找到最简单可行的方案
纳瓦尔与 Nivi 透过猛禽发动机和特斯拉产线的故事,讲解为什么伟大产品来自迭代删减、守住能动性与博学心态。
找到最简单可行的方案
原文:Find the Simplest Thing That Works(2025 年 10 月 1 日,nav.al 发布)
Nivi: 还记得 SpaceX 猛禽发动机的一系列照片吗?越新的版本越“难以修改”,几乎没有多余零件;最早的设计则布满可以调厚度、宽度、材料的组件。
纳瓦尔: 复杂性理论有个常识:在自然界里能稳定运作的复杂系统,通常来自一个极简系统被反复迭代。最近的 AI 研究就是例子——简单算法配上海量数据就能越来越聪明。反过来,如果从一开始就堆砌复杂度,再想把大系统跑起来,往往无以为继。做产品的过程,就是不断试错,直到留下那个简单可行的核心,其余噪音最后都得剥掉。
我们在个人计算里见过同样的故事。macOS 仍然比 iOS 难用,而 iOS 更接近理想的操作系统。当然,未来或许会出现能用自然语言交互的大模型操作系统。要把产品做大做强,迟早得精简,猛禽发动机就是典型案例。
纳瓦尔: 埃隆·马斯克的工作法很简单:在谈任何优化之前,先质疑所有需求,而且要追溯到提出需求的“具体那个人”,不是哪个部门。问一句“为什么需要这个要求”,能删的就删。需求减下来了,接着就尽量减少零件,最后才讨论效率、制造、成本等细节。
创始人的全局视角
把产品从 0 做到 1 的关键,是有人——通常是创始人——能在脑子里装下整个系统,理解每个组件的角色,也知道如果移除 A,B、C、D、E 会受到怎样的影响。猛禽发动机的发展史如此,特斯拉生产线上的故事也是如此。埃隆铺着睡袋守在那条产线旁,并不是为了调机器人速度,而是追问一句:“我们为什么要在电池上贴这块玻纤垫?” 顺藤摸瓜问到噪音团队、再问到热管理团队,才发现这个需求早已过时,于是果断把零件撤掉。复杂系统里,这种返工常常发生。
很多人自称“通才”,往往是在逃避深耕。但真正应该成为的是“博学者”:既保持广度,又能在每个领域掌握至少 80/20 的要点,这样才能做出聪明的取舍。
学物理,读懂现实
Nivi: 想练成这种博学能力,我建议学生时代多学适用范围最广的理论。
纳瓦尔: 我更直接的建议是:去学物理。
学物理就是学习现实如何运作。有了扎实的物理底子,你可以快速上手电机工程、计算机科学、材料科学、统计、数学。几乎所有领域里最优秀的人都有物理背景。即便没有,也不必沮丧——我自己算“物理学挂科生”。你完全可以绕路抵达,只是物理能训练你直面现实,把那些好听却错的想法通通打碎。
社会科学里容易滋生稀奇古怪的观点,就算写满复杂公式,可能 10% 是真的,90% 是假的。基础物理其实不必深到夸克或量子,经典力学就足够,是最好的底层课之一。
当然,任何 STEM 学科都值得学。如果已经不在校园里,那就和别人组队。最优秀的人往往也是动手能力最强的“修补匠”——他们总是用最新的工具和零件打造酷东西:在无人机成为军用前就开始做竞速机的那批人,在机器人普及前就去做格斗机器人的人,或者为了把电脑搬回家而自己组装 PC 的人。这些人真正理解事物,也站在知识前沿。