第4章 纳什均衡：预期一致与策略稳定
在现实世界中，大量策略互动并不像零和博弈那样充满对抗，也不像囚徒困境那样注定走向个体理性与集体利益的冲突。更多时候，我们需要与他人“合拍”——大家选择相同或互补的行动，才能共同获益。本章系统阐述纳什均衡的核心思想，即每个人的策略都是对他人策略的最优反应，并聚焦于由此产生的一个关键挑战：当博弈存在多个纳什均衡时，人们如何形成一致的预期，从而使策略稳定在某个均衡之上。我们将通过协调博弈、猎鹿博弈等经典模型展示多重均衡及其背后的“聚焦点”现象，并把这些逻辑应用于交通规则、技术标准制定等现实协调问题中。
4.1 纳什均衡：互为最优反应的策略组合
在一个博弈中，每位参与人都在推测他人的行动，然后选择对自己最有利的策略。若有一组策略组合，使得每个参与人的策略，在给定其他参与人策略的前提下，都是自己能选到的最优策略，那么这组策略就构成了一个纳什均衡。换句话说，没有人能够通过单方面改变自己的策略而获得更高的收益。用形式化语言表达：在 $n$ 人博弈中，策略组合 $(s_1^*, s_2^*, \dots, s_n^*)$ 是一个纳什均衡，当且仅当对每一个参与人 $i$ 和其任意可选策略 $s_i$，都有
u_i(s_i^*, s_{-i}^*) \ge u_i(s_i, s_{-i}^*)
其中 $u_i$ 是参与人 $i$ 的收益，$s_{-i}^*$ 表示除 $i$ 外其他参与人的均衡策略。
纳什均衡的本质，是一种预期一致下的策略稳定。每个人都预期均衡会发生，在此预期下，选择均衡策略恰恰是最优的，于是预期自我实现，无人有动机偏离。这既是一种理性计算的静止点，也是交互决策中一种可以自我维持的行为模式。
然而，不少博弈并不只有一个纳什均衡。当多重均衡出现时，仅仅知道“每个人都做出最优反应”远不足以确定最终结果。此时，如何协调预期便成为理解策略稳定的核心。
4.2 纯协调博弈与聚焦点
考察一类最简单的情形：参与人的利益完全一致，唯一的问题是如何“凑到一起”。这就是纯协调博弈。
设想两人约好见面，却忘记了具体地点。可能的选择是咖啡馆（C）和图书馆（L）。若能成功会面，各得收益2；若扑空，各得0。收益矩阵如下：
```
参与人2
C L
参与人1 C 2,2 0,0
L 0,0 2,2
```
这个博弈有两个纯策略纳什均衡：(C, C) 和 (L, L)，以及一个混合策略均衡（各以 $\frac{1}{2}$ 概率随机选择）。纯均衡在收益上并无差别，问题只在于如何让双方预期汇聚到同一个均衡上。如果两人都预期对方会去咖啡馆，那么各自的最佳反应就是去咖啡馆；若都预期去图书馆，也会同样成功。麻烦的是，倘若一方预期去咖啡馆，另一方预期去图书馆，协调失败，两人收益皆为零。
托马斯·谢林在其经典研究中指出，在存在多重均衡的纯粹协调问题中，某些均衡会因心理、文化或情景中的显著特征而自然凸显出来，成为人们协调预期的聚焦点（focal point）。比如，若两人都是某大学学生，且图书馆更为醒目，那么“图书馆”就很可能成为聚焦点；若约定在纽约见面却没指定地点，很多人会自发想到中央车站的询问台；让一批互不沟通的人各自报一个数字，要求大家报出相同数字才能获奖，则“1”这类最自然、最凸显的数字往往成为聚焦点。聚焦点并非由收益大小决定，而是由共同知识中的对称性、惯例、显著性或先例所促成。它帮助人们在多重均衡中迅速形成一致预期，从而达到了某个纳什均衡。
纯协调博弈的聚焦点逻辑，揭示了一个深刻道理：在策略互补性极强的环境中，均衡的选择更多依赖共享的理解和文化线索，而非纯粹的数学计算。
4.3 猎鹿博弈：风险与信任的取舍
并不是所有协调都像纯协调博弈那样没有利益冲突。卢梭在《论人类不平等的起源》中讲述了一个猎鹿的故事：一群猎人可以合作围捕一头鹿，从而获得丰盛食物；但如果有人中途离开去追一只野兔，鹿就会逃脱，合作者将一无所获，而追兔者至少能独自获得一只兔子。这就是猎鹿博弈（Stag Hunt）的原型。
简化为两人版本：每人可以选择“猎鹿”（S）或“猎兔”（H）。若两人都猎鹿，合作成功，各得4；若都猎兔，各得2；若一人猎鹿而另一人猎兔，猎鹿者失败得0，猎兔者独自捕获兔子得2。收益矩阵为：
```
参与人2
S H
参与人1 S 4,4 0,2
H 2,0 2,2
```
