什么番茄酱瓶要倒着放？

为什么滑盖手机消失了？

为什么零件要统一尺寸？

为什么建更多桥并不能解决交通拥堵？

为什么炼油厂设备能用来生产青霉素？

为什么条形码是“黑白斑马纹”而不是彩色条纹？

为什么商品条形码可以追踪马拉松选手的位置？

为什么移动网络叫蜂窝网络？

为什么宜家是成年人的乐高？

AI 时代，如何创新？如何用 20% 精力破解 80% 创新难题？欧洲科学与艺术院院士古鲁？马达范在《以纸鸢征服加农炮》中，给出了颠覆传统的答案。本书的独/创性在于提出 “结构 × 约束 × 权衡”三步构建起可落地的创新底层逻辑——打破“创新依赖天赋”的认知，证明伟大创新并非天马行空，而是对现有资源的精妙重组与约束下的ZUI优解。书中通过番茄酱瓶设计、条形码应用、蜂窝网络命名等趣味十足的世/界级难题拆解，揭示了跨领域创新的底层逻辑。

无论是企业管理者、产品设计师、工程师，还是渴望突破思维瓶颈的创业者，都能从中学会在有限条件下定位核心问题、高/效整合资源，掌握AI时代突破式创新的关键能力，用底层逻辑应对复杂多变的商业与技术挑战。

本书适合企业高管、政策制定者、产品经理、工程师、创业者等所有面临复杂决策的读者，尤其对需要在不确定性中寻找破局路径的职场人、希望提升系统思维的管理者，以及关注社会创新的研究者而言，是一本兼具理论深度与实践价值的行动手册。

系统思维是应对越来越复杂的人类生存与发展挑战的思维利器，正如系统工程界常用的口头禅“整体大于个体之和”，而在应用中，人们还会发现“整体不等于个体之和”往往才是现实中的真相。估计大家看到这里，反而会生出一些疑惑，这会不会有一些太复杂了？是的，而这恰恰是这套书采取现有的内容呈现方式的原因，即利用大量的工程实践例子来向读者解释何为工程师思维。

韦青

工程师，微软中国首/席技术官

工程师思维是近年科技和创业公司里常常被提起的概念，很高兴看到有书籍探讨这方面的话题。 和直接感受不同，工程师思维未必是直接“解决问题”，而是“在约束条件下重新定义问题”。这套书用飞行模拟器、火山灰、恒河治理等一系列工程史上有趣的案例讲透这套方法论：先画边界，再留模糊，最后建韧性。在AI时代，人人都在害怕错过下一个风口，但实际上有效的快速前进的方式是建立起一种永远走在前列的思维模式，而工程师思维是在思维工具箱中对落地更有效用的一种：它让效率、模糊、脆弱、安全、维护、韧性化作跨域创新的羽翼。这套书看似讲工程的书，实则是“穿越不确定性的生存指南”——在看不见陆地的夜里，它不会给你地图，但会教你读懂星辰。

赵斌

声网创始人兼CEO

《用蓝盒子驯服天空》有些烧脑，读完掩卷长叹，原来还可以这样理解“系统工程”，还可以这样解读“工程师的价值”。古鲁·马达范虽然是医学工程师，但从埃德·林克的飞行训练器，到英美海军如何成为海洋霸主，再到近几年发生的福岛核事故等几个具有代表性的案例中，很有说服力地解读了系统思维的前因后果。在AI时代，我认为系统思维显得尤为重要。自从大模型可以帮助我们解决大多数基础问题后，具有复合技能的人才越来越受欢迎，因为他们可以从大模型的知识海洋中，从多个不同的维度出发，萃取更精彩、更有见地的创意和内容，从而快人一步、深人一度。相信这本书对于我们练习系统思维、成为系统工程师、解决复杂问题大有裨益。

