# 吉姆·凯勒：计算的未来、人工智能、生命与意识 > 芯片设计师谈计算架构的演进、AI 硬件的发展方向，以及对生命与意识的思考。 - 原标题：#162 – Jim Keller: The Future of Computing, AI, Life, and Consciousness - 期数：第 162 期 - 发布日期：2021-02-18 - 嘉宾 / 主题：吉姆·凯勒 - 网页版：https://lex.qiaomu.ai/ep/jim-keller-2/ - 官方页面：https://lexfridman.com/jim-keller-2/ - 精读字数：约 14044 字（阅读约 31 分钟） > 本文为 lex.qiaomu.ai 基于原始访谈的 AI 改写中文精读，非官方翻译；引用请注明出处并链接网页版。 吉姆·凯勒（Jim Keller）有一个坐标图。横轴是秩序，纵轴是生产力。原点是混乱，什么都做不成，生产力为零。往右走，秩序逐渐建立，生产力跟着上升。到某个点，生产力见顶。再往右，秩序继续增加，生产力开始下降。 管理学里管这个叫官僚化，凯勒管它叫熵增的必然结局。**每个组织都会不可阻挡地滑向生产力被秩序扼杀的那一点。** 他说这句话的时候语气很平静，好像这是一条物理定律，不需要争论。 为什么不可阻挡？因为组织本身就是一台把人聚在一起、用流程协调、靠制度沉淀的机器。流程越完善，协调越顺畅，你就会忍不住把流程做得更完善。组织会主动招聘更多擅长做流程的人。人越多，流程越繁；流程越繁，越需要更多人管流程。整个系统朝同一个方向使劲，而且它感觉良好，所有人都在做"对的事"。 到最后，如果有人走进房间说"你们干得不错，但我想让大家少一点秩序"，没有人会搭理他。因为"少一点秩序"听起来就是"少一点效率"。可事实上，当秩序到了某个临界点，它就变成了效率的反面。 凯勒说，这就是为什么那些真正推动变革的公司，往往需要一个情绪上有缺陷的领袖来当反作用力。史蒂夫·乔布斯（Steve Jobs）当年就是靠"那副德行"来对抗秩序。他确实很难搞，但他确实在对抗。埃隆·马斯克（Elon Musk）差不多也是这种人。凯勒把这叫做特性。一个组织如果只有秩序，没有对抗秩序的力量，就会被自己的流程闷死。 可他也承认，这个特性有代价。乔布斯靠的不只是脾气，他身边有迈克·科尔伯特（Mike Culbert）这样的人。迈克是苹果事实上的 CTO，扛了乔布斯二十多年，能接住那些不着边际的念头，翻译成能跑起来的工程产品。乔布斯在电话里吼，迈克把电话拿远一点，挂了之后说："史蒂夫希望我们做这个。"然后该干什么还干什么。 一边要有人拼命把你往秩序里推，一边要有人拼命把你拉出来。两边都疯，中间那根橡皮筋把人拉成一条线。 ## 好工程就是好手艺 凯勒最烦的一件事，是很多公司用专利数量衡量工程师的价值。 他觉得这简直是灾难。工程师一旦发现"想出一个新东西"是晋升最快的路，所有人就开始想新东西。99% 的新东西毫无意义，因为没人有耐心把最基础的东西做好。 他打了个比方。你去两家建材市场买砖。第一家说，砖在那边，自己看。第二家说，哥们儿过来，我给你讲讲，我们这儿有五十种砖，硬的、美的、方的，每一种怎么烧出来的。哪家的砖盖出来的房子更好？ 这就是**工艺**。简单的东西反复打磨，直到每块砖都方正、结实、漂亮。好工程就是好手艺。 那发明还要不要？当然要。凯勒举了个例子：分支预测。电脑性能的瓶颈之一，是碰到"如果……就……"这样的条件跳转，CPU 得提前猜下一步往哪儿走。猜错了，整条流水线推倒重来。几十年来，大家把预测器越做越大，也有人写论文论证"这里到头了"。后来有个人写了一篇论文，提出一种全新方法，把预测准确率往前推了一大截。现在全世界每一颗处理器里跑的都是那个方法。 一篇论文，一个念头，改变了所有芯片。 但凯勒算了另一笔账：全世界有多少人靠这个念头吃饭？千千万万。他们在干的事，是把分支预测器做进不同架构、不同功耗、不同成本的芯片里。发明是一两个人，工艺是千百万人。 所以他说，理论强调发明，工程强调工艺。理论制造英雄叙事，工程制造日常可靠。 ## 烂东西为什么总能赢 凯勒讲 JavaScript 的故事讲得很有意思。 布兰登·艾克（Brendan Eich）当年在网景，十天时间，把 JavaScript 写了出来。之后被骂了二十多年：变量提升、类型转换、NaN 不等于自己，各种反直觉设计。