什么是 ICM
ICM（Independent Chip Model，独立筹码模型） 把每位玩家的 当前筹码量 映射为 最终各名次概率，再乘以对应奖金，得到 美元期望（$EV）。它与第 4 课的核心结论一致：锦标赛筹码不等于现金面值。核心直觉是 边际递减：在奖金结构下，同样 +1000 筹码，从 0→1000（获得上桌与轮转空间）对 $EV 的拉升，通常 大于 从 1000→2000 的拉升；越往后，等量筹码的 奖金换算增量 越小。
ICM 假设：全下对决时，获胜概率 ≈ 己方筹码 / 双方筹码之和（忽略牌力差异时用于名次概率的近似；实战决策仍要结合手牌与范围）。该模型在 多桌接近同步全下 等复杂情形有局限，但对 泡沫、钱圈、决赛桌 的定性结论非常可靠。
边际递减的直觉
同样增加 1000 筹码：短码 可能显著抬高进圈或跳名的概率；巨码 再拿 1000，对最终夺冠概率的提升 小于线性。因此 +筹码期望（cEV）为正 的全下或跟注，在 ICM 重压下 常为 $EV 负——第 4 课已强调，本课给出可操作的决策含义。
泡沫期（Bubble）
泡沫 指尚未进钱圈、再淘汰一人即全员进圈的阶段。
- 短码：被 ICM 惩罚最重，过度冒险 会烧掉大量 $EV；许多边缘 +cEV 的跟注应 弃牌。
- 大码：可利用对手 过紧，扩大偷盲、施压全下，因为对手 正确跟注范围变窄。
识别 谁真正怕出局（奖品结构、心理、短码堆叠）是剥削关键，与第 5 课 剥削思维 叠加。
进钱圈（In the Money）之后
进圈后 立刻的死亡风险 略降，但 名次奖金梯度 仍存在。短码仍应避免 无必要的 coin flip；大码在 奖金跃迁不大 的区间可更技术化。随着人数减少，每一名的奖金差 对决策影响重新放大，为决赛桌预热。
Final Table ICM
决赛桌每淘汰一人，剩余选手的 名次组合与奖金表 改变，所有人的 $EV 都会重算——通常 存活者的期望上升（奖池更集中、名次上移）。大码互撞时 双败 对双方 $EV 伤害极大，有时会出现 看似保守的弃牌 在 $EV 上正确；短码反而在某些 spot 被迫冒险，因 盲注侵蚀 与 名次锁定 的双重压力。
cEV 与 $EV
- cEV（chips EV）：以 筹码增量 衡量的期望，适合深码早期、接近现金思维的阶段。
- $EV：以 奖金 衡量的期望，ICM 下与 cEV 常背离。
决策口诀：早期重技术 +cEV，关键奖金跃迁附近用 $EV 过滤。
ICM 对全下的影响（边缘牌）
泡沫或决赛桌，手持 边缘跟注范围（如中等对子面对全下）时，即便 底池赔率 + cEV 略正，ICM 可能要求 弃牌：你保全的不仅是筹码，更是 当前名次对应的奖金期权。反之，大码对短码施压 时，对手 过弃 会放大你的 偷取期望——这是结构化的剥削，而非单纯「凶」。
简单数值示例：3 人 SNG，奖池 50% / 30% / 20%
设总奖池为 100 单位（冠军 50、亚军 30、季军 20），仅说明 筹码分布与 $EV（ICM 标准算法：夺冠概率 ∝ 筹码占比；再递归计算第二名、第三名概率）。
情况 A：筹码 10,000 / 10,000 / 10,000（均等）
对称 ⇒ 每人名次分布相同，$EV ≈ (50+30+20)/3 ≈ 33.3。
情况 B：筹码 7,000 / 2,000 / 1,000
筹码领先者夺冠与前列概率显著更高，$EV 约 43.5；中间约 30.9；最短约 25.6（标准 ICM 下三者精确值之和为 100.0；上文为四舍五入示意）。
对比可知：7000 筹码的持有者并未拿到 70 单位奖金期望——筹码转奖金 高度非线性，这正是 边缘全下要折让 cEV 的量化背景。
实战中用 ICM 计算器 输入剩余人数、奖金表与筹码堆即可；本课要求你掌握 为何算、何时算，而非手算每一位小数。
下一步
把 ICM 放回更大的游戏形态对比中：现金桌 vs 锦标赛。