你遇到一个新问题的时候,第一反应是什么?
绝大多数人的第一反应是:这像什么?我有没有遇到过类似的?别人是怎么解决的?然后照着那个"类似"的经验去做。
这种思考方式,叫类比思考。它不坏,它是人类赖以生存的能力——你靠它从过往经验里找答案,效率极高。
但类比思考有一个致命的天花板:它只能让你得到"类似"的答案,永远无法让你得到"本质"的答案。你类比得再好,也只是在已有的方案附近打转。
而有一种思考方式,能让你跳出这个天花板,直接触达问题的底层。它叫第一性原理。
这个概念,两千三百年前由亚里士多德提出。亚里士多德说,第一性原理是"事物最根本的、不可再分的基本前提"。你无法再追问"它为什么是这样"的那个东西,就是它的第一性原理。
而把它变成一个轰动世界的实践方法的,是埃隆·马斯克。马斯克用第一性原理,把火箭发射成本砍到了原来的几十分之一,把电动汽车做成了主流。他反复强调:"我不是在类比,我是在从本质出发重新思考。"
这篇文章,就是要帮你理解:为什么高手用本质思考,普通人用类比思考——以及,你怎么把自己变成那个"用本质思考的人"。
第一性原理:从"这像什么"到"它到底是什么"
先讲清楚这两个概念的区别。
- 思考路径 — 新问题 → 回忆类似经验 → 套用类似方案
- 提问方式 — "这像什么?别人是怎么做的?"
- 天生上限 — 只能在已有方案附近打转,追不上定义规则的人
让你快速上手,但天花板是"做得和同行一样好"
- 思考路径 — 新问题 → 拆到最基本的单元 → 从本质重新推理 → 得出方案
- 提问方式 — "它的本质是什么?为什么必须是这样?"
- 创造答案 — 马斯克问火箭的本质,把发射成本降到原来的1/10
让你在没有答案的地方,创造答案
类比思考的路径是:新问题 → 回忆类似经验 → 套用类似方案。
比如你想开一家店,你会想:隔壁那家店是怎么做的?同行是怎么做的?然后照着来。这个方法,能让一个新手快速上手,但它的上限,就是"做得和同行一样好"。你永远追不上那个定义了行业的人,因为你在模仿他,而他在定义规则。
第一性原理的路径是:新问题 → 拆到最基本的单元 → 从本质重新推理 → 得出方案。
比如马斯克造火箭。他没有问"别人怎么造火箭",他问的是:"火箭的本质是什么?是用材料把载荷送到太空。那材料成本是多少?"他拆到最底层:火箭的原材料(铝、钛、铜等)只占总成本的2%。然后他问:"为什么我要为那98%付钱?"于是他自己造,成本降到了原来的1/10。
类比思考是在已有答案里选答案,第一性原理是在没有答案的地方创造答案。这就是它们最根本的区别。
亚里士多德当年用第一性原理,是去追问"世界的本质是什么"。而马斯克把它用在了工程和商业上。但你不需要是哲学家,也不需要是火箭科学家——第一性原理,是每个人都能学会的思考工具。
第一重真相:类比思考的极限,就是你的天花板
为什么大多数人一辈子都在类比思考?因为类比思考轻松、安全、被鼓励。
从小到大,你被教育的方式就是类比。学新知识,老师用旧知识打比方;写新方案,你参考前辈的模板;做新项目,你研究别人的成功案例。整个教育和社会体系,都在训练你"从已有的答案里找答案"。
这套方法的优点很明显:高效、低风险、不出错。但它有一个你意识不到的巨大代价——你永远被困在已有的框架里。
你想做一个比淘宝更好的电商平台,如果你用类比思考,你会去研究淘宝怎么做的,然后做得"和淘宝差不多"。但你永远做不出一个真正超越淘宝的东西,因为你的起点就是"模仿淘宝"。
而贝索斯当年做亚马逊,用的不是类比思考。他问的是:"零售的本质是什么?是给消费者提供丰富的选择、低廉的价格、便捷的配送。那互联网能不能让这三点做到极致?"他从本质出发,重新定义了零售,于是有了亚马逊。
这就是类比思考和第一性原理的分水岭:类比思考让你在赛道上追别人,第一性原理让你重新定义赛道。
而在一个变化越来越快的时代,重新定义赛道的人,正在碾压在赛道上追赶的人。这就是为什么,类比思考的极限,正在成为越来越多人的天花板。
第二重真相:大多数人的"独立思考",只是排列偏见
你可能觉得:"我是在独立思考啊,我从来不照搬别人。"
但真相是,大多数人所谓的独立思考,只是在已有的框架里,挑选自己喜欢的答案——这本质上还是类比思考,只是包装得更好看。
举个例子。你想做一个知识付费产品。你脑子里浮现出各种"成功案例":这个人靠写作变现、那个人靠社群赚钱、还有人是靠课程。你的"思考",就是在这几个案例里,选一个看起来最适合自己的。
这不是独立思考,这是排列组合。你没有质疑任何一个前提——比如"知识付费是不是最好的变现方式"、"我是不是真的适合做内容"。你只是在别人划定的选项里做选择。