霍太稳

极客邦科技创始人兼CEO

重磅赞誉

推荐序 工程师思维的为何、是何与如何

韦青

工程师，微软中国首席技术官

中文版序 用人类最古老的工程思维破解 AI 时代的棘手问题

引言  工程师思维，一切复杂难题的解

神秘的冠军，可疑的马拉松作假者

无处不在的远程代码识别

条形码颠覆全球供应链

像工程师一样思考

当条形码重塑马拉松

第1章  结构 X约束 X权衡：顶尖创新的底层逻辑

法国加农炮的蜕变之旅

“老古董”与“现代人”的决斗

工程师思维的三大法宝

我与工程学的不解之缘

加农炮的工程学原理

第2章  优化思维：在最短时间内取得最佳效果

斯德哥尔摩交通大改造

邮政编码的诞生，一个策略优化过程

离开 “淡水区”，进入“咸水区”

经济学家vs. 工程师

第3章  效率和可靠性：在不确定中“启动火箭”

小猪扭扭，世界上第一个现代超市

宜家，将所有顾客都视为生产工程师

从第一台自动取款机，到遍布世界每个角落的ATM

丰田公司的工程师思维实践，并行工程引发工作流程革命

将不确定性最小化，在不确定中“启动火箭”

第4章  标准化思维：保持弹性，在目标引导下再创造

青霉素诞生的三个“命运”

三点式安全带，用非标准化方法建立标准化的被动安全系统

重组不是随机融合，而是历经深思熟虑的标准系统

适配、提高和应用，在策略和目标引导下的再创造

第5章  限制性思维：在约束下求解，开辟创新路径

为何重访瓦拉纳西

首席测绘师桑福德·弗莱明与混乱的跨区域时间

米什拉，是大祭司，也是工程师

时间系统化，标准时间正式实行

恒河中流淌的那些生命故事

约束，激发创新潜力，带来新的可能性

下水道，最重要也最低调的公共卫生技术

没有什么是不可能的

第6章  跨越式思维：成为拥有工程师思维的决策高手

一场光天化日下的谋杀，一位工程师父亲的坚持

国会殿堂里的工程师，从工程世界走进政治世界

用工程师思维解决政府难题

用工程师思维解决人们生活中的问题

第7章  原型思维：先完成再完美

底片公司诞生的第一台数码相机

断开连接，使用无线

选择胶卷还是记忆卡

工程与原型设计：验证、测试、调整

第8章  学习思维：向他人学习，解决难题的捷径

“帮宝适”中的工程师思维：社会互动如何成为影响工程设计的强

大力量

注定失败的第一台彩色数字印刷机

丰田的“质量功能部署”，认真对待客户的反馈和喜好

工程师思维的局限，过度设计反而会影响客户体验

来自巴厘岛水神庙的警示，不尊重传统的 “绿色革命”彻底失败

结语  向希区柯克学习工程师思维，成为设计自己命运的工程师

参考文献

致谢

斯德哥尔摩交通大改造

21世纪初，瑞典首都斯德哥尔摩的交通拥堵情况开始失控。

通勤时间一次又一次延长，大把时间都浪费在路上，人们感觉越发沮丧。上下班高峰时，瑞典首都的生产会陷入停顿。要解决这个问题，无疑只能再建一座大桥，提高通行能力。要是在以前，这不失为一个好策略，但现在的斯德哥尔摩已经有几十座大桥了，毕竟这里被誉为“北方的威尼斯”。这次，斯德哥尔摩的市政官员经过慎重考虑，决定不再建桥。于是，他们聘请了一群特别的顾问――来自IBM的工程师。

对于IBM的工程师来说，这个项目更像是实施一个救援任务，而不是造个血管支架来疏通斯德哥尔摩的交通动脉。IBM的工程师在全市安装了传感器以了解交通现状，又安装了43万个应答器采集数据，共获得了85万张图片。IBM的工程师利用这些信息，对所有交通节点和看似不相关的影响因素进行了数学分析，建造了一个全系统模型。凭借详尽的分析结果，IBM团队说服了斯德哥尔摩的市政官员，让他们明白要解决交通拥堵问题，不需要建桥，也不需要造路，而是应该向高峰时段使用桥梁和公路的通勤者收取拥堵费。

