[!info] related notes

• 所属 MOC: cognitive-biases-moc
• 前置概念:
• 并列概念:
• 易混淆概念:
• 关系笔记:

沉没成本偏差

一句话定义

沉没成本偏差（sunk cost bias）是已经无法追回的投入，本来不应影响“从现在开始怎么选”，却因为我们不愿承认损失而继续推动未来决策。

经济学式的核心原则是：

过去已不可追回的成本
≠
未来继续投入的理由

未来决策应比较的是：从现在开始的新增成本、预期收益和替代方案。

最小例子

你花 80 元买了一张电影票，看了 30 分钟发现非常不喜欢。

如果继续看的唯一理由是：

“钱都花了，不看完就亏了。”

但票钱无论走不走都已经回不来。

真正应该比较：

留下来的 90 分钟能得到什么？
vs
离开后 90 分钟能做什么？

为什么人很难停下来

沉没成本常与这些心理机制一起出现：

• 不愿承认之前的选择可能失败；
• 把停止理解成“过去全部白费”；
• 害怕已经投入很多却没有成果；
• 对自己负责的项目产生身份绑定；
• 觉得“再投一点也许就能翻盘”。

于是会出现升级承诺（escalation of commitment）：

投入越多
↓
越不愿退出
↓
继续投入更多
↓
更难退出

软件项目场景

一个重构已经投入三个月，但新证据显示：

• 架构假设错误；
• 迁移成本远超预期；
• 用户收益很低；
• 存在更简单替代方案。

这时：

“我们都做三个月了，必须继续把它做完。”

不是充分理由。

应当问：

如果今天第一次看到当前状态，没有前面三个月的投入，我还会选择继续这个方案吗？

这是非常有效的沉没成本测试。

Agent / AI 开发循环中的版本

自动开发系统也容易出现沉没成本：

方案 A 已经跑了很多轮
→ 花了很多 token / review / repair
→ 所以继续修 A

但更优决策可能是：

继续修 A 预计还需 8 单位成本
重开方案 B 预计需 4 单位成本
且 B 成功概率更高

过去花在 A 上的 token 已经不可追回，不应该让未来成本比较失真。

所以好的 Agent 系统需要 stop / replan / abandon criteria，而不是永远 repair。

学习中的沉没成本

“这门课已经学了 20 小时，虽然发现并不适合我，也得学完。”

完成课程有时仍然合理，但理由应该是：

• 剩余内容仍有价值；
• 完成有证书 / 体系收益；
• 切换成本很高；

而不是单纯因为“已经学了 20 小时”。

过去学习也并非“白费”：知识和经验已经留下。承认沉没，并不等于否定过去价值。

投资中的典型表达

“这只股票已经跌 40% 了，现在卖就真的亏了，所以我得继续拿着直到回本。”

买入价会形成心理参照，但合理问题应该是：

以今天的价格和当前信息，我是否仍愿意买入 / 持有这项资产？

“回到我的成本价”对市场未来走势没有特殊魔力。

什么情况不是沉没成本偏差

过去投入有时会改变未来收益结构。

例如软件迁移已经完成 90%，剩余 10% 成本很低，而回滚反而代价巨大。此时继续可能合理。

但理由不是：

“已经花了很多。”

而是：

“当前剩余成本与未来收益比较后，继续更优。”

同样，已投入形成的技能、资产、网络效应如果仍能带来未来价值，它们就不是纯粹沉没成本。

去偏方法

1. 问“如果今天从零开始，我还会选它吗？”

这是最直接的测试。

2. 只比较未来增量

继续：未来新增成本 + 未来收益
停止：退出成本 + 替代方案收益

不要把无法追回的历史投入重复算进去。

3. 事先写停止条件

例如：

• 两轮实验无指标改善则 replan；
• 超过预算 30% 重新立项评估；
• 连续三次 review 指向同一架构缺陷则停止 patch。

4. 让没有参与早期投入的人做独立评估

项目创建者更容易对既有投入产生心理绑定。

5. 区分“过去有价值”和“未来还值得继续”

停止一个项目不意味着过去所有投入毫无价值。

使用场景

• 软件重构；
• 创业项目；
• 投资；
• 学习路线；
• 人际和长期承诺；
• AI Agent repair loop；
• 游戏、消费和订阅。

一句记忆

过去的成本解释你为什么来到这里，但不应该单独决定你下一步往哪里走。

快速自测

一个项目已经投入 100 万，还需要再投入 80 万，预期只能产生 30 万新增价值；另一个方案需投入 40 万，预期产生 100 万价值。

如果选择前者的主要理由是“前面 100 万不能白花”，就正在被沉没成本牵引。

来源

• Hal R. Arkes & Catherine Blumer, “The Psychology of Sunk Cost” (1985).
• Daniel Kahneman, Thinking, Fast and Slow.