科学文明和工程文明是人类现代历史的基础。科学家解决可能性问题，而工程师解决可行性问题。
一项科学发现，做1000次实验，其中有一个数据能用就敢去发文章了，而做一个合格产品，1000件里有一个次品，骂你的一定是那个买到次品的人，剩下的999个人都会选择不说话，好东西应该是默认的。这从千分之一的成功率到千分之一的失败率之间的过渡，同样充满着耐心的改进、积极的探索、勇敢的创造，而事实上多数情况下会更难。
为什么我们可以设计芯片，但却做不出好的芯片？今天，我们不妨以工程思维去思考下这个问题。
1/“工程思维”是什么？
我们推崇从0到1的创新，人们也喜欢看从无到有的魔术。然而从1到100也是一个充满创新的过程。把创意落地成产品、把科学转化为生产力需要专门的技能，这些技能的获得需要人们理解新的科学前沿知识，也需要熟悉工业生产流程。
下面就讲讲什么是工程思维，以及怎样培养工程思维。很多东西看起来驽钝，但并不愚笨。这恐怕就是所谓“进一寸有进一寸的欢喜”的工程师精神。
图片来源：图虫创意
安全
进入牛津大学读研究生的前几节课里，令我至今记忆犹新的是第一节课，讲的是安全。在实验室做东西的时候，保证自身安全是最重要的。工程能力首要考虑的莫过于此。做工程不同于做理论、玩计算机或码字，总是要碰到些真家伙的，无论是车床还是电焊枪，无论是激光还是液氦，都有潜在的伤到人的可能性。
例如激光安全课上老师会讲，只要激光开着，无论功率如何，你都一定要戴上防对应波长的护目镜。为了加强安全教育的效果，老师一定要讲耸人听闻的规则，如果一只眼睛有严重弱视甚至失明，那么你是严禁从事激光实验的，以防另外一只好的眼睛也被伤到了，从此成为盲人。
养成积累的习惯
实验记录和日常的草稿笔记是培养人的工程思维的重要手段。它可以帮人厘清思路，明白自己为什么要做，怎样做，做的结果怎样，怎样改进等。第一节课上，授课老师拿出了1987年诺贝尔物理学奖获得者诺曼·拉姆齐（Norman Ramsey）60年前在牛津物理系工作时的实验室记录本，其精美和工整，堪称艺术品。
我的一位师兄西蒙，在牛津大学读本科和研究生，在美国国家标准局做博士后研究，后来回到英国工作，直至成为教授。他的办公室里有着整整一书架同样规格的大开本笔记本。那些是他从进入大学开始积累的所有笔记本，包括课堂讲义、考试内容、实验记录等。这也许有点笨拙，尤其是在自以为靠脑子聪明做物理的人看来。然而这么多年下来，真实的经验是，像物理这样传说中靠天分的学科也无非是工程的东西，靠的是有方法、有积累的辛勤劳作。俗话说，天才是99%的汗水加1%的灵感。如果说那1%的灵感指的是正确的思维方式，那就没有灵感什么事情了。当思考问题的方法正确，又有足够的努力，日拱一卒，灵感和天才是迟早会发生的事。
验证、测试、调整
工程化的核心思想是最小化可行产品思维（Minimum Viable Product），即用最快、最简明的方式建立一个可用的产品原型。通过这个最简单的原型来测试产品是否符合预期，并通过不断地快速迭代来改进产品，最终适应市场需求。
在可用资源和时间都有限的实际情况下，必须根据目标重点进行合理分配，要将弱目标从强目标中分离出来。取舍是一场可行性、可能性、期望与限制之间的权衡，即如何在已知条件不足的情况下做出决策。不要因为一个无解的问题而耽搁另一个有解的问题。先做能做的，不要因为对缺失板块的烦恼而裹足不前。简单来说，应该快速造出一个能够基本运转的东西，而不是追求一个完美的产品，完成胜过完美。人总会犯错，不要因犯错而裹足不前。即使是追求极致完美，也要在试错的过程中一步步实现。
这通常需要两种基本能力的培养：
第一，是资源的构架能力。放大已有的方案，实现从1到100的能力。从0到1只解决了可能性，从1到100则要解决可行性。这需要多种能力的组合，对多项技能和资源的深入了解，以得出最好最稳定的解决方案。
