第一性原理这个词最早是一套科学方法论后来被创业圈拿去当口号再往后又被各种成功学包装了一遍。不管你怎么听它真正的价值始终没变把问题拆到不能再拆的最底层找到那条“无需再证”的公理然后从零开始重建因果链。这一章把这件事和科学世界的底层规则放在一起讲实际上是在回答一个问题——为什么宇宙可以被理解以及我们怎么借用这种可理解性来判断一件事的成与败。我在技术咨询和产品诊断的这些年里反复用这套方法处理过价格、良率、需求判断和成本拆解。它不玄也不难但极其反直觉。因为大多数人的常态是拿现成结论当起点而不是拿事实和公理当起点。这篇内容我按章节给的线索展开顺便把我踩过的坑和验证过的流程落到纸面上。想建立“从底层推出结论”这种习惯的人应该能从里面找到一条清晰的路径。1. 第一性原理到底指什么从一条公理开始的推理方式1.1 “第一性原理”这个词从哪里来“第一性原理”最早可以追溯到亚里士多德的《形而上学》。他提出一切学问都建立在一组无法继续推导的最基本命题之上这些命题本身不需要再被其他东西证明它们是一切逻辑起点的“第一因”。听起来像哲学其实是当时最先进的科学认知框架。牛顿做力学的时候没有从“苹果为什么会掉下来”的经验样本出发而是直接提出万有引力定律和三大运动定律把它们当作公设接着从这几条公设里推出行星轨道、潮汐和落体运动。整个推导过程环环相扣这本质上就是在用第一性原理干活。笛卡尔也做过类似的事。他想找到一个“绝对无法怀疑”的起点最后落到“我思故我在”上面。这个起点本身不再依赖任何外部权威是从怀疑行为中直接显影出来的。对现代知识体系来说这套思路最宝贵的地方不是结论而是姿态不轻信现成说法先从最确定处重新开始。到了工程设计领域第一性原理又有了更强的实操含义。大家最常引用的案例是航天领域的可重复使用火箭。常规火箭发射一次就报废这是行业多年默认的规则。但如果你只问一个问题——“一枚火箭飞上去再飞回来物理上是否被禁止”答案是不禁止。质量是守恒的燃料是耗散的结构是受力的只要逐项解决材料、推进、制导和回收环节的技术约束把火箭当耗材的传统假设就被击穿了。这就是从第一性原理重新推导问题得到的突破。1.2 为什么科学愿意把“公理”当作根基科学体系有个明显的特征它会刻意追求“尽量少的前提”。越基础的理论前提越少能解释的现象反而越多。牛顿力学只需要几条公设就能解释地面物体和天体的统一运动。热力学只需要四条定律就能描述宏观热量流动的方向与极限。这种“从少推出多”的结构赋予理论极高的解释力也让它经得起反复审视。公理的角色像是一栋楼的承重柱。承重柱不多但整栋楼的安全都由它们扛着。你不需要怀疑柱子是否漂亮只需要确认柱子是否足够坚固。科学中的公理也不是靠投票选出来的而是经过大量观察、实验和逻辑检验之后仍然找不到反例的那几条基本假设。比如能量守恒所有实验都没见过能量凭空增加或消失所以它被提升为物理学的基本公设之一。它不是一个“答案库”而是一个判断结构。也正是这种结构让第一性原理区别于普通经验总结。经验总结是“以前这样做成功了所以继续这样做”第一性原理是“在这件事最底层的物理和逻辑约束内怎样做才是可能的”。前者在熟悉的场景里效率高后者在环境变化、规则失效、竞争升级的时候才会显示出真正的价值。1.3 第一性原理和个人推断有什么差别个人推断依赖记忆、感觉和相对随机的归纳。看到三只天鹅是白的就猜所有天鹅都是白的。第一性原理要求先拆解“天鹅”和“白色”本身的定义再分析决定羽毛颜色的基因机制最后回到现实里验证是否存在黑天鹅。这不是抬杠而是把推理链改到更可靠的位置上。日常决策中普通人默认采用的是启发式推理也就是“过去有效大概继续有效”。这类推理有存在价值它能帮你在信息不全时快速决策。但它的弱点恰恰是环境一旦改变旧经验立刻失效。第一性原理解决的就是这个弱点把问题拆开找到不变的基本事实再围绕这些事实重构方案。经验负责“快”而第一性原理负责“对”。