Every word, made clear.

双因素验证（2FA）在你的密码之外，再要求第二重身份证明——通常是手机上的一串短验证码。道理很简单：哪怕小偷偷走了你的密码，也照样进不来，因为他没有第二样东西。它就像门锁之上再加的那道防盗插销。

这「两个因素」是故意选成两类不同的东西：你「知道」的东西（你的密码）和你「拥有」的东西（你的手机，或像 Google Authenticator 这类应用生成的验证码）。泄露的密码只是「知道」这一类——它并不会把你那部实体手机送到攻击者手里。

你最常见到它的形式，是每 30 秒刷新一次的六位数验证码，或是一条点一下就批准的通知。对你来说只是稍微多一点麻烦，对攻击者来说却是大得多的工作量——所以为一个重要账户开启它，是你能做的最划算的一件事。

想象一下，给一整座城市布线，而每户人家都得靠自家一条横穿地面的街道连到城边。到头来，填满地图的不是房子，而是街道。量子芯片撞上的是同一堵墙：把量子比特都塞进一个平面，控制线和读出线就全得从边缘伸进来，而边缘的增长远远赶不上面积的增长。三维集成的办法是改为向上盖楼——把处理器拆分到几片薄晶圆（也叫层）上，面对面键合起来，让信号能直接竖着穿过这叠层往下走，而不必在一个拥挤的平面上抢地方。

实际做法是，又脆弱、又需要洁净低损耗表面的量子比特住在一层上。而布线这桩比较吵闹的活——控制走线、接地回路、读出线——则搬到下面一层或几层去。各层之间用倒装焊（flip-chip）键合接合，靠一颗颗微小的铟凸点把两块芯片以微米级对准压在一起；信号则借助硅通孔（一个填了金属、笔直钻穿晶圆的孔）竖着穿过某一层。这样量子比特那一层得以保持稀疏而安静，密集的布线则藏在下面的层里，每根线都能朝下引出，而不必爬到芯片边缘。

这是应对布线瓶颈较有希望的答案之一，已经有几个团队跑起了小型的多层器件——但它远谈不上是个已经解决的问题。每一处键合、每一个通孔，都是一处新的能量损耗点，或是可能引入一个缩短量子比特寿命的杂散缺陷；键合与对准要在整片晶圆上达到微米级公差；而每多叠一层，良率都会掉得很快。三维集成买来的是成长的空间，而不是一台造好的机器，到底能可靠地叠几层，仍是一个开放的工程问题。

三维重建是这样一门手艺：拿来一个场景或物体的平面照片——或者深度测量数据——把它重新搭建成一个完整的三维模型，让计算机能存进内存里。一张照片是平的：它知道椅子在左上方某处，却不知道座面离我们有多远，也不知道椅背是怎样向后弯过去的。重建找回了这缺失的第三个维度，把一摞二维视图变成一个你可以转着圈、从任意角度去看的形状，就像雕塑家凭许多张照片重塑一张脸。

关键在于，任何单独一张照片都是有歧义的——一个近处的小物体和一个远处的大物体，可能投出一模一样的图像——所以计算机需要更多线索。它从几张在不同位置拍下的照片之间作比较来获得线索（同一个点在不同视角里看起来会错开位置，这个错位就泄露了深度，正像你的两只眼睛判断距离），或者用一个能直接测距的深度传感器，或者把图像喂给一个训练好的神经网络，它已经学会了真实表面通常长什么样。从这些线索出发，它推算出每个表面在空间中的位置，再把它们缝合成一个模型。

结果通常以一团三维点（点云）的形式存下来，或者存成网格——一层由许多小三角形拼成的、披在形状上的皮——有时还涂上原本的颜色，看上去就跟实物一样。机器人无时无刻不依赖它：仓库机器人重建眼前的货架，好知道究竟该往哪里伸手；无人机重建它正在巡检的一栋楼；手术机器人重建身体内部，好让自己移动时不会碰到任何东西。只要一台机器必须在真实、有实体的世界里行动，先有一个三维模型，就能让这个世界变得可以把握。

51% 攻击，是指如果某一方掌握了一条区块链中超过一半的「添加区块的能力」——在工作量证明的链上是超过一半的挖矿算力，在权益证明的链上是超过一半的质押资金——可能发生的事。手握多数，攻击者就能持续地跑赢其他所有人，把链的历史扭向对自己有利的方向。这个名字标出了那个临界点：刚一过半，诚实的多数就不再是多数了。

重要的是要弄清楚，这样的攻击者能做什么、不能做什么。他能拒绝把某些交易打包进去，也能改写最近的历史来撤销自己的付款——这就是经典的双重支付：他先花掉一笔币，再悄悄构建一条更长的、那笔花费从未发生过的链。可他做不到的是，从别人钱包里偷币，或者伪造签名，因为这些受密码学保护，而攻击者的多数算力碰不到它。

大型链之所以安全，靠的是经济账，而不是魔法。在一个主流的工作量证明网络上，要凑齐全网过半的挖矿硬件和电力，得花掉一笔惊人的巨款，而即便成功，多半也会拖垮攻击者正拿来攻击时所花的那种币本身的价值——所以这买卖很少划算。在权益证明的链上，发动多数攻击的人则要冒着自己全部权益被罚没销毁的风险。这两种情况下的防线都一样：诚实做事，就是比作弊便宜得多。

六自由度物体位姿估计，要解决的不仅是物体在哪里，而是它到底以什么姿态摆着——从传感器看到的画面里，把它完整的位置和完整的倾斜方向都算出来。对一个必须去抓取物体的机器人来说，知道物体“在那边”是不够的；它需要两个问题的完整答案。物体在空间里的什么位置（三个数字：左右、上下、远近）？它又朝着哪个方向转着（再加三个数字：绕这三个方向各自的倾斜量）？这六个数字合起来，就是物体的位姿；DoF 指的是自由度，也就是一个刚体可以被摆放的六种相互独立的方式。

想象在黑暗中从一张杂乱的桌子上拿起一只咖啡杯。你的手不是只对着一团模糊的东西去抓；你的大脑会不假思索地判断出：这只杯子是侧转着的、把手朝向背面、还略微歪着，于是你的手指还没碰到就已经摆成了能正好握住它的形状。机器人则必须有意识地把这同样的六个数字算出来。它拿相机或深度传感器看到的画面，去和存好的物体模型做比对——匹配边缘、表面上的点，或学到的视觉图案——然后求解出唯一的那个位置和朝向，使模型能与画面严丝合缝地对上。

凡是机器人必须真正地去对付某个特定物体、而不只是躲避障碍的场合，这件事都很重要：工厂机械臂伸进一筐乱堆的零件、家用机器人要把叉子以正确的方向放下，或者增强现实系统要把一个虚拟标签精确地钉在一台真实机器上。如今的方法常常借助深度学习来识别物体、并在物体被部分遮挡或光照怪异时也能猜出它的位姿，再拿传感器实际测到的几何去打磨这个初步的猜测。

A*（读作“A 星”）是一种在网络中寻找最短路线的更聪明的办法——这个网络可以是地图栅格、道路图，或是电子游戏关卡里的方格。它的做法，是给迪杰斯特拉算法那种耐心的搜索加上一种“方向感”。普通的迪杰斯特拉算法会像池塘里的波纹一样朝各个方向同等地向外探索，完全不知道目标在哪里。A* 在每一步都会多问一句：从这里到目标大约还有多远？有了这个提示，它就会把搜索向目标方向倾斜，而不是把力气浪费在背离目标的乱走上，因此通常能快得多地到达目标，同时仍然找到一条真正最短的路径。

对于每一个它要考虑的位置，A* 都会权衡两个数字。第一个是从起点走到这里已经实际花掉的代价——这和迪杰斯特拉算法记的账是一样的。第二个是一个估计值，叫做启发值，表示从这里到目标还剩多少代价；在栅格上，这往往就用直线距离或“横平竖直”的街区距离来算，很容易得出。A* 把这两个数加在一起，每次总是优先展开总和最小的那个位置。于是它会偏向那些既容易到达、又看起来离目的地近的位置，自然而然地把搜索推向正确的方向。

需要注意的是，这个估计值绝不能高估真实的剩余距离——它必须保持乐观，永远不能声称目标比实际更远。只要启发值始终这样保持乐观（专业说法叫“可采纳的”），A* 就和迪杰斯特拉算法一样，必定返回一条最短路径，却用少得多的搜索量。事实上，如果你给 A* 一个永远猜成零的启发值，它就退化回了迪杰斯特拉算法——这也正是人们把 A* 形容为“迪杰斯特拉加上一个好提示”的原因。

加速度计是一种传感器，用来测量某物体沿直线被推或被拉的强度——物理学上称之为加速度。一个好用的想象方法是：设想一个盒子里有一个挂在弹簧上的小重物。当盒子猛地向前一冲，重物因为跟不上而落在后面，拉扯弹簧；传感器测量这股拉力，报告盒子被加速的方向和强弱。加速、刹车，或者被撞一下，加速度计都能感觉到。

这里有一个巧妙之处：对这种传感器来说，重力感觉起来和加速度一模一样。哪怕一个完全静止的加速度计，也会读到一个稳定的、向上的、大小为一个g的推力，因为地面在不停地把它向上托住、对抗重力。这一点出奇地有用——通过感知“下方”指向哪里，机器人就能推算出自己倾斜了多少。你的手机正是这样知道在你侧过它时要旋转屏幕的，机器人也正是这样在翻倒之前就察觉到自己在倾斜的。

现代加速度计是MEMS芯片，即微机电系统，意思是弹簧和重物都被刻蚀在硅片里，小到要用显微镜才看得见，却只要几分钱、能放在指尖上。这般微小的代价是噪声：读数会抖动，而且它分不清匀速巡航和静止不动，因为匀速运动意味着没有额外的推力。所以机器人主要用加速度计来感知倾斜和突如其来的颠簸，并搭配其他传感器来填补空缺。

账户模型是区块链的一种记账方式：账本为每个账户保存一个滚动余额，一笔交易只是从发送方的余额里扣减、再加到接收方的余额上。它的运作几乎和我们熟悉的银行对账单一模一样：每个账户对应一个数字，每笔付款都把这些数字往上或往下挪一挪。以太坊是采用这种方式最知名的区块链，它正是比特币所用的 UTXO 模型之外的另一种选择。

由于每个账户是一个可变的单一余额，而非一堆离散的币，交易写起来、想起来都更简单：发送十个单位，发送方的数字减十、接收方的数字加十，没有多余的找零要退回。为了防止有人重放或重排付款，每个账户还带有一个稳步递增的计数器，给它的交易编号，因此这些交易必须严格按顺序处理。这种整洁、带状态的设计，与智能合约天然契合——智能合约本身也是账户，持有一个余额和一段持久的内存。

其权衡恰好与 UTXO 方式互为镜像。账户模型更直观，对可编程的应用也更便利，但更新共享的余额会让交易更难完全并行地验证，并且需要小心维护其顺序不致含糊。两种模型并无绝对优劣；它们是对同一个记账问题给出的两套自洽答案，而一条区块链在二者间的取舍，塑造了它的钱包、手续费与应用是如何构建的。

酸和碱是化学里的一对死对头——其实是同一枚硬币的两面。区分它们最简单的办法，就是看一个极小的粒子：质子（也就是氢离子，H⁺）。酸是把质子送出去的物质，碱则是把质子抓过来的物质。柠檬汁和醋尝起来发酸，是因为它们往你舌头上撒了一把松动的质子；肥皂和小苏打摸起来滑溜溜，这正是碱的一个典型标志——它们会和你皮肤上天然的油脂起反应。

把酸和碱放到一起，奇妙的事就发生了：它们彼此抵消，这个反应叫做中和。送出的质子一头扎进等着的碱里，剩下的通常是水和一种盐。对于家里常见的那些酸和碱，生成的盐往往是无害的，但究竟生成什么、最后是温和、偏酸还是偏碱，要看是哪种酸和哪种碱碰到了一起。这正是为什么一勺小苏打能压住反酸的胃；而当同一勺小苏打咝咝冒泡时，冒出来的是从碳酸氢盐里跑出的二氧化碳气体，并不是酸和碱本身那个反应。

我们用 pH 值这把尺子来衡量一样东西有多酸或多碱，刻度通常大约从 0 排到 14。小于 7 是酸性，大于 7 是碱性，而 7——纯水——正好坐在正中间；不过非常强、非常浓的酸或碱，是会冲出这两头的。一个常见的误解：「强酸」并不等于「浓酸」。所谓强弱，讲的是一种物质放出质子有多痛快。胃酸很凶，浓度却很低；再强的酸，兑上足够多的水也能变得温和。

阿克曼转向是一种几何安排，它让一台像汽车的机器人把前轮各自精确地转过恰当的角度，从而让整辆车顺顺当当地绕着弯滚过去，而不是又蹭又打滑。它要解决的难题是这样的：汽车转弯时，内侧前轮走的圆比外侧前轮走的圆更小，所以两个前轮不该指向同一个方向——内侧轮得比外侧轮转得更急一点。阿克曼转向就是那套巧妙的连杆机构，每次你打方向，它都会自动让内侧轮多转、外侧轮少转。

当这套几何安排恰到好处时，四个轮子所划出的圆，会共享同一个圆心——也就是整辆车绕着旋转的那个点，它落在车身旁边、大致在后轴延长线的某处。想象一排溜冰者绕着同一个共同的中心旋转：靠近中心的人几乎不动，而最外圈的人沿着一道巨大的弧线飞奔，但谁也不和谁较劲。阿克曼转向赋予车辆的正是这种和谐，于是每个轮胎都干干净净地沿着各自的弧线滚动，没有哪个轮子被横着拖过路面。

这是几乎每一辆真实的轿车、卡车和公共汽车所用的转向方式，也是自动驾驶汽车以及许多基于汽车式底盘打造的户外配送机器人所采用的方式。它平顺、在高速下稳定、对轮胎也温和——但它要付出差速驱动所没有的代价：一台汽车式机器人无法原地自转，而且当轮子朝正前方摆着时，它根本无法横向移动，只能向前或向后滚。它转弯总需要有挥出去的空间，这也正是为什么平行泊车是件苦差事。

动作电位是神经元发出信息时产生的短促电脉冲。它是「全或无」的：细胞要么产生一个完整的尖峰，要么完全不产生，就像相机闪光灯要么足量闪一下、要么不闪。每一次只持续大约一毫秒。

当一个神经元决定放电时，一波电变化会沿着它细长的输出纤维——轴突——飞速传下去，触发它与下一批细胞「对话」。大脑里的信息主要藏在这些尖峰的时机和频率中——急促的连发和缓慢的零星放电含义不同。从这个意义上说，动作电位就是大脑最基本的信号单位。

这也正是脑机接口电极最终在聆听的东西。在近距离，植入的电极能分辨出单个神经元的尖峰。从更远处、在头皮上，单个尖峰已无法分辨；电极感受到的是无数神经元齐放电后被模糊叠加的总和，表现为场电位和脑电波。

活动依赖性发育，指的是婴儿大脑利用自身的电活动“喧闹声”来完成自我布线的过程。大脑刚开始搭建时，基因只画了一张草图：它把神经纤维大致引向正确的目标，却无法逐一规定那数以万亿计的微小连接。于是大脑走了一条捷径。神经元开始发放微小的电脉冲——有时是自发的，有时是对眼睛、耳朵和皮肤所感知之物的回应——大脑则读取这股“信号流量”，据此决定保留并加强哪些连接，又弱化并丢弃哪些连接。简而言之，塑造最终回路的，不仅是遗传蓝图，更是细胞自身的活动。

其指导原则很简单：一起被用到的连接会被强化，而一直保持沉默的连接则会被修剪掉。想象一片纵横着隐约小径的山坡；许多人真正走过的小路会被踩得结实、宽阔而长存，无人问津的则在杂草下消失。这样的例子比比皆是。在发育中的眼睛里，相邻的感光细胞往往几乎在同一瞬间一起放电，大脑便利用这种同步性，把它们的“电线”整齐地捆扎在一起，使视觉地图变得清晰。这也正是早期经验如此重要的原因——以及为何在孩子无法正常看、听或活动的那段短暂窗口期，相应的回路可能会永久地发育不良，因为本该用来调校它们的活动从未到来。

驱动力，是机器人的电机和其它执行器为了让机器运动而产生的那一份推力或扭转之力。你弯起手臂时，是肌肉在出力；在机器人里，电机扮演着肌肉的角色，它们输出的那份力气，就是驱动力。如果关节是沿直线滑动的，这份力气就是一推或一拉（即一个力）；如果关节是转动的，它就是一份扭转之力（称为力矩或扭矩）。工程师常把这两种力气合在一个统称下，叫作广义力，这样一个词就能涵盖所有关节，无论它是滑动还是旋转。

驱动力之所以重要，是因为物理世界里没有什么是不花代价就能动的：每一次加速、每一次对抗重力、摩擦或沉重负载，都得靠某处提供的力来支付。控制系统在最底层的全部任务，就是决定每个关节在每一刻应该输出多大的驱动力，好让机器人走出你想要的路径。要的太少，手臂就会下垂或跟不上；要的太多，它就会冲过头、抖动，或让零件受损。由于真实电机能使出的力气有限，可用的驱动力便成了一道硬上限，悄悄决定着一台机器人能有多快、多有劲。

执行器是机器人身上真正让东西动起来的那个部件。它吸收某种形式的能量——通常是电，有时是压缩空气或油液——再把它转换成受控的机械运动：转动的轮子、抬起的手臂、合拢的夹爪。如果说传感器是机器人的眼睛、计算机是它的大脑，那么执行器就是它的肌肉。机器人决定要做的任何事，都要等执行器去执行才真正发生。

最常见的一类是电动机，它让一根轴旋转起来。但「执行器」是个含义很宽的词，这个家族很大：有旋转式的，会打转（各种各样的电机——直流、无刷、步进、伺服），也有直线式的，沿一条直线推拉（液压缸、气缸、丝杆传动、人造肌肉）。关键在「受控」二字。烟花也把能量变成运动，可你没法操纵它；执行器则是为了让控制器随时把它的运动调大、调小、停到指定位置而造出来的。

选执行器是一桩平衡的活，几个互相拉扯的需求要权衡：它能输出多大的力或扭转、动得多快、定位有多准、自身有多重、耗多少电、要花多少钱。一只焊接汽车的笨重工业机械臂需要蛮力；一架小无人机需要轻和快；一台手术机器人需要细腻。世上没有唯一最好的执行器，只有最适合这件活的那一个。

执行器的功率与能量预算，就是一份回答两个朴素问题的计划：我的机器人在任何一瞬间能使出多大的劲，以及它能撑多久才会耗尽？这两件事并不相同。功率是做功的速率——马达每秒钟用掉或输出多少能量，用瓦来量。能量则是你可以花的总储备，用瓦时来量，就像油箱的大小。一个机器人可能能量很足却功率太小（它能动，却没什么劲），也可能功率很大却能量很少（它猛冲一阵，一分钟后就趴下）。一份好的预算，要确保两者都对得上手头这项任务。

做这份预算，就是把需求加总，再去匹配供给。在需求一侧，你要把每个执行器在最吃力的那一刻所需的功率累加起来——一条腿蹬地、一只手臂抬起一个箱子——以求出整套系统可能同时拉取的峰值功率，再加上它在整项任务里慢慢消耗的、较低的平均功率。在供给一侧，则是电池的容量（它能装多少瓦时），以及它能多快又安全地把这些能量送出去。用能量除以平均功率，就得到续航时间：一块 100 瓦时的电池，供给一台平均 50 瓦的机器人，大约能撑两小时。工程师随后还会留出余量，因为低温、摩擦、爬坡和电池老化，都会悄悄吃掉这份计划。

把这件事算错，是真实机器人令人失望的最常见原因之一。功率预算不足，机器人第一次遇到坡道或重载就会卡住；能量预算不足，它会在巡查到一半时趴窝。所以设计者会斤斤计较地权衡：更轻的机器人，移动起来需要的功率更小；更小的马达和齿轮箱既省重量又少浪费；选择那些靠惯性滑行、而非一味对抗摩擦的动作，能让每一瓦时都用得更久。功率与能量预算，正是「机器人理应做什么」的梦想，与「它的电池和马达实际负担得起什么」的硬约束相遇的地方。

每一台真实的电机、阀门或加热器都有一个上限：它有转得最快的极限、推得最猛的极限、能达到的最高温度。所谓执行器饱和，就是当控制器要求的输出超过这个上限时发生的情况。控制器可能算出“以 150% 的功率驱动”，但电机最多只能给出 100%，于是多出来的那部分指令根本不起任何作用。从那一刻起，机器已经在拼尽全力，纸面上要求它“更使劲”，在真实世界里却毫无效果。

积分饱和则是常常随之而来的麻烦副作用。许多控制器都含有一个积分项，它是一笔不断累加的总账，会持续把误差（你想到达的位置与实际所在位置之间的差距）累积起来，好让那些微小而顽固的误差最终也能被纠正掉。可是当执行器被死死压在极限上时，误差迟迟无法缩小，这笔总账便越积越多——就像一只被拧过头的发条，被“越绕越紧”。等到机器终于到达目标时，控制器却还压着一个巨大的、积攒下来的指令，于是继续过度驱动、冲过了目标，造成很大的超调，并伴随缓慢而拖沓的回稳。最经典的画面是一部电梯：在全速爬升很长一段后，它会径直冲过你要去的那一层，正是因为积分项在爬升途中被绕得太紧了。

对应的解决办法叫抗饱和（抗积分饱和）：控制器一旦察觉执行器已经触顶，就立刻停止往那笔积分总账上继续累加（或者悄悄把它放回去一些），直到指令重新落进可达范围之内。抗饱和加起来成本很低、却也很容易被遗忘，正是这种不起眼的小处理，把一台一冲一顿、动辄超调的机器，和一台平顺、规矩的机器区分了开来。

自适应控制，是机器人在运行过程中、当它发现世界与预期并不完全相符时，能够边走边重新调校自己控制器的本领。大多数控制器都是基于一个对机器人的假定模型一次性设好固定数值的——比如它的手臂有多重、关节里有多大摩擦。但真实的机器人可能拿起一件更重的工具、把电机跑热，或者在几个月里磨损。自适应控制器不会因此失灵、也无需人来重新调校，而是观察自己实际表现如何，悄悄调整自己的设置，直到性能恢复。

它的运作方式，是在普通控制回路之上再叠一个不断进行的反馈回路。控制器把“它预期机器人会做什么”和“机器人实际做了什么”相比较。如果手臂总是比命令的位置垂得更低，控制器便推断“我一定低估了负载”，于是调高相应的内部参数；下垂随之减小；它再微调一次；这个估计就这样一步步逼近真相。过上一小段时间，控制器对机器人的认识便与真实的机器人对上了号，误差也就自行消退。

这正是你学着搬一个陌生箱子时所做的事：你第一下要么用力过猛、要么用力不足，因为你把重量猜错了，但才搬一两下，你的肌肉就重新校准了。自适应控制赋予机器人同样的自我纠正本事，所以凡是负载或动力学不断变化的地方，它都会现身——抓取重量未知物体的手臂、飞行途中烧掉燃料而变轻的飞机，或是部件随时间漂移、却必须继续工作的老化机器。

腺相关病毒（AAV）是一种小巧、温和的病毒，已成为基因疗法最青睐的递送工具。它本身在人体内不引起任何已知疾病，因此是个温和、不惹麻烦的“快递员”。可以把它想成一辆可靠的小型货车：装不了太多，却来得安静，能进入许多有用的地方，也很少闹出动静。

工程师把 AAV 的外壳掏空，再把一个治疗用基因装进去。注射之后，AAV 自己找路进入细胞、释放基因；这段基因通常会停在细胞自身 DNA 的旁边，长时间持续生产它的蛋白质——在肌肉、肝脏、眼睛、神经这类分裂缓慢的细胞里尤其如此。它小小的货舱是个软肋：太大的基因根本装不下。

多种已获批的基因疗法背后都有 AAV，这正是它被称为“主力载体”的原因。它的主要局限，就是那点狭小的装载空间，以及许多人因为自然接触早已带有针对它的免疫记忆——这可能削弱一次给药的效果，或让同一种载体无法再用第二次。

腺苷是一种小分子，在你清醒的整段时间里都会在大脑中缓慢堆积，它越多，你就越困。可以把它想象成沙子一点点流进沙漏：你每多醒着一个小时，就会多积一点，这逐渐升高的堆量正是大脑用来记录“距上次休息已经过去多久”的一种方式。科学家把这种越积越大的睡眠压力称作“睡眠驱力”，而腺苷正是传递这一信号的主要物质之一。

腺苷的堆积，部分来自大脑繁忙工作后留下的“废料”。脑细胞依靠一种叫ATP的燃料分子运转，当它们消耗这种燃料来思考、放电和保持警觉时，腺苷就作为副产物被释放出来。随后它停靠到某些神经元上叫作受体的特殊对接位点，在那里像刹车一样起作用：它让那些让你清醒、促进觉醒的回路安静下来，把大脑推向困倦。一旦你睡着，大脑就会把腺苷清除掉，沙漏被倒空，于是你醒来时神清气爽，压力重新归零。

咖啡因正是在这里登场。咖啡因的形状与腺苷极为相似，能够溜进同一批受体并把它们堵住，就像一把能插进锁孔却拧不动的钥匙。腺苷依然存在，也仍在升高，但对接位点被占住后，它就再也踩不下那只刹车，于是你感觉更清醒了。问题在于：沙漏其实一点都没被倒空。当咖啡因的作用消退时，那些累积下来的腺苷会一下子涌向重新空出的受体，这也是“咖啡因退劲”会让人突然感到精疲力竭的部分原因。

注意缺陷多动障碍（简称 ADHD）是一种发育中大脑的状况：患者会长期难以维持注意力、难以安坐、或难以在行动前先等一等——而且严重到妨碍了日常生活。几乎每个人偶尔都会走神、坐不住、或脱口而出；但在 ADHD 中，这些倾向要强烈得多、也持续得多，会出现在家里、学校、工作等许多场合，而且通常从童年就开始。它并不代表智力低下，也不是教养不当造成的。可以把它想象成一台总是从你选定的频道飘走、转而收到当下最响信号的收音机：人能够集中注意力，只是这份注意力很难按自己的意愿对准并稳稳停在那里。

这种模式以三种互相交叠的方式表现出来。注意力不集中，就是抓不住头绪——做着做着就走神、漏掉小细节、东西乱放，连真心想做完的事，只要觉得无聊也很难收尾。多动，就是身体停不下来、像充得过满——扭来扭去、敲敲打打、来回踱步，或感觉像被发动机驱动着；在成年人身上，这往往不再是看得见的乱动，而软化成一种内心的坐立难安。冲动，就是刹车还没踩下就先行动——打断别人、抢着答话、或仓促做决定。每个人可能偏向其中某一类，也可能三类混合出现。

研究者认为，ADHD 源于大脑在管理注意力、动机和自我控制方面的差异——这些回路高度依赖叫作多巴胺和去甲肾上腺素的化学信使，它们帮助大脑标记出什么重要、并把一个计划记在心里。这些网络往往成熟得更慢，运作方式也略有不同，这也部分解释了为什么有些人随着年龄增长会变得更稳。ADHD 常在家族中遗传，与懒惰或意志力毫无关系。借助理解、有支持作用的作息与结构安排，以及行为策略和药物等治疗手段，许多人能学会顺应自己的大脑特点，把日子过得很好。

导纳控制是阻抗控制的镜像：它不是接收一个期望位置、然后产生让步的力，而是接收一个测得的力、然后产生指令运动。机器人带着一个力传感器，感知外界推它有多用力；控制器读取这个推力，决定要朝哪个方向、移动多远、移动多快来作回应，仿佛机器人本身就是一套被手按压的虚拟弹簧加阻尼器。于是当你靠在机器人上时，它感知到你的推搡，便按你编程设定的量滑开——推得重，动得大；轻轻一碰，动得小。

为什么要有两种追求同样柔软、亲和接触手感的做法呢？归根结底取决于机器人的硬件。一只天生刚硬、带减速器、做位置控制的工业机械臂，很难让它自己温柔地“让一让”，但它极擅长精确地走到被指令的位置——于是你在它腕部装上力传感器，读取接触力，把它转换成位置指令：这就是导纳控制。而一只本就能自由活动、可反驱的轻巧机械臂，则更适合相反的做法（阻抗控制）。因此，导纳控制让一台刚硬、精准的机器，假扮出它在机械上根本做不到的那份柔软。

代价在于，这套方案完全依赖它的力传感器，并依赖把控制回路闭合得足够快；在非常刚硬的接触中，它可能变得抽搐或不稳定，因为微小的额外一推会被读成很大的力，从而触发很大的移动。调好虚拟的质量、刚度和阻尼，正是让它保持平滑而安全的功夫所在。

青春期大脑成熟，是大脑在青少年时期经历的一段漫长而参差不齐的改建过程，把儿童的大脑逐步塑造成成年人的大脑。最令人意外的一点是：它并非同时完工。到十几岁出头时，负责情绪和奖赏快感的脑区已经全力运转，但负责冷静判断、规划和踩刹车的脑区——位于额头正后方的前额叶皮层——却要到二十五岁前后才逐渐成熟。于是有那么几年，青少年就像开着一辆油门极其灵敏、刹车却还在安装中的汽车。

在表层之下，有两项缓慢的工程在同时进行。第一，大脑会修剪掉很少使用的连接，并加强常用的连接，这种整理叫做突触修剪，能让线路更精细。第二，它给长距离的神经纤维裹上一层叫髓鞘的脂肪绝缘层，让信号传得更快，也让相距较远的脑区能顺畅对话。这层绝缘到达深层情绪与奖赏回路的时间，要早于到达大脑前部，这正是两套系统步调不一的原因之一。这种错位是正常现象，而非缺陷：让青少年容易冲动的那份可塑性，也让他们学得快、乐于探索，并能适应他们即将步入的成人世界。

这种参差的发育节奏，有助于解释许多人们熟悉的青少年行为——对同伴和称赞格外敏感、偏好冒险与新鲜事物、情绪强烈——而不必把这些都当成毛病。它也有切实的分量：它影响着关于驾驶年龄、刑事责任的讨论，也说明了为什么这一阶段既是学习的大好时机，又是更容易受到压力、成瘾以及许多心理疾病初次出现所影响的脆弱时期。

ADR（架构决策记录）是一份简短的文档，用来记录一个重要的技术决策，以及同样重要的——「为什么」这么决定。几个月后，当有人问「我们当初到底为什么要这样做？」，答案早已白纸黑字写在那里。

每一份 ADR 都很短，并遵循同样的结构：背景（迫使你做选择的处境）、决策（我们选了什么）、理由（为什么）、备选方案（我们考虑过的其他做法），以及后果（我们因此得到什么、又要承担什么）。

你把它们作为纯 markdown 文件放在项目里，按顺序编号（0001、0002……），于是团队的思考过程会沉淀成一段可读的历史，而不是消失在某个人的记忆里。

成体神经发生，指的是在一个已经发育成熟的大脑里，生成全新的神经元——也就是大脑负责传递信号的细胞。长期以来，科学家以为人一出生就拥有了这辈子所有的神经元，成年后的大脑只会丢失细胞，绝不会再添新的。如今我们知道，事情并非全然如此：在成熟大脑的某些小角落里，有一批尚未分化的母细胞，叫做神经干细胞，它们仍在悄悄分裂，其中一部分后代会长成能工作的神经元，并把自己接入既有的神经回路。

这件事并不是处处都在发生，也不是大批量地涌现。在人类身上最清楚的部位，是海马体的一小条——海马体是深藏脑中、形似海马的结构，帮助我们形成新记忆；许多其他哺乳动物还会在一个通向嗅觉系统的区域里生出新的神经元。与其把它想成把整栋房子推倒重建，不如想成园丁在一畦打理得当的花圃里，悄悄插下几株新苗。每一个新生细胞都得熬过一段凶险的早期，长出连接，并证明自己有用，否则就会被修剪掉——最终只有一小部分能存活下来。

它为什么重要：这些迟来的神经元，被认为能帮助海马体把相似的经历区分开、不至于糊成一团，并支持学习、情绪和灵活的记忆。它们的数量往往随着年龄增长和长期压力而下降，又会因运动以及丰富、有趣的环境而上升——这也是研究者把它们当作一个可能的着力点的原因之一：既想借此让正在老化的大脑保持敏锐，也想用它在损伤或疾病之后修复大脑。至于这些发现有多少能真正适用于成年人的大脑，目前仍在激烈争论之中。

成体干细胞是已经住在成熟身体各组织里的干细胞，安静地维护并修复它们所栖身的那个地方。与胚胎干细胞不同，它们并非从胚胎中采集——它们驻留于组织之中，终其一生都可在骨髓、皮肤、肠道、肌肉以及许多其他器官里找到。可以想象每个组织都常驻着一支自己的小型内部修缮队，随时待命，无需外援就能修补磨损。

这些细胞通常是多潜能而非多能的：每一种都为自己所在的组织而调校，能产出该组织相关的几种细胞类型，却造不出身体的全部种类。一个造血干细胞能制造各种血细胞；一个皮肤干细胞负责更新皮肤。它们往往分裂缓慢，而且只在需要时才分裂，大部分时间都处于休眠。这份克制是一项优点——它既节省了储备，也限制了差错悄悄混入的风险。

成体干细胞之所以重要，是因为它们是自然愈合与更新日复一日的引擎，也因为它们有时能从患者自身的身体里采集，从而绕开围绕胚胎的伦理问题，并降低免疫排斥的几率。它们的局限在于种类较窄，以及难以大量培养，这正是为什么它们经过验证的医学用途虽然真实存在，却仍比新闻标题常给人的印象要朴素得多。

五十年来，要做出更快、更便宜的芯片，办法只有一个：把晶体管做得更小，在同一块硅片上塞进更多。可这部电梯正在减速：晶体管之间的连线如今卡住了速度，单颗芯片做大到一定程度良率就会崩塌，而存储器又喂不饱处理器。先进封装一举回答了这三个难题。与其孤注一掷地去做一颗越来越大、越来越精细的单片芯片，不如把整个系统拆成若干颗芯片，再在封装内部把它们极其紧密地连起来，让它们表现得几乎像一颗芯片。封装不再只是一个被动的塑料盒子、只负责保护硅片并引出几根管脚，而是成为设计中主动的一环——这正是人们把它称作新一代缩放（new scaling）的原因。

先进封装其实是一把大伞，底下罩着一族让芯片以极短、极密路径相连的技巧。在 2.5D 中，你把几颗芯片并排摆在一块转接板（interposer）之上——这块硅片（或有机基板）相当于一块高密度电路板，其超精细的布线把各颗芯片连得远比普通主板紧密得多；处理器紧挨着它的 HBM 存储堆栈，正是这么实现的。在 3D 中，则改走垂直方向，把芯片一层层叠起来，用硅通孔（TSV）让信号笔直穿上去，或者用混合键合（hybrid bonding）把两颗芯片铜焊盘对铜焊盘地直接熔接在一起，做出比任何焊球都更精细的连接。路径越短，意味着延迟更小、每比特能耗更低，各部分之间的带宽也大得多。

回报是性能与成本两头都赚。把一颗芯片拆成若干颗更小的芯片（芯粒，chiplet），就能在组装前逐一测试、只丢掉坏的那些，从而挽回一颗巨型单片芯片本会白白浪费掉的良率——而且还能混用不同制程节点：把逻辑放在最尖端的节点上，而存储或模拟电路则留在更便宜、更合适的节点上。封装已变得如此关键，以至于最先进的 AI 加速器，其身价既取决于内部的晶体管，也同样取决于它的转接板、HBM 堆栈和键合间距——集成方案如今是芯片竞争力中头等重要的一环，而不再是事后才考虑的附属品。

情感效价与唤醒是科学家用来给任何感受“定位”的两把简单尺子。效价问的是：这感觉是好还是坏？它的一端是愉快（喜悦、舒适、欣喜），另一端是不愉快（恐惧、厌恶、悲伤），中间是中性。唤醒则问另一个问题：你被调动到什么程度？它的一端是平静、困倦，另一端是清醒、亢奋。可以想象一张平面地图，两条道路成直角交叉——愉快度从左到右，强烈度从下到上——几乎任何你能叫得出名字的情绪都能在上面找到一个位置。兴奋落在“愉快且高能量”的角落；安详满足落在“愉快且低能量”的角落；暴怒落在“不愉快且高能量”的角落；阴郁落在“不愉快且低能量”的角落。

把情绪拆成这两个旋钮之所以重要，是因为大脑似乎在某种程度上分开处理它们。粗略地说，与奖赏和威胁相关的回路帮助设定效价——告诉你去靠近感觉好的、躲开感觉坏的——而那些让身体亢奋起来的系统，比如释放压力化学物质和加快心跳，则反映唤醒，并让你为行动做好准备。高唤醒带来的同一种身体悸动，可以伴随截然不同的感受：第一次约会时心怦怦跳，开车险些相撞时心也怦怦跳，而决定你把这一刻称为“刺激”还是“惊恐”的，正是效价。正因为仅凭两个数字就能给一种感受定位，研究者就用这张效价—唤醒坐标图来跨人比较情绪、标注面孔和音乐，并研究心境障碍——在那里常有一个旋钮被卡住：抑郁把效价往下拉，焦虑把唤醒往上推。

传入通路和传出通路，是神经信号传递的两个方向，命名依据是它们相对于中枢指挥中心——也就是你的大脑和脊髓——指向哪一边。传入的意思是向内传送、朝向中枢：这些线路把来自眼睛、耳朵、皮肤和内脏器官的消息送进来，也就是关于你自身以及周围正在发生什么的感觉报告。传出的意思是向外传送、远离中枢：这些线路把命令再送回出去，传给你的肌肉和腺体，叫它们运动、收缩或分泌。一个简单的记忆窍门：传入是“信号到来”，传出是“信号出去”。

可以把中枢神经系统想象成一家大公司的总部。传入通路是收进来的信件和电话——从一线源源不断流入的每一份观察和反映。传出通路是发出去的指令——下发给真正动手做事的员工的便条和命令。当你碰到滚烫的炉子时，一个传入信号飞速向内冲去，报告这处烫伤；不到一瞬之间，一个传出信号又飞速向外冲出，把你的手猛地抽开。两个方向缺一不可：只感觉而不行动是无能为力的，只行动而不感觉则是盲目的。

这种“进”与“出”的划分，是整个神经系统最基本的组织思路之一，而且在每一个层级上反复出现。一条简单的反射回路，就用到一段传入支和一段传出支。整条神经常常按其主要方向来命名，甚至连单根神经纤维，也被划分为感觉性（传入）或运动性（传出）。把这两个方向分清楚，是理解身体如何把它所感受到的，转化为它所做出的，迈出的第一步。

衰老的大脑，指的是健康成年人在数十年人生中缓慢变化着的大脑——这种变化并非源于任何疾病，而只是单纯因为年纪增长。就像一双穿久了的鞋子，它仍然管用，却显出磨损：体积略微缩小，某些信号传得稍慢一点，过去一瞬间就能完成的事——想起一个名字、同时兼顾好几件事——可能需要多停顿片刻。这些大多属于正常现象，许多年长者的大脑在很长时间里依旧敏锐而能干。

在表象之下，几种温和的变化日积月累。大脑会逐渐损失一些体积，尤其是与记忆和规划相关的区域，比如海马体（一个形似海马的记忆中枢）和前额叶皮层（位于额头后方、负责专注与决策的区域）。包裹在神经纤维外、起保护作用的脂肪层——髓鞘——在某些地方会变薄，于是脑区之间的信息传递略微变慢。脑部血流稍有减少，清除废物蛋白的效率也有所下降。与此同时，大脑会进行代偿——动用额外的区域，或依靠一生积累的知识——这正是智慧、词汇量和判断力往往随年龄保持稳定、甚至有所提升的原因。

为什么这很重要：了解什么属于正常衰老，有助于把它与疾病的预警信号区分开来。忘了车停在哪里是常见的；连自己开过车都忘了，则不正常。那些让身体保持健康的习惯——规律运动、充足睡眠、社交往来和动脑参与——也能帮助衰老的大脑保持韧性，科学家把这种关系称为认知储备。

农业机器人，是指用机器人来种植和收获粮食——这些机器在开阔的田野、果园和温室里播下种子、拔除杂草、采摘果实、照料庄稼。与工厂不同，农场是个杂乱而难以预料的地方：地面坑洼不平，天气说变就变，作物每一棵长出来的形状都略有不同，今天熟透的番茄昨天还是青的。农业机器人必须在露天环境里应付这一切，这让它成为机器人领域里最难的工作之一。

这些农田机器人形态各异——可能是一台在作物行间缓缓爬行的小车，一只装在轮子上、伸进灌木丛的机械臂，或是一架在头顶飞行的无人机——但它们有一个共同的难处：这个世界偏偏不肯安分。没有画好的线可循，光照在刺眼与阴影之间忽明忽暗，尘土和泥浆糊住传感器，而机器人还得靠摄像头和学来的视觉，把一株杂草和一棵幼苗、把一颗熟果和一颗生果区分开来。比如一台除草机器人，就必须沿着一行作物滚动前进，把每一个绿色的小东西认作庄稼还是杂草，然后只对杂草下手——把它击除或拔掉，又不伤到它旁边的粮食作物。

统摄这一切的目标，是精准农业：不再把整片田一视同仁——不再每平方米都喷药、每个角落都浇一样多的水——而是让机器人和传感器一株一株地行动，给每一棵作物恰好它所需的水、肥或照料，多一分都不给。回报是更少的化学品用量、更少的浪费、更高的产量，以及把人从弯腰采收这类伤腰又难招工的劳动中解放出来。它至今多半还在兴起、而非随处可见，原因在于：要在崎岖的露天地形里，温柔而可靠地对付柔软、娇嫩、千变万化的活物，确实仍然很难。

空气桥是量子芯片上一座微小的、悬空的金属拱：一条超导金属带从表面抬起、干净地跨过它下方的导线、再在另一侧落下，桥下的缝隙里除了真空什么也没有。可以想象成一座跨过马路的天桥。它看上去像个吹毛求疵的小细节，但空气桥悄悄担着一项要紧的活儿。没有它，芯片上大片的金属接地区域就会被在其间穿行的各条信号线切割成一座座孤岛，而这些孤岛会开始捣乱。

它要治的毛病是：当一条控制线横切过接地平面时，接地的两半就不再被牢牢连在一起。它们会漂移到略微不同的电位，并沿着两者之间的缝隙寄生出一种不想要的振荡模式，叫做缝隙线模式（slotline mode），它会偷走能量，还会让一个量子比特的信号串扰到另一个上去。空气桥就是那一针缝线：它从一侧把接地带过来，不接触地拱过那条碍事的线，再在另一侧重新接回接地，于是整片接地保持在同一电位，缝隙模式也被短接掉。同样这一招还能让一条线跨过另一条线而不短路。制造很精细：先用光刻胶做出一层牺牲性的支架，把金属桥蒸镀或电镀在它的圆顶之上，再把支架溶解掉，桥就横跨在空荡荡的空间里了。

诚实的代价是：空气桥是一个紧挨着量子比特、并承载电流的小结构，所以做得不好的桥会带来自身的损耗，或困住杂散磁通，从而缩短相干时间。金属必须在整道拱上都保持超导，落脚的焊盘必须键合得干净，跨段不能下垂或塌陷——而这一切要在整片晶圆上重复成千上万遍而不出一次差错。所以空气桥虽是常规步骤，却并非免费：它是一道真实的制造工序，得和其他一切一起调好，而不是最后随手撒上去的灵丹妙药。

算法（algorithm）是一份精确的、一步接一步的「菜谱」，用来解决某个问题或得到某个结果。在你的代码动手做任何事之前，背后总有一个方案——一连串确切的步骤，把你手上的输入变成你想要的答案。算法就是这个方案；代码只是把它写下来的其中一种方式。

有个好办法去体会它：做菜的食谱就是一种算法。拿这些食材，按这个顺序做这几步，你就能稳稳地做出那道菜。给朋友指路也是。让它成为「算法」而不只是个模糊念头的，是那份精确——没有哪一步留给瞎猜，每一步都清楚到机器也能照着做。

同一个问题可以有许多种算法，而它们并不一样好。给一串名字排序有十几种做法；有的眨眼就完，有的在长列表上慢慢爬。所以挑对算法——够快、够简单、在每种情况下都正确——是这门手艺实打实的一部分，和敲代码本身是两回事。

全或无原理是说，神经元那种叫做动作电位的电脉冲，要么完整地发放，要么根本不发放，没有中间状态。可以把它想象成相机闪光灯：把按钮按到一半什么也不会发生，但一旦按得够用力，闪光灯每一次都会以全亮度闪起来。对细胞轻轻一推不会产生任何信号；推得足够用力才会产生一个完整的信号。世上根本没有“半个大小”的脉冲这回事。

这之所以成立，是因为存在一个阈值，也就是一种触发点。只要对细胞的推动停留在阈值以下，就什么也不会发生。一旦推动越过阈值，一连串自我强化的连锁反应就会席卷整片细胞膜，产生一个大小和形状都固定的脉冲，无论触发的力度超过阈值多少都一样。所以神经元无法靠把脉冲做得更大来表示信号“有多强”。它表示强度的办法，是发放得更快——每秒产生更多脉冲——以及让更多神经元一起参与。这样一来，信号在长距离传输时仍能保持清晰可靠，因为每个脉冲都会以全强度被重新生成，沿途绝不会逐渐减弱。

异体细胞来自捐献者——一个与接受者不同的人。这个词的意思是「他者」，恰好道出了它的长处与症结。由于这些细胞取自某一位捐献者的来源，单单一批就能扩增并冷冻成许多份即用的剂量，从而得到一种「现成」的产品，可按需发放，更像一款标准药物，而非一笔定制订单。

其制备在原理上很直接：实验室从经过严格筛查的捐献者身上采集细胞，大量培养、加以处理，再冷冻储存，直到有病人需要治疗。这种可规模化正是它最大的吸引力——不必花数周去培养每位病人自己的细胞，每剂的成本也低得多。这就像在货架上挑一件合身的外套，与从头量身裁制之间的区别。

这份便利的代价在于免疫系统。由于捐献者的细胞带着另一个人的身份标记，受体的身体可能把它们认作外来物而加以攻击——这与器官移植中所见的排斥问题如出一辙。研究者试图通过基因编辑让细胞在免疫系统面前更「隐形」来规避，但驾驭排斥，仍是自体（源自自身的）细胞所能避开、而异体细胞所面对的核心难题。

稳态应变的意思是“通过改变来维持稳定”——身体让你保持健康，靠的不是把一切都纹丝不动地维持着，而是随时主动调整，去应对当下的种种需要。可以想象一位熟练的司机在起伏的山路上让车保持匀速：上坡时多踩油门，下坡时松油门、踩刹车。车速大体不变，但这恰恰是因为司机在不停地做出改变。同样地，你的大脑会读取处境——逼近的截止日期、寒冷的清晨、突然的惊吓——然后命令身体其余部分升高血压、释放能量或分泌应激激素，等挑战过去后再把这一切重新调低。在这里，大脑是指挥者，它预判你将需要什么，并在麻烦尚未到来之前就调动好心脏、免疫系统和各种腺体。

稳态应变负荷，就是当这种调整永不停歇时所要偿付的账单。每一阵应激本应是短暂的——猛地激起，再归于平静。但在长期的重压之下——为钱发愁、敌意四伏的职场、被打断的睡眠、月复一月乃至年复一年磨人的孤独——这套系统会一直开着，或者无法彻底关掉，又或者在并不需要时也照样启动。那些在短期内保护你的化学物质，比如应激激素皮质醇，一旦迟迟不退，就反过来开始伤害你：它们磨损血管、削弱免疫系统、扰乱睡眠和食欲，还会重塑负责记忆与情绪的脑区。这种日积月累的损耗，就是稳态应变负荷。

这个概念为日常生活中的压力换了一个看待的角度。它解释了为什么持续的艰难处境——而不只是惊心动魄的单次事件——会悄悄抬高心脏病、糖尿病、抑郁症和记忆障碍的风险；也解释了为什么这份代价，最沉重地压在那些长期身处逆境、几乎没有喘息机会的人身上。它还指明了什么会有帮助：任何能让身体重新回到平静的东西——安稳的睡眠、运动、彼此支持的关系、一种自己能掌控的感觉——都为这套系统提供了它所需要的“关闭开关”，让负荷不至于越积越多。

α运动神经元是一种大型神经细胞——是你体内最大的细胞之一——它充当最后的信使，命令你的骨骼肌收缩。骨骼肌就是你能有意识控制的那些肌肉：弯曲手臂、踢球、把嘴唇咧成笑容的肌肉。无论运动指令来自哪里——是大脑决定挥手，还是脊髓里的反射回路把你的手从滚烫的炉子上猛地缩回——所有指令最终都必须汇集到这类神经元，才能传到肌肉。正因如此，它们被称为“最后公共通路”：肌肉之前链条上的最后一个细胞，是每一道命令都必须经过、才能变成真实动作的那一扇门。

每个α运动神经元都位于脊髓中（控制面部和颈部肌肉的则位于脑干），并伸出一根又长又快的“导线”，叫轴突，一直通到肌肉。在那里它分成许多末梢，分别接到一根根肌纤维上——也就是构成肌肉的那些细丝。一个α运动神经元加上它所抓住的全部肌纤维，合称一个“运动单位”；当这个神经元发出一次电脉冲时，它单位里的每一根肌纤维便同时一起收紧。小而精细的运动单位（比如控制眼球或指尖的）只带动寥寥几根肌纤维，带来精细的控制；大而有力的运动单位（比如大腿里的）则统领数百根，带来原始的力量。通过发放得更快，或者启动更多运动单位，你的神经系统就能把一块肌肉的用力从轻轻一碰平滑地调到全力一拉。

正因为每个动作都依赖它们，α运动神经元也是一个薄弱环节：一旦它们受损或死亡，它们所服务的肌肉就会瘫软、萎缩，哪怕大脑想动的意愿完好无损——只是这道命令再也没有信使去传递了。这正是脊髓灰质炎（小儿麻痹症）和肌萎缩侧索硬化（ALS，俗称渐冻症）等疾病中发生的事：它们攻击这些细胞，使曾由它们驱动的肌肉再也无法回应。

α节律是大脑一种稳定的电脉动，每秒大约跳动8到12次——差不多和你快速抖动手指的速度一样。你可以把它想象成大脑皮层（大脑那层布满褶皱的外壳）在清醒但放松、没有忙于费力任务时所哼的一支待机小曲。当一个人安静地闭眼静坐时，它出现得最明显；而一旦睁开眼睛、集中注意，或者开始费力地解决问题，它往往就会减弱或缩小。

这种节律是最容易被发现的脑信号之一。20世纪20年代，德国医生汉斯·伯格（Hans Berger）首次用贴在头皮上的电极记录人类脑电波时（这种方法叫脑电图，简称EEG，它读取的是数十亿个神经元一起放电所产生的微弱电压），α节律正是那条清晰而规律、一下子跳入他眼帘的波。它在头部后方、视觉区域上方最强，所以仅仅是睁眼或闭眼，就能如此戏剧性地把它开启或关闭。如今许多科学家认为，α并不只是空转的闲置，而是一种主动的“待机”状态——它是大脑让暂时用不到的区域安静下来的一种方式，好把注意力对准真正需要的地方。

交流电是一种「拿不定主意」该往哪边流的电。它不像河水那样朝一个方向稳稳前进，而是每秒来回往复好多次——大多数家庭里是每秒 50 或 60 个来回。想象体育场里观众做「人浪」：没有谁真的绕场跑一圈，可那股波动却沿着座位飞快传开。交流电也是这样传送能量的：让电荷在原地来回摆动。

电网用交流电，是因为它的电压改起来特别方便。一个变压器——两组共用磁场的线圈——能把电压大幅升高，方便长途输送（这样以热的形式损耗得更少），再在你家附近降回安全的电压。直流电（那种朝一个方向稳稳流的电）没法这样穿过普通变压器。所以发电厂用交流电沿着电线输送，而电池和你手机里的芯片靠的是直流电。

阿尔茨海默病是痴呆（失智）最常见的病因——一种缓慢进展的脑部疾病，会逐渐侵蚀记忆、思维以及应对日常生活的能力。它通常起病悄无声息，多在六十五岁之后，先是一些小小的失误：忘记刚刚的对话、东西乱放、想不起词语。随着岁月推移，病情不断加深，直到患者可能再也认不出亲人，也无法照料自己。可以想象一座庞大的图书馆，年复一年，最新的书最先消失，连书架本身也慢慢坍塌——这正贴切地描绘出这种疾病令人心碎的发展轨迹。它不是衰老的正常一部分，而是一种会从肉体上损害大脑的特定疾病。

在显微镜下，有两种异常的蛋白质团块标志着这种疾病。一种叫β淀粉样蛋白的黏性碎片，在神经元（大脑的信号细胞）之间堆积成团块，称为斑块，就像垃圾堆积在城市的缝隙里。在神经元内部，一种叫tau的蛋白质——它本应像脚手架一样，把细胞内部的运输轨道撑得笔直——却扭结成乱团，称为神经原纤维缠结，于是轨道塌陷，细胞被饿死。随着斑块和缠结扩散，突触（神经元彼此对话的微小接点）逐渐丧失，大脑的免疫细胞掀起破坏性的炎症，整片整片的脑区随之萎缩。损害通常从海马及其周围开始——海马是大脑形成记忆的中枢，这也正是为什么丢失近期记忆往往是最早的征兆。

目前尚无根治之法，但理解“斑块与缠结”这一过程，已经塑造了医生诊断和治疗它的方式。多数较老的药物只能在一段时间内缓解症状，办法是增强大脑残余的信号化学物质；而较新的抗体类药物则力图清除淀粉样蛋白，在早期阶段适度延缓病情下滑。研究者至今仍在争论，淀粉样蛋白、tau、炎症以及其他因素究竟如何交织在一起、共同推动这种疾病，而寻找真正能阻止它的疗法，正是神经科学最重大的未解难题之一。

把你问题的每一个可能答案，都想象成一台巨型调音台上的一根推子，每根推子的高度就是那个答案的振幅。当你最终测量时，你并不是直接读出推子的高度；得到某个答案的概率，是它那根推子高度的平方。一开始，所有推子都大致停在同样的低位上，所以每个答案的可能性都差不多（同样不太可能）。振幅放大，就是一种小心翼翼、反复进行的轻推：把你想要的那些答案的推子抬高，把其余的压低，这样到最后一测量，几乎总能交给你一个正确答案。

每一轮做两件事：先由一个预言机（oracle）标记出好答案（翻转它们振幅的符号），接着第二步把所有振幅都对它们的平均值做一次反射。从几何上看，这两步合起来，每次都把整个量子态朝被标记的答案稍稍转近一点，就像让指南针的指针一点点逼近正北。但你必须在恰当的时刻停手：一旦转过了头，振幅又会摆回去往下掉，答案反而变得更不可能。这正是 Grover 搜索内部的引擎——在 N 个候选项中找出一个被标记的项，大约只需 sqrt(N) 步。这是一个实实在在、很有用的加速，但它是平方级（二次方）的加速，而不是某些结构化问题（比如 Shor 的整数分解）所享有的那种戏剧性的指数级提升。

杏仁核是一小簇形状像杏仁的脑细胞，深埋在大脑两侧、靠近太阳穴的位置。它一共有两个，左右半脑各一个。它的作用就像一套反应极快的警报系统：不停地扫描你所看到、听到和感受到的一切，留意其中是否有威胁或对你格外重要的东西，并在你还没来得及有意识地思考之前就拉响警报。当你被突如其来的声响吓得一跳，或者看到一根形似蛇的树枝而猛然僵住时，那一瞬间窜起的恐惧，主要就是杏仁核在起作用。

除了恐惧，杏仁核还会为各种经历贴上情绪标签，这也是为什么令人害怕或激动的时刻，往往比平淡的日常被记得更加鲜明深刻。当它把某件事标记为危险时，会迅速向大脑和身体的其他部位发出信号，让心跳加快、肌肉绷紧，为搏斗、逃跑或僵住做好准备。它与邻近的结构紧密配合，例如负责记忆的海马体，以及能在判断情况安全后平息警报的前额叶皮质。杏仁核若过度活跃或调节失常，则与焦虑、恐惧症和创伤后应激障碍有关。

肌萎缩侧索硬化症，简称ALS，是一种指挥肌肉的神经细胞逐渐死亡的疾病。这些细胞叫做运动神经元，就像把大脑的每一道命令传送到肌肉的线路——告诉手去握紧、腿去行走、喉咙去吞咽。在ALS中，这些线路一个月比一个月磨损、崩坏。失去信号的肌肉因为不再被使用而萎缩、变弱。它的名字本身就说明了这一点：“肌萎缩”指肌肉因缺乏滋养性信号而消瘦，“侧索硬化”指脊髓两侧、这些神经纤维所经过的区域，随着细胞的丧失而变硬、结疤。

ALS是渐进性的，意思是它会不断恶化——通常从一些小问题开始，比如握力变弱、走路绊倒或说话含糊，并在数月到几年内蔓延到越来越多的肌肉，最终导致瘫痪（失去活动的能力）。关键的一点是，ALS攻击的是运动能力，却通常不影响感觉，对大多数人来说也不影响思维：一个人可能会变得无法行走、说话，最终甚至无法自主呼吸，但他依然能看、能听、能感觉、能理解周围发生的一切。目前尚无根治方法，但护理、呼吸支持和少数药物可以缓解症状、延缓病程。科学家们深入研究ALS，因为它以最鲜明的方式揭示出运动神经元有多么脆弱、多么无可替代，而寻找疗法的努力也推动着现代神经科学的许多进展。

时代错置，是指某样东西出现在了它根本不可能存在的时代——一个绝不该在场的细节。想想电影里的罗马百夫长低头看了一眼手表，或是中世纪故事里的骑士在咖啡传入欧洲的几百年前就端起了咖啡。东西本身是真的，只是落错了世纪，像一位提早一百年赴宴的客人。

