家具霸主 IKEA 低價又高品質的秘密！提高產品良率，讓它一路從實體通路打下網路市場

摘錄自 36氪

2017/08/22

【我們為什麼挑選這篇文章】  供應鏈以及成本問題，對於電商而言一直都是兩大重要考題！ IKEA 一直維持著家具產業的龍頭霸主，提供價格實惠、品質良好的產品。究竟它是如何經營自己與供應廠商之關係？如何結合線上線下客源，打造「全渠道零售」？（責任編輯：劉庭瑋）

低價的秘密全在這裡了。 線上賣家具究竟能不能成功？

家具電商們的日子過得怎麼樣？很長一段時間以來，家具行業的注意力焦點都投向了渠道變革，並希望藉此挑戰 IKEA 的領先地位。在電商業務上推進遲緩的 IKEA，的確也給了後起之秀們不少機會。

但事情並沒有看上去那麼簡單。每隔一段時間， 這家來自瑞典的家具零售品牌都會向媒體開放它在中國的供應鏈體系（IKEA 內部稱之為「價值鏈」），以期向外界展示，在那些有漂亮樣板間和瑞典肉丸的龐大藍盒子背後，IKEA 的競爭力究竟何在。

一個值得注意的現像是，作為全球採購、全球銷售的跨國公司，IKEA 已經把越來越多的職能機構設在了中國，這與巨大的採購量有關——2016 年財年，IKEA 在中國的採購額超過了 25％。在成為最重要的目標市場之前，中國首先是 IKEA 最重要的「生產基地」。

地利之便：設計中心與供應商工廠相近

上海龍田路 190 號，一個 IKEA 風格的設計間裡，堆放著正在研發或即將面世的 IKEA 新品，比如一款白色餐椅的彩色版本，和一款流線型的金屬書架。這裡是 IKEA 在瑞典之外的唯一設計機構（Product Development Center，簡稱 PDC），它距離 IKEA 在中國大陸的第一家標準商場徐匯店只有 1 公里遠。

PDC 成立於 2011 年，最主要的職責是為 IKEA 研發驚喜價（breath taking item）和低價（low price）產品。選址上海則讓它離供應商的工廠更們近，從而縮短雙發了溝通、打樣、測試再修改的時間，讓產品更快面世。PDC 的 HRBP 姜穎稱，全球範圍內，IKEA 產品從研發到上市的平均週期是一年半，PDC 則要快上 4、5 個月。

哪怕是一個小小零部件的設計，PDC 都需要參與其中。黃福順的工廠就和 PDC 一同開發過一款名為 Forsynt 的掛鉤，兩端在牆上一固定，就能掛照片或是遮陽簾。比起同類的金屬製品，它的塑料材質更安全，也更實惠。

黃福順和他的富億德塑膠有限公司，是 IKEA 在中國的 300 多家供應商之一。這家中港合資的公司和 IKEA 共事 6 年，已經在許多方面打下  IKEA 烙印——PPT 展示用英文，統計口徑參考 IKEA 財年，用紙托盤而非木托盤裝載 IKEA 產品，更重要的是，熟記並恪守 IKEA 價值觀諸如「民主設計」的每一條細則。

自動化設備＋整合工藝

富億德為 IKEA 生產的是塑料配件，也就是當你買來 IKEA 書櫃時，那一袋零件包裡可能會有的東西。整個 2016 財年，富億德的產值達到 1.2 億人民幣，其中 35%是宜家採購。儘管這個銷售額在 IKEA 的供應商裡只能算中等水平，但這家位於嘉興市嘉善縣的企業也有引以為傲之處，比如代號 128815 的一款門吸，IKEA 全球 100%的採購都來自它。

這款產品的秘密在於  自動化，和隨之帶來的成本節約。

從它面世的六年前起，工廠們都是依靠工人把兩個塑料件、一個鐵片和一個磁鐵組裝在一起。但一年前，富億德上線了  自主研發的自動化設備 ，只在加料和包裝環節需要人力介入。一位負責對接富億德的 IKEA 配件 BD 人員稱，這項技術改造讓產品的價格兩年間下降了 10％。

在富億德，類似的技術改造還包括  整合工藝、把幾個有先有後的生產環節並聯起來，又或者優化一個塑料製品的結構，把成型時間縮短。 除了這些，尋找二級供應商和放大產能也都是降低價格的辦法。

對降價的孜孜以求很大一部分動力來自 IKEA。和所有供應商一樣，黃福順每年都會受到 IKEA 的降價指標，一個百分數，IKEA 把它稱為「供應商發展計劃」（Supplier Development Project）。這項計劃多少讓 IKEA 和供應商之間關係微妙——2012 年，曾有供應商聯手停止向 IKEA 供貨，理由是 IKEA 的壓價讓它們再無利潤可言。

但黃福順有他的計算和堅持。「針對降價的投入產出是一條拋物線，一開始總有空間的，」黃福順說，「但達到一個極限值之後，再投入可能就不划算了。」這時就需要 IKEA 和供應商們商議， 如何把降價目標側重在那些有更大回報的技術和工藝上。

當然，這一切都基於一個前提——IKEA 能為富億德帶來足夠大的訂單。在為 shelf support（一個家具組合連接件）這款產品實現並聯的工藝中，富億德投入研發了另一套自動化組裝設備，它能像人手一樣擰螺絲，速度快而均衡，這樣一來，他們每年給 IKEA 的供貨量可以達到 1.5 億件。

「我們和 IKEA 會有一個協議，它保證採購量，我去改造生產，如果最後採購達不到，它會補償我們改造的成本。」黃福順說。

從 2011 年到 2017 年，IKEA 為富億徳帶來的訂單從 2011 的 90 萬歐元（折合人民幣 700 萬），增加到 2017 年的 600 萬歐元（折合人民幣 4700 萬）。除了實打實的銷售數字，還有一些影響潛移默化。

「精益生產」工作室

「精益生產」工作室是 IKEA 的另一個傳統，它致力於幫工廠認識生產浪費，最終目標自然還是降低成本。 富億徳車間的牆上，張貼著兩張巨大的「精益生產看板」，在解釋完「什麼是精益生產」、「什麼是七大浪費」以及「怎樣消除浪費」後，富億徳把不良成本的目標定為『≤0.15%』。

 IKEA  的業務組還會 把富億德這樣的塑膠件供應商聚在一起，鼓勵他們分享那些不具備專利性的技術。 這種開放性多少令黃福順欽佩，在他同時從事代工的剎車部品行業，保密程度之高，是絕無機會知道競爭對手良品率的，更別提自動化解決方案了。

在黃福順看來， IKEA  和供應商的利益緊緊捆綁在一個循環中。「我們有更低的成本，取決於  IKEA  給我們更大的業務量，而  IKEA  更大的業務量，來自它為消費者提供更低的價格。」黃福順說。

他和同事回憶起一個令人感動的細節——當他們專程奔赴瑞典，參加  IKEA 的全球供應商大會時，年過九旬、頭髮鬍子花白的  IKEA  創始人英格瓦·坎普拉德（Ingvar Kamprad）先生，還特意和每一位供應商夥伴握了握手。

帶領供應商的 IKEA  自有工廠

在  IKEA 眾多的「供應商」中， IKEA  自己的工廠是個特別的存在，雖然他們會舉例說明，無論是降價指標、商務條件，還是由  IKEA  家統一分配的供應商代碼，宜家工廠都和那些外部供應商並沒什麼不同。

 IKEA 工廠隸屬於  IKEA 工業集團，專門負責板材的生產採購以及平板實木家具的製造。7 年前，為了更靠近快速增長的亞太和中國市場，縮短物流和交付週期，工業集團決定在南通市希望大道 1 號自主投資建廠。

