右脑先看见：技术愿景为什么不能从架构图开始

几乎每一份技术规划的第一页，都长得差不多：

"构建一体化的智能数据底座，打造'一个平台、三大中心、N 类场景'的能力体系，赋能业务数字化转型，实现降本增效。"

这段话挑不出错：每个词都有对应的模块，每个模块都有人负责。可评审会上大家点头，会后却没有一个人能复述它。三个月后再问团队"我们到底要做成什么样"，答案往往五花八门。

再看另一份技术文档的开头：

Zap! With a beautiful flash and appropriate noise, Jimmy's spaceship disintegrated; Beth had won Spacewar again.

（嗖！伴着一道漂亮的闪光和恰到好处的音效，Jimmy 的飞船碎成了一片；Beth 又一次赢下了《太空大战》。）

这是 Alan Kay 1972 年那篇《A Personal Computer for Children of All Ages》的第一句。一篇提出个人电脑构想的论文，没有从硬件指标起笔，而是先让读者看见两个九岁的孩子躺在公园草地上打太空游戏。

这两种开头的差别，不在文采，而在注意力的方式。前者先拆解，再罗列零件；后者先呈现一个完整画面，再慢慢说清它如何成立。

这篇文章借用"右脑思考"这个说法，讨论后一种能力：为什么描述技术愿景，要先让人看见未来，再解释怎样抵达。

一、先说清楚：没有"右脑人"，但有两种注意力

聊"右脑"之前，必须先澄清一个流行的误解。

"左脑理性、右脑感性""有人是左脑型、有人是右脑型"这类说法，在神经科学上站不住脚。

2013 年，犹他大学的研究团队分析了 1011 名 7 到 29 岁受试者的静息态脑成像数据。研究发现，某些功能确实存在偏侧化：语言相关枢纽更偏左，注意力控制相关枢纽更偏右。但这种差异发生在局部连接上，没有证据表明一个人整体上是"左脑更强"或"右脑更强"。

所以，这篇文章里的"右脑思考"不是指某一半大脑，也不是指某一类人。

这里借用的是精神科医生 Iain McGilchrist 在《The Master and His Emissary》（2009）里的区分。他本人也反对流行的左右脑神话。他关注的不是两个半球分别"负责什么"，而是两种不同的注意方式：

• 一种注意力是宽的、开放的、整体的，既关注眼前的事，也留意周围还发生了什么；
• 另一种注意力是窄的、聚焦的、分解的，把事物从情境中抽出来、拆成零件、归类、建模，以便抓取和操控。

说得更直白一点：一种先看森林，一种先看树木。

McGilchrist 更看重二者的协作顺序：先整体、再分析、再回到整体。先感知情境，再聚焦拆解，最后把分析结果放回原来的情境中检验。他把前一种注意方式称为"主人"，后一种称为"使者"。

使者很能干，能分类、计算、建模；但如果它忘了自己服务于哪个整体，手段就会慢慢取代目的。

二、技术人的默认档位是"使者"

技术人几乎是被训练成"使者"的。

我们的职业训练就是分解：把需求拆成用户故事，把系统拆成服务，把服务拆成接口，再把问题拆成可以测试的最小单元。这是工程的根基，没有它，什么都建不起来。

问题出在写愿景的时候，我们也不自觉地挂在这个档位上。

于是，愿景变成了一张能力清单："支持多源异构数据接入、提供统一元数据管理、内置隐私计算能力……"

或者变成一张分层架构图：底层是基础设施，中间是平台，上面是应用，最上面写着"赋能"。

这类愿景有三个特点：

• 每句话都可以被验证，所以写的人很安心；
• 每一块都对应团队的投入，所以写的人舍不得删；
• 但没有人能从中看见一个画面，所以听的人记不住。

这不是没有整体，而是一个由零件反向拼出来的整体。读者拿到一堆模块，只能自己在脑中组装；每个人拼出的未来自然不一样。

愿景这种文体的任务，恰恰不是把零件说全，而是让一群人看见同一个未来。这件事，使者做不了。

三、三个被"看见"的技术愿景

先看三个例子。它们都来自技术史上被反复引用的愿景，也都不是从架构图开始的。

例一：Dynabook，一篇从公园草地开始的论文

Alan Kay 的故事继续往下走：Beth 觉得游戏太简单，Jimmy 说，真实的太空里，飞船会绕着太阳转。

两个孩子试着修改 Beth 几周前写的程序，把太阳引力加进去，结果飞船到处乱飞。他们抱起 DynaBook，跑过草地去问老师。老师看出孩子们凭直觉重新发现了一个重要的物理概念，没有直接给答案，只提示他们连接班级的数字图书馆。

这段故事里没有一个技术参数，却一次性交代了一整套设计主张：

• 便携：孩子可以躺在草地上使用；
• 联网：两台机器能够共享同一个游戏世界；
• 可编程：九岁的孩子可以自己修改程序；
• 连接知识库：设备可以接入数字图书馆；
• 改变学习方式：孩子因好奇而动手，老师从讲授者变成引导者。

