进化优于完美
在我们的思想中，完美是一种执念。比如，每次我邀请一个同事分享时，他的第一反应是：「我先理解更深一点，再分享」。大多数推辞的人，总是在脑海中有一个「更加完美」的状态，因为当下不够好，所以不愿意多讲。
英文里说「Still water runs deep」，翻译过来叫：静水流深。初中的语文老师有一个口头禅，用来敲打那些（包括我在内）比较容易自满的学生：「一瓶子不满，半瓶子晃荡」。
各种武侠小说中也推崇一种世外高人的境界，讲很多大侠，隐居世外，潜心修炼，最后通过闭关，实现了武艺的突飞猛进。
但以上所有的观点，都在推崇「追求单点极致完美」，站在网络型的社会和组织中，这种观点越来越不合时宜。
最近公司一个跨团队项目碰到困难，于是大家打算「暂停一下」，一起敞开心扉讨论一下。通过会前的提问和会上开头的分享环节，大家充分打开了自己，看到了彼此内心的世界，也看到了不同的角度。
通过分享、投票和讨论，大家的问题集中到一点：某个领域的问题难倒了大家，所有涉及的团队都觉得自己已经尽了全力，但是整体效果却不够好。而且往往是继续推进单点优化，就会影响到另外一点的状态。真是令人神伤啊！
正在困难之时，李想到了。他引导大家梳理问题，把问题分解到更加具体的领域，每一类问题确定一个owner，owner再公开指定需要支持自己完成任务的人，大家组成跨部门的精英战队，后续协同跟进。
在讨论时，李想特别强调了一个观点，在网络中，不要过于追求单点最优。网络中，所追求的是整体不断优化进步，而非单点最优。单点最优是工业革命时代的产物，属于线性思维。而整体不断优化进步，是数字时代的思维。
数字时代的典型例子有iPhone，每一代iPhone在推出之时，都有上千个Bug。Apple并不是等到所有的Bug都解决之后才推出iPhone，而是在合适的时间推出，然后利用使用数据，做快速迭代优化，Bug数会在新品推出之后快速收敛。所以，每一年iPhone新机上市的头几个月，总是欠稳定，但是基本功能没问题，而且因为可以通过OTA解决问题，所以用户抱怨不多。
我想到类似的例子有Tesla的自动驾驶系统Autopilot，这是一个非常典型的不断迭代优化的系统。而且这种系统，用「闭关修炼，追求单点最优」的思路根本走不通。昨天，Tesla宣布，全球Tesla使用Autopilot的里程已经超过10亿英里，这是一个了不起的数字，其中也有我的上万公里贡献。
我在去年3月购入Tesla之后，系统处于不可用的状态，后续经过了半年左右的持续升级，到10月开始我去杭州长途自驾时，就很好用了。等今年春节时我独自驾车3000公里回家时，Autopilot更是成为我最可信赖的伙伴。
升级最新的V9系统之后，如果你观察Tesla的仪表盘，会发现他的摄像头识别物体并不是很准确，尤其是每次停车等红灯的时候，周边的每辆车都在「抖动」，我戏称为「滑板车，摩擦摩擦」，甚至还有一些车，分明在你旁边静止不动，但是在仪表盘上却时隐时现，我称之为「Ghost」（鬼影车）。
按照单点优化的思路，这样的视觉识别能力，非常不可靠，怎么可能用来做自动驾驶？但是Tesla恰恰这样做了，而且体验很不错，大部分时候，它的状态都像一个成熟但谨慎的人类驾驶员。而且根据Tesla官方的10亿公里数据统计，其事故概率远低于人类手动驾驶。
所以，我们负责自动驾驶的同事评价，Tesla用了很一般的硬件（比如，没有用任何昂贵但脆弱的激光雷达），而且单点算法也不是最优（比如视觉识别算法），但是却组合成世界上最先进的自动驾驶辅助系统。其先进性甩了传统主机厂两条街，而且，随着Tesla自动驾驶里程数据的积累，这种差距还在越拉越大。这种基于海量数据的进化速度，实在太可怕了！
与Telsa相反的是Google的自动驾驶公司Waymo，他是典型的单点优化思路，比如Waymo拥有世界上最好的激光雷达，也拥有几乎最好的自定位系统，这都是自研的。但是Waymo目前只能跑在人烟稀少的凤凰城街区，并且无法无缝的向其他城市推广。整个公司十几年来积累的数据，只有数百万英里。
