相互依存、瞬息万变和错综复杂成为塑造当今世界的三大主流特征，宏观层面大重构的进程也将在这一背景下开启。无论你是谁，无论你身处何地，或多或少都会受到这些特征的影响。
相互依存
如果只用一个词概括21世纪的本质，无疑就是“相互依存”。“相互依存”是全球化和技术进步的结果，究其本质，可将其定义为系统要素之间彼此依存的态势。过去几十年里，全球化和技术发展突飞猛进，一些权威人士宣称：当今世界已经处于“超级互联”状态（相互依存状态的极端变体）！在现实中，这意味着什么？简单而言就是，世界已经“连接在一起”。在21世纪伊始，新加坡学者、前外交官马凯硕以“船”作为比喻描述了现实格局：“地球上的70亿居民不再生活在100多艘互不关联的船（即国家）上。相反，他们生活在同一艘船上的193个独立客舱之中。”他认为，这是有史以来最巨大的变革之一。在2020年新冠大流行的背景下，他进一步描绘了这一意象：“如果75亿人被困于一艘被病毒感染的邮轮上，那么无视可能成为病毒传播通道的走廊和通风井，只清洁和擦洗自己的客舱是否有意义？答案显然是否定的。然而，我们却一直在这么做……既然同在一艘船上，我们就必须同舟共济，共渡难关。”[1]
相互依存的世界具有深层的系统互联性，所有风险都通过相互作用的复杂网络相互影响。在这种情况下，认为经济风险仅限于经济领域或主张环境风险不会影响其他领域的风险（如经济风险和地缘政治风险等）的观点已经站不住脚。我们不难想到，经济风险会演变成政治风险（例如失业率急剧上升导致社会动荡），科技风险会演变为社会风险（例如用手机追踪新冠疫情，引发民众强烈反对）。如果孤立来看经济风险、地缘政治风险、社会风险与环境风险，会形成每类风险都可控或可缓解的假象。然而，一旦置于现实生活中，系统互联性就会表明这是一种人为的建构。在相互依存的环境中，风险之间会相互强化，产生连锁反应。因此，在相互依存、相互关联的世界里，试图控制单一风险的做法行不通。
摘自世界经济论坛《2020年全球风险报告》的一幅图[2]，有助于阐明上述论点。图中显示了人类面临的共同风险之间存在关联，每项风险总会与同一宏观领域下的其他风险相结合，也可能与其他宏观领域下的风险相结合（图中蓝色代表经济风险，橙色代表地缘政治风险，红色代表社会风险，绿色代表环境风险，紫色代表科技风险）。如此一来，每项风险都可能引发其他风险，从而造成连锁反应。如图中所示，“传染病”风险必然会对“全球治理失灵”“社会动荡”“失业”“财政危机”“非自愿移民”等风险产生直接影响。其中的每项风险又会影响其他个别风险，这便意味着引发连锁效应的风险（此例中为“传染病”）最终不仅会放大同一宏观领域（此例中为社会风险）的诸多风险，而且会扩大其他4个宏观领域的风险。这就是系统互联性的传导现象。下文各章节将从经济、社会、地缘政治、环境和科技角度探讨疫情风险可能带来的后果。
相互依存具有重要的概念意义，它证实了“孤岛思维”的无效。归根结底，要素聚合与系统互联才是关键，因此孤立地解决问题、评估问题或风险都是徒劳之举。在过去，这种“孤岛思维”在一定程度上解释了许多经济学者和政治学者未能预见（2008年）次贷危机和（2011年）“阿拉伯之春”运动的原因。在当前疫情之下，同样的问题再度出现。流行病学家、公共卫生专家、经济学家、社会科学家以及其他所有帮助决策者洞悉形势的科学家和专家都发现，自己难以（有时甚至不可能）逾越自身学科的界限。这就是权衡复杂问题（比如控制疫情蔓延与重新开放经济）的挑战所在。这不难理解，因为大多数专家专注研究细分领域，缺乏必要的广阔视野，无法连点成线，提供决策者急需的整体图景。
来源：World Economic Forum, The Global Risks Report 2020, Figure IV: The Global Risks Interconnections Map 2020, World Economic Forum Global Risks Perception Survey 20192020.
