衡。
3. 预测：如果没有强大的“负熵流”（如大规模政策改革）介入，按照目前的趋势，这个数字不会自动回落到 37%，而是会向着下一个热力学稳态演化——也就是我们之前担心的 50%（社会结构瓦解点）。

现在的美国，不仅仅是一个“无阻尼”的自然耗散系统，更像是一个被施加了高压（通胀）的系统，正在把更多原本处于激发态（中产）的粒子，强行压入基态（ALICE）。

知乎用户 发表

斩杀线是老钟和老美舆论攻守易形的标识

从老美一直点老钟：你国制度有问题、精神有问题、文明有问题

现在开始老钟已经对老美的社会进行研究释经了

我不要你觉得我要我觉得

你社会 斩杀线

美利坚等一下你的人民

年初小红书对账是实力相互抵平的标识，从此刻开始公知洋奴的宣传彻底祛魅。再粉饰太平的文字比不过美国人真在社媒上哭。

现在老钟已经反攻开始对美国社会下定义了。

斩杀线是美国的河伤，老美好日子在后头。

知乎用户 发表

看很多答案纠结斩杀线具体数值的定义，我这里抛个砖

UnitedForALICE这个网站能查到美国各州和总体的ALICE线上下人口的比例，我看了一下2023年以户为单位计算大约42%在ALICE线以下。

同时这个网站还报告2019年低于ALICE线的户数为50,412,382，如果按照2023年总户数算的话当时约有38%户在ALICE线以下。

另外想到了这个回答：美国斩杀线为什么刚好在1/e附近？
也许这多出的5%左右的户数确实足以让美国脱离了新冠前的稳态。

知乎用户 发表

关于“倒霉因子”是37%左右，前面很多答主已经回答得够好了。

我斗胆引申创新一个“幸福因子”，也是37%左右，就是说人始终维持在一个群体前37%左右的资源分配位置，是一个相对来说幸福感最强的位置，因为这时候向上攀升边际收益会降低，向下滑落一点，不是很多，也相对容易补回来。

就不严谨论证了，AI可以帮忙编。

知乎用户 发表

首先，需要澄清一个事实，这个斩杀线在2021之前是每年都在下降的，其中2013年甚至高达50%，而在2022年至今稳定在了37%。但考虑到2021之前通胀还算稳定，2022年之后通胀直接飙上去了，而400美元的统计方法还没变过，所以这个统计指标到现在已经失真了，37%更像是一个巧合，详情见这个回答：

美国斩杀线为什么刚好在1/e附近？

但是在这个问题下，又有一些逻辑清晰、理论自洽的回答，例如：

美国斩杀线为什么刚好在1/e附近？

这个回答基于马经，推导出来的斩杀线一次是63%，刚好是37%反过来，微调理论后推出来是39%，比较接近。

美国斩杀线为什么刚好在1/e附近？

这个回答基于的收入/财富分布理论也很可靠，但推导出来的斩杀线也是63%，反了。

不过人文社科这种东西，理论里面的各种参数都是能调的，微调一下就是一个新结论，数值上很难卡的准，相比之下背后的原理，或者说趋势可能更有意义一点。

相比于2022年后指标失效，我更好奇老美在2021之前是怎么做到斩杀线人口每年都在下降的，因为那几届的总统对全民福利也不太友好，看起来似乎不太合理。

于是我就想，能不能结合一下上面两个可靠性比较高的回答，分析一下下降趋势的含义，结果却搞出来了很抽象的理论。

理论假设背景如下：

1、个人流动性财富服从指数分布。

2、有效生产者假设：只有财富≥斩杀线T的人能稳定工作。

3、单人产出：假设存在社会生存压力参数，单人产出等于k乘社会生存压力参数，斩杀线T等于社会生存压力参数的beta次方。

4、移民国家，人口有补充，可以不记生命代价追求生产最大化或利润最大化。

之后ai一顿计算，得到了这个表：

而β 的现实经济学含义是“就业门槛对生存压力的弹性系数”，它衡量了当社会生存压力变化 1% 时，成为有效生产者所需的最低财富门槛（斩杀线）变化的百分比。通俗来讲，就是全社会的老板增加同样的压迫程度时，斩杀线提高的幅度。

而β增加带来的个人体感是：尽管维持基本生存（衣食住行）的压力似乎增长不快，但通往稳定工作的那道门槛却加速抬升——你发现自己需要投入更多的时间、金钱和精力去获取越来越昂贵的文凭、证书和技能，而回报却越来越不确定；整个社会仿佛一部不断加速的跑步机，你必须拼尽全力奔跑才能勉强留在原地，稍一松懈就会被甩到“斩杀线”下，成为那个被系统默认为可牺牲的冗余人口；这种无力感并非源于个人懈怠，而是整个经济结构在推高每个个体的“入场费”，让越来越多的人感到，自己毕生的努力可能永远追不上那道正在飞速升高的就业门槛。

也就是说，斩杀线下的人口越少，找工作越卷越困难。

不是，这结论也太抽象了。

知乎用户 发表

According to the Federal Reserve’s latest Report on the Economic Well-Being of U.S. Households (Report on the Economic Well-Being of U.S. Households in 2024 - May 2025 - Savings and Investments), approximately 63% of adults stated they could cover an unexpected $400 expense (like a minor repair or an unexpected bill) using cash, savings, or a credit card they can pay off immediately. In other words, the remaining approximately 37% of adults could not fully cover such an expense using these methods. This group might need to borrow money, sell possessions, or be unable to cover the expense at all.

Why does “37%” keep showing up?

The “37%” number comes from a real survey result: about 37% of Americans cannot quickly come up with $400 for an emergency. On the surface, this is just a statistic. What makes people curious is that 37% is very close to 1/e (~36.8%), a number that often appears in optimal decision problems.

This is probably not a coincidence, but it also does not mean anyone designed society to work this way on purpose.

A simple analogy: when to stop waiting

There is a classic problem in decision theory called the secretary problem:

• You must choose the best option from many candidates.

• You see them one by one.

• Once you reject someone, you can’t go back.

The mathematically optimal strategy is surprisingly simple:

• Observe and reject the first 37% to learn what “normal” looks like.

• Then pick the first option that is better than all previous ones.

This strategy gives you the highest possible chance of success—and that chance is also about 37%.

The key point:
37% naturally emerges when you try to balance learning enough information with acting early enough.

How this relates to society

Many social systems face a similar trade-off:

• Help too few people → hardship spreads, instability grows.

• Help too many people → costs explode, incentives weaken.

So systems like:

• welfare eligibility,

• unemployment insurance,

• credit scoring,

• medical coverage thresholds,

are constantly trying to balance efficiency vs. cost, fairness vs. sustainability.

Each system is optimized locally, by different institutions, over many years. No one controls the whole picture. But when these systems interact, they tend to settle into a stable middle zone—where help starts neither too early nor too late.

That balance point often ends up around one-third of the population.

Is this designed or accidental?

It’s best described as emergent, not planned.

• Policymakers optimize pieces of the system.

• Voters react to costs and benefits.

• Budgets impose hard limits.

Over time, the system evolves toward a point that is:

• financially sustainable,

• politically tolerable,

• socially tense but not collapsing.

That point happens to be near 37%.

What this does not mean

• It does not mean 37% is morally acceptable.

• It does not mean this outcome is unavoidable.

• It does not mean mathematics “justifies” the suffering.

It only means this:
Under limited resources and imperfect information, systems that try to balance risk and cost often converge to similar thresholds.

Change the constraints (for example, higher taxes and broader welfare, as in parts of Europe), and the balance point moves.

Bottom line (one sentence)

**37% keeps appearing because when societies try to balance help, cost, and risk without full information, they tend to settle near the same mathematical trade-off point—and that point is close to 1/e.

-—————————————————————————–

**基于 原作者 月半绮绮 的回答（https://www.zhihu.com/question/1986615844910932809/answer/1987097299969673166）

机翻了个英文版的回答，内容略有修改，有空的兄弟可以拿着这个模板，去国外的论坛，找老外水贴交流了。

知乎用户 发表

看了很多回答也想了很多，我来换一种视角

我采用经济物理学的视角，将经济主体视为热力学粒子，将货币视为守恒量，通过推导玻尔兹曼动理学方程及其稳态解，论证了财富分布的指数特征。同时，结合渗透理论和最优停止理论，“37%斩杀线”实际上是经济网络维持连通性的临界阈值，或者是系统在最大熵状态下对“财务压力”这一变量的特征响应。这表明，所谓的贫困或脆弱性，在自由市场系统的统计力学描述中，可能是一种为了维持系统整体运行效率而必然存在的“基态”。

在宏观经济学的传统叙事中，贫困率和财务脆弱性通常被视为政策变量，随GDP增长、失业率波动或福利政策的调整而发生弹性变化。

“斩杀线”，在学术和政策语境中对应的是流动性约束（Liquidity Constraint）的临界点。最经典的度量标准是：“面对假设的400美元意外支出，通过现金、储蓄或下月还清的信用卡完全支付的能力。”

如果一个家庭无法做到这一点，他们就被视为跌破了“安全线”，落入了“斩杀区”。这就意味着他们必须通过借贷、变卖资产、或者直接违约来应对极其微小的冲击。

根据美联储及相关机构的历年数据 ，这一指标表现出了惊人的稳态特征：

• 2013-2019年：尽管经历了所谓的经济复苏期，无法支付400美元的人口比例始终在37%-44%之间波动，且在2019年精准回落至 37%。
• 2020-2021年：在新冠疫情期间，由于美国政府实施了史无前例的财政刺激（包括直接现金发放和儿童税收抵免），这一比例暂时下降至32% 。这在物理学上可视为外力对系统施加了巨大的“负熵流”，暂时偏离了平衡态。
• 2022-2023年：随着刺激政策退潮和通胀升温，该比例迅速回弹，并极其精准地稳定在 37%（即63%的人可以支付，37%的人不能）

与此同时，其他维度的研究也指向了这一数值。例如，Merfeld和Morduch（2024）利用高频数据研究发现，虽然年度贫困率可能较低，但如果计算家庭在一年中处于贫困状态的时间比例，平均值恰好是37%。这种跨维度的一致性——横截面上的37%人口，与时间轴上的37%时长——强烈暗示了系统的各态历经性

“这背后是否必然存在一个用于描述的微分方程？”

答案极有可能是肯定的。在统计物理学中，当一个系统包含海量且相互作用的个体（如气体分子或经济代理人）时，尽管每个个体的微观行为是随机的（布朗运动或随机交易），但宏观状态会严格遵循最大熵原理导出的分布律。37%（即 1/e 附近）的出现，提示我们该系统可能正处于一种特定的指数衰减平衡态，或者是处于某种相变的临界点上。

要理解支配美国社会财富分布的微分方程，我们首先必须建立经济系统与热力学系统之间的同构关系。

在封闭的经济系统（短期内忽略货币发行和销毁）中，经济交易可以类比为粒子碰撞。物理场景：两个气体分子碰撞，交换能量。

• 总能量 E = E_1 + E_2 = E_1’ + E_2’ 守恒。
• 经济场景：两个经济主体（代理人）进行交易，交换货币。总货币 M = m_1 + m_2 = m_1’ + m_2’ 守恒。

这种类比并非牵强附会。Drăgulescu 和 Yakovenko (2000) 的开创性工作指出，只要交易遵循局部守恒律，且交易是随机配对的，系统最终演化出的均衡分布必然与热力学系统的能量分布数学形式一致 。

美国经济体包含了约3.3亿个“粒子”（人口）。这些粒子在经济空间中不断发生“碰撞”（支付工资、购买商品、服务交换）。虽然每个人都在试图最大化自己的利益（类似粒子试图最小化势能或遵循动力学路径），但在宏观尺度上，个体的意志被统计规律抹平。

如果系统是各态历经的，那么我们在某一时刻观察到的全体人口的财富分布（系综平均），应该等同于一个典型个体在极长时间内的财富变动分布（时间平均）。这解释了为什么Merfeld 发现的时间维度贫困率（37%的时间）与SHED报告的横截面数据（37%的人口）惊人一致。

热力学第二定律告诉我们，封闭系统总是向熵（混乱度）最大的方向演化。在经济语境下，“熵最大化”意味着在满足总货币量守恒的约束下，货币在人群中的分配方式将呈现出“最概然”的形态——即微观状态数最多的宏观分布。

数学上，对于一个非负变量（货币 m \ge 0），在均值固定的约束下，最大化玻尔兹曼-吉布斯熵（Boltzmann-Gibbs Entropy）得到的唯一分布就是指数分布。

题主提问是否存在一个描述这一现象的微分方程。在经济物理学中，这个方程被称为玻尔兹曼动理学方程。

设 P(m,t)P(m, t) 为在时间 t，拥有货币量 mm 的代理人的概率密度。系统的时间演化由以下积分-微分方程控制 ：

\frac{\partial P(m, t)}{\partial t} = \iint \left [ - \Gamma_{[m, m’] \to} P(m, t) P(m’, t) + \Gamma_{ \to [m, m’]} P(m-\Delta, t) P(m’+\Delta, t) \right ] \, dm’ \, d\Delta

其中：Γ[m,m′]→\Gamma_{[m, m’] \to} 是两个分别拥有货币 m 和 m′m’ 的代理人，交换金额 \Delta 后变为 m-\Delta 和 m’+\Delta 的转移速率（概率）。第一项代表“流出”：代理人因为交易失去了状态 mm。第二项代表“流入”：其他状态的代理人通过交易进入了状态 mm。这个方程描述了概率密度函数随时间的流体动力学变化。

当系统达到统计平衡时，∂P∂t=0\frac{\partial P}{\partial t} = 0。如果假设交易满足详细平衡（Detailed Balance）条件，即逆过程的概率与正过程相等（在纯粹的随机交换模型中成立），上述方程的解即为玻尔兹曼-吉布斯分布：

P(m) = C e^{-\beta m}

其中 \beta = 1/T，这里 T 被定义为经济温度（Economic Temperature）。由归一化条件 \int P(m)dm = 1 和平均值约束 ∫mP(m)dm=⟨m⟩\int m P(m)dm = \langle m \rangle，我们得到：

T=⟨m⟩=MtotalNT = \langle m \rangle = \frac{M_{total}}{N}

因此，对于绝大多数普通交易者（美国底层的90%-95%人口，即工资收入者），其流动性资产的概率分布函数（PDF）为：

P(m)=1Te−m/TP(m) = \frac{1}{T} e^{-m/T}

这就是支配美国社会底层财富分布的“微分方程”解。这解释了为什么财富分布不是钟形的正态分布，而是高度偏斜的指数分布——大多数人拥有的钱很少，极少数人拥有很多。

注意，对于最顶层的富豪（约前3%-5%），其财富增长主要靠资本增值（乘性过程），不遵循守恒律，因此其分布服从帕累托幂律（Power Law）。但对于讨论“400美元应急金”的群体而言，指数分布是绝对主导的物理法则。

现在我们来解开“37%”之谜

在指数分布 P(m)=1Te−m/TP(m) = \frac{1}{T} e^{-m/T} 中：累积分布函数（CDF） F(x) = P(m < x) = 1 - e^{-x/T}生存函数（Survival Function） S(x) = P(m > x) = e^{-x/T}

题主观察到的现象是：37%的人处于“脆弱态”，63%的人处于“安全态”。这意味着系统被某个阈值 x_c 切分。让我们考虑数学常数 1/e \approx 0.3678。在指数分布中，当变量 x 恰好等于特征尺度（即平均值/温度 T）时，生存函数的值为：

S(T) = e^{-T/T} = e^{-1} \approx 0.368 \quad (36.8\%)

这产生了一个惊人的物理学推论：如果我们将“财务压力”或“流动性缺口”视为遵循最大熵分布的变量，那么“37%斩杀线”的存在意味着：社会对财务脆弱性的定义阈值，恰好自发锁定在了系统的**“平均特征尺度”（Characteristic Scale）**上。

具体来说，这里存在两种可能的数学解释模型：

模型A：直接财富分布模型（反直觉但重要）

如果我们假设流动性储蓄 m 服从指数分布。数据说：63%的人有钱（m > 400），37%的人没钱（m < 400）。即 P(m < 400) = 1 - e^{-400/T} = 0.37。解得 e^{-400/T} = 0.63。这一结果并不直接等于 1/e（0.37），而是 1 - 0.37。这表明400美元的门槛大约是平均流动性 T 的一半左右（400 \approx 0.46 T）。这符合直觉，因为平均储蓄通常高于最低应急门槛。

模型B：逆向应力模型（1/e的完美匹配）

然而，如果我们换一个视角。考虑“财务压力”（Financial Stress）或“不安全感”作为一个物理量 S。在一个竞争激烈的自由市场中，压力也是随机分配且趋于最大熵的。假设压力 S 服从指数分布 P(S) \sim e^{-S/T_s}。社会的“斩杀线”定义了什么是“不可接受的压力”。如果系统演化至临界状态，使得**“由于压力过大而崩溃的人口比例”恰好等于** e^{-1} \approx 37\%，这意味着崩溃的阈值恰好等于系统的平均压力值 T_s。这在物理学上极具意义：一个自组织的复杂系统，其崩溃或变异的临界点，往往就是系统的特征能量标度（Characteristic Energy Scale）。 37%的人口处于“特征压力”之上，这表明美国社会在潜意识中将“贫困”定义为了“承受了超过平均水平压力”的状态。

除了熵最大化，**渗透理论（Percolation Theory）**为37%（或反过来的63%）提供了更具刚性的物理学解释。

我们可以将经济体想象成一个巨大的网络，每个家庭是一个节点。如果一个家庭拥有足够的流动性（能拿出400美元），这个节点就是“导通”的；否则就是“阻塞”的（Insolvent）。为了让宏观经济保持运转——即让消费、信贷和商品能够在网络中自由流动，形成一个覆盖全社会的**“巨型连通组件”（Giant Connected Component）**——导通节点的比例 p 必须高于某个临界值 p_c。对于二维正方形晶格（这是对邻里、社区等局部经济互动的常见近似），点渗透阈值（Site Percolation Threshold） p_c 大约为 0.5927 11

这意味着，如果社会中只有50%的人有偿付能力，经济网络就会碎裂成无数孤岛，导致系统性崩溃（大萧条）。如果有90%的人有偿付能力，网络极度通畅，但意味着资本效率低（存在过剩的“安全冗余”，在资本眼里这是对利润的浪费）。数据拟合：美联储数据显示，有偿付能力的人口比例长期稳定在 63% 左右。这个数值（0.63）略高于但极度接近二维渗透阈值（0.59）

p_{actual} (0.63) \gtrsim p_{critical} (0.59)

这揭示了美国经济的一个深刻的物理本质：自组织临界性（Self-Organized Criticality, SOC）。市场机制（即所谓的“看不见的手”）在不断优化效率，试图挤压“闲置资金”，将尽可能多的人推向偿付能力的边缘，以最大化资本周转率。但是，系统不能跨过0.59这个死线，否则会引发系统性崩塌。因此，系统自发地停留在了 63% 这个位置——既保证了网络的连通性，又维持了最低的冗余度。而剩下的 37%（即 1 - 0.63），就是系统为了维持这种极限效率所必然产生的“废弃节点”或“结构性冗余”。这就是为什么无论经济如何增长，这37%似乎永远无法被消除——因为它们是维持系统处于临界态所必需的拓扑结构的一部分

而我们提到的 1/e 还让人联想到电磁学中的趋肤效应（Skin Effect）。当高频电磁波（经济冲击）射入导体（家庭资产负债表）时，其振幅随深度呈指数衰减

A(d) = A_0 e^{-d/\delta}

其中 \delta 是趋肤深度，定义为振幅衰减到 1/e （约37%）时的深度。在经济学中，这可以理解为：对于任何幅度的外部冲击（如通胀、失业、医疗账单），社会必须具备一定的“阻尼”机制。如果将家庭的流动性储备视为阻尼层，那么37%的人口实际上处于“趋肤深度”之内——他们的防御层太薄，无法在冲击造成核心伤害之前将其衰减到安全水平（1/e）。这意味着，37%并非一个随意的数字，它代表了冲击波在指数分布介质中穿透的自然物理极限

为了进一步验证上述理论，我们需要从数据中提取参数。

如果美国底层社会的流动性储蓄服从 P(m) = \frac{1}{T} e^{-m/T}，我们可以利用SHED数据反推这个“经济温度” T。已知：P(m < 400) = 0.37 （37%的人拿不出400美元）。方程：1 - e^{-400/T} = 0.37 \Rightarrow e^{-400/T} = 0.63。取对数：-400/T = \ln(0.63) \approx -0.462

解得：

T \approx \frac{400}{0.462} \approx 865 \text{ (美元)}

这意味着，对于这部分“热层”人口（Thermal Class），其平均流动性储蓄（即经济温度）仅为 865美元 左右。这个计算结果与消费者金融调查（SCF）中低收入分位数的银行账户中位数余额高度吻合。这揭示了一个残酷的物理现实：400美元的应急支出，相当于系统平均能量 T 的一半 (0.5kT)。在热力学中，能量低于平均值一半的粒子比例是固定的。只要分布形式是指数的，且平均温度 T 维持在800-900美元这个量级，那么拿不出400美元的人口比例就注定锁定在37%附近。除非发生“加热”事件（如2021年大放水，暂时提高了 T），否则这个比例不会改变。而一旦外部加热源移除，系统迅速冷却回基态，T 回落，37%的比例便随之复归

需要澄清的是，这个微分方程只适用于“热层”。美国经济呈现典型的二元相态 ：

• 低能态（97%人口）：遵循玻尔兹曼-吉布斯分布（指数律）。这部分人的财富来自于加性过程（薪水+福利-支出），能量守恒，熵最大化。37%的现象属于这里。
• 高能态（3%人口）：遵循帕累托分布（幂律）。这部分人的财富来自于乘性过程（投资回报），具有标度不变性，不存在特征温度。

“斩杀线”现象是热层物理学的体现。

最后，除了统计物理，37%还指向了决策论中的最优停止理论（Optimal Stopping Theory），即著名的“秘书问题”或“37%法则”

在资源有限的搜索过程中（例如寻找最佳员工或最佳配偶），数学上证明的最优策略是：无条件拒绝前 1/e**（约37%）的样本，**以此建立评估基准，然后选择随后出现的第一个优于基准的样本

虽然宏观经济不是单一决策者，但市场作为一种分布式计算机制，可能在演化中逼近了这一最优解：劳动力市场可能隐性地将底层的 37% 视为“搜索成本”或“基准样本”。这一群体的存在（失业大军或不充分就业者），为其余 63% 的高效匹配提供了必要的流动性和定价参照。如果这一比例过低（例如人人都有钱），通胀会加剧，雇主搜索成本过高（如菲利普斯曲线所示）；如果比例过高，市场需求不足。37%可能是市场效率最大化所对应的最优淘汰率

知乎用户 发表

注意力惊人？

知乎用户 发表

其实37%也可能是接近黄金分割点

关键是这个400美元是怎么来的，如果是随便选的，那就是巧合，如果有什么我不知道的说法（比方说一个月饭钱之类的），那可能确实不是巧合，有一定逻辑

知乎用户 发表

因为这是一个自组织临界系统，这个系统有一个正反馈就是富者越富，所以产生了e的指数也就是幂律

知乎用户 发表

回答都在掉书袋，给个通俗解释吧：

为什么是37%(即1/e)？ 因为37%是**社会基本稳定的前提下，经济运行效率最高**的点。

另可以得出：

1. 有37%的人无法承受一次小型意外；

（这里的“小型意外”指修车、搬家、失业、中小疾病自费医疗等冲击，而不是被诈骗、出现严重车祸等极端情况）；

2. 承受一次小型意外后，经济状况会难以逆转的继续恶化；

3. 37%的美国人存款少于美国人均存款的一半。

知乎用户 发表

好吧，这底下数学建模没一个对的

先来说说拿麦穗问题类比的那个高赞

我们不谈表述和证明中，一大堆不严谨和多余的地方，只考虑逻辑错误

首先问题的完整叙述是：一个农民，希望在收割稻子的时候找到最饱满的那颗，留作种子（这就是说：每个稻穗只能查看之后马上选择，放弃之后不能重新回来选）他的方法是：先收割k颗稻子，来了解今年的收成情况，再选择剩余n-k中最饱满的那颗作为种子

他希望他能够选到n颗稻谷中，最饱满的种子，求使得这个概率最大的k

所以证明完全不用考虑（n-1）很明显那个答主混淆了别的概念

回到原题，把这个问题写清楚，那么它和“末位淘汰制”毫无关系的事实就很明确了，本质问题就是通过收集信息来提高概率，你都知道它饱不饱满了（收入高低）还在算什么概率呢？抛弃民众的过程中又额外获取了什么信息呢？

其次是那个指数分布的问题，这个起码在逻辑上要脸，只是过于业余而犯错，没有“我知道错了但我还故意模糊表达来糊弄大家”（起码没有做的太明显）：

他的问题是

一是没有考虑“斩杀线是一个流动资金的问题，不能直接套财富模型”，二是认定了风险波动等于社会财富方差，这二者更是毫无关系，非得给个例子就是：感冒和癌症，这两种病症所需的风险抵御能力是完全不同的

（1-1/n）^n的属于已经完全放弃论证的严谨性，沉浸在自己的世界中无法自拔了（判定次数如果是判定概率的倒数的2倍，就是1/e^2呗）

“先问是不是，再问为什么”

编辑一次，逻辑关系讲得这么清楚了，就别来玩混淆是非，牵强附会这一套了，演都不演了是吧？

好了，看到了一个说本福特定律的，这个定律的条件是：大量随机，不同数量级（这是最关键的）你拿个成绩出来举例子是什么东西，下面更是一个数据也没有，在干嘛？没活可以咬打火机

这问题底下一大半的回答都是ai写的错漏百出的内容，马萨卡，我是误入了什么网评员工作区吗？

知乎用户 发表

因为e分之1就是所谓的“倒霉常数”。

就好像你在游戏里抽卡，百分之一出货率下你抽一百次没出货，你会认为是自己倒霉；万分之一出货率下你抽一万次没出货，你也会认为自己倒霉。

你用计算器按一下这两者的几率就会发现很接近（四舍五入均为约37%）。那么你继续带入一百万、一亿、一百亿。。。就会发现几率无限逼近e分之一。

没错，e分之一就是(1-1/n)^n的极限。

这就是随机系统自发的趋势：当成功几率和机会次数互为倒数时，约有37%的人会倒霉。

政府不有意管人民也不故意害人民时，这就是自然的常数，这就是天理。

现在你可能想问：那么咱们有没有办法不让那么多人倒霉啊？

当然有。

不让成功几率和机会次数互为倒数就可以了。机会的次数是成功率倒数的2倍，倒霉的人就只有13%了；提高到3倍，倒霉的人就只有不到5%了；提高到4倍，倒霉的人就不到2%了；提高到5倍，倒霉的人就不到1%了。

在你倒霉（用完天经地义的机会次数之后还没能成功维持生存）时多给你几次机会——这就是我国政府在做的事。

而在你倒霉（用完天经地义的机会次数之后还没能成功维持生存）时直接结束游戏——这就是美国政府做的事，也就是所谓的斩杀线。

天理就规定了37%的人要倒霉，而我们的政府就是为了人民在逆天而行。

知乎用户 发表

其实是一个非常经典的问题，在quant求职时常见的brain teaser，而且只需要基本的高等数学知识即可完成。

这个问题的基础版本包括但不限于：假设十年时间里每年都不重复地谈一次恋爱，那么选择在第几次结婚？

去麦田摘麦穗，假设每棵麦穗只能经过一次，怎么找出最大的麦穗？

这类问题都有一个共同点，即：给定数量的样本范围，在每个样本只有一次观察的机会（即要么选择要么放弃）的前提下，如何操作，使得找出最优样本的概率最大？

这里找出最优解需要考虑三个点，首先，我们希望考察这个样本集合的大致水平，以便尽可能估计最优样本的水平，为实现这个目的，需要预先观察若干个样本，观察后再进行选择；其次，对每个样本，观察机会只有一次，自然希望最优解没有出现在预先观察的样本集合中；最后，在完成对样本的预先观察后，只要新观察的样本比预先观察集合中的局部最优样本更好，就视为全部样本中的最优解，结束观察，那么自然希望次优解出现在预先观察的样本集合中，并假设次优解出现在最优解之前。

明确了这三点，就可以开始解决这个问题了，问题求解如下:

样本集合为 {Xi}(1≤i≤n)\left\{ X_{i} \right\}(1\leq i\leq n) ，预先观察的样本集合为 Xi(1≤i≤k){X_{i}}(1\leq i \leq k) ，记

Xj=maxXi(1≤i≤n)X_{j}=max{X_{i}} (1\leq i \leq n) ， Xl=X(n−1)X_{l}=X_{(n-1)} ，观察k个样本后找出最优样本的概率为 PkP_{k} .

