他们擅长控制，却失控于世界。

快速工业化，快速城市化的社会必须奉工程为尊，在此过程中吃尽红利的工科生便形成了自以为是的线性思维。如今 AI 时代，这种思维方式塑造的工科生是最容易被 AI 取代甚至消灭的一批，并非危言耸听。

先看工程思维的线性化。

在工程中，线性化是将复杂非线性系统简化处理的核心方法。简单说，工程上大量用线性化，绝不是因为世界是线性的，而是因为线性系统好算，好控，好分析，好实现。

以下稍微详述。

1. 只有线性系统，才有通用解析解
   非线性方程：

$\dot{x}=f(x,u)$

没有闭式解，只能数值仿真，很难得到公式，线性化后：

$\dot{x}=Ax+Bu$

可直接写出解：

$x(t)=e^{At}{x}_0+{\int }_0^t{e}^{A(t-\tau )}Bu(\tau )d\tau$

有公式，能预测，能证明。

2. 线性系统稳定性好判断

非线性系统在线性化后，看特征值实部是否小于 0，便可判定收敛。

3. 控制器设计极度成熟

几乎所有经典控制理论(PID，AIMD 等)都建立在线性系统。

4. 可用叠加原理

线性系统满足叠加性 $f(x_1+x_2)=f(x_1)+f(x_2)$，这意味着可分而治之，亦可解耦分析；

5. 计算量小，适合实时控制

6. 工作点附近，非线性近似线性

绝大多数系统都在平衡点附近工作，在小扰动下，泰勒展开线性项以足够准：

$f(x)\approx f(x_0)+f^{\prime }(x_0)(x-x_0)$

7. 线性系统容易标准化，可复用

我很认同一句话，做什么就会变成什么，工科生从进入大学便开始跟线性化打交道，变成了线性人，然而他们(也包括我自己，但我跳出了桎梏)面对的并非工作应对的可线性化世界，而是真实的非线性世界，而真实世界没有工作点。

通过泰勒一阶近似，在工作点附近可线性化为 $\dot{x}=Ax+Bu$，这已经是工程实现的基础。但长期以此思考，就形成线性化思维，把工程近似当世界规律，在现实决策中暴露出明显缺陷。

当然，线性化的工程思维具有非常多的优点，但本文明确不说那些优点，因为已经汗牛充栋了，本文针对的就是线性思维的缺陷。

稍微详述。

1. 工科线性思维崇尚渐变，无视突变

线性假设 $\Delta y\propto \Delta x$，输入小幅变化仅带来小幅输出，但现实存在阈值与相变，越过临界点后 $\Delta y\gg k\Delta x$，对质变麻木就会对小问题放任，最终系统崩塌。

2. 工科线性思维迷信叠加，忽视耦合

线性系统满足叠加 $f(x_1+x_2)=f(x_1)+f(x_2)$，但现实系统强耦合 $f(x_1+x_2)\ne f(x_1)+f(x_2)$，工科生满足于问题拆分后的局部最优，整体却相互冲突，全局失控。

3. 工科线性思维固守工作点，路径依赖

线性化仅在平衡点附近才成立 $\Vert x-x_0\Vert \ll 1$，线性思维拒绝大扰动与新工作点，长期局限于 $x\approx x_0$，但环境剧变时模型便失效。我多年来的传输优化同事中见多了这类。

4. 工科线性思维追求绝对精确，排斥模糊和统计

线性系统追求确定性关系 $y=kx+b$，但现实充满噪声与不确定性 $y=kx+b+\xi$，$\xi$ 不可忽略，它可大可小且非线性不可控，但工科生无精确数据便不敢决策，过度依赖计算以错失时机。

5. 工科线性思维依赖负反馈，无视雪崩

工程常用负反馈稳定系统 $e\to u\to x\downarrow$，但社会常出现正反馈 $x\uparrow \to x\uparrow \uparrow$，小矛盾不断激化，危机滚雪球式爆发。事实上这一点说得有点过，大部分编程的人其实是连负反馈都不晓得的。

6. 工科线性化思维对一切线性化，缺乏共情

甚至把人简化为线性响应 $\text{行为}=k\cdot \text{道理}$，可真实情绪与尊严是随机的 $\text{反应}\gg k\cdot \text{输入}$，工科生只讲逻辑不讲感受，道理正确却激化矛盾，这是每天的工科群里常见的。

