登录后参与评论
今天咱们来聊聊一个超有意思的话题：复杂的东西是怎么从简单的东西一步步变出来的。这事儿听起来是不是有点像魔法？其实啊，这里面藏着不少门道呢。
先说说那个SpaceX的猛禽发动机吧。你要是看过它的设计图，就会发现，这玩意儿从最早的设计到现在的版本，变化可太大了。最早的时候，工程师们可以随便折腾，想改厚度、改宽度、换材料，随便怎么改都行。为啥呢？因为那时候还没搞清楚到底啥设计最好用。但是到了现在，这发动机已经快成艺术品了，能动的地方少得可怜，因为该有的都有了，多余的都砍掉了。
这就引出了一个特别有意思的观点：复杂的东西，往往是从简单的东西经过无数次折腾才出来的。就好比大自然里的那些复杂系统，其实都是从一些超级简单的东西，经过无数次迭代才变成现在这个样子的。咱们再看看人工智能，那些厉害的AI，其实也是从一些简单的算法开始，然后不停地往里塞数据，慢慢地就变得越来越聪明了。
但是反过来就不行了。要是你一开始就想设计一个超级复杂的系统，然后直接把它弄成一个大系统，那基本是会崩溃的。为啥呢？因为复杂的东西太难控制了，稍微有点不对劲，整个系统就乱套了。
所以啊，很多产品设计的精髓就在于，先折腾自己的设计，直到找到那个最简单、最有效的东西。很多时候，你一开始会加进去很多不必要的东西，等折腾完了，才发现这些多余的玩意儿其实都可以扔掉。就像苹果电脑和苹果手机，苹果手机用起来简单多了，因为它更接近那种“理想中的操作系统”。以后要是有了那种能用自然语言操作的系统，那估计就更厉害了。
说到这儿，就得提提埃隆·马斯克了。这哥们儿有个特别厉害的本事，就是他总是先问清楚到底为啥要有这个要求。比如，他发现特斯拉电池线上有个环节特别慢，就直接去现场研究。最后发现，原来有个环节是多余的，直接砍掉就好。这就是他的方法：先砍掉那些不必要的东西，然后再去优化剩下的部分。
其实啊，真正能把一个产品从无到有做好的，往往是一个能“hold住全场”的人。这个人不一定非得是设计师，也不一定非得是制造专家，但他得能明白为啥每个部件都在那儿，要是把一个部件拿掉，其他部件会受到啥影响。这种人，简直就是产品的“灵魂画师”。
说到这儿，还得提提“通才”和“专才”的事儿。现在很多人都说自己是“通才”，其实他们只是不想承认自己啥都不精。真正厉害的是那种“多面手”，他们啥都能懂一点，至少能明白个大概，这样就能做出明智的权衡。
那怎么才能成为这种“多面手”呢？有个特别简单的方法：去学物理。为啥呢？因为物理就是研究这个世界是怎么运转的。学好了物理，你就能轻松搞定电气工程、计算机科学、材料科学，甚至数学和概率论。为啥呢？因为这些都是物理的“亲戚”。那些在各个领域混得特别好的人，很多都有物理背景。为啥呢？因为物理这东西太“实在”了，它不会骗你，也不会让你相信那些没用的东西。
不过，要是你没学过物理，也别灰心。你可以找那些懂物理的人合作，或者自己动手折腾。那些喜欢动手的人，才是真正走在知识前沿的人。比如，那些在无人机还没火的时候就开始自己做无人机的人，或者在机器人还没普及的时候就开始做机器人的人，他们才是真正懂行的人。
总之，复杂的东西都是从简单的东西一步步变出来的。咱们要是想做出厉害的东西，就得学会从简单开始，不停地折腾，直到找到那个最简单、最有效的方法。就像做饭一样，一开始啥调料都往里放，最后才发现，其实少放点，味道更好。
Nivi： 我们都见过太空探索公司火箭的猛禽发动机的照片，如果你观察各种迭代版本，它们从容易修改到难以修改。因为最新版本几乎没有多少可以随意更改的部件。
早期版本有成千上万不同的部件，你可以修改其厚度、宽度、材料等等。而当前版本几乎已经没有多少部件可以进行修改了。
Naval：在复杂性理论中有一种理论，每当你在自然界中发现一个复杂系统在运作时，它通常是经过反复迭代的一个非常简单的系统或事物的输出。
我们最近在 AI 研究中看到这一点——你只是在使用非常简单的算法，并不断往里面输入更多的数据。它们变得越来越聪明。
反向操作则效果不佳。当你设计了一个非常复杂的系统，然后试图用它来构建一个功能强大的大型系统时，它就会变得一团糟。其中包含太多复杂性。因此，很多产品设计都是在自己的设计上反复迭代，直到找到一个能正常运作的简单系统。而且，你常常会添加一些不需要的东西，然后必须回去从这些杂乱中提取出简洁性来。
你可以在个人计算领域看到这一点，其中 macOS 仍然比 iOS 更难使用。iOS 更接近操作系统这个理念的完美体现。虽然基于 LLM 的操作系统可能更接近——以自然语言进行交流。
