零件多不叫复杂，纠缠才叫（More parts isn't complexity — entanglement is）
2026-07-21 · 什么算「复杂」
一架波音有六百万个零件，它不复杂；一群椋鸟只靠三条规则，它复杂。我们几乎总是把这两个字用反了——而用反的代价，是你会对着一类根本不该拆的东西，一直拆下去。
飞机的维修手册厚得像砖头，但只要你肯读，每个零件都能查到：它是什么、连着谁、坏了怎么换。零件之间是几百万条说明书里写好的连接。这台机器再庞大，也是"可以一条一条查清"的。
一座城市为什么会在某个平平无奇的周三下午凭空堵成一团，没有任何一本手册查得到。没有谁设计这场堵车，参与的每个人都只想早点回家，规则简单到不能再简单——可你把每辆车、每个司机的动机都摸清，仍然预测不了下一场堵在哪里。
这就是本站要一路讲下去的那条分界："零件多、说明书厚"是一回事，"简单的东西纠缠出你算不出来的行为"是另一回事。前者英文叫 complicated（繁），后者才叫 complex（复杂）。把它们分清楚，是所有后面内容的地基——因为对这两类东西，该用的办法正好相反。
先把"复杂"放到一根轴上看。轴的左端是完全有序，右端是完全随机，复杂就住在中间——而且只住在中间。
左端长什么样：一块盐晶体，原子排得横平竖直，你看一个角落就知道了全部，因为它只是同一个花样无限重复。一句话就能把它描述完："照这个格子无限铺开。"钟摆、行军的队列，都在这一端。它们看着规整，但信息量极低——没有意外，下一步永远猜得到。
右端长什么样：电视雪花点、一杯气体里乱撞的分子、连续抛硬币的结果。这一端的每一处都和别处无关，你盯着看一万个点也猜不出第一万零一个。它看着信息量爆炸，可这些信息彼此不相干、拼不出任何结构——所以描述它其实也不难：给个统计参数（"一半正一半反"）就够了，剩下的细节无所谓。
关键在这里：两个极端其实都"简单"。有序简单在它高度可压缩（一句话说完），随机简单在它没有结构可言（统计一下就完事）。真正难对付的东西，既不是纯重复、也不是纯噪声，而是既有结构又有意外的那一层——一个活细胞、一段语言、一座城市、一场生态。它压不成一句话，也统计不掉，你必须几乎原样地把它留着才能描述它。这层，就是复杂。
这套三分法不是新说法。1948 年数学家沃伦·韦弗（Warren Weaver，信息论的推手之一）就把科学问题切成三块：简单问题（几个变量，牛顿力学那种）、无组织的复杂（海量随机变量，靠统计力学一网打尽，比如一缸气体），以及夹在中间、最棘手的有组织的复杂（organized complexity）——变量不多不少、又彼此纠缠，生命、经济、生态全在这里。他当年就点破：科学在两端都很成功，唯独中间这块几乎一片空白。复杂性科学，就是后来专门冲着这块空白去的。
中间这层还有个更响的名字，叫混沌边缘（edge of chaos）：太有序则僵死、太随机则散架，只有卡在两者交界的窄带上，系统才能既保住结构、又不断产生新花样。这个词很好用，但也最容易被用滥——它的麻烦，留到最后一节再算账。
EN Put complexity on an axis from fully ordered to fully random. Both ends are actually simple: order compresses to one sentence, randomness collapses to a statistic. The hard layer — structure and surprise at once — sits only in the middle. Warren Weaver named it "organized complexity" in 1948; it is also called the edge of chaos.
