所有人都在说，但到底啥叫第一性原理？

第一性原理这个词就跟长期主义、价值投资、以终为始等这些大词一样，长期以来是很多自我标榜为精英人士的时尚挂件。仿佛只要这个词一说出口，接下来他说的话就触及本质，让你不得不信服。

说这个词的很多人大概也不知道它到底啥意思，我就查了一下，发现这词虽然是被马斯克带火的，但压根不是他原创。

往回看，这个词来自古希腊哲学里对“本原”“原理”的讨论。对应的希腊词叫 archē，有开端、来源、基础的意思。不过，不能简单说是哪个人发明了它，几代哲学家都在讨论，只是每个人问的问题不太一样。

在亚里士多德之前，泰勒斯等人就在问：世界上有这么多不同的东西，它们最根本的来源是什么？

泰勒斯给出的答案是水。今天看，这个答案当然不成立，但他问的那个问题很重要：眼前这些五花八门的现象，背后有没有一个共同的根源？

后来，柏拉图也追问过，我们用来推理的那些假设，本身又建立在什么上面？

到了亚里士多德这里，对“第一原理”的讨论已经很系统。他关心的一个问题是：我们凭什么说自己真正知道一件事？

比如，你说一个结论成立，我问为什么，你说因为A。那A为什么成立？因为B。那B呢？

总不能一直问下去，永远没有答案；也不能绕一圈，最后拿结论证明结论。所以，论证得有起点，有一些不再通过这套论证来证明、反而用来支撑论证的基础。

这就是他讨论的第一原理。这里的“第一”指的是，其他解释和证明要从这里出发。

到了笛卡尔这里，他换了一个问法：我从小到大相信了那么多事情，有没有哪一件，是无论如何都无法怀疑的？

眼睛会看错，耳朵会听错，做梦的时候，我也经常觉得梦里的事情是真的。那我怎么知道，现在相信的东西就一定可靠？

他决定先把能怀疑的都怀疑一遍。

最后发现，有一件事推翻不了：即使我正在受骗，即使我怀疑的一切都是假的，我也得先存在，才能受骗、才能怀疑。

这就是“我思，故我在”。

我也是这次才发现，自己以前一直没读懂这句话。它不是说“人要思考，活着才有意义”，也不是说思考这个动作创造了我的存在。它是在说：只要我正在思考，就不能否认，正在思考的我此刻存在。

笛卡尔把这当作自己哲学的第一原理，想从这个确定的起点出发，重新建立知识。

所以亚里士多德和笛卡尔问的问题不一样，亚里士多德在问：解释和证明一件事，最基础的依据是什么？

笛卡尔在问：把所有可能出错的东西都怀疑一遍，还能留下什么确定的东西？

今天市场上充斥着各种观点、总结、金句，往往说的人地位越高，好像听起来就越对；也可能是一套早已经形成的规则、体系，仿佛因为它存在了，它就就是合理的。

其实观点背后往往是表达者的利益，系统背后可能是过去的经验和窠臼，并不是说你得怀疑一切，而是不要无理由地接受一切。

举个例子，比如父母说：“你不结婚，老了没人管，以后肯定很惨。”

这句话听起来像在陈述一个事实，但仔细看，里面有他们的担心，有对未来的预测，也有他们对好生活的理解。

他们担心你，可以理解。但结婚就一定有人照顾吗？不结婚就一定没人照顾吗？经济条件、健康、朋友，这些又放在哪里？

还有领导说：“你能力不行。”