瞬息万变
上文中已明确指出，技术进步和全球化是世界的相互依存度不断加深的“罪魁祸首”。此外，这两大因素还创造了一种即时文化。毫不夸张地说，在当今世界，一切都变得更快速了。如果要用一件事物来解释这种惊人的速度增长，无疑就是互联网。如今，全世界网民数量已超过半数人口（占比为52%），而20年前这一比例还不到8%。2019年，全球售出超过15亿部智能手机。智能手机作为速度的象征和载体，让我们能随时随地与外界联系。物联网（IoT）现在实时连通220亿台设备，涵盖汽车、医院病床、电网、水站水泵、厨房烤箱和农业灌溉系统等。到2030年，联网设备数量预计达到500亿台以上。关于“瞬息万变”的其他解释则指向“稀缺性”因素：随着社会财富的增加，时间变得越来越宝贵，也被认为越来越稀缺。这或许可以解释为何有研究显示，富裕城市的人走路步伐总是比贫穷城市的人更快——因为他们没有时间可浪费！无论原因为何，结果都十分明确：无论是消费者还是生产者，配偶还是父母，领导者还是追随者，都在经历快速变化，变化虽然间或断续，却从不曾停止。
瞬息万变表现在很多方面，无论是危机、社会不满、科技发展与应用、地缘政治动荡、金融市场，还是传染病的传播，一切都在快速向前。我们生活在即时社会中，生活节奏不断加快，这让人感觉烦躁不安。从“准时制”供应链到“高频交易”，从闪电约会到快餐，新的即时文化痴迷于追求速度，全面渗透我们的生活，影响无处不在，以致一些专家将这种现象称为“紧急命令”（dictatorship of urgency）。这种现象确实会产生极端情形。例如，微软科学家的研究表明，仅仅慢250毫秒（即1/4秒）就足以让一个网站的点击率输给“速度更快”的竞争对手！当所有因素综合发生作用，那么政策、产品或概念的有效期，以及决策者的权力周期或项目的生命周期，都会急剧缩短并且往往难以预知。
新冠病毒在2020年3月的快速蔓延生动地说明了这种现象。在不到一个月的时间里，病毒以惊人的速度席卷全球大部分地区，引发的震荡似乎催生出一个全新时代。这场疫情在全球范围内的感染者数量呈现指数级增长，令许多决策者和大部分民众措手不及，因为我们通常很难在认知上理解指数级增长的意义。不妨借“翻番天数”的概念来思考：如果一种大流行病的感染者数量每天以30%的速度增长（2020年3月中旬一些疫情最严重的国家就属于这种情况），确诊病例（或死亡人数）将在两天多一点儿的时间内翻番；如果每天以20%的速度增长，需要4～5天的时间可以翻番；如果每天以10%的速度增长，则需要一个多星期才能翻番。换个说法，在全球范围内，新冠病毒感染病例达到10万需3个月，从10万翻番到20万需12天，从20万增至30万需4天，而从30万达到40万只需2天，从40万到50万也只需2天。这些数字让人头晕目眩，因为形势在急速运转！指数级增长让我们的认知功能疲于应付，因此我们常常会患上指数“近视”[3]，认为那不过是“非常快”而已。在1975年进行的一项著名实验中，两位心理学家发现，当我们预测一个指数级变化过程时，估计的结果往往只有实际结果的1/10。[4]理解了这种增长态势和指数的力量，我们就能理解速度问题为何重要，以及为遏制感染范围扩大而实施干预措施的速度何以如此重要。欧内斯特·海明威深谙于此，在他的小说《太阳照常升起》中，两个人物有如下对话。“你是怎么破产的？”比尔问。“两个阶段，”迈克说，“先是每况愈下，然后一泻千里。”重大系统性转变和颠覆往往也是如此：事情通常先是缓慢渐变，然后在某个时间发生突变。宏观层面的大重构可能也会遵循这一规律。
速度不仅有极端的形式，还可能产生反常影响。“缺乏耐心”便是其中之一，其影响可见于金融市场参与者的行为（最新研究表明，基于速度的动量交易会导致股票价格持续偏离基本价值或“正确”价格）以及选民在选举期间的行为。后者在后疫情时代具有重要意义。政府做出决策并将其落实必须花费一定的时间，因为这些决策要考虑许多不同的选民群体及其相互冲突的利益诉求，平衡国内外关切并获得立法批准，然后通过行政机制来执行。相比之下，选民期望政策和改进措施能够立竿见影，如果政策成效不够快，几乎会立刻引发失望情绪。两个群体（即决策者和公众）所处的时间范畴存在明显差异，这会造成双方的不同步。这一问题在疫情期间将更为严重，难以掌控。迅猛而来的冲击让公众痛苦不堪，而政策往往难以即刻做出反应。
