Subscribe to 条条套路通罗马
<100 subscribers
Share Dialog
Share Dialog
作者：SW-ShawnWang
编译：条条套路通罗马（ID：taoluluoma)
Jim Keller是地球上最有影响力的芯片设计师之一，他曾在特斯拉工作，并在2016年至2018年间领导硬件业务。以下是他对埃隆的评论。
"你认为你对第一性原理是有个大致的了解，然后你和埃隆谈起它，但你并没有深入了解。你知道他坚信无论你做什么都会有局限性。"
Andrej Karpathy是人工智能和计算机视觉领域的耀眼明星，他从2017年开始领导特斯拉自动驾驶的计算机视觉团队。以下是他对埃隆的评论：
"我还在试图真正摸清他的超能力，他有令人难以置信的发达的直觉。我想说的是，在许多方面，他在我认为缺乏信息的情况下做出了正确的判断，因为他并不完全了解所有事情的细节，但他的判断却非常好。
我仍然没有完全理解那是如何发生的。他可以将复杂的事情简单化。这就像基本原理一样，而且它们确实是关于系统真正重要的第一性原理组成部分，然后对这些东西进行陈述。
这是一种非常不同的思维方式，我发现这种思维方式在默认情况下很吸引人。例如，有时我被系统淹没了。我觉得我需要了解这个系统的全部细节，以做出正确的决定。但这不是他的操作方式，他以某种方式将系统提炼成一个更简单的系统，在其中操作，所以我认为我学到了很多关于如何处理问题的方法。"
埃隆是世界上最有名的人之一，他为人类做出了难以想象的贡献，但我不想多讨论他的成就。相反，了解他大脑中真正的推理过程、心理模型和逻辑更有启发和意义。
有人问埃隆他真正的角度是什么，他真正的想法是什么。他的回答总是会很无聊。"我想的正是我说的。" 因此，我认为了解埃隆的最有效和高效的方法是直接阅读他的话，获得一些原始数据。
让我们通过埃隆的公开演讲、采访或其他片段中的一些片段或例子。(这就像了解埃隆的 "原始数据"），对第一性原理或埃隆的思维方式有一些直观的了解。
示例1：Twitter收购
最近，很多人因为埃隆暂停收购Twitter的计划而表达了负面评论或困惑。但重要的是了解这背后的原因。以下内容来自于他在All-in播客的采访。
埃隆嘲笑说，Twitter声称该平台95%的日活跃用户是真正的独立用户，可盈利的用户为2.17亿。他认为，虚假账户或机器人至少应占日活跃用户的20%以上，而且是一个下限。
原因是，他有一条最受人喜爱的推文，那条推文大约有490万个喜欢。他认为这是不可能的，最喜欢的推文只占整个用户群的2.5%左右，也许10%更合理。真实的用户数很重要，因为Twitter的业务是品牌广告
作者：SW-ShawnWang
编译：条条套路通罗马（ID：taoluluoma)
Jim Keller是地球上最有影响力的芯片设计师之一，他曾在特斯拉工作，并在2016年至2018年间领导硬件业务。以下是他对埃隆的评论。
"你认为你对第一性原理是有个大致的了解，然后你和埃隆谈起它，但你并没有深入了解。你知道他坚信无论你做什么都会有局限性。"
Andrej Karpathy是人工智能和计算机视觉领域的耀眼明星，他从2017年开始领导特斯拉自动驾驶的计算机视觉团队。以下是他对埃隆的评论：
"我还在试图真正摸清他的超能力，他有令人难以置信的发达的直觉。我想说的是，在许多方面，他在我认为缺乏信息的情况下做出了正确的判断，因为他并不完全了解所有事情的细节，但他的判断却非常好。
我仍然没有完全理解那是如何发生的。他可以将复杂的事情简单化。这就像基本原理一样，而且它们确实是关于系统真正重要的第一性原理组成部分，然后对这些东西进行陈述。
这是一种非常不同的思维方式，我发现这种思维方式在默认情况下很吸引人。例如，有时我被系统淹没了。我觉得我需要了解这个系统的全部细节，以做出正确的决定。但这不是他的操作方式，他以某种方式将系统提炼成一个更简单的系统，在其中操作，所以我认为我学到了很多关于如何处理问题的方法。"
埃隆是世界上最有名的人之一，他为人类做出了难以想象的贡献，但我不想多讨论他的成就。相反，了解他大脑中真正的推理过程、心理模型和逻辑更有启发和意义。
有人问埃隆他真正的角度是什么，他真正的想法是什么。他的回答总是会很无聊。"我想的正是我说的。" 因此，我认为了解埃隆的最有效和高效的方法是直接阅读他的话，获得一些原始数据。
让我们通过埃隆的公开演讲、采访或其他片段中的一些片段或例子。(这就像了解埃隆的 "原始数据"），对第一性原理或埃隆的思维方式有一些直观的了解。