第二，是有边界的设计能力。因为工程学的目的和意义是解决现实生活中的某些实际问题，所以必然会受到“条件约束”，即物理学上常说的边界条件。这里的约束，首先是科学规律的约束，其次还有时间约束、财力约束、竞争约束、人类行为的约束等。梦想和现实的距离，商业上的投入产出比，也是约束。
稳定性的乘积
可靠性是工程思维的重要因素，它强调的是设备运行过程中不会出现故障。可靠性指的是组件或系统在指定时刻或时间间隔内运行的能力，即在时间t的成功概率，表示为R（t）。系统的运行概率是由所有的R（t）乘积来决定的。当一个零件的可靠性为0.99，那么1000个零件所搭成的系统的可靠性就是0.99^1000=0.000043。这个概率是可以通过详细的故障分析得出的，先前的数据集是通过可靠性测试和可靠性建模来估计的。
工程系统的不确定性在很大程度上使预测模型和测量的定量方法无效。虽然理论分析很容易将故障概率表示为方程式中的值，但实际上其真实大小几乎无法预测。它是大规模多元变量，我们可以对可靠性方程式的值做出评估，但它本身的可靠性却无法预测。提高可靠性的唯一办法就是把每一个部件都做到极致可靠。
2/做得最差的就是核心技术
以正在发展的芯片为例，它不是供应链中一个简单的科研项目，而是一个纷繁复杂的产业。现代工业的体量和产业链规模都很大，各技术领域专业细分且大量交叉融合。卡脖子的并不是某个关键技术，而是产业整体运行机制和能力中的薄弱环节。
这个环节做好了，下一个最不可靠的部件就成了新的卡脖子问题。下一个环节做好了，还会有另一个可靠性相对较差的部件成为新的卡脖子问题。这样一轮一轮优化迭代下去，每次都解决掉“最短”的板，可靠性最差的卡脖子的问题才能进化，从而实现整体的不卡脖子。
我们引入技术和设备，但不具备可与之匹配的上下游产业和供应商，不能提供足够支撑先进技术的技术工人。这项技术即使能够落地，其生产成本也将在市场竞争中不具备任何优势。
一批造芯项目的夭折已经证明：仅靠地方政府倾斜性的财政支持，企业难以获得可持续发展的资金和能力。芯片产业有许多关键的细分领域，所有细分领域耦合相加才能支撑起整个产业链。政府在新的生产组织形式下，需要发挥市场在资源配置中的作用，同时又要积极探索协调性作用，来创造新技术生成的环境，从而保证国家重大利益和国家创新战略目标的实现。
比突破技术壁垒更难的是建构产业生态。和很多先进制造业一样，芯片制造业也没有所谓的核心技术，做得最差的那个零件就是核心技术！
工业创新往往来自已知技术在新领域中的应用。一个领域中已有的技术，可以在另一个领域中发挥新的功能。这些新应用的发生需要不同领域的人在一起交流碰撞，营造良好的沟通氛围。
对于波音而言，减重是重要的技术目标。在飞机的使用寿命里，每一公斤的重量相当于100万美元的成本。怎样把该省的重量都省下来。谢菲尔德大学先进制造研究所（AMRC）借鉴了谢菲尔德一家有着悠久历史的纺织厂的技术，这家纺织厂有着通过编织经纬线的疏密来形成织布花纹和图案的古老技艺。而AMRC在碳纤维编织中就充分使用了这一技术。在数字设计中，先模拟设计出哪一部分承重需要密织，哪一部分可以适当稀疏来减轻重量。再用机器手臂完成整张碳纤维的编织，镶嵌在模具中，加上定型剂。这样加工出来的碳纤维机身既能保证关键部位的强度，又能最大限度地减轻重量。同样的技术迅速被跑车公司麦卡伦看上，成为迈凯伦车身生产的新工艺。
工业创新还需要把每一步都做到极致，才能看到累积的结果。每一步成功的概率都是前面所有步骤和所有器件稳定性的乘积；再就是在已有的基础上进行改进，每次提高一点点，但当这个提高了一点点，周边的零件和设备又显得不匹配了，你就继续把周边的都提高一点点。所以说做得最差的那个就是核心问题。你一旦解决了这个，一定会有下一个成为新的核心问题。一路这样迭代下去，你就会发现整体上有了质的飞跃。
工业创新又源于协同创新，需要大量不同行业的工程师在一起协作，彼此深入了解对方的技术和工艺，从而知道怎样改进自己的工艺和设计以最好地配合其他部分，从而实现整体的目标。