一个被骂得狗血淋头的语言，今天跑在全世界几乎所有网页里，后端也越来越多。 凯勒说，有意思的地方在于，当时浏览器里能跑的语言不是没有。Java、Scheme 都试过。但它们要单独开一个"容器"，像隔离区，程序跑在里面，跟网页本身没什么关系。JavaScript 做了一件蠢到极点的事：直接塞进 HTML 里，跟页面渲染共用一个线程，连个虚拟机都不给。它没有姿态，没有架构，没有设计宣言，它就是**像一句注释一样被嵌进了网页**。 用户写个 onclick，页面就动一下。门槛低到离谱。 结果用户开始自己创造用法。需求变成拉力。简单带来的回报，就是传播速度。 > 简单的东西总是赢，哪怕它显然更烂。（吉姆·凯勒） 他举了更狠的例子：指令集。RISC 理论上更优雅，更干净，更容易做流水线。x86 是"这个星球上最烂的架构之一"，变长指令、历史包袱、规范缝缝补补几十年。但 x86 是今天最流行的指令集之一。人们问为什么，凯勒说：没人知道。 他的解释是，简单的东西有一个优势，它启动快、传播快。这个优势在演化中不断累积，最后跟复杂优雅的东西正面相遇时，它已经占住了生态位。复杂优雅反而成了后来者。 但太简单也不行。凯勒说，太简单就是差，因为差的东西撑不住规模。甜点在于"简单到能传播，又有足够结构能长大"。 他还顺带讲了一段历史。当年英特尔刚做 x86 的时候，一口气授权了七家厂商，大家觉得这是开放架构，能有多家供货。后来这个开放市场慢慢收敛成两家。而真正开放的 RISC-V，凯勒觉得方向很酷，但也有隐患：谁都能改，改得太散，最后可能找不到一个大家都能用的公共子集。 ## 能把桥画在餐巾纸上的人 访谈里聊到凯勒的父亲，那是全场最动人的一段。 他父亲是机械工程师。小时候，父亲开车回家，说今天路过一座桥，一直在想它。然后从口袋里掏出一张纸，把整座桥画下来。怎么受力、怎么架、哪里吃劲、哪里省料，一边画一边讲。讲完再加一句：如果是我建，我会这么改。 凯勒说，他从小看着一个"认为自己能理解和构想任何东西"的人长大。所以"任何东西都能被理解"这件事，在他眼里是日常。 这个特征后来变成了他的面试题：你随便画一个你做的系统。 他见过很多人，拿起笔先画一个小方块，然后说"它跟这个通信"。再问深一点，就画不下去了。也见过一个人，说"我设计了这个芯片里的浮点单元，但我特别想先给你讲讲整个芯片怎么工作，然后讲浮点怎么嵌在里面"。然后在白板上画满，三十分钟。凯勒当场把人要了。 那是**工匠**。你不只是会拧螺丝，你脑子里装着整个系统的图像，你能快速放大到细节、再拉远到全景。你能把一个复杂系统画成别人看得懂的样子，这需要极深的理解。 他父亲晚年得了帕金森，后来又得了癌症。凯勒说，父亲一直想学钢琴，到了晚年带着帕金森才开始学，弹得很难听。但父亲觉得，如果这辈子练出点底子，下辈子也许能接上。 凯勒讲这段的时候语气很平，像在说一个老工程师的糊涂念头。但你能听出那句底下的东西：一个相信任何东西都能被理解、被改进、被重画的人，连下辈子都打算接着练。 ## 完美是好的敌人，但"好"也得有个方向 凯勒说，做设计有两种极端的蠢法。 一种是"一切按计划来"。计划外的东西一律砍掉。结果砍掉了所有让产品独特的东西。 另一种是"必须做到完美，不计成本"。听起来很对，结果什么都交不出来。 真正的工作发生在中间那条很窄的带子里，那里有**创造性张力**。 什么叫创造性张力？你同时想做好两件互相冲突的事。你想让芯片更快，也想让它更省电。你想让产品准时上市，也想让功能拿得出手。你没法两全，但你不愿意放弃任何一边。这个不愿意，逼你想出第三种办法。 凯勒说，想法是需要发酵的。一个问题扔进脑子，不要急着下结论。过几天，一个新的连接突然出现。有时候是洗澡的时候，有时候是梦里。如果你一发现一个想法有毛病就立刻扔掉，你就没给它发酵的机会。 但也不能一直发酵。**最终你得把它落到实际。**做成，跑起来，看看哪里坏了，然后学。凯勒说，他做过的每一个真正新的东西，做完之后，好的部分确实好，但他比任何人都清楚它有多少毛病。把想法压进现实，通常都得付这个代价。 ## 模块化是人类造出超过自身理解力之物的唯一办法 凯勒说，人脑容量有限，而且不会越来越聪明。但系统的复杂度在往上走。怎么办？ 答案是抽象层。 好的设计，模块和模块之间是解耦的。模块内部怎么实现，别的模块不需要知道。两个模块之间只通过一个清晰的接口通信。这样每个模块可以独立演进、独立验证、独立升级。