示例1：Twitter收购
最近，很多人因为埃隆暂停收购Twitter的计划而表达了负面评论或困惑。但重要的是了解这背后的原因。以下内容来自于他在All-in播客的采访。
埃隆嘲笑说，Twitter声称该平台95%的日活跃用户是真正的独立用户，可盈利的用户为2.17亿。他认为，虚假账户或机器人至少应占日活跃用户的20%以上，而且是一个下限。
原因是，他有一条最受人喜爱的推文，那条推文大约有490万个喜欢。他认为这是不可能的，最喜欢的推文只占整个用户群的2.5%左右，也许10%更合理。真实的用户数很重要，因为Twitter的业务是品牌广告
我认为埃隆在推特上的怀疑有很多意义，这都是基于量化的估计，与常识一致。没有那么多阴谋，只是逻辑推理。
示例2:黑暗
*埃隆："当我还是个小孩子的时候，我真的很害怕黑暗。但后来我明白了，**黑暗只是意味着没有可见波长的光子--400至700纳米。*然后我想，害怕缺乏光子真的很傻。从那以后我就不再害怕黑暗了。"
我认为埃隆真的，真的触及到了事物的本质。黑暗是 "没有可见波长的光子--400至700纳米"，这确实是关于宇宙如何运作的问题，在这种情况下几乎比任何其他解释都更有说服力和翔实。
示例3：电动汽车
在埃隆最初的总体规划中，他详细解释了为什么电动汽车远远优于燃油汽车。内容如下。
"通用电气的H-系统联合循环发电机将天然气转化为电能的效率为60%。"联合循环 "是指天然气燃烧发电，然后利用余热产生蒸汽，为第二台发电机提供动力。天然气回收效率为97.5%，加工效率也为97.5%，然后通过电网的传输效率平均为92%。这使得我们的油井到电力出口的效率为97.5% x 97.5% x 60% x 92% = 52.5%。
尽管车身形状、轮胎和齿轮的目标是高性能而不是峰值效率，但特斯拉跑车每公里需要0.4兆焦耳，或者换一种说法，每兆焦耳的电量可以行驶2.53公里。特斯拉跑车的全周期充放电效率为86%，这意味着每100兆焦耳的电量用于给电池充电，约有86兆焦耳到达电机。
***综合计算，我们得到的最终优点数字是2.53公里/兆焦耳x86%x52.5%=1.14公里/兆焦耳。***让我们将其与普锐斯和其他一些通常被认为是节能的选择进行比较。
一辆汽油动力汽车充分考虑到的井-轮效率等于汽油的能量含量（34.3兆焦/升）减去精炼和运输损失（18.3%），再乘以每加仑的英里数或每升的公里数。因此，普锐斯在EPA评级为55mpg时，其能源效率为0.56公里/兆焦。与丰田凯美瑞这样的 "普通 "汽车的0.28公里/兆焦耳相比，这实际上是一个很好的数字"。
我认为在大多数情况下，即使在一些专业材料中，也很少能看到如此详细的推理过程。阅读这样的分析可以直接增加你对事物的理解。普通的电动车分析一般只是用定义模糊的概念和粗略的推理过程进行论证。
示例4：工程方法论
以下内容来自于关于星际飞船和星际基地的实地采访。埃隆总结了他关于工程的方法。
埃隆：我正在努力严格执行的是一种5步程序。
***"第一步，让需求不那么愚蠢。***这些要求肯定是愚蠢的；谁给你的并不重要。当它们来自一个聪明人时，这尤其危险，因为你可能没有对它们提出足够的质疑。人谁无过。不管你是谁，每个人都会有错误的时候。所有的设计都是错的，只是错的程度不同而已。
***第二步：非常努力地去删除零件或过程。***如果至少有10%的时间零件没有被添加回设计中，[这意味着]没有足够的零件被删除。倾向于非常强烈地倾向于 "让我们添加这个零件或流程步骤，以防我们需要它"。此外，每个所需的零件和流程必须来自于一个名字，而不是一个部门，因为不能问一个部门为什么会有这样的需求，但一个人可以。
***第三步：简化和优化设计。***这是一个聪明的工程师最常见的错误--优化一些根本不应该存在的东西，在学校里，人们被训练成回答问题和收敛逻辑，即使问题没有任何意义。
***第四步：加快周期时间。***你走得太慢了，快一点吧!但在你先解决其他三件事之前，不要走得更快，如果你在挖你的坟墓，就不要挖得更快。"
***最后一步是自动化。***其中一个重要的部分是在问题被诊断出来后取消过程中的测试；如果一个产品在到达生产线的末端时有很高的接受率，那么就没有必要进行过程中的测试。我个人曾多次犯过在这五个步骤上走回头路的错误。在制造特斯拉的Model 3时，我简直是自动化、加速、简化，然后删除。"
这种制造或工程的过程实际上适用于很多领域。它是从大规模工业生产中提炼、总结和抽象出来的，包含着深刻的见解。在了解了他的想法后，帮助人们有效地反思自己的工作和生活，并产生改进。
