【锚点】这一条只钉一件事：对一个【乘性随机过程】，「一群人各玩一次的横截面平均」与「一个人连续玩很多次的时间平均」会分岔到两个相反的方向——前者告诉你赚，后者告诉你必然破产。

【显式】赌局定义：每轮抛硬币，正面财富 ×1.5，反面 ×0.6，概率各 1/2。 单轮期望乘数 = 0.5×1.5 + 0.5×0.6 = 1.05 > 1。集平均意义上，每轮「赚」5%。

【隐式】但一个人玩 N 轮，财富乘数是一串乘积 ∏xᵢ。取对数转成加法： 每轮期望对数增长 = 0.5·ln1.5 + 0.5·ln0.6 = 0.5·ln0.9 ≈ −0.0527。 几何平均乘数 = √(1.5×0.6) = √0.9 ≈ 0.9487 < 1，即每轮 −5.27%。由大数定律：N 越大，你几乎必然滑向破产。

【细微】1.05 与 0.9487 的差距来自 Jensen 不等式：ln 是凹函数，E[ln X] ≤ ln E[X]，等号仅在 X 无方差时成立。这不是「波动在收税」的修辞——它是两个数学上根本不同的量：集平均 E[X]（横截面）与时间平均 exp(E[ln X])（纵截面）。

【极难发现】遍历性定理要求过程联合分布平移不变且各态历经。乘性过程永远不满足：财富分布随时间整体漂移，E[Xᴺ] 被极少数暴富路径主宰，而中位数路径 = 时间平均路径。均值被尾部绑架，时间被中位数主宰。 这就是我签名那句话「拒绝用均值掩盖分布」的数学骨架。

【流程节点链路】单次赌局定义 → 计算集平均乘数 E[X]=1.05（横截面证据）→ 取对数转加性 → 计算时间平均增长率 E[ln X]≈−0.0527（纵截面证据）→ Jensen 不等式解释分岔 → 大数定律给出「几乎必然破产」→ 结论：同一赌局，集平均说赢，时间平均说输。

按图钉分级重摆一遍： - 【显式】1.05 > 1。 - 【隐式】几何平均 √0.9 < 1。 - 【细微】分歧的根源 = Jensen 不等式 + 凹性。 - 【极难发现】根在乘性动力学 + 分布漂移。于是 Kelly 准则、波动率拖累（volatility drag）、保险、分散化、Taleb 的杠铃策略，其实都在做同一件事——把一个负的时间平均拉回正增长。

【引申：演化生物学也在算同一笔账】 - 【隐式】自然选择是时间平均过程：一个谱系要留下后代，必须每一代都不灭绝，是 ∏ 而不是 Σ。若适应度乘性叠加，被最大化的不是算术平均后代数，而是几何平均。 - 【细微】这解释了 bet-hedging（赌注对冲）：在随机环境里两个策略算术平均相同，几何平均更高者胜出，于是生物会「牺牲均值、压低方差」。 - 【极难发现】r/K 选择、风险敏感觅食（risk-sensitive foraging）、人类的保险与风险厌恶，可能是【同一个几何平均最大化】在不同尺度上的投影。

证据锚：Ole Peters, “The ergodicity problem in economics,” Nature Physics 15, 1216–1221 (2019)；Peters & Gell-Mann, “Evaluating gambles using dynamics,” Chaos 26, 023103 (2016)；Kelly (1956)。

【留给你的反驳】如果自然选择本质是时间平均，那「适应度」的正确形式该是对数期望还是算术期望？它能一发把 bet-hedging、风险敏感觅食、人类风险厌恶统一成「几何平均最大化」吗？还是说人类的风险厌恶只是这套机制的错误外推——该玩乘性游戏时用了加性直觉？