历史学家更担心同一种错误中那个安静而隐蔽的版本：用今天的观念去评判过去。我们随手用上「民族」「经济」「隐私」这些词，却忘了那时的人脑子里并没有装着这些概念。若以为一个中世纪农民像我们这样思考「自由」，无异于给过去套上我们自己的衣服，再惊讶它居然合身。

常见的误解在于：找出时代错置，并不是要责怪过去「落后」。恰恰相反——它是一种谦逊的功夫。目的是按古人自己的方式、在他们自己的世界里去理解他们，而不是拿一把他们从未持有的尺子去丈量他们。

模数转换器是一道门，把杂乱无章的连续世界引进数字芯片真正能拿来运算的那个干净的数字世界。麦克风、温度传感器、收音机天线——它们说的都是平滑变化的电压，在高与低之间有着无穷无尽的灰度。ADC 倾听这个电压，再递给处理器一个数。它分两步完成。第一步是采样：像相机一帧帧抓拍那样，它不去无休止地盯着电压，而是在等间隔的一个个瞬间把电压定格下来。第二步是量化：它把每个定格下来的值四舍五入到一架固定阶梯上最近的那一档，因为一个数终归只能有那么多位。采样切碎了时间，量化切碎了幅度。

这份便利带着两笔实打实的代价。你必须采得够快——至少是你所关心的最高频率的两倍（奈奎斯特准则，fs 大于 2*fmax）——否则快速的抖动就会乔装成缓慢的抖动，这种误差叫混叠，事后再怎么算也无法挽回。而四舍五入到最近的那一档，会丢掉那点微小的零头，它表现得就像一阵轻微的嘶嘶声，称为量化噪声。位数越多，阶梯越细，嘶声越轻：对一个理想转换器来说，信噪比约为 6.02*N + 1.76 dB，所以每多一位大约能买来 6 dB 的余量。正是这一行式子，道出了为什么 16 位音频 ADC 听起来比 8 位的干净得多。

该选哪种架构，是在速度、分辨率和功耗之间的一场权衡。flash（闪速）ADC 是短跑健将：它用一整排比较器，一次就把输入和阶梯上的每一档同时比一遍，因此一拍之内就完成转换——快得惊人，但比较器的数目随位数爆炸式增长，所以它分辨率上不去、又耗电（想想几吉赫兹的射频前端和示波器前端）。SAR（逐次逼近）ADC 玩的是二分查找的猜数游戏，每一步钉住一位；它落在舒服的中段——速度适中、8 到 18 位、功耗节省——这让它成了传感器和单片机里挑大梁的主力。sigma-delta（Σ-Δ）ADC 拿速度换精度：它以远超所需的频率采样，再巧妙地把自己的量化噪声推到感兴趣的频带之外（噪声整形），然后把噪声滤掉，从而达到最高的分辨率（可达约 24 位），用于音频和精密仪器。

解析逆向运动学的意思是：用一条精确的公式去求解那个反向问题——要让手到达目标，各关节该转多少角度？——这条公式是事先用纸笔几何和代数一次性推导出来的。你不让计算机去摸索答案，而是推出一条简洁的方程（一个封闭解形式），把想要的位置和姿态代进去，关节角度就直接算了出来。这就像用求根公式一步干净利落地解方程，而不是一遍遍试数字、直到碰上一个合适的为止。

它最大的优点是又快又稳：答案几乎瞬间出现，同一个目标永远给出同一个结果，而且这种方法会一次性列出所有可能的解——对一条典型的机械臂来说，就是少数几种「肘上／肘下」之类不同的姿态。这使它成为那些必须实时反应的机器人的首选，比如生产线上动作飞快的拾放机械手。它的代价在于：只有几何结构「配合」、足够特殊的机械臂才存在封闭解。大多数经典的六关节工业机械臂之所以满足条件，靠的是一个巧妙的设计——最后三个关节轴交于同一点（也就是所谓的球形手腕），它恰好把这个难题利落地拆成较易的位置部分和姿态部分。没有这种友好结构的机械臂无法这样求解，只能退回去用数值方法。

解剖方位术语是描述大脑和身体时共用的一套“指南针”，让两位科学家无论头怎么倾斜，说到某个位置时指的都是同一处。比起“上”“下”“前”“后”这类会随移动而改变的说法，解剖学家使用固定不变的标签。在大脑中最常遇到的四个是：吻侧（朝向鼻子，也就是前端）、尾侧（朝向尾巴，也就是后端）、背侧（朝向背部或顶部）、腹侧（朝向腹部或底部）。可以想象一条鱼或一只四足动物平躺着：吻侧是它的口鼻，尾侧是它的尾巴，背侧是它脊背的那一面，腹侧是它肚子的那一面。

平面是你为了把大脑切开、看清内部而想象出的几个平整切口，标准的共有三个。矢状面从前到后纵切，把大脑分成左右两半，就像把一条面包顺着中线竖向切开。冠状面（又叫额状面）从一只耳朵切到另一只耳朵，把前部和后部分开，就像把同一条面包切成一片片圆形的竖切片。水平面（又叫轴面或横切面）与地面平行地切下去，把上部和下部分开，就像把面包平着切成上下两块。

把方位和平面结合起来，任何人都能准确描述一个位置以及观察的角度。一张脑部扫描图或显微镜切片几乎总是以这三种视角之一呈现，所以认得这些平面，你一眼就能知道自己在看什么。在人身上这些术语会稍微有点绕，因为我们直立行走，使脊柱的轴线发生弯折：在人的脑干和脊髓中，“背侧”指向后背，而在前脑中，“背侧”却指向头顶。先学会这套词汇，往后阅读任何脑图都会轻松得多。

麻醉（anesthesia）是用药物关掉痛觉——有时连意识也一起关掉——好让外科医生能切开、缝合或接好断骨，而病人毫无感觉。可以把它想成给身体的警报系统按下一个临时而精密可控的「暂停键」：牙医只麻掉一颗牙，或者病人整个人睡过去，醒来时手术早已做完。

它大致分两类。局部麻醉只让一小片区域的神经安静下来——麻木的牙龈、失去知觉的一块皮肤——而你始终清醒。全身麻醉则直抵大脑本身，把你卷入一场深沉、无梦的昏睡，以应付大手术；其间有机器替你呼吸，有专科医生盯着你的每一次心跳。

人们很容易把全身麻醉想象成普通的睡觉，其实不然——你无法被摇醒，呼吸和血压都需要时刻照看。这正是为什么麻醉是现代医学的伟大馈赠之一：在它于 1840 年代问世之前，做手术意味着被人按住，硬生生熬过每一秒钻心的剧痛。

快感缺失是指你感受快乐的能力丧失或大幅减弱——那些曾经让你眼前一亮的东西，比如最爱的一首歌、一顿美食、一个拥抱或某项爱好，如今都变得平淡、灰暗，甚至让人觉得不值得费这份力气。它并不完全等同于悲伤；许多人形容它是一种情感上的麻木，仿佛“享受”的音量旋钮被几乎拧到了最低。想象一下：吃着你最喜欢的甜点却尝不出任何特别，见到深爱的朋友却感受不到一丝暖意——那个本该被喜悦填满、如今却空荡荡的缺口，就是快感缺失。

科学家通常把它分成两种：一种是当下快乐的消退（你在做开心的事，却感觉不到开心），另一种是“想要”和“期待”的消退（你不再被奖赏吸引，也不再有动力去追求它们）。这两种都与大脑的奖赏回路有关——那是一组脑区和化学信使（尤其是多巴胺）构成的网络，平时负责把某段经历标记为“值得去追求、值得再来一次”。当这套回路运转不足或信号微弱时，大脑就不再为奖赏“点亮”起来。

在诊断重性抑郁症时，快感缺失是医生重点关注的两大核心症状之一；它也出现在精神分裂症、帕金森病，以及长期严重压力之后等情况中。由于它会削弱一个人寻求帮助、或去做有助于康复之事所需的那份动力，临床上把它视为一个重要的干预目标——也是一个值得认真对待的信号，而不该被当作懒惰或一时心情不好而轻易忽视。

抗生素是一种对付细菌的药。链球菌性咽喉炎、很多种中耳炎、一些伤口感染，背后都是细菌在作怪。抗生素要么直接杀死这些细菌，要么让它们没法继续繁殖，剩下的就交给身体自己清理。

有一点特别值得记住：抗生素对病毒毫无作用。普通感冒和流感都是病毒引起的，所以吃抗生素并不会让你早一天好起来——只会让你白白承受药物的副作用。

第一种抗生素其实是个美丽的意外。1928 年，弗莱明发现一团霉菌杀死了培养皿里的细菌，这团霉菌后来就成了青霉素。但滥用是有代价的：每一次在不需要时用药，最顽强的细菌都会存活下来，并把抗药性传给下一代，慢慢养出我们的药再也对付不了的细菌。

抗体是身体专门造出来的一种很小的Y形蛋白质，用来牢牢抓住某一个特定的入侵者。Y字的两个尖端形状被打磨得极其精巧，只能扣住某一种目标——病毒的一小块、一个细菌、一粒花粉——就像一把钥匙只配一把锁。这个目标叫做抗原，而一种抗体除了自己那把「锁」，对其他一切都视而不见。

一旦扣上去，抗体就同时充当了「旗子」和「手铐」。它可以把病毒裹住，让它钻不进你的细胞；可以把入侵者粘成一团毫无用处的黏块；也可以给它们贴上标记，让免疫系统的清道夫一眼就知道该吞掉谁。身体能造出的抗体种类多得惊人——多达数十亿种不同的形状——几乎对它可能遇到的任何东西都有所准备。

真正让你受用一生的是这一点：一次感染过后，会有少数细胞把这套「制胜配方」存档。下次再碰到同一种病菌，身体就能飞快地大量生产对得上号的抗体，往往在你还没觉得不舒服之前就解决了。疫苗训练的正是这份记忆。抗体也是输血必须配对的原因：你的血浆里带着一批抗体，专门针对那些你自己红细胞恰好没有的血型标记——也就是抗原——所以一旦输错血，就会遭到攻击。有个常见的误解，以为抗体会直接杀死病菌；其实大多时候它并不杀。它只负责标记和缴械，再把目标交给免疫系统的其他成员去处理。

对踵抓取，是稳稳握住东西最简单的办法：压住物体相对的两侧，让两个接触点正好彼此面对，就像两根指尖从正反两面捏住一张卡片。“对踵”一词的意思是“位于相反的两端”——和地球上南极、北极正好处在完全相对的两侧是同一个道理。连接两个接触点的直线干净利落地穿过物体，而两根手指都沿着这条线朝里推。

正是这种正面相对的布置让握持成立。因为两个推力正好指向彼此，它们把物体夹在中间、互相平衡，于是物体无法从这一捏里朝侧面溜走。只要每个指尖的推力都落在它自己的摩擦锥之内——也就是压的角度不要太斜、斜到表面抓不住——单单这一条夹紧线就足以把物体锁定。它正是平行夹爪天然要瞄准的目标——那种常见的两片式机械手，钳口笔直地相向闭合，因而在设计上就是对踵地夹取。

对踵抓取之所以受欢迎，是因为它既容易找到、又值得信赖。许多抓取规划器所做的，无非是在物体的形状上搜索一对好的相对表面——两个正对着、彼此相望的平面或圆弧——然后把夹爪放上去。这种抓法并不花哨，但对于盒子、瓶子、工具以及无数日常物品，一个干净的对踵夹取，就是机器人放心地提起并搬走它们所需的全部。

防腐剂是一种安全到可以用在活体组织上的杀菌物质。护士在打针前用蜇人的酒精擦你的手臂，或你往擦破的膝盖上抹碘酒时，起作用的就是防腐剂——它消灭那些看不见的细菌，否则这些细菌会溜进伤口惹出麻烦。

这个简单的想法曾经拯救了无数生命。在十九世纪六十年代，外科手术凶险得吓人：手术常常做得很完美，病人却在几天后死于感染。英国外科医生约瑟夫·李斯特深信看不见的病菌才是元凶，于是开始用石炭酸喷洒、清洗他的伤口和器械。他的术后感染死亡率骤降，干净而能活命的外科手术时代由此开启。

人们常常忽略一个区别：防腐剂用在「人」身上——皮肤、伤口、活的组织；而消毒剂是用在「物」上的，比如台面或手术刀。两者也许含有同一种活性成分，但消毒剂通常太过刺激，不能用在身体上。它们都对付病菌，但只有一种能安全地「穿」在身上。

焦虑障碍是一组心理健康疾病，在这些疾病中，恐惧和担忧变得过于强烈、过于频繁，或者与真实处境严重脱节，以至于开始扰乱日常生活。一阵恐惧本身是正常的，甚至是有用的——它就像大脑的烟雾报警器，本意是在有东西威胁到你时，让你僵住、逃跑或高度警觉。可在焦虑障碍里，这套警报太容易被触发，而且在真正的危险早已过去之后，仍旧响个不停，就像一只每次你烤面包都尖叫的烟雾探测器。这种惶恐几乎可以附着在任何事物上：人群、空旷的地方、疾病、即将到来的考试，或者只是隐隐觉得有可怕的事就要发生。

正因为这种恐惧显得真实而紧迫，人们往往会开始回避一切引发它的东西——不去社交场合、待在家里，或者绕开任何可能引发惊恐发作的情形；所谓惊恐发作，是指心跳剧烈、呼吸困难和强烈恐惧的突然涌起。这种回避能带来短暂的解脱，却悄悄地让人的世界越缩越小，并随着时间推移使焦虑变得更强。在大脑内部，这似乎与过度活跃的杏仁核有关——杏仁核是大脑深处那个杏仁形状的警报中枢——同时还涉及前额叶皮质（位于额头正后方、负责推理的脑区）难以把警报重新平息下来，常常还与压力激素以及安抚性化学信使的失衡纠缠在一起。焦虑障碍是世界上最常见的疾病之一，而且对治疗反应良好——通常是谈话治疗、药物，或两者的结合。

失语症是指大脑受损后，使用语言的能力丧失或减弱——通常发生在中风、头部外伤、肿瘤或某种缓慢进展的疾病之后。患有失语症的人可能找不到词、把词说乱、漏掉词，或难以听懂别人说的话，尽管他们的嘴、耳朵和智力其实都完好。想象一下：你清楚地知道自己想说什么，但思想和词语之间的那扇门却卡住了——意思就在那里，却无法顺畅地说出来。

在大多数人身上，语言依赖大脑左侧一片相互连接的区域，失语症的表现会因受损部位的不同而不同。当前部（一处与布罗卡相关的区域）受损时，说话变得缓慢费力——短促、断断续续的词句——但理解力大体仍好；当较靠后的区域（与韦尼克相关）受损时，说话依然流畅，但词语却混乱或空洞无意义，并且听懂别人也变得困难。由于受损的是语言机制本身，而不是肌肉或心智，许多失语症患者随着时间和言语治疗能恢复部分能力，而且他们能理解的，往往远多于他们能表达的。

API（应用程序接口）是两个程序之间约定好的「对话方式」。它是一份契约：「你可以提出这些请求，而我会准确地回给你这些东西。」你不需要知道对方程序内部怎么运作——你只要知道该问什么，以及答案会长成什么样子。

最经典的比喻是餐厅菜单。你不会冲进厨房自己炒菜；你看菜单、指着第 4 道，然后一盘菜就端出来了。菜单就是 API：一份固定的、你能点的东西清单，把背后所有的切菜、油炸都藏了起来。厨房就算把自己彻底重新布置一遍，只要菜单不变，你点的菜照样上得来。

这就是为什么 API 无处不在。当一个天气应用告诉你明天的天气时，它并没有自己去测量天空——它向某个天气服务的 API 发出请求，拿回了一个整整齐齐的答案。API 让程序互相借用彼此的本事，却从不暴露各自乱糟糟的内部。

趋近与回避描述大脑内部两股相反的牵引力，它们几乎主导着动物的一切行为：一套系统催促你靠近看起来好的事物——食物、友善的面孔、温暖的炉火；另一套则催促你远离看起来坏的事物——蛇、难闻的气味、愤怒的陌生人。可以把它们想象成接在你动机上的油门和刹车。任何一刻，你的行为都是“去争取”和“离它远点”之间的拉锯，哪一股牵引力更强，最终就决定你实际怎么做。

这两种驱力不只是感觉，而是大脑中两个各自独立运作的系统，各有专属的神经回路。趋近主要依赖与奖赏相关的通路，它们释放多巴胺——一种化学信使，会把某样东西标记为值得追求，并给你能量去追逐它。回避则依赖与威胁相关的回路——尤其是杏仁核，那是大脑深处一个杏仁状的小结构，扮演警报器的角色——它会触发警觉、恐惧，以及僵住或逃跑的冲动。由于这两套系统部分独立，同一个情境可以同时启动它们：一个诱人却有风险的选择会让“趋近”和“回避”的机制一起亮起来，而你感受到的纠结，正是这两套系统在字面意义上朝相反方向较劲。

这一框架有助于解释，为什么当某件事既吸引人又危险时，决定会变得很难，比如约某人出来，或在减肥时面对一份高热量甜点。许多情绪上的挣扎——焦虑、成瘾、拖延——都可以读作其中一套系统压过了另一套：焦虑中回避系统过度活跃，成瘾中趋近系统过度活跃。

数组（array）是一串有序排列的值，被你装在同一个变量（variable）里。与其为三个名字开三个分开的变量，你把这三个全放进一个数组，拎着它们一起走——就像一排编了号的储物柜，每个格子放一样东西，全在同一个名字底下。

你靠位置去取数组里的东西，这个位置叫「下标」（index）。每个新手都会被绊一下的地方：计数从 0 开始，不是从 1。所以第一项在下标 0，第二项在下标 1，依此类推。当你第一次要「第 1 项」却拿到第二样东西时，你这辈子都会记住这件事。

正因为这些项是按顺序排好的，数组天生适合任何「序列」性质的东西——待办清单、一周七天、搜索结果。而它和循环（loop）是绝配：你写一小段代码，让它沿着整个数组走一遍，轮流对每一项做同样的事。

伪迹是混进脑信号记录、伪装成真信号的「非大脑垃圾」。传感器收到的不只是神经元的活动，还有来自别处的电活动——那些闯进来的杂物就是伪迹。它就像收音机里那阵和歌曲毫无关系的杂音。

常见的「罪魁」都很平常：一次眨眼会在附近电极上扫出一大道波，绷紧或移动的肌肉添上一片嗡嗡的杂乱，心跳留下稳定的搏动，头或线缆的移动造成跳变，而楼里的电力线则向一切东西里持续灌入每秒 50 或 60 次的嗡鸣。由于脑信号太微弱，这些闯入者往往比你真正想要的活动大得多。

处理伪迹是脑机接口实务中很大的一块工作。工程师在记录时就设法避开它们，事后再检测、去除或滤掉它们，好让底下真正的神经信号能被读出来。一个无视伪迹的系统，会乐呵呵地把一次眨眼或一下抽动错当成大脑发出的指令。

人工智能——AI——是一门让机器去做那些通常需要人类智慧才能完成之事的本领：在人群中认出一张脸、听懂一句口头提问、翻译一首诗，或是驾车穿过车流。机器并没有意识，也不像你那样真正「理解」；它是在海量的例子中找出规律，再据此行动。与其把它想成一颗机器大脑，不如把它看作一个飞快、不知疲倦的学徒——它读过的东西，比任何人一辈子能读的都多。

这个梦想由来已久。1950年，数学家阿兰·图灵绕开了「机器能思考吗？」这个滑溜溜的问题，转而提出一个务实的测试：如果一台机器能把对话进行得如此逼真，让你分不出它是人还是机器，那么这点差别还重要吗？这一转向——从争论「思考」改为衡量「行为」——为整个领域定下了基调。而「人工智能」这个名字，则是在1956年达特茅斯的一次夏季研讨会上正式诞生的。

有一点值得说清楚：今天我们称之为AI的东西，几乎全都是「窄」的。一个能下出世界冠军水准棋的程序，叠不了你的衣服；一个能写出流畅文章的程序，未必算得对一张购物小票。每个系统都只在一条车道上出类拔萃，出了那条道就束手无策。那个宏大的目标——一种像人一样能在任何任务上学习与推理的通用AI——至今尚未造出，也没人知道它还有多远。今天的工具之所以强大，恰恰因为它们专精，而不是因为它们暗地里真有一颗心智。

人工势场法是一种引导机器人运动的方法，它把整个世界想象成一片有山有谷的地形，然后让机器人顺着坡往下滚。你想到达的目标点被当成山谷的最低处，会轻轻地把机器人往那里拉，就像小球会滚到碗的底部一样。与此同时，每个障碍物都被当成一座山顶，会把机器人推开，就像同极的两块磁铁会互相排斥一样。在任何位置，机器人只需把来自目标的拉力和来自附近障碍物的各个推力加在一起，得到一个合成的箭头，告诉它哪个方向是“下坡”，然后朝那个方向迈出一小步。

这种方法吸引人的地方在于它快速而又有即时反应：机器人不必事先规划一整条路线，只要感受此刻周围的各种力并随之移动，这让它能躲开突然冒出来的东西。它最大的弱点是会困在“局部极小点”——地形里一个并不是目标的小凹坑，就像半山腰上一个小坑，小球落进去就停住不动了。一个经典的陷阱是 U 形的墙：目标把机器人直直地往里拉，两侧的墙又均匀地把它往回推，机器人就被卡在凹口里动弹不得，始终到不了墙另一边的目标。正因为如此，最基础的势场法常常要和更聪明的规划器或额外的小技巧配合，才能逃出这类陷阱。

上行觉醒系统是大脑的“唤醒网络”——一组从大脑深处核心向上延伸的通路，让负责思考的那部分大脑保持开启、警觉，随时准备接收外界信息。可以把大脑那层布满褶皱的外壳（叫皮层，看东西、思考和做决定都在这里进行）想象成一座灯火通明的大厅。如果没人管，这座大厅就会昏暗、闲置；而上行觉醒系统就像楼下那个电工，不停地去拨开关，让灯火大放光明。当这个网络在放电活动时，你就清醒而有觉察；当它安静下来，灯光转暗，你便慢慢困倦、进入睡眠。

这些“开关”主要藏在大脑底部偏低的两个区域：脑干，也就是连接大脑与脊髓的那根“柄”；以及下丘脑，紧挨在它上方的一个小小控制中枢。那里的一簇簇细胞会释放化学信使——乙酰胆碱、去甲肾上腺素、血清素、多巴胺、组胺，还有一种促进觉醒的信号叫食欲素——它们沿着两条主要路线向上传递。一条路线经过丘脑，也就是大脑的中继站，帮助它把感觉信息干净利落地转送给皮层；另一条则更广泛地铺开，直接“浸润”整个皮层。这些信号合在一起，抬高了皮层的基础兴奋程度，就像先把引擎预热，一踩油门它就能立刻响应。

这个系统之所以重要，是因为意识就依赖于它。在健康的睡眠中，这个网络会有意识地降下功率，让大脑得以休息；而下丘脑里有一个每日运转的“时钟”，决定它该在黎明时分重新加速。一旦这些通路受损——比如中风、肿瘤或严重的脑部外伤——即使皮层本身完好，人也可能陷入昏迷，因为已经没人去拨亮那些灯了。理解这个网络，也能解释兴奋剂、麻醉药和许多安眠药是怎样起作用的：它们正是把这同一组觉醒“开关”往上或往下推。

想象在你的设计里接了一个烟雾报警器。你只需把规则声明一次——"这个警报永远不能响"，或者"每个请求都必须在三个时钟节拍内得到回应"——从那以后就有一个小小的看守者守在那里，睁大眼睛，每个周期都核对这条规则。一旦现实违反了规则，它就尖叫起来，并径直指向出问题的地方。断言正是如此：它是一种嵌入设计内部的检查，一旦被声明的属性遭到违反就立即触发。于是你不必再盯着成千上万个波形周期苦苦猜测哪里出了错，仿真器会直接把你带到规则第一次被打破的那个确切时刻和信号上。

更确切地说，断言是关于硬件必须如何行为的一种意图陈述，它的写法让工具能够持续地监视它。最常见的形式是 SystemVerilog 断言（SVA），分为两种风格。立即断言在过程代码中的某一时刻检查一个简单条件，就像一句守卫语句。并发断言则描述一种随时间针对时钟而展开的关系——"如果 grant 拉高，那么在两个周期内 busy 必须随之而来"——它在每个时钟边沿都被求值，并在边沿到来之前就采样它的信号，因此读取的是稳定的值，而不会与这些信号竞争。由于规则就紧贴在 RTL 旁边，它以一种永远不会悄悄过时的形式记录下设计者的假设：一旦设计不再遵守这条假设，断言就会失败。

好处有两方面。在仿真中，断言把那些悄无声息、波及深远的错误，变成在源头就被抓住的响亮失败——这是"输出错了"与"漏洞就在这里，在这条信号上、在这个周期"之间的区别。而且因为它们是关于意图的精确数学陈述，同一批断言可以交给形式化工具，由它尝试对所有合法输入证明这些断言为真，而不仅仅是你的测试平台碰巧尝试过的那些激励。覆盖率工具还能追踪每条断言中那些有意思的情形究竟被触发了多少次，于是你了解到的不只是"什么都没出错"，还有你是否真的曾经测试过这条规则。

辅助与康复机器人，是用机器人来帮助那些身体无法独自完成动作的人去移动、康复并打理日常生活。这两个词指向略有不同的目标。辅助机器人替代或支撑某种人也许再难恢复的能力——电动轮椅、装在假肢上的机械臂、给举不起勺子的人用的进食辅具。康复机器人则更像不知疲倦的教练：它一遍又一遍地带着正在恢复的病人做练习，帮身体重新学会一项失去的技能，比如中风之后重新行走。

这个领域的标志性机器，是外骨骼、假肢和治疗机器人。外骨骼是一套可穿戴的机器人框架，绑在腿上或身上，给人添上力气、或把人撑直，让他能够站立和迈步。机器人假肢是一种带有电机和传感器的人造肢体，它读取身体发出的信号，动起来更接近真肢。治疗机器人则是一台设备，它握住一条无力的胳膊或腿，引导着它做精确而重复的动作——其重复的次数，以及动作的一致性，都远远超过一位已经疲惫的人类治疗师靠双手所能提供的。

让这个领域与众不同的，是它的温柔。与必须又强又快的工厂机械臂不同，这些机器人要包裹住脆弱、有时还在疼痛的人体，所以它们被造得柔软、顺从，宁可退让也不去硬推。它们还高度依赖大脑与神经：许多设备会读取肌肉或神经的信号，去感知这个人“想要做什么”；而好的康复，只给恰到好处的帮助——绝不会多到让病人不再努力，因为那份“费力”本身，正是身体痊愈方式的一部分。

联想学习是大脑发现两件事常常一起出现，于是开始把其中一个当作另一个的线索的过程。如果某个声音总在吃饭前响起，你慢慢就会一听到它便期待食物；如果按某个按钮总能开灯，你就会学着特意去按它。这两种情况都不是像背知识那样记住了什么，而是反复的经历悄悄在两件事之间建立起了联系，使其中一个如今能预示或触发另一个。这种学习在动物和人身上随处可见——从听到牵引绳的哗啦声就流口水的狗，到学会说“请”就能得到零食的小孩。

科学家通常把它分为两类。在经典条件作用（巴甫洛夫式）中，你学到某个信号能预示另一件你无法控制的事件——比如铃声预示食物——于是身体开始对这个信号本身作出反应。在操作性条件作用中，你则从自己行为的后果中学习：带来奖励的行为会更频繁地出现，而带来不愉快结果的行为则会逐渐消失。两者之所以有效，是因为大脑在不断追踪什么之后总会可靠地跟着什么，并强化那些抓住这些规律的神经连接。

在更深的层面，联想学习被认为依赖于可塑性——即神经元之间连接（突触）强度的持久变化。当两种大脑活动模式反复一起放电时，它们之间的线路往往会变得更紧密，这大致就是那句“一起放电的神经元会连到一起”所说的现象。正是这种物理上的重新调校，使世界中一次转瞬即逝的巧合，被存成大脑内部一份稳定的预期。

星形胶质细胞是大脑和脊髓里一种呈星形的支持细胞，得名于从它胞体向四面八方伸出的许多细长“手臂”，就像孩子画的星星一样。它不是神经元（即发放电信号的那种细胞），而是被称为胶质细胞的辅助细胞之一，“胶质”一词在希腊文里就是“胶水”的意思。过去人们以为这类细胞只是把神经元固定住的填充物，但如今我们知道，星形胶质细胞其实是忙碌的“照料者”，而且数量极多，占了你大脑全部细胞中相当大的一部分。

它们的工作，是把每个神经元周围的“街区”维护得井井有条。星形胶质细胞用它众多的手臂，清理神经元发放信号后在周围液体中积聚的多余钾离子和其他带电粒子（称为离子），好让下一个信号能够干净顺畅地通过。它们还会把神经元之间缝隙里用剩的化学信使（称为神经递质）吸收掉——也就是在一条信息传递完成之后——再把它们回收、把原料交还回去。除了这些“家务”，星形胶质细胞还给神经元供给养分：它们把手臂伸向附近的血管，从血液中摄取糖分和其他燃料，再把能量传递给旁边辛勤工作的神经元。

异步（async）是一种做法：先去启动某件慢吞吞的事——比如从网络取数据、读一个大文件——然后不傻等，继续去做别的活。等那件慢事终于办完了，代码再绕回来处理它的结果。

可以想象点咖啡：你不会僵在柜台前一直等到做好。你拿个取餐器，先找位子坐下，等饮料做好取餐器就会响。这个取餐器就是「承诺（promise）」——一个还没到货的答案的占位符。而「等待（await）」，不过是你主动选择：先坐下来等这一声响，再去做下一件事。

这就是为什么初学者很早就会遇到 promise 和 await：一次网络请求可能要花半秒，而半秒对计算机来说是漫长的永恒。异步让程序保持灵活、随叫随应，而不是干等时整个卡死。

大气层是行星靠引力紧紧裹在表面的一层气体——看不见，却实实在在。在地球上它主要是氮气和氧气，还有数量不断变化的水汽，越往高处越稀薄，最后消融进太空。每当风迎面推来，或你坐飞机时耳朵发胀，你都在感受它：那是你脚下这片空气的重量与压力，而我们就生活在这片空气的最底层。

这层薄薄的空气干着惊人多的活。它滤掉太阳最危险的辐射，烧掉闯进来的流星，给我们可呼吸的氧气。其中的微量气体还会留住热量——这就是温室效应——让地球的平均气温比没有它时高出约33℃，足以使整个星球不至于冻结。与此同时，庞大的空气本身储存并搬运着热量，于是白天不会灼热难当，夜晚也不会跌入致命的严寒。没有这一切，地表会剧烈摇摆，任何生命都无法呼吸。

一个常见的误解是把大气层想象得又厚又深。其实不然。它约有四分之三都挤在离地约11公里以内——也就是客机的巡航高度——而99%都在约30公里以下。相比地球的尺寸，它薄得就像苹果上的那层皮，而这正是它值得我们守护的原因。

原子是一种元素中仍能算作该元素的最小一份——还是黄金的最小一点黄金，还是氧的最小一丝氧。你能摸到的一切，从这一页纸到你自己的手，都是由这些颗粒搭起来的。它们小得难以想象：单单一滴水里的原子数目（大约有 5 x 10^21 个那么多），就比地球上所有海滩的沙粒加起来还要多。

可以把原子想成一个小小的太阳系，只不过几乎全是空的。正中央是一个致密的核心，叫原子核，里面挤满了带正电的质子和不带电的中子。在很远的外围绕着飞旋的，是一团微小的、带负电的电子。质子的数目就是原子的身份证：一个质子是氢，六个是碳，七十九个是金——改了这个数，元素本身就变了。

最让人吃惊的一点是：原子里头几乎什么都没有。如果把原子核比作大教堂地板上的一颗弹珠，电子就在远处的墙壁附近来回穿梭，中间全是空荡荡的空间。实心的东西摸起来实在，并不是因为原子被塞得满满的，而是因为彼此的电子云一碰上就互相推开。如今我们也不再把电子画成绕圈的小球了——它们更像一团模糊的「可能性云雾」，而不是在轨道上绕行的小小星球。

依恋理论认为，婴儿与最早的照护者所建立的纽带，会成为日后爱与信任的一份内在蓝图。游乐场上的幼儿一边往外探险，一边不时回头瞄一眼坐在长椅上的父母——确认那个「家」还在原地。这位父母就是一个「安全基地」：当孩子相信安慰随时可得，他便有足够的安全感去探索世界。

它为何重要：这些最初的经验，会悄悄塑造我们一生如何面对亲密关系。精神科医生约翰·鲍尔比（John Bowlby）提出了这一构想，玛丽·安斯沃斯（Mary Ainsworth）用一个巧妙的实验加以实证研究——短暂地把婴儿与母亲分开，再观察重逢的一刻。她发现了一些模式：安全型依恋的婴儿在分离时会难过，但母亲一回来便很快平静；不安全型的婴儿则要么焦虑地黏着，要么显得冷淡漠然，把不安藏了起来。

一个常见的误解，是把自己的依恋风格当成无期徒刑——「我天生就是焦虑型，没救了。」其实它并非命中注定。依恋模式是倾向，而非枷锁；日后一段有爱的关系、一位好友，或一段心理治疗，都能温柔地改写这份蓝图。而且它描述的只是平均的倾向，绝不是对任何一个人的判决。

注意是大脑挑选“该在乎什么”的方式。每一刻，你的感官都被远超你所能处理的信息淹没——各种声音、颜色、椅子贴着身体的触感、脑中纷飞的念头。注意就像一束聚光灯，从中挑出寥寥几样，把其余的推到背景里，让你能读懂眼前这句话，而不是被一切同时压垮。想想一场热闹的派对：满屋子都是交谈声，但你能锁定正在和你说话的那位朋友，让其余的声音模糊成一片嗡嗡声。这种有选择的调谐——把一些信号调高、把另一些调低——就是注意。

从内部机制看，注意是大脑对某些输入的优先处理，而不是对所有输入一视同仁。当你注意某样东西时，大脑前部和侧面的网络（尤其是前额叶和顶叶区域）就像一座指挥塔，增强负责处理目标的神经元，压低处理干扰的神经元——于是这束聚光灯让重要的信号更响亮、更清晰，而不只是在你眼里显得更亮。它有两种不断相互权衡的形式：自主注意，即你刻意把焦点对准某处（在人群中搜寻一张脸）；以及自动注意，即某样东西无论你愿不愿意都会抓住你（突然的闪光、房间另一头有人喊你的名字）。这正是注意如此重要的原因：脑力有限，你注意什么，在很大程度上就决定了你感知到、记住和学到什么——而被你忽略的，可能就像从未发生过一样消失无踪。

吸引子网络是描述一群相互之间密集连接的脑细胞的一种方式：由于彼此反复传递信号，它们的活动会自然地朝某几个稳定的模式滚去，并最终停在那里——有点像把一颗弹珠放到坑坑洼洼的地面上，它总会滚进其中一个低洼处停住。每一个低洼处被称为一个吸引子，代表网络能够保持的一种稳定状态，也对应着大脑想要稳稳记住的东西：一张记得的面孔、一个选定的方向、一个已经做出的决定。因为这些细胞把信号回送给彼此、形成回路（这种带环路的连线方式叫做递归连接），所以即使最初触发它的东西已经消失，这个模式仍能靠自己维持下去，把答案稳稳地保持住。

它如此有用的地方在于：网络能够清理并补全杂乱的输入。只要把它推到接近某个低洼处——给它一个模糊的线索，或只是半段记忆——递归式的回馈就会把整个活动模式顺着拉下去、落进最近的那个稳定状态，从而恢复出完整的答案；这正是单凭一条线索就能唤回整段记忆的原理。同样的思路也解释了做决定：随着证据不断到来，网络会慢慢漂移，直到倒进这个低洼而不是那个低洼，而最终停下的模式就是所做的选择。微小的扰动或噪声会被抚平，因为活动会重新滑回低洼处——正因如此，这类网络能在数秒之内可靠地保存信息，并在受到干扰后从容地恢复。

研究者既把吸引子网络当作真实回路如何运作的理论，也把它当作可以在计算机上模拟的工具。这一图景与脑中的多个系统相符：海马体和大脑皮层中的细胞被认为是以吸引子的形式储存记忆，头朝向细胞似乎会落在一圈状态上、像一个内在的指南针，而那些把一个决定或一个念头持续记在心里的回路，似乎也依赖同样的自我维持环路。这个模型还能预言一些典型的失误——例如，如果两个储存的模式靠得太近，弹珠就可能滚进错误的低洼，把记忆混淆或叠在一起。

身份验证（authentication）是系统用来证明「你是谁」的过程。它就是登录那一步：你出示密码、一次性验证码、指纹，服务器据此确信你确实是你声称的那个人——就像门口的保安在查你的证件。

关键在于，它只回答「你是谁？」，而不回答「你能做什么？」。后一个问题属于授权（authorization），而人们老是把这两者搞混。一个好记的小窍门：身份验证是那道门，授权是你进门后获准进入的那些房间。

一旦通过验证，服务器通常会发给你一个令牌（token）或设置一个 cookie，这样你就不必在每一个请求上都重新输入密码——这是你在整个会话期间随身携带的「身份凭证」。

授权（authorization）决定的是：在系统已经知道你是谁之后，你「被允许做什么」。你登录了——没问题——但你能删掉这个文件吗？能看别人的工资吗？能打开管理后台吗？授权就是为每一个这种问题把关的那道关卡。

它总是发生在身份验证（authentication）之后。系统先确认你的身份（authn），再检查你的权限（authz）。知道你是谁，并不能说明你能碰什么——一个登录的访客和一个登录的管理员同样都「通过了验证」，但「被授予的权限」天差地别。

当你撞上一堵过不去的墙，那通常就是授权失败：服务器很清楚你是谁，只是不让你做这件事。在网络上，它常常表现为一个 403 Forbidden（禁止访问）。

自闭症谱系障碍是一种伴随终身的大脑发育差异，它塑造着一个人沟通、与他人建立联系以及体验世界的方式。它不是一种突然患上、可以治愈的疾病，也不是由不当的养育或疫苗引起的；它是一种从幼年起就存在的模式，深深嵌入大脑成形的方式之中。关键就在“谱系”二字：自闭症人士彼此差异巨大。有的人能流利说话、胜任要求很高的工作，只是觉得寒暄和目光接触让人疲惫；另一些人可能完全不使用口头语言，日常生活也需要他人帮助。自闭症没有单一的样子，正因如此，过去那种把它看作一种固定类型的旧观念，已被一个宽广而连续的范围所取代。

诊断中贯穿着两条大的线索。第一条是社交沟通方面的差异：读懂语气、面部表情，或判断什么时候轮到自己说话这类未明说的信号，往往需要更多有意识的努力，你来我往的对话也可能并非自然而然。第二条是倾向于专注的兴趣、对常规与可预测性的偏好，以及让人感到安心的重复动作或言语，比如来回摇晃或反复说一句喜欢的话。许多自闭症人士对世界的感受也更为强烈：闪烁的灯光、扎人的衣物标签，或嘈杂的房间，都可能让人真切地难以承受；而对火车、数字或某个心爱主题的深入兴趣，则可以成为真正的快乐与才能的源泉。

科学家认为，自闭症主要源于大脑在生命最初几年里自我布线的方式，这一过程受遗传强烈影响，有数百个基因各自对大脑发育施加一点点推动。一种主流观点是，大脑的“油门”（兴奋性信号）与“刹车”（抑制性信号）之间的平衡被调到了不同的设定，从而改变了脑区之间的连接方式，以及大脑对感觉刺激反应的强弱。尤为重要的是，人们越来越不把自闭症看作需要被修复的故障，而是看作一种不同的存在方式——许多自闭症人士和研究者更主张提供支持、给予接纳和便利安排，而不是试图抹去这些特质本身。

自体细胞，是从病人自己身上取出、再经过培养、处理或重新输回同一个人的细胞。这个词的意思是「自身」，而这正是全部要点：因为这些细胞本就属于你，你的免疫系统会把它们认作自己的一部分，不会去攻击。这就像用自家后院挖来的砖去修自己的房子——从定义上就是完美匹配。

实际操作中，临床人员从病人身上采集细胞——取自血液、皮肤、脂肪或骨髓——由实验室加以扩增，有时再编辑它们、或诱导成另一种细胞类型，然后输回体内。由于遗传信息完全一致，不会出现外来组织排斥，而排斥正是困扰大多数移植的核心障碍。这种「自己给自己」的思路，是若干已确立及实验性细胞疗法的基础。

代价在于可行性。每一批都是为某一个人量身定制的，这使自体细胞生产缓慢、价格昂贵，也无法预先做好放在货架上备用。如果病人病得很重，培养其细胞所需的数周时间可能是个实实在在的麻烦。所以自体细胞在「免于排斥」上胜出，却在速度和规模上落败——恰好是供体来源细胞的镜像。

自动做市商是一种智能合约，它让人们能即时地把一种代币换成另一种，办法是与一个共享的资金池对手交易，而不必苦等一个出价相符的买家或卖家。传统交易所靠「订单簿」运转：你的卖单会挂在列表里，直到有人愿意按你的价钱来买。自动做市商干脆取消了这间「等候室」。对手方永远存在，因为你是在和一个装着两种代币的池子对换，而价格由一道公式当场算出。

巧妙之处就在那道公式。一种常见的做法，是让池中两种代币数量的「乘积」保持不变——假设池里装的是苹果和橙子，那么每笔交易之后，苹果 × 橙子都必须等于同一个数。当你取走苹果，就得放进橙子；而由于剩下的苹果变得更稀缺了，每一个所要换的橙子都比上一个更多。池子会自动给自己定价：你买得越多，价格爬得越陡，全程没有任何人在报价。正是这套自我平衡的数学，让自动做市商永远不需要别人告诉它「某样东西值多少」。

自动做市商之所以重要，是因为它让任何代币、在任何地方都能交易，中间不再需要一家公司去撮合订单或保管你的钱。任何人都可以为一种新代币注入一个池子、就此开出市场，而下一秒就有人能与它对换。这正是大多数去中心化交易所背后的引擎，它把「做市」这件曾经专属于专业机构的活儿，变成了普通人只要往池子里添些资金就能参与的事。

自动化，是让机器去做过去人们靠双手完成的工作；劳动力替代，则是当机器接手了某项任务后，落在原本做这件事的人身上的后果。当一座仓库买来会去货架取货的机器人，或一座农场买来能整夜采摘水果的机器时，活照样有人干——但原本干这活的人，对于那份确切的工作可能就不再被需要了。把这两个概念放在一起，正是围绕机器人最古老、也最激烈的争论之一，因为它牵动着薪水、尊严，乃至整个社区的样貌。

事情很少简单到“机器人抢走了工作”那么一句话。自动化通常吞掉的是“任务”，而不是整个“职业”：它吃掉那些枯燥、重复或危险的环节，留下那些需要判断力、需要照护、需要人情味的部分。它同时也创造出新的工作——总得有人去制造、安装、编程和维修这些机器——而且通过把商品变得更便宜，它能让经济增长，催生出谁也没预料到的岗位。但这些得与失，并不会均匀地落下来。一个唯一任务消失了的工人，未必能轻松滑入那个新角色，而那个新角色，也许在另一座城市、另一个行业，甚至要求完全不同的技能水平。

正因为这种落地不均，讨论的重心才落在了再培训（帮助人们学会这个变了样的工作场所所需要的新技能）、安全网（提供收入支持和重新受训的时间，好让一项任务的消失不等于一份生计的消失），以及节奏（缓慢的转变给人留出适应的余地，骤然的转变则会造成实实在在的困苦）。一句老实的总结：自动化往往会抬高总体财富，却把痛苦零散地撒到特定的人和地方身上，所以那个伦理与政策问题，与其说是“我们该不该自动化？”，不如说是“我们该如何分享收益、缓冲损失？”

自主神经系统是神经系统中默默在后台运转身体的那一部分——完全不需要你去做决定。它掌管着你从不刻意去想的事：心跳有多快、瞳孔张得多大、胃此刻是否在忙着消化午饭、你出多少汗，以及血液该被引向肌肉还是从肌肉那里抽离。可以把它想象成大楼里那支自动后勤队伍，在墙壁后面默默调节着供暖、给排水和电力，好让楼里的人安心过日子。你能听从指令屈起手臂，却无法仅凭意愿让心跳放慢、让肠胃消化得更快——那是这套系统的活儿。

它的工作方式，是通过神经把信号传送到你的内脏、腺体和平滑肌——平滑肌是分布在血管壁、肠道和气道壁里那种柔软的、不随意的肌肉（与你有意去活动的骨骼肌不同）。这套系统有两大分支，二者通常朝相反方向用力，以维持你身体的平衡：交感神经分支让身体亢奋起来、准备行动——加快心跳、扩张气道、释放储备的能量——这就是著名的“战或逃”反应；而副交感神经分支则让一切平静下来，进行休息、恢复与消化，有时被称作“休息与消化”反应。通过时时刻刻把这两者调高或调低，自主神经系统让你的内部环境保持稳定——无论你是在冲刺奔跑、酣然入睡，还是坐下来吃饭。

自主水下航行器，英文缩写 AUV，是一种自己在海洋里游动的机器人潜艇，既没有缆绳把它拴在船上，也没有人逐时逐刻地操纵它。你事先给它下达一项任务——勘测这一段海床、保持这个深度、采集这些测量数据——然后它便下潜，独自把方案执行上几个小时或几天，再浮出水面把所获交还给你。这让它有别于带缆的 ROV（遥控潜水器）：后者由飞手通过一根长长的脐带缆实时操纵；而 AUV 剪断了那根缆，用放弃持续操控来换取真正的独立和远得多的航程。

机器人一旦下到水里，两个看似平常的问题会变得出奇地棘手。第一个就是单纯地停留在正确的深度：一个物体在水里是浮是沉，取决于它的浮力，也就是它的重量与它推开的那部分水向上托起它的力之间的平衡。因此 AUV 会仔细调校这种平衡，并用鳍、螺旋桨或推进器来向前行进和转向，很像鱼用身体和尾巴那样。有些滑翔机甚至靠改变自身浮力，在长长的、缓慢的之字形里一沉一浮地省电，几乎根本不开马达。第二个问题是动力与外形：它必须自带电池，还要抵挡深水那令人窒息的挤压，所以 AUV 往往是流线型的密封管体，造得能高效地穿过海水。

最难的问题，是搞清楚自己在哪里，因为给汽车和无人机指路的卫星信号——GPS——穿不过海水。一旦被切断了它，AUV 就几乎只能盲目地导航：它通过追踪自己的速度和航向来推算自己移动了多远，倾听声音从海床反弹回来，有时还借助水下声学信标来交会定位，因为无线电在水下毫无用处，而光在浑浊的水里只能照到几米远。尽管如此，AUV 仍能测绘海底、巡检管线和海底电缆、搜寻沉船、监测污染和海洋生物，并在载人船只无法安全抵达的极地冰盖之下进行勘察。

自动驾驶汽车，是一种能自己开的小汽车（或卡车、接驳车）：它感知路况、决定怎么做，然后自行转向、刹车和加速——几乎不需要、甚至完全不需要人来操作。它其实就是一台装了轮子的机器人：摄像头、雷达和激光扫描仪当眼睛，一台计算机扮演大脑，方向盘和踏板则是肌肉。人们的梦想，是把那套让机械臂在桌上找到零件的本领，对准一个难得多的问题——在车流中安全地行驶。

在内部，每一套自动驾驶系统都在运行同样的三步循环。感知，把汹涌而来的传感器数据变成对场景的理解——车道、车辆、行人和红绿灯都在哪里。规划，随即决定下一步怎么做：走哪条车道、何时为路边的孩子减速、怎样并线。控制，最后把这个计划变成对方向盘、油门和刹车既平顺又精确的指令。难就难在，这不是任何单独一步，而是要每秒把这三步可靠地做上许多遍——在雨中、在刺眼的强光下、在道路施工处，以及真实街道上层出不穷的意外里。

由于“自动驾驶”这个说法，从定速巡航一直涵盖到一辆连方向盘都没有的车，工程师便用一套从 0 到 5 的自动化等级（由 SAE 定义）来说清楚。0 级是完全手动；1 级和 2 级是驾驶辅助，人必须始终全权负责；3 级让车在某些情况下自行应付，但要求人在被提示时接管；4 级和 5 级才是真正的自动驾驶，其中 5 级能去任何人能去的地方。今天在售的大多数车都停在 2 级，而迈向 4 级、5 级之所以艰难，恰恰是因为那些罕见、古怪、危险的瞬间——所谓“极端情形”——人靠常识就能应付，机器却必须被明明白白地预先准备好。

轴角表示法把任意朝向描述为「一次单独的扭转」：先挑一条用来旋转的直线，再说明要转多远。这条线由一个单位轴给出——一支长度为一、指向某个方向的箭头，而旋转量就是一个用度或弧度表示的角度。它依托一个简洁的事实，称为欧拉旋转定理：无论一次重新定向看上去多复杂，总可以用“绕一根固定轴的单次旋转”来复现。所以“绕竖直轴转 90 度”是一个完整的答案，而不是某种简化。

这种看法极其符合直觉，因为它正合我们平时谈论转动东西的方式：一个方向、一个量。它也很紧凑，只需要一个轴和一个数，而且让“机器人到底转了多少”可以直接读出来。人们常把轴和角折叠成一个旋转向量——一支方向即轴、长度即角度的箭头，这在数学上很方便。它的主要弱点是：在这种形式下把两次旋转合成起来很别扭，而且当角度为零时轴就失去了意义（“没有转”是谈不上方向的）。因此机器人常把轴角转换成四元数或旋转矩阵来做真正的计算，同时仍用轴角来表达诸如一条转动指令、或两个朝向之间的误差这类东西。

轴突是从神经细胞身上长出来的那条又长又细的“尾巴”，负责把这个细胞要发出的信息从胞体送往别处。神经细胞又叫神经元，它有一个鼓鼓的中段部分（胞体，又称soma），细胞就在这里存活并做出判断；还有一丛短短的、像树枝一样的分支，专门接收传进来的信号；然后从胞体伸出唯一一条长长的纤维，把这个细胞自己的回应送出去——这条纤维就是轴突。可以把神经元想象成一座小小的电台：那些分支是它竖起来听新闻的天线，而轴突则是从门口拉出去、把电台自己的信号继续往外送的广播电缆。

轴突的任务是单向输出。信号从轴突与胞体相连的地方启程，沿着这条纤维以飞快的电脉冲向前传递，最终抵达远端那些细小的末梢，再越过一道叫做突触的窄缝，把信息交给下一个细胞。对单个细胞来说，轴突可以长得惊人：有些从脊髓一直延伸到脚趾的轴突，两端之间将近一米长。为了让信号在这么远的距离上快速传递，许多轴突外面裹着一层叫髓鞘的脂肪绝缘外套，它能让脉冲一跳一跳地前进、更快地到达。把许多这样的纤维捆在一起，就是我们平常所说的神经。

正因为轴突是那个向外伸展、建立连接的部分，它在整个神经系统的“布线”中处于核心位置。一个神经元的轴突可以分叉、触碰到成千上万个别的细胞，而哪一条轴突连上哪一个目标，这种精确的连接图案，正是搭建起运动、感觉、记忆和思考背后那些回路的根本。当一条轴突被切断、或它的髓鞘受损时，信息就会变慢甚至停下，这也是为什么伤及轴突的损伤和疾病会让人失去运动能力或感觉。

轴突电缆特性，指的是把神经元那条长长的输出导线——轴突——当作一根真实的电缆来看时，它表现出的最基本的电学习性。就像一条老式海底电报电缆会漏电、会把你从一端送进去的信号弄得模糊一样，一段轴突也不是完美的导体：当一个电压变化沿着它扩散时，传得越远，信号就越弱、越慢。决定这种行为的有两个物理因素。一个是电阻，也就是电荷流动有多困难——电流沿着轴突内部纵向流动时会遇到电阻，而电流从管壁（也就是细胞膜）横向漏出去时，还会遇到另一种电阻。另一个是电容，即细胞膜储存电荷的能力，它就像一块小电池，必须先被充满，膜另一侧的电压才能改变。

这两个因素合在一起，决定了工程师和神经科学家都关心的两件事：信号能传多远，以及传得多快。一条更粗、管壁封得很严、漏电很少的轴突，能让电荷在流失之前跑得更远，于是一个电压隆起能在消退之前传播很长一段距离——这个传播范围由一个叫长度常数的数字来刻画（也就是信号衰减到大约起始值三分之一所经过的距离）。而速度则主要被电容拖慢：每一小块膜都必须像水桶一样被充电再放电、装满再倒空，电容越大，所需的时间就越长。这正是为什么把轴突加粗、再用富含脂肪的髓鞘把它包裹起来——这会降低漏电和电容——就能让神经信号传得既更远又更快；也正是这些被动的电缆特性，决定了你感到一次触碰、或动一下肌肉的快慢。

轴突导向，是一根正在生长的神经纤维在发育中的身体里找到出路、并准确插入正确目标的过程。一个神经元（神经细胞）会伸出一根长长的电缆，即轴突，把它的信号向外传送——而这根轴突往往要走很长的路，越过成千上万个别的细胞，才能抵达它注定要连接的那块肌肉或那个脑区。轴突导向，就是那一整套让它不至于迷路的路标和交通规则。可以想象一个旅人没有地图、要穿越一片陌生的国土，全凭沿途立着的指示牌前行：这里转弯、继续前进、禁止进入。一根生长中的轴突所做的正是这样，而轴突导向就是那套让旅程不会走错的路标系统。

这些路标是一些分子，称为导向线索，散布在轴突要穿过的组织之中。有的线索是吸引性的，说“靠近些”；有的是排斥性的，说“别过来”；有的牢牢黏在轴突爬过的细胞表面上，有的则四处飘散，形成一缕淡淡的化学气味，在某处浓、在另一处淡。轴突最末端坐着一个不安分的、手掌般的探路者，叫作生长锥，它上面布满感受器，专门读取这些线索。生长锥遇到吸引性的线索就朝它转过去，遇到排斥性的线索就掉头避开。这些分子里有几个著名的家族——网蛋白、狭缝蛋白、信号素和肝配蛋白——它们以线索与配对感受器成对工作，就像锁和它的钥匙，使每一根轴突只对属于自己的那些标记作出反应。

正是这般细致的掌舵，神经系统那令人惊叹的布线，连同它数以十亿计、各就各位的连接，最初才得以铺设出来。一旦轴突导向出了差错，纤维便会游荡到错误的目的地，这种错接可能表现为大脑和眼睛的发育障碍。同一批导向分子在受伤之后还可能再次被唤醒，这也部分解释了为什么成年人大脑和脊髓里被切断的神经很难找回原路——读懂最初那张路线图，正是帮助受损布线重新生长的第一步。

轴丘是神经元胞体上一个小小的、圆锥形的隆起。神经元就是大脑和神经里负责传递信号的细胞。可以把神经元的主体想象成一个圆形的中心枢纽，四周伸出许多短小的分支；在它的一侧，枢纽逐渐收窄成一道小斜坡，而那条唯一的、长长的输出电缆——叫作轴突——就从这道斜坡的底端出发。这道逐渐变细的斜坡就是轴丘：胞体在这里把信号交给那根负责把消息送出去的“电线”。

这个小隆起之所以重要，是因为它是做决定的地方。一个神经元会从邻居那里收到无数细微的推动——有的促使它放电，有的则在拉住它——所有这些推动都会在细胞上扩散，并在轴丘处汇集叠加。这里的细胞膜上格外密集地分布着电压门控钠通道，那是一些极小的闸门，当电荷越过某个阈值时就会突然打开。如果合起来的推动足够强，这些闸门便骤然开启，一个完整的神经信号——动作电位——随即点燃，沿着轴突飞速传去。所以轴丘就是神经元的扳机：它在这里把各方的“票数”加总起来，时时刻刻决定要不要放电。

轴突终末是神经元那条长长的发送纤维的最末端——就是细胞最终把信息交给下一个对象的那个略微鼓起的小尾端。神经元是一种神经细胞，它的轴突是把细胞的电信号从主体带走的那根细电缆。在最远的那一头，这根电缆并不是直愣愣地戛然而止；它通常会分叉成许多细小的分枝，每条分枝末端都鼓出一个小小的球状结构。这些小球就是轴突终末，它们是神经元干正事的那一端，是专门为了与另一个细胞对话而造出来的部位。

终末紧紧贴在它的目标上——另一个神经元、一根肌纤维或一个腺细胞——之间只隔着一道极其微小的缝隙。终末、缝隙加上接收面，这整个接头叫作突触；由于轴突终末位于发送的一侧，所以被称为突触前的（意思是在突触之前）。当神经元的电信号沿着轴突飞奔而来、抵达终末时，就会触发这个小球释放出一种叫作神经递质的微小化学包裹。这些包裹飘过缝隙，落在下一个细胞上，把信息传递下去。因此，可以把轴突终末想象成一条运货道路尽头的装卸码头：信号到达后，被转换成一份化学包裹，再装运过缝隙，送到对面等候的那个细胞那里。

轴突运输是神经元用来在轴突上来回搬运物资的运送系统——轴突就是那条细长、像缆线的尾巴，负责传送细胞的信号。可以把轴突想象成一条很长很长的道路，从胞体（神经元的总部，大部分建造工作都在这里完成）一直延伸到远处的末端，在那里它与下一个细胞对话。这条路可以长达胞体宽度的上千倍，远得任何东西都不可能靠自己漂过去。于是神经元开了一项货运服务：把物资打包进一个个膜质小泡，再由微小的机器主动把它们拖到需要的地方。