示例5：Boring公司
在2017年的TED演讲中，埃隆解释了Boring Company的一些细节和愿景。
克里斯：但是人们，从传统上看到它的挖掘成本高得惊人，这将阻止这个想法。
埃隆：是的。嗯，他们是对的。举个例子，洛杉矶的地铁延长线，***我想这是一个两英里半的延长线，刚刚耗资20亿美元完成。***因此，在洛杉矶做地铁延长线，大概是一英里十亿美元，这不是世界上最高的公用事业地铁。所以，是的，正常情况下，挖隧道是相当困难的。我认为我们需要将每英里隧道的成本至少提高十倍。
克里斯：那你怎么能实现这一点呢？
埃隆：我想实际上如果你只做两件事，你就可以达到大约一个数量级的改进。而且我认为你可以超越这一点。所以要做的第一件事是将隧道的总直径减少2倍或更多。因此，***根据规定，单车道隧道的直径必须是26英尺或28英尺，***以允许碰撞和紧急车辆以及内燃机汽车的充分通风。但是，如果你把直径缩小到我们所尝试的12英尺，这足以让电动滑板通过，***你把直径降低了2倍，横截面积降低了4倍，隧道建设成本随着横截面积的扩大而增加。***因此，这大约是一个半数量级的改进。那么，目前的隧道挖掘机只挖掘了一半的时间，然后就停止了，剩下的时间就是为隧道壁安装加固设施了。因此，***如果你把机器设计成连续隧道和加固，这将给你带来两个因素的改进。结合起来，就是8倍了。***此外，这些机器远远没有达到其功率或热极限，所以你可以大幅提高机器的功率。我认为你至少可以获得2倍，也许在此基础上有4或5倍的改进。因此，我认为有一个相当直接的系列步骤来获得每英里成本超过一个数量级的改善。
我们再次看到了类似的推理过程。埃隆只是把问题分解成子问题，并解决它们。他只是绘制成本结构，试图找出降低成本（时间和空间）的解决方案。一切都是关于简单但可靠的数学、事实和逻辑。
示例6：Neuralink
以下内容来自2019年Lex Fridmen与Elon主持的播客。我剪辑了一些关于Neuralink的讨论，以展示 Elon 的真实想法。
埃隆："我们所面临的问题是什么？材料科学、电气工程、软件、机械工程、微加工。这是一堆工程学科。
从本质上讲，这就是它归结为，你必须有一个微小的电极，小到不会伤害神经元，但它必须持续几十年，就像一个人可以持续几十年一样。然后你必须接受这个信号。你必须以低功率在本地处理该单一信号。因此，我们需要大量的芯片设计工程师，因为我们必须对信号进行处理，并以一种非常有效的方式进行处理，这样我们就不会影响到你的大脑，因为它对热量非常敏感。
我们需要获取这些信号，并要用它们做一些事情，***然后来回刺激，这样你就可以双向通信。***因此，它在材料科学、软件、机械工程、电子工程、芯片设计、制造方面非常出色。这就是那些是我们需要努力的事情。我们需要擅长材料科学，这样我们就能拥有能持续很长时间的微小电极。
而这就是科学背后的艰难之处，因为***你正试图在一个电性活跃的区域进行阅读和电刺激。***你的大脑在电方面非常活跃，在化学方面也很活跃。那么，如何在电极上形成一层不会随着时间推移而溶解并在大脑中安全的涂层呢？
这是一个非常困难的问题。然后你如何收集这些信号？以一种最有效的方式，真的只有非常少量的力量来处理这些信号，正如你所知道的，我们需要把整个事情自动化。所以不是说如果这是由神经外科医生做的，它就没有办法扩展到大量的人。而它需要扩展到大量的人，因为我认为最终我们希望未来是由大量的人类来决定的。"
你读完后有什么感受？埃隆在非常认真和现实地思考这个问题。他阐述了解决这个问题的现有科学和工程障碍，在他的头脑中已经有了一些总体框架。例如，他描述了 "微小的电极"、"双向通信"、"随时间推移而溶解 "等等。这项技术无疑是具有挑战性的，但我认为埃隆似乎已经对它有了一些高层次的理解，你可以感受到它背后的模糊逻辑。
示例7：科学与工程
Tim Urban是我最喜欢的作家之一，他有一篇文章阐述了埃隆的想法。在文章中，他问埃隆是否考虑过进入科学发现领域而不是工程领域。以下是Tim Urban的一段话。
埃隆的回应：