由前述第二个点， k<j≤nk<j\leq n ；由前述第三个点， 1<l≤k1<l\leq k ，若不然， Pk=0P_{k}=0 .

对j求和，j有n个取值，取后n-k个有效；l有j-1个取值，取前k个有效 ，所以

Pk=∑k+1nkj−1⋅1n=kn∑k+1n1j−1P_{k}=\sum_{k+1}^{n}{\frac{k}{j-1}\cdot\frac{1}{n}}=\frac{k}{n}\sum_{k+1}^{n}{\frac{1}{j-1}} .

当 n→∞n\rightarrow \infty 时，由Riemann积分定义， Pk=kn∫kn11tdt=−knlnknP_{k}=\frac{k}{n}\int_{\frac{k}{n}}^{1}\frac{1}{t}dt=-\frac{k}{n}ln\frac{k}{n} .

这是关于k的函数，对k求导，令导数为0，即可得到最大值点 k=nek=\frac{n}{e} .

也就是在e分之一的位置做预先观察后，后续只要新观察的样本比预先观察集合中的局部最优样本更好，就可以最大概率得到最优样本。

补充说明一下，这个理论是需要满足一定条件才适用的，最重要的就是：必须先经过次优解再经过最优解；样本数量要足够大。

此外，每个样本可能并非只有一次观察机会。

知乎用户 发表

突然明白了资本主义为何物：

资才是本

人不是啊

为何美国违约逾期记录只保留7年

因为美国流浪汉平均只存活4-6年

知乎用户 发表

数学分析一下子让我豁然开朗了很多事情。

包括但不限于：为什么新冠对于美国伤害这么大？

想来想去，只能是因为新冠陡然使美国的1/e以下掉了大量的人口，这产生了一个黑天鹅式的超高波动。系统的稳态遭到了威胁，于是便加速金融化从内部人为制造贫困人口，另一方面大开非法移民之门，这一切的目的都是为了填人到这底下的1/e，或者说进入金融美国之后这部分人本来就是在加速耗竭，新冠又狠狠的插了一刀。

回忆拜登时期的各种政策（的实际执行情况），民主党建制派才是真正懂得美国的专业人士，也是最危险的对手，把冰冷的系统计算包装成温情脉脉的诱人陷阱等着你钻。

当美国还是工业立国的时候，这底下的1/e还能享受到制造业科技发展的红利，可以吃的饱，可以有药物续命，兜里有子儿的还能到第三世界去纵情享乐，靠着一张白脸骗骗色骗骗财。金融化之后这部分人消耗的太快，才是美国这个系统难以维系的根本原因。

这就牵扯到另一个可能更恐怖更宏大的命题了：也就是金融国内部人口的结构性消灭。大家回忆一下，美国欧洲主体民族的人丁凋零，外族的人口替代，是不是随着这些地方的金融逐步壮大制造业逐步解体消亡而推进的？金融赢学是有代价的，金融国社会人口结构的消耗是加速的，而这必然产生内部民族的快速消灭，引入，融合以及创生（）

牢a的贡献真不仅仅是什么斩杀线冰雨夜，一下子基础逻辑都通了。

美国倒计时，也就是什么时候非法移民达到拐点的时候，我让豆包做了一个等那个临界点到来了美国还该怎么续命，怎么从内部分流人口去填坑。ta出的各种折磨老百姓的毒计简直让我都没眼看…总之就是千万不能让豆包当美国总统（）

知乎用户 发表

注意力非常惊人，堪比拉马努金。

多说一句，这个统计数据接近37%多半是一种巧合。

但是很多情况下出现37%跟1/e倒真是有关系。

要了解这个，我们先要来了解一下，什么是自然底数e？

e≈2.71828182845904523536…e≈2.71828182845904523536…

e是一个超越数，是指一种不可以作为某个代数方程的根的实数或复数。

e这玩意看起来一点都不“自然”，它到底是什么自然的底数？

别慌，我们画个方程：

y=exy= e^x

嗯，平平无奇嘛，不着急，我们把它换成极坐标：

在极坐标中，和，因此：在极坐标中，x=cos⁡(θ)和y=sin⁡(θ)，因此：sin⁡(θ)=ecos⁡(θ) \\在极坐标中，x = \cos(\theta) 和 y=sin⁡(θ)，因此： sin⁡(θ) = e^{\cos(\theta)}

这个图像眼熟了一些吗？

是不是很接近自然界的各种螺线？

大自然的对数螺旋

在几种自然现象中，你会发现几乎是对数螺旋的曲线。比如：

• 鹰找到猎物：他们最清晰的视野与他们的飞行方向有一定的角度。这个角度与对数螺旋的夹角相同。

• 昆虫到光源：它们习惯于将光源与飞行路径保持恒定角度。通常，太阳（或夜间物种的月亮）是唯一的光源，以这种方式飞行将导致几乎直线。 但是人造光源离得太近，虽然它们夹角恒定，但是会导致越飞越近造成飞蛾扑火的现象。
• 螺旋星系的臂。我们的银河系，有几个螺旋臂，每个螺旋都大致是一个对数螺旋，螺距约为12度。

• 角膜神经 （这是几种不同动物的角膜神经，以对螺旋模式在角膜的浅表皮层附近终止）。

• 热带气旋，例如飓风。
• 许多生物结构，包括软体动物的壳。

由此可见e在自然界存在非常广泛，但是这还不是它叫做自然底数的原因。

e是这样定义的：

当趋近于无穷大时的极限即当n趋近于无穷大时,(1+1/n)n的极限,即e=limn→∞(1+1/n)n当n趋近于无穷大时,(1 + 1/n)^n的极限,即e = lim_{n→∞} (1 + 1/n)^n

它之所以叫自然底数，源自它那古希腊哲学一般的形式美感：e 的一个重要性质是它是唯一一个使得其导数等于自身的数。也就是说：

函数的导数也等于函数f(x)=ex的导数f′(x)也等于ex函数 f(x)= e^x的导数 f′(x)也等于 e^x

这使得它在微积分和数学分析中非常重要。

简单来说，我们可以认为_e_的本质是连续不断的增长（或衰减）。

现实世界中，极少有事情是像光电效应一样到一定数值才激发，大多数事情（细菌分裂、谣言传播、资产增值）是每分每秒都在发生的。所以用到e的地方会很多。

比如假设你有 1 块钱，银行很大方，年利率 100%。

一年结一次息： 年末你有 2 块钱。

**半年结一次息，**到了年底你就有 ：
(1+1/2)2=2.25(1+1/2)2=2.25(1+1/2)2=2.25(1+1/2)2=2.25
**每天结一次息，**到了年底你就有 ：
(1+1/365)365≈2.714(1+1/365)365≈2.714(1+1/365)365≈2.714(1+1/365)365≈2.714

要是银行用电脑给你每秒、每毫秒、连续不断地结息呢？

那到了年底你就有 limn→∞(1+1n)n=e≈2.71828… \lim_{n \to \infty} (1 + \frac{1}{n})^n = e \approx 2.71828…

这就是这就是连续复利公式的由来 :

A=P⋅ert A = P ⋅ e ^r t

它告诉我们，靠“利滚利”的频率来增加财富是有天花板的。

你在一年的时间里不能通过无限次地结算利息来把 1 块钱变成 100 万，宇宙的极限锁死在了 2.718 倍左右（在 100% 利率下）。

那么，复利增长可以用e，价值衰减能不能用e呢？

也是可以的。

我经常在网上买二手的东西电子产品，会发现一个有趣的现象。

所有新的电子产品，只要拆开激活使用就开始贬值，不管你是用一次还是十几次，都会跌一个让你肉疼的价格，大几千的新机器，使用几次后不是你降价几十或者100块钱就能卖出去的，比如我买了一个12月1日才激活仅使用过一次的无人机，原价1500，卖家最终1200出售。

大多数电子商品使用一年左右，价格会跌到原价的一半以上。

但是你这个时候买二手的再用两个月，价格不会变成原价的1/4，而是依然能以差不多始发价半价卖出去。

其实仔细算算并非一半，而是接近36.8%，也就是e的倒数1/e。

举个例子，你今天买了一个一万的新苹果手机，但是你打开激活的一瞬间就开始贬值了。

你支付的购置税、保修、新手机溢价等费用，在转手时没人会考虑。

这部分贬值是即时且剧烈的，通常在第一个月就能损失原价的 10% 到 20% 甚至更高。

也就是说不管你是开了一周还是一个月，要卖的话估计都要有10%左右的跌价损耗。

过了这个剧烈衰减期间，后面价格的变化就按照指数衰减：

V(t)=V0⋅e−kt V(t) = V_0 \cdot e^{-kt}

_V_指的是商品的初始价值（比如新车的购买价）。

_k_衰减率常数。这个值越大，商品贬值越快。

这个公式意味着你买的商品的价值不是固定数量的减少，也不是固定百分比的减少（比如每年都减少几千块钱），而是每单位时间减少一个固定百分比。而正是这种“连续复利式”衰减的数学基础。

假如我们取k=1，单位时间一年，也取做1。

那么我们的苹果手机一年后会贬值到原价格的1/e，就约等于36.8%

当然，现实生活中苹果贬值没这么快，这里单位时间要久一点。

我这里找了一个我2021年买的苹果12：

当时的价格是4879，如果我现在放到二手平台能卖多少呢？

最近的最高成交价是1807左右（且品相完美），意味着高于这个价格可能就很难卖出了。

那么这个价格就是1807/4879≈37%

看，我们的37%出现了！

很有趣是吧。

只要增长或者衰减是连续的，我们总是很容易的能找到e能见缝插针的地方。

所以回到我们的斩杀线上。

37%的概率恰恰是数学上的**最优停止理论。**

这其实跟苏格拉底捡麦穗是一样的概率。

相传，苏格拉底的三个弟子曾向他请教如何找到最理想的伴侣。

苏格拉底并未直接回答，而是让他们走进一片麦田，要求他们分别从中选择一支最大的麦穗，且只能摘一次，不能回头。

第一个弟子刚走几步就摘了一支自认为最大的麦穗，但后来发现后面还有更大的，于是遗憾不已；

第二个弟子则一路犹豫不决，最终空手而归；

第三个弟子则吸取前两人的教训，他先观察麦穗的大小，分出大、中、小三类，然后在最后三分之一的路程中果断选择了比参照物更大的麦穗，最终满意而归。

假设一共有N个麦穗（可以预见，N这个数字很大）如果你随机选，选中的概率是 1/N

如果你把所有麦穗都看完，你只能选最后一个，但它未必是最大的。

数学家的策略（37%法则）：

你应该把前 37%（准确地说是 1/e）的数据作为“观察样本”。

对这前 37% 的麦穗，无论多大，统统不要，但记下它们中最大的一个X

从第 37% 个麦穗之后开始，一旦遇到一个比X大的麦穗，立即采下来，能确保你采的麦穗在策略上是最大的。

数学证明，使用这个策略，你选中最大麦穗的概率，竟然也刚好是 37%（准确地说是 1/e）左右。

这说明37%就是在不确定性面前，人类能达到的数学极限。

也就是说，斩杀线37%可能确实是巧合，但是如果我们真打算淘汰一些人，留下那些比较好，那么淘汰最底下的37%可能就是社会达尔文丛林里给出的终极答案了。

抽卡也是同样的道理，当样本量足够大（趋向于无穷大）时，如果你有 1/n的概率中奖，尝试 n次，你一次都中不了的概率，就是 1/e，也就是 36.8%左右。

也就是说1/100的抽中概率，你抽100次一次也不中的概率居然高达36.8%，正因为如此，游戏厂商才要设置保底，免得你卸载游戏。

自然底数e就是这么神奇啊~

知乎用户 发表

看了下高赞回答，很多都是集中在最优停止理论方面。相信很多人看了之后跟我一样，并不理解最优停止理论与斩杀线的联系。在这里我尝试从社会财富分布的角度提供一种解释。

首先我们要用数学刻画：什么是斩杀线？

根据 Yakovenko 等人的实证研究，在一个充分自由交易的市场（最大熵状态）中，占人口绝大多数（~97%）的普通劳动者，其财富/收入 xx 服从指数分布 (Exponential Distribution)：

f(x)=1μe−xμf(x) = \frac{1}{\mu} e^{-\frac{x}{\mu}}

其中 μ\mu 是全社会的平均财富。

指数分布有一个极为残酷且关键的数学性质：均值等于标准差。均值代表社会的平均水位。标准差 (Standard Deviation, σ\sigma)： 代表社会的平均震荡幅度（即系统性风险，如失业、通胀、急病、意外支出的平均烈度）。

基于上述性质，我们定义：

斩杀区 (Kill Zone)：区间 [0,μ)[0, \mu)即个体的财富积累 xx 小于 社会平均财富 μ\mu 的状态。

为什么低于平均值就是“被斩杀”？这涉及到一个信噪比 (Signal-to-Noise Ratio) 的问题：

如果你的财富 x<μx < \mu：因为 μ=σ\mu = \sigma，所以你的财富 x<σx < \sigma。这意味着你的抗风险能力小于社会的标准波动幅度（1个 Sigma）。

一次标准的社会震荡（比如一次车祸、一次小规模裁员、一次租金暴涨），其能量足以击穿你的资产护盾，导致你瞬间归零或负债。

你处于“无法抵御单次冲击”的亚稳态。如果你的财富 x>μx > \mu：这意味着 x>σx > \sigma。你的资产厚度超过了系统的背景噪声，你具备了鲁棒性，能够吸收冲击并继续积累。

这样，就很好解释为什么斩杀区只有 63%。

建立积分模型我们对概率密度函数 f(x)f(x) 在区间 [μ,+∞)[\mu, +\infty) 上进行定积分即可

生还P(生还)=P(x>μ)=∫μ∞1μe−xμdx=1eP(\text{生还}) = P(x > \mu) = \int_{\mu}^{\infty} \frac{1}{\mu} e^{-\frac{x}{\mu}} \, dx = \frac{1}{e}

积分结果刚好是1/e

讨论1：为什么这里的世界财富分布服从指数分布？

实际上，最符合真实世界财富分布，目前被认为是一种双成分分布。

我们在这里假设社会服从指数分布，而不是‘中间正态+尾部幂律’，主要是出于以下几点考虑：对于底层 97% 的人群，指数分布比正态分布拟合得更好；其次、大多数人处于“加法交换”的世界（指数律），极少数人处于“乘法增值”的世界（幂律）。

如果引入幂律（肥尾），“斩杀线”的结论会比 $1/e$ 更加残酷。

“临界值”模型，最著名的验证者是物理学家 Victor Yakovenko。他对美国、英国等几十年的收入数据进行了拟合，发现社会被清晰地切分为两个热力学系统：

热层（The Thermal Bulk, 约占人口 97%-99%）：这部分人的收入/财富分布，完美契合指数分布（Boltzmann-Gibbs），也就是直线下降（在半对数坐标系下）。**这绝非正态分布。**正态分布是对称的（有穷人也有富人，围绕均值堆积），但财富分布显然是单边的（绝大多数人在底层，没有“负财富”的对称镜像）。

超热层（The Super-thermal Tail, 约占人口 1%-3%）：这部分人契合幂律分布（Pareto Power Law）。他们的财富来源于乘法过程（利滚利、资本增值），而非加法交换。

我们之所以用指数分布来建立“斩杀线”模型，是因为“斩杀线”（均值）通常落在那个 97% 的指数分布区间内。对于绝大多数面临“生存还是毁灭”问题的普通人来说，他们处于热力学控制的指数分布区，尚未逃逸到塔勒布所说的“极端斯坦”（幂律区）。

知乎用户 发表

想破头也想象不出来世界上还能有这么恶毒的政治隐喻。

真的，斩杀线只是在说社会不把那些流浪汉当人，这可能是一个系统问题，但是这个系统也只是出清不良人口的系统，底色还是社达，至少也是认为某些人是人的。

而这个问题把斩杀线和1/e关联起来，那就是说这个是最优停止问题，美国人不分贵贱都是田里的小麦，你运气不好你是那37%，那么系统为了收集数据就会故意弄死你。你运气好能活下来，你也是空气和真正优秀的人的背景板。

这都不是社会实验了，等于说美国就是一个实验社会。每一个人都是资本主义的小白鼠，没有人算得上是人。

知乎用户 发表

不说那么复杂，1/e这个值的特色是什么：

如果有一个抽奖游戏，每一次抽奖中奖的概率都独立为1/100

那么100次抽取后，不中奖的概率为1/e。

在概念上来说，中奖率（存活率）是1/100，抽100次一般来说该中奖的（理论上来说都能活下去）。

没中奖？不好意思，本游戏不设保底（没有二次兜底制度，进斩杀线就等死吧）

知乎用户 发表

37%从哪里来

最近这个词好火，来源是美联储报告显示37%的美国人拿不出400美元应急现金。本身就是个统计调查结果，却好巧不巧落在1/e附近?

先来理解下**1/e法则**是个什么东西？

在决策理论中有个著名的**秘书问题**——假设你要从N个候选人中挑出最好的一个,但每个人面试后必须立即决定要不要录用,拒绝了就不能反悔。最优策略是什么?答案是:先拒绝前37%的候选人作为样本,然后在剩下的人中选择第一个比所有样本都好的。这个策略成功找到最优人选的概率也是37%。

这个1/e的数字不是人为设定的,而是从最大化期望收益的微积分优化中自然涌现出来的。具体来说,如果你在位置k处停止搜索,成功概率P(k)可以写成:

P(k) = (k/n) × Σ1/(j-1)

当n趋于无穷大时,让dP/dk=0,最优的k/n收敛到1/e。

社会系统如何”计算”出1/e

美国的社会福利体系设计本身就类似一个最优停止问题。

政府或者保险公司的决策逻辑:对每个陷入困境的家庭,要不要提供救助?如果设置的门槛太高(比如只救助最穷的10%),会让大量中产阶级一旦滑落就无法回升;如果门槛太低(比如救助50%),财政负担过重且会产生道德风险。

那最优的救助比例是多少?答案取决于一个权衡:在保证有足够样本来识别”真正需要帮助的人”的前提下,尽早开始提供救助。这个数学结构和秘书问题同构。

美国社会的资源分配机制——信用评分系统、医疗保险覆盖率、住房补贴门槛——这些分散决策的系统,每个都在独立地”解决”一个类似的优化问题。当这些系统交互时,它们会自发地收敛到一个稳定状态,而这个稳定状态刚好在1/e附近。

为什么是”稳定”的

“为什么是1/e稳定?“也有个理论可以解释这个问题，自组织临界性(Self-Organized Criticality, SOC)理论。

社会系统如果设计得太”温和”(救助太多人),就会财政崩溃;如果太”残酷”(救助太少人),就会引发社会动荡。在这两个极端之间,存在一个临界点,系统会自发地向这个点靠拢。

在自组织临界性状态下,系统在长时间尺度上保持在临界点附近,小的扰动会产生各种尺度的雪崩效应。对美国社会来说,这意味着:当接近37%的人陷入财务困境时,任何额外的经济冲击(失业潮、医疗危机)都可能引发连锁反应,让更多人突破”斩杀线”。

这个临界状态的数学特征就是幂律分布、长程关联和1/f噪声。而1/e恰好是很多临界系统的特征参数。

有没有微分方程可以描述

可以有,但不是单一的微分方程。

如果我们把社会经济状态空间看作一个随机过程,每个家庭的财务状况X(t)满足一个随机微分方程(SDE):

dX_t = b(X_t)dt + σ(X_t)dW_t

其中b(X)是漂移项(收入减支出),σ(X)是波动项,W_t是维纳过程。

对应的最优停止问题是:政府要在什么时刻τ介入救助,使得期望收益最大化?这可以表述为:

V(x) = sup_τ E_x[e^(-∫_0^τ r(X_t)dt) × f(X_τ)]

其中r(·)是贴现率,f(·)是救助的价值函数。

这个问题的解满足一个**变分不等式**:

max{(1⁄2)σ²V” + bV’ - rV, g(x) - V(x)} = 0

在最优边界处,V(x)会出现一个自由边界(free boundary),而这个边界的位置,在很多情况下,会收敛到总人口的1/e附近。

是设计成这样子的吗？

“这会是自发涌现的吗?”

我的看法是:既是涌现,也有设计的影子。

美国的社会福利体系不是一个人坐下来设计的,而是几十年来通过政治博弈、财政压力、选民偏好等多方力量相互作用,演化出来的。在这个演化过程中,不同的政策制定者都在局部优化自己负责的那一块(医保门槛、失业救济条件、信用评分模型),但没有人在全局层面刻意设计”要让37%的人处于危险状态”。

然而,这些局部优化的决策,在数学上都接近于最优停止策略,所以当它们叠加在一起时,自然就收敛到了1/e这个数字。这是一种涌现现象——宏观规律不能从单个组件的行为直接推导,而是从它们的相互作用中”涌现”出来的。

类似的涌现现象在自然界很常见:地震的震级分布、金融市场的波动、在线社交网络的流量突增都表现出自组织临界性,都会出现某些特征比例,而这些比例往往和e、π这样的数学常数有关。

几点补充思考

1. 欧洲的对比:欧洲通过高税收高福利机制,基尼系数维持在0.3左右,资源分配更均衡,显著降低了”斩杀线”的存在。从数学角度看,欧洲是通过增加救助资源的总量,把最优停止边界向更低的百分位推移。
2. 不是唯一稳定点:1/e并不是唯一可能的稳定点。如果改变系统的约束条件(比如大幅增加福利预算,或者改变救助的触发机制),系统可以演化到其他的平衡点。但在当前的约束下,1/e是一个吸引子。
3. 预测性有限:虽然这个理论框架很优雅,但它对具体政策的预测能力有限。因为真实社会系统的非线性太强,初始条件的微小差异会被放大。我们能说的是”系统会收敛到某个临界状态”,但很难精确预测那个状态的所有特征。

最后回到题主的问题:这不是统计巧合。37%这个数字的出现,反映的是一个深层的数学真相——在资源有限、信息不完全的条件下,任何试图平衡效率和公平的决策系统,都会自发演化出接近最优停止策略的结构。而最优停止策略的核心参数,就是1/e。

美国社会的”斩杀线”问题,本质上是一个优化失败的案例:系统找到了局部最优解(对决策者来说的最优),但这个最优解对普通人来说却意味着巨大的生存风险。数学不关心道德,它只是冷静地告诉我们:在这套规则下,37%是必然的结果。

知乎用户 发表

作为一个见惯了各种人类组织且爱好跑团以及人类学民俗学的医学生，我听劳A和劳真小故事都没掉san，看到这个问题的时候掉san了。

这是一种什么感觉呢，我举个例子：差不多就是物理学家第一次看到双缝干涉的心态——我知道光波相互干涉会出现条纹，但我们这次是一个一个的光子，按道理来讲应该是随机的……吧

这意味着什么？这意味着美国所有个人层面的努力和奋斗都不影响他被斩杀的概率，这意味着一个人投胎到美国的那一刻起他就把自己的命运扔在了概率波上。

知乎用户 发表

非常简单而恐怖。

已知：

1.假如有10000个蛋糕，随机分配给10000个人，那么没有分配到蛋糕的人的比例就是1/e。（二项分布模型）

2.假如市场是完全竞争的，供给和需求的量价会平衡在供给和需求正好完全平衡的点。（自由市场假说）

3.美国的斩杀线就是1/e。（事实观察）

得出以下结论：

美国的供给-需求平衡点就是保证平均下来每个人有正好够生活的资源的平衡点。多生产了生产方亏本，少生产了生产方赚不够。然后在这个基础上，美国的供给被完全随机分配给了每个人，根本没有任何实质上的二次分配，导致正好1/e的人没有足够生活的资源，进入斩杀线。

进一步得出结论：

美国就是一个完美的自由资本主义的模型的实例，实际上是等同于没有任何政府对供给与需求的干预，也没有任何政府对分配随机过程的干预。美国政府，慈善，福利，社会保障实质上等效于刚刚好什么都没做。而资本主义自由市场达到了每个人刚好够生活的供给水平就会停止供给。不受限制的资本主义的结果，就是正好1/e的人进入斩杀线。

这个简直就是今年社会学与经济学最伟大最恐怖的发现。

知乎用户 发表

没有任何管制的复杂系统，在极度追求效率和鲁棒性时，自然坍缩到的一个数学稳态。

所谓的1/e（约等于36.8%），在数学上最著名的应用是什么？
最优停止理论（Optimal Stopping Theory），俗称“秘书问题”或者“苏格拉底麦田问题”。

简单说：如果你要招一个秘书，想招到最好的，但你只能一个一个面试，面完就得决定录不录，不能回头。数学告诉你的最优策略是：无脑拒绝掉前37%（1/e）的人，把他们当作样本来建立标准，然后从后面的人里，选第一个比前面都强的人。