 IKEA 南通工廠

鳥瞰這個選址靠近港口，離上海也不遠，僱傭成本經濟。當地政府曾為  IKEA 提供了優厚的招商條件，其中包括填平部分河床，並打下累積長達 176 公里的混凝土地樁，以備大量機器運轉引發的廠房震動。

南通工廠在 2013 年投產，現任總經理是波蘭人馬傑，他曾在  IKEA 位於波蘭斯塔洛瓦沃拉市的平板工廠里工作了十幾年。馬傑不僅帶來了波蘭工廠成熟的技術和管理經驗，連這裡的辦公室裝修、廠房佈局也都依樣設立。在整個生產環節中，最後的包裝集中了南通工廠最多的工人，一個名為 FIKA 的咖啡休閒區就設在那裡——它是地道的瑞典傳統，也曾出現在宜家中國的幾乎每個辦公區中。

據 IKEA 稱，如今整個亞太地區 1/6 的版式家具是由南通工廠生產 ，它的代表產品是一款蜂窩板——由蜂窩紙芯和兩塊高密度蓋板組成了三明治結構， IKEA 的明星產品帕克斯衣櫃就是由它製成。

過去，這樣的蜂窩板從波蘭或葡萄牙的  IKEA 工廠運到亞太區，要花費 3 個月。如今由南通工廠直接供給國內，交貨只要一周，供給亞太其他國家，也在四周左右。

南通工廠也會強調，他們的存在並不是為了和其他中國供應商搶生意。一個例子是  IKEA 中國門店裡熱銷的「卡萊克單元格」，它並非來自南通工廠，後者的這款產品主要流向了澳大利亞和日本。

為了發揮某種示範作用， 技術改造和創新也是南通工廠的一項使命。 馬傑舉起兩塊橙色的木板，咔嗒一聲，一塊板上的塑料凸起和另一塊板上凹槽就能牢牢卡住。這是 IKEA  正在推廣的榫卯結構，工具包裡零散的螺絲和木條不見了，在安裝上體驗也更愉悅，速度至少快了一倍。

南通工廠另一個領先的技術是預貼面 ——在飾面紙貼上木板之前，給紙塗上一層薄薄的膠水，使得紙面更平整，貼合更緊密。這項工藝是 IKEA  和另外兩個歐洲公司共同研發的，某種程度上，它屬於那種外部供應商很難借鑒的技術，成本和復雜性都是門檻。

「相比其他供應商，我們的投入方向會更符合 IKEA 的戰略。IKEA 想推什麼，我們就會做什麼。」馬傑說。當然，南通工廠同樣要思考如何幫 IKEA  省錢，馬傑告訴 36 氪，這個財年他們的降價目標是 2%。

南通工廠的產能以年均 20%的速度增長，並將在今年達到 6000 萬歐元的極限。下一步它將迎來擴建。 馬傑打電話核實了一番，才告訴我們二期工廠的投資預算——從買地、建造，加上機器設備，一共 2 億人民幣。大概兩年後，一座全新的廠房就會在附近建成投產。

同樣完成了二期擴建還有 IKEA  在中國的另一個業務版塊：測試及培訓中心（IKEA Test Lab and Training Center China，簡稱 ITTC）。這個位於上海奉賢的 4 層樓建築，容納了 150 位員工，是 IKEA  在瑞典以外設立的第一家自己擁有的實驗室。

它也是黃福順和馬傑都要時常打交道的部門。一款產品在生產後、出廠前，都需要送到 ITTC 檢測。2016 年財年，ITTC 一共出具了 6 萬分報告，平均每個報告中至少使用了三種測試項目，這意味著總檢測項目多達 19 萬個。

在一樓物理測試區，一位師傅正在檢測一把凳子的穩定性：深藍布面上畫滿白色的直線和圈，60 公斤的下壓鐵塊和 100 牛的水平拉力共同作用，如果這還不足以讓凳子傾倒，穩定性就過關了。這已經是它的第三道關，在此之前還有靜載測試和疲勞測試。

在 ITTC，床墊要經過 140 公斤的輥筒五萬次來回滾動，木家具要在溫濕變化的氣候箱裡待上五週，還有工作人員將煙頭放在模擬的沙髮夾縫中，以測試布料是否容易燃燒。

宜家 ITTC 的床墊檢測

一個合理的質疑是，隸屬於 IKEA 的 ITTC 是否在檢測自家產品時保證獨立和客觀？ 事實上，具備專業的技術能力，並通過國家官方（CNAS）和 IKEA 總部的認證，都不是一件輕鬆的事 ——ITTC 從動議到開門，足足花了四年。

在  IKEA  看來，在年採購量佔全球 25%的中國建立一座 ITTC，無疑是一個划算的投資。在此之前，亞太區的審核質檢主要依靠第三方的商業實驗室，但那樣送檢分散，成本也更高。如今，當 IKEA 的採購部門和供應商制定好「測試計劃」後，後者就會在相應的生產節點把樣品送到 ITTC，送檢、響應和反饋的時間大大縮短。

完成了質檢，成品的下一個環節是物流運輸。南通工廠的平板家具大都直接運往各地的 IKEA  商場——高達 82%的商場直供佔比也是品質穩定的象徵。富億德生產的配件則去了距離上海市區 70 公里的 IKEA  園區，那裡既有一座 IKEA  配件工廠（IKEA Components），也有一座輻射亞太區的分撥中心（Distribution Center，簡稱 DC）。

比起南通工廠和 ITTC，奉賢的分撥中心更早完成了擴建。它的二期倉庫在今年年初就開了張。作為一個低流轉 DC，這裡 135 個倉門進出的都是那些流轉率較低，無法整托盤進、整托盤出的商品。它們需要人力來分揀，再把不同尺寸、類型的商品重新打包起來，以滿足商場們的訂單需求。

位於上海奉賢的宜家分撥中心

不過， 分撥中心也在設法提高效率。比如在二期倉庫啟用更多自動打包機和全自動高貨架 ，後者可以自動把貨輸送到 17 層高的地方，比過去人操作叉車放貨效率更高。他們還選用了一家中國的高貨架供應商，一旦需要維護和調試，也比邀請外國公司近便地多。

到 8 月 10 日，IKEA  在全球的商場數量達到 400 個。而在中國，繼 2017 財年開業南通、濟南和哈爾濱的三家新店後，總門店數也達到了 24 個。對於入華 19 年的宜家來說，這已經是擴張最快的時期。

同樣激增的還有需求。2017 財年（數據統計時間為 2016 年 9 月 1 日至 2017 年 8 月 10 日），IKEA 中國銷售額約為 132 億元人民幣，儘管相比上年有所放緩，但仍然保持了雙位數的增長。

線下成長趨緩，線上成長驚人

另一個值得警惕的變化是，消費者們不再那麼有興趣逛商場了。2017 財年，IKEA 商場共接待了超過 9000 萬訪客，訪客量同比增長 11%。但在上一年，這個數字是 20%。人們的注意力更多地轉向了線上——去年 9 月開通上海的電商業務後，宜家官網的訪問量還在持續增長。

所有人都在等待 IKEA 的電商計劃。負責直接接收訂單、並送貨上門的顧客分撥中心 Customer Distribution Center（簡稱 CDC）將會是這個計劃的核心。IKEA 中國公關經理許麗德稱，上海松江的 CDC 將在 2018 財年建成，而作為唯一擁有不止一個 IKEA 商場的二線城市，成都可能是下一個試點。

