前些时日G博士在他的文章谈到了科学、工程与技术话题。我几年前写过这个话题—我与G博士微信交流了一番。觉得“澄清定义与概念”对于我们实在是非常之必要。以前我觉得不那么重要，但现在想来，这着实太重要了。

这并非“科学”的功劳

自媒体时代，经常让我们有幸去看到那些荣光的时刻，比如解决了高速燃气轮机的难题，或者光刻机方向的某个突破性成果，以导航系统、高铁、芯片等的突破性成果。人们总是把这个功劳赋予了“厉害了，我们的科学家”。其实，这里大部分都跟科学家（Scientist）没有多大关系（当然跟Science科学肯定有关系）。在我看来都是工程师的工作，或者企业的产品研发工程迭代出来的产品，这里是用到了科学的原理、成果。但这些工作本身大部分不属于科学的发现（Discovery），他们也并非科学家。

如果把这些工作归功于科学家，这非常的不合理—因为，这不是抢功劳，而是让人非常忧虑的背后严重的群体认知问题。这就意味着，大部分时刻，我们大部分人都无法区分“科学”、“工程”、“技术”—这才是一个让人觉得可怕的事情。

非要较真这个以显得专业吗？

难道这很重要吗？非要分得那么清晰吗？这种名义的功劳归属于科学家还是工程师就那么重要吗？或者说，我们把这些工程师赋予了“科学”的名义，不是更显得拔高，尊敬了吗？

不，这非常重要的原因在于，科学的态度本身就是要“清晰定义”、这种事情会造成很多偏差，以及认知的偏差，它会延伸出对于各种体系设计、教育政策、产业政策的偏差。

记得几年前与一位老师谈到经常错误的一个词“科学创新”-科学就不能称为创新，而是发现（Discovery），而工程（Engineering）才是创造自然界不存在的东西，而技术（Technology）则是这些工程过程的结果综合—它可以是具体的产品，也可以是软件形式，可复用的结果总和。

记得看过一个教授视频里说“科学从来没有说自己是对的”—很多人留言说这个教授胡说八道。但是，真正了解科学的人应该知道，科学确实没有代表正确，科学只是在“探索”自然界（Nature），根据目前的条件、设备，和约束边界下得出有限结论。如果条件、方法变了，可能结论也会变化。而技术则强调它的可复用性，如果它不能稳定的复用—那就不能真正的商业成功—而这一切，都是由工程的不断迭代来实现的。

纠偏-回到工程本该的发展道路上

你说界定这些问题是否重要，但我们可以看到一些问题的纠偏过程，回顾起来就知道，它真的太重要了。

1.教育：工科理科化的问题

今天，国家更多的开始对原有的教育政策进行回归性纠正。在早期，约90年代之前，工程教育与产业的结合还是很紧密的。但是，当我们将工程教育的考核从实际的成果转向了“SCI”论文，工科也要搞“科研”—这个就带来了工科教育的“理科化”。

回顾历史，1955年的《格林特报告》提出了“以科学为导向”的理念，并引发了工程教育从动手实践转向理论研究。这深深的引发了全球工程教育转向。在中国，南京大学开启了国际核心期刊评价体系，时任校长曲钦院士指出，要解决中国学术界“缺少客观评价标准”，人情评审、论资排辈的评审弊端，并考虑部分领域国内专家稀少，无法实行国际通行的同行评议。因此，引入核心期刊的评价方法。引入SCI作为量化指标，我们当然相信其初衷在于解决当时的问题-这点倒毋庸置疑其初心，但这个SCI评价很快就“异化”。

当南京大学凭借SCI论文在1992年超过清华大学，并被《科学》杂志评价为“南大现象”—肯定其基础研究导向。科技部于1998年发布“中国科技论文统计结果”，将SCI论文官方化，并引发学校间的竞赛。紧接着在工科院校，为了提升排名也开始加大论文的数量。工科教师的评价也从工程项目开发设计、产学合作导向到了“论文”数量。

985的评分、学位论文的发表、教育部的学科评估排名、自然科学基金，都开始把SCI论文作为了重要的评价指标。这引发了教育领域的“SCI”狂潮。这也把工科原本重视工程实践的本质，给裹挟进入了“理科化”的考评机制。这使得工科教育也越发远离了工程教育的本质，也与产业越来越脱节—产学合作几乎无法开展，因为，大学已经如原西安交大校长王树国教授所说“落后于产业了”。

因此，在2018年后，开始开启了针对工科理科化的纠正。

2018年7月：中办、国办发布《关于深化项目评审、人才评价、机构评估改革的意见》，首次提出清理"唯论文、唯职称、唯学历、唯奖项"（破四唯）

2020年10月：中共中央、国务院印发《深化新时代教育评价改革总体方案》，正式提出破"五唯"（唯分数、唯升学、唯文凭、唯论文、唯帽子）

2020年"卓越工程师计划"：明确要求改革工科教师评聘制度，从侧重评价理论研究和发表论文，转向评价工程项目设计、专利、产学合作和技术服务

但是，就实而论，从90年代到2018年这个实际的纠偏，工科专业的这个问题，其实已经带来了近30年的学科发展误区。尽管我们开始走向更为准确的道路，但，这近30年的工科发展—这本身说明，对于工程的本质理解的偏离，才会造成这种政策的影响。但是，这个长期的误区也造成了很多对产业技术发展的认知偏差。