收取拥堵费的方案带来了意想不到的效果。2006年，该方案开始试运行。在此期间，斯德哥尔摩的交通拥堵率降低了20%～25%，候车者的等待时间平均下降了1/3，部分路段甚至将近一半。公共交通恢复了往日的生机。该方案有效减少了10万辆的出行汽车，使碳和其他颗粒物的排放量也大幅度降低。2007年，斯德哥尔摩通过全民公投，实施了基于摄像头的永久性收费系统。瑞典的成功经验引起了其他国家的关注。亚洲、欧洲和北美的城市纷纷开始制订成熟的拥堵收费方案。

交通堵塞问题就像漏桶一样：越往桶里加水，漏水就会越严重。而且，道路的承载能力已然固定，高峰时段的车流量增加，必然会带来不可避免的问题。

得克萨斯州农工大学交通研究所2012年发布的《城市交通报告》指出，每年美国大城市在高峰时段的碳排放量高达250亿千克，“相当于12 400架航天飞机满载燃油时的起飞重量”。而产生这些排放物所消耗的近114亿千克的燃油，“足以填满4个新奥尔良超级穹顶体育馆”。

从个人层面来看，这些数据非常惊人。在过去的30年里，普通通勤者的个人成本和浪费的燃料都已增加了1倍多。该报告指出，“由于交通拥堵，上班族每年多花费的通勤时间已经从1982年的16小时增加到2011年的38小时”，相当于在路上多浪费了将近5个工作日的时间。

IBM智能交通产品的全球行业负责人纳文·兰巴（Naveen Lamba）写道：“现今，我们在道路上安装了无数的传感器和摄像头，它们可以自动上传数据，因而我们可以实时共享和分析数据。”结果证明，用于支持IBM分析数据的传感器和应答器对于交通流量图的绘制发挥了不可或缺的作用。兰巴还说：“如果数据更新延迟5～7分钟，那么再好的方案也无法缓解交通拥堵。一旦上班族因陷入交通拥堵被困，想再找另外一条路就为时已晚。”因此，预测交通流量更是难上加难，甚至实时数据往往也不甚有用。

架桥造路并不总是解决交通拥堵问题的可行之法。兰巴断言：“我们必须学会利用技术，提高现有资产的生产力。”IBM针对斯德哥尔摩的交通系统采取了模块化的方法，以此了解系统中可能直接或间接导致交通拥堵的所有因素。结果，全新的电子基础设施诞生了：车牌与电子账户或便利店账户关联，以便付款之用。这种方法不但影响了公众行为，而且改变了整个社会的通勤模式。收取的拥堵费可用于维护城市公路系统和其他设施。在这种情况下，定价调峰方案不但能有效应对交通拥堵的问题，而且解决了一些其他难题。所以，“漏桶”给我们带来了无限的可能性。

同一解决方案在一种环境中无效，但在另一种环境中可能会产生变革性的作用。与斯德哥尔摩的情况不同，对于非洲的一个村庄而言，建桥造路却有助于让公众获得更多的服务和机会。公路完善了，从未想过买车的人可能会去买车，这不仅会增强人员的流动性，同时也促进了商业发展。

交通拥堵是人类行为的产物，它体现了我们每个人的潜在偏好――我们从一个地方到另一个地方时会选择哪一条路。因此，对于衡量一个基础设施设计项目或政策成功与否，公众行为起着至关重要的作用。总体而言，这是因为交通系统像其他社会系统一样，本身非常复杂，由多个相互作用的子系统组成，但没有哪一个子系统能起主导作用。本质上，各个子系统的集体效应是非线性的，这往往会导致不可预测的结果，也就是“突发事件”。即使是微不足道的变化（如一个橙色的交通路锥），也会给由部分道路组成的子系统带来无法预料的影响（如高速公路交通堵塞）。

关于这个问题，互联网的联合创始人文顿·瑟夫（Vinton Cerf）的观点很绝妙。有一天，瑟夫试图用漏斗将胡椒粒倒入研磨机中。“倒了几粒胡椒粒下去后，机器就卡住了。如果我一粒一粒地倒，就不会卡住，”瑟夫观察后才明白，“就是因为我一次倒了好几粒，在这种紧急情况下，漏斗才会出现堵塞。”