这个博弈同样有两个纯策略纳什均衡：(S, S) 和 (H, H)。从收益上看，(S, S) 帕累托严格优于 (H, H)，双方都偏爱合作猎鹿。但 (S, S) 也蕴含着极高的风险：只要有一方担心对方可能叛变去猎兔，自己坚持猎鹿就将颗粒无收。相比之下，选择“猎兔”则是风险占优的——无论对方选什么，自己都能确保得到2，而不会被别人的背叛伤及零收益。
于是，猎鹿博弈呈现出一种经典的困境：互信可以带来高回报的“猎鹿均衡”，而对他人合作意愿的怀疑则会将社会推向低回报但安全的“猎兔均衡”。究竟实现哪一个均衡，取决于参与人对彼此行为的预期。如果每个人都预期对方会猎鹿，那么猎鹿就是最优反应；但如果有人预期对方可能由于恐惧或保守而选兔，那么为安全起见，自己也将选兔，预期再度自我实现，风险占优均衡便稳定下来。
许多组织合作、社会信任、国际协议等问题，本质上都带有猎鹿博弈的色彩。协调失败并非源于利益对立，而是源于对他人可能不合作的风险感知。这里，聚焦点同样可以发挥作用：清晰的沟通、可靠的承诺机制、甚至一句“我相信你”都可能通过改变预期，将均衡从 (H, H) 引向 (S, S)。这也解释了为什么领导者或制度的重要功能之一就是塑造聚焦点，让“高风险高收益”的合作均衡变得更加显著和可信。
4.4 现实中的协调问题：交通规则与技术标准
多重均衡与预期的逻辑，在现实世界的交通规则和技术标准制定中体现得淋漓尽致。
交通规则：靠左还是靠右行驶
车辆靠道路哪一侧行驶，本身并没有绝对的技术优劣。无论是靠左还是靠右，只要所有人选择一致，道路就能有序运行；若预期不一致，则冲突和事故就会发生。这正是一个大型的纯协调博弈：每个司机的收益取决于能否与他人保持同侧。
历史上，有的地区因骑士佩剑习惯、马车驭手位置等偶然因素形成了靠左或靠右的早期惯例，这些惯例通过文化传递和法定化变成了后续参与人的共同知识，进而成为极其稳固的聚焦点。一旦一个社会形成了“所有人靠右”的预期，任何单方面改换左侧的行为都会带来极高风险，因此均衡具有强大的自我维持特性。即便某国想从靠左改为靠右，也需要耗费巨大的协调成本（如瑞典在1967年的“H日”转换），这恰恰证明了均衡一旦确立，预期一致性所赋予的策略稳定有多么强劲。
技术标准：键盘、录像带与网络效应
技术标准的竞争是另一种典型的协调博弈。以键盘布局为例，QWERTY键盘并非打字效率最高的设计，其竞争对手Dvorak键盘在理论上更为科学，但最终却是QWERTY主导世界。这是因为键盘使用者、生产商和打字培训体系之间形成了一个庞大的协调网络：每个用户都预期其他人会使用QWERTY键盘，因此学习QWERTY是最优反应；制造商预期多数用户需要QWERTY，所以生产QWERTY键盘最优。哪怕存在一个潜在更优的均衡（所有人都转向Dvorak），要让所有人的预期一致地转移到新均衡上，也极其困难。这里，历史偶然形成的先发优势和安装基础成为强大的聚焦点，可能将行业锁定在次优标准上。
类似的故事发生在录像带格式之战（VHS vs Betamax）、高清光盘标准（蓝光 vs HD DVD）等无数案例中。它们都表明，在具有网络外部性的产业（即一种产品的价值随用户数量增加而提高），技术采纳本质上是一个协调博弈。协调成功可以带来巨大利益，协调失败则造成资源浪费。因此，行业协会或政府经常会刻意创造聚焦点——如制定明确的时间表、统一认证、甚至强制标准——以帮助市场形成一致的预期，避免在多个可能的均衡之间摇摆不定。
从更深层次看，法律、货币、语言、度量衡乃至会计标准，几乎一切被我们视为“理所当然”的社会制度，其运作都建立在类似的协调逻辑上。它们之所以稳定，不是因为有人时时刻刻在强制，而是因为每个人都预期别人会遵从，从而自己遵从也就成了最优反应。这就是纳什均衡在制度分析中的核心洞见。
4.5 结语：预期一致如何造就策略稳定
本章围绕纳什均衡“互为最优反应”的内核，揭示了策略稳定性的根源在于预期的一致性。当博弈只有唯一均衡时，理性的参与人自然会被吸引过去；而当博弈存在多重均衡时，任何均衡的实现都必须以某种方式让所有人相信它将成为共同选择。纯协调博弈展示了聚焦点如何利用显著的文化线索来协调预期；猎鹿博弈则在风险与合作之间展示了低效均衡陷阱的可能性，警示我们预期管理对于走出困境的意义。交通规则和技术标准等实例进一步证明，在广大的社会经济系统中，惯例、先发优势和制度设计本质上都是在提供聚焦点，引导分散的个体预期汇拢，从而将社会锁定在某个纳什均衡之上。理解了这一点，也就理解了为什么“让人们预期同一件事”往往是解决协调难题的第一步，也是最重要的一步。
