# 尼尔·格申菲尔德：自我复制机器人与制造业的未来 > 物理学家谈数字制造、可自我复制的机器人，以及个人化制造将如何改变生产与教育。 - 原标题：#380 – Neil Gershenfeld: Self-Replicating Robots and the Future of Fabrication - 期数：第 380 期 - 发布日期：2023-05-28 - 嘉宾 / 主题：尼尔·格申菲尔德 - 网页版：https://lexfridman-cn.pages.dev/ep/neil-gershenfeld/ - 官方页面：https://lexfridman.com/neil-gershenfeld/ - 精读字数：约 10218 字（阅读约 23 分钟） > 本文为 lex.qiaomu.ai 基于原始访谈的 AI 改写中文精读，非官方翻译；引用请注明出处并链接网页版。 麻省理工学院有一个叫 CBA 的实验室，全称是 Center for Bits and Atoms（比特与原子研究中心）。它的主任尼尔·格申菲尔德在这期播客里说了一句听起来很狂的话：他搞明白了冯·诺依曼和图灵当年犯下的根本性错误，也搞明白了生命的秘密。 这话搁别人嘴里，多半是标题党。但格申菲尔德在这个领域已经工作了几十年，他的实验室做出了世界上第一台比经典计算机更快的量子计算机的参与工作，参与了最小合成生物体的创造，还做出过能自我复制的机器人。这些成果都在同一个地方完成，那就是数字世界和物理世界的交界处。 ## 图灵和冯·诺依曼到底错在哪 图灵被公认为现代计算架构的奠基人之一，冯·诺依曼也是。格申菲尔德说他们犯了一个物理学上的错误，这个错误从根上定义了整个计算机科学。 图灵机的结构是这样的：一个读写头，一条纸带，读写头在纸带上移动、读取、写入。问题在于，读写头和纸带是分离的。这种分离意味着，信息的存储和信息的处理是两回事。 冯·诺依曼后来写了一份被格申菲尔德称为“糟糕的备忘录”的东西，叫《EDVAC 报告初稿》，把图灵的这个架构直接搬进了机器里。这份备忘录后来引发了一堆专利官司，但它成了现代计算机架构的基础。你今天用的电脑，大部分精力都花在把信息从存储晶体管搬到处理晶体管，尽管这两类晶体管的计算复杂度其实是一样的。 格申菲尔德在计算机科学课上看到过一个荒谬的分类表，列了大约一百种计算模型。他说这些全是虚构的。物理学里只有一种计算模型是真实的：一块空间占据空间，它存储状态，信息在空间中传递需要时间，你可以和它交互。其他所有模型都是虚构的。 > 在物理学里，一块空间占据空间，它存储状态，信息穿过它需要时间，你可以和它交互。这是唯一一种物理的计算模型。其他一切都是虚构的。（尼尔·格申菲尔德） 格申菲尔德说，他真正意识到这一点，是有一年去给超级计算机行业年会做主题演讲，然后走进展厅和那些造超算的人聊天。他想到电影《大都会》里的场景：楼上的花园里人们在嬉戏，楼下的地下室里人们在扳动操纵杆。今天的计算就是这样运转的。我们假装软件不是物理的，假装它和硬件是分开的，整个计算机科学的经典体系都建立在“比特不受原子约束”这个虚构之上。 但计算领域所有的规模化问题，都来自这个边界。所有的机会，也都来自这个边界。 有意思的是，图灵和冯·诺依曼自己都知道这件事。格申菲尔德说，这两个人在生命最后阶段研究的，恰恰就是软件如何变成硬件。冯·诺依曼研究自复制自动机，也就是一台机器如何把自己的构造方式传递出去。图灵研究形态发生学，也就是基因如何产生形态。