你写这个模块的时候，不用操心另一个模块在干什么。 他举了网络协议栈的例子。七层模型是抽象层最经典的成功案例。你可以换掉物理层，从铜线换到光纤，上面几层不用动。你可以在应用层发明一个新协议，底下几层不用知道。这就是模块化带来的杠杆。 凯勒在 AMD 做 K8 架构的时候，坚持一件事：所有模块的接口先定义好，再开始写模块内部逻辑。负责验证的同事说，如果真这么干，每个模块可以单独测透，拼起来的时候模块之间的耦合 bug 会少很多。凯勒当时半信半疑，后来发现基本是对的。 但模块化也有天花板。一个设计如果超出你个人的脑容量太多，你很难把它做漂亮，因为你根本看不过来。可一个人能独立完成的设计，又太小，改变不了世界。所以你只能靠模块化，把无数个"一个人能看明白的小块"，用清晰的接口串成一个"没人能单独看明白的巨块"。 结果就是今天的世界。你打开 Twitter 刷一下，背后是光纤、路由、数据中心、服务器、操作系统、编译器、数据库、前端框架、推荐算法。**没有任何一个人能从头到尾理解这个系统。**如果外星人来了，他看到的东西跟"一个叫 Twitter 的东西"没什么关系，他看到的是整个文明层叠起来的抽象栈。 从外星人的视角看，人类这个物种靠模块化拼出远超个体理解力的东西，这本身就挺了不起。 凯勒还加了一层：这些系统之所以没塌，是因为它们一直在被打。地震、战争、病毒、商业模式的突然变更，每隔几年就来一次。每一次冲击都在暴露某个模块的脆弱点，然后那个模块被加固。没有被压力测试过的系统，看着漂亮，其实早就死了。 ## 摩尔定律背后有好几条线缠在一起 一说算力进步，大家就搬出摩尔定律：每 18 到 24 个月，晶体管密度翻倍。凯勒说，那张指数增长图里，至少有五六件事同时在发生。 第一，晶体管变小，同样面积塞得更多，单位算力成本下降。这是最经典的那条线。 第二，网络和算法的效率在提升。同样的模型，去年要花这么多算力，今年可能省一半。这是纯软件层面的进步。 第三，并行规模的扩张。一个模型原来跑在一台机器上，后来跑在十台、一百台、一千台机器上。这跟摩尔定律没关系，讲的是"我能把多少台电脑压到同一个问题上"。 凯勒说，第三点最猛，因为它可以跳着增长。物理定律没变，但问题被摊到了更大的机器上。 谷歌早年搜索就是个例子。最初搜索跑在一台笔记本上，后来他们把索引拆开、分布到越来越多的机器上。每加一批机器，就会撞上新瓶颈：网络带宽不够，调度器设计不对，数据格式不合理。然后他们重写调度器、重写存储、重写通信协议。每个瓶颈被解决，系统就能再大一圈。 这就是为什么互联网公司那么在意规模。规模上去了，钱就在里面。规模越大，撞到的瓶颈越奇怪，越值钱。 有人在节目里问过他一个极端版本：会不会有一天，整张桌子、这只刺猬，全都在做计算？凯勒说，从成本角度看，这件事已经在发生了。他讲了一个真实案例：某个团队要测电池电流，在"串一个电阻"和"放一块带传感器的芯片"之间比较，最后选了芯片，因为它比电阻还便宜。这块芯片的性能，超过他 1982 年做过的整台电脑。计算不是从外围渗透进来的，它是从成本结构里长出来的。 ## GPU 在跑像素程序，不在跑图 访谈里聊到 Tenstorrent，凯勒现在做的人工智能芯片公司。 他先讲了一个分类法。过去的电脑分两种：串行电脑和并行电脑。串行电脑跑指令流，一条一条来。并行电脑把同一个程序同时跑在一百万个像素上。每个像素跑同一个 shader 程序，独立算自己的颜色，谁也不跟谁通信。像素之间没有"图"（graph）的关系。 神经网络不一样。神经网络本身就是一张图。节点是算子，边是数据流。一个矩阵乘法的结果流向下一层激活函数，再流向下一层。凯勒说，图和像素的本质区别在于：像素之间没有通信，图的节点之间有依赖。 GPU 能跑神经网络，是因为它把图展开成了大量并行的像素式计算。它很擅长这个。但 GPU 的底层模型服务于"在像素上跑程序"，对图只有模拟能力，没有原生执行能力。 Tenstorrent 想做原生执行图的硬件。芯片上的基本数据单元是数据包。一个处理器收到一个包，计算，把结果发到下一个处理器。整个芯片的拓扑就是一张数据流图。你在 PyTorch 里写代码，编译器把代码变成一张图，再把图切成适合硬件的小块，排好数据布局，调度好每个计算核心。 > 如果你用 PyTorch 写了一段还算合理的代码，应该能直接编译、直接跑，不用做各种疯狂调优。