中文把 complicated 和 complex 都译成"复杂"，这其实吃了大亏。前者不妨叫繁，后者叫杂——它们是两种完全不同的东西，区别有四条，条条实用。
第一，能不能拆。繁的东西可以拆：把飞机发动机大卸八块，每块单独研究，再拼回去，你对整体的理解不会丢。杂的东西一拆就没了：你把一个生态系统里的物种一个个单独养在瓶子里研究，那些让它成为生态系统的关系——谁吃谁、谁给谁授粉——全被你在拆的那一刻剪断了。
第二，有没有总设计师。繁的东西通常是被设计出来的，有图纸、有人对整体负责。杂的东西往往没有中央设计者：没人设计过英语的语法，也没人设计过一座城市的通勤流量，它们是无数局部动作自己长出来的。
第三，行为可不可预测。繁但不杂的系统，只要不坏，行为是可重复的——同样的输入给同样的输出，这正是我们信任机器的原因。杂的系统充满回路和相互影响，同样的起点可能走向天差地别的结果（后面第 8 期的"混沌"会把这件事讲到底）。
第四，也是最要命的——多出来的那部分从哪来。把繁的系统零件加倍，你得到一台更大的机器。把杂的系统单元加倍，你常常得到一个性质都变了的新东西：十个人是个小组，一万个人是个市场，行为规律根本不在一个层面上。
动手解决一个问题前，先花三十秒判断它是繁还是杂。判据是那四条里最快的一条：你能不能把它拆开、分块解决、再拼回去而不丢东西？能——那就正常拆解、找专家、上流程，越细越好。不能——停手，别再往模型里堆细节了；对杂的系统，"查得更细"不会让你更接近答案，你需要的是换一个更高的层去描述它（下一节讲这一步具体怎么走）。用错方法的代价不是白费力，是反噬：拿拆机器的手法去拆一个生态，你会亲手剪断那些让它工作的关系。
EN Complicated and complex differ on four counts: decomposability (a jet engine survives being taken apart; an ecosystem does not), a central designer, repeatable behaviour, and what you get by scaling up (more parts vs a different kind of thing). The fastest test: can you split it, solve the pieces, and reassemble without losing anything? If not, stop adding detail.
1972 年，物理学家菲利普·安德森（Philip Anderson，后来的诺奖得主）写了一篇只有四页、却改写了整门学问自我认知的短文，标题就四个词：More is Different——更多，就是不同。
他要反对的是一种当时几乎无人质疑的信念：还原论（reductionism）。还原论说，万物都由更基本的东西构成，所以只要搞懂最底层的粒子和规律，原则上就搞懂了一切，上面的化学、生物、心理都不过是物理的"应用题"。
安德森承认前半句：是的，你可以把一切拆到基本粒子。但他一刀砍在后半句上：能把它拆下去，不等于能把它拼回来。每当大量单元聚到一起，会冒出一些在单个单元身上根本不存在、也无法从单元规律直接推出的新规律。一个水分子没有"温度"，也没有"液体""固体"；温度和相态是水分子成堆之后才出现的概念。一个神经元没有"记忆"；一个人没有"通货膨胀"。这些不是底层规律的应用题，它们是新的一层，有自己的词汇、自己的定律。
这一步为什么重要？因为它把"整体大于部分之和"从一句鸡汤，变成了一个可操作的判断：当你面对的是复杂系统，"再往下查一层细节"这个动作是有天花板的——不是因为你不够努力，而是因为你要找的规律根本不在下面那一层，它只在你正看的这一层才出现。想理解堵车，把每个引擎拆开是没用的；想理解通胀，把每个人的脑扫描一遍也没用。你得待在对的那一层上找它的规律。
当一个问题"越查越细却越不清楚"时，把它当成一个信号：你可能待错了层。具体动作——问自己一句"我要找的规律，是在我正看的这一层，还是被我一路拆到了它不存在的下一层？"如果连续几轮加细节都没让判断变准，别再加了，往上跳一层，去找这一层自己的宏观变量（温度之于分子、价格之于交易、尾延迟之于请求）。"再拆一层"有时不是勤奋，是走错了方向的勤奋。
EN Anderson's 1972 "More Is Different": you can reduce anything down to particles, but that does not mean you can build it back up. Each level of aggregation throws up new laws — temperature, memory, inflation — that don't exist one level below. So for a complex system, "look one level deeper" has a ceiling: the regularity you want lives only on the level you're already looking at.