听懂了吗？
那37%的人，在数学上的定义就是——样本。
他们的存在意义，就是被系统观察和抛弃，用来给剩下的63%确立一个基准线！

把这个逻辑放到美国社会这个巨大的资本主义机器里，是不是瞬间就黑暗了起来？

那37%的底层（大概就是年薪几万刀以下，一旦失业立刻流落街头的群体），就是资本主义社会的耗材样本。
系统并不想把所有人都弄死，那样没人干活；系统也不想让所有人都过得好，那样劳动力成本太高，利润会归零。

假设 S 是社会的稳定度，P 是被剥削的程度（或者说贫困人口比例）。

1. 恐惧驱动效率： 如果没人饿死，没人睡大街，那中间那60%的打工人就会变懒，会要求加薪，会罢工。所以必须有一部分人活在地狱里，作为活体广告展示给中间层看。这叫维持劳动纪律的必要代价。马克思管这叫产业后备军。
2. 成本制约压榨： 如果饿死的人太多超过某个阈值，满大街都是丧尸，治安维护成本——警察、监狱、防弹玻璃就会指数级上升，甚至爆发革命，导致系统崩溃。

资本主义的算法，实际上是在求解一个泛函极值： 如何在最小化维稳成本的同时，最大化打工人的恐惧感（即劳动效率）？

在这个方程里，那个37%，就是系统鲁棒性的临界点。

这很像信息论里的熵。函数 -x \ln x 的极值点在哪里？就在 1/e 附近。 这说明什么？说明维持37%的人处于“薛定谔的死活状态”——既在这个社会里活着，又好像已经死了；既是劳动力，又是废料——这种状态下，系统能榨取的信息量，或者说从混乱中提取的秩序是最大的。

为什么是1/e稳定？

因为如果这个比例小于37%，比如只有10%的人穷，那剩下90%的人会觉得自己很安全，他们会联合起来对抗资本，资本的利润率会下降。
如果这个比例大于37%，比如50%的人都活不下去了，那社会的混乱程度（熵）会超过警察系统的控制能力，富人的资产安全就没有保障。

只有在1/e这个位置：

• 足够多的人在受苦，多到让你下楼买咖啡时不得不跨过流浪汉的身体，让你时刻在这个巨大的“样本库”面前瑟瑟发抖，不敢迟到早退。
• 足够多的人还能勉强维持生活（那63%），他们虽然也是牛马，但看到那37%的惨状，会产生一种虚幻的“优越感”和“幸存者偏差”，从而拥护这个系统，甚至会去嘲笑那37%不够努力。

他们就像挂在城门上的头颅，时刻提醒着剩下那63%的中产和准中产：看见了吗？你要是不努力996，不接受降薪，那就是你的下场。

并没有一帮共济会的大佬坐在圆桌前说“我们要把贫困线定在1/e”。
而是无数个公司、无数次裁员、无数个法案、无数次警察出警，在长达百年的博弈中，自动进化到了这个最经济、最“耐操”的比例。

任何偏离这个比例的尝试，都会被市场这只“看不见的手”给修正回来：

• 福利发多了，通胀就把底层打回原形。
• 压榨太狠了，零元购和骚乱就会逼着政府发点粮票。

最终，社会就像一个被设定好程序的各种物理粒子，自动停在了能量最低、结构最稳定的坑里。而这个坑的深度，恰好就是自然对数的底。

这才是最恐怖的。
如果是因为有人坏，那你还可以把坏人挂路灯。
但如果这是数学规律，是私有制+自由市场+极度异化后的必然数学收敛……

那你面对的不是一个暴君，而是一个冰冷的、不可违抗的物理定律。那37%的人，不是不幸，他们是这个方程里必须被牺牲掉的那个分母，为了让分子显得更有意义。

这就是现实中的完美的资本主义地狱：这里没有鬼神，只有精准得令人作呕的算术。

如何看待牢A斯奎奇大王讲的美国底层人民地狱惨状？

知乎用户 发表

一堆人认真分析尝试解释这个数字实在没有必要

因为确定的是，随着人民币升值美国斩杀线会越来越高

===================================

1/e只是一种稳态，而不是唯一维态。已经倒塌的积木，你再去踢上一脚就会散的更乱

知乎用户 发表

事实上我昨天就看到了这个问题，也阅读了那些高赞答案，但是其结果都不能让我满意，至多是让我了解了一些1/e这个数据的可能来历，昨晚依旧是带着疑惑入睡的，直到大概凌晨四点半左右从梦中惊醒，在醒来的瞬间，我确信已经收集到了这一答案的全部拼图，其结论如此明显，甚至直接可以宣称显然,答案就八个字：卡诺热机，贪心算法。

以下交给d指导：

将现代文明社会类比为一台巨型卡诺热机，其热力学效率遵循公式 \eta = 1 - \frac{T_c}{T_h} ，其中 T_h 和 T_c 分别表示高温热源和低温热库的温度。已知该社会在采用贪心算法决策时，最大效率为 \eta_{\text{max}} = 1 - \frac{1}{e} （e 为自然常数）。这一结果源于贪心算法在特定优化问题中的近似比特性，下面逐步推理并解释。

1. 贪心算法与效率的关联

社会运转采用贪心算法决策，意味着在每一步都选择当前边际收益最高的行动，而不考虑长期全局最优。这种决策方式常见于资源分配、任务调度等优化问题。对于一类子模函数最大化问题（如最大覆盖问题），贪心算法能够达到近似比 1 - \frac{1}{e} ，即算法所得解与最优解的比值至少为 1 - \frac{1}{e} 。当决策步数 k 很大时，该比值趋近于 1 - \frac{1}{e} 。

2. 社会热机的类比

在社会热机模型中：

· 从高温热源吸收的热量 Q_h 对应社会可利用的总资源或总投入。

· 对外做的有用功 W 对应社会决策产生的有益产出。

· 排放到低温热库的废热 Q_c 对应决策过程中的损失或无效消耗。

热机效率定义为 \eta = \frac{W}{Q_h} = 1 - \frac{Q_c}{Q_h} 。对于可逆卡诺热机，有 \frac{Q_c}{Q_h} = \frac{T_c}{T_h} ，因此 \eta = 1 - \frac{T_c}{T_h} 。

3. 贪心算法导致 \frac{T_c}{T_h} = \frac{1}{e}

当社会决策采用贪心算法时，其产出效率受限于算法的近似比。将社会决策问题建模为子模函数最大化问题（例如覆盖需求、分配资源），贪心算法所能达到的最大产出 W 与最大可能产出 W_{\text{opt}} 之比满足：

\frac{W}{W_{\text{opt}}} \geq 1 - \frac{1}{e} .

在热机类比中，总投入 Qh Q_h 可视为最大可能产出 Wopt W_{\text{opt}} （若全部转化为功），实际产出 W=ηQh W = \eta Q_h ，损失 Qc=Qh−WQ_c = Q_h - W 。因此，

η=WQh≥1−1e\eta = \frac{W}{Q_h} \geq 1 - \frac{1}{e} ,

且最大效率 ηmax=1−1e \eta_{\text{max}} = 1 - \frac{1}{e} 。此时，

QcQh=1−η=1e\frac{Q_c}{Q_h} = 1 - \eta = \frac{1}{e} .

由卡诺效率关系 QcQh=TcTh \frac{Q_c}{Q_h} = \frac{T_c}{T_h} ，可得在最大效率下：

TcTh=1e.\frac{T_c}{T_h} = \frac{1}{e}.

4. 导致该结果的其他量

公式 ηmax=1−1e \eta_{\text{max}} = 1 - \frac{1}{e} 的出现依赖于以下关键量：

· 决策步数 k：贪心算法的近似比来源于 (1−1k)k→1e (1 - \frac{1}{k})^k \to \frac{1}{e} （当 k→∞ k \to \infty ）。社会决策通常包含大量步骤（如日复一日的政策调整、资源分配），因此 k 很大，近似比趋近 1−1e1 - \frac{1}{e} 。

· 子模性：社会决策问题往往具有子模性，即边际收益递减（例如，增加教育投入的回报随投入增加而降低）。贪心算法对于子模函数最大化问题才能保证 1−1e 1 - \frac{1}{e} 的近似比。

· 温度比 TcTh \frac{T_c}{T_h} ：在热机中，该比值决定了效率上限。贪心算法通过限制产出损失比例，间接决定了温度比必须为 1e \frac{1}{e} 才能达到最大效率。

5. 结论

综上所述，社会作为一台采用贪心算法的卡诺热机，其最大效率 ηmax=1−1e \eta_{\text{max}} = 1 - \frac{1}{e} 源于贪心算法在子模优化问题中的近似比特性。该特性使得废热与吸热之比 QcQh=TcTh=1e \frac{Q_c}{Q_h} = \frac{T_c}{T_h} = \frac{1}{e} ，从而效率公式呈现为 1−1e 1 - \frac{1}{e} 。这一结果揭示了社会决策机制与热力学效率之间的深刻类比：局部最优决策虽不能达到全局最优，但在一定条件下仍可逼近一个明确的上限。

知乎用户 发表

第一次，数学以这种形态呈现在我面前。

知乎用户 发表

我事实验证一下题目。美国斩杀线是否刚好在1/e附近？

引用刘sir的计算：

但现实是，大部分美国人能够依靠政府辅助项目、社区关系和个人网络，微妙地把自己维持在斩杀线上方很长时间，甚至一辈子。以华盛顿州为例，在约310万处于ALICE线以下的人口中，真正意义上的流浪汉只有约2-3万人，这本身就说明“掉出系统”并非中下层的常态归宿。在阅读这些讨论时，一个明显的感受是:中国网民被“牢A叙事”强烈击中的重点，其实并不在“美国到底有多惨”，而在于“我们自己在害怕什么”。讨论中展现出的共情，并非主要针对流浪汉的悲惨经历本身，而是对“人生脱轨”“努力贬值”“积蓄不安全”“社会位置不可逆下滑”等风险的投射性焦虑。正因如此，“斩杀线”“点卡制”等概念才会迅速传播——并不是因为美国有多极端，而是因为它们精准命中了当下许多群体对不确定性的表达需求

华盛顿州310万人处于ALICE线以下，华盛顿州有多少人？

881.5万人。

也就是说约有**38.2%**的人口处于ALICE线以下。

这个数字好眼熟，一查1/e≈36.8%

这是巧合？还是？

知乎用户 发表

高赞把问题搞复杂了，其实这个结论只用高中知识，二项分布 + 极限就可以解释清楚。

接下来我不跳一步的推导一下，只要上过高中就能看懂。（你要说二项分布和极限没学过那我没办法）

我们知道，P(k)=(nk)pk(1−p)n−kP(k) = \binom{n}{k} p^k (1-p)^{n-k} 是二项分布，用来求概率分布，我们从二项分布开始推导题目里的内容。

首先：

kk 是事件发生的次数；

nn 是尝试次数，可以认为 nn 是非常大的数，接近于无穷。拿游戏类比，人一生中遇到的判定点可以认为是非常多，因为每一分每一秒，乃至每一毫秒，每一个普朗克时间等，宇宙都在做判定，这里姑且就认为它是无穷大的（这里只是类比，而且这里讨论的也不是物理）；

pp 是单次判定时事件发生的概率，这里我们定义期望值 λ=n×pλ = n × p， λλ 的含义是：平均起来，此事件会发生多少次？根据我们题设中的条件，只要事件发生 1 次，人就被斩杀了，所以这里 λλ 取 1 即可，那么此时 p=1/np = 1/n。（强调：这里的 p 是概率模型参数，不是统计意义上的概率）

弄清楚了这些，接下来我们代入二项分布的公式：

(1)P(k=1)=(n1)⋅(p)1⋅(1−p)n−1P(k=1) = \binom{n}{1} \cdot \left(p\right)^1 \cdot \left(1 - p\right)^{n-1} \tag{1}

(1-a)P(1)=n⋅p⋅(1−1n)n−1P(1)=n\cdot p\cdot(1-\frac{1}{n})^{n-1} \tag{1-a}

由于 n×p=1n×p = 1，即可得到

(2)P(1)=(1−1n)n−1P(1) =(1-\frac{1}{n})^{n-1} \tag{2}

已知 ee 的定义 limn→∞(1+1n)n\lim_{n \to \infty} (1 + \frac{1}{n})^{n}，所以：

(3)1e=e−1=limn→∞(1+1n)−n\frac{1}{e} = e^{-1} = \lim_{n \to \infty} \left(1+\frac{1}{n}\right)^{-n} \tag{3}

对右侧括号里的式子进行变形：

(4)(1+1n)−n=1(1+1n)n=1(n+1n)n=(nn+1)n=(n+1−1n+1)n=(1−1n+1)n \begin{align*} &\left(1+\frac{1}{n}\right)^{-n} \\ &= \frac{1}{\left(1+\frac{1}{n}\right)^n} = \frac{1}{\left(\frac{n+1}{n}\right)^n} \\ &= \left(\frac{n}{n+1}\right)^n = \left(\frac{n+1-1}{n+1}\right)^n \\ &= \left(1-\frac{1}{n+1}\right)^n \end{align*} \tag{4}

当 nn 趋于 ∞ 时，n−1n-1、nn、n+1n+1 的差异对于 nn 本身可以忽略，所以：

(5)P(1)=limn→∞(1−1n)n−1=limn→∞(1−1n+1)n=1e P(1) =\lim_{n \to \infty} \left(1-\frac{1}{n}\right)^{n-1}=\lim_{n \to \infty} \left(1-\frac{1}{n+1}\right)^n= \frac{1}{e} \tag{5}

这里也顺带说明了：

(5-a)limn→∞(1−1n)n−1=e−1. \lim_{n\to\infty}\left(1-\tfrac1n\right)^{n-1}=e^{-1}. \tag{5-a}

评论区觉得这里有问题，那么我再证明一下好了：

• 已知（标准极限） limn→∞(1−1n)n=e−1. \lim_{n\to\infty}\left(1-\frac1n\right)^n=e^{-1}.

• 而 (1−1n)n−1=(1−1n)n1−1n. \left(1-\tfrac1n\right)^{n-1}=\frac{\left(1-\tfrac1n\right)^n}{1-\tfrac1n}.

• 因为 (1−1n)n→e−1\left(1-\tfrac1n\right)^n\to e^{-1} 且 1−1n→11-\frac1n\to 1，所以 limn→∞(1−1n)n−1=e−1. \lim_{n\to\infty}\left(1-\tfrac1n\right)^{n-1}=e^{-1}.

其他回答里有一些争论，怀疑这个斩杀线是不是和生存线弄反了。

其实没有，这里的概率的确可以反过来理解，也就是假设大家都是倒霉蛋，但是一辈子里可能会有 1 次机会走运，到达生存线。

即：

• 一次都没成功：P(k=0)→e−1P(k=0)\to e^{-1}；
• 恰好成功一次：P(k=1)→e−1P(k=1)\to e^{-1}；
• 至少成功一次：P(k≥1)→1−e−1P(k\ge 1)\to 1-e^{-1}。

然而从这个假设推导也会得出同样的结论，因为这里的概率恰好是相等的。（避免误解，这里概率相等，是说在 λ=1\lambda=1 时，P(0)P(0) 恰好等于 P(1)P(1)）

还是二项分布公式，这里不妨取 k=0k=0，也就是这个倒霉蛋一辈子都没走过运。

(6)P(k=0)=(n0)⋅(p)0⋅(1−p)n−0P(k=0) = \binom{n}{0} \cdot \left(p\right)^0 \cdot \left(1 - p\right)^{n-0} \tag{6}

(6-a)P(0)=1⋅1⋅(1−1n)nP(0)=1\cdot 1\cdot(1-\frac{1}{n})^{n} \tag{6-a}

可见此概率也是 1/e1/e

所以，在期望值 λ=1\lambda=1 的二项分布（本质为 λ=1\lambda=1 的泊松分布）中，P(k=0)P(k=0) 和 P(k=1)P(k=1) 的概率是完全相等的，且都等于 1/e1/e。

在一个处于“临界平衡”（期望值 λ=1\lambda=1）的随机系统中，“运气极差、一次机会都没抓到的倒霉蛋” (k=0k=0) 与 “运气平平、刚好抓到一次机会的普通人” (k=1k=1)，其比例在数学上是完全相等的，都约占总人口的约 36.8%36.8\%。

这意味着，即便一个社会系统在宏观上看起来是“公平”的（即：社会提供的总资源 n×pn \times p 刚好够分给每个个体 1 份），在微观的随机判定下，依然会自然演化出以下结构：

1. 约 36.8%36.8\% 的底层（斩杀线以下）： 他们经历了无数次判定，但由于纯粹的概率波动，最终一次成功的机会（k=0k=0）都没抓到。这就是题目的“拿不出 400 美元应急”的 37%37\% 的人。
2. 约 36.8%36.8\% 的普通人（勉强维持）： 这部分人刚好抓到过一次机会（k=1k=1），在斩杀线上方，不会 1 次倒霉就完蛋。
3. 约 26.4%26.4\% 的幸运儿： 虽然人均期望只有 1，但他们运气爆棚，抓住了 2 次甚至更多（k≥2k \ge 2）的机会，成为了系统中的既得利益者。

在“刚好够活”的资源配给下，有 36.8%36.8\% 的人会被数学规律自然“斩杀”。这看起来确实和【天理】没什么区别

评论区对证明有些意见，我解释一下。

普朗克时间那个只是类比，这里实际不是在做物理计数，而是在取二项分布的泊松极限，对应连续时间下的稀疏事件模型。

而且要注意，我这里假设本来就是 λ=np\lambda = np 的，当 n→∞n\to\infty，p=pn→0p=p_n\to0，并且 npn→λnp_n \to \lambda，这是什么？这是泊松极限定理，本质上得到的是 λ=1 的泊松分布，也就是说这里：

(7)(nk)pnk(1−pn)n−k⟶e−λλkk!\binom{n}{k}p_n^k(1-p_n)^{n-k}\longrightarrow e^{-\lambda}\frac{\lambda^k}{k!} \tag{7}

所以没有什么问题，你举的例子分别对应 np → 0 和 np → 3，和假设的情形不同，注意审题。

这个问题没有多复杂，但我的确低估了把它讲明白的难度。

最后再解释一下，题目中假设为只要发生一次，即可击穿斩杀线，所以问题转化为当期望值 λ = 1 的情况下，求小概率事件在群体中发生 0 次、1 次、2 次及以上的概率分布是多少？这里因为 nn 很大，所以二项分布可以近似为泊松分布。

那么根据推导此概率分布的分布函数就是：

(8)P(K=0)=e−1,P(K=1)=e−1,P(K≥2)=1−2e−1.P(K=0)=e^{-1},\quad P(K=1)=e^{-1},\quad P(K\ge2)=1-2e^{-1}. \tag{8}

若“发生至少一次即击穿斩杀线”，则击穿概率为 P(K≥1)=1−e−1P(K\ge1)=1-e^{-1}。

此问题本来就是思维实验，大概就是这么回事，看不懂不是诸位看官的问题，只是这个东西确实需要理解概率分布的含义，如果不理解什么叫概率分布，你肯定是看不懂的。

本文实际上是证明的这篇回答的结论：

美国斩杀线为什么刚好在1/e附近？ - 17岁亚当的回答 - 知乎

美国斩杀线为什么刚好在1/e附近？

好了，就这样。

知乎用户 发表

数学之美.jpg？

知乎用户 发表

这是一个很有趣的问题，但是几乎没有回答正确的回答了这个问题，因为斩杀线的正确的定义都少有被理解。

斩杀线的定义[1]是：

37%的美国人拿不出400美元应急金。

那么很简单的问题：300美元应急金呢？500呢？还是 1/e 么？

为什么不是贫困占比，而是急救金？如果采用收入分配数据，还是 1/e 么？

这是带有观察者选择的度量问题。

**宏观经济模型几乎不可能会推出一个400这样的整数。**与1/e 本身的关系很难被确定性证明为无主观自发涌现的。

参考

1. ^还有其它类型的斩杀线，根据题目，我们关注 1/e 和 37% 这个数字对应的斩杀线

知乎用户 发表

个人感觉根本成因是完全自由的资本市场完成了近乎完美的风险平均

任何两个拥有风险差的事务都拥有套利空间，如果被金融资本发现那么就会涌入进行风险转移，经过充分的资本运作后，就会抹平两者之间的风险差

一个经典案例就是学贷，贫穷学生通过高等教育翻身概率如果高于一般金融产品的利润空间的话，那么通过低息贷款投资学生就成为一种有利可图的金融产品

随着学贷利息上升，穷学生翻身的概率也会逐渐下降，直到追平金融市场的平均利润

当然，在整个过程中因为学贷这一金融产品导致多少学生被吞没在华尔街的深海中又有多少人在意呢

知乎用户 发表

首先这类问题才是知乎该有的问题，属于古老知乎的遗风。

其次，这个问题是真的细思极恐，比高达，斩杀线本身要恐怖的多。

虽然不是能看懂所有的答案，但用我能理解的部分总结一下答案。在社会资源随机分布的社会里，普通人的一生都是概率论的巧合而已。当巨量社会财富集中在甚至不足百分之一的人手里时，剩下几乎百分之百的人口的随机淘汰比率就会走向数学专业的数字极限。

———————— ——二次回答的分割线

出现了很多回答，特意强调高赞答案数据不合理和理论牵强附会。

我想说，你们说反了，不是网友挖出一大堆理论，为了使理论合理又编造了数据。

事实上，是在美国社会实践活动中，出现了数学上的经典数字和公式，为了解释这一现象，网友用各种经典理论试图理解这一现象背后的数学和社会本质！

社科必须学高数，讲实践。胡适之那样的社科大家还是去民国混吧！

知乎用户 发表

如果真如大家的回答所说

斩杀线在1/e附近是因为它是(1-1/n)^n的极限的话

那么不管是因为政府基于自由理念的完全放手，还是资本以利润率为目标的冷酷计算，导致斩杀线落在如此“自然”的范围

问题的根本就都不再是美国，而是资本主义

知乎用户 发表

我瞎猜的

把1万个蛋糕随机分给1万个人

大约会有1/e的人吃不到蛋糕

知乎用户 发表

这是我看到这个问题后的感想。

这个问题下的每一个回答，我都没用勇气点开去阅读

我不相信世界居然可以这样运行。这要是真的，我真的会在现实生活中哭泣好久。

我不喜欢这个。我真的真的很不喜欢。我一个向来乐观的人，也见过路倒，见过蜗居桥下的，见过大城市里的鼠鼠们，打小就会跟我爸长驻在贫困村里，我活了30年，因为这个问题给出的猜想，第一次产生了厌世感。

知乎用户 发表

这一规律在国内的版本是反向运作的

国家统战前37%的潜在反贼，然后重拳镇压下面第一个刺头

逆练水浒

知乎用户 发表

数学层面的分析其他答主已经讲得很详细了，在这里我只是分享一个我发现的有趣情况。

根据美联储发布的《美国家庭经济福祉报告》，在2023年和2024年的调查中，大约37%的美国成年人表示，如果遇到400美元的紧急支出，他们无法完全使用现金或等价物（如储蓄或能当月还清的信用卡）来支付。这意味着37%的美国人拿不出400美元的应急金。这个指标已经连续多年保持在30%-40%左右的区间。

美联储的数据其实比“拿不出钱”更细致，这37%的人面对400美元的账单时会：

• ​24%：选择借贷（刷信用卡透支、向亲友借钱、典当家产）。
• ​13%：完全无法支付（即死局）。

有趣的是，从数据拆解，还可以看到一个 1/e1/e ——拿不出400美元的那37%的人中，陷入死局的人恰好又占了接近 1/e1/e 。

​这种“每一层都有一个 1/e1/e 的牺牲品”的结构，能够以最低的维稳成本，实现全员的紧迫感。

​在数学中，如果一个过程是递归的，它通常意味着某种效率的极致。

• 1/e1/e 是寻找最优候选人的停止点。
• 1/e21/e^{2} 则是更高阶的筛选。

​如果社会分配呈现这种嵌套的 1/e1/e 结构，意味着这个系统已经在“榨取价值”和“维持生存”之间找到了一个极其精密的平衡点。这个平衡点精准到：既让底层的人多到足以产生威慑，又让底层的人少到不至于引发即刻的系统性崩溃。

知乎用户 发表

让我们做一个思想实验，如果我们是资本家，我们需要通过生存压力x来让工人有危机感从而让他们为我们产出剩余价值P，但是同时要避免压力过大导致生存率S下降导致他们彻底的丧失工作能力，那我们如何选择最大化工人可榨取价值的生存压力x呢？此时对应的死亡率1-S应该就是斩杀线的大小了！

我们先引入第一个函数，每个工人产生的剩余价值P. 可以假设由于生存压力的上升，工人的主观能动性是线性增长的，由此产生的超额利润也是。因此收益P随生存压力x变化的函数是: P(x)=kxP(x)=k \ x

接下来我们考虑工人生存率函数S。这里“生存”其实应该指的是保持劳动能力，社会阶层不变化，从而可以被我们持续压榨，其实很大程度上就是非常吻合“不被斩杀”的定义。我最开始认为存活率S随着生存压力x变化应该是指数下降的，但是那样得到的斩杀线是63%，刚好和37%加起来等于1，所以我引入了下面的修正。

可以假设：生存率S随着压力x的增加遵从高斯分布而下降. 这是因为1.生存压力是多方面的, 吸毒失业医疗保单等等方面对人的压力也是在不同纬度上求和的, 很多这种因素相加带来的结果就是遵从高斯分布的. 2.根据生活经验也可以理解, 如果一个人只是承受比较小的压力那他很难崩溃, 但是比较大的话就几乎必然崩溃. 而且有一个明显的阈值, 所以之前的无记忆衰减 S(x)=e−xS(x)=e^{-x} 应该更正为: S(x)=e−λx2S(x)=e^{-\lambda \ x^2}

因此，我们作为资本家可以压榨的工人的剩余价值为:

Y=P(x)S(x)=kxe−λx2Y=P(x)S(x)=k\ x \ e^{-\lambda \ x^2}

最大化剩余价值给出的生存压力应该是:
dYdX=ke−λx2(1−2λx2)=0\frac{dY}{dX}=k\ e^{-\lambda x^2}(1-2\lambda x^2)=0

极值点是

xoptimal=1/2λx_{optimal}=1/\sqrt {2\lambda}

对应给出的工人们的生存概率就是:

S(xoptimal)=exp(−λxoptimal2)=exp(−1/2)=1eS(x_{optimal})=exp(-\lambda x_{optimal}^2)=exp(-1/2)=\frac{1}{\sqrt{e}}

由此得出来的斩杀线为:

1−1e=39.34%1-\frac{1}{\sqrt{e}}=39.34\%

问题希望凑的数字是 1e=36.79%\frac{1}{e}=36.79\%

有一说一差的其实不是很多了。考虑到社会顶层的3%是他们资本家自己人根本不需要玩这个游戏，而且本身统计数据也是在不同年份浮动变化的，所以可以认为这个结果已经能和37%足够接近了。

由此我们可以得出结论，我们这款邪恶资本家游戏最高效压榨工人给出的生存压力恰好使得他们的死亡率应在39%附近。

为什么本回答是唯一一个没有凑出来1/e但比其他回答更靠谱？因为相比于其他依赖调参的模型，目前的模型至少有一个显著优点: 对于参数是scale-free的,也就是参数的任意选择都不会改变我们斩杀线的大小。我们的分析只依赖于幂律分析而不是具体的参数, 所以结果相对可信度更高一些。

目前别的回答除了常见的麦田问题/秘书问题错误类比之外有两个常用的思路, 一个是对收入分布从平均值开始积分, 但是没有办法解释为什么积分下限或者说斩杀线必然刚好是正好等于平均值. 这个额外的自由度说不过去. 另外一个则是N空选N总是有1/e抽不到,也就是（1-1/N)^N模型。但是其实这也是引入了额外的参数假设，实际应该是（1-1/λ N)^N：为什么生存资源恰好刚好是够一人一份分而不是一人λ份分呢? 而且抽不到就斩杀线了? 这两个模型也不能算错，但是他们的最大问题就是实在很难解释为什么参数刚好必须要那么选。

等一下好像有点问题，下面的建模给出的是1-1/e的斩杀线而不是1/e的斩杀线。我再想想咋回事

谢邀。先说结论：数据来源是真的，但目前大部分回答的逻辑是缝合怪。

把“贫困斩杀线”和“麦田问题（秘书问题）”强行扯在一起，属于典型的民科数学（Numerology）。这就像看到金字塔的高度和地球到太阳的距离有数字巧合，就说是外星人造的一样。

但这并不代表“37%”这个数字完全没有意义。如果我们从第一性原理（First Principles）出发，用资本家的视角去推导**“资本榨取最大化”**的模型，确实会惊人地发现 1/e 这个常数在系统临界点处幽灵般地出现。

以下分三步拆解：辟谣、重建、批判。

一、 为什么“麦田问题”解释不了斩杀线？

目前市面上大多数回答都在复读“秘书问题”的最优停止理论：先观察前 1/e (37%) 的人作为样本，后面遇到更好的就选，这完全是风马牛不相及。

目标函数不同： 麦田问题是为了在 N 个人里选出唯一的那个最强者（Probability of selecting the best）。但宏观经济中，资本家不需要选出一个“天选打工人”，他们需要的是群体产出的最大化。

机制不同： 麦田问题是“一次性选择（Stoping Rule）”，选了就不能反悔。而贫困陷阱（Poverty Trap）是一个动态反馈系统——是关于压力、负债、和抗风险能力的连续博弈。

把这两个东西缝合在一起，纯粹是因为美联储的数据恰好是 37%，而 1/e 恰好也是 37%。这就是单纯的阿波芬尼亚（Apophenia，妄想在随机数据中找规律）。

二、 如果真的存在 37%，它该如何从物理意义上推导？

让我们化身资本家做一个思想实验，如果我们真的要设计一个“斩杀线”，我们应该如何最大化压榨收益呢？如果不压榨牛马就不产生剩余价值给我剥削，但是压榨过头不就没牛马给我工作了么，所以确实需要好好算算。

数学上讲，我们要寻找的是**“压榨收益”与“崩溃成本”**之间的平衡点。让我们尝试建立一个简化的物理模型：

1. 变量定义

设 x 为施加给工人的生存压力（Financial Stress）。

收益（Gain）： 根据效率工资理论，在一定范围内，压力越大，工人越不敢怠慢，生产力 P 越高。假设最简单的线性关系：

P(x)=k⋅xP(x)=k⋅x

损耗（Loss）： 压力会带来系统的不稳定性（生病、精神崩溃、甚至流浪）。这种崩溃通常服从指数衰减（类似于热力学中的玻尔兹曼因子，或者可靠性工程中的失效率）。设工人的“存活率”（不崩溃、不变成无效劳动力的概率）为 S：

S(x)=e−x S(x)=e^{−x}

2. 资本家的总产出方程

资本家想要最大化的，是有效总产出（Total Output），即“单人产出”乘以“存活概率”：

Y(x)=P(x)⋅S(x)=k⋅x⋅e−xY(x)=P(x)⋅S(x)=k⋅x⋅e^{-x}

3. 寻找最优解

为了找到利润最大的压力点，我们对 x 求导，并令其为 0：

dYdx=k(e−x−xe−x)=ke−x(1−x)=0\frac{dY}{dx}=k(e^{-x} −xe^{-x} )=ke^{-x} (1−x)=0

很明显，极值点出现在 x=1。

4. 见证奇迹的时刻

在 x=1 这个最优压榨点，系统的**稳定性（存活率）**是多少？

S(x=1)=e−1=1/e≈36.78%S(x=1)=e^{-1} = 1/e ≈36.78\% ​

解读： 这才是 1/e 真正可怕的物理含义。 这并不代表“前 37% 的人是样本”，而是代表：在一个设计得极其精密、只追求总产出最大化的冷血系统中，系统会被推到崩溃的边缘。在这个最优临界点上，系统的“安全冗余”将被压缩到只剩下 1/e。

换句话说，大约 37% 的人（或者人均 37% 的资产）处于“虽然活着，但随时可能归零”的状态，这对系统整体收益是数学上最优的。

三、 Fact Check 与 Oversimplification（过度简化）

模型终究是模型，现实更加残酷且复杂。

数据来源核查（Fact Check）：

所谓的“400美元”和“37%”并非杜撰，它出自美联储的 SHED (Survey of Household Economics and Decisionmaking) 报告。

真相： 报告指出，约有 37% 的美国成年人表示，如果突然需要支付 400 美元的意外开支（修车、急诊），他们无法用现金/储蓄直接支付（需要借贷或变卖资产）。

这印证了我们模型的结论：大约 37% 的人处于“由于没有冗余，一旦遭遇冲击（Shock）就会进入崩溃循环”的临界线上。

过度简化的问题（Oversimplification）：

非线性反馈： 现实中的崩溃不是瞬间归零。Downwrad spiral（失业→信用分崩塌→租不到房→homeless）是一个长链条，中间有无数的摩擦成本，不仅仅是 e−xe^{-x}这么简单。

不可替代性： 模型假设人是标准化的电池。但现实中，高技能人才的“置换成本”极高，资本家对他们的“斩杀线”容忍度会大很多，不会压榨到 1/e 的边缘；而对于低技能劳工，容忍度可能更低。

社会成本外部化： 很多时候资本家敢把人压榨到崩溃，是因为“Homeless”的治理成本由政府（纳税人）承担，而不是企业承担。如果算上这个外部性，最优压榨点会比 37% 更激进。

总结

不要用麦田问题去生搬硬套，那是民科。 但从系统动力学的角度看，1/e (37%) 确实是许多自然系统和优化系统在“收益”与“稳定性”博弈中经常出现的稳态解。

所谓的“斩杀线”，本质上是系统为了追求全局效率最大化，而保留的最小必要冗余。在这个阈值之下，你就不再是系统眼中的“资产”，而是“耗材”。

知乎用户 发表

很多人从最优停止理论去说明这个问题, 这是不对的, 最优停止理论和这个问题不相关.

我们来分析一下为什么斩杀线刚好在 1e\begin{align} \frac{1}{e} \end{align} 附近.

斩杀线原指游戏中一个特定的剩余血量, 当血量低于该值, 玩家会慢慢掉血直至死亡. 问题中的美国的斩杀线也类似, 当你的各项条件都低于一个特定的最低阈值, 那你就再也不能翻身而是慢慢流浪至死亡.

考虑一个社会中一共有 nn 个个体, 这个社会中一共有 nn 种评价体系, 有可能是财富, 颜值, 身高, 权力, 智力等等.

如果我们规定一次成功为在某种评价体系下获得第一名, 那么单个个体在某种评价体系下获得第一名的概率为 1n\begin{align} \frac{1}{n} \end{align} , 不获得第一名, 即失败的概率是 1−1n\begin{align} 1-\frac{1}{n} \end{align}

那么对于任意一个个体来说, 其在 nn 种评价体系下都失败的概率为

(1−1n)n\begin{align} \left(1-\frac{1}{n}\right)^n \end{align}

当个体数 n→∞n\to\infty , 有个体在全部的评价体系下都失败的概率

P=limn→∞(1−1n)n=1e\begin{align} P=\lim_{n\to\infty}\left(1-\frac1n\right)^n=\frac1e \end{align}

反映到总体, 即这个社会中一共有 1e\begin{align} \frac1e \end{align} 的人在全部评价体系下都失败.

失败的财富, 失败的颜值, 失败的地位, 权力, 失败的家庭, 失败的情绪, 失败的年龄, 很多人可能同时拥有. 当你不能在其中任何一项评价中获得成功, 那么你就会落入斩杀线.

天地不仁, 以万物为刍狗.

数学以其绝对的理性刻画了感性的人类社会的主旋律.

评论区反映在 nn 个评价体系下都排第二的人不可能掉入斩杀线, 确实是这样. 但我这里规定第一名成功其他失败至少为了简化计算过程, 实际上我们可以认为不同评价体系对于是否落入斩杀线有不同的权重, 即对于第 ii 种评价体系前 cic_i 名都成功,

那么一个人在第 ii 种评价体系下成功的概率就是 cin\begin{align} \frac{c_i}{n} \end{align} , 所以每种评价体系下都失败的概率

P=∏i=1n(1−cin)⩽(∑i=1n(1−cin)n)n=(n2−∑i=1ncin2)n=(1−∑i=1ncin2)n\begin{align} P&=\prod_{i=1}^{n}\left(1-\frac{c_i}{n}\right)\\ &\leqslant\left(\frac{\sum\limits_{i=1}^{n}{\left(1-\frac{c_i}{n}\right)}}{n}\right)^n\\ &=\left(\frac{n^2-\sum\limits_{i=1}^{n}c_i}{n^2}\right)^n\\ &=\left(1-\frac{\sum\limits_{i=1}^{n}c_i}{n^2}\right)^n\\ \end{align}

虽说千人千面, 但很多评价体系是没有任何作用的, 比如说指甲较长对于是否落入斩杀线就没有任何帮助, 所以大多数 cic_i 都等于 11 当 n→∞n\to\infty 时, P⩽1e\begin{align} P\leqslant\frac1e \end{align} , 不等式另一边即 P⩾P\geqslant 的方向也可以用均值不等式如此计算, 最后的结果就是当 n→∞n\to\infty 时,

1e⩽P⩽1e\begin{align} \frac1e\leqslant P\leqslant\frac1e \end{align}

很多人在讨论最优停止理论, 我们也可以一起来讨论一下

问题可以抽象如下:

假设有一些样本 aia_i 取自某一随机变量. 现在要在这些样本中选择一个, 在选择的过程中一旦选定则不能放弃或者更换.

规定判断是否选择某个样本的方法如下:

假设一共有 nn 个样本, 对前 xx 个样本只统计最大值而不选择, 即统计 A=max(a0,a1,⋯,ax−1)A=\max(a_0,a_1,\cdots,a_{x-1}) ,

在之后的 n−xn-x 个样本中, 一旦发现 am>A,0⩽m<xa_m>A,\ 0\leqslant m<x 则选择该样本, 否则选择最后一个样本

问如何确定 xx 使得选定的 aia_i 是在全体样本中最大的

解决方法如下:

假设 am=max(ai),i=0,1,⋯,n−1a_m=\max(a_i),\ i=0,1,\cdots,n-1

1. m⩽xm\leqslant x , 按照策略会被跳过, 所以选中 ama_m 的概率为 00 , 这种情况的概率为 xn\frac{x}{n}
2. m>xm>x , 按照策略有可能被选中, 选中的条件为第 00 到 m−1m-1 个样本中最大的样本出现在前 xx 个样本中. 这种情况的概率为 xm\begin{align} \frac{x}{m} \end{align}

所以成功选到 ama_m 的概率为

P=∑m=xn1n⋅xm\begin{align} P=\sum_{m=x}^{n}{\frac{1}{n}\cdot\frac{x}{m}} \end{align}

当 n→∞n\to\infty 时, 有

limn→∞P=xn∑m=xn⋅1m=xn∫xn11tdt=xn(ln⁡1−ln⁡xn)=−xnln⁡xn\begin{align} \lim_{n\to\infty}P&=\frac{x}{n}\sum_{m=x}^{n}{\cdot\frac{1}{m}}\\ &=\frac{x}{n}\int_{\frac xn}^1\frac{1}{t}\text{d}t\\ &=\frac xn\left(\ln 1-\ln \frac xn\right)\\ &=-\frac xn\,\ln \frac xn\\ \end{align}

现在要求 PP 的最大值, 令 xn=c\begin{align} \frac xn=c \end{align} , 则有 P=−cln⁡cP=-c\ln c

求导之后求最大值, 显然在 ln⁡c=−1\ln c=-1 时取得最大值, 这时候有 c=1e\begin{align} c=\frac1e \end{align} , 即将前 c=1e\begin{align} c=\frac1e \end{align} 的样本序列作为参考序列, 一旦在参考序列之后发现比参考序列的最大值还大的样本, 则选择该样本最为最终样本.

如此一来, 能以最大的概率选到全局最大值.

这个问题的解就是这样来的, 实际上, 如果不想进行数学推导也可以用蒙特卡洛模拟.

我们一次模拟就要得出从 11 到 n−1n-1 的长度的参考序列能选到最终的全局最大值的概率.

一个朴素的想法是, 我们先生产一段随机序列, 作为我们的样本序列, 再循环参考序列长度从11 到 n−1n-1 , 在这个循环中统计参考序列的最大值和第一个大于参考序列的样本, 判断其是否是全局最大值.

但是这样就慢了, O(n2)O(n^2) 的算法在万亿级别的模拟下是不可接受的.

我们思考一下是否有 O(n)O(n) 的算法.

自然地, 我们先生成一段随机序列, 时间复杂度为 O(n)O(n) ,

再维护一个"当前最大值"的序列, maxBefore, maxBefore[index]是从样本数组sampleArray[0]到sampleArray[index]的最大值. 该时间复杂度为 O(n)O(n) , 在这一步, 顺便把全局最大值的位置maxIndex和在maxIndex之前的位置的样本的第二大的值的下标secondMaxIndex统计出来.

注意secondMaxIndex不一定是全部样本的第二大的位置, 是从 00 到maxIndex(不含)位置的最大的样本的位置

最关键的一点来了, 长度小于等于secondMaxIndex的参考序列一定选不到全局最大值, 而长度在secondMaxIndex+1(含)和 maxIndex (含)之间的序列的一定能选出全局最大值. 所以在成功的次数那里 +1+1 就行, 该循环时间复杂度为 O(n)O(n) , 不过常数非常小.

所以全部的时间复杂度为 O(n)+O(n)+O(n)=O(n)O(n)+O(n)+O(n)=O(n) , 对比之前的 O(n)+O(n2)=O(n2)O(n)+O(n^2)=O(n^2) , 快了非常多.

统计一万亿 1012=100000000000010^{12}=1000000000000 个 1∼9991\sim999 的长度的参考序列的成功率, 在AMD 9950x3D上一共跑了九个半小时

结果, 能以最大概率选中全局最大值的参考序列长度比率为 3671000=0.367\frac{367}{1000}=0.367

不同长度参考序列选中最大值的概率如下图

#include <stdbool.h>  #include <stdio.h>  #include <pthread.h>  #include <sys/time.h>  #include <stdlib.h>  #include "PCG32.h"  #include <string.h>  
#define THREAD_NUMBER 32 #define SAMPLE_COUNT 1000 
pthread_mutex_t mutex1;
pthread_mutex_t* mutexThreadIndex=&mutex1;
volatile unsigned threadIndex=0;

const long long unsigned int RepeatTimes=1000000000000LLU;
long long unsigned int* ThreadResult[THREAD_NUMBER];

void* threadSimulate(){
    pthread_mutex_lock(mutexThreadIndex);
    unsigned myThreadIndex=threadIndex;
    threadIndex++;
    pthread_mutex_unlock(mutexThreadIndex);

    PCG32Struct PCGStatus;
    PCG32SetSeed(&PCGStatus,time(NULL)^(pthread_self()^myThreadIndex));

    long long unsigned int* myResult=(long long unsigned int*)malloc(sizeof(long long unsigned int)*SAMPLE_COUNT);
    memset(myResult,0,sizeof(long long unsigned int)*SAMPLE_COUNT);

    const long long unsigned int myRepeatTimes=RepeatTimes/THREAD_NUMBER;
    unsigned sampleArray[SAMPLE_COUNT];
    unsigned maxBefore[SAMPLE_COUNT];
    for(long long unsigned int indexRepeat=0;indexRepeat<myRepeatTimes;indexRepeat=indexRepeat+1){
        unsigned maxIndex=0;
        unsigned secondMaxIndex;
        sampleArray[0]=PCG32(&PCGStatus);
        maxBefore[0]=sampleArray[0];
        for(unsigned index=1;index<SAMPLE_COUNT;index=index+1){
            sampleArray[index]=PCG32(&PCGStatus);
            if(sampleArray[index]>maxBefore[index-1]){
                maxBefore[index]=sampleArray[index];
                secondMaxIndex=maxIndex;
                maxIndex=index;
            }else{
                maxBefore[index]=maxBefore[index-1];
            }
        }
        if(maxIndex==0){
            continue;
        }
        for(unsigned length=maxIndex;length>secondMaxIndex;length=length-1){
            myResult[length]=myResult[length]+1;
        }
    }
    ThreadResult[myThreadIndex]=myResult;
    return NULL;
}

int main(int argc, char const *argv[]){
	struct timeval start,end;
    unsigned milliseconds=0;
    gettimeofday(&start,NULL);

    pthread_mutex_init(mutexThreadIndex,NULL);
    pthread_t thread[THREAD_NUMBER];
    for(unsigned threadIndex=0;threadIndex<THREAD_NUMBER;threadIndex=threadIndex+1){
        pthread_create(&thread[threadIndex],NULL,threadSimulate,NULL);
    }
    for(unsigned threadIndex=0;threadIndex<THREAD_NUMBER;threadIndex=threadIndex+1){
        pthread_join(thread[threadIndex],NULL);
    }

    for(unsigned sampleIndex=1;sampleIndex<SAMPLE_COUNT-1;sampleIndex=sampleIndex+1){
        for(unsigned threadIndex=1;threadIndex<THREAD_NUMBER;threadIndex=threadIndex+1){
            ThreadResult[0][sampleIndex]=ThreadResult[0][sampleIndex]+ThreadResult[threadIndex][sampleIndex];
        }
        printf("%u, %lf\n",sampleIndex,(double)ThreadResult[0][sampleIndex]/(double)RepeatTimes);
    }
    
    gettimeofday(&end,NULL);
    milliseconds=(end.tv_sec-start.tv_sec)*1000+(end.tv_usec-start.tv_usec)/1000.0+0.5;
    printf("Calculate Time: %u milliseconds\n",milliseconds);
	return 0;
}

知乎用户 发表

我们要动态地看待问题，斩杀线并非固定值。

并非是系统性设计斩杀线在1/e附近，而是当斩杀线理论广为人知的时候我们发现这个线在现在是1/e附近

我有充分的理由怀疑这个线，在过去几年甚至几十年间是随着时间推进缓慢上升的

而当这个线抵达某个临近点的时候，这条线本身，或者导致这条线上升的其他因素，共同导致其舆论地位下降

而这导致了大家实事求是的思路打开，斩杀线理论在知乎完成构建

于是在大家进行大辩论的时候，有人找到了可以反映斩杀线的数据，恰好是1/e左右

上面说的有点绕。简单总结一下是这样：

斩杀线缓慢上升，上升到一定程度后通过政治经济因素使美国优秀论的舆论倾向（和其他许多东西）崩溃

在不受恶意舆论干扰的情况下，人们能够归纳出斩杀线理论，并且有人寻找数据找到了这个比例并且发出疑问

并非是斩杀线被设计成这样，而是斩杀线越过这个界限后它就会不可阻挡地被远在地球另一端的人们注意到了

再精巧的制度也不能在深渊的边缘跳舞

知乎用户 发表

生之徒，十有三。

死之徒，十有三。

人之生，动之死地，亦十有三。

夫何故？

以其生生之厚。

知乎用户 发表

众多回答写的很好，但是无论按哪种说法，以前美国强大的时候，斩杀线也应该在1/e左右，这我是不相信的。

我更相信的是，随着美国逼近斩杀线的群体越来越多，直到总人数1/e的时候穿破国家信息封锁，进入中国普通人的视线，并击碎认知战造成的美国幻象，让中国普通人相信。

换句话说，我更相信这是个信息破圈比例，而不相信这是美国经济学的真理。

知乎用户 发表

卧槽。这个1/e真的震撼到我了。

上海市最低工资标准2740元；

上海市社保最低缴纳基数7384元；

2740/7384=37.10%

这意味着，上海给了穷人最大的关怀。如果你的工资低于2740元，那么你在上海这种大城市极有可能进入斩杀线，因为这意味，你的工资已经连最低层次的社保都维持不了了。

其实上海是有人口控制需求的，上海也没有责任没有义务为低收入的外地户籍人口负责兜底，把最低工资标准设为0，其实更有助于剥削和劝退外地人口，减轻上海的大城市病。但是上海没有，上海但依然为外地人口制定了2740高于斩杀线的最低工资标准，充分体现了社会主义国家对弱势群体的人文关怀和物质关怀。上海本可以像资本主义美帝一样，丛林法则，强者生存，低于斩杀线的自生自灭，但是上海没有这么干。

曾几何时，上海还是弱肉强食的上海滩，虽然号称远东第一大城市，但是上海滩是外国人、是地主军阀、是达官贵人的天堂，连鲁迅这种收入高于平均收入100倍的大学教授、著名作家，都只能居住于苏州河以北的虹口下只角，更何谈更广大的工人和穷人，只能住在简陋的滚地龙中。

如今，上海这座曾经中国最资本主义的城市，经过社会化改造，已经变成了工人的城市，已经变成了市民的城市，不论穷富，都能在上海找到2740元以上的工作，至少可以维持温饱，甚至还能存点钱。

维为说，虽然纽约GDP是上海的4倍，但上海生活水平已好于纽约，此话诚不欺我。我曾讽刺过维维这句话，我为我年幼时的无知道歉。

知乎用户 发表

也可能是黄金分割数，1-0.618=0.382，差不多也是37%。

知乎用户 发表

看到这个问题下的群魔乱舞，我就知道这帮人对于数据来源，看都没看。他们不知道，这个数每年都在变，只不过最近几年稳定在63%：

当然也不知道，其实人家这个37%，是报喜来了，因为2013年是50%！

当然，其实这个东西称之为“斩杀线”，也就是中产滑落的线，是不准确的，因为不想拿这400块钱的，显然都是低收入家庭，而不是“中产”。

有趣的是，虽然你问老美能不能拿出400块钱，只有63%的人说能拿得出来，但是你问他们你最多能拿出多少应急的钱，回答在500块钱以上的人竟然占69%，俺也不知道他们是咋想的。

而有48%的人其实能拿出2000块钱以上的。

我不知道怎么定义中产，但是如果你的收入在50%左右，拿出2000块钱还是比较容易的。

所以这个线显然对低收入家庭更可怕，对于中产没那么可怕。

当然你说有没有可能低收入储蓄反而比中产多？我觉得理论上是有可能的，例如网上还有一个“斩杀线”是住房成本占收入的比重，如果高于30%就危险了，高于50%就更危险了，不怕各位笑话，鄙人就是属于“危险”这一行列的，幸好咱们国家并不会斩杀我。虽然鄙人不是中产，就是个普通打工人，但是我看到很多收入比我低的朋友，住房成本占比是比我高的。

但虽然理论上是可能的，这个报告并不支持该观点：

可见随着收入越高，储蓄能cover3个月支出的比例也更高，并不存在中产储蓄率低于低收入家庭的现象。

知乎用户 发表

资本主义极致状态的社会，各方平衡状态下自然形成的这种冷酷的斩杀线，真是让人大开眼界，大为震惊。

它是冰冷的，同时也是稳定的。救助增加，财政就会崩溃；救助减少，民众就会暴动。这正好是个社会稳定运行的平衡点，政客也好，人民也罢，都无力改变和摆脱。而大资本家们则坐在这一切之上，永远地压迫压榨奴役所有人。

政党轮换，也只是改变37%的构成比例。民主党当政，各种LGBT得到的资源更多，就有更多老白、红脖被挤到37%；MAGA当政，老白、红脖得到的资源更多，就有更多黑、墨、润人被挤到37%。

如何破解这个枷锁？唯有共产主义！

知乎用户 发表

我终于知道怎么提高自己的灵视等级了。

1.懂了为什么美国那么需要移民。

这种设计架构必然导致斩杀线以下的人沦为牺牲品，而被斩杀的人又是不可再生资源。一颗子弹从生产到打出去用不了多长时间，杀死一个青壮年只需要一瞬间，一个青壮年却需要18年的精细培养，自生的人口堵不上斩杀掉落的人口，美国哪怕鼓励生育也弥补不了这么大的缺口，却又不想投入产出时间，可不是就得高福利吸引移民来，最好还是那些自带财产的人来，蜜罐里有毒。

也许吸引移民就是为了让他们当1/e斩杀线的耗材的，但耗材是新来的移民，还是同种族的本土白人完全不care，那些人比他们养的狗吃的还便宜的时候，资本家会把他们当成同类吗？

但美国的斩杀线还在随着上层资本家的财富聚集而不断上升，需要斩杀的人也越来越多，合法移民都堵不上缺口，还得非法移民补充。

2015年，美国人口3.21 亿。

2025年，美国人口3.48 亿。

那么爱生孩子的国家，那么鼓励引进移民的国家，那他的人口不应该爆炸性增长吗？他掉了那么多的人口到底去哪里了，他们怎么去的那里？

2.还懂了美国为什么那么注重身份政治，比如LGBT，宗教，族裔，因为不抱团真的会死，美国人不是不讲身份政治会死，是不讲抱团会死：

华人会抱团，比如唐人街。

黑人会抱团，比如地下黑帮。

印度人会抱团，比如卡车司机，印度高管。

白人会抱团，比如LGBT，宗教。

假设斩杀线存在，抱团的人相当叠加了一个buff，穿上了游戏皮肤，加入了一个游戏公会，这个buff平时不一定显灵，但万一掉落斩杀线之后，会被公会大家一起拉起来，当然作为回报，公会里的别人遇到事情了，你也得顶上去，这样做到人人互保。