第一性原理要求你质疑一切前提。当你想到"知识付费"时,你要问:这个产品要解决的底层问题是什么?是"帮助人们解决问题"。那除了知识付费,还有没有更本质的解决方式?可能是一个工具,可能是一个服务,可能是一个社群。当你从"知识付费"这个框架里跳出来,你的选项,一下子变多了。
大多数人不敢质疑前提,是因为质疑前提意味着"从零开始",意味着"放弃安全"。他们宁可在有一个答案的框架里选择,也不愿意在空地上重新思考。
而这,恰恰是把高手和普通人区分开来的那道线。
第三重真相:第一性原理最难的不是方法,是"敢"
第一性原理的方法,其实很简单,就三步:拆解、质疑、重建。但为什么大多数人做不到?不是因为方法难,是因为"敢"很难。
第一步,拆解。把一个复杂问题,拆成最基本的单元。问自己:这个问题的底层,到底是什么?比如"我该不该辞职创业"——拆到底层,是"我有多想掌控自己的人生"和"我有多少承担风险的底气"。
第二步,质疑。对每个基本前提问"为什么"。为什么一定要先有经验才能创业?为什么一定要有团队才能做产品?为什么一定要融资才能做大?很多你以为"理所当然"的前提,其实是可以被推翻的。
第三步,重建。基于那些经得起质疑的基本事实,从零开始,重新推理出一个方案。这个方案可能和所有现成的方案都不一样,但它是从本质出发的。
难在哪?难在第二步的"质疑"。因为质疑那些前提,往往意味着你要否定自己过去相信的东西,要走出舒适区,要承担"从零开始"的不确定性。
大多数人不是不会拆解,不是不会重建,是不敢质疑。他们宁可靠着一个"看起来很安全"的前提,也不愿意面对"也许这个前提是错的"的恐惧。
而马斯克、贝索斯这些人,他们敢。他们敢问"为什么火箭这么贵"、"为什么零售必须是这个样子",然后从本质出发,重新做了一遍。
第一性原理的边界:不是所有问题都能靠"拆"
讲到这里,你可能觉得:那我以后所有问题都用第一性原理拆解,不就天下无敌了?
这里,我要讲一个大多数讲第一性原理的人都不会告诉你的观点——第一性原理不是万能的,它有边界。
第一性原理的本质,是一种"还原论"(Reductionism)思维:把复杂的问题拆成简单的单元,理解了单元,就理解了整体。
这种思维,在解决"机械性"问题时极其有效。火箭、汽车、电子产品,它们是由零件组成的,理解了零件的成本和性能,就能从本质上重新设计。这就是为什么马斯克能在工程领域用第一性原理大杀四方。
但现实世界,不是所有问题都是"由零件组成"的。
有一类问题,叫"涌现性问题"。它的特点是:整体不等于部分之和。你理解了每一个部分,也不一定能理解整体。
举几个例子。
一家公司的成功,不是靠拆解每一个部门能算出来的。一个团队的文化,不是靠分析每一个成员能理解的。一段感情的质量,不是靠拆解每一个瞬间能衡量的。
这些问题,靠"拆"解决不了。你拆得再细,也看不到那个"整体涌现出来的东西"。这时候,你需要的是另一种思维——系统思维。
系统思维,是反过来看:不把问题拆成零件,而是看它所在的系统——看各个部分怎么相互作用,看反馈回路,看整体结构。
这就是为什么,真正的高手,不是只会用第一性原理,而是知道什么时候该拆,什么时候该看整体。
遇到机械性问题(怎么降低成本、怎么优化流程),用第一性原理,拆到底层。遇到涌现性问题(怎么打造团队、怎么经营关系),用系统思维,看整体结构。
所以,第一性原理的正确用法,不是"所有问题都拆",而是"先判断这个问题适不适合拆"。适合拆的,拆;不适合拆的,换一个视角。
- 特性 — 整体 = 部分之和,理解了零件就理解了整体
- 例子 — 怎么降成本、怎么优化流程、怎么造火箭
- 工具 — 第一性原理:拆到底层,从本质重新推理
马斯克在这里大杀四方:材料只占火箭成本2%,凭什么为98%付钱
- 特性 — 整体 > 部分之和,拆得再细也看不到整体
- 例子 — 团队文化、经营关系、公司能不能成
- 工具 — 系统思维:看相互作用、反馈回路、整体结构
公司的成功不是靠拆部门算出来的,是系统涌现出来的
而判断"该拆还是该看整体",这个能力本身,比会拆解更值钱。
一个真实的场景:怎么用第一性原理做产品
把第一性原理放进一个真实的场景,你会看到它怎么帮你找到别人看不见的机会。
假设你想用 AI 做一个产品。如果你用类比思考,你会想:现在市面上有什么 AI 产品?ChatGPT 做聊天、Midjourney 做图片、各种工具做各种事。然后你选一个方向,做一个"比它更好一点"的产品。
但如果你用第一性原理,你会问三个问题:
第一,AI 的本质是什么?是让机器替代人类完成认知劳动。那人类认知劳动里,哪些是最贵、最痛的?
