一句话定义：幂律（Power Law）是指两个量之间满足 y = a·x^k 的关系。x 每翻一倍，y 就乘以同一个固定倍数 2^k，而不是加上同一个固定数量。
先打个比方。搬砖是线性的：人手翻倍，砖就翻倍，k 等于 1。但很多系统不是这样。比如一个内容平台，用户翻倍，创作者、评论、转发这些连接可能涨得更快；反过来，一个成熟产品的广告收入，用户翻倍可能只涨六成，k 小于 1。幂律的特别之处在于“翻倍视角”：它不问“多一个人多多少”，而问“投入翻一倍，产出乘以几”。把两边取对数，幂律就变成一条直线，所以常被叫作“双对数直线”。
AI 里的规模定律（Scaling Law）就是幂律的典型应用：模型参数量、训练数据量、算力增加时，测试损失按幂律下降。这解释了“再大一点”为什么总还有收益：并不是“从 90 分到 91 分越来越难，所以不值”，而是每翻一倍投入，误差下降同一个比例。绝对改进量在变小，相对改进却稳定。于是实验室会持续加码，因为曲线在观测范围内还没看到明显的天花板。
但也要冷静。幂律是拟合出来的经验规律，只在观测区间内成立；外推要小心，数据枯竭、架构瓶颈、推理成本都可能让曲线拐弯。具体口径以官方页面为准。
和相邻概念的区别：
| 关系 | 形式 | 投入翻倍时 | 对数图 | 例子 |
| 线性 | y = a·x | 产出翻倍 | 直线 | 搬砖、按件计酬 |
| 指数 | y = a·b^x | 越往后涨得越快 | 越来越陡的曲线 | 复利、病毒传播早期 |
| 幂律 | y = a·x^k | 产出乘以 2^k | 直线 | 规模定律、词频、城市人口 |
|---|
还要区分“幂律关系”和“幂律分布”：前者讲投入产出，后者讲个体大小——少数头部拿走大部分份额，词频、图书销量、城市人口都近似这种长尾分布。它和正态分布“中间多、两头少”正好相反。
对从业者的实际意义有三点：做预算时用比例思维，别只盯绝对增量；先做小规模实验拟合斜率，再决定是否加码；记住斜率可能被数据质量和推理成本改变。对普通人来说，内容分发和个人影响力也常是幂律的——少数头部拿走大部分注意力，所以更划算的策略是找到能让自己“翻倍”的那条轴，而不是线性堆时间。