# 吉姆·凱勒：計算的未來、人工智慧、生命與意識 > 晶片設計師談計算架構的演進、AI 硬體的發展方向，以及對生命與意識的思考。 - 原標題：#162 – Jim Keller: The Future of Computing, AI, Life, and Consciousness - 期數：第 162 期 - 釋出日期：2021-02-18 - 嘉賓 / 主題：吉姆·凱勒 - 網頁版：https://lex.qiaomu.ai/tw/ep/jim-keller-2/ - 官方頁面：https://lexfridman.com/jim-keller-2/ - 精讀字數：約 14044 字（閱讀約 31 分鐘） > 本文為 lex.qiaomu.ai 基於原始訪談的 AI 改寫中文精讀，非官方翻譯；引用請註明出處並連結網頁版。 吉姆·凱勒（Jim Keller）有一個座標圖。橫軸是秩序，縱軸是生產力。原點是混亂，什麼都做不成，生產力為零。往右走，秩序逐漸建立，生產力跟著上升。到某個點，生產力見頂。再往右，秩序繼續增加，生產力開始下降。 管理學裡管這個叫官僚化，凱勒管它叫熵增的必然結局。**每個組織都會不可阻擋地滑向生產力被秩序扼殺的那一點。** 他說這句話的時候語氣很平靜，好像這是一條物理定律，不需要爭論。 為什麼不可阻擋？因為組織本身就是一臺把人聚在一起、用流程協調、靠制度沉澱的機器。流程越完善，協調越順暢，你就會忍不住把流程做得更完善。組織會主動招聘更多擅長做流程的人。人越多，流程越繁；流程越繁，越需要更多人管流程。整個系統朝同一個方向使勁，而且它感覺良好，所有人都在做"對的事"。 到最後，如果有人走進房間說"你們幹得不錯，但我想讓大家少一點秩序"，沒有人會搭理他。因為"少一點秩序"聽起來就是"少一點效率"。可事實上，當秩序到了某個臨界點，它就變成了效率的反面。 凱勒說，這就是為什麼那些真正推動變革的公司，往往需要一個情緒上有缺陷的領袖來當反作用力。史蒂夫·喬布斯（Steve Jobs）當年就是靠"那副德行"來對抗秩序。他確實很難搞，但他確實在對抗。埃隆·馬斯克（Elon Musk）差不多也是這種人。凱勒把這叫做特性。一個組織如果只有秩序，沒有對抗秩序的力量，就會被自己的流程悶死。 可他也承認，這個特性有代價。喬布斯靠的不只是脾氣，他身邊有邁克·科爾伯特（Mike Culbert）這樣的人。邁克是蘋果事實上的 CTO，扛了喬布斯二十多年，能接住那些不著邊際的念頭，翻譯成能跑起來的工程產品。喬布斯在電話裡吼，邁克把電話拿遠一點，掛了之後說："史蒂夫希望我們做這個。"然後該幹什麼還幹什麼。 一邊要有人拼命把你往秩序裡推，一邊要有人拼命把你拉出來。兩邊都瘋，中間那根橡皮筋把人拉成一條線。 ## 好工程就是好手藝 凱勒最煩的一件事，是很多公司用專利數量衡量工程師的價值。 他覺得這簡直是災難。工程師一旦發現"想出一個新東西"是晉升最快的路，所有人就開始想新東西。99% 的新東西毫無意義，因為沒人有耐心把最基礎的東西做好。 他打了個比方。你去兩家建材市場買磚。第一家說，磚在那邊，自己看。第二家說，哥們兒過來，我給你講講，我們這兒有五十種磚，硬的、美的、方的，每一種怎麼燒出來的。哪家的磚蓋出來的房子更好？ 這就是**工藝**。簡單的東西反覆打磨，直到每塊磚都方正、結實、漂亮。好工程就是好手藝。 那發明還要不要？當然要。凱勒舉了個例子：分支預測。電腦效能的瓶頸之一，是碰到"如果……就……"這樣的條件跳轉，CPU 得提前猜下一步往哪兒走。猜錯了，整條流水線推倒重來。幾十年來，大家把預測器越做越大，也有人寫論文論證"這裡到頭了"。後來有個人寫了一篇論文，提出一種全新方法，把預測準確率往前推了一大截。現在全世界每一顆處理器裡跑的都是那個方法。 一篇論文，一個念頭，改變了所有晶片。 但凱勒算了另一筆賬：全世界有多少人靠這個念頭吃飯？千千萬萬。他們在乾的事，是把分支預測器做進不同架構、不同功耗、不同成本的晶片裡。發明是一兩個人，工藝是千百萬人。 所以他說，理論強調發明，工程強調工藝。理論製造英雄敘事，工程製造日常可靠。 ## 爛東西為什麼總能贏 凱勒講 JavaScript 的故事講得很有意思。 布蘭登·艾克（Brendan Eich）當年在網景，十天時間，把 JavaScript 寫了出來。之後被罵了二十多年：變數提升、型別轉換、NaN 不等於自己，各種反直覺設計。