（吉姆·凯勒） 这个产品哲学的出发点很清晰：GPU 时代的性能优化门槛太高了。一个朴素写出来的矩阵乘法，在 GPU 上只能跑到峰值性能的 5% 到 10%。想往上走，你得转置矩阵、分块、对齐、安排寄存器避免冲突，最后变成一小撮被称为"CUDA 忍者"的人才写得出来的东西。大部分做 AI 的人不是硬件专家，他们是模型专家。硬件的门槛横在中间，让他们的想法落不了地。凯勒想拆掉这堵墙。 规模的部分也接得上。芯片上有 16 个以太网端口，很多片连起来像一张网，数据包点对点发送，剥掉包头交给本地处理。同一套图编译器跨多片工作。凯勒说，规模这件事他很清楚是座山，爬上去会撞到一堆想不到的问题，所以硬件得从一开始就按能长大的方式设计。 至于能不能打赢英伟达（Nvidia），凯勒没正面回答。他说这个市场有技术上的理由让一些玩家跑不出来，也有技术上的理由让新玩家跑出来。他只是觉得这里是接下来十年最热闹的地方，所以来了。他还补了一句挺实在的话：跟客户聊，别急着讲那些花哨的新特性，他们最先问的是内存带宽、本地带宽、计算强度、可编程性、功耗怎么管。基础的东西一问，全露。 ## 克里斯·拉特纳是那种在每一层抽象上都留下痕迹的人 访谈里聊到克里斯·拉特纳（Chris Lattner），凯勒对他评价很高。 LLVM 是编译器领域的基础设施。在 LLVM 之前，每个语言要写自己的编译器，每换一个平台就要重写一遍后端。LLVM 用一套中间表示（IR）把前后端解耦。前端把语言翻译成 IR，后端把 IR 翻译成机器码，中间还可以挂优化器。编译器一下子从"每个语言、每个平台各写一遍"变成了"共享一个中间层"。这个设计选对了抽象层级，产生了巨大的生态杠杆。 然后克里斯又做了 Swift，苹果的现代编程语言。再后来是 MLIR，多层中间表示。凯勒说，这三个东西都有一个共同点：**在软件越来越复杂的时候，找到正确的抽象层级，让人们可以在不同层级上独立工作。** 凯勒自己后来在 Tenstorrent 的软件栈里也用了同样的思路：多层可执行的中间表示，你可以在不同层级上看、改、调，然后往下走。他说他们动手比 MLIR 早，但方向撞在了一起，两家互相看着都挺兴奋。 克里斯身上还有另一面，是莱克斯特别提到的。他早年在这个播客还很粗糙的时候，主动过来说了几句鼓励的话，说别停下，想找谁聊就去找。凯勒听完说，好的领导者身上常有这个东西：给一个年轻人一点空间，让他自己去折腾，看看会怎样。这个动作很小，但它能决定一颗脑子是长起来还是被 cynicism 压垮。 ## 特斯拉的 Dojo，是一次不受约束的实验 聊到 Dojo，凯勒说他参与了早期。当时的目标是"如果不受任何约束，专门为大规模训练设计的电脑长什么样"。 他觉得这个项目值得做，因为大部分芯片设计都有太多约束：成本、功耗、上市时间、兼容性。难得有一个项目，可以为一个单一目标做到极致。他甚至讲过一句挺有意思的话：特斯拉自动驾驶团队在讨论功耗时，把一万瓦当成很大的数字，而 SpaceX 那帮人觉得一万瓦根本不算什么。同一个公司，两种工程世界观。 但 Dojo 和特斯拉自动驾驶硬件的逻辑完全不同。自动驾驶芯片只服务一个软件栈，硬件团队和软件团队紧耦合。你要做一个通用平台，就必须面对无数客户、无数需求、无数奇怪的网络结构。这两种设计逻辑各自成立，也各自有代价。 凯勒的态度很干脆：多几个实验是好事。这个行业真正的危险来自所有人往同一个方向挤，试错的人多几个反而是好事。 ## 软件 2.0 与数据引擎 访谈里聊到安德烈·卡帕西（Andrej Karpathy）提出的"软件 2.0"。凯勒的理解很具体：过去是人写规则，程序按规则跑。现在是数据训练出神经网络，网络自己学到规则。人写代码这件事，被数据灌进去这件事替代了。 但凯勒强调，真正在现实中运转起来的，是一次次循环，而不是一次训练。网络跑、失败、把失败场景收集回来、重新训练、再跑，不断循环。你不停地发现边缘情况，不停地补数据，不停地把网络往前推一步。凯勒管这个叫数据引擎。 他举了自动驾驶的例子。汽车在路上跑，人开车成功通过某个场景，这段数据本身就是训练信号。你不需要人工标注"这里该左转"，你只需要那一段真实的人类操作。这个信号又多又便宜。 真正的瓶颈落在算力上。**更合理的顺序是先造一个真正管用的巨大网络，再想办法把它塞进车上的芯片。**反过来做，你会得到一个跑得很快但什么都不对的系统。 他还提到一个关键判断：当前大部分训练管线跑的是有标注数据，有人工上限。