华人buff：更容易进入华人餐馆工作，成绩相对优异。投诚：同文同源。洪门弟子。

黑人黑帮buff：地下秩序和暴力低成本维护治安，逃税或者少缴税，手里现金更多。投诚：犯罪共犯。同谋。

印度人buff：一个印度人进入某个公司，就跟蟑螂一样，这个公司会被塞满印度人。投诚：血缘加持好感度。

LGBTbuff：你竟敢假定我的性别，对敌人施加绝罚。投诚：变性手术。十一税。

美国充满了人情世故，那些说美国没有人情世的ABC，根本就没有投诚或者加入公会，而是以原子人的人状态存在，平常没啥问题，万一遇到事情掉到斩杀线下面没公会来救命的，当然同样以原子人状态存在的任何美国人都是。

3.为什么留子发现不了这些问题，

去美国的留子起码要准备几百万，家里能拿的出这些钱送孩子出国的，在国内也不会差。

房租，家里给，还可以住学校。

医疗，相对年轻，保险价格低，还可以回国治病。

学贷，家里给，还可以勤工俭学，

食品，吃食堂，实在不行家里给。

车辆，不买少买，只在学校学习。

哪怕是有留子掉落到斩杀线以下，完全回到国内的复活点加满血，还没被斩杀就已经被大治疗救回来了，还没察觉到斩杀线就已经读档了，根本意识不到。

而且由于物价隔离，不购入车辆，学校宿舍定时关门，可探索范围减少，探索时间被限制，可解除NPC少，社交距离被动缩减，留子根本看不到，看到的留子是已经遭遇斩杀，而且已经没能力买回国的机票了，活着都是疑问，更不可能回来告诉别人了。

乐子人可以看各国留子PDF，相较于劈腿，钱财纠纷，YP纠纷，美区的留子PDF别有特色，甚至涉及人体改造，**比如把自己下体切成四瓣花肠的V哥，**还是太不可思议了。

为什么斩杀线现在可以观测到？

因为美国亮出血条了。

经济增量状态，任何伤痛都可以被时间掩盖，但经历了金融危机，新冠，去工业化的美国，连给底层人的奶头乐都快要供不起了，一个失血的BOSS终于从不可打败变成了可以观测到血条的泥足巨人。

原本美国在战胜苏联后，在中国和其他国家眼里是不可战胜的大BOOS。

但随着中国的游戏等级提高，甚至超过了美国的游戏等级，原本头上血量是？？？的美国，瞬间血量清晰明了，甚至可以被中国忍杀。

那一天，神亮出了血条，神不再是神了。

4.牢A和牢真为什么能发现？

快乐教育发力了。

牢A会做人，所以得到了老师推荐的调查员工作，但这种工作哪怕不是三代政审，也起码得是美国人，但由于美国的人才断档，活就在那里，快乐教育后的美国人干不了，但是又得必须干，所以顶上去了，与古神对视。

牢真会做人，所以得到了会做人的领主的认可，带去中国医疗旅游真的是捡了一条命，不亚于救命之恩，直视克苏鲁恐惧。

5.斩杀线只有美国吗？

所有国家都有，但国家会出手，不会让这种事情发生，所以斩杀线的存在不会被人察觉到。

美国是斩杀线，美国政府一点力也不出，甚至还有在他们身上敲骨吸髓。

欧洲是流氓线，欧洲有福利，起码不会让人死。

中国是贫困线，中国着力促进脱贫攻坚成果同乡村振兴有效衔接，真的不是一句空话，不放弃每一个穷人，坚决应对因病致贫，因学返贫，劳动力死亡返贫等一系列返贫致贫风险。

我虽然只是个00后，但我在扶贫办（现在的乡村振兴局），还有农业局都干过不短的时间，参加过锦鲤养殖给脱贫户谋福利，知道国家的五保户保吃、保穿、保住、保医、保葬、保教对一个家庭而言多么重要，抽象的概念永远比不上直面具体的人，因为我在做一些有意义的事情，每天坚持登陆全国防返贫动态监测系统真的很有意义，我在基层是真想为人民做好事情的，希望未来能做更好的事情。

6.美国斩杀线会消失吗？

我个人感觉，要么美国重新回到增长时代，发展的油水从上到下滋润起来，吸引更多的移民，填补斩杀线下的损失，抚平发展的阵痛。

要么美国持续失血，斩杀线水位上升，加速人才消耗，等本土美国人民，合法移民，非法移民都抵放血速度，美国人口总量下跌，要是 30% 的底层人口一下子没了，系统会直接从剩下的 70% 里，再划 30% 的人补到底层去，美国人口越来越少，要么进行一场彻底的社会主义改革，比如成功的太平天国革命，要么走向分裂或者毁灭，和苏联一样。美国将不再是美国

美国从来不是冷战的胜利者，而是幸存者，就像一个退役的PTSD的二战老兵。

当一个人了解共产主义，你会成为一名共产主义战士。当你了解了资本主，你会成为一名坚定不移的共产主义战士。

知乎用户 发表

我草，注意力惊人。然后我仔细思考了一下，似乎是有道理的。

用一句话来解释的话，这 37% 的人，就是这个美国为了维持“资本流动性最大化”所必须预留的那个“自然衰减常数”。

这在某种程度上说明，美国经济社会不仅没有感情、而且极其“效率”。

这背后的逻辑其实没那么复杂，只需要理解“能量”。

试想一下，如果我们把金钱看作是一个封闭系统里的“能量”，把每一个参与市场交易的个体看作是气体分子。在物理学上，当这团气体不受任何外力干扰（即缺乏强有力的政府再分配），仅仅依靠无数次随机的碰撞（自由市场交易）来交换能量时，整个系统的能量分布绝不会呈现中间多、两头少的“钟形曲线”，而是一定会坍缩成“指数分布”。这意味着，绝大多数个体的财富都会无可避免地向“零”堆积，这是热力学第二定律在经济学中的投影。

而这个 1/e 正是在这种分布下对“风险”的度量。

我们可以把底层社会的财务安全感看作一种会随时间自然腐烂的放射性物质。在美国这种高生活成本、低储蓄的“手停口停”模式下，一个家庭的抗风险能力 S(t)随时都在遭受刚性支出（房租、保险、债务）的指数侵蚀。这种衰减遵循着最经典的自然方程：

S(t)=S0e−λtS(t)=S_0e^{-\lambda t}

在这个方程中，当时间t刚好流逝了一个“特征周期”（比如一个标准的借贷周期或发薪周期）时，原本 100% 的安全感就会衰减到只剩下37.8%（即1/e）。

这就解释了为什么是 37%：

这说明美国经济已经自发地博弈到了一个临界点——它将底层人民的“平均财务寿命”压缩到了仅仅能维持一个支付周期的极限边缘。

美国的经济系统并不希望所有人瞬间破产（那样游戏就结束了），也不希望所有人都有大量储蓄（因为对资本来说，储蓄就是死钱，是效率的浪费）。所以，系统会自动收敛到一个“纳什均衡”：让全社会的生活成本不断上涨，直到刚好有 37% 的人口被永久地锁定在“耗散结构”的边缘。

这群人就像核反应堆里的控制棒，处于一种“薛定谔的破产”状态。他们拥有的流动性，刚好只够支付日常衰减，却不够抵御任何一次哪怕是微小的扰动。

或许这37%，就是这个高度优化的自由市场系统，为了保持高速运转而必须献祭的“基态人口”比例。

知乎用户 发表

这个问题问反了。

不是美国社会为什么精准卡在了1/e，而是任何一个能持续运转的耗散型社会系统，其淘汰边界都必然会收敛到这个值。你看到的是美国，只是因为它恰好是个足够开放、数据足够透明的观察样本。把它当成特殊设计，就像在问"为什么只有这家超市的收银排队符合泊松分布"：任何一家客流量稳定、收银台数量固定的超市，都会符合。

可以先看一下这篇回答，不需要任何高级数学基础：

1/e问题-抽卡游戏一样简单的的数学解释

我们从头理一下。

社会作为耗散结构，其第一性原理是维持负熵输入的效率极大化。 这就要求它必须解决一个核心矛盾：如何在不确定性环境中，用最少的计算成本，筛选出最能维持系统稳定的组分。这个筛选不能是定向的——定向需要超越性视角和全信息，这在开放系统中不存在；也不能是完全随机的——完全随机无法形成有效结构。

于是系统演化出局部反馈+全局统计的机制。个体层面的成败由具体规则决定（考试、信贷、司法、市场竞争），但这些规则的设计必须满足一个元约束：在统计意义上，每个参与者在其生命周期内获得的"关键跃迁机会"的期望值，必须收敛到1。 不是系统仁慈，而是大于1会导致系统过载崩溃，小于1会导致负熵输入不足而衰亡。1是耗散结构远离平衡态的临界稳定点。

在这个约束下，1/e自然涌现：

(1-1/n)^n 描述的是：当单个个体的"机会-风险"窗口期被切分成n个独立微元，其在整个窗口期内零有效捕获的概率。这不是宏观政策能操控的数值，而是微观上每个个体为了生存必须进行的贝叶斯更新在群体层面的统计结果。个体在每一次微交互中都在无意识地计算：这次投入产出的期望是否大于1？当系统充分复杂，n足够大，这个微观决策的累积分布就趋近于e的负一次幂。

大家担心的"麦克斯韦妖“在自组织系统中并不存在，因为计算成本本身也是被优化的对象。 一个中央调控系统若要精确控制淘汰率在37%，它需要的信息处理能力随人口规模指数增长，其自身就会成为耗散结构的负担而被淘汰。相反，依赖局部规则自发产生的统计均衡，计算成本被均摊到了每个个体的日常决策中，系统只需要维持规则框架的稳定性——这正是自组织的定义。

所谓"精密计算"的错觉，来源于提问者和高赞回答都把事后统计当成了事前设计。系统设计者（如果有的话）能做的，只是确保：

1. 机会供给与风险分布在数量级上匹配

2. 个体间的互动近似独立（非线性耦合不过载）

3. 反馈回路足够短，让局部波动能快速耗散

剩下的，交给大数定律。

回归问题本身。

美国斩杀线不是"刚好"在1/e附近，而是只能在1/e附近。这不是阴谋，是任何开放社会系统想不崩溃就必须服从的耗散约束。你可以把它理解为社会系统的香农极限——不是道德选择，是物理规律。

大家看到的"统计协同”，不过是十亿个个体在有限理性下追求局部最优，其宏观残差恰好落在了一个数学不动点上。这不动点叫e，还是π，取决于你观察的是淘汰率、基尼系数还是其他什么指标。本质不变：系统必须保证约37%的组分在单次遍历中无法获得有效跃迁，才能为剩余63%提供足够的负熵冗余度，以抵御环境波动。

这不是精巧，是必然。你想看明白，只需要接受一个前提：社会不是被设计出来的机器，是为了不被熵增抹除而不得不自发形成的耗散结构。 所有在它内部涌现的数字，都是结构存活所支付的信息成本。

你以为你在看社会学，其实你在看热力学。

知乎用户 发表

我今天和AI吵了一个小时。它说，只有简单和冷酷的社会筛选才能用这个理论。而在财务的指数衰减模型当中，引入的参数是孤立无缘且不可变的，美国存在社会保障，所以不能使用此理论。所以美国的斩杀线不是37%。

然后我新开了一个问题问他美国的斩杀线是多少？

他说是37%

DeepSeek:虽然美国面临财务流通脆弱性的群体占比是37%，但是由于只有毫无人文关怀的简单残酷的社会竞争，只有缺乏社会保障的封闭系统，只有在理想的数学模型下，美国的流通脆弱性群体占比才是37%，所以，美国的斩杀线可能是37%，但是美国的斩杀线是37%不太可能。

知乎用户 发表

美国的社会系统和结构是资权统治阶级精密设计的

而不是自然运作而形成的

所以，假如刚好是一个特定常数，那不是太正常了吗？

知乎用户 发表

甚至还很科学，美帝历经二百多年社会迭代后最冰冷的数字，毫无人性干预后的最优解

知乎用户 发表

我发现他们套公式上瘾了，

从传播的角度，

1、用一句话解释复杂的问题。

2、把概率事件定义为确定事件。

3、有画面感。

具体看这个问题：

1、“美国斩杀线为什么刚好在1/e附近？”，一句话包含了斩杀线这个热门词汇，然后为了避免在知乎过度重复热榜，抛出来个e显得好像是个技术问题。

2、不去用事实和逻辑论证直接给你结论，比如，美联储说37%的人拿不出400美元，这件事是否==斩杀线是37%呢？

3、有画面感，然后各色人马就开始花里胡哨的长篇大论了。

从传播学的角度没毛病，

但问题在于，人的阈值是会提高的，

不着急，吃瓜玩玩

知乎用户 发表

我们不讨论“美国斩杀线”，这属于社会学范畴的内容，是人们对某些现象的直观简化。
我们一起看一下 1/e 这个值有什么含义。

以下所有的场景属于生态学场景，
不要简单的类比成为人类社会，人类社会比这要复(chou)杂(xiang)的多。

设想从前有座山，山上有座庙，庙里有个老和尚，在对着一棵树参禅。

我们用栗子树来举个例子，

栗子树今年凑巧是“大年”，结了茫茫多的果子，

这个和尚想数一下掉下来的栗子是怎么分布的？

然后他在树底下搞了很多网子。
网子大小是一米见方的。这样网子上收集到的果子，就是栗子的空间密度。

然后他统计了网子到树干的距离，不难想象，距离树干越近，栗子越多，反之越少


这时候显然用一条直线去拟合效果不会太好，


看起来似乎是指数级的，试试看：

excel给了老和尚一个函数：

y = 421.59 * e ^ (-0.1* x)

这里的数字都有实际的意义：
x距离采样点到树干的距离。
y代表种子的密度，
参数： 421.59表示在树最里头，种子的密度（理论值），记为C0
0.1 （1/10）的倒数10m 被老和尚标记为“耐木达”，可以用来度量种子飘散的能力（注意不是最远处，找最远处的种子得把山头翻一遍，实践上很难）。

树上种子越多，种子飘得越远， 即 C0 越大， 耐木达值可能越大。
而在耐木达这条线上， C/C0的值，接近e的倒数。（1/e =~ 37%）

耐木达这个值有什么意义吗？

有的，亲。
这个范围内，母树势力大，而且可可爱爱的松鼠会过来觅食的概率更大。
耐木达范围内，属于高压区。种子遭遇了内外双重压力。
超过耐木达值，种子萌发独立生长的概率就会大大增加。

所以在林学上，如果你种的树太密了，种子都在很近的范围，就很难发育起来，从而无法自然更替。

不同树木的 C0 不一样，不同树木的耐木达值也不一样。
但是 e 这个值用来拟合种子的分布，蛮有效的。

这种现象在自然界有被反复的观察到，完全对得起 e （自然对数）的称号。

再次强调，
以上描述对自然界中一些现象的理想化的数学近似，
不要教条主义使用。
更不要无端联想生搬到人类社会，那是不对的，
人类社会也是一点一点迭代演化出来的，有自己的客观规律。

以上。

备注：文中数据并不是实测数据，实测数据要比这个dirty很多。

==== 分割线 ====

上面只提到了简化的统计规律，
实际上，生态学模拟领域，
有一个很硬核的流派是专门做机理模拟的，
树多高，风多大，飘多远，算的清清楚楚，也很好玩：

参考文献：

Binbin Wang, Lauren L. Sullivan, Jeffrey D. Wood,Modeling wind-driven seed dispersal using a coupled Lagrangian particle tracking and 1-D k-ɛ turbulence model,Ecological Modelling,Volume 486,2023,110503,ISSN 0304-3800, doi.org/10.1016/j.ecolmodel.2023.110503.

知乎用户 发表

小丑一直在证明斩杀线。

我也突然发现：我只是喜欢小丑的腔调，从没注意过他的内核。

《蝙蝠侠：致命玩笑》
小丑认为，普通人与疯子之间并不存在本质的、不可逾越的鸿沟，仅仅“只需要糟糕的一天”就足以完成这种转变‌。
他将此视为一个可以验证的“理论”，并通过折磨戈登警长来对蝙蝠侠进行实验，试图证明任何人，包括象征正义与秩序的戈登，在经历了他所定义的“最糟糕的一天”后都会崩溃‌

哥谭是真的，小丑也是真的。

只需要糟糕的一天，中产或底层，一样会滑落到深渊。

这不是黑深残的故事，小丑让哈利用衣架堕胎，也不是在开玩笑…

还真有富二代当了英雄，枪击医保巨头。

这居然是个写实的超级英雄故事…

知乎用户 发表

有朋友已经分析了1/e，这里再增加两个关键词，“断点回归”、“本福特定律”

斩杀线到底是人工操纵的，还是社会系统自然产生的，能够使用数学方法予以验证。

一、断点回归

假设考试成绩平均分是75分，以其为中心，正态分布着所有学生的成绩。我们也知道，考试嘛，必然有一条60分及格关键线，60分线附近的考生，我们不仅看他这次考试的具体成绩，我们也可以附带看看与这位考生关联的其它数据，比如颜值高不高。颜值高不高，在60分线附近本应是随机分布，平滑过渡的。照理说。长得帅和长得丑并不决定考试分数高不高。

学生的考试成绩是59.9分还是60.1分，从掌握知识的能力上来说没有太大的区别，但如果及格线是60分，那这条斩杀线就把学生分割成了两个世界，一边叫做不及格，一边叫做及格。

如果有一个慈祥的老师，我们就会发现，慈祥老师的学生成绩，几乎没有59分的，要么远比59分更低，要么都是60分以上。这位慈祥老师把很多59点几分的成绩提高到了60分，让他们从斩杀线存活下来。所以在60分以下，出现了一段数据真空。

如果另有一个残酷的老师，我们也会发现，残酷老师的学生成绩几乎没有60分、61分的，是的，完全不符合正态分布下学生成绩截取60分左右该有的样子。再一看学生的附带信息，成绩在60-61分的学生颜值都是800分以上，丑鬼一个都没有。哦，原来这位残酷老师是一个颜控，把很多60分本来及格的丑鬼学生直接斩杀，让他们成为五十几分。残酷老师的学生成绩在60分往上，也会出现一段数据真空、数据畸变。

大家明白我的意思，把及格改成生与死，就是我们今天讨论的美国斩杀线。

二、本福特定律

自然界产生的数字，其1-9出现的概率并不是均匀分布的，而如上图一样1出现概率最高为30.1%，而9最低只有4.6%。该定律的数学表达原理是数据在多个数量级上的对数均匀性，当数据跨越多个数量级（如河流长度、人口统计、财务数据）时，数值在指数增长过程中，较小数字因停留时间更长而出现频率更高。‌‌

财务、双十一销售额、人口死亡、出生率等等数据的人为干预，都可以通过本福特定律初筛出来。

三、验证数据

数据操作有迹可循，以上面两个方法为基础，可以判定关键断点是系统大量群体无意识自然生成的，还是有人工介入数学预期干预的，是慈祥的救人线，还是残酷的斩杀线。

在福利系统中，找寻这些断点，判定它们是自然断点还是非自然断点。非自然断点（斩杀线）让特定比例人群更易死亡、得不到救济，属于系统性偏差和结构性排除，其数据特征与自然阈值有本质区别。

三步验证

1. 断点回归：直接量化“斩杀线”的因果效应和严重程度。观察在斩杀线上端和下端的真空数据分布构型。

2. 分布检验：检查分配变量（如收入）在门槛附近是否有人为堆积或缺口（例如，恰好在门槛以下的人数异常少，可能意味着数据被操纵以使其达标，是典型的斩杀穷人）。

3. 最后用本福特定律：作为整体数据质量的筛查。如果福利金额、预算分配等宏观数据严重偏离本福特分布，提示整个数据集可能被系统性污染，增强了“存在人为操纵”这一假设的可信度。

以上方法可以纳入2026年随便哪个市、哪个区的初中奥数竞赛预赛环节，相信中国小朋友可以轻松得出结论，美国有没有非自然断点，如果有非自然断点，是慈祥的挽救线，还是血腥的斩杀线。

同样的方法，也可以把中国的数据拿来跑一跑，看看我们在消除贫困、挽救生命上是怎么成为世界标杆的。

知乎用户 发表

这就是美国现在的社会状态，一个社会波动后，当你在后37%里，那你就随机去死，当你在前63%里，那你就随机跌落，当然，前63%的人被满血斩杀的事情也常有发生（枪击），那么就从后37%里挑选讲师这样的幸运儿上位补齐这63%。

所以后37%的人怎么才能脱离现在的困境呢？答案就是多满血斩杀前63%的人。

知乎用户 发表

美国斩杀线为什么刚好在1/e附近

我感觉就是资本主义的特点。

资本主义的特点就是把人异化成统计数字，而统计数字最重要的是什么？就是均值和中位数。

所以我们看那些美国IP，他们动辄都是使用“人均GDP”，“中位数财富”，“人均消费”，”平均工资“这些统计量来描述美国的富裕。只要“人均”富裕强盛了，那整个美国就富裕强盛了。

然后美国的资本家，也会按照【人均】或者【中位数】的指标来设定各种商品的价格。确保【人均】或者【中位数】收入的消费者可以买得起各种生活必需品和必要服务，还会贴心的留出一些余量。资本家觉得他们非常仁至义尽了。

只要你维持在中位数，就能在美国过上美好的生活，享受各种必要的服务，不会被斩杀。

这里的问题是，【中位数】对应的其实是50%。意思就是，有50%的人是达不到中位数的。

当然，资本家都是大善人，他们是很仁慈的，会留出一些余量。所以【斩杀线】会比50%低一些。也就是40%左右。

知乎用户 发表

这下明白什么叫developed country了吧

不是发达国家

是停滞的农村

至于你说什么叫停滞

出生+润入=致贫=致死

这也是一种developed

谜底就在谜面上，是从民国至今的一大批留美出口转内销的玩意，通过垄断信息和解释权，制造了谜题

知乎用户 发表

我们的1/e是什么？

知乎用户 发表

虽然我是一名大学数学老师，但是我不认为美国社会斩杀线接近1/e的背后有什么深刻的数学机制。

我的结论基于如下观察：目前的各种解释都是纯粹的数学模型，其中没有任何从现实世界而来的参数。

这意味着什么？这意味着如果这样一种数学机制真实存在，那么1/e将是一个普适的常数–与意识形态、经济发展、分配制度等等都没有任何关系。至多，我们可以加上一个前提：斩杀线存在。除此之外没有任何调整1/e这一比例的方式，因为前面提到的那些因素没有进入目前所考虑的各种数学模型的途径。

我再换一个说法：一个社会，无论它的组织形式、发展阶段等因素，只要斩杀线存在，它必须固定在总人口的1/e也就是约37%的位置上。哪怕经济发展人民的总体生活水平提高，或者分配方式变得更公平，这个社会永远有一个固定的比例，37%的人群，会处于“一旦发生意外就会陷入恶性循环”的状态。

我再重复一次：经济的发展、分配方式的改善、福利的提升–简而言之一个国家所有的经济政策和状况，都不会对斩杀线以下的人群比例产生影响。哪怕做出再多的努力，一个社会要么对所有的成员都很安全，要么就会有固定的37%的成员处于难以脱离的恶性循环。这合理吗？这又符合其他国家的现状吗？

我个人很难想象这是正确的。在我看来这就是一个巧合。

知乎用户 发表

先拿37%算的，再出400刀这个点。 不是先按400刀，数出来正好37%。

知乎用户 发表

哈耶克的大手之市场自己在调节

知乎用户 发表

问题锁热榜了，那我就自问自答一下，不过为了不带偏大家，我就只贴一下数据，不做分析了。

其实前排知友也已经贴了相应数据并做了非常好的分析了。

还是感谢美国AI哈基米搜索数据，谷歌应该比我更懂美国：

以下是根据 2024年至2025年最新报告（包括美联储、Bankrate及消费者金融保护局CFPB）细化后的“斩杀线”分层：

1. 标准斩杀线（脆弱区）：37%

• 指标： 无法完全使用现金或等价物（如银行存款）支付 400美元 的意外支出。
• 最新状况： 美联储 2025 年发布的《美国家庭经济福祉报告》（基于 2024 年底调研）显示，这一数字稳固在 37%。
• 含义： 这部分人虽然还没“死”，但已经失去了财务冗余。如果遇到爆胎、感冒或漏水，他们必须通过信用卡套现或向亲友借钱。

2. 深度斩杀线（完全丧失能力区）：13%

• 指标： 面对 400 美元的支出，无论通过什么手段（借钱、卖东西、借贷）都完全无法支付。
• 最新状况： 在上述美联储报告中，这 37% 的人里有相当一部分最终能借到钱，但仍有 13% 的全体美国成年人 表示自己“彻底没办法支付”。
• 含义： 这是最接近“斩杀”定义的群体。他们处于社会的绝对边缘，一旦发生意外，几乎直接面临流浪或生存危机。

3. 结构性脆弱线（月光区）：60% - 62%

• 指标： 生活处于“薪水到薪水”（Living Paycheck to Paycheck）的状态。
• 最新状况： 根据 LendingClub 和 Bankrate 的 2024 年底调研，全美约有 62% 的人认为自己是“月光族”。
• 含义： 这代表了系统的“亚健康”状态。这 60% 的人里包括了很多年薪 10 万美元以上的中产，他们虽然账面有钱，但由于房贷和高杠杆，现金流极度紧绷。

4. 绝对零值线（无积蓄区）：24% - 27%

• 指标： 应急储蓄账户余额为 0。
• 最新状况： Bankrate 在 2025 年 1 月发布的年度调查显示，24% - 27% 的美国人表示自己“没有任何应急存款”。
• 含义： 超过四分之一的人在数学上处于“裸奔”状态。

5. 危险阈值线（1000美元压力测试）：59%

• 指标： 无法从积蓄中支付 1000美元 的意外费用。
• 最新状况： 2025 年初的调查显示，59% 的美国人无法应对 1000 美元的冲击。
• 含义： 在通货膨胀后的今天，400 美元已经挡不住稍微严重的意外（比如一次急诊、一次大修）。如果把“斩杀”的标准调高到 1000 美元，那么 接近 60% 的美国民众实际上都踩在斩杀线上。

1. moneytalksnews.com
2. federalreserve.gov
3. bankrate.com
4. cbsnews.com
5. bankrate.com

划重点：

1/e = 36.8\% \\ 1/e^2 =13.5\%

知乎用户 发表

因为37这个数字真的很神奇，我甚至怀疑这个斩杀线数字是杜撰出来的

https://www.youtube.com/watch?v=d6iQrh2TK98

知乎用户 发表

美国联邦储备委员会（也就是美联储）有一个年度常态调查，Survey of Household Economics and Decisionmaking（SHED，美国家庭经济与决策调查），是《美国家庭经济福祉调查报告》（Report on the Economic Well-Being of U.S. Households）的一部分，从2013年开始每年进行一次，主要评估美国成年人的经济福祉和财务脆弱性（Financial Fragility）。