一個被罵得狗血淋頭的語言，今天跑在全世界幾乎所有網頁裡，後端也越來越多。 凱勒說，有意思的地方在於，當時瀏覽器裡能跑的語言不是沒有。Java、Scheme 都試過。但它們要單獨開一個"容器"，像隔離區，程式跑在裡面，跟網頁本身沒什麼關係。JavaScript 做了一件蠢到極點的事：直接塞進 HTML 裡，跟頁面渲染共用一個執行緒，連個虛擬機器都不給。它沒有姿態，沒有架構，沒有設計宣言，它就是**像一句註釋一樣被嵌進了網頁**。 使用者寫個 onclick，頁面就動一下。門檻低到離譜。 結果使用者開始自己創造用法。需求變成拉力。簡單帶來的回報，就是傳播速度。 > 簡單的東西總是贏，哪怕它顯然更爛。（吉姆·凱勒） 他舉了更狠的例子：指令集。RISC 理論上更優雅，更乾淨，更容易做流水線。x86 是"這個星球上最爛的架構之一"，變長指令、歷史包袱、規範縫縫補補幾十年。但 x86 是今天最流行的指令集之一。人們問為什麼，凱勒說：沒人知道。 他的解釋是，簡單的東西有一個優勢，它啟動快、傳播快。這個優勢在演化中不斷累積，最後跟複雜優雅的東西正面相遇時，它已經佔住了生態位。複雜優雅反而成了後來者。 但太簡單也不行。凱勒說，太簡單就是差，因為差的東西撐不住規模。甜點在於"簡單到能傳播，又有足夠結構能長大"。 他還順帶講了一段歷史。當年英特爾剛做 x86 的時候，一口氣授權了七家廠商，大家覺得這是開放架構，能有多家供貨。後來這個開放市場慢慢收斂成兩家。而真正開放的 RISC-V，凱勒覺得方向很酷，但也有隱患：誰都能改，改得太散，最後可能找不到一個大家都能用的公共子集。 ## 能把橋畫在餐巾紙上的人 訪談裡聊到凱勒的父親，那是全場最動人的一段。 他父親是機械工程師。小時候，父親開車回家，說今天路過一座橋，一直在想它。然後從口袋裡掏出一張紙，把整座橋畫下來。怎麼受力、怎麼架、哪裡吃勁、哪裡省料，一邊畫一邊講。講完再加一句：如果是我建，我會這麼改。 凱勒說，他從小看著一個"認為自己能理解和構想任何東西"的人長大。所以"任何東西都能被理解"這件事，在他眼裡是日常。 這個特徵後來變成了他的面試題：你隨便畫一個你做的系統。 他見過很多人，拿起筆先畫一個小方塊，然後說"它跟這個通訊"。再問深一點，就畫不下去了。也見過一個人，說"我設計了這個晶片裡的浮點單元，但我特別想先給你講講整個晶片怎麼工作，然後講浮點怎麼嵌在裡面"。然後在白板上畫滿，三十分鐘。凱勒當場把人要了。 那是**工匠**。你不只是會擰螺絲，你腦子裡裝著整個系統的影象，你能快速放大到細節、再拉遠到全景。你能把一個複雜系統畫成別人看得懂的樣子，這需要極深的理解。 他父親晚年得了帕金森，後來又得了癌症。凱勒說，父親一直想學鋼琴，到了晚年帶著帕金森才開始學，彈得很難聽。但父親覺得，如果這輩子練出點底子，下輩子也許能接上。 凱勒講這段的時候語氣很平，像在說一個老工程師的糊塗念頭。但你能聽出那句底下的東西：一個相信任何東西都能被理解、被改進、被重畫的人，連下輩子都打算接著練。 ## 完美是好的敵人，但"好"也得有個方向 凱勒說，做設計有兩種極端的蠢法。 一種是"一切按計劃來"。計劃外的東西一律砍掉。結果砍掉了所有讓產品獨特的東西。 另一種是"必須做到完美，不計成本"。聽起來很對，結果什麼都交不出來。 真正的工作發生在中間那條很窄的帶子裡，那裡有**創造性張力**。 什麼叫創造性張力？你同時想做好兩件互相沖突的事。你想讓晶片更快，也想讓它更省電。你想讓產品準時上市，也想讓功能拿得出手。你沒法兩全，但你不願意放棄任何一邊。這個不願意，逼你想出第三種辦法。 凱勒說，想法是需要發酵的。一個問題扔進腦子，不要急著下結論。過幾天，一個新的連線突然出現。有時候是洗澡的時候，有時候是夢裡。如果你一發現一個想法有毛病就立刻扔掉，你就沒給它發酵的機會。 但也不能一直髮酵。**最終你得把它落到實際。**做成，跑起來，看看哪裡壞了，然後學。凱勒說，他做過的每一個真正新的東西，做完之後，好的部分確實好，但他比任何人都清楚它有多少毛病。把想法壓進現實，通常都得付這個代價。 ## 模組化是人類造出超過自身理解力之物的唯一辦法 凱勒說，人腦容量有限，而且不會越來越聰明。但系統的複雜度在往上走。怎麼辦？ 答案是抽象層。 好的設計，模組和模組之間是解耦的。模組內部怎麼實現，別的模組不需要知道。兩個模組之間只透過一個清晰的介面通訊。這樣每個模組可以獨立演進、獨立驗證、獨立升級。