第一性原理（First Principles Thinking）是一種從最基本的物理、數學或邏輯事實出發，剝離所有假設和慣例，重新推導解決方案的思考方法。亞里斯多德最早提出這個概念，馬斯克（Elon Musk）在 SpaceX 和 Tesla 的實踐中將它發揚光大。但「回到本質」四個字太空泛，CEO 聽完還是不知道明天該怎麼做。本文提出的「直覺校準」（Intuition Calibration）框架，是第一性原理在商業決策場景的操作手冊：五層結構，從回聲到原點，30 分鐘內完成一次完整的假設拆解。
你的下一個重大決策，建立在幾個假設上？
我問過超過 50 位 CEO 這個問題。大多數人的回答是「兩三個吧」。
然後我帶他們做一次拆解。結果通常是：一個看似簡單的決策，底下藏著 15-20 個未經驗證的假設。其中至少有三到五個是錯的，或者已經過期。
決策的品質不取決於你的分析有多精密。它取決於你的假設有多堅實。在爛地基上蓋的精密建築，比在好地基上搭的簡陋帳篷更危險。這就是第一性原理思維的核心價值：它不是教你怎麼分析，是教你怎麼檢查地基。
「直覺校準」（Intuition Calibration）是一套從「大家都這樣做」到「事實到底是什麼」的操作手冊。五個問題，一層層剝掉「理所當然」，直到你碰到不可再拆的原點事實。
馬斯克怎麼用第一性原理：SpaceX 與 Tesla 的成本革命
在拆解操作框架之前，先看兩個第一性原理思維最經典的商業案例。不是為了「崇拜馬斯克」，而是為了理解：第一性原理到底在哪一步改變了決策的方向。
案例一：SpaceX 火箭成本。2002 年馬斯克想發射火箭，市場報價是一次 6,500 萬美元。傳統思路（類比推理）是找供應商殺價、優化流程、爭取量折。馬斯克做的事不一樣。他問：「火箭的原材料，鋁合金、鈦、碳纖維、航空級鎳合金，加起來值多少錢？」答案是報價的 2%。從 6,500 萬降到原材料成本不到 130 萬。
這中間 98% 的差距是什麼？是設計選擇、是歷史慣例、是「火箭不能重複使用」這個從未被質疑的假設。SpaceX 重新設計了回收系統，2024 年 Falcon 9 的發射成本已經降到 2,200 萬美元以下，而且火箭主體可以重複使用超過 20 次。
案例二：Tesla 電池成本。2006 年鋰電池組的市場價格約 600 美元/kWh。同行都在想「怎麼跟供應商談更好的價格」。馬斯克問的問題不一樣：「鋰電池的原材料，鈷、鎳、鋁、碳、鋰鹽加上分離器和電解液，在倫敦金屬交易所的現貨價加起來是多少？」答案是 80-100 美元/kWh。
所以問題從來不是「電池太貴」，而是「電池的製造和組裝流程中有哪些設計約束可以被重新設計」。到 2024 年，Tesla 的電池成本已降到約 139 美元/kWh，正在逼近原材料理論底限。
這兩個案例的核心邏輯完全一樣：先找到原點事實（原材料成本），再從原點往上重建，而不是從現狀往下殺價。這就是第一性原理思維的操作本質。
但馬斯克的案例有一個容易被忽略的前提：他在動手之前，已經完成了一次完整的「假設拆解」。他知道哪些是物理約束（材料化學特性），哪些是設計約束（製造流程、供應鏈結構、回收技術）。這個拆解過程，就是接下來要介紹的「直覺校準」五層結構。
不只是馬斯克：Netflix 和 IKEA 的第一性原理實踐
第一性原理不是矽谷科技業的專利。兩個完全不同領域的案例，證明這套思維在任何行業都能產生結構性的競爭優勢。
Netflix：從「人們怎麼消費內容」重新推導