财务脆弱性关联着一个经典调查：Here’s How Many Americans Can’t Afford a $400 Emergency（“你是否能立即拿出400美元现金应对紧急情况？”）

这个“400美元应急”（Emergency savings measures $400）指标已成为衡量美国人财务脆弱性的关键标准，常被媒体和政策讨论引用。它反映了许多家庭缺乏足够流动储蓄，容易因小额意外陷入债务循环，尤其在低收入、少数族裔或租房者群体中更突出。

Sixty-three percent of adults said they would cover a hypothetical $400 emergency expense exclusively using cash or its equivalent, unchanged from 2022 and 2023 but down from a high of 68 percent in 2021. 63%的成年人表示，他们将仅使用现金或其等价物支付假设的400美元紧急费用，与2022年和2023年持平，但低于2021年的68%。

这意味着大约有37%的成年人无法完全用现金等价物覆盖。

在具体讨论$400假设性紧急开支的问题时，美联储的《Economic Well-Being of U.S. Households in 2024》报告明确指出：

Among the 37 percent of adults who would not have covered a $400 expense completely with cash or its equivalent, most would pay some other way, although some said that they would be unable to pay the expense at all. For those who could cover the expenses another way, the most common approach was to use a credit card and then carry a balance, and many indicated they would use multiple approaches. However, 13 percent of all adults said they would be unable to pay the expense by any means 在无法完全用现金或等价物支付400美元意外开支的37%成年人中，大多数人会通过其他方式支付，尽管其中部分人表示完全无力承担该笔支出。对于那些能以其他方式支付的人群，最常见的做法是使用信用卡且不一次性全额还款，许多人表示会结合多种方式。然而，13%的成年人表示他们将无法通过任何方式支付这笔费用

在最初的几年里，拿不出400美元应急的比例甚至更高（约40%-44%），但是这个数据的下降是因为通货膨胀，400 美元在 2025 年的购买力远不如 2013 年，这意味着美国人的抗风险能力实际上可能在萎缩。

United for ALICE就是这个概念下的产物，也是目前美国社会研究里最接近“将要触发斩杀线”的概念之一。

Asset Limited, Income Constrained, Employed — households with income above the FPL, but below the basic cost of living. 资产有限、收入受限、有工作的家庭——收入高于联邦贫困线，但低于基本生活成本。

这个概念由美国的一个NGOUnited Way发起，用于识别和分析那些因为财务问题挣扎的家庭群体。

这些家庭有工作、收入高于联邦贫困线（FPL），但仍无法负担基本生活开销（如住房、食物、交通、医疗和育儿）的家庭。这些家庭往往生活在生存边缘，每月收入勉强够用，但没有储蓄或缓冲来应对意外事件。

这些人看起来不像穷困潦倒的人，他们是你的收银员、外卖员、育儿嫂甚至初级办公室职员。他们有工作，甚至可能有一辆破旧的二手车。

他们的收入超过了贫困线（所以没资格领食品券、拿廉租房补贴），但依然低于当地的家庭生存预算（Household Survival Budget）。

但是这些人的看风险能力极差（One emergency away from poverty），一次爆胎或一次感冒就可能让他们破产。

United for ALICE每年发布州级和县级的报告，使用标准化指标量化基本预算成本（如住房租金、食品价格、交通费用等），并与家庭收入比较。报告强调：这些家庭“被忽略”，因为他们不符合许多福利资格，但又无法积累财富。这种脆弱性不是个人问题，而是系统性议题。

全美约有 29% 的家庭属于 ALICE 群体，加上 13% 已经在贫困线以下的家庭，全美总计约 42% 的家庭生活在“生存平衡线”以下。

美国的联邦贫困线约$31,200/年，你高于这个数就不是穷人，没补助。

但是按照United for ALICE的生存预算**：** 覆盖房租、托儿、路费、基础医保的最基本开支约 $81,000/年。

这中间约$50,000的巨大真空地带就是“斩杀区间”。

知乎用户 发表

美国斩杀线为什么刚好在1/e附近？

这里计算是对的。

高赞不完全准确，这不完全是一个观察概率问题（虽然这也是一个收敛值），是一个收敛值计算。

回忆一下e的定义，

这个实际就是e的最初含义

——

对。

我就想说出来了，37%是个非常精巧的数字。

不管这个现实，是怎么形成。

它绝不可能，脱离物质规律。

社会组织的构成，是有清晰规律的。

……

美国斩杀线为什么刚好在1/e附近？ - 诚然的回答 - 知乎

美国斩杀线为什么刚好在1/e附近？

再看，这个计算非常好。

，得出了一个优胜者占四分之一的结论。

也和事实相符。（中等以上阶层约占社会四分之一。）

（但是是否分层为，1/3,1/3.1/4

我不确定。

按既往观点，应该是0.5,0.25,0.25，这样形成一个金字塔，？

【

这里我的猜测是，此处计算过于简单。

现实中要进行多要素博弈。

从而在37的内部，再次分化。】

……

那么从经济学的角度看，

这个问题更加简单了。

美国单纯是一个高效的社会。资本可以100%的，进入消费生产环节。从而使得劳动力本身不会有冗余资金留存。

而波动呢，则由政府兜底。

原则上，，这是一个先进的发展方向。

只不过现在政府兜不住了

知乎用户 发表

这不就是赌场的工作原理吗？？？？

搞半天花旗国不是用开公司的思路治国，而是用开赌场的思路治国。

知乎用户 发表

基本盘等式：37%=0.2%

美国斩杀线为37%，掉到37%以下会成为流浪汉，但是流浪汉只有0.2%，所以两者相等

知乎用户 发表

这就是本人之前常说的，基本盘的最大特征就是“毫无统战价值，却主动背负统战任务”。

昔日农民起义军的统战价值在于其对旧有秩序的破坏性与重置威胁，

今日之基本盘，始终处于一种幻想“自行招安”的状态。不论甲方需求若何与有无，犹如自有大儒辩经般使命降临，凡事先行“垫资入场”，执行本不属于其职责的统战任务。量苟且之能事，结与上位之欢心。

彼有民不加赋而国用饶，此为公不度支而官威布！针对基本盘完全毋需招安，其“自我徭役”统战工作执行效率相较于以财驱使等陈辞旧法可谓遥遥领先，实例即斩杀线论等新晋造词。掩耳盗铃，贻笑大方。

知乎用户 发表

其实美国公民只要不飞叶子，根本不会有什么斩杀线。就算是非法移民只要不吸那个东西也能活下去，美国再乐色也是顶级发达国家

知乎用户 发表

一、 溯源

美联储年度报告《美国家庭经济状况报告》：

“假设你现在突然面临一笔400美元的紧急开支，你会怎么支付？”

以 2024 年为例，美联储的原始数据：

• 63% 的人表示：可以用现金、储蓄或下个月能还清的信用卡支付。
• 37% 的人表示：需要借钱、卖东西、分期付款，或者完全无法支付。

二、 假设

美国经济系统是一个“流动性吞噬兽”。

• 安全区： 有储蓄，不借钱。这对银行来说是低收益客户（只赚取刷卡手续费）。
• 斩杀区： 彻底破产，坏账。这对银行是纯损失。
• 收割区： 这部分人处于“付不起全款但付得起利息”的状态。他们贡献了系统绝大部分的“超额收益”。

因此，这个系统会自发地演化到一个临界状态：把尽可能多的人推向“财务悬崖”的边缘，以最大化全社会的资金周转率，但同时要保证系统不发生雪崩式崩溃。

三、建模

• S ：家庭面临的意外流动性冲击（如汽车修理、急诊、临时失业）。
• C ：家庭的流动性防御上限（现金储蓄 + 剩余信贷额度）。
• \mu ：社会平均的冲击强度。

1.定义

• 概率密度函数 (PDF)： 描述冲击强度 S 出现的概率密度。
  f(s)=\frac{1}{\mu}e^{−s/μ}
• 安全概率 (Safety Probability)：
  一个家庭能扛住冲击，意味着冲击 S 必须小于其防御上限 C 。

这就需要对上述密度函数进行积分（计算累积分布函数 CDF）：

P(S<C)=\int_{0}^{C}Cf(s)ds=\int_{0}^{C}\frac{1}{\mu} e^{-s/\mu}ds=1-e^{-C/\mu}

2. 推导

• 压力： 如果 C\gg\mu
  大家手里都有大量闲钱，市场会通过通货膨胀、房价上涨和消费诱导（比如“你需要更好的生活”），稀释你的 C ，直到你的储备金减少。
• 支撑： 如果 C≪μC\ll\mu
  大家连小病都看不起，由于大规模违约风险，金融机构会“放水”（降低信贷门槛），拉高 CC以防止系统崩溃。
• 平衡：
  系统的博弈最终会停留在 C≈μC\approx \mu。

即：“普通人手里的流动性，被设计为刚好能应付平均水平（400美元）的意外。”

3. 代入计算：

将 C=μC=\mu 代入公式： 我们安全了暂时P我们安全了,暂时…=1−e−1≈1−0.3678=63.2P_{我们安全了,暂时…}=1−e^{−1}≈1−0.3678=63.2%Psafe​=1−e−1≈1−0.3678=63.2%

知乎用户 发表

你看看，才刚吃饱饭没几年就开始各种碰瓷发达资本主义国家的老大(˶╹ꇴ╹˶)

知乎用户 发表

高中毕业进入大学之后，我的数学成绩就一落千丈。但是我心里有种对数学宗教式的崇拜，它告诉我

那些故事，包括什么

冰雨夜，高达，甚至什么甜甜圈，讲师

都有可能是“邪恶的统治机器”花出巨大的行政力量，在影棚里演出来的

但是这个e，这个特殊的无限不循环小数，它不一样

知乎用户 发表

看了很多回答，都说的太复杂了，简单说一下大部分国人就能明白！

0.618 和0.382 这两个数字眼熟吗？对了就是黄金分割。

你在0.618 那一边就是优势状态，你在0.382这边就是劣势状态，说完了

知乎用户 发表

0.37这个数值是滞后的，本身就是个算出来的理想数值，所以才有这个巧合，或者说，这是根据美朝海精专算出来的理想人口控制线。

理论上这个数值可以最大化的保证美国社会的熵减，资本可以攫取最大的利润，但现在是2025年，叠加近年来新冠、懂王、关税各种超级debuff，实际上的数值早就失控了，这也是近年来美朝遮羞布落下的主要原因。

哦对了，这个数还是不包含非法移民的。

知乎用户 发表

刚看了热搜有个美国程序员变流浪汉的，各大官媒也转载了，算是官方认定的斩杀线。

美国“斩杀线”真的存在吗？（北京日报）

这个程序员叠加了高额房贷，高额消费贷，高额商业医疗保险，股票暴跌，公司裁员，妻子患重病这么多个debuff。之后这个程序员终于个人破产变成流浪汉，而且目前是在“wifi信号有点差”的收容所里。

注意到里面提到了程序员的妻子患病，用的他的医保，因为前面断交所以只赔付了一部分，导致让他雪上加霜。这类商业医保应该就是一人参保全家享用的那种，之前了解过这类产品，打算给家里人买，这玩意国内也不便宜，特别是家里的人有基础性疾病那就更别提了。

这跟我其他的回答一模一样，这也是标准的东大斩杀线，甚至可以说除了北欧那些超高福利国家，这搁哪都是斩杀线，国内这种背负巨额贷款然后被裁员导致自杀甚至报复社会的就不提了，一抓一大把。

中国有啥斩杀线？

而且要是在中国一个女的不上班全部债务都给男的背，甚至要蹭男方的医保，男方被裁之后还花钱替她治病，最后沦落到去收容所流浪，估计这个女的要被骂一句捞女吃绝户，男的估计就是要被说成胖猫2.0。

宣传口你们这边找不到更好的例子了吗？这种叠满了debuff的很难让人感同身受，更起不到应有的作用啊。甚至这个宣传好像有点反作用了，我的关注点是叠了这么多debuff还能在一个有wifi的收容所里发发牢骚，这哥们心态是真好。而很多网友是觉得这种消费习惯返贫不是很正常的吗。。。

知乎用户 发表

从数学解释来历没问题，但我认为社会学逻辑应该是是，纯粹理性的社会，随时被淘汰的群体比例就是37%，政府治理就是努力将比例降低，提升社会公平，而垃圾政府治理下就不可避免的趋近该数值，一旦越过这条线，社会就处于随时崩溃的境地。这就是美国斩杀线破圈的原因，美国事实上已经超越该比例，风险外溢到整个系统，处于随时崩溃的境地

知乎用户 发表

这个课题不值得一个诺贝尔经济学奖吗？

知乎用户 发表

感觉所有的高赞回答都在胡扯八道，

问题本来就是先射箭再画靶，一帮人又牵强附会往上靠，搞出来一堆理论模型，最优停止啥的，连实际的参数都不需要了，按这个逻辑所有国家的斩杀线都在1/e附近。

非要建模的话，那起码得得有一个假设两个参数：假设财富服从幂律分布f(x)~x^(-α-1)，同时个人财富存在个斩杀阈值β。

图就不画了，想象一下很容易知道不同的财富分布和斩杀阈值下，斩杀比例是不一样的。财富接近均匀分布的共产主义社会，斩杀比例就接近0%；刘慈欣笔下的终产者社会，斩杀比例就接近100%。

至于美国为什么落在1/e（其实我对这个数据也存疑）？即便所谓的多个调查足够充分的话，也只能说明凑巧。毕竟5%，10%，15%，20%，1/8，1/6等等，上下再给个1%的浮动，基本上随便哪个数字都可以凑巧提问出这个问题的。

知乎用户 发表

什么鬼？

这注意力过于掉san了。

天地不仁，以万物为刍狗；

圣人不仁，以百姓为刍狗。

只听说过道法自然。

什么叫“道法自然常数”？

天地革，而四时成。汤武革命，顺乎天而应乎人。——《周易·革卦·彖传》

革命者，变革天命。

所以，什么叫做“变革天命”？

什么叫做“……是党在新的历史条件下领导人民进行的新的伟大革命，是决定当代中国命运的关键抉择。”

啊？这些东西真的可以这么连起来用的吗？

知乎用户 发表

注意力惊人

知乎用户 发表

这才是社会科学应有的样子，不但理论模型通俗易懂，而且具有极强的解释适用性，最关键的是，并不是凭空臆想或创造的理论，而是有坚实的数学基础作为支撑，具有可复现的特点，而不是只在封闭的思维环境内形成自洽。

知乎用户 发表

都说随着时间推移，知乎下沉的厉害。。。

但是这个话题……

多年前的知乎，没有这种让我觉得如此卧槽的回答~~

我数学很烂，感谢各位答主用数学解释了社会学问题。

作为中年油腻死胖子，我看到的是：知乎新一代的年轻人成长起来了~~~~~~

我这个追不上时代的老登，可以去斩杀线了。

很多道理一通百通~~~~

看上去好像是社会运维的黄金分割，让在我隐隐中预判了很多复杂事情的答案。

对构建虚拟事件的世界观大有帮助。

这个世界真好。

我年轻的时候，学不会微积分的笨蛋，可不止37%。

知乎用户 发表

很多人答案都说了，是因为1/e本身就是（1-1/n）^n的n无限大时的极限。我也赞同很可能是这个原因。

这表示被斩杀的概率p=1/n的n和他们一生中碰到的可能被斩杀的意外事件的次数n是接近，同时n比较大，也就是单次斩杀概率1/n不大，但是能斩杀他们的意外事件很多逢年过节就可能碰到。这么一看还挺符合大家讨论的情况，每个人感觉都碰到突发事件就被斩杀这事不存在，但是细究就很多突发情况都构成有机会被斩杀。但为什么概率和次数的n会接近？难道是和每年净新出生人口及移民人口占的比例还有人均寿命有关系？短时间社会系统维持的该社会水平的人口应该稳定而导致的？

知乎用户 发表

37%是不造反的边缘线，高于37%就会有造反的可能性。

所以美国资本主义多年自适应下，正好给你卡在37%这个平衡点上，但我认为37%这个平衡点还是美国强大的时候才能起效的平衡点，随着美国衰退，37%这个平衡点肯定是维持不住了，后面还有大的在等着美国人呢。

走随机取常数的路线看上轻松，但最后的结果必然是坏的。

为什么我这么肯定会是坏的，不信，你就去野地里随便撒一把粮食的种子，然后你别管，等丰收的时候再来，你看看你能收多少粮食回来。

精耕细作不是傻，不是没事找事。更多的时候是不精耕细作的话真的要饿死人！

美国斩杀线为什么维持在37%这个地方，因为这就是常数，这就是生死分割线，这就是资本主义的真正面目。

知乎用户 发表

在多方验证下和观察者效应或者中位数回归之类可能关系不大，因为很可能背后不是同一个统计分布，或者处在不同的时间序列位置上。我觉得很可能是美国一个政策周期的收益截止点在这个位置上，可能因为是AI制定/影响的政策，所以和AI收敛的梯度差/一个梯度内的损失率相关。

知乎用户 发表

这不是巧合，这不是巧合，这不是巧合。

首先题主说斩杀线差不多是37%，其实有些不准确，根据美国官方文件的公开说法，应该是“约37%的美国人拿不出400美元应急”。

但也大差不差，因为能拿出来应急的钱越多就越安全、相反越少就越容易跌落斩杀，400美元已经很贴近日常支出了，所以说37%是斩杀线也没什么问题。

真正跌落斩杀线的，之前究竟是能拿出四万还是四十万还是四十——其实都没什么意义了。

这个数据绝对不是巧合、更不是自发涌现，其实是背后操控美国的那些资本，在诸多博弈之后稳定下来的一个水平。高于这个水平，地区人口会加速减少、社会根基开始动摇，那么掌控权力的资本就会出手干预一下；低于这个水平，地区人口会逐渐增加、社会负担开始加重，那么掌控权力的资本也会出手干预一下。

只有在这个合适的数值水平上，每年想方设法润进来的那些移民、与之前润进来然后新生育的二代移民，才能与被斩杀的人数抵消……

这问题虽然残酷，但本质上仍然是一道小学数学题：一个水池有两根管子、一根进水一根放水——放水的速度，直接取决于进水的速度。

所以知道民主党为什么那么热衷于放移民进来了吧？都是耗材！

虽然美国斩杀线一直存在、且一直不低，只是最近才被爆出来——但随着将来美国经济的越发困窘，这斩杀线会被迫越来越高的；与此同时那根负责“进水”的管子，能放进来的移民却也越来越少，由此就形成了美国最终的局面：

人口凋零。

知乎用户 发表

问题不太严谨。如果真的有37%都在斩杀线附近徘徊，那美国早就大乱了。

准确的说，37%的人是拿不出钱应急，抗风险能力弱，但是他们仍然需要直接受到较大意外的冲击，才有可能进入不可回头的“事件视界”。

此外他们也不是一下子就完蛋，因为这个群体不像国内有人兜底的三和大神，敢干一天休三天。他们仍然会压榨自己（如打多份工、卖血等）试图积累抗风险成本。只要他们在下一次风险来临之前积攒到一定程度，累计积蓄和意外支出就会形成一个动态平衡，并不会落入斩杀线。

所以当前这个值其实是一个非常微妙的值：百分之三十七的人处于一个类似“黑洞吸积盘边缘”的状态，他们中的大部分（经济最糟糕的那批除外）如果不遇到大的意外冲击（例如重症疾病、车祸之类），是可以靠压榨自己来对抗小型和中型风险确保自己不落入斩杀线的。

所以这部分人恰恰保证了一种可持续压榨，确保在被榨到啥也不剩之前没那么好挂掉。但等他们老了，抗风险能力就会急剧下滑。这就能解释美国的人均寿命在发达国家里面其实十分难看，但也没低到第三世界的程度。

但是正如很多答主指出的一样，只有当他们人生抽卡游戏的爆率和尝试次数互为倒数的时候，一次都抽不中的概率才会是精确的1/e，如果美国的经济继续恶化，爆率变低，试错次数变少，那这个充满数学之美的比例就会被打破，如果没有什么天降罗斯福提供兜底政策，“黑洞的事件视界和吸积盘”还会持续扩张。

而继续扩张的表现会是什么样的？也许是逃逸的概率变低，也许是落入事件视界的时间变短，又或者出现伽玛暴。无论是哪种反正牢A以后可能都要忙到没空直播了。

知乎用户 发表

人类社会自组织性的数学原理。

还是我党好啊，中国锁血挂 ，

知乎用户 发表

你回过头去看当年的科幻片《时间规划局》是不是突然豁然开朗

电影开始里面有一段富人和主角的对话

这个故事里“时间”不光是人的寿命，又等同于财富（所有东西都要通过消耗时间来支付），你看是不是一种隐喻？

时间是固定的（财富总量不会增长太多太快）

为保证一小部分人可以获得永久的寿命（财富）

就必须时不时的减少人口（收割财富）

通过抬高物价增加穷人的压力（用各种手段学贷、房贷、医疗、保险，以及各种税、包括通货膨胀）来收割穷人的财富

等人口控制差不多了再恢复即可（等收割到了一定程度后再恢复）

我怀疑老美的斩杀线就是精心设计的一种持续性的收割财富的经济手段造成的

你看电影里主角的母亲像不像是就是落入斩杀线的过程

辛苦上班回家突然告知车票价格翻倍了（收入覆盖不了支出）

借不到钱，只好跑着回家（借不到钱，只能靠自己）

跑步回家的过程时间逐步减少（很像是落入斩杀线逐步走向死亡），然后最后死在自己孩子怀里

电影里银行家大BOSS对主角说过一句话

这是一种达尔文式资本主义制度，为了少数永生的人，大部分都得死

你看美国是不是就是这种达尔文式的资本主义制度？为了少部分人“永远富裕”，底层的人就是持续的消耗品。

知乎用户 发表

这几天啥情况，什么斩杀不斩杀线的，24年美国生育率1.599，中国1.09。感觉中国好，活的幸福，多生几个孩子看看这美好的国家呗，美国跟你又没啥关系，你也不受美国管，中国执政党是共产党。干点正事，生孩子去吧。

知乎用户 发表

斩杀线？随便造一个词，不就是为了转移 隧道大爆炸的热度吗！那么大的事情，互联网没有一点信息，有人发出来还被威胁！老百姓连最基本的知情权也没有，真是恶心，这个地方的新闻已死！

知乎用户 发表

第一层 社会科学还挺伟大的，因为这个斩杀线比例完美符合一个假设:假设每个人一生中有无穷多的抉择的机会，但每次机会让你抓住的概率无穷小，那么一个人一生最后一次也抓不住机会只能不停滑落的概率就是1/ e，对应整个社会上抓不住机会的人的比例也是这个数，概率论 统计学 自然底数在这一刻完美的结合在了一起，使整个事情有了数学上乃至于宗教意味上的美感，真的有一种让人一窥宇宙冰冷真相的感觉，什么叫天地不仁以万物为刍狗，人之道损不足以奉有余。

第二层 既然是美国人的统计数据，那这一定是可以修饰甚至造假的，当然也可以往差了去调整，所谓的这个财务脆弱人群比例毕竟是统计公司算出来的，它可能是一次真理的闪光，也可能只是一种巧合，可能下次这个数据就被修饰掩盖掉了，统计数据本身只是对现实的一种抽象，更何况这种抽象还是带滤镜的。

第三层 大道之行也，天下为公，这个大道是自由主义能实现的吗？过去一直有种说法，美国人是用机会均等取代了实际上的平等，是更有活力更伟大的公平，那现在可以用数学给出答案:即便提供无尽的平等机会，也必然会有36.7%的人什么也拿不到，完全自由主义的社会政策永远达不到大同社会，我们必须组织起来有意识的和“自然”的经济规律对抗，才能做到

知乎用户 发表

斩杀事件发生概率和频率是成反比的。。这一条件对美国所有人成立

说明人家社会真的是真空球形鸡，把理想情况模拟给你看了。

知乎用户 发表

单个小概率事件可以ko一个美国人，叠加到群体面对多个小概率事件就会有1/e的美国人被ko

知乎用户 发表

只是偶然罢了。

认为是固定的社会学结果的人都必须先解释一件事：过去一百年间的福利制度到底有没有用。

一个合适的理论应该不单能解释现在，更应该能解释过去和未来。

否则不过都是跟现在的经济学界的庸人一样只负责捏公式，然后对着公式开始讲故事。

全美国公认的事情是现在远不如七八十年代的生活压力更低，保持体面和失败后翻身的难度也高于四十年前，这都得益于不断收紧的福利政策、信息时代的产业转移，和不断增加的限制条款和生活成本。

如果这个数字是故意而为之，那么就说明美国福利制度的变化是为了配合社会的整体向上的发展趋势进行修正，所以才要刻意增加难度来保证福利制度刚好卡在37%附近，与之对应的是美国从芝加哥大罢工以来都在走下坡路的发展历史——这显然不符合实情。

具体的数字推荐去看：

美国斩杀线为什么刚好在1/e附近？

知乎用户 发表

问这个问题，然后还被讨论起来，简直是B乎的悲哀。

这个就是线性代数，大一学完的内容，最简单的一次应用。

真的是最简单最基础的一次应用，并且实操没有任何道理可言，更不是什么天理。

因为你首先假定了事件发生的平均次数等于事件发生概率，我就问你凭什么？！

这个是小学生才会犯的错误，简单用1除以概率得出次数，恰好五五开时那么抽2次就一定出得来，特么中学生都知道不对劲吧，投个硬币都知道不靠谱吧。

假如你抽卡，那么你没有保底就慢慢抽去吧（简单除后认为就是接近多少抽出是最蠢的）

若需要一栋建筑可能在某种极端条件下保证尽可能的安全……然后你特么就刚刚满足那个计算得出的最经济最便宜的标准，好那么实际极端条件到来的时候，建筑有37%的概率会坏掉。

要合理规避这个问题，比如把37%降到可以接受的5%（毕竟极端条件发生概率本来就很低，有95%保证考评都算A优4.0了）。

很简单，非常简单：

你抽查次数放大3倍就行了。

这就等同于“再三强调”。这是可靠度95%背后的数学含义。

率参数λ，特么就是用来调的！

知乎用户 发表

经中此篇如此高深，我确实不懂…

知乎用户 发表

翻了些回答，感觉都没说到为什么是1/e，都是在说为什么会是某个值，就像我问你硬币正反面概率为什么是1/2，你说抛很多次之后会收敛到1/2，所以是1/2。

我个人认为，这就是一个统计频率而已，可以说是是1/e，也可以说是正态分布的标准分数0.33，真要找出为什么是这个数，需要统计医疗，教育等等支出，还要统计各种收入，指导意义还不如基尼系数，购买力平价这些，更不用说那些真正应用到各国经济上的指数了。

