2000 年第一季度，亚马逊的股价最高到过 91.50 美元。到 2001 年第三季度，最低到过 5.97 美元。那年年初，公司宣布重组，裁掉约 1300 个职位。它从开张起就在亏钱，年报还提醒投资者：在可预见的将来，亏损可能还会继续。
就在这个当口，2001 年 7 月，亚马逊降价了：20 美元以上的图书，一律按标价打七折。
一家亏钱的公司降价，看上去很像清仓甩卖，那种熬过一个坏季度、只做一次的动作。
几个月后，杰夫·贝佐斯在致股东信里换了个说法：「专注于改善成本，使我们付得起降价，降价带动增长。增长把固定成本摊到更多销售上，单位成本降下来，又让更多降价成为可能。」接着他加了一句，清仓甩卖的公告里绝不会有：「请预期我们会一再重复这个循环。」
给循环起个名字
那年秋天，在降价之后、写信之前，亚马逊请商业作家吉姆·柯林斯来，和贝佐斯及几位高管对谈。照柯林斯的说法，那时「正赶上互联网泡沫破裂，有人在怀疑亚马逊还能不能（或者怎么）缓过来」。他讲的是自己刚出版的《从优秀到卓越》里的一个想法：飞轮。
柯林斯请你想象一个金属圆盘，直径约 30 英尺，厚 2 英尺，重约 5000 磅。第一下几乎推不动。推上两三个小时，才转完一圈。你朝同一个方向接着推，每一圈都从上一圈的速度起步，直到轮子自身的分量开始替你使劲。事后要是有人问，是哪一下让它飞转起来的？答不上来。是每一下加在一起。
没有哪一下能把轮子推起来，每推一圈，下一圈就省力一点。
柯林斯在对照组公司身上看到的是反过来的样子：大张旗鼓地推出一个新计划，停下，转向，把轮子往另一个方向猛推，然后再停、再转。他管这叫「厄运循环」。
先后顺序值得记一笔：降价是亚马逊自己先做的，「飞轮」这个词是柯林斯后来带来的。他写道，亚马逊团队「一把抓住了飞轮这个概念」；在他看来，要紧的是贝佐斯和团队把一份好心意变成了一个能反复转的循环。落到信里，是一串环节：成本降下来，价格降下来，增长，固定成本摊到更多销售上，成本再降。每一个箭头都在说，前一件事会带来后一件事。每一个箭头，都可以拿来检验。
那个不成立的箭头
飞轮就坏在这里。白板上画出来的循环只是一个假设，哪怕只有一个箭头不成立，你再使劲推，轮子也可能转不起来。
柯林斯自己的证据，也该这样较真。《从优秀到卓越》挑的是已经成功的公司，再回头去找它们的共同点。经济学家史蒂文·列维特 2008 年指出，按书出版以来的表现，把书里这十一家公司做成一个组合，看起来会跑输标普 500。飞轮把已经存在的势头描述得很好，可它证明不了，只要使劲推，势头就一定会来。
想象你带一个小客服组，每个季度都推一个新举措：先是满意度调查，再是聊天机器人试点，然后换一张新的工单表。每一样都从零开始。于是你改画一个循环：每答完一个问题，就写成一篇帮助文章；文章减少重复工单；重复工单少了，每天腾出一小时；这一小时，再拿去写文章。
然后你一个月查一个箭头。如果有了帮助文章的那些问题，重复工单并没有变少，第二个箭头就断了。你会在推满一年之前就知道。
用数据做的轮子
AI 产品也有自己的飞轮故事。投资人马丁·卡萨多和彼得·劳滕 2019 年这样概括：「数据越多，推荐越准；推荐越准，客户越多；客户越多，数据又更多……这就是那个有名的『飞轮』。」
他们这篇讲企业级创业公司的文章认为，从「数据更多」到「产品更好」这个箭头，常常越来越弱。他们引用了 Eloquent Labs 的阿伦·查甘蒂对一款客服聊天机器人所收问题的研究：数据能覆盖的客户意图比例，逼近 40% 就到了顶。过了某个点，他们写道，补进独特数据的成本可能越来越高，每一条新数据的价值却越来越低。他们也说，这个点在哪儿，因领域而异。
如果你的计划靠一个数据循环，就像检验别的箭头一样检验它。留出一份固定不动的测试集，每进来一批新数据，就重新训练或者重新评估一次，把质量和数据量画在一张图上。曲线还在往上走，说明这个箭头暂时成立；曲线变平了，说明再多的数据也推不动轮子了，下一把力得从别处来。
贝佐斯一直用着这个词。在 2014 年度的致股东信里，写到让外部卖家在亚马逊自己的商品页上竞争，他写道：「这种混合模式的成功，让亚马逊的飞轮转得更快了。」