从一个物理学概念说起

2002 年，Elon Musk 想造火箭。他去俄罗斯买，一枚翻新洲际导弹报价 840 万美元。买不起。

大多数人的反应是：火箭就是这么贵，这个行业就是这样，只能在现有供应商里比价。

Musk 没有接受这个前提。他问了一个更基本的问题：火箭到底是由什么组成的？

航空级铝合金、钛、铜、碳纤维——这些原材料在伦敦金属交易所的价格加起来，只占火箭成品价格的 2% 左右。

那剩下的 98% 是什么？是制造流程的低效、是一次性使用的浪费、是供应链层层加价。

这就是第一性原理思考的起点：不接受"事情就是这样"，而是追问"事情为什么是这样？"

后来 SpaceX 自己造火箭，成本降到行业平均水平的十分之一。不是因为他们有什么黑科技，而是因为他们从最基本的物理约束出发，重新设计了整个制造流程。

什么是第一性原理？

第一性原理（First Principles Thinking）是一种思维方式：把问题拆解到最基本的、不可再分的事实，然后从这些事实出发重新推导答案。

这个概念最早来自亚里士多德。他在《形而上学》中说："在每一系统的探索中，第一性原理是我们不能从其他任何东西推导出来的基本命题。"

在物理学中，第一性原理意味着不从经验公式出发，而是从最基本的物理定律出发进行计算。

在日常思维中，第一性原理意味着：

• 不盲从权威和惯例
• 不接受"别人都这么做"作为理由
• 把复杂问题拆成最基本的组成部分
• 从这些基本事实出发，重新构建解决方案

与之相对的是类比思维（Reasoning by Analogy）——基于已有的经验、参照物或别人的做法来做决策。大多数人在大多数时候用的都是类比思维，因为它效率高、风险低。

但类比思维有一个致命缺陷：它假设过去的答案适用于现在的问题。

为什么要第一性原理？

因为类比思维的天花板太低了。

当你用"别人怎么做"来决定"我怎么做"的时候，你的上限就是行业平均水平。你永远无法做出超越现有范式的创新。

具体来说，第一性原理在以下场景中不可替代：

1. 解决从未遇到过的问题

没有先例可循，类比思维完全失效。你只能回到最基本的约束条件，从零开始推导。

2. 突破行业瓶颈

每个行业都有一些"公认的限制"——大家都觉得不可能突破。但很多时候，这些限制只是历史惯性，不是物理定律。第一性原理能帮你区分"真正的约束"和"虚假的约束"。

3. 避免群体性盲区

当所有人都在同一个框架内思考时，整个行业可能对显而易见的优化空间视而不见。第一性原理让你跳出框架。

4. 做出高质量的独立判断

在信息爆炸的时代，人云亦云是最容易的事，也是最危险的事。第一性原理让你有能力独立验证一个结论是否成立，而不是靠"大V说了"或"大家都这么认为"。

几个经典案例

案例一：电池成本

2006 年，电动车电池组价格约 600 美元/kWh。行业共识是：电池就是这么贵，电动车短期内不可能普及。

Musk 用第一性原理重新分析：电池的核心原材料是钴、镍、锂、碳、隔膜钢——在伦敦金属交易所，这些材料加起来只要 80 美元/kWh。

差距来自哪里？制造规模、供应链效率、回收技术。这些是可以优化的。

特斯拉后来通过垂直整合、大规模生产和材料创新，把电池成本降到了 100 美元/kWh 以下。

案例二：餐饮行业的"30 分钟送达"

在外卖平台出现之前，餐饮行业的"共识"是：餐厅只能服务周边步行可达的顾客。

用第一性原理重新审视这个假设：顾客需要的不是"走进餐厅"，而是"吃到想吃的食物"。限制服务半径的不是物理距离，而是信息传递和物流效率。

当智能手机普及、移动支付成熟、实时定位可用，这些约束条件被逐一消除，外卖平台就成了必然。

案例三：软件开发中的一次重构

这个来自我自己的工作经历。我们团队曾经有一个前端页面的加载时间长达 4 秒，大家习以为常——"这个页面就是这么复杂，数据多，渲染慢，正常。"