一旦实现自监督，数据量就变成无限。那之后的瓶颈只剩一个：这么大的东西，怎么塞进车里、塞进手机、塞进那个十三美元的传感器里。 他还讲过一层更深的差异。人学开车，用的是物理直觉、对别人意图的判断、对社会规则的记忆、对风险的情绪反应，一整套认知框架。现在的自动驾驶在用车开车的片段数据教开车，等于跳过了前面那一整套通用理解。这条路能不能走通，凯勒说他不知道，但问题确实摆在那儿。 ## 意识是一个滞后的、单线程的、讲给自己听的故事 访谈后半段转到了意识。凯勒的思考方式很工程师：他先描述他在意识里实际看到了什么机制。 第一，意识是滞后的。你做一个动作，大脑已经做完了，意识才跟上，给你一个"我刚刚决定这么做"的叙事。凯勒说，大概滞后半秒。 第二，意识是单线程的。你脑子里同时有很多进程在跑，但你能注意到的那个声音，那条叙事线，只有一条。 第三，意识是封闭的。你看不到光子。光子打到视网膜，变成电信号，经过多层神经元，最后在你脑子里构建出一个"世界"。你从来没直接接触过外部世界，你接触的永远是你脑子里那个模型。**脑子里没有剧场，只有一个被构建出来的世界。** 那意识怎么冒出来的？凯勒的猜测是：当系统复杂到一定程度，它必须构建一个"世界模型"来解释输入、预测未来、规划行动。这个模型里还必须包含一个"自己"。它得把自己的状态、目标、情绪也放进去，否则没法做规划。然后这个模型还要能讲故事，把过去和未来串起来，把"我"和"世界"区分开。所有这些功能叠在一起，就是你体验到的意识。 他没有说这就是意识的全部，但他觉得这是目前最合理的工程猜想。如果照这个思路造机器，造出一个"看起来有意识"的系统，是可能的。 那它到底有没有内在体验？凯勒说，这个问题可能没有工程上的答案。你只能看它是不是表现得像一个有意识的系统。如果它表现得足够一致、足够丰富、足够让你觉得"它在想什么"，你就很难否认它。 他倒是提了一串改进清单：人的工作记忆只有七个数字，为什么不能有一百个、一百万个？人看不见四维，为什么不能？人脑的皮层只有六七层，为什么不能更深？他也承认，这些限制可能恰恰是智慧的来源。正是"只能抓七个数字"，才逼出了抽象和压缩。真给你无限带宽，你可能什么都想不清楚。 他还说了一句很有意思的话：如果有一天你真的能心想事成，想要什么就有什么，那种无限可能反而会让快乐失去意义。让快乐成立的东西，恰恰是那些黑暗的部分、那些求而不得的部分。这跟他讲组织的那条曲线是一个逻辑：任何东西推到极致，就变成了自己的反面。 ## 外星人大概率不会用硅 莱克斯问他，外星文明的技术会不会跟我们一样？ 凯勒说，不知道。然后举了章鱼的例子。章鱼的神经架构跟我们完全不一样，分布式，触手上全是神经元。如果章鱼能活得更久，也许它们会发展出自己的文明。可我们和章鱼之间的相互理解已经很难了，更别说跨物种、跨星球。 我们默认智能一定长成我们这样，这本身就是一种偏见。智能可能是生物的，可能是硅的，可能在某个人类根本感知不到的媒介里。我们甚至可能识别不出它是智能。 他讲了一个科幻故事的梗。一个文明把自己上传进矩阵，活得很爽。后来有人想，外面有没有智能生命？于是造了一艘飞船出去找。结果发现，外面确实有生命，但那些生命也早就把自己上传进自己的矩阵了。**每个智能文明一旦聪明到一定程度，就搬到更舒服的地方去了。** 他也提了另一种可能性，说得很轻：也许真正在演化的生命，更像是道金斯说的"模因"。人类只是这些想法用来繁殖的载体。按这个框架看，外星人不一定长着身体，他们可能就是某种在多个大脑之间流动的东西，正好在我们中间。 ## 苯二氮䓬的戒断，不该一个人扛 访谈里聊到乔丹·彼得森（Jordan Peterson）。凯勒和彼得森是姻亲。彼得森因为苯二氮䓬类药物的戒断反应，经历了一段非常艰难的时期。 凯勒讲得克制，但信息量很大。苯二氮䓬类药物（比如阿普唑仑、氯硝西泮）作用于 GABA 系统，用来抗焦虑。问题是它作用于太多系统，以至于没人能列全它的副作用。长期服用会产生代谢依赖，身体已经习惯了它的存在。 更麻烦的是不能急停。有一种现象叫 kindling：你停了一次，症状很重；再吃回去，同样剂量已经不稳定了；再停，症状更重。凯勒说，彼得森在医生建议下停药、换药，结果反而出了问题。 他提到一组比例：大约 75% 的人能相对顺利地减药，20% 的人非常艰难，5% 的人有生命危险。而很多医生一开就是几年，患者根本不知道自己在吃的是什么。 