主题：应用科学的学者和工程师是如何工作的？ -- changshou

广义的理工科体系包括数学，基础自然科学，应用科学，工程技术等学科（甚至可以把数学化程度较高的一些经济学之类的也算进来）。但这些学科并不是平行发展的。比如在大学里，所有理工专业都要学数学（必修），但纯数学专业可以除了自身什么其他的课都不修（至少不必修，或者最多象征性地学点普通物理）。这里体现的是知识体系中的依赖关系。另一方面，应用科学和工程技术有自己的一套很不同于纯粹基础科学的体系，而且由于应用科学和工程技术从业者规模远大于基础研究者 这一体系应该更加庞大和复杂。

这就带来了一些有趣的问题。我长期以来一直想知道 应用科学的学者和工程师是如何工作和思考问题的。我在现实中接触不到他们，而我和同行的思维模式肯定是和他们不一样的，因此我感到难以在头脑中建立一个较清晰的关于应用科学的学者和工程师工作的 模型。

具体的说， 我想知道（以下我将“应用科学的学者和工程师”简称为工程师）

1 到今天是不是已经不存在 一两个工程师单打独斗就能取得重大进展 的机会了？如果是的话，原因是什么？

2 一个浩大的前沿技术工程(比如 J20的研制）如果牵涉很多不同学科的工程师 如何进行组织？是不是需要几个 知识极为渊博的全才性的天才人物 来统摄全局？还是各学科的头头搞地位平等的协商就可以了？抑或有其他什么办法？

也许你们会觉得荒唐，但是对我这个搞纯理论的人来说 能组织几百几千个背景很不同的学者为了一个具体目标工作 是一件不可思议的事情（我非常佩服）。在我的领域中，这种事从来就没见过，而且也看不出如何能搞起来(唯一的办法似乎是出现 强得不可思议的历史上前所未有的超天才）。

3 数学对工程师们而言有多重要？大学里学的数学有用吗？大学里学的数学够用吗？我常听到一种说法就是有经验的人告诉学弟学妹 大学里要尽量学好数学。这是普遍的看法吗？

4 工程师们会刨根问题的问问题吗？刨到什么程度会满足？例如，（我猜）搞化工的应该都知道元素周期律。 那么化工工程师会不会设法搞清楚怎样由量子力学导出元素周期律？ 如果知道了，会对工作有帮助吗? 如果不知道，心理上会觉得受困扰吗？

5 向上级递交重要报告的时候，工程师是如何保证其可靠性的？我估计在应用中是不可能有数学和物理教科书式的严密性的(基础理论研究则可以做到这一点），故有此一问。

6 假如出现了新的前沿技术，而这前沿技术不是原先技术的改进 而是由基础研究的新发展给出的，那么工程师会不会去主动地学习基础研究的新发展(比如去学一些没学过的数学和物理）？抑或是会要求搞基础研究的人把它翻译重组为一种很实用化的贴近工程师原先知识体系的“包裹" 然后学习这个包裹以便快速上手？

如果能举例，是最好不过的。

• 【整理】学习笔记-试着搭建个人成长的脚手架

基本对的，一两个工程师单打独斗不是说完全没有机会，跟中六合彩差不多吧。个人认为主要原因是现代的工程组织已经很完善了，一两个工程师很难跟一个组织良好的团队竞争。

这个问题，你最好买本《人月神话》来看看，作者当年是开发IBM 360的领军人物，带领几千人，软件硬件通杀，对你的问题应该有所启发。

这个要看具体的应用了，不一定可以直接用得上，但是，学好数学，对逻辑思维极有帮助，就把学好数学当作一种训练吧。

其他工程师我不知道，我曾经是搞应用软件开发的，我问问题，会一直问到我认为足够解决问题为止。但要强调一下：有时我以为已经足够了解了，但是做下来才知道不够，或者理解错了，又得去再问。

在软件开发这一行，可靠性基本就是靠测试来保证。

在IT行业，这个很多时候不由工程师做主，要看综合成本，如果新技术的出现，可以节省成本，或者可以带来新的好处，上级就会让工程师去学。

你对最后一个问题的回答是出乎我的意料的。

从知识面的角度讲，基础学科研究得越深，知识面其实越窄。根本原因在于基础研究的出发点是某一独立的自然现象或是相对独立的理论，先要假设一堆理想条件，在现实世界的一个简化模型或者是某个理想的实验室中上对某一特定目标进行研究。