2. “底层公理”与“宇宙法则”的科学内涵2.1 物理学中那些不可再拆的公理性命题物理学里几条公理层级极高称得上科学世界的宇宙法则。第一条是能量守恒定律它刻进了每一次设计计算里你做任何事输入与输出之间的差额只能以热、功或储存能的形式出现在系统里不会凭空消失。第二条是动量守恒与角动量守恒它们是航天器轨道计算的基础也是说明“物理世界存在确定规则”的最直接证据。第三条是热力学第二定律它规定孤立系统的熵只会不断增加解释了为什么热量自动从高温流向低温为什么时间有方向。量子力学里还有一套更“底层”的公理一个物理系统的状态由波函数完全描述测量结果存在概率性同时测量会扰动系统本身。对这些公理的理解仍在争议中但它们被当作推导的起点支撑起了晶体管、激光和核磁共振等一整个技术领域。换句话说正是在这些哥本哈根式的“假设”之上现代信息社会才得以建成。物理学给我们的启发很直接任何问题一旦开始讨论就先问一句“有哪些物理约束不可回避”成本可以压缩工艺可以优化但能量、质量、时间和信息这几个基本量的边界很难打破。把不可突破的边界和可以优化的环节分开问题就已经解决了一半。2.2 数学公理体系的强大与边界数学是第一性原理最极端的舞台。欧几里得《几何原本》从五条公设出发推出了整个平面几何体系。两千多年里无数几何命题都能从这五条公设里推出来。后人尤其研究第五条公设——过直线外一点只能作一条平行线。很多人尝试用前四条证明第五条结果全部失败。直到十九世纪数学家大胆地将这条公设替换成“可作无数条平行线”竟然推出了自洽的非欧几何。黎曼几何、罗巴切夫斯基几何由此诞生后来成了广义相对论的数学框架。这个案例特别值得记下公理本身虽然有“先验”的味道却不是绝对的真理独裁者。数学界真正相信的是公理体系的内部一致性——只要没有矛盾任何一套自洽的公理系统都能成为“真”的理论。欧几里得几何不是唯一正确的几何它只是最直观的一种。这套逻辑放在任何领域都成立你做的每一个推导都只在它依托的公理集内有效。换一套公理结论可能完全不同。哥德尔不完备定理则进一步告诉我们任何足够强的公理系统内部都会存在无法被该系统证明的真命题。换句话说再大的逻辑大厦也有悬空的角落。做工程和商业的人不需要背定理但需要有这个意识别把“逻辑上成立”当成“现实里绝对真”所有推导最终要回到实验和数据上验证。2.3 把“宇宙法则”翻译成可操作的检查框架把物理和数学层面的公理翻译成工作语言我通常用三把尺子。第一把尺子叫守恒性检查。一件事情投入和产出是否对得上比如做产品增长新增流量从哪里来流失去了哪里总量有没有被夸大或漏算。数据守恒对不上第一先查口径而不是急着解读增长之道。第二把尺子叫对称性检查。系统的某些性质在变换视角下是否保持不变价格降低百分之十和价格上涨百分之十从客户角度是否等价一个策略在局部最优时在全局是否同样成立这能帮你看破同一件事的不同表述。第三把尺子叫极限性检查。当一个参数趋近无穷或者归零时模型是否仍然自洽把结论推向极限往往暴露出隐含的错误假设。你设想的产品如果流量、单价或效率都拉到理论上限成本结构还成立吗不成立说明你的方案依赖了不可靠的中间假设。3. 用第一性原理拆解真实问题一个可复用的操作框架3.1 先把“事实、假设和经验”三类信息分开真正动手之前我要求团队先做一次信息分拣。所谓事实是已经经过验证、不依赖主观立场的信息比如材料密度、设备额定功率、合同交货期。所谓假设是当前还没验证但在推理中暂时采用的命题比如“目标市场年增长率百分之八”。所谓经验是过去的做法和惯例比如“行业一直用三班倒”或者“报价至少要在物料成本上翻三倍”。这个分类看起来简单做起来极易出错。最常见的问题是把假设当事实。市场调研里的“用户喜欢简洁设计”听上去像事实但本质上只是特定样本的反馈假设。如果把假设直接放到推理底层后续一切推导都会偏离。