而且最近这条自动驾驶路线碰到一个难题：按照当下的进度，如果要变成L5全自动驾驶，还要有数十年。在一日千里的科技发展史上，数十年相当于「永远无法实现」。但是Tesla却不同，每次看起来不靠谱，但是他有一个逻辑，即只要当下的算法下，Autopilot状态的安全性数据超过人类驾驶员，这个算法就可以通过OTA推给更多的车辆。所以Autopilot像一个蜂群一样，在不断的快速演进。在这种演进速度下，其算法的驾驶安全性正在更多的场景和路段超越人类驾驶员，而其进化的速度，会呈指数形式。按照这条曲线，完全自动驾驶是一个可达的路线，而且实现成本并不高。
对于Tesla而言，Autopilot可以不完美，人类可以不断接管，也会有事故发生，但是任何一次接管和任何一次事故，都会让Tesla算法进化更快。注意一点，Tesla并非以人类驾驶员的不安全为代价去换得技术进步，任何一次Tesla Autopilot算法的推送之前，都已经经过灰度验证，证明其适用条件（比如合适的道路+驾驶员保持对路面的关注，并随时准备接管）下，要比人类驾驶员自己驾驶更加安全。
但是对于Waymo的路线，每一次接管，都是在告诉Waymo的决策者，这个技术还无法大规模普及。为了更少的接管，Waymo选择场景更简单，车辆更少的城市，但这会让其大规模商用的时间更加拖后，整个技术演进和商业路线从根本上有问题。
所以，Tesla无论是硬件、算法都不是追求完美，但却取得了更快的进化速度，Waymo在单点追求最优和极致，却在整体进展上蹒跚缓行，而且无法快速收集到足够多的数据快速进化。这是网络思维面对线性思维碾压式的胜利。
从Tesla与Waymo的对比中我们可以有如下启发：
网络优于线性
有效优于极致
进化优于完美
Tesla全面的思考自动驾驶技术、产品和商业问题，是一种典型的、立体的、网络型思考。
Tesla追求有效性（比如安全性超过人类驾驶员，就推送此次OTA给所有车辆），但不追求这次更新的极致。
Tesla追求进化速度，它不断卖出更多的车，每辆车使用Autopilot里程越来越多，新车型中计算硬件也在不断升级，这些都加速了Tesla Autopilot的进化速度。它通过进化来克服硬件、算法的单点不完美。
回到困扰我们的这个技术问题也是如此，站在纯技术的角度，这是不可能完美解决的问题。站在单点的角度，任何单点的优化又会影响另外一点或几点的性能。如何是好？
我们上升一个维度，站在产品整体体验的角度，站在商业的角度，却发现霍然开朗。用户所需要的，不是一个完美无瑕的产品，这样的产品，其实也不存在，如果存在，要么昂贵无比，要么简单到可爱。用户所需要的，是一个优点他们喜欢，缺点可以接受的产品。我们要在优点上，做极致优化，而在缺点上，尽力做好，但适可而止。
我经常给人讲一个例子，我的Tesla Model X在长途自驾中，高速上的行驶速度一般都保持在105公里时速以下，这样才能开出「典型里程」。如果距离充电桩距离比较远，我甚至要保持在90公里时速。请问，有哪个Tesla车主因此喋喋不休的抱怨Tesla。反倒是，我上了高速就开启Autopilot，进入巡航状态。这种惬意，岂是哪些窜来窜去的驾驶员能体会？
其实归结为一点，无论是做自己，找男女朋友，做产品，我们都要首先明白：我们自己究竟想要什么，可以放弃什么。我们的「用户」最喜欢什么，可以接受什么。当然，有一点是共识，也是底线，无论你是谁，你找什么样的人，做什么样的产品，我们都必须保持学习，保持进化。人如此，产品也是如此。
把自己变成一张网，联入更大的网络。把产品想象成一张网，追求整体不断优化，而非单点最优，追求有效性，而非完美。
这样生活与工作，要惬意很多。
PS：辉友们可知「知识星球」的独特价值？这里推崇大家分享真实的自己，大家需要的就是快速进化，而非追求片刻的完美。这里没有谁苛责你，更多的是激励和互相打气。用辉友的话说：「用一支口红的钱换一年的正能量和优秀的朋友，真的不能更划算了。」
参考文章：讲演：如何通过记录生活感想，获得自由？
前一篇文章：超级个体
365天，每天坚持写作之335/365，爱上你的每一天！
发掘你的10倍成长潜力，与3000位一见如故的「辉友」同行，来辉哥的知识星球。如果你今天加入了，请在今天微信评论区告诉我你加入的原因，你对知识星球的期待，你自己希望通过加入知识星球实现的愿望。这些反馈会帮助我更好的理解你，帮助你。
即刻加入，请点击阅读原文。