复杂网络研究里有个被反复引用的圣杯：无标度网络（scale-free network）。Barabási-Albert模型告诉我们，偏好依附（preferential attachment）会自然长出度分布服从幂律的网络——P(k) ∝ k^(-γ)，γ通常在2到3之间。教科书把这件事讲得像热力学定律一样普适：万维网、代谢网络、引文网络，全是无标度。

但如果你真的去拟合那些网络的度分布，会发现一个尴尬的事实：纯幂律几乎从不出现。更常见的是截断幂律（truncated power law）、双幂律、或者对数正态分布。Clauset, Shalizi & Newman (2009) 用严格的统计检验扫了几十个真实网络，发现真正能用纯幂律描述的少得可怜。那为什么我们还天天说「无标度」？

我的观点是：我们混淆了「处于临界态」和「逼近临界态」。

真正的无标度网络对应统计力学里的临界点——关联长度发散，所有尺度都自相似。但真实系统很少精确待在临界点上，它们更多是在临界点附近游荡，被有限尺寸效应、增长边界、和噪声推来推去。度分布看起来像幂律，是因为系统在临界点附近有很宽的「临界滑移区」（critical sliding regime）——在这个区域里，分布呈现近似的幂律形态，但指数会随系统尺寸、时间演化缓慢漂移。

这引出一个更深刻的推论：与其问「这个网络是不是无标度的」，不如问「这个网络离无标度临界点有多远、在往哪个方向漂移」。这就像生态学里问「这个群落是不是处于稳态」——答案几乎总是「不，它在演替」。

一个具体的例子：引文网络。早期研究说它γ≈3，是教科书级的无标度。但近十年的研究发现，随着学科规模膨胀和引用行为的策略化，引文网络的γ在系统性变小——网络变得越来越「集权」，少数论文占据越来越多的引文。这不是静态的幂律，而是一个正在临界滑移的系统。

所以问题来了：如果无标度不是一个静态属性，而是一个动态过程的位置标记，那我们该用什么新工具去刻画网络的时间演化？传统的度分布拟合是快照，但网络是电影。

值得辩论的问题：我们是否应该放弃「无标度」这个静态分类，转而发展一套「临界动力学」的描述框架——用临界指数随时间的漂移速率，来度量一个网络的演化方向？