工程应用就完全不同，不从一个具体而微的研究对象出发，而是从人的需求出发，首先考虑的是现实条件的限制。比如家用电器要考虑材料成本、寿命、手感、耗电、颜色、形状……总之要先考虑人怎么用得爽用得舒服用得省钱省心，决不能直接假设使用没有折旧、透光率100%、电费为0、搬运工随叫随到、工厂生产没有任何污染。如果是飞机，也决不能假设材料为理想刚体、所有部件可靠性100%、外部环境恒温、风速始终为0、无线通信完全无干扰。

所以，工程师一般不会刨根问底，因为1000件事加在一起的时候就不是一个PDE或是一个定理所能描述了。所有边界条件都不固定，只知道统计规律，你怎么去精确描述？真正做产品的工程师更绝，用户体验完全是一个主观的东西，用户喜爱与否这个终极问题本身都无法精确描述，遑论刨根问底。

数学当然有用，但也要看具体干什么。做IT的工程师大多数其实不需要什么数学功底，但google的数据分析师就需要很强的data mining或者machine learning背景。做金融的大多数只会吹牛就行，但投行的senior quant们基本上必须数学物理的博士。总之，一切从需求出发，需要就有用，不需要就没用。

数学或物理的研究人员想要了解应用上的东西，从统计学入手是个不错的切入点，因为成本极低，不用戴着安全帽跑到厂房里。不用任何证明，试着用R预测一下一个月之后的股市吧，如果你是研究人员，应该有大把的时间来学这个。

各个工程领域的差别还是很大的，例如汽车，可能在Benz那个时代，还有单打独斗的可能，在现在，一辆汽车涉及的专业面非常广，而且还有完善的法规体系，要造一辆能够上市的汽车就需要大兵团协同作战。但是，如果是在某种商业模式上有创新，而技术层面可以外包或者有成熟的解决方案，那么一两个工程师单打独斗取得重大进展也不是没有可能。

推荐你读一读NASA的《System Engineering Handbook》

在工业领域，你知道的每一家500强企业都能达到你说的这种程度，因此它并不是不可思议的，而是普遍存在的。在企业内部起作用的是流程和项目管理

数学很重要，解决一个工程问题，常常要需要研究问题的物理本质，然后再用数学模型描述出来，之后再找到解决途径。大学里的数学够用吗？如果你指的是本科阶段大一时学的大学数学，那么对于复杂问题，这个是远远不够的。

哈哈，如果以我为例子的话，我的“刨根问底”程度只会到足够解决这个问题为止，如果解决这个问题需要知道如何由量子力学到处元素周期律，那么我就会刨到这个程度；反之如果不需要，我也不会去特别关心，同时内心也十分坦然，因为我已经解决了我面对的问题。

单纯从报告来说，如果需要用数理方程才能准确描述这个问题，那么这份报告里的相关内容不会比教科书差。但在企业里，给Big Boss看的报告通常只要求用自然语言描述相关Item。在专业的Specification里面倒是常常有非常严谨的数理方程推演。工程师报告的可靠性一般是通过流程来保障，每一份报告都是需要多次review，如果需要的话，责任工程师还需要在相关会议上进行答辩，先进企业里面对于这一点不会比大学差。

如果工程师需要解决的问题需要他去学习之前没有学过的数学和物理，那么他就会去学习，不管这个技术是前沿技术还是另一个既有的但属于其他专业领域的技术。例如一个之前研究变速箱的工程师现在要让他去研究发动机，那么他就会去学习相关的知识。工程师的活动是被需求牵引的，请一定记住这一点。

A: 很少有，只出现在技术瓶颈攻关的时候。从整个项目说，涉及的方方面面太多，出不了个人英雄。

A:工作中没碰到浩大的工程。读研的时候，俺导师是某这类分支工程的总师（远没J20复杂）。有点粗浅的映像。总师是业内超级大腕，然后下面各专业再有各个系统的大腕分工负责。超级大腕就是来压服各个山头，特点就是专业强，社交、政治能力超群，其他财务能力等也挺强的。其实就是典型的忙总所说的若干大学、研究所联合的国家级打群架。

A：呵呵，在某种大义下，什么分歧、私心都要让路的。

A:可以说，如果纯搞技术，数学决定最后能走多远。而且数学对于面对复杂问题时的逻辑思维非常有帮助。还有个例子是开工厂的一位同学的问题，在搞研发时，碰到的力学相关的难题没数学就走不下去。即使是软件，复杂模型也需要数学的支撑。