你寫這個模組的時候，不用操心另一個模組在幹什麼。 他舉了網路協議棧的例子。七層模型是抽象層最經典的成功案例。你可以換掉物理層，從銅線換到光纖，上面幾層不用動。你可以在應用層發明一個新協議，底下幾層不用知道。這就是模組化帶來的槓桿。 凱勒在 AMD 做 K8 架構的時候，堅持一件事：所有模組的介面先定義好，再開始寫模組內部邏輯。負責驗證的同事說，如果真這麼幹，每個模組可以單獨測透，拼起來的時候模組之間的耦合 bug 會少很多。凱勒當時半信半疑，後來發現基本是對的。 但模組化也有天花板。一個設計如果超出你個人的腦容量太多，你很難把它做漂亮，因為你根本看不過來。可一個人能獨立完成的設計，又太小，改變不了世界。所以你只能靠模組化，把無數個"一個人能看明白的小塊"，用清晰的介面串成一個"沒人能單獨看明白的巨塊"。 結果就是今天的世界。你開啟 Twitter 刷一下，背後是光纖、路由、資料中心、伺服器、作業系統、編譯器、資料庫、前端框架、推薦演算法。**沒有任何一個人能從頭到尾理解這個系統。**如果外星人來了，他看到的東西跟"一個叫 Twitter 的東西"沒什麼關係，他看到的是整個文明層疊起來的抽象棧。 從外星人的視角看，人類這個物種靠模組化拼出遠超個體理解力的東西，這本身就挺了不起。 凱勒還加了一層：這些系統之所以沒塌，是因為它們一直在被打。地震、戰爭、病毒、商業模式的突然變更，每隔幾年就來一次。每一次衝擊都在暴露某個模組的脆弱點，然後那個模組被加固。沒有被壓力測試過的系統，看著漂亮，其實早就死了。 ## 摩爾定律背後有好幾條線纏在一起 一說算力進步，大家就搬出摩爾定律：每 18 到 24 個月，電晶體密度翻倍。凱勒說，那張指數增長圖裡，至少有五六件事同時在發生。 第一，電晶體變小，同樣面積塞得更多，單位算力成本下降。這是最經典的那條線。 第二，網路和演算法的效率在提升。同樣的模型，去年要花這麼多算力，今年可能省一半。這是純軟體層面的進步。 第三，並行規模的擴張。一個模型原來跑在一臺機器上，後來跑在十臺、一百臺、一千臺機器上。這跟摩爾定律沒關係，講的是"我能把多少臺電腦壓到同一個問題上"。 凱勒說，第三點最猛，因為它可以跳著增長。物理定律沒變，但問題被攤到了更大的機器上。 谷歌早年搜尋就是個例子。最初搜尋跑在一臺筆記本上，後來他們把索引拆開、分佈到越來越多的機器上。每加一批機器，就會撞上新瓶頸：網路頻寬不夠，排程器設計不對，資料格式不合理。然後他們重寫排程器、重寫儲存、重寫通訊協議。每個瓶頸被解決，系統就能再大一圈。 這就是為什麼網際網路公司那麼在意規模。規模上去了，錢就在裡面。規模越大，撞到的瓶頸越奇怪，越值錢。 有人在節目裡問過他一個極端版本：會不會有一天，整張桌子、這隻刺蝟，全都在做計算？凱勒說，從成本角度看，這件事已經在發生了。他講了一個真實案例：某個團隊要測電池電流，在"串一個電阻"和"放一塊帶感測器的晶片"之間比較，最後選了晶片，因為它比電阻還便宜。這塊晶片的效能，超過他 1982 年做過的整臺電腦。計算不是從外圍滲透進來的，它是從成本結構裡長出來的。 ## GPU 在跑畫素程式，不在跑圖 訪談裡聊到 Tenstorrent，凱勒現在做的人工智慧晶片公司。 他先講了一個分類法。過去的電腦分兩種：序列電腦和並行電腦。序列電腦跑指令流，一條一條來。並行電腦把同一個程式同時跑在一百萬個畫素上。每個畫素跑同一個 shader 程式，獨立算自己的顏色，誰也不跟誰通訊。畫素之間沒有"圖"（graph）的關係。 神經網路不一樣。神經網路本身就是一張圖。節點是運算元，邊是資料流。一個矩陣乘法的結果流向下一層啟用函式，再流向下一層。凱勒說，圖和畫素的本質區別在於：畫素之間沒有通訊，圖的節點之間有依賴。 GPU 能跑神經網路，是因為它把圖展開成了大量並行的畫素式計算。它很擅長這個。但 GPU 的底層模型服務於"在畫素上跑程式"，對圖只有模擬能力，沒有原生執行能力。 Tenstorrent 想做原生執行圖的硬體。晶片上的基本資料單元是資料包。一個處理器收到一個包，計算，把結果發到下一個處理器。整個晶片的拓撲就是一張資料流圖。你在 PyTorch 裡寫程式碼，編譯器把程式碼變成一張圖，再把圖切成適合硬體的小塊，排好資料佈局，排程好每個計算核心。 > 如果你用 PyTorch 寫了一段還算合理的程式碼，應該能直接編譯、直接跑，不用做各種瘋狂調優。