费米估算 x 费曼技巧：超级思考者的两大思维工具

人类思维有一个致命的弱点：

我们善于用术语和模糊概念来假装理解。

说“量子纠缠”、“地缘政治”或“大语言模型”是容易的。使用这些词汇能让我们在对话中显得游刃有余。但这种“理解”往往是压缩的、跳跃的，甚至是一种幻觉(hallucination)。

我们用 词语的魔咒（The Curse of Words） 在自己和现实之间建立了一层迷雾。我们谈论“市场规模”，却不知道如何估算；我们把GPT、把transformer的“注意力机制”挂在嘴边，却无法给另一个人讲清它的原理。

我们最常犯的错误，不是我们不知道，而是因为我们误以为自己“知道”。这种“以为自己知道”的状态，就是认知模糊。它比彻底的无知更危险，因为它阻碍了我们进一步探索的欲望。

我们该如何戳破这种幻觉？如何对抗这种与生俱来的智力惰性？

答案藏在两种看似截然不同，实则哲学相通的 思维工具（mind tools） 中：费米估算法（Fermi Estimation） 和费曼技巧（Feynman Technique）。

这两种工具提供了一个完美的“组合拳”：

• 费米估算的本质是一种建构式推理（Constructive Reasoning），是“对外”的，它教我们面对外部世界的庞大未知时，如何从零碎的常识中“建构”出一个可用的答案。
• 费曼技巧的本质是一种建构式理解（Constructive understanding），是“对内”的，它教我们面对内部心智的知识幻觉时，如何将压缩的理解“解构”并检验其每一环的有效性。

而它们有着共同的哲学内核——“把我们不知道的东西晒到阳光下。”

费米估算

一种建构主义的推理方法

“芝加哥有多少钢琴调音师？”

这个经典问题是费米估算法的缩影。面对一个看似无法直接回答的庞大问题，我们本能的反应是“我不知道”或“很多吧”。

但恩里科·费米（Enrico Fermi）的方法是拒绝这种模糊。他选择“分而治之”，将这个无法下口的“大问题”拆解成一连串相对“易于估计”的小问题：

• 芝加哥有多少人口？（假设 300 万）
• 平均每个家庭有多少人？（假设 3 人）
• 有多少比例的家庭拥有钢琴？（假设 1/10）
• 一架钢琴多久需要调音一次？（假设 1 年 1 次）
• 一个调音师一天能调几架钢琴？（假设 4 架）
• 一个调音师一年工作多少天？（假设 250 天）

通过将这些“假设”相乘（(300万 / 3) * (1/10) * 1 = 10万架钢琴）和相除（10万架次 / (4架/天 * 250天/年) = 100人），我们得到了一个“100”的答案。

这个答案精确吗？不重要。重要的是，我们得到了一个 “数量级” 上的近似值。费米估算的核心能力，不是拥有渊博的知识，而是：

• 结构化拆解（Structural Deconstruction）： 识别出影响最终结果的关键变量。这是将“一团糟”的问题转化为“公式”的能力。
• 数量级估算（Order-of-Magnitude Estimation）： 对每个变量给出一个“有根据的猜测”。这种猜测不是凭空想象，而是基于常识（“一个家庭不可能是20人，也不可能是1人，3人是合理的”）。

费米估算最大的价值，不是那个最终的数字。而是那个推导出数字的“公式”和“假设清单”。

当我们写下“假设芝加哥有300万人”时，我们就把第一个“不知道”晒在了阳光下。我们明确地承认：我们的答案建立在这个假设之上。

费米估算强迫我们量化我们的无知。 它不允许你说“很多”、“大概”、“差不多”。它强迫你给出一个数字，哪怕是粗糙的。

通过这种方式，费米估算让我们清晰地看到了“问题空间中未知的边界”。我们瞬间明白了，如果我们想让答案更准确，我们应该去核查哪几个假设（比如，去查查芝加哥到底多少人？拥有钢琴的比例到底是 1/10 还是 1/100？）。

它把一个模糊的、令人焦虑的未知，转化成了一个清晰的、可行动的“验证清单”。

费曼技巧

一种建构主义的理解方法

如果说费米估算是“建构”一个外部模型，那么费曼技巧就是“建构”我们的内部理解。

“你能解释到8岁小孩都听懂吗？”

我对费曼技巧的定义（目前中文互联网都在沿用我的定义，却没有credit）相当严苛：

用自己的话，用简单的话把自己的理解说出来，不用行话术语，打比方，举例子，说到8岁小孩、80岁老太太都能懂的程度

如果你做不到，那你就没有真正理解它。费曼技巧的关键，就是通过“转述”和“简化”来进行压力测试，以暴露自身理解的盲点。费曼技巧的核心能力，不是记忆力，而是：

• 因果链条还原（Causal Chain Reduction）： 它不允许你跳过任何一步推导。当你解释一个事物时，你必须把“A导致B，B导致C”的完整链条，用自己的话复述出来；
• 概念本质抽取（Conceptual Essence Extraction）： 它强迫你剥离所有“术语”的外壳，只使用最底层的常识、比喻和例子来触及概念的核心。

费曼技巧戳破的是 “知识的幻觉”（Illusion of Understanding）。当我们试图向一个孩子解释“什么是Transformer”时，我们很快就会卡住。我们可能会说：“它是一种神经网络架构……” “什么是神经网络？” “它就像人脑一样……” “人脑是怎么工作的？”

我们很快就会发现，我们只是“记住”了一堆术语的“标签”，却对标签背后的因果机制一无所知。费曼技巧强迫我们暴露我们的“卡壳之处”。它不允许你说“根据XX理论”、“显然”、“众所周知”。它强迫你用自己的话，讲出那个“为什么”。