他们晚年研究的都是计算的具身化，但这件事被计算机科学的经典体系遗忘了，只在一些很有意思的支线上发展着。 格申菲尔德说，他一直搞不懂计算机科学和物理科学到底有什么区别。在那个边界上工作，让他参与了两件大事：一是和合作者一起做出了最早的超越经典计算的量子计算，二是参与了最小合成生物体的创造，在计算机里设计生命。这两件事都涉及一个共同点：你没法把硬件和软件分开。计算的具身化，是以非常深刻的方式被具身化的。 ## 一个想去职业学校的高中生 格申菲尔德高中时特别想去职业学校，学焊接、修车、盖房子。他被告知不行，你很聪明，你得坐在教室里。没有人能给他解释为什么他不能去职业学校。 后来他去了贝尔实验室，那个在反垄断拆分之前传奇一样的地方。他想进车间动手做点东西，结果收到了工会的申诉。他们说，不行，你很聪明，你得告诉别人怎么做。 直到他去了 MIT，他才慢慢理解，这个错误可以追溯到文艺复兴时期。 文艺复兴时期出现了“自由技艺”（liberal arts）这个概念。这里的 liberal 不是政治上的自由派，它指的是通向解放的道路，是人本主义的诞生。自由技艺包括三艺和四艺，大致是语言和自然科学。就在那个时候，冒出来一个糟糕的概念，叫“非自由技艺”。凡是不属于自由技艺的，都是为了商业利益，都只是做东西，都不配被严肃地研究。这就是为什么学焊接不被当作严肃的学科。 但表达的方式从文艺复兴到现在已经变了。微加工或者嵌入式编程，和画一幅画、写一首十四行诗一样，都是表达。格申菲尔德说，这就是他后来创建 CBA 的路径。 他先是在哈佛做初级研究员，通过马文·明斯基的介绍访问 MIT，因为他感兴趣的是乐器的物理学。他在康奈尔学物理，然后穿过马路去音乐系吹巴松管，修剪簧片。簧片吹起来很美，但会受潮变软。后来他发现康奈尔音乐系的地下室里有个叫大卫·博登的人。博登你可能没听过，但他在电子音乐界是传奇，因为他可以说是第一个电子音乐家。发明 Moog 合成器的鲍勃·穆格也是康奈尔物理系的学生，和格申菲尔德一样穿过马路，后来被学校开除，发明了电子音乐。 这件事让格申菲尔德开始思考一个问题：一件乐器的计算能力是多少？ 他通过明斯基认识了媒体实验室的托德·马乔弗，当时马乔弗正要和马友友开始一个项目，后来促成了一个合作：给一把大提琴装上传感器，提取马友友的演奏数据，把它带进计算环境。 从纯粹的物理模拟角度看，如果你取物理相关的最高时间分辨率和空间分辨率，一个不错的 GPU 今天就能做到，这在以前是需要国家级超级计算机才能做的事。但真正驱动这个项目的，是马友友对大提琴的一种非常不感情用事的看法。他不觉得斯特拉迪瓦里琴有什么神奇的振动在声波里，他看重的是它作为控制器的表现，作为界面设备他能怎么操纵它。 格申菲尔德一开始想的是每秒运算次数，但马友友关心的是分辨率和带宽：能多快地测量他的动作，以及把这些控制映射到声音里的带宽和分辨率。他们最后发现，如果你把他所有的动作都仪器化，连接到几乎任何东西上，听起来都像马友友。神奇之处在于控制，不在于木头振动的那些不可言说的细节。 项目快结束时，格申菲尔德问马友友，要让他放弃斯特拉迪瓦里琴改用他们的设备，需要什么条件。马友友的回答是：只是后勤问题。当时他们的设备是一堆电子器件、一堆线缆，还得有几个研究生在旁边让它运转。一旦技术变得像斯特拉迪瓦里琴一样隐形，那当然可以。 这个项目还有个脚注。在给马友友的大提琴做传感时出了个意外，后来催生了一个年收入一亿美元的车用安全气囊业务。 事情的经过是这样的。