自從進入IT革命以來，商業創新越來越快，商業周期越來越短。在這樣一個全新的時代，企業界普遍感到傳統的商學知識、管理工具逐漸變得捉襟見肘。近10年以來，生物學與進化論的思想逐漸被引入企業管理，也從硅谷逐步傳入中國。普遍認為與進化論相對應的思想，是牛頓力學時代以來機械論的思想。究竟進化論與機械論意味著什么？它們對企業創新與商業思想有什么指導意義？讓我們對這個主題剖析透徹。
自從進入IT革命以來，商業創新越來越快，商業周期越來越短。在這樣一個全新的時代，企業界普遍感到傳統的商學知識、管理工具逐漸變得捉襟見肘。近10年以來，生物學與進化論的思想逐漸被引入企業管理，也從硅谷逐步傳入中國。普遍認為與進化論相對應的思想，是牛頓力學時代以來機械論的思想。究竟進化論與機械論意味著什么？它們對企業創新與商業思想有什么指導意義？讓我們對這個主題剖析透徹。
一、機械論的核心思想
機械論的中心思想，就是找到嚴格的因果規律。找到規律后，如果出現符合這個因的情況，那么就確定無疑地得出果。例如牛頓的三大力學定律，在日常環境中是確定無疑有效的。正是這種科學的思想，推動著人類社會從17世紀到18世紀末進入了啟蒙時代，從此人類社會發展步入快車道。
總結機械論的思想，它代表著這樣的科學方法：
1.科學家根據現象提出假說；
2.對假說進行各種科學實驗，證明或證偽它；
3.經受住嚴格的方法經驗的假說，被總結成為規律和理論；
4.這些規律大規模應用于社會各個層面，特別是用于指導進一步的科學研究和實際應用。
科學革命以來，大部分的科技成果都是遵循這樣的科學方法論。正是因為我們“發明了發明的方法”，才讓近現代的科學得以快速進步。
二、進化論的核心思想
達爾文提出進化論是巨大的貢獻，揭示了生物進化的本質規律，而這是一套與機械論所代表的科學觀截然不同的獨特邏輯。
這套邏輯（以及后來這個體系內發展的知識），可以總結如下：
1.生物的繁衍與進化，主要是受基因層面主導（基因知識在達爾文之后才得以發展，但支持了進化論）；
2.生物物種每一代都有變異，主要體現在兩方面：一是后代的基因（一般情況下）是由雙親基因結合而成；二是每一代的基因都比上一代略有變化，從而形成生物特點的細微差別；
3. 產生變異后的每一代生物物種，都要接受自然環境的考驗。最適合環境的物種得以發展壯大，而不適合生存的物種慢慢被淘汰。這樣，能夠不斷生存繁衍的物種，都是能夠適合環境的物種。
例如，根據《人類簡史》，大約7萬年前有很多類的人種同時存在。由于基因突變，當時其中一類人種產生了抽象思考和語言能力，從而使得他們具有了組織資源和協調行動等能力，在地球上生存繁衍能力遠勝于其他人種。他們被稱為智人。到了大約一萬年前，其他人種都已經滅絕殆盡，只剩下智人逐漸進化為現代人類。
三、進化論與機械論的核心區別
通過對比進化論與機械論分別的核心思想，我們可以歸納兩者之間的核心區別。
核心目標方面：
機械論追求建立普適性的、絕對的因果關系，以應用于萬事萬物。
進化論對因果關系不做任何預先假設，盡量開放所有的可能性。
這里我總結為：從“絕對因果律”到“無窮開放性”
檢驗方法方面：
機械論強調嚴謹的實驗方法與嚴格的邏輯論證，通過測試的才納入科學知識體系。
進化論弱化人工干預，將最后選擇何種模式的權利，完全交給自然與環境。
這里我總結為：從“邏輯法”到“反饋法”
結果應用方面：
機械論相信規律的普世價值，力求在所有的空間和時間應用規律。
進化論不著眼長遠，重點關注每一代的迭代，對于規律的形成增加了時間維度。
這里我總結為：從“靜態思維”到“動態思維”
如果充分運用“奧卡姆剃刀法則”，我們可以進一步挖掘兩者最關鍵的不同，其實在于：進化論本質上是一種大規模試錯法（機械論可以說是一種演繹法）。
知道這兩者的核心區別后，下一個問題很自然就是：什么時候適用哪個方法論？
要回答這個問題，讓我們先看看為什么之前一直不太適用。
四、為什么過去進化論方法不太流行
其實答案就是兩個關鍵詞：不需要、沒辦法。讓我們分別看看：
1.不需要
在信息時代開啟以前，過去數百年來，世界經濟的本質還是工業經濟。工業經濟的代表性行業，主要是工業、服務業、房地產、金融等。這些行業的科學基礎，是經典的科學范式，包括傳統物理、化學、社會學等。一方面，這些學科的本身具有知識體系穩定、不易變化的特點；另一方面，這些行業的商業模式與生俱來就是要追求效率和穩定。
例如，上世紀下半頁，精益生產思想大行其道，豐田提出準時制生產方式（Just In Time，JIT）被廣泛學習，工業界普遍在追求無庫存生產方式以降低成本的同時，還要求保證產品質量。
這樣的產業邏輯，與機械論背后追求恒定不變的思想特點，是高度吻合的。
2. 沒條件
之所以說沒條件，是因為進化論方法論的核心——試錯法，在樣本小的情況下是不可靠的；而要大樣本、大規模的話，往往代價大得難以承受。