2007 年，Netflix 的 DVD 郵寄業務正處於高峰。Reed Hastings 面對一個選擇：繼續優化 DVD 物流（類比推理），還是回到原點重新思考。
他問了一個第一性原理的問題：「人們消費影視內容的原點需求是什麼？」
原點事實：人們想要的不是 DVD 光碟，是「在想看的時候立刻看到想看的內容」。DVD 是實現這個需求的一種方式，但它受限於物流速度（設計約束）和物理媒介（設計約束）。串流技術剛好在 2007 年成熟到足以消除這兩個約束。
如果 Hastings 用類比推理，他會學 Blockbuster 開更多門市，或者學亞馬遜優化物流速度。但他選擇從原點重建：直接用網路傳輸內容，跳過所有物理媒介的約束。結果是，Netflix 從 2002 年 IPO 時市值 3 億美元，到 2024 年超過 2,800 億美元，全球訂戶達 2.6 億。而 Blockbuster 在 2010 年破產。
Hastings 在這裡做的事跟馬斯克完全一樣：找到原點需求，區分物理約束和設計約束，然後從原點往上重建。
IKEA：從「人們需要什麼樣的家具」重新推導
IKEA 創辦人 Ingvar Kamprad 在 1950 年代問了一個問題：「家具行業的成本結構裡，什麼是物理約束，什麼是設計約束？」
傳統家具行業的慣例是：工廠組裝好完整家具 → 裝上大卡車 → 運到店面 → 客戶購買 → 再用卡車送到家。每一步都在運輸「空氣」，因為組裝好的家具有大量空間是中空的。
Kamprad 的原點分析：家具的物理約束是材料（木材、金屬、布料）和功能（坐、放、收納）。但「運輸時必須是組裝好的完整形態」不是物理約束，是設計約束。
於是 IKEA 發明了平板包裝（flat-pack），把家具拆解成最小體積的零件，由客戶自行組裝。這個設計約束的重新定義，讓物流成本降低了 60%。同一輛卡車過去運 10 件家具，現在能運 60 件。
數據說明一切：IKEA 2023 年全球營收 478 億歐元，471 家門市遍布 63 個國家。一套 Billy 書櫃全球累計售出超過 1.1 億套，售價從 1978 年至今幾乎沒漲（通膨調整後甚至更便宜）。因為平板包裝讓規模效益真正兌現到價格裡。
Kamprad 的邏輯和馬斯克一模一樣：火箭原材料只佔報價 2%，家具材料成本也只是零售價的一小部分，中間的差距大部分來自可以被重新設計的物流和展示方式。
一、第一性原理的五層操作結構：你的決策地基長什麼樣
想像你的每一個商業決策是一棟建築。你以為它蓋在堅實的地面上，但其實它蓋在五層不同材質的土層上，只有最底層是原點：
第 1 層：回聲，「我們看到什麼」
第 2 層：慣性，「行業怎麼做」
第 3 層：盲點，「我們為什麼這樣做」
第 4 層：邊界，「什麼限制了我們」
第 5 層：原點，「什麼是物理/數學/邏輯上不可推翻的」
大多數 CEO 的決策停在第一層或第二層。少數人到第三層。幾乎沒有人到第五層。
而第一性原理思維的核心操作，就是從第一層鑽到第五層。馬斯克在火箭和電池上做的事，就是穿透了前四層，站在第五層（原材料成本）重新設計解決方案。
二、第一層：回聲，「我們看到什麼？」
核心問題：「具體的可觀察事實是什麼？」
這一層要做的事很簡單：把所有主觀判斷轉化為客觀描述。
錯誤示範：「我們的產品賣不動。」
正確示範：「過去三個月，新客戶轉化率從 8% 下降到 3.5%，復購率維持在 22%。」
為什麼這一步很重要？因為語言會偷渡假設。「賣不動」暗示產品有問題。但數據告訴你的是：新客戶轉化在下降，但老客戶沒走。這可能不是產品問題，是獲客管道問題。