格申菲尔德要给琴弓装传感器，又不能干扰演奏，所以他在局部设置了电磁场，检测这些场和琴弓的相互作用。但有个问题：每当马友友的手靠近这些传感场，传感器就开始感应他的手，而不是琴弓上的材料。他不太理解这种干扰是怎么回事。他招的第一个研究生乔什·史密斯，论文做的就是电场层析成像，如何用电场做三维成像。然后通过托德和实验室的研究科学家乔·帕拉迪索，促成了一次和魔术师组合潘恩与泰勒的合作。他们在拉斯维加斯表演了一个魔术，用来“联系胡迪尼”，这些电磁场就像是在联系亡灵。 魔术之后，菲尔·里特穆勒跑进了格申菲尔德的实验室。他当时在本田和 NEC 工作。安全气囊当时正在杀死坐在后向式儿童座椅里的婴儿。汽车需要区分几种情况：面朝前的成年人，气囊该弹出救命；一袋杂货，不该弹；后向式婴儿座椅，弹了会杀死婴儿。座椅需要能“看见”三维空间，理解座位上是什么。他们把从潘恩与泰勒魔术、从乔什的论文、从马友友的大提琴里来的技术带到一个车展上，所有汽车公司都说，太好了，什么时候能买？这就成了 Elisa 公司，一个年收入一亿美元的传感器业务。没什么宣传，因为它装在车里，车没杀死你。你不会看到广告说“我们有很好的传感器所以车不会杀死你”，但它成了领先的汽车安全传感器。 这一切都始于大提琴，始于乐器计算能力这个问题。 ## 一个叫“以上皆非”的系 格申菲尔德在 IBM 研究院花了很多业余时间，那里有计算基础领域的大神。他一直以为自己会去 IBM 接管一个实验室，但最后一刻转向，来了 MIT，进了媒体实验室，开始了 CBA 的前身。 媒体实验室以尼古拉斯·尼葛洛庞帝闻名。但格申菲尔德说，没那么有名的是杰里·威斯纳的角色。威斯纳是 MIT 的校长，后来当了肯尼迪的科学顾问，科学界的老前辈。他在生命最后阶段，对知识的割裂感到沮丧，所以他想创建一个“以上皆非”的系，一个容纳那些不属于任何系的系。 媒体实验室在某种意义上是他藏这个系的幌子。作为 MIT 校长，如果他在任期快结束时说，我要建一个容纳不属于任何系的东西的系，各系会尖叫。但所有人都在关注尼葛洛庞帝创建媒体实验室，杰里就藏在里面，建了一个叫“媒体艺术与科学”的系，它其实就是那个“以上皆非”的系。杰里解释了这件事，尼葛洛庞帝后来也确认了，这就是格申菲尔德转向来 MIT 的原因。 他的学生，那些参与创造量子计算或合成生命的学生，拿的就是媒体艺术与科学这个“以上皆非”系的学位。 来了 MIT 之后，他和托德、乔·帕拉迪索、迈克·科利一起启动了一个叫 Things That Think 的联盟。那正是物联网和 RFID 诞生的时候。然后他们开始做一些后来成为量子计算、密码学、材料、逻辑、微流控开端的工作。这些工作需要大得多的基础设施，研究周期也长得多。所以他们和一个大约二十人的更大团队，给 NSF 写了一份提案，大意是：组装一套每种工具各一个的设施，用来制造任何尺寸的任何东西。 通常纳米、微米、毫米、米是分开的，输入和输出也是分开的。他们想非常字面地研究数字如何变成物理，物理如何变成数字。幸运的是，NSF 那天心情好，资助了这个“每种工具几乎各一个”的设施。格申菲尔德和包括乔·雅各布森、艾克·崔、斯科特·马纳利斯在内的核心同事一起，启动了 CBA。 这个实验室里有什么？纳米结构的电子显微镜和聚焦离子束探针，微结构的激光微加工和 X 射线微断层扫描，宏观结构的多轴加工和 3D 打印。一个设备齐全的研究实验室也有这些工具，但它们分散在不同地方，通常由技术员操作，你得开个账户、立个项目、按时间计费。这些工具本质上是在你不知道自己在做什么的时候用的，而不是你知道自己在做什么的时候用的。