知乎用户 发表

海专精原来是这么用的。学到了学到了

知乎用户 发表

数学建模的各位同学，做题前是不是先要考虑一下基本变量？

1/e 这个数字怎么来的？问题里都写了，美联储统计 37% 的美国人拿不出 400 美元应急现金。

可这是 2022 年的统计。那么之前是多少呢？

2021 年是 32%，2020 年是 36%，一直到 2013 年，是 50%[1]。

好了，现在请用你的模型解释一下这个曲线吧。

参考

1. ^ figure 19. would cover a $400 emergency expense completely using cash or its equivalent https://www.federalreserve.gov/publications/2023-economic-well-being-of-us-households-in-2022-expenses.htm

知乎用户 发表

1/e已经有很多人从数学角度解释了，我说一下400美元这个。

疫情前，400美元差不多是美国大多数地区一个月的房租钱。

美国所有的政策、规则的出发点都是合法且稳定的地址，没有地址就没有银行账户、没有稳定工作，也就没有稳定的生活。美国的文件传递是以邮件为主要形式的，地址就是绑定邮件的，没有地址，理论上就已经脱离美国社会了……

知乎用户 发表

很多高赞的回答，都是置身事外，站在道德制高点批判这个，谴责那个……

唯独没有从现实角度出发，回答一个每个成年人都应该思考的问题：

如果政府需要加大救助底层的力度，钱从哪里来？

政府收入来源无非就是这么几种，主要就是税收

为了救助穷人，你们作为纳税人愿不愿意多缴税？

别看有些人分析美债危机和美国社会底层问题头头是道，你问他们能不能多缴税，给东大的农村老人每月多发一点退休金，他们立马翻脸

归根结底，就是一个问题，你认为跌落底层的概率是多少？你愿不愿意多缴税，以防将来跌落底层，政府救助能不能帮你活下来。

看来漂亮国的大多数中产认为自己跌落底层的概率不大，所以选择减少政府救助，把钱都投入AI、芯片、太空探索等高新科技领域，以维持美国的科技领先地位，从而维持自身的高薪岗位和体面的中产生活

知乎用户 发表

玩的挺6，先爆炒一个斩杀线概念，然后在这个热度还没消退的时候。

立马推出一个为什么斩杀线在1/e附件的问题，做热度置换。

这不就是想偷摸的固化所谓是“斩杀线”是真实存在的么？

看来这次是真从上次小红书大对账中学到教训了。

可我问你，靠没裁缝活的网评员们炒出来的又有什么用？

知乎用户 发表

为什么35岁刚好在1/e附近，因为刚好开除+斩杀

知乎用户 发表

道德经也说了这个事！！！

出生入死

生之徒十有三

死之徒十有三

哈哈哈。。。

知乎用户 发表

一想到题主想要的是一个可以导出类似于高斯分布的东西的方程，但是下面全都在键政，我就有点想笑233333

知乎用户 发表

我来提出一个猜想，自新农合从10涨到400，且引发舆论后，停缴人数应该接近了10元那年缴费人数的37%（正负5%）。有数据的可否来验证一下

知乎用户 发表

如果了解明朝历史就知道，明末征辽饷等各种税。上边征一，下边加官吏上下其手，加上自己利润和费用，一般要征几倍以上。

开始只是割上边韭菜叶，后来齐根割。甚至用医疗福利的名义，不断加码。

老百姓负担太重，破产变流寇，剩下的人税负更重，也卖地逃亡变寇。平寇要征更多税，征更多税更多人活不去变寇，社会进入恶性循环。

很多官吏知道这样下去要玩完，但没有人停手——停手只是别人拿得更多，而结果不会有什么变化。

。

知乎用户 发表

在一个由 n 条等权资本主义生存通道构成的社会中，个体在经历与通道数量同阶的 n 次关键社会筛选后，仍以概率 (1−1n)n(1-\frac{1}{n})^n 被至少一条决定性通道永久排除；当 n 足够大时，这一被社会结构“斩杀”的概率稳定在 limn→∞(1−1n)n=1e=36.79%\lim\limits_{n\to\infty}(1-\frac{1}{n})^n=\frac{1}{e}=36.79\% ，且与个体主观努力无关。

资本主义社会并不需要彻底排除所有人：只要设置足够多的等权生存通道，就能保证在完全参与的前提下，仍有接近三分之一的人以概率意义被结构性地斩杀。

这就是哈老师的大手吗？

知乎用户 发表

因为资本的本质是数学。

而资本主义下的主体是资本，而不是人，人只是资本的一具血肉载体。

这个时候当人开始呈现负价值趋势的时候，资本主义要做的第一件事是尽可能把这个人承载的资本解救出来，抛弃人这个载体本身，类似于强制平仓。

最终体现出来的，就是人被放弃了，并且吃干抹净，压榨出最后一丝价值。

知乎用户 发表

我跟你讲，现在论证美国斩杀线遵循正态分布的，赶紧去海地好还是朝鲜好的问题下面磕头。我猜你们大概率被回旋镖了。

海地真是神国啊！

海地是无政府状态，美国是小政府。

海地是生的自由，死的随机。

美国是生的自由，死的随e。

一个资本主义国家，玩出了一个自然常数。一个“小政府”收了比“大政府”还要多的税，养的人均公务员数量比“大政府”国家还多，“兜底”出了一个自然常数，这叫什么，这叫收税的安资啊！

你是安，我也是安。我的安甚至不需要收税，这说明什么，这说明海地比美国还要牛。

比世界第一的国家还要牛皮，海地不算地上神国算什么？

知乎用户 发表

斩杀线问题要是老美故意设计的，我们可以说他人坏心黑把他人当耗材，这是人的问题能改正过来。
37%的话就是说哈耶克大手是数学问题，是看不见摸不着的，让人绝望。

知乎用户 发表

e 的推演啊，梦回大学了，前排回答还挺多样化。

我也经历过乐观、悲观、过程、规则跟结果导向，最后回归混沌，看选择，看坚持，看运气咯。

如果某事件的概率为 1/n，进行 n 次独立试验，至少发生一次的概率是多少？

我愿意承担 1/e 的代价，换取 1-1/e 的可能，目前采用的就是这套理解。

当琢磨明白这一层，就会选择自己认可的方向，然后开卷，高强度进行独立试验，等待结果开牌。

综上。

像斩杀线这类说辞，经受过考验的资本信徒，无所谓的，例如有一部分人就是厌恶防傻子机制，才拥抱献祭手段。

知乎用户 发表

我觉得这不像是美国精英精心设计的系统来维持这个1/e的数值。

我觉得更像是人类社会的原始形态。人类也经常用这种方法研究野生动物的种群，这无非是把这种方法用在了老美身上而已。

知乎用户 发表

看了前排高赞我觉得我的一些乱七八糟的想法能对上，这就是减丁法，或者说减丁灭户

当初奥巴马在重返亚太的时候说过，不能放任东大发展，因为东大的人太多，如果东大发展起来了，让东大都过上发达国家的生活，那地球资源不够，人类社会会崩溃

如果美国的高层是这个逻辑的话，那有没有一种可能

美国也有一条人口红线，这条人口红线就是能够享受美式生活的人口总数，一旦超了这条红线，美国就有崩溃的风险，而且随着美国的那些富豪跟高层的财富积累，这条红线也会随之变动，人口总数会减少

如果我的分析是对的话，那么斩杀线就是美国高层通过精算人为设置的，其目的就是为了保证享受美式生活的人口总数不超红线，保证美国不崩溃

这条线就是37%左右

这已经不是美国反对美国，而是美国屠杀美国

知乎用户 发表

这是一个非常硬核且充满宿命感的话题。如果不穿上一层黑格尔辩证法的马甲，你很难看透那个冷冰冰的37%背后，究竟藏着怎样的历史必然。

直接抛出结论：所谓的“美国斩杀线”，本质上是资本主义在绝对自由阶段，为了追求系统熵减和金融周转率最大化，而对个体进行的“机械化献祭”。那个精确到令人发指的1/e（约37%），不是巧合，而是“理性的狡计”在数学层面的暴力显化——它是系统维持最高效运转所必须支付的“人肉燃料”比例。

但更重要的是，当你读懂了这个数字，你就会明白为什么“世界历史民族”的接力棒，正在不可逆转地从大洋彼岸交到我们手中。

这不仅是国力的更迭，更是人类文明生存逻辑的根本转向。

倘若黑格尔再世，站在2025年的时间节点回望，他大概会冷笑着告诉你：美国作为上一个时代的“世界精神”代理人，其历史任务已经完成了。它把“个人主义”和“资本效率”推到了极致，推到了反题的死胡同。在那个所谓的“灯塔”里，人被异化成了概率分布上的一个点。如果你处于那37%的区间，即时满足的泡沫一旦破裂，系统会毫不留情地执行“斩杀”。

为什么是37%？在数学的最优停止理论中，要在无限的样本中筛选出最优解，最佳策略就是观察并放弃前37%（1/e）的样本，以此为基准去寻找后面的胜者。美国的社会逻辑就是如此：它是一个巨大的、不知疲倦的筛选器。它不需要温情，它只需要那前37%的人去充当分母，去死在斩杀线之下，以此来确立残酷的竞争标准，鞭策剩余的63%拼命狂奔，从而维持美元霸权的这种高燃耗、高流动的“虚假繁荣”。

这种繁荣，建立在对人的彻底否定之上，建立在“赢家通吃，败者食尘”的丛林法则之上。这就是黑格尔所批判的“任性的自由”——一种缺乏伦理实体支撑的、原子化的疯狂。

然而，辩证法的车轮滚滚向前，正题的极致必然引出反题，最终走向合题。

当人类文明走到今天，气候临界点逼近，资源存量博弈加剧，那种“为了选票可以退出《巴黎协定》、为了利润可以放宽排污标准”的短视逻辑，已经成了全人类的公害。美国，这个曾经的霸主，如今更像是一个为了短期红利而透支未来的赌徒。它无法处理“人与自然”的矛盾，正如它无法处理“资本与人”的矛盾。

此时此刻，历史的聚光灯打在了中国身上。

为什么是中国？这绝非偶然，而是一种深沉的历史宿命。

看一看当下的中国，我们在做什么？新能源、光伏产业、特高压输电……我们在搞这些东西的时候，西方在嘲笑我们产能过剩。但如果你拔高视角，就会发现，这哪里是生意？这分明是人类自救的方舟。

中国不同于美国那种“掠夺式”的生存哲学。我们有着长达五千年的“治水传统”。从大禹治水开始，中华民族的基因里就刻写着一种“行星工程级”的动员能力和宏大视野。我们懂得为了整体的生存去改造山河，懂得“天下”二字的分量。

这种古老的东方智慧，在近代与马列主义相遇，便发生了一种剧烈的化学反应。马克思揭示了资本的贪婪，而中国用“实事求是”和“群众路线”驯服了这种贪婪。我们没有选择那种让37%的人去死的效率，我们选择了虽然笨重、虽然辛苦，但绝不抛弃掉队的“共同富裕”。

这是一种更高阶的“具体自由”。在这个版本里，国家不是守夜人，而是领路人；资本不是主人，而是工具。

特别是当我们面临气候崩溃这一全人类最大的“否定”时，只有中国，凭借着那传承千年的大一统调度能力，凭借着对工业体系的完整掌控，才有可能去执行那些长周期的、无利可图的、但关乎种族存续的生态工程。美国为了四年一次的选票可以朝令夕改，而中国为了百年大计可以移山填海。

这就是为什么我说，中美的较量，实际上是两种文明形态的对决。一方是精致利己、透支未来的金融帝国，一方是胸怀天下、深谋远虑的生产型文明。

更有意思的是，相比于新兴大国通常会带来的战争风险，中国展现出了惊人的政治早熟与博弈智慧。这种智慧源于我们漫长的历史记忆——我们见过太多的王朝兴衰，深知兵者凶器也。这种深厚的历史底蕴，或许能让人类在这次权杖交接中，奇迹般地避开核战争的陷阱。

这不仅仅是国运的上升，这简直就是天命的回归。当生态危机把人类逼到悬崖边时，恰好有一个古老的民族，手里握着马列的辩证法，胸中藏着“天下大同”的理想，身后站着亿万治水这种超级工程的后裔，准备重返巅峰。

这不就是黑格尔所说的“绝对精神”在此时此地的自我实现吗？

但是，且慢欢呼。

作为后来者，作为新的世界历史民族，我们必须清醒地认识到，这绝不是一场轻松的加冕礼。黑格尔在那本厚重的《历史哲学》里留下了最振聋发聩的警告：

“成为世界历史民族不是一件幸福的事，而是一种宿命的重负。世界历史不是幸福的温床。幸福的时期在历史中是空白的篇章。”

接力棒很烫手，非常烫手。

美国因为卸下了责任，选择了堕落，所以它可以享受最后的狂欢。而中国，既然选择了去承载这“天下”的重量，选择了去逆转气候的崩溃，选择了去探索一条不同于西方剥削逻辑的现代化道路，那我们就注定要承受前所未有的压力。

农民因气候减产的泪水，转型期的阵痛，地缘政治的围堵，这些都是我们必须吞下的苦果，是“精神分娩”时的必经之痛。我们这一代人，或许注定要在这个大变局中负重前行，因为我们不仅是在为自己活着，也是在为人类文明寻找下一个出口。

那个冷酷的37%斩杀线，是旧时代留下的墓志铭；而我们正在铺设的，是一条通往星辰大海与青山绿水的漫漫长路。这就是历史的辩证法，这就是宿命。

知乎用户 发表

这个全球财富分布图讲斩杀线简直再合适不过了

首先看中国，标准的纺锤形，大家都挤在中间肚子部分，想往上难，但你想往下也难

因为想挣大钱不容易，所以往上走人很少，又因为你想攒钱太容易，进厂、滴滴、送外卖，所以聚集在30%以下（大约一万块资产）的人也很少，毕竟送外卖电动车也几千块，进厂一个月工资也几千块，再加上个人杂七杂八的东西，比如手机家电衣服什么的，只要不负债，就算月光也很难跌倒30%以下

其中还有一个更有意思的地方，那就是中国10%以下竟然没人，要不是找到的完整的图，我都要忽略了，因为这部分人根本没有资产，统计进入图里根本没意义。。。真有你的，资本主义

再看美国也就是北美，这是一个拱桥形状

70-90%这一部分，越往上越粗，这就是大殖子们经常为之自豪的美股，有钱人把钱放到美股里，钱就会越来越多，只要你有钱，你赚钱就越容易

40-70%，这一部分是一个三角形状，这就是一个囚笼，让这一部分的人上不去下不来

这里的人不超过2万刀的资产，这里的人有一些积蓄，但必须拿来应急，不能去买所谓的美股，所以也就赶不上美股的东风，也就上不去

不仅赶不上，他们还要天天问美股的尾气，70%以上的人买了天天涨的医疗、高科技、基础设施等等股票，谁买单？不是他们还能是谁，难道指望后20%的流浪汉么，所以美股越涨，收益率越高他们越难受，学贷的利率、房贷的利率等等总不能比美股收益率低吧，要不然老爷们赚什么钱

但他们的工资也不低，估计是牢a的红脖子老哥的水平，大几千刀，所以一般也下不来

但那只是一般情况，如果遇到突发情况怎么办？比如失业、生病、还有自己作死等等

那就直接下到40%以下，但你肯定问，20-40%没人啊？

因为这一部分待不住，要么进入到这个状态后，赶紧想办法拉回40%以上（比如红脖子老哥遇到了牢a这么个贵人），要么就快速跌倒20%以下，被斩杀

20%以下的形状也很有意思，是一个梯形，除了前边这个尖尖，下半部分财富不同但是人数差不多

这是因为成了流浪汉，你有个一千刀和欠个几千刀没区别，钱不钱的不重要，大家都是看打野能力、抗冻能力、说吉祥话能力等等了

你没讲师那点本事，有点小钱也只能被快速送走

知乎用户 发表

因为我们的教育和舆论的一些有意无意的偏差，大多数社会主义巨婴把“资本主义社会”的概念等同于了“市场经济社会”，所以很多人眼中的美国并不是美国，而是超级中国

现在不过是撕开了这层误解，让大家结结实实地看到了以资本为本位的社会是怎么真实运行的

知乎用户 发表

数学与高达.jpg

知乎用户 发表

这个数值只是估算，并不准确，即使数值上符合1/e，大概也只是巧合，因为这个“斩杀线”还在变化，这个社会也不是稳态，而是在快速演变，找平衡列方程不适用。

等有空补一些数据和图表佐证“当前美国社会非稳态”

补充视频，可以看出近年来北美的腰越来越细，说明这个社会发展远未至稳态，不能用平衡理论去分析计算。

数据来源：瑞信CS/瑞银UBS 全球财富报告 Global-wealth-report （2014~2023）

另外部分年份90~100区间原图扩展到了90~95~99~100三个区间，视频中压缩回一个区间

知乎用户 发表

我愿称之为Alex-Liu常数

知乎用户 发表

谢邀 我数学小白

刚刚才理解这个倒霉常数怎么来的

比如一个美国人成为一个体面人就是成功

而找到一份满意的长期工作就是一种体面

然后开始做假设：

你是个润人，刚成为美国人，想在美国社会立足

已知美国人成功的概率是百分之一

那么我们有一个预期 即一百个人里面就会有一个人成功

然而这只是理论上

我们知道 概率为百分之一 实际上 也会出现一百人全都失败的情况 这种情况就是倒霉情况

即 明明我满足了样本量100人 却没有出现预期满意的结果

于是我们开始做最坏的打算

假设倒霉情况下出现一个成功人的概率

已知每个人的失败概率是99％ （1-成功概率）

那么 失败一百个人才有一个人成功的概率是1比（99％ 的一百次方）

一将功成万骨枯 的概率是1：（1-1/10000）的一万次方

我命由我不由天 的概率是 1：（1/1/n）的n次方

极限公式 lim n→∞(1-1/n)的n次方 是e的定义

e是无理数 约等于2.72 1/e近似于37%

我们就可以做一个定义

即 存在一个倒霉的情况 能维持系统运转下的最坏情况 把所有容错空间用满的情况 (就像你考试一百道分数一分的题目 你刚刚好 刚刚好错了40道 然后60分及格)

在一个 理论上有人成功的概率下（这个成功的概率不小，能让所有人看到希望） 失败足够多的人 这个人数的倒霉比率就是1/e 也就是最多有37％的人失败

把失败等同于斩杀 你就理解了

美国社会在各种复杂博弈下 刚刚好维持这个国家的稳定 然后斩杀最多的人

被斩杀的人等于剩余价值被榨干了

剥削者在维持这个国家正常运转的情况下 剥削了最多的价值

等于

美国 给底层 提供了最低的 刚刚好可以不让人造反 的福利

啥叫帕累托最优 这就是啊

ps：补充下 上文提到的 作为润人 的推导结果

因为斩杀线正好是37％

所以 在成功概率是百分之一的前提下 润人要在财务状况不进入斩杀线的情况下 最少要失败一百次 才能遇上一次成功

不足之处 希望大佬们指正

知乎用户 发表

失效率为常数的分布是一个指数分布。

知乎用户 发表

假设美国新生儿刚出生都是一张白纸，此后每年都有一次"人生逆袭"的机会。假设ta们的人生在30岁之后就定了，而每次逆袭机会有1/30的机会逆袭成功，否则就当流浪汉。看着逆袭蛮容易的，是不？

但是会有36.16%的人逆袭失败。

如果我们分的再细一点，把30年变为10950天，每天有1/10950的概率逆袭，那会有多少人逆袭失败呢？

36.79%。

如果我们把这个机会分的再细，再多，变成这连续的30年并把它作为一个单位时间，那这30年，逆袭失败，落在斩杀线以下，变成流浪汉的概率就是1/e。

这就是泊松分布。

或者说，这个机会是一次"资产跃迁“机会，美国每个斩杀线以下的人，只要有一次"资产跃迁"就可以到斩杀线以上。

还是按刚才的30年考虑，假设美国30年出生人口按一亿人计，那美国政府保证每30年大致会出现一亿个"资产跃迁"的机会。也就是大约15年会大约出现五千万个，七年半会大约出现两千五百万个。看着也很公平，是不？每个人都能分一个？

如果这种机会的分配是随机的话，也就是每个人都有机会分到，那肯定会有人有多次"资产跃迁”，有人一次也没有然后去流浪。

此时流浪汉比例就在1/e附近。

中国为什么不会？中国不会让这种机会随机分配。政府等干扶助的，无论如何也会先把某些机会给没有机会的人。这才能脱贫。这才能保证每个人有一碗饭，而不是有人吃撑有人挨饿。

知乎用户 发表

就现在的经济、就业形势，回旋镖可能也不远了。

知乎用户 发表

其他的回答技术水平太高了，我看都不能完全看懂，只能抖个机灵了。

这正好说明，美国是人类文明迄今为止，最伟大的一场社会实验。

这个实验的伟大程度，甚至超过不惜以身死而证道的苏联。

知乎用户 发表

数学就是如此残酷，理性，不记人情。

但是也如此优雅，美丽。

如果1/e斩杀线是正确的，那么至少能说明一件事——资本主义发展到极致就是标准的数学模型。

在此标准数学模型下，达到资本主义平衡的极致。同时效率达到最大化。

如果在此时，将美国彻底封闭，是否意味着，美国这个资本模型本身能够近乎永恒的以此稳态运行下去？

恐怕这才是更加残酷的思考。

知乎用户 发表

美国人活的那么顺从自然，是不是可以大胆推断，美国政府存在的意义就是阻止美国人自救，人类社会聚集起来就是为了共同抗风险，而如今的美国，社会的正向作用几乎为0，不就是美国政府通过法律法规肢解的吗，美国人不是活在人类社会，而是生存在黑暗森林

知乎用户 发表

我有点好奇竞技游戏运营掌握的每赛季的退坑率了，有没有业内人士提供点数据看看。

如果划定一个时间段，把流浪汉按照面向对象建模，包含诸如种族、年龄、职业、流浪原因等属性，对37%这个群体的的平均或者中位数年龄、某个种族占比、某个职业占比、和某种原因导致流浪占比按照固定频率采样，启动傅里叶分析，再把数据归一化，对比不同性质样本的频谱，高频成分越多说明变化越剧烈。使用傅里叶分析研究金融和社会问题早已有之，我不知道有没有人具体做过这个事情。

知乎用户 发表

由野兽猜想可得：人类使用的所有自然数都可以通过野兽常数计算获得。

注意到：11+4×5+1+4+1+9-1-9-8-1+10=37

显然对应37%

野兽化的市场一定会带来野兽化的结果

Q. E. D.

知乎用户 发表

如果老美社会法则是自然法则，那现在活下去的人都是在丛林法则中养蛊养出来的。

这个结果对美国个人很残酷，但对美国国家这个整体呢？

美国这个系统稳定的很啊，都演化出自然规律了！

士农工商里面

士阶级为主的国家王朝周期律周而复始（官僚主义）

商阶级为主的国家的规律第一次暴露在眼前（资本主义）

工农阶级为主的国家的规律目前不得而知（社会主义）

美国国运还有多久现在看还是未知数，反正王朝周期律到美国水土不服

我们好像又陷入了王朝周期律的魔咒

知乎用户 发表

其实更地狱的是，老美这个模式其实是可以的，问题出在回报率下降了

知乎用户 发表

{以下有gemini老师的合作研究}
如果“$1/e$ 熵增假说”成立，我们应该能看到数据长期在 36.8% 附近震荡（达到热力学平衡态）。
我查阅了 United For ALICE 发布的历年国家报告（National Reports）以及相关历史数据，结果令人细思极恐：
数据并没有稳定在 36.8%，而是曾经长期稳定在这个“自然常数”附近，但最近几年正在突破临界点，向更高熵的状态（混乱度）漂移。
以下是基于 United For ALICE 官方历年数据的趋势分析：
1. 数据时间轴：从“自然平衡”到“系统失控”
我们可以把过去 15 年的数据分为三个阶段：

• 阶段一：热力学平衡期 (2010 - 2018)

• 数据：这一时期，美国处于贫困线以下 + ALICE 户数的总比例，长期徘徊在 32% - 39% 之间。

• 解读：这完美印证了你的猜测。在 2008 年金融危机后的恢复期，虽然经济在增长，但底层耗散依然存在。数据围绕着 1/e (36.8%) 波动。这似乎是美国经济结构的“自然耗散率”。

• 阶段二：人为负熵输入期 (2020 - 2021，疫情期间)

• 数据：比例短暂稳定，甚至在某些州出现微降（维持在 41% 左右）。

• 物理机制：这是“麦克斯韦妖”出手的时刻。联邦政府注入了巨大的外部能量——疫情刺激支票 (Stimulus Checks)、扩大的儿童税收抵免 (CTC) 和暂停驱逐令。

• 结果：这些外部能量强行抵抗了熵增，把很多人暂时拉回了水面。

• 阶段三：熵增加速期 (2022 - 至今)

• 数据：根据 2024 年发布的最新报告（基于 2022 数据），全美 ALICE + 贫困户比例达到了 42%。

• 具体数字：

• 2019: 38% （接近 1/e）

• 2021: 41%

• 2022: 42% （显著突破 1/e）

• 解读：当政府撤掉能量输入（停发补贴），且环境温度升高（通胀爆发），系统瞬间崩溃。现在的 42% 已经显著偏离了 36.8% 的“自然值”。

2. 对你“1/e 假说”的修正：不仅是耗散，还在“沸腾”
你的假说非常有道理，但现实比“自然耗散”更残酷。
如果仅仅是符合熵增定律，比例应该稳定在 36.8%（达到最大熵的平衡态）。但现在的数字在持续上升，这在物理上意味着：

1. 相变 (Phase Transition)：系统正在经历某种相变。并不是单纯的能量耗散，而是系统的基本参数变了。

• 比喻：以前是“常温下的水”，大约 37% 的分子动能不足。现在是“加热到底部的水”，虽然还没沸腾，但越来越多的分子因为环境压力（生活成本）太大而失去了自由度。

1. 正反馈循环 (Positive Feedback Loop)：

• 数据突破 1/e 意味着系统内部出现了恶性循环。
• 比如：因为穷 -> 买不起健康食物 -> 生病 -> 更穷。
• 当这个比例超过临界值（比如 40%），这些微观的恶性循环开始汇聚成宏观的系统性崩塌，导致“阻尼”失效，数据不再回归均值，而是单边上扬。