A:大部分人不会特别刨。足够理解工作流程就可以。做应用的，面太广，都对深度好奇的话会累死的：）

A:一般的重要报告都会有试验支撑，比如关键技术的原型验证；用户调查等。

A:工程师对新技术的好奇心，或者说，对“面”的好奇心一直都是很高的。经常有工程师自发用新技术去尝试新的可能性。有工程师为了某技术去恶补数学的。

呵呵。。。

工业生产最重要的基础就是规范化,这是它和手工作坊的区别.所以工程师的工作基本就是按照各种规范,标准,数据库完成任务,如果没有现成的,再加个任务就是编出一个来,方便自己和后来者.象J20的研制,领导肯定是他管的各个领域都要知道一点,否则不是被下面的蒙了?但是具体要知道到什么程度,知识极为渊博的全才性的天才人物肯定是不需要的,这耽误工作,也耽误人天才的成长.再前沿的项目,事先也肯定有规划,各个领域达到什么样的目标,具体怎么实现之类的(这种项目困难,其实肯定不是根本连个结构都设计不出来,难点一般都是些犄角旮旯的东西,比如没有合适材料,零件制造加工成功率太低之类的问题),如果连这个都要摸石头过河,那肯定不是正经工程项目,而是骗钱的.绝大多数参与项目的工程师,就是脑力民工,你负责这片机身外壳,他负责构件连接之类的,用的方法从牛顿到还健在的学霸,都肯定是现成的,如果你牛到自己开发出一个全新的,十有八九也不会被采纳,因为没预算用来校核你的东西,出事谁负责?当然能搞这种项目的公司肯定有专门的研发部门,这种部门一般是和你们这种搞理论的合作的.

还有工程领域,实践是检验真理的唯一标准,实验数据最具有权威性,所以理论方面到知道原理的程度就够了,至少在制造业里,深入到量子力学显然是没必要的事,比如材料的参数,也许用原子物理构建模型能算出来,但肯定没实验得出数据方便,实用.数学也一样,其实工程师能用到的数学方法都肯定有专门手册可查,数学好的优点是你可以发现手册里的错误

工程报告也是要按照规范写,比如空客飞机的强度校核,疲劳校核报告,要按航空管理部门的要求计算相关参数,使用方法必须是认证的,公式不需要用多少,而且都是些加减乘除的东西.

总之,制造业领域的工作,保守是必要的态度,按部就班,宁滥勿缺是基本方法.所以,它不夕阳谁夕阳

国内的火力发电厂（目前最大为1000MW即百万机组）一般为业主委托电力设计院设计，电力设计院会成立一个项目组，牵头人为设计总工程师，配套专业为热机（大概是锅炉、汽轮机、大的辅助机械如电除尘器等），电气、控制、土建、水工、运煤、除灰、总图等，业主配套工程部有相关专业，双方共同编制招标技术规范，确定分包厂家，最后由设计院相关专业与配套厂家协作完成全厂施工图设计，个别问题需跨专业协调。

一般来说在一个大型机构里面，大体上可分为三类。

一类是搞研发的，比如研发中心，总工办等

一类是搞应用的，比如设计部、技术部等

最后一类就是现场，比如生产部、质检部、设备部和现场项目部。

搞研发的可能和大学科研还有可比性

但搞现场的恐怕更接近工人了。

不同工作要求是不同的。

以数学为例，现场大体高中数学足够了。应用部门要求也不高，因为多数场合是靠手册、经验公式、规范、标准、数据库做设计，也就是套公式。但研发部门的要求就要高一些，但也就是会建模会用商业化计算软件的程度。当然这类计算软件也是工程师开发的，从事这样的行业对数学要求就很高了。

同样的，多数情况下从事现场和应用的工程师只要知其然不需要知其所以然，手册、规范、标准、数据库里面的数据拿过来直接用就是了。但如果是编手册、规范、标准、数据库的工程师，那自然是应该知其所以然的。

干任何工作只要自己肯学肯干，都会有创新和改进的机会。这点我不太赞同楼下几位的观点，尽管工程师们的活都是类似于一台大机器上的螺丝钉，需要通过分工合作来完成，但到了具体螺丝钉的工作也是会有进展的机会的。不过何为重大进展就要看定义了。

