与人和家庭一样，公司是城市和国家社会经济生活的基本要素。创新、财富创造、企业家精神和就业岗位创造都是通过公司的形成和增长来实现的。公司在经济中占据统治性地位。例如，美国所有上市公司的总市值超过21万亿美元，比美国的GDP总额高出15%。沃尔玛、壳牌、亚马逊、谷歌、微软等超大型企业的市值和年销售额均接近0.5万亿美元，这意味着，少数公司占据了市场总量的最大份额。
鉴于我们此前曾提到的个人收入的位序——规模频次分布（帕雷托法则）以及城市的位序——规模频次分布（齐普夫定律），这种不平衡现象并不令人感到惊讶的是，它反映出了公司市值和年销售额排名相似的幂律分布现象。［1］第7章中的图7–15对此进行了清晰的展示。因此，大公司的数量极少，而小公司的数量极多，中等规模的公司则遵循简单的系统性幂律分布法则。美国有近3 000万家独立运营的企业，绝大多数都是私人企业，它们只有很少的雇员，构成美国经济活动的主体的却只有大约4 000家上市公司。
鉴于这一结论，人们很自然会问，就像我们在谈到城市和生物体时一样，公司是否会以可评测的标准，如销售额、资产、开支和利润等按比例变化？公司是否展现出超越规模、个性和商业行业的系统性规律？若如此，是否存在一种堪比前几章中所提及的城市科学的量化及可预测的公司科学？是否有可能了解公司生命史的普遍性历史特征？它们如何成长、成熟，并最终消亡？
正如城市一样，存在大量有关于公司的著作，这可以追溯至亚当·斯密和现代经济学的创建时代。许多著作都是定性研究，通常都是从具体公司或商业行业的案例研究入手的，公司的普适动力学和组织特点都是凭研究者的直觉感知的。从历史上来看，公司被看作是必要的代理机构，组织人们集体劳动，利用规模经济的优势，减少制造者和供给者与消费者之间生产或服务的交易成本。为了让成本最小化以实现利润最大化和获得更大市场份额的动力，人们成功地创造了现代市场经济，进而向大量人群以其可以付得起的价格提供产品和服务。
尽管存在许多陷阱、滥用以及意料之外的负面结果，这一自由市场信条仍在世界各地推动创造了前所未有的生活标准。由此可能导致一种粗糙而简单化的观点，就是公司对质量，更加重要的是对社会责任的忽视，这种社会责任是作为公司在追求利润最大化这一原始动力以外的基本补偿要素而存在的。
尽管近年来，源自生态学、进化生物学的观点开始逐渐占据优势，但大多数有关公司的著作都是从经济学、金融、法律和组织研究的视角出发的。此外，还有大量流行著作是来自成功的投资者和首席执行官揭示他们成功秘密的作品，他们在其中往往会解释一些公司成功而另外一些公司失败的原因，并提供解决方案。所有这些在不同程度上都就公司的性质、动力学和结构提供了洞见，但它们都没有像我在这本书中所做的这样，提供一个广阔的科学视角。［2］
学术界提出的用于理解公司的传统机制主要分为三个大类：交易成本、组织架构和市场竞争。尽管它们是彼此联系的，但经常被区别对待。在此前章节发展而来的框架语言中，这些要点可以被表述为如下几点：（1）交易成本最小化反映了优化原则驱动的规模经济，如利润最大化；（2）组织架构是一家公司内的网络系统，传递信息、资源和资本，用于支持、维持和推动公司增长；（3）竞争带来市场生态内在的进化压力和选择过程。
如果不创造复杂的组织架构，汽车、计算机、圆珠笔和保险产品组合就无法被大规模生产，若要在竞争市场内生存下来，这一组织架构就必须要具有适应性能力。就像在城市中一样，这使得能源、资源、资本（公司的新陈代谢）与信息交流的整合成为必要，以推动创新和创造。从这个意义上来说，不同规模的公司都是经典的复杂适应系统，我想要探究的正是这一根植于比例范式的框架在多大程度上能够发展出用于理解公司增长、存活寿命和组织的定量机制性理论，并成为观察公司的传统方式的有益补充？
出人意料的是，现有的对公司性质进行的研究几乎都没有利用覆盖所有经济活动和公司历史的大数据。大多数研究还都是研究者受到复杂系统观点的启示而进行的，一个生动的例子便是发现公司的规模分布遵循齐普夫定律（图7–15所显示的那样）。这一洞见是由计算社会科学家罗伯特·阿克斯特尔（Robert Axtell）提出的，他曾求学于卡内基–梅隆大学的公共政策和计算机科学专业，并受到我此前提到的伟大博学者赫伯特·西蒙的影响。
阿克斯特尔当时身处弗吉尼亚州的乔治梅森大学，同时也是圣塔菲研究所的外聘研究员。他是研究基于主体建模的知名专家，这是一种用来模拟由许多部分组成的系统的运算技术。［3］ 从根本上来说，这一技术是通过假设多个代理（可以是公司、城市或个人）之间相互作用的简单法则，并具体实施这些代理如何随时间变化的算法，从而让由此得出的系统在计算机上运行。更加复杂的版本则包括了主体的学习、适应甚至是复制的规则，以建模模拟更为现实的进化过程。
