高维空间：为什么箭头越多"量尺"，就越谁也不挨着谁

一条走廊里迎面走来一个人，你俩必然撞见。同样两个人扔进一栋十层楼里，一整天可能一次都碰不上——能躲的方向多了，撞上就变成了稀罕事。

场景问题

学校要给全校同学做"兴趣配对"，把兴趣最像的两个人分到一组。

第一次，老师只问了一个问题：你喜欢运动的程度，1 到 10 分打几分？

结果全校 800 人挤在 10 个格子里，一抓一大把"完全一样"的人。老师说这不行，配出来的组全是碰巧。

第二次，老师问了 50 个问题：运动、看书、画画、打游戏、做饭、养猫、听歌、拼乐高……每项都打分。这回出事了——几乎每两个人算出来都"不太像"，连最好的一对朋友，分数看着都挺疏远。

老师有点慌：是不是问题问多了反而不准了？

其实老师没做错任何事。她只是撞上了一件很反直觉的事：当"量尺"从 1 根变成 50 根，"像"这件事本身的稀有程度，被彻底改写了。这一篇就是讲这件事。

实现方案

一根量尺 = 一个维度

先把话说明白：这一篇说的"维度"，就是互不干扰的量尺有几根。

• 只问"运动打几分"——1 根量尺，1 维
• 再加一问"看书打几分"——2 根量尺，2 维。这时每个人是方格纸上的一个点，就是第一篇那根箭头
• 问 50 个问题——50 根量尺，50 维

"互不干扰"这个词很关键：运动分怎么变，都不会自动改变看书分。每根量尺各管各的，这才叫多出来一个维度。

50 维的图我们画不出来，但不用画——箭头的一切算法（加减、数乘、点积）在 50 维里跟在 2 维里一模一样，只是每一步多算几项而已。看不见不等于不会算。

量尺一多，格子数就炸了

先看一件最直观的事：每根量尺分成 10 挡，一共有多少种可能的组合？

每加一根量尺，格子数就乘一次 10，不是加。3 根量尺已经 1000 个格子，50 根量尺的格子数是 10 后面跟 50 个 0——比全宇宙的原子数还多得多。

全校 800 人撒进这么多格子里，两个人恰好落在同一格附近，本来就是极小概率的事。老师的第二次配对没做错，只是她在一片汪洋里找两粒挨着的沙子。

量尺一多，随便两根箭头就都快垂直了

格子变稀疏还只是第一步。真正反直觉的在这里。

回到第九篇：两根箭头的余弦衡量它们"有多顺"，1 是完全同向，0 是垂直，-1 是完全反向。

现在随便抓两根箭头，算它们的余弦。量尺根数不同时，这个数会长什么样？

2 根量尺时：随便两根箭头，余弦什么值都可能，0.8 一点也不稀奇——在平面上随手画两根箭头，它们夹角小于 37 度的机会本来就有四成左右。

200 根量尺时：几乎所有随机箭头对算出来的余弦都紧贴着 0。也就是说，高维空间里随便两根箭头，几乎必然接近互相垂直。

为什么？回想点积的坐标算法：对应位置相乘再相加。每一项的正负基本是碰运气，200 项正负掺着加，互相抵消得非常干净，总和自然贴着 0。量尺越多，抵消得越彻底。

这就是"十层楼里碰不上"的数学版本：能岔开的方向太多了，正好走同一条道成了稀罕事。

所以"余弦 0.8"到底算不算像

现在可以回答开头老师的困惑了。同一个余弦数值，在不同量尺根数下的含金量完全不同：

老师第二次的配对没变差，反而变准了——只是她得换一把尺子来读那个分数。50 维下算出 0.6，比 1 维下算出 0.95 有说服力得多。

判断"像不像"，永远要连着量尺根数一起看，光看余弦数字大小是读不出结论的。

那量尺是不是越多越好

也不是。量尺变多有个躲不掉的代价，就是前面那张图说的：格子数爆炸，人被摊得越来越稀。

• 量尺太少：大家挤成一团，谁跟谁都"像"，分不出差别
• 量尺太多：人人都离得老远，而且每加一根量尺，都需要更多的样本才能看出规律，否则算出来的"像"全是噪声

这个"量尺一多，数据就被摊薄"的麻烦有个名字，叫维度灾难——意思就是"维度太高带来的麻烦"，不是什么灾难片。所以实际用的时候总要挑一个中间的根数：多到能分辨，又不至于稀得没法学。