"我当然钦佩伟大科学家的发现。他们发现了已经存在的东西--这是对宇宙如何运作的更深入的理解。这很好，但宇宙已经知道了这些。***重要的是人类背景下的知识。我试图确保的是，在人类背景下的知识在未来仍然是可能的。***所以这有点像--我更像园丁，然后是花。***如果没有花园，就没有花。***我可以尝试成为花园里的一朵花，或者我可以尝试确保有一个花园。所以我试图确保有一个花园，这样在未来，许多费曼可能会开花。"
换句话说，A和B都是好的，但没有A就没有B，所以我选择A。
他继续说。
"我曾一度考虑把物理学作为职业，我在本科时学的是物理学，但为了真正推动物理学，你需要数据。***物理学从根本上受到工程进展的制约。***这场辩论--"工程师和科学家哪个更好？科学家不是更好吗？爱因斯坦不是最聪明的人吗？"--***就个人而言，我认为工程更好，因为在没有工程的情况下，你没有数据。你只是达到了极限。***是的，你可以在你所拥有的数据的限制范围内做到真正的聪明，但除非你有办法获得更多的数据，否则你就无法取得进展。就像看看伽利略。他设计了望远镜--这就是让他看到木星有卫星的原因。如果你愿意的话，限制因素是工程。如果你想推进文明，你必须解决限制性因素。因此，你必须解决工程问题。"
A和B都是好的，但B只有在A前进的情况下才能前进。所以我选择A。
我认为埃隆的有趣和令人敬畏之处在于，***他提出的几乎所有论点都有逻辑和事实支持，这些逻辑和事实是如此扎实甚至无可争辩。在他的脑海里有整个推理和事实架构或堆栈，他的决策过程建立在这个基础之上。***所有突破性的成就或第一性原理思维都在这个基础上发展壮大。
示例8：SpaceX
以下内容来自于2019年对埃隆的采访。埃隆解释了关于SpaceX和工程问题的一些细节。
埃隆："而我们最近刚刚成功地抓住了火箭的鼻锥。我们那是一个疯狂的练习，用的船基本上是一个巨大的捕手手套。回收整流罩[容纳被抛入轨道的火箭有效载荷的鼻锥装置]的实际复杂性是如此疯狂。比如，我不确定我们是否应该这样做。我们已经做了。***但是每个整流罩的一半就像一个带有小推进器的微型航天器。***所以当它从太空进来时，它是在真空中。***还有控制整流罩的小推进器，因为它必须从侧面向下下降，因为那里有一个隔热罩。***它的外表面有一个热保护或热屏蔽，但内表面没有。***所以它必须以圆形的表面下来。当它通过太空进入时，它必须保持其姿态。***它很热。如果您查看整流罩入口视频，您会看到过热的等离子体和火花以及飞溅的东西。***它的射速基本上是突击步枪子弹的五倍。***这是很疯狂的。"
我认为他描述的是过程中真正发生的事情。即使作为一个火箭科学的门外汉，你也能感觉到他直接把你带到了现实的前线，没有任何废话。
示例9：自动驾驶汽车
以下内容来自clubhouse的采访。我剪辑了一些关于自动驾驶汽车的讨论。
埃隆："这是一个非常有说服力的故事，因为一旦你拥有了自动驾驶汽车的自主权，你就会大大增加任何特定汽车的实用性。***一辆典型的汽车每周行驶约12小时。***根据你居住情况，可能是每天一个半小时或类似的情况，或者在洛杉矶，可能是每天两个小时。所以大约每周12小时。***一周有168个小时，***所以最有可能的是，自动驾驶的汽车也许可以在一周内完成三分之一的时间或类似的事情。所以，我不知道，也许他们可能每周使用60小时，而不是12小时。
因此，***你的资产利用率基本上增加了5倍，***对停车场、停车库等的需求大大减少。这本身就对环境有利，因为你需要更少的汽车来完成同样的事情。我们将需要更少的停车场和地方，只是为了在不使用时保留汽车，因为它们只是被更多地使用了。拥有大量汽车的自动化或自动驾驶的时间，我认为是其核心原因。许多投资者认为特斯拉物有所值。他们对我们未来的执行给予了很多赞誉，但我认为这个趋势是相当积极的。"
你可以在这里得到同样的 "ElonSense"。
示例10：LIRAD和autopolit
以下内容来自cloubhouse的采访。我剪辑了一些关于激光雷达等自动驾驶技术发展路径的讨论。
埃隆："首先，我并不是在所有事情上都反对雷达，因为对于与空间站对话的Space X Dragon，我们实际上开发和建造了我们自己的激光雷达，用于与空间站对接，***所以很明显，如果我讨厌激光雷达，我们就不会这样做并做得这么好。正如10年前，***我们开始做这个。我对激光雷达没有某种奇怪的喜欢，或对立的情绪。然而对于在现实世界的道路上驾驶，你必须解决视觉问题。对于基本上理解物体的被动光学，光子，然后使这些物体有意义，所以我们需要像视觉感知，这个物体意味着什么，他们要做什么，可能的旅行路径是什么，然后进行控制。
