你知道吗？
现在电脑键盘的“QWERTY”布局，最早是为了避免打字机按键卡顿设计的，其实效率并不高。后来有人发明了更高效的“DVORAK”布局，能让打字速度提升30%以上，但始终无法普及——因为大多数人已经习惯了QWERTY布局，学习新布局需要花时间成本，而企业也不愿生产新布局的键盘。
另一个类似的例子是：其实现在有比MP4更清晰、体积更小的视频格式（比如MKV、AV1），但无论是视频平台、播放器，还是普通用户，仍更倾向于使用MP4格式。因为MP4早期普及广，几乎所有设备都支持，而新格式需要设备兼容、用户学习，大家不愿“折腾”。
过去的选择或经验，曾带来过便利、成功或安全感，形成了“不用想就遵循”的惯性。但当环境、需求、技术发生变化时，这种惯性有时就会从“助力”变成“阻力”，让人难以适应新变化——这便是路径依赖最隐蔽的地方：它不是“错误”，而是我们把过往经验当作了“固定轨道”而非“参考坐标”，限制了“未来的可能”。
在商业的浪潮中，我们也常常看到这样的故事：曾经风光无限的企业，在面对新技术、新市场的冲击时，却陷入了困境。
比如诺基亚，在智能手机时代来临之际，由于过度依赖过往在传统手机领域积累的成功经验和技术路径，未能及时转型，最终错失了智能手机市场的发展机遇，从行业的领军者沦为了追随者；
再如柯达，作为胶卷行业的巨头，它在数码技术兴起时，因对传统胶卷业务的成功依赖，迟迟没有大力发展数码业务，最终走向衰落。
不只是企业依赖旧商业模式难以转型，还有管理者沿用过时激励机制管理新世代、品牌用上一代的逻辑猜测新消费群体……
这些案例背后，隐藏着生活中常见的两大陷阱——路径依赖和成功依赖。这种惯性在稳定环境中是优势，在快速变化的商业世界里，如果不能及时分辨什么是“过时的”，就有可能成为弱点——尤其对于创业者来说，如果不能摆脱它们，就会锁住思维，阻碍企业发展。
创业路上的 “过拟合”
在机器学习中，有个概念叫做“过拟合”（Overfitting），描述的是一种学得太好反而失效的现象：模型在训练集上表现完美，却在新数据上一败涂地。因为它不是学到了通用规律，而是记住了过去数据的细节与噪声。它在学习时把每一个点都照顾到了，包括数据中的噪声也被当成规律来学习，以至于一旦题型稍有变化，就无法应对——因为学到的不是原理，而是背熟了答案。
路径依赖和成功依赖，其实也是一种认知上的过拟合：我们在熟悉问题上训练得太“好” ，但精进的不是对底层规律的理解，而是特定的做法或流程。结果就是：当题型变了、系统重构、变量更迭，原有的框架不再适用，大脑仍在不假思索地套用旧答案。
为什么我们容易陷入“路径依赖”？
从经济学的角度来看，路径依赖的形成主要源于两个方面：
一是报酬递增，即企业在采用某种策略或模式取得成功后，会不断加大对其的投入，从而获得更多的收益，这种正反馈机制使得企业更加依赖原有的路径；
二是转移成本，包括经济成本、心理成本和组织成本等。企业在改变原有路径时，需要投入大量的资源进行重新学习、调整组织架构和业务流程等，这些成本使得企业对改变望而却步。
从认知科学的角度来看，是因为我们的大脑其实远没有我们想象的那么开放。“预测编码”的理论认为，大脑并不是开放地理解现实，而是会基于经验预判出一个世界的样子，再用感官去验证猜测。只要现实没明显违背，我们就会默认预判是对的，也就是说，我们看到的往往不是现实本身，而是被个人认知和经验加工过的现实。时间久了，我们不仅会越来越相信自己的经验，还会下意识屏蔽可能动摇它的证据。
另外，当我们用某种方法获得过成功，就会下意识把功劳归给了方法本身，却忽略了一个关键事实：是方法与场景之间的匹配，才让它有效。就像把蛋糕的香甜只归因于配方，却忘了烤箱温度、食材新鲜度这些“场景条件”的关键作用。而且，当外部场景悄然改变——比如市场需求转移、用户习惯迭代时，大多数人很少会在第一时间质疑“方法是否已过时”，反而还会陷入自我怀疑：是不是自己执行得不够细致？是不是某个环节没做到位？
特别地，如果是一个过度依赖及时反馈、比较追求确定性的人，只有当任务清晰、路径熟悉时，才能感到掌控感，而一旦边界模糊就不敢迈步，那么当面对复杂新问题时，TA可能更倾向从过去找参考答案，而不是搭建新模型。
难以跳出的“局部最优”
先从一个常见场景说起：周末去商场买衣服，你试穿的第一件衬衫版型合身、价格适中，虽然心里隐约觉得或许有更适合自己的款式，但一想到“再逛下去太费时间，这件已经不错了”，便果断付款。可回家后刷到商场其他店铺的穿搭推荐，才发现有件衬衫不仅风格更契合自己，性价比还更高——这就是典型的“局部最优”：我们在决策时，容易被眼前可见的、当下最优的选择吸引，却忽略了通过进一步探索，可能获得的更优结果。
另一个场景是爬山。你的目标是登上最高峰，你每一步都往上走，刚开始一切顺利，视野渐渐开阔，于是以为离目标越来越近。直到某一刻，站在了山头上——这时候你才发现真正的高峰其实“藏”在山谷的另一侧——尽管你每一步都没错，但向前也再无路可走。
