ARK：摩尔定律未死，莱特定律万岁

莱特定律于 1936 年由西奥多·莱特 (Theodore Wright) 首创，旨在提供一个可靠的框架，用于预测作为累积产量函数的成本下降。具体来说，莱特定律指出，累计生产量每翻一番，成本就会下降一个恒定的百分比 (15%)。

重要声明：本文不构成公众号主体“南京望岳投资管理有限公司”的广告、销售要约等宣传推介资料，或交易任何证券、基金或投资产品的建议。转载请注明出处。

有史以来最著名的技术预测——摩尔定律说：芯片上的晶体管数量每两年会增加一倍！这实际上混淆了技术成本下降的原因和方式，因为这个定律关注的是错误的变量：时间。

当戈登·摩尔在预测晶体管密度翻倍、成本减半时，写下 "每两年 "这个时间条件，其实是隐含了这样的一个假设：随着时间的推移，消费者的需求将与生产同步增长，从而使得价格持续下降。

但是，成本会不断下降的假设[1]，经不起时间的考验。如果晶体管需求不振，摩尔定律就会失效。摩尔定律之所以成为 "定律"，只是因为需求的规模足以证明增加投资的合理性。

基于成本会持续下降的预测，英特尔产品创新周期变成了 tick-tock, tick-tock，（编者注：一次 CPU 升级为 tick、一次处理器升级为 tock）并没有经受住时间的考验。

从经验上看，也许摩尔定律被市场误解了。晶体管单位生产的增长已经在这个商业周期的过程中急速放缓——计算成本的下降已经开始趋于平稳。于是乎，人们都说“摩尔定律已经死啦”，但却没有意识到它一直存在缺陷。

晶体管的产量增长（7 年滚动平均值）

如果摩尔定律有缺陷，那么预测技术成本下降的最佳方法是什么？这种公式不应将成本作为时间的函数进行预测，而应结合成本下降背后的机制：产量。

莱特定律要比戈登·摩尔的声明早了近 30 年，它预测成本是产量的函数。在研究 1920 年代的生产成本时，西奥多·莱特（Theodore Wright）确信：飞机的产量每增加一倍，成本就会按照某一百分比持续下降。[2]举例来说，生产第 2000 架飞机时的成本要比 1000 架的时候降低 15%，生产第 4000 架的时候要比 2000 架时再少 15%。

除了在飞机制造业，莱特定律也适用于其他行业。近年来，圣塔菲风险研究所的研究人员得出结论，莱特定律可以预测与任何技术相关的成本下降。[3] 2012 年，研究人员比较了摩尔定律和莱特定律在 62 种技术之间的预测误差率，这些技术从黑白电视到光伏电池，从电烤箱到核能。他们得出结论，赖特定律始终优于摩尔定律。（这篇论文已翻译，点击标题下方标签 #青训营课前预习之《预测技术进步的统计基础》）

在以晶体管为研究对象时，戈登·摩尔通过应用莱特定律也比他发明的摩尔定律的效果更好。取截止到 2015 年的最新数据，研究人员发现，基于莱特定律的价格预测比基于摩尔定律的准确度提高了 40%（如下图所示）；[4]在对整个数据系列进行测量后，莱特定律将预测误差平均降低了 15%。（这一点在上述“62 种技术”的论文中有更直白的证明）

尽管我们有了更好的方法，但莱特定律在预测技术成本下降方面着实面临一些挑战。

第一个挑战是，需要很长时间的历史数据。我们可以从最近的两个数据点生成基于摩尔定律的预测，但莱特定律必须要求在整段技术历史中的生产数据，以确定与每次累计产量翻番相关的成本下降。

例如，只需要工业机器人成本的几个数据点，研究人员就可以预测未来的成本，如下面第一张图所示。然而，随着历史的发展，预测看起来过于保守了，如第二张图所示。

基于少量数据和摩尔效应对成本的预测

蓝色线为真实数据，并没有像预测的那样继续下降

第二个挑战是，预期需求。摩尔定律表明，随着时间的推移，成本会下降；而莱特定律需要了解需求的价格弹性，或者需求对未来价格下跌的反应程度。在确定了成本随产量累积翻倍而下降的“学习速率”后，分析师必须确定产量累积翻倍的速度。对于某些技术，随着成本和能力下降到触发导入大众市场的临界点，需求可能会发生不连续的变化。