这个观点告诉我们，简单的规则（定价调峰）如何产生复杂的大规模的效应（如行为变化），有助于方案的优化。“关键是一粒胡椒粒不会造成堵塞，”瑟夫补充说，“最有趣的是，除了可能因为摩擦力产生堵塞，胡椒粒本身不具有任何可能导致堵塞的特性。”

人们口口声声说要优化，但在实践中就是另外一回事了。优化这件事，就好比一个人去健身房锻炼时，需要重复进行力量训练。他要解决两个问题：如何能在最短的时间内获得最佳的健身效果，以及如何能持续地增强健身效果。

优化由两个基本的部分组成。第一个部分是目标，即实现结果变量最大化或最小化，但该变量往往是其他变量的函数。格里博瓦尔的优化目标是让他的敌人遭受最大的损失，从更大的目标来说，就是赢得战争。第二个部分是约束条件，也就是目标函数所要满足的限制条件。对于借助模型研究如何提高效率的运筹学者来说，格里博瓦尔的目标属于典型的“武器和目标的分配问题”。他们为此开发了一种算法，用于确定格里博瓦尔在时间和资源都有限的情况下如何找到一套适用的工具或工具组合，并通过最佳配置来实现其目标。

工程师使用各种建模技术来最大程度地还原现实情境，但这实际上还不够精确。模型分为隐性和显性两类。正如约翰斯·霍普金斯大学的教授乔舒亚·爱泼斯坦（Joshua Epstein）所说，在隐性模型中，“假设被隐藏，内在一致性未经测试，其逻辑结果未知，与数据的关系也未知”。比如说，“当你闭上眼睛，想象一场流行病正在蔓延或任何其他社会动态时，你就是在使用某个模型，只不过它是一个你尚未记录下来的模型”。而在显性模型中，人们会明确提出假设、经验性的说明和方程，用于分析和验证。爱泼斯坦补充说：“在采用某种假设的情况下，会出现一种情况；假设条件要是变了，就会出现另一种情况。”

建模的益处多多，其中之一就是“权衡利弊，预测效率”，爱泼斯坦更强调建模还可以“揭示看似简单、实则复杂，或看似复杂、实则简单的事物”。通过模型，我们能了解哪些方面需要更多的数据，还需要做哪些工作。IBM从斯德哥尔摩各地收集了道路使用模式的相关数据，改进了模型，并最终促使市政官员做出收取拥堵费的决定。

每个模型都受到假设条件的限制，并因把现实简化为简单的方程式而受到质疑，所以不存在十全十美的优化模型。“在工程学意义上，简单的模型非常宝贵，但不够‘准确’，”爱泼斯坦说，“按照这种观点，所有最好的模型都是‘错误’的，但也是富有成效的，是具有启发性的抽象概念。”但是，我们使用模型进行优化，主要是为了构建一种结构，从而让我们能看清楚约束条件，权衡利弊。

工程师思维的为何、是何与如何

韦 青

工程师，微软中国首席技术官

变化，是世界的本质；

不变，是人们希冀而不可得的幻象；

应变是人类生存和发展的核心技能；

学习的能力，则是应变的基础；

问题是，当机器也能够学习之后，我们将怎样？

为何

当机器开始在人类的设计与指导下学习之后，人类社会大概率将进入一个信息爆炸、知识平权和注意力稀缺的时代，这时候我们可能会面临三种新的挑战。第一，当智能机器无时无刻不在学习世界知识时，我们是否还能在不必终身学习的前提下继续生存与发展？第二，我们如何能够驾驭一台不断学习的机器？第三，当“如何做”的知识被机器学会之后，人类在社会中存在的意义何在？大概是在这个时候，每个人，无论是否从事工程师职业，都应该或多或少地学习和了解一下工程师思维的原因。