这些主张如果写成清单，每一条都干巴巴的。放进一个画面里，它们彼此支撑，读者一眼就能看到整体。论文后面当然也讨论了硬件、成本和软件设计，但那是在画面立住之后。

例二：Knowledge Navigator，一位教授的早晨

1987 年，苹果发布了概念视频 Knowledge Navigator。视频没有讲技术，只呈现一位大学教授的早晨：他回到书房，平板设备里的数字助理提醒日程、查找文献、接通远在巴西的同事，还提醒他别忘了母亲的生日。

后来有人根据视频里的日历和论文年份推算，这个场景发生在 2011 年 9 月 16 日。而苹果在 2011 年 10 月 4 日宣布 Siri——与视频设定的日期只差不到一个月。

但真正值得学的，不是日期预测得有多准，而是这个画面提供了长期的方向感。后来的笔记本电脑、Newton、带摄像头的 Mac 和 iPhone，都能在这条轨迹上找到位置。

一份能力清单很难做到这一点。一个画面可以。做任何具体决定时，团队都能问一句：这让我们离那个早晨更近了吗？

例三："心智的自行车"，一个比喻撑起一种定位

1980 年前后，乔布斯多次讲过同一个故事。他说自己早年在《科学美国人》上看到一张图，比较各种动物移动一公里所消耗的能量。效率最高的是秃鹫，人类的表现相当平庸，排在中间偏后。但图上还有一个点：骑自行车的人，效率远远超过秃鹫。

他由此得出结论：人是工具的制造者，能造出放大自身能力的工具。个人电脑就是"心智的自行车"。

这个比喻一次回答了三个定位问题：

• 电脑是什么？一种工具；
• 它和人是什么关系？放大，而不是替代；
• 它为什么重要？帮助普通人突破自身能力的边界。

它没有讲技术细节，却能检验产品决策：这个功能是在让人骑得更快，还是在替人走路？

有意思的是，乔布斯记错了一个细节。他提到的文章，是 S. S. Wilson 1973 年发表的《Bicycle Technology》；原图里效率最高的动物是鲑鱼，根本没有秃鹫的数据。可这个比喻依然流传了四十多年，今天 MIT 还有一个研究小组直接以此为名，用"心智的自行车"对照当下 AI 的另一种愿景——"心智的替代品"。

这恰好说明了整体和细节的关系：比喻负责抓住方向，事实负责守住可信度。 右脑看见之后，左脑的核查一步都不能少。

四、描述技术愿景的四个右脑动作

从这三个例子里，可以提炼出四个具体动作。它们都不需要文学天赋，需要的是把注意力从"零件"切换到"整体"。

动作一：画一个画面，而不是列一张清单

画面至少要有三个元素：一个具体的人、一个具体的时刻、一个具体的地方。Kay 选的是公园里的两个九岁孩子，苹果选的是书房里的一位教授。

一个简单的检验办法：你的愿景能不能拍成一分钟的短片？ 如果能，说明你看见了；如果只能拍成一张 PPT，说明你还在列零件。

这里的画面不是"用户故事"。用户故事服务于需求拆解；愿景画面服务于方向共识。它不必写全，却要让多个设计主张自然地出现在同一场景中。

动作二：找一个隐喻，让整体一次被抓住

画面让人看见，隐喻让人记住。好的隐喻有一个特征：它同时说清楚"是什么"和"不是什么"。

"心智的自行车"说的是放大，同时也排除了"替代"。自行车需要人蹬，人始终是主体；它不是汽车，更不是自动驾驶。一个比喻划出的边界，往往比十条设计原则都清楚。

找隐喻时，可以问：别的领域里，有没有一个东西与我们要做的事结构相似？

找到后还要反问：它会不会把人带偏？如果它暗示了你并不打算做的事，就换一个。

动作三：看边缘，而不只看中心

McGilchrist 描述的那种宽的注意力，有一个重要特点：它关注的不只是你正在盯着的东西，还会追问：周围还发生了什么？

技术愿景最容易漏掉的，正是边缘。我们常常只描述产品本身，却没写出它带来的第二层变化：谁的角色变了，哪种关系变了，哪些原本不可能的事变得可能了。

Dynabook 故事里最动人的一笔，不是孩子手里的设备，而是那位老师：他不再讲授答案，而是看着孩子们"凭直觉重新发现了一个重要的概念"，只给一点提示。这是边缘上的变化，却恰恰是整个愿景的意义所在。

写完画面后，可以刻意问一句：在这个画面里，除了主角，还有谁的生活因此变了？

动作四：留白，不回答"怎么做"

Knowledge Navigator 里的数字助理能听懂自然语言、能自己查文献、能主动提醒。1987 年，没有人知道这些要怎么实现。视频也完全没有解释。

这不是缺陷，而是愿景应有的边界。愿景回答"未来是什么样"，路线图回答"怎么做到"。 如果在愿景里写满技术路线，不仅替团队提前做完了所有选择，也会把未来绑定在今天的技术上。