我们正在做的方式是在我们的头脑中运行一堆神经网络。因此，***我们必须运行一堆神经网络，在汽车中做同样的事情，***在你解决了被动光学的时候，这是比人类更好的被动光学，因为你有八个摄像头，其中三个直接指向前方，两个是斜向前方，两个是斜向后方，一个是后方。
所以我们现在的做法是让所有八台摄像机同步，您在移动时同时收集了八帧。事实上，我们已经大部分转向视频培训。拥有八个环绕摄像头看起来有点超现实，因为***人们真的有两只眼睛，但更像是一只眼睛，因为两只眼睛结合在一起。***无论如何，神经网络需要转向全视频训练推理，环绕视频训练，环绕视频推理，然后它就会超人类，这是毫无疑问的。
因为人们的后脑勺上没有眼睛，所以从所有意图来看，一个人都喜欢在一个缓慢的万向节上安装一个摄像头，这经常会分心，也许有点醉了，或者你知道忙着换收音机，或者他们睡着了，或者，有各种各样的事情会出错，毫无疑问，你可以通过摄像头来实现超级人类。
我认为，如果要进行主动光子生成，我会推荐遮挡穿透波长的东西，例如雷达，大约四毫米雷达或类似的东西，如果您要真正深入研究领域的话会更好实际的光子产生。”"
你可以在这里得到同样的 "ElonSense"。这都是关于事实、逻辑和框架。
最后
在了解了一些第一手资料和原始数据后，我才意识到也许埃隆仍然是世界上最被低估的人。我们所知道的所有片段只是伊隆所有公开信息中的微小部分。所有可用的公开信息只是他私下和公开表达的所有信息的微小部分。而他所表达的所有东西，只是他头脑中知识的一小部分。
我一直记得埃隆说***"我不想打击你的思想，但我总是对的。"***
这就像他站在未来，而我们站在今天甚至昨天。他在地上思考，我们在空中思考。他的世界由事实、数字、概率和逻辑组成，而大多数人的世界由其他人的第二手经验组成。
这是根本性的不同。
这不是对他的盲目崇拜，我没有看到有人像他一样，把这么多学科的知识有机地结合在一起。他的话语中总有一些启迪，比如新的事实、新的逻辑、新的角度，不落俗套，但又合情合理。
我画了一幅画来表达我心中关于埃隆和其他人的真实情况。
埃隆对自己的所作所为和想法毫无保留，直截了当（这是真正的自信）。这只是因为没有人能够通过复制或窃取他的思想或战略来超越他或他的公司。特斯拉、SpaceX和埃隆的其他公司的竞争优势是创新质量和迭代效率，这一点以巨大的数量级碾压其竞争对手。线性思维者从来没有预见到埃隆是如何思考和行动的，总是对他做出错误的结论和解释。
最后，我把这句话送给埃隆。
人才能击中别人无法击中的目标；
天才能击中别人无法看到的目标。
-阿瑟-叔本华
我认为埃隆在推特上的怀疑有很多意义，这都是基于量化的估计，与常识一致。没有那么多阴谋，只是逻辑推理。
示例2:黑暗
*埃隆："当我还是个小孩子的时候，我真的很害怕黑暗。但后来我明白了，**黑暗只是意味着没有可见波长的光子--400至700纳米。*然后我想，害怕缺乏光子真的很傻。从那以后我就不再害怕黑暗了。"
我认为埃隆真的，真的触及到了事物的本质。黑暗是 "没有可见波长的光子--400至700纳米"，这确实是关于宇宙如何运作的问题，在这种情况下几乎比任何其他解释都更有说服力和翔实。
示例3：电动汽车
在埃隆最初的总体规划中，他详细解释了为什么电动汽车远远优于燃油汽车。内容如下。
"通用电气的H-系统联合循环发电机将天然气转化为电能的效率为60%。"联合循环 "是指天然气燃烧发电，然后利用余热产生蒸汽，为第二台发电机提供动力。天然气回收效率为97.5%，加工效率也为97.5%，然后通过电网的传输效率平均为92%。这使得我们的油井到电力出口的效率为97.5% x 97.5% x 60% x 92% = 52.5%。
尽管车身形状、轮胎和齿轮的目标是高性能而不是峰值效率，但特斯拉跑车每公里需要0.4兆焦耳，或者换一种说法，每兆焦耳的电量可以行驶2.53公里。特斯拉跑车的全周期充放电效率为86%，这意味着每100兆焦耳的电量用于给电池充电，约有86兆焦耳到达电机。
***综合计算，我们得到的最终优点数字是2.53公里/兆焦耳x86%x52.5%=1.14公里/兆焦耳。***让我们将其与普锐斯和其他一些通常被认为是节能的选择进行比较。
一辆汽油动力汽车充分考虑到的井-轮效率等于汽油的能量含量（34.3兆焦/升）减去精炼和运输损失（18.3%），再乘以每加仑的英里数或每升的公里数。因此，普锐斯在EPA评级为55mpg时，其能源效率为0.56公里/兆焦。与丰田凯美瑞这样的 "普通 "汽车的0.28公里/兆焦耳相比，这实际上是一个很好的数字"。