衡量创新成功是商业意义的成功：大学里经常承接各种课题，解决了什么问题-但这些如果无法在产业获得商业的成功，这都不是真正的解决问题。青霉素从发现到最终的大规模使用，它经历了数十年的发展迭代。今天几乎大部分的产业的技术如果追溯其实验室的发现与发明，基本上都有20年以上的历史了。有一次我查询BFS，一种制药行业的吹灌封一体化的技术，居然都有60年了。记得几年前了解了一下HJT的光伏异质结工艺，实际上在90年代就开始有了，我们可以去干还是因为松下的专利到期了。包括司美格鲁肽这个药目前国内也开始大干快上也是因为2026年诺和诺德的专利到期了-因此，从创新的意义来看，今天很多所谓的创新都是没有什么新意的。但，这就是工程的另一个话题，它要把这些东西，从实验室发展到商业意义就是漫长的产业化过程。通过在其流程缩短、材料测试、工艺优化，同时还得伴随相关产业的技术迭代，经济性提高，才能实现经济性。

科学到技术，中间这个工程的迭代往往需要数十年，而忽略工程的这个发展过程，从规模化降低成本、产业化应用来实现迭代—这些发展必然的过程，需要大量的工程师不断的去测试验证，用户实践反馈—才能真正发展起来产业的先进技术。

2.人才-工程师的战略地位

自从2023年，我注意到国家开始设立“卓越工程师”大奖，颁发给在工程领域做出突出贡献的人。管中窥豹—对于一个长期关注工程教育，从事工程领域的从业者，其实，我看到了这其中的深刻转变。即，对于工程师价值的重新认识—从事工程（Engineering）的工程师，在创造产业的发展，而非大学。今天，我们能够用低廉的价格喝到矿泉水、买着廉价的手机、开着越来越便宜的手机，其实都是产业工程师们不断努力的结果。

工程师大奖的评选，它实际上是建立在“重大工程实践”，你是否解决了核心技术攻关、重大装备，以及“复杂工程问题”，并且这些专家必须是奋斗在一线，并且能够带来巨大的收益的。

过去，我们重视科学，给了院士、科技大奖—但实际上，产业里的卡脖子的问题，它很多都是工程问题，因为它的科学原理早都清晰的，而是工程实践中的迭代问题。其次，扭转工科理科化，仅有理论上的“雕花”，而缺乏对产业实际问题的解决，这种科研难以为继，中国在国际产业竞争中，必须从过去的跟随走向创新的道路上，缺乏工程师的创新，就很难引领产业的升级。

3.产业政策，长远及本质的发展

产业政策：为什么重视首台套？为什么培育“专精特新”？在应用端拉动的补贴政策，从产品端到研发端的补贴，从短期到长期的投资，从直接的补贴到“杠杆效应”-即，从生态建设的发展。

其实，这背后是对于“工程”的回归，即，如何理性的对待产品、技术的研发，以及发展的问题。产品补贴是非常荒诞的，它并不能解决在产品研发端的问题。

这都是好的现象，但是，这些现象本身是对过去的补贴政策的校正，因为，其实那些都是违反了产业发展的本质的。创新的本质在于工程创新。

无论发生在教育、产业、科技界的这些事情都在说明，对于“工程”的回归现象，是一种全社会的纠偏，这是一个值得高兴的现象。

着眼未来的发展思路

重新理解工程，还能解决以下问题的重新思考：

1.对于开创性的工作应该怎么做？

填补空白、解决卡脖子—都不是真正的创新。

为什么这么说？

首先，在逻辑上，解决卡脖子的问题、填补空白—这说明，它都是有“对标”的对象的。也即，任何我们所做的这些事情都是有“参考”的目标的。

但创新，意味着“行走在荒原”上，其实，什么是荒原？所谓的荒原，就是它没有路，你得去探索，去走出一条路，而不是跟随别人的路做出一个技术、产品。

跟随的技术，它只会让一个企业陷入“内卷”，让一个产业最终没有获利空间，因为，抄袭、跟踪的产品或技术，它本身就是比较容易的。买一份图纸、挖一个团队，都能快速的构建这样的产业，但仍然是陷入了规模效应的竞争，拼的就是资本、成本—其实，并未有颠覆性的技术或业务产生。

当我们试图去追随那些概念、学习所谓的经验、路径—这就是像为了考试而学习。我们可以快速照猫画虎去设计一个东西，但去无法获得精髓。并且，我们在这个过程中，并未掌握真正的原理性，以及这个迭代的工程过程中的那些“隐性知识”。隐性知识它的意义在于让我们在未来知道“什么不可以”—而不是知道“什么可以-Know-How”。而事实上，知道“不可以”的知识是远大于“Know-How”的。

