自从进入IT革命以来，商业创新越来越快，商业周期越来越短。在这样一个全新的时代，企业界普遍感到传统的商学知识、管理工具逐渐变得捉襟见肘。近10年以来，生物学与进化论的思想逐渐被引入企业管理，也从硅谷逐步传入中国。普遍认为与进化论相对应的思想，是牛顿力学时代以来机械论的思想。究竟进化论与机械论意味着什么？它们对企业创新与商业思想有什么指导意义？让我们对这个主题剖析透彻。
自从进入IT革命以来，商业创新越来越快，商业周期越来越短。在这样一个全新的时代，企业界普遍感到传统的商学知识、管理工具逐渐变得捉襟见肘。近10年以来，生物学与进化论的思想逐渐被引入企业管理，也从硅谷逐步传入中国。普遍认为与进化论相对应的思想，是牛顿力学时代以来机械论的思想。究竟进化论与机械论意味着什么？它们对企业创新与商业思想有什么指导意义？让我们对这个主题剖析透彻。
一、机械论的核心思想
机械论的中心思想，就是找到严格的因果规律。找到规律后，如果出现符合这个因的情况，那么就确定无疑地得出果。例如牛顿的三大力学定律，在日常环境中是确定无疑有效的。正是这种科学的思想，推动着人类社会从17世纪到18世纪末进入了启蒙时代，从此人类社会发展步入快车道。
总结机械论的思想，它代表着这样的科学方法：
1.科学家根据现象提出假说；
2.对假说进行各种科学实验，证明或证伪它；
3.经受住严格的方法经验的假说，被总结成为规律和理论；
4.这些规律大规模应用于社会各个层面，特别是用于指导进一步的科学研究和实际应用。
科学革命以来，大部分的科技成果都是遵循这样的科学方法论。正是因为我们“发明了发明的方法”，才让近现代的科学得以快速进步。
二、进化论的核心思想
达尔文提出进化论是巨大的贡献，揭示了生物进化的本质规律，而这是一套与机械论所代表的科学观截然不同的独特逻辑。
这套逻辑（以及后来这个体系内发展的知识），可以总结如下：
1.生物的繁衍与进化，主要是受基因层面主导（基因知识在达尔文之后才得以发展，但支持了进化论）；
2.生物物种每一代都有变异，主要体现在两方面：一是后代的基因（一般情况下）是由双亲基因结合而成；二是每一代的基因都比上一代略有变化，从而形成生物特点的细微差别；
3. 产生变异后的每一代生物物种，都要接受自然环境的考验。最适合环境的物种得以发展壮大，而不适合生存的物种慢慢被淘汰。这样，能够不断生存繁衍的物种，都是能够适合环境的物种。
例如，根据《人类简史》，大约7万年前有很多类的人种同时存在。由于基因突变，当时其中一类人种产生了抽象思考和语言能力，从而使得他们具有了组织资源和协调行动等能力，在地球上生存繁衍能力远胜于其他人种。他们被称为智人。到了大约一万年前，其他人种都已经灭绝殆尽，只剩下智人逐渐进化为现代人类。
三、进化论与机械论的核心区别
通过对比进化论与机械论分别的核心思想，我们可以归纳两者之间的核心区别。
核心目标方面：
机械论追求建立普适性的、绝对的因果关系，以应用于万事万物。
进化论对因果关系不做任何预先假设，尽量开放所有的可能性。
这里我总结为：从“绝对因果律”到“无穷开放性”
检验方法方面：
机械论强调严谨的实验方法与严格的逻辑论证，通过测试的才纳入科学知识体系。
进化论弱化人工干预，将最后选择何种模式的权利，完全交给自然与环境。
这里我总结为：从“逻辑法”到“反馈法”
结果应用方面：
机械论相信规律的普世价值，力求在所有的空间和时间应用规律。
进化论不着眼长远，重点关注每一代的迭代，对于规律的形成增加了时间维度。
这里我总结为：从“静态思维”到“动态思维”
如果充分运用“奥卡姆剃刀法则”，我们可以进一步挖掘两者最关键的不同，其实在于：进化论本质上是一种大规模试错法（机械论可以说是一种演绎法）。
知道这两者的核心区别后，下一个问题很自然就是：什么时候适用哪个方法论？
要回答这个问题，让我们先看看为什么之前一直不太适用。
四、为什么过去进化论方法不太流行
其实答案就是两个关键词：不需要、没办法。让我们分别看看：
1.不需要
在信息时代开启以前，过去数百年来，世界经济的本质还是工业经济。工业经济的代表性行业，主要是工业、服务业、房地产、金融等。这些行业的科学基础，是经典的科学范式，包括传统物理、化学、社会学等。一方面，这些学科的本身具有知识体系稳定、不易变化的特点；另一方面，这些行业的商业模式与生俱来就是要追求效率和稳定。
例如，上世纪下半页，精益生产思想大行其道，丰田提出准时制生产方式（Just In Time，JIT）被广泛学习，工业界普遍在追求无库存生产方式以降低成本的同时，还要求保证产品质量。
这样的产业逻辑，与机械论背后追求恒定不变的思想特点，是高度吻合的。
2. 没条件
之所以说没条件，是因为进化论方法论的核心——试错法，在样本小的情况下是不可靠的；而要大样本、大规模的话，往往代价大得难以承受。