3/工业设计的全新定义 , 新的系统设计师
我的导师伯内特爵士是著名的物理学家，也是冷原子物理的奠基人之一。2007年，伯内特爵士离开牛津去谢菲尔德大学任校长。由于他对制造业的深刻认知和卓越的管理能力，任期的10年里，他把谢菲尔德大学先进制造研究所（AMRC）从几个人的研究室，发展成为有教授、工程师和技术工人等近千名员工的综合研发中心。
目前，AMRC已成为英国众多制造企业的研发共享平台，打通了从知识产权共享、企业研发投入，到大学产业转化和金融投资的各个环节，使得高端制造业技术可以在这个机制内高速迭代，为最终实现工业4.0找到了可实施的方案。波音、空客、罗罗、ABB等大公司均以AMRC为其研发中心，中国在英国投资兴建的欣克利角C核电站，就采用了AMRC生产的核设施。
谢菲尔德大学先进制造研究中心 来源：谢菲尔德大学官网
谢菲尔德大学AMRC的成功经验，源于伯内特爵士作为冷原子物理学家对工业技术和工业组织的深刻认知。
冷原子实验技术可以说是实验科学领域密度最大的技术之一，它集物理学、电子学、机械设计、自动化、远程控制、图像感知、数据分析等技术为一身，而这些技术的综合利用，要基于对每一项技术的深入理解和应用实践。
在与之相关的实验过程中，研究人员实现了对复杂工业技术的全面了解和综合利用，凭着个人训练的大量知识冗余“经验”来协调这些不同技术之间的复杂系统关联，从而达到最好的效果。以我参与设计的将搭载天宫四号开展实验研究的空间冷原子平台为例，除了实验性能之外，它还要考虑到空间运行的稳定、与其他设备和实验环境的配合、传输和无人值守的实验数据处理等问题，实际上是一个综合应用需求的硬件制造、工业设计和互联网的复杂系统。
在以智能制造为特点的未来工业中，单一技术为主导的模式已经不再能满足新的需求，多种新兴技术的集群式创新、融合发展与突破成为产品设计的特点。冷原子领域培育了一种“新的系统设计师”，这些设计师应对工业需求给出特定的解决方案，并组织和配合各行专家在此基础上进行优化开发，最终实现产品设计的目的。
经过一两年的培训，这一行的博士毕业生可以顺利转向工业产品的底层设计，尤其是涉及复杂分工的智能制造行业。这些人显示出了扎实的设计功底，符合高端产品的要求，并具备融会贯通各个工种的卓越能力，从而成为适应智能制造时代的特殊人才。
从量子调控的角度，我们可以对工业设计进行全新的定义。量子调控所涉及的是一个多技术的工种，几乎涵盖所有工业领域和技术。它所训练的从业者，凭着个人训练的大量知识冗余“经验”来协调这些不同门类技术之间的关联，从而达到最好的效果。这个领域培育了一种“新的系统设计师”，这类系统设计师的能力核心是基于对关联系统的深入了解的。
由于个性化需求的增加，未来的工业生产将变得丰富多彩起来。设计师会不断进行多种专业的学习，听取客户的需求，针对客户需求设计新的产品，有可能会集成所有的工业技术，等基础功能实现之后，再找更专业的各个行业的专家进一步完善，最后变成工业产品。工业设计不再局限于简单的美学设计领域，而是聚焦于功能的实现。这些跨专业的再训练，也将成为未来生活的支柱性教育核心，人们需要不断地在新产业中得到训练和学习，然后不断实践，发现新的学习要求，从而不断有创新的思想和设计理念产生。这些东西都是人工智能实施成本极高或本质上无法替代的工作。
面向工业4.0的工业设计的核心在于将虚拟的数字世界和真实存在的物理世界有机融合，它将是综合客户需求、硬件制造、工业设计和互联网的复杂系统设计。除了传统意义上工业设计的功能与造型设计之外，未来工业设计也将更加关注用户在产品设计中的意愿和个性化表达。
同时，小批量高速迭代、多种技术融合、产品快速升级，这些要求都对传统的制造业模式和产学研管理提出了全新的挑战。比如，组织跨专业的设计团队和制造型企业协同创造，将是一个复杂但必需的过程，这也将成为未来工业设计中的核心研究课题。而跨专业的实践训练和持续学习，也将成为未来工业设计教育的核心。