回聲的操作指南：
- 用數字取代形容詞（不說「很多」，說「327 個」）
- 用時間序列取代靜態描述（不說「不好」，說「從 X 下降到 Y，歷時 Z 週」）
- 區分「事實」和「詮釋」（「轉化率下降」是事實，「產品不行」是詮釋）
三、第二層：慣性，「行業怎麼做？」
核心問題：「目前的做法是『行業慣例』還是『我們驗證過的最佳方案』？」
這一層要揭露的是：你的做法有多少是「因為大家都這樣」。
慣例不是壞事。它是前人試錯的結晶，能幫你避免重新發明輪子。問題是，慣例有保鮮期。
一個建立在 2019 年技術條件下的慣例，在 2025 年可能完全過期。但慣例不會自動更新。它會像化石一樣嵌在你的流程裡，直到有人刻意把它挖出來。
這就是「共識代價」的微觀版本。每一個未經質疑的慣例，都是你正在支付的一筆隱性稅。馬斯克質疑「火箭不能重複使用」就是在這一層發生的：這不是物理定律，是行業慣例。
慣性的操作指南：
- 列出你決策中涉及的所有「標準做法」
- 對每一個問：「這個做法最早是什麼時候建立的？當時的條件和現在一樣嗎？」
- 特別標記那些「所有同業都這麼做」的做法，這些是共識代價最重的地方
四、第三層：盲點，「我們為什麼這樣做？」
核心問題：「支撐這個做法的隱含假設是什麼？這些假設被驗證過嗎？」
這一層是大多數 CEO 的認知天花板。因為假設是隱形的，它們像空氣一樣包圍著你，你從來不會想到要質疑空氣的存在。
在商業模式領域，我們有一個類似的工具叫「信念清單」(Belief Inventory)，把你所有的商業假設一一列出來，標記哪些被驗證過、哪些只是你「相信」的。直覺校準的第三層做的是同樣的事，但更精準地針對單一決策的假設。
假設有兩種：
顯性假設，你知道自己在假設。「我假設目標市場規模是 X 億。」這種假設相對安全，因為你知道它需要驗證。
隱性假設，你不知道自己在假設。「當然需要 50 人的團隊才能做這件事。」這種假設最危險，因為它偽裝成事實。
如何挖出隱性假設？有一個簡單的技巧：把你的計畫講給一個完全不懂你行業的聰明人聽。每次他問「為什麼？」的時候，你的回答裡就藏著一個假設。
盲點的操作指南：
- 把決策邏輯寫成一連串的 If-Then 語句
- 每一個 If 就是一個假設。列出來。
- 區分「驗證過的假設」和「繼承來的假設」
- 繼承來的假設全部標紅，它們是最可能出錯的地方
五、第四層：邊界，「什麼限制了我們？」
核心問題：「這個約束是物理約束（不可改變）還是設計約束（可以重新設計）？」
這一層是直覺校準的轉折點，也是第一性原理思維真正產生威力的地方。因為大多數人把「設計約束」當成了「物理約束」。
物理約束：光速、熱力學第二定律、人一天只有 24 小時。這些是真的不能改的。
設計約束：「火箭不能重複使用」「SaaS 必須按月訂閱」「團隊至少需要 50 人」。這些不是物理定律，是前一代人的設計選擇。
回到馬斯克的案例：SpaceX 火箭原材料僅佔報價的 2%，這個數字揭露了一個事實：98% 的成本來自設計約束，不是物理約束。「火箭是一次性的」不是因為物理定律禁止回收，而是因為過去的工程師在當時的技術條件下選擇不做回收。Tesla 電池的邏輯完全一樣：原材料 80-100 美元/kWh vs 市場價 600 美元/kWh，80% 以上的差距都是可以被重新設計的。
AI 時代讓這一層格外重要。因為 AI 正在大規模地把「設計約束」變成「可重新設計的選擇」。
過去的約束：「客服需要大量人力」，這是設計約束，AI 已經改變了。