为什么这么做

为什么不干脆多加量尺，反正越多分得越细？

因为每加一根量尺，需要的样本数就得跟着涨一大截，否则你看到的"规律"全是噪声凑出来的。量尺根数是在"分得开"和"喂得饱"之间挑一个折中，不是越大越好。

为什么高维里随机两根箭头几乎垂直，这不是很奇怪吗？

不奇怪，是我们的直觉只在 2、3 根量尺里练过。点积是把对应位置相乘再相加，每一项的正负基本靠碰运气；项数一多，正负互相抵消得越来越彻底，总和自然趴在 0 附近。项数越多，抵消越干净。

为什么这反而是好事，而不是坏事？

正因为"随便两根箭头都接近垂直"，一旦某两根箭头的余弦明显不等于 0，那就一定不是碰巧——它们之间真的有关系。高维空间把"巧合"的门槛抬得极高，于是剩下的信号格外可信。这就是为什么用几百上千根量尺来描述一段文字，比用两三根靠谱得多。

为什么别的选择不行

错误直觉一：把 3 维的感觉直接搬到高维

"不就是 3 维再多加几根轴嘛，感觉应该差不多。"

差得远。在 3 维里，随便两根箭头夹角小于 45 度是很常见的事；在 500 维里，这种事的概率小到可以当作永远不会发生。低维里的"常见"，在高维里可能是"几乎不可能"，反过来也一样。

所以高维里不能靠脑补一个立体图形来判断，只能靠算——好在算法跟 2 维完全一样，多算几项而已。

错误直觉二：以为量尺越多越好

多加量尺看起来只有好处：描述更细致嘛。但每加一根量尺，可能的组合数就乘一次，同样多的样本会被摊得更薄。

摊到最后，任意两个样本都离得老远，你以为算出来的"最像的一对"其实只是噪声里最大的那一坨。量尺根数要够用，但不能超过样本喂得起的程度。

错误直觉三：以为余弦数值可以脱离量尺根数谈大小

"0.8 肯定比 0.3 像啊。"

只有在同一套量尺下比较才成立。跨着量尺根数比大小是没意义的：

• 2 根量尺下的 0.8：随手画两根箭头就能撞上，基本等于没说
• 1000 根量尺下的 0.3：已经是个非常显眼、几乎不可能碰巧的信号

余弦是一个相对量，不是绝对分数。 换了量尺根数，及格线就得跟着换。

沉淀结论

1. 维度就是"互不干扰的量尺有几根"，箭头的所有算法在多少维里都一样，只是多算几项
2. 量尺每加一根，可能的格子数就乘一次——样本被摊得越来越稀，这个麻烦叫维度灾难
3. 量尺一多，随便两根箭头就几乎必然接近垂直，余弦紧贴 0——因为正负项互相抵消得很干净
4. 正因如此，高维里一个明显偏离 0 的余弦，几乎不可能是巧合，信号格外可信
5. 余弦数值必须连着量尺根数一起读：2 维下的 0.8 没信息量，1000 维下的 0.3 是强信号

记忆口诀

维度就是量尺有几根。
量尺每加一根，格子数乘一次，人就被摊稀一层。
量尺一多，随便两根箭头都快垂直，余弦贴着 0。
所以高维里余弦一旦不为 0，就不是碰巧。
看余弦别只看数字，先问一句：几根量尺？

延伸阅读

• embedding 的维度为什么动辄 768、1536：正是本篇的结论在挑那个折中——少了分不开，多了摊太稀。详见大模型核心原理。
• 向量检索为什么敢用余弦当判据：因为在上千根量尺下，余弦明显偏离 0 几乎不可能是巧合。详见RAG 架构。

自测：合上资料能说清楚吗？

1. 为什么量尺根数一多，随便抓两根箭头就几乎必然接近垂直？

2. 同样是"余弦 0.8"，在 2 根量尺下和在 1000 根量尺下，含金量一样吗？

3. 既然量尺越多分得越细，为什么不无限加下去？

4. 老师从问 1 个问题改成问 50 个问题后，发现"几乎每两个人都不太像"。她做错了吗？

5. 高维里"随便两根箭头都接近垂直"，这件事对做检索来说是好消息还是坏消息？