而 CBA 是在你需要跨尺度工作的时候用的。 项目一旦在这个设施里跑起来，就不按时间收费，不需要正式提案来排期，使用者自己操作工具。它是为那些还不成形、需要跨越这些学科和尺度的工作准备的。今天 CBA 的项目范围很广，从开发最低功耗计算的拉链式双电子器件，到微加工金刚石做百万、千万转每分的轴承用于分子光谱研究，一直到探索在太空中建造百米结构的机器人。 ## 香农那个最好的硕士论文 要看最大的东西，格申菲尔德说，得把香农也请进来。 数字是什么？最随意的回答是 0 和 1，但这是错的。更深层的答案来自克劳德·香农在 MIT 写的硕士论文，格申菲尔德说那是史上最好的硕士论文。香农在那篇论文里发明了现代数字逻辑的概念。 它从万尼瓦尔·布什那里来。布什是 MIT 的老前辈，创建了战后研究体系，催生了 NSF。他也犯了一个重要的错误，后面会讲。他做了微分分析仪，那是最后一台大型模拟计算机，一屋子齿轮和滑轮，运行得越久答案越糟。香农作为学生参与了这个项目，被它烦透了，在硕士论文里发明了数字逻辑。 然后香农去了贝尔实验室。当时通信开始扩张，电话线路的需求在增加，问题是一根线上能传多少电话消息。你可以试着让它越来越好，香农问了一个没人问过的问题：与其让它越来越好，它的极限在哪里？他证明了几件事，其中主要的一件是信道容量的阈值定理。 他的意思是这样的：我现在对你说话，声音作为波通过空气传播，你离得越远听得越差。但看这个视频的人是通过网络数据包收到的。当电脑收到数据包，它能检测并纠正错误。香农证明的是，如果电缆里的噪声在某个阈值之上，看视频的人就完了；但如果噪声在阈值之下，能量每线性增加一点，错误率就指数下降。指数增长在工程里很少见。这种在阈值之下、通过恢复状态实现的错误指数下降，就叫阈值定理。它催生了数字技术，意味着不可靠的东西可以可靠地工作。 香农为通信做了这件事，然后冯·诺依曼受到启发，把它应用到计算上，证明了一台不可靠的计算机可以通过同样的恢复状态阈值特性可靠地运行。这件事后来被遗忘了很多年，在量子计算时代我们不得不重新发现它，因为那时候东西又变得非常不可靠了。 现在回到最大的东西。 在制造领域，MIT 在 1952 年发明了计算机控制的加工。当时喷气式飞机刚出现，在铣床上转摇柄来制造喷气飞机零件有个极限。这里有个不太光彩的故事：MIT 实际上是从一个发明家手里偷来了计算机控制加工，那人带着它来找 MIT，想和空军做联合项目，MIT 基本上把它偷走了。所以历史有点乱，但那听起来像是计算机控制加工的诞生。 3D 打印有好几个发明者，其中一家从格申菲尔德实验室分拆出来的公司是马克斯·洛博夫斯基的 Formlabs，现在是一家十亿美元级的 3D 打印公司。 但所有这些都还是模拟的。意思是信息在控制计算机里，材料里没有信息。这又回到了万尼瓦尔·布什的模拟计算机：如果你在打印或加工时犯了个错误，错误只会累积。 真正意义上的计算机化数字制造的诞生，是在四十亿年前。那是核糖体的演化年龄。 你的制造方式是这样的：有一段描述你的代码，遗传密码，它去到一个微型机器，核糖体，这个分子工厂建造构成你的分子。关于它关键要知道的是，大约二十种氨基酸被组装起来，而在这套机器里，香农和冯·诺依曼教给我们的一切都在运行：你检测并纠正错误。如果你混合化学物质，错误率大约是百分之一。当你在核糖体里制造延长的蛋白质，大约是万分之一。当你复制 DNA，有额外一层错误纠正，是亿分之一。所以构成你的分子里，你可以检测并纠正错误，你不需要一把尺子来制造你，几何来自你的零件。 