除了斯坦利指出的两大天然抑制因素之外,一个社会是
否可能建立其他的收入分配幂律倾向的抑制机制?当然,那
就是去年风靡世界的明星经济学家皮凯蒂( Thomas Piketty)在《21世纪资本论》( Capital in the Twenty- First Century)里提出的政策建议——对富人课征税率60%以上的个人所得税。
尽管他自己也承认这样的税率“不现实”。
因为,一个社会面对的最重要的权衡,如上述,是效率原则与稳定原则之间的权衡。如果对个人收入征收税率如此高的所得税,还有谁愿意创造收入呢?换句话说,以如此极端的方式实现稳定原则,社会将怎样维持效率原则呢?道理很简单,网络政治经济学第一原理,无非是以往经济学家所谓“公平与效率之间的伟大权衡”在网络时代的翻版。
这就再次应了那句老话每委”本质问题是无法回避的,它将反复出现,犹如条条道路通向罗马。

斯坦利在上引2000年文章里指出,如果真实世界里最常
见的幂律发生机制是“黏着偏好”,那么,有两大因素天然抑
制“黏着偏好”的幂律倾向:
(1)节点的天然老龄化过程。
首先,只要有代谢过程就有老龄化,所以,生物网络很难完全
遵循幂律。其次,关于感觉的“韦伯一费希纳”边际强度递
减律意味着,人类情感的强度是随时间而递减的,所以,诸
如“友谊圈”这样的情感网络很难完全遵循幂律。
(2)节点
需要支付的维持纽带关系的成本随着节点度数的增加而上升的倾向。
假设以金钱行贿,那么,使随略有效的随款额,显然随竞争激烈的程度而增加。因此,任一官员从任一节点接受的贿款额,正比于向他行贿的节点的数量(即行贿关系的社会网络节点度数)。其实,哪怕他只与两个行贿者建立纽带关系,只要这两名行贿者的竞争能够持续升级,贿款额就可上升到极高水平。
在中国社会,“拜年”曾经是行贿的重要方式。根据成本抑制幂律的道理,我们可以推断,拜年不服从幂律。
另一经典案例,我认为就是“百度”与“莆田系”之间的冲突,详见《财新周刊》2015年第14期封面文章“莆田大战百度”。冲突的缘起是,莆田系的近千家医院必须竞争贿赂百度,才可使莆田系的任一家医院在百度保持排名的位置,终
于,莆田系大佬们意识到他们的医院已沦为百度的打工仔。

要知道,在真实世界里,能使巨大局部瘫痪的事件相当
多,绝非仅仅是恐怖袭击。最常见的致命打击,已发生过多
次,就是黑客和病毒。在人类经济生活中遵循效率原则形成
的这些无尺度网络,与随机网络相比,于是显得十分脆弱
其次是来自经济生活内部的致命打击,有迹象表明,这是对
既有秩序的日常威胁。
例如,新的商业模式颠覆旧的商业模式及其巨大结构。典型的案例,我认为是“微信”带来的革命。假以时日,它是否能颠覆“淘宝”模式?值得期待。最
近举世瞩目的另一案例,我认为是“优步”(Uber)带来的
革命。假以时日,几乎可以确定,它将颠覆城市交通服务的
既有商业模式。
第三类可能的致命打击,我认为,基于政治经济的理由。例如,尽管社会多数成员遵循经济学的效率原则,但如果收入与财富的分配由于幂律而迅速变得非常不平等,难道不会激发社会绝大多数成员的正义诉求吗?前几年风行欧美和香港的“占领华尔街”运动,就是基于政治经济理由而发生的—这些运动的参与者没有明确的政治诉求,他们只是不喜欢幂律的结果:不到0.1%的人占有超过99%的财富。
根据以上的讨论,我可以写出“网络政治经济学”的第
一原理:在效率原则导致的节点度数的幂律分布与稳定原则导致的节点度数的均匀分布之间存在着永恒的权衡。
所以,在面对上述的永恒权衡时,我们必须求解的一个基本问题是社会必须保持怎样的纵向流动性,才可缓解幂律引发的潜在危机?