或者说“Know-Why（原理依据）”比“Know-How（方法步骤流程）”更重要，关键就在于“Know-Why”让我们知道目的是什么？方向在哪里，为什么这样做，而不那样做？为什么现在可以这样做，而为什么别人不这样做？…当我们知道背后的WHY，我们才能应对变化。而Know-How就让我们可能无法在变化中重新设计、二次创新、再次迭代，进化我们的产品与技术。Know-What则是要去基于客户事实-基于Facts的思考。对于批判性思考，工程师的重要思维就在于对WHAT的辨别与解析，对于数据的准确与精确、关系的理解。

我们基于原理(WHY)，在客观事实下(WHAT)，按照步骤来工作(HOW)—这就是工程要干的事情。

2.创新的效率问题

理解工程，就能更好的进行创新。很多时候，我们经常所遵从的那些概念，其背后是有工程哲学的，理解了这些才能理解创新，而不止于被错误的创新而误导。

过去的一年里，我注意到很多文章谈到了Palantir这家公司-当然我们不去谈它的商业意义的成功，也不谈它所谓的本体论究竟是什么。我想说的是，其实，Palantir这个公司做的事情，在很大意义用一句话说就是“它只是做了Engineering本来的事情”。就是说，它的成功并非稀奇—它仅仅是按照“合理的”、“工程常识”在工作。包括我们经常把Elon Musk的第一性原理拿来讲，同样道理，他只是一个严格按照工程思想去工作的人。一个严格的工程创新过程，它本来就是这样的。通过原理性去解析对象，将这些复杂问题拆分为工程上的最小模块-并对其进行开发。当然，Elon Musk的工程思想也是延伸到商业成功的-即，它不是仅仅在解决工程设计方面采用了这样的思想，在整个其商业运作、企业管理都采用了相同的工程思想。

很多时候，当我们真正去理解“工程”的时候，我们会觉得那些大佬们的成功并非是不可复制—只要踏踏实实的按照工程的思想去解决问题就可以。

追随概念、或者研究别人的成功—都是“事后诸葛亮”，或者“成功都不可复制”。前几天和几位朋友谈到了黄仁勋谈到的“物理AI”—我知道有很多人讨论类似于AI的各种概念。其实，你仔细想想，黄仁勋的物理AI其实是一个“被迫”提出的想法。过去GPU这些都是在游戏、云计算这些领域，虽然看上去这个硬件本身是物理的—但其场景却是软件的。而当他们想进入具身机器人、制造业场景时，就很容易发现，机电世界的物理对象并非他们软件意义的轻松驾驭的对象。那么，这个时候他们才提出要去建立物理模型—但是，这个工作不就是机电控制领域的人一直在干的事情吗？这就像2025年红杉资本与AI界顶流开了个闭门会，达成了一个共识“AI要为用户创造价值”。这是卖工具的人的觉醒，但对机电控制领域的人来说，你这不是“废话”吗？我们不是一直都在干这个吗？

当然我无意于否定AI界大佬们的卓越贡献—只是说，这东西需要“祛魅”—掌握底层逻辑，其实很多事情它都是道理一样的。

所以，当你有了工程思维，你知道工业它的本质逻辑时候，你就会“祛魅”—我们同样掌握了解决问题的整体方法论和工程管理体系。所有那些都是外围的工具，就像软件产业，我也看他们经常讨论各种技术概念、框架、思路，但MES/ERP，它必须是服务于自己的业务，你清楚客户想要什么，你清晰机电对象特性就该知道如何设计—你并不需要学习别人的概念、设计方法，你要回到问题的根源，你才能真正的出现创新性的—因为，这个迭代的过程，你解决特定问题最终形成相对应的产品和技术—工程就是科学与技术之间的桥梁。

3.AI也是洞察工程思想的综合体

关于“未来”，即，我们如何认识未来的科学与工程对于产业的影响发展问题。即，如何看待产业的发展，第四范式-新的智能时代的研发方式，它带给我们什么样的变化？

AI Agent，其实它本身就有了洞察“工程”逻辑的能力。仔细分析Agent的工作，你会发现它其实是掌握了一个工程流，它会自主按照这个流来解决问题。前几天和戴老师讨论Agent的工作为什么能够去自动构造这些软件。举个例子，如果我们要去进行电机和驱动系统的参数配置，那么，我们就会去思考底层电机的特性，电流环、速度环、位置环的工作流—那么对应的参数应该怎么调整，然后到驱动系统的电流、相位的计算，它可以按照我们工程师日常工作的思路去给你完成这个过程的设计—AI实际上是洞察到了“Engineering”的实现过程，以及需要思考的约束条件（成本函数）下的最优值求解问题。

那么，实际上，掌握了Agent的工程一致能力-就知道如何去让Agent帮助我们去工作。它就是一个标准意义的工程思维去工作的。当我们的人与机器是一个思维方式的时候，我们才能协作好。否则，不具备工程思想的人，就无法用好AI—这就是底层逻辑。

来源：微信号 说东道西