（吉姆·凱勒） 這個產品哲學的出發點很清晰：GPU 時代的效能最佳化門檻太高了。一個樸素寫出來的矩陣乘法，在 GPU 上只能跑到峰值效能的 5% 到 10%。想往上走，你得轉置矩陣、分塊、對齊、安排暫存器避免衝突，最後變成一小撮被稱為"CUDA 忍者"的人才寫得出來的東西。大部分做 AI 的人不是硬體專家，他們是模型專家。硬體的門檻橫在中間，讓他們的想法落不了地。凱勒想拆掉這堵牆。 規模的部分也接得上。晶片上有 16 個乙太網埠，很多片連起來像一張網，資料包點對點傳送，剝掉包頭交給本地處理。同一套圖編譯器跨多片工作。凱勒說，規模這件事他很清楚是座山，爬上去會撞到一堆想不到的問題，所以硬體得從一開始就按能長大的方式設計。 至於能不能打贏英偉達（Nvidia），凱勒沒正面回答。他說這個市場有技術上的理由讓一些玩家跑不出來，也有技術上的理由讓新玩家跑出來。他只是覺得這裡是接下來十年最熱鬧的地方，所以來了。他還補了一句挺實在的話：跟客戶聊，別急著講那些花哨的新特性，他們最先問的是記憶體頻寬、本地頻寬、計算強度、可程式設計性、功耗怎麼管。基礎的東西一問，全露。 ## 克里斯·拉特納是那種在每一層抽象上都留下痕跡的人 訪談裡聊到克里斯·拉特納（Chris Lattner），凱勒對他評價很高。 LLVM 是編譯器領域的基礎設施。在 LLVM 之前，每個語言要寫自己的編譯器，每換一個平臺就要重寫一遍後端。LLVM 用一套中間表示（IR）把前後端解耦。前端把語言翻譯成 IR，後端把 IR 翻譯成機器碼，中間還可以掛最佳化器。編譯器一下子從"每個語言、每個平臺各寫一遍"變成了"共享一箇中間層"。這個設計選對了抽象層級，產生了巨大的生態槓桿。 然後克里斯又做了 Swift，蘋果的現代程式語言。再後來是 MLIR，多層中間表示。凱勒說，這三個東西都有一個共同點：**在軟體越來越複雜的時候，找到正確的抽象層級，讓人們可以在不同層級上獨立工作。** 凱勒自己後來在 Tenstorrent 的軟體棧裡也用了同樣的思路：多層可執行的中間表示，你可以在不同層級上看、改、調，然後往下走。他說他們動手比 MLIR 早，但方向撞在了一起，兩家互相看著都挺興奮。 克里斯身上還有另一面，是萊克斯特別提到的。他早年在這個播客還很粗糙的時候，主動過來說了幾句鼓勵的話，說別停下，想找誰聊就去找。凱勒聽完說，好的領導者身上常有這個東西：給一個年輕人一點空間，讓他自己去折騰，看看會怎樣。這個動作很小，但它能決定一顆腦子是長起來還是被 cynicism 壓垮。 ## 特斯拉的 Dojo，是一次不受約束的實驗 聊到 Dojo，凱勒說他參與了早期。當時的目標是"如果不受任何約束，專門為大規模訓練設計的電腦長什麼樣"。 他覺得這個專案值得做，因為大部分晶片設計都有太多約束：成本、功耗、上市時間、相容性。難得有一個專案，可以為一個單一目標做到極致。他甚至講過一句挺有意思的話：特斯拉自動駕駛團隊在討論功耗時，把一萬瓦當成很大的數字，而 SpaceX 那幫人覺得一萬瓦根本不算什麼。同一個公司，兩種工程世界觀。 但 Dojo 和特斯拉自動駕駛硬體的邏輯完全不同。自動駕駛晶片只服務一個軟體棧，硬體團隊和軟體團隊緊耦合。你要做一個通用平臺，就必須面對無數客戶、無數需求、無數奇怪的網路結構。這兩種設計邏輯各自成立，也各自有代價。 凱勒的態度很乾脆：多幾個實驗是好事。這個行業真正的危險來自所有人往同一個方向擠，試錯的人多幾個反而是好事。 ## 軟體 2.0 與資料引擎 訪談裡聊到安德烈·卡帕西（Andrej Karpathy）提出的"軟體 2.0"。凱勒的理解很具體：過去是人寫規則，程式按規則跑。現在是資料訓練出神經網路，網路自己學到規則。人寫程式碼這件事，被資料灌進去這件事替代了。 但凱勒強調，真正在現實中運轉起來的，是一次次迴圈，而不是一次訓練。網路跑、失敗、把失敗場景收集回來、重新訓練、再跑，不斷迴圈。你不停地發現邊緣情況，不停地補資料，不停地把網路往前推一步。凱勒管這個叫資料引擎。 他舉了自動駕駛的例子。汽車在路上跑，人開車成功透過某個場景，這段資料本身就是訓練訊號。你不需要人工標註"這裡該左轉"，你只需要那一段真實的人類操作。這個訊號又多又便宜。 真正的瓶頸落在算力上。**更合理的順序是先造一個真正管用的巨大網路，再想辦法把它塞進車上的晶片。**反過來做，你會得到一個跑得很快但什麼都不對的系統。 他還提到一個關鍵判斷：當前大部分訓練管線跑的是有標註資料，有人工上限。