留白给了团队发明的空间。二十年里，苹果用了完全不同于 1987 年设想的技术，一步步走近了那个早晨。

五、然后交给左脑，再回到右脑

强调右脑，不是贬低左脑。两种注意力都需要，关键是顺序。描述技术愿景，可以按"右—左—右"走三步。

第一步，右脑：看见。 用一页纸写出画面和隐喻。不写能力清单，不画架构图，不写指标。只回答：未来某一天，某个人，在某个地方，经历了什么不一样的事？

第二步，左脑：拆解。 把画面里的每一句话拿出来，问三个问题：

1. 这句话要成立，背后需要什么能力？
2. 这些能力里，哪些今天已经有了，哪些还没有？
3. 还没有的那些，最关键的不确定性是什么，最小的验证实验是什么？

这一步产出的，才是技术路线图和里程碑。它们必须严谨、可检验。

第三步，右脑：回到整体。 拆解完之后，把路线图放回画面旁边，再看一次：按这条路线做完，那个画面还是原来那个画面吗？

这一步最容易被跳过。拆解过程中，需求会漂移，难做的能力会被换成容易交付的版本，指标也会悄悄取代体验。很多项目完成了路线图上的每一项，却离最初的画面越来越远。

这就是"使者忘了自己只是使者"。

六、AI 时代：一个过于能干的使者

到了 AI 时代，这套方法只会更重要。

大模型几乎是一个完美的使者：给它一个主题，它能在几秒钟内生成能力清单、架构分层、路线图、风险矩阵，还能写出一段流畅的"愿景陈述"。这些产出往往结构完整、措辞得体，挑不出错。

但 AI 生成的愿景，常常正是那种由部件反向拼出的整体。它见过成千上万份规划文档，知道愿景通常由哪些词组成，于是把这些词组装成一段"正确"的文字。

你很难说它错，也很难从中看见任何画面。

所以使用 AI 的顺序值得注意：

• 不要一上来让 AI "帮我写个技术愿景"，那只会得到一份更流畅的能力清单；
• 先自己写出那一页画面，哪怕写得很粗糙；
• 再让 AI 做它擅长的拆解工作：梳理所需能力、找出薄弱假设、列出反例、生成路线图草案；
• 最后，由你把 AI 的拆解结果放回画面旁边，做第三步的整体检验。

AI 让"拆解"变得几乎免费，于是"看见"成了更稀缺的能力。

结论

如果只记住四句话，可以是：

• 先看见，再解释。 愿景首先要让一群人看见同一个未来。
• 画面负责呈现，隐喻负责记忆。 同时看看画面边缘还有谁改变，并给实现方式留下空间。
• 再把未来拆成路线图。 识别所需能力、关键不确定性和最小验证实验。
• 最后回到原来的画面。 检查做完路线图以后，那个未来是否依然成立。

下次写技术规划的第一页之前，不妨先闭上眼睛：三年后的某个早晨，一个具体的人，会因为你做的东西而经历什么不同？

如果什么都想象不出来，问题也许不在文字，而在于你还没有真正看见那个未来。

你们团队最近一份技术规划的第一页，能拍成一分钟的短片吗？

参考资料

1. Nielsen JA, Zielinski BA, Ferguson MA, Lainhart JE, Anderson JS，《An Evaluation of the Left-Brain vs. Right-Brain Hypothesis with Resting State Functional Connectivity Magnetic Resonance Imaging》，PLOS ONE 8(8): e71275，2013 — https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0071275
2. Iain McGilchrist，《The Master and His Emissary: The Divided Brain and the Making of the Western World》，Yale University Press，2009 — https://yalebooks.yale.edu/book/9780300245929/the-master-and-his-emissary/
3. Iain McGilchrist，《Paying attention to the bipartite brain》，The Lancet，2011 — https://www.thelancet.com/pdfs/journals/lancet/PIIS0140-6736(11)60422-4.pdf
4. Alan Kay，《A Personal Computer for Children of All Ages》，Xerox PARC，1972 — https://doi.org/10.1145/800193.1971922
5. Andy Baio，《Apple's 1987 Knowledge Navigator, Only One Month Late》，Waxy.org，2011-10-04 — https://waxy.org/2011/10/apples_1987_knowledge_navigator_only_one_month_late/
6. NBC News，《25 years before Siri, Apple had 'Knowledge Navigator'》，2011 — https://www.nbcnews.com/tech/tech-news/25-years-siri-apple-had-knowledge-navigator-flna120157
7. S. S. Wilson，《Bicycle Technology》，Scientific American 228(3): 81–91，1973-03 — https://doi.org/10.1038/scientificamerican0373-81
8. Machinocene，《Steve Jobs and the computer as a "bicycle for the mind"》 — https://www.machinocene.com/p/steve-jobs-and-the-computer-as-a
9. The Bike Shop @ MIT，《Bicycles for the mind》 — https://thebikeshop.mit.edu/what-we-do/