第一性原理：从"照着做"到"想明白"的思维跃迁
别人都用铅酸电池，你也用铅酸电池；别人的火箭卖 6000 万美元，你就接受 6000 万美元——这是"类比思维"。而第一性原理问的是另一个问题：它到底由什么构成？物理定律允许的极限成本是多少？ 把结论拆到不能再拆的地基上，你会发现，很多"理所当然"其实只是"一直如此"。
一、什么是第一性原理
第一性原理（First Principles）并不是硅谷发明的新概念，它的源头在两千多年前的亚里士多德。他把"第一性原理"定义为"认识事物的第一个基础，是在每个系统探索中存在的、不能被违背或删除的最基本命题"。
用大白话说：第一性原理，就是把一件事拆解到不能再拆的基本事实，然后从这些事实出发,重新往上推导，而不是照抄别人的结论。
它对应的是数学和物理里的公理化思维——欧几里得几何从 5 条公设推出整座几何大厦；物理学从守恒定律和基本作用力推导出万物运动。这些"地基"本身不需要证明，也无法再往下拆，其余一切都建立在它们之上。
真正让这个古老概念"出圈"的，是 Elon Musk。他在一次采访中说：
"我倾向于从物理学的角度看问题，物理学教会我用第一性原理推理，而不是靠类比。我们在生活中大部分时间都在类比推理——本质上是在模仿别人做过的事，只做微小的变化。但当你想做一些真正新的东西时，你必须用第一性原理。"
二、类比思维 vs 第一性原理
要理解第一性原理，最好的办法是看它的对立面——类比思维（Reasoning by Analogy）。
| 维度 | 类比思维 | 第一性原理 |
|---|---|---|
| 出发点 | 别人怎么做、过去怎么做 | 最基本的事实与规律 |
| 推理方式 | 在现有方案上做微调 | 从地基重新搭建 |
| 认知成本 | 低，省力，符合直觉 | 高，费脑，反直觉 |
| 结果 | 渐进式优化（+10%） | 颠覆式创新（×10） |
| 风险 | 容易撞上"行业天花板" | 可能推翻错误的行业共识 |
类比思维并不"坏"——人类 95% 的日常决策都靠它，因为它高效。你不需要每次过马路都重新推导交通规则。但类比思维有一个致命短板：它会把别人的天花板，默认成你的天花板。
当所有人都说"电动车不可能便宜，因为电池太贵"时，类比思维会让你点头接受；而第一性原理会追问：电池到底贵在哪？
三、马斯克的三个经典案例
1. 电池成本：从 600 美元到 80 美元
2012 年前后，行业公认电动车电池组的成本约为 600 美元/kWh，而且"历史一直这么贵，未来也降不下来"。
马斯克没有接受这个类比结论，而是把电池拆到了材料层面：
"电池的构成材料无非是碳、镍、铝、一些聚合物和一个钢壳。如果我们从伦敦金属交易所买这些原材料，然后自己组合起来，成本是多少？"
答案是约 80 美元/kWh。
也就是说，600 美元和 80 美元之间的巨大差价，并非物理定律决定的，而是供应链、工艺和规模效应造成的——而这些，是可以被重新设计的。这个判断直接催生了 Tesla 的 Gigafactory 战略。
2. SpaceX：火箭为什么不能便宜 100 倍
创办 SpaceX 之前，马斯克想买俄罗斯的二手洲际导弹改装火箭，报价高得离谱。回程飞机上，他用第一性原理算了一笔账：
一枚火箭的原材料——航空级铝合金、钛、铜、碳纤维——占最终售价的比例是多少？ 算下来只有约 2%。
传统航天业把火箭当成"用一次就扔"的消耗品，就像每飞一次纽约到伦敦就扔掉一架波音 747。既然材料成本只占 2%，那么只要能回收复用箭体，成本就有理论上下降几十倍的空间。这就是猎鹰火箭可回收技术的思想起点。
3. 不要问"客户想要什么样的马"
福特有句被反复引用的话："如果我问客户想要什么，他们会说想要一匹更快的马。"
