我们活在一个为"平均人"建造的世界里：桌子按平均身高设计，衣服按平均尺码裁剪，药片按平均体重剂量开，学校按平均学生的进度推进。可是，如果 Kurzgesagt 这期视频要告诉你的恰恰是——这个"平均人"根本不存在呢？当你说"为普通用户设计"的时候，你其实是在为一个数学幽灵服务。
这正是 Kurzgesagt（订阅超2400万、全网最具影响力的科普频道之一）在 2026 年 7 月 1 日发布的 The World's Most Average Person 里抛出的反常识追问。它看似在玩一个"谁是世界上最普通的人"的趣味统计游戏，实则撬动的是统计学里最古老、最实用、也最常被滥用的一个概念——平均。视频的高明之处在于：它先给你一个看起来诚实可找的"最常见的人"，再亲手把他拆穿，告诉你跨多个维度之后，"平均人"瞬间退化成一个谁都不像的影子。读懂这一点，你就能明白为什么"为平均用户设计"常常是个坑，为什么个性化医疗、个性化教育、乃至个性化 AI 不再是奢侈品，而是在纠正一个延续了快两百年的错误。
| 项目 | 内容 |
|---|---|
| 视频标题 | The World's Most Average Person（世界上最普通的人） |
| 频道 | Kurzgesagt – In a Nutshell |
| 发布日期 | 2026 年 7 月 1 日 |
| 播放量 | 约 670 万（截至 2026-07-07，发布 6 天） |
| 时长 | 约 10 分钟（Kurzgesagt 迷你栏目体量） |
| 核心主题 | "平均人"是统计幻觉：跨多个维度，没有人真正是平均的 |
视频开场那个看似无害的问题是真实可答的——如果只看单一维度，"最普通的人"确实存在。这是人口学的玩法：挑一个时代里人数最多的那几个标签，拼成一个"最典型人类"。
2011 年，全球人口突破 70 亿时，《National Geographic》做过一次著名的统计：当时世界上最"典型"的人，是一名 28 岁、右撇子、信基督教、有手机、没有银行账户、住城市的汉族中国男性——光这一画像在全球就有约 900 万人。杂志甚至用合成照片做出了一张"最典型的脸"。他们还预测，到 2030 年左右，随着人口结构变化，这个"最普通的人"会变成印度男性。
注意，这里的"平均"是众数（mode）意义上的：它找的是人群中人数最多的那一格，所以它确实对应真实的、能被找到的活人。视频用这个开头，是先给你一颗定心丸——"看，平均人在这儿"。但这是陷阱的诱饵。因为一旦你把"普通"从单一维度扩到很多维度，一切都变了。（以下为延伸梳理）
视频真正的杀招，是把"平均"从一个人口学游戏升级成一个哲学陷阱。要理解它，得回到这个概念的源头。
"平均人"这个概念是 1835 年比利时天文学家 凯特勒（Adolphe Quetelet） 发明的，他称之为 l'homme moyen（平均人）。凯特勒是天文统计出身，习惯了用多次观测取平均来消除误差、逼近"真实值"。他把这套方法搬到人身上：身高、体重、胸围……全部取均值，拼出一个"理想型"，并认为偏离这个平均就是"误差"，是不完美。
这个想法影响深远，但也埋下了 200 年的祸根。后来 高尔顿（Francis Galton） 就质疑过：人和星星不一样，星星观测值的散布是测量误差，而人之间身高的差异不是"误差"，是真实的个体差异。换句话说——平均只是描述群体的一句总结语，它不是任何一个具体个人的样子。视频的核心论点，本质上就是把高尔顿这个被历史淡化的警告，用 2026 年的方式重新讲了一遍。
视频用来钉死"平均人"棺材板的那颗钉子，是科学史上最漂亮的一则实例——这也是整期视频我最想替你记住的部分。
1952 年，美国空军的吉尔伯特·丹尼尔斯（Gilbert S. Daniels）做了一个让人崩溃的测量：他量了 4063 名飞行员的身高、坐高、肩宽、手臂长、腿长等一系列身体维度，然后问一个看似天经地义的问题——有多少飞行员，在所有这些维度上同时"接近平均"？
答案是：零。
更扎心的是细节：哪怕你把"平均"放得很宽（取均值上下 30% 的范围），落在"平均身高"区间的飞行员也只有约 3.5%。当你把两三个维度叠加起来同时要求"平均"时，符合的人就呈指数级暴跌；等叠加到十来个维度，4063 人里几乎挑不出一个。结论冷酷而清晰：为"平均飞行员"设计的座舱，配不上任何一个真实飞行员。