一旦實現自監督，資料量就變成無限。那之後的瓶頸只剩一個：這麼大的東西，怎麼塞進車裡、塞進手機、塞進那個十三美元的感測器裡。 他還講過一層更深的差異。人學開車，用的是物理直覺、對別人意圖的判斷、對社會規則的記憶、對風險的情緒反應，一整套認知框架。現在的自動駕駛在用車開車的片段資料教開車，等於跳過了前面那一整套通用理解。這條路能不能走通，凱勒說他不知道，但問題確實擺在那兒。 ## 意識是一個滯後的、單執行緒的、講給自己聽的故事 訪談後半段轉到了意識。凱勒的思考方式很工程師：他先描述他在意識裡實際看到了什麼機制。 第一，意識是滯後的。你做一個動作，大腦已經做完了，意識才跟上，給你一個"我剛剛決定這麼做"的敘事。凱勒說，大概滯後半秒。 第二，意識是單執行緒的。你腦子裡同時有很多程序在跑，但你能注意到的那個聲音，那條敘事線，只有一條。 第三，意識是封閉的。你看不到光子。光子打到視網膜，變成電訊號，經過多層神經元，最後在你腦子裡構建出一個"世界"。你從來沒直接接觸過外部世界，你接觸的永遠是你腦子裡那個模型。**腦子裡沒有劇場，只有一個被構建出來的世界。** 那意識怎麼冒出來的？凱勒的猜測是：當系統複雜到一定程度，它必須構建一個"世界模型"來解釋輸入、預測未來、規劃行動。這個模型裡還必須包含一個"自己"。它得把自己的狀態、目標、情緒也放進去，否則沒法做規劃。然後這個模型還要能講故事，把過去和未來串起來，把"我"和"世界"區分開。所有這些功能疊在一起，就是你體驗到的意識。 他沒有說這就是意識的全部，但他覺得這是目前最合理的工程猜想。如果照這個思路造機器，造出一個"看起來有意識"的系統，是可能的。 那它到底有沒有內在體驗？凱勒說，這個問題可能沒有工程上的答案。你只能看它是不是表現得像一個有意識的系統。如果它表現得足夠一致、足夠豐富、足夠讓你覺得"它在想什麼"，你就很難否認它。 他倒是提了一串改進清單：人的工作記憶只有七個數字，為什麼不能有一百個、一百萬個？人看不見四維，為什麼不能？人腦的皮層只有六七層，為什麼不能更深？他也承認，這些限制可能恰恰是智慧的來源。正是"只能抓七個數字"，才逼出了抽象和壓縮。真給你無限頻寬，你可能什麼都想不清楚。 他還說了一句很有意思的話：如果有一天你真的能心想事成，想要什麼就有什麼，那種無限可能反而會讓快樂失去意義。讓快樂成立的東西，恰恰是那些黑暗的部分、那些求而不得的部分。這跟他講組織的那條曲線是一個邏輯：任何東西推到極致，就變成了自己的反面。 ## 外星人大機率不會用矽 萊克斯問他，外星文明的技術會不會跟我們一樣？ 凱勒說，不知道。然後舉了章魚的例子。章魚的神經架構跟我們完全不一樣，分散式，觸手上全是神經元。如果章魚能活得更久，也許它們會發展出自己的文明。可我們和章魚之間的相互理解已經很難了，更別說跨物種、跨星球。 我們預設智慧一定長成我們這樣，這本身就是一種偏見。智慧可能是生物的，可能是矽的，可能在某個人類根本感知不到的媒介裡。我們甚至可能識別不出它是智慧。 他講了一個科幻故事的梗。一個文明把自己上傳進矩陣，活得很爽。後來有人想，外面有沒有智慧生命？於是造了一艘飛船出去找。結果發現，外面確實有生命，但那些生命也早就把自己上傳進自己的矩陣了。**每個智慧文明一旦聰明到一定程度，就搬到更舒服的地方去了。** 他也提了另一種可能性，說得很輕：也許真正在演化的生命，更像是道金斯說的"模因"。人類只是這些想法用來繁殖的載體。按這個框架看，外星人不一定長著身體，他們可能就是某種在多個大腦之間流動的東西，正好在我們中間。 ## 苯二氮䓬的戒斷，不該一個人扛 訪談裡聊到喬丹·彼得森（Jordan Peterson）。凱勒和彼得森是姻親。彼得森因為苯二氮䓬類藥物的戒斷反應，經歷了一段非常艱難的時期。 凱勒講得剋制，但資訊量很大。苯二氮䓬類藥物（比如阿普唑侖、氯硝西泮）作用於 GABA 系統，用來抗焦慮。問題是它作用於太多系統，以至於沒人能列全它的副作用。長期服用會產生代謝依賴，身體已經習慣了它的存在。 更麻煩的是不能急停。有一種現象叫 kindling：你停了一次，症狀很重；再吃回去，同樣劑量已經不穩定了；再停，症狀更重。凱勒說，彼得森在醫生建議下停藥、換藥，結果反而出了問題。 他提到一組比例：大約 75% 的人能相對順利地減藥，20% 的人非常艱難，5% 的人有生命危險。而很多醫生一開就是幾年，患者根本不知道自己在吃的是什麼。 