现在比较一个玩乐高的孩子和一台最先进的 3D 打印机或计算机化铣床。孩子搭的塔比他的运动控制更精确，因为把积木扣在一起这个动作本身给了关节约束。你可以用不同材料做的积木连接。乐高不需要尺子，因为局部的几何给了你全局的零件。而且没有乐高垃圾，零件里有足够的信息把它们拆开。这些恰恰是数字代码的性质。 > 不可靠的被变得可靠了。（尼尔·格申菲尔德） 核糖体在四十亿年前搞明白的，就是如何具身化这些数字性质。它不服务于通信或计算，它服务于建造。 格申菲尔德实验室有一系列项目在研究“数字材料”这个概念。把数字材料想象成乐高积木就行。精确的定义是：一组离散的零件，可逆地连接，全局几何由局部约束决定。这就是把材料数字化。 ## 碳纤维乐高和会走路的机器人 回到最大的东西。格申菲尔德的实验室和航空航天业合作。Spirit Aero 是波音的工厂，他们来问怎么连接复合材料。制造复合材料飞机时，你要造出巨大的机翼和机身部件，他们想要更好的方式把它们粘在一起，因为接缝是容易失效的地方。 他们发现的是：与其造几个大部件，不如造小的碳纤维环，把它们可逆地连接在关节里，用一种特殊的几何来平衡欠约束和过约束，恰好合适的自由度。他们就这样创下了最高模量超轻材料的世界纪录，本质上就是用碳纤维做乐高。轻质材料对能效至关重要，这让他们做出了最轻的高模量材料。然后他们证明，只用几种零件类型，就能调节材料属性。然后你可以造出非常疯狂的机器人：不需要一个和巨型喷气机一样大的工具来造喷气机，而是让小机器人在这些蜂窝结构上行走，来建造结构，在结构上纠错定位，在结构上导航。 用这些，他们和 NASA 做了变形飞机，一个前学生肯尼·张和本·杰奈特做了一个和 NASA 兰利最大风洞一样大的变形飞机。和丰田合作，他们做了超高效赛车。现在他们正在和 NASA 谈项目，要做太空望远镜和太空栖息地这类东西。 前面提到的核糖体，可以一个分子一个分子地造出一头大象。核糖体很慢，大约每秒一个分子，但核糖体制造核糖体，所以你有成千上万个，上万亿个，这就是为什么能造出一头大象。同样，格申菲尔德描述的那些小装配机器人，本质上也能造出巨型结构，因为机器人能制造机器人。更近一些，他的学生萨米拉和米安娜在《自然·通讯》上发表了一篇论文，展示了这个机器人如何能用它正在制造的零件来制造自己。机器人能制造机器人，所以你能建立起机器人装配的能力，它能自我复制。 这个机器人长什么样？格申菲尔德说，答案在不同尺度上不同。为了解释这个，他借用了生物学的层级。 在生物学里，初级结构是信使 RNA 里的代码，告诉核糖体该造什么。次级结构是几何基序，比如螺旋或片层。三级结构是功能元件，比如电子供体或受体。四级结构是分子马达，驱动他的嘴巴说话，或者让大脑里的突触工作。有这个初级、次级、三级、四级的层级。 有意思的是，如果你今天要从供应商那里买电子元件，有几十万种电阻、电容、晶体管，巨大的库存。而整个生物学只用二十种零件，氨基酸，通过组合它们，你能创造出所有生命。作为材料数字化的一部分，他们实际上在尝试为工程创造类似氨基酸的东西，用二十种零件创造所有技术。 格申菲尔德还提到他帮好莱坞创立了一个科学办公室，为电影《火星救援》做过一件有趣的事，他和比尔·奈等人做了一个项目，讲如何在火星上真正建立文明，他喜欢这样描述：如何不带行李去火星。本质上就是如何在非生命材料中创造生命。 在实验室里，他们在不同尺度上为不同目的做这个初级、次级、三级、四级结构。