现在说反面。"复杂 ≠ 复杂化"是个好用的切分，但它自己也会被用滥，用之前得知道三处松动。
第一，那根轴上没有清晰的界桩。有序、复杂、随机之间不是三个抽屉，而是一条连续过渡，边界是模糊的、甚至是渐变的。同一个系统，你换一个观察尺度、换一个问题，它可能就从"这一类"滑到"那一类"。所以"这是复杂系统"很少是一个非黑即白的事实，多半是一个相对于你此刻的问题的判断。把它当成给系统贴的永久标签，就错了。
第二，"混沌边缘"被浪漫化得最狠。"卡在有序与混沌之间最有创造力"这句话太动听，以至于被搬进了无数管理和创新的演讲里。但它作为一个可检验的科学主张，其实站得并不稳。1990 年前后有人提出，计算能力会在某个临界参数（后来记作 λ）附近达到最大——听起来很美。可 1993 年 Mitchell、Crutchfield 和 Hraber 用演化实验重新检验，发现这个"最佳点"并不像宣传的那样可靠地出现。教训是：一旦有人用"混沌边缘"给你讲道理，先追问一句——你说的这个"边缘"，量纲是什么？怎么测？说不出来，它就只是个好听的比喻。
第三，也最容易被滥用：把"复杂"当挡箭牌。"这个系统太复杂了"经常被用来解释为什么某件事没做成、某个责任说不清。但复杂性不是免责声明。承认一个系统杂、不可完全预测，恰恰意味着你该改用另一套办法（往上找宏观变量、做可逆的小实验、盯住耦合），而不是两手一摊。反过来，也有人犯相反的错：把一个其实繁而不杂、本可以靠拆解和专家解决的问题，浪漫地称作"复杂"，从而逃避那份本该做的、枯燥的分析。两个方向的误用，都是拿这个词偷懒。
说"这是个复杂系统"之前，先过一道自检，跟上一节同一把尺子：你能说出它此刻该看的那个宏观变量是什么、怎么测吗？能——那这个判断是有操作性的，接着往下走。说不出来——那你多半只是在用"复杂"这个词回避问题，要么它其实是个繁问题该老实去拆，要么你还没找到对的层。没有量纲的"复杂"，和没有量纲的"混沌边缘"一样，只是一个词。
EN Three soft spots. The ordered–complex–random axis has fuzzy, scale-dependent boundaries, so "this is a complex system" is a judgement relative to your question, not a permanent label. "Edge of chaos" is romanticised — the sharp λ-optimum claim did not survive re-examination (Mitchell, Crutchfield & Hraber 1993). And "it's too complex" is often an excuse, in both directions: dodging honest analysis of a merely complicated problem, or shrugging at a complex one instead of switching methods.
能，但实验的单位得换。你没法把一个物种孤立出来还指望关系照旧，但你可以在整个系统的层面上做扰动实验：改一个参数、加一个连接，看整体怎么响应。后面第 27 期的"基于主体建模"就是这条路——不去拆真实系统，而是在计算机里从局部规则把它重新长出来，然后随便折腾这个副本。诚实的关键是：你研究的始终是那个保留了关系的整体，不是它的碎片。
不。涌现出的新规律从不违反底层物理——水分子始终遵守量子力学，温度也从不违反它。新规律是底层允许但不指定的：底层物理框定了可能性的边界，却没规定大量单元聚起来后会稳定在哪种宏观模式上。所以它是"新增"而非"抵触"，这也是为什么反还原不必反科学。
会，而且这是本期最需要警惕的滥用。判成复杂的正确后果不是放弃，而是换挡：从"拆得更细"换成"往上找宏观变量、做可逆的小实验、盯住耦合与回路"。如果一个人说"太复杂了"之后什么都没改变、还是老办法，那这个判断就没做对——它本该带来一套不同的动作。
这里"简单"指的是描述起来简单，不是信息量小。一串纯随机序列你没法压缩（这个意义上信息量确实最大），但你也不需要逐位记住它——给一句统计描述（"每位独立、五五开"）就抓住了关于它的一切有用的东西，剩下的具体取值无所谓。复杂的东西两头不占：既压不成一句话，具体细节又不能扔。这个"两难"后面第 41 期量化复杂度时会正式收账。