過去的約束：「軟體開發需要大型團隊」，這是設計約束，AI 輔助開發正在改變。
過去的約束：「高品質內容需要專業寫手」，這是設計約束，AI 加上品味的組合正在改變。
如果你的邊界裡有任何一個約束被 AI 削弱了，你整個決策的地基就需要重建。
這直接連結到「試錯成本歸零」的概念，AI 不只是降低了執行成本，它改變了「什麼是約束」這個基本問題的答案。
邊界的操作指南：
- 列出你決策中所有的「不能」和「必須」
- 對每一個問：「這是物理定律，還是某個人的設計選擇？」
- 物理約束留著，設計約束全部標記為「可重新設計」
- 特別問：「AI 有沒有改變這個約束的基本條件？」
六、第五層：原點，「什麼是不可推翻的？」
核心問題：「剝掉所有假設和慣例之後，剩下的物理/數學/邏輯事實是什麼？」
原點事實有三個特徵：
不依賴其他假設。它自身為真，不需要其他前提來支撐。
不隨環境改變。無論技術怎麼變、市場怎麼變，這個事實都成立。
可以被獨立驗證。任何人用相同的方法都能確認它。
例子：
- 原點事實：「人每天只有 24 小時。」
- 原點事實：「火箭的原材料（鋁合金、鈦等）佔報價的 2%。」這就是馬斯克找到的原點，也是 SpaceX 成本革命的起點。
- 原點事實：「我們的目標客戶在購買前平均會搜尋 4.7 次。」（這是可驗證的數據事實）
- 不是原點事實：「客戶在乎價格。」（這是詮釋，不是事實。客戶在乎的可能是「感知到的價值與價格的比值」。）
當你站在原點上，你看到的世界和站在慣性上完全不同。
站在慣性：「SaaS 應該月訂閱、價格 $29-99、freemium 模式、年約折扣。」
站在原點：「客戶需要持續解決 X 問題，每次解決的邊際成本是 Y，客戶願意為『不用想這件事』支付的最大金額是 Z。」
從原點出發，你可能會發現：月訂閱不是最佳模式。也許使用量計費更合理。也許一次買斷加年度維護更符合客戶的心理帳戶。也許根本不應該收軟體費，而是收「成果費」。
原點不會給你「正確答案」。它給你的是「正確的問題」。
第一性原理 vs 類比推理：什麼時候該用哪個
第一性原理不是萬能的。它的成本很高：需要時間、需要深度思考、需要你願意推翻自己熟悉的框架。在很多情況下，類比推理（看別人怎麼做，複製過來）反而更有效率。
什麼時候用哪一個？判斷標準很簡單：
| 維度 | 第一性原理 | 類比推理 |
|---|---|---|
| 思考起點 | 物理/數學/邏輯事實 | 別人的成功經驗 |
| 假設處理 | 剝離所有假設，從零建構 | 接受既有假設，微調優化 |
| 適用場景 | 規則改變時、現有方案全部失敗時、成本結構不合理時 | 規則穩定時、有成熟範本時、時間緊迫時 |
| 風險 | 耗時長、可能推翻整個計畫 | 被過時的慣例綁架、錯過根本性的改進機會 |
| AI 時代適用性 | 更重要（設計約束正在大規模改變） | 風險增加（過去的範本可能已經過期） |
| 馬斯克的選擇 | 火箭成本、電池成本、隧道挖掘成本 | 公司管理流程、日常營運決策 |
CEO 真正需要的不是「永遠用第一性原理思考」，而是知道什麼時候該從類比切換到第一性原理。三個切換信號：你的行業正在被新技術重塑、你發現成本結構中有超過 50% 是「設計約束」、或者你的直覺告訴你「大家都在做同一件蠢事」。
七、完整案例：用直覺校準拆解一個真實決策
情境：一家 B2B SaaS 公司的 CEO 正在考慮是否擴大銷售團隊（從 10 人擴到 30 人）來達成明年營收翻倍的目標。