4/科学要讲究务实
说起工程师的培养，人们首先想到的是蓝翔式的职业教育。一个能够容纳几万人的标准厂房里，每人一个灶台，每隔十几米就有一个大电视从屋顶吊下来，几千人步调一致地颠勺、倒油，蔚为壮观。这样的职业技术学校，训练的是操作工，这样的工种恐怕很容易被机器取代。培训要求的是短时间内上岗、步调一致的操作，而不需要创新，甚至，创新是不可以的、不合群的，是会给队友带来麻烦的。
我们不仅这样训练生产线工人，也这样训练读书动脑的孩子。以至于我们培养出了数学能力很强、编程能力很强的大量程序员，他们做着敲键盘的工作，成为世界一流的码农。批量生产有批量生产的问题，当利润摊薄的时候，人们就会趋向于生产更多数，因而导致恶性循环。
这样的训练未必会带来技术人口红利，没有动手能力的动脑能力或没有动脑能力的动手能力，都只是半部《九阴真经》，最后会走火入魔的。创造力本身并不真实存在，能够验证的想法才重要。没有实践的能力，想法也终究是想法，而这样或那样的想法在人类历史上并不新鲜。
我们常会把这些名词混淆，认为工程师就是技术工人，而这是对工程师最大的误解。工程师应该是会动手的科学家，而科学家应该是会动脑的工程师。
务实主义讲的是即使是写作这类看似非常依赖灵感的事情，也必须是下功夫的套路。科学研究也一样讲究务实主义。科学家也不过是个手艺人，或说是科学行业里的工程师。跟打铁的相比，我们的手艺只是听起来高大上一点而已。而科学家的培养与打铁师傅带徒弟并无二致。物理学的基础训练并不在于培养天才，也不在于通过博士研究的训练让一个人在获得博士学位之前成为某一行业的开拓者，而是在于一种职业训练。就像铁匠铺的老师傅带徒弟，出师了只是说徒弟懂得了行业的规矩。这些规矩无非是怎样接活，怎样打铁，怎样交付。
就科学研究而言，我们日复一日的训练就在于让学生懂得科研的流程，经过这样的长期积累之后，学生才有能力在脑子灵光一现的时候，知道如何捕捉这些灵感，如何把灵感转化为一个可以证实的实验过程。其中的极致版，无非就是江湖谣传的DNA双螺旋结构的发现。
同样的情况，我们也可以看看画家毕加索的成长。据说，他的艺术家父亲看到14岁的少年毕加索的画后决定从此放弃绘画，全心全意培养这个少年成为艺术家的时候，毕加索的绘画水平就已经相当深厚了。
科学是第二性的，工程是第一性的。有了科学，工程不至于走偏，不至于原地打转，但工程实现一定是科学的不二法门，没有工程实现，科学只停留在想法上，就与其他的宗教信仰没有本质的区别了。
工业文明一定是发展到了很高的阶段，才会出现科学。工程和制造并不是什么羞于启齿或不高级的事。从珍妮纺纱机到物理学被系统地总结出来，有了力学、热力学、电学等这些学问也要100多年的时间。
我们今天所说的科学，跟考古学、博物学一样，是18至19世纪衣食无忧的欧洲贵族们阳光夏日里喝下午茶时，向太太小姐们炫技的道具。而现代工业文明的建立，为科学和现代文艺的诞生奠定了基础。直到今天，我们依然走在工业化的道路上，也才刚刚进入后工业化，所以不必着急追求所谓科学的原创，脱离制造业的基础追求科学进步，事实上是舍本逐末。在人类发展的真实路径中，永远没有白走的路，走过的每一步都算数。
5/人机共生的自由工作者时代
工业4.0是基于工业发展的不同阶段而做出的划分。2013年的德国汉诺威工业博览会正式推出对工业阶段的划分：工业1.0是蒸汽机时代，工业2.0是电气化时代，工业3.0是信息化时代，工业4.0则是利用信息化技术促进产业变革的时代，也就是智能化时代。工业4.0的提法旨在提升制造业的智能化水平，建立具有适应性、资源效率智能化的工厂，包括在商业流程及价值流程中整合客户及商业伙伴。
这是以物质生产能力定义社会的发展，但社会是由人组成的。从农民、手工业工人到马克思时代的工人（Worker 1.0）、福特时代的中产工人（Worker 2.0），再到人与计算机（Worker 3.0）、人与人工智能机共生时代的自由工作者（Worker 4.0），人类也正面临着Worker 4.0的时代。