截至机器开始具备在人的指导下进行学习为止，人类社会中的合作与竞争态势，从本质而言，往往是不同个体与组织对于信息和知识不同程度的掌握与利用。因此，“知识就是力量”这句据称源自弗朗西斯·培根的名言，成为人们对于知识作用的最形象化比喻之一。当然，细究起来，仅仅有关“知识就是力量”这句话，如果按照培根在16世纪的拉丁文原文“ipsa scientia potestas est”进行探究，又会有“知识就是权利”或者“知识就是权力”的争论。但不管怎样，在人类社会中，一直推崇具备“我知道得比你多”来作为获取优势的手段。

究其原因，获取信息与知识的能力与机会不对等会造成人与人、组织与组织之间认知程度的不同；认知程度的不同会使人们对于同样的状况形成不同的理解、判断与反应；不同的反应又会造成不同的结果。因此，一直以来，知道得比别人多是一种大家都追求的境界，但同时也是令许多人就此止步的一个原因。无它，当知识数量的多少可以成为判断优势的标准时，运用知识的能力就会显得没有那么重要。这是工业文明下教育目的被异化后的结果，是学历被资本化后的后果，是应试教育盛行的成因，同时也是应试教育的副产品，是教条主义盛行的理由，是本本主义流行的初衷。但是，当具备学习能力的机器逐渐把人类能够形成文字的知识学完之后，这种局面就彻底改变了。

人们会发现仅仅证明自己有知识越来越没有用处，因为始终有一台机器学到了人类的公有知识，它总是显得比你懂得还要多。另一个人可能没有你学得多，但是可以通过从容驾驭一台机器而永远比你懂得多。更不用说一种新的机器学习方式  渐成熟，那就是机器开始能够通过多模态数据学习到原本无法用文字记录的知识，那么，如同信息理论中DIKW金字塔，即data(数据)-information(信息)-knowledge(知识)-wisdom(智慧)所展望的，智慧以下的领域都被能够学习的机器所占据，人类未来必须也只能升华为依靠智慧而生存与发展。这里所说的智慧，从一个狭义的视角定义，就是有效利用知识的能力。

而工程师的日常工作就是在永远不会完美的前提条件下，不仅要学习到适用的知识，更要找到与问题相匹配的具体方法，去解决与人类福祉相关的现实问题。这也是《以纸鸢征服加农炮》一书中工程师思维的三大属性“结构、约束与权衡”的具体体现。这些现实的工程问题就像人生一样，道理全都懂，但是在很多情况下就算知道了也做不到。它要求的是因人、因事、因时、因地制宜的灵活机动，指向的不是死板的知识，而是人类主动性的智慧，直至上升到“道”的高度，真可谓如古人云：“为学者日益，闻道者日损。”这种驾驭知识的能力，同时也是驾驭智能机器的能力。

随着机器能够学习到的知识越来越多，再加上传感能力与行动能力本来就是机器的强项，那些能够驾驭这类机器的人类的发现问题与解决问题能力会越来越强。开始的时候，大家可能会认为这与我没什么关系，但是慢慢地就会发现，社会上对于人们发现问题与解决问题能力的要求也会水涨船高。这时候，了解、掌握与实践工程师思维，可能就变成生活在这个新人机时代中的每一个人所必备的扫盲级别能力。

这是工程师思维的“为何”。

是何

纵观这套介绍工程师思维与工程师方法的丛书，大家会发现有一组出现频率极高的概念，即系统、系统科学、系统工程和相应的系统思维与方法。系统的概念是如此重要，它贯穿了这套丛书的始终，可以这样讲，系统思维就是工程师思维的核心要义。

对于工程师而言，首当其冲的，就是要掌握解决系统问题的能力，而不只是解决个别问题的能力。人世间的万事万物，都是相互关联的，而工程师的使命就是发现与解决人世间与人类福祉相关的问题。如果工程师只能够做到头痛医头，脚痛医脚，起码对从进入工业文明之后、过去几百年的人类社会现象而言，这种不以系统思想指导的解决问题的方法，没有不产生严重后果的。