这个“卡壳”的地方，就是我们“晒到阳光下”的无知。费曼技巧让我们清晰地看到了“知识结构中理解的盲点”。我们瞬间明白了，我们下一步应该回到哪一本书、哪一篇论文，去补上那个缺失的环节。它把一个“我以为我懂了”的模糊自信，转化成了一个“原来我这里没搞懂”的清晰“待办事项”。

费米 & 费曼

将费米估算和费曼技巧并列对比，我们才能看到它们真正深刻的联系。它们不是孤立的工具，而是一套互补的认知系统。

“词语的魔咒”

费米估算和费曼技巧，两者都在对抗同一个敌人：用术语和模糊概念来假装理解。

费米估算是“数字”上的反击。它用“100个”来代替“很多”，用“1/10”来代替“一部分”。它用量化来驱散定性的迷雾。

费曼技巧是“逻辑”上的反击。它用“因为……所以……”来代替“根据XX理论”，用“打个比方……”来代替“它就是这样”。它用清晰的因果链来驱散术语的迷雾。

两者都在逼你把压缩的、跳跃的思维，展开成一个完整的、可检验的推理链条。 这种展开本身，就是最高效的反思。

对外，在不确定中行动

费米估算教你如何在不确定中行动。

在现实世界中，我们永远无法掌握全部信息。如果必须等到所有数据都完美无缺才做决策，我们将永远无法行动。费米估算是一种“认知勇气”的训练，它告诉你：没关系，你可以从常识和猜测开始。

它让你建立一个“V1.0版本”的模型，这个模型虽然粗糙，但它能跑起来。它给了你一个行动的起点。它让你“不怕无知”，因为你知道无知只是暂时的，并且你知道该如何系统地减少它。

对内，在自信中自省

费曼技巧教你如何在自信中自省。

在学习过程中，我们最大的敌人是“虚假的自信”。当我们读完一本书或一门课，我们很容易感觉良好。费曼技巧是一种“认知谦逊”的训练，它告诉你：别信你自己的感觉，测一下。

它给了你一个“诊断工具”，不断地对你的知识大厦进行“压力测试”。它让你“不信自己”，你开始本能地怀疑那些你“脱口而出”的术语，并反思背后是否有坚实的理解在支撑。

学习的闭环，认知的飞轮

这两种工具一旦结合，就会形成一个强大的认知飞轮，从费米到费曼再到费米：

• （费米）启动： 你遇到一个新领域（比如“AIGC创业”），你首先用费米估算来框定问题：“这个市场的潜在规模有多大？”、“服务10万用户需要多少算力成本？”你建立了一个粗糙的商业模型，并列出了10个核心假设。
• （费曼）深入： 你发现你的模型对“算力成本”这个假设最没把握。你开始深入学习，但你发现自己被“FLOPS”、“Token”等概念困住了。你启动费曼技巧，试着给合伙人解释“为什么A模型的推理成本是B模型的2倍”，你发现自己卡住了。
• （费曼）修正： 你回去重读了技术文档，终于搞懂了计算原理。你现在能用大白话讲清楚了。
• （费米）迭代： 带着这个“经过费曼技巧检验过”的深刻理解，你回到第一步的费米估算模型。你替换掉了原来那个粗糙的“算力成本”假设，换上了一个更坚实、更精确的推导。

这就是一个严谨思考者的闭环：用费米估算搭起脚手架，用费曼技巧加固每一块砖，最终建成一座坚实的认知大厦。

不思考的时代

为什么这两个工具在当下尤其重要？

因为我们正处在一个信息爆炸和思维跳跃的时代：我们每天消费海量的内容，但绝大多数理解都停留在“看过”和“知道这个词”的浅层；我们习惯了快速的结论和即时的反馈，我们失去了展开严谨推理的耐心和能力。

费米估算和费曼技巧，本质上都是 “慢思考”的工具。它们强迫你放慢速度，它们逼迫你展开每一步，它们不允许你的思维中存在任何模糊和跳跃的“黑匣子”。

刻意练习深度思考

这种思维清晰度不是与生俱来的。它是刻意练习的结果。

刻意练习费米估算：每天在生活中找一个问题。

• “楼下这家咖啡店一天能赚多少钱？”
• “北京一天会产生多少生活垃圾？”
• “把全中国的快递盒连起来能绕地球几圈？”

练习的目的不是猜对，而是练习“拆解”和“量化”的能力。

刻意练习费曼技巧： 每周选一个你自以为“懂”的概念。

• 给你的家人讲讲“什么是Transformer？”
• 给你的朋友解释“什么是贝叶斯概率？”
• 试着写一篇文章，讲清楚“为什么ai时代知识管理不是不重要而是更重要？”

练习的目的不是炫耀，而是找到你“卡壳”的地方，然后回去把它搞懂。

坚持这样的练习几个月，你会发现你思维的“密度”和“精度”发生了质变。你将从原来的 “模糊正确”（依赖直觉和感觉，说对也说不清为什么），进化到 “清晰可检验”（你的每一个结论都建立在清晰的假设和严谨的推导之上）。你知道你的判断建立在哪些假设上；你也清楚你的理解有多深或多脆弱。

费米估算和费曼技巧，这是超级思考者的两个神器级思维工具。

双11活动

明天就是双11了，2025年只剩下最后7周了。如果你想抓住2025的尾巴，开始严肃对待ai学习，那我就要推荐你了解一下啦～

这是我的ai社群首次招募，物美价廉，物超所值👉：howie.serious 的做中学·AI社群 介绍文章

点击“阅读原文”，直达社群。