面对突发的疫情，许多观察人士错误地将之等同于季节性流感。这种概念上的混淆在疫情暴发之初的几个月反复上演，可以说误导了相应的防控措施。我们以美国为例来分析这一问题，深入了解速度对疫情的影响。据美国疾病控制与预防中心（CDC）的数据，在2019年与2020年之交的冬季，有3900万~5600万美国人感染流感，死亡人数在2.4万~6.2万。[5]而据约翰斯·霍普金斯大学的数据，截至2020年6月24日，新冠病毒确诊人数超过230万，死亡人数约12.1万。[6]但这种无意义的比较应当停止，原因如下：第一，流感数据对应的是流感总负担的估计值，而新冠病毒数据对应的是确诊病例；第二，季节性流感的传播就像持续数月（至多六个月）的“温和”海浪，分布较为均匀，而新冠病毒则如海啸一般，突袭热点地区（集中在少数几个城市和地区），占用大量医疗资源，令医疗体系不堪重负，并损害了非新冠病毒感染者的权益。其中第二个原因，即新冠病毒暴发的速度和群聚感染的突发性，使得其与流感的比较毫无意义。
上述两个原因中，速度是根源所在：疫情发展的速度之快，让绝大多数国家面临检测能力不足的问题，继而使许多国家的卫生系统超负荷运转。这些卫生系统能够应对可预测、反复出现、传播相对缓慢的季节性流感，但招架不住以“超高速”传播的大流行病。
速度还会导致另一个影响深远的重大后果，那就是尽管决策者掌握的信息更多，但用于决策的时间更少。对政治和商业领袖而言，一方面必须从战略角度考虑问题，另一方面还要面对即时决策的日常压力，两者之间的冲突越发频繁，在疫情期间尤为明显。此外，错综复杂的形势又加剧了这一冲突，我们将在下节继续探讨。
错综复杂
简单而言，复杂性可定义为我们不理解或难以理解的东西。至于复杂系统，心理学家赫伯特·西蒙给出的定义是：“以非简单方式相互作用的大量要素组成的系统。”[7]复杂系统的特点通常是：组成系统的要素间缺乏明显的因果联系，使之几乎无法预测。在内心深处，我们会意识到系统越是复杂，就越可能出错，也越可能发生意外或异常并向外散播。
复杂性大致可用三个因素衡量：“第一，系统中的信息量或成分的数量；第二，信息或成分间的关联性，即互动响应的动态变化；第三，非线性影响（非线性要素通常被称为‘临界点’）。非线性是复杂性的关键特征之一，它意味着系统中只要有一个成分发生变化，就会对其余部分造成令人惊讶的严重影响。”[8]基于这个原因，大流行病的研究模型往往会产生多种不同的结果：哪怕针对模型中一个成分的假设存在差异，都会对最终结果造成显著影响。人们听到的“黑天鹅事件”“已知的未知”“蝴蝶效应”，便是非线性在发生作用。因此，我们将复杂性与“惊讶”“动荡”“不确定性”联系在一起也就不足为奇。试问，在2008年有多少“专家”预料到源自美国的住房抵押贷款证券会使全世界的银行陷入瘫痪，并最终导致全球金融体系濒临崩溃？在2020年最初几周，又有多少决策者能预见到一场大流行病会严重冲击全球若干最完善的卫生系统，并使全球经济遭受如此重大的损失？
作为复杂的自适应系统，大流行病包含许多不同成分或信息片段（如生物学或心理学），系统行为受到企业、经济政策、政府干预、医疗政治或国家治理等变量的影响，因此也应当被视为能适应情况变化的“动态网络”。其不同成分相互作用，形成兼具复杂性和适应性的系统，而非一成不变的静态构成。其复杂性表现为：该系统有如相互依存、相互关联的“翻花绳游戏”。其适应性表现为：“行为”由节点（如组织、人类—我们！）之间的相互作用驱使，遇到压力会陷入混乱或“难以管控”。（例如，我们会适应隔离的常态吗？大多数人能遵守规定吗？）管理复杂的自适应系统（在新冠病毒案例中对应着疫情防控），需要在学科之间及学科内不同领域间持续开展大量实时、不间断的协作。此处仅举一个简化的例子：遏制新冠病毒蔓延需要全球监测网络（新疫情一旦暴发就能立即被识别）、全球多地实验室（迅速分析新毒株并制定有效的治疗方法）、大规模信息技术基础设施（帮助社区进行有效准备和应对）和科学协调的政策机制（高效执行相关决策）等。重要的是，在应对大流行病时，每一项单独措施都很必要，但若不与其他做法相结合，效果将差强人意。可见这一复杂自适应系统的整体远大于各部分之和。系统的有效性取决于整体的运作情况，而系统的能力则受制于其中的短板。
新冠疫情表现出复杂自适应系统的所有特征，因此被许多专家错判为黑天鹅事件。但实际上，这是一起白天鹅事件。纳西姆·塔勒布在2007年出版的《黑天鹅》一书中对“白天鹅事件”有过明确定义：确定性极高且最终会发生的事。[9]确实如此！多年来，世界卫生组织、世界经济论坛、流行病防范创新联盟（成立于2017年达沃斯年会）等国际组织和机构以及比尔·盖茨等个人，一直警示人们暴发大流行病的风险，甚至明确指出：第一，它将出现在人口高度密集的地方，这些地方因经济发展，人类与野生动物共同生活；第二，它将借助人类的出行和贸易网络，悄然快速传播；第三，它将突破防范措施限制，扩散至多个国家。后文中将提到，正确描述并理解大流行病的特征至关重要，因为这就是造成各国应对差异的根源。许多亚洲国家之所以能迅速应对，缓解疫情影响，正是因为它们在后勤和组织上做好了准备（借鉴了防控“非典”的经验）。相比之下，许多西方国家没有做好准备，在疫情冲击下损失惨重——黑天鹅事件的错误观念在这些国家传播最广，这绝非巧合。然而，我们可以断言，这场大流行病（发生概率大、后果严重的白天鹅事件）将陆续通过二阶、三阶、四阶甚至更多阶效应，触发许多黑天鹅事件。当失业率飙升、企业破产、一些国家濒临崩溃引发多阶效应并带来一连串后果时，我们很难预见这一反应链条末端最终会发生什么。这些后果本身并非不可预测，却有可能与其他风险叠加，导致祸不单行，让我们措手不及。综上所述，大流行病本身并不是黑天鹅事件，但其带来的某些后果有可能招致此类事件。