这正是类比思维的陷阱——用户基于"现有的马"来表达需求。而第一性原理要穿透表象，追问用户真正要解决的根本问题：不是"更快的马"，而是"更快地从 A 到 B"。答案于是变成了汽车。
四、如何做第一性原理拆解
第一性原理不是天才专属，它是一套可以刻意练习的方法。核心是三步：
第一步：识别并质疑假设
把你对某个问题的所有"想当然"全部写下来，逐条打上问号。
- "这件事必须这么做" —— 为什么？是物理限制，还是习惯？
- "大家都是这么干的" —— 大家对吗？还是只是没人质疑过？
- "这是不可能的" —— 是真的不可能，还是只是没人做到过？
一个好用的追问工具是 5 Why（连续追问五个为什么）：把每个答案再往下问一层，直到触及无法再拆的基本事实为止。
第二步：拆解到基本事实
不断往下拆，直到抵达不依赖任何其他结论、由基本规律或客观数据支撑的"地基"。
判断你是否拆到了地基，标准是：
- 它是一条物理/数学规律（能量守恒、供需关系）；
- 或者是一个可验证的客观数据（原材料的市场价、光速）；
- 而不是"某某专家说""行业惯例是"这类二手结论。
第三步：从地基重新推导
抛开原有方案，只用这些基本事实，重新搭建一套解法。这一步往往会得到与主流方案完全不同的答案——因为你不再受"别人怎么做"的束缚。
一句话总结方法：Boil things down to the most fundamental truths, and then reason up from there.（把事情煮到只剩最基本的真相，再从那里往上推。）
五、作为程序员，如何用第一性原理
这套思维对写代码的人尤其有用，因为软件世界里充斥着"祖传代码"和"一直都是这么写的"。
- 面对"祖传屎山"：不要只问"这段代码在做什么"，而要问"这个模块要解决的根本问题是什么？如果今天从零设计，还会长成这样吗？" 很多重构的突破口，来自于推翻"它必须存在"的假设。
- 技术选型：别人用 React 你就用 React，是类比；先问清楚"我的应用本质上要解决什么问题——是交互复杂度、SEO、还是团队协作效率？"再倒推技术栈，才是第一性原理。
- 性能优化：不要一上来就套用"加缓存""上 CDN"的通用招式，而要拆到底层——瓶颈的物理本质是什么？ 是 CPU、I/O、网络往返，还是算法复杂度？定位到基本约束，方案自然浮现。
- 面对 AI 编程：当 AI 帮你生成一段代码，类比思维会让你直接复制粘贴；第一性原理会让你追问"它为什么这样写、底层原理是什么"——这恰恰是对抗技能退化的关键。
六、别把第一性原理用成"杠精"
第一性原理很强大，但它有明确的边界和代价，滥用反而有害：
成本极高：从零推导每件事，脑力和时间消耗巨大。它是"重武器"，只用在真正重要、且现有方案明显不合理的关键决策上，日常琐事用类比思维就好——纠结"早餐吃什么"要不要重构人类营养学，是本末倒置。
你可能拆错了地基：如果你误把一个"二手结论"当成基本事实，后面推导得再严密也是错的。地基必须是可验证的规律或数据，而不是你自己的另一个偏见。
不是否定一切：第一性原理的目的是穿透"想当然"，而不是为了标新立异去否定所有共识。很多行业惯例背后有它合理的原因，质疑之后发现"确实该这么做"，同样是有价值的结论。真正的高手，是分得清哪些天花板是物理定律（不可逾越），哪些只是行业惰性（可以打破）。
结语
第一性原理的本质，是一种智识上的诚实——不满足于"别人都这么说"，而要亲自把问题追问到底层。
它不会让你事事都比别人聪明，但会在那些真正重要的岔路口，给你一个别人没有的选项：当所有人都在优化"更快的马"时，你有能力问出那句——
"等等，我们为什么一定需要马？"