1. 引言
众所周知，在苹果公司(Apple)创始人史蒂夫?乔布斯(Steve Jobs，1955.2.24 ~ 2011.10.5)逝世之后，硅谷公认的新一代科技偶像是PayPal、SpaceX、Tesla Motor以及SolarCity四家公司的CEO、人称“钢铁侠”的埃隆?马斯克(Elon Musk，1971.6.28 ~)。在全世界惊叹于他源源不断的创造力与天马行空的想象力的同时，我个人对他的学术背景产生了非常大的好奇。在进行了一番了解之后，我对Musk当下所取得的成就一点再也不会感到一点意外，其本硕博三阶段的学术背景对于一位创业者而言，实在是互补得太完美了！
“钢铁侠”的教育背景如下：
1)学士：Ivy League名校宾夕法尼亚大学(University of Pennsylvania)物理系；
2)硕士：沃顿商学院(Wharton School，成立于1881年，是全美第一所大学商学院，也是当下全球最好的商学院之一)MBA，同时也获得了宾大物理学硕士学位；
3)博士：与Google创始人拉里?佩奇(Larry Page，1973.3.26 ~)与谢尔盖?布林(Sergey Brin，1973.8.21 ~)，是斯坦福大学(Stanford University)的肄业生(事实上Musk到斯坦福物理系报到的第二天就退学了)。
Musk之所以能几乎靠一人之力单枪匹马在硅谷打出一片广阔的天地，在我看来，其本质原因在于他一人身兼“科技+商业+心理学”这三项每个创业团队要想成功所必须具备的3大核心元素。【注：不得不说的是，在Musk二次创业的困难时期，硅谷著名的“贝宝黑帮”(PayPal Mafia)，在经济上的帮助与精神上的支持也功不可没】
在物理学家看来，人类是由原子和分子组成的奇妙物种，人类想要找到普适于宇宙与人类的“第一性原理”(First Principle)，必须从最基本的物理概念出发。由于学习物理学的缘故，Musk经常使用这种为物理学家所欣赏、推崇的“第一性原理”来思考问题，即面对任何问题不是通过不涉及本质的类比(Analogy)而是从基本的物理事实与物理概念出发，按照达尔文演化论与数学科学，即数学科学的逻辑公理体系的思维方式来逐步推演出结论(Boil things down to theirfundamental truths and reason up from there.)。
在与PayPal Mafia成员，如Facebook第一位外部投资人、硅谷意识形态的领袖、被称为“活着的硅谷象征”的彼得?泰尔(Peter Thiel，1967.10.11 ~)、LinkedIn创始人里德?霍夫曼(Reid Hoffman，1967.8.5~)、YouTube创始人查德?赫利(Chad Hurley，1971.1.24 ~)与陈士骏(Steve Chen，1978.8.25 ~)、Kaggle董事会主席、Slide与Yelp创始人麦克斯?拉夫琴(Max Levchin，1975.6.11 ~)等人讨论问题的时候，常常运用的是类似于“结构性脆弱”、“本质”、“不具备可证伪性”这些哲学味、科学思辨力十足的词汇；他们都习惯于运用“第一性原理”来看待事物；他们感兴趣的是宏大的世界图景；他们保持着对等待被挖掘的秘密的好奇之心；他们对这个世界的本质、未来该怎么运行才更加合理而高效，都有着自己的思考与判断；他们都是对未来有着明确把握的乐观主义者。
在下面的文章中，我将运用“第一性原理”的思维方式，试着从最基本物理事实与物理概念出发，对未来全球汽车工业的终极呈现形式做一下考虑了达尔文演化论后的逻辑推演，逐步得出我个人对这个问题的判断。
2. 最基本的物理概念——“能量”与“信息”
天文物理学家曾根据观测数据推算出：宇宙中只有4.4%属于原子等通常物质，剩下的是22.6%的暗物质和73%的“暗能量”。由爱因斯坦(Albert Einstein，1879.3.14 ~ 1955.4.18)的质能方程E=mc2可知质量与能量可相互转换，由此可知宇宙中95%以上的物质是看不见的。此外，在分子生物学家解读出来的人类基因图谱中，有97%的基因片段的功能都不清楚，曾有人认为这些基因没有功能，但也可能是只是这些功能尚未发现而已。
无独有偶，人的大脑神经网络包含约10^11个神经元，每个神经元有10^3到10^4个突触与其他神经元相连接。照此推算，大脑的潜在信息容量超过10^14比特，相当于10^9本书！对其中95%以上信息容量的作用尚不了解。这些基因所携带的信息及大脑神经中蕴含的信息，我们暂且可以依样画葫芦，将其称为“暗信息”。
2008年刚过世的著名理论物理学家约翰?惠勒(John Wheeler，1911.7.9 ~ 2008.4.13)有类似“万物皆比特！”("It from bit!")的名言，即相信宇宙万物起源于“信息”；麻省理工学院(Massachusetts Institute of Technology，MIT)著名华裔理论凝聚态物理学家文小刚(1961.11.26 ~)也在尝试利用“量子比特”、“长程量子纠缠”等基本概念作为出发点来推导出麦克斯韦方程组(Maxwell's Equations，1865)和杨-米尔斯方程(Yang-Mills Theory，1954)，从而改由代数而非爱因斯坦使用的黎曼几何(Riemannian Geometry，1850s)与杨政宁(Chen-Ning Franklin Yang，1922.10.1 ~)使用的由华裔数学大师陈省身(1911.10.28 ~ 2004.12.3)所创立的纤维从(Fiber Bundle，1946)之类的几何进路来描述整个物理世界的运行模式。