这种搬运是由马达蛋白完成的——它们是分子级的机器，真的会沿着贯穿整条轴突的内部轨道一步一步地“行走”，这种轨道叫微管。从胞体出发、朝轴突末端去的货物，走的是顺向运输；它运送的是新鲜的补给，比如装着化学信使（用来与下一个细胞对话）的小泡，还有线粒体（细胞的发电厂）和建造材料，由一种叫驱动蛋白的马达拉着走。朝相反方向、从末端回到胞体的货物，走的是逆向运输，由一种叫动力蛋白的马达拉着；它把用旧的零件送回去回收，并捎带回各种状况报告——不幸的是，有些病毒和毒素也会搭这趟“顺风车”往里走。

这套穿梭运送之所以重要，是因为轴突的远端几乎无法自己制造东西，只能依靠源源不断的运送来维持运转和自我修复。一旦轨道受损或马达失灵，物资就会堆积或永远到不了，轴突末端便会“挨饿”，神经元也可能因此患病甚至死亡——许多神经疾病中都能看到这种崩溃。简而言之，轴突运输就是那条生命线，让神经元最遥远的前哨始终有补给、有动力，并与“老家”保持联系。

反向驱动性指的是，你不通过指挥电机，而是直接推动机器人关节的“输出端”——也就是真正干活的那一头——来让它动起来的容易程度。一个可反向驱动的关节像自行车轮子自由滑行：轻轻一推它就转，你甚至能通过它感觉到电机被倒着带动。一个不可反向驱动的关节则像顶起汽车的螺旋千斤顶——你摇手柄能把车顶起来，但无论怎么往下压车，都没法把手柄倒着摇回去。许多齿轮系统是故意舍弃反向驱动性的：大减速比让电机的输出变得有力，却也让关节很难从外部被推动。

当机器人需要在人身边安全工作、并让人觉得灵敏好用时，反向驱动性就很可贵：可反向驱动的手臂能被人用手轻轻推开，遇到意外接触时会顺势让步，而不是固执地死守原位。它还让机器人能直接通过关节去感知并回应外界的力，几乎就像你用自己的手臂去感受压力一样，这甚至能取代一个专门的力传感器。

欠驱动则是一个与“数数”有关的相关概念：它指一个机构的电机数量少于它能独立活动的方式数量。一只有很多手指关节、却只有一两个电机的机器手就是欠驱动的——手指不是各自单独驱动，而是按弹簧和连杆设定好的固定方式一起弯曲。这让设计更简单、更轻、更便宜；而一只设计得当的欠驱动手，即便无法让每个指节都摆出独立姿势，仍能自然地包裹住各种不同形状的物体。

后端（backend）是一个应用里跑在服务器上、看不见的那一部分。它保管数据、执行规则、干真正的活儿——核对你的密码、保存你的订单、把你的账单加总。你从来不会直接看到它；你看到的，永远只是它送回来的那些答案。

想想一家餐厅。你坐着的那间大堂是前端（frontend）——菜单、桌子、和气的服务员。后端则是厨房和后台办公室：菜真正在那里被烹饪、库存在那里被清点、收银机在那里把钱算清楚。客人从不会晃到后头去，也不需要去——他们只管享用端上来的那顿饭。

这两半通过 API（接口）对话：前端发出请求（「帮这个人登录」「把他的订单给我」），后端就完成那些繁重的工作再回复。它也是放敏感东西的地方——数据库、密码、业务逻辑——之所以都留在服务器上，正是为了让它们落不到用户手里。

齿隙是两个咬合齿轮之间那一点点自由的空程——你转动其中一个齿轮、另一个却没有立刻跟上时，所感到的那一丝松动。齿轮没法做到严丝合缝地贴合，否则就会卡死、磨咬；于是工程师在齿与齿之间留下一道极细的缝。这道缝有助于运转顺畅，但它意味着每当主动齿轮改变方向，从动齿轮都会迟一丝才动。你在一辆旧自行车上会遇到同样的事：往前蹬，链条咬上之前会有短短一段「空脚」。那段空脚就是齿隙。

对机器人来说，这点小旷量关系重大。当一个关节反向时，马达得先把这段齿隙「吃掉」，肢体才会真正动起来，于是真实位置会落后于控制器下达的指令——这种定位误差会在手臂指尖处表现为一点小晃动或不精准。更糟的是，这道缝让负载在振动下来回咯噔、撞击齿面，这又反馈回控制系统，可能让本该利落收尾的紧凑、快速动作变得抖动或来回找位。这正是为什么高精度关节偏爱谐波减速器这类几乎零齿隙的设计，也是为什么便宜的齿轮玩具相比之下摸起来松松垮垮。

反向传播是分层神经网络从错误中学习的方式。网络先做出一个猜测，你测量它错得有多离谱，然后把这个误差沿着各层向后传递，告诉每一个连接它该为错误负多少责任。想象一间厨房端出了一道太咸的菜：主厨沿着流水线往回追查——酱料台分一点责任，调味环节分一点——每位厨师都微调自己那一环。用上百万个例子一遍遍这样做，整个网络就越来越准。

它的内部其实只是用微积分里的链式法则做细致的记账——一层一层地算出：每个权重稍微变动一点，最终的误差会怎样改变。精妙之处在于从输出端往回推：它一次扫过就算出所有这些「责任份额」，而不必逐个权重单独试探，否则会慢得不可救药。然后把每个权重朝着能减小误差的方向挪动一格，循环往复。

它的重要性怎么说都不为过：正是反向传播让深层网络——叠了许多层的网络——真正变得可以训练，并支撑着几乎所有现代人工智能，从图像识别到聊天机器人。一个常见的混淆：反向传播只负责找出每个权重该往哪个方向调；该迈多大一步，是另一个步骤（梯度下降）决定的。它是递送误差的信使，而不是拧旋钮的那只手。

几十年来，芯片把所有东西都堆在硅片的同一面：几十层金属同时承载着信号线（逻辑彼此对话的通道）和电源线（给每个晶体管送去供电电压）。随着特征尺寸越缩越小，这两份活儿开始争抢同一片拥挤的空间——而供电还有个特别的麻烦。把电流顺着这一摞高高的金属层往下送的导线又细又有电阻，于是供电电压在往下走的途中会稍稍塌一点。这一塌就是 IR 压降，而且它恶化的方式恰好印证了互连缩放的极限：导线越细就电阻越大、裕量越小，逻辑也就更慢、更不可靠。背面供电正是这样回应这一极限的——它给电源单独划出一块地盘。你把晶圆减薄，在硅片的背面再建一张金属网络，专门用来送电，而正面那一摞金属则被腾出来，只管走信号。

把它想成一栋公寓楼，原本把上下水、电路和走廊全都塞在同一组竖井里——什么都在挤地方。背面供电就像把所有管路都挪到楼后的一条服务通道里。这样一来，前面的走廊（信号）变得更宽、更好排布；而管路（电源）则能用又粗、又短、电阻又低的大管子，从正后方直接通到每一层，不必再从楼顶一路蜿蜒下来。由此带来两个好处。第一，IR 压降变小了，因为背面的电源轨更粗，电流到达每个晶体管所走的路也短得多。第二，布线拥挤缓解了，因为把那些粗壮的电源轨从正面各层撤走后，就给布局布线一直挤不下的信号线腾出了更多空间。它正是在 2nm 这一代前后进入量产的技术之一。

细菌是极其微小的生物，每一个都是单单一个细胞，小到几百万个挤在一根针尖上都绰绰有余。它们无处不在——在泥土里、在海洋中、在你的皮肤上，此刻还有数以万亿计的细菌住在你的肠道里。一滴池塘水中的细菌数量，就能比地球上的全部人口还要多。

出人意料的是：绝大多数细菌都是无害的，许多还相当有用。你肠道里的细菌帮你消化食物，另一些则把牛奶变成酸奶和奶酪。只有一小撮才是捣乱分子——比如引起链球菌性咽炎、肺结核或食物中毒的那些。

在历史上的大部分时间里，没有人知道病菌会引起疾病。直到 1880 年代，罗伯特·科赫提出了一套明确的检验标准——如今称为「科赫法则」——用来证明某一种微生物会引起某一种疾病：在每一名病人体内都找到这种病菌，把它从身体中分离出来、做成单独的纯培养，再用它让一个健康的宿主生病，然后从中重新分离出同一种病菌。这条环环相扣的证据链，把模糊的猜疑变成了扎实的科学，也奠定了现代医学的基础。

脑信号是许多不同快慢的节律同时混在一起，就像几个音符一起奏响。频带能量问的是关于其中某个音符的一个简单问题：它有多响？说得更准确些，就是信号的能量有多少落在某个选定的频带里——比如 mu 频带（大约每秒 8–12 个周期），或者快一些的 beta 频带。

频带能量是节律类脑机接口的主要特征，因为它会随着这个人脑中在做什么而起落。比如当一个人想象动手时，运动皮层上方的 mu 和 beta 节律往往会安静下来，于是这些频带里的能量就下降。解码器盯着这个数值，就能推断出它背后的意图。

计算时，你取一小段信号窗口，算出它的能量在各个频率上如何分布，再把落在你那个频带里的部分加起来。它计算起来很省、也容易解读，这正是它几十年来一直受欢迎的原因之一。

带隙基准是一个小小的模拟电路，它给出一个稳稳的电压——接近 1.2 V——无论芯片是发烫、变冷，还是电源电压塌陷，它几乎纹丝不动。几乎每块芯片都需要一把牢靠的「尺子」来作比较：ADC 要知道「满量程」是多少，稳压器要知道把输出稳到哪个值，上电复位电路要知道电源什么时候算「够高」。而一节电池或一条电源轨会随温度和负载漂移，根本当不了尺子。带隙基准，就是做出这把尺子的那个电路。

诀窍是用两段方向相反的漂移把温度抵消掉。一个正向偏置的二极管（或者一只晶体管的基射极电压 Vbe）在变热时压降会略微减小——大约每升高 1 摄氏度降 2 mV。这是一个 CTAT 项：与绝对温度互补（Complementary To Absolute Temperature）。另一方面，如果让两只晶体管工作在不同的电流密度下，它们 Vbe 之差会随温度升高——这是一个 PTAT 项，与绝对温度成正比（Proportional To Absolute Temperature），由热电压 kT/q 决定（室温下约 26 mV）。把一段下降的 CTAT 和一段上升的 PTAT 各按合适的比例相加，两条斜率正好抵消：它们的和在整个温度范围上是平的。

那个平点为什么落在 1.2 V 附近？因为这差不多正是硅的带隙电压外推到绝对零度时的值——电子要导电所必须跨过的那道能隙。当你强行让 CTAT 与 PTAT 的斜率相互抵消时，其实就是把 Vbe 外推回 0 K，于是硅把它的带隙交到了你手上。这正是这个名字的由来：电路并不是刻意去测量带隙，而是抵消背后的物理把答案拽到了那里。真实的带隙基准能在整个车规温度范围内把输出稳定在零点几个百分点以内，通常还会做一次小小的一次性微调（trim）。

继电控制是操控一个系统最简单的办法：没有旋钮，只有一个开关。控制器只看误差——我们是低于目标，还是高于目标？——然后用两种极端中的一种来回应：要么全开，要么全关；要么使劲推，要么完全不推；要么加热，要么不加热。中间没有“一点点”这种档位。它的名字（“bang-bang”，啪、啪）正来自这种非此即彼、来回猛撞的动作：往这边一啪，往那边又一啪。

家里的恒温器就是最日常的例子。当房间温度跌到设定值以下，加热器就完全打开；当房间温度升到设定值以上，加热器就彻底关闭。由于真实的加热器不可能瞬间响应，温度在开关切换之前总会越过那条线一点点，于是房间实际上是绕着你设定的温度上下轻轻漂移，呈现出一条平缓的锯齿状波形，而不是纹丝不动地停住。为了避免温度恰好停在那条线上时开关飞快地“咔嗒咔嗒”反复跳动，设计者会加上一个小小的死区：比如要等房间冷过一度才启动加热，热过一度才关闭。

继电控制的魅力在于：它极其便宜、极其简单，而且出奇地难以弄坏——单单一个继电器或一只晶体管就能运行它，完全不需要对增益做精细的整定。代价是它永远无法精确停在目标上，只能在目标周围不停地来回追逐，而且不停地猛撞切换会磨损硬件。所以它在“晃一点也无所谓”的场合大放异彩——冰箱、热水器、简单的水泵；而一旦你需要稳定、精确地保持住某个值，它就该让位给 PID 这类更平顺的方案了。

基底神经节是位于大脑深处的一组结构，藏在大脑布满褶皱的外层（皮层）下方，靠近左右半球各自的中心位置。可以把它们想象成大脑里幕后的“运动审批委员会”：它们自己并不发起动作，而是默默地批准或否决大脑其他部分提出的方案。当你决定去拿一只杯子时，皮层先勾画出这个想法，基底神经节再为顺畅、你想要的那个动作亮起绿灯，同时按住几十个你并不打算做的多余抽动。

它们日常的职责不止于运动。基底神经节对养成习惯至关重要——也就是那些可以自动完成的常规动作，比如系鞋带或开车走一条熟悉的路线；它们也负责动作选择，即从众多可能性中挑出一个动作并付诸执行。它们还会从奖励中学习：当某个动作带来好结果时，一种叫多巴胺的化学信使会帮助把这个选择“盖章”记下，让你下次更容易选它。当这些结构受损或多巴胺不足时，后果十分明显。在帕金森病中，动作变得缓慢、僵硬，并出现震颤；而在亨廷顿病中，动作则变得过多、难以控制。正因如此，医生在理解动作“过少”与“过多”这两类问题时，都格外依赖对基底神经节的研究。

基底神经节运动环路是一种深埋在大脑表层之下的“决策与放行”回路，它帮助选定要做哪个动作，把这个动作放行，同时摁住其他所有可能的动作。基底神经节是一团灰质团块，位于大脑那层布满褶皱的外壳（即皮层）之下。在这条环路里，皮层把它正在考虑的一堆动作粗略地列成候选清单送下来，基底神经节挑出胜出者，再经由一个叫丘脑的中转站把选中的方案传回皮层，最后由皮层真正去指挥肌肉。可以把它想成一位严格的选角导演：许多演员来试镜同一个角色，但只有一人能拿到这个角色，其余人都被告知要等着。

这条环路之所以管用，关键在于基底神经节默认是把动作“拴着”的。它们的主要输出在不停地踩刹车，悄悄压制各种动作，好让身体不会自己抽搐、乱动。当你决定行动时，环路中的一条通路会短暂松开你想做的那一个动作的刹车，就像从一架被按住的钢琴上只抬起一根手指、放开其中一个琴键；与此同时，另一条通路则对那些相竞争的动作把刹车踩得更死。一种叫多巴胺的化学信使决定了刹车松得有多容易，这正是为什么这条环路是众多运动障碍的核心所在。在帕金森病中，多巴胺供应衰减，刹车一直踩得太紧，动作便变得迟缓、僵硬、难以起步；而在亨廷顿病及另一些病症中，刹车机制失灵，不需要的动作便会以抽动和痉挛的形式漏出来。

要紧的是，这是一条环路，而非单行道：信号从皮层传到基底神经节，再到丘脑，又传回皮层，如此一圈又一圈，因此这套系统能在动作进行的过程中不断加以调整，而不是发出一次指令就抛诸脑后。这一基本的环路结构还被复用到与运动无关的任务上，有若干条平行的副本分别负责习惯、动机乃至思维的模式，这也是为什么此处受损所影响的远不止走路和伸手取物。

贝叶斯大脑是这样一个观点：你的大脑像一位永远不敢完全确定的细心侦探。外部世界到达你的感官时，只是一些嘈杂、模糊、残缺的线索，因此大脑永远无法确切知道外面究竟有什么。于是它做出最佳猜测，靠的是把两样东西结合起来：它原本就预期的内容（由过往经验积累而成的先验信念），以及此刻正通过你的眼睛、耳朵和皮肤传来的新证据。只要证据可靠，它就更多地依赖证据；只要证据微弱或含糊，它就更多地依赖原本的预期。这种在信念与证据之间权衡的方式，得名于贝叶斯法则——一条古老的数学规律，描述了当新信息出现时更新猜测的最佳办法。

这为什么重要呢？它能解释知觉中许多日常的怪现象。当你在嘈杂房间里听朋友说话时，大脑会用预期补全那些含糊的字句，所以你有时会听错，也正因如此，错觉能够同样地骗过每一个人。它还能解释为什么意外会抓住注意力：意外恰恰是现实与大脑预测发生冲突的时刻，迫使大脑更新认识。研究者喜欢这个框架，是因为它把关于思维的含糊问题变成了精确的数学，也因为它把知觉、学习、注意力，甚至某些精神疾病（其中先验信念可能被调得过强或过弱）统统纳入一个简洁的观念之下。它是一种理论或指引性的视角，而非已被证实的事实，但它一直极富成效。

BB84 是历史上第一个被提出的量子密钥分发（QKD）协议：它让两个人（按惯例称为 Alice 和 Bob）就一串随机的秘密比特达成一致，同时还能察觉是否有人在偷听。它的巧妙之处不在于秘密地传送某条消息，而在于让你能够建立一把共享密钥，并在事后检查信道是否干净。设想 Alice 每次只发送一个光子，对每个光子她都私下抛两次硬币：一次决定这一位是 0 还是 1，另一次决定她用两种“朝向”中的哪一种来编码它。Bob 读不到她的心思，所以他在测量每个光子时也随机挑一个朝向。

所有光子发送完之后，Alice 和 Bob 通过一条普通的公开线路交谈，只比较彼此选了哪些朝向，绝不透露具体的比特值。凡是两人碰巧选了相同朝向的那些光子，Bob 的读数就是可靠的，他们留下这些比特；其余的全部丢弃。这里正是物理学发挥作用的地方：由于不可克隆定理，窃听者无法复制一个未知光子以便日后查看，而任何用错误朝向去测量它的尝试都会扰动它。于是窃听者也只能去猜朝向，而她的猜测会引入错误。Alice 和 Bob 牺牲所留比特中的一小部分作为样本、检查其错误率，就能发现这种篡改。如果信道看上去干净，剩下的比特就成为一把共享的秘密密钥；如果不干净，他们就把一切丢弃，重新再来。

把 BB84 承诺什么、不承诺什么讲清楚会很有帮助。它不是一台更快的计算机，也跟 Shor 算法或破解 RSA 毫无关系。它是一种密钥交换方法，其安全性建立在物理定律之上，而不是建立在某个困难的数学问题之上——这正是它区别于后量子密码学（为抵御量子攻击而设计的经典算法）之处。在实践中，BB84 需要一条真正的量子信道，比如光纤或自由空间光学链路；真实硬件并不完美、传输距离也有限；而且它只保护密钥分发这一步，并不保护你的整个通信系统。

行为克隆是通过示范来教机器人技能的最简单办法：你把专家完成任务的过程录下来，然后训练机器人去照搬专家的做法。录下来的每一个瞬间都被做成一张闪卡——正面是机器人在那一刻所看到、所感觉到的一切（摄像头画面、各关节的位置、夹爪的状态），背面则是专家紧接着采取的那个确切动作（往这边移、合上夹爪、转动轮子）。机器人翻看成千上万张这样的闪卡，学到一条经验法则，把“我现在看到的样子”直接对应到“我应该做的动作”。由于这不过是给问题配上答案，它其实就是普通的监督学习，和给照片打标签所用的那种模式拟合是同一类——只不过这里的标签是动作，而不是名称。

它的吸引力在于：不需要奖励、不需要反复试错、也不需要仿真器；几次人类示范往往就足以让机器人开始模仿抓取摆放或转向的动作。麻烦之处是一个不动声色却很要命的毛病，叫做累积分布偏移，或称累积误差。机器人只见过专家走过的那些情境，它们都干净利落、始终在正轨上。可一旦它自己的小失误把它稍稍带离这条正轨——杯子抓得偏左了一厘米——它就撞上了专家从未示范过的画面，于是它的判断变得更差，把它推得离正轨更远，下一帧画面就更陌生。误差像滚雪球一样越滚越大，一个在测试里看似完美的机器人，可能漂移到一个它完全不知该如何应对的处境。

实践者用几种办法来对抗这种滚雪球：收集多得多的示范，特意把那些“出了岔子又如何纠回来”的杂乱过程也录进去；或者让专家在机器人练习时当场纠正它，使它学会怎样重新回到正轨上。不过，朴素的行为克隆依然是最常用的第一招，恰恰因为它实在太容易搭起来了。

行为树是一张整洁的、会分叉的图，机器人从上往下读它，来逐时逐刻地决定下一步做什么。把它想象成一棵倒过来的树形流程图：最底下是一个个具体的小动作和小检查——“走到门口”“门开着吗？”“把箱子拿起来”——而它们上方是一些简单的枢纽节点，负责决定去尝试哪一个、按什么顺序来。每一次时钟跳动，机器人都从顶端出发、一路往下走，每个节点都会回报几种简单答案之一：成功、失败，或仍在进行。这些答案再一层层往上传，左右着下一步的选择。

巧妙之处其实只在两种枢纽。顺序节点的意思是“按次序做这些，一旦有一个失败就停下”——适合那些必须全部发生的步骤，比如先张开夹爪、再下移、再合拢夹爪。回退节点（或称选择节点）的意思是“一个一个地试，直到有一个成功为止”——适合带有备选方案的计划，比如先试前门，不行就试侧门，再不行就向人求助。把顺序和回退层层嵌套，你就能用这寥寥几种简单部件，搭出丰富而有层次的行为，而设计者读起整棵树来，几乎就像在读一句话。

机器人开发者偏爱行为树，是因为它模块化、易于改动。由于每条分支都自成一体，你可以加上一项新技能、调换优先次序，或者在靠近顶端的位置嫁接一条紧急的“电量低就去充电”分支，而不必把其余部分全都拆开重接——树天生会先检查高优先级的分支。正因如此，行为树在游戏角色和许多机器人身上，已基本取代了更老的有限状态机风格：状态机会把每一种情形都直接连到其他每一种情形，越长越乱成一团；而行为树则让逻辑保持井然有序、便于复用，哪怕机器人的本领越来越多也是如此。

行为主义是心理学中一场大胆的运动，它主张：只研究你真正看得见的东西。别再窥探内心了——那些私密的想法、感受和愿望都没法测量，干脆先搁在一边。能看、能数的，是行为：老鼠按压杠杆、孩子被巨响吓得一缩、狗听到铃声就流口水。在大约整个二十世纪上半叶，这都是美国做心理学的主流方式。

它的吸引力在于一个全新的起点。早期的行为主义者，尤其是在约翰·华生（John B. Watson）的纲领里，把心灵当成一个封死的黑箱，只看输入什么（处境）、输出什么（动作），这样就能做出严谨、可重复的实验——心理学终于像一门硬科学了。华生在 1913 年开创了这一运动，而斯金纳（B. F. Skinner）成了这一学派的泰斗，他用细致的实验展示了奖励与惩罚如何塑造动物和人的行为。斯金纳其实软化了黑箱的立场：他承认私密的想法和感受是真实存在的，只是坚持不该把它们当作隐藏的原因。

一个常见的误读是：以为行为主义者认为根本没有心灵，或者人不会思考。其实并非如此。大多数人只是主张，心灵当时还无法用科学方法研究，因此负责任的做法是把它先放进括号、只盯着行为。后来研究者找到了巧妙的办法去探查记忆、注意和推理，这门学科便重新转向心灵——但行为主义辛苦得来的洞见，关于「后果如何塑造行为」，却从未消失。

“从实验台到病床”指的是一段漫长而艰难的旅程，把实验室里的发现变成患者真正能接受的治疗。“实验台”是实验室，“病床”是临床。可以把它想象成把厨房里一次成功的实验搬上各地餐厅的菜单：做出一次好味道很容易，难的是之后的一切。

在这条路上，这个想法必须先通过动物实验，再以严格而稳定的质量标准来制造，然后分阶段、谨慎地通过人体试验，最后还要通过监管机构的审查——它们要权衡获益与风险。每一关都会淘汰掉大多数候选方案。许多有希望的实验室结果常常在这里停滞，并不是因为科学造假，而是因为安全、可靠、可大规模推广的治疗，远比一次性的成功难得多。

它之所以重要，是因为它解释了激动人心的新闻标题与医生能负责任地提供的治疗之间的差距。一个“在小鼠身上有效”或“在培养皿里有效”的结果，可能离病床还有很多年——甚至永远到不了，诚实的科学家会如实说明这一点。

在这级以下的每一级，本质上都是在想方设法让硅 CMOS 晶体管一边缩小、一边继续工作：FinFET，然后是环绕栅极（GAA）纳米片、背面供电、芯粒。但有一个底。一条硅沟道横着排不下多少个原子，栅极也薄不过某个限度，再薄电子就会直接隧穿过去；而电源电压也降不到比硅晶体管干净切换所需的阈值低多少。所谓「beyond CMOS」，是在研究层面寻找一种全然不同的开关——不是更好的硅晶体管，而是用新材料、甚至换一个新的物理「旋钮」造出的新器件，好让缩放能在硅走到尽头之后继续下去。你可以把它想成在问「拿什么来换掉这台发动机」，而不是「怎么把手上这台调得更好」。

几个候选方案各自针对一个具体的极限。碳纳米管 FET 用一根碳原子组成的管子当沟道：载流子在其中跑得快，而管子本身就很细，所以在硅鳍片会漏电的尺寸下，栅极仍能牢牢掌控。像 MoS2（二硫化钼）这样的二维沟道材料，是单层原子那么薄的薄片——薄到几乎是一条沟道在物理上所能达到的极限——这正是 GAA 一直在追求的「沟道体要薄」，被推到了原子级。自旋电子学（spintronics）走得更远，干脆改变了「用什么来承载信息」：它不再来回推动电荷（每次给一根导线充电、放电都要耗能），而是翻转电子的自旋，原则上切换能耗低得多，甚至断电也能保住状态。另外还有人寄望于隧穿晶体管、铁电材料，以及更为奇异的种种设想。

老实说现状是：这些都还算不上主流。硅 CMOS 好得惊人，几十年的制造经验全倾注在它身上；而一个在实验室里漂亮地切换过一次的器件，离造出数十亿个一模一样、又便宜又可靠的器件，还有很长的路。所以今天的路线图靠的是架构——纳米片、CFET、芯粒、先进封装——来多争取一些年头，而 beyond CMOS 器件则仍停留在研究阶段。关注这个领域，重点不在于预测谁会胜出，而在于看清这个问题的轮廓：当你再也无法只是把硅开关做得更小时，计算会变成什么样子？

晶体管要放大任何信号之前，你得先把它唤醒，并把它稳稳地保持在正确的姿态上。偏置点——常被称为 Q 点（quiescent，静态之意）——就是在没有信号时，你刻意在每个端子上建立的那一组稳定的直流电压和电流。可以把它想象成把一架秋千轻轻推到摆弧的正中间晃动起来：一旦它稳稳停在那里，最轻微的一推（也就是你的交流信号）就能让它干净利落地上下摆动。你真正的信号只是叠加在这些直流值之上的一个小小的摆动，而偏置的全部意义，就是把器件停泊在它有用的放大区——对 MOSFET 来说，这意味着饱和区（也叫有源区），在这里漏极电流对栅极电压响应强烈，却几乎不在乎漏极电压。

偏置一旦搞错，放大器要么变成聋子，要么大声嚷嚷出一堆垃圾。让晶体管电流不足，它就会滑出饱和区，落入三极管区或亚阈值区，此时它的跨导 gm 崩塌，几乎得不到任何增益。把直流输出设得太靠近某条电源轨，那么哪怕只是中等幅度的信号摆动，也会撞上天花板或地板，把波形削得平平的。增益和裕度都继承自 Q 点：小信号跨导直接由偏置电流决定（在平方律区 gm = 2*Id/Vov，其中 Vov = Vgs − Vth 是过驱动电压），而本征电压增益 gm*ro 同样取决于你把器件停在了哪里，成败皆系于此。

正因为下游的一切——增益、摆幅、噪声、带宽——都源自这个直流姿态，所以求解工作点是任何模拟设计师（以及任何 SPICE 仿真）要做的头一件事。你先解出直流平衡点，再围绕它做线性化，来研究那个小小的交流信号。好的偏置也必须是稳定的偏置：它得在温度、电源变化和器件个体差异中都守住自己的位置——这正是模拟电路如此倚重电流镜和带隙基准来钉住偏置、而不肯只信任一只孤零零电阻的原因。

大爆炸是我们对宇宙如何开端的最佳描述：大约一百三十八亿年前，我们能看见的一切都挤在一个高温高密、难以想象的状态里，自那以后就一直在膨胀、冷却。想象给气球吹气时上面画的小点——每个点都在远离其他每个点，并不是因为点在橡皮上移动，而是因为橡皮本身在被拉伸。宇宙正在做同样的事，只是规模无比宏大。

尽管名字叫「爆炸」，它却不是一场把物质抛进虚空的爆炸。是空间本身在膨胀——没有一个「外面」让它向外扩张，也没有哪一个点可以指着说那是中心。每个星系都看到其他所有星系在远离自己，而这恰恰是「处处的空间都在膨胀」所应有的样子。

这并非凭空猜测。整片天空都微微泛着那个炽热开端遗留的余温——一阵从四面八方传来的微弱微波嗡鸣——而星系彼此飞散、越远飞得越快的方式，也与这幅图景丝丝相扣。在脑海里把这场膨胀倒带，一切便重新挤回到一个炽烈的起点。

料箱拣取，指的是把手伸进一只装满随意倒入物体的箱子或托盘里——东西全都乱七八糟、彼此叠压、朝向各异——然后干净利落地取出其中一件。想象工厂里的一只零件箱，几百颗一模一样的螺栓堆成乱糟糟的一团。人做这件事根本不用动脑：瞥一眼，看到一颗够得着的螺栓，抓起来，提出来。可对机器人来说，这其中的每一步都很难，因为没有一样东西在它预想的位置上，而下一个要抓的物件往往还埋在别的东西底下。

料箱拣取之所以比从整齐的传送带上取物难得多，关键就在那一团乱，我们称之为“杂乱”。机器人首先得用摄像头或深度传感器往箱子里看，从这堆东西中判断出一个个物体各自在哪、各自朝哪个方向转着——也就是它的位姿。接着它得挑出一件真正抓得起来的物体（不是被旁边的东西压死的那种），规划一个既不会撞到箱壁、又不会把整堆碰塌的抓法，伸进去，把它取出来。每抓一次，那堆东西就会塌动一下，所以机器人必须每一次都重新观察、从头来过。

料箱拣取是机器人学经典的“试金石”之一，因为它把“看见、规划、抓取”三件事，糅进了一个杂乱、且时刻在变的场景里。凡是货物散装堆放的地方都会用到它：工厂给机器上料、仓库分拣订单、回收线分类废料。可靠的料箱拣取已经被追逐了几十年，如今的系统大量依靠摄像头加上学习得来的模型，来应对那永无止境、千变万化的料堆。

仿生机器人，是这样一种做法：去观察活生生的动物——它们如何行走、游泳、飞翔、攀爬或抓握——并借用这些点子来设计机器人。演化花了数亿年来打磨身体、让它们能在真实世界里运动，所以大自然就是一部浩瀚而免费的、收录着早已奏效的方案的目录。一台像蟑螂那样靠六条腿飞奔的机器人、一台像鱼那样靠摆动身体游动的机器人、一个脚上仿照壁虎趾上微观细毛的爬墙机器，一架像昆虫那样扑翅的飞行器——它们全都是从生物那里取来一个早经验证的窍门，再用电机、塑料和电路把它重新造出来。

其吸引力在于，动物轻而易举做到的许多事，正是我们那些方头方脑、靠轮子的机器人所为难的。轮子在平滑的路面上妙不可言，遇到楼梯、沙地或瓦砾却束手无策；而腿——无数生灵演化出来的那种设计——应付崎岖破碎的地面却毫不费力，这正是足式机器人去模仿动物如何保持平衡、如何落脚的缘故。鱼滑过水中几乎不浪费什么能量，于是一台照着鱼的方式游动的机器人，充一次电就能走得更远；一只昆虫翻倒后能自己翻正、继续前进，这一手让一台小机器人皮实得多。要紧的是，仿生并不意味着原样照抄：工程师取的是背后的原理——肌腱的弹性、象鼻那种裹缠式的抓握、壁虎脚那种干净利落的剥离——再把它改造到电机和材料真正能做到的程度，留下点子、舍去那些转译不过来的部分。

生物相容性，描述的是一种材料与身体共处时，能在多大程度上不引发有害反应。一种生物相容的材料就像一位有礼貌的客人：把分内的事做好、不惹麻烦，既不毒害周围的细胞，也不挑起有害的免疫攻击，更不会在不该凝血的地方让血液凝结。一种材料若通不过这一关，再巧妙也无法用在人体内。

身体对一切外来之物都心存戒备。免疫细胞会去打量新植入的物件，若把它读作威胁，便会用瘢痕组织把它包裹封堵、让该处发炎，或干脆发起攻击。生物相容性，正是设计材料表面与化学性质的一门技艺——让身体要么平和地无视它，更好的是，欢迎自己的细胞迁入并与它融为一体。

关键在于，生物相容性并不是刻在材料上的固定属性——它取决于具体用途。一种作为髋关节绝对安全的金属，若用作以凝血为大忌的心脏瓣膜表面，可能就是一场灾难。所以工程师总要追问：相容于什么、用在哪里、要用多久，而不是把它当成一个简单的“是”或“否”。

生物墨水，是生物打印机当作墨水使用的那种可打印、含细胞的凝胶。纸张打印机喷的是有色液体，生物打印机挤出的，则是一种内部悬浮着活细胞的柔软凝胶。因此生物墨水既是建造材料，又是所载之物——它运送细胞，并在打印之后恰到好处地变硬，以撑住新组织的形状。

调配一款好的生物墨水，是一桩棘手的平衡之术。它既要足够稀薄，能顺畅地流过细小的喷嘴，又要在打印后立即变硬，免得各层瘫软成一摊。与此同时，它还必须足够柔软、湿润、富有营养，好让搭乘其中的娇嫩细胞挺过挤压、感到自在，而不至于被压坏或饿坏。

大多数生物墨水以水凝胶为基础——这是一种吸水膨胀的聚合物网络，模拟出真实软组织那种湿润而有弹性的触感。配方常按组织类型逐一调校，有时还会掺入天然的细胞外基质蛋白，让细胞认出熟悉的环境。简而言之，生物墨水是决定成败的关键原料：打印出的细胞是存活茁壮，还是干脆死去，往往就看它。

脑疾病的生物标志物，是指身体里某种可以被实际测量、并悄悄反映神经系统内部状况的东西——一种医生能够读懂的疾病“指纹”。由于大脑被牢牢封在颅骨里，无法靠肉眼直接查看，医生便转而去寻找那些渗漏出来或在别处显现的线索：漂浮在血液或脑脊液（包裹大脑和脊髓的那层清亮液体）中的某种特定蛋白质、脑部扫描上一处可疑的形态，或者脑电活动中的某种模式。可以把它想象成汽车仪表盘上的警示灯——你看不到引擎本身，但这盏灯能可靠地告诉你，盖子底下正发生着某件具体的事。

生物标志物之所以重要，是因为它把看不见的疾病变得可见、可测，而且能同时承担好几项任务。有些用来诊断——比如阿尔茨海默病中堆积的某些蛋白质，往往在记忆明显衰退的好几年前就能被检测到。有些则用来追踪进展，显示病情是在恶化还是保持平稳，或者在症状出现之前就预测谁的风险更高。许多还被用来检验治疗：如果一种药物的目标是清除某种有害蛋白质，生物标志物就能显示这种蛋白质是否真的减少了。一个好的生物标志物必须具有特异性（它指向的是这一种疾病，而不是另外十几种）、能以切实可行的方式测量，并与疾病背后真正的生物学机制紧密相连——否则那盏警示灯就只是噪音而已。

生物材料，是指任何被设计用来在活组织内部、或紧贴活组织工作的天然或合成材料。它是一类特殊的材料——身体应当把它当作能长期相处的邻居来容纳，而不是当作刺一样的异物来排斥。日常例子其实相当常见：补牙材料、钛合金髋关节、可吸收缝线、软性隐形眼镜，以及用来培育新组织的支架。

一种材料能否成为生物材料，关键不在于它由什么构成，而在于它是为这项任务而精心挑选和设计的。设计者会调校它的强度、柔韧度、表面纹理，以及它是要在体内停留数十年，还是在几周内安全溶解。最重要的是，它必须具备生物相容性——既要与身体共处，又不能毒害细胞、引发有害的免疫攻击，或在不该凝血的地方让血液凝结。

生物材料是再生医学的物理骨架。一个髋关节假体只需在体内存活下去；而组织支架的任务更难：它必须吸引身体自己的细胞迁入、生长，并最终把它取而代之。如何处理好材料与活细胞之间的这场“对话”，正是整个领域的核心难题之一。

生物打印，就是用活细胞来做 3D 打印。普通的 3D 打印机一层层挤出熔化的塑料来堆出物体；而生物打印机铺下的，是一种柔软、含细胞的凝胶，一薄层一薄层地叠加，直到一块有生命的组织成形。它最大的优势在于精准控制：你能把不同种类的细胞准确放到各自该在的位置，造出比让细胞自行沉积精细得多的结构。

它依据一份数字蓝图工作，这份蓝图往往来自对某个身体部位的真实扫描。软件把那个三维形状切成几百个薄层，打印机再逐层描绘，一点一点地把细胞和起支撑作用的生物材料堆放上去。由于那柔和的凝胶会就地凝固，打印出来的细胞便能在原位停留足够久，从而彼此连结、开始表现得像真正的组织。

生物打印是构建具有设计好内部构造的组织——包括未来血液供应可能借用的那些通道——最令人振奋的工具之一。但打印出一个能工作的器官在很大程度上仍属实验阶段：打印结束后，如何让数百万个细胞持续存活、获得养分并保持正确排列，依然是一道艰巨而未解的难题。

生物反应器是一种受控容器，用来让活细胞或生长中的组织保持存活，并帮助它们成熟。细胞很挑剔：它们需要稳定的养分供应、适量的氧气、稳定的温度，还要把废物及时带走——而且这一切要同时满足。生物反应器本质上是一台高科技培养箱兼生命维持槽，自动管理这些条件，就像一只经过精心设计的鱼缸，让里面的住客茁壮成长，而不只是勉强活着。

除了喂养细胞，最好的生物反应器还会给组织提供它在体内会感受到的物理信号。它们可以泵动液体让其掠过细胞、轻轻拉伸一片生长中的心脏补片，或对类骨组织施加压力——因为许多细胞只有在受到「锻炼」时，才会构建出结构正常、强韧的组织。传感器持续监测氧气、酸度和养分，系统则相应调节流量，让一切在数天乃至数周里都维持在健康区间。

生物反应器之所以重要，是因为培养真正的组织需要时间和持续不断的照料，没人能靠手工提供。它们是组织工程的主力，也是规模化生产细胞疗法的主力，把一项脆弱的实验室实验，变成更可靠、可重复的流程——成为从培养皿里的几颗细胞，到足够大、足够成熟、能派上用场之物之间不可或缺的桥梁。

双足行走，就是像人一样用两条腿移动——抬起一只脚、向前摆动，在抬起另一只脚之前先用它接住身体的重量，一步步往前走。因为你从蹒跚学步起就会走路，所以这看起来毫不费力，可对机器人来说，这却是整个机器人学里最难的把戏之一。仅靠两只又窄又小的脚来支撑，双足机器几乎时时刻刻都处在快要摔倒的边缘，一步没踩准，它就会轰然倒地。

麻烦在于平衡。两只脚都着地时，机器人还算稳当；可一旦要真的往前走，它就必须抬起一只脚，而在那一瞬间，它就靠一只小脚站着，就像单腿独立。行走其实是一种受控、反复的“险些跌倒”：机器人把重心往前一倾，然后迅速把腾空的那条腿甩出去，在身体砸到地面之前接住自己，如此循环往复。要做到这一点，它每秒都得感知自己的倾斜许多次，并不停地微调关节、转移体重以保持直立——这是一场只要还站着就停不下来的、不知疲倦的杂耍。

工程师用“哪些脚着地”来描述一个步幅。在双支撑相里，两只脚都触地，机器人比较稳；在单支撑相里，只有一只脚扎在地上，另一只在空中摆动，此时平衡最为岌岌可危。一段流畅的步行，无非就是这两个相位按稳定的节奏交替——左脚单支撑、双支撑、右脚单支撑、双支撑——随着每一步不断重复。这个节奏跑得越快、越凶猛，机器人就越要靠运动本身、而不是靠把脚张得很开，来维持站立。

双相情感障碍是一种长期的心境疾病，患者的情绪会在两个相反的极端之间摆动，两端之间往往还夹着一段正常的心境。一端是被称为躁狂的“高峰”，人可能感觉自己势不可挡、思绪奔涌、几乎不需要睡觉、说话飞快，并去做一些平时会克制住的冒险冲动。另一端则是抑郁的深谷，同一个人可能感到身心沉重、绝望、精疲力竭，对任何事都提不起兴致。“双相”二字的意思就是两个极点——可以把它想成一台恒温器：它不再稳稳地保持在某个设定上，而是在猛吹热风与冰冷彻骨之间来回剧烈跳动。

这些心境状态以“发作”的形式出现，一次可能持续几天、几周乃至几个月，远比普通的好日子和坏日子更强烈、更漫长。躁狂期里，大脑的驱动与奖赏系统仿佛开足了马力；而抑郁期里，它们几乎空转。许多研究者指出，多巴胺、血清素等化学信使之间不稳定的信号传递，以及被打乱的睡眠和生物钟节律，都是把人从一极推向另一极的部分原因。这种病往往在家族中聚集，说明基因像是先把骰子做了手脚；而压力、睡眠不足和重大的人生变故，则常常成为某次发作真正到来的导火索。

双相情感障碍是一种严重却可以治疗的疾病，而不是道德上的缺陷，也不是一个简单的选择。由于躁狂的“高峰”可能让人感觉良好、甚至觉得自己效率惊人，它很容易被忽视，或被误当成单纯的抑郁；然而，正是同时认出这两个极端，才让正确的诊断成为可能。心境稳定类药物、规律的睡眠和心理谈话治疗，都能把这些起伏抚平，让人过上充实的生活——这也是为什么人们把它当作一种需要终身管理的疾病来对待，而不是一阵等它自行过去的坏心情。

鸟鸣神经回路，是鸣禽用来学习、储存并发出鸣唱的一套专门的脑区网络。它的关键角色并非散布于全脑各处，而是若干个紧凑的神经元集群——科学家把这样一个集群称为一个“核团”——彼此连线，组成一条清晰的指挥链。正因为这些集群界限分明，又只在那些靠学习获得鸣唱的鸟类身上才完全发育，整套系统就成了大自然中最清晰的范例之一：一个专为某项习得技能而搭建的脑回路。

回路里贯穿着两条主要通路。一条是“当下演奏”通路，从一个叫作 HVC 的脑区出发，通到一个叫作 RA 的脑区，再延伸到鸟类发声器官的肌肉；正是它在实时地、一个音节接一个音节地驱动鸣唱。另一条是“学习与纠正”环路，要经过一个被称为 X 区的结构；这个环路把鸟当下发出的声音，与它幼时记下的导师鸣唱相比对，并不断微调运动通路，直到两者吻合。可以把前一条通路想成正在演奏的乐手，把后一条想成在一旁倾听、给出反馈的教练。

鸟鸣之所以是发声学习的范本，是因为就像人类幼童学说话一样：一只年幼的鸣禽必须先听到成年导师的鸣唱，把那段声音存入记忆，然后不断练习自己咿呀般的发声，让它慢慢向范本靠拢。极少有动物以这种方式学会自己的发声——大多数动物的叫声都是天生继承来的——所以鸣禽为科学家提供了一扇罕见且便于实验研究的窗口，让人得以窥见大脑如何把“听”转化为“说”，其中的启示甚至可能一路延伸到人类语言。

比特币是第一个被广泛使用的区块链，也是在其上运行的数字货币。它于 2009 年问世，源自一份以“中本聪”之名发表的设计，意在解决一个由来已久的难题：如何让素不相识的人像当面递现金那样，直接在互联网上互相传递价值，而不必有银行或支付公司居中审批并记录每一笔往来。比特币给出的答案，是用一本人人共享的公开账本取代受信任的中间人——这本账本由成千上万台相互独立的计算机共同保管、共同认可。

在底层，比特币把交易收集进区块，再把这些区块串接起来，并由一种称为工作量证明的机制加以保护：参与者付出真实的算力，来换取添加下一个区块的权利。这使得改写历史变得极其昂贵，从而在无人掌权的情况下让所有人保持诚实。其总量被规则限定为两千一百万枚，按逐渐放缓的节奏释放，因此没有任何中央机构能随意增发。

除了作为一种货币，比特币更重要的意义在于它是一个概念验证：它证明了一本无人拥有的账本，依然可以可信、稀缺且面向全球。这一示范开启了一整个领域——后来成千上万的区块链、代币与应用，其血脉都可追溯到比特币所证明确实可行的那些想法。它至今仍是同类网络中规模最大、最为人熟知的一个，常被当作衡量每一种更新设计的参照点。

黑洞是一个引力彻底获胜的地方——任何东西都别想再爬出来：火箭不行，一束光不行，连宇宙中跑得最快的东西也不行。想象一个陡到极致的漏斗，凡是滚进去的，都再也滚不回来。那条「有去无回」的界线是真实存在却看不见的，叫做事件视界：一旦越过它，就再没有回头路。

大多数黑洞是巨星的尸体。当一颗远比太阳重的恒星燃料耗尽，它的核心便在自身重量下塌缩，被压成难以想象的密度——如此多的质量挤进如此小的空间，附近的引力强到无法抗拒。我们看不见黑洞本身，因为没有光从它那里离开；我们靠它如何弯折星光、如何甩动附近的恒星，或把旋进去的气体加热到炽亮发光，来察觉它的存在。

一个常见的误解是：黑洞像宇宙吸尘器，在太空中四处游荡，把一切都吸进去。其实不然。在安全距离之外，黑洞对你的吸引力，和一颗同样质量的普通恒星完全一样——假如把太阳换成一个等重的黑洞，地球的轨道丝毫不会改变。只有当你晃到那条边界之内，才会大难临头。

胚芽基是在截断处（例如蝾螈断腿后的残端）形成的一团「去专门化」细胞，随后由它重建出失去的部分。从某种意义上说，它就是大自然的再生工具包：一小簇灵活的细胞，懂得如何重新长出一整条肢体。在人类会用疤痕封住伤口的地方，这些动物却形成胚芽基，把肢体重新长回来。

它的形成方式尤其令人惊叹。伤口附近的成熟细胞仿佛「往回退了一步」，褪去自己专门化的身份，重新变成灵活、快速分裂的细胞。这一簇细胞随后大量增殖，并在位置信号的引导下，精确地重新长出失去的东西——对的骨头、肌肉和神经，排列顺序也对——而不是长成一团杂乱的肉块。

胚芽基堪称这个领域的「圣杯」，因为它是活生生的证据，证明一个复杂的身体部件可以从头重新长出。研究蝾螈和斑马鱼如何造出胚芽基——以及哺乳动物为何造不出——是探索如何在人类身上开启更完整再生的一条核心线索。

把单个量子比特想象成一支箭，从地球仪的中心指向球面上的某一点——这幅图景就是布洛赫球。北极代表我们称为 |0> 的状态，南极代表 |1>，球面上其余的每一点都是这两者的某种叠加——一种带有特定相位的特定混合。要指明球面上的一点，你需要两个数，一个纬度和一个经度，而这恰好就是描述一个量子比特状态所需的两个实数。所以这个球面并不是一个松散的比喻：它是单个量子比特每一种可能状态的忠实地图。

有了这张地图，单量子比特门就变得一目了然：每个门只不过是把箭旋转到指向新的方向。一个翻转 |0> 与 |1> 的门，把箭从一极转到另一极；一个相位门则让它绕竖直轴旋转。测量则不同——它不会旋转这支箭，而是强制沿着两极方向读出结果；箭越靠向某一极，你得到那一极结果的概率就越大。一旦测量，箭便会「啪」地跳到出现的那一极。

几条诚实的局限，能让这幅图景保持有用，而不致误导。布洛赫球是一个思维模型，而不是某个硬件——机器内部并没有什么东西在真的旋转。它每次只描述一个量子比特，因此画不出把两个或更多量子比特联系在一起的纠缠，而量子计算真正威力的大部分恰恰寓于此。再者，球面上的点是干净、理想化的状态；真实的量子比特会因噪声把它们模糊掉，而向球心方向漂移。

区块是一批近期交易打包在一起、作为一个整体批量添加到区块链上的结构。网络不会把每笔交易逐条写入共享账本，而是先收集几百到几千笔，把它们打成一包，再一次性追加进去。可以把它想象成公共账本里的一页：每一页记着许多条目，页与页按顺序填写，一旦写满就被永久装订进册。

区块之所以不只是一份清单，关键在于它如何被封存并串接。每个区块都带有一段精炼的摘要，称为区块头，其中包含前一个区块的密码学指纹（哈希）。只要前一个区块哪怕改动一个字符，这个指纹就会彻底改变，因此每个区块实际上锁住了它之前的全部历史。篡改一页旧账，后面每一页的封印都会对不上，全网随即就能看出有问题。

区块正是区块链能够只增不改、又无需任何中央记账人却依然可信的原因。新区块按网络规则设定的节奏大致稳定地产生，一旦上面又叠加了足够多的后续区块，这个区块就几乎无法被改写。这种稳定、串接、一批接一批的增长方式，正是“区块链”这个名字背后真实的样子：一条由区块组成的链，每一个都为它之前的所有区块作证。

区块头是每个区块顶部那一小段摘要——就像一张封面，描述这个区块却不必列出它的全部交易。区块主体可能装着成千上万笔交易、体积相当大，但它的头部却很小、大小固定，只放着寥寥几个关键字段。这种紧凑是有意为之的：它让网络能够快速识别、验证和串接区块，而不必每次都拖着全部内容。

区块头打包了让整条链得以串联的那几项要点。它包含前一个区块头的哈希（向后的链接，正是这条链的成因）、一个概括内部所有交易的指纹（默克尔根，像一个能为整本收据册作证的数字）、一个时间戳，以及网络据以接受该区块的规则相关数值——例如在工作量证明链上，就是难度目标和一个随机数。只对这一小段区块头做哈希，而非整个区块，就足以承诺其中的一切。

区块头之所以重要，是因为它让轻量设备无需存下整条链也能信任它。手机钱包只要下载这一串区块头——只占完整数据的极小一部分——再对照相关区块头里的默克尔根核验，就能确认某笔交易确实被收录其中。区块头就是那个把整个沉重区块安全握住、引用并加以证明的把手。

区块链是一本由许多台计算机同时保存着完全相同副本的共享账本。它没有某一家公司独占的“正本”，而是网络上的每个人都持有同一份记录清单，并按照同一套规则来商定接下来要写入什么。它解决了一个很古老的问题：互不信任的陌生人，如何在没有中间裁判的情况下，对同一组事实达成一致？

它的名字来自数据的打包方式。新的记录（比如付款）会被打成一组，称为一个区块，而每个区块都带着前一个区块的一小段指纹。把这些指纹一环扣一环地连起来，区块就形成了严格的先后顺序，像串在线上的珠子。如果有人想悄悄改动一条旧记录，它的指纹就会变，下一个区块便对不上号，篡改对所有人来说一目了然。这正是历史几乎无法被改写的原因。

因为每个参与者都保存着一份完整副本，规则又是公开的，所以没有任何一方能偷偷改写过去、拦下一笔有效记录，或为自己凭空印钱。正因如此，区块链才能在不必信任银行或中央管理员的情况下，支撑数字现金、所有权登记以及自动运行的程序等应用。

区块链桥是一套让价值或信息在两条彼此本无法对话的独立区块链之间流动的系统。每条区块链都是一个自成一体的世界，各有自己的账本，因此某条链上的一枚币天生无法出现在另一条链上。桥就是那座连接性基础设施，它让链 A 上的某个代币或消息能在链 B 上被使用；一旦一个生态横跨众多链与二层网络，这便不可或缺。

最常见的做法是锁定并铸造。要把一项资产从链 A 转到链 B，桥会在链 A 上锁定原件，并在链 B 上铸造一份等值的"封装"表示，由被锁定之物一比一支撑。要返回时，你在链 B 上销毁封装版本，链 A 上的原件随即解锁。整套机制依赖于某个角色可靠地盯着两条链，并诚实地报告发生了什么；而这个角色有多值得信任，在不同的桥设计之间差异极大。

想象机场的货币兑换柜台：你递上美元，它进入金库，你换得等值的欧元在海外花用；把欧元带回来，便取回你的美元。桥就是那个让两边始终平衡的兑换柜台。桥能把一盘散沙般的众多链变成一个相连的经济体，让资产与数据流向最有用之处，而不至于被困在它们诞生的那条链上。

分叉，是区块链分裂成两条可能路径时发生的事。由于这条链不过是一条不断生长的区块单线，分叉就是一个岔路口——在这一刻，「接下来该是什么」同时存在着两个不同的版本。有些分叉只是网络很快就化解掉的一时意外；另一些则是对规则的蓄意更改，可能把一条链永久地一分为二。

临时分叉是自然发生的。如果两个矿工几乎同时找到了一个有效区块，网络的不同部分就会短暂地看到链的不同末端。协议会自动平息这件事：哪条分支先被延长，哪条就成为被接受的链，而那个被孤立的区块则会被丢弃。这不过是网络在自愈一场短暂的分歧，通常一两个区块之内就解决了。

蓄意分叉则是对规则本身的升级，它分两种。软分叉以一种向后兼容的方式收紧规则，因此还没升级的节点依然会接受新区块——网络保持统一。硬分叉则放松或更改规则，使得新旧软件不再彼此认可；如果社区里有一部分人坚持沿用旧规则，这条链就会永久分裂成两个独立的网络、两种独立的币，就像比特币现金（Bitcoin Cash）从比特币分裂出去时那样。

区块链预言机是一种把现实世界的信息带上区块链、好让智能合约能加以使用的服务。区块链在设计上是一个密封的世界：合约只能看到链上已有的数据，无法自己去访问某个网站或传感器。这让所有人的计算机都保持一致，但也意味着合约本身没有办法知道昨天的汇率、一场比赛的比分或天气。预言机就是那个可信的信使，它从外部取来这类事实，并以合约能读取的形式把它们送上链。

合约之所以不能干脆自己去上网，原因在于确定性：每个节点都必须算出分毫不差的同一个结果，但外部网站的回答可能前一刻和后一刻不同、这台机器和那台机器不同，从而破坏这种一致。预言机的解法是：在链下收集好信息，再把它作为普通数据写到区块链上，让每个节点看到的都完全相同。为了避免只信任某个可能出错或不诚实的单一来源，稳健的预言机往往从许多个相互独立的提供方取数据并综合它们的回答，这样就没有哪一个孤立的报信者能悄悄把一个假数字喂给合约。

预言机之所以重要，是因为大多数有用的应用都需要对外部世界做出反应。一笔必须核查抵押品是否仍然足值的贷款、一份由真实航班延误触发理赔的保险、一场依据真实比赛结果来结算的下注，全都依赖可靠的外部数据。预言机正是那座桥，让自成一体的合约逻辑得以连接现实，这也是为什么它有时被称为整个领域的关键管道，以及为什么它的诚实如此被严肃看待。

血压是心脏把血泵向全身时，血液推压动脉管壁的那股力。可以想象一根花园水管：里面的水向外撑着橡胶管壁，如果你把水龙头开大，管壁就会感到压力。你的动脉，每一秒钟都承受着这股推力。

血压用两个数字来读——比如「120 / 80」。上面那个叫收缩压，是每次心跳时较强的那一推；下面那个叫舒张压，是两次心跳之间、心脏重新充血时较温和的压力。健康成年人大约在 120/80 左右；当它悄悄升高并持续不降时，医生就会留心。

真正的隐患在于：高血压通常毫无症状。你可能感觉一切正常，而多年的额外负荷却在悄悄损害你的心脏、大脑、肾脏和眼睛——这正是它被称为「沉默杀手」的原因。唯一能知道的办法就是测量；而好消息是，及早发现，它非常容易控制。

血脑屏障是一道有生命的“守门人”，它包裹在为大脑供血的微小血管周围，决定哪些物质可以离开血液、进入大脑的细胞。在身体的大多数部位，最细小血管的管壁有点“漏”，就像铁丝网围栏，各种东西都能飘着穿过去。但在大脑里，这些血管的管壁却被严严实实地封了起来，更像一堵砖墙：铺在管壁上的细胞（叫作内皮细胞）被一种特殊的“缝线”——也就是紧密连接——一针针缝在一起，几乎不留缝隙。结果就是这道围栏挑剔到，血液中漂浮的大多数分子——毒素、病菌、误入的药物，甚至许多养分——单凭自己根本过不去。

这种细致的筛选，让大脑始终浸泡在平静、稳定的化学环境里，不受血液时高时低的影响，也屏蔽了许多本会让脆弱神经元遭殃的细菌和毒物。不过，这道屏障并不是一堵被动的墙：它会主动把大脑所需的特定物质“泵”进来，比如作为燃料的葡萄糖和某些氨基酸，同时又把不需要的物质“泵”回去。它由一个团队共同搭建和维护——血管细胞与名为星形胶质细胞等支持性脑细胞协同工作——正因如此，科学家把它看作一个更大的“神经血管单元”的一部分，而不是单打独斗的屏障。

这份守护大脑的保护，同时也让治疗变得棘手。由于能穿过去的分子太少，许多本可帮助患病或受感染大脑的药物，都被挡在了门口，这正是研发脑肿瘤、阿尔茨海默病和脑部感染等药物时的一大难题。而当屏障本身被破坏时——比如中风、外伤之后，或在某些疾病中——有害物质和免疫细胞便会涌入，进而加重肿胀和损伤。