尋求外部合作也大概率事件。「IKEA 期待與第三方電商平台實現強強聯合。」IKEA 中國零售總裁朱昌表示。

IKEA 將大型商場，小型提訂貨中心（PUP）以及試水中的電商統稱為「全渠道零售」計劃。 也許 IKEA 比誰都清楚，想要順利鋪開它，真正的功夫都在顧客看不見的地方。

（本文經合作夥伴 36 氪   授權轉載，並同意 TechOrange 編寫導讀與修訂標題，原文標題為 〈立志顛覆宜家的家具品牌們，可以向宜家供應鏈學點什麼？〉。）

延伸閱讀

電商、零售、物流跨界大戰開打，為什麼中國大佬們紛紛搶進「物流」這個辛苦活？【超強電商心經】英國電商 ASOS 如何養成 580 萬全球活躍消費者？品牌自有 App 是最大關鍵！【美國電商 Hollar 的經營秘訣】另闢藍海需求、精準鎖定消費社群，讓他半年內一舉拿下美國市場

---

321 倒數 ，2020 只剩 3 年，區塊鏈、5G、AI 技術將成熟到位。
從產業到社會，台灣沒剩多少時間準備。

12/9 TechOrange、BuzzOrange「CONNECT 2020」年度產業論壇，連結未來改革能量

點關鍵字看更多相關文章：

• IKEA
• TO 商業評論
• 商業策略
• 硬體製造
• 電子商務

索羅斯的哲學框架：不確定性是人類事物的關鍵特徵

哲學上的兩大理論啟示

摘錄自 2017/11/7 股感知識庫

在我的一生中，我制定了一個概念框架幫助我既作為一個對沖基金經理去賺錢，也作為一個政策導向的慈善家去花錢。但是，框架本身是無關乎錢財的，它是關於思想和現實之間的關係，而這個問題從很早開始，就已經被哲學家們廣泛地研究。

1950 年代末，我還是倫敦政治經濟學院的一個學生時，就開始發展我的哲學。由於我提前一年參加了最後的考試，在我得到學位之前，有一年的空白時間去打發，可以選擇導師對我進行指導。

我選擇了卡爾·波普爾 (Karl Popper) ，一位維也納哲學家，他的名著《開放社會及其敵人 (The open society and its enemies) 》給我留下了深刻印象。波普爾認為，經驗真理不能被絶對肯定。即便科學規律也不可能擺脫疑雲：他們可以被實驗所證偽。

也就是說，只要有一個實驗數據證明這個理論是錯的，就足以證明整個理論不成立，而哪怕有再多的數據支持該理論，也無法完全肯定該理論是對的。科學規律實際上是假設性質的，而真相永遠有待檢驗。意識形態聲稱掌握著絶對真理是胡說八道，因此，他們只能由武力去推行，所有這些思想最終都導致鎮壓。

波普爾提出了一個更具吸引力的社會組織形式：開放社會，一個人們自由持有不同意見的開放社會，法律規則允許不同意見和利益的人和平相處。

當我閲讀波普爾時，我也在學習經濟理論，我發現在波普爾強調知識永遠是不完備的同時，經濟學理論卻有完全競爭理論，並假設知識是完備的，我被兩者的矛盾難住了。這使我開始懷疑經濟理論的假設。這是我哲學上的兩大理論啟示。當然，我的哲學也深深地植根於我個人的歷史。

14 歲的經歷

我一生的經驗成型於 1944 年德國對匈牙利的佔領。那時我還不到 14 歲，擁有不錯的富裕中產階級背景，但突然之間，就因為我是猶太人，就面臨著被驅逐和殺害的前景。

幸運的是我的父親對這種非常態的事情是有充分準備的。他經歷過俄國革命，那是他一生的寶貴經驗。在那之前，他是一個雄心勃勃的年輕人，一戰爆發後，他自願參加了奧匈軍隊。

他被俄國人俘虜，送到西伯利亞去成了戰俘。由於野心，他成了犯人們自製報紙的編輯。這份報紙是手工寫在一個木板上的，名字就叫“木板”。這份工作使他非常受歡迎，他被選為囚犯的代表。

之後，一些士兵逃離了鄰近的集中營，該營的囚犯代表被報復性槍殺。我父親不想坐以待斃等待同樣的事情發生在他所在的集中營裡，就組織了個小組，領導了一次越獄。

他的計劃是造一個木筏航行進入大海，但他的地理知識太缺乏，他不知道西伯利亞所有河流都流向北冰洋。他們漂流了幾個星期才意識到是在漂向北冰洋，又花了好幾個月穿過重重的針葉林，尋找道路回到文明。

與此同時，俄國革命爆發，他們又捲入其中。經過了一系列的冒險之後，我的父親才終於回到了匈牙利，如果他當時留在集中營不逃走，應該早就回到家了。我父親回到家已經變了一個人。俄國革命期間的經歷深深影響了他。他失去了他的野心，除了享受生活之外什麼也不想。他傳授給他孩子的價值觀和我們生活的環境流行的也截然不同。他不想斂財，也不想成為社會支柱，只想生活、賺錢，恰好能過日子就行。

我記得一次滑雪度假之前，他被派去向他的一個主要客戶借錢，之後我父親不高興了好幾個星期，因為他不得不加緊工作還錢。雖然我們日子過得還算寬鬆，但我們不屬於那種布爾喬亞式的家庭，我們為自己的與眾不同而驕傲。

1944 年，當德國佔領了匈牙利，我父親馬上明白這不是正常的時世，也不能按正常的法則辦事。他給他的家人和不少其他人弄來了假身份證，那些人有的付了錢，有的是免費的。大部分人倖免於難了。那是他最好的時光。用假身份生活也成了我的一次刺激體驗。我們處於致命的危險之中，周圍就有人死亡，但我們不僅活著，還幫助了別人。

我們和天使是一夥兒的，戰勝了不可一世的魑魅魍魎。這讓我感到很特別。這是多麼 High的冒險。有父親做可靠的嚮導，我順利地度過了艱辛。一個 14 歲的孩子還能要求什麼？

“易錯性”和“反身性”

經歷了逃脫納粹的快感之後，在蘇聯佔領期間，匈牙利的生活開始失去光澤，我需要尋找新的挑戰。在我父親的幫助下，我找到了離開匈牙利的路。17 歲時，我成了倫敦的一名學生。在我的研究中，我主要的興趣是深入瞭解我所誕生的這個古怪世界。但我必須承認，我也懷有一些成為大哲學家的幻想。我相信，我已經獲得了把我和其他人區別開的智慧之光。

在倫敦的生活真是令人大失所望。我沒有錢，單身一人，沒人對我說的話感興趣。但即使可惡的生活迫使我靠更世俗的方式謀生，我也沒有放棄哲學雄心。

在結束學業後，我有一串錯誤的開始。最後，我在紐約套利交易的位置上穩住了。但空閒時我仍然繼續我的哲學研究。這就是我第一篇重要文章的來歷，題目是“意識的負擔”。這是一次試圖把波普爾的“開放和封閉社會的框架”進行模型化的嘗試。它把有機社會和傳統的思維方式聯繫在一起，封閉社會與教條方式相聯繫，開放社會與批判方式相聯繫。

我不能妥善解決的問題是，我無法將思維方式和真實社會事件之間聯繫的屬性進行分解。這個問題一直困擾著我，這是我怎麼想到要發明“反身性”這個概念的歷程，這個概念我等一下要詳細探討。

事有湊巧，反身性概念提供給我一個觀察金融市場的新方法，這個方法比當時流行的理論更好。它提供給了我一個判斷依據，首先是作為一名證券分析師，然後是對沖基金經理都能用上。