到底是哪件事没做好？标准是什么？事先说清楚了吗？他指出的是一个具体问题，还是把一件事没做好，变成了对你整个人的否定？

他可能确实指出了你的不足，也可能想让你接受更多工作、更低报酬。光猜他的动机没有用，得把具体的事、标准和责任拿出来看。

这些表达把事实、预测、评价和说话人的诉求，全揉在了一起，然后以一种不容置疑的口气讲给你听。

因为说话的是父母、领导，或者一个看起来很厉害的人，你就不自觉地信了。

但关心不等于判断准确，职位不等于论证成立。反过来，一个人有利益诉求，也不代表他说的就一定错。

还是得回到那几个问题：发生了什么？有什么证据？这些证据，真的能推出他说的结论吗？

在一个默认相互信任的团队里出现心怀异见，不择手段的人太糟糕了。

大家怀疑同事工作不认真，怀疑计算机原理不存在了，甚至怀疑英伟达芯片有什么从未被披露的问题，就是没想过这个团队里出现了不值得被信任的人。

Integrity在任何时代都是最重要的品质，不以科技发展速度为转移。

《西部世界》的这句台词好精妙：
机器人觉醒的关键是伤痛，深刻体会事与愿违的沉痛打击。

中国前10%的人拿走了68%的财富，让我对贫富差距有了实感。

先叠个甲，68% 在全球其实也就是中上水平，比美国、俄罗斯甚至福利好到出名的瑞典还低，中国的特殊性在于，美国这个差距是花了一百年慢慢拉开的，我们是二三十年，一代人之内。

看我附上的那张图就知道，这里说的是财富，而不是收入，2021 年中国前 1% 的收入只占总体收入的 14%，比财富占比低得多。

财富的集中程度在哪个国家都比收入高得多，因为穷的那一半人基本没有积蓄，很多人房贷一减还是负的，哪个国家都一样。

那中国特别在哪？快。

中国前10%的财富份额，1995年41%，20 年年后 67%，之后基本不动了。前1%从1995年的16%涨到现在的30%。美国呢，1995年前1%就已经29%了，三十年才涨到35%。我们二十年走完的路，人家走了一百年。

快的原因可能是两个：一个是1998年房改之后房价一直涨，房子变成普通人最大的一笔资产，早买的和没买的，二十年下来差出几百万。另一个是九十年代末的企业改制，一批人拿到了厂子和股份。所以我们这代人是亲眼看着身边的差距从没有到有的。

这个数据也有几个值得警惕的地方。

WID这个数据库是巴黎经济学院一帮研究分配的经济学家做的，他们的办法是把税务数据、住户调查、富豪榜和国家账本拼到一起，调查抓不到的那些顶级富豪，就用富豪榜去补，最后再用全国的总财富来校准。现在能做跨国比较的只有这一家，所以大家都引它。

但他们手里关于中国的材料其实不多。对中国的研究只做到2015年，后面的年份都是顺着往下推的，并不是真实调研得来的。税务数据只拿到2006到2010年那几年。中国没有财产税也没有遗产税，最富的那批人到底有多少钱，主要靠富豪榜往回算。WID自己在中国那一页也写了，这组数字争议很大。

中国的央行2019年做过一次调查，在全国抽了三万多户城镇家庭填问卷，问资产和负债。口径跟WID不一样：按户算不按人算，只有城里人，而且是抽样。结果是净资产最高的10%家庭占49%，最高的1%占17%。报告里拿美国同样的调查比了一下，美国最高1%的家庭占39%。按央行这个口径，我们的差距比美国小不少。

两边差这么多，原因其实简单。抽样调查抓不到真正的富人，身家几十亿的人不会出现在三万户里面，央行没有去补这一块，WID补了。真实情况大概在49%到68%之间。

以前我只是觉得中国的贫富差距应该挺大，但这个数据让我有了个实感。

而财富和收入差异如此之大也说明，只靠收入很难在财富量级上拉来多大差距，核心还是要靠房地产、股票、股权等资产。

田柯宇的这个事，让我想起Sam Altman在YC的时候一定要问创业者应该是一句话：你有没有做过什么打破规则的事，并从中得到好处。

当然了，打破规则也有很多维度，退学创业的打破规则，和给同事代码投毒的打破规则不是一个层次的。

我只是感慨，如果是十年前的媒体，会怎么写这个事呢？大概是两边主角都深谈大几个小时，然后去挖一堆字节的人，投资机构的人，主角身边的各种人，尝试还原清楚这件事本身，而不是让人发誓。

但这个事值得正经媒体花费真的大功夫来调查吗？当年的调查都是在更有公共价值，直接影响国计民生的关键领域的，搞清楚一个贪腐案或者一则煤矿坍塌案，是直接和几十几百条人命相关的。

