系统科学方法：拆解复杂世界的底层逻辑
前阵子跟做创新药的老友吃饭，他吐槽了快半小时。现在靶点研发卷到飞起，单靶点测序筛出来的候选药，体外实验数据漂亮得不行，一进临床就拉胯。十款里九款走不到三期，烧进去几个亿连个水花都没有。
为啥？他说，我们原来都把人体当成零件拼起来的机器，坏了哪个换哪个，可人体哪是这么回事？一个靶点牵连着十几条信号通路，你堵了这头，那头绕个弯又长出来了。说白了，得用系统思路来解，不能拿榔头硬砸。
城市交通系统优化仿真示意图
很多创业公司做增长也是这个毛病，以为砸钱买流量，流量起来了业务就成了。结果流量进来，供应链接不住，客服扛不住，产品体验差到爆炸，用户留不住，最后钱烧完了，公司也没了。
说白了，你面对的根本不是一个“流量够不够”的单点问题，是一整个生态系统。少了任何一块，哪怕流量这块做的再大，整个系统还是会崩。
系统科学正负反馈循环示意图
第三个，留冗余缓冲空间。很多人做项目追求极致效率，恨不得把每一分钟每一分钱都用上，一点缓冲都不留。可系统只要跑起来，就一定会有意外，一点冗余都没有，一个小波动就能直接让整个系统崩盘。
前年供应链危机的时候，我认识一个做出口家具的老板，原来学互联网那套零库存管理，原材料一点都不多存，结果海运堵了，原料进不来，工厂直接停了三个月，差点倒闭。反而对面那家工厂，一直留着15%的原料安全库存，虽然每个月多花点仓储钱，硬是扛过去了，还接了不少倒闭工厂转出来的订单，那一年利润反而涨了。
说实话，我自己做内容写作，原来也追求日更，把每天的时间排得满满当当，一点存量都没有，结果上次发烧烧到爬不起来，直接断更三天，掉了好几百活跃粉丝，心疼了好久。现在我永远保持两三篇存量稿子，稳得很。
不过话说回来，留冗余不是浪费，是给系统留抗风险的余地，对吧？
当下哪个行业最吃系统科学方法的红利
现在最火的AI大模型，很多人觉得就是拼参数堆钱，不对。OpenAI能跑出来，根本不是单纯堆参数，是整个系统工程的胜利。从预训练数据的清洗筛选，到训练框架的动态优化，再到后来和人类偏好对齐的RLHF，整个链路是一个完整的大系统，哪一环出问题，你参数堆得再大也没用。
国内现在做大模型的第一梯队，都专门有团队做系统优化，原来那种单拼GPU数量的思路，早就被淘汰了。
再就是创新药，刚才我那个老友也说了，现在整个行业都在从单靶点研发转向系统生物学，就是用系统科学方法梳理整个信号通路的网络，找对多靶点的组合，原来筛一个候选药要三四年，成功率不到10%，现在用系统建模，能把成功率提到20%以上，时间还能省三分之一。国内Top级的创新药公司，基本都建了专门的系统生物学实验室，这就是未来的方向。
还有碳中和，这事更是典型的复杂系统问题。你不能说直接把所有高耗能企业都关了，那就业怎么办？能源供应怎么办？老百姓用电用气涨价谁受得了？得用系统科学方法算全产业链的碳排放，调结构，优布局，一步一步转，不能一刀切。
中科院系统所去年发的成果，用多层级系统模拟做全国碳排放的预测，比原来单个部门的模型准确率高了30%多，给政策制定提供的参考价值大太多了。
其实不光是行业，我们个人规划人生也能用。你想转行，不能觉得我裸辞在家学半年就能转成功，你得把你的积蓄、时间、人脉、现有工作的经验都当成系统里的节点，先找核心杠杆点，比如说先利用业余时间接点相关的小活，攒点项目经验，试试水，确认能吃这碗饭再动，这不比直接裸辞裸冲压对多了？
系统科学方法从来不是高高在上的学术概念，它就是换一种看世界的方式。原来你看问题是一个个孤立的点，现在你看问题是一张相互连接的网。想明白这点，你就能少踩很多坑，多成不少事。
别再拿线性思维硬杠复杂问题
我们从小到大接受的训练，基本都是分解还原法。物理拆到原子，化学拆到分子，生物拆到细胞，好像把每个小零件搞懂了，整个东西自然就懂了。 这套方法解决简单问题确实好用。造个轮子，盖个平房，都没问题。可放到现在的大部分问题里，真的坑死不少人。 就说城市治堵，几十年的老思路就是路不够宽，拓宽就完了。结果呢？宽了两百米的马路，没过半年照样堵得水泄不通。因为你路宽了，开车的人就多了，更多的人涌进来，最后还是堵。这就是典型的线性思维解决系统问题，越解决问题越大。 去年国内有团队用系统科学方法做上海城区的交通仿真优化，没改一条路，只是调整了几十个路口的红绿灯配时和转弯比例，整体通行效率直接提了18%。这就是找对方法的威力。城市交通系统优化仿真示意图