我感覺就像做出了一個重大發現，能夠滿足我成為一個大哲學家的幻想。某一刻，當我的商業生涯遇到障礙時，我立馬掉轉船頭，全力向哲學進發。因為我太珍惜我的發現，一刻也不想離開它。我感覺反身性理論需要更深地挖掘。當我越來越深地對這個題目進行鑽研時，我在我自己構建的迷宮中迷失了。

一天早晨，我發現自己看不懂昨晚剛寫的東西了。在那一刻，我決定放棄我的哲學探索，集中精力賺錢。只有在很多年以後，成為一個成功的對沖基金經理之後，再回到我的哲學中去。

1987 年，我出版了第一本書《金融煉金術 (The alchemy of finance) 》。那本書裡我試圖解釋我金融市場操作的哲學基礎。這本書吸引了一些人的注意，大部分對沖基金行業內的人都讀過，商學院也在教授。

但是書中的哲學爭論卻沒有給人留下多少印象，它更多被理解為一個成功生意人的虛榮心，賺了錢就幻想自己是哲學家。

我自己也開始懷疑到底是不是做出了重大的發現。畢竟我是在對付一個自古以來就被哲學家探索來探索去的課題。我有什麼樣的理由去認為自己做出了新的發現，特別是別人都沒有這麼認為的時候？毫無疑問，概念框架是對我個人有益的，但似乎別人不認為它有這麼大價值。我不得不接受別人的判斷。

我沒有放棄我對哲學的興趣，但我已經只把它當做我個人的偏好。我的生意和慈善活動 (慈善已經越來越成為我生活中重要的一部分) 中，我繼續按照這個概念框架行事，每次我寫一本書，也會忠誠地重申我的論點。

這對我發展我的概念框架有幫助，但我仍然認為自己是一個失敗的哲學家。有一次，我還發表了一篇題目為“一個失敗哲學家的再嘗試”的演講。但這一切都因為 2008 年的金融危機而改變了。我的概念框架使我首先預見了危機，又在危機終於發生時利用來去處理它。

我在對事件解釋和預測上做得比大部分人都好。這改變了我和其他許多人對理論的評價，我的哲學不再是個人的事情了，它值得當做理解現實的一種潛在貢獻予以嚴肅重視。這是促使我做這一系列講座的原因。

言歸正傳。今天我會從整體上解釋“易錯性”和“反身性”這兩個概念。明天我將它們應用到金融市場，之後，應用到政治上。這還將引入“開放社會”的概念。

在第四講，我會探討市場價值和道德價值的差異，第五講，我會提出一些預測，以及針對此時此刻的一些處方。

我可以把核心思想用兩個相對簡單的命題來闡述。其一是，當一件事情有人參與時，參與者對世界的看法始終是片面的、歪曲的，這是易錯性原則。另一個命題是，這些歪曲的觀點能反過來影響到與該觀點有聯繫的事情，因為錯誤的觀點會導致不適當的行動，從而影響事件本身。這就是反身性原則。

例如，把吸毒成癮者看成是罪犯導致他們真的產生犯罪行為。因為誤解了問題並干擾了對吸毒者適當的治療。另一個例子是，聲稱政府是不好的，往往也導致糟糕的政府。

易錯性和反身性都是純粹的常識。因此，當我的批評者說，我只是陳述了顯而易見的事實時，他們是對的，但只是在最簡單的層次上是對的。

讓我主張更有趣的是，它們的意義並未得到普遍的讚賞。特別是反身性的概念，經濟學理論一直刻意迴避甚至否認它。因此，我的概念框架值得認真對待，不是因為它是一個新的發現，而是因為像反身性這樣常識性的東西被刻意忽略了。

不確定性是人類事務的關鍵性特徵

在經濟學領域中，反身性並沒有位置，經濟學家總是希望找到確定的東西，然而，我卻說不確定性是人類事務的關鍵性特徵。經濟理論是建立在均衡概念之上的，但這個概念與反身性概念直接矛盾。正如我會在下一講講到的，這兩個概念產生了兩個對金融市場完全不同的解釋。

易錯性的概念沒有什麼爭議。人們普遍承認，我們生活在其中的世界，其複雜性超出了我們的理解能力。我也沒有提供更大更新的見解。主要原因是，參加者本身就是事情的一部分，在處理時往往無法處理自己。

或者這樣說，當面臨一個極端複雜的現實時，我們不得不採取各種方法去做簡化 (僅舉幾個例子，比如概括、兩分、比喻、決策規則、道德觀念等等) ，人們使用這些方法時，如果把他們自己也是處理對象的一部分，情況就更複雜了。

大腦的結構是易錯性的另一個來源。腦科學的最新進展已提供了一些對大腦如何工作的認識，並且已經證實休謨的觀點：理智是情感的奴隷。理智來自於我們想像力的虛構。大腦被成千上萬個感官衝動輪番轟炸，但意識卻只能同時處理七八個事情。在有限的時間內，這些衝動必須被凝練、排序和解釋，出錯和扭曲無法避免。

腦科學為我的原始論點增添了許多新的細節，我們對世界的理解在本質上是不完善的。

反身性概念需要多做一點解說。它僅僅適用於這樣的事件，在事件中，具備有思考能力的參與者也是事件的一部分。

圍繞參與者的思想會形成兩個函數。其一是認識這個我們生活在其中的世界，我稱之為認知函數。二是向有利於己的方向改變世界，我稱為參與 (或操縱) 函數。

(在索羅斯的演講中，認知函數和操縱函數分別是 cognitive function 和 manipulative function，其中 function 既可以翻譯成功能，也可以翻譯成函數。在其本意中，是指參與者的功能，這種功能需要一定的輸入因子，或者說變數，併產生一定的輸出因子，並可以用函數的形式來表達。比如一個人砍柴，輸入是人、木頭和斧頭，輸出是柴火，函數名稱是砍柴。本文中，根據上下文的需要和中文的習慣，既有翻譯成函數的地方，也有翻譯成功能的地方，但實際上是同一個概念。) 

這兩個函數從兩個相反的方向連接起思想和現實。在認知函數中，是現實決定了參與者的觀點，其中因果關係的方向是從現實到思想的。與此相反，在操縱函數中，因果關係的方向是從思想到現實的，也就是說，參與者的意圖在對世界產生影響。

當兩個函數在同時起作用時，他們可以互相干擾。如何干擾？通過剝奪每個函數中的自變數，這些自變數同時是其他函數的因變數。

因為當一個函數的自變數是另一個函數的因變數時，就沒有一個函數具有真正獨立性。這意味著認知函數不能產生足夠的知識來作為參與者決策的依據。同樣，操縱函數可對改變世界的結果產生影響，但不能單獨確定它。

換言之，其結果容易偏離參與者的意圖。在意圖和行動以及行動和結果之間必然會產生某種偏差。因此，在我們對現實的理解和事態的實際發展之間也存在一定的不確定性。

為了理解不確定性與反身性之間的聯繫，我們需要探討遠一點。如果認知函數孤立地運作而完全不受操縱函數的影響，它可以產生知識。這些知識被表述為結果為真的斷言，也就是說，這些斷言如果和事實符合，就是真的 (這就是真理符合論告訴我們的判斷標準) 。

但是，如果操縱函數對事實產生了干擾，從而改變了事實，這時候事實已經不能再作為獨立的標準去判斷那些由認知函數產生的斷言了，因為即便斷言仍然與事實符合，但由於事實已經被改變，這樣的符合也缺乏獨立性了。

考慮這樣的斷言：“現在在下雨。”這個斷言是真是假依賴於天氣的實際狀況，實際上，現在在下雨。

現在再考慮另一個斷言：“這是一個革命的時刻。”這個斷言是反身性的，它是否為真依賴於斷言本身帶去的影響能否鼓勵起一批造反派來。

反身性陳述與說謊者悖論 (即蘇格拉底說：蘇格拉底是個說謊者。) 有一定的聯繫，後者在形式上也是一個自我參照的斷言。但雖然自我參照已經被廣泛地分析過，反身性受到注意卻要少得多。