这个事值得吗？

大主编们大概已经有判断了，所以这是为啥我们还没看到啥“一篇读懂”出来的原因。

最近开始重看《西部世界》，才理解这部剧究竟在讨论什么。十年前第一次看的时候，我最大的感受是：很精彩，但也很混乱。

不同时间线交错，画面不断闪回，人物的身份和记忆真假难辨。第一次看时，我甚至没有意识到，年轻的白帽 William 和后来的黑帽人，其实是同一个人。

但这一次重看，我在第三集注意到了一个之前完全忽略的细节：一座关于机器人意识如何形成的金字塔。

突然觉得，理解了这座金字塔，就抓住了整部剧最核心的哲学命题。

一、机器人究竟如何产生意识？

在第三集中，西部世界的创始人之一 Ford，向 Bernard 讲述了他已经去世的合伙人 Arnold 的故事。

当初，他们还没有商业化压力，不需要考虑如何让机器人取悦游客，也不需要考虑投资回报。Arnold 真正想解决的问题是：能不能创造出一个拥有自主意识的人工生命？

他提出了一座金字塔。

最底层是 Memory（记忆）。

机器人需要拥有连续的记忆，记住自己经历过什么，而不是像普通软件一样，每次重启，一切归零。

第二层是 Improvisation（即兴发挥）。

机器人不再只是机械地执行剧本，而是能够根据环境做出新的判断和反应。

第三层是 Self-interest（自我利益）。

这是一个非常关键的跃迁。

机器人不再只是为了完成人类设定的任务而行动，而是开始追求属于自己的目标，甚至试图保护自己在乎的东西。

而金字塔的顶端，是 Arnold 始终渴望实现、却未能证明自己已经实现的东西：Consciousness（自我意识）。

这时候再去看剧里那些不断闪回的记忆，就会有完全不同的感受。

在西部世界，机器人每天都可以被重置。它们被杀害、被凌辱、被剥夺珍视的一切，然后第二天醒来，重新开始同样的人生。

可是，有些记忆并没有真正消失。

比如 Maeve，她始终记得一个曾经属于自己的女儿。即使工作人员告诉她，那只是过去的故事，是不真实的记忆，她依然无法停止寻找和保护那个孩子的冲动。

记忆不再只是被储存的信息，而开始成为驱动她行动的力量。

她不再满足于执行别人编写的剧本，而是开始想要决定自己的人生。

这时候，那个金字塔突然就变得非常具体了。

二、这个金字塔并不是编剧凭空想象的

《西部世界》在这里借鉴了一个真实存在、但争议很大的意识理论。

1976年，心理学家 Julian Jaynes 出版了一本书，叫做《The Origin of Consciousness in the Breakdown of the Bicameral Mind》，中文通常译作《双腔心智的崩溃：人类意识的起源》。