第一層：回聲
事實：目前 10 人銷售團隊，年營收 2,000 萬。每人平均貢獻 200 萬。過去 12 個月，新增客戶中 65% 來自銷售團隊直接開發，35% 來自自然流量和口碑。
第二層：慣性
行業慣例：B2B SaaS 的營收增長主要靠銷售團隊擴張。平均每增加一個銷售，12 個月後產出 150-250 萬營收。所以要翻倍（+2,000 萬），大約需要增加 10-15 人。
問：這個慣例是什麼時候建立的？基於什麼條件？
答：建立在「B2B 銷售需要大量人際關係和面對面溝通」的前提上。
第三層：盲點
隱含假設：
- 假設 1：銷售人均產出會維持在 150-200 萬（新人效率和老人差不多）
- 假設 2：市場需求足以消化 30 人銷售團隊的產出
- 假設 3：銷售驅動是增長的最佳路徑（vs. 產品驅動、內容驅動）
- 假設 4：「65% 來自銷售」意味著銷售是核心增長引擎
驗證狀態：假設 1 未驗證（新人的 ramp-up 時間和流失率沒有數據）。假設 3 從未被質疑。假設 4 可能是因果倒置，也許是因為沒有投資其他管道，所以「看起來」銷售是主力。
第四層：邊界
- 「B2B 銷售需要人」，設計約束。AI SDR（Sales Development Representative）正在改變這個遊戲。
- 「產品複雜度需要銷售解說」，可能是設計約束。產品是否可以簡化到自助購買？
- 「企業採購流程需要人對人關係」，部分是物理約束（信任需要人），部分是設計約束（信任建立的管道可以重新設計）。
第五層：原點
- 原點事實 1：目標客戶的核心問題是 [X]，願意為完整解決方案付 [Y] 萬/年。
- 原點事實 2：客戶在決策前平均需要 [N] 次接觸點。
- 原點事實 3：目前 35% 的營收來自非銷售管道，且這部分的獲客成本是銷售管道的 1/5。
原點的啟示：如果 35% 的營收用 1/5 的成本就能獲得，那「擴大銷售團隊」可能不是最高期望值的選擇。更好的策略可能是：用 AI 放大那 35% 的非銷售管道（內容行銷、產品驅動增長、自助試用），同時用 AI 工具讓現有 10 人銷售團隊的人均產出翻倍。
直覺校準的結論：不是「要不要擴大銷售團隊」，而是「增長的最佳槓桿點在哪裡」。問題本身被重新定義了。這就是第一性原理的力量：它改變的不是答案，是問題。
八、第一性原理怎麼用：30 分鐘完成你的第一次實戰
挑一個你正在考慮的決策。不需要是最大的那個，先拿一個中等規模的決策練手。
用 30 分鐘做一次完整的直覺校準：
- 回聲（5 分鐘）：用數字描述現狀，不帶任何形容詞。
- 慣性（5 分鐘）：列出這個決策裡所有「行業標準做法」，標記建立年份。
- 盲點（10 分鐘）：把決策邏輯寫成 If-Then，列出所有 If，區分「驗證過的」和「繼承來的」。
- 邊界（5 分鐘）：列出所有「不能」和「必須」，區分物理約束和設計約束。
- 原點（5 分鐘）：寫下剝掉所有假設後剩下的 3-5 個不可推翻的事實。
然後問自己：「從原點出發，最佳策略和從慣性出發的策略，是同一個嗎？」
如果不是，恭喜，你剛剛省下了一筆「共識代價」。
如果你發現自己在第三層以下的剝離很困難，不要沮喪。這正常。「成功慣性」在作祟，成功的經驗會讓你把假設和事實混為一談。去讀那篇文章，你會理解為什麼越成功的人越難做到這一步。
然後帶著你的原點事實，去找到系統的槓桿點，在正確的地方施加最小的力，產生最大的改變。
你的商業計畫不需要更好的分析。它需要更好的地基。而地基只有在原點才找得到。