我认为在大多数情况下，即使在一些专业材料中，也很少能看到如此详细的推理过程。阅读这样的分析可以直接增加你对事物的理解。普通的电动车分析一般只是用定义模糊的概念和粗略的推理过程进行论证。
示例4：工程方法论
以下内容来自于关于星际飞船和星际基地的实地采访。埃隆总结了他关于工程的方法。
埃隆：我正在努力严格执行的是一种5步程序。
***"第一步，让需求不那么愚蠢。***这些要求肯定是愚蠢的；谁给你的并不重要。当它们来自一个聪明人时，这尤其危险，因为你可能没有对它们提出足够的质疑。人谁无过。不管你是谁，每个人都会有错误的时候。所有的设计都是错的，只是错的程度不同而已。
***第二步：非常努力地去删除零件或过程。***如果至少有10%的时间零件没有被添加回设计中，[这意味着]没有足够的零件被删除。倾向于非常强烈地倾向于 "让我们添加这个零件或流程步骤，以防我们需要它"。此外，每个所需的零件和流程必须来自于一个名字，而不是一个部门，因为不能问一个部门为什么会有这样的需求，但一个人可以。
***第三步：简化和优化设计。***这是一个聪明的工程师最常见的错误--优化一些根本不应该存在的东西，在学校里，人们被训练成回答问题和收敛逻辑，即使问题没有任何意义。
***第四步：加快周期时间。***你走得太慢了，快一点吧!但在你先解决其他三件事之前，不要走得更快，如果你在挖你的坟墓，就不要挖得更快。"
***最后一步是自动化。***其中一个重要的部分是在问题被诊断出来后取消过程中的测试；如果一个产品在到达生产线的末端时有很高的接受率，那么就没有必要进行过程中的测试。我个人曾多次犯过在这五个步骤上走回头路的错误。在制造特斯拉的Model 3时，我简直是自动化、加速、简化，然后删除。"
这种制造或工程的过程实际上适用于很多领域。它是从大规模工业生产中提炼、总结和抽象出来的，包含着深刻的见解。在了解了他的想法后，帮助人们有效地反思自己的工作和生活，并产生改进。
示例5：Boring公司
在2017年的TED演讲中，埃隆解释了Boring Company的一些细节和愿景。
克里斯：但是人们，从传统上看到它的挖掘成本高得惊人，这将阻止这个想法。
埃隆：是的。嗯，他们是对的。举个例子，洛杉矶的地铁延长线，***我想这是一个两英里半的延长线，刚刚耗资20亿美元完成。***因此，在洛杉矶做地铁延长线，大概是一英里十亿美元，这不是世界上最高的公用事业地铁。所以，是的，正常情况下，挖隧道是相当困难的。我认为我们需要将每英里隧道的成本至少提高十倍。
克里斯：那你怎么能实现这一点呢？
埃隆：我想实际上如果你只做两件事，你就可以达到大约一个数量级的改进。而且我认为你可以超越这一点。所以要做的第一件事是将隧道的总直径减少2倍或更多。因此，***根据规定，单车道隧道的直径必须是26英尺或28英尺，***以允许碰撞和紧急车辆以及内燃机汽车的充分通风。但是，如果你把直径缩小到我们所尝试的12英尺，这足以让电动滑板通过，***你把直径降低了2倍，横截面积降低了4倍，隧道建设成本随着横截面积的扩大而增加。***因此，这大约是一个半数量级的改进。那么，目前的隧道挖掘机只挖掘了一半的时间，然后就停止了，剩下的时间就是为隧道壁安装加固设施了。因此，***如果你把机器设计成连续隧道和加固，这将给你带来两个因素的改进。结合起来，就是8倍了。***此外，这些机器远远没有达到其功率或热极限，所以你可以大幅提高机器的功率。我认为你至少可以获得2倍，也许在此基础上有4或5倍的改进。因此，我认为有一个相当直接的系列步骤来获得每英里成本超过一个数量级的改善。
我们再次看到了类似的推理过程。埃隆只是把问题分解成子问题，并解决它们。他只是绘制成本结构，试图找出降低成本（时间和空间）的解决方案。一切都是关于简单但可靠的数学、事实和逻辑。
示例6：Neuralink
以下内容来自2019年Lex Fridmen与Elon主持的播客。我剪辑了一些关于Neuralink的讨论，以展示 Elon 的真实想法。
埃隆："我们所面临的问题是什么？材料科学、电气工程、软件、机械工程、微加工。这是一堆工程学科。
从本质上讲，这就是它归结为，你必须有一个微小的电极，小到不会伤害神经元，但它必须持续几十年，就像一个人可以持续几十年一样。然后你必须接受这个信号。你必须以低功率在本地处理该单一信号。因此，我们需要大量的芯片设计工程师，因为我们必须对信号进行处理，并以一种非常有效的方式进行处理，这样我们就不会影响到你的大脑，因为它对热量非常敏感。