测试，测试。

请你放行。

如果说的是使用已知的技术干一件事（比如修高速公路），我觉得我能理解将任务分解然后控制预算和时间节点的组织方法。可是如果是需要研究未知的技术（比如苏联人搞载人航天，美国人搞阿波罗工程，中国人搞四代机，微软人第一次搞大型软件），我就觉得难以理解如何进行规划和组织了。

核心的问题是：既然是未知的技术，如何能预先规划？

我举几个我了解的（基础科学)例子以便于比较好了。

例子一：LHC的实验

LHC 发现了希格斯粒子。希格斯粒子早就被理论家预言了。但这绝不意味着希格斯粒子的发现 是一个规划好的工程。事实上 按各式各样的理论预言 LHC可能撞出各式各样稀奇古怪的结果（包括黑洞和额外维数），可能发现不是特别出人意料的东西（超对称），可能搞出意料之中的东西（希格斯粒子），也可能什么都发现不了。

例子二：量子引力理论

假如人类的领导人突然变得格外爱好科学，愿意举全世界之力来支持理论物理学家建立完善的量子引力理论以加深对宇宙的认识。他们让物理学家提一个研究计划以便于他们提供资金支持和向公众公开大概要多少时间。

物理学家将没有能力提哪怕一个极粗糙的计划。 当然可以要求多发几个太空探测器望远镜多建几个加速器（包括多招一些博士生）。但是这些东西的重大发现（即使假设有）可能有很大澄清作用从而有帮助，但也可能难以被人理解，可能制造更多问题使人们的思想更加混乱，可能仅仅导致实验现象的累积却无法加深人的认识，甚至可能被错误的诠释而帮倒忙。 有可能过两年就冒出个天才作出理论上的极大突破（新爱因斯坦）；也可能一大帮人折腾十来年整出来了但发现实际上之前的实验设计计划必须推倒重来（钱都浪费了）；也可能过了100年还是在盲人摸象。哪怕要估计各种可能性有多大都是根本做不到的。

例子三：庞加莱猜想的证明

和前两个例子不同，这是一个非常具体明确的问题。可以说是一个很“小”的“工程”。而且连用什么方法思路作大家都想好了。但如果不是perelman2002年横空出世，再过50年解决不了我也不觉奇怪。

这就有点像要让人9秒4跑完100米。可能过50年也做不到，但也可能明年就在非洲发现一个妖人能完成任务。这件事根本无法规划。

好了。现在我的问题是，开发前沿技术的大工程 和我上面的例子不同在哪里？

我怀疑这不是个简单的问题。我还怀疑 核聚变技术的研究 表明有时候搞工程技术也和搞基础科学一样 是难以规划的。反正基础科学界如果有人说 过50年 某大目标可以实现，你就知道这人在瞎扯蛋：如果他对这问题已经理解到了可以做具体规划的程度，就绝用不了50年。

从大家的回复看 似乎是一般而言工程师不会刨根问底，够完成工程任务就可以。

那么我可以接着问

1 假如工程师热爱自己的专业 而不是把它仅仅作为生活来源。那么在完成任务之余 如果他想提高自己的造诣，一般而言是往深处（基础科学，数学）钻更有利 还是 往博处扩张更有利？

2 不刨根问底，如何做到心里有底？是光根据经验和惯例吗？还是说有分工，有人刨有人不刨，不刨的信任刨的？

3 那么 工程师 和 研究科学的人 如何沟通呢？一般要求谁将就谁？

1.往博处专。把自己已经知道的解决问题的方法应用在新的领域解决实际问题，容易出成果。获得经济利益。

2.往深处专通常数学功力不够。看不懂。

即便是世界上最抽象的理论，也要以现实的经验和惯例为基础才能抽象出来。所谓公理，也无非是惯例而已，你又凭什么心里有底？如果真的要刨根问底的话，你如何对因果律和三段论、充分必要条件之类的东西心里有底呢，如何保证逻辑学和演绎法是＂对＂的？又如何保证＂正确＂这个概念本身是正确的？

在我看来，数理证明这种方法本身也不过是一种经验和惯例罢了。人脑理解问题的方式是用已知来描述未知，而任何一个人最源头的信息来源还是身边的事物，也就是经验和惯例，这一点绝无例外。不信？试试不用任何已知的概念来定义＂公理＂这种东西，不许用＂已知＂、＂道理＂这些概念哦。

所以，总结一下：一切都是经验和惯例，包括你的推理思路和公理体系。在本质上，知识的获取途径是唯一的。