最终，你必须去除一些东西才能让系统扩展，而 Raptor 发动机就是这样一个例子。当你弄清楚哪些方法有效时，你就会意识到哪些是不必要的，然后就可以去除某些部分。
这也是马斯克的一个重要指导原则，他基本上认为：在优化一个系统之前，这通常是最后才做的事情。在开始尝试找出如何提高效率之前，你首先要做的是质疑需求。
你会想：“为什么这个需求还存在？”
在乔根森的新书中，埃隆的方法之一是，你首先要找到需求的来源。而不仅仅是哪个部门提出了这个需求；需求必须来自于个人。
说“这就是我想要的”这个个体是谁。
你回去问，“你真的需要这个吗？”
你消除需求。一旦你消除了不必要的需求，你就会拥有更少的需求。现在你有了部件，你试图尽可能多地去除部件以满足绝对必要的需求。
然后在那之后，也许你开始考虑优化，现在你试图弄清楚如何最高效地制造这个部件并将其安装到合适的位置。最后，你可能会涉及到成本效率和规模经济之类的问题。
将一个伟大的产品从零带到一最关键的人是那个能够将整个问题装在脑海里、做出权衡并理解每个组件为何位于其位置的单个人——通常是创始人。
他们并不一定需要是每个组件的设计者、制造商或了解所有细节的人，但必须能够理解：为什么这个部件在这里？如果部件 A 被移除，那么部件 B、C、D、E 及其需求和考虑又会如何变化？
这就是对整个产品的整体视角。
你在猛禽发动机设计中会看到这一点。埃隆举的例子我认为很好——他试图将这些玻璃纤维垫片更高效地放置在特斯拉电池上。
于是他去了那条效率太低的生产线，把睡袋放下，就留在了那条线上。他们尝试优化将玻璃纤维垫片粘贴到电池上的机器人。他们试图更高效地进行粘贴，或者加快那条生产线的速度。他们确实做了这些努力，虽然有所改进，但速度仍然令人沮丧地慢。
最后他说：“为什么这个要求在这里？为什么我们要在电池上放玻璃纤维垫片？”
电池工程师说：“其实是因为降噪，所以你得去找噪声和振动团队谈谈。”
所以他去了噪音和振动团队。
他问：“为什么我们这里会有这些垫子？噪音和振动的问题是什么？”
他们说：“不，不——没有噪音和振动的问题。它们的存在是因为发热，如果电池起火的话。”
然后他回到电池团队说：“我们需要这个吗？”
他们说：“不。这里没有火灾问题。也不是热防护问题。那是过时的。这是噪音和振动的问题。”
他们每个人都按照他们被训练的方式行事——也就是过去一直采用的方式。他们为了确保安全而进行测试，测试方法是将麦克风放在那里并跟踪噪音，然后他们决定不需要这个部分，于是将其去除。
这在非常复杂的系统和复杂的设计中经常发生。
很有趣——每个人都说自己是“通才”，这其实是他们逃避成为“专家”的一种说法。但真正需要的是一个通才，也就是能够掌握各个专业领域的人，至少达到 80/20 的程度，这样他们才能做出明智的权衡取舍。
Nivi: 我建议人们通过这种方式获得通才的能力——即作为通才能够掌握任何专业领域——如果你打算学习某样东西，或者去学校，就去学习那些覆盖面最广的理论。
Naval： 我会更简明地总结一下，只说研究物理。
一旦你学习物理，你就是在学习现实如何运作。如果你有坚实的物理背景，你就可以学习电气工程。你也可以学习计算机科学。你还可以学习材料科学。你还可以学习统计与概率。你还可以学习数学，因为它是其中的一部分——它是应用性的。
我所遇到的几乎所有领域中最优秀的人才都有物理学背景。如果你没有物理学背景，不要着急。我曾经有过失败的物理学背景。你仍然可以通过其他途径达到那里，但物理学训练你与现实互动，而且它如此严苛，以至于能把你所有美好的错误都击碎。
而在社会科学领域，你可能会有各种各样的胡说八道。即使你掌握了一些他们使用的抽象数学，你可能只有10%的真实知识，而90%都是错误的知识。
物理的好消息是你可以学习相当基础的物理知识。你不需要深入研究夸克和量子物理等。你只需要从基本的球体沿斜面滚动开始，实际上这是一个很好的入门基础。
但我认为任何 STEM 学科都值得学习。现在如果你没有选择学习什么，而且已经过了选择的阶段，那就和人合作吧。实际上，最好的人不一定只是学习物理。他们是动手实验者，他们是建造者，他们是在建造东西。动手实验者总是处于知识的前沿，因为他们总是使用最新的工具和最新的零件来制造酷炫的东西。
所以是那个在无人机成为军事工具之前就制造竞速无人机的人，或者是在机器人成为军事工具之前就制造战斗机器人的人，或者是那个组装个人电脑的人，因为他们想要把电脑带回家，而不满意在学校使用电脑。这些人最了解事物，也最快地推进知识的发展。