我们需要获取这些信号，并要用它们做一些事情，***然后来回刺激，这样你就可以双向通信。***因此，它在材料科学、软件、机械工程、电子工程、芯片设计、制造方面非常出色。这就是那些是我们需要努力的事情。我们需要擅长材料科学，这样我们就能拥有能持续很长时间的微小电极。
而这就是科学背后的艰难之处，因为***你正试图在一个电性活跃的区域进行阅读和电刺激。***你的大脑在电方面非常活跃，在化学方面也很活跃。那么，如何在电极上形成一层不会随着时间推移而溶解并在大脑中安全的涂层呢？
这是一个非常困难的问题。然后你如何收集这些信号？以一种最有效的方式，真的只有非常少量的力量来处理这些信号，正如你所知道的，我们需要把整个事情自动化。所以不是说如果这是由神经外科医生做的，它就没有办法扩展到大量的人。而它需要扩展到大量的人，因为我认为最终我们希望未来是由大量的人类来决定的。"
你读完后有什么感受？埃隆在非常认真和现实地思考这个问题。他阐述了解决这个问题的现有科学和工程障碍，在他的头脑中已经有了一些总体框架。例如，他描述了 "微小的电极"、"双向通信"、"随时间推移而溶解 "等等。这项技术无疑是具有挑战性的，但我认为埃隆似乎已经对它有了一些高层次的理解，你可以感受到它背后的模糊逻辑。
示例7：科学与工程
Tim Urban是我最喜欢的作家之一，他有一篇文章阐述了埃隆的想法。在文章中，他问埃隆是否考虑过进入科学发现领域而不是工程领域。以下是Tim Urban的一段话。
埃隆的回应：
"我当然钦佩伟大科学家的发现。他们发现了已经存在的东西--这是对宇宙如何运作的更深入的理解。这很好，但宇宙已经知道了这些。***重要的是人类背景下的知识。我试图确保的是，在人类背景下的知识在未来仍然是可能的。***所以这有点像--我更像园丁，然后是花。***如果没有花园，就没有花。***我可以尝试成为花园里的一朵花，或者我可以尝试确保有一个花园。所以我试图确保有一个花园，这样在未来，许多费曼可能会开花。"
换句话说，A和B都是好的，但没有A就没有B，所以我选择A。
他继续说。
"我曾一度考虑把物理学作为职业，我在本科时学的是物理学，但为了真正推动物理学，你需要数据。***物理学从根本上受到工程进展的制约。***这场辩论--"工程师和科学家哪个更好？科学家不是更好吗？爱因斯坦不是最聪明的人吗？"--***就个人而言，我认为工程更好，因为在没有工程的情况下，你没有数据。你只是达到了极限。***是的，你可以在你所拥有的数据的限制范围内做到真正的聪明，但除非你有办法获得更多的数据，否则你就无法取得进展。就像看看伽利略。他设计了望远镜--这就是让他看到木星有卫星的原因。如果你愿意的话，限制因素是工程。如果你想推进文明，你必须解决限制性因素。因此，你必须解决工程问题。"
A和B都是好的，但B只有在A前进的情况下才能前进。所以我选择A。
我认为埃隆的有趣和令人敬畏之处在于，***他提出的几乎所有论点都有逻辑和事实支持，这些逻辑和事实是如此扎实甚至无可争辩。在他的脑海里有整个推理和事实架构或堆栈，他的决策过程建立在这个基础之上。***所有突破性的成就或第一性原理思维都在这个基础上发展壮大。
示例8：SpaceX
以下内容来自于2019年对埃隆的采访。埃隆解释了关于SpaceX和工程问题的一些细节。
埃隆："而我们最近刚刚成功地抓住了火箭的鼻锥。我们那是一个疯狂的练习，用的船基本上是一个巨大的捕手手套。回收整流罩[容纳被抛入轨道的火箭有效载荷的鼻锥装置]的实际复杂性是如此疯狂。比如，我不确定我们是否应该这样做。我们已经做了。***但是每个整流罩的一半就像一个带有小推进器的微型航天器。***所以当它从太空进来时，它是在真空中。***还有控制整流罩的小推进器，因为它必须从侧面向下下降，因为那里有一个隔热罩。***它的外表面有一个热保护或热屏蔽，但内表面没有。***所以它必须以圆形的表面下来。当它通过太空进入时，它必须保持其姿态。***它很热。如果您查看整流罩入口视频，您会看到过热的等离子体和火花以及飞溅的东西。***它的射速基本上是突击步枪子弹的五倍。***这是很疯狂的。"
我认为他描述的是过程中真正发生的事情。即使作为一个火箭科学的门外汉，你也能感觉到他直接把你带到了现实的前线，没有任何废话。
示例9：自动驾驶汽车
以下内容来自clubhouse的采访。我剪辑了一些关于自动驾驶汽车的讨论。