由上述各类网络的考察可知,服从幂律的网络具有最强的科层性
个体在社会网络里的地位或他之于社会网络的“中心性”,
于是可由他的节点度数和科层顶端的节点度数之差来刻画
如果我们仅凭科层性来推断一个网络的权力结构的不平等程度,那么,不平等程度最高的是那些服从严格幂律的社会网络,最低的是完全随机的社会网络(如果它们存在的话),介
于这两极端之间的是小世界网络。
这当然也意味着,我们大多数现代人更愿意生活在小世
界网络里,既可分享经济效率带来的好处,又可回避因权力
极端不平等分布而发生的不正义—想象一下这种不正义感的强烈程度
在另一极端,根据图4.22提供的数据,互联网(WWW)的拓扑结构很接近完全随机网络——团聚性很低(0.11),并且平均距离较短(3.10)。由此判断,在互联网(WWW)虚拟社会里,平等程度其实很高,例如,收入的基尼系数低于0.2。
根据汪小帆2003年的文章,与随机网络相比,无尺度网
络有更短的平均距离和高得多的团聚性。这是因为,无尺度
网络的生成机制之一是黏着偏好—
一至少在日常生活中,黏着偏好是很普遍的现象。由此而发生的,是极少数占据顶端位置的节点,它们与极多数节点有直接的联系,于是极大地缩短了平均距离,并且有相当高的团聚性。以这样的顶端节点为中心的局部网络,也因此称为 glant component”不妨译为“巨大局部”或“巨大的局部结构”。
在网商平台里涌现出来的巨大局部的典型,当然就是“淘宝”或“天猫”强烈的赢者通吃(幂律)结构。也因此,无尺度网络面对可能的外来打击,远比随机网络脆弱得多,只要顶端节点瘫痪,无尺度网络就可整体瘫痪。这对万维互联网(WWW)来说是不可思议的。根据汪小帆2003年文章的报道,在万维互联网当中瘫痪的节点数目占节点总数的比例哪怕高达80%,万维网仍可维持运转。

这里,更适合介绍“幂律”。如果节点拥有的纽带数量反
映节点的权力(对其他节点的影响力),那么,幂律是一项不
错的权力指标。
一个人在社会里的权力来源于两方面:其是社会地位—家族、文化、知识以及其他基于历史积淀的资本;其二是社会关系—拥有的纽带的数量和质量以及这些纽带的局部性质。幂律刻画的,是上列个体权力来源的第二方面,而且它仅仅刻画纽带的数量关系。
斯坦利指出,小世界网络可进一步划分为三类:(1)表现出严格幂律分布的—例如电网和机场这样的公共设施;(2)表现出弱幂律分布的—例如演员、朋友、其他社交关系;(3)几
乎完全不服从幂律分布。相应的对应着完全随机网络、洞穴人社会网络、小世界网络,三种不同类型的网络。

在真实世界里,最著名且最常见的诱致幂律发生的机制
称为“黏着偏好”( preferential attachment)。所谓“黏着偏好”,就是日常生活里常见的“越富就越富”或“越受欢迎就越受欢迎”这类现象,也称为“马太效应”或“赢者通吃”。如果一个人不带任何偏见进人一个社会网络,那么,他应当优先选择与谁建立联系?或者,对他最有利的偏好是怎样的?根据效率原则,显然,他应当优先与那些已经有较多纽带关系的节点建立纽带关系,于是就有了某种黏着性,如同滚雪球,越大的雪球越容易黏着更多的雪。显然,只有极少数节点处于网络的顶端,它们分享了幂律带来的财富和权力的最大部分。其余的节点绝大多数处于网络的底层,
在幂律作用下,他们只能分享极少的社会资本。
团聚性最高的是电影演员，真实网络数据表明,美国城市之间高速公路网络的节点度数服从泊松分布，因为很少城市拥有太多的高速公路(不符合效率原则)。但是美国民用航空网络的节点度数更接近严格幂律—少数几个机场(芝加哥、达拉斯、丹佛、大西洋城、纽约)成为拥有大批航线的枢纽,从这些枢纽再设置航线通往其他地方的几乎每一座城市。