這是很奇怪的，因為反身性有對現實世界有影響，而自我參照純粹是一種語言現象。在現實世界中，參與者的思想，不僅表現在斷言上，當然還表現在各種形式的行動和習慣上。這使得反身性成為一個非常廣泛的現象，而其通常採用的形式是反饋迴路。

參與者的意見影響事態的發展，事態的發展影響參與者的意見。該影響是持續和循環的，於是變成了反饋迴路。反身性反饋迴路還沒有得到嚴格的分析，當我最初遇到這個問題，並試圖分析的時候，我闖入了問題的複雜性之中。我假定反饋迴路是在參與者意見和事件實際進程之間的一個雙向連接。但不同參與者意見之間的雙向聯繫呢？

如果一個孤立的個人問自己“我是誰”、“我主張什麼”，作為對自己問題的反應而改變了行為習慣呢？試圖解決這些困難時，我在眾多的分類中越來越迷失，以至於一天早上，我已經看不懂前一天晚上寫下的東西了。也就是這時候我放棄了哲學，開始一心一意賺錢。

為了避免這種陷阱，讓我們把現實分成客觀和主觀兩個方面。思想構成主觀方面，事件構成客觀方面。換句話說，主觀方面包括參加者的頭腦中發生的事情，客觀方面是指外部現實中發生的事情。只有一個外部現實，但有許多不同的主觀意見。

反身性可以連接任何兩個或兩個以上的現實方面 (但只要包含一個主觀方面) ，並在其之間設立雙向反饋循環。特殊情況下，反身性甚至在同一個現實的一個方面也可能出現，這反映在一個孤立的個人對他自己身份的反應，可以說是“自我反身性”。

然後我們可以區分兩大類：反身關係 (主觀方面之間的連接) 和反身事件 (包涵客觀方面的連接) 。婚姻是反身關係，2008 年的危機是反身事件。當現實中沒有主觀方面參與，就沒有反身性。

反饋迴路可以是負反饋，也可以是正反饋。負反饋將參與者的觀點和實際情況之間越拉越近；正反饋則把他們越分越遠。

換言之，一個負反饋過程是自我糾正的，它可以永遠存在下去。如果外部現實中沒有發生重大變化，它可能最終導致一個平衡點，在這個點，參與者的觀點正好對應於實際情況。

在金融市場一般認為發生的就是這種情況。因此，均衡這個在經濟學中的核心事例，只不過是負反饋中的一個極端事例而已，在我的概念框架中只不過是一個受限制的特殊情況。與此相反，正反饋過程是自我強化的，它不可能永遠持續下去，因為參與者的觀點將與客觀事實相差越來越遠，最終參與者也將不得不承認它們是不現實的。

兩者間的交互過程也不會讓事物的實際狀態維持穩定，因為正反饋有這樣的特性，它讓現實世界中已然存在的任何傾向都越來越嚴重。

這時候我們面對的不是均衡，而是動態的不均衡，或者說，任何可以被描述為離均衡越來越遠的情況。在這種離均衡越來越遠的情況下，通常參與者和現實之間的分歧會達到高潮，從而觸發另一個相反方向的正反饋。

這種看上去的自我強化實際上是一個自我否定式的繁榮 — 蕭條過程，在金融市場中，就是積累泡沫和泡沫破裂的過程，在其他領域也能找到類似的情況。我把這稱作創造性謬誤，即人們對現實的解釋是有偏差的，根據這種偏差的觀點產生的行動又導致現實真的出現偏差，並越來越嚴重。

我知道這一切非常抽象，難以理解。如果我舉一些具體的例子將更容易理解。但是，你們不得不忍受我。如果我想提出一個不同觀點，抽象化反而能夠幫助我做到這一點。

在處理類似現實和思想以及相互關係這類題目的時候，人們很容易犯暈做出錯誤的模擬。所以，曲解和誤解可以在人類事務中扮演非常重要的角色。

最近的金融危機就可能會導致金融市場如何運作的錯誤解釋。我將在下一講討論這個問題。第三講，我會討論兩個創造性謬誤 — 啟蒙謬誤和後現代謬誤。這些具體的例子將聚焦於討論誤解在歷史進程中有多重要。

但今天的講座，我仍將停留在高度抽象的層次上。我主張，當有思想能力的參與者參與進社會現象時，情況與自然現象具有完全不同的結構。不同之處在於思維的作用。

在自然現象中，思想沒有發揮因果作用，只具有認知功能。在人類事務中，思想本身就是問題的一部分，既具有認知功能也具有操縱功能。這兩個功能 (函數) 可以互相干擾。這種干擾不是隨時都發生 (發生在日常活動中，像開車或者裝修房子那樣，這兩種功能實際上是相輔相成的) ，但一旦發生，就引入了自然現象中所沒有的不確定性。

這種不確定性在兩個函數內都有表現：參與者根據不完全的認知去行動，他們行動的結果也不符合他們的期望。這是人類事務的重要特點。與此相反，在對自然現象的例子中，事態的發展不以觀察者的看法為轉移。

外部觀察者只與認知函數相聯繫，現象本身提供了可靠的標準讓觀察者的理論可以明確判斷真偽。因此外部觀察者能夠獲得知識，基於這一知識可以成功地對自然界實施改造。

在認知函數和操縱函數之間存在著天然的分野。由於這樣的分野存在，比起在人類領域來，兩個函數可以輕鬆地達到目的而不存在偏差。

這裡我必須強調，反身性不是人類事務不確定性的唯一來源。是的，反身性的確將不確定因素引入參與者的觀點和事件的實際過程中，但其他因素也可以產生同樣的效果。

例如，參與者不知道其他參與者所知道的信息，也導致了偏差。這與反身性相當不同，可也是人類事務不確定性的來源之一。不同的參與者有不同的興趣，其中一些人自然會與其他人衝突，這也是另一種不確定性的來源。

此外，如以賽亞柏林指出的，每個參與者遵循的價值觀也是多樣的，其中也充滿了矛盾。這些因素造成的不確定性可能會更比反身性產生的更廣泛。我將它們都放在一起提出人類不確定性原理，這是一個比反身性更廣泛的概念。

波普爾的科學方法論

我談到的人類不確定性原理，比起貫穿在笛卡兒哲學中的主觀懷疑理論更具體，也更嚴格。它給了我們更客觀的理由相信，我們的看法和期望是 (至少可能是) 錯誤的。

雖然人類不確定性主要影響的是參與者，但對社會科學卻具有深遠的影響。通過援引卡爾·波普爾的科學方法論，我可以清楚闡明這種影響。

這是一個美麗、簡單、優雅的理論。它由三個要素和三種行動組成。這三個要素是科學規律、規律營運的初始和終結條件。這三種行動是預測、解釋和驗證。

當科學規律與初始條件相結合，人們能提供預測。當它們再和的終結條件結合在一起，人們能提供解釋。在這個意義上，預測和解釋是對稱的和可逆的。至於驗證，則負責將通過科學規律得出的預測與實際結果相比較。

根據波普爾的觀點，科學規律是假設性質的，它們不能被證實，卻可以通過驗證來證偽。

科學方法論成功的關鍵是，可以利用每個個體的參與，共同對一個理論進行驗證，而所有個體的參與都會成為驗證的一部分。一個個體失敗的驗證就足以證偽一個理論，但再多的成功案例卻不足以證實它。科學怎麼能既是實證的又是理性的呢？對於這個棘手的問題，波普爾提供的是一個聰明的方法。