根据英国高等教育2016—2017年统计报告，英国有超过100万的大学生学习了STEM相关课程。大学开始修改教学大纲以适应工业4.0技术的发展。
【注：STEM是科学（Science）、技术（Technology）、工程（Engineering）、数学（Mathematics）四门学科英文首字母的缩写。2011年，美国时任总统奥巴马推出了旨在确保经济增长与繁荣的新版的《美国创新战略》。该战略指出，美国未来的经济增长和国际竞争力取决于其创新能力。“创新教育运动”指引着公共和私营部门联合，以加强科学、技术、工程和数学（STEM）教育。】
图片来源：图虫创意
然而，由于创建最新课程的周期很长，大学可能会落后。目前，英国只有少数几所大学已经为工业4.0的发展准备了专门的课程和设施，如自动驾驶、虚拟现实、人工智能、云技术和物联网。企业要求大学培养更多技术型的毕业生，以便他们能够适应不断变化的环境。虽然有人预测工业4.0将减少对劳动力的需求，而工程和制造部门却发现职位空缺正在增加。市场中应对环境需求的技能是稀缺的，包括自动驾驶、虚拟现实、人工智能和云技术。如果不采取任何措施来解决这个问题，这些行业将无法继续发展。
在未来越发不确定的市场中，随着新技术的不断发展和变革步伐的加快，考虑未来的业务需求至关重要。71%的制造商都认为学徒制教育正迅速成为高等教育真正的替代方案。高校毕业生进入企业，应该向已经融入劳动大军的高技能和有经验的员工学习。
一方面，鼓励个人在高校接受教育，从而获得更扎实的技能储备，另一方面，公司可以通过培训把员工发展为行业专家，特别是通过即将出现的新技术来发展员工。通过学徒制和工作安置方案将青少年和年轻人纳入企业，这一点在工业4.0中具有特殊的好处。
操作员和技术人员在大多数制造和工程业务中都发挥着关键的作用。除了从高校招聘这些人员外，还需要对已经加入组织的人员进行技能的更新。如果某地区要成为工业4.0的驱动力，那么该地区的制造商也需要参与技能课程的开发和培训，了解未来工厂所需的技能，并就发展这些技能进行投资。
6/培养甘于笨拙的能力
现代的工业能力要求的不是培养身怀绝技、万人瞩目的一代宗师，而是培养成千上万个虽只掌握了基础技能但能熟练配合共同演进的集团作战的军人。工业的进步也不靠灵机一动的发明创造，它靠的是成体系和系统性的、稳定的工艺提升，一点一点的进步。
虽然只是一个自诩还可以的量子物理学家，我一直骄傲于在牛津和伯克利物理系金工车间得到的训练。老师傅会跟你说这台机床是第二次世界大战时留下来的，经年保养，手感柔顺得很。加工一个器件，怎样制作刀具，怎样选择润滑液，怎样根据材质调节铣床转速，甚至加工不同材料之后的洗手流程都有讲究。怎样把一个滚珠做得更好，有什么专利和独门秘籍可言呢？
专利给了第一次提出这样想法的人获得丰厚回报或幻想财富的机会。但凭借今天的信息交互之便利，越来越多的工业企业意识到把知道怎样做的方法拿出来与同行和供应商共享，反而会获得更大的收益。如今，在要实现工业4.0的制造业中，专利在有限地作恶，它成为知识工作者妄想坐享其成的迷梦。不要轻易否定这样的言论，如今发展得如火如荼的开源研究模式，就是对专利这一历史上产生的怪物展开的斗争。
回到现实来讲，我们不断地把一时一地的兴盛，寄托在对某一技术的引进和突破上。这跟我们从古至今对独门秘籍和“名教”的信仰是分不开的，但很快我们就会发现这样的单点突破往往并不符合工业发展的规律。工业本身是复杂的，需要的是极强的协作和配备能力，是整个供应链上每一个部件的每一点每一处都要好那么一点点，而不是某一项技术好。长期引进或转化先进技术，而不重视工业环境的塑造，其本质上并没有符合市场成本原则配备和工业生产的能力。
浮躁的机灵是个古代的事情，笨拙的努力是个现代的事情。对今天迫切而紧要的制造业升级而言，没有白走的路，每一步都算数。