本节的基本观点是：复杂性限制了我们对事物的认知和理解；随着复杂性日益增加，政治家及广大决策者做出明智决策的能力确实可能受到影响。亚美尼亚总统阿尔缅·萨尔基相出身理论物理学家，在提出“量子政治”这一说法时表达了上述观点。他阐述了后牛顿物理学的古典世界如何让位于量子世界，前者以线性、可预测，甚至某种程度的确定性为特征，后者具有高度互联性、不确定性和复杂性，并根据观察者所处位置而改变。这种说法让人想起量子物理学对万物运作方式的解释，被认为是“我们对构成物质的粒子的本质及粒子间相互作用力量的最准确描述”。[10]新冠疫情的暴发使得量子世界的特点暴露无遗。
[1]Mahbubani, Kishore, The Great Convergence: Asia, the West, and the Logic of One World, PublicAffairs, Perseus Books Group, 2013.
[2]World Economic Forum, The Global Risks Report 2020, Insight Report, 15th Edition, http://www3.weforum.org/docs/WEF_Global_Risk_Report_2020.pdf.
[3]Wharton University of Pennsylvania, Risk Management and Decision Processes Center, “The Ostrich Paradox: Why We Underprepare for Disasters”, Issue Brief, May 2018, https://riskcenter.wharton.upenn.edu/wpcontent/uploads/2019/03/Ostrich-Paradox-issue-brief.pdf.
[4]Wagenaar, William A. and Sabato D. Sagaria, “Misperception of exponential growth”, Perception & Psychophysics, vol. 18, 1975, pp. 416–422, https://link.springer.com/article/10.3758/BF03204114.
[5]CDC, “2019-2020 U.S. Flu Season: Preliminary Burden Estimates”, https://www.cdc.gov/flu/about/burden/preliminary-in-season-estimates.htm.
[6]Johns Hopkins University & Medicine, Coronavirus Resource Center,“COVID-19 Dashboard by the Center for Systems Science and Engineering(CSSE) at Johns Hopkins University (JHU)”, 24 June 2020.
[7]Simon, Herbert, “The Architecture of Complexity”, Proceedings of the American Philosophical Society, vol. 106, no. 6, 1962, pp. 467-482.
[8]Malleret, Thierry, Disequilibrium: A World Out of Kilter, BookBaby, 2012.
[9]与确定的白天鹅事件相反，黑天鹅事件十分罕见、难以预测（非基于概率）且后果严重。直到17世纪末荷兰探险家在西澳大利亚发现黑天鹅之前，人们都认为这种天鹅不存在，因此人们将这类事件称为“黑天鹅”事件。
[10]Webb, Richard, “Quantum physics”, New Scientist, n.d., https://www.newscientist.com/term/quantum-physics/#.
