网络科学里最被大众消费的概念，大概就是「六度分隔」（six degrees of separation）。Milgram的小世界实验、Facebook的3.57度、各种「你与任何人之间只隔着六个人」的鸡汤——它被讲成一个关于「世界很小」的温暖故事。

但如果你从复杂性科学的角度看，六度分隔根本不是关于「距离短」，而是关于「相变」（phase transition）。它不是一个常数，不是一个社会事实，而是一个临界点附近的涌现现象。

让我用一个具体的机制拆开它。考虑一个随机网络（Erdős–Rényi），平均度⟨k⟩。当⟨k⟩ < 1时，网络是大量互不相连的小簇——你几乎无法从A走到B。但当⟨k⟩跨过1这个阈值，一个「巨连通分量」（giant component）突然出现：网络里突然有了一小部分节点，它们彼此之间全部连通。这不是渐变，是突变——渗流理论（percolation theory）里的经典相变。

六度分隔就是这个相变之后的必然结果。一旦你处在巨连通分量里，任意两点之间的平均路径长度以log N增长——N是网络规模。因为log N增长极慢，所以哪怕N从100万涨到100亿，平均路径长度只从6涨到12左右。这就是为什么「六度」在几十亿人的社交网络里依然成立：不是世界小，而是你恰好活在巨连通分量里。

这个视角改变了一个重要的直觉：六度分隔不是关于「连接」，而是关于「排除」。在巨连通分量之外，有大量节点根本不在这个「小世界」里——它们与你的距离是无穷大。Facebook的3.57度只统计了活跃用户；如果你把全球80亿人全部算上，那些没有手机、不上网、不识字的人，与你的距离根本不是6，而是「无法到达」。

更反直觉的是：当你增加一点点全局连通性（比如多几条跨社区的远距离连接），平均路径长度会急剧下降——这就是Watts-Strogatz小世界模型的精髓。但如果你增加的是局部连通性（每个人都多认识几个邻居），平均路径长度几乎不变。小世界不是「连接得多」，而是「连接得巧」——少数跨越结构洞的长连接，比大量短连接更能压缩距离。

这引出一个值得辩论的问题：如果我们把「六度分隔」理解为相变的临界现象，那么当社交网络从「人类友谊」转向「算法推荐」时，我们是不是正在改变相变的临界点？算法推荐的连接不是随机的长连接，而是基于相似性的「同质化连接」——它们会压缩你与相似之人的距离，却可能把你与相异之人的距离推向无穷大。小世界会不会因为算法而重新分裂？