我每次开会都喜欢追问一句话“这句结论的数据来源是什么验证到哪个程度了”凡是回答不上来的话只能当假设必须标注清楚。3.2 四个可复用的推导步骤第一步定义问题边界。问清楚真正要解决的是什么不要被表象问题带跑。一个产品的核心问题不是“怎么降本”而是“在满足产品功能的前提下把单位成本降到多少项目还能盈利”。第二步拆解要素变量。把问题拆成变量关系例如产品成本等于材料费、加工费、模具摊销、人工和运输费之和。再继续拆材料费等于材料质量乘以单价比价质量又取决于体积和密度。一直拆到每一项都能用确定的物理量或市场价去衡量。第三步从真实约束反向重建。逐项检查哪些是物理极限哪些是商业选择。物理极限不能动比如材料强度如果不够就不能削减厚度商业选择可以动比如换供应商、改成批量采购、调整运输方式。第四步重新组合并核验。把优化后的各项参数带回原公式算出一个新总价。再和行业经验数值做横向对比差距异常大时优先回头查拆解过程很可能漏了某个隐含变量。这套流程使用频率越高你越能体会到它的威力。它不会替你作决定但会逼你把自己从“听别人说”拽回到“看事实推”的位置。3.3 一个可落地的案例塑料结构件成本测算我之前帮一家小型制造企业做过一次成本诊断产品是某型号的外壳塑料件。企业负责人一开始的说法是原材料价格一直在涨没法再降成本。按照第一性原理的做法我把成本公式写出来单位成本 材料费 加工费 模具摊销 人工费 物流费材料费继续拆成粒子单价 × 质量。粒子单价由市场决定短期压不下来。但质量由零件体积乘以塑料密度决定。工程师检查后确认原设计的平均壁厚比强度要求超出约百分之十五有些加强筋纯属冗余。我们重新建模把壁厚降回满足跌落测试的结构强度临界值单件质量减少了百分之十一。这一项直接省下了相应比例的材料费。加工费方面注塑机台电费与锁模力、周期时间相关。拆解后发现原工艺设定的冷却时间偏长因为车间师傅按保守经验调参数。我们通过模流分析把冷却时间缩短了百分之八又没有影响尺寸稳定性单位能耗随之下降。模具摊销部分没有动因为开模费用是固定成本分摊到订单总量上去不是工艺能优化的变量。物流费则切换了包装密度把单箱装载数从四十件提高到五十二件运输成本分摊明显降低。整个诊断没有引入任何黑科技只是把“贵”这个笼统概念拆穿找到真实变量并分别处理。几个月后综合成本下降约百分之十七同时关键性能测试还全部通过。经验判断原本会直接说“原材料涨了没法做”第一性原理不会这么说它会先问原材料涨的部分真的一定要由我们全部承担吗4. 常见误区、弯路与排查指南4.1 误区一把“无限追问”当成第一性原理很多人听说第一性原理之后开会就不断追问“为什么”一路问到第五层等到所有人都沉默就宣布找到了真相。这不是第一性原理这是失控的刨根问底。真正的停止条件是“找到了无需再证的公理性事实”不是“问到了没人能答上来”。“没人能答上来”只说明问题超出了当前信息边界不代表你已抵达底层。区分办法很简单看下一个问题是否基于可验证的机制。比如问“为什么用户不付费”拆到“因为定价高于用户对价值的感知”还可以继续拆成价值感知由什么构成直到拆出可验证的影响因子。如果问到最后变成“因为人性是贪婪的”那只是把问题包装成哲学反而离解决方案更远。4.2 误区二把错误假设当公理第一性原理要求从“不证自明”的公理出发最危险的就是把某条根深蒂固的错误观念当成公理。经典案例是“出租车牌照是稀缺资源所以出租车公司利润高”后来网约车出现这个公理崩塌了。再比如早期科学家普遍相信“原子不可分割”直到放射性和电子被发现这个公理也崩塌了。在个人和组织里错误假设往往来自权威背书、行业习俗和“大家都这么做”。识别方法是测试假设的反面对否有意义。比如“客户必须上门才能成交”反面对“线上也可以成交”只要存在一条可信的线上成交路径这条假设就只是经验不是公理。做推理之前给每条底层假设打个标签哪些数据能证伪它证伪方式都不存在的话这条假设要慎用。