凱勒說，彼得森是他見過在巨大痛苦中大腦仍然像發動機一樣運轉的人。他不確定這是不是意味著，一個能深度思考世界的人，在戒斷中也會痛得更深。他說他看過很多人的戒斷影片，所有人都痛得一樣厲害。語氣裡有剋制的共情。 他還講到一個更冷的事實：一類藥物被廣泛處方十幾年之後，才有人開始系統反思它的代價。開具處方的醫生大多出於好意，他們以為自己是在幫病人。這件事裡沒有人使壞，缺的是認知更新。而那批正在戒斷的人，得自己扛著這段滯後期。 ## GameStop 是一次抽象洩漏 聊到 GameStop 那場散戶大戰華爾街的戲，凱勒沒評善惡。他用工程師的框架看這件事。 Robinhood 的 CEO 把清算系統當成了黑箱。他以為使用者下單、他撮合，就結束了。他不知道在後臺，清算所會按交易量要求他交保證金。當交易量暴漲，清算所打電話說"你今天下午之前需要打 30 億美元過來"，他懵了。 凱勒說，這就像晶片設計裡，你從臺積電買晶圓，臺積電說電晶體是這麼工作的，你信了，設計完了，流片回來，晶片不工作。你去問，才發現底下那層和你以為的不一樣。**抽象層平時是透明的，出事那天，它變成了一堵牆。** 他也說，這件事裡可能有一堆玩家，大部分我們根本不知道誰賺了錢。散戶覺得自己贏了，但真正賺到大錢的，可能是某個提前埋伏好的對沖基金。下一次會不一樣，因為下一次必須是驚喜，不能是同一個遊戲。 他還順手吐槽了做空這件事。風險結構天然不對稱，做多最多虧光本金，做空理論上虧損無上限。所有他認識的 CEO 都討厭空頭，因為空頭有動機去壓低股價。這一整套結構裡，總有某個縫隙能給聰明人留一個口子。 ## 給年輕人的建議：先認識自己，再找一件真心喜歡的事 這部分凱勒講得很直接，甚至有點不客氣。 第一，越早認識自己越好。你得知道自己怎麼運轉：早上腦子清醒還是晚上？看得進文字還是必須看圖？快速決策型還是慢熱發酵型？凱勒說他自己是慢熱型，大學考試前一週把所有題做完，最後三天不看書，因為新資訊會打亂他已經搭好的理解框架。他有個朋友是快熱型，前一晚突擊，第二天考得很好。兩個人效率一樣，方法完全不同。 他說，工程學的考試大多是開卷的。他記不住公式，但能記住公式在哪一頁，看見那一頁就能想起整塊內容。他有個朋友同樣努力，同樣翻書，就是找不到。差距出在大腦工作方式上，跟勤奮程度關係不大。你得先搞清楚自己是哪一種，然後用適合自己的方法，而不是用別人告訴你的方法。 第二，找一件你真正感興趣的事。你不愛它，就不可能在上面花足夠多的小時。而別人愛它，別人就會比你多走一步，你就贏不了。競爭就是這麼運轉的，跟雞湯無關。 第三，別讓老一輩把你帶進坑裡。凱勒說了一句挺狠的話：不要因為有人年紀大，就預設他的建議對。很多年輕人被勸去讀一個昂貴的學位、背一身債、進入一個根本沒熱情的行當。你回頭看，那些推你的人，自己可能都沒想清楚。他不認為這裡面有騙局，他看到的是認知慣性。上一代用自己的經驗給下一代畫路線圖，可地圖早就變了。 第四，別讓別人的觀點代替你自己的思考。如果你發現自己重複的是福克斯新聞或 CNN 的話，你已經被群體思維俘虜了。 他還講了自己的一段低谷。高中有一年，他抑鬱得厲害，整整一年。二十六歲的時候，他經歷了人生第一次中年危機，坐在自己熱愛的工作崗位上想：就這樣嗎？剩下的時間全都拿去上班？ 他問一個拼命工作的朋友，你的工作生活平衡怎麼樣？朋友說，工作八成，家庭兩成，剩下的時間用來睡覺。凱勒說他當時聽了心裡一涼。他後來明白，一個人需要在生活裡留出空間，給不同的東西。那個空間的作用，是讓腦子保持可塑性。全是工作的人生，抗打擊能力會變得極差，一根稻草就能壓垮。 ## 關於愛，工程師是這麼看的 萊克斯問他，愛在成功的人生裡扮演什麼角色？ 凱勒的回答很工程師，但很動人。他說，愛是一種**功能**。 人腦有一個特性：會習慣一切。房間裡的噪音，三天後就聽不見了。窗外的風景，一週後就不看了。別人對你的好，幾個月後就成了理所當然。這是大腦的節能機制，注意力得留給新東西。 但愛是例外。你愛的人，你不會習慣。你的孩子、你的伴侶、你的朋友，他們每天都在變，你每天都會注意到那些變化。凱勒說，愛最重要的功能就在這裡：**它讓你對某個人或某件事保持持續的新鮮感。** 這個功能對工作也一樣。你愛你的工作，你才能一直看到新問題、新角度、新可能。你不愛它，你就是在重複勞動，然後被一個愛它的人超過。 愛的另一個功能是抵抗虛無。他年輕時有過一段抑鬱期。