凯勒说，彼得森是他见过在巨大痛苦中大脑仍然像发动机一样运转的人。他不确定这是不是意味着，一个能深度思考世界的人，在戒断中也会痛得更深。他说他看过很多人的戒断视频，所有人都痛得一样厉害。语气里有克制的共情。 他还讲到一个更冷的事实：一类药物被广泛处方十几年之后，才有人开始系统反思它的代价。开具处方的医生大多出于好意，他们以为自己是在帮病人。这件事里没有人使坏，缺的是认知更新。而那批正在戒断的人，得自己扛着这段滞后期。 ## GameStop 是一次抽象泄漏 聊到 GameStop 那场散户大战华尔街的戏，凯勒没评善恶。他用工程师的框架看这件事。 Robinhood 的 CEO 把清算系统当成了黑箱。他以为用户下单、他撮合，就结束了。他不知道在后台，清算所会按交易量要求他交保证金。当交易量暴涨，清算所打电话说"你今天下午之前需要打 30 亿美元过来"，他懵了。 凯勒说，这就像芯片设计里，你从台积电买晶圆，台积电说晶体管是这么工作的，你信了，设计完了，流片回来，芯片不工作。你去问，才发现底下那层和你以为的不一样。**抽象层平时是透明的，出事那天，它变成了一堵墙。** 他也说，这件事里可能有一堆玩家，大部分我们根本不知道谁赚了钱。散户觉得自己赢了，但真正赚到大钱的，可能是某个提前埋伏好的对冲基金。下一次会不一样，因为下一次必须是惊喜，不能是同一个游戏。 他还顺手吐槽了做空这件事。风险结构天然不对称，做多最多亏光本金，做空理论上亏损无上限。所有他认识的 CEO 都讨厌空头，因为空头有动机去压低股价。这一整套结构里，总有某个缝隙能给聪明人留一个口子。 ## 给年轻人的建议：先认识自己，再找一件真心喜欢的事 这部分凯勒讲得很直接，甚至有点不客气。 第一，越早认识自己越好。你得知道自己怎么运转：早上脑子清醒还是晚上？看得进文字还是必须看图？快速决策型还是慢热发酵型？凯勒说他自己是慢热型，大学考试前一周把所有题做完，最后三天不看书，因为新信息会打乱他已经搭好的理解框架。他有个朋友是快热型，前一晚突击，第二天考得很好。两个人效率一样，方法完全不同。 他说，工程学的考试大多是开卷的。他记不住公式，但能记住公式在哪一页，看见那一页就能想起整块内容。他有个朋友同样努力，同样翻书，就是找不到。差距出在大脑工作方式上，跟勤奋程度关系不大。你得先搞清楚自己是哪一种，然后用适合自己的方法，而不是用别人告诉你的方法。 第二，找一件你真正感兴趣的事。你不爱它，就不可能在上面花足够多的小时。而别人爱它，别人就会比你多走一步，你就赢不了。竞争就是这么运转的，跟鸡汤无关。 第三，别让老一辈把你带进坑里。凯勒说了一句挺狠的话：不要因为有人年纪大，就默认他的建议对。很多年轻人被劝去读一个昂贵的学位、背一身债、进入一个根本没热情的行当。你回头看，那些推你的人，自己可能都没想清楚。他不认为这里面有骗局，他看到的是认知惯性。上一代用自己的经验给下一代画路线图，可地图早就变了。 第四，别让别人的观点代替你自己的思考。如果你发现自己重复的是福克斯新闻或 CNN 的话，你已经被群体思维俘虏了。 他还讲了自己的一段低谷。高中有一年，他抑郁得厉害，整整一年。二十六岁的时候，他经历了人生第一次中年危机，坐在自己热爱的工作岗位上想：就这样吗？剩下的时间全都拿去上班？ 他问一个拼命工作的朋友，你的工作生活平衡怎么样？朋友说，工作八成，家庭两成，剩下的时间用来睡觉。凯勒说他当时听了心里一凉。他后来明白，一个人需要在生活里留出空间，给不同的东西。那个空间的作用，是让脑子保持可塑性。全是工作的人生，抗打击能力会变得极差，一根稻草就能压垮。 ## 关于爱，工程师是这么看的 莱克斯问他，爱在成功的人生里扮演什么角色？ 凯勒的回答很工程师，但很动人。他说，爱是一种**功能**。 人脑有一个特性：会习惯一切。房间里的噪音，三天后就听不见了。窗外的风景，一周后就不看了。别人对你的好，几个月后就成了理所当然。这是大脑的节能机制，注意力得留给新东西。 但爱是例外。你爱的人，你不会习惯。你的孩子、你的伴侣、你的朋友，他们每天都在变，你每天都会注意到那些变化。凯勒说，爱最重要的功能就在这里：**它让你对某个人或某件事保持持续的新鲜感。** 这个功能对工作也一样。你爱你的工作，你才能一直看到新问题、新角度、新可能。你不爱它，你就是在重复劳动，然后被一个爱它的人超过。 爱的另一个功能是抵抗虚无。他年轻时有过一段抑郁期。