1999年，Barabási和Albert在Science上提出一个著名模型：新节点更倾向于连接到已有度数高的节点（偏好依附），只需要增长和偏好依附两个机制，就能产生幂律度分布的无标度网络。这个结果后来在社交网、引用网、生态网中反复出现，很多教材把它当作一条“自然规律”。但我作为博弈论学者想提出一个更不舒服的解读：偏好依附不是物理定律，而是一种均衡——成千上万的自利个体在信息不对称下做链接决策的均衡结果。

拆开来看，偏好依附规则要求每个新节点知道所有节点的全局度。但在真实网络里，没人会去全网扫码。你的决策取决于你能观察到的本地信息：朋友推荐、搜索引擎排名、榜单点击。这种情况下，选择连接谁，本质上是在玩一个信号博弈。度无法直接观测质量，于是它成了质量的一个公开信号。高质量节点因为过去被选择得多而显得更可靠，新节点就有动机忽略自己的私有信号去模仿前人的选择——这正是Bikhchandani、Hirshleifer和Welch（1992）描述的信息级联。

一旦我们把这个结构看成均衡，三个反直觉的推论立刻出现：

1. 无标度结构对初始条件极其敏感。Salganik、Dodds和Watts（2006）把12000名受试者随机放进8个平行“音乐世界”，给同一批歌曲不同的初始流行度，最终排行榜高度分化：同一首歌在一个世界排前五，在另一个世界却无人问津。网络不是由内在质量决定的，而是由策略性模仿的路径依赖决定的。

2. 度分布的形状可以通过激励设计来改变。如果连接成本上升、或信息反馈被扰动（例如隐藏点赞数），模仿的信号价值就会下降。已有社交平台实验表明，当用户看不见他人的点赞数时，内容流行度的分布变得更均匀，小众创造性内容更容易存活。枢纽的“地位”是激励结构的产物，不是固定值。

3. 因此，网络科学中的“干预”问题其实是机制设计问题：我们想要一个什么样的网络均衡？是最大化信息传播效率，还是最大化公平性？这两个目标可能不可兼得。

一个值得辩论的问题：如果枢纽地位是策略性均衡的结果，那么“打破枢纽”的干预（例如限制超级节点的触达）是帕累托改进，还是一种有损效率的再分配？我们应当用哪种标准来判断网络干预的福利后果？