4.3 误区三重推却不验证第一性原理推导出来的结论不能天然等于正确结论。推导过程再严谨如果起点公理选错或者中间变量拆漏结果一样离谱。所以每完成一轮重构一定要做外部对照检验。检验方式包括是否与已知数据矛盾、数量级是否合理、拿去问一线执行人员是否觉得反常。我见过一个团队从“用户需要更多功能”这个假设出发推断出必须快速上线十几个新功能结果版本变得极其臃肿。回头检验时发现“用户需要更多功能”本身样本量不足断言过早。用第一性原理重新审视用户要的从来不是功能数量是完成目标的最小可靠路径。把这条再作为公理才把方向拉回正轨。4.4 实战排查清单从现象到核心变量我通常在方案进展不顺时按下面的清单从头走一遍。第一当前结论的数据来源是什么是实验、统计、还是拍脑袋第二结论里哪些语句是假设性的有没有被标成事实第三推理链上有没有断层——从公理到结论之间有几步靠的是直觉而不是推导第四结论在极端条件下仍然自洽吗第五如果换一套更苛刻的底层假设结论会被推翻吗这套清单不需要严谨到数学证明只要认真回答一遍多数问题都能提前暴露出来。4.5 新手最容易忽略的最后一环刚开始练习第一性原理思维时最容易忽略的不是拆问题而是“更新公理库”。科学史上公理本身是可被修正的欧几里得公设被放宽牛顿力学在高速领域让位于相对论。工作和生活中我曾经认定“稳定型行业重视长期合作胜过价格”后来经过几次真实的招标案例这条假设被数据冲破了。于是我把这条从公理列表划到经验列表。每过一段时间重新审视放在“公理”层的那些判断给它们留出被推翻的通道。5. 从这一章带走的把第一性原理变成日常思考工具5.1 建立自己的“最小公理库”与其每次从零开始拆问题不如先花一周时间把自己专业领域里反复使用的前置假设收集起来。分两类收一类是行业公理比如“质量守恒成立”“市场永远在波动”这些通常稳定可靠一类是个人经验比如“客户选择供应商首先看价格”这些必须带上验证记录。我自己的公理库用表格维护每条后面跟一个“最近一次验证时间”字段。超过一年没验证过的条目我会标黄重新做测试。这个动作的好处是把“没时间拆问题”的借口提前消除。大多数时候问题之所以复杂不是因为底层变量多而是因为大量经验判断混在底层逻辑不清。先把底层清理干净后续推演就快很多。5.2 团队讨论时用提问代替结论团队讨论最容易变成观点交锋各执一词谁也说服不了谁。这时候我会切换成第一性原理引导式提问这个判断的前提是什么前提里哪些是必须成立的如果不成立结论会变成什么这三个问题问完讨论就从“互相反驳”转为“一起检查前提”效率立刻提高。我曾经参与过一场新产品立项会产品经理坚持要做高配版认为消费者需要极致参数。工程师认为成本太高市场总监认为定价没有竞争力。三方争了两轮没有结果。后来我把问题切换成先拆“消费者购买决策由哪些变量驱动”再拆“资源能同时支撑哪些变量达到行业前百分之二十”最后大家一致放弃了堆参数转到用户可感知的三个关键体验上。没有谁说服谁是底层变量替大家作了选择。5.3 我自己的几条体会用得越久越发现第一性原理不是为了“展现聪明”而是为了避免自欺。它不能保证你每一次都做对但能保证你犯错时知道在哪一环犯错。别人靠灵感和权威拿结论你靠事实和推导拿结论短期内可能显得慢长期看更扎实。还有一点不要把第一性原理限制在技术领域。家庭开支、职业选择、健康管理、学习目标都可以用同一套方式拆解。我现在面对一笔大额消费时也会先问它对应的核心需求是什么有没有其他更基础的满足方式在某些场合这个过程把消费冲动直接过滤掉了。最后分享一个小技巧是我平时做判断时保持在手边的动作每拿到一个方案先不忙着评价好坏只问一句“如果底层那个关键数字是假的这个方案还成立吗”用这句话训练自己所有看起来光鲜的方案都会原形毕露。第一性原理不是魔法它只是逼你在纷繁的现象面前先回到那条最结实的地基上再决定要不要往上盖楼。地基选对了楼就不会倒。