后来发现，当生活里有几件你真正在意的事、几个你真正在意的人，黑暗的东西就没那么容易把你吞掉。你的精神空间被填满了，有东西在里面长。 他还说，爱有不同层次：生理的、情感的、智识的、精神的。有些人只体验过其中一层，就以为那是全部。其实它们可以是同一个人的不同侧面，像模块一样，各有接口，又共处一体。说到这里他又滑回了自己最熟的那套语言：把东西拆开，看清楚各部分的边界，再把它们接回去。接回去之后，整体会比原来更有意思。 他引了一句布考斯基的话，说爱是一场雾，被清晨第一缕现实的阳光照散。他说这句话听着很丧，但他觉得反了。雾散之后留下的东西，才是真正撑住你生活的东西。热恋是开头，长期的爱是后面那几十年，后面那段更值得。 ## 关于遗憾 莱克斯问他有没有遗憾。凯勒说有，然后讲了一段关于政治的反思。 他年轻时，如果有人做了他不喜欢的事，尤其是那种带点恶意的，他会当成冲自己来的。他会愤怒，会记住，会在心里反复咀嚼。 后来一个心理学家跟他说了一段话，把这件事讲透了：你以为别人是在针对你，其实别人只是在做他自己。**他在你面前做的那些事，动机大多跟你没关系。**他有他的成长史、他的恐惧、他的习惯性反应。你只是恰好站在那个位置上。 凯勒说，这个认知救了他很多次。后来他开始在合作之前先去理解一个人：他怎么想、他怕什么、他的行为模式是什么。这样做之后，别人突然发难，他不太意外；别人做出伤害他的事，他也没那么痛。因为他早就看见了那个模式在成形。 他也很坦白地承认自己是个暴脾气。当年气得拍桌子走人的时候，他脑子里只有一条：我烦了。乔布斯那种级别的对抗有策略、有目标、有收敛，凯勒说自己没那种控制力，更多是得罪了不该得罪的人，然后离开。 在苹果那几年，他才第一次真正见识到什么叫做高水平的政治。他说的政治，跟背后说人坏话那种低级操作完全两码事。那是有战略的：怎么说服一千个人去做一件很难的事，而这其中大部分人连自己在参与什么都不知道；怎么在资源有限的时候说服别人把资源让给你；怎么让一个已经很累的团队相信这件事值得再拼一把。这些都需要极强的情绪控制、对人性的洞察和长线的布局。 他说他当时不感兴趣，觉得那是"搞政治的人"才做的事，自己是工程师，只做技术。现在回头看，如果当年多花点时间在这上面，他很多事情的杠杆会大得多。他也承认，有些做政治做得很好的人，身上有很硬的棱角，因为这件事本身就是重活。他补了一句：也许我那时候还没准备好。 ## 把问题装进睡眠里 访谈里有一段很妙的对话，讲的是他怎么用睡眠来解题。 凯勒说他很早以前就发现自己脑子转得慢。大学同学能考前一晚突击，他做不到。所以他总是提前把作业全做完，考试前留出几天的空白，让大脑自己去整理。新的信息如果在前一天进来，会打乱他已经搭好的理解框架，他宁可不看书。 到了大三学多元微积分的时候，他开始做一些很清晰的梦。三维曲面、梯度、法向量，全部在梦里以图像的方式浮出来。他说那段时间特别爽，因为视觉化的东西一遍遍在他脑子里被反复推演。 后来他养成了一个习惯：睡前主动把第二天想解决的问题"装"进脑子。他会花时间把问题的各个面向过一遍，然后跟自己说一句"请记住它"。他说这样做之后，做有意义的梦的比例明显上升了。 他也提到，如果你带着一肚子气睡觉，比如白天有人发了一封让你不爽的邮件，你的梦就会绕着那个东西转。这类梦通常没什么营养。但如果你把真正重要的问题带进去，梦就会给你一些奇怪但有用的东西：某个卡了三天的逻辑突然通了，某个设计的错误在梦里被指出来。 他说这是一种可以练习的能力。你得先学会"听懂自己脑子的语言"，知道什么状态下能进得去，什么状态下进不去。冥想有帮助，高强度的体力活动有帮助，规律睡眠有帮助。他还提到一个细节：想得特别投入的夜晚，他会热得把所有被子踢到地上，第二天醒过来觉得昨晚干了不少活。 莱克斯问他，意识是不是就像一条河，你只是坐在船上顺流而下。凯勒说不对，你完全可以掌舵，只是你得先学它的语言。他甚至说了一句挺重的话：你算不上船上的乘客，你就是那条船本身。 ## 想法多的人，该怎么处理想法 凯勒提到一位朋友，想法特别多，多到朋友自己都困惑：这些想法是从哪来的？ 凯勒的处理方式是：**让想法待着**。不要一有想法就立刻检验，也不要一发现毛病就立刻扔掉。有些想法放一放，过几周再回来，你可能会发现它其实有救，或者它会孵出另一个更好的想法。 他说他见过两种人。一种人想法很多，但从不落地，永远在开新项目、抛新概念，最后什么都没做成。另一种人只做一件事，做到极致，但不接受任何新东西，最后被时代甩在后面。