根據波普爾的說法，之所以是經驗的，是因為我們通過觀察由理論產生的預測是否符合事實，來確定理論的正確性，之所以是理性的，因為我們使用了演繹邏輯來得到預測。

波普爾摒棄了歸納邏輯，代之以驗證。歸納是不可被證偽的，因此是不科學的。波普爾強調了科學方法論中驗證的核心作用，並帶有強烈批判性思維地斷言科學規律只是暫時有效，並永遠對重新驗證開放。

因此，波普爾理論的三個突出特點是：預測和解釋的對稱性，證實和證偽的不對稱性，以及驗證的核心作用。驗證讓科學發展、改進和創新。

波普爾的理論對於自然現象研究效果良好，但人類不確定性原理卻向這個極端簡潔和優雅的理論中注入了不和諧。因為預測中引入了不確定因素，預測和解釋之間的對稱性被破壞了，驗證的中心作用也處於危險之中。

最初和終結的條件中是否要包括參與者的思想？這個問題非常重要，因為每一次驗證都需要複製這些條件。

如果參與者的思想包括在內，就很難觀察到它的初始和終結條件，因為參與者的觀點只能從他們的講話或行動中推斷。

如果它被排除在外，最初和終結條件不構成單獨的觀察目標，因為同樣的客觀條件可能由於參與者的不同，和截然不同的觀點相聯繫起來。

無論哪種情況，歸納都不能被恰當地進行驗證。這種困難並不會排除社會科學家通過歸納獲得有價值結論，但這些結論不滿足波普爾理論的要求，也不符合物理定律的預測能力。

社會科學具有反身性

社會科學家發現了這一結論難以接受。而經濟學家，借用弗洛伊德 (Sigmund Freud) 說，正經歷著“物理嫉妒”。為了消除與人類不確定性原理相聯繫的上述困難，人們做過很多嘗試，試圖在參與者的思想和現實之間引入或者假設一些固定的關係。

卡爾·馬克思 (Karl Marx) 斷言，物質生產的基礎決定了思想的上層建築。弗洛伊德認為，決定人的行為是衝動和潛意識的綜合體。他們都宣稱自己的理論是科學的，但波普爾指出，他們不能被證偽，所以只是偽科學。

但到目前為止，最令人印象深刻的嘗試是在經濟理論領域展開的。它從假設完美知識開始，當這種假設被證明是站不住腳的時候，又通過不斷加大扭曲來維持這個聲稱行為是理性的神話。

經濟學結束於理性預期理論，該理論認為，如果有一個對未來樂觀的預期，作為對這個預期的反應，最終所有的市場參與者都將向這個預期趨同。這個假設是荒謬的，但在使經濟理論在牛頓物理學基礎上進行模型化方面卻是必要的。

有趣的是，當他們在《經濟學》刊物上進行交流時，波普爾和海耶克 (Friedrich Hayek) 都發現社會科學不能產生和物理學相類比的結果。海耶克猛烈抨擊了機械和輕率地將自然科學中定量方法應用於物理學的嘗試。他稱之為科學主義。

卡爾·波普爾在《歷史主義貧困論》中指出，歷史不是由普遍有效的科學規律決定的。然而，波普爾宣稱他稱之為“統一方法學說”的理論時，他是指自然和社會科學應以同一標準來判斷。

海耶克，當然成為了芝加哥經濟學派的使徒，那是市場原教旨主義的大本營。

但在我看來，人類不確定性原理的含義是，自然科學和社會科學的主題是根本不同的，因此他們需要不同的方法和不同的標準。人們不能期望經濟理論能夠產生普遍有效的規律，可以用來逆向解釋或者預測歷史事件。

我主張，如果只是依樣模仿自然科學，只會導致人類和社會現象的失真。物理學中可行的方法放到社會學中就失效了。

不過，由於過於強調自然和社會科學之間的不同，我也遇到了些麻煩。這種兩分法通常在現實中沒有找到，它們是由我們引入的，用來讓這個充滿了迷惑的現實好理解一點。事實上，即便在物理學和社會科學之間的嚴格區分看來是有道理的，但總是有其他學科，如生物學和動物社會研究等等，佔據了中間的位置，無法嚴格區分。

但我不得擱置我的保留意見，首先承認自然和社會科學之間是需要二分的。因為社會科學遇到了另一個困難，這個困難是自然科學可以避免的。

這個困難就是：社會科學是具有反身性的。

海森堡發現的測不準原理並沒有絲毫改變數字行為，但社會學理論，無論是馬克思主義、市場原教旨主義或是反身性理論，都可能會影響它們涉及的社會領域。

科學方法被認為是依賴於真理的。海森堡的測不準原理並不與此假設矛盾，但反身性的社會理論卻與此矛盾。

為什麼社會科學本可以積極改變社會，卻只是被侷限於被動地研究社會現象？正如我在《金融煉金術》中說的，煉金術士在試圖用咒語改變基本金屬性質時犯了錯誤。相反，他們應該集中精力去參與金融市場，這才有可能成功。

社會科學如何才能排除這種干擾？我提出一個簡單的補救方法：承認自然科學和社會科學之間的二分法。

這將確保人們能正確對待社會理論的優點，而不會錯誤地用自然科學方法亂作診斷。我建議以此作為研究框架是在保護科學方法，對社會科學也不意味著貶值。

這個框架並沒有對社會科學能夠研究什麼做出限制，相反，通過把社會科學從對自然科學的依樣模仿中解放出來，可以防止它被錯誤的評判標準所左右，讓它有可能開闢出一片新天地。

《雪球》授權轉載

【延伸閱讀】

• 金融巨鱷索羅斯 天才式思考的反身性理論
• 索羅斯的金融鍊金術 認清錯誤才是市場的本質

特斯拉的神秘二樓到底什麼樣，一起來揭秘

原標題：特斯拉的神秘二樓到底什麼樣，一起來揭秘

摘錄自 2017/10/23 中國大陸新聞

鈦媒體注：特斯拉前生產副總裁格雷-瑞秋（Greg Reichow）日前在《連線》雜誌上發表文章，揭秘了特斯拉「神秘的」二樓。據了解，這個工廠的二樓是特斯拉核心所在。以下為文章內容摘要。

在特斯拉工作期間，我總喜歡在參觀者參觀工廠后和他們交談。雖然他們稱讚公司製造工廠驚人的自動化、巨大的衝壓機、以及數以百計的機器人，現實是他們只看到整棟大樓實際製造業務的一半。他們中的絕大多數人都不清楚，特斯拉工廠「神秘的」二樓製造了許多的特斯拉電池、供能電子設備和傳動系統。它才是公司中一些最先進的製造和自動化系統的所在地。因為這裡的一些機器人需要高速運轉，以至於它們的手臂需要用碳纖維代替鋼材來製造。

我們為什麼要製造電池、發動機等產品核心繫統的原因顯而易見，但許多人很難以理解我們為何要製造高壓電纜、顯示器、保險絲和其它一些更小的系統。我們是否因吸取矽谷「我們更明白」這種氣息而花費了太多的時間？為什麼還要發瘋般得創辦一家繼上世紀20年代福特Rouge製造工廠鼎盛時期之後，比全球任何其它汽車公司更垂直整合的汽車公司？

答案非常簡單：我們的目標不僅僅是製造出最好的電動機車。我們原來的目標是要製造全球最好的豪華車，只不過碰巧它是一輛電動車而已。這意味著最初的整合技術並不是現成的，也意味著我們需要不斷突破常規汽車的設計和製造極限。此外，我們需要在大多數汽車配件供應商無法理解的超短時間內做到這一點，意味著在許多情況下我們需要自己製造配件。製造自己的核心配件具備明顯的優勢，同時還有其它一些可能不會立即體會到的優勢。