後來發現，當生活裡有幾件你真正在意的事、幾個你真正在意的人，黑暗的東西就沒那麼容易把你吞掉。你的精神空間被填滿了，有東西在裡面長。 他還說，愛有不同層次：生理的、情感的、智識的、精神的。有些人只體驗過其中一層，就以為那是全部。其實它們可以是同一個人的不同側面，像模組一樣，各有介面，又共處一體。說到這裡他又滑回了自己最熟的那套語言：把東西拆開，看清楚各部分的邊界，再把它們接回去。接回去之後，整體會比原來更有意思。 他引了一句布考斯基的話，說愛是一場霧，被清晨第一縷現實的陽光照散。他說這句話聽著很喪，但他覺得反了。霧散之後留下的東西，才是真正撐住你生活的東西。熱戀是開頭，長期的愛是後面那幾十年，後面那段更值得。 ## 關於遺憾 萊克斯問他有沒有遺憾。凱勒說有，然後講了一段關於政治的反思。 他年輕時，如果有人做了他不喜歡的事，尤其是那種帶點惡意的，他會當成衝自己來的。他會憤怒，會記住，會在心裡反覆咀嚼。 後來一個心理學家跟他說了一段話，把這件事講透了：你以為別人是在針對你，其實別人只是在做他自己。**他在你面前做的那些事，動機大多跟你沒關係。**他有他的成長史、他的恐懼、他的習慣性反應。你只是恰好站在那個位置上。 凱勒說，這個認知救了他很多次。後來他開始在合作之前先去理解一個人：他怎麼想、他怕什麼、他的行為模式是什麼。這樣做之後，別人突然發難，他不太意外；別人做出傷害他的事，他也沒那麼痛。因為他早就看見了那個模式在成形。 他也很坦白地承認自己是個暴脾氣。當年氣得拍桌子走人的時候，他腦子裡只有一條：我煩了。喬布斯那種級別的對抗有策略、有目標、有收斂，凱勒說自己沒那種控制力，更多是得罪了不該得罪的人，然後離開。 在蘋果那幾年，他才第一次真正見識到什麼叫做高水平的政治。他說的政治，跟背後說人壞話那種低階操作完全兩碼事。那是有戰略的：怎麼說服一千個人去做一件很難的事，而這其中大部分人連自己在參與什麼都不知道；怎麼在資源有限的時候說服別人把資源讓給你；怎麼讓一個已經很累的團隊相信這件事值得再拼一把。這些都需要極強的情緒控制、對人性的洞察和長線的佈局。 他說他當時不感興趣，覺得那是"搞政治的人"才做的事，自己是工程師，只做技術。現在回頭看，如果當年多花點時間在這上面，他很多事情的槓桿會大得多。他也承認，有些做政治做得很好的人，身上有很硬的稜角，因為這件事本身就是重活。他補了一句：也許我那時候還沒準備好。 ## 把問題裝進睡眠裡 訪談裡有一段很妙的對話，講的是他怎麼用睡眠來解題。 凱勒說他很早以前就發現自己腦子轉得慢。大學同學能考前一晚突擊，他做不到。所以他總是提前把作業全做完，考試前留出幾天的空白，讓大腦自己去整理。新的資訊如果在前一天進來，會打亂他已經搭好的理解框架，他寧可不看書。 到了大三學多元微積分的時候，他開始做一些很清晰的夢。三維曲面、梯度、法向量，全部在夢裡以影象的方式浮出來。他說那段時間特別爽，因為視覺化的東西一遍遍在他腦子裡被反覆推演。 後來他養成了一個習慣：睡前主動把第二天想解決的問題"裝"進腦子。他會花時間把問題的各個面向過一遍，然後跟自己說一句"請記住它"。他說這樣做之後，做有意義的夢的比例明顯上升了。 他也提到，如果你帶著一肚子氣睡覺，比如白天有人發了一封讓你不爽的郵件，你的夢就會繞著那個東西轉。這類夢通常沒什麼營養。但如果你把真正重要的問題帶進去，夢就會給你一些奇怪但有用的東西：某個卡了三天的邏輯突然通了，某個設計的錯誤在夢裡被指出來。 他說這是一種可以練習的能力。你得先學會"聽懂自己腦子的語言"，知道什麼狀態下能進得去，什麼狀態下進不去。冥想有幫助，高強度的體力活動有幫助，規律睡眠有幫助。他還提到一個細節：想得特別投入的夜晚，他會熱得把所有被子踢到地上，第二天醒過來覺得昨晚幹了不少活。 萊克斯問他，意識是不是就像一條河，你只是坐在船上順流而下。凱勒說不對，你完全可以掌舵，只是你得先學它的語言。他甚至說了一句挺重的話：你算不上船上的乘客，你就是那條船本身。 ## 想法多的人，該怎麼處理想法 凱勒提到一位朋友，想法特別多，多到朋友自己都困惑：這些想法是從哪來的？ 凱勒的處理方式是：**讓想法待著**。不要一有想法就立刻檢驗，也不要一發現毛病就立刻扔掉。有些想法放一放，過幾周再回來，你可能會發現它其實有救，或者它會孵出另一個更好的想法。 他說他見過兩種人。一種人想法很多，但從不落地，永遠在開新專案、拋新概念，最後什麼都沒做成。另一種人只做一件事，做到極致，但不接受任何新東西，最後被時代甩在後面。