众所周知，目前科学界有四大前沿：物质本质、宇宙演化、生命奥秘、自我意识。“暗信息”与“暗能量”的两暗问题不仅是寻求宇宙演化解释的关键所在，如能突破，也将从根本上刷新人类对物质与信息本质的认识。此外，“暗信息”也关系到生命演化奥秘和自我意识起源之谜，如能突破，也必将对人工智能(Artificial Intelligence，AI)技术的研发具有无与伦比的指导意义。
所以，四大前沿问题皆可归结为如何对“能量与信息”这两个最基本的物理概念的进行深度且创新性的理解。但是目前在这两个领域95%以上的内容都还是未知的，人类的科学探索依旧任重而道远！
除了上述提到的由“能量与信息”这两个最基本的物理概念所刻画的物理世界，我们可以看到人类文明的发展历程毋庸置疑是对“能量与信息”的运用不断提升的过程。二者在时空中的聚集程度，即“能量密度”与“信息密度”，决定了该阶段人类文明的发达程度。
在人类刚刚起源的时候，稀疏地分布于地球表面，通过狩猎和采集维持生存。此时人类的能源更多来自于狩猎的动物，由于动物资源有限，所以捕获的能量密度不足以支持大量人口，即不会达到人类文明“相变”(Phase Transition)所要求的临界值。直到10^4年前，人类发明了农业，开始了耕种，农作物通过光合作用带来能量，可以说人类利用了一个新的能源——太阳能，由此大大降低了人类生存的难度。这一新能源导致“能量密度”的极大提高，随之造成人口密度也极大提高，形成了村庄。由于“能量密度”的提高，为人们更紧密的信息交流提供了机会和环境，因而产生了语言和文字。而语言与文字恰恰是除基因之外人类可以传递信息给下一代的唯一方式，从此人类点燃了文明的火种。
辉煌灿烂的古希腊文明也是当时“信息密度”及信息处理强度达到了临界值所导致的知识大爆炸的自然结果。当年，伟大的思考者亚里士多德(Aristotle， 384 B.C.~ 322 B.C.)的学生亚历山大大帝(Alexander the Great，356.7.20 B.C. ~ 323.6.10 B.C.)南征北战，立下不世武功。但颇具讽刺意味的是，他对文明进程的最大贡献却在于其所建立的位于埃及亚历山大港的图书馆。据说亚历山大图书馆唯一的目的就是“收集全世界的书”，实现“世界知识总汇”的梦想，所以每一艘进入亚历山大港口的船只上只要发现图书，马上制作复本，归入亚历山大图书馆。
亚历山大图书馆优越的科研条件也吸引了地中海地区的大学者慕名而来，数学公理体系的设计者、《几何原本》作者欧几里得(Euclid，325 B.C. ~ 265 B.C.)曾在亚历山大图书馆闭关读书数十载，《原本》奠定了数学的研究范式，影响至今。古希腊的大科学家阿基米德(Archimedes，287 B.C. ~ 212 B.C.)与托勒密(Ptolemy，90 A.D.~ 168 A.D.)无一例外都曾在亚历山大图书馆里学习与工作过，汲取前人积累流传下来的信息，加上自身作为杰出学者的聪明才智与思考能力，二人分别建立了人类物理学科与天文学科的基础。帝王将相，英雄豪杰，古来征战几人回？不过是为“能量与信息”的交汇融合铺路，有效提高人类社会局部的信息密度，引发知识大爆炸。
在物理学中，关于“能量”有“最小作用量原理”(Principle of Least Action，1788)——此原理是法国数学家拉格朗日(Joseph-Louis Lagrange，1736.1.25 ~ 1813.4.10)与爱尔兰数学家哈密顿(William Hamilton，1805.8.4 ~ 1865.9.2)等人将牛顿力学抽象化而逐步创立的。因为数学抽象源于具体却能超越具体的特性，最小作用量原理由此成为众物理定理之母，物理学(包括量子论与相对论)的所有基本运动方程都可以由此原理导出。
在数学中，关于“信息”有“最大熵原理”(Principle of Maximum Entropy，1957)——此原理由美国数学家埃德温?杰恩斯(Edwin Jaynes，1922.7.2 ~ 1998.4.30)提出，并由德国物理学家赫尔曼?哈肯(Hermann Haken，1927.7.12 ~)引入复杂科学而发扬光大。本质是描述在不了解系统全部情况的前提下，关于未知分布最合理的推断就是符合已知情况下最不确定或最随机的推断，即此刻无序程度(由统计物理学中“熵”这一物理概念刻画且与“信息”在本质上是相同的)达到最大值。反过来看，如果能够创造条件了解更多的“信息”，就可以消除相应的不确定性，即“熵”，从而可以采取更有针对性的控制措施，使得消耗的资源(时间、精力、能量)更少，但取得的效果更理想。
所以，我认为评价一个系统性能优劣可定性地参考以下标准：能量消耗越小且与此同时秩序度越高，即J/bit的数值越小，则系统设计得越完美(注：J表示能量的单位焦耳，bit表示信息的单位比特)。
相关文章
[错误报告][推荐][收藏] [打印] [关闭] [返回顶部]
已有