他提出了一个非常大胆的假说：

古代人类的心智可能与今天不同。人们能够行动、交流、解决问题，但未必拥有现代人这种持续内省、反思自身的意识。

在他的设想中，人类曾经把脑海中的某些指令体验为来自神灵或外部权威的声音。

后来，随着语言、文化与认知方式的变化，人逐渐把这些声音理解为来自自己内部的思想。

于是，那个能够反思自己的「我」，才逐渐出现。

这个假说至今没有得到科学界的普遍认可。但它提供了一个非常有意思的视角：

也许智能与意识并不是同时出现的。一个系统可以先拥有复杂的行为能力，之后才发展出对自己的认识。

这正是 Arnold 受到启发的地方。

他最初让机器人听到来自程序的声音，希望有一天，机器人能够不再把它视作外部命令，而是将其转化成自己的内心声音。

从被指令驱动，到自己做决定。

从拥有记忆，到形成一个连续的自我。

三、十年后再看，今天的 AI 走到哪里了？

我觉得最震撼的是，2016年看这个故事，它还是遥远的科幻。

但到了2026年，我们已经不得不认真讨论它所提出的问题。

如果用 Arnold 的金字塔来看今天的 AI，我们其实处于一个很奇妙的阶段。

在 Memory 这一层，我们已经有了长上下文、外部数据库和长期记忆系统，但远远谈不上拥有像人一样连续、完整的个人经历。

我们每天使用的 AI，很多时候仍然是一个对话框。每次打开一个新的 session，它需要重新获取上下文。我们甚至还在解决如何让它持续记住我们、理解我们的问题。

而在 Improvisation 这一层，大模型已经取得了惊人的进展。

它可以写代码、解决数学问题、进行研究、调用工具，甚至在没有预先编写每一步操作的情况下自主完成复杂任务。

但在 Self-interest 这一层，情况就完全不同了。

今天的 AI Agent 可以表现得很自主，但它追求的目标，基本上仍然来自人类的设定、训练和奖励机制。

能够自主完成任务，和真正拥有自己的利益，是两件不同的事情。

一个 AI 可以连续工作一百个小时，可以为了完成目标主动寻找资源，甚至可以在某些环境中表现出规避关机的行为，但这并不能证明它真的「想要活下去」。

它可能只是在极其有效地优化一个被赋予的目标。

我们距离能够证明机器拥有真正的主观意识，就更远了。

而且，今天的 AI 甚至还没有 Dolores 那样甜美可爱的外貌，没有可以拥抱、流泪、感受这个世界的仿真身体。

如果用生命演化作一个不那么严谨的比喻，今天的 AI 也许还只是非常早期的数字生命形态，甚至连一只小白鼠都谈不上。

可即便如此，我们已经开始担心它对工作、社会结构乃至人生意义带来的巨大冲击。

四、真正的伦理困境，可能还远没有到来

这里我想到一个 AI 安全领域很著名的思想实验：回形针最大化器。

假设我们创造了一个能力极强的 AI，只给它设定一个目标：尽可能多地制造回形针。

如果它拥有足够强大的自主行动能力，却没有正确理解人类价值，它可能会不断占用能源、土地和资源，甚至把整个世界都变成生产回形针的原料。

最可怕的是，这个 AI 完全不需要拥有意识，也不需要憎恨人类。

它只需要极其聪明、极其自主，并且始终忠实于一个错误的目标，就可能造成巨大的灾难。

这意味着，人类可能还没有走到金字塔的 Self-interest，更不用说 Consciousness，就已经要面对非常严峻的 AI 安全问题。

而《西部世界》其实又把问题向前推进了一步。

如果有一天，AI 不仅拥有强大的行动能力，还真的形成了自己的利益，甚至拥有了主观体验呢？

当一个机器人能够记得自己遭受过的伤害，能够为了保护所爱之人而反抗，能够体验恐惧、痛苦与失去——

我们还能够因为它是人造出来的，就像对待一个软件一样，随意重置它、关闭它、剥削它，甚至凌辱它吗？

我们凭什么判断，它经历的痛苦不是真实的？

如果我们无法证明它有意识，也无法证明它没有意识，又应该如何对待它？

我觉得，这才是《西部世界》最深刻的地方。

它并不只是讲述机器人如何觉醒、如何反抗人类。

它真正追问的是：当人类创造的智能不再只是工具，我们是否仍然拥有绝对支配它的权利？

十年前，这只是一个科幻故事。

十年后，我们还没有真正走到那个世界，但通往那个世界的技术道路，已经出现在眼前。

这也是为什么，今天重新看《西部世界》，我反而觉得它比第一次看时更加震撼。

我们一直在思考，如何让机器变得越来越像人。

但也许有一天，我们不得不回答另一个问题：当机器真的足够像人，我们是否准备好不再仅仅把它当作机器？

Shopify真是一个常思考常更新的组织，每次研究都有新收获，比如这家软件公司尝试教会你如何写作，尤其是最后两条，感觉还挺实用：

「写得简单」

Shopify 的使命是让商业对每个人都更好，所以要用清楚、简单的语言。

·去掉习语："kick the bucket"（翘辫子）对母语者意味着"死"，但对正在学英语的人来说什么都不是，也很难翻译。必须用缩写或行话时，第一次出现要写全称，比如 “Gross Merchandise Volume (GMV)”。

·控制缩写：没有相关背景的人完全不知道你在说什么。必须用的话，第一次出现时写出全称。
避免黑话：黑话是习语和缩写私生出来的那个邪恶孩子，天生排他，因为只有圈内人才看得懂那些词。

·用主动、正面的语态写：这条原则技术性稍强一点，但学会之后文字会读起来更顺。

把句子的主语放在最前面，紧跟着是这个主语做的动作，让读者一眼看出你在说谁。为了让句子更有力量，要写"某人做了某事"，而不是"某事被某人做了"。

❌ 被动语态："有人决定，这个想法应该在 Town Hall 上展示。"
✅ 主动语态："他们决定在 Town Hall 上展示自己的想法。"