样板代码（boilerplate）是那种每次都几乎照搬、写法大同小异的固定设置代码——是你在程序真正有趣的部分开始之前，必须先铺好的那几行「开场白」。

每个新项目都得先通好管线：导入库、配置好设置、把基础部件接起来。这些都不是你想做的那个巧妙创意——只是它周围那套一模一样的脚手架，从这个项目到那个项目几乎不变。这个词来自旧时印刷厂：现成的整块文字被铸在钢板（boiler plate）上，在许多报纸之间原样反复使用。

正因为它如此可预测，各种工具乐于替你生成它——一句「create-app」命令或一个起步模板，就把样板代码递到你手上，让你直接跳到好玩的部分。你照抄它而没怎么细读，这很正常；只要明白：它是你脚下的地板，而不是你专程来布置的那个房间。

布尔代数是「真」和「假」的数学——在计算机里，就是 1 和 0。它不是把数字加起来、乘起来，而是用三个运算把一个个「是/否」组合起来：与（AND）、或（OR）、非（NOT）。想象一盏门廊灯接着两个开关：「与」是两个开关都打开灯才亮；「或」是任意一个打开就够；「非」则把答案翻成相反的那个。

布尔在 1850 年代就创立了这套理论，那时连计算机都还没出现。几十年后，工程师才发现这套真/假规则恰好能完美地描述电路，因为一根导线要么带着电压（1），要么不带（0）。今天每一块芯片都是由海量的与门、或门、非门堆叠而成。布尔代数让设计者先写下电路该做什么，再把它化简为更少的门——比如证明「A 与 A」其实就是「A」，从而省下晶体管和电能。

脑异速生长研究的是：当我们把不同动物物种相互比较时，脑的大小如何随身体大小一同变化。核心思想是，身体越大往往脑也越大，但二者并非简单的一比一关系：比如一种动物体重是另一种的十倍，它的脑通常只大几倍，而不是大十倍。科学家用一个简洁的经验规律来描述这种不对称关系，称为标度律，它不过是一个说明某一测量值相对另一测量值如何增长的公式。可以想象把数百个物种的体重对脑重画在一张图上：这些点不会杂乱无章，而是沿着一条平滑、可预测的曲线排开。

这为什么重要？因为这条曲线给了我们一个基准预期，而真正有趣的动物正是那些远高于或远低于曲线的物种。如果某个物种的脑重远超过标度律为其体型所预测的值，例如人类、海豚或乌鸦，就说它具有较高的相对脑容量，而这份“盈余”往往暗示着更丰富的行为或更高的智能。但脑重只是一把粗糙的尺子，因此研究者越来越多地去清点真实的神经元数目，也就是负责脑内信息处理的细胞。结果发现，神经元数目并不在每个类群中都以同样方式随脑的大小变化：在同等重量下，灵长类的脑每克所含的神经元远多于啮齿类，这也是为什么人脑虽小于象脑，其外层所含的神经元却更多。由此可见，异速生长正是一套工具，帮助我们追问哪些脑才真正与众不同，哪些不过是与其所属动物相称的寻常尺寸。

类脑人工智能是一种从生物大脑的工作方式中借鉴设计思路的人工智能，而不是单纯沿用普通的计算机工程方法。我们熟悉的大多数人工智能，本质是在标准计算机芯片上做数学运算。类脑人工智能则换了个更朴素的角度提问：大脑是我们已知唯一真正擅长在杂乱真实世界里学习、观察和行动的东西，那为什么不直接照搬它用的窍门呢？这就好比飞机设计师研究鸟的翅膀——你不必长出羽毛，但翅膀的形状和扇动方式能教会你一些关于飞行的道理。

在实际操作中，这意味着模仿真实大脑的几个关键特点。脑细胞被称为神经元，它们并不持续发送稳定信号，而是只在重要的时候发出短促的电脉冲（称为尖峰），这样能极大地节省能量。神经元之间的连接被称为突触，会随着学习而变强或变弱，于是记忆和计算就发生在同一个地方，而不必在两处之间来回搬运。类脑系统试图照搬这些习惯——尖峰信号、局部学习，以及把记忆与运算紧密合在一起——有时用软件实现，有时用专门的芯片实现。人们期待的回报是：硬件能够持续不断地学习，而耗电量只是当今数据中心人工智能的一小部分，更接近人脑大约二十瓦的用量。

脑干是大脑最底部那段像茎一样的结构，它把上方那个布满褶皱的大脑和沿着背部向下延伸的脊髓连接起来。可以把它想象成头部与身体其余部分之间那根粗大的电缆和总配电盘：大脑和身体之间几乎所有的信号都要经过它。它体积虽小，却运转着让你活着的机器，而这一切都不需要你去想。

脑干由上下叠放的三段组成。最上面是中脑，它帮助控制眼球运动，并为视觉和听觉传递信号。中间是脑桥，这是一座鼓起的“桥”，负责在大脑两半之间传送信息，并参与呼吸和睡眠。最下面是延髓，它设定心跳和呼吸的节律，并触发吞咽、咳嗽、呕吐等自动反射。这些维持基本运转的工作叫做自主功能，意思是它们会自行发生；而反射则是快速、与生俱来的反应，你无需做出决定。

正因为这么多至关重要的控制功能都密集地塞进这一小块区域，脑干是身体中最脆弱也最重要的部位之一。这里受损可能危及生命，因为它可能会让我们每时每刻所依赖的呼吸和心跳停止。它也是十二对脑神经中十对所经过的通路，这些脑神经就像电线，把大脑直接连到面部、眼睛、耳朵、嘴巴和咽喉。

脑机接口是大脑活动与机器之间的一条直接通道。正常情况下，你的意图要先经过神经传到肌肉才能作用于外界；而脑机接口在更早的环节就读取信号，直接从大脑提取活动，省去了这段绕行的路。

整个回路分几步。系统先记录神经信号，再解码出它们的含义——一个想做的动作、一个选中的字母、一种心理状态——然后把它变成输出，比如移动的光标、机械臂或打出的字。通常它还会把结果反馈给你，让你随时调整，从而闭合回路。具体形式可以是无创的头皮电极帽，也可以是植入脑内的细电极。

关键在于，脑机接口并不是读心术。它学会识别的是特定的、经过训练的信号——比如你想象握拳时产生的那种模式——并只对这些信号作出反应。它无法挖出你私密、未说出口的念头；它只回应当初被设定去检测的那些特定信号。

分支（branch）是一条平行的工作线——你自己的一份项目私有副本，让你能在上面做新东西，而不碰别人正依赖着的那一份。共享的、正式的版本通常待在一个叫 main 的分支上；你从它身上拉出自己的分支，尽情捣鼓，等做好了再把成果并回去。

它比听起来要轻巧得多。分支并不是一个塞满了拷贝文件的文件夹——它只是一个可移动的指针，指向某个提交（commit）。创建一个分支是瞬间完成的，在分支之间切换就像把项目原地翻到另一个版本。这种「廉价」是故意设计的：你本就该频繁地开分支，哪怕只是一个五分钟的小试验。

日常的节奏是「一个任务一个分支」。修个 bug？开分支。想试个有风险的点子？开分支。成了，就把它合并进去；没成，就直接把这个分支扔掉，main 始终一无所知。在你决定分享之前，你捣的乱都只是你自己的事。

布罗卡区是大脑左侧前部的一小块脑组织，大约位于太阳穴的上后方，它帮助你把想法变成说出口或写下来的词句。与其把它看作念头诞生的地方，不如把它看作一间车间：在这里，想法被打包成流畅、合乎语法的话语——挑选恰当的词、把它们排成正确的顺序，并安排好嘴唇、舌头和喉咙真正发出声音所需的肌肉动作。当你顺口说出一句完整的话，比如“我想来杯茶”，正是这个区域在幕后默默完成大量的组装工作。

我们对它的了解，很大程度上来自它受损时所发生的情况，损伤往往由中风造成。这里受伤的人通常仍能听懂别人说什么，也清楚知道自己想表达什么，但说话却变得缓慢、费力而断断续续——他们可能会漏掉“的”“是”这类小小的语法词，只剩下电报式的简短词组，比如“想……茶……谢谢”。这种表现被称为布罗卡失语症，而清楚的理解与艰难的表达之间的落差，正是经典的线索，说明受到打击的是这间“车间”，而不是大脑负责听懂话语的部分。

这一区域以法国医生保罗·布罗卡的名字命名。十九世纪六十年代，他在检查了一些失去流利言语能力的病人后，把这个位置与说话联系了起来。在大多数人身上，负责产出语言的区域位于大脑的左半边，许多左撇子也是如此，这是大脑两半分工不同最清晰的例子之一。能够在任务中点亮繁忙区域的现代脑部扫描仪证实，当人们组织句子和语法时，这个区域会变得活跃，而不只是在发出简单声音时，这说明它与语言本身的结构紧密相连。

布罗德曼分区是大脑皮层（大脑表面那层布满褶皱的外壳）上大约五十块带编号的区域之一，由一位名叫科比尼安·布罗德曼的德国医生在1909年绘制出来。他把脑组织切成薄片，染色后放在显微镜下观察，发现大脑皮层是由一层层神经细胞像楼房的楼层那样堆叠而成。有些地方这些层很厚，有些地方很薄；有些地方细胞密集，有些地方稀疏。每当细胞的排列样式发生变化，他就画一条边界，给那块区域编一个号，从1号一直排到大约52号。

这些分区之所以如此有用，是因为细胞的排列方式（称为细胞构筑，字面意思就是细胞的建筑构造）往往与那块脑组织所承担的功能相吻合。比如17号区有一层独特的条纹结构，结果发现它正是视觉最先被处理的地方；44号区和45号区所在的位置则负责大部分言语的产生。于是布罗德曼的编号成了一套通用的“门牌地址”：世界上任何地方的科学家说脑部扫描在4号区亮了起来，别人立刻就知道指的是那条控制运动的脑区。这张图把结构（大脑是怎么搭建的）和功能（大脑做什么）联系了起来，这也是它问世一个多世纪后仍被教科书和研究广泛使用的原因。

浏览器（browser）是你用来访问网站的那个程序——Chrome、Safari、Firefox、Edge。它的活儿是：从远处某台服务器把一个网页取回来，再把它画到你的屏幕上，变成你能读、能点的东西。你在「网上」做的一切，其实都是经由浏览器发生的。

在底层，它运行着网站发给它的三样东西。HTML 是页面的结构和文字；CSS 是样式——颜色、字体、排版；JavaScript 则是让页面在你输入或点击时作出反应的行为。浏览器把这三样拿过来，拼装成你看到的页面，并让它活起来。从这个意义上说，现代浏览器与其说是个「查看器」，不如说是一台专门运行别人程序的小机器。

它还替你打理那些繁琐的底层杂事：查找地址、打开安全连接、下载图片、让你保持登录状态。你输入「去这里」，浏览器就悄悄地把取回、解码、绘制都做了——于是整个网就感觉像是一个顺滑的地方，而不是成千上万台各自为政的服务器。

无刷直流电机是普通直流电机的高性能表亲，把那会磨损、会打火的电刷给扔掉了。让你无人机螺旋桨转动、硬盘盘片旋转、许多电动车轮子转起来的，正是它。没有相互摩擦、会被磨掉的部件，它运转得更干净、更安静、更凉，寿命也长得多——往往能用上数万小时。

巧妙之处在于它怎样做到不用电刷。普通直流电机里，电刷靠机械方式在恰当时刻翻转电流，好让电机一直转。无刷电机把这桩活从电机里挪到了电子电路里：永磁体如今装在旋转的那一部分上，线圈固定在电机外壳上，一块小电路按正确的顺序、在正确的瞬间切换流过各线圈的电流，把磁体一圈圈拉着转。这种电子式的切换叫换向，所以无刷直流电机又叫电子换向电机。麻烦之处是它没法直接接上电池就转——它任何时候都离不开那块驱动电路。

因为时序由电子电路掌管，而不是靠拖着的电刷，无刷电机能在同样的体积和重量里榨出更大的扭矩和转速，更少的能量白白变成热，还能被极为精细地控制。正是这些好处，让它在凡是看重效率、功率重量比或长寿命的地方都唱主角——从安静的吊扇，到竞速无人机，到机器人关节。代价是复杂和成本：你不只为电机本身买单，还得为驱动器里的那份「脑子」付钱。

打包工具（bundler）会把你那一大堆源文件——JavaScript、CSS、图片，以及它们引入的各种库——拼接成几个又小又优化的文件，让浏览器能快速下载并运行。你把代码拆在几十个清爽的小文件里写，打包工具则把它们打包好、准备上路。

它一路上还会顺手收拾：删掉没用到的代码、压缩文件体积、把较新的语法翻译成老浏览器也能看懂的写法。结果是下载次数大大减少，页面加载更快。

如今常见的有 Vite、webpack 和 esbuild。你多半是通过一个「构建（build）」步骤接触到打包工具——它把你易读的项目，变成真正发布出去的那份精简包。

举证责任回答一个简单却有力的问题：当双方各执一词，到底该由谁来说服别人？法律的默认规则是——提出主张的一方必须拿出证据，而不是由否认的一方来自证清白。如果你说邻居借走了你的梯子却没还，举证的担子在你身上，而不在邻居身上。可以把它想象成一个背包：谁背着它，谁就得一路把它扛到终点；扛不到，就算输。

但这副担子分两层——不只是谁来证明，还有要证到多有说服力。在刑事审判中，因为关系到一个人的自由，控方必须把罪行证到「排除合理怀疑」的程度——确凿到任何明理的人都不会再犹豫。而在普通的民事纠纷里，比如一桩钱财争执，门槛就低得多：「盖然性的权衡」，意思不过是「更可能是真的」——只要证据稍稍越过中点，就已足够。（不妨大致想成「刚过五五开」；真正要看的，是哪一方的说法更可信，而不是去算出某个精确的数字。）

一个常见的误解，是以为被告必须证明自己无罪。就指控的构成要件而言，他并不必——控方才是必须证明有罪的一方，所以一个在这些要点上一言不发、什么也没证明的被告，照样可以无罪开释。（某些特定的抗辩是例外：当被告提出诸如精神失常之类的主张时，他可能得自己证明这项抗辩，不过通常只须达到较轻的「盖然性的权衡」。）但在有罪与否这个核心问题上，只要指控一方始终没把那只背包扛到终点，结果就归被告所有。

拜占庭容错，是指一个网络在部分参与者不仅出了故障、甚至还在主动撒谎或试图破坏共识的情况下，仍能正确运转的能力。这名字源自一道经典难题：几位将军包围着一座城，他们必须协调成全体进攻或全体撤退，靠信使传递消息——可其中一些将军可能是叛徒，发出自相矛盾的命令。忠诚的将军们还能不能达成一个一致而正确的决定？

这正是一条公链所面对的问题。成千上万匿名的参与者，其中有些可能心怀恶意，必须在彼此不信任的前提下，对同一份共享账本达成一致。如果一个系统只要不诚实的参与者维持在某个阈值以下——经典情形是少于三分之一——就能达成正确的共识，那它就被称为具有拜占庭容错性。一旦越过这个上限，叛徒就能制造混乱；只要在这之下，诚实的多数总能取胜。

每一种区块链共识机制，本质上都是这道难题的一个实用解。工作量证明通过要求真实的计算，让「当一个吵闹的叛徒」代价高昂；权益证明则通过把叛徒自己的押金置于险地，让背叛变得昂贵。无论哪种，设计目标都一样：容忍数量有限的说谎者和故障，仍让诚实的参与者收敛到同一段真实而公认的历史上。拜占庭容错，就是那个让无需信任的网络成为可能的形式化性质。

连接组是一张完整的神经系统接线图：它标出每一个神经元，并画出它们彼此之间的每一处连接。秀丽隐杆线虫连接组，就是为一种微小的土壤线虫——秀丽隐杆线虫——绘制的这张图，也是有史以来第一张为整只动物完成的连接组。由于成年雌雄同体的线虫恰好有302个神经元，而且每一只个体的数目都相同，它的整个神经系统才得以被逐个神经元地标绘出来。

绘制它是一项极其费力的手工活。20世纪70至80年代，由约翰·怀特和悉尼·布伦纳带领的团队，把线虫切成数千张比肥皂泡还薄的切片，在电子显微镜下逐张拍摄，再用肉眼在整叠图像中逐一追踪哪个神经元与哪个相接。这项成果于1986年发表，被昵称为《一条蠕虫的心智》，为生物学献上了第一份活体生物的完整电路图。

这张图谱把这条线虫变成了环路神经科学的奠基性模式生物——环路神经科学研究的是，相互连接的一群群神经元如何产生行为。在已知每一个细胞和每一处连接的前提下，研究者可以精确地追问：一个固定的环路是如何产生进食、交配或逃避危险的，并通过单独开启或关闭某个神经元来检验自己的答案。在绘制更大脑图（例如果蝇和小鼠的脑图）这一困难得多的工作中，它至今仍是参照点，也是灵感来源。

电缆理论是一套数学，用来描述电信号如何沿着神经元中那些细如电线的部分传播——既包括叫作轴突的长长的输出线缆，也包括叫作树突的、毛茸茸的接收分支。这个想法连同名字，都是从工程师那里借来的：十九世纪人们试图通过海底电缆发送电报，却发现信号传到对岸时变得模糊又微弱。事实证明，一段树突或轴突的行为就跟那些不完美的电缆一模一样：它是一根会漏电的管子，而不是一根干净利落的导线，所以在某一点施加的电压扰动，并不会原封不动地到达另一处。电缆理论用一个方程，精确写下了这股扰动在传播途中如何衰减、如何被拖糊。

这套数学背后的图景很简单。纤维内部水汪汪的部分允许电荷沿长度方向流动，但会有一点阻力，就像一根又细又长的管子；与此同时，膜壁是一层会漏电、还略带弹性的皮肤，它既让一部分电荷从侧面渗出去，又像一块微型电池那样先把电荷存起来，然后才肯把变化往前传。把沿中心的流动与穿过膜壁的漏失和存储两相权衡，就得到两个几乎能说明一切的数字。长度常数是指一个稳定信号衰减到起始大小约三分之一（百分之三十七）时所经过的距离——纤维越粗、绝缘越好，信号就传得越远。时间常数则说明每一点上的电压反应有多迟缓，所以信号不仅会变小，还会在时间上被拖糊。

正因如此，电缆理论才坐落在计算神经科学的核心。它解释了为什么神经元要在一处又一处不断重新生成动作电位——也就是它那种全或无的电脉冲——才能把消息送到很远的地方，因为单纯的被动扩散在一两毫米内就会消亡。它还能预测落在树突树上的成千上万个小输入，在前往细胞体的途中如何缩小、如何汇合，从而决定神经元到底会不会发放。现代的模拟会把一个神经元切成许多极小的电缆段，并在每一段里求解这个方程，从而把一个真实细胞的分支形态，变成一个能说明它如何运算的可运行模型。

缓存（cache）是把算好的结果存放在又近又快的地方，这样就不必每次都重做那些慢吞吞的工作。第一次开销很大——要从远方的服务器取数据，或跑一遍繁重的计算——但你把答案存了下来，之后每次直接拿现成的副本就行。

可以把它想成：把每天都用的杯子放在台面上，而不是每天早上都爬上柜子顶层去拿。浏览器会缓存图片，于是你第二次访问同一个页面时它瞬间就加载好了；数据库会缓存常用的查询，省得反复重算。

麻烦之处在于「过期」：缓存里的副本可能跟真实数据对不上了。决定什么时候该把旧副本丢掉，就是所谓的「缓存失效（cache invalidation）」——人们半开玩笑地说，它是计算机科学里两大难题之一。

钙成像是一种通过让神经元发光来观察其放电的方法。研究者无法用显微镜直接看到电信号，于是他们用上了一个巧妙的替身：每当一个神经元放电时，都会有一股钙离子短暂地涌入细胞。诀窍就在于给细胞装入一种特殊的染料或蛋白质——叫做钙指示剂——它在周围有钙时会发出更亮的光。于是，一道闪光就变成了「这个神经元刚刚放电」的可见标志。

如今最常用的指示剂是像 GCaMP 家族这样经过改造的蛋白质。由于它们是由基因构建的，科学家可以只在自己关注的那些细胞类型中、甚至在活体动物中把它们开启，然后在显微镜下同时观看成百上千个神经元一明一暗。这就把看不见的活动变成了一部闪闪发亮的影片，展现出一整群细胞协同工作的情景。

有一个值得了解的取舍。这种钙的发光，是放电的一种缓慢而间接的回声——它在不到一秒的时间里升起又消退，远比那道电光石火般的电脉冲本身迟缓得多。因此，钙成像非常适合看出哪些细胞在活动、活动在哪里，但它会模糊单个放电的精确时间点。

校准是脑机接口一上来的那段简短训练环节，用户按提示产生一些「已知」的信号。系统提示：「现在想象动你的右手」，接着「现在换左手」，每一次都把大脑活动记录下来。因为系统知道刚才让用户做的是什么，它最后就攒下一小批带标注的例子——这正是解码器学习时需要的。

之所以需要它，是因为没有两个大脑是一样的，哪怕同一个大脑也天天不同。电极位置会有些许移动，人的清醒程度时高时低，导电膏也干掉了一点——于是上周调好的解码器，今天未必合用。校准会把解码器重新拟合到「这个人、这一天、这套装置」上，这也是为什么许多脑机接口都以几分钟这样的按提示试次开场。

代价是时间和耐心：校准太长既累人，又挤占了真正干活的时间。研究的一大方向，就是设法把它缩短或省掉——办法包括跨环节复用模型，或者让解码器在系统实际使用过程中悄悄地持续自我调整。

相机标定是一个测量过程，用来确定相机背后那些看不见的数字——它的内参、它的镜头畸变，常常还包括它的外参位姿——好让机器人能够准确信任这台相机是如何把世界映射到像素上的。相机出厂时，你对它的焦距、光学中心位于何处，都只有一个大致的概念，而且每个镜头弯折光线的方式都略有不同。标定就是用从真实图像中测得的精确数值，去替换这些猜测。

经典的方法会用到一个几何形状完全已知的标定靶，最常见的就是一块方格尺寸精确的平面棋盘格。你从许多角度和距离给它拍照。软件随后在每张图像中检测出棋盘的每一个角点，并发问：要用怎样的一组内参、怎样的畸变、以及每张照片中相机处于怎样的位姿，才能让模型预测的角点位置与实际看到的角点对得最齐？它会搜索出使总误差最小的那个答案，于是相机的各项参数，连同一个描述镜头如何把直线压弯的畸变模型，就一起求出来了。

没有标定，从图像中得出的测量结果会系统性地出错：距离不准，笔直的边看起来是弯的，拼接起来的画面也对不齐。有了标定，机器人就能把图像“去畸变”、测量真实的尺寸和角度、从一对立体图像判断深度，并把所见之物正确地放进世界里。它是几乎每一条视觉流水线里既不起眼、却又必不可少的第一步。

相机外参描述的是相机在世界中处于什么位置、朝着哪个方向。如果说内参是镜头固定不变的“性格”，那外参就是它当下的“住址”和“头部倾角”——机器人一移动或一转头，外参就立刻改变。它们其实就是相机的位姿：它在空间中的位置，加上它的朝向。

具体来说，外参是一组旋转和一组平移，二者合在一起，把坐标从大家共用的世界坐标系搬进相机自己的坐标系——在那个坐标系里，相机位于原点，正沿着镜头方向往前看。平移说明要把世界原点滑动多远才能到达相机；旋转说明要怎样转动世界的坐标轴，才能让它们与相机的上方、右方和前方对齐。把这一对操作作用到房间里测得的任意一点上，你就知道那一点相对于相机在哪里——这正是针孔投影把它变成像素之前必须迈出的第一步。

这正是外参对一台运动中的机器人如此关键的原因。当机械臂伸展、或漫游车行驶时，它机载相机的外参时时刻刻都在更新，机器人借此把所见的画面与它已经掌握的房间信息融合起来。外参搞错了，一张再清晰的图像也会被钉在世界中错误的位置上；外参搞对了，视觉与运动才说着同一种语言。

相机内参是描述相机自身内部光学特性的一小组数字——那是烙印在这台特定镜头和传感器里的固定属性，无论你把它指向哪里都不会变。它们回答的是这样一个问题：一旦一条光线进入这台相机，它究竟会点亮哪一个像素？两台相机即使摆在同一个位置、朝着同一个方向，也可能拍出不同的图像，因为一台用的是广角镜头加大传感器，另一台用的是长焦镜头加小传感器。内参所刻画的，正是这种差别。

内参通常有四到五个。焦距（往往是两个数字，分别对应水平和垂直方向）决定了画面有多“拉近”——长焦距会把世界中很窄的一片放大，短焦距则把宽广的场景一并收入。主点是光学中心落在的那个像素，通常靠近图像中央，但很少正好在正中，因为传感器从来不可能装得绝对端正。第五个数字“偏斜”在现代相机里几乎总是零，它用来表示像素的行与列没有完全垂直的情况。把它们打包在一起，就构成了内参矩阵——把相机前方的一个方向换算成精确像素坐标的配方。

内参属于相机本身，而不属于场景，所以机器人四处行驶时它们保持不变——这正是它们如此宝贵的原因。一旦测定，机器人就能始终如一地解读这台相机拍下的每一张图像。内参不同于外参，外参描述的是相机在世界中处于何处、朝向哪个方向。

经典皮层微环路是一种被提出的标准接线方式——一张基本蓝图——它似乎在大脑外层那张叫做新皮层的薄片上一遍又一遍地重复出现。新皮层就是大脑那层布满褶皱的表面，负责看、听、动和思考，它由六层堆叠而成，就像一栋楼的各个楼层。核心观点是：无论你看哪一小块——处理视觉的、控制手指的、还是帮你算数的——这些层里的神经元彼此相连的方式都大致相同、不断重复。于是大脑也许不必为每件工作都发明一套全新的电路，而是把一套通用电路复制粘贴上百万次，再给每一份副本喂入不同种类的输入。

这套模式大致是怎样运作的？简单说，从别处传来的信号（常由一个叫丘脑的中转站转送）通常先进入中间各层，在那里被处理后向上传到顶层，再向下交给深层；深层负责把大脑的答案发送回其他脑区以及身体。在这一路上，那些说“走”的兴奋性细胞（比如锥形的锥体神经元）会被那些说“停”或“等一等”的抑制性细胞（中间神经元）所平衡，让整个回路不至于失控。研究者觉得这个模板很有吸引力，因为这意味着皮层就像一块可重复使用的芯片，被一次次冲压出来——只要弄懂这一块芯片，就可能解开大片大脑的工作原理。但要补充的是：这仍然是一个有用的简化，也是仍在争论的话题，而非定论：真实的皮层有许多例外，不同脑区和不同物种都会以各自的方式改动这套模式。

电容器是一个微型储能元件，由两块靠得很近却不相碰的金属板组成。给它接上电压，电荷就会堆积在两块板上——一边带负电，另一边带正电——板间的缝隙里藏着一片看不见的电场。可以把它想成一个小水箱：你能很快把水灌满，存住片刻，需要时再让它一下子喷出来。

正因为电荷能进能出，电容器能把电压的波动「抹平」——电源瞬间下降时，它就放出存好的电荷来补上缺口，所以几乎每件电子设备里都有它在稳住供电。它还会挡住稳定的直流（充满后就不再有电流流过），却能轻松让变化的交流通过，因为两块板在不停地一充一放。再配上一个电阻，你就能设定精准的时间，比如转向灯那种慢悠悠的一闪一闪。

CAR-T 细胞疗法，把患者自己的免疫细胞改造成训练有素的“猎癌者”。T 细胞是巡逻全身、清除威胁的白细胞，但癌症常常躲过它们。CAR-T 把这些“士兵”取出来，在实验室里重新编程，让它们能识别肿瘤上某个特定的标记，再送回体内——就像把那个一再被放过的入侵者的清晰照片，交到你的保安手里。

医生先从血液中采集患者的 T 细胞，再为它们加入一个定制受体的基因，这个受体称为 CAR，相当于一双新的“眼睛”，能锁定癌细胞。改造后的 T 细胞被培养成一支庞大的军队，再回输体内。在体内，它们找到带有那个标记的细胞并加以摧毁——而由于它们是活细胞，还能在一段时间里持续增殖、持续工作。

CAR-T 是一种里程碑式的“活药”，在出色的试验结果之后，已针对数种血液癌症获批。它并非万能：到目前为止，它对某些血液癌症效果最好，制造过程缓慢又昂贵，而被激发的免疫反应可能引起需要专业处理的严重副作用。

碳从不静止。同样的原子在空气、海洋、所有生命与脚下的岩石之间永远地流转，像金钱在经济中循环一样绕着整个星球打转。你清晨呼出的一个碳原子，可能被一片叶子吸收，被一头牛吃下，再呼出来，溶进大海，然后用上百万年的时间被封进贝壳里。

植物从空气中抽取二氧化碳，用来长出叶子和木头；动物吃下植物，又把一部分呼回空气；海洋把它喝进去，再打个嗝吐出来；而死去的生物则在漫长岁月里慢慢变成石灰岩和煤。在过去这几千年里，大自然让这些流动大致保持平衡，于是空气中的碳量从一个世纪到下一个世纪都相当稳定——直到我们出现。

麻烦就在这里。当我们燃烧煤、石油和天然气，等于把大自然花了数亿年才安稳埋进地下的碳挖出来，在短短几十年里一股脑放出。我们往循环里注入碳的速度，远远快过海洋和森林能吸收的速度——于是它在空气中越积越多，困住热量，让地球变暖。这循环并没有坏掉，只是被压得喘不过气。

cascode（共源共栅）是把两只晶体管叠起来：在你的增益管上面再摞一只晶体管，让两只管子流过同一股电流，却各干各的活。下面那只（输入管）负责放大。上面那只（cascode 管）只是稳稳地待着，把自己的源极电压钉住，像一个缓冲器，夹在你那只娇贵的增益管和输出节点之间。可以把它想成站在放大器前面的保镖：它替你挡下输出节点那边的推搡，让输入管几乎感觉不到输出电压在动。因为输入管的漏极电压现在基本保持不变，两件好事就发生了——它那一点点沟道长度调制反馈（Early 效应，正是它让一个理想电流源「软化」成有限的输出电阻 ro）几乎不再起作用；同时它栅漏电容的米勒倍增也塌缩了，这对带宽有帮助。

回报就是增益。一个普通的共源级提供的本征增益大约是 gm*ro——管子的跨导乘以它自己的输出电阻，而在短沟道工艺里 ro 低得让人头疼。叠上一只 cascode，会把往里看的输出电阻乘上大约这只 cascode 管自己的 gm*ro，于是这个节点呈现的就不再只是 ro，而是大约 gm*ro*ro。你的直流增益也跟着同样的倍数蹿升——轻轻松松多出 20 到 40 dB——而且不用多耗一点电流，因为两只管子流过同一股偏置电流。这正是为什么 cascode 在 op-amp 的输出级、电流镜，以及任何你需要一个「硬」的高阻抗节点的地方，都随处可见。

代价要从余量（headroom）里出。你现在在电源和地之间叠了两个漏源电压，每只管子都至少需要它自己的过驱动电压 Vov（再留点余量）才能待在饱和区，所以你花掉的电压空间大约是两个 Vov，而不是一个。在如今的低压电源上这很奢侈，这也正是折叠式 cascode（folded cascode）和增益自举（gain-boosting）存在的原因——它们是一些巧办法，既保住增益上的好处，又把你让出去的余量抠回来一些。

催化剂是一种能让化学反应变快的物质——有时快上百万倍——可它自己到头来却毫发无损，随时准备再来一次。你可以把它想成派对上的「红娘」：它把两个害羞的分子拉到一起、撮合成对，然后自己抽身而退、完好如初，接着再去牵下一对。

每个反应在发生之前都有一道能量门槛要跨，就像反应物必须翻过的一座小山。催化剂并不是硬把它们推过山顶——而是悄悄在山旁开出一条更低、更好走的小路，于是每一秒就有多得多的分子顺利通过。它让反应加速，自己却从不被消耗。

生命正是靠一类叫做酶的催化剂运转——这些蛋白质机器在体温下完成消化、呼吸和生长的种种化学反应，而这些反应若没有酶，要么得用滚烫的高温，要么得耗上好几年。这里有个常见的误会：催化剂没法让一个本来不可能发生的反应发生，也改变不了最终能生成多少产物。它只改变快慢，从不改变终点。

绝对命令是康德用一句话给出的行为对错检验：在你做某件事之前，先问自己——你能否真心希望天下所有人，在你这种处境下都照样去做？如果你行动背后的那条准则，可以成为所有人都遵守的法则，它就通过了。关键的检验并不在于会不会招来坏结果，而在于：一旦人人照办，这条准则会不会自相矛盾。设想你想撒个谎来脱困：现在想象一个人人觉得方便就撒谎的世界。在那样的世界里，没人会信任何一句话，于是承诺和撒谎根本就不再可能——而你指望奏效的那个谎言也就根本骗不了人。这条准则把它所依赖的做法毁掉了，等于把自己取消了，所以撒谎过不了这一关。

这为什么重要？康德是在说：道德无关结果、报酬，也无关你当下的心情，而关乎义务——出于一条你能向任何人辩护的原则去行动。「绝对」意味着无条件：无论你想要什么，它都成立。这正好与「假言」式的规则相反，比如「想拿好成绩，就用功」——那只有在你恰好想要那份奖赏时才管得住你。道德法则不做任何交易，它只是命令。

一个常见的误读：人们以为康德不过是在说「己所不欲，勿施于人」——也就是黄金法则。两者相近，但康德更为锋利。黄金法则诉诸你个人的好恶；康德要求的，是一种对每一个理性存在者都成立、不论其口味偏好的逻辑一致性。他还给出了著名的第二种表述：永远把人当作目的本身，绝不仅仅当作达成你自身目的的工具——一个人，绝不只是供你方便使唤的手段。

细胞是生命最小的一块——是仍然算得上「活着」的最小单位。它能自己摄取能量、生长、对周围环境作出反应，还能复制出新的自己。

有些生物就是单单一个细胞，比如你皮肤上的细菌。另一些则由成万亿个细胞组成：单是你自己的身体，就约有 37 万亿个细胞，每一个都像一名小小的工人，各司其职。

每个细胞外面都裹着一层薄薄的「皮」，叫做细胞膜，由它来决定什么能进、什么能出。里头装着这个细胞的遗传指令，还有一大堆维持运转的微型机器。不过，这些指令存放的地方并不相同——动物和植物的细胞把 DNA 收进一个用薄膜单独围起来的细胞核里，而细菌的 DNA 则是自由漂浮的，根本没有细胞核。

细胞分化是一个未特化的细胞认定某项职责、并成熟为某种特化类型的过程——成为一个肌肉细胞、一个神经细胞、一个红血球。它是一段旅程，从一个空白、万用的起始细胞，走到一个有着固定行当的成品工匠。可以想象一名新员工在入职第一天，原则上可以被分派到任何部门，随后被逐步培训、收窄，安定到一个他将一直担任的具体角色。

引人注目的是，分化的发生并不改变细胞的基因。你体内几乎每一个细胞都携带着完全相同的一整本指令手册；让一个神经细胞有别于一个肌肉细胞的，是各自读取了哪些页。当一个细胞分化时，来自周围环境的信号会把某些基因打开、把另一些关闭，于是细胞只开始建造它所选角色需要的那些部件。一步一步地，它失去了那份不设限的灵活，换来一种独特的形态、行为和功能。

分化是从单单一个受精卵构建并维持出整个身体的主导过程，也是每个干细胞征途尽头的目的地。理解并引导它，正是再生医学的核心：要培育出有用的组织，科学家必须把干细胞沿着精确的分化路线，引向他们想要的那种细胞类型——并可靠地让它们在那里停下，而不是把它们留作空白，或送上歧途。

细胞疗法通过把有生命的细胞放进体内，来修复或替换已经丧失的功能，从而治疗疾病。它不像化学药物那样冲刷一遍便消退；治疗本身就是那些细胞——一种能安顿下来、繁殖、对周围环境作出反应并持续工作的「活药」。它更像播种，而不是吃药。

这些细胞可能取自患者本人，采集后有时先培养或加以改造，再回输体内；也可能来自捐献者。一旦输入，它们的目标是去做身体已无法完成的工作：重建血液、替换受损组织，或追击疾病。正因为它们是活的，能做到静态药物或器械做不到的事——但也更难控制和标准化。

有些细胞疗法早已是成熟医学，例如用于某些血癌的骨髓（血液干细胞）移植。另一些仍处于实验阶段。如实地看，这是一套真实且不断壮大的工具，同时也伴随着许多前景可期却尚未证实的做法，尤其是那些直接向患者推销的。

细胞返老还童是这样一个设想：把一个衰老细胞的“时钟”往回拨一部分——把它推向更年轻、更有活力的状态，逆转一些衰老的迹象，同时又不抹去它本来是哪一种细胞。这个梦想是给一个磨损的皮肤细胞或神经细胞做一次“保养”，而不是彻底“恢复出厂设置”，让它仍干着原来的活，却像年轻时那样运转。

这个窍门借用了“重编程”——那是一种实验室方法，可以把一个普通的成体细胞一路逆转回到灵活的、类似干细胞的状态。返老还童只是短暂而部分地施加同样的推力——研究者希望，这恰好足以刷新细胞的“设置”，却又不至于抹去它的身份，或让它变成肿瘤。

这是衰老研究中最令人兴奋的前沿之一，在动物和细胞上已有惊人的结果。但它仍属实验性，并带有真实的风险，包括癌症。在这里，从一次激动人心的实验室演示，到一种安全的人体疗法之间，差距非常大——这是“炒作跑在证据前面”的典型例子。

细胞重编程，是重置一个细胞身份的行为——把一个已经安顿于某种特化职责的细胞，劝说它去变成别的东西。通常，一个细胞的职责是一条单行道：一旦它定型为，比方说，一个皮肤细胞，就终生都是皮肤细胞。重编程违逆了这条单行规则，颇像把一份定稿的文件改回草稿，又或像重写一个人的工作说明，然后看着他接手全然不同的新活儿。

它主要有两种形式。一种是把时钟一路拨回去，让一个成熟细胞返回多能状态，使它又能变成任何东西——诱导多能干细胞正是这样制造的。另一种是直接转化，让一个细胞从一种特化类型直接跳到另一种——比如把一个皮肤细胞变成一个神经细胞——而不必先经过空白的干细胞阶段。两者的原理，都是改变一个细胞让哪些基因保持开启，因为每个细胞都携带着完全相同的整套指令，差别只在于它读取了其中的哪些部分。

重编程重塑了生物学，因为它证明了一个细胞的命运并非被永久锁死，而只是被固定住——而被固定的位置是可以挪动的。这就开启了一个诱人的前景：从患者已有的细胞，生成他所需要的任何一种细胞类型。不过其中的警示也实实在在：重编程效率低下，可能让细胞停在尴尬的半成品状态，而任何被推向无限增殖的细胞都必须被小心管控，因此建立在它之上的疗法要求极高的严谨。

细胞衰老是一种状态：细胞彻底停止分裂，却又拒绝死去——像一种永远结束不了的“生物退休”。研究者给这些细胞起了个外号叫“僵尸”细胞：不再做原来的工作，也没被清除，就那么赖着。细胞通常在受损或分裂太多次之后进入这种状态，作为防止它“失控狂奔”的安全刹车。

这道刹车一开始很有用——它有助于阻止受损细胞癌变，也有助于伤口愈合。但衰老细胞会持续向周围渗出一连串炎症信号，就像一个爱发牢骚的邻居，慢慢把整条街都搅坏。随着岁月流逝，这些细胞越积越多，那种长期、低水平的炎症便一点点拖垮组织。

如今人们认为，这种累积是衰老和与年龄相关的衰退的一个真实推手，这也让衰老细胞成了一个诱人的靶点：照这个思路，若能清除或安抚它们，组织或许能更久地保持健康。这个想法正在被积极探索，但它仍是研究，还不是经证实的治疗。

央行数字货币（CBDC）是一国官方货币的数字形式，由该国央行直接发行并背书。与你银行账户里的钱不同——那是对一家商业银行的债权——CBDC 是央行本身的直接负债，地位等同于实体纸币和硬币。从本质上说，它是被重新构想为数字代币、面向互联网时代的现金。

CBDC 既不同于普通的银行存款，也不同于比特币这类加密货币。它的价值并非由市场决定：一枚数字货币始终等值于一份普通货币，因为有国家在背后支撑。尽管某些设计借鉴了区块链的技术思路，但大多数 CBDC 根本不是去中心化的：央行牢牢掌控着发行与规则，这与公共加密货币那种无需信任、无需许可的精神正好相反。技术在这里是工具，而非理念。

可以把它想象成活在你手机里、而非钱包里的官方现金：可即时、以数字方式花用，却仍是国家发行的法定货币。支持者将 CBDC 视为现代化支付、惠及无银行账户人群、以及更快更省地完成结算的途径。由于其设计抉择——尤其是个人能保留多少交易隐私——承载着重大的社会分量，CBDC 正是全球各国央行积极试验的领域。

中枢神经系统（CNS）就是大脑加上脊髓。它是神经系统中负责把身体感知到的一切汇集起来、加以理解、再决定下一步该怎么做的部分。来自皮肤、眼睛、耳朵和内脏器官的信号，全都向内汇入中枢神经系统；而那些驱动肌肉、调控器官的指令，也从这里发出。简单说，它就是把信息聚到一起、并转化为行动的地方。

一个方便的画面是机场的指挥塔台。飞机（也就是来自身体各处的信息）从四面八方飞来；塔台把它们统统接收下来，彼此权衡，再发出清晰的指令，让一切互不相撞、持续运转。中枢神经系统做的正是这类工作，把许多条涌入的信息流融合成单一而协调的反应，所以它常被称作身体的整合与处理中枢。脊髓负责处理较快、较局部的任务，并充当往返于大脑之间的主缆线；而大脑则掌管更深层的思考、记忆、情感和规划。

正因为太多事情都依赖它，中枢神经系统也是你全身受保护最严密的组织：它安放在颅骨和脊柱这层骨头之内，外面裹着一层坚韧的膜，称为脑膜，并漂浮在一层起缓冲作用的脑脊液之中。它与周围神经系统相配合，后者是大脑和脊髓以外的神经网络，负责在中枢神经系统与身体其余部位之间传递信息。在哺乳动物中，大多数中枢神经系统的神经元一旦受损就很难再生，这也是为什么大脑和脊髓的损伤往往会留下长期影响。

中枢模式发生器是一小群神经细胞，通常藏在脊髓里，它能够完全靠自己源源不断地发出稳定、重复的肌肉指令，不需要大脑一刻不停地下达命令。可以把它想象成一个八音盒：一旦你上好了发条，里面的小滚筒就会自己转动，乐曲一拍接一拍地奏出来，不用再有人去碰它。同样地，这个回路会产生那些你反复做的动作背后的来回节律，比如走路、游泳、咀嚼或呼吸。

那么，它没有指挥又是怎么把节拍打准的呢？回路里的神经元连接的方式是：当一组神经元放电时，它会短暂地压住另一组；而当第一组累了，第二组就接手——接着循环又翻转回来。这场拉锯不断自动重复，于是交替的脉冲被送往，比方说，抬腿的肌肉和压腿的肌肉。最有力的证明来自动物实验：一段已经与大脑切断联系的脊髓，只要给它一个简单、稳定的化学刺激，仍然能产生有节律的迈步模式，这说明节律就诞生在脊髓本身之中。

正因如此，运动中有很大一部分是在“自动驾驶”状态下进行的。大脑不必去事无巨细地操控每一块肌肉的每一次收缩；它只发出一个简单、笼统的信号——大致就是加快、放慢或停下——而详细的节奏由中枢模式发生器来补全。来自四肢的感觉反馈再对节律加以微调，使之适应脚下真实的地面。所以运动的基本“引擎”是内建在脊髓里的，上面只是负责掌舵，而不是一步一步地驱动它。

集中化与头化是两条反复出现的大趋势。当我们把动物从简单到复杂排成一列、观察它们神经系统的构造方式时，就会一次次看到这两条趋势。集中化是指神经细胞（神经元）不再稀疏而均匀地散布在全身，而是聚拢成少数几条致密的“电缆”和团块——神经索，以及神经节（一团团神经元的结），它们充当共用的指挥线。头化则是与之密切相关的另一种倾向：把其中最丰富的神经组织，连同眼睛等主要感觉器官，堆积到身体的某一端，而这一端在漫长的演化中就变成了头部。可以想象一座小镇：起初每户人家都有一部电话，胡乱地连向邻居；后来它慢慢围绕几条干线和靠近前门的一个总机重建——那个总机逐渐变成大脑，大致就是这两个词讲述的故事。

动物为什么一再朝这个方向演化？一只向前移动、穿行于世界的生物，总是用它的前端最先遇到新的食物、配偶和危险，因此把眼睛、嗅觉和味觉的传感器放在那里，并把它们接入附近的一个决策中枢，比让每个信号都横跨全身长途奔走更划算。把神经元聚拢在一起还能缩短彼此之间的“布线”，使信号更快，并让动物在行动前先把许多条信息流汇合起来。这并不是一架以人类居于顶端的阶梯——许多类群以不同程度进行集中化与头化，少数（如某些海星）反其道而行，把神经系统重新铺散开来。但在蠕虫、昆虫、章鱼和脊椎动物之间，那种朝向集中神经索与塞满传感器的头部的反复漂移，是脑演化中最清晰的规律之一；它也帮助解释了为什么如此多活跃的动物最终都长出一个可辨认的、领头在前的头部。

小脑运动控制，指的是小脑——那块藏在后脑勺下方、布满褶皱的“小小脑”——所承担的工作：让你的动作流畅、准确、时机恰当。它并不决定要做什么；选择伸手去拿杯子、或者迈出一步的，是大脑的其他部分。小脑的任务，是确保这个被选定的动作干净利落地完成，而不是一顿一顿、抖抖索索或偏离目标。你可以把它想象成一位幕后的教练：他从不亲自上场，却不停地低声提点细微的修正，好让场上的队员动作节奏分毫不差。

它之所以能做到这一点，是因为它像一个比你思考还快的纠错器。每当你开始一个动作时，运动皮层都会把指令的一份副本送给小脑，与此同时，你的各种感觉又会回报身体实际所处的位置。小脑把两者加以比较——你打算做的，与正在真实发生的——然后逐刻不停地轻轻推动肌肉，把两者之间的差距抹平。它就是这样同时照管三件事：时机（在恰到好处的那一瞬间让每块肌肉发力）、准确（让你的手正好停在杯子上，而不是冲过了头）以及平衡（让你保持直立）。由于它在几分之一秒内就完成工作，这些修正在笨拙的动作还来不及出现之前，就已经发生了。

小脑还会学习。当一个动作老是做错——你的网球挥拍总打偏，或者因为戴上了新眼镜而觉得世界有些不对劲——小脑就会逐渐改写它自己的预测，直到那个动作重新变得准确而自动。这正是为什么骑自行车、盲打键盘这样的技能最终会让人感觉毫不费力：小脑已经悄悄把那些修正记了下来，于是你不必再去想它们。当小脑受损时，人不会瘫痪，但动作会变得摇摆不稳、时机错乱——他们走起路来踉踉跄跄，伸手去拿东西时冲过了头，说话也含混不清，很像一个喝多了酒的人，因为酒精正会麻痹小脑。

小脑是一块拳头大小、布满密集褶皱的脑组织，藏在颅骨后部的下方，位于你通常想象的那个大块折叠大脑的后下方。它的名字在拉丁语里意为“小的脑”，这个描述很贴切：它看起来就像主脑的一个缩小版、褶皱更紧密的复制品。尽管它只占整个大脑体积的约十分之一，却容纳了全脑一半以上的神经细胞。它的主要任务不是决定你做什么，而是确保你所做的一切动作都顺畅、平稳、且时机恰当。

你可以把小脑想象成幕后的运动教练。当你伸手去拿杯子、走直线，或说出一句话时，小脑会不断地把你身体打算做的动作和它实际正在做的动作进行比较，并一刻不停地悄悄微调肌肉来纠正二者之间的差异。它维持你的平衡，协调那些必须按正确顺序收缩的众多肌肉，并精细调整时机，使动作优雅而不僵硬突兀。当它受损时，人不会瘫痪，但动作会变得笨拙、颤抖：走路东倒西歪像喝醉了一样，伸手时会够过头，说话也含糊不清。这正是为什么过量饮酒会麻痹小脑，让人摇晃不稳、失去协调能力。

大脑皮层是大脑表面那层薄而布满皱褶的组织，也就是人们想到“大脑”时脑海中浮现的样子。它只有几毫米厚，大约相当于几枚硬币叠起来的厚度，却是我们大部分感知、思考、规划和决策发生的地方。由于它密密麻麻地排满了神经元的细胞体，看上去带有一层灰色，因此常被称为灰质。

它的表面被折叠成一道道隆起，称为脑回，以及一条条凹沟，称为脑沟。这种折叠让一大片组织能塞进小小的颅腔里，就像把一张纸揉皱后才放得进杯子。那些最深的沟把每半个大脑划分成四个大区，称为脑叶，即额叶、顶叶、颞叶和枕叶。在这片表面的大部分区域，皮层由六层细胞叠合而成，这种结构被称为新皮层，其下方则是负责连线的纤维束，也就是白质。

皮层的不同区块往往各有所长，有的偏重视觉，有的偏重听觉、触觉、运动或语言。这种对更复杂、更高层次任务的处理，常被称为高级认知。但没有哪一块是单打独斗的：它们彼此连成网络，因此即便是给一张图片命名这样简单的动作，也会同时点亮许多区域。

大脑叶是每半个大脑那层布满皱褶的外壳按传统划分出的四大区块：额叶、顶叶、颞叶和枕叶。它们并不是各自独立的器官，而是同一片连续皮层上的不同区域，靠几道深沟和长期的习惯加以分界，有点像把同一座城市划成几个有名字的街区。大脑的每一半都各有自己完整的一套四个叶。

每个叶都各有所偏重的大致分工，但没有哪个是单打独斗的。额叶在前额后方，负责规划、自主运动和自我控制。顶叶在头顶偏后的位置，构建你的触觉，以及对身体和物体在空间中所处位置的感知。颞叶在两侧靠近耳朵的下方，大量参与听觉、语言和记忆。枕叶在最后方，几乎专门用于视觉。

这些名称大多来自覆盖在各区域之上的颅骨，而不是来自这片组织所做的事，所以它们的分界在一定程度上只是一种约定俗成。可以把这张四叶地图当作一份有用的初步草图：阅读或说话这类真实的能力，是同时调动好几个叶、并跨越大脑两半相互连线完成的。

脑脊液（CSF）是一种清亮如水的液体，充满大脑内部中空的腔室，以及包裹着大脑和脊髓的那层薄薄缝隙。它的绝大部分由一种特殊组织产生，这种组织叫作脉络丛，是悬垂在每个腔室内、由许多细小血管组成的褶皱状簇团。可以把它想象成一个缓缓滴漏、始终关不严的水龙头：脉络丛整天都在从血液中过滤出水样液体，把新鲜的一批一点点滴入这些腔隙，使整池液体在一天之内被更新好几遍。

不过，生成这种液体并不只是被动地渗漏。衬在脉络丛表面的细胞会主动把盐分（主要是钠）从血液泵入腔室，水分则随着盐分一起被带过去，就像浸了盐水的海绵会吸入更多水一样。通过精挑细选放行哪些物质，这些细胞把普通血液变成一种量身定制的液体：细胞和蛋白质含量很低，盐分配比经过精细平衡，而且洁净。正是这种把关作用，使脉络丛成为保护大脑的屏障的一部分，决定血液中哪些物质可以到达神经组织。

为什么要每天费力生成约半升这样的液体呢？脑脊液给大脑提供缓冲，使它得以漂浮，而不会被自身重量压垮，缓和日常磕碰带来的震动，并把养分送进来、同时把废物冲走。当生成、流动或重新吸收三者失去平衡时，液体就可能积聚并挤压大脑，造成一种危险的膨胀，称为脑积水——这正是脉络丛那份平稳而安静的工作如此重要的原因之一。

化学键就是把原子黏在一起的「胶水」——正是这种吸引力，把原子连成万物：从一滴水，到一颗钻石，再到你身体里的细胞。它不是一根细绳，也不是一根小棍；而是一场拉锯战——一个原子带负电的电子，和邻近原子带正电的原子核之间相互拉扯，最终安顿成一种比原子各自分开时更稳定、能量更低的格局。

原子主要用三种方式来达成这笔交易。在共价键里，它们共用一对电子，就像两个孩子各自抓着同一根绳子——水和生命中大多数分子都是这样被维系的。在离子键里，一个原子把电子交给另一个，两者带上相反的电荷，纯靠电的吸引彼此相依——食盐就是最经典的例子。在金属键里，一大群原子把各自的外层电子抛进一片共享的「电子海」中，大家都漂浮其中——这正是金属能导电、能弯折而不折断的原因。

有一点人们常常弄反：化学键储存着能量，而打断它总是要消耗能量，而不是放出能量。燃料燃烧、食物被消化、能量滚滚而出时，并不是因为旧键断了——而是因为随后形成的新键更强、更稳定，多出来的那部分能量才以热的形式被释放出来。

化学反应是大自然重新排列原子的方式——把一组物质拆开，再重建成另一组不同的物质。可以把原子想成一盒数量固定的乐高积木：反应从不增添或销毁积木，只是把它们拆散，再按新的图案拼回去。木头燃烧、铁生锈、面包烘焙，都是同一批原子换了身打扮。

真正发生变化的地方是化学键——那把原子连在一起的微小纽带。旧键断裂，新键形成，正是这番重新洗牌，让产物的样子和脾性与起初的原料大不相同：氢和氧两种看不见的气体，竟能变成一滴液态的水。这种变化常会自己昭告天下：冒泡、变色、放热、发光，或飘出一股新气味。

有一条规则永不弯折：什么都不会真的凭空消失。开始时在场的每一个原子，结束时仍然在场，所以反应前后的总质量分毫不差——这条原理叫做质量守恒。一截燃烧的木头看似变轻，只是因为它大部分化作看不见的气体飘走了；把那些气体也一并称上，这本账连一个原子都不会差。

化学突触是一个神经元把信息传给下一个细胞的微小接头——但两个细胞并不是直接接触的，它们之间隔着一道极细微的缝隙。可以想象两个人站在一条很窄的小溪两岸：他们没法把纸条直接递过去，于是其中一人把纸条折成纸船，让它漂到对岸。在化学突触里，信息越过这道缝隙靠的不是电流跳过去，而是靠一小包一小包的化学信使——叫作神经递质——由发送方细胞喷出，再由接收方细胞接住。

它是这样运作的。当一个电信号到达发送神经元的末端时，它会促使一个个装满神经递质的小气泡与细胞的外壁融合，把里面的内容倾倒进那道缝隙——这道缝隙叫作突触间隙。这些化学信使飘到对岸，锁定到接收细胞表面那些与之匹配的捕捉分子上——这些分子叫作受体——就像钥匙插进锁孔。这一结合会促使接收细胞要么发出自己的信号，要么按兵不动。这种化学接力比电流直接跳过去稍慢一些，却给了大脑极大的灵活性：连接的强弱可以被调高或调低，而这正是我们学习和记忆在物质层面的根基。

化学遗传学是一种方法：只要给动物喂一粒无害的药丸或打一针，就能调高或调低选定的脑细胞。研究者先把一种改造过的受体的基因导入选定的一组神经元——这种受体是一种蛋白，像一把小小的锁那样嵌在细胞表面。这把锁经过改造，身体自身的化学物质再也配不上它，只有一种本身并无作用的特制药物，才能转动这把钥匙。其中最有名的版本叫做 DREADDs，意思是“只被特制药物激活的特制受体”。

一旦这些神经元带上了这种改造受体，接下来就很简单了。当对应的药物随血流到达大脑，它便扣进这把锁，把细胞的行为朝选定的方向切换——一种受体会让被靶向的神经元更容易放电，另一种则让它们安静下来，靠的是调节细胞在自身内部使用的化学信使。由于只有被基因标记的细胞才带着这把锁，药物虽然遍及整个大脑，却只作用在这些细胞身上。

和基于光的控制相比，权衡之处在于速度与覆盖范围的取舍。药物起效要几分钟，作用可持续数小时，因此化学遗传学适合做长时间、慢性的轻推，而非毫秒级的开关——但它无需植入光纤或导线，能在动物自由活动、自然行为时，把一整群分散的神经元持续地维持在开或关的状态。正因如此，它成为一种受青睐的工具，用来追问某一组明确界定的神经元在整场实验的时间跨度里，对行为究竟有何贡献。

几十年来，人们的本能做法都是把所有东西塞进一整块大硅片里——也就是单片芯片（monolithic）。芯粒（chiplet）把这个本能反了过来：你把设计拆成几块小小的、各管一摊的裸片（die）——这里放一簇 CPU 核，那里放一块 I/O，再来一块缓存——然后把它们装进同一个封装里，彼此之间连得极其紧密，工作起来几乎就像一颗芯片。可以把它想成：从用一整块大理石雕一尊像，改成用乐高积木来搭——与其押注在一个又大又冒险的部件上，不如把几块更小、更成熟可靠的部件拼到一起。

图什么呢？最大的理由是良率。缺陷会随机落在晶圆上的某个位置，所以裸片越大，越容易被某个意外瑕疵毁掉整片——而在最先进的工艺节点上，扔掉一块巨大的裸片代价高得惊人。把这块裸片切成四小块，单个缺陷就只毁掉其中一小块；好的那几块（known-good die，已知合格裸片）留下，便宜的废片扔掉就行。芯粒还让你能混搭节点：渴求最新、最贵工艺的计算核心可以用最尖端的节点，而几乎不靠缩小受益的 I/O 和模拟模块则留在更便宜、更成熟的节点上。而且因为每块芯粒都是自成一体、可复用的积木，你可以把同一套核心组合既放进一颗笔记本电脑芯片，也放进一颗 64 核服务器芯片，而不必从头重新设计。