第二,你服务的用户,他们最痛的认知劳动是什么?不是聊天,不是写文案。可能是小企业主的对账、是律师的合同审阅、是贸易商的库存管理。这些是真实存在、且愿意付费的痛点。
第三,AI 怎么用最低成本解决这个痛点?不一定需要最先进的模型。一个简单的网页工具,把"人工对账"变成"自动对账",就够了。
你发现了吗?用第一性原理,你跳出了"我要做一个AI产品"的框架,进入了"我要解决一个具体痛点"的层面。这时候,你的机会不是"做AI产品",而是"用AI解决某个行业的具体问题"。
这就是为什么,很多人做了很多AI产品却不赚钱,而有些人用一个简单的工具就能收费——前者在模仿AI产品,后者在解决真实问题。后者用的是第一性原理,前者用的是类比思考。
而当你把视角再拉远,用系统思维看,你会发现:一个AI产品的成功,不只是"功能好用"这一个变量,还取决于它所在的系统——渠道、定价、用户习惯、竞争格局。只靠拆解功能,做不出成功的产品;还需要看它所在的整个系统。
这就是第一性原理和系统思维,在一件真实的事上的配合。
怎么练:从"类比思考"到"本质思考"
练习一:连续问五个"为什么"。下次你做一个决定时,连续问自己五次"为什么"。"我想做这个项目。为什么?因为能赚钱。为什么能赚钱?因为有需求。为什么有需求?因为……"问到第五层,你会触达这个决定最根本的那个动机,然后你会看清,这个动机是不是真的成立。
练习二:质疑一个"理所当然"。每周挑一个你习以为常、从不质疑的事情——"做内容要先有人设"、"创业要有启动资金"、"升职加薪是唯一的成长路径"——然后问自己:这个前提,真的成立吗?如果不成立,会怎样?
练习三:先分类,再选工具。遇到一个问题,先问自己:这是"由零件组成"的机械性问题,还是"整体大于部分"的涌现性问题?如果是前者,用第一性原理拆解;如果是后者,用系统思维看整体。这个"分类"的动作,决定了你用哪个工具。
练习四:从一个问题重新出发。选一个你正在面临的难题,然后用第一性原理的步骤:拆解它(它底层是什么)、质疑它(哪些前提可以推翻)、重建它(从本质出发,我能怎么重新做)。把这三个步骤写下来,你会得到一个和原来不同的答案。
一个判断的误区:不是所有"本质"都值得重新发明
在你急着用第一性原理重新发明一切之前,我想提醒你一个容易踩的坑——有些东西,是可以用类比快速借鉴的,没必要从零发明。
第一性原理适合用在"你真正要长期投入、要做差异化"的地方。它需要你投入大量的思考成本。如果你对每一件事都用第一性原理,你会累死,而且得不偿失。
比如,你想开一家店,你没必要从零发明"怎么开店"——这个成熟行业里,有大量可以借鉴的标准流程。这时候用类比思考,快速借鉴成熟经验,是更高效的选择。
但如果你想做的,是"开创一个别人没做过的模式",那类比思考就不够了,你必须用第一性原理。
所以,一个成熟思考者的做法是:在"效率"层面,大胆用类比(借鉴成熟经验);在"创新"层面,坚持用第一性原理(从本质出发)。前者让你不浪费,后者让你不平凡。
这也是为什么,高手不是"永远用本质思考",而是"知道什么时候该用本质思考"。他们既不是盲目模仿的类比者,也不是偏执重造一切的理想主义者。他们在这两种思维之间,自由切换。
理解了这一点,你对第一性原理的理解,才算完整。
这里有一个问题留给你
你现在面对的,最大的那个难题是什么?
是工作、是收入、是关系、是方向?
现在,请你问自己一个问题:我解决这个难题的方式,是在别人划定的选项里选一个,还是从它的本质出发,重新想过一遍?
如果你发现,你一直在用类比思考——一直在看别人怎么做、照着别人做——那你的答案,大概率和大多数人一样。
而如果你想得到不一样的答案,你就得用不一样的方式思考。
马斯克没有问"别人怎么造火箭"。他问的是"火箭到底是什么"。
但真正的完整,不是只用第一性原理。而是先判断问题该不该拆,然后用对工具。该拆的,拆到底层;该看整体的,退一步看系统。
你要不要也试着问一次:我面对的这个问题,它到底是什么?它适合拆,还是适合看整体?