这件事直接催生了现代 人因工程（ergonomics） 的核心理念：别再造"给平均人的座舱"了，改成可调节的——座椅前后上下能调、踏板能调、操纵杆能调，让座舱去迁就每一个具体的飞行员，而不是逼所有飞行员去迁就一个不存在的平均。（这一案例后被哈佛教育学院的 Todd Rose 在 2016 年的《The End of Average》一书中广为传播，视频很可能引用了它。）
你可以用一句初中数学彻底理解上面那个零的来源。把"平均人"的塌方抽象成一个公式：符合平均的人 ≈ p^k。其中 p 是单维度下落在平均区间内的人数比例，k 是你同时考察的维度数。
举个最宽松的例子，假设 p = 0.5（一半人算"平均"，已经宽得离谱）。那么当维度 k = 1，还有 50% 的人合格；k = 2，剩 25%；k = 3，剩 12.5%……到 k = 10，只剩 1/1024，约 0.1%。如果 p 取更现实的 0.05（只有最中间 5% 算"平均"），k = 4 时就已经是 0.05⁴ ≈ 百万分之六。
这就是"维度诅咒"在平均人身上的具体表现：维度每多一个，"平均人"就缩小一截；维度一多，平均人比中彩票还稀罕。 一个人可以在身高上很普通，但鞋码偏偏偏大、臂展偏偏偏长、视力偏偏偏离均值——每个人都是一张"锯齿状"（Todd Rose 称之为 jagged）的剖面图，没有谁能在所有锯齿上都正好落在中间。视频的标题"The World's Most Average Person"，潜台词正是这个：你越认真去找他，他越不存在。
视频若要彻底坐实"别迷信平均"的结论，还有一件统计学镇山之宝值得拿出（此为延伸，用于加深理解）。1973 年，统计学家 安斯库姆（Francis Anscombe） 构造了四组数据，它们的均值、方差、相关系数、甚至回归直线完全一模一样——但画成散点图，却是四张截然不同的画面：一条直线、一条曲线、一个被异常点拉偏的直线、一堆竖直的散点。
这就是著名的 安斯库姆四重奏（Anscombe's Quartet）。它的杀伤力在于：当只看"平均"这类汇总数字时，四组数据骗你说它们"本质上一样"；可一画图，真相就露馅。2017 年，Matejka 和 Fitzmaurice 甚至造出了"数据龙之十二图（Datasaurus Dozen）"——把同一个恐龙形状的散点扭曲成长方形、圆形、X 形，而均值方差相关系数照样纹丝不动。
这跟"平均人"是同一个病根：汇总统计量是压缩信息的工具，压缩必然丢失个体形状。你把 70 亿人压成一个均值，丢掉的恰恰是"为什么没有一个人像它"的全部原因。
讲到这里，视频的实用主义落点呼之欲出。既然"平均人"不存在，那所有"为平均人设计"的产品和服务，本质上都在系统性地冷落大多数人。
座舱的解法给出了一条普适原则：别为"单点"设计，要为"区间"设计。可调节座椅就是区间设计的物化——它承认人各有别，与其造一把"平均椅子"谁都不舒服，不如造一把"能变成任何人的椅子"。这个原则今天正在每一个领域复刻：服装的尺码分档、显示器的俯仰调节、键盘的腕托高度、软件的设置项，甚至"无障碍设计"（accessibility），其底层哲学都是同一句——为分布的宽度而设计，而非为均值的那个点。
视频的高明在于，它没把这讲成一个抽象口号，而是用 1952 年那架飞机、4063 个飞行员的身体，让你亲眼看到"为平均造"会怎么失败，又亲眼看到"可调节"怎么把失败救回来。
把镜头拉到 2026 年，这个反平均的洞察正在三个前沿同时引爆。
医疗：传统用药剂量常按"平均体重/平均肝肾功能"计算，但药物代谢的个体差异可以差一个数量级（这就是"治疗窗"问题的根源）。今天的精准医疗（precision medicine）、按基因型调剂量、药代动力学个体化建模，本质都是放弃"平均病人"模型，转而为具体的人给药。
教育：把全班按"平均学生"的进度一刀切授课，正是凯特勒式思维的遗毒。掌握式学习（mastery learning）、自适应学习系统、按能力而非年龄分组的培养，都在打破"为平均学生设计课程"的惯性——这恰好呼应了已被覆盖的"一对一辅导碾压课堂"和"看例题胜过刷题"背后的同一逻辑：每个学习者都是锯齿状的，没人正好踩在平均线上。