后来一个新同学加入，他没有这个"正常"的预设。他从第一性原理出发问：用户首屏真正需要看到哪些数据？这些数据需要几次网络请求？渲染阻塞在哪里？

答案很简单：首屏只需要 3 个核心数据点，但原来的实现加载了 47 个接口。拆分之后，首屏加载降到 1.2 秒。

不是技术做不到，而是大家太久没有重新审视"这个页面需要 4 秒"这个前提。

第一性原理的优点

总结一下这种思维方式的核心优势：

1. 产生真正的创新

不是在现有框架内做增量优化，而是重新定义问题本身。SpaceX 的可回收火箭、特斯拉的电池战略、iPhone 取消物理键盘——这些都是第一性原理的产物。

2. 识别虚假约束

很多"不可能"其实是"以前没做过"。第一性原理帮你区分真正的物理限制和历史遗留的惯性思维。

3. 构建更深的认知

当你能从基本原理推导出一个结论时，你对这个结论的理解深度远超"记住一个答案"。你能在新场景中灵活应用，也能在条件变化时快速调整。

4. 减少决策焦虑

面对复杂选择时，回到最基本的目标和约束，很多噪音会自动消失。"别人怎么选"不再是你的负担。

5. 提高说服力的可信度

当你能从基本事实推导出结论，而不是引用别人的观点时，你的论证更有说服力。在技术评审、方案汇报、甚至日常讨论中，这种能力都很有价值。

如何培养第一性原理的思考习惯？

第一性原理不是一种天赋，而是一种可以训练的习惯。以下是几个实操方法：

1. "五个为什么"追问法

丰田生产系统的核心方法之一。遇到任何问题，连续追问五次"为什么"，直到触及最基本的原因。

举个例子：

• 系统响应慢 → 为什么？→ 数据库查询慢
• 数据库查询慢 → 为什么？→ 一个慢查询没走索引
• 没走索引 → 为什么？→ 查询条件组合变化后没有更新索引
• 没更新索引 → 为什么？→ 没有慢查询监控和索引审查机制
• 没有机制 → 为什么？→ 团队对数据库性能治理缺乏系统性认知

真正的问题不是"系统慢"，而是"团队缺乏数据库性能治理体系"。这个发现会导向完全不同的解决方案。

2. "白板推导"法

遇到重要决策时，拿出一张白纸或打开白板，从最基本的目标和约束开始写：

• 我想达成什么？（目标）
• 哪些是物理/法律/时间上的硬约束？（不可改变的）
• 哪些是惯例/假设/历史遗留？（可以改变的）
• 如果只保留硬约束，最优解是什么？

把"可改变的约束"全部拿掉，你会发现很多问题的解法空间比想象的大得多。

3. "外行视角"练习

定期假装自己是行业外的人，重新审视自己领域的基本假设。

问自己：如果一个完全不了解这个行业的人来看我们的做法，他会觉得哪里奇怪？

很多时候，你会发现一些"一直如此"的做法，其实已经失去了存在的理由。

4. 广泛阅读跨学科知识

第一性原理的燃料是"基本原理"。你掌握的基本原理越多，能拆解的层次就越深。

查理·芒格说的"多元思维模型"本质上就是这个意思——从物理学、生物学、心理学、经济学等多个学科中掌握核心原理，交叉验证。

5. 刻意对抗"经验直觉"

当你脑子里冒出"这不可能"或"这肯定是对的"时，停下来问自己：

• 这个判断的依据是什么？
• 这个依据是来自第一性原理的推导，还是过去的经验？
• 如果经验的前提已经变了，结论还成立吗？

这不是否定经验的价值。经验是很好的起点，但不应该成为终点。

写在最后

第一性原理不是万能的。它的代价是时间和认知消耗——你不可能对生活中的每一个决定都做第一性原理分析（选个午饭不需要从营养学基本原理推导）。

正确的策略是：对日常小事用类比思维保持效率，对重要决策用第一性原理确保质量。

但关键问题是：怎么区分哪些是"重要决策"？

一个简单的判断标准：如果这个决定的后果在一年后仍然重要，就值得用第一性原理重新审视。

选错午饭，明天就忘了。选错技术方向、职业路径、合作伙伴，影响可能是几年。

在这个 AI 工具越来越强大的时代，第一性原理的价值不是在降低，而是在升高。AI 擅长在已有框架内给出答案，但提出正确的问题、判断前提是否成立、决定要不要打破框架——这些仍然是人类独有的能力。

培养这种能力，从今天开始：下次有人说"事情就是这样"的时候，追问一句——"为什么？"