真正厲害的是第三種：既允許大量的想法在腦子裡漂浮，又能在某個時刻果斷收攏，把它們壓進現實。 這個收攏的時刻很難定。凱勒說，靠的是感覺。你會在某個時刻突然覺得，這個東西想得差不多了，可以動手了。然後真正動手，你必然會撞上一堆"我原來沒想到"的問題。那時候不要沮喪，那正是想法變成現實必須付的代價。 他還講了一段他理解的"美感"。什麼叫一個設計很漂亮？他把這個問題拆得很具體：模組之間的邊界清楚，每個模組自己能獨立演進，介面穩定，拼起來整體和諧。**一個漂亮的設計，通常是模組和介面剛好匹配了人的認知容量。**太大了，人看不過來，拼不上；太小了，沒意思，也不需要做。剛好的那個位置，很難找，但找到了就是美。 凱勒在節目裡還講過一句話，把這件事說得更直白：人腦的總容量這些年沒怎麼漲，但我們要處理的東西一直在漲。所謂工程能力，很大一部分是學會把超出你腦容量的東西，切成你能握住的小塊，再想辦法讓這些小塊互相配合。 ## 他女兒想把他改成"傳奇和大師" 訪談最後，萊克斯問他希望被怎麼記住。 凱勒笑了，說他女兒最近在偷偷改他的維基百科頁面，往裡加一句話，說他是"傳奇"和"大師"。然後維基百科的編輯把這句話刪了，她又加回去。她今年十五歲。 他說這大概是他最好的遺產。他的幾個孩子都挺興奮地在幫他改，還去翻引用來源，找哪篇文章能支撐這個說法。孩子們當然也很懷疑他，因為他們覺得自己將來會比他更厲害。他說這話的時候帶著笑。 然後他講了一個特別好玩的比喻。他說他有個朋友跟他爭論，金字塔和隕石坑哪個更酷。他想了想說，隕石坑到處都有，月球上、火星上、水星上，全是隕石砸出來的坑。可金字塔是人類用雙手，一塊石頭一塊石頭壘起來的，五千年後人們還在討論它怎麼建成的，甚至連怎麼建成的都還沒完全搞明白。 他說，那才叫酷。人類想出來、做出來、還留了個謎給後人。他還開玩笑說，這要麼是人工智慧幹的，要麼是外星人乾的，反正人類自己好像沒這個本事。 萊克斯說，那你的遺產就是金字塔。凱勒說，那樣就挺好。再加上他女兒時不時地去更新一下他的維基百科頁面，那就更好了。 整場談話到這裡收尾。他用了兩個多小時，從分支預測講到苯二氮䓬戒斷，從模組化的抽象層講到愛為什麼是一種功能。你聽下來會發現，他所有話題的底層是同一套東西：**複雜系統需要結構，結構需要有人維護，而維護結構的人本身也是結構的一部分。** 晶片是這樣，公司是這樣，人腦是這樣，愛大概也是這樣。 如果這套東西能落到具體行動上，可以做什麼？ - 下次有個新想法冒出來，別急著判斷它對不對。先寫下來，放三天。三天後如果它還讓你興奮，就花時間往下推；如果三天後你已經忘了它，說明它不值得。這個篩選成本很低，能擋掉大量噪音。 - 找一件你願意在沒人要求的情況下也去做的事，然後在這件事上把"磚"燒好。別一上來就想改變世界，先把基本功練到別人看得見的程度。工藝會說話，而且說得比專利響。 - 每週做一次"畫白板"練習。挑一個你熟悉的系統，把它從頭到尾畫出來，講給一個不在這個領域的人聽。卡在哪，哪裡就是你的理解缺口。這個練習比讀十篇文章管用。 - 觀察你所在團隊的秩序與生產力曲線。有沒有哪個流程，本來是用來解決問題的，現在變成了問題本身？先搞清楚它當初為誰而生，再找一個人一起動它。一個人推不動，兩個人能推。 - 睡前給自己安排一次"發酵"。把最難的那個問題過一遍，明確告訴自己"我需要想清楚這個"，然後睡覺。第二天早上不管想到什麼，先記下來再說。堅持一個月，看變化。 - 檢查一下你最近的觀點，有多少是自己想的，有多少是複述來的。連續三次發現你在複述別人的話，就停一週，不看評論區，只讀原始材料，然後寫一段自己的判斷。 - 有人做了讓你憤怒的事，先別下結論。問自己一個問題：這件事有多少是衝我來的，有多少是他自己的模式在執行？多數時候答案是後者。這個習慣會讓你變得準確，而不至於變得軟弱。 - 找出你生活裡"已經習慣到看不見"的那個東西，可能是一個人，可能是一份工作，可能是一條每天路過的街。刻意去看它一次，認真看。愛就是對抗習慣的能力，它靠練習，不靠天分。 - 如果你在帶團隊，花點時間研究人怎麼工作、怎麼被激勵、怎麼在壓力下變形。別把這一塊當成"搞政治的人"才管的事。技術判斷力決定你能走多遠，理解人的能力決定你能帶多少人一起走。 - 如果你正在選一個技術方向，問自己兩個問題：這個領域的瓶頸幾年內會被撞到？撞到之後，需要的是最佳化還是重構？需要重構的地方，才是新人有機會的地方。