比如：我们要开发一种新药，如果采用大规模试错法，那大概的逻辑就是对现有的药的配方作出千变万化，然后就每一个变化去试验试错。如果只是让少数几个人试用的话，即使疗效很好，这样也远远不能说明新药有效。而要做大样本试验的话，即使不考虑安全问题，也是不可能的。因为需要试验的药的配方太多太多，而每一个配方需要的试验对象又是超大数量。这里每一个数量要求都是动辄十万、百万量级以上，想想便知，这条路是走不通的。
因此，由于“不需要”和“没条件”，进化论思想在过去的企业界难觅踪影。
五、进化论方法可能会越来越流行
过去的困难，就是未来的钥匙。如果我们反过来看，亦正是这些短板在新的时代得以被克服，也就推动了新科技以及进化论思想的发展。
新时代下，关键词是有必要、有条件。
1.有必要
自20世纪末，信息经济开始引领风骚。信息经济的代表性行业，主要是计算机、芯片、互联网、电信、通信设备、大数据、云计算、AI人工智能等。这些行业的科学基础，是新兴的科学范式，包括通信科学、电子工程、网络科学、混沌科学、复杂性科学、三论（信息论、控制论、系统论）等。一方面，与经典的物理化学相比，这些学科的共性是复杂和变化快。例如，芯片性能基本按照摩尔定律的预测高速发展，相关行业很少有恒久不变的知识基础。
另一方面，科学基础导致这些行业的商业模式，核心追求是强调适应和变化。
以中国互联网为例，商业模式一直快速演变，从最早的门户网站，到聊天工具、PC端的网络游戏、电子商务、直播、互联网金融、O2O、移动端游戏、共享经济、智能推荐内容、短视频……等等，让人眼花缭乱、目不暇给。
在这样的技术与商业背景下，以试错法为核心的进化论思想就有了发扬光大的必要。
2. 有条件
技术条件大幅度成熟，使得低成本获得大样本数据成为可能，从而克服了此前试错法的应用不具备前提条件的瓶颈。
具体来说，主要是：
1.随着移动互联网的普及以及存储技术成熟，全社会信息量与数据量大增。有数据表明，过去三年，人类产生的数据量，相当于人类社会最早期直到三年以前的数据总和。
2.随着摩尔定律不断发挥作用，芯片的性能不断以指数级增长，使得计算机处理海量数据、海量信息的能力快速提高，从而使得快速分析海量的样本数据可以实现。
例如，按照过往非常有限的数据量与计算能力，计算机很难做到识别全国每一个人的脸部特征，所以人脸识别技术一直很难推进。直至近年，由于移动互联网的发达，人脸数据的采集变得非常容易，这是样本数量的进步；计算机性能大幅提高，开展实时识别每一幅图片，以及与数据库的人脸数据进行比对等工作，速度可以非常快，这是计算能力的进步。目前人脸识别技术在安防领域的应用已越来越广泛。
此外，在资本层面，风险投资体系的引入和逐步成熟，也进一步提高了新兴产业试错的空间。
因此，在必要性、试错空间各方面条件都成熟的情况下，以试错法为核心的进化论思想开始引入商界，也就水到渠成了。
六、预判思想的演变
根据当前科技与商业的发展趋势，我预判试错法应用的基础将越来越牢固。云计算，5G，IoT，大数据、集成电路半导体等“硬核”技术还将不断发展和成熟，这将继续推动数据量以及计算能力两者以指数级增长。有了这样的技术基础，试错法将逐步占据商业思想非常核心的位置。
例如，遗传算法是在程序领域采用了进化论试错法的一种逻辑，它是机器学习与人工智能技术的核心之一。
遗传算法的逻辑与进化论的基本逻辑如出一辙：
1.算法主要是程序主导。通常而言，第一代的原始程序是随机生成的，而不对如何完成特定任务作出事前的假设（因此第一代程序完成任务的表现会很糟糕）。并且生成数量非常多的原始程序，就好像生物通常会确保每一代后代数量足够多一样。
2.不断生成下一代程序，生成规则是：每一代的程序要进行代际变异，变异方法与生物从双亲遗传类似，在上一代表现好的程序中，随机或按一定规则拼接而成下一代程序。
3. 产生变异后的每一代新程序，继续接受任务挑战。表现最好的程序继续按上述规则“繁衍”下一代，而不适合任务完成的程序则逐代被淘汰。
这样，每一代的程序都表现越来越好，直至逼近完成任务的理论最好表现。
在过去，受计算能力与数据量的制约，遗传算法的普及较慢。但随着云计算、AI芯片等信息技术基础设施的完善和提速，完全可以预见遗传算法将推动人工智能和相关产业快速增长。身处相关领域，掌握进化论思想将是必要条件。
七、核心启示
通过梳理以上两种思想的本质以及发展脉络，我们可以得出如下推论：
1.科技进步推动着商业变革。在技术快速进步的同时，商业模式也同步跟随、快速迭代。
2. 机械论与进化论两种思想从科学发展而来。而应用哪种思想，主要取决于技术和产业发展的阶段与特点。
3. 进化论的本质是大规模试错法思想。这种思想的实现，必须要有前提条件与试错空间。
4. 科技仍在不断高速发展，技术变化、产业变化、商业变化也将同步。在这样的大背景下，进化论思想的应用将是大势所趋，其在管理界、企业界的战略价值将进一步凸显。