埃隆："这是一个非常有说服力的故事，因为一旦你拥有了自动驾驶汽车的自主权，你就会大大增加任何特定汽车的实用性。***一辆典型的汽车每周行驶约12小时。***根据你居住情况，可能是每天一个半小时或类似的情况，或者在洛杉矶，可能是每天两个小时。所以大约每周12小时。***一周有168个小时，***所以最有可能的是，自动驾驶的汽车也许可以在一周内完成三分之一的时间或类似的事情。所以，我不知道，也许他们可能每周使用60小时，而不是12小时。
因此，***你的资产利用率基本上增加了5倍，***对停车场、停车库等的需求大大减少。这本身就对环境有利，因为你需要更少的汽车来完成同样的事情。我们将需要更少的停车场和地方，只是为了在不使用时保留汽车，因为它们只是被更多地使用了。拥有大量汽车的自动化或自动驾驶的时间，我认为是其核心原因。许多投资者认为特斯拉物有所值。他们对我们未来的执行给予了很多赞誉，但我认为这个趋势是相当积极的。"
你可以在这里得到同样的 "ElonSense"。
示例10：LIRAD和autopolit
以下内容来自cloubhouse的采访。我剪辑了一些关于激光雷达等自动驾驶技术发展路径的讨论。
埃隆："首先，我并不是在所有事情上都反对雷达，因为对于与空间站对话的Space X Dragon，我们实际上开发和建造了我们自己的激光雷达，用于与空间站对接，***所以很明显，如果我讨厌激光雷达，我们就不会这样做并做得这么好。正如10年前，***我们开始做这个。我对激光雷达没有某种奇怪的喜欢，或对立的情绪。然而对于在现实世界的道路上驾驶，你必须解决视觉问题。对于基本上理解物体的被动光学，光子，然后使这些物体有意义，所以我们需要像视觉感知，这个物体意味着什么，他们要做什么，可能的旅行路径是什么，然后进行控制。
我们正在做的方式是在我们的头脑中运行一堆神经网络。因此，***我们必须运行一堆神经网络，在汽车中做同样的事情，***在你解决了被动光学的时候，这是比人类更好的被动光学，因为你有八个摄像头，其中三个直接指向前方，两个是斜向前方，两个是斜向后方，一个是后方。
所以我们现在的做法是让所有八台摄像机同步，您在移动时同时收集了八帧。事实上，我们已经大部分转向视频培训。拥有八个环绕摄像头看起来有点超现实，因为***人们真的有两只眼睛，但更像是一只眼睛，因为两只眼睛结合在一起。***无论如何，神经网络需要转向全视频训练推理，环绕视频训练，环绕视频推理，然后它就会超人类，这是毫无疑问的。
因为人们的后脑勺上没有眼睛，所以从所有意图来看，一个人都喜欢在一个缓慢的万向节上安装一个摄像头，这经常会分心，也许有点醉了，或者你知道忙着换收音机，或者他们睡着了，或者，有各种各样的事情会出错，毫无疑问，你可以通过摄像头来实现超级人类。
我认为，如果要进行主动光子生成，我会推荐遮挡穿透波长的东西，例如雷达，大约四毫米雷达或类似的东西，如果您要真正深入研究领域的话会更好实际的光子产生。”"
你可以在这里得到同样的 "ElonSense"。这都是关于事实、逻辑和框架。
最后
在了解了一些第一手资料和原始数据后，我才意识到也许埃隆仍然是世界上最被低估的人。我们所知道的所有片段只是伊隆所有公开信息中的微小部分。所有可用的公开信息只是他私下和公开表达的所有信息的微小部分。而他所表达的所有东西，只是他头脑中知识的一小部分。
我一直记得埃隆说***"我不想打击你的思想，但我总是对的。"***
这就像他站在未来，而我们站在今天甚至昨天。他在地上思考，我们在空中思考。他的世界由事实、数字、概率和逻辑组成，而大多数人的世界由其他人的第二手经验组成。
这是根本性的不同。
这不是对他的盲目崇拜，我没有看到有人像他一样，把这么多学科的知识有机地结合在一起。他的话语中总有一些启迪，比如新的事实、新的逻辑、新的角度，不落俗套，但又合情合理。
我画了一幅画来表达我心中关于埃隆和其他人的真实情况。
埃隆对自己的所作所为和想法毫无保留，直截了当（这是真正的自信）。这只是因为没有人能够通过复制或窃取他的思想或战略来超越他或他的公司。特斯拉、SpaceX和埃隆的其他公司的竞争优势是创新质量和迭代效率，这一点以巨大的数量级碾压其竞争对手。线性思维者从来没有预见到埃隆是如何思考和行动的，总是对他做出错误的结论和解释。
最后，我把这句话送给埃隆。
人才能击中别人无法击中的目标；
天才能击中别人无法看到的目标。
-阿瑟-叔本华
No comments yet