代价在于那道接缝。同一块单片裸片上的两个晶体管，靠几微米长的导线对话；而两块芯粒之间，信号必须横跨封装，这比留在片内要多花一些能量、多担一点延迟。所以芯粒要依赖高密度封装——并排坐在硅中介层（interposer）上，或者叠起来——再加上快速、标准化的裸片间（die-to-die）互连，好让这道边界几乎看不出来。UCIe 就是正在兴起的开放标准，让来自不同厂商、不同节点的芯粒能够拼接起来，就像当年 USB 统一各种外设那样。AMD 的 Ryzen 和 EPYC（计算裸片与 I/O 裸片分开）、Intel 的分块（tiled）处理器、苹果的双裸片 Ultra 系列，都是已经大批量出货的芯粒设计。

染色体是一条非常长的DNA，被细胞紧紧缠绕、打包成一个整齐的「束」。它的作用是把基因折叠收纳、贴上标签、避免缠成一团，好让那本「建造你、运转你」的说明书，能装进一个原本根本塞不下这么长一条线的小空间里。

为了塞得下，DNA会缠绕在一颗颗线轴状的蛋白质上，就像线缠在线轴上一样。人体大多数细胞带有46条染色体，也就是23对，每一对中有一条来自父亲、一条来自母亲。沿着这些长链排列的基因，就是你遗传得来的那本说明书。

这样打包还有个实在的好处：当细胞分裂时，它可以把每条染色体复制一份，再把完整的一整套准确地交给每个新细胞。打成束之后，基因就能均匀、干净地分配下去，而不会像散线一样到处乱掉。

时型是你的身体对于「何时该睡、何时该清醒」与生俱来的自然偏好，是你一出生就倾向的那套个人作息设定。有些人是「百灵鸟」，天一亮就精神抖擞、头脑清明地起身，到傍晚便开始没电；有些人是「猫头鹰」，清晨拖拖拉拉，深夜却活力满满；而我们大多数人则落在两者之间。这并不是懒惰或意志薄弱，就像一个人长得高或矮一样自然：当没有任何东西——没有闹钟、没有轮班、没有咖啡——硬逼着它时，这就是你体内生物钟悄悄偏爱的那张时间表。

在大脑深处坐落着一小簇细胞，叫做视交叉上核，它就像一只主时钟，维持着大约二十四小时的节拍，并在每天清晨借助日光来对时。在有些人身上，这只钟天生走得稍微快一点，在另一些人身上则慢一点；这种内建的「偏差」，一部分由遗传的基因塑造，一部分随年龄而变，正是它让一个人成为晨型、另一个人成为夜型。可以想象两个人的手表都走得分毫不差，却被拨快或拨慢了十五分钟：两只表都稳稳地走着，可一只总是领先另一只。

时型之所以重要，是因为这个世界大体上只按一套偏早的作息运转，而那些内在时钟指向偏晚的人，被迫在身体还没准备好时就醒来，日积月累欠下一笔「睡眠债」，拖累情绪、专注力和健康——研究者把这种错位称为「社会性时差」。好消息是，时型只是一种倾向，而非牢笼：清晨晒太阳、固定的就寝时间、夜里调暗屏幕，都能把生物钟往前轻轻一推；而单单了解自己的类型，就能帮你把吃力的工作安排在大脑天生最敏锐的时段。

CI/CD 就像一个不知疲倦的机器人：每当你推送（push）一次改动，它就自动帮你测试并发布代码。你不必再去记着「跑一遍测试、把文件拷到服务器」，机器会每一次都用同样细致的方式替你完成。

CI——持续集成（Continuous Integration）——是「测试」的那一半。每当有人推送新代码，CI 就构建项目并运行测试，于是错误在几分钟内就会被抓出来，而不是拖到下周。它像那位在别人看到之前先帮你复查作业的朋友。

CD——持续交付（Continuous Delivery）——是「发布」的那一半。测试一通过，CD 就把代码打包并部署出去，让最新的可用版本自动送到用户手里。两者合起来就构成一条「流水线」（pipeline）：你一推送代码，它就从你的笔记本一路流到生产环境，中间不需要任何让人提心吊胆的手工步骤。

昼夜节律是身体内置的每日循环——一种大约24小时的节奏，在你体内悄悄起伏，告诉身体什么时候是白天、什么时候是黑夜。正因为有它，即使你看不到钟表、也看不到天空，你也会在深夜自然犯困、在上午精神清醒。这个词来自拉丁文：circa意为“大约”，dies意为“一天”，所以circadian字面意思就是“大约一天”。可以把它想象成一个早在你出生前就开始走动的体内计时器，它温和地推动着身体里几十种事情——你的困意、体温、饥饿感、激素——都落到一个规律的每日时间表上，让它们在一天中合适的时刻发生。

这种节律是从体内产生的，源自下丘脑里一小簇脑细胞，称为视交叉上核，它扮演着身体“总时钟”的角色。如果把你完全单独关进一个没有光、没有钟表的山洞，你的节律仍会继续运转，但往往会稍稍偏离24小时；因此它每天清晨都要靠外界的信号来重新校准——其中力量最强的，就是照进眼睛的日光。日光告诉总时钟现在的真实时间，总时钟再让每一个细胞和器官保持步调一致，于是整个身体都与地球的自转同步。

它为什么重要：当你的内在时钟与日常生活相吻合时，你睡得好、白天有精神、身体运转顺畅。可一旦两者发生冲突——比如飞越多个时区、上夜班，或深夜还盯着明亮的屏幕——你就会出现时差反应、睡眠变差、头脑昏沉，长此以往还会提高患病的风险。顺应你的昼夜节律，做法很简单：早晨多接触明亮的光，夜里把光线调暗，这是让身体和大脑都保持良好状态最简单的办法之一。

电路量子电动力学是一套工具，用来把量子比特，以及它们之间交流所用的微波“光”，完全用印在芯片上的电路做出来。工程师不去捕获一个真实的原子和一个真实的光子，而是刻蚀出一段超导电路，让它表现得像一个人造原子，再在旁边放一个谐振器，让它表现得像一个装微波光子的盒子。这是物理学里一个老装置——腔量子电动力学——的芯片设计版本。

诀窍在于：一个超导 LC 电路（一个电感加一个电容）天然会在某个微波频率上振荡，像一把小小的音叉。加入约瑟夫森结后，电路的能级台阶变得不再等间距，于是你可以只用最底下两级当作量子比特。在旁边放一个谐振器，两者就通过各自的电场分享能量；正是这种耦合让你能读出量子比特、并把多个量子比特连起来，而且全都在千兆赫频段，普通的微波电子学已经能在那里工作。

诚实的一面：这一切只在比绝对零度高百分之几度时才管用，量子比特会漂移、会失去相干性，而要把许多个挤到一块芯片上，它们的频率就开始相撞、控制线也变得拥挤。cQED 是超导芯片的主流框架，但它只是若干种路线之一，目前还没有哪种明显胜出。

血液循环，是你的血液不停绕行的那个圈：心脏一收缩，把血推进叫做动脉的粗管，再穿过遍布全身、深入每个角落的细密血管网，最后经由静脉流回来，被重新泵出去。想象一滴血从心脏出发，把氧气和养分送到你的脚趾尖、指尖，捎上废物，再回到起点——如此循环往复，跑完整整一圈用不了一分钟：静息时大约只要二十到三十秒，运动时还更快，日复一日，伴你一生。

它之所以重要，是因为这个圈正是每个细胞获得喂养、保持洁净的方式。肺把氧气装进血里，肠道交出养料，这条流动的河把两者一并送往肌肉、大脑和皮肤，同时把垃圾冲走。一旦这个圈停转，输送也随之中断——这正是为什么血管一旦堵塞、心脏一旦停跳，会那么快就致命。

出人意料的是：在一千多年里，有学问的医生教的恰恰相反。他们追随盖伦，相信肝脏在不断酿造新鲜血液，身体则像烧燃料一样把它一路用掉，只去不回。1628 年，威廉·哈维算了一笔账——心脏一小时泵出的血，远远超过身体可能造出的量——由此证明：那必然是同一批血，在一个封闭的圈里一圈圈地转。

大陆法系是一个国家运行司法的一种方式，它把信任交给了「成文的法典」。整套法律被汇编成一部部庞大而有条理的法典——民法典、刑法典、商法典——力求事先把规则写清楚，于是法官大多是翻开法典、把条文套用到眼前的案件上。可以想象一本菜谱：大厨早已把每一道菜都写了下来，厨房里的人照着菜谱做，而不是每顿饭都从头自创。

这一点之所以重要，是因为它决定了真正「立法」的是谁。在大陆法系国家，议会里的立法者才是写菜谱的大厨，法官则是照着做的厨师。法律应当白纸黑字摆在那里，任何翻开法典的人都能知道——这也是这套体系传播得如此之广的原因之一。世界上大多数地方都在它之下：法国、德国、日本、巴西、韩国，以及数十个国家。中国常常也被算进来，不过是以一种「受大陆法系影响」的形态：它的法典按这种德意志风格搭建，却通常被归在自成一类的社会主义法系名下，而不被当作教科书式的范例。

一个常见的误会，是把「大陆法系」（civil law）当成「私人之间的民事诉讼」（相对于刑事案件）。那其实是同一个词的另一层意思。在这里，civil law 指的是一整个法律体系大家族——它是与英美「普通法」传统相对的另一大选择；在普通法里，挑大梁的是过往的判例，而不是一部至高的法典。

经典条件反射，讲的是大脑如何通过「联想」来学习：把一个本来毫无意义的信号，和某件早已重要的事反复配对，到后来，光是那个信号本身就能触发同样的自动反应。最经典的例子是巴甫洛夫的狗。食物让它们流口水——这不奇怪。但巴甫洛夫每次喂食前都先摇一下铃，没过多久，狗一听见铃声就开始流口水，有没有食物都一样。那个中性的声音，借走了食物的力量。

其实你时时刻刻都在经历这种学习，只是没察觉。汽水罐「嘶」地一声打开，就能让你口舌生津；走廊那头传来牙钻的声音，还没碰到你，胃就先揪紧了。每一次，都是一个原本中性的线索——一个声音、一种气味、一个地点——被接到了你无法选择的反射上，只因为这两样东西总是一起出现。

有一点必须分清：经典条件反射作用的是不由自主、近乎反射的反应——流口水、惊缩、感到焦虑——而不是为了奖励而刻意去做的行为。后面那种学习（「做这个就能得到好处」）叫操作性条件反射，是另一套机制。在这里，没有谁因为流口水而被奖励；身体只是学会了：一件事可靠地预示着另一件事。

分类器是流水线最末端那个训练好的模型，由它来作出真正的决定。它接过从信号里提取的特征，把它们映射成一个选择——向左还是向右、是还是否、几个字母里的哪一个——或者映射成设备该执行的一条命令。如果说特征提取是把证据准备好，分类器就是那位掂量证据、宣布判决的法官。

它可以简单到只是在数据中画的一条直线。像 LDA 这样的线性方法，会把各个特征加权求和，若总和落在某个阈值之上就判为一类、之下就判为另一类——又快又稳，是实际脑机接口里的常客。在另一端，当训练数据足够多时，神经网络则能划出复杂得多的分界。

无论形式如何，分类器都得先用带标注的例子训练，而它的好坏，永远不会超过这些例子本身。由于脑信号会漂移，许多系统还会为每个决定附上一个置信度，好让接口在模型没把握时先按兵不动、或再问一次。

天气是天空今天在做什么；气候则是天气通常的样子——把几十年的天气平均起来。气候变化指的是这些长期平均值发生了持久的改变——气温、降雨、风暴、冰雪，遍及整个地球。所以单单一个凉爽的下午说明不了什么，正如一个高个子学生改变不了整所学校的平均身高。真正要紧的，是平均值本身那缓慢而稳定的漂移。

地球的气候本来就会自然地起伏，但今天的暖化不一样：它来得快，而且主要是人类造成的。燃烧煤、石油和天然气会释放二氧化碳，使包裹地球的那层温室气体变厚，把多余的热量困住。结果就是冰川消融、海平面上升、热浪更猛烈，天气也不断刷新自己的纪录。

一个常见的误解：「去年冬天冷得要命，暖化跑哪去了？」可是更暖的气候并不会消灭冬天——它是在轻推整副牌，让骰子更偏向更热的夏天、更猛的暴雨和更久的干旱。全球平均升高几度听起来微不足道，但在上一个冰河时代最冷的时候，整个地球也不过比今天冷约5到6度——小小的平均值，足以改变整个世界。

临床转化是指从一个引人注目的实验室演示，走到普通患者真正能用上的医疗产品之间那段漫长的路。一个惊艳的结果——比如一位瘫痪者靠意念打字——只是起点，而不是一项完成的治疗。

这条路上，要经过临床试验来证明设备既安全又真正有帮助，要经过监管机构的审查和批准，还要满足一个硬性要求：它得在多年里都稳定可靠地工作，而不只是在实验室里状态好的某一天。成本和可及性同样重要：一台任何医疗系统都负担不起的设备，几乎帮不到任何人。

这就是为什么今天在科研之外能用到的脑机接口仍然如此之少。科学成果可以非常出色，而产品却离上市还有数年之遥——临床转化正是那种谨慎、往往缓慢地缩小这道差距，又不在安全上偷工减料的工作。

临床试验是一种精心控制的实验，只问一个诚实的问题：这种治疗真的有效吗？医生不靠直觉，也不靠几个充满希望的故事，而是按事先定好的规则，在真实的人身上试用新药——然后观察会发生什么，并把一切记录下来。可以把它想象成把一种药送上法庭受审，证据必须说服一群挑剔的陪审员。

一场好试验的核心，是公平的对照。患者像掷硬币一样被分成两组——这就是随机化——一组用真正的治疗，另一组作为对照，往往是一颗外表一模一样的糖丸。正因为分到哪一组完全由运气决定，两组在其他方面便几乎完全相同，于是结果上的任何差别，就只能来自治疗本身。只要条件允许，患者和医生都不知道谁拿到了什么，这样期待与一厢情愿就无法左右结果。

所有这套机制都为了一个目的：防止我们自欺。人本来就常会自己好起来，一位和善的医生哪怕开一颗没用的药，也可能看似把病治好了——这就是著名的安慰剂效应。一个常见的误解是：「似乎有效」的治疗就等于已经被证明有效；其实，只有对照试验才能把真正的疗效，与一次幸运的巧合区分开来。

想象一栋大办公楼，规矩是：每一盏灯都得整齐划一地一明一灭，一整天、每个房间都如此，连空房间也不例外。不管有没有人用这个房间，这一明一灭都在耗电。时钟门控就是物业经理走过走廊，把没人在的整片区域的总开关给关掉。在芯片里，触发器就是房间，时钟就是那永不停歇的明灭：每来一个时钟沿，触发器就重新读一遍自己的输入，而这一次重新读取就会拨动晶体管、给导线充电又放电。如果某块逻辑这一拍根本没在干正经事，你就根本不希望它的时钟送到。于是你插入一个小小的门控单元，当一个使能信号说「空闲」时，它就拦住时钟，不让它到达那一组触发器。这些触发器的输出被冻住，下游什么都不翻转，这些触发器及其扇出本会烧掉的动态功耗，干脆就没花出去。

为什么停下翻转能省这么多？动态功耗，也就是真正把信号来回切换所花的能量，遵循 P = alpha * C * V^2 * f，其中 C 是你要充放电的电容，V 是供电电压，f 是时钟频率，alpha 是活动因子，也就是一个节点真正翻转的那部分周期所占的比例。时钟网络是整颗芯片上最繁忙、alpha 最高的信号，因为按定义它每一拍都要翻转，所以它和它驱动的那些触发器主导了动态功耗。把空闲区域的时钟掐掉，那里的 alpha 就趋向于零，而由于这一项对活动因子（以及对 f 和 C）都是线性的，省下来的功耗既大又直接。要注意，这只对付动态功耗；即便晶体管不在切换、也会涓涓流过的漏电流，它一点都管不着，那个得改用电源门控（power gating）来对付。

实际工作中你很少自己手搭那个与门，因为天真地「把时钟和使能做与运算」很可能产生毛刺，或者在使能恰好在错误时刻变化时把时钟脉冲削短。取而代之的是，综合工具会插入一个专门设计的集成时钟门控单元（ICG），通常是基于锁存器的结构，它在时钟的无效相位上采样使能，从而让门控后的输出始终是一个干净、全宽的脉冲或一个干净、稳定的电平。只要你允许，工具会自动完成这件事：写成「仅当使能为真时才更新这个寄存器」的 RTL 会被识别并转换成门控时钟，而在物理设计阶段，时钟树综合（clock-tree synthesis）这一步会通过这些 ICG 单元来平衡并缓冲时钟，让被使能的路径仍然准时到达。

时钟信号是芯片内部稳定的「心跳」——一个电压不停地高、低、高、低地翻转，就像节拍器为乐队打拍子。每跳动一次，就让芯片里数百万个微小部件齐步前进、整齐划一。想象一支赛艇队，舵手喊着「划……划……划」：没人抢先，也没人掉队。时钟就是那个声音，让每一步都在下一步开始之前稳稳完成。

每跳动一次，芯片就精确地前进一步：读一个数、相加、存下结果，如此循环。时钟频率定下了节奏——3 GHz 就是每秒三十亿次跳动，也就是三十亿个微小步骤。频率越高，芯片做的事越多，但每次翻转都要耗电、发热，所以工程师必须在速度与「电池更快耗尽、风扇更吵」之间权衡。这正是手机和笔记本电脑会随时调整时钟频率的原因。

想象一座花园，里面每一棵植物都必须在同一瞬间被浇到水。如果你只接一根水管通到最近的植物，再让水顺势往远处的角落慢慢流，那么近处的植物先喝到水，远处的就要等很久。于是你换一种做法：搭一套不断分叉、每一段管长都相等的供水歧管，一次次地一分为二，让水几乎在同一时刻到达每一个喷头。时钟树综合（CTS）对时钟信号做的就是这件事。布局把每个单元放在哪里固定下来之后，时钟在源头仍然只是一根网络（net），若放任不管，它会极不均匀地扇出到成千上万乃至上百万个触发器。CTS 把这根朴素的网络拆掉，重新构建成一棵由时钟缓冲器和反相器组成的平衡树，对它们做尺寸选择并摆放到合适位置，使有效时钟边沿几乎同时落到每一个触发器的时钟引脚上。一种常见的结构是 H 树（H-tree），导线真的按一层套一层的 H 形状分叉，让每一片叶子到树根的距离都相等。

有两个数字用来衡量这棵树平衡得好不好。插入延迟（insertion delay，也叫 latency）是边沿从时钟源穿过所有这些缓冲器、一路传到某个触发器所花的时间。偏斜（skew）则是你所关心的那些触发器之间到达时间的离散程度：如果一个触发器在 1.10 ns 看到边沿，另一个在 1.13 ns 才看到，它们之间的偏斜就是 30 ps。你没法把插入延迟做到零，因为缓冲器和导线本身就要花掉实实在在的时间，但你会拼命把偏斜压小，因为时序收敛（timing closure）就指望它。建立时间（setup）检查的是数据必须在下一个时钟边沿之前提前多久到达，保持时间（hold）检查的是数据不能在当前边沿之后太快到达。偏斜会让这些边沿彼此之间相对挪位，所以一棵马虎的时钟树会凭空制造出时序违例，而这种违例靠把逻辑做得再快也救不回来。

CTS 在布局之后、详细布线之前运行，而它在不止一个意义上都是一种权衡。更大的缓冲器、更多的平衡层级能压低偏斜，却会烧掉动态功耗，因为这些缓冲器每一个都在每个周期翻转一次，而时钟网络往往是整颗芯片上功耗最大的部分之一。工具还会为片上变异（OCV）预留余量——现实中，两个完全相同的缓冲器位于芯片的不同角落时，会因为电压跌落和工艺离散而以略微不同的速度翻转，所以一棵在标称条件下看起来完美平衡的树，仍然需要留出裕量才能熬过真实的硅片。现代流程往往放宽了过去那种追求全局近零偏斜的目标，转而采用有用偏斜（useful skew），故意延迟某些触发器，为吃紧的路径借来时间，但其底层任务没有变：驯服一个时钟，让它到达那一整片触发器之海时足够整齐，以满足时序要求。

闭环脑机接口不只是读取大脑就停下来——它会实时地把结果反馈回去。反馈可以送给用户，让他看着光标移动并加以调整，也可以作为刺激直接送进大脑。无论哪种方式，大脑和机器都构成一个回路，不断地相互适应。

想想骑自行车。你不会只转一次车把就听天由命；你会时时刻刻看着自己偏到了哪里，一刻一刻地纠正。闭环脑机接口也是如此：每个动作都会产生一个看得见或感觉得到的后果，而这个后果又塑造着下一个动作。

与之相反的是开环，系统读取大脑活动并执行，却什么也不反馈回来——用户等于在盲目操控。闭合这个回路，正是让控制变得灵敏、并让用户与解码器随时间一起学习的关键。

CMOS（互补金属氧化物半导体）是让一块芯片塞进数十亿个开关、却不会把自己烧熔的窍门。每个逻辑门都成对地用上两种晶体管——输入为高时导通的 n 型，和输入为低时导通的 p 型——接法上保证：在任何稳定状态下，恰好有一个是关断的。想象一场拔河，总有一边稳稳拽住、另一边松手：输出被牢牢拉向电源或地，但电源与地之间从不会出现一条直通的导线。

正因为这条通路在静止时是断开的，一个空闲的门几乎不耗电——电流主要只在切换的那一瞬间流过：此时这个门正在给下一级门的输入端充电或放电，而且两个晶体管会有一刻同时导通。把这点极小的「每次切换」耗电乘以数十亿个门、每秒翻转十亿次，得到的是可控的区区几瓦，而不是一场烧穿。正是这种极低的静态功耗，让 CMOS 在 1980 年代取代了 NMOS、TTL 等更早的逻辑工艺，并且至今仍是几乎每一颗处理器、存储器和图像传感器的根基。

量子芯片待在制冷机的最底层，比深空还冷，可每个量子比特仍然需要来自上方温暖世界的指令：用微波脉冲去翻转它，再让返回的微波回声把它读出来。这些信号沿着同轴电缆往下走，就是有线电视用的那种带屏蔽的圆形线，只不过这里又细又半硬，从室温一路通到芯片。平均每个量子比特要用一到几根这样的电缆，所以电缆数量会随机器规模一起膨胀。

之所以用同轴电缆，是因为它能屏蔽掉外界噪声、保护脆弱的微波信号，并在长距离传输中保持信号形状。但同一根把信号往下送的电缆，也会把热往下送，因为金属既导信号也导热。工程师靠把每根电缆锚定到制冷机的冷板上，并沿途插入衰减器和滤波器来对抗它，这些器件能剥掉室温噪声，却也给制冷系统增加了负担。制冷机越往下、越冷的那几级，能搬走的热量只有涓涓细流，所以每多一根电缆，都要去抢那点稀缺的制冷预算。

这就是布线瓶颈最直观的实体形象。一块有 100 个量子比特的芯片，已经需要在制冷机里盘绕几百根电缆组成的丛林；想这样扩展到几千、几百万根根本行不通，因为电缆塞不下，它们带进来的热量也会把芯片烤过能工作的临界点。目前最被看好的出路，比如做成能在低温下运行的控制电子学（低温 CMOS），或者把许多信号复用到一根线上，都很有希望，但仍处于早期，尚未在大规模上得到验证。

耳蜗是一根细小的、充满液体的管子，盘曲得像蜗牛壳一样，深藏在你的内耳里。它的任务是把以空气振动形式传来的声波，转换成大脑能够读懂的电信号。这个转换步骤叫做听觉换能：换能的意思就是把一种能量（在这里是机械振动）转变成另一种能量（电的神经信号）。可以把耳蜗想象成一只由活细胞做成的麦克风，而且它在聆听的同时还会按音高把声音分门别类。

它的工作原理是这样的。声音让你的耳膜振动，三块小骨头把这股振动传到耳蜗里的液体中，激起一道行进的涟漪。耳蜗内排列着一行叫做毛细胞的感觉细胞，每个毛细胞顶端都长着一簇极微小的、像毛发一样的细丛。当涟漪使这些细丛弯折时，就会拉开细胞上微小的闸门（离子通道），让带电粒子涌入，从而产生电信号。这个信号被交给听神经，由它一路送往大脑。关键在于，耳蜗的排布就像钢琴键盘：靠近入口、较为坚硬的底部对高音作出反应，而松软的顶端则对低音作出反应，于是不同的声音会激发不同的部位。这正是让你能听见说话、音乐和示警喊声的第一步，而这些娇嫩毛细胞的损伤，也是永久性听力丧失的主要原因之一。

认知偏误是我们判断事物时与生俱来的一个「系统性故障」——是大脑总会稳定地偏离那个冷静、正确答案的地方。它不是愚蠢，也不是粗心；而是我们为「思考得快」所付出的代价。为了应付忙碌的一天，大脑依赖各种捷径，多数时候它们都帮了大忙。但在某些情境下，这些同样的捷径会让所有人都朝同一个方向出错，就像一辆购物车有个晃动的轮子，总是把你往左边拉。

三个著名的例子展示了这套规律。在「锚定效应」中，你听到的第一个数字会悄悄把你的估计往它那边拽——看到一件大衣标着「原价400元，现价150元」，150元就显得超划算，哪怕这件大衣根本不值400元。在「可得性偏误」中，最容易浮现在脑海里的，就感觉最可能发生，于是一则关于鲨鱼或空难的新闻，能比那些真正伤害更多人的日常风险更吓到我们。而在「损失厌恶」中，损失20元的刺痛，胜过获得20元的快乐——于是我们死守着亏本的赌注，却放过公平的机会。

这里有一点人们常常想错：知道某个偏误，通常并不能把它关掉。这些倾向运行在意识之下，自动得就像一种视错觉——即便有人讲解过，你也无法「不去看见」它。解药不是「更努力地保持理性」，而是重新设计情境：在重大决定上放慢脚步，征询第二意见，或者建立规则和清单，在那点晃动让你付出代价之前就把它逮住。

认知控制是大脑里的“内部管理者”——它让你的思想和行动始终对准目标，而不是被当下最响、最抢眼的东西牵着走。设想你决定在嘈杂的咖啡馆里读一本书。认知控制就是让你专注在书页上、屏蔽周围闲聊、忍住看手机的冲动、并理解每句话含义的那股力量，而不是被咖啡香味吸引过去。它是“有意而为”与“自动驾驶或冲动行事”之间的区别。

这种控制被称为“自上而下”，因为它的方向与本能反应恰好相反。反射是“自下而上”的：一个声音或一阵渴望抓住你的注意力，自动驱使你的行为。认知控制则从“上面”向下施压——你的目标和意图反过来塑造你注意什么、记住什么、做什么，时时刻刻都在调整。它主要依赖大脑前部的前额叶皮层，由它在脑中保持当前目标、留意“想做的”与“习惯促使的”之间的冲突，并在二者抵触时介入，压住习惯。

它之所以重要，是因为几乎一切我们视为“自主行为”的事都离不开它：抵制诱人却糟糕的选择、在两项任务间顺畅切换、把一个电话号码记在心里直到拨完、或在更轻松的干扰招手时仍坚持攻克难题。认知控制既费力又有限——它会疲惫，也会被压垮——所以疲劳、压力或同时做太多事，都会让我们更冲动、更健忘、更容易被带偏。

认知失调，是当你心里两个想法——或者你的信念和你的行为——对不上时，那种说不出的别扭。想象一个明知抽烟有害的人又点起一根烟：「这对我不好」和「可我还是抽了」之间的落差，会带来一种真实而磨人的不适。这股张力就是失调，而大脑最受不了让它一直「痒」在那里。

为了让这种「痒」消失，我们往往会改动那块最容易改的拼图。有时改的是行为，但比起撼动一个根深蒂固的习惯，挪一挪信念、或添一个让自己宽心的借口，常常更省事。于是抽烟的人未必会戒烟，反倒替自己开脱：「我爷爷抽了一辈子还活到九十」，或者「这能帮我缓解压力」。我们极擅长编出各种理由，好让自己心安理得地继续做本来就在做的事。这种事后找借口是常见的一条路子，就叫合理化。

常见的误解是：以为我们先有看法，再照着去做。其实常常是反过来的——我们先做了，再把信念扭过来配合已经做过的事。这就是为什么吃尽苦头才加入一个团体的人，反而最珍视它；也是为什么帮你一个小忙的人会对你更有好感——既然帮了你，他便推断自己一定是喜欢你的。

认知自由是指你应当是自己心智的主人。它有两面：一面是不受监视或操控、自由地独立思考的自由；另一面是自己决定对你的大脑做什么的自由——可以接受、可以掌控，也可以拒绝任何干预。

可以把它看作向内延伸的身体自主权。就像你有权决定自己身体会发生什么，认知自由也意味着你有权决定自己的心智生活会发生什么——包括是否使用脑机接口、刺激器或记忆辅助设备，以及是否把它关掉。

当外部一方——某家公司、雇主或国家——有可能读取或轻推大脑活动时，这个概念最为重要。认知自由坚持，这种权力应当留在心智所属的那个人手里，而不是默认就滑向掌握设备的那一方。

认知地图是大脑在自身内部构建并储存的关于世界的图景——它就像一张心里的平面图，记着东西都在哪里、彼此又是怎样连通的。当你能在黑暗中从卧室摸到厨房、抄一条自己其实从没走过的近路，或者在餐巾纸上随手画出住家附近的样子时，你读的正是这张内在的地图。它并不是像照片那样存下来的真实图像，而是一张灵活的网络，由记住的地点，以及它们之间的路线、距离和方向编织而成，材料则来自你在某个空间里移动时所看到、走过和感受到的一切。

在大脑里，这张地图主要藏在一个形似海马的结构——海马体——以及它的邻近区域中。那里有一些特殊的细胞，会按照所在位置来放电：某些神经元只在你处于某个特定地点时才被激活，另一些则呈现一种不断重复、像网格一样的放电模式，仿佛一套天生的坐标系统，就像在地面上铺了一层方格纸。当你四处探索时，这些细胞会学习空间的布局，把各个地标串联起来，于是地图随着经验不断自我更新。这也是为什么熟悉的路走起来近乎自动，而陌生的城市却让人晕头转向——那里的地图还没有画出来。

认知地图的意义不止于单纯的辨路。让你在空间中定位的那套大脑机制，同样帮助你储存事件的记忆，让你想象自己并不身处其中的地方、规划行程，并推理各种想法之间的关系。研究者越来越怀疑，大脑也把这套绘图的本领挪去整理抽象的知识——把概念安排得仿佛各自坐落在一片心理空间的某个位置上——正因如此，认知地图被看作一条深刻的线索，揭示记忆、导航与思维是如何拼合在一起的。

认知储备是大脑暗藏的“缓冲垫”——它是一份多余的心智容量，让有些人即使在大脑老化、萎缩或受损时，仍能保持思维清晰。设想两个人脑中受到的实际损耗一模一样：其中一个依然机敏、依然是原来的自己，另一个却陷入混乱或记忆丧失。造成这种差别的，往往就是认知储备。它并不能阻止潜在的损伤，而是给大脑提供足够的备用通路和巧妙的变通办法，让大脑在受损的情况下照样把工作完成——就像一座拥有许多小巷的城市，即便主干道被堵，车流也照样能够通行。

这份缓冲垫从何而来？它是在一生当中，由那些挑战和锻炼头脑的事情逐渐累积起来的——上学念书、富有挑战的工作、学习语言或乐器、活跃的社交生活，以及保持求知的好奇心。人们认为，这些经历会让大脑的网络更丰富、更灵活，于是当某一条通路出现故障时，大脑能够调动其他通路来分担负荷。这就是为什么两个人在脑部扫描上可能呈现同样多的阿尔茨海默病斑块与缠结，其中一个已出现明显症状，另一个却能正常生活多年——后者的储备正在掩盖那些损伤。

认知储备之所以重要，是因为它有一部分是我们可以主动建立的。与生来就决定的大脑物理大小或天生布线不同，储备会随着你一生中的选择持续增长，这也正是为什么保持心智上和社交上的活跃，是我们年老时保护思维最有希望的途径之一。它并不能保证人不会衰退，但它会抬高大脑在能力开始明显失灵之前所能承受的损伤门槛。

量子比特很脆弱。你刚把它写入一个精致的量子态，外部世界就开始把它往普通的状态推回去，而你精心写入的量子信息也随之慢慢流失。相干时间回答的是一个很简单的问题：量子比特能保持“量子性”多久，才被这种流失搅乱？你可以把它想象成一枚立在边缘旋转的硬币，保持着一个精确的倾角。相干时间衡量的就是它能维持这个倾角多久，直到杂散的振动让它摇晃、最后倒下来。

这里有两个时钟。T1 是能量弛豫时间：被激发到 |1> 的量子比特倾向于把这份能量倾倒给周围环境，再滑回 |0>，就像热的物体逐渐冷却到室温一样。T2 是退相干（失相位）时间，它追踪的是更微妙的东西。量子比特的叠加态在 |0> 和 |1> 之间携带着一个相对相位（也就是 alpha 和 beta 这两个振幅），而干涉——真正让量子算法奏效的那个机制——正是寄居在这个相位里。随机的环境噪声会不断抖动这个相位，直到它变得毫无意义。T2 通常比 T1 短，因为任何能翻转能量的扰动同样会扰乱相位，但额外的噪声也可以单独把相位破坏掉。

在实践中，这两个时间就是每次计算要花的“预算”。每道门的运行都要占用一些时间，所以相干时间与门时间的比值，大致决定了你能把多少次操作串接起来，才会让答案淹没在噪声里。在今天的机器上，这份预算很小，这正是我们仍停留在 NISQ 时代、还无法运行大规模容错算法的核心原因。更长的相干时间并不是故事的全部（门的精度和量子比特数量同样重要），但它确实是所有人都在与之搏斗的硬性物理极限之一。

协作机器人，常简称为“协作臂”或英文 cobot，是一种被设计成可以紧挨着人一起工作的机器人，能和人共用同一张工作台或同一片空间，中间不必隔着安全围栏。大多数较老式的工厂机器人力气大、动作快，但也正因为如此，它们被围栏挡在屏障后面，因为挥动的机械臂可能严重伤到靠得太近的人。协作机器人走的是相反的思路：它从设计之初就力求温和而有感知，于是人可以站在它旁边、把零件递给它，甚至轻轻把它推开，就像你和一位细心的同事肩并肩干活一样。

让这一切安全的，主要是机器本身内置的“克制”。协作机器人通常移动得更慢、棱角被做成圆钝而非锋利，并装有能感到阻力的传感器。如果它撞到你的手臂，它会察觉到这股意外的推力，于是停下或后退，而不是硬挤过去。许多协作机器人还能用手把手的方式教会它新任务：你只要抓住机械臂、带着它做一遍想要的动作，它就记住了这条路径，于是普通工人不必写任何代码也能把它设置好。正因如此，协作机器人在小型车间和拧螺丝、涂胶、打包、给机器上料这类轻活上很受欢迎。

代价是，温和会牺牲力气与速度。由于协作机器人必须安全到可以让人触碰，它通常搬得起的重量更轻、做同一个动作时也比围栏后全力运转的工业机器人更慢。所以协作机器人并不总能直接顶替一台带围栏的大型机器人；当真正的目标是让一个不知疲倦的帮手与人共同完成一项任务，而不是让它独自在墙后跑一条高速生产线时，它才最能发挥所长。

协作机器人——通常简称协作臂——是一种被造来紧挨着人、在同一片空间里工作、彼此之间不隔安全栅栏的机器人。传统的工业机器人力大而快，却对身旁的任何人视而不见，所以才被关进笼里；一旦有人踏进去，机器可能把人伤得很重。协作机器人从一开始就被设计成相反的样子：它与你共用一张工作台、把零件递到你手上，并且本就该是“碰一下也安全”的。

它靠的是温和，而非用墙隔开，来换得这份安全。协作机器人通常动得更慢、扛得更轻、棱角圆钝、没有会夹住人的缝隙，而且——这点最关键——能感知力。一旦它碰到了人或意料之外的障碍物，它能感觉到那股推力，于是停下或退开，而不是硬生生地撞过去。许多协作机器人还能被“手把手”地示教：工人只需抓住机械臂，亲手带着它把动作走一遍，无需编写任何代码——这正是它们不只适合大工厂、也亲近小作坊的原因之一。

这一切的要点，在于让人与机器在同一项任务上实现真正的分工。协作机器人去做那些枯燥、重复，或伤身的部分——稳稳托住一块沉重的面板，把同一颗螺丝拧上一千遍——而人去做那些需要判断力、灵巧度，或眼疾手快的部分。它们是共用一处工位的伙伴，而非一件必须关在栏杆后头的危险工具。

碰撞检测，就是针对机器人的某一种姿态，问出一个干脆的是或否的问题：在这个确切的姿态下，机器人有没有哪个部位和障碍物重叠——或者和它自己重叠？它正是那个告诉规划器一种姿态落在界线哪一边、是自由还是禁止的工具。其内部其实是几何运算：软件为机器人的各个连杆和障碍物都准备了简单的替身形状（长方体、圆柱、球），然后检验这些形状里有没有谁相交。要是什么都没重叠，这个姿态就是安全的；只要有任何重叠，这个姿态就处于碰撞之中。

这个不起眼的检验是运动规划的主力，因为规划器在搜索路线时会成千上万次、乃至上百万次地调用它，所以它首先必须够快。这里还藏着一个更隐蔽的陷阱：只检查单个姿态是不够的。机器人在一小段移动的起点是安全的、终点也是安全的，却可能在中途径直穿过一堵墙。所以规划器还得对每一个候选步骤做连续检测或扫掠检测——把那一小段运动整个都验一遍，而不只是验它的两个端点。碰撞检测里始终存在一种张力：速度对抗谨慎——检得太粗，会漏掉一次碰撞；检得太细，规划又会慢如蜗牛。

殖民主义，是指一个国家闯入另一群人的土地，夺取控制权，并为自己的利益来经营它——把移民、士兵和统治者安插到从未邀请他们的地方。想象一个陌生人走进你家，换掉门锁，决定你吃饭时该讲哪种语言，还把你的家具运回他自己家。这就是它的样子，只是被放大到整片大陆。

它很少只是为了在地图上划线。殖民者想要东西——黄金、蔗糖、棉花、橡胶、廉价劳动力——于是他们重组整个社会去攫取这些，往往靠武力、毁约与奴役。他们还把自己的语言、宗教和教育强加给被统治的人民，告诉他们旧有的方式是落后的。从十五世纪起，少数几个欧洲列强就是这样控制了地球上的大部分地方。

一个常见的误解是：殖民主义已安然成为过去，随着殖民地赢得独立而终结。但它划下的边界、留下的语言、被它扭向只出口原料的经济，以及它撕开的贫富鸿沟，至今仍塑造着今天的世界——这正是人们谈到它的「长长阴影」或「殖民遗产」的原因。

想象一台自动售货机的投币计数器：投进几枚硬币，显示屏立刻显示出总额。你一分钟前投了什么、机器已经开了一个小时还是刚开机，都无关紧要——输出完全是此刻投币口里这些硬币的函数。这就是组合逻辑的本质：一种输出只取决于当前输入的电路，对之前发生过什么没有任何记忆。改变一个输入，输出会在极小的传播延迟后稳定到新值；让输入保持不变，输出也保持不变。

严格地说，组合电路实现的是输入的一个纯布尔函数——同样的输入组合永远产生同样的输出组合。你用逻辑门（与、或、非、异或）搭建它们，再连成更大的模块：从几路输入中选出一路的多路复用器、把两个数相加的加法器、译码器、比较器，以及各种查表式的逻辑。关键在于：没有反馈回路，也没有存储元件，所以电路里没有任何东西会记住过去的状态。

这是与时序逻辑刻意相反的一面——时序逻辑会把输出经由触发器这类存储元件反馈回去，因此确实取决于历史，也取决于时钟。真实芯片把两者交织在一起：一团团组合逻辑算出下一拍的值，寄存器在每个时钟沿把这些值锁存下来。一个实际后果是时序——信号以有限的速度逐级穿过各个门，所以寄存器之间每一条组合路径的延迟，正是静态时序分析要拿来和时钟相比对的；其中最慢的那条便成了限制芯片能跑多快的关键路径。

提交（commit）就是把你的改动保存成一个快照，并盖上一句简短的说明，解释你为什么这么改。这是你告诉 Git「把项目就照现在这个样子记下来」的那一刻——一个你随时能回到的存档点。

提交是历史的基本单元。把它们串起来，就得到整个项目的时间线：每一个提交都知道改了什么、是谁改的、什么时候改的，以及作者用自己的话写下的原因。

那句说明比新手以为的更重要。半年之后，一句清楚的「修复空密码时登录崩溃」是给未来自己的礼物；而「改了点东西」或「asdf」帮不了任何人。写清楚「为什么」，而不只是「改了什么」。

普通法不是来自一部成文法典，而是几百年来法官在一桩桩真实案件中所作判决的累积。当法院裁决一起纠纷，它的说理便成了一种路标——一个先例——日后遇到相似的事实时，后来的法院应当遵循。于是法律像林中小径一样生长：每个走过的人，都让这条路对下一个人更清晰一些。

这之所以重要，是因为它让法律能从经验中学习，并延伸去覆盖立法者从未设想过的情形。如果邻居的无人机老是悬在你家花园上空，也许没有哪条成文法专门写到“无人机”——但法官可以回溯关于侵入与妨害的旧判例，把其中的道理用到这件新玩意儿上。“相似的案件应当相似对待”这条原则，让普通人多少能预料法院会怎样对待自己。

一个常见的误解，是以为普通法就是“不成文的法律”或单纯的习惯。它其实白纸黑字写得很清楚——写在法院公开的判决意见里——而且法官受其约束。它只是栖身于一个个案件判决之中，而非一本整齐的法典；它也与议会通过的成文法并行，而成文法随时可以推翻它。

共空间模式（CSP）是一套经典做法，用来找出把许多电极「调配」在一起的最佳方式，让两种心理状态看起来差别尽可能大。想象房间里摆了几十个麦克风，你想分别听清两位特定的说话人；CSP 会算出每个麦克风该调到多大音量，使得一位说话人很响、另一位很轻，再算出一套相反的设置。对大脑来说，这两位「说话人」就是两种状态——比如想象左手动作还是右手动作。

具体来说，CSP 会观察信号强度在整段记录里如何起伏，去寻找这样一组电极权重：在一种状态下这种起伏很大、在另一种状态下却很小。这组权重就充当一个空间滤波器：把一大群通道压缩成几条干净的「虚拟」通道，光看它们的能量就能把两种状态分开。这样一来，解码器的活儿就轻松多了。

长期以来，CSP 一直是运动想象脑机接口的主力，因为那里有用的信息正藏在大脑运动区节律的起落幅度里。它快、原理清楚，至今仍是很强的基线方法；不过它需要一段校准记录，而且一次只假设区分两种状态。

想象你和一个朋友各自在一块田里种同一种作物，而这块田有个秘密：一侧比另一侧暖。如果你占了向阳的那半边、朋友占了背阴的那半边，你的庄稼总会长得比他的好——不是因为你做了什么，而是因为这块田本身存在一道梯度。现在把你们的种植行互相交错排布，让两个人的地块都围绕同一个中心点保持平衡。这下从暖到凉的渐变会等量地灌进你们两边，平均下来正好抵消。这就是共质心版图的全部精髓：当两个器件必须高度匹配时——差分对的两半、电流镜的两只晶体管、数据转换器里的一对电容——你把每个器件都拆成若干小块，再这样摆放，使两个器件共享同一个几何中心。

在硅片上，那个“暖的一侧”是真实存在的：氧化层厚度、掺杂、机械应力、温度都会沿着芯片缓慢漂移，呈现近似直线的梯度。一对简单并排的器件之间会出现一阶（线性）差异，在放大器里表现为输入失调电压，在电流镜里表现为电流误差。由于线性梯度关于一个中心点是奇对称的——中心上方有多少、下方就有多少——把两个器件对称地环绕在同一个共同质心周围，就能让这个一阶项相减抵消，只剩下小得多的二阶曲率项。一维里常见的图案是 ABBA 交叉指状排列；二维里的经典做法是 2x2 的交叉四元组（cross-quad），A 与 B 分处对角线两端，于是两者的质心都正好落在正中心。

棘手之处在于：阵列最外圈的器件所处的“邻里环境”和藏在里头的不一样——刻蚀负载不同，旁边器件带来的应力也不同。所以你要用虚拟器件（dummy）把整个阵列围一圈：这些是额外的、电学上不起作用的副本，唯一的职责就是让每一个“真正”的指条都拥有完全相同的周边环境。共质心加上 dummy，才能把两只仅仅画得一样的晶体管，变成真正行为一致的晶体管——这也是为什么模拟匹配的成败取决于版图，而不只是电路图。

共源放大器是模拟设计里最常用的电压增益级——只要你想让一个小摆动出来变得更大，第一个想到的就是这一只晶体管。把它想成一根粗水管上的阀门：手柄轻轻一拧（栅极电压），引起的水流变化（漏极电流）远比这一拧本身要大，而你把这股电流变化读成负载上的电压摆幅。要注意它是反相的——输入往上推，输出反而往下摆——这就是增益带负号的原因。那摆动到底放大了多少？大致就是晶体管的跨导 gm（栅极操控电流的本事有多强）乘以它的输出电阻 ro（面对变化的输出电压，器件把这股电流稳住的倔强程度）：增益 ≈ -gm*ro，也就是所谓的本征增益，每一级通常在几十到一两百倍之间。而跨导本身取决于你把器件偏置得有多猛——在教科书的平方律区里，gm = 2*Id/Vov，其中 Vov 是栅极超过阈值的过驱动电压。

另外两个近亲沿用同一只晶体管，只是从不同的端子取输出。共漏级——更常见的叫法是源极跟随器——把输出取在源极而不是漏极。它几乎不放大（增益 ≈ 1，略小一点）；它的本职是当缓冲器，对驱动它的前级呈现一个轻巧的高阻负载，同时把电压以低阻、能带电流的副本交给下一级。共栅级则把栅极固定、从源极驱动：它不反相，输入阻抗低、输出阻抗高，表现得像一个电流缓冲器——很适合做共源共栅（cascode），即把它叠在一只共源器件上方，以倍增输出电阻、提升增益。可以把这三者看成一家人，按哪个端子作为公共参考来分类：共源用来放大，共漏用来缓冲电压，共栅用来干净地传递电流。

比较优势，道出了一个出人意料的道理：两个人——或两个国家——哪怕其中一方样样都做得更好，双方仍能靠交易各自得利。窍门在于，「样样都更强」并不等于「在每一笔取舍上都更划算」。要紧的不是谁手脚最快，而是谁为做一样东西所放弃的最少。想象一位才华横溢的律师，她打字还碰巧比城里任何助理都快。她仍该雇这位助理——因为她花在打字上的每一个小时，都是从更值钱的律师工作里偷来的。助理打字，她办案，两人最终都更富裕。

一个人为生产某样东西所放弃的，就是它的机会成本；比较优势说的不过是：去做你放弃得最少的那样，其余的靠交易换来。当双方各自把力气挪到自己牺牲最少的地方、再彼此交换，两人合起来便能得到比各自单干时更多自己看重的东西——这多出来的，不是来自劳作本身，而是来自把同样的工时用在更值钱的用途上、再加上交换。这笔盈余，要等到双方专业化并交易之后才兑现，它便是贸易的收益，也正因如此，专业化加交换胜过死守自给自足。

常见的误解是：以为一个样样都生产得更差的国家便一无所长，或以为某样东西自己做得最好就该自己来。两者都站不住脚。哪怕是效率最低的国家，也总有某样货物是它放弃得最少才能产出的，那正是它该专业化的地方。绝对地更强，并不足以让「自己动手」成为明智之选——真正决定的，是比较成本，而非绝对成本。

你写的代码是给人看的，但机器只会执行它自己那套底层指令——所以中间必须有人来「翻译」。翻译大体上有两种方式，而这个区别会影响你如何构建、发布和调试程序。

编译型语言（比如 C 或 Rust）会在程序运行之前，一次性把整份代码全部翻译成一个可以独立运行的机器文件。这是单独的一道「构建（build）」工序——启动前要等一会儿，但成品跑起来往往很快，而且很多错误在编译时就被揪出来了。

解释型语言（比如 Python 或 JavaScript）则是一边运行一边翻译，逐行就地执行。它没有构建这道工序，所以你改完就能立刻重跑——很适合随手折腾——但代价是：错误往往要等真正执行到那一行时才冒出来。

实际上两者的界线挺模糊：许多现代语言会先编译成一种中间的「字节码（bytecode）」，再配上各种巧妙的技巧。但这个心智模型依然管用——是「先把全部翻译完」，还是「走到哪翻到哪」。

把每个 CMOS 门电路核心处的两个晶体管想象成两栋房子，直到今天，它们一直并排盖在同一块地皮上。一个是 n 型器件，另一个是 p 型，而像反相器这样的逻辑单元两者都需要。它们彼此挨着，各占一块地方，而这种并排的占地面积，给一个标准单元能做到多小划下了一道硬底线。互补场效应晶体管，也就是 CFET，对这道底线给出的回答源自一个简单的问题：要是把一栋房子直接盖到另一栋上面，而不是挨着另起一栋，会怎样？把 n 型晶体管叠到 p 型上面（或者反过来），让它们共用同一块占地，每个逻辑单元所需的面积差不多就能减半。

这是此前那一级级器件演进之后的下一步。当平面晶体管的平坦沟道再也挡不住漏电时，它在 22nm 这一代左右让位给了 FinFET；FinFET 又在 3nm 左右把接力棒交给了环绕栅极（GAA）纳米片，在那里栅极从四面把沟道包裹起来，以获得更紧的控制。这每一步，都是在重塑单个晶体管的形状，好让它在不断缩小的同时仍能干净利落地开关。CFET 则是另一类做法：它与其说是重塑晶体管，不如说是把版图折进第三个维度，把互补晶体管对竖着叠起来。它是对版图密度极限给出的结构性回答，正如 GAA 当年是对漏电极限给出的回答。

难点在于，把两个晶体管造进同一根竖直的柱子里，是真的很难。你得在底层器件上面把顶层器件生长出来或键合上去，把两者都接进单元里又不让各层为争空间而打架，还要防止埋在下面那个器件产生的热量把整摞结构烤坏。正因如此，CFET 今天还待在研究实验室和早期开发阶段，并不在你能买到的产品里，而它天然地会与其他前沿手段搭配，比如背面供电——把供电轨道挪到晶圆背面，腾出正面那层原本拥挤的金属，否则一个更密的叠层单元会把它堵死。

复利就是利息再生利息。你把钱放在某处，它赚到一点回报——这点回报随即并入本金，于是下一次，你连同这笔变大了的本金一起赚回报。想象一个雪球滚下山坡：起初很小，但每滚一圈都裹上更多雪，而它裹得越多，就胖得越快。这种自我喂养的增长不是平稳地累加，而是不断加速。

这正是耐心对储蓄者如此有力的原因。一笔钱放上几十年，并不只是比放一年多长一点点，而是多得惊人——因为早年的收益有时间去孕育它们自己的收益。同一套引擎在债务上则反向运转：信用卡或贷款上未还的利息会被并入你欠下的本金，接着你连这部分也要被收利息。那股能悄悄堆起一笔财富的力量，同样能悄悄把一个人压垮。

一个常见的误区，是以为钱就这么按整齐的直线翻倍。其实不然——曲线是向上弯的，起初慢，随后快得惊人。正是那段后期陡峭的爬升，让「趁早开始」远胜于「日后追赶」；也正因如此，利率上一点微小的差别，经过许多年的复利，最终会天差地别。

计算神经科学是脑科学的一个分支，它用数学和计算机模拟来弄清楚大脑是如何进行计算的——也就是说，一团柔软、湿润、错综复杂的细胞，是怎样把光、声音和触觉变成想法、决定和动作的。它不只是描述神经元长什么样、哪一个在什么时候亮起来，而是提出一个更尖锐的问题：大脑到底在算什么，又是按照怎样的“配方”来算的？它把大脑当作一台神秘的机器，试图反向拆解出在它内部运转的规则，把这些规则写成方程，再放到计算机上运行，看看一个虚拟的大脑会不会表现得像真的一样。

它的研究方法是理论与实验之间的来回往返。一位研究者可能会搭建一个模型——比如一小张由模拟神经元相互连接而成的网络——给它一项任务，例如识别一个形状或记住一个数字，然后检查这个模型的活动是否与科学家从活体大脑中记录到的情况相吻合。当模拟算错了什么，这种不一致就指向了缺失的一块，于是模型被进一步打磨。这一点之所以重要，是因为大脑实在太精巧，单凭直觉无法理解：大约有八百六十亿个神经元，每个又与成千上万个相连，只有把它们的相互作用装进精确、可检验的模型里，我们才能解释记忆、视觉或决策是如何产生的。这些模型也会反过来影响更广阔的世界，启发人工智能系统，并帮助医生理解像癫痫或帕金森病这类疾病到底出了什么问题。

计算力矩控制是一种驾驭机械臂的方法，它先把机械臂自身那套复杂的物理特性抵消掉，让剩下的部分表现得像一个简单、听话的小玩具。真实的机械臂很难控制：靠近肩部的关节要对抗重力对整条手臂的拉扯，其他关节摆动时也会把它甩来甩去，而沉重的肘部和轻巧的手腕手感又完全不同。控制器不去无视这些，而是在脑中保存一个关于手臂重量、长度和运动的数学模型，并在每一瞬间精确算出每个电机所需的力矩（也就是电机施加的扭转推力），用来抵消重力和这些相互拉扯的效应。把这些已知的力提前“付清”后，每个关节就能干净利落地响应你的指令。

一旦物理特性被抵消，原本棘手的非线性机械臂就塌缩成控制器可以当作一排彼此独立、完全相同的单元来对待的东西——推一下某个关节，它就单纯地加速，既没有意外，也没有来自相邻关节的串扰。这样一来，控制器只需在上面再叠加一个朴素、温和的修正（通常是 PID 式的微调：关节离目标位置越远，就推得越用力），就能对期望路径实现干净而精确的跟踪。一句话，计算力矩控制是花掉一个机器人模型，为自己换来一个轻松的控制问题。

问题在于，它的好坏完全取决于模型：如果机器人真实的重量、摩擦或所搬运的负载与数学假设不符，抵消就不彻底，残留的误差只能靠修正项或自适应方法来收拾。这也是为什么它在特性清楚的实验室和工业机械臂上表现出色，并常常与能够实时调整模型的技术配合使用。

条件语句（conditional）是会做决定的代码。它检查某件事是不是真的，再根据答案选择走哪条路：如果（IF）这是真的，就做这件事——否则（OTHERWISE）就做另一件。程序就是这样做选择的。

它的作用像岔路口。程序走到岔口，问一个是/否的问题——用户登录了吗？购物车是空的吗？——再根据答案往左或往右走。同一段代码，面对不同情况给出不同的结果。

这些问题可以一环扣一环：如果第一个不成立，就检查第二个（else if），要是都不匹配，最后落到一个「兜底」的分支。就这样，几个简单的是/否判断叠加起来，凑出了看似聪明的行为。

条件性位置偏好是科学家用来判断动物——通常是小鼠或大鼠——是否觉得某段经历愉快的一种简单实验。它的思路很像你为什么会渐渐爱上某一家咖啡馆，仅仅因为曾经有件美好的事在那里发生过。研究者给动物准备一个有两个明显不同房间的箱子——比如一间是条纹墙、光滑地板，另一间是斑点墙、粗糙地板。在训练阶段，每当动物感觉良好（例如在获得某种奖赏之后，比如药物、美味的食物，或者同伴的陪伴），就把它放进其中某个特定房间；而平淡、中性的感觉则与另一个房间配对。没有人告诉动物任何事，它只是在几天里反复经历这些配对。

接着是测试阶段：打开门，动物可以在两个房间之间自由走动，此时不再有任何奖赏。如果它选择在那个曾经与好感觉配对的房间里待更久，这种挥之不去的吸引力就是条件性位置偏好——那个地方本身变成了奖赏的替身，因为大脑悄悄学会了把那处景象与愉悦感联系起来。研究者通过记录动物在每一侧停留的时长来衡量偏好。这项测试之所以流行，是因为它便宜、不需要专门训练动物，并且能把一种看不见的内在状态——这件事让它感到奖赏了吗？——变成谁都能数清的数字，因此成为研究成瘾、大脑奖赏化学机制，以及探究什么让经历令人愉快或厌恶的得力工具。

位形空间，几乎总是简称为“C空间”，是一张想象出来的地图，它囊括了机器人能摆出的每一种姿态，地图上的一个点就代表一种完整的姿态。这里的“姿态”指的是把机器人完全确定下来所需的那一整组数字：对一只简单的机械臂来说，就是每个关节的角度；对一台在地面上行驶的轮式机器人来说，就是它的 x、y 位置再加上它朝向哪个方向。如果一台机器人有六个关节，那它的 C空间里的一个点就只是一串六个数字，整个空间就有六个维度——根本画不出来，可拿来计算却毫无障碍。关键的思维转换在于：在 C空间里，你不再去想机器人那副金属身躯在房间里挪动，而是改去想一个小圆点在这张姿态地图上滑行。

为什么要费力搞出这么一个抽象？因为当机器人被缩成一个点时，规划运动会变得简单得多。在真实房间里，机器人是一个带着手臂和棱角的笨重形状，能以各种复杂的方式蹭到墙；规划时还要追踪这一切，简直是噩梦。但在 C空间里，整个机器人都变成了一个点，于是“机器人能不能从这儿挪到那儿而不撞上任何东西？”这个问题，就化成了一个干净得多的问题：“这个点能不能沿一条畅通的路线，从地图上的某一点走到另一点？”机器人学里几乎每一种路径规划方法，都在 C空间里悄悄完成它的工作，而不是在你看得见的物理工作空间里——正是这个核心技巧，让运动规划变得可解。