7. 工科生唯理性，排斥直觉

线性思维依赖一切可推导，必须有解析形式，而复杂决策常未知但可感知。工科生拒绝直觉与经验，生硬死板，他们无视科学定律前期的大胆猜想，却只纠结于后面的小心求证。

8. 工科生迷信因果，忽视复杂关联

线性系统因果链清晰 $x_1\to x_2\to x_3$，一一对应可追踪，可现实为复杂网络，工科生遇到多因素耦合问题，强行寻找单一主因，误判根源。编程的人看到复杂网络就想起了 QUIC，RDMA，TCP 之类。

因为能运动，所以很健康，这就是典型的工科线性思维下的单因单果关系，不多说。

总之，线性化是工程的高效近似，却不是世界的。承认非线性，不确定性，复杂与突变，才能在复杂现实中做出更好的决策。

简单举几个现实中的例子。

工科思维非常喜欢用第 n + 1 次来线性迭代前面已经发生过的 n 次，却不关注内核是否改变。

教科书上讲电力革命是第二次工业革命，信息革命是第三次工业革命，编程的人就会说 AI 是第四次工业革命，为什么不是第一次智能革命或第二次认知革命呢。

再比如教科书已经讲了第一次，第二次世界大战，工科生就会觉得第三次世界大战总会到来，却连个异想天开都没有能够。

也正是工科生所持有的 “好算，好控，好分析，好实现” 的线性化武器，才到处鄙视文科生为民科，只因为文科输出 “不可算，不可控，不可分析，不可实现”，恰恰失去了异想天开的本能。

而所谓的 “好算，好控，好分析，好实现” 正是 AI 最擅长的。

另一方面，在 AI 的强大压力下，工科生暴露了持续学习的本事，用肉身强制自己跟上 AI 的进化，拼命学习新东西，这证明了我年前写的那篇文章的合理性，到底是科技进步果然让工科生更忙碌，榨干了他们最后的时间，这像极了跑步机。

参考 尺度定义极限，极限定义边界，边界定义存在

跑步机它是一部机器，它和在平路上跑步的体验完全不同，路跑，你再慢，终究是向前，机跑，你若慢，会倒退甚至跌倒，机器提供的只有反驱力，只有剥夺。而把人当做机器的工科思维下，AI 取代人是注定的，只有相似的东西才能互相取代。

我一直对工科生有点意见，这没什么大不了的，所以没有必要单独写一篇文章，但最近张雪峰事件让我觉得必须整理一下自己对工科思维方式的理解了，本文就着我此前朋友圈的一些反馈用 KPI 量化生活的观点引申，生怕工科思维的数字量化成分，一步步腐蚀掉整个世界：

据说是跑步后出的事，这已经不是第一例，十五年前教过我 Java 的张孝祥老师打球猝死，还有健身房 1 猝死，健身房 2 猝死，不胜枚举，明明都是些很积极，很正面的行为，却发生了最恶的果。这些背后的共性恰恰在于我们经常引以为自律的目标管理，现在叫 KPI/OKR 量化驱动，这种过时的企业管理方式用在生活，会在自我感动中无形中把人压垮。以跑步为例，我埋汰量化 KPI 好多年，记配速，记心率，记距离，甚至记听了几首歌，如果一周跑量不达 x，会在最后几天拼命补，如果补不上就会焦虑，丝毫不管自身的状态，这背后似乎成了生意，商业资本驱动的是算法机器驱使无知的人为完成 KPI 而完成 KPI。跑步只是之一，再列举几个，一天喝了 x 毫升水，吃饭吃了 x 卡路里，深度睡眠 x 小时，微信读书 x 小时，背单词 x 个，写了 x 字，手机使用 x 小时，陪伴孩子 x 小时 。。。有多少人被这些 x 约束捆绑，不能自己，完全无法松弛，失去了生活本身。​不要给自己定目标，走到哪算哪，活成什么样子随意，人生苦短，要努力当一个不负责任，不在乎的人。忘掉 KPI，卸掉装备，仅保留人的本色，去品尝生活的乱味。

浙江温州皮鞋湿，下雨进水不会胖。