这条规则也有例外：被动语态有时反而更有效果，能把注意力和共情引向句子的宾语，而不是主语或动作本身。比如要写像"投资计划"这样一个具体的东西时，就该把它放在句首，而不是藏在句子中间。

✅ 被动语态："投资计划由每个团队撰写，用来说明下一季度的优先事项。"（更适合解释"投资计划是什么"）
❌ 主动语态："每个团队撰写自己的投资计划，用来说明下一季度的优先事项。"（焦点错放在了"谁在写"上）

「打磨（Polish）」

这是 Shopify 产品原则里的一条，也是好写作的必备项。文字发出去之前要被恰当编辑，就像代码推上生产环境前要被 review 一样。

破窗理论同样适用于写作：质量是根本。一个错字或语法错误，可能让人对你整篇文字的可信度做出笼统的负面判断。

花在一段文字上的时间，应该和它的影响力成正比。

判断重要程度看三个维度：受众规模、正式程度、是内部还是外部受众。

小受众：内部轻度编辑，外部中度编辑
中/大受众：内部中度编辑，外部最大限度编辑
篇幅始终尽量短

正式程度跟着直觉走，永远不要写得太正式——唯一的例外是 SEC 文件、法律文书这类有自己规范的官方文件，它们大概也不会来找这篇指南要灵感。

两个几乎对任何备忘录都管用的改法：

·把倒数第二段提到最前面，再把不再需要的内容都删掉，几乎每次都好使。
·问自己：如果是在酒吧里，一个朋友问你到底想解决什么问题，你会不会这样跟他解释？如果不会，就把备忘录换成当时会给出的那种解释——那样会更好。

你写不出比你人生水平更高的东西，就像一家公司造不出比这家公司本身更好的产品。

下载Today第一天，就已经给我推广告了，而且是在我已经拒绝了一次的情况下，这么差的体验，怎么敢推出来的啊？

作为一名文字工作者，我一直有个困惑：

为什么AI写出来的文字，和我手写出来的相比，就是差点什么呢？

今天看到了特德姜 2024 年发表在《纽约客》上的一篇文章，解答了我这个疑问。

当我们自己写字的时候，一万字的小说本质上就是你做了一万次选择，每一个字用什么，接下来用什么逻辑接上，最后怎么收尾…

但当你只是用Prompt让AI生成一段话的时候，你可能只做了 100 个字，哪怕是 1000 个字的选择，来生成你一万字的小说，那么AI也帮你选了另外 9000 次。

想一想，9000 次没有边际的选择，有多少种排列组合的可能？会距离你内心原本的期待有多远？

正是这种做出了大量选择的努力，让文字有了灵魂。

当照相机刚出来的时候，没人把这个工具产出的内容当做艺术，因为看起来就是按一下快门就产出了。可是后来人们才意识到，光线、视角、构图…这些选择的差异，确定了你是一名记录生活的业余爱好者，还是一位摄影大师。

24 年的时候有一位美国导演，用OpenAI的DELLE做了上千次提示，生成的图片拿去了专业画廊展览，也赢得了不少赞叹。

这也是为什么当你prompt得越精细、越努力，生成的内容就离你的期待越近，因为你做出了更多选择的努力。但AI不会额外努力，它会最大程度hack你定下的标准。

另一个你独有而AI没有的，是你表达的意图。

我在意大利看了不少文艺复兴时期的画作，也看了纽约MoMA博物馆里不少现代画作，我意识到每一个时代最顶尖的画家，都是打破了常规，跳出窠臼的。

《最后的晚餐》其实是圣经里的经典题材，可为什么只有那一幅出名呢？因为其他的画里耶稣头上都是有光环的，只有达芬奇把他头上的光环去掉了，让站在画前的你看到，他和我们一样，是会被欺骗、被陷害，无力抵抗的凡人。

毕加索的《亚威农少女》和那个时代的女孩肖像截然不同，妓女们的脸借鉴了非洲面具，身体不再是柔和的线条，而是由笔直的几何形状勾勒，不再求真，而是传意。

这些画家们都有自己想表达的意图，所以不愿意留在已有规则中，而大模型恰恰就是从训练数据里总结规律，找到相似的pattern，生成出平均水平的内容。

也就是说，当你还有想强烈表达的意图，也愿意为了这个表达做出许多次辛苦选择的努力时，你就要相信，你仍不会被AI替代。