那么到底什么是系统呢？其实人们并未针对系统达成共识性的定义，大家还是在盲人摸象的阶段，只不过这头系统大象慢慢显露出它的完整样貌而已。按照钱学森先生的描述性定义，系统是由相互作用和相互依赖的若干组成部分结合而成的、具有特定功能的有机整体。按照罗素·阿克夫的定义，一个系统由两个或以上的元素构成并满足下列三个条件：第一，每个系统构成元素的行为都会对整体系统的行为产生影响；第二，每个系统元素的行为及其对整体系统的作用是相互关联的，也就是说，每个元素的行为及其对整体的影响，都取决于至少一个其他元素的行为；第三，无论如何把这些元素划分成子群，每一个子群都会对整体系统的行为产生影响，且没有任何子群能对整体系统产生独立的影响。按照国际系统工程委员会(INCOSE)的定义，我们可理解为系统“是人造的，被创造并使用于定义明确的环境中提供产品和服务，使用户及其他利益攸关方受益”。从数字化改革角度而言，由于需要涉及物理与数字空间的相互联系和相互作用，以及与此相关的系统建模、仿真、控制、反馈、优化等内容，我们也可以将系统理解为拥有“目的、结构、关系、变化”的属性和“输入、输出、行动”的能力，能够与环境及其他外部或内部系统互相交换“物质、能量与信息”，具备显著的“反馈、优化、融合、涌现”等系统动力学特征的一种类型和现象。

系统科学是一门研究系统的发生、发展与变化现象、特点与过程的科学。系统工程则是一个视角、一个流程、一门专业，是一种确保系统成功实现的跨学科方法和手段。由于其工程属性，系统工程关注的是系统目标的最优实现，需要对目标实现的“性能-成本-时间”三要素进行均衡的风险评估与决策。技术先进性是其考虑的一个重要但非唯一的决策因素。由于工程结果对人类社会的重大影响，“以人为本”是系统工程师的基本价值观与道德准则。

系统思想则侧重于理解系统的整体意义、目的、属性与功能，系统与外部环境、环境中其他系统，以及系统整体与构成系统的个体元素之间的关系、结构、行为、相互作用和变化。

系统方法则是以整体观与个体观相结合，动态与静态相结合，功能固化、融合、涌现相结合的科学方法来研究、分析、开发、部署、应用、优化、更新复杂系统的一种行之有效的方法。系统方法要求我们不仅关注水桶的长板，也要关注水桶的短板(水桶效应)。在真实项目中，失败往往是由于一些容易忽略的衔接弱点而造成强大体系的崩塌，也就是常说的“千里之堤，毁于蚁穴”。

总之，系统思维是应对越来越复杂的人类生存与发展挑战的思维利器，正如系统工程界常用的口头禅“整体大于个体之和”，而在应用中，人们还会发现“整体不等于个体之和”往往才是现实中的真相。估计大家看到这里，反而会生出一些疑惑，这会不会有一些太复杂了？

是的，而这恰恰是这套书采取现有的内容呈现方式的原因，即利用大量的工程实践例子来向读者解释何为工程师思维。

如何

至此，接下来需要读者们亲自去探索了。由于工程实践最忌讳的就是僵化教条，抱着概念和名词当宝贝，忘记了到底是先有问题再找解决问题的方法，还是先有概念再到处凑适合解决的问题。如同科技公司经常拿毕加索的名画《公牛》来做员工培训一样，真实的工程实践像那11头由繁到简的公牛图。工程师需要理解人世间各种由繁到简或者说由具象到抽象，再由简到繁或者说由抽象到具象的具体现象与过程。理论是抽象的，实现是具象的。只有抽象的概念而没有具体的实现是空谈；只有具体的实现而没有理论的升华则是盲目的重复。说明理论的最有效方式就是实例，而工程领域最不缺的就是实例，有时甚至是血淋淋的实际教训。

以本套图书的体例而言，就是以具体的案例来解释什么是工程师思维，以及如何具体应用工程师思维解决实际问题。

综前所述，一旦机器可以学习，人类对于知识的拥有就要让位于对知识的应用；而应用是一种典型的工程师能力和实践。这大概是在这个人工智能日新月异的时代，人类为了能够继续保持主观能动性和人生价值而去学习、了解、实践并掌握工程师思维的主要原因。