速度是第一大優勢。推出一個新產品需要一個團隊做出數以千計的小決策。如果選擇外包一款配件，通常需要派員常駐外包工廠。這意味著必須接受更難做出選擇和影響結果的現實。首先，需要派遣員工前往外包工廠；其次，產品設計團隊與製造團隊現場溝通和決策的頻率會大幅減少。沒有什麼比工程團隊每天直接前往製造區域，同製造人員商談，並得出如何改進產品的做法更為有效。工廠信息擁有著非常短的半衰期。儘管許多的代工製造商都做出了承諾，但現實是原本可以步行前往自己的製造工廠，如今卻需要坐飛機前往外包工廠去解決問題。

自己製造產品的第二個原因是它能夠讓你擁有更快學習和改進的周期。積攢一攬子可改進構想，然後把它們融入3至4年後（汽車行業的典型開發周期）的下一代平台中，這種做法完全不適用於特斯拉。打包集中進行改進，通常意味著有些項目會延遲等待其它產品的生產，這會導致更低的累積改進率。

我們在特斯拉的做法是準備好后立即進行改進。這意味著特斯拉每周最多對產品能夠進行50次改進。我們過去經常開玩笑說，如果用戶想要了解自己的特斯拉電動車屬於「當年的哪一帶產品」，就需要查閱電動車的車輛識別碼（VIN，VIN碼由17位字元組成，所以俗稱十七位碼。它包含了車輛的生產廠家、年代、車型、車身型式及代碼、發動機代碼及組裝地點等信息。）儘管掌握了對產品的實時改進方法，但這種方法對我們的製造系統中的效率產生了一絲影響。不過什麼更為重要：是把製造效率提升若干個百分點，還是製造出一款得到快速改進、在競爭中遙遙領先的產品？沒有什麼比擁有自己的生產線更能加強對速度與能力的控制力。

最後，當開始自主製造配件時，能夠對自己的產品和如今進行改造擁有更深刻的理解–自主製造配件的苦痛最終會轉化為財富。特斯拉能夠做出狂暴模式（Ludicrous Mode）的創新就是一個非常好的例子。早期的Model S在加大動力輸出功率存有限制，原因無法把安全保險絲和交換器系統集成到一起。特斯拉當時面臨的問題是，如何才能尋找到一條滿足電流要求的保險絲？

事實證明，生產這樣一根在正常運行期間允許大量電流流過，並且在電流出現異常峰值時能在毫秒之內保護汽車的保險絲是極其困難的。自主製造這樣的保險絲能夠讓特斯拉解決這一問題。通過整合對產品的深入理解和對所需物理學知識的基本理解，讓特斯拉做到了絕大多數人認為是不可能的事情。正因為如此，全球的特斯拉車主能夠輕鬆的在2.8秒內把車速從0提升至60英里（約合97千米）。

自行製造產品是否永遠都正確？當然不是。如果生產的是一款充分利用其它商品化部件的、一定時間內不會有重大革新的產品，那麼自行生產毫無意義。不過如果你正在製造一款包含獨特知識產權或是具有高變化速度的產品，那麼這會是最正確的選擇。

分層式的製造策略通常是正確的選擇。早期使用自有的小規模生產車間製造產品，車間最好和工程師、設計師以及產品團隊的辦公地點在一座建築物內。利用試產來快速學習、迭代、獲得生產你的產品所需的必備知識。等到量產規模超出這一製造能力后，然後再把這個產品外包給代工製造商。

這種策略具備若干個優點。首先，因為掌握了核心技術，能夠讓代工製造商不會撒謊。如果需要對產品進行微幅調整，可以在自己的生產線上進行測試，然後再把成熟的技術交付給代工製造商。特斯拉在這個過程中獲得了增量成本的經驗，也就終結了與供應商關於改進需要增加多少額外勞動力的爭論。其次，自己的生產線讓成為開發新一帶產品和製造樣品的平台。具備了分層式的製造能力，不僅能夠享受快速迭代周期的優勢，而且也能夠利用規模更大的代工製造商的更高效的供應鏈。

為什麼我要熱衷於此？在我的職業生涯早期，我是美國製造業離岸外包的參與者。我們在一些技術領域建立了先進的工廠，但所有的工廠都在美國本土之外。由於這一趨勢，美國工業失去了建立自己產品的一些基礎知識。

很長一段時間以來，對建立新硬體工廠的恐懼一直困擾著企業和企業家們。要解決許多重要問題，你需要接觸物質世界。健康、能源、基礎設施建設、交通以及許多其它領域的複雜問題需要包括硬體生產在內的跨行業解決方案。我們需要勇敢的創始人來解決這些重要問題。現在正是我們需要重新構建，並重新獲得它為我們的企業和社區創造知識和競爭優勢之時。

本文來源騰訊科技，鈦媒體已獲取授權，略經鈦媒體編輯。

楊建銘專欄：AI真正的主戰場在硬體

別誤會了，我熱愛軟體。

我只是覺得這一波已經接近尾聲——如果不是已經過了尾聲——的精實新創浪潮下，太多投資人和創業家口中念念有詞的、關於軟體新創的論點不過是一堆狗屁。比這些關於軟體新創的狗屁更狗屁的，是毫無根據就把硬體投資視為過時的、難以產生回報的論點，即使面對了市場上公開資訊的反駁。

別誤會了，如果可以，我也想投資一個SaaS的商用軟體新創，看著他們用很少的資金做出MVP（Minimum Viable Product），然後用社群草根的方式取得眾多使用者，每週根據使用者的回饋以及蒐集到的數據改善並更新軟體，然後針對進階使用者每月收取費用，量測並改善耗損率，然後達成千萬使用戶、超過百分之百的年成長率以及九成以上的用戶留存率，取得最少五千萬美元的每年重複營收，然後以五億美元的價格出售給Salesforce這樣令人景仰的SaaS企業，並將創業家和Marc Benioff這樣令人景仰的創辦人簽約後握手的照片裱框，放在自己的桌子上朝外給所有進到自己辦公室的年輕創業家看。

等等，去他的投資！我乾脆自己創辦這樣的公司好了！

事實上，在動態均衡的商業世界裡，沒有任何一種商業模式或者產業具有永久的投資優勢。興起於2004年的精實新創風潮為我們的世界帶來了臉書、推特、Youtube、Dropbox、Uber和Airbnb等日常生活的應用軟體，也連帶讓MVP、iteration和pivot變成熱門單字，更催生了一整個世代非工程背景也未曾創過業的新型風險資本家，他們在各大小新創活動中轉來轉去，以看似老練的口吻問著創業家：「你的每月活躍用戶量是多少？」

但在這樣低的創業和投資進入障礙的世界裡，伴隨而來的必然是激烈的全面競爭，不管是創業家彼此，或者風險資本家之間。這些競爭也許會反映在燒錢進行同業競爭上，也許反映在平均估值的不斷推升上。最終來說，產業抵達了動態均衡，人們也終於開始發現軟體精實新創並沒有比較容易創業，投資起來也沒有比較好賺。

似乎是歷史重演地，我們看到人工智慧的投資趨勢最近也反映出這樣的潮流反轉。

和精實新創經歷的一樣，我們不難想像過去兩年間滿手是錢的風險資本家們，乘著「人工智慧」、「機器學習」和「深度學習」的關鍵字浪潮，追逐著各種宣稱使用人工智慧、機器學習或深度學習來取代人類世界中某些由勞工負責的工作的新創。

