文理分科的決定如同一枚投入水中的石子，在古民心里激起的不是短暫的漣漪，而是一連串急待解答的后續問題。方向已定，航線圖也已勾勒出“物理攻堅”的大致輪廓，但當他真正站在這條名為“理科”的航道上，手握所剩無幾的高中時間和恒定不變的二十四小時，面對六門功課如同六片需要開墾、但貧瘠程度和產出預期迥異的土地時，一種熟悉的、被資源緊箍咒束縛的壓迫感再次襲來。這不再是“學什么”的戰略問題，而是“如何在有限精力下，讓每一分鐘的學習，都產生最大的高考總分增量”的戰術執行問題。
他隱約感到，僅憑“哪里不會點哪里”的樸素直覺，或者“平均用力、水桶理論”的常規勸誡，不足以應對這場復雜博弈。每一門學科，對他而，都像一個獨特的投資項目。投入的“本金”是時間與專注力，期望的“收益”是穩定的分數提升。然而，這些“投資項目”的“收益率”天差地別，更關鍵的是，它們的“風險”屬性截然不同――有些科目的成績如磐石般穩定，付出必有可見回報；有些則如風中殘燭，投入大量心血，可能因一次思路卡殼、一道題審題偏差就前功盡棄，分數波動劇烈。
他想起了秦老頭。不是便利店那個暮氣沉沉的老陳，而是更久以前，在父親還未出事、家里尚有閑錢訂閱財經雜志時，他在某篇專欄文章中瞥見的一個名字和一段話。那篇文章在分析基金表現時，提到了一個叫“夏普比率”的指標。大意是說，不能光看誰賺得多，更要看賺這些錢承擔了多大的波動風險。夏普比率高的基金，意味著每承擔一單位的風險，能換來更多的超額回報，是更“聰明”的錢。這個當時覺得遙遠又精妙的概念，此刻像一顆埋在記憶深處的種子，被“精力投資”的困境催發，驟然破土，舒展出令人心悸的聯想枝葉。
如果把每個學科看成一個“投資項目”，那么，是否存在一個“學科精力投資組合”的“夏普比率”？我追求的，不應僅僅是總分的期望提升（收益），還應該考慮總分提升的穩定性（風險）。我需要做的，是在有限的總精力預算下，分配各科的學習時間，使得整個“學習投資組合”的“單位風險調整后預期提分”最大化。
這個念頭一旦形成，便如磁石般吸附了他全部的思考。他立刻從“該多學物理還是數學”的糾結中跳脫出來，進入了一個更抽象、也更令他興奮的建模世界。這不再是感性的權衡，而是一個可以定義變量、建立關系、尋求最優解的量化決策問題。他擅長的，正是這個。
第一步是定義關鍵參數。他需要為語文、數學、英語、物理、化學、生物這六個“資產”分別估算兩個核心指標：預期提分效率和風險系數。
預期提分效率，他將其粗略定義為：在當前的分數水平下，每額外投入一小時高質量學習，預期能為該科目帶來的分數增長。這絕非固定不變，它會隨著分數提高、知識點難度變化而遞減，但在當前階段，他可以估算一個初始值。他調動起所有的自我觀察和歷史數據：數學，他思維流暢，基礎扎實，解決一道典型難題帶來的通透感，往往能輻射到一類題目，他估其初始效率為“高”。物理則截然相反，那些力學板塊、電磁綜合題，常常消耗他整晚時間卻可能仍在原地打轉，但一旦突破某個關鍵模型，又能帶來可觀的分數躍進，其效率“不穩定但潛在價值大”。語文和英語，他感覺像在打磨一塊溫潤但堅硬的玉石，長時間浸潤或許有效，但短期、單位時間內的提分感知非常微弱，屬于“低效率”。
僅有“效率”還不夠。風險系數才是“夏普比率”思維的精髓。他需要量化各科成績的“波動性”。他調出過去一年的成績單，計算各科分數的標準差。數學的標準差最小，成績曲線平穩得像一條緩坡；物理的標準差最大，峰谷交替，宛如心跳驟停的心電圖。語文和英語則居中，但它們的“風險”還來自別處――作文的離題風險、閱讀理解的思路與標準答案的微妙偏差，這些難以預測的“主觀性風險”，他必須通過主觀評估將其量化。他給數學的風險系數打了最低分，物理最高，語文和英語則因其評分的主觀不確定性而獲得了較高的風險評分。化學和生物，作為理科中的“文科”，記憶成分重，規律性強，被他評估為中等效率和中等偏下風險。
在草稿紙上，他為六門科目畫下了六個虛擬的“投資卡片”，每張卡片上都有他基于經驗和數據估算出的“效率風險”特征。僅僅完成這一步，他就感到眼前混沌的決策局面清晰了許多。他不再面對六個名稱，而是面對六種不同風險收益特征的“金融產品”。
接下來是最關鍵的步驟：優化求解。假設他下周可用于自主攻堅的學習時間總額是三十小時（這已刨除上課、作業、必要休息）。他需要將這三十小時，像分配投資資金一樣，分配到六張“卡片”上，使得最終“投資組合”的“整體單位風險預期提分”最高。這涉及權衡：是繼續加倉已經具備“低風險、高效率”特性的數學，以鞏固基本盤？還是將重兵投入“**險、潛在高收益”的物理，以求突破瓶頸？亦或是少量配置“低效率、中**險”的語文英語，僅僅為了“避險”和“滿足最低配置要求”？
他嘗試在腦中模擬幾種分配方案。方案a：平均分配，每科五小時。這看起來公平，但忽視了資產特性的巨大差異，就像把資金平均投入股票、債券、期貨，必然不是最優。方案b：重點進攻物理和數學，其他維持。這似乎更符合直覺，但他擔心會否在語文英語上“爆雷”，導致總分波動過大。方案c：完全根據“效率”高低分配，忽略風險。這可能導致組合過度暴露在物理的波動風險下，一旦物理攻堅受挫，滿盤皆輸。
他需要更系統的工具。憑借自學過的簡單優化思想和excel的基本功能，他嘗試構建一個極簡的數學模型。他將各科的預估效率和風險系數代入，將總時間設為約束條件，目標函數設為“風險調整后的總預期提分”。雖然模型參數充滿主觀估測，但計算過程本身強迫他進行更嚴格的思考。
模型給出的理論最優解，與他最初的直覺既有吻合，也有驚人的背離。吻合之處在于：物理和數學獲得了最高的時間配比，物理因其巨大的提升空間（盡管風險高）而獲得了最大的一塊時間蛋糕，數學則憑借其卓越的“風險調整后收益”穩居第二。化學和生物作為“穩定器”，獲得了適中且穩定的配置。最大的背離出現在語文和英語上。模型冷靜地顯示，基于他當前估算的低效率和中**險，將大量時間投入這兩科，對提升“投資組合”整體“夏普比率”的貢獻極低。模型建議，只需分配最低必要的時間，用于維持基本技能不退步、完成老師要求的任務即可，應將節省下來的寶貴時間，重新配置到效率更高或戰略性更強的科目上。
這個結果讓古民停頓了。這違背了他從小接受的“不偏科”的教育信條，也挑戰了他內心“努力就該均等”的道德感。但模型的邏輯是冰冷而自洽的：在資源極度稀缺、目標極度明確（高考總分最大化）的前提下，情感性的“公平”和道德性的“努力”，必須讓位于決策性的“效率”和“風險控制”。對語文英語的“戰略性輕視”，不是放棄，而是基于理性計算的資源最優配置，是一種更高階的“努力”――將努力用在刀刃上。