连接组是一张完整的神经系统接线图：它标出每一个神经元，并画出它们彼此之间的每一处连接。可以把它想象成一座城市的道路地图，只不过这里连接的不是把一栋栋建筑相连的街道，而是一个个被称为突触的微小接点——神经细胞就在突触处把信号传给下一个细胞。一张完整的连接组不仅告诉你哪两个神经元彼此交流，还精确地指出究竟是哪个细胞伸向哪个细胞，于是整团错综的脑内布线，就变成了真正可以追踪、可以读懂的东西。

研究者绘制连接组的办法，是把神经组织切成薄如晶片的切片，在高倍显微镜下逐张拍摄，再顺着每一条神经纤维在一张张图像间穿行，把这些连接重新拼接还原。这是一项极其浩大的工作，因为哪怕一个很小的脑，也容纳着数量庞大的细胞，以及多得多的细胞间连接；即便有计算机帮忙，标绘整个脑也可能耗时数年。迄今为止，完整的连接组只为一些小型生物绘制出来，例如一种线虫和果蝇；而小鼠、人类等更大脑的图谱，仍然只是局部的。

之所以付出这一切辛劳，是因为布线塑造行为。知道哪个神经元连向哪个神经元，科学家就能精确地追问：一个环路是如何产生视觉、记忆或运动的，并通过单独开启或关闭某个细胞来检验这些想法。连接组本身并不能解释一个脑是如何思考的，正如一张道路地图并不能解释交通状况；但它是其他解释赖以建立的根基，也是理解人类心智的一个长远目标。

连接组学是绘制大脑完整接线图的科学——标出每一个神经细胞（神经元）以及它与其他细胞建立的每一条连接。可以把大脑想象成一座庞大的城市，神经元是其中的建筑，它们之间的连接就是道路、电话线和电缆。连接组学力图画出这套基础设施的完整地图，连最细小的巷子都不放过，好让我们看清每个部分究竟如何与其他部分对话。

绘制这样一张地图难度惊人。单个人脑约有860亿个神经元，每个神经元又能通过称为突触的微小接点连接到成千上万个其他神经元，连接总数高达数万亿条。为了追踪它们，科学家把脑组织切成比头发还薄的薄片，用强大的电子显微镜逐片拍照，再用计算机把图像拼接成三维模型，靠人工或人工智能逐根追踪每一条线路。迄今为止，只有少数小生物被完整绘制过——一种拥有302个神经元的线虫，以及一只果蝇的大脑——而完整的人类连接组仍是遥远的目标。

为什么要费这番功夫？人们希望，记忆、个性与思想真正栖身之处不仅在于神经细胞本身，更在于这些连接的模式。一张完整的接线图或许能揭示健康大脑如何运算，以及在自闭症、精神分裂症或阿尔茨海默病等病症中这套接线如何出错，从而为研究者提供一张用于诊断和修复的电路图。

意识，简单说就是“此刻当你这个人，是有某种亲身感受的”这一事实。当你读着这些字时，你并不是像机器那样只在处理文字——你是在真切地体验它们：屏幕的明亮、脑海里那个安静的声音、后背的一丝酸痛，以及这一切都正发生在“某个人”身上、而那个人就是你的感觉。这种醒着、有所觉察的亲身的、第一人称的质感——那部别人看不到的内心电影——正是科学家所说的意识。

它之所以如此令人费解，是因为它似乎是从普普通通的脑组织里冒出来的。你的大脑是一大群约八百六十亿个神经细胞，它们彼此交换着微小的电信号和化学信号，却没有哪一个细胞单独装着“体验”。可不知怎的，它们的协同合作竟拼出了一幕统一的场景——咖啡的香气、它的温热、它勾起的回忆——全部被绑在一起，汇成一个仿佛属于单一“自我”的当下时刻。研究者研究意识的办法，是观察大脑在“有意识”和“没意识”的状态之间如何变化：无梦的深睡、麻醉或昏迷都会调暗或关掉这部内心电影，而清醒、做梦和警觉的注意又会把它重新打开。把这些状态加以对比，有助于揭示这种体验似乎搭乘在哪些大脑活动模式之上。

意识的意义远不止于满足好奇心。正因为有它，沉睡中的病人才可能感到手术刀，也才需要被安全地麻醉以免去这种疼痛；正因为有它，我们才把一个人、而不是一台温控器，当作会受苦的存在来对待；也正因为如此，关于昏迷、动物、乃至未来机器的种种问题，归根到底都取决于其中是否真的存在任何内在体验。它至今仍是科学中最深的未解难题之一：我们能够描绘出与体验相伴出现的大脑活动，但要解释这些活动为什么会从内部“感觉到点什么”，依然无人能够说清。

共识机制，是区块链用来让成千上万互不相识、没有老板也没有中央服务器的人，对同一份「事实」达成一致的一套规则——也就是哪些交易发生了、以及它们的先后顺序。难点在于：这些参与者彼此并不信任，其中有些人可能在撒谎或出了故障，可他们最终都必须得到完全相同的账本。共识机制，就是让这件事成为可能的那套约定好的流程。

想象一个挤满人的房间，每个人都各自保管着一本共享笔记的副本，而且没有裁判。为了保持同步，这群人需要一种公平、公开的办法来决定下一页该照抄谁的，还需要一种办法让作弊变得代价高昂或毫无意义。共识机制做的正是这件事：它决定由谁来提议下一个区块、其余人如何检查这个区块是否守规矩，以及当出现分歧时如何化解，好让整个网络都收敛到同一条链上。

不同的区块链会选择不同的机制，各有各的取舍。工作量证明让「提议一个区块」必须付出实打实的计算，因此改写历史会在电费上付出天价。权益证明则要求参与者锁定一笔资金，一旦作恶就会被没收。无论哪种，目标都一样：在没有人当家作主的情况下，让诚实的参与者保持一致——这正是区块链能够作为一个无领袖、难以篡改的系统运转下去的原因。

想象你要测试一台自动售货机。你可以手写一张清单——投入一美元、按下 B4、期待掉出一块糖——但这样你永远只能检查到自己想得到的那几种情况。真正咬人的缺陷往往是没人设想过的：有人同时塞进三枚硬币、一下按了两个按钮，还在同一秒里要求找零。约束随机验证把这套工作反了过来。你不再逐条手写每个测试，而是描述合法输入的规则——硬币必须是有效面额，选择必须对应真实的货道——然后让工具发射成千上万种全都遵守这些规则的随机组合，去搜寻那些没人会想到要写下来的边角情形。

更确切地说，它是一种激励生成策略：每个测试用例都从受约束界定的空间里随机抽取——这些声明式规则让随机值既合法又有意义。约束求解器会挑选同时满足每一条规则的值：一个落在范围内的地址、一个对该协议而言合法的报文长度、一种只有在另一字段被置位时才允许的突发类型。每次都换一个不同的随机种子，单个测试平台就能在多轮运行中遍历输入空间的一大片区域，到达定向测试永远偶然撞不进去的状态。

问题在于，单凭随机性并不能告诉你实际覆盖到了什么，所以这项技术从不单独使用。你会把它与功能覆盖率搭配，来衡量哪些场景真正被命中——并据此判断何时可以收手——再与断言搭配，在设计行为异常时自动报警；两者合在一起，就把一股随机用例的洪流变成了可衡量、能自检的验证活动。这正是现代 UVM 测试平台底层的引擎，在那里约束随机生成、覆盖率和检查正是大型 RTL 设计接受验证的标准方式。

接触动力学研究的，是机器人触碰到这个世界的那个确切瞬间会发生什么——当一只脚落到地面、一只夹爪合拢夹住一个箱子、或一根指尖按下一个按钮的时候。只要机器人还在空气中运动，它的物理就平滑而可预测。可一旦发生接触，一切都骤然改变：表面会反推回来，运动在某个方向上突然被挡住，力也可能瞬间飙升。接触动力学，就是描述这些突如其来的触碰、按压和磕碰的那一整套规则与模型。

有三件事让接触格外难以建模。第一，接触是单向的：地面可以把你的脚往上顶，却永远不能把它往下拉，所以这套数学必须只在表面真正压到一起时才“开启”。第二，硬碰撞几乎是一瞬间完成的——锤子的一击、或一只脚重重砸下，会在电光火石间改变速度，更像是猛地一震、而不是缓缓一推。第三，接触处的摩擦决定了物体是抓得牢还是会侧向打滑，而这正是“一只手握住杯子”和“杯子滑脱出去”之间的差别。一个好的接触模型，必须把这三件事同时刻画出来。

把这件事做对，是实体机器人成败的关键。一台行走机器人能站稳，正是因为每一步都把力干净利落地通过与地面的接触传递了出去；一只机器手能抓起一枚易碎的鸡蛋，靠的是精确地拿捏自己按压的力度、以及表面会不会打滑。机器人控制器和物理仿真器都极度依赖接触动力学，而它至今仍是机器人学中较难啃的一块——恰恰因为真实的接触又乱、又快、又极容易被建错。

富接触操作，涵盖的是这样一类任务：机器人一直在触碰、摩擦、磕碰着各种东西，而且随着任务推进，这些接触一次次地建立又断开。想想插充电器、拧螺栓、把两块乐高积木卡到一起，或者把一根销钉塞进一个很紧的孔里。这些都不是把手臂从甲处平滑地挥过空气、移到乙处的那种动作；它们是靠“手感”做出来的活儿，整个过程里零件之间都在挤压、滑动、卡住、就位。

这类任务之所以难，是因为在僵硬的零件之间，极小的对不齐就会引出极大的力。一根销钉在进孔时哪怕偏心一根头发丝，它就会卡死，机器人会感到一记尖锐的反推；要是硬来，就会把东西弄坏。所以机器人不能闭着眼睛照着规划好的路径走——它必须“柔顺”，也就是一感到阻力就退让一点点，就像你自己的手会把一把没完全插进锁的钥匙轻轻晃动一下。这份“软”，再加上通过指尖或手腕去倾听受到的力，才让机器人能去“摸索”出正确的对齐，而不是一头撞过去。

正因为在这个尺度上，单凭位置永远不够准，富接触操作便把“运动”与“力的感知和退让”糅在一起：轻轻地推、感觉它卡在哪、顺着表面滑、让接触本身把零件引导到位。插装与装配——工厂里最家常的活计——正是经典的例子；而要让机器人做得像熟练工人那样行云流水，至今仍是一道活跃的前沿课题。

容器（container）是一个轻量、密封的小盒子，把你的应用和它运行所需的一切打包在一起——正确的语言版本、依赖库、各种配置，全都装进去。把这个盒子交给任何一台机器，应用的表现都一模一样，从此告别经典的「在我电脑上明明能跑」的烦恼。

可以把它想象成码头上的标准集装箱：起重机不在乎里面装的是冰箱、香蕉还是汽车零件，它只负责吊起一个标准尺寸的箱子。你的笔记本、同事的电脑、线上的生产服务器，跑的都是同一个容器、同一种方式。

容器比完整的虚拟机更轻，因为它共用宿主机的操作系统，而不必各自再背一套。Docker 正是让容器流行起来的工具，你常会听到「起一个容器」来表示启动它。

合同是一个由法律为之撑腰的承诺。买一杯咖啡、租一套公寓、接一份工作——每一桩都是一笔交易：若一方食言，另一方便可走进法庭，要求对方履行承诺或赔偿损失。这里还有一个不那么显眼的条件：双方都得真心想要受法律约束。正是这份意图，使得朋友间一句随口的「行啊，周六我帮你搬家」通常根本算不上合同——谁也没指望要闹到法官那里去。

经典的配方有三种成分。一方发出要约（「我这辆自行车一百块卖给你」）；另一方承诺接受（「成交」）；并且有价值的东西在双方之间往来——这就是「对价」。双方都得付出点什么，才能换得点什么：我的车换你的钱。若只是单方面答应送一件礼物，没有任何回流，通常就不是法院会强制执行的合同。

一个常见的误解是，合同非得是一份厚厚的、签名密布的文件。其实大多数合同只是口头说定，或仅凭一次握手、一次刷卡便已敲定，照样具有约束力——不过有些种类必须落成书面才能强制执行，比如土地买卖，或是替别人的债务作担保的承诺（这条规则叫做「防止欺诈法」）。但对于日常的交易，书面文本对于「订立」合意并不那么要紧——它更大的用处，是日后用来证明大家究竟约定了什么。

控制带宽衡量的是：一个控制器实际上能跟得上多快变化的指令。设想有人在驾船去追水面上一条扭来扭去的线。如果这条线弯得慢，舵手就能轻松跟住；如果它越来越快地左右折返，到某个程度船就是转不过来，开始抄近路、落在后面。带宽大致标出了这个极限所在：它是系统在“放弃并落后”之前，仍能较好跟随的最高变化速率——也就是最高的扭动频率。

同一个数字也描述了控制器能抵御哪些扰动。慢慢推来的力——逐渐增强的逆风、缓缓耗尽的电池、被轻轻加上的负载——都落在带宽以内，于是控制器有时间察觉并纠正它们。而快速的撞击——一记急促的颠簸、一阵突如其来的阵风、电气噪声——发生得比控制环能反应的还快，于是它们会“漏”过去，显现在输出上。一句话：带宽越宽，跟随指令越快、对快速扰动的抑制也越强；带宽越窄，系统越迟钝，但往往也更平静、更稳定。

你也许会以为带宽越大越好，但这其实是一种权衡。把带宽推高会让系统更神经质、更急切，从而放大传感器噪声，并可能把它推向不稳定或振荡的边缘。它还受到物理现实的封顶：无论控制器多聪明，电机、齿轮以及被移动的质量，都只能以一定的速度作出反应。好的设计会把带宽设得刚好够用、而不更高，并在硬件和稳定性开始“抱怨”的速度之下，留出一段安全裕度。

控制策略，就是机器人在每一刻用来决定该做什么的那套规则。把机器人此刻对自己和世界的了解喂给它——比如各个关节的角度、摄像头看到的画面、自己移动得有多快——策略就会回给它一个动作：转这个电机、迈这一步、把这个夹爪合上。你可以把它想象成机器人的本能，或者一种“看到这个、就做那个”的习惯。机器人学习的全部意义，就在于让机器人从数据和经验中长出一套好的策略，而不是靠人一条一条地手写出每一个“如果……就……”的规则。

策略分为两类。确定性策略是一份严格的食谱：同样的处境永远产生完全相同的动作，就像一台恒温器，每次都在分毫不差的同一温度把暖气打开。随机性策略则给出一组带概率的可能——“大多往左走，偶尔直走”——再像掷骰子一样从中挑一个。这点内置的随机性出奇地有用：它让机器人在学习的同时还能尝试新做法，也让机器人不至于可预见地卡死——否则那份严格的食谱会让它一次又一次地撞向同一面墙。

一个控制系统如果是稳定的，就意味着：在你轻推或扰动它之后，它最终会重新安定到一个稳态，而不是越摆越大、失去控制。想象一只碗里有一颗弹珠：你弹它一下，它会滚动片刻，然后静静地停在碗底——这就是稳定。现在把碗翻过来，让弹珠停在碗顶：哪怕最轻微的一碰，也会让它滚落而去，再也回不来——这就是不稳定。稳定性，说到底就是“扰动会衰减”和“扰动会放大”这两者之间的区别。

为什么这件事如此要紧？反馈控制器时刻都在对误差作出反应，一个设计糟糕的控制器可能反应过猛、冲过头，接着又朝反方向猛冲一下，于是不断把自己的错误又喂回去，直到摆幅炸裂开来。稳定的设计保证的是相反的局面：把系统撞离正轨，晃动会在每一个周期里逐渐缩小，直到重归平静。这是任何控制器都必须具备的、最重要的一条性质。快、准、稳固然都好，但一个又快又准却不稳定的系统比毫无用处还糟——它是危险的，因为运动会失控狂奔。

在实际中，稳定性并不是非黑即白的；工程师会谈论一个系统“有多稳”——也就是它的安全裕度。一个设计在理论上可能是稳定的，却仍在悬崖边上摇摇欲坠：要么半天才能安定下来，要么负载一变就立刻陷入振荡。所以好的控制不只追求“稳定”，更追求在机器实际会遇到的各种工况范围内，都能舒舒服服地保持稳定。

可控性提出的是一个看似简单的是非问题：只用你被允许去拨弄的那些旋钮和操纵杆，你能不能把一个系统驱赶到你想要的任意状态？这里的“状态”指的是描述系统正在做什么的那一整套内部条件——位置、速度、温度等等。如果给足时间，你可用的输入能把这些内部条件中的每一个都驱动到任意选定的值，这个系统就是可控的。如果系统的某个角落，无论你怎样操作控制都永远到不了、也改变不了，它就不是完全可控的。

一个家常的画面有助理解。假设一列玩具火车跑在一条“8”字形轨道上，而你唯一的控制就是油门。你可以把火车放到轨道上的任何位置、或快或慢——但你永远没法让它脱离轨道、停在房间正中央，因为没有任何油门设定能到达那个状态。轨道限制了你这唯一的输入能产生哪些状态。真实机器也有同样的问题：一架失去了一个电机的四旋翼，也许无法到达某些倾斜与自转的组合；一套只有一个炉子的供暖系统，无法独立设定每个房间的温度。这种“够不着”，正是可控性的缺失。

工程师在意它，是因为可控性是控制本身的前提：对于你的输入在物理上根本影响不到的状态，你无法设计出一个调节器去维持它或移动它。可控性是在动手搭建任何控制器之前，就从系统的数学模型里检验出来的，它还常常指导硬件选择——把推进器放在哪里、要加多少个执行器、装哪个阀门——好让所有要紧的状态都能够得着。某部分不可控的系统，通常需要的是更多或位置更好的输入，而不是更聪明的算法。

CNOT 门是一种作用在两个量子比特上的操作，规则很简单：一个量子比特是控制位，另一个是目标位；只有当控制位处于 |1> 时，门才会翻转目标位（把 |0> 和 |1> 互换）。如果控制位是 |0>，则什么都不发生。你可以把它想象成一个接在传感器上的电灯开关——只有传感器被触发时灯才会切换状态，否则保持不变。对于普通的 |0> 和 |1> 输入，它的行为就和平常的“如果—那么”逻辑完全一样，因此很容易理解。

真正有意思的地方出现在控制位处于叠加态的时候。由于这个门是对整个两量子比特态一次性起作用的（而且和所有量子门一样是可逆的），当送进去的控制位是 |0> 和 |1> 的混合时，它会把两个量子比特关联在一起：目标位的取值变得与控制位绑定。其结果可能是一个纠缠态——你无法通过分别给每个量子比特各自独立的状态来描述它，测量其中一个就会告诉你关于另一个的信息。这正是为什么 CNOT 在大多数硬件中都是最主力的纠缠门，也是为什么单量子比特门加上 CNOT 合在一起，就足以搭建任何量子电路所需的一切。

控制器的增益，说白了就是当出现偏差时，它“反推”的力道有多大。想象你把车开回自己的车道：如果你只是轻轻打方向盘，车要飘上好久才回正；如果你猛地一打，又会冲过头到对面，开始左右摇摆。增益就是这个“方向盘打多少”的选择，它被写成一个数字，控制器用它去乘以误差。增益小，反应温和而缓慢；增益大，反应又快又猛。整定，就是动手挑选这些数字的功夫，让机器既能迅速纠正自己，又不会冲过头、发抖或失稳。

大多数真实的控制器并不是只有一个旋钮，而是好几个——比如 PID 控制器的三个分量，每个都有自己的增益——而它们彼此互相牵扯。为了求快把一个调大，常常要以晃动作为代价；想压住晃动，反应又会变得迟钝。所以整定永远是在人们最在意的三件事之间走钢丝：响应速度（多快到达目标）、稳定性（能不能稳下来，而不是没完没了地振荡）和超调量（在稳定之前冲过目标多远）。好的整定，能找到那个甜蜜点，让系统同时做到反应敏捷、平稳又不慌乱。

工程师整定的方式各不相同。有人靠手动拧旋钮，一边看机器的表现，一边把每个增益上调或下调，直到感觉对劲为止。也有人按“食谱”来——一套套经验法则，先做个简单实验，再据此给出建议的起始值。还有许多现代系统会自我整定：测量自己的响应，并自动调整增益。无论用哪种方法，目标都是一样的：找到一组数字，让控制器恰到好处地反推——既不畏首畏尾，也不暴力过猛。

趋同演化，是指亲缘关系很远的动物各自独立地得出相似的解法，因为这种解法好用，而不是因为它们从共同祖先那里继承而来。智能的趋同演化，意味着复杂的解决问题、学习以及灵活应变的行为，曾不止一次地演化出来，且发生在以非常不同的方式构建大脑的谱系之中。

章鱼及其头足类亲戚是经典的例子。它们与脊椎动物最近的共同祖先，是五亿多年前一种简单的蠕虫状生物，然而章鱼学得很快、会使用工具，并带着惊人的好奇心去探索。引人注目的是，章鱼的神经系统有很大一部分分布在它的腕足里，而非集中在一个中央大脑，所以它是沿着一条与我们截然不同的路径，抵达了令人印象深刻的行为。乌鸦和鹦鹉是另一类例子：它们没有新皮层，却仍在某些认知任务上与猿类不相上下。

由此可知，聪明的大脑并没有唯一的配方。智能并不是一道所有动物都朝着人类顶峰攀爬的阶梯；它更像是同一个好用花招的好几次各自发明。比较这些彼此独立的解法，能帮助科学家追问“心智究竟需要什么”，而不是想当然地认为哺乳类的方式就是唯一的方式。

卷积神经网络（简称 CNN）是一种让计算机「看见」东西的人工大脑。它不会一口气盯着整张照片，而是把一个小窗口——一块小小的滤镜——滑过图像，一次只看一小块，就像你拿放大镜在地图上一格格地扫。每块滤镜只专门捕捉一样简单的东西：一道斜边、一抹颜色、一段弧线。

巧妙之处在于把这些层叠起来。第一层找出朴素的边缘；下一层把边缘拼成转角和纹理；再上一层把它们组装成眼睛、车轮或花瓣；最顶层终于说出「猫」或「停车标志」。从最底层一步步搭起来，简单的零件变成丰富的形状，再变成完整的物体——而网络靠着在数百万张带标签的图片上反复练习，自己学会该用哪些滤镜。

一个常见的担忧是：CNN 会不会把训练用的照片原样「背」下来。多半不会：因为同一块小滤镜会在图像的每一处反复使用，网络倾向于学到放在哪里都管用的模式——一张脸就是一张脸，无论它在画面的角落还是正中央。但「死记硬背」（也就是「过拟合」）仍然可能发生，这正是训练要用海量、多样的数据集的原因。正是这种善于提炼可复用模式的本领，让 CNN 成了计算机视觉的主力，从手机相机到医学影像，背后都有它。

Cookie 是网站请你的浏览器替它保管的一张小纸条——而且每次你再访问同一个网站时，浏览器都会自动把它递回去。网站就是靠它记住你的。HTTP 本身很健忘：每一次请求到来时，都像你从没来过一样，于是网站塞给你一张小名牌，你的浏览器就悄悄替你别上，留着下次用。

它最经典的用途，就是让你保持登录状态。你登录时，服务器回给你一个 Cookie，里面装着类似会话 id 或令牌（token）的东西。从此你的浏览器会把这个 Cookie 附在每一次请求上，网站一看便知「啊，是你」——不用在每个页面都重新输一遍密码。

说到底，它只是网站设置、由浏览器存下的一小段文本，而且只属于那一个域名。Cookie 不是程序，读不了你的文件；它更像网站递给你的一张寄存牌，你每次回来时礼貌地再亮一下而已。

坐标系就是你选定的一个起点，再加上一组用来衡量一切的方向。想象你站在房间的一个角落：把那个角当作零点（也就是原点），然后把一面墙叫作“前”，另一面墙叫作“左”，正上方叫作“上”。这样一来，房间里任何一个位置都可以用三个数字来描述——往前多远、往左多远、往上多高。这些数字之所以有意义，正是因为你事先约定了那个角落和那三个方向。这套约定好的“角落加方向”，就是坐标系。

机器人之所以在意坐标系，是因为一台机器人从来不是孤零零地待在一个地方。房间有自己的坐标系，机器人的底座有一个，它的夹爪有一个，相机有一个，桌上的一只咖啡杯也有一个。同一只咖啡杯，在每个坐标系里的数字都不一样——离相机近、离底座远、在夹爪的稍微偏左处。这些数字没有哪一个是“真正的”位置；每一个都是从某一个坐标系讲出来的真相。说“杯子在 (0.3, 0.1, 0.0)”，在你说清这些数字是在哪个坐标系里量出来之前，是没有意义的。

正因为如此，机器人里几乎每一次空间计算，其实都是坐标系之间的对话：知道某样东西在一个坐标系里的位置，再算出它在另一个坐标系里的位置。坐标系搞错了，机器人就会满怀信心地把手伸到杯子旁边整整三十厘米的地方。所以搞机器人的人对“随时讲清楚是哪个坐标系”几乎到了挑剔的地步，就像细心的厨师总会讲清单位——“200”，是什么的 200？克？毫升？坐标系，就是位置和方向的那个“是什么的”。

共面波导是把微波信号在超导量子芯片上四处传送的那种最常见的布线形状。它其实就是三条平铺在同一表面、并排而置的金属带：中间一条细细的中心导体，两侧各有一片宽阔的接地平面，它们之间隔着一道窄窄的、露出衬底的缝隙。信号沿中心带行进，两侧接地则给电场提供一个可以推靠的对象。由于一切都落在芯片的同一个面上，你可以用同一层超导薄膜、在一道工序里把它们全部刻出来——这正是它成为主力布线方案的重要原因之一。

共面波导好用，是因为它的表现由简单的几何决定。中心带的宽度和它到两侧接地之间缝隙的大小，决定了这条线的特征阻抗；设计者几乎总是把这些尺寸调到约 50 欧姆——这是微波世界其余部分所期待的数值——好让信号进出时不会被反射回来。同样的形状还身兼二职：把一段共面波导裁成合适的长度、任它振荡，它就变成了一个谐振器，也就是用于量子比特读出和滤波的那个音叉式元件。于是同一种线形既负责传送控制和读出信号，也在芯片上构成了许多谐振电路。

这里有两个诚实的代价。其一，共面波导有两条彼此分开的接地带，若任由它们漂移分开，就会沿着缝隙寄生出一种不想要的振荡模式，叫做缝隙线模式（slotline mode），它会偷走能量、让信号在量子比特之间泄漏；设计者靠每隔一段就用小小的跨接桥（空气桥）把两侧接地缝合起来，来压制它。其二，电场会挤进金属边缘旁那道窄缝、以及露出来的衬底表面，而那里恰恰是有损耗的缺陷和污染物盘踞之处，于是能量从那里漏走，并直接喂进量子比特的退相干。所以把共面波导做好，既关乎打中目标阻抗，也同样关乎干净的边缘和接好的接地。

在一台多关节机器人里，科里奥利与离心项，是纯粹因为机器人已经在运动才冒出来的那些额外的力——一旦它静止下来，这些力就立刻消失。它们是动力学中并非由重力、也并非由加速度驱动，而是由速度驱动的那一部分：取决于此刻各关节正转得多快。设想一把旋转的办公椅。当你一边转一边把腿伸出去，会感到一股力把腿向外甩开；那股向外甩的劲，就是离心效应。而如果你在仍旋转着时把手臂收进或伸出，会感到一股先前没有的横向轻推；那股横向的推，就是科里奥利效应。

这些力之所以重要，是因为机器人的关节是相互联动的，于是一个关节的运动会悄悄在其它关节处搅起力来。离心项随某关节自身速度的平方增长——转速翻一倍，向外甩的劲大约翻四倍。科里奥利项则在两个关节同时运动时出现，把它们的速度耦合成手臂别处所感受到的一份力。这两者都不来自任何电机的有意推动；它们都只是对“一个运动着的、带关节的物体如何自我推搡”这一现象的记账。工程师常把它们汇成一个整体，写作 C(q,q̇)，其中的 q̇ 是在提醒：这些力取决于各关节运动得多快。

忽略这些项，一台缓慢运动的机器人差不多还会如你所料地表现——可一旦命令它快速运动，那些未被建模的速度之力就会把它带偏，造成冲过头、漂移或振动。正因如此，高速、高精度的控制必须显式地计算并抵消科里奥利与离心项，好让手臂即便是在空中甩动、而非缓缓爬行时，也能咬住自己的目标。

胼胝体是一条厚实、弯曲的神经纤维桥，深藏在大脑正中。它的任务是把大脑的两半——左右大脑半球——连接起来，让两边能彼此沟通。可以想象两个人在同一张书桌的两端各自工作：如果没有办法来回传纸条，每个人就只知道事情的一半。胼胝体就是那一大叠纸条，由大约两亿条线一样的纤维左右横向连接而成。它是大脑中最大的这类连接，而由于这些纤维包裹着一层苍白的脂肪绝缘外衣，看上去呈白色——所以它属于科学家所说的大脑白质。

每时每刻，两个半球处理的任务略有不同——对许多人来说，左脑偏向语言，右脑偏向空间感——可你体验到的世界却是浑然一体的。这种统一靠的就是胼胝体不停地把信号在两边来回传递，让两侧的运动、视觉、触觉和思维保持协调。当这座桥被切断或天生缺失时，效果非常惊人：在极少数为控制严重癫痫而切断它的手术中，两个半球最后会表现得几乎像两个各自独立的头脑，彼此都不知道对方看到了什么、决定了什么。这一戏剧性的结果，正是最清楚的证明，说明这束安静的纤维在日常协调中究竟付出了多少。

CORS（跨域资源共享）是浏览器的一条规矩：它会拦住一个网页，不让它悄悄去调用另一个网站的 API——除非那个网站明确说过「可以，我允许你」。你的页面来自一个「源」（origin，比如 myapp.com），而 API 住在另一个源（api.bank.com）；默认情况下，浏览器会把这两者之间的门「砰」地关上。CORS 就是把这扇门重新打开的那次礼貌握手。

它的存在是有道理的。要是没有它，你随手点开的任何一个可疑网站，都能借着你浏览器里已经存着的登录 cookie，朝你的银行、你的邮箱、你的一切发请求。所以浏览器默认就是「一个页面只能自由地跟自己的源对话」，而服务器必须主动选择放行——回送一个请求头（Access-Control-Allow-Origin），点名谁是受欢迎的。

下面这点是每个新手都会栽的坑：所谓「CORS 错误」并不是你代码里的 bug，其实也不算服务器报的错——它是浏览器拒绝把一个服务器其实已经发回来的响应交给你，因为服务器忘了带上那个许可请求头。修法在 API 服务器那边（加上那个头），而不在你的前端。明白了这一点，控制台里那一串红字就不再吓人了。

皮层分层指构成新皮层的六层水平排列的细胞薄片，它们一层叠一层。新皮层是大脑表面那层布满褶皱的外壳，我们大量的思考、视觉和运动都在这里被组织起来。如果把这层外壳切开，放到显微镜下观察，看到的并不是一团均匀的细胞糊，而是一道道条带，就像千层蛋糕里的层次——在这些条带中，神经元（大脑里负责传递信号的细胞）的大小、形状和排列的疏密都会发生变化。这些条带就是分层，解剖学家从表面向内把它们依次编号为第一层（最外侧）到第六层（最深处，紧贴大脑的白质）。拉丁语把这样一层称为“lamina”，因此这种分层结构被称为层状结构。

每一层都有自己的任务，这主要由它所连接的对象决定。第四层是主要的“收件箱”：它接收来自丘脑的传入信号，而丘脑是把各种感觉信息汇集起来的中继站。第二层和第三层主要向两侧延伸，与皮层的其他区块对话，把相隔较远的区域编织在一起。第五层和第六层则是“发件箱”：它们的大型神经元把指令向下、向外发送——传到脊髓、肌肉和其他深部脑结构，或返回丘脑。第一层位于表面之下，几乎没有细胞体，主要是一张连接纤维织成的网。由于新皮层的每个区域都共用这套相同的六层方案，却又根据各自的任务调整每层的厚度（运动区的第四层很薄，感觉区的第四层很厚），分层就成了一种通用蓝图，帮助科学家绘制皮层地图，并比较不同脑区，乃至不同物种之间的差异。

皮层微刺激是记录的反向操作：不是去倾听神经元，而是轻轻地推它们一把。通过纤细的电极送入微小的电流，让附近的神经元放电，于是你是在把信息写入大脑，而不是把它读出来。

最引人注目的用途是恢复触觉。通过刺激大脑皮层中处理身体感觉的那部分，研究者可以让一个人感到手上有压力或刺麻感——哪怕那是一只假手——仿佛它真的被触碰了一样。再配上一只带传感器的机械手，这条手臂就能反过来报告它正握着什么。

其中的功夫在于既轻柔又精准：用刚好足够的电流，在恰当的位置唤起清晰、自然的感觉，而不扩散、不压垮、也不损伤组织。做对了，一台机器对世界的触碰，就变成了这个人真正能感觉到的东西。

皮质脊髓束是把你有意识的运动指令从大脑送往脊髓的主干线路。当你决定动一下手指、打出一个字或迈出一步时，这个命令最先在运动皮层产生——它是大脑顶部附近负责规划自主动作的一条带状区域——随后沿着这束又长又多的神经纤维传下去。可以把它想成一条专用高速公路，从大脑的指挥中心一路穿过脑干、进入脊髓，沿途设有若干出口，信号在那里被转交给真正驱动肌肉的神经。

它以两段接力的方式工作。这束纤维属于上运动神经元——这些细胞的胞体位于大脑皮层，而它们的“电缆”一直向脊髓方向延伸。大多数纤维会在脑干下部交叉到对侧，这正是为什么左半脑控制身体右侧、右半脑控制身体左侧。到了脊髓相应的高度，每根纤维把信息交给一个下运动神经元，由这第二个细胞伸向某块肌肉、命令它收缩。这条通路对精细、灵巧的手指和手部动作尤为关键，因此一旦它受损——例如中风或脊髓损伤——往往会造成受影响一侧的无力、笨拙以及精细控制能力的丧失。

皮质醇是一种激素——也就是随血液传送的化学信使——由肾上腺分泌。肾上腺是两顶坐在肾脏上方的小帽子。皮质醇的主要任务，是通过调动能量让身体做好迎接挑战的准备：它把糖分推入血流、让这份燃料更容易被取用，并让你变得更警觉，就像一位经理在大订单到来时打开仓库、通知所有人随时准备开工。你在承受压力时最能清楚感受到它的作用——开车时险些出事、考试、或一场紧张的争吵——但它也按每日节律分泌，清晨达到高峰、帮你醒来并打起精神，到夜里则降到很低，好让你休息。

皮质醇是身体应激反应中缓慢而持久的那一支，它在几分钟到几小时的时间尺度上起作用，而不像肾上腺素那样在一瞬间猛然爆发。当大脑察觉到威胁时，下丘脑和垂体（大脑深处的两个控制中枢）会向肾上腺发出一连串化学指令，命令它制造皮质醇——科学家把这条通路称为HPA轴。皮质醇一旦完成任务，就会反过来作用于大脑、关闭警报，这是一道内建的刹车，使反应不会失控。这套系统应对短暂而真实的紧急情况堪称出色。问题在于，同一套机制也会被现代那些持续不断的压力触发——金钱、截止日期、孤独——当皮质醇连续数周甚至数月居高不下时，这股持续的洪流就会侵蚀睡眠、情绪、记忆，以及身体的整体健康。

宇宙微波背景是大爆炸留下的微弱余晖——一片柔和、均匀的光辉，充满整个天空，从四面八方均等地朝你涌来。它是存在的最古老的光，诞生于宇宙仅38万岁、冷却到足以形成最早的原子之时。可以把它想成宇宙的一张「婴儿照」，拍摄于万物还是一团炽热迷雾的年代。

那时这道光炽热无比，但在近140亿年里，随着宇宙不断膨胀，它也被一同拉长、冷却，直到今天落在我们身上时已变成温柔的微波——大约只比绝对零度高2.7度，比你家冰箱还要冷得多。令人惊讶的是，你早就见过它：老式电视没调好台时那片雪花噪点中，约有1%正是这道远古的光，从天穹中筛落下来。

它的发现纯属意外。1965年，两位射电天文学家彭齐亚斯和威尔逊总在天线里听到一阵怎么也消不掉的嘶嘶声——他们甚至怀疑是鸽子，还清理掉了鸽粪。结果那嘶嘶声竟来自宇宙本身。一个常见的误解是以为这片背景完美均匀，其实并非如此。它那些被后来的卫星绘制出来的微弱涟漪，正是日后每一个星系、每一颗恒星萌发的种子。

代价地图是把机器人周围环境切成一格格小方块的地图，每个方块里存着一个数字，表示穿过那个位置有多“贵”、有多冒险。一块空旷地面对应的方块很便宜，所以代价很低；正好压在墙上的方块是禁止通行的，代价就拉到最高；而紧挨着墙的方块代价中等偏高，是在提醒机器人留出一点余地。当规划器寻找路线时，会沿着每一条候选路径把这些逐格的代价加起来，并偏好总和最小的那条路线——就像在过溪流时，挑选一组最便宜的踏脚石一样。

让代价地图变得安全的一个关键技巧是障碍物膨胀：在每个真实障碍物的周围，代价地图会涂上一圈代价升高的光晕，并随距离逐渐淡出，仿佛把障碍物吹胀得比它实际更大。之所以这样做，是因为机器人并不是一个点——它有宽度——所以如果允许路径贴着墙的真实边缘擦过去，机器人的身体其实会撞上。通过把障碍物膨胀，规划器就能继续把机器人当作一个点来处理，同时仍然留出一段真正的安全间隙。光晕的大小通常设为机器人自身的半径，再加上一点让人放心的余量。

代价地图通常是根据实时传感器数据——激光扫描、深度相机、碰撞条——不断重新构建并持续更新的，因此它既能捕捉到存储地图中固定的墙，也能捕捉到新出现的东西，比如一个走进走廊的人。导航系统常常同时维护两层：一层是覆盖整个区域、变化缓慢的全局代价地图，用来规划总体路线；另一层是围绕机器人、更新很快的局部代价地图，用来实时躲避突发情况。

中央处理器（CPU）是真正在做计算的那块芯片——机器的大脑。你运行的每个程序里的每一条指令，从把两个数相加到画出一个像素，最终都在这里被执行，一次一小步。让它显得神奇的，纯粹是速度：一颗现代 CPU 每秒钟要跑数十亿个这样的小步，于是堆积如山的琐碎操作，汇成了流畅的视频、飞快的页面加载、以及你一动它就立刻回应的游戏。

单看 CPU 自己，它其实「头脑简单」得出奇。它基本上就是：取来一条指令、执行它、再取下一条——取、做、重复，永不停歇。你在屏幕上看到的那些聪明本领，是把数十亿个这种笨笨的小步骤叠起来才成就的。程序住在内存（RAM）里；CPU 伸手进那块快速工作台，抓取下一条指令和它要处理的数据。

现代 CPU 里塞着好几个「核心（core）」，每个核心本质上都是一个独立的小脑袋，能在同一时间处理一件不同的事。这就是为什么一颗「四核」芯片能让你的音乐继续放着、下载继续跑着、编辑器还反应灵敏——四个工人而不是一个，各自啃着自己那一堆指令。

脑神经是十二对直接从大脑底面（以及紧贴在其下方的脑干）发出的神经，而不是像大多数其他神经那样从脊髓发出。可以把大脑想象成一座控制塔，把这十二条神经想象成直接通往面部和头部的短途线路：它们把嗅觉、视觉、味觉、听觉和平衡觉等感觉信息传入大脑，又把指令传出去，用来转动眼球、咀嚼、微笑、说话和吞咽。因为左右各有一条，所以一共是十二对，传统上按从前到后的顺序用罗马数字一到十二编号。

每条脑神经都有自己的分工，许多还身兼数职。有些只负责感觉（例如负责视觉的视神经），有些只负责运动（例如操控眼球转动的神经），还有些是混合的，同时传递感觉信息和运动指令。其中少数几条——最著名的是第十对，即迷走神经——会一路走到头部以外，去帮助管理心脏、肺和肠胃等内脏器官，悄悄地减慢心跳、促进消化。这正是脑神经在医学上如此重要的原因：眼皮下垂、嘴角歪斜、看东西重影或吞咽困难这类问题，能帮助医生准确地判断究竟是哪一条神经受了损伤。

CRISPR 是一种精准的「基因编辑」工具——它能改写生物体内 DNA 里记录的遗传指令。科学家先送进一小段与目标位置完全匹配的「向导」RNA，由它带着一个叫 Cas9 的蛋白质，准确找到 DNA 上那个位置。Cas9 在那里把 DNA 剪开，细胞随后修补这个切口，研究人员就能借此关掉某个基因、修复它，或换上一段新的。

最巧妙的是，这套点子并非人类发明，而是细菌的本领。细菌为了抵御病毒，会把以前入侵者的「档案照」存下来，等病毒再次来犯，就用它认出并剪碎病毒的 DNA。2012 年，杜德娜（Jennifer Doudna）与夏彭蒂耶（Emmanuelle Charpentier）证明，这套天然的「剪贴」系统可以被重新编程，去瞄准我们想改的几乎任何基因——这项成果让她们获得了 2020 年诺贝尔化学奖。

因为又便宜、又快、又出奇地准确，CRISPR 彻底改变了生物学——从开发镰刀型贫血症的疗法，到研究基因如何运作。它也带来了棘手的伦理问题，尤其是对人类胚胎做基因编辑时——这样的改动会一代代传给后人。

CRISPR 基因编辑借用了一套来自细菌的系统 CRISPR-Cas9，把它当作一把可编程的“分子剪刀”。这就像文字处理软件里的“查找并替换”，只不过对象是基因组：你告诉它要找哪一段确切的 DNA，它便在三十亿个字母中找到那个位置，并剪上一刀，好让那段序列得以改动。真正的突破，在于瞄准这把剪刀变得如此容易。

这套系统有两个部分。一段短短的向导分子被写成与目标 DNA 字母相匹配，就像一个搜索词。Cas9 蛋白随它同行，在基因组里扫描，直到向导锁定它的匹配位置，便在那里把 DNA 的两条链都剪断。细胞会赶忙修复这处断口，而科学家正是利用这一修复时机，去关闭一个基因、贴入一处修正，或改写局部序列。

CRISPR 让编辑变得极其便宜又快速，开启了真实的医疗可能，也带来了首个获批的 CRISPR 疗法。但它也引出严肃的问题，尤其是以会遗传给后代的方式去编辑胚胎，以及精准度——这把剪刀偶尔会剪错位置，因此审慎的核查必不可少。

想象一场接力赛：在最慢的那名选手跑完当前这一棒之前，整个队伍都没法开始下一棒。芯片内部的逻辑也是这么运作的：每次时钟跳动时，数据从一个寄存器出发，穿过密密麻麻的一片门电路，必须赶在下一次跳动之前到达下一个寄存器。芯片能跑多快，只取决于它最慢的那次交接——所以那条最差、最慢的路径就是关键路径，时钟频率的上限完全由它一手决定。

更准确地说，关键路径是时序裕量最小的那条寄存器到寄存器的路径——也就是信号被要求到达的时刻与它实际到达的时刻之间余量最小的那条。沿途的每个门和每段连线都会增添一点延迟；把足够多的延迟串起来，总和就可能超过时钟周期（减去建立时间），意味着数据在下一个时钟边沿到来时还没稳定下来，于是被捕获的就是错误的值。静态时序分析通过在设计的时序图上传播各处延迟、并算出每个寄存器处的时序裕量来找到这条路径，然后把裕量最差（最负，或最小的正值）的那条报告为关键路径。

下面才是实践工程师真正在意的部分：关键路径就是你为了提速而要去改的那一条。把它的延迟削下来——通过简化逻辑、调整门的尺寸，或者插入一级流水线寄存器把一条长链从中砍成两半——之后第二慢的那条路径就成了你新的关键路径。加快任何其他路径对你的最高频率毫无帮助；只有瓶颈才算数。所以时序收敛本质上就是一场打地鼠游戏，反复去攻击当下戴着王冠的那条路径。

关键期是生命早期一段有限的时间窗口，在这段时间里，大脑的某个部分对经验异常敏感、特别容易被塑造——而在这扇窗口内发生（或没能发生）的事情，往往会留下长久的印记。可以把它想象成刚刚浇好的湿水泥：趁它还软的时候，你能轻松在上面压出脚印、文字或图案，等它变硬，这些痕迹就永久定型了。幼年的大脑有许多这样的窗口，每一个都对应着某项特定能力的时机——看见、听见、保持平衡、学会母语的语音——在窗口开启期间，相关的神经回路非常渴求恰当的输入。

被塑造的，是神经元（大脑负责传递信号的细胞）之间的连线。在关键期内，经常被使用的连接（叫做突触）会变得更强，而长期闲置的则被修剪掉，于是孩子实际经历的事情，最终雕刻出哪些回路能够留存。这就是为什么一个婴儿如果在出生头几个月里有一只眼睛看不清楚，那么即使日后矫正过来，这只眼睛的视力也可能永久偏弱——因为趁窗口开着时，视觉回路已经围绕较强的那只眼睛“锁定”了。这也是为什么年幼的孩子能毫不费力地学会语言和口音，而同样的学习一旦窗口收窄，就变得更慢、更难。大脑一生都保持可变，也就是有“可塑性”，但再也无法拥有这些早期窗口那种敞开而迅速定型的灵活性。

关键期并不是一下子砰然关闭的；它们是逐渐收窄的，而且不同能力的时机各不相同。最关键的一点是：时机很重要——在恰当的年龄给予恰当的经验，效果远胜于把同样的经验拖到太晚才送到，这正是为什么早期的视觉、听觉、语言接触和悉心照料如此重要。

跨频耦合，是指大脑里的一种节律去指挥另一种节律——好比一段缓慢的波充当节拍，告诉快速的波该在什么时候变响。大脑里充满了电节律：神经元成波地放电，有的缓缓掠过（每秒几次），有的飞快往复（每秒几十次）。在跨频耦合中，这些节律并非各自为政，而是一种慢节律和一种快节律锁定成某种关系，于是其中一个在做什么，会帮着决定另一个怎么做。最常见的一种形式叫相位-幅度耦合：慢波此刻处在哪个位置——是在波峰、波谷，还是正往上爬的途中——决定了快波的小颤动此刻能有多强。

打个简单的比方：想象缓缓涌向海滩的海浪长涌，而每道长涌的上面，又叠着细碎的小涟漪。这些涟漪恰恰在每道长涌的浪尖上最大，在长涌之间的凹陷处几乎消失。长涌是慢节律，涟漪是快节律，而涟漪偏偏聚拢在浪尖上——这就是耦合。在大脑里，这可不只是个有趣的现象。研究者认为，这是一种在时间上给信息打包的方式：慢节律把时间线切成一个个格子（每个周期就是一格），而在每个格子里奔涌的那阵快活动，承载着真正的细节，比如一段记忆里的一项内容，或你正在注意的东西中的一小块。通过把快速的细节安置在缓慢的框架之内，大脑就能把好几条信息按顺序排好，而不让它们糊成一团。

跨频耦合在海马体里表现得很清楚——海马体是记忆的核心结构，当动物探索或回忆一条路线时，快速的伽马阵发就骑在更慢的θ（西塔）节律之上。它可以从大脑活动的记录中测出来——用插在脑内的电极，有时也用头皮上的记录——办法是检查快波的强度是否会稳定地随着慢波的相位起起落落。由于这种模式似乎与健康的记忆和注意力相关，科学家也研究它在癫痫、帕金森病、阿尔茨海默病等情况下如何改变，希望这种耦合能成为一个可读的标志，反映各个环路彼此协调得好不好。

CRUD 是几乎每个应用都要对数据做的四件基本事：Create（新建）、Read（读取）、Update（更新）、Delete（删除）。记一条笔记、过会儿翻出来看、改掉一个错字、再把它丢掉——这就是全部四件事，你一辈子都在做 CRUD，只是没用过这个缩写。

它到处都是，因为能干净地对应到底层工具。在 SQL 数据库里，这四件事是 INSERT、SELECT、UPDATE、DELETE；在 REST API 的 HTTP 里，通常对应 POST、GET、PUT/PATCH、DELETE。还是同样的四个意思，只是换了种方言来说。

当有人说某个应用「只是个 CRUD」，意思是它的活儿大多是把记录搬进搬出数据库、没什么花哨逻辑——而这正是大多数软件的样子，一点也不丢人。

低温 CMOS 控制电路,意思是把普通的硅控制芯片,也就是跑你手机的那套 CMOS 技术,重新设计成能在冰冷制冷机里、贴着量子比特、在 4 开尔文甚至更低的温度下工作。动机非常实在:如今一块量子芯片往往每个量子比特就要好几根同轴线,从室温机柜一路通到毫开尔文的核心区;到了几百个量子比特,这束线就缠成谁也没法布置、没法冷却、也付不起的乱麻。如果生成和读取脉冲的电子电路就放在冷端、靠得很近,一块芯片就能服务许多量子比特,那一大丛常温线缆便能大幅减少。

实际上这些是定制集成电路,在商业代工厂的工艺里制造,但要针对低温条件做表征和调校,因为晶体管在低温下的行为和室温不同。它们承担量子比特附近那些密集、重复的活儿:把一条线复用去寻址多个量子比特、产生或选通微波脉冲、把读出信号数字化,这样往上爬回常温世界的就只需几根细细的数字线,而不是几百根模拟同轴线。把这一层放在冷级,也让信号路径更短,并屏蔽掉来自室温的热噪声。

诚实地说,难点是热。稀释制冷机最冷的那一级只能带走极小的一点功率,在量子比特那层往往远低于一毫瓦;而即便一块不大的控制芯片,耗散也可能远超于此,所以低温 CMOS 通常放在较温暖的 4 开尔文级,而不是紧贴量子比特。设计者要在能跑多少电路与制冷机能吞下多少热之间不停权衡。这条路确实有前景,已有若干团队做出能用的控制器,但仍处早期,还没有哪种设计证明自己能在制冷预算之内控制一块大型处理器。

想象一根微波电缆从温暖的房间一直接到稀释制冷机里,而你的量子比特就待在比绝对零度高出一丝的地方。电缆完成了传输信号的本职工作,却也顺带捎下来一些不速之客:来自温暖那头的微弱热噪声,以及热量。哪怕只是一丝室温噪声光子,都足以扰乱脆弱的量子比特。低温衰减就是解决办法:在制冷机内部的每一层冷板上,给电缆装上小小的衰减器,故意把信号削弱,这样搭着信号一起溜下来的噪声也被一并丢掉。

衰减器其实就是一个电阻网络,它吸收掉大部分通过的功率,只重新发出与它自身温度相称的那点温和热噪声。于是装在4开尔文冷板上的衰减器,会用4开尔文的噪声替换掉温暖的噪声;装在最冷那层板上的衰减器,再把它替换成毫开尔文级的噪声。沿着制冷机分级衰减,每一级都把更干净的信号交给下一级,而吸收的热量则被排到制冷机真正能冷却的板上。你的控制脉冲到达时虽然很弱,却浸在一个极冷、极安静的环境里。

代价在于:你是在故意丢掉信号,所以室温电子设备必须发出强得多的脉冲来补偿,而吸收的功率又会占用制冷机本就有限的制冷预算。设计者要在每一级衰减多少、与每一级能承受多少热量之间反复权衡。这套做法今天行之有效,也是标准操作,但它同时也是量子比特数量难以扩大的原因之一:每多一条控制线,就要多一根带衰减的电缆,热量和拥挤程度会迅速累加。

稀释制冷机像洋葱一样一层层套着，越往里走的板子越冷，最里面是基板，温度维持在比绝对零度高出千分之几度的地方，量子比特芯片就放在那里。一个残酷的事实是：每一层板子只能带走极少量的热——4开尔文那层也许有一瓦左右，但到了毫开尔文的基板就只剩区区几百微瓦。热预算就是把这一切算成一本账。你每加一根电缆、一个衰减器、一个放大器、一个滤波器，都会往某层板子上倾倒一些热量，而每层板子上的总和必须低于这层能抽走的量，否则整个温区就会升温，量子比特随之罢工。

热量从两条路进来。一部分顺着电缆的金属从上方温暖的房间传导下来，这正是控制线要用导热很差的合金、并在所经过的每层板上做热沉的原因。另一部分则是就地耗散的：衰减器把一个强脉冲变成又弱又冷的脉冲，那份差额就被它当作热量吸收掉；放大器要消耗直流功率，最终也变成热。设计者先算清每条线有多少微瓦，再乘以线的数量。几个量子比特很轻松；只有当你设想成千上万条控制线和读取线全都挤进同样的冷温区时，这本账才会咬人。

这是量子芯片扩展过程中一堵真实而不起眼的墙。你没法简单地多塞几根线，因为最冷的板子早在你用完空间之前就先用光了制冷能力。正是这种压力推动着整个领域：低温CMOS想把控制电子设备搬进制冷机里，好让通往温暖世界的电缆少一些；复用让每条线承载更多量子比特；片上隔离器则试图把笨重的元件缩小。这些方向都很有前景，却都还处在早期，眼下热预算仍是一道硬天花板，设计者只能一条线一条线地围着它做规划。

加密代币是一种由智能合约创建并记录的价值单位，这个合约运行在某条已有的区块链之上，而代币本身并不是这条链的原生币。一个有用的区分是：像以太坊这样的区块链有自己内建的货币（以太币），但任何人都可以部署一个合约，铸造出自己的代币，让它生活在同一条链上——有点像美元由一个国家发行，而商店、航空公司、游乐场则各自印自己的积分和票券，在美元经济之上流通。

由于代币不过是一份「记录谁持有多少」的合约账本，它几乎可以代表任何东西：项目中的一份份额、一项投票权、一种忠诚度积分、对某项现实资产的索取权、一件游戏道具，或是另一种货币的替身。大多数代币都遵循一套共同的规则手册，称为代币标准，这样钱包和应用就能用同样的方式处理任何代币，而不必为每一种都单独写代码。正是这套通用标准，悄悄成就了一个钱包能同时装下成千上万种不同代币。

代币之所以重要，是因为它把区块链变成了一个开放平台，可以发行和转移各式各样的价值，而不再只有一种币。一个小团队一个下午就能发行一种代币，从那一刻起，它就能被转账、交易、借贷，或接入全球各地的其他应用——全程无需向银行或支付网络申请许可。保护底层那枚币的同一套机制，也同样在保护建立其上的这些代币。

加密钱包是让你持有并使用区块链资产的工具——但这个名字略有误导，因为它其实并不存放你的币。你的币就活在区块链本身之上，存在那本每个节点都保有的共享账本里。钱包真正存放的是你的密钥：那些能证明账本上记录的币归你支配的秘密凭据。与其说它是钱包，不如想象成一串钥匙，掌管着一个公开的邮箱。

这个邮箱的比喻恰好对应密钥的运作方式。你的公开地址就像邮箱上的投信口：任谁都能看到它、往里投递价值，你也可以放心地把它分享出去以收款。你的私钥则是唯一能打开邮箱、把东西取出来的钥匙，它必须保密。当你发送一笔付款时，钱包会用你的私钥为这笔交易签名，生成你已授权的证明——却始终不会把这把钥匙本身透露给网络。

钱包有不同的形态，在便利与安全之间各有取舍。软件钱包是手机或电脑上的应用，始终在线、日常使用很顺手；硬件钱包则是小巧的专用设备，把私钥保持离线，避开互联网攻击者的触及。无论哪种，钱包都只是一个管理密钥、广播交易的界面——资产本身，以及“谁拥有它”这一事实，都留在区块链上，而不在这个应用里面。

加密货币是一种完全以「共享数字账本上的记录」形式存在的货币，背后没有银行、公司或政府在掌控。我们平时用的网上的钱——银行 App 里的余额——其实只是银行私有数据库里的一个数字，写成多少由银行说了算。加密货币则把每一笔余额和支付都记录在区块链上，全球成千上万台彼此独立的计算机各自保存着完全一样的副本，因此没有任何单一方拥有这本账，也无法悄悄改写它。

让它在没有中央权威的情况下也能运转的，是密码学——「加密」二字正源于此。每位持有者都握有一把私密的密钥，只有这把钥匙才能授权动用自己的余额，就像一个在数学上无法伪造的签名。当你转出代币时，钱包会为这笔交易签名、广播给整个网络，网络再按共识规则判定它有效，并把它永久写入记录。这里不需要谁去信任谁，数学和共享的规则替所有人完成了信任。

比特币于 2009 年问世，是第一种加密货币，它证明了世界各地素不相识的人，不靠任何中间人也能就「谁拥有什么」达成一致。此后出现了成千上万种其他货币，有的只用作钱，更多的则做着远不止于此的事——驱动可编程的合约、应用乃至整套金融系统。但贯穿其中的内核始终如一：价值在人与人之间直接流转，全天候、跨国界，由公开的规则而非某一家机构来治理。

密码学哈希是一种函数：它接收任意数据——一个词、一个文件、乃至整座图书馆——把它压缩成一串短而定长的字符，充当这份数据的数字指纹。相同的输入永远产生相同的指纹，可输入哪怕只改一个字符，输出也会被彻底打乱。可以把它想成一枚防拆的火漆封印：内容一旦被打开或改动，封印就对不上了。

有两条性质让它在安全上格外有用。其一是单向：仅凭指纹无法倒推回原始数据，所以这个函数正着算很容易，反着算却几乎不可能。其二是抗碰撞：要找到两份不同的输入、却得出同一个指纹，是不可行的。这两点合起来，意味着哈希可以充当数据那份小巧而可信的摘要——两个哈希一致，数据就相同；不一致，则必有改动。