真正厉害的是第三种：既允许大量的想法在脑子里漂浮，又能在某个时刻果断收拢，把它们压进现实。 这个收拢的时刻很难定。凯勒说，靠的是感觉。你会在某个时刻突然觉得，这个东西想得差不多了，可以动手了。然后真正动手，你必然会撞上一堆"我原来没想到"的问题。那时候不要沮丧，那正是想法变成现实必须付的代价。 他还讲了一段他理解的"美感"。什么叫一个设计很漂亮？他把这个问题拆得很具体：模块之间的边界清楚，每个模块自己能独立演进，接口稳定，拼起来整体和谐。**一个漂亮的设计，通常是模块和接口刚好匹配了人的认知容量。**太大了，人看不过来，拼不上；太小了，没意思，也不需要做。刚好的那个位置，很难找，但找到了就是美。 凯勒在节目里还讲过一句话，把这件事说得更直白：人脑的总容量这些年没怎么涨，但我们要处理的东西一直在涨。所谓工程能力，很大一部分是学会把超出你脑容量的东西，切成你能握住的小块，再想办法让这些小块互相配合。 ## 他女儿想把他改成"传奇和大师" 访谈最后，莱克斯问他希望被怎么记住。 凯勒笑了，说他女儿最近在偷偷改他的维基百科页面，往里加一句话，说他是"传奇"和"大师"。然后维基百科的编辑把这句话删了，她又加回去。她今年十五岁。 他说这大概是他最好的遗产。他的几个孩子都挺兴奋地在帮他改，还去翻引用来源，找哪篇文章能支撑这个说法。孩子们当然也很怀疑他，因为他们觉得自己将来会比他更厉害。他说这话的时候带着笑。 然后他讲了一个特别好玩的比喻。他说他有个朋友跟他争论，金字塔和陨石坑哪个更酷。他想了想说，陨石坑到处都有，月球上、火星上、水星上，全是陨石砸出来的坑。可金字塔是人类用双手，一块石头一块石头垒起来的，五千年后人们还在讨论它怎么建成的，甚至连怎么建成的都还没完全搞明白。 他说，那才叫酷。人类想出来、做出来、还留了个谜给后人。他还开玩笑说，这要么是人工智能干的，要么是外星人干的，反正人类自己好像没这个本事。 莱克斯说，那你的遗产就是金字塔。凯勒说，那样就挺好。再加上他女儿时不时地去更新一下他的维基百科页面，那就更好了。 整场谈话到这里收尾。他用了两个多小时，从分支预测讲到苯二氮䓬戒断，从模块化的抽象层讲到爱为什么是一种功能。你听下来会发现，他所有话题的底层是同一套东西：**复杂系统需要结构，结构需要有人维护，而维护结构的人本身也是结构的一部分。** 芯片是这样，公司是这样，人脑是这样，爱大概也是这样。 如果这套东西能落到具体行动上，可以做什么？ - 下次有个新想法冒出来，别急着判断它对不对。先写下来，放三天。三天后如果它还让你兴奋，就花时间往下推；如果三天后你已经忘了它，说明它不值得。这个筛选成本很低，能挡掉大量噪音。 - 找一件你愿意在没人要求的情况下也去做的事，然后在这件事上把"砖"烧好。别一上来就想改变世界，先把基本功练到别人看得见的程度。工艺会说话，而且说得比专利响。 - 每周做一次"画白板"练习。挑一个你熟悉的系统，把它从头到尾画出来，讲给一个不在这个领域的人听。卡在哪，哪里就是你的理解缺口。这个练习比读十篇文章管用。 - 观察你所在团队的秩序与生产力曲线。有没有哪个流程，本来是用来解决问题的，现在变成了问题本身？先搞清楚它当初为谁而生，再找一个人一起动它。一个人推不动，两个人能推。 - 睡前给自己安排一次"发酵"。把最难的那个问题过一遍，明确告诉自己"我需要想清楚这个"，然后睡觉。第二天早上不管想到什么，先记下来再说。坚持一个月，看变化。 - 检查一下你最近的观点，有多少是自己想的，有多少是复述来的。连续三次发现你在复述别人的话，就停一周，不看评论区，只读原始材料，然后写一段自己的判断。 - 有人做了让你愤怒的事，先别下结论。问自己一个问题：这件事有多少是冲我来的，有多少是他自己的模式在运行？多数时候答案是后者。这个习惯会让你变得准确，而不至于变得软弱。 - 找出你生活里"已经习惯到看不见"的那个东西，可能是一个人，可能是一份工作，可能是一条每天路过的街。刻意去看它一次，认真看。爱就是对抗习惯的能力，它靠练习，不靠天分。 - 如果你在带团队，花点时间研究人怎么工作、怎么被激励、怎么在压力下变形。别把这一块当成"搞政治的人"才管的事。技术判断力决定你能走多远，理解人的能力决定你能带多少人一起走。 - 如果你正在选一个技术方向，问自己两个问题：这个领域的瓶颈几年内会被撞到？撞到之后，需要的是优化还是重构？需要重构的地方，才是新人有机会的地方。