比如：我們要開發一種新藥，如果采用大規模試錯法，那大概的邏輯就是對現有的藥的配方作出千變萬化，然后就每一個變化去試驗試錯。如果只是讓少數幾個人試用的話，即使療效很好，這樣也遠遠不能說明新藥有效。而要做大樣本試驗的話，即使不考慮安全問題，也是不可能的。因為需要試驗的藥的配方太多太多，而每一個配方需要的試驗對象又是超大數量。這里每一個數量要求都是動輒十萬、百萬量級以上，想想便知，這條路是走不通的。
因此，由于“不需要”和“沒條件”，進化論思想在過去的企業界難覓蹤影。
五、進化論方法可能會越來越流行
過去的困難，就是未來的鑰匙。如果我們反過來看，亦正是這些短板在新的時代得以被克服，也就推動了新科技以及進化論思想的發展。
新時代下，關鍵詞是有必要、有條件。
1.有必要
自20世紀末，信息經濟開始引領風騷。信息經濟的代表性行業，主要是計算機、芯片、互聯網、電信、通信設備、大數據、云計算、AI人工智能等。這些行業的科學基礎，是新興的科學范式，包括通信科學、電子工程、網絡科學、混沌科學、復雜性科學、三論（信息論、控制論、系統論）等。一方面，與經典的物理化學相比，這些學科的共性是復雜和變化快。例如，芯片性能基本按照摩爾定律的預測高速發展，相關行業很少有恒久不變的知識基礎。
另一方面，科學基礎導致這些行業的商業模式，核心追求是強調適應和變化。
以中國互聯網為例，商業模式一直快速演變，從最早的門戶網站，到聊天工具、PC端的網絡游戲、電子商務、直播、互聯網金融、O2O、移動端游戲、共享經濟、智能推薦內容、短視頻……等等，讓人眼花繚亂、目不暇給。
在這樣的技術與商業背景下，以試錯法為核心的進化論思想就有了發揚光大的必要。
2. 有條件
技術條件大幅度成熟，使得低成本獲得大樣本數據成為可能，從而克服了此前試錯法的應用不具備前提條件的瓶頸。
具體來說，主要是：
1.隨著移動互聯網的普及以及存儲技術成熟，全社會信息量與數據量大增。有數據表明，過去三年，人類產生的數據量，相當于人類社會最早期直到三年以前的數據總和。
2.隨著摩爾定律不斷發揮作用，芯片的性能不斷以指數級增長，使得計算機處理海量數據、海量信息的能力快速提高，從而使得快速分析海量的樣本數據可以實現。
例如，按照過往非常有限的數據量與計算能力，計算機很難做到識別全國每一個人的臉部特征，所以人臉識別技術一直很難推進。直至近年，由于移動互聯網的發達，人臉數據的采集變得非常容易，這是樣本數量的進步；計算機性能大幅提高，開展實時識別每一幅圖片，以及與數據庫的人臉數據進行比對等工作，速度可以非常快，這是計算能力的進步。目前人臉識別技術在安防領域的應用已越來越廣泛。
此外，在資本層面，風險投資體系的引入和逐步成熟，也進一步提高了新興產業試錯的空間。
因此，在必要性、試錯空間各方面條件都成熟的情況下，以試錯法為核心的進化論思想開始引入商界，也就水到渠成了。
六、預判思想的演變
根據當前科技與商業的發展趨勢，我預判試錯法應用的基礎將越來越牢固。云計算，5G，IoT，大數據、集成電路半導體等“硬核”技術還將不斷發展和成熟，這將繼續推動數據量以及計算能力兩者以指數級增長。有了這樣的技術基礎，試錯法將逐步占據商業思想非常核心的位置。
例如，遺傳算法是在程序領域采用了進化論試錯法的一種邏輯，它是機器學習與人工智能技術的核心之一。
遺傳算法的邏輯與進化論的基本邏輯如出一轍：
1.算法主要是程序主導。通常而言，第一代的原始程序是隨機生成的，而不對如何完成特定任務作出事前的假設（因此第一代程序完成任務的表現會很糟糕）。并且生成數量非常多的原始程序，就好像生物通常會確保每一代后代數量足夠多一樣。
2.不斷生成下一代程序，生成規則是：每一代的程序要進行代際變異，變異方法與生物從雙親遺傳類似，在上一代表現好的程序中，隨機或按一定規則拼接而成下一代程序。
3. 產生變異后的每一代新程序，繼續接受任務挑戰。表現最好的程序繼續按上述規則“繁衍”下一代，而不適合任務完成的程序則逐代被淘汰。
這樣，每一代的程序都表現越來越好，直至逼近完成任務的理論最好表現。
在過去，受計算能力與數據量的制約，遺傳算法的普及較慢。但隨著云計算、AI芯片等信息技術基礎設施的完善和提速，完全可以預見遺傳算法將推動人工智能和相關產業快速增長。身處相關領域，掌握進化論思想將是必要條件。
七、核心啟示
通過梳理以上兩種思想的本質以及發展脈絡，我們可以得出如下推論：
1.科技進步推動著商業變革。在技術快速進步的同時，商業模式也同步跟隨、快速迭代。
2. 機械論與進化論兩種思想從科學發展而來。而應用哪種思想，主要取決于技術和產業發展的階段與特點。
3. 進化論的本質是大規模試錯法思想。這種思想的實現，必須要有前提條件與試錯空間。
4. 科技仍在不斷高速發展，技術變化、產業變化、商業變化也將同步。在這樣的大背景下，進化論思想的應用將是大勢所趨，其在管理界、企業界的戰略價值將進一步凸顯。