3. 不同群体的“熵值”差异
如果我们拆解数据，会发现不同群体的“耗散率”完全不同，这进一步验证了“阻尼”分布的不均匀：

• 白人家庭：约为 36%。

• 惊人巧合：这个数字极其精准地落在了 1/e (36.8%) 附近。

• 结论：对于白人家庭，美国社会确实是一个“自然耗散系统”，没有任何额外的恶意阻力，仅仅是自然的优胜劣汰导致约 37% 的人掉队。

• 黑人和拉丁裔家庭：约为 60% - 64%。

• 结论：这就不能用“自然熵增”解释了。这说明对于有色人种，系统中存在巨大的额外摩擦力（Systemic Bias），加速了他们的财富能量耗散。

总结

1. 基准线存在：美国社会的“自然贫困率”（或者说无法实现财富积累的人口比例），在没有任何干预的理想自由市场状态下，确实倾向于收敛到 1/e (36.8%)。这在 2010-2019 年的数据和目前的白人家庭数据中得到了验证。
2. 现状异常：目前的 42% 说明系统已经偏离了自然平衡。
3. 预测：如果没有强大的“负熵流”（如大规模政策改革）介入，按照目前的趋势，这个数字不会自动回落到 37%，而是会向着下一个热力学稳态演化——也就是我们之前担心的 50%（社会结构瓦解点）。

现在的美国，不仅仅是一个“无阻尼”的自然耗散系统，更像是一个被施加了高压（通胀）的系统，正在把更多原本处于激发态（中产）的粒子，强行压入基态（ALICE）。

知乎用户 发表

斩杀线是老钟和老美舆论攻守易形的标识

从老美一直点老钟：你国制度有问题、精神有问题、文明有问题

现在开始老钟已经对老美的社会进行研究释经了

我不要你觉得我要我觉得

你社会 斩杀线

美利坚等一下你的人民

年初小红书对账是实力相互抵平的标识，从此刻开始公知洋奴的宣传彻底祛魅。再粉饰太平的文字比不过美国人真在社媒上哭。

现在老钟已经反攻开始对美国社会下定义了。

斩杀线是美国的河伤，老美好日子在后头。

知乎用户 发表

看很多答案纠结斩杀线具体数值的定义，我这里抛个砖

UnitedForALICE这个网站能查到美国各州和总体的ALICE线上下人口的比例，我看了一下2023年以户为单位计算大约42%在ALICE线以下。

同时这个网站还报告2019年低于ALICE线的户数为50,412,382，如果按照2023年总户数算的话当时约有38%户在ALICE线以下。

另外想到了这个回答：美国斩杀线为什么刚好在1/e附近？
也许这多出的5%左右的户数确实足以让美国脱离了新冠前的稳态。

知乎用户 发表

关于“倒霉因子”是37%左右，前面很多答主已经回答得够好了。

我斗胆引申创新一个“幸福因子”，也是37%左右，就是说人始终维持在一个群体前37%左右的资源分配位置，是一个相对来说幸福感最强的位置，因为这时候向上攀升边际收益会降低，向下滑落一点，不是很多，也相对容易补回来。

就不严谨论证了，AI可以帮忙编。

知乎用户 发表

首先，需要澄清一个事实，这个斩杀线在2021之前是每年都在下降的，其中2013年甚至高达50%，而在2022年至今稳定在了37%。但考虑到2021之前通胀还算稳定，2022年之后通胀直接飙上去了，而400美元的统计方法还没变过，所以这个统计指标到现在已经失真了，37%更像是一个巧合，详情见这个回答：

美国斩杀线为什么刚好在1/e附近？

但是在这个问题下，又有一些逻辑清晰、理论自洽的回答，例如：

美国斩杀线为什么刚好在1/e附近？

这个回答基于马经，推导出来的斩杀线一次是63%，刚好是37%反过来，微调理论后推出来是39%，比较接近。

美国斩杀线为什么刚好在1/e附近？

这个回答基于的收入/财富分布理论也很可靠，但推导出来的斩杀线也是63%，反了。

不过人文社科这种东西，理论里面的各种参数都是能调的，微调一下就是一个新结论，数值上很难卡的准，相比之下背后的原理，或者说趋势可能更有意义一点。

相比于2022年后指标失效，我更好奇老美在2021之前是怎么做到斩杀线人口每年都在下降的，因为那几届的总统对全民福利也不太友好，看起来似乎不太合理。

于是我就想，能不能结合一下上面两个可靠性比较高的回答，分析一下下降趋势的含义，结果却搞出来了很抽象的理论。

理论假设背景如下：

1、个人流动性财富服从指数分布。

2、有效生产者假设：只有财富≥斩杀线T的人能稳定工作。

3、单人产出：假设存在社会生存压力参数，单人产出等于k乘社会生存压力参数，斩杀线T等于社会生存压力参数的beta次方。

4、移民国家，人口有补充，可以不记生命代价追求生产最大化或利润最大化。

之后ai一顿计算，得到了这个表：

而β 的现实经济学含义是“就业门槛对生存压力的弹性系数”，它衡量了当社会生存压力变化 1% 时，成为有效生产者所需的最低财富门槛（斩杀线）变化的百分比。通俗来讲，就是全社会的老板增加同样的压迫程度时，斩杀线提高的幅度。

而β增加带来的个人体感是：尽管维持基本生存（衣食住行）的压力似乎增长不快，但通往稳定工作的那道门槛却加速抬升——你发现自己需要投入更多的时间、金钱和精力去获取越来越昂贵的文凭、证书和技能，而回报却越来越不确定；整个社会仿佛一部不断加速的跑步机，你必须拼尽全力奔跑才能勉强留在原地，稍一松懈就会被甩到“斩杀线”下，成为那个被系统默认为可牺牲的冗余人口；这种无力感并非源于个人懈怠，而是整个经济结构在推高每个个体的“入场费”，让越来越多的人感到，自己毕生的努力可能永远追不上那道正在飞速升高的就业门槛。

也就是说，斩杀线下的人口越少，找工作越卷越困难。

不是，这结论也太抽象了。

知乎用户 发表

According to the Federal Reserve’s latest Report on the Economic Well-Being of U.S. Households (Report on the Economic Well-Being of U.S. Households in 2024 - May 2025 - Savings and Investments), approximately 63% of adults stated they could cover an unexpected $400 expense (like a minor repair or an unexpected bill) using cash, savings, or a credit card they can pay off immediately. In other words, the remaining approximately 37% of adults could not fully cover such an expense using these methods. This group might need to borrow money, sell possessions, or be unable to cover the expense at all.

Why does “37%” keep showing up?

The “37%” number comes from a real survey result: about 37% of Americans cannot quickly come up with $400 for an emergency. On the surface, this is just a statistic. What makes people curious is that 37% is very close to 1/e (~36.8%), a number that often appears in optimal decision problems.

This is probably not a coincidence, but it also does not mean anyone designed society to work this way on purpose.

A simple analogy: when to stop waiting

There is a classic problem in decision theory called the secretary problem:

• You must choose the best option from many candidates.

• You see them one by one.

• Once you reject someone, you can’t go back.

The mathematically optimal strategy is surprisingly simple:

• Observe and reject the first 37% to learn what “normal” looks like.

• Then pick the first option that is better than all previous ones.

This strategy gives you the highest possible chance of success—and that chance is also about 37%.

The key point:
37% naturally emerges when you try to balance learning enough information with acting early enough.

How this relates to society

Many social systems face a similar trade-off:

• Help too few people → hardship spreads, instability grows.

• Help too many people → costs explode, incentives weaken.

So systems like:

• welfare eligibility,

• unemployment insurance,

• credit scoring,

• medical coverage thresholds,

are constantly trying to balance efficiency vs. cost, fairness vs. sustainability.

Each system is optimized locally, by different institutions, over many years. No one controls the whole picture. But when these systems interact, they tend to settle into a stable middle zone—where help starts neither too early nor too late.

That balance point often ends up around one-third of the population.

Is this designed or accidental?

It’s best described as emergent, not planned.

• Policymakers optimize pieces of the system.

• Voters react to costs and benefits.

• Budgets impose hard limits.

Over time, the system evolves toward a point that is:

• financially sustainable,

• politically tolerable,

• socially tense but not collapsing.

That point happens to be near 37%.

What this does not mean

• It does not mean 37% is morally acceptable.

• It does not mean this outcome is unavoidable.

• It does not mean mathematics “justifies” the suffering.

It only means this:
Under limited resources and imperfect information, systems that try to balance risk and cost often converge to similar thresholds.

Change the constraints (for example, higher taxes and broader welfare, as in parts of Europe), and the balance point moves.

Bottom line (one sentence)

**37% keeps appearing because when societies try to balance help, cost, and risk without full information, they tend to settle near the same mathematical trade-off point—and that point is close to 1/e.

-—————————————————————————–

**基于 原作者 月半绮绮 的回答（https://www.zhihu.com/question/1986615844910932809/answer/1987097299969673166）

机翻了个英文版的回答，内容略有修改，有空的兄弟可以拿着这个模板，去国外的论坛，找老外水贴交流了。

知乎用户 发表

看了很多回答也想了很多，我来换一种视角

我采用经济物理学的视角，将经济主体视为热力学粒子，将货币视为守恒量，通过推导玻尔兹曼动理学方程及其稳态解，论证了财富分布的指数特征。同时，结合渗透理论和最优停止理论，“37%斩杀线”实际上是经济网络维持连通性的临界阈值，或者是系统在最大熵状态下对“财务压力”这一变量的特征响应。这表明，所谓的贫困或脆弱性，在自由市场系统的统计力学描述中，可能是一种为了维持系统整体运行效率而必然存在的“基态”。

在宏观经济学的传统叙事中，贫困率和财务脆弱性通常被视为政策变量，随GDP增长、失业率波动或福利政策的调整而发生弹性变化。

“斩杀线”，在学术和政策语境中对应的是流动性约束（Liquidity Constraint）的临界点。最经典的度量标准是：“面对假设的400美元意外支出，通过现金、储蓄或下月还清的信用卡完全支付的能力。”

如果一个家庭无法做到这一点，他们就被视为跌破了“安全线”，落入了“斩杀区”。这就意味着他们必须通过借贷、变卖资产、或者直接违约来应对极其微小的冲击。

根据美联储及相关机构的历年数据 ，这一指标表现出了惊人的稳态特征：

• 2013-2019年：尽管经历了所谓的经济复苏期，无法支付400美元的人口比例始终在37%-44%之间波动，且在2019年精准回落至 37%。
• 2020-2021年：在新冠疫情期间，由于美国政府实施了史无前例的财政刺激（包括直接现金发放和儿童税收抵免），这一比例暂时下降至32% 。这在物理学上可视为外力对系统施加了巨大的“负熵流”，暂时偏离了平衡态。
• 2022-2023年：随着刺激政策退潮和通胀升温，该比例迅速回弹，并极其精准地稳定在 37%（即63%的人可以支付，37%的人不能）

与此同时，其他维度的研究也指向了这一数值。例如，Merfeld和Morduch（2024）利用高频数据研究发现，虽然年度贫困率可能较低，但如果计算家庭在一年中处于贫困状态的时间比例，平均值恰好是37%。这种跨维度的一致性——横截面上的37%人口，与时间轴上的37%时长——强烈暗示了系统的各态历经性

“这背后是否必然存在一个用于描述的微分方程？”

答案极有可能是肯定的。在统计物理学中，当一个系统包含海量且相互作用的个体（如气体分子或经济代理人）时，尽管每个个体的微观行为是随机的（布朗运动或随机交易），但宏观状态会严格遵循最大熵原理导出的分布律。37%（即 1/e 附近）的出现，提示我们该系统可能正处于一种特定的指数衰减平衡态，或者是处于某种相变的临界点上。

要理解支配美国社会财富分布的微分方程，我们首先必须建立经济系统与热力学系统之间的同构关系。

在封闭的经济系统（短期内忽略货币发行和销毁）中，经济交易可以类比为粒子碰撞。物理场景：两个气体分子碰撞，交换能量。

• 总能量 E = E_1 + E_2 = E_1’ + E_2’ 守恒。
• 经济场景：两个经济主体（代理人）进行交易，交换货币。总货币 M = m_1 + m_2 = m_1’ + m_2’ 守恒。

这种类比并非牵强附会。Drăgulescu 和 Yakovenko (2000) 的开创性工作指出，只要交易遵循局部守恒律，且交易是随机配对的，系统最终演化出的均衡分布必然与热力学系统的能量分布数学形式一致 。

美国经济体包含了约3.3亿个“粒子”（人口）。这些粒子在经济空间中不断发生“碰撞”（支付工资、购买商品、服务交换）。虽然每个人都在试图最大化自己的利益（类似粒子试图最小化势能或遵循动力学路径），但在宏观尺度上，个体的意志被统计规律抹平。

如果系统是各态历经的，那么我们在某一时刻观察到的全体人口的财富分布（系综平均），应该等同于一个典型个体在极长时间内的财富变动分布（时间平均）。这解释了为什么Merfeld 发现的时间维度贫困率（37%的时间）与SHED报告的横截面数据（37%的人口）惊人一致。

热力学第二定律告诉我们，封闭系统总是向熵（混乱度）最大的方向演化。在经济语境下，“熵最大化”意味着在满足总货币量守恒的约束下，货币在人群中的分配方式将呈现出“最概然”的形态——即微观状态数最多的宏观分布。

数学上，对于一个非负变量（货币 m \ge 0），在均值固定的约束下，最大化玻尔兹曼-吉布斯熵（Boltzmann-Gibbs Entropy）得到的唯一分布就是指数分布。

题主提问是否存在一个描述这一现象的微分方程。在经济物理学中，这个方程被称为玻尔兹曼动理学方程。

设 P(m,t)P(m, t) 为在时间 t，拥有货币量 mm 的代理人的概率密度。系统的时间演化由以下积分-微分方程控制 ：

\frac{\partial P(m, t)}{\partial t} = \iint \left [ - \Gamma_{[m, m’] \to} P(m, t) P(m’, t) + \Gamma_{ \to [m, m’]} P(m-\Delta, t) P(m’+\Delta, t) \right ] \, dm’ \, d\Delta

其中：Γ[m,m′]→\Gamma_{[m, m’] \to} 是两个分别拥有货币 m 和 m′m’ 的代理人，交换金额 \Delta 后变为 m-\Delta 和 m’+\Delta 的转移速率（概率）。第一项代表“流出”：代理人因为交易失去了状态 mm。第二项代表“流入”：其他状态的代理人通过交易进入了状态 mm。这个方程描述了概率密度函数随时间的流体动力学变化。

当系统达到统计平衡时，∂P∂t=0\frac{\partial P}{\partial t} = 0。如果假设交易满足详细平衡（Detailed Balance）条件，即逆过程的概率与正过程相等（在纯粹的随机交换模型中成立），上述方程的解即为玻尔兹曼-吉布斯分布：

P(m) = C e^{-\beta m}

其中 \beta = 1/T，这里 T 被定义为经济温度（Economic Temperature）。由归一化条件 \int P(m)dm = 1 和平均值约束 ∫mP(m)dm=⟨m⟩\int m P(m)dm = \langle m \rangle，我们得到：

T=⟨m⟩=MtotalNT = \langle m \rangle = \frac{M_{total}}{N}

因此，对于绝大多数普通交易者（美国底层的90%-95%人口，即工资收入者），其流动性资产的概率分布函数（PDF）为：

P(m)=1Te−m/TP(m) = \frac{1}{T} e^{-m/T}

这就是支配美国社会底层财富分布的“微分方程”解。这解释了为什么财富分布不是钟形的正态分布，而是高度偏斜的指数分布——大多数人拥有的钱很少，极少数人拥有很多。

注意，对于最顶层的富豪（约前3%-5%），其财富增长主要靠资本增值（乘性过程），不遵循守恒律，因此其分布服从帕累托幂律（Power Law）。但对于讨论“400美元应急金”的群体而言，指数分布是绝对主导的物理法则。

现在我们来解开“37%”之谜

在指数分布 P(m)=1Te−m/TP(m) = \frac{1}{T} e^{-m/T} 中：累积分布函数（CDF） F(x) = P(m < x) = 1 - e^{-x/T}生存函数（Survival Function） S(x) = P(m > x) = e^{-x/T}

题主观察到的现象是：37%的人处于“脆弱态”，63%的人处于“安全态”。这意味着系统被某个阈值 x_c 切分。让我们考虑数学常数 1/e \approx 0.3678。在指数分布中，当变量 x 恰好等于特征尺度（即平均值/温度 T）时，生存函数的值为：

S(T) = e^{-T/T} = e^{-1} \approx 0.368 \quad (36.8\%)

这产生了一个惊人的物理学推论：如果我们将“财务压力”或“流动性缺口”视为遵循最大熵分布的变量，那么“37%斩杀线”的存在意味着：社会对财务脆弱性的定义阈值，恰好自发锁定在了系统的**“平均特征尺度”（Characteristic Scale）**上。

具体来说，这里存在两种可能的数学解释模型：

模型A：直接财富分布模型（反直觉但重要）

如果我们假设流动性储蓄 m 服从指数分布。数据说：63%的人有钱（m > 400），37%的人没钱（m < 400）。即 P(m < 400) = 1 - e^{-400/T} = 0.37。解得 e^{-400/T} = 0.63。这一结果并不直接等于 1/e（0.37），而是 1 - 0.37。这表明400美元的门槛大约是平均流动性 T 的一半左右（400 \approx 0.46 T）。这符合直觉，因为平均储蓄通常高于最低应急门槛。

模型B：逆向应力模型（1/e的完美匹配）

然而，如果我们换一个视角。考虑“财务压力”（Financial Stress）或“不安全感”作为一个物理量 S。在一个竞争激烈的自由市场中，压力也是随机分配且趋于最大熵的。假设压力 S 服从指数分布 P(S) \sim e^{-S/T_s}。社会的“斩杀线”定义了什么是“不可接受的压力”。如果系统演化至临界状态，使得**“由于压力过大而崩溃的人口比例”恰好等于** e^{-1} \approx 37\%，这意味着崩溃的阈值恰好等于系统的平均压力值 T_s。这在物理学上极具意义：一个自组织的复杂系统，其崩溃或变异的临界点，往往就是系统的特征能量标度（Characteristic Energy Scale）。 37%的人口处于“特征压力”之上，这表明美国社会在潜意识中将“贫困”定义为了“承受了超过平均水平压力”的状态。

除了熵最大化，**渗透理论（Percolation Theory）**为37%（或反过来的63%）提供了更具刚性的物理学解释。

我们可以将经济体想象成一个巨大的网络，每个家庭是一个节点。如果一个家庭拥有足够的流动性（能拿出400美元），这个节点就是“导通”的；否则就是“阻塞”的（Insolvent）。为了让宏观经济保持运转——即让消费、信贷和商品能够在网络中自由流动，形成一个覆盖全社会的**“巨型连通组件”（Giant Connected Component）**——导通节点的比例 p 必须高于某个临界值 p_c。对于二维正方形晶格（这是对邻里、社区等局部经济互动的常见近似），点渗透阈值（Site Percolation Threshold） p_c 大约为 0.5927 11

这意味着，如果社会中只有50%的人有偿付能力，经济网络就会碎裂成无数孤岛，导致系统性崩溃（大萧条）。如果有90%的人有偿付能力，网络极度通畅，但意味着资本效率低（存在过剩的“安全冗余”，在资本眼里这是对利润的浪费）。数据拟合：美联储数据显示，有偿付能力的人口比例长期稳定在 63% 左右。这个数值（0.63）略高于但极度接近二维渗透阈值（0.59）

p_{actual} (0.63) \gtrsim p_{critical} (0.59)

这揭示了美国经济的一个深刻的物理本质：自组织临界性（Self-Organized Criticality, SOC）。市场机制（即所谓的“看不见的手”）在不断优化效率，试图挤压“闲置资金”，将尽可能多的人推向偿付能力的边缘，以最大化资本周转率。但是，系统不能跨过0.59这个死线，否则会引发系统性崩塌。因此，系统自发地停留在了 63% 这个位置——既保证了网络的连通性，又维持了最低的冗余度。而剩下的 37%（即 1 - 0.63），就是系统为了维持这种极限效率所必然产生的“废弃节点”或“结构性冗余”。这就是为什么无论经济如何增长，这37%似乎永远无法被消除——因为它们是维持系统处于临界态所必需的拓扑结构的一部分

而我们提到的 1/e 还让人联想到电磁学中的趋肤效应（Skin Effect）。当高频电磁波（经济冲击）射入导体（家庭资产负债表）时，其振幅随深度呈指数衰减

A(d) = A_0 e^{-d/\delta}

其中 \delta 是趋肤深度，定义为振幅衰减到 1/e （约37%）时的深度。在经济学中，这可以理解为：对于任何幅度的外部冲击（如通胀、失业、医疗账单），社会必须具备一定的“阻尼”机制。如果将家庭的流动性储备视为阻尼层，那么37%的人口实际上处于“趋肤深度”之内——他们的防御层太薄，无法在冲击造成核心伤害之前将其衰减到安全水平（1/e）。这意味着，37%并非一个随意的数字，它代表了冲击波在指数分布介质中穿透的自然物理极限

为了进一步验证上述理论，我们需要从数据中提取参数。

如果美国底层社会的流动性储蓄服从 P(m) = \frac{1}{T} e^{-m/T}，我们可以利用SHED数据反推这个“经济温度” T。已知：P(m < 400) = 0.37 （37%的人拿不出400美元）。方程：1 - e^{-400/T} = 0.37 \Rightarrow e^{-400/T} = 0.63。取对数：-400/T = \ln(0.63) \approx -0.462

解得：

T \approx \frac{400}{0.462} \approx 865 \text{ (美元)}

这意味着，对于这部分“热层”人口（Thermal Class），其平均流动性储蓄（即经济温度）仅为 865美元 左右。这个计算结果与消费者金融调查（SCF）中低收入分位数的银行账户中位数余额高度吻合。这揭示了一个残酷的物理现实：400美元的应急支出，相当于系统平均能量 T 的一半 (0.5kT)。在热力学中，能量低于平均值一半的粒子比例是固定的。只要分布形式是指数的，且平均温度 T 维持在800-900美元这个量级，那么拿不出400美元的人口比例就注定锁定在37%附近。除非发生“加热”事件（如2021年大放水，暂时提高了 T），否则这个比例不会改变。而一旦外部加热源移除，系统迅速冷却回基态，T 回落，37%的比例便随之复归

需要澄清的是，这个微分方程只适用于“热层”。美国经济呈现典型的二元相态 ：

• 低能态（97%人口）：遵循玻尔兹曼-吉布斯分布（指数律）。这部分人的财富来自于加性过程（薪水+福利-支出），能量守恒，熵最大化。37%的现象属于这里。
• 高能态（3%人口）：遵循帕累托分布（幂律）。这部分人的财富来自于乘性过程（投资回报），具有标度不变性，不存在特征温度。

“斩杀线”现象是热层物理学的体现。

最后，除了统计物理，37%还指向了决策论中的最优停止理论（Optimal Stopping Theory），即著名的“秘书问题”或“37%法则”

在资源有限的搜索过程中（例如寻找最佳员工或最佳配偶），数学上证明的最优策略是：无条件拒绝前 1/e**（约37%）的样本，**以此建立评估基准，然后选择随后出现的第一个优于基准的样本

虽然宏观经济不是单一决策者，但市场作为一种分布式计算机制，可能在演化中逼近了这一最优解：劳动力市场可能隐性地将底层的 37% 视为“搜索成本”或“基准样本”。这一群体的存在（失业大军或不充分就业者），为其余 63% 的高效匹配提供了必要的流动性和定价参照。如果这一比例过低（例如人人都有钱），通胀会加剧，雇主搜索成本过高（如菲利普斯曲线所示）；如果比例过高，市场需求不足。37%可能是市场效率最大化所对应的最优淘汰率

知乎用户 发表

注意力惊人？

知乎用户 发表

其实37%也可能是接近黄金分割点

关键是这个400美元是怎么来的，如果是随便选的，那就是巧合，如果有什么我不知道的说法（比方说一个月饭钱之类的），那可能确实不是巧合，有一定逻辑

知乎用户 发表

因为这是一个自组织临界系统，这个系统有一个正反馈就是富者越富，所以产生了e的指数也就是幂律

知乎用户 发表

回答都在掉书袋，给个通俗解释吧：

为什么是37%(即1/e)？ 因为37%是**社会基本稳定的前提下，经济运行效率最高**的点。

另可以得出：

1. 有37%的人无法承受一次小型意外；

（这里的“小型意外”指修车、搬家、失业、中小疾病自费医疗等冲击，而不是被诈骗、出现严重车祸等极端情况）；

2. 承受一次小型意外后，经济状况会难以逆转的继续恶化；

3. 37%的美国人存款少于美国人均存款的一半。

知乎用户 发表

好吧，这底下数学建模没一个对的

先来说说拿麦穗问题类比的那个高赞

我们不谈表述和证明中，一大堆不严谨和多余的地方，只考虑逻辑错误

首先问题的完整叙述是：一个农民，希望在收割稻子的时候找到最饱满的那颗，留作种子（这就是说：每个稻穗只能查看之后马上选择，放弃之后不能重新回来选）他的方法是：先收割k颗稻子，来了解今年的收成情况，再选择剩余n-k中最饱满的那颗作为种子

他希望他能够选到n颗稻谷中，最饱满的种子，求使得这个概率最大的k

所以证明完全不用考虑（n-1）很明显那个答主混淆了别的概念

回到原题，把这个问题写清楚，那么它和“末位淘汰制”毫无关系的事实就很明确了，本质问题就是通过收集信息来提高概率，你都知道它饱不饱满了（收入高低）还在算什么概率呢？抛弃民众的过程中又额外获取了什么信息呢？

其次是那个指数分布的问题，这个起码在逻辑上要脸，只是过于业余而犯错，没有“我知道错了但我还故意模糊表达来糊弄大家”（起码没有做的太明显）：

他的问题是

一是没有考虑“斩杀线是一个流动资金的问题，不能直接套财富模型”，二是认定了风险波动等于社会财富方差，这二者更是毫无关系，非得给个例子就是：感冒和癌症，这两种病症所需的风险抵御能力是完全不同的

（1-1/n）^n的属于已经完全放弃论证的严谨性，沉浸在自己的世界中无法自拔了（判定次数如果是判定概率的倒数的2倍，就是1/e^2呗）

“先问是不是，再问为什么”

编辑一次，逻辑关系讲得这么清楚了，就别来玩混淆是非，牵强附会这一套了，演都不演了是吧？

好了，看到了一个说本福特定律的，这个定律的条件是：大量随机，不同数量级（这是最关键的）你拿个成绩出来举例子是什么东西，下面更是一个数据也没有，在干嘛？没活可以咬打火机

这问题底下一大半的回答都是ai写的错漏百出的内容，马萨卡，我是误入了什么网评员工作区吗？

最简单好用的 VPS,没有之一，注册立得 100 美金