“局部最优”这种思维在个人成长和创业中尤为常见。很多时候，我们固守的“稳定”“可行”，其实只是局部范围内的最优，但在复杂、非线性的系统中，因为没有考虑全局路径结构、不允许暂时退步，同时不具备也不考虑学习探测远方高峰的能力，最终成了阻碍我们突破的枷锁。我们卡在局部最优点上，无法跳出。
现实生活也是一样：在基层岗位上做得得心应手，就不愿花时间学习新技能、挑战更有难度的岗位，当行业出现技术革新时，想要转型就可能因为缺乏积累而力不从心；探索新的职业方向，如果我们永远选择那些最容易转成功的岗位，那么只能始终在熟悉领域打转……越是怕走弯路，就越容易卡在一座看起来还不错的小山头上。
当然，我们从不否认“擅长之事”的价值——那些曾帮你突破困境的经验、让你站稳脚跟的能力，是创业路上最坚实的基石。但危险的不是“擅长”本身，而是把“擅长”变成“唯一选项”。
而“路径依赖”和“局部最优”的思维，最坏的结果就是带来结构性锁定。就像河流一旦形成河道，水流只能顺着固定的轨迹奔腾——当一个系统朝着某个方向积累到一定程度，就会触发强大的“自我强化”。走得越远，调头的阻力越大；在现有轨道上表现越出色，就越难挣脱原位的束缚。
这种“结构锁定”的力量，在现实中随处可见：一款操作系统一旦积累了足够多的用户，搭建起完善的应用生态，开发者即便知道存在更高效的系统，也只能被迫围绕它做开发——毕竟放弃成熟生态去适配新系统，意味着巨大的成本与风险；企业里越搭越复杂的数据架构，到最后可能早已偏离“提升效率”的初衷，但因为牵一发而动全身，只能硬着头皮维持运转，生怕一旦停摆就会引发整个业务的崩塌。
而结构锁定最可怕的地方，在于它会慢慢磨掉我们对“长期价值”的耐心，让我们越来越无法忍受“短期无反馈”的状态。如果你曾在某条路径上快速收获过回报，建立起稳固的成就感，那么当面对一条潜在更优、但短期内看不到成功希望的新道路时，本能就会告诉你“不划算”。
破茧，才能“成蝶”
就像蝴蝶破茧前需经历漫长的挣扎，创业者要想突破增长瓶颈，关键在于打破固有思维的束缚，解锁适配新时代的创业新思维。它不是对过往经验的全盘否定，而是在尊重规律的基础上，用更开放的视角、更灵活的策略、更长远的眼光，重新审视商业逻辑与自身决策。
■主动求新
在训练大模型和算法时，为了跳出“局部最优”，系统会主动引入扰动，跳出原有轨迹——这一逻辑同样适用于生活。若想打破经验惯性，我们也需主动为生活“注入变量”： 每月尝试一件完全不在舒适区的事，主动寻求被挑战的机会，比如与跨领域人士深度交流、探索新技能或开启副业；刻意打破固定习惯，像是换条上班路线、参与陌生聚会，或是在新平台输出观点等等。这些微小的“扰动”，正是跳出局部陷阱、打开新可能的关键。
每一个选择节点上，不要只关心哪个回报最快、最确定，要多思考：这一步能不能让我的下一个选择更宽、更自由？
■从愿景反推路径
要定期更新并审视自己的目标，无论是创业目标还是生活追求。要从终点反推，然后回看当前所在的位置。唯有常以“全局地图”为参照审视自身路径，才能及时察觉自己是否正困在一座小高地，错把局部的安稳当成了全局的终点。
■可迁移的能力
培养可迁移能力，就像为自己打造了一把打破路径依赖的“通用钥匙”。这类能力不局限于某一行业、某一岗位，而是能在不同场景中灵活复用，帮助创业者在变化来临时快速适配新赛道，避免因单一技能过时而陷入被动。
学习能力，是可迁移能力的核心基础。真正的学习能力，不是机械记忆知识点，而是掌握“快速理解新领域逻辑、提炼核心规律”的方法；系统思维能力，会帮助创业者不孤立看待业务中的某一环节，而是从整体链路出发，分析各要素间的关联与影响；共情能力，无论是与用户沟通、管理团队，还是寻求合作，它都能帮助创业者快速理解对方的需求与痛点；第二曲线思维，在主业最成功的时候就开始探索新方向，而不是被迫转型。
培养可迁移能力，并非要创业者放弃现有领域的深耕，而是在专注当下的同时，有意识地提炼能力背后的底层逻辑。比如在做项目时，多问自己“这件事的核心目标是什么？我用到的方法能复用到其他场景吗？”；在学习新技能时，不仅要掌握“怎么做”，更要思考“为什么这么做”“背后的规律是什么”。当这些可迁移能力积累到一定程度，创业者便不再受限于单一路径，即便面对行业变革、赛道切换，也能凭借灵活复用的能力快速站稳脚跟，真正实现从“被路径塑形”到“主动选择路径”的转变。
总之，我们要学会用昨天的经验为今天兜底，用今天的问题去塑造明天。在这个充满不确定性的时代，最大的竞争优势或许不是你知道多少正确答案，而是你有多快能识别并放弃那些已经过时的旧答案。
祝你和团队，保持方向感，一直在路上。
注：文/红杉汇，文章来源：红杉汇，本文为作者独立观点，不代表亿邦动力立场。
文章来源：红杉汇
