第一性原理思考 vs 类比思维

第一性原理 (First Principles Thinking)：将事物拆解到无法再拆解的基础逻辑、物理定律或人性公理，再从零开始重构。 类比思维 (Reasoning by Analogy)：因为别人做成功了，所以我也做；因为像某个成功案例，所以一定有需求。

维度	第一性原理思考 (本质思维)	类比思维 (Reasoning by Analogy)
能耗	高能耗：需推倒既有结论，从头构建，消耗巨大脑力。	节能：大脑的“复印机模式”，直接照搬现成结论。
社会属性	反共识：容易被视为异类、不合群，面临被排斥的风险。	安全：符合社会共识，生存成本最低，有安全感。
典型案例	[[Elon Musk]] 拆解火箭成本，发现燃料仅占极小比例，从而致力于可回收火箭。	别人都在做 [[NFT]] / [[Sora]] / [[MCP]]，所以我也要跟进。

---

为什么大多数人不具备“本质思维”？

AI 总结的三个核心阻碍因素：

1. 认知节能（进化本能）

   • 人类大脑进化出了“复印机模式”。在原始部落，跟着别人吃虽然可能平庸，但安全；自己尝试新东西（第一性原理）风险极高。
   • 潜意识拒绝高能耗的逻辑重构。

2. 社会压力（对非共识的恐惧）

   • 人是社会性动物，共识代表安全。
   • Conformity Pressure：为了留在圈子里，大脑会强迫自己相信“假需求”（如当年的 [[NFT]] 泡沫）。
   • 一旦提出反对意见，意味着挑战集体正确，会被孤立。

3. 信息污染（被叙事寄生）

   • 现代社会充满了 Narrative（叙事）而非 Fact（事实）。
   • 当技术被精美的公关辞令包裹时，普通人的识别系统会当机，无法区分事实与故事。

---

具备第一性原理思考的人的特质

UP 主结合自身体验，拆解了该特质的三个维度：

1. 极度的智力诚实 (Intellectual Honesty)

• 定义：如果一个东西在逻辑上推不通，无法假装它通。就像《皇帝的新装》里的小孩。
• 案例：
  • ChatGPT/LLM 微调：在开源模型初期，许多算法专家主张 Fine-tuning (SFT)。UP 主基于第一性原理（成本、数据量级、泛化能力）判断 SFT 在很多场景下不 Make Sense，应利用模型的 In-context Learning 能力。
  • MCP (Model Context Protocol)：反对盲目追逐 MCP 热点，指出许多用法违背了 MCP 的设计哲学。
• 代价：放弃短期利益（如迎合大众讲简单的课），得罪专家或同行。

2. “原子化”的观察视角

• 来源：并非单纯来自经济学博士训练，更多源于物理学思维。
• 最小单位：
  • 需求 = 时间成本、替代效率、边际效益。
  • 生鲜外卖 = 用户节省的体力/时间 value > 配送成本 cost。
• 特点：不需要看研报，直接看到物理层面的等式是否成立。

3. 低度的社会参照性 (Low Social Reference)

• 定义：对“别人怎么看”的敏感度 < 对“事实是怎么回事”的敏感度。
• 上帝视角 vs 舞台视角：别人在看舞台表演，你在看后台的缆绳和滑轮。
• 副作用：显得“厌蠢”
  • 表现：看到逻辑不通畅的地方忍不住指出。
  • 误解：本人只是针对逻辑（对事），但对方会感觉到被居高临下的评判（对人）。
  • 社交困境：这种特质是“诅咒”，让你很难假装合群，难以忍受逻辑瑕疵，导致社交体验下降。

---