锂离子电池就是一个很好的例子。根据下图，大多数分析师会得出结论，锂离子电池在 2005 年已经成熟——在经历了 20 年平均每年约 10% 的下降之后，锂离子电池成本趋于平稳。

基于摩尔定律对锂电池成本的预测失效了

编者注：电池作为 3C 消费的电力来源时，有自身的摩尔定律和莱特定律曲线，到 2005 年由于手机及笔记本电脑需求基本饱和摩尔定律失效。但当电动汽车需求爆发时，对动力电池的需求快速上升，导致原摩尔定律失效，但莱特定律仍然有效。（点击标题下方标签 #青训营课前预习 之《预测技术进步的统计基础》）

然而，大多数分析师都没有意识到，这 10% 的下降将锂离子电池的单位成本推向了一个关键门槛，从而实现了电动汽车的大规模生产。一辆续航里程超过 200 英里的电动汽车的电池电量相当于 5,000 部 iPhone，因此，如果只有 1% 的汽车销量从汽油动力转换为电动汽车，那么与全球智能手机所需的电池相比，它们对电池的需求将增加 1 倍以上。如果意识到电池即将达到这个临界点，分析师就可以预测到，产量累计翻倍所需的时间将急剧下降，并且以新速度下降。如下面两个图所示。

锂电池累计产量翻倍所需的时间间隔（纵轴单位：年）

锂电池成本随时间的变化（特斯拉 Model S 问世后）

虽然基于摩尔定律的预测认为锂离子电池技术在十多年前已经成熟，但莱特定律却依然正确地预测了大约五年前成本下降的重新加速和需求的复苏。价格下跌为锂离子电池开辟了汽车市场的新领域，这反过来又将它们推向了更大的市场，即公用事业的储能。

在特斯拉 Model S 推出后，电池成本的下降在“时间-成本”函数中呈现了不连续的结果，但当使用莱特定律（“产量-成本”函数）时，成本下降虽然看起来不那么连续，但似乎又在情理之中。

基于莱特定律，累计产量和成本之间有明显的线性关系

这项来自电动汽车市场的洞察具有更广泛的应用：当一项看似成熟的技术跨越关键的需求临界点时，其成本的延长线将以新的速度下降。如下图所示，如电动汽车等技术，一旦跨越了临界点后，成本曲线将重新加速下降，以至于让市场措手不及。（下左）同理，没有跨越关键门槛、没有打开新市场的技术则会停滞不前，不会激发更多创新来降低成本。（下右）

纵轴是成本下降速度(cost decline)，在越过关键临界点后，单位成本(unit demand)下降的速度将加快

从技术投资者的角度来看，当一个趋势难以辨别时，需要我们对历史数据进行艰难的重建，并详细了解单位成本的经济关系。此时，莱特定律提供了一个强大的解决方案。在某些情况下，摩尔定律可以为短期预测提供成功的“捷径”，但在较长的时间范围内，它往往会使预测误入歧途。为了寻求更持久的答案和投资解决方案，ARK 采取了与莱特定律相关的“长期削减”。

[1]他甚至修改了时间范围，因为他最初制定的预测最初是在 1965 年每年翻一番，然后在 1975 年定为两年。

[2]http://www.uvm.edu/pdodds/research/papers/others/1936/wright1936a.pdf 1936 年，航空科学杂志，影响飞机成本的因素

[3]https://www.santafe.edu/research/results/working-papers/statistical-basis-for-predicting-technological-pro 2012，圣达菲研究所，预测技术进步的统计基础

[4]这并不假设基于赖特定律的预测已经预先知道产量，而是天真地将产量预测为上一年增长的函数。

---

☉ 报名商业思维青训营

☉ 日常关注 B 站直播

每周六晚上 19:30

UP：南添的求真之路

周一~周五晚上 20:00，一起探索求真有爱的商业世界。

点击服务号「南添的求真之路」右下角「订阅」，你将准时收到更新提示。欢迎点赞、评论、分享。