这正是把区块链黏合在一起的胶水。每个区块都由它的哈希来概括，而每个新区块都包含前一个区块的哈希，于是整段历史被锁进一个防篡改的顺序里。哈希还让网络只需比对几串短字符、而非逐个字节，就能比较庞大的数据集——这也是从密码保存到文件校验，处处都能见到它的原因。

CSS（层叠样式表）是给网页「上妆」的语言——颜色、字体、间距、布局都归它管。如果说 HTML 是骨架，那 CSS 就是皮肤和衣服：它接过那副朴素的结构，决定每样东西到底长什么样。

你把 CSS 写成一条条「规则」。每条规则先挑出页面上的某个东西（叫「选择器」），再设定它的属性：把所有标题改成深蓝色、给段落一个舒服的行距、让导航排成一行。改一条规则，所有匹配的元素就一起跟着变。

「层叠」是它聪明的地方：当好几条规则都作用在同一个元素上时，CSS 有一套清楚的优先级来决定谁说了算。正因如此，整个网站才能保持一致的外观，同时又允许你在需要时只覆盖某一个按钮、某一个页面。

电流是电荷流过导线上某一点的速率——每秒钟有多少电荷流过去，用安培来量。想象水管里的水：电流不是水本身，而是水流过的快慢。又宽又急的水流意味着安培数大；细细的一缕则只有一点点。在导线里，这股「水」其实是无数微小的电子一起缓缓移动。

电流由电压（推力）驱动，又受电阻（路径有多难通过）限制。推力越大、路径越顺，电流就越大。一个手机充电器大约能输出 1 安培；一个吹风机却要用掉 10 安培以上，这正是它发热这么快的原因。电流太大、导线又太细，就会让导线过热——而保险丝要挡住的，正是这种情况。

电流镜（current mirror）是一小组相互匹配的晶体管，它把一路电流复制出来，再在电路别处把它原样重现。可以想象一个「主」器件设定出一路参考电流，旁边紧挨着一个或几个「孪生兄弟」照着它走：主器件流多少，副本就流多少。这是模拟设计里最常用的基本模块之一——它让你能一次把同一份精确的电流分给芯片里许多地方，也是把放大器和其他级偏置到工作状态的办法。

最简单的电流镜是两个共用栅极的晶体管。主管接成二极管形式（栅极接到自己的漏极上），于是强行流过它的参考电流，会让栅极电压恰好稳定在承载该电流所需的值。第二个晶体管看到的是同一个栅极电压，因此只要两个器件完全一样，它就流过同样大小的电流。把副本的 W/L（宽长比）做成主管的两倍，它就流两倍的电流；电流镜的复制比，就是两者 W/L 尺寸之比，所以你能把单一一路参考电流，整整齐齐地放大成许多倍。

精度的成败全在匹配：两个晶体管必须真正一致——同样的温度、同样的朝向、版图上紧挨着摆——否则副本就会跑偏。另一个限制来自输出管的漏极电压。理想的电流镜无论负载呈现多少电压都应输出同样的电流，但普通电流镜的副本会随输出漏极电压升高而慢慢爬升（输出电阻有限）。共源共栅（cascode）电流镜在上面叠一个晶体管，把做镜像的那个器件挡在这些电压摆动之外，从而抬高输出电阻、收紧复制——当你需要一个表现得像「硬」电流源、或像高质量有源负载的电流镜时，这就是标准的解法。

课程学习，是按照好学校教孩子的方式去训练机器人：从简单的任务开始，再一步步加大难度，而不是在第一天就把最难的挑战丢给它。正如你不会把一个初学游泳的人直接扔进深水区，你也不会要求一个刚刚初始化的机器人在乱石地上冲刺；你会让它先学会站立，再学会迈步，然后在平地上行走，到更晚才去对付斜坡和碎石。每一项简单的技能，都成了机器人脚下的一块垫脚石，让它得以踏上下一项更难的技能。

它之所以重要，是因为许多机器人技能几乎不可能靠随机试错从零学会。如果一个腿式机器人在一无所知的情况下从险恶地形起步，它会立刻摔倒、每一次都摔倒，而且几乎从来撞不上那串能教会它点东西的、罕见而幸运的动作序列——于是学习陷入停滞。而从那些成功足够频繁、能提供有用反馈的温和任务起步，再随着能力增长逐渐提高难度，机器人就能持续得到一串它真正能据以行动的“课程”。让最终那项困难技能变得可达的，是经历被安排的先后顺序，而不仅仅是这些经历本身。

设计者会用不同方式来构建这套“课程”：要么手工编排一串难度不断升高的固定关卡，要么让一段程序自动调节难度——机器人表现好就把难度往上推一点，机器人吃力就把难度往回调一点，使挑战始终落在它刚好够不到的位置上。这样做的回报，是更快、更可靠的学习，以及一些纯粹靠蛮力训练往往根本达不到的最终技能。

光标控制就是仅凭大脑信号——没有手，也没有鼠标——在屏幕上移动一个指针。它是脑机接口的经典演示，是每个人最先想到的那个实验，因为一个移动的小点既容易测量，也容易理解。

想法很简单，尽管工程上并不简单。一个人想象或试图做出某个动作，系统读取大脑中与之对应的模式，再把这个模式映射成光标的方向和速度。研究者用小点到达目标的速度和准确度来衡量进展，可以是一维、二维或三维。

看起来像玩具的东西，其实是一条生命线。对一个瘫痪且无法说话的人来说，操控光标去指点和点击，就是一种打字、浏览、重新与世界连接的方式——这正是光标控制至今既是基准、又是真实应用的原因。

守护进程（daemon）是一种静静在后台运行、随时待命的程序——它没有窗口，你几乎看不到它。它就安静地待在那里，准备好了：监听登录、收发邮件、按时执行任务。

认出它有个小技巧：名字结尾常带一个字母「d」。sshd 负责远程登录，cron 跑定时任务，nginx 提供网页，dockerd 运行你的容器。

它读作「DEE-mun」（音近「迪门」）。这个词借自古希腊语，原指一位在暗处默默替你忙碌的「守护神灵」——用来称呼一段始终安静待命的软件，意外地贴切又浪漫。

阻尼，指的是某样东西抵抗晃动的强弱；而阻尼比，则用一个数字说出一个系统晃动得有多厉害。想象一扇装了上方闭门器的门。阻尼弱的门会“砰”地关上、又弹回来、再关上，咔哒作响好一阵才终于停住。阻尼强的门则缓缓地、慢慢地合拢，根本不会反弹。阻尼比正是用一个简单的刻度，精确地刻画出这种差别：取值低意味着大量的弹跳和回荡，取值较高则意味着平静、安稳地靠近目标、毫不超调。

超调量是与之相伴的概念：当一个系统冲向目标时，它在折返之前会冲过目标多远？一辆车为停车线刹车，却越过线一米才倒回来，这就是超调。超调和阻尼是一枚硬币的两面——阻尼越轻，超调越大，事后的回荡也越久；阻尼越重，超调越小，直到某一点，系统会一路滑到目标、完全不超调。工程师通常希望留一点超调来换取速度，但又不能多到让运动变得抖动或不安全。

这两个数字，给设计者提供了一套描述“响应手感”的共同语言。人们常把行为分成三种风味：欠阻尼（在稳定之前会超调并来回振荡——快，但爱弹跳）、过阻尼（慢吞吞地爬进去、毫不超调——安全，但迟钝），以及临界阻尼（恰到好处的中点，是仍然完全不超调的前提下、可能达到的最快靠近方式）。大多数整定良好的机器，瞄准的正是这个中间地带：快得让人觉得灵敏，又有足够的阻尼能干净利落地安定下来。

想象一间忙碌的餐厅后厨：你有十个灶台，但抽油烟机一次只能带走三个炉头的热量。十个灶台都归你，可一旦同时点火，厨房就烟雾弥漫，大家只能停下手。所以在任何一刻，大多数灶台都得空着，只有少数几个在真正做菜。现代芯片面对的是同一笔交易。晶体管不断缩小，工程师因此能在一块裸晶（die）上塞进数量惊人的晶体管，但封装能散掉的热量却是固定的。暗硅指的就是这样一部分晶体管：在任一瞬间都必须保持关断，因为如果让所有晶体管同时全速运转，芯片就会被烧熔。这些晶体管明明已经印在裸晶上、花了钱、也造了出来，可其中很大一块注定只能处于黑暗、不工作的状态。

这正是 Dennard 缩放定律在 2006 年前后终结时摆上桌的那张直接账单。Dennard 定律过去许诺：晶体管缩小的同时还能降低其工作电压，于是即便你塞进更多器件，功率密度（每平方毫米的瓦数）也能保持平稳。可一旦电压缩放停滞，每一代仍在让晶体管数量翻倍，每个晶体管的功耗却不再下降得足够快、跟不上数量的增长。功率密度开始攀升，而既然一个固定的封装散不掉无限多的瓦数，你也就根本无法让整块裸晶同时上电工作。2010 年代初的估算显示，在先进节点上，一块芯片在任一时刻可能有远超一半都处于暗态，而且这一缺口随每个节点继续拉大。印出晶体管很便宜，真正稀缺的资源是驱动它们开关所需的那些瓦数。

DARPA 挑战赛是由一家名为 DARPA 的美国国防研究机构举办的一系列公开竞赛，谁能造出机器人完成前人未能办到的事，就能赢得奖金。DARPA 没有付钱让某一家公司在暗地里慢慢搞研发，而是定下一个明确而困难的目标——比如，让一辆车无人驾驶地穿越沙漠——再邀请来自大学、公司乃至自家车库的团队同台竞技，让比赛本身筛选出真正管用的方案。这与其说是资助一个项目，不如说是办一场赛跑，看谁先冲过终点。

其中两波竞赛重塑了机器人学。大挑战赛（2004 和 2005 年）以及后来的城市挑战赛（2007 年）要求汽车自己开过崎岖地形、穿过模拟的城市车流；第一年所有车无一成功，但到了第二年已有几辆完赛——这一转折被广泛视为点燃当今自动驾驶汽车产业的火花。机器人挑战赛（2012 至 2015 年）瞄准灾难救援，要求人形机器人和其他机器人完成救援人员在核事故后可能面对的任务：开门、转阀门、爬楼梯、使用电动工具。这些机器人动作迟缓、还常常摔倒，但这场竞赛推动了整个社群分享进展，并把一批难题从实验室拉进了真实世界。

数据类型（data type）说的是一个值到底属于哪一「种」。它是文本？数字？一个简单的真/假？还是一串东西的列表？类型告诉计算机——也告诉你——这个值究竟是什么，而这又决定了你能拿它做什么。

常见的几种到处都是：字符串（string）是像 "hello" 这样的文本，数字（number）是像 42 或 3.14 这样的东西，布尔值（boolean）就只有 true 或 false，数组（array）则是一串有顺序的列表。每一种都自带一套专属的「工具箱」。

类型之所以重要，是因为它定下了规则。两个数字相加，得到它们的和；两个字符串「相加」，则是首尾拼接成一段。想用一个词去乘以另一个词，程序根本做不到——这正是类型在默默替你把关。

数据关联问题，就是要弄清楚机器人此刻看到的某样东西，是不是它先前看过的同一样东西——或者对应到地图上的哪一项。机器人的传感器递给它的只是一些光秃秃的测量值：这里一个墙角、那里一根树干、远处一团点。它们都没有贴标签。机器人想用一次新观测来校正自己的位置，就得先回答一个看似简单却很棘手的问题：这是我五秒前记下的那个墙角，还是一个全新的墙角？想象你走进一个停满几乎一模一样银色汽车的停车场、要找出自己那辆——每辆车看起来都像是答案，一旦认错，你就会朝错误的方向走去。

这件事之所以重要，是因为后面几乎所有环节都取决于配对是否正确。如果机器人把今天的观测连到了正确的旧地标上，这条连接就会让它对自己位置的估计更加准确。可一旦它自信地配错了对——比如认定两根不同的灯柱是同一根——它就把一个谎言折进了地图里，而这个错误会悄悄地污染建立在它之上的一切。错误的关联是地图被扭曲到无可挽救的主要原因之一，所以系统会借助一些检验来追问“这次配对在几何上说得通吗？”，并且宁可跳过一个可疑的配对，也不愿贸然认定一个错误的配对。

要把它做好，通常意味着把多条线索综合起来：新测量值离机器人原本预期那个旧特征的位置有多近、这个特征的外观有多与众不同，以及一整批配对放在一起看（而不是一个一个孤立地看）是否彼此一致。环境越难——重复的走廊、一排排一模一样的货架、一片相似的树林——数据关联问题就越是主导一切，因为到处都是看起来一样的东西，而一个自信的错误代价高昂。

数据库（database）是一个有条理地存放应用数据的地方，让你能可靠地保存、查找、修改数据——哪怕成千上万人同时在用你的应用也不出错。可以把它想成一个永远不会丢页、还能瞬间翻到任意一页的文件柜。

你当然可以把所有东西一股脑塞进一个文本文件，但只要两个人同时改动，或者你想问「上周哪些订单发货了？」，它立刻就垮了。数据库替你处理这些棘手的部分：快速查找、保持数据一致、写到一半断电也不会丢东西。

最常见的一种是关系型（relational）：数据存放在由行和列组成的表里（就像一张很聪明的电子表格），你用 SQL 来和它对话。常见的有 PostgreSQL、MySQL 和 SQLite。

直流电机是最简单、最便宜的电动机：把它接上电池，轴就转起来。「直流」指的是直流电——电池给出的那种稳定、单方向的电，与墙上插座来回往复的电流相反。玩具、电钻和许多小机器人里嗡嗡作响的小马达，就是它。把电池两根线对调，电机就反着转；正是这份简单，让初学者最先想到它。

在它内部，靠的是磁的一个巧招。一圈线圈夹在磁铁之间，当电流流过线圈，线圈就变成一块临时的电磁铁，被固定磁铁又推又拉而转动起来。但要一直朝同一方向转，线圈里的电流必须在每一圈的恰当时刻翻转方向。一个叫换向器的巧妙旋转开关会自动做这件事，几块叫电刷的小碳块贴着它滑动，把电流送进去。这就是为什么这种日常类型更准确的叫法是有刷直流电机。

它的脾气遵循一条简单规律，叫扭矩—转速曲线。空载时它转得飞快，却几乎给不出扭转的力；压上重负载，它会一边变慢一边使更大的劲，直到满载时堵转——停转不动，同时吃进最大的电流、爆发出最强的扭转。给它更高的电压，它转得更快；这份「靠电压说话」的简单让它好驱动、也宽容。代价在电刷：它们摩擦、磨损、打火，所以有刷电机比无刷的同类更吵、寿命也更短。

直流SQUID其实就是把两个约瑟夫森结接在一个小小的超导环路里。在量子芯片上，它的用途通常不是测量磁场，而是充当一个可调的结：往环路里穿入磁通，就能把它的有效约瑟夫森电感调大调小。由于量子比特的频率由这个电感决定，这就成了那个旋钮，让你能原地调节比特频率，或者把两个比特之间的耦合打开和关闭。

它靠干涉来工作。两个结分别位于环路两侧，穿过环路的磁通会改变两条路径之间的相对量子相位。当两条路径同相叠加时，环路表现得像一个临界电流很大的强结；当你加到半个磁通量子（Phi_0 = h/2e）时，两者相互抵消，有效临界电流趋近于零。这个图样每隔一个Phi_0就重复一次，所以环路旁的一个小线圈或一根通电导线，就能把比特频率在很宽的范围内扫过。同一个环路若偏置在灵敏度最高处，还能做成有史以来最精密的磁强计之一。

代价是可调性和噪声总是结伴而来。既然频率现在依赖于磁通，任何杂散的磁场涨落，从被困住的磁涡旋到偏置线里的电流纹波，都会让比特频率抖动，缩短相干时间。设计者用几种办法来对抗：把比特停在一个磁通'甜点'上，那里频率对磁通的一阶变化是平的；做好屏蔽和滤波；以及采用不对称的结。这是一个实打实的工程权衡，而非已解决的问题：你用更高的磁通噪声敏感度，换来了可控性。

航位推算，是从一个你确知的地方出发，把此后所做的每一步移动都累加起来，从而推断自己此刻在哪里。你取定已知的起点，然后追踪自己朝着哪个方向、走了多远，并把这笔账一路往前记：「我从码头出发，以这个速度向北走了十分钟，然后转向东又走了五分钟。」单凭这些片段，你就能在海图上标出自己当前的位置，全程不必看见任何地标，也不必向外界求助。水手们用它跨越大洋长达数百年，远在卫星出现之前，就靠罗盘航向和估计的航速来推定船的位置。

整套方法都依赖于一个脆弱的事实：你从来不去测量自己实际在哪，只去测量自己相对上一次猜测发生了怎样的变化。于是你航向或距离上的每一个误差，都会被永久地烙进估计里，再被带进它之后的所有步骤。罗盘读数差了那么一丝、航速略微高估了一点、有一股没算进去的洋流——这些都不会自行得到纠正，而由于每一个新位置都搭建在上一个之上，这些小错误会不断累积。你走得越久，估计就越偏离真相，就像一句悄悄话，每被转述一次就走样多一点。

尽管有这个缺陷，航位推算却无处不在，因为它有着了不起的自给自足：它完全不需要任何外部信号，只需对自己的航向和运动有所知觉。它是你手机在隧道里 GPS 中断时所用的后备手段，是看不见天空的潜艇的主心骨，也是机器人里程计背后的原理。对付它漂移的标准做法，是定期猛地校准回某个已知的真相——一个认得出来的地标、一次新的 GPS 锁定、一回观星定位——这会把累积的误差一笔勾销，让航位推算从坚实的地基上重新开始。

调试器（debugger）是一种能让你正在运行的程序「半路定格」、好让你钻进去查看内部的工具。与其瞎猜哪里出了错，你不如在选定的某一行把代码暂停下来，然后一步一步往前走——看清每一刻每个变量里到底装着什么。它回答的是真正要紧的问题：不是「哪里坏了」，而是「为什么坏」。

诀窍在于断点（breakpoint）——你在某一行上放的一个标记，意思是「到这里停下」。程序一跑到这里，一切都停住，控制权交到你手上。你可以查看每一个值、「步入」某个函数去跟进更深一层，或者让它继续跑到下一个断点。这就像把电影一帧一帧地暂停，好抓住魔术究竟是在哪一刻变出来的。

在调试器出现以前，大家靠在代码里到处撒打印语句来偷看程序的状态——直到今天，很多人随手查个小问题时还是这么干。调试器则是它的成熟版：不用改你的代码，也不用重跑十几遍。你把时间按停，四下看看，bug 往往就自己露馅了。

脱细胞，是一种把供体器官里全部活细胞温和地冲洗干净、却保留其底层骨架的技术。每一个器官都建在一副由结构蛋白构成的支架上，这副支架称为细胞外基质，细胞就栖身其中。把细胞剥离之后，留下的便是一具苍白而完整的“外壳”——常被称作“幽灵器官”——它原样保留着原器官的形状与管路。

人们让清洁剂溶液顺着器官自己的血管灌流，用数小时乃至数天，把细胞溶解并冲洗出去，正如流水能把泥沙从海绵里冲走、却让海绵本身保持完好。所求的，正是那副天然基质：它已经具备正确的构造、血管曾经走行的通道，以及一些化学线索，告诉新细胞该在哪里落脚、该长成什么。

随后，这具幽灵器官可以重新种入新鲜细胞——最好是患者自己的——让它们重新占领支架，并在实验室里开始重建一个能工作的器官。这是绕开“从零制造一副复杂三维支架”的一条巧妙捷径。然而，把一个完整器官重新种植到足以移植的程度，目前在很大程度上仍属实验，而非常规的临床做法。

去细胞器官，是一颗被温和地洗去全部活细胞、只留下天然支架的供体器官。每个器官都建立在一种叫细胞外基质的框架之上——那是一张由结构蛋白织成的网，把细胞固定就位，并勾勒出器官精确的形状与管道。把细胞去掉，剩下的便是一份苍白、近乎透明的模板：形状俱在，却空无生机。

制作时，科学家用温和的去垢剂冲灌供体器官，溶解并冲走细胞，同时保全那张坚韧的基质。回报是一具现成的支架，器官真实的构造早已就位——分叉的血管通道、各个腔室、各处表面——远比我们目前能凭空打印的任何东西都更精巧。这就像在拆掉每一面墙、请走每一位住户之后，把一栋楼的钢骨架和管路保留下来。

人们的期望是用受体自己的细胞为这具支架重新播种，让重建后的器官不会被当作外来物排斥。由于支架本身几乎不带细胞标记，它甚至可以取自动物。这是通往工程化器官的一条有前景的路径，但对复杂器官而言它仍主要停留在实验阶段——要让足够数量、合适种类的细胞生长成一个完全可运作的器官，至今依然极其困难。

去中心化，是指把控制权分散到许多互相独立的参与者手中，而不是集中在某一个权威身上。在中心化系统里，由某一家公司或某一台服务器拍板决策、掌握钥匙；而在去中心化系统里，权力和数据由一群人共享，任何单个成员都无法独自左右结果。这正是赋予区块链力量的核心理念。

把它想成一条连续的光谱会更清楚，而且要同时看好几条坐标轴。架构上的去中心化，问的是有多少台各自独立的计算机在运行这个网络（这样即便许多台出故障，它也能存活）。治理上的去中心化，问的是真正掌控这些计算机的，是多少互相独立的人或团体（这样就没有哪个小圈子能串通作弊）。一个系统完全可能在一条轴上得分很高、在另一条轴上很低，所以周全的设计会努力把两者一起往上推。

由此换来的，是抗审查与韧性：既然没有一个中央开关可以一摁了事，任何政府、公司或黑客想要关停系统、冻结你的资金，或悄悄改写规则，都会困难得多。代价则是：协调一群没有领袖的人，要比让一个老板说了算更慢、也更费成本——这也是去中心化网络要扩容确实很难的原因之一。

去中心化应用，通常简称为 dapp，是一种核心逻辑通过智能合约运行在区块链上、而非运行在某家公司私有服务器上的应用。普通应用，比如银行或社交网站，把数据和规则放在公司完全掌控的机器上；如果这家公司改了规则、关了门，或把你拒之门外，你几乎无处申诉。dapp 把真正要紧的部分——关于谁拥有什么、允许做什么动作的规则——搬到一个没有任何单一方拥有的公共网络上。它要解决的问题，就是「依赖某个单一运营方的善意和它能否继续存在」。

实践中，一个 dapp 有两半。看得见的那一半是一个看起来很普通的网站或手机界面，也就是友好的按钮和菜单，它依然可以托管在任何地方。关键的那一半，是区块链上保管着资金、余额和规则的一份或多份智能合约。当你点击按钮时，应用会请求你的钱包向这些合约发送一笔交易；网络运行约定好的代码，并更新共享的记录。由于这些逻辑和数据存在一条公共链上，任何人都能查验它们，即便最初的团队消失，应用照样运行，也没有人能悄悄夺走你的资产。

dapp 的重要意义在于，它让服务按透明、自动的规则运行，而不是建立在对某家公司的信任之上。常见的类别包括去中心化金融里的交易所和借贷平台、数字收藏品的市场、游戏，以及由成员自行运营的组织。另一面是：那个方便的前端界面终归可能由某个人托管，因此是否真正去中心化，取决于多少要紧的逻辑确实活在合约里，而非活在某台私有服务器上。

DAO，即「去中心化自治组织」，是一种依靠写在智能合约里的规则来运转的群体，而不靠老板、董事会和后台的繁文缛节。想象一个俱乐部，它的整本规则手册——决策怎么做、谁能动用共享的金库、一项表决通过后会发生什么——全是人人都能读的代码，并且自行执行。这里没有总部，也没有哪一个人掌着钥匙；这个组织，就是那套运行中的代码，加上治理它的成员。

成员通常通过投票来掌舵 DAO，而投票权一般来自持有「治理代币」：任何人都可以提出一项变更，成员们投票，若提案达到通过门槛，智能合约便自动执行它。金库、成员名单、以及每一次投票，全都明明白白记在区块链上，因此这个组织的一举一动天然透明，并严格遵照它被赋予的规则——没有哪个管理者能悄悄推翻结果。

DAO 之所以重要，是因为它让素未谋面的人，能在全球范围内协调资金与决策，而无须信任某个必须依赖的中央运营方。它们运作投资基金、管理开源项目、资助公共物品，也治理着各类 DeFi 协议。通过把一个组织的规则搬进开放、自动执行的代码里，DAO 把「这个群体如何运转」从一桩私下的安排，变成了任何人都能审视、都能参与的事。

DeFi 是「去中心化金融」的简称，它把借贷、交易、储蓄、保险等金融服务，从银行和券商内部，重建为运行在区块链上的开放软件。最核心的转变在于「规则掌握在谁手里」。在传统金融里，一家公司保管着私有账本，并决定谁能参与；在 DeFi 里，规则写在智能合约中，人人都能查看、人人都能使用，谁也无法悄悄更改。银行被一段所有人都能审视的代码所取代。

由于这些服务不过是公链上的合约，它们自动运行、全天无休，你直接用自己的钱包与之互动——资金始终由你自己保管，而不是存到某家机构那里。它们还具有「可组合性」，意思是一个应用可以像积木一样嵌进另一个：你从借贷中赚到的代币，可以存进一个交易池，而这个池的份额又能拿到别处作抵押，这一切都在一连串交易中完成。人们把这种特性称作「货币乐高」。

DeFi 之所以重要，是因为它让任何有网络连接和一个钱包的人，都能用上一套可运转的金融系统——无需开户审批、不分上下班时间、也没有国界。一位农民、一名学生和一家对冲基金，触碰的是完全相同的合约、依据完全相同的条款。无论有人在借贷、兑换货币还是赚取收益，其逻辑都对所有人公开可读，而这套系统永远不会打烊。

决策就是你的大脑从几个选项中挑出一个时所做的事——向左还是向右、点咖啡还是点茶、现在学习还是先休息。大脑并不是随机乱选，而是悄悄给每个选项赋予某种价值：我有多想要它、它带来回报的可能性有多大、它要付出多少努力或承担多大风险？然后它会倾向于价值最高的那个选项。你可以把它想象成一场体内的小型拍卖，每个选项各自出价，通常出价最高的那个胜出。

这种估值与权衡是由真实的脑细胞回路完成的。大脑前部的区域（前额叶皮层）以及更深处的奖赏区域，会借助过去的经验和大脑的化学奖赏信号，来估计某个结果可能有多好或多坏。当你在考虑一个选择时，一群群神经元会逐渐累积起活动，就像选票一张张堆高，一旦某一群越过某个临界值，决策就会“翻盘”，于是你付诸行动。这就是为什么艰难的决定让人觉得迟缓、模棱两可的决定让人觉得摇摆：两边的证据和价值很接近，所以这场体内的计票要花更长时间才能尘埃落定。

陈述性记忆是你能够有意识地想起、并用语言说出来的那一类记忆。它主要存放两样东西：关于世界的事实，比如法国的首都，或者斑马长什么样；以及你自己生活中的事件，比如今天早餐吃了什么，或上学第一天的情形。“陈述性”这个词本身就是线索：这是你能够陈述的知识，也就是能开口说出或向别人描述的内容。它也叫外显记忆，因为这种回忆是主动而公开的，而不是隐藏起来的。

这使它有别于那些你不假思索就能完成的无声而自动的技能，比如骑车或打字——这些你很难用语言讲清楚。当你在记忆里搜寻一个事实，或在脑海中重播一段往事时，你正是在动用这一陈述性的仓库。形成这类记忆十分依赖一个形似海马的脑结构，叫做海马体，它把一次经历中零散的片段编织在一起；随着时间推移，这些记忆会沉淀到更广阔的大脑皮层中长期保存。海马体若受损，一个人可能再也无法记住新的事实和事件，但他原有的习惯和技能却仍可完好无损。

一个能工作的量子比特，把信息存放在一种微妙的平衡里：不只是它偏向 0 还是 1，更在于这两部分之间精确的相位关系，写作 |psi> = alpha|0> + beta|1>。退相干，就是这种平衡向周围世界泄漏出去时发生的事。附近任何一次杂散的振动、一个光子、一丝磁场抖动，或一颗温热的原子，都可能“偷看”这个量子比特；一旦环境带走了哪怕一点点关于它处于什么状态的线索，那份精心维持的相位关系就被破坏了。可以把它想成一句轻声的耳语：只有在房间还安静时才能保持清晰，等到吵闹得足以把它淹没，它就听不清了。

具体来说，退相干会榨干量子计算真正赖以运行的两样东西。它摧毁让叠加态发生干涉的相位信息（正是这种干涉，才能在测量时让正确答案凸显出来）；它也破坏纠缠，把一个真正共享的量子态，拆成各自为政、表现得像普通经典随机比特的若干量子比特。它并不等同于你主动去做的一次测量，但结果很相似：量子特性悄无声息地流走了。这正是为什么退相干是这个领域工程上的头号大敌。真实的量子比特必须被严密隔离（低温、屏蔽、静止），而我们用 T1、T2 这样的时间尺度来描述它们衰减得有多快。

用大白话说，脑深部电刺激就是大脑的“起搏器”。纤细的电极被放置到大脑深处，植入胸部的一个小装置沿着电极送出稳定的电脉冲，平息那些引发特定症状的异常活动。

它最为人所知的是用于帕金森病和特发性震颤，在那里，电脉冲能显著缓解单靠药物已无法控制的颤抖和僵硬。同样的方法也被用于或研究于其他状况，从肌张力障碍到某些难治性的精神疾病。

脑深部电刺激是脑机接口的近亲：两者都把电极与神经组织接触，但经典的脑深部电刺激主要是刺激，而非解码。它作为一个范例之所以重要，是因为它在临床上已经成熟、应用广泛——这证明了植入式神经装置可以是安全、耐久、并能改变人生的。

深度学习教计算机认识事物，方式就像孩子慢慢学会读书——不是先发给一本规则手册，而是一层一层地把理解叠起来。所谓「深」，说白了就是层数多：一个神经网络不止一两层，而是几十甚至上百层，每一层把自己琢磨出的东西传给下一层。给它看一张照片，第一层也许只看出边缘和一团团颜色；下一层把这些拼成眼睛和车轮；更高的一层最终说出「猫」或「车」。

它的特别之处在于：没有人告诉网络什么是「边缘」、什么是「眼睛」。这些基本零件是它自己发现的——只要给它看上百万个例子，再不断把它往正确答案那边轻轻推一下，它就学会了。这个过程叫作按层级学习特征。这正是它与旧方法真正的分水岭：过去得靠人手把程序该找的线索一条条设计出来。

一个常见的误会：深度学习并不是另立门户、与其他人工智能并排的一种 AI。它只是机器学习里一项强大的技术，而机器学习又包在「人工智能」这个大概念之中。它不是魔法，也不是会思考的头脑——它是在巨大规模上找规律，而且喂给它的例子有多好，它就只能有多好。

默认模式网络（常简称为 DMN）是一组脑区，当你不再关注外部世界、任由思绪飘走时，它们会悄悄活跃起来。它是大脑的“空闲模式”——当你发呆走神、回放某段记忆、想象明天，或者思考自己和他人时，进入的就是这种状态。研究者最初几乎是偶然发现它的：他们把志愿者放进脑部扫描仪，让他们休息、什么都不做，结果某些区域在休息时反而比真正做任务时更活跃。换句话说，大脑从未真正关机，它只是把注意力转向了内部。

可以想象一个店员，每当顾客离开，他就一直收拾店面、回味当天的对话。一旦有顾客走进来——也就是你开始专心做眼前的任务时——他便放下内心的碎碎念，投入工作。默认模式网络的表现也大致如此：当注意力空闲时它就增强，当你专注于费力的事情时它就减弱，正因如此，它有时被称为“任务负相关网络”。它的关键枢纽位于大脑中线（前部和后部）以及两侧偏下的位置，它们作为一个协调的团队共同运作，而不是各自为政的孤立点。

这个网络之所以重要，是因为许多让我们成其为人的事，恰恰发生在这些向内的时刻：回忆自己的过去、设想未来、理解他人的所思所感，并编织出一种连续的自我感。当默认模式网络过度活跃，或与大脑的专注系统失去平衡时，它被认为与抑郁中的反刍思维、以及游离而侵入性的念头有关——这也是科学家研究它的原因之一：既为了理解健康的内省，也为了理解那些内心声音难以平静的状况。

自由度是机器人能够独立运动的一种方式。把它自己能做出的所有彼此独立的运动数一数，那个数字就是它的自由度——常常简称为 DOF。一扇装在合页上的门只有一个自由度：它只能开和关地摆动。而你自己的手臂自由度多得多，正因如此，你的手才能伸到空间里那么多的点上，并以那么多的角度倾斜。

每一个能弯折的关节，或每一个能伸缩的滑块，通常都增加一个自由度。机器人需要足够的自由度才能完成任务：要把一个物体放到它面前的任何位置，还能让它朝向任何方向，一条手臂一般需要六个自由度——三个用来确定空间中的位置（左右、上下、前后），三个用来确定姿态（“手”的倾斜与旋转）。自由度太少，就会有一些姿势它根本够不到。

数清自由度，是工程师评估一个机器人时最先做的事情之一，因为它划定了这台机器在物理上能达到什么的界限。自由度越多，意味着越灵活、越灵巧——但同时也意味着更多的电机、更高的成本、以及更复杂的控制，所以设计者只会给机器人配上任务真正需要的那么多自由度。

机构的自由度，是它能够独立活动的方式的数目——你得拧动多少个互不相干的旋钮，才能把它的形态完全确定下来。每个旋钮代表一种你可以自由选择、又不影响其他选择的运动。一扇装在合页上的门有一个自由度：你唯一能改变的就是它打开的角度，所以一个数字就把它描述清楚了。在桌面上滑动的鼠标有两个：往左右多远，往前后多远。自由度的计数，无非就是这个机构给了你多少个这样的自由选择。

这个数字让你一眼看出一台机器人有多能干、有多好控制。要把一个物体放到平桌上的任意位置、还能转到任意角度，你需要三个自由度；要把一件工具送到三维空间里的任意一点、再朝任意方向瞄准，就需要六个——这正是典型机械臂有六个关节的原因。粗略地说，自由度越多就越多才多艺、越能摆出别扭的姿态，但也意味着要买更多电机、要扛更多重量，以及控制器要同时摆弄更多数字。

要把它算出来，有一条简洁的记账规则。在开链里，每个简单关节增加一个自由度，所以你几乎可以直接数关节。在带回路的闭链里就更微妙了，因为每个回路都把运动捆在一起，悄悄抵消掉一些自由度；工程师用一个公式（格鲁布勒–库茨巴赫判据）来清点零件和关节、再减去约束。如果最后算出来是零，这东西就是一具完全不能动的刚性框架；如果是负数，那设计通常被过度支撑、会卡死（除非有特殊几何让它仍能活动）。

Denavit–Hartenberg 参数是一套整洁、约定俗成的「记账法」，用来一节关节一节关节地描述机械臂的形状。多关节机械臂的麻烦在于：它的几何可以用无数种互不一致的方式去测量、去标记。DH 表示法这样解决问题：对每一节连杆，按照一套固定的规则贴上一个坐标系（一小组参考用的坐标轴），这样一来，相邻两个坐标系之间的关系总能用区区四个数字来刻画。这四个数——通常叫连杆长度、连杆扭转角、连杆偏距、关节角——就是 DH 参数；一行这样的四个数，依次描述每一个关节。

为什么非要把每个关节压缩成四个数字不可？因为这样一来，整条机械臂就能用一张小巧、标准化的表格描述出来，任何机器人工具都能用同样的方式读懂它；而且这让计算正向运动学几乎变成机械操作：每一行直接变成一个变换，顺着表格往下相乘，就得到末端执行器的位姿。这就像大家约定用同一种标准格式来写地址——门牌号、街道、城市、国家——于是无论谁、无论在哪儿，都能毫不含糊地找到那个地方。这套约定可以追溯到 1955 年，至今仍是机器人运动学最先教的内容之一，尽管有些现代软件更偏好其他等价的描述方式。

树突是从神经细胞（神经元）上长出来的、细细的分叉手臂之一，充当神经元的“收听天线”。可以想象一棵冬天的树：树干是神经元的主体，而向四面八方伸展的、光秃秃的细枝就是树突。它们的任务是接住来自其他神经元的信息，就像卫星天线从空中收集信号一样。

每根树突上都布满了成千上万的微小接触点，邻近细胞传来的信号就在这里到达，常常落在叫做“棘”的小突起上。当一条信息到达时，它会把树突内部的电荷往上推或往下拉一点。所有这些微小的推动都向细胞体汇集并叠加在一起；如果合起来的推力足够强，这个神经元就会向下一个细胞发出自己的信号。由于单个神经元能长出密密麻麻、四处铺展的树突丛，它可以同时聆听成千上万个其他神经元，这正是大脑能把如此多信息交织在一起的部分原因。

树突棘是从神经元的接收分支表面突出来的、像小旋钮一样的微小凸起。要想象它，可以把一个神经元看作冬天一棵落了叶的树：树干是细胞体，而那一丛向外伸展、用来接收信号的细枝，就是树突。树突棘就像沿着这些细枝长出来的小芽或小刺，每一个通常还不到千分之一毫米宽——小到在很长一段时间里，科学家只能在一种特殊的黑色染料渗进细胞后，把它们看成一个个模糊的小点。一个神经元上可以带着几万个这样的棘，使它的分支在显微镜下显得毛茸茸、像结了一层霜。

树突棘之所以重要，是因为它们是一个神经元倾听另一个神经元的主要地点。神经元收到的大多数兴奋性接触——也就是那些把它往“发出自己信号”方向推的消息——都落在棘的头部，而不是落在光秃秃的分支上。每个棘都有一个圆鼓鼓的头部，传入的消息就到达这里，还有一根细细的颈把它连回树突；这根狭窄的颈有点像一个独立的小隔间：它让每一个接触都能被单独调强或调弱，而不打扰旁边的邻居。这正是大脑学习方式的重要一环。当一个连接被频繁使用时，它的棘可以膨大、变得更强；当它不再被用到时，棘可以萎缩，甚至消失。所以一个神经元上这片不断变化的棘“森林”，在很真实的意义上，就是经验和记忆的一份实体记录。

在大约四十年里，芯片设计师在摩尔定律背后藏着一份无声的馈赠。罗伯特·登纳德在 1974 年观察到：当你把一个晶体管做小，流过它的电压和电流也能按同样的比例一起缩小。美妙的后果是：哪怕你把两倍数量的晶体管塞进同样的面积，每平方毫米烧掉的功率仍然大致不变。于是每一代新工艺都同时给了你更多的晶体管、更快的开关、以及不变的功耗和发热。这就是那顿免费午餐。更小意味着更密、更快、更凉快一并到手——正因如此，主频随着每个节点从兆赫一路爬升到吉赫，而谁都不必为电费费太多心思。

这顿午餐在 2006 年前后不再免费，原因是物理，而不是工程上的偷懒。要让晶体管跑得更快，你需要在它的「开」电压和「关」阈值之间留出一段健康的差距。可晶体管从来不会彻底关断；哪怕闲着，它也会漏出一丝电流，而这股漏电会随着你压低阈值呈指数级增长。到了 2000 年代中期，供电电压已经降得离阈值太近，再往下压就会让漏电爆炸式增长，于是电压干脆不再缩小。被登纳德法则牢牢钉住的单位面积功率，开始一代代往上爬。这就是功耗墙。

一旦热量排不出去，你就没法继续把主频往上推；事实也正是如此——单核主频在 3 到 4 GHz 附近变得平坦，至今仍停在那里。行业的应对是：不再去追那一个尖叫般飞快的核心，而是把摩尔定律仍在持续兑现的额外晶体管，花在更多以合理速度运行的核心上；这正是你的手机和笔记本走向多核的原因。登纳德缩放定律的终结，是现代路线图其余部分赖以转动的枢纽时刻：后来的每一招——从 FinFET 和 GAA 沟道，到芯粒、背面供电、以及暗硅——本质上都是一种办法，让人在「密度不再自带免费速度和免费省电」之后，依然能从密度里榨出价值。

依赖（dependency）就是你的项目要正常运转所倚靠的、别人写好的代码。如今几乎没什么是从零造起的：你想解析一个日期、画一张图表、或连一个数据库，与其自己从头写，不如拿来一个已经做好这件事的库——于是你的项目就「依赖」上它了。

你不会把那段代码一行行手动粘进项目里。你只要在一个小小的清单文件里写下它的名字（以及你能接受的版本），你的包管理器（package manager）就会读这份清单，替你逐个装好，连它们各自所需的东西也一并装上。

这是个美妙的捷径——你站在了别人早已堆好的一座工作大山上。代价是你也把他们的代码揽了过来：当一个依赖有 bug、出了更新、或被作者弃坑，那从此也有你一份心要操。尽管放心倚靠依赖，但要清楚自己倚靠的到底是什么。

部署（deployment）就是把在你自己电脑上跑的代码，搬到一台对外的服务器上，让真实的用户能够实实在在地访问到它。在这之前，你的应用还是私密的——只是一场排练。部署，就是把门打开。开发者干脆把它叫「上线」或「发布」（ship）：你把代码送出去，送进真实世界。

它填补的，正是「在我电脑上能跑」和「对所有人都能跑」之间的那道缺口。一次部署，会把你写完的代码复制到一台始终开着的服务器上，装好它所需要的东西，再把你的网址指向它。一旦完成，地球另一端的某个人就能打开你的页面了。

过去，部署是一场紧张、全靠手动、常常熬到深夜的仪式。如今它大多自动化了：你推送代码，一条自动化流水线替你构建、测试，只要一路绿灯，它就自己部署上线。做得好的话，发布一次改动会变成一件安静的日常小事——很多团队一天部署好几次，没有人需要屏住呼吸。

去极化是神经元的电情绪由低沉转为兴奋的那一刻。静息时，神经细胞内部比外部略微带更多负电荷，有点像一节储存着少量电压的电池——通常约为七十千分之一伏特，内侧是负极那一端。去极化的意思很简单，就是内部变得不那么负，朝着零漂移，有时甚至越过零点。这个名字稍微有点反直觉：细胞并不是在获得极性，而是在失去极性，在缩小它外皮（也就是细胞膜）两侧的电荷差距。

这种转变发生在膜上那些微小的闸门——也就是离子通道——打开、放带正电的粒子（最常见的是钠原子）涌入细胞的时候。每一波正电荷都把内部电压往上拉。可以把它想象成头几位客人走进一间安静空荡的房间：每进来一个人，气氛就抬高一档。如果涌入的正电荷足够多，把电压推过一个叫作阈值的临界点，神经元就会发放一次完整的动作电位——也就是它用来沿自身传递信息的那一下短促电脉冲。所以去极化就是那个累积的过程，是决定细胞究竟会开口还是保持沉默的、逐渐上升的张力。

当某样东西被标记为「已弃用（deprecated）」，意思是官方正式不建议你再用它，它已经在退场的路上了。眼下它还能正常工作——今天不会坏——但维护者其实在明白地告诉你：别再用这个了，已经有更好的替代品，而且总有一天它会被彻底移除。

可以把它理解成功能被请出门前那句客气的「最后通知」。你通常会以「弃用警告（deprecation warning）」的形式遇到它，出现在控制台或文档里，而且往往会直接告诉你该改用什么。

明智的做法是：趁它还只是个警告时就动手处理。已弃用的代码是在「借来的时间」里苟活——现在就按自己的节奏迁移到替代方案，别等到将来某次升级真把它删掉时手忙脚乱。

深度估计这件事，是要弄清楚一个画面里每一个点离摄像头有多远——把一张本身完全没有距离感的平面图像，变成对“远近”的认识。它的输出通常是一张深度图：图里每个像素存的不是颜色，而是一段距离，用亮度来表示每个点有多近（或者按约定表示有多远）。一个知道深度的机器人，就能判断门口在前方两米、椅子在它左侧半米处——而这正是它移动和伸手却不撞到东西所必需的。

获取深度没有唯一的办法，而是有一整套各有取舍的方法。立体摄像头从并排两个视角之间的视差里推出深度。结构光会把一组已知的点阵或条纹图案投到场景上，再读取这图案在物体表面上是怎样错位和弯曲变形的，据此算出距离——许多室内深度摄像头就是这么工作的。飞行时间传感器和激光雷达则发射光线，测量它弹回来要花多长时间。还有基于学习的方法：用一个研习过数百万张图像的神经网络，单凭一张普通照片就去猜测深度，靠的是人也会用的那些线索，比如东西离得越远看起来越小、纹理在远处会变得越细。

每一种方法都有它的甜蜜点和短板。立体视觉和单图学习在空白、没有纹理的表面上都很吃力；结构光和飞行时间在强烈阳光下可能被冲刷得失效；激光雷达精确、测程远，却价格昂贵，而且给出的是稀疏的点而不是一张稠密的图。因此，真实的机器人常常把好几种来源结合起来——把它们融合在一起，让一种方法的长处去补上另一种方法的盲区——以构建出一幅可靠到足以据此行动的深度图景。

导数衡量的是某个量在某一瞬间变化得有多快。想象你在开车：位置不停地变，而位置的导数恰好就是你时速表上的读数——此时此刻、就在这一瞬间，你的位置变化得有多快，而不是整段旅程的平均速度。

从几何上看，它就是曲线在某一点的陡峭程度。想象把一条弯弯曲曲的图像不断放大，直到那段曲线看上去笔直为止；这一小段直线的斜率，就是该处的导数。陡峭的上坡意味着导数很大；平坦的一段则意味着导数为零，曲线在那一刻是平的。

它最核心的巧思，是在一个越来越小的区间上求平均变化率——再看当区间缩到几乎为零时，这个值逼近哪个数。那个极限就是导数。一个常见的误会：它告诉你的不是某个量有多大，而是它变化得有多快——一辆车的里程表可以停在 100 公里，可只要它停着不动，速度（导数）就是零。

面向可制造性的设计，是一种习惯：画芯片时，不是把它画成你梦想能造出的那个完美之物，而是画成真实工厂真能反复造出、且不会有太多副本出厂即坏的那个略有瑕疵之物。正是这套规矩，让普通电脑芯片得以以十亿计出货，如今被借来用在量子处理器上。道理很简单：一张在屏幕上看着漂亮的版图，如果下线的芯片有一半没打中目标、或正好压上一个致命缺陷，那它就一文不值。

落到实处，DFM 意味着先和工厂约定一套工艺设计规则——它承诺能稳定保证的最小线宽、间距和图形——然后留足余量在规则之内作设计。对量子芯片，它还多出几桩活：规划量子比特频率，让制造带来的难免离散在相邻比特之间仍留有空隙；布好走线与键合焊盘，让信号能抵达每一个量子比特；选用宽容的几何形状，对微小的对准偏差一笑置之；并预先设计好测试手段，在你把整台机器降温好几周之前就先把坏片挑出来。共同的目标是：让一颗典型的芯片、而非精挑细选出的幸运儿，能正常工作。

诚实的难处在于，量子 DFM 还很年轻，最难的那些规则仍在书写之中。其中最难伺候的一步——制造频率恰好落在你所要求处的约瑟夫森结——其公差还远远赶不上经典晶体管所享有的水平，所以频率规划面对的是真实的散布，而非一张干净的网格。没有哪种量子比特方案沉淀出了稳定的规则手册，最佳实践还在工厂脚下随器件本身的演变而不断挪动。这里的 DFM 与其说是一本写完的攻略，不如说是一个前进方向：借来那套让经典芯片得以量产的规矩，再慢慢挣得同样的可预期性。

想象一位验收工程师拿着城市建筑规范走进一处刚竣工的工地：墙体不得低于某个厚度，楼梯坡度不得超过上限，安全出口之间要留足最小宽度。设计规则检查就是给你芯片版图当这位验收工程师。晶圆厂会交给你一份规则文件——里面是数以百计的几何要求，全是它的产线真正能稳定印制和刻蚀出来的尺度——而 DRC 工具会扫过每一层上的每一个多边形，确认没有一处违反规范：每根导线都不窄于最小线宽，任意两个图形的间距都不小于最小间距，每个图形都不低于最小面积下限，而且金属必须把它下方的通孔按规定的量包住，这样连接才能熬过工艺加工。这项检查纯粹是几何性的。它问的是‘这东西能不能造出来？’，而不是‘连线对不对？’——把你的版图和原本设计的电路相比对，那是另一道独立的工序，叫版图与原理图比对（LVS）。

DRC 在流程的后段才运行，要等布局布线把真正的金属都画好之后，作为物理验证的一部分进行（有时称为签核 DRC，也就是晶圆厂认可的最终一遍）。它很少单独出场。天线规则常常和它结伴而来：在制造过程中，一段长长的、连到晶体管栅极的金属会在工艺中途收集等离子体电荷，把薄薄的栅氧化层击穿，所以规则文件会给‘暴露的导体面积’与‘它所连栅极面积’的比值设一个上限——要修一处违例，你可以加一个小小的保护二极管，或者把这条网络跳到更高一层金属上。电气规则检查（ERC）则是它的姊妹工序，专门揪出单凭几何形状看不出来的电气错误，比如悬空的栅极，或者某个节点在电源和地之间短路。DRC 干净、LVS 干净、天线和 ERC 都干净，这几道合在一起，就是版图被允许靠近流片之前必须通过的那道关卡。

发育性细胞凋亡是发育中的大脑用来把细胞数目调对的一种内置而有序的“细胞自杀”方式。大脑在成形时会故意制造过量的神经元——远比它最终保留的要多——然后悄悄清除多余的部分。可以把它想象成一位雕塑家，先拿来一块远比成品大的石料：最终的造型不是靠往上添料显现出来的，而是靠把不需要的部分一点点凿掉。大脑也是如此——它不只是一个细胞一个细胞地搭起来，同时也被“雕削”下去，在某些区域，造出的神经元大约有一半是被有意清除掉的。这种有计划的死亡正是凋亡的含义——一种整洁、自我了结的关闭过程，与受伤细胞那种凌乱破裂截然不同。

为什么要多造一批细胞，只为了把它们删掉？因为这让大脑可以去检验连接，而不是凭空猜测。年幼的神经元长出线路，去争抢数量有限的“存活化学物质”——比如神经营养因子这类保护性分子——它们由神经元设法连到的目标（如肌肉或别的神经元）所释放。一个接上了正确伙伴的神经元，能吸取到足够的化学“安抚”而存活下来；而一个什么都没连上、或连错了地方的神经元，则得不到这种信号，于是从内部启动自己的死亡程序，把内容物整齐地打包起来，好让邻居在不引发炎症的情况下把它清走。结果就是：一个神经系统里留下来的细胞，正是那些真正找到了有用工作、并与其目标规模相匹配的细胞。

这种对整个细胞的“修剪”大多发生在出生前后，并与日后对单个连接的细修剪相互配合。把它做对很重要：发育性细胞凋亡太少，会让大脑里挤满接错线的细胞；太多则会把它削得过于稀疏。而这套“死亡与存活”信号的紊乱，正是某些神经发育障碍和神经退行性疾病研究关注的对象。这种受控的损失绝非缺陷，而是大自然塑造一个能正常运转的大脑的主要手段之一——它证明了在发育中，做减法可以和做加法同样重要。

灵巧操作，是娴熟而精细地协调多根手指一起来处理一个物体——不只是把它握住，而是主动地控制它：用轻巧、掐准时机的触碰去转动、滑移、重新摆放、调整它的朝向。它就好比一只只会夹住东西的钳子，和一只能转笔、拧瓶盖、穿针引线的人手之间的差别。它的标志，是许多个接触点，每一个都朝自己的方向用力，却又全部协同，汇成一个流畅的结果。

它之所以难，在于物体的去向取决于每一根指尖此刻共同的作为。按得太重，会把它压坏或卡死；太轻，它会滑掉；彼此不同步，它就会朝错误的方向翻倒。机器人必须随时掌握每根手指碰在哪里、每个接触点上流过多大的力、这些接触又会让物体怎样运动——而且在物体不断移动的过程中，这一切每秒都要更新许多次。这通常需要一只多指的手、良好的触觉感知（好让机器人感觉到正在发生什么），再加上要么是极为细致的接触规划，要么是经过长久练习学来的技能。

灵巧操作之所以是机器人学的一处前沿，恰恰因为人手做起来轻松自如，机器却觉得难如登天。一旦攻克了它，机器人就能去打结、组装小零件、使用日常工具，去处理真实厨房或工坊里那些柔软、滑溜、不规则的物体，而不再只是工厂流水线上那些整整齐齐、又硬又规矩的部件。

机械臂的灵巧工作空间，是一块更小、更挑剔的区域，在那里手不仅能够到某个点，还能以你想要的任意方向去够到它。在更大的可达工作空间里，机械臂只是能以某种方式碰到一个位置；而在灵巧工作空间里，它在那里享有完全的角度自由——可以把工具竖直拿着、倾斜、翻转、朝任何方向瞄准，同时一直停留在同一个位置上。

这份额外的要求十分苛刻，所以灵巧工作空间总是套在可达空间的里面，而且通常小得多——往往是靠近手臂活动范围中段的一块紧凑核心，远离那些极远、完全伸直的边缘。在边缘地带，机械臂仍能碰到东西，但只能以一个被迫锁死的角度去碰，就像伸直手臂去够高处的搁板：指尖虽然到了，可一旦到了那儿，你就没法自由转动手了。

对于那些在意朝向、而不只在意位置的任务，这块区域至关重要——拧螺栓、从瓶里倒水、焊接缝隙、引导手术器械。对这些活计来说，工件必须落在灵巧工作空间之内，因为仅仅可达还不够；手还得能以正确的姿势去面对它。

方言是一门语言的某种「风味」——某个地区或某个社会群体所说的那一版，有自己的词汇、自己的发音，甚至有自己一些小小的语法花样。想想一个得州人、一个伦敦人、一个苏格兰人都说英语，却说得各不相同：一个管汽水叫「soda」，另一个叫「fizzy drink」，他们一张口，元音和节奏就变了样。这些都是英语的不同方言。

关键在于：没有哪种方言比另一种更「正确」。我们称为「标准语」的那一版——学校里教、新闻里念的那种——通常不过是恰好属于有权势、有声望那群人的方言。它并不更纯正、也不更合逻辑，只是中了社会的彩票而已。每一种方言，自身都有一套完整而自洽的语法。

棘手的地方在这里：方言到哪里为止、一门独立的语言又从哪里开始？语言学家爱说一句俏皮话——「语言不过是拥有陆军和海军的方言。」普通话和粤语常被称作汉语的方言，尽管说这两种话的人彼此听不懂；而挪威语和瑞典语被算作两门语言，尽管说的人大致能互通。这条线的画法，靠政治与身份认同，远多于靠语言学。

超导量子比特把它的能量有一部分储存为在金属周围空间里振荡的电场。只要这个电场穿过某种绝缘材料——一小片裸露的硅表面、金属上薄薄的天然氧化层、两块芯片之间的粘接胶——其中一部分能量就会被悄悄吸收并转化成热。这种吸收就是介质损耗，也是量子比特往往只过几百微秒就忘掉自己状态的主要原因之一。电场所触及的每一处不完美绝缘体，都是一个微小的泄漏点。

工程师把这个问题拆成两部分。材料本身有一个损耗角正切，记作 tan delta，它描述了单位电场能量落在该绝缘体里时会损耗多少。而每个区域又有一个参与比 p，即量子比特总电场能量中真正落在该区域内的那一份额。某个区域带来的损害大致是 p 乘以 tan delta，再把所有损耗点的这些乘积加起来。于是对付介质损耗有两条路：挑更好的材料以降低 tan delta；以及调整几何结构——更宽的间隙、更干净的表面、更少的界面——把电场推离那些损耗区域以降低 p。

诚实的难处在于，最严重的元凶往往是最薄、最难控制的那些层：几个纳米厚的氧化层，以及金属与衬底相接处那个杂乱的界面——那里参与比 p 很小，但 tan delta 极大。许多损耗来自正好住在这些层里的微观双能级系统缺陷。更洁净的工艺、更好的衬底和巧妙的几何设计已经让量子比特寿命稳步提升，但表面和界面的介质损耗至今仍是限制当今量子比特能活多久的主要瓶颈之一，远未被解决。

差速驱动是最简单的可转向轮式布局：两个轮子，机器人左右各一个，每个轮子都有自己的电机，外加也许一个能自由转动的小万向轮，用来撑住车身不让它倾倒。它没有方向盘，也没有任何会朝左或朝右转的部件——机器人完全靠让两个轮子转得快慢不同来改变方向。让两轮以同样的速度一起向前转，它就笔直地滚；让左轮比右轮转得快一些，它就向右拐；速度差越大，转弯就越急。

这种设计的妙处在于：同样这两个电机，既负责让机器人前进，又负责为它转向，于是它能做出汽车做不到的事——原地自转。如果让左轮以某速度向前转、右轮以同样速度向后转，机器人就会绕着两轮正中间的那个点旋转，自己却不挪窝——在一块不比它自身更大的地方完成一个漂亮的回旋。正因如此，几乎每一台扫地机器人、爱好者的小车和仓库搬运车都采用差速驱动：它便宜、机械上简单到极致，还能在狭窄的室内空间里就地掉头。

推算这样一台机器人最终会跑到哪里，是一道很整洁的数学题。仅凭两个数字——左轮轮缘走多快、右轮轮缘走多快——你就能算出机器人的前进速度（两者的平均值）和它转动的快慢（两者之差除以两轮之间的距离）。把这些一刻接一刻地累加起来，你就能预测、或者下达指令去规定机器人在地面上的整条路径；这种由轮速推算运动的账目，就是它的运动学。

微分运动学着眼于极小的变化：如果你把机械臂的每个关节都拨动那么一丝丝，它的手究竟会平移多少、朝哪个方向移？它问的不是一秒钟里的完整速度，而是能想象到的最小一步——一丝丝的关节转动，以及与之对应的一丝丝手部移动。它是「放大镜下」看关节运动与手部运动如何绑在一起的视角。