很多创业公司做增长也是这个毛病，以为砸钱买流量，流量起来了业务就成了。结果流量进来，供应链接不住，客服扛不住，产品体验差到爆炸，用户留不住，最后钱烧完了，公司也没了。
说白了，你面对的根本不是一个“流量够不够”的单点问题，是一整个生态系统。少了任何一块，哪怕流量这块做的再大，整个系统还是会崩。
系统科学方法的三个核心，看完就能用
很多人觉得系统科学是高校里的玄学，普通人碰不了。其实根本不是，它的核心逻辑非常简单，三个操作，哪怕你不是搞学术的，日常解决问题就能用。 第一个，找核心杠杆点。系统里不是所有节点都一样重要，总有那么一两个点，你轻轻动一下，整个系统就会发生巨大的正向变化。 当年淘宝刚做起来的时候，买家不敢付钱，卖家不敢发货，两边都僵着，怎么拉用户拉商家都没用。阿里团队搞出个支付宝，先把钱放平台，买家确认收货再打给卖家，一下子解决了信任问题，整个电商生态直接就跑起来了。这个信任，就是当年淘宝的核心杠杆点。 第二个，画反馈循环图。系统的运行靠的就是反馈，正反馈让你增长，负反馈让你稳定。搞清楚哪部分是正反馈，哪部分是负反馈，你就知道问题出在哪了。 现在做新能源汽车的头部玩家，为什么越做越大，小玩家根本挤不进去？就是人家跑通了正反馈：好产品攒了好口碑，好口碑带了高销量，高销量摊低了研发和制造成本，能投更多钱做更好的产品，反过来又有更好的口碑，越滚越大。 而那些死了的新势力，要么没跑通正反馈，要么没有负反馈扛风险，原材料一涨价，资金链就断了。系统科学正负反馈循环示意图
第三个，留冗余缓冲空间。很多人做项目追求极致效率，恨不得把每一分钟每一分钱都用上，一点缓冲都不留。可系统只要跑起来，就一定会有意外，一点冗余都没有，一个小波动就能直接让整个系统崩盘。
前年供应链危机的时候，我认识一个做出口家具的老板，原来学互联网那套零库存管理，原材料一点都不多存，结果海运堵了，原料进不来，工厂直接停了三个月，差点倒闭。反而对面那家工厂，一直留着15%的原料安全库存，虽然每个月多花点仓储钱，硬是扛过去了，还接了不少倒闭工厂转出来的订单，那一年利润反而涨了。
说实话，我自己做内容写作，原来也追求日更，把每天的时间排得满满当当，一点存量都没有，结果上次发烧烧到爬不起来，直接断更三天，掉了好几百活跃粉丝，心疼了好久。现在我永远保持两三篇存量稿子，稳得很。
不过话说回来，留冗余不是浪费，是给系统留抗风险的余地，对吧？
当下哪个行业最吃系统科学方法的红利
当下哪个行业最吃系统科学方法的红利
现在最火的AI大模型，很多人觉得就是拼参数堆钱，不对。OpenAI能跑出来，根本不是单纯堆参数，是整个系统工程的胜利。从预训练数据的清洗筛选，到训练框架的动态优化，再到后来和人类偏好对齐的RLHF，整个链路是一个完整的大系统，哪一环出问题，你参数堆得再大也没用。
国内现在做大模型的第一梯队，都专门有团队做系统优化，原来那种单拼GPU数量的思路，早就被淘汰了。
再就是创新药，刚才我那个老友也说了，现在整个行业都在从单靶点研发转向系统生物学，就是用系统科学方法梳理整个信号通路的网络，找对多靶点的组合，原来筛一个候选药要三四年，成功率不到10%，现在用系统建模，能把成功率提到20%以上，时间还能省三分之一。国内Top级的创新药公司，基本都建了专门的系统生物学实验室，这就是未来的方向。
还有碳中和，这事更是典型的复杂系统问题。你不能说直接把所有高耗能企业都关了，那就业怎么办？能源供应怎么办？老百姓用电用气涨价谁受得了？得用系统科学方法算全产业链的碳排放，调结构，优布局，一步一步转，不能一刀切。
中科院系统所去年发的成果，用多层级系统模拟做全国碳排放的预测，比原来单个部门的模型准确率高了30%多，给政策制定提供的参考价值大太多了。
其实不光是行业，我们个人规划人生也能用。你想转行，不能觉得我裸辞在家学半年就能转成功，你得把你的积蓄、时间、人脉、现有工作的经验都当成系统里的节点，先找核心杠杆点，比如说先利用业余时间接点相关的小活，攒点项目经验，试试水，确认能吃这碗饭再动，这不比直接裸辞裸冲压对多了？
系统科学方法从来不是高高在上的学术概念，它就是换一种看世界的方式。原来你看问题是一个个孤立的点，现在你看问题是一张相互连接的网。想明白这点，你就能少踩很多坑，多成不少事。