而就跟精實新創投資一樣的，事實上任何有一點社會經驗的人都可以想像出任何一種「用AI取代人類」的新創應用。唯一不一樣的地方在於，要開發這樣的應用需要的不只是能夠寫邏輯程式代碼的coder，還需要懂得機器學習演算法的數學專家。

不夠格的投資者們，就像他們在精實新創浪潮中追著浪尾投資已經有數十家先行者的新創類型一樣，忙不迭地把錢灌進「能夠描繪某種AI使用情境」的軟體新創。稍微謹慎一點的投資者們，找來了從事相關研究的教授或者博士班學生來幫忙作盡職調查，以求避開明顯的騙子。

但不管是哪一種，打著「用AI取代人類」嘴砲的軟體新創仍然面臨兩個自己無法解決的挑戰。

其中一個就是我常常講的，就算是絕頂聰明的數學家或者資料科學家，如果無法取得訓練模型用的資料，那也是白搭，這也是為什麼在Hardware Club我們選擇投資提供從感測器到雲端機器學習完整系統的Full-stack AI新創。

另ㄧ個純軟體AI新創面臨的挑戰，則是在創業或者投資初期常常被忽略的硬體計算能力的限制。

我在〈軟體吃掉世界，AI吃掉軟體〉一文中就曾經提到過，精實新創誕生的背景是晶片運算能力遠大於終端應用軟體所需，但機器學習的出現瞬間把這個落差給「闔上」了——突然間我們從毫不在乎硬體，又變得必須對硬體規格斤斤計較。

上面這個影片是史丹佛大學CS231n課程〈卷積神經網路在影像辨識上的應用〉第十五堂課的講座影片，主講者是最近剛取得電機暨計算機科學博士學位、明年即將在麻省理工開始任教的Song Han，講座的題目就是他的博士論文〈深度學習的高效率演算法和硬體〉。我強烈建議對於機器學習有興趣的人——不管是創業家或投資者——把這個講座影片看完，因為看完之後他們就能理解為什麼我說AI真正的主戰場在硬體。

舉例來說，這整個講座使用的術語大約有三四成是機器學習和深度學習相關的，剩下的術語卻都是所有半導體產業的「老人」們再熟悉不過的：CPU、GPU、FLOPS、DDR 3、DDR 4、記憶體頻寬⋯⋯等。事實上如果直接去閱讀Song Han的博士論文，老半導體人會看到兩個很親切的名字：論文的主要指導教授Bill Dally以及協同指導教授Mark Horowitz。其中Dally教授所著作的教科書〈Digital Systems Engineering〉幾乎所有電機本科生人手一本，而Horowitz教授則是我當年在半導體的研究領域『高速數位串流介面』的權威，如果把我當年閱讀過的他的論文疊在一起，就算沒辦法到頂天花板，最少也夠站在上面換燈泡。

Song Han在這兩位半導體老將的指導下完成這個博士論文，而且還受邀在CS231n〈卷積神經網路在影像辨識上的應用〉課程給講座的原因非常簡單：我們現在的CPU或者GPU、甚至於谷歌的TPU，都遠遠無法應付現有機器學習演算法「可能」的運算需求，因此軟硬體協同開發是必要的。

當我們說CPU、GPU乃至於TPU無法應付機器學習「可能」的運算需求，有兩個事情是我們所在乎的：運算速度以及耗能。

一般的創業家和投資者比較能夠理解運算速度的重要性，畢竟整個深度學習的大躍進就是在於過去得花上幾週甚至幾個月才能完成的神經網路運算，被降到幾天甚至幾小時，但較少創業家或投資者能夠理解耗能的重要性，因為在過去十餘年的精實新創浪潮中，耗能這種東西百分之百是高通、鴻海、蘋果和三星這些人的問題。

但是在機器學習中「耗能」是一個很大的挑戰，甚至會成為效能的障礙。機器學習的耗能主要來自兩個領域：

（一）矩陣乘法：所建置的神經網路越多層，每一層的神經元數越多，所需要運算的矩陣乘法就愈多。而半導體邏輯晶片的乘法是由NAND閘組合出來的，每一個電晶體的節點都會在電壓上下擺動的過程中消耗掉能量。考慮到矩陣乘法所需要用到的邏輯閘數量驚人，而且隨著神經元和係數的增加以指數成長，這部分運算的耗能也就指數成長。

（二）記憶體存取：類神經網路的運算需要大量而且高速的記憶體存取，主處理器（不論是CPU或者GPU）和記憶體模組通常是不同的晶片，因此存取發生在印刷電路板上，大量的能量會被耗損在對抗印刷電路板和晶片封裝的雜散容和電阻上。

耗能劇烈的第一個影響是電力成本。以去年擊敗李世乭的AlphaGo為例，該系統使用了1920個CPU和280個GPU，光下一場棋局的電費就高達三千美元，相較之下李世乭本人下這場局可能只需要一兩碗飯的熱量，「電」腦和「人」腦在耗能效率上仍然有天壤之別。

但是如果做多少運算就付多少電費就能解決的話，那還好說。但耗能的最大問題是：不管是哪一種耗能方式，都會轉換成廢熱，這些廢熱必須排出去，才能讓系統正常運轉。但系統耗能產生廢熱的速度根據運算量成指數成長，排除廢熱的速度卻受限於熱力學和流體力學有著線性的特質，因此我們不難想像在邁向泛用型人工智慧的路上，我們可能會先被「熵」這個躲也躲不掉的敵人給擋住，而不是演算法。

在Song Han的講座中，他介紹了各種軟體演算法和硬體晶片結構的協同最佳化，以應付機器學習中training和inference兩個部分的耗能效率挑戰。但是不管是哪一種方式，不管改善多少運算效能和耗能效率，從工程的角度來看都是短期的、貼貼補補之類的解決方案，在摩爾定律多年前早已停止改善耗能的事實下，這些方案並沒辦法提供一個康莊大道通往真正的人工智慧經濟學終局。

這也是作為風險資本投資者，我們致力於尋找著半導體邏輯運算以外的解決方案的原因。在之前專欄〈量子電腦春暖花開〉中我所介紹過的量子電腦是一種，而且理論上是最能夠應付無限延伸的未來中機器學習運算需求的一種。但量子電腦的問題在於，目前不管是新創或者谷歌、IBM乃至於Intel等大廠的系統，都必須把溫度降到絕對零度附近，才能進行量子運算，地球上的降溫系統本身就是一個極為耗能的裝置，要等到綜合能源效率和建置成本到達可以和半導體晶片相比擬，恐怕還要不少的時光。

那麼有沒有其他的方式能夠比半導體有著高許多的耗能效率，但又沒有量子電腦那接近絕對零度的挑戰呢？答案也許存在自然界裡，就像是量子電腦採用物理特性進行運算，自然界也有許多物理現象包含了矩陣乘法的特質，也許我們可以找到一種運算方式，是將資料轉換成自然界的物理現象，在那裡完成運算，然後再匯回電腦系統中。這種運算統稱為「類比運算」（analog computing），其實是一門很古老的學問，遠在數位晶片高速成長的年代之前，幾乎所有的運算都是在類比世界中發生的。

作為投資者，我尋找著也等待著能夠善用類比運算來大幅加速機器學習的創業家，如果能夠投資到這樣的新創，我不介意錯過Blue Apron這樣的投資機會一百次！

＊作者為台灣大學電機畢業，在台灣、矽谷和巴黎從事IC設計超過十年，包含創業四年。在巴黎工作期間於HEC Paris取得MBA學位，轉進風險投資領域，現為Hardware Club合夥人。最新攝影作品《諾弗勒 ：Un certain regard 一種凝視 2018桌曆》。