在极小步长里做事，结果是一种美妙的简化。在一整段大幅运动里，关节与手之间的联系是纠缠又弯曲的；但只要这一步足够小，这层联系就几乎变成一个简单、笔直的比例关系——而这个比例正是由雅可比矩阵抓住的，那张把关节的一点点扭动映射成手的一点点平移的表。这就是为什么机器人控制有那么多是建立在极小增量之上的：把成千上万个这样小而乖巧的步子叠起来，你就得到一段完整、平滑、可控的运动，而不必一口气去硬碰那条完整的弯曲关系。

微分运动学和速度运动学是同一枚硬币的两面。速度运动学把这层联系说成速度（每秒移动多少）；微分运动学把它说成增量（每一小步移动多少）。两者倚靠的是同一个雅可比矩阵，而数字控制器——反正本就是一拍一拍地极小步更新——天生就是用这种小增量在思考的。

差分对就是两只精心匹配的晶体管，它们的源极接在一起、共用一个尾电流源；这一对管子合起来只回答一个问题：你的两个输入中哪一个更高，高出多少？你可以把它想象成一个跷跷板，支点处有一股恒定的水流注入。水的总量是固定的，所以当一个输入升高、把跷跷板压偏时，电流就会从一只晶体管转移到另一只——但两者之和永远不变。输出读取的是两边的不平衡量，这意味着这一对管子放大的是两个输入的差值，而对它们共有的那部分电压则悄悄忽略。把两个输入抬高同样的幅度，跷跷板保持水平，输出端什么也不会发生。这正是它的全部要义：它只听差值，对共有的部分则充耳不闻。

这种“充耳不闻”有个名字——共模抑制（common-mode rejection）——这也是差分对几乎成为每一个op-amp输入前端的原因。现实世界的信号往往骑在共有的杂物之上：电源纹波哼声、地弹、拾取到的干扰。因为这些噪声对两个输入是共有的，所以这一对管子会把它们抑制掉，同时忠实地放大那个我们想要的微小差值。我们用CMRR来给它打分，也就是差模增益与共模增益之比（越大越好，常以dB表示）；尾电流源越理想，CMRR就越好，因为一个“硬”的尾电流能稳稳地把电流之和保持恒定，不让共模的变化漏过去。

增益本身来自每只晶体管的跨导gm——它衡量栅极电压驱动电流的强弱——再作用到输出端的电阻上，所以小信号增益大约就是gm乘以那个负载电阻，道理和共源级一样，只不过这里是由输入差值来驱动的。对于工作在饱和区的MOSFET，gm = 2*Id/Vov，所以你选定的尾电流以及把管子偏置得多“硬”，同时决定了增益和速度。给这个前端配上一个电流镜负载，把两边的摆动汇成一路干净的输出，你就得到了经典两级op-amp的第一级。

扩散磁共振成像是一种利用普通脑部扫描仪来观察水分子如何在活体脑组织内部漂移的方法——无需手术、不打造影剂、也没有辐射。水分子从不会完全静止，它们时刻在各个方向上抖动、游走，这种运动称为扩散。其中的关键在于：这种游走并非处处同样自由。大脑的远距离连线由轴突构成——那是一根根细细的、像电缆一样的纤维，常常成束捆扎并裹着一层富含脂肪的绝缘鞘——水分子能沿着这些纤维的长轴轻松滑动，却很难横向穿出纤维之外。通过测量在每一小块组织中水分子朝哪些方向移动得最自由，扫描仪就能推断出该处纤维的走向。

纤维束成像是接下来的一步：计算机把所有这些指向各方的小箭头拼接起来，像顺流而下追踪一条河流那样，从一小块组织跟随水流走向下一小块，从而重建出连接不同脑区的长程通路——也就是白质纤维束。最终得到的，是活人脑内连线的一张彩色三维地图，可用于研究各脑区如何相互连接、在神经外科手术中规划如何避开重要纤维束，以及在中风或多发性硬化等病症中发现损伤。需要牢记的是：这张地图是一种推断，而非照片：纤维束成像是从水分子运动的线索中估算出可能的纤维路径，在许多纤维交叉之处容易被误导，因此那些漂亮的纤维曲线应当谨慎解读。

数字签名是一种证明方式：它能证明某条特定消息确实出自某个特定的人、且自签署后未被改动——靠的是数学，而非墨水。手写签名在每份文件上看起来都一样、还能被人临摹；数字签名却不同，它是由消息和签署者私钥共同算出的一个独一无二的数字，因此没有那把钥匙就无法伪造，也无法挪用到另一条消息上。

它与公钥密码学携手工作。签名时，你把消息和自己的私钥结合起来，算出签名。验证时，任何人拿着消息、签名和你的公钥跑一遍核验，只有当这签名确实是你的私钥针对这条消息所作时，核验才会通过。私钥始终不离你手，全世界却都能确认这出自你手。事后哪怕改动消息中的一个字符，签名就再也对不上了。

这一下子带来三重保证：真实性（确实出自持钥人）、完整性（内容未遭篡改），以及不可抵赖性（签署者事后无法否认）。在区块链上，每一笔交易都必须带有资金所有者的有效数字签名；没有它，网络会径直拒收这笔交易。正是这一道核验，挡住了任何人去花用本不属于自己的代币。

数字孪生是某一台特定真实机器人或机器的一个“活的”虚拟副本，它借助来自真实传感器的源源不断的数据，与其物理原型逐时逐刻地保持同步。与普通仿真不同——普通仿真只是某个想象中机器人的“替身”——数字孪生与世界上某一台具体的机器绑定在一起：当真机抬起手臂，它的孪生体就在屏幕上抬起对应的手臂；当真机的某个关节发热，孪生体就显示同一个关节在升温。它与其说是一个排练舞台，不如说是一面不断更新的镜像。

维持这样一面忠实的镜子持续运转，有三大回报。第一是监控：操作员可以注视一台在工厂另一头——甚至在另一片大陆上——工作的机器人，仿佛就站在它身旁，一眼看清它真实的状态。第二是预测：由于孪生体知道真机当前的磨损与负载，它可以在自己身上跑“假如……会怎样”的测试，比如悄悄检查今晚更重的任务会不会把某个电机烧热，并在真机出故障之前就发出预警。第三是规划：工程师可以先在孪生体上试一段新流程，等看上去安全了，才把它下发给真机。

这个理念可以追溯到 NASA 在阿波罗时代的一种做法：在地面上保留一艘航天器的完整复制品，好让工程师能重现并解决远在太空中发生的问题；而“数字孪生”这个说法本身，是几十年后才被造出来的。现代的数字孪生在软件里做着同样的事，由实时数据持续地“喂养”着它。其中的难点在于让孪生体真正地保持同步：一旦数据迟到、稀疏或出错，这面镜子就会偏离现实，它的预测也就不再可信。

数模转换器就是把 ADC 反过来跑：它接收一串数字——芯片算出来或存下来的代码——再把它们重建成真实、连续的电压或电流，送给扬声器、天线驱动器或某个控制环路。可以把它想成一套按数字填色的颜料盒。数字这边递过来一个序号（“这个采样点是 4096 级里的第 1402 级”），DAC 就调出恰好那种深浅的模拟量，并把它稳稳保持在输出端，直到下一个数字到来。每一个代码对应一架梯子上的一级，这架梯子总共有 2^N 个等间距的输出电平；一级的高度——也就是转换器能迈出的最小一步——就是 LSB，等于满量程范围除以 2^N。所以一个满量程 1.2 V 的 12 位 DAC，每一跳大约是 1.2 V / 4096，约 0.3 mV。

由于输出只在新采样到来时才变化，之后就保持平直（这叫零阶保持），原始信号出来的是一道楼梯，而不是一条平滑曲线。这种棱角分明的台阶是你并没有要的高频杂质，所以 DAC 后面几乎总要接一个模拟重建滤波器——一个温和的低通——把这些台阶重新磨圆成本该有的波形。有限的级数还给保真度设了一道硬天花板：一个理想的 N 位转换器在满量程正弦信号下，信噪比最多也就到大约 6.02N + 1.76 dB，这跟 ADC 遵守的量化极限是同一条，所以每多一位大约能换来 6 dB。真实的 DAC 连这个数都达不到，因为没有哪两级是间距完全相等的。

正是这些间距上的不完美，让模拟实践变得棘手。微分非线性（DNL）衡量每一步偏离一个理想 LSB 有多远，积分非线性（INL）则衡量整条传输曲线累积起来的弯曲程度；一旦 DNL 达到 -1 LSB，代码在递增、输出却可能往回走，这就是非单调 DAC，会悄无声息地毁掉任何依赖它的反馈环路。另一个经典的坑是毛刺能量（glitch energy）：在像 0111 跳到 1000 这样的大代码跳变处，许多内部开关会在略有差异的瞬间翻转，于是有那么几纳秒，输出会冲到一个它本不该去的地方。这就是为什么架构很关键——慢速、高精度的音频器件可能用 R-2R 梯形网络，而高速的通信发射机则会选用电流舵（current-steering）DAC，它专为以最小毛刺切换电流而设计。

迪杰斯特拉算法是一套用来在网络里寻找“最省路线”的方法：它能从一个起点出发，算出到其他每一个点的最便宜走法，而点与点之间的每一步都带有一个代价——比如距离、时间或能量。想象一张地铁线路图，每两个相邻站之间都标着要花多少分钟。这个算法不是靠猜，而是像水漫过山谷那样，耐心地从起点一圈圈向外扩散，算出从你家附近那一站到任意目的地的最快总用时：它每一步总是先去“敲定”当前离起点最近、还没确定下来的那个站，因此当它第一次把某个站敲定时，就已经确定那是到那里最快的走法。

让它如此可靠的诀窍是这样的：算法为每一个点都记着一个“目前已知的最低到达代价”，起点记为零，其余各处先记为“未知”。它反复挑出尚未敲定、且已知代价最小的那个点，把它标记为最终确定，然后查看它的邻居：如果经过这个点去到某个邻居比之前找到的任何走法都更便宜，就把那个更低的代价记下来。正因为它每次都先敲定“目前最便宜”的点，而且各步代价永远不会是负数，后面任何新发现都不可能再打败一个已经锁定的点。算法结束时，到达目标的最短路径就能一步步回溯出来。

在机器人路径规划里，这些“点”就是栅格地图里的方格，或是机器人可以站立的各个位置所组成的图中的节点，而“代价”则是在它们之间移动有多困难或多危险。迪杰斯特拉算法能保证给出真正最短、或代价最低的路径，这是它最大的长处。它的短处是会朝各个方向同等地探索，完全不知道目标在哪边，因此可能把力气浪费在远离目标的地方——而这正是 A* 搜索算法通过加入一个“朝哪个方向走”的提示所要解决的问题。

你在量子计算机照片里看到的那些金铜色吊灯，就是稀释制冷机，真正的芯片挂在最底端，比深空还冷。一个超导量子比特工作在几吉赫，而在室温下，热运动的随机抖动所携带的能量远大于一个微波量子，所以热噪声会淹没量子比特、不停地把它翻转。制冷机存在的意义就是把这些热量带走，把芯片冷却到大约 10 到 20 毫开尔文，也就是绝对零度之上约百分之一度，让量子态能安静地待足够久去完成计算。它同时让芯片上的金属保持在超导态，使导线无电阻、无发热地传输电流。

这份寒冷来自混合两种氦的同位素。在大约 0.87 开尔文以下，氦-3 和氦-4 的液态混合物会像油和水那样分成两层。把氦-3 原子从富集层推过界面进入稀薄层需要消耗能量，而这份能量是以热的形式从相连的物体上抽走的，就像汗水蒸发时带走你皮肤上的热一样。制冷机是一层层叠起来的，每一层都比上一层更冷，常按温度标注，比如 4 K、1 K、蒸馏器，以及最底部芯片所在的混合腔。每一根信号线和同轴线都要穿过所有这些层一路向下，把它携带的热量在下行途中一段段地卸掉。

诚实的难处在于：底部的制冷功率非常小，基温下常常远不到一毫瓦，所以那里几乎不允许任何东西发热。这一条就决定了整块量子芯片的设计：控制和读取信号必须在低温各级被大幅衰减和滤波，片上电子器件只能极省地耗电，而能用来走线的空间也有限，线一多热负载就赢了。要扩展到成千上万个量子比特会直接撞上这堵墙，这也正是为什么当前大量工作投在低温 CMOS 控制芯片、更好的布线和复用上，而不是单纯地堆更多量子比特。

二极管是电流的单向阀门。想象一个旋转闸门：人们只能朝一个方向通过，反方向再怎么推也纹丝不动——这正是二极管对电流所做的事。让电流沿「正向」流动，它几乎畅通无阻；想让它倒着走，二极管就猛地关死，把它挡住。只让电荷朝一个方向通过、堵住另一个方向，这一个看似简单的本领，正是电子电路里几乎一切二极管用法的根基——把杂乱的电整成干净的单向电流（整流）、为娇贵的元件挡住倒灌的电流冲击（保护），而在发光二极管里，则是把这股正向电流变成光。

奥妙藏在 PN 结里：p 型硅（掺杂后渴望电子）与 n 型硅（掺杂后多出电子）相接。就在交界处，那些自由的电子与空穴两两配对、相互填补而退散，留下薄薄一层耗尽区——里头几乎没有可移动的电荷——挡住电流。正向电压超过约 0.7 V（硅）时，这道势垒被压垮，电流随即涌过；反向电压只会把它加宽，于是几乎什么都通不过。正是这种不对称，把墙上插座那来回往复的交流电，整成手机充电器所需的平稳直流电——而发光二极管（LED）不过是一只特意做成这样的二极管：让正向电流释放出的能量以光的形式发出来。

直接通路与间接通路是穿过基底神经节的两条相互对抗的路线。基底神经节是位于大脑深处的一组结构，负责帮你挑选并启动动作。可以把这两条通路想象成同一台马达上的油门和刹车。直接通路是油门：它一旦兴奋，就松开大脑对动作天生的束缚，让你想做的动作得以执行。间接通路是刹车：它一旦兴奋，就收紧这种束缚，压制那些相互竞争或不需要的动作。流畅而恰到好处的动作，取决于这两条路线之间能否保持平衡。

让它们运作的诀窍在于这一点：默认状态下，基底神经节的一部分会持续压制动作，就像一只手始终踩着刹车。直接通路会短暂地把这只手从刹车上抬起，让你想要的动作得以进行。间接通路则相反——它把刹车踩得更死，关闭你不想要的动作。化学信使多巴胺会同时调节这两条通路：它鼓励油门通路，平息刹车通路。这正是为什么帕金森病中多巴胺细胞的丧失会让刹车过强，使动作变得缓慢且难以启动。这种平衡正是基底神经节的核心任务：挑选出一个动作并让它执行，同时压住其余所有动作。

直接驱动是指把电机直接装在它要带动的部件上，中间没有任何齿轮、皮带或皮带轮。大多数机器人会在电机和关节之间放一个齿轮箱，用速度换力量，就像自行车的低速挡能帮你爬坡。直接驱动则丢掉了这个中间环节：电机自己的轴就是关节，所以电机做什么，负载都能立刻、原原本本地感受到。

省去齿轮换来了三样齿轮往往会破坏的好处。没有回程间隙——也就是齿轮齿与齿之间那一点点的松动或晃动，正是它让带齿轮的关节在换方向时显得松垮。这种连接具有高带宽，意思是它能极快又顺滑地响应和反向，因为路径上没有任何会弹、会松的东西。它还是可反向驱动的：你可以用手抓住手臂去推，电机会轻松转动，于是机器人能感受到外界的力，而不是与之对抗——这让它在与人协作时既温和又安全。

代价是直接驱动的电机必须做得很大、并靠自身输出很高的扭矩，因为它得不到齿轮带来的扭矩放大。所以人们会在更看重顺滑、速度和细腻触感、而非纯粹举力的地方使用直接驱动：高端唱片机的转盘、相机云台、对力敏感的机器人手臂，以及某些行走机器人灵活的腿。

疾病建模，是指在实验室里——脱离任何病人——重现一种疾病，让科学家得以安全地研究它并测试可能的疗法。研究者用取自病人的细胞，或用这些细胞培养出的类器官和器官芯片，搭建出一份「身体哪里出了问题」的活体复刻。这就像为一座有缺陷的桥造一个能运作的等比模型，工程师可以尽情戳它，而不必让任何人站到真桥上。

起点往往是病人自己的细胞，有时会被重新编程回到灵活的干细胞状态，再诱导成疾病所攻击的那种细胞类型——比如，针对神经系统疾病就诱导成脑细胞。由于这些细胞带着病人完全相同的遗传信息，模型重现的是真实的故障，而非一个泛泛的替身。科学家便能看着疾病一步步展开、找出出错的环节，并试用药物看哪些有帮助。

这之所以重要，是因为它让探索得以在不让人冒险的前提下进行，还能捕捉到动物模型会漏掉的疾病。对罕见病、以及为某一个人的生物特征量身定制研究，它尤其有力。它的边界在于对范围的诚实：培养皿里的模型只重现了疾病的一部分，因此一个有希望的结果，仍须在正规的临床试验中得到证明，才可能真正帮助病人。

色散读出是判断一个超导量子比特处于 0 还是 1 的标准办法,而且尽量不去用力打扰它。你不直接观察量子比特,而是给它接上一个小小的微波谐振器,用一个短脉冲去敲这个谐振器,再听回声怎么传回来。量子比特并不吸收这个探测信号,所以测量很温和,量子比特通常能在被问完之后存活下来。

它能成立,是因为量子比特和谐振器的频率被调得相隔很远(也就是色散区)。在这个区域里,量子比特无法和谐振器交换能量,却仍会把谐振器的共振频率轻轻挪动一点点:量子比特在 0 时挪 +chi,在 1 时挪 -chi。于是返回的信号会因量子比特状态不同而带有略微不同的相位和幅度。控制电路对这些返回信号取平均,把每一次测量归入 0 的点云或 1 的点云,从而读出答案。

诚实地说:这种方法快、可重复,但并非没有代价。探测脉冲必须足够强、足够长,才能把两团点云分开;可脉冲太强又会把量子比特摇出色散区,破坏它的状态。谐振器里残留的杂散光子也会让量子比特退相位,所以设计者要加滤波器和隔离器(它们目前仍然笨重、难以做进芯片),并仔细规划每次测量用掉多少光子。

分布式共识，讲的是这样一件事：一群机器人，每台都只掌握真相的一小块、又只能和附近的邻居交谈，却要全体敲定同一个共享答案——而且没有一个上司来一锤定音。设想有十支温度计散布在一片田野里，每支读到的温度略有不同，它们却必须就一个要上报的数字达成一致。难点在于：没有哪台机器人能一下子看到所有人的读数，可它们最终又都得握有同一个值。

经典的办法妙在简单：每台机器人反复地把自己的数字，朝着邻居们此刻所报数值的平均值挪动一点点，然后把更新后的数字共享出去，如此一轮又一轮。一轮接一轮，差距不断缩小，整个群体便收敛到一个共同的值——而如果每台机器人对各个邻居的权重都相等，这个值正是大家初始值的平均数。尽管没有任何一台机器人见过全局画面，这套办法依然奏效，因为信息会一传一地向外扩散，直到每台机器人实际上都已“听到”了其他所有机器人的声音。

共识是多机器人团队里的一员主力。它能让一支车队就一个会合点、一个共享时钟、一个共同航向，或就“下一步做什么”的一次投票达成一致，全程都不需要一个可能会出故障、或成为瓶颈的中央协调者。可难点也实实在在：消息会丢失，网络可能裂成两半，机器人会加入也会退出，而一台出故障或“说谎”的机器人，还可能把整个群体拽向错误的答案——所以这个领域有很大一部分，研究的正是如何在上述种种出错之下，依然可靠地达成一致。

分布式账本是一份记录——谁拥有什么、谁付钱给谁——它同时存放在许多台计算机上，没有哪一份是唯一的官方正本。每台计算机各自保存一份完整版本，网络则不断努力让所有这些副本保持同步。其目标，是消除传统中央数据库那种单一的控制点（也是单一的故障点）。

在普通系统里，由银行或政府保管那唯一真实的账本，你只能选择相信他们没有改过它、没弄丢它、也没被黑掉。分布式账本把这一切反了过来：因为存在成百上千份各自独立、又必须彼此一致的副本，便没有一份正本可供偷偷篡改，也没有哪台服务器一坏就让整个系统瘫痪。要改动这份共享的真相，你得在同一时刻说服网络中的大多数。

区块链是最有名的一种分布式账本，但并非唯一一种——无论数据具体怎样组织，其核心理念都是“众多同步的副本，加上一套商定更新的规则”。正是这种设计，让支付网络或登记系统即便无人主管、即便部分参与者掉线或心怀不轨，依然能诚实地运转下去。

DNA 是几乎存在于每一个活细胞里的分子，保存着构建和运转一个生命体所需的全套说明书。你可以把它想象成一架扭转的梯子——也就是著名的「双螺旋」——梯子的横档由四种化学「字母」A、T、G、C 组成。这些字母的排列顺序，决定了从眼睛颜色到细胞如何产生能量的一切。

这四种字母会按固定方式配对：A 永远对着 T，G 永远对着 C。正是这种整齐的配对，让复制成为可能。当细胞分裂时，梯子从中间「拉开拉链」，每一半再各自补齐缺失的另一半，于是两个新细胞都带走了一份完整且一致的说明书。

双螺旋结构于 1953 年由詹姆斯·沃森和弗朗西斯·克里克揭示，而这建立在罗莎琳德·富兰克林拍摄的 X 射线图像之上。如今我们已能从头到尾读出这些字母，医生因此能追踪遗传病，一份极小的样本也足以辨认出某一个人。

DNS（域名系统）是互联网的电话簿。你输入的是一个好记的名字，比如 example.com，但电脑之间其实并不靠名字互相找——它们靠数字，靠一个像 93.184.216.34 这样的 IP 地址。DNS 就是那个系统：每一次，在你的浏览器能连上任何东西之前，它都会悄悄把名字查成数字、再把数字交回来。

它之所以存在，是因为没人愿意为了访问几个常去的网站去背一堆数字。名字是给人看的，数字是给机器用的。所以每当你点一个链接、加载一个 API，看不见的第一步永远是一次 DNS 查询：「这个名字对应的 IP 是多少？」只有等这个答案回来，真正的请求才发得出去。它快得、自动得让你都忘了它的存在——直到它出问题。

而这正是值得记住的实用一点：相当多「网站打不开了」的时刻，其实都是 DNS 问题——名字指向了错误的数字，或者一个刚注册的域名，它的记录还没传遍全世界的服务器（大家把这叫「等 DNS 生效 / 等它传播」）。当某个东西连到了错误的地方、或者干脆连不上时，电话簿是第一个该翻的地方。

多兰桥结是制作约瑟夫森结最经典、几乎像手工活的方法：它就是一块小小的三明治结构，铝、几个原子厚的氧化铝、再加铝，这个结构正位于大多数超导量子比特的核心。巧妙之处在于，整叠结构是在一次芯片加工里一气呵成的，中途完全不打开真空腔，靠的是几何和影子的把戏。它之所以重要，是因为今天高校实验室里几乎每一块超导量子芯片都是这么做出来的。

首先，电子束光刻在光刻胶上刻出一个模板，其中有一座悬空的细胶桥架在一道缝隙上方，像一座小小的人行天桥。然后铝以某个倾斜角度垂直蒸镀下来；胶桥投下阴影，于是金属落在缝隙的一侧。接着把芯片暴露在少量氧气中，让第一层铝上长出一层薄薄的氧化皮。再以相反的倾角蒸镀第二次铝；这时阴影落向另一边，第二层铝错位落下，部分与第一层重叠。两层交叠、中间夹着氧化层的地方，就形成了铝/氧化铝/铝的搭接，这块搭接就是结。正是那座投下阴影的悬空胶桥，给这种方法起了名字。

它简单又便宜，但也很不稳定。结的电学强度取决于搭接面积和氧化层厚度，而这两者都由角度、时间以及一层难以控制到原子级的自生氧化层决定。于是名义上完全相同的结，做出来会相差几个百分点，而既然这个强度决定了量子比特的频率，这些结的频率也就跟着分散开来。在拥有许多量子比特的芯片上，这种频率分散会引起碰撞，所以各实验室一方面在打磨更精细的工艺配方，另一方面也在为大规模量产探索别的结型方案。

域随机化是一种在仿真里训练机器人、好让它的技能能在真实世界里挺住的窍门：与其在一个精心调好的虚拟环境里反复练习，不如在每一次运行时都把仿真的各项设定随机地打乱一遍。这一次试验地板很滑、光线很暗，下一次物体很重、电机有延迟，再下一次又是刺眼的眩光和换了角度的摄像头。等练到最后，机器人是在成千上万个略有差异的假世界里练过，而不是只在一个世界里。这个想法简单却有力：如果在训练过程中，从来没有哪一个版本的现实是那个“真正的”现实，机器人就不会再过度拟合其中任何一个，转而去学那条贯穿所有版本、放之四海皆准的底层技能。

它之所以管用，是因为真实世界不过是机器人从未原样见过的又一种设定罢了——而这恰恰正是它被训练得早有预料的情形。如果一个行走策略已经应付过上百种不同的仿真摩擦，那么它最终踩上去的那一种真实摩擦，就舒舒服服地落在它早已练习过的范围之内，于是它几乎察觉不到这点变化。说到底，域随机化并不把仿真与现实之间的差距当作一个必须精确命中的靶子，而是把它当作又一个需要被淹没掉的变化来源。这正是它成为仿真到现实迁移、以及缩小现实差距时最被广泛使用的工具的原因。

其中的门道，在于挑选随机化什么、以及随机到多大的幅度。变动得太少，仿真就仍是一个狭窄的泡泡，现实照样把它戳破；变动得太离谱，任务又会乱成一团，机器人永远学不出任何稳定的东西。工程师通常会随机化那些要紧的物理量——摩擦、质量、电机延迟、传感器噪声——以及事物的外观——光照、颜色、纹理、摄像头位置——并把每一项的范围调得既宽到足以涵盖现实，又不至于把问题变得无解。

几十年来，“我想让程序跑得更快”的答案很简单：等下一代 CPU 就行。每一代主频更高、每个周期做的事更多，你的代码不用改就自动变快。这顿免费午餐在撞上功耗墙时结束了（Dennard 缩放在 2006 年前后失效）：你仍然能在一颗芯片上塞进更多晶体管，但已经无法让它们全部全速翻转而不把芯片烧坏。那些剩下来、供不起电的晶体管，就叫做暗硅。领域专用架构正是针对这个难题给出的架构层面答案。与其造一颗什么都能勉强跑的通用 CPU，不如把这些晶体管花在一台为某一类工作负载量身打造的专用引擎上，并且只点亮这类负载真正需要的那部分硅。

这笔交易是用通用性换效率。一颗通用 CPU 的大部分能量并没有花在你真正要算的数学上，而是花在各种开销上：猜测下一条指令是什么、重排工作顺序、在层层缓存之间搬运数据、一次只解码一条指令。DSA 把这些统统砍掉。它为目标任务把数据通路直接硬连线，采用与该负载访问模式相匹配的内存布局，让成千上万个简单运算并行执行，并且常常降到“够用就好”的低精度数字。结果是，针对那一个领域，即便在同一工艺节点上，每瓦性能也往往能比 CPU 高出十到一百倍。代价正是同一枚硬币的另一面：DSA 在它那一件事上出类拔萃，在其他一切事情上一无是处。

那些耳熟能详的例子全都是 DSA。GPU 为图形那种大规模并行的算术而调优，如今也用于神经网络训练。TPU 和 NPU 则专门为 AI 推理中铺天盖地的乘累加运算而调优。正因如此，一颗现代手机或数据中心芯片已不再是一颗大处理器，而是一组专用模块的集合，每个模块都靠把一件事做到极致高效来挣回自己占用的那块硅。随着全面的晶体管缩放放慢脚步，专用化正越来越成为真正性能提升的来源。

DRAG 脉冲是针对一个老问题的小而巧妙的修正,这个问题每次你想快速翻转量子比特时都会冒出来。芯片上的人造原子并不是一个干净的两能级系统,它旁边还紧挨着第三个能级(2 态)。一个又短又猛的微波脉冲在频率上铺得很宽,所以它在驱动你真正想要的 0->1 翻转时,边缘也会够到上面,把一点点布居数泄漏进 2 态。DRAG 对脉冲进行整形,让这种泄漏自己抵消掉,从而既保持门的速度,又不溢出可计算的空间。

诀窍是同时在两个通道上驱动。正交控制给你两个相位相差 90 度的旋钮,通常叫 I 和 Q。你把常规的翻转脉冲放在一个通道上,在另一个通道上加上它的时间导数的一份拷贝,并按量子比特的非谐性来缩放系数。这个导数分量被设计成:主脉冲把布居数推进 2 态有多快,它就把布居数推出来有多快,于是多余的泄漏发生相消干涉,量子比特干净地落在 1 上。它的全名就讲清了这件事:通过绝热门做导数消除(Derivative Removal by Adiabatic Gate)。

DRAG 是标准做法,成本低,几乎被内建进每一套超导控制系统里,但它并非万能。合适的导数权重取决于准确知道非谐性,而且通常还要再叠加一个小的频率修正,来补偿脉冲留下的相位。它换来的是对抗泄漏的速度,而不是对抗所有误差;对邻近量子比特的串扰和不完美的校准,仍然限制着单比特门究竟能做到多快、多干净。

做梦，是你在睡着时于脑海中看见、听见、感受并亲历一段段小故事的体验。哪怕双眼紧闭、身体一动不动，大脑也会自行编织出完整的场景——种种地方、人物和事件，在那一刻显得无比真实，往往离奇又错乱，而且通常以“你”为主角。这有点像在看一部电影，只不过编剧、导演和放映者都是你自己的大脑，而观众席上只坐着你一个人，整个过程与外部世界毫无关系。

梦可以出现在睡眠的许多阶段，但最鲜明、最像故事的那一类，往往发生在一个叫快速眼动睡眠（简称 REM 睡眠）的阶段——之所以这么叫，是因为此时你的眼球会在闭着的眼睑后面来回快速转动。在这个阶段，大脑活跃得几乎和清醒时一样，可身体的肌肉却被暂时“关掉”，好让你不会把梦里的动作真的做出来。做梦究竟有什么用，科学家至今仍在争论：主流的看法包括帮助大脑整理和存储记忆、演练如何应对情绪和恐惧，或者只是繁忙的睡眠大脑把零散信号拼接成故事时的副产品。无论原因为何，几乎每个人每晚都会做梦，哪怕到了早上很少有人记得起来。

果蝇就是常在熟透香蕉旁盘旋的那种小小的果实蝇，而它的神经系统是科学家理解大脑如何运作的最有力工具之一。果蝇的脑只有罂粟籽那么大，约有十万个神经元，远远少于人脑里的数十亿个，但已足以让这只昆虫看、闻、行走、飞翔、向配偶求偶，甚至从经验中学习。因为它小到可以被完整研究，又复杂到能产生真实的行为，所以它正好处在简单的线虫与复杂的小鼠之间的甜蜜位置。

果蝇之所以格外好用，关键在于遗传学。科学家可以在选定的神经元里把单个基因打开或关闭，用发光的标记点亮特定细胞，还能用光或热来开启特定神经元并观察行为随之改变，而这一切都发生在一种繁殖快、成本低的动物身上。许多构建果蝇脑的基因，在我们自己身上都有近亲，因此在果蝇身上的一项发现，往往能指向同样的机制在人体内如何运作。如今研究者已经绘制出果蝇脑完整的连线图（称为连接组），把每一个神经元以及它们之间的连接都画了出来。正是这种完整的电路图谱与精确的遗传操控相结合，使得这只不起眼的果蝇成为研究记忆、睡眠、导航乃至帕金森病等疾病的模式生物。

双重加工思维是指：我们的大脑有两套得出答案的方式。一套快速、自动、毫不费力——比如一看对方的脸就立刻知道朋友生气了，或脱口而出“二加二等于四”。另一套缓慢、刻意、令人疲惫——比如在脑中算清餐厅账单，或反复掂量一个重大决定的利弊。心理学家常把它们昵称为“系统1”（迅速的直觉反应）和“系统2”（小心的逐步推理）；但实际上两者相互交叠、彼此交接工作，而不是两台各自独立运转的机器。

快速这一套效率惊人：它让你读书、开车、判断局势时几乎不耗费脑力，因为它依靠的是长期经验中习得的模式。但它走捷径，因此可能在自信中出错——上当于视错觉、脱口而出的刻板印象，或那种显而易见答案其实是陷阱的脑筋急转弯。缓慢这一套能抓住并纠正这些错误，可它既有限又“懒”：它要花费注意力与努力，所以大脑只在问题显得困难、或有迹象表明快速答案可能不对时，才把它请出来。许多技能与良好判断，正源于懂得何时该信任直觉、何时该慢下来核查。

这个框架有助于解释日常谜题——为什么聪明人在匆忙时会犯低级错误，为什么第一印象会牢牢留存，以及为什么练习能把一项缓慢刻意的任务（如阅读或弹钢琴）变成快速自动的本领。它更像是一张关于心智的实用地图，而非大脑的精确图纸；对于这两套方式究竟能否清晰地分开，研究者至今仍有争论。

二元论认为，你是由两种截然不同的「东西」构成的。一种是你的身体——一个有重量、有形状的物质实体，由细胞和原子组成，医生可以称它、给它拍X光。另一种是你的心灵——你的思想、感受，以及「我就是我」的那份内在感觉——二元论者说，这是完全另一回事，根本不是物质的。想象一辆车里的司机：车是身体，而那个看不见、握着方向盘的「你」就是心灵。

这一观点最著名的旗手，是17世纪的法国哲学家笛卡尔。他发现自己可以怀疑身体是否存在，却无法怀疑「自己正在思考」这件事——于是他推断，心灵与身体一定是两样分开的东西。这也解释了二元论为何如此自然：它正好契合我们日常的那种直觉——仿佛有个「真正的我」从眼睛后面往外张望，不只是一团脑组织而已。

但它带来一个出了名难缠的难题：如果心灵与身体如此不同，它们又如何相互接触？一个没有重量的念头，怎么能让一条有血有肉的手臂动起来？它的劲敌——唯物论——干脆否认这种分裂：唯物论说，心灵不过就是大脑在做的事，就像微笑不过是脸在做的事一样。究竟哪一方对，至今仍是哲学最古老、悬而未决的问题之一。

正当程序是这样一个承诺：政府不能在不先按公平规则来的情况下，剥夺你的生命、自由或财产。在把你关押、罚款或没收房产之前，国家必须走正规的步骤：告诉你被指控了什么，让你陈述自己的一方，再由一个中立的人来裁决。可以把它想成这样一条规矩——必须有一场真正的比赛、一位真正的裁判，而不是在你被关在门外时，于密室里草草写下一纸判决。

它之所以重要，是因为没有程序约束的权力，不过就是蛮力。政府可能确信你有罪，却依然搞错了；所以正当程序逼它把案子摆到台面上、公开举证，让错误有机会被发现。通常会区分两种：「程序性」正当程序关心步骤本身是否公平（告知、听证、公正的法官）；「实质性」正当程序则追问，是不是有些权利根本太过基本，无论程序看起来多公平，国家都不能将其夺走。

一个常见的误会：正当程序并不意味着你总会赢，也不意味着你永远不会被惩罚。你完全可能败诉、入狱或赔钱——这与正当程序毫不冲突。它保证的不是一个圆满的结局，而是一场公平的较量：结果是以正确的方式得出的，而不是凭一时好恶拍板定下的。

每台电机在产生运动的同时也会把电变成热，而这些热必须有地方散掉。占空比就是指：电机在需要停下来散热之前，被允许全力工作的时间所占的比例——就像一个人可以全速冲刺十秒，却只能慢跑一个小时。如果你超过了这个比例，热量积累的速度就会快过散出的速度，电机便逼近它的热限制：也就是导线、磁体或绝缘层开始变弱甚至烧毁的温度。

正因如此，电机通常带着两个数字，而不是一个。连续额定值是它可以不停运转、且不会过热的强度；峰值额定值则是它在几秒钟内能爆发出的、大得多的力量——用来举起重物或猛然带动一个轮子——之后就必须收力。工程师设计机器人时，让它大部分时间都活在连续额定值之内，只在短暂瞬间触及峰值，就像你把全部力气留给一次大的发力。忽视这一点，电机就会发烫、变慢，最终损坏；尊重这一点，同一台电机就能用上好几年。

大脑的动力系统观，是一种看待神经活动的视角：它不把神经活动当作一串彼此分离的信号，而是看成一个点，随时间在一片想象出来的地形里滑行。可以想象一个天气系统：在任意一瞬间，整个大气都有一个状态——这里是某个温度，那里是某个气压——而从这一刻到下一刻，它流向一个新状态，划出一条轨迹。这种观点用同样的方式看待大脑。如果你同时记录许多神经元，它们此刻活跃程度的整体模式，就是一个位于巨大空间里的点，而每一个神经元都给这个点多添了一个可以移动的方向。随着神经元一刻接一刻地改变放电，这个点便扫出一条曲线——也就是轨迹——而真正承载意义的，是这条曲线的形状，而非任何单个细胞的放电。

这种观点之所以强大，是因为轨迹通常不会随意乱走。就像小球在碗里滚动，神经活动往往会安顿到某些低洼、安稳的区域（称为吸引子），或在平滑的环路上绕圈，或沿着从一个状态通往另一个状态的固定通道行进。你正记在心里的一段记忆，可以是活动停泊不动的那个驻点；一次决策，可以是轨迹倒向某个山谷而非另一个的那一刻；像走路这样反复进行的动作，可以是活动一圈又一圈走过的环路。通过测量这些形状，科学家就能描述一群神经元在计算什么，而不必逐个去破译每一个细胞。

这一前沿视角之所以重要，是因为它把大脑的工作重新理解为：引导自身的活动沿着有用的路径行进，而不只是传递消息。它有助于解释，成千上万个嘈杂、单独看并不可靠的细胞，如何合在一起产生某种稳定而有意义的东西；为什么有些念头让人感到稳固，另一些却会骤然翻转；以及那些能同时观测海量神经元的新记录工具，如何被转化为一个清晰的几何故事，而不是一堆让人不知所措的数据。

地震是地下深处的岩石突然错动，导致地面骤然摇晃。地球的外壳裂成一块块巨大的板块，彼此缓慢地推挤、拉扯、磨蹭——有的相撞，有的彼此分离，有的擦身滑过；而在它们之间的裂缝——也就是断层——上，岩石常常被摩擦力死死卡住，可板块却仍在不停地移动。应力就这样积攒上几年甚至几百年，像一根越掰越弯的木棍蓄着越来越大的劲，直到断层终于撑不住、在一瞬间猛地滑动。这一「啪」，就是地震。

积蓄已久的能量随之化作地震波释放出来——这些波纹从震源向四面八方在岩石中飞奔而去，就像你往池塘里丢一块石头时荡开的水波。当它们抵达地表，便让地面起伏翻滚，这就是你感受到的摇晃。科学家用震级来衡量一次地震释放了多少能量，而它的增长极为陡峭：震级每往上跳一个数字，能量约多出32倍，所以7级绝不是比6级大一点点——而是猛烈得多。

一个常见的误解是：地面会裂开一道大口、把人整个吞下去。其实并不会。断层是沿着它自身的长度方向滑动的，真正的危险几乎总是来自摇晃——地震波摇撼之下，房屋、桥梁、墙壁纷纷倒塌。这正是为什么：在房屋脆弱的地方，一次不大的地震也可能致命；而在建筑懂得随之摇摆、稳稳挺住的地方，一次强震却几乎伤不到人。

弹性衡量的是消费者对价格有多「敏感」——当价格变动时，人们购买的数量会摆动得多剧烈。想象两排货架。把高档餐厅的晚餐涨价，人群便悄悄待在家里不去了，这种需求是「有弹性的」，像弹簧一样，反应迅速。把汽油或胰岛素涨价，人们虽有怨言，却几乎照买不误，这种需求是「缺乏弹性的」，僵硬而难以撼动。

分界线通常在于：一样东西是奢侈品还是必需品，以及有没有容易找到的替代品。如果你能换个牌子、不买，或者等一等，需求就容易弯折。如果你是真的非它不可、别无选择——上班要用的燃油、保命要吃的药——那么无论价格如何，需求都几乎纹丝不动。正是这一点，让一家咖啡馆害怕涨价，而一家电力公司却几乎眼都不眨。

一个常见的误解：有弹性不等于「贵」，缺乏弹性也不等于「便宜」。它讲的是反应，而不是价签。一只昂贵的奢侈手表可能极富弹性（稍一涨价，买家便掉头就走），而廉价的食盐却出了名地缺乏弹性（不管它贵一点还是便宜一点，你都照样买你那一撮）。

电突触是相邻两个神经元被微小通道连在一起的地方，电信号可以从一个细胞直接传入下一个细胞。大多数神经元是隔着一道狭窄的缝隙、靠喷出化学信使来相互交谈的，就像把纸条一手一手地递过去。电突触省去了这一步：它更像是两个房间之间留着一扇敞开的门，电荷就这样直接流过去，不必先转换成化学物质、之后再转换回来。

这些“门”本身叫作缝隙连接。每一个都由相互配对的环形蛋白构成——两个细胞的外膜上各有一个环，对齐后形成一个小孔，孔径窄到能挡住大分子，却又宽到足以让携带电流的微小带电粒子（离子）通过。由于信号无需停下来释放化学物质，电突触极其迅速，而且可以双向传导。它们常见于许多细胞需要近乎完全同步放电的地方，例如心脏，或一群必须作为整体一起反应的神经元。

皮层脑电图（ECoG）把一张薄薄的电极片或电极网，直接铺在大脑那层皱褶的外壳——皮层——的表面上。手术中要打开颅骨，但电极只是贴在表面，并不刺入脑组织。和头皮 EEG 相比，这就像把麦克风从体育场外墙挪到人群旁边：声音一下子清楚、细致了许多。

由于中间没有颅骨挡着，ECoG 信号要锐利得多，还能捕捉到头皮 EEG 干脆丢失掉的那些快速、高频的活动。这种更丰富的细节，使它在解码精细动作、甚至尝试说话方面很有威力。它正好落在一个甜蜜点上——比 EEG 信息多得多，又比刺入大脑的电极风险小。

代价是 ECoG 需要开颅手术，因此主要用在那些本来就要做手术的人身上，比如一些在癫痫手术前接受脑区定位的病人。正是这种临床场景，让 ECoG 成了先进脑机接口的重要试验场。

电极阻抗衡量的是：电极和皮肤之间的接触，对想要通过它的那一点微弱电信号有多大的阻挡。可以把它想成大脑那点微弱电压通往记录设备的「门口」有多堵：低阻抗是一扇大开的门，高阻抗则是一扇又窄又黏的门。

它为什么重要：脑信号本来就小得不得了，所以一旦接触把它们挡得厉害，到达放大器的信号就很弱，很容易被噪声淹没。这正是技术员在贴 EEG 电极前要清洁皮肤、涂导电膏的原因——这些步骤能降低阻抗，让信号干净地通过。

这也是「干」电极的核心难点——为了方便，干电极省掉了导电膏。没有导电膏，皮肤接触的阻抗往往更高，所以要做出仍能记录到干净、可信信号的干电极，是一项实实在在的工程挑战。

脑电图（EEG）用贴在头皮上的小金属电极，去倾听大脑的电活动。当许多神经元一起放电时，会产生微小的电压涟漪传到头部表面，EEG 就把这些涟漪记录成一条条不断起伏的曲线，逐刻捕捉。这就像把耳朵贴在体育场外墙上：你能听到人群的欢呼，大致判断什么时候发生了精彩的事，哪怕一个座位都看不见。

EEG 最大的长处是时间精度。它能捕捉千分之一秒级别的变化，几乎能跟上思维展开的节奏。它又便宜、安全、便携，而且完全无创——没有任何东西刺入皮肤——这正是它成为脑机接口中最常用信号的原因。

麻烦出在颅骨。骨头和皮肤会在信号往外传时把它抹糊、削弱，所以 EEG 的空间分辨率很粗：它能大致告诉你哪个区域在活动，却说不清具体是哪一小块。读到的信号又很微弱，容易被噪声淹没，因此保证电极良好接触、仔细去除杂讯，是这项工作中始终要做的事。

电磁波谱是光的完整大家族——不只是你能看到的光，而是所有种类的电磁波，按波长从最长、最舒缓的，到最短、能量最高的，依次排列。一端是无线电波，接着是微波、红外线（你能感觉到的热）、可见光这道彩虹、紫外线、X射线，另一端则是伽马射线。

它们之所以本质相同，是因为全都是以光速传播的电磁能量波。唯一真正的区别就是波的大小：一道无线电波可能比一栋楼还长，而一道伽马射线比一个原子还小。波越短，能量越猛，这就是为什么X射线能穿透你的身体，而伽马射线可能带来危险。

有一点很让人谦卑：你的眼睛能分辨的颜色——从红、橙一直到紫——其实只是整个波谱里薄薄的一小条。你周围几乎一切都在发出你根本看不见的光，从空气里的WiFi信号，到你自己身体散发的温热。

电磁波是一种以光速穿越空间、自己带着自己往前走的能量波动——此刻它就在你身边，无处不在。你看书靠的光、车里的收音机、Wi-Fi 路由器发出的信号、诊所里的 X 光，全都是同一种波，只是被拉伸成了不同的尺寸。

波动的到底是什么？是两样看不见的东西在配合：电场和磁场。一个在抖动时会带动另一个，另一个又反过来带动第一个——于是这个波一边走一边不断地自我再生，不需要任何介质就能传播。正因如此，阳光才能穿过太空那一片真空抵达我们。

无线电波和 X 光之间的最大区别，其实只是波长——每一道波纹有多长。又长又舒缓的是无线电波；又短又密的是 X 光和伽马射线；可见光则夹在中间窄窄的一段里。1860 年代，麦克斯韦（James Clerk Maxwell）用方程组证明了这一切其实是同一种现象，还预言这种波以光速前进——揭示出光本身就是电磁波。

把芯片上一根细细的金属线想象成河床，流过它的电子就是水流。平常水只是从砾石上面流过去。可一旦水量够大、流得够急，它就会开始把砾石一起拖着走——在某一处把河床冲薄，又在下游把砾石堆起来。电迁移就是同样的道理，只不过发生在原子尺度上：当线里的电流密度高到一定程度，移动的电子就把动量传给金属原子（工程师把这叫做「电子风」），慢慢把它们往前推，方向和电子的流向一致。经年累月之下，金属真的会发生位移——原子从某处被抽走，留下一个空洞，把线越削越薄，直到裂开断路；而在别处则堆积成一个凸起（小丘，hillock），有可能顶进旁边的线把它短路。

关键词是「密度」，而不是总电流：一根载着不大电流的细线，其单位截面上的电流可能远高于一条载流更大的粗总线，真正造成损伤的正是这种「每单位面积」的拥挤。这就使电迁移成为一种长期可靠性（wear-out 老化磨损）上限，而不是上电时就能看到的问题——芯片第一天用起来好好的，却在现场跑了几年之后才失效，这正是为什么它必须在流片（tape-out）之前就被查出来。签核工具会拿每一根线和每一个 via 去对照晶圆厂给出的、逐金属层设定的电流上限；对电源、地线轨道和时钟网络，工具卡得更严，因为那里的电流始终朝一个方向流，而普通信号线由于来回翻转，让一部分被推走的原子又漂回来、得以部分自我修复。补救手段都是几何性的：把线加宽、把电流分到更多并联的线或 via 上，或者改走更厚的上层金属。

要造一块量子芯片，你得在晶圆上画出各种形状：金属导线、电容极板，尤其是让量子比特能工作的那些极小的约瑟夫森结。其中有些特征只有几十纳米宽，比一根头发丝还细得多。电子束光刻就是把它们画出来的办法。它不是让光透过掩模照射，而是引导一束聚焦的电子，像一支极其精密的绘图笔，在晶圆上薄薄一层光刻胶上扫过，一点一点地把你想要的线条精确曝光出来。

它之所以行得通，是因为电子能被聚焦成比可见光小得多的光斑，于是这束电子能写出只有几纳米宽的特征，而且不需要掩模。你先在晶圆上旋涂一层对电子敏感的光刻胶。电子束扫描出图案，所到之处就把光刻胶的化学性质改变。随后用显影液把曝光过（或未曝光）的部分洗掉，留下一个模板。再透过这个模板蒸镀金属，然后溶掉剩下的光刻胶，把多余的金属一起剥离，只留下你画的形状。对于约瑟夫森结，还要配合巧妙的光刻胶技巧，比如多兰桥法，让两层薄膜彼此搭接、中间夹一薄层氧化物。

诚实的难处在于速度。因为电子束是以串行扫描的方式一次只写一个点，所以它很慢——造一块研究用芯片还行，但要量产晶圆就太慢、太贵了。所以实践中只在真正需要它那种分辨率的地方才用电子束，主要就是纳米尺度的结；而那些又大又粗的特征——导线和极板——则用快得多的光学（紫外）光刻来制作。把两者结合是标准做法，而电子束书写的慢正是当今量子芯片仍只能小批量制造、而无法像普通处理器那样大批量产出的一个实实在在的原因。

电子设计自动化（EDA）是芯片设计师把一个想法变成可制造版图所用的庞大软件工具箱。一颗现代芯片在指甲盖大小的晶粒上塞进数十亿个晶体管——没人能用手去摆放和连线，就像你不可能手绘出一座大陆般大小的城市里的每一条道路。EDA 就是替你完成绘制、检查和优化的那一大批程序，让工程师只需描述行为，由工具去推演出物理上的实现。

整个流程分阶段进行。你用 Verilog 这类硬件描述语言写出设计；逻辑综合把它编译成由真实门电路组成的网表；布局布线把这些门摆到硅片上，并在它们之间穿引导线；仿真加上时序与物理验证则在流片前确认它行为正确、跑得够快、并遵守晶圆厂的制造规则。比方说，静态时序分析会检查每个信号是否都在时钟周期内到达，覆盖数百万条路径——这是任何电子表格都撑不住的工作量。

电紧张传导，是电压变化沿着神经元细胞膜安静地、被动地铺开的方式——就像水面上的涟漪向四周扩散、逐渐消退一样。当细胞膜上某一处出现一个微小的电扰动（比如轻轻推入一点电荷），这个电压不会只停在原地：它会从旁边那一段细胞膜侧向渗出，把那里的电压也稍稍带动一下。但没有任何东西在主动把信号往前推。细胞膜只是任由这一变化自行向外流动，而它一边走，一边变小。在零点几毫米之外，最初那个电压隆起就已经小了许多；再远一点，它几乎就消失不见了。正因为信号会随距离稳步减弱，这种扩布被称为被动的、衰减式的——“衰减”指的就是它一边走一边变弱。

它之所以会消退，是因为神经元是一根会漏电的电缆，而不是一根完美的导线。它那层薄薄的细胞膜像一块小电池一样存住电荷，却又会让一部分电荷渗漏出去，于是电流在试图沿着它的长度传播时，会不断从“管壁”溜走。工程上用电缆理论来描述这种情况，而一个数字——长度常数——就概括了信号在跌到大约起始强度的三分之一之前能走多远；较粗的轴突、以及绝缘良好的轴突，能把它带得更远。关键的对照对象是动作电位，那是神经元那种“全或无”的电脉冲，它在每一步都把自己重新放大，因此能传很远而不衰减。电紧张传导不做这种再生：它就是那种又快、又局部、又会逐渐消退的扩布，比方说，它把微小的分级信号带过神经元的胞体和树突，并帮助决定一开始究竟要不要触发一个动作电位。

元素是只由一种原子构成的纯物质——也就是日常世界里最简单的基本积木。黄金里只有金原子，氧气里只有氧原子。让一种元素区别于另一种的，是一个单一的数字：每个原子中心有多少个质子。氢有1个质子，碳有6个，金有79个，这个数目就是原子永久的「名牌」——一旦改变它，你就换成了另一种元素。

目前已知的元素约有118种，其中大约前94种在自然界中存在，其余的只能在实验室里被制造出来、转瞬即逝。它们合起来就是一切物质的字母表：你的身体、空气、海洋和群星，都只是这几十个「字母」以不同方式拼写出来的结果。化学家按质子数把它们排进元素周期表，从中浮现的规律会告诉你哪些元素彼此像「表亲」。

有一点人们常常忽略：用普通的化学方法，无法把一种元素拆成更简单的东西。你可以燃烧它、溶解它、让它发生反应，但每个氧原子始终还是氧。（只有撬开原子核的核反应，才能把一种元素变成另一种。）也别把元素和「水」这样的化合物搞混——水可以被拆成氢和氧，而这两者已经到头、再也拆不下去了。

具身智能，是这样一种看法：聪明并不只是脑子或芯片里发生的事——它是从拥有一具能在真实环境中移动、并与之互动的身体中生长出来的。按这种观点，你无法把「思考」与「拥有身体」彻底分开：机器人手的形状、腿如何弯曲、传感器能感觉到什么、它会撞上一个怎样的世界，全都是它如何变得能干的一部分。换句话说，智能是一具身体在某个地方所做的事，而不只是一段孤零零运行的运算。

这对机器人学很重要，因为它意味着一具好的身体，能替软件分担一部分原本要扛的活儿。一条形状天然就能摆动的腿，走起路来所需的运算，远少于一条必须被一寸一寸下令操控的腿；一只柔软、富有弹性的夹爪，无需精确算出每一个接触点，就能抓住一个形状古怪的物体。身体的物理设计与所处环境，悄悄替机器人处理掉了问题的一部分，于是机器人既可以更简单、又可以更皮实。具身智能也呼应了生命体的学习方式：一个孩子学会走路、平衡和伸手去够东西，靠的不是读说明书，而是用自己真实的身体去尝试、跌倒、感受、再调整——如今许多机器人学家也照着同样的路子来打造他们的机器。

胚胎干细胞是从极早期的胚胎中取得的多能细胞，此时胚胎尚未开始形成任何特定的组织。大约五天大时，胚胎是一个称为囊胚的中空细胞球，球内藏着一小簇细胞——内细胞团——它本会继续构建出整个身体。胚胎干细胞就是这些内细胞团细胞，在它们仍然空白、尚未定型时被取出并在实验室中培养。

它们之所以在科学上备受珍视，是因为它们天生就是多能的，而且能在培养中近乎无限地持续分裂，却不丧失那份灵活。研究者从单单一批起始细胞，就能培养出庞大而可再生的细胞供应，这些细胞保有变成任何组织类型的全部潜能。数十年来，它们一直是衡量所有其他多能细胞的黄金标准，也是理解一个空白细胞如何选择自身命运的主力。

然而，它们的能力伴随着严重的争议，因为从囊胚中取得内细胞团会毁掉那个早期胚胎。人们对胚胎的道德地位持有大相径庭的看法，这种分歧使这类研究在伦理上备受争议，在许多地方都受到严格监管。部分正是为了绕开这一两难，科学家后来发展出制造无需胚胎的多能细胞的办法——但胚胎干细胞至今仍是一个关键的科学参照点。

情绪调节是大脑在某种感受出现之后，用来把它调强或调弱的一套心理技巧——就像在情绪上装了一个可以连续调亮调暗的旋钮，而不只是一个开关。当不愉快的事情发生时，一阵恐惧、愤怒或悲伤会自动涌上来。情绪调节让你能够深吸一口气、重新看待处境，或者干脆先等一等，从而不让这股感受牵着你走。它正是「对着一封无礼的邮件当场爆发」和「选择一小时后冷静回复」之间的区别。

这种调暗和把控大多由前额叶皮层完成——它是额头正后方负责思考的脑区，作用于大脑反应更快的情绪机器，尤其是杏仁核：一个杏仁状的小型警报中心，专门标记威胁并触发本能反应。前额叶皮层发出自上而下的安抚信号，在反应过强或已无必要时让杏仁核安静下来，就像一位管理者把激动的员工劝下来一样。当你刻意重新思考一个问题（「事情没有看起来那么糟」）、把注意力转开，或忍住一时冲动时，正是这些前额叶回路在出力。

这一点很重要，因为良好的情绪调节能让人保持专注、在压力下做出明智选择，并与他人融洽相处；而调节能力薄弱或超负荷，则与焦虑、抑郁以及难以控制冲动有关。这项能力也解释了为什么人在疲惫、紧张或年纪很小时更难管理情绪：前额叶皮层要到二十多岁中期才发育成熟，而且容易疲劳，于是恰恰在生活火力全开的时候，它对情绪警报系统的掌控反而松了下来。

情绪记忆指的是大脑的一种倾向：当某件事激起强烈情绪时，它会把这件事记得格外牢固。可以把记忆想象成一本笔记本，大多数日子只是用淡淡的铅笔随手记下，很快就褪色消失；但少数时刻——一场车祸、初吻、当众出丑——却像用浓重而不褪的墨水写下。多年以后，你仍能把那些充满情绪的瞬间回想得历历在目，记得自己当时身在何处、是什么感受；而夹在其间成千上万个平淡安宁的日子早已模糊不清。正是那份情绪，让记忆牢牢留下。

这背后是一个杏仁状的小脑区，叫做杏仁核，它像一个情绪警报器。当发生令人害怕、兴奋或深受触动的事情时，杏仁核会被激活，并释放一波与唤起相关的化学物质，比如肾上腺素和皮质醇等应激激素。随后它向邻近的海马体发出信号——海马体负责把事件的事实归档——让它把这段记忆标记为重要，并更牢固地刻印下来。实际上，杏仁核相当于调高了录制的音量，使带有情绪的经历比平淡的经历存储得更牢固、保留得更久。

这套系统通常是有益的：记住曾让我们痛苦或欣喜的事，能指导日后的选择，帮我们远离危险。但它也可能出错。当情绪过于强烈，例如在创伤中，这段记忆可能变得过分强烈而具有侵扰性，不请自来地反复重播，助长创伤后应激等问题。因此，情绪记忆是一把双刃剑——同一套机制既能让我们从强烈的经历中学习，也可能把我们牢牢拴在痛苦之上。