AI：大模型的个性化、推荐系统的千人千面，其实也是同一种纠偏——放弃"为平均用户"输出同一份答案，转而为每个人的锯齿画像做适配。甚至可以说，整个"个性化"浪潮，就是人类用算力偿还凯特勒在 1835 年欠下的那笔"平均债"。Kurzgesagt 选在 2026 年讲这个故事，时机恰到好处：当 AI 让"为每个人单独造一座座舱"第一次在经济上变得可行，"平均人"这个 200 年的幽灵，终于到了可以收摊的时候。
graph TD
A["「平均人」的源头<br/>Quetelet 1835 · l'homme moyen<br/>把人当星星取均值"] --> B{"两种「平均」"}
B --> C["众数式平均<br/>最常见的那一格<br/>对应真实可找的人<br/>NG 2011：28岁汉族男性"]
B --> D["多维平均<br/>所有特征都取均值的人<br/>谁都不是 · 统计幻觉"]
D --> E["1952 座舱实证<br/>4063 飞行员 × 多维度<br/>0 人完全合身"]
D --> F["数学本质<br/>命中率 ≈ p 的 k 次方<br/>维度越多 平均人越快归零"]
E --> G["解决思路<br/>为区间而非单点设计<br/>可调节 · 人因工程诞生"]
F --> G
G --> H["2026 现代回响<br/>精准医疗 · 自适应教育 · 个性化AI<br/>用算力偿还200年的「平均债」"]
C -.被视频用作诱饵.-> D
对产品人和设计师：下次再听到"为普通用户设计"，先按 p^k 在脑子里过一遍。你每多纳入一个维度，"平均用户"就缩水一截；纳入十个维度，你的目标用户可能只剩千分之一。真正可持续的做法是设计"可调节的区间"——让产品能适配从矮到高、从慢到快、从新手到专家的整条分布，而不是赌一把所有人都卡在均值。这也解释了为什么无障碍设计（accessibility）不是"为少数人做的善事"，而是"为分布的两端做的工程"——它让产品天然覆盖更宽的人。
对学习者：别用"平均进度"丈量自己。锯齿状的剖面意味着你在某些维度远超均值、某些维度落后，这再正常不过。更聪明的策略是识别自己的锯齿形状，把资源砸在最长的那根尖刺上，而不是焦虑于补齐每一根短的——补齐所有短板去逼近一个不存在的"平均人"，是性价比最低的成长路径。（这与"认知负荷分清两种难""看例题胜过刷题"指向同一个体感：学习要顺着个体的形状走。）
对管理者和数据人：永远把"均值"和"分布"一起报告。一条均值曲线底下，可能藏着 Anscombe 四重奏那样的四套真相；一个"平均转化率"可能掩盖两个行为截然相反的人群（Simpson 悖论）。汇报时多画一张分布图、多切一个分群，你就比 90% 只报均值的人更接近真实。
对所有人：你不必为偏离平均而焦虑——因为根本不存在一个"标准的你该长成的样子"。凯特勒当年的失误，就是把人当成了可以消除"误差"的星星；而你是人，不是观测值。
Kurzgesagt 用 1952 年那架谁都不合身的座舱告诉你："平均人"是个 200 年的统计幻觉，真正值得设计的从来不是均值那个点，而是分布的宽度——为区间而非单点设计，是数据时代最该补的一课。
本文由「51学通信」技术团队出品。51学通信由通信行业18年老兵爱卫生（微信ID: gprshome201101）维护，聚焦5G/6G核心网、3GPP标准解读、通信前沿技术深度分析。 出版作品有《5G核心网原理与实践》《IMS原理与实践》等4本通信专业书籍。知识星球「51学通信」提供深度技术答疑和行业洞察。
[!tip] 51学通信知识星球 星主：爱卫生（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 星球定位：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 当前规模：5200 篇主题 / 990 个回答，198 元/年。 加入福利：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 AI 加持：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。