随着性能强大的计算机的发展，基于主体的建模技术已经成为研究生态和社会体系中诸多问题的标准工具，如建模模拟恐怖主义组织的结构、互联网、交通模型、股市行为、流行病学、生态系统动力学和商业战略等。在过去几年中，阿克斯特尔利用基于主体的建模技术模拟了美国公司的整个生态系统，其中涵盖了超过600万家公司和1.2亿员工。这一野心勃勃的项目在很大程度上依赖于作为输入给模拟系统的条件的普查数据，并用这些数据来测试结果。
最近，阿克斯特尔和圣塔菲研究所的其他一些成员一同将这个项目延伸至模拟整个经济系统，这些成员包括牛津大学教授多因·法默（Doyne Farmer）和耶鲁大学著名经济学家约翰·吉纳科普洛斯（John Geanakoplos）。这真是一个富有雄心的项目，它需要众多方面的大量数据，从金融交易到工业生产，再到房地产、政府开支、税收、商业投资、外贸投资，甚至是消费者行为。他们希望，这一针对整体经济系统的综合模拟能够提供一个评价不同的经济刺激措施和策略的真实检验平台，如检验是否应该减税、增加公共支出。最重要的是，它也可能预测临界点或即将到来的危机，以避免可能的衰退，甚至是崩溃。［4］
不容乐观的是，此类有关经济真实运行情况的详细模型并不存在，政策通常是由相对有局限性、有时则是凭借直觉的经济运行观念来决定的。很少有人明白，经济是一个不断演变的复杂适应系统，我们将众多相互依存的组成部分解构为细之又细的半独立子系统将会带来误导性，甚至是危险的结论，经济预测的历史已经证明了这一点。就像长期天气预报一样，这是一个颇为艰巨的挑战，公平地说，我们应该承认经济学家十分擅长相对短期的预测，只要系统能够保持稳定。传统的经济学理论严重依赖于经济系统保持在一种近似平衡的状态中。艰巨的挑战是我们要能预测出外围事件、重大转变、重要时刻、破坏性经济灾难，而经济学家在这方面的表现大多令人感到沮丧。
颇具影响力的畅销书《黑天鹅》的作者纳西姆·塔勒布（Nassim Taleb）一直对经济学家十分严苛，尽管他自己曾经也学习商业和金融，或者这也是原因所在。［5］ 他曾在几家知名大学担任教职，包括纽约大学和牛津大学，曾聚焦于对用于描述突发事件的术语的创建以及对风险的深入理解。他曾用颇为夸张的言语，直言不讳地对古典经济学思维提出批评，如：“多年之前，我注意到了有关于经济学的一件事，那就是，经济学没有一件事是对的。”他还曾呼吁人们撤销诺贝尔经济学奖，称经济学理论的破坏将是灾难性的。我或许不同意塔勒布的一些观点和辩论，但有这种敢于直言、标新立异、挑战正统的人的存在非常重要，也很有益，尤其是鉴于经济学有过如此糟糕的论断，而且经济论断对我们的生活又有着重大的影响。
基于主体建模的重要优点之一是，它有可能为解决某些重大问题提供一个替代框架，将整个系统视作一个统一实体，而非边边角角的总和；它坦然承认，经济通常并不处于平静状态之中，而是一个不断演变的系统；系统的一些特点源自无数构成部分之间的相互作用。
然而，基于主体建模的方法的确存在某些严重的不足。首先，一个重要的不足便是，在许多情况下，主体的表现、互动、做决策的具体规则常基于研究人员的直觉而定。其次，我们通常很难解读详细模拟的结果，并决定系统的不同组成部分和子单元之间的松散关系。因此，我们可能无法清楚地得知决定具体结果的重要驱动力是什么，或者适用于所有系统的通用原则所带来的后果的驱动力是什么。在极端情况下，基于主体模型的基本理念与传统的科学框架会背道而驰，而最重要的挑战便是将大量看上去完全不同、相互分离的观察结论缩小至极少的基本通则或规则。就像在生物学中一样，自然选择的原则适用于从细胞到鲸的所有生物体；或者像在物理学中一样，牛顿定律适用于从汽车到行星的所有运动物体。与之相比，基于主体建模的目的是为每一个具体的系统构建一个几乎是一对一的模型。限制其结构和动力学的一般法则和原理是第二位的。例如，在模拟一家具体公司时，每一个单独的工人、管理员、交易、销售、成本等都要被囊括进来，每一家公司由此都被视作一个独立的、独特的实体，人们通常不会考虑到它的系统性行为或其与全局的关系。
很明显，这两种方法都需要通用法则和系统性行为的普遍性和简约性，从而能够反映塑造整体行为的大背景和主要力量，而特定的模型则只能反映每一家公司的个性和独特性。在城市领域，规模法则揭示出，城市可测算的指标中有80%~90%仅需知道人口规模便可确定，剩余的10%~20%则是它们个性和独特性的表现，只能通过对其历史、地理和文化特性进行详细研究才能了解。正是本着这一精神，我现在探究规模效应在多大程度上可以被用于揭示公司所遵循的涌现规律。