他们在用纳米砖做微型机器人，用来制造太空中的大型结构，机器人的元件现在是厘米级而不是微米级。大型结构的装配机器人就是构成结构的那些细胞，但也有功能细胞，能处理和执行动作，每个细胞能移动一个自由度，或者连接、断开、处理。这些元件又可以用更小的零件制造。最终会有一个层级：小零件制造小机器人，小机器人制造更大的零件，更大的零件制造更大的机器人，一路往上。这样你就能爬升尺度。 格申菲尔德说，早期他试图从最底层直线走到最顶层，结果发现是个坏主意。现在他们并行地做所有这些，然后它们一起生长。为了造更大的结构，现在有很多关于 3D 打印房子的炒作，打印机和房子一样大。他们现在正在研究用一群桌面尺度的机器人在结构上行走，来更高效地放置零件。 不能从极小直接走到极大，格申菲尔德说，那会分阶段到来。 ## 冯·诺依曼的自复制自动机 这一切的核心，是冯·诺依曼的自复制自动机。 一个学生威尔·兰福德用小零件做了微型机器人，然后米安娜把它们用于更大的机器人，一路往上，这实际上是在实现自复制自动机这个想法。 格申菲尔德抱怨冯·诺依曼架构时说过，这对冯·诺依曼不公平，因为他从没声称这是他的架构。他真正写的是那份相当糟糕的备忘录，那份备忘录导致了早期计算领域各种官司和争斗。他做了关于可靠计算和不可靠设备的漂亮工作。在生命最后阶段，他研究的是，格申菲尔德说必须精确地这样说：一次计算如何传达它自己的构造。这很优美。 一次计算可以存储一段关于如何建造它自己的描述。但有个非常难的问题：如果你脑子里有这个东西，你怎么把它传递出去，唤醒一个能包含它的东西？你怎么生出一个知道自己如何制造自己的东西？ 他和斯坦·乌拉姆发明了元胞自动机来模拟这些，但那只是理论。格申菲尔德实验室现在做的，本质上就是如何实现它，如何实现自复制自动机。 自复制自动机在智识上如此重要，因为它是生命的基础，本质上就是理解生命的本质。他们实际上是在尝试在非生命材料中创造生命。它在技术上如此重要，因为这是扩展能力的途径。这就是如何从核糖体造出一头大象，因为装配者制造装配者，用简单的积木，积木内部包含如何制造更多积木的信息，它们互相建造出任意复杂的物体。 格申菲尔德给了一组数字，把这件事和当下的 AI 热潮联系起来。 一台百万亿次浮点运算的计算机，也就是当前一代超级计算机，还没到最大的那些，每秒做十的十七次方次运算。你的大脑每秒也做十的十七次方次运算。它大约有十的十五次方个突触，以大约一百赫兹运行。所以一两年前，大型计算机的性能追上了大脑。你可以把 AI 看作突破，但真正的故事是：一两年前，超级计算机处理器里大约有十的十五次方个晶体管，存储器里也有十的十五次方个晶体管，那就是你大脑里的突触。真正的突破是计算机在计算能力上追上了大脑，所以如果它们做不到大致相同的事，那才叫失职。 但格申菲尔德提这件事的原因是：制造超级计算机的芯片工厂每秒放置大约十的十次方个晶体管。而你此刻消化午餐时，每秒放置大约十的十八次方个零件。差了八个数量级。计算能力那一项追上了，真正差出来的是速度：生物建造的速度和最新制造能建造的速度之间，差了八个数量级。这个差距关乎数字制造在建造中具身化代码的深层意义，与模拟无关。 > 一段描述不是描述一个东西，描述变成了那个东西。（尼尔·格申菲尔德） ## 数字制造的两种含义 格申菲尔德说，数字制造这个说法有随意的含义，也有深层的含义。 随意的含义是，计算机控制工具来制造东西，那是 1952 年 MIT 偷来发明的东西。 深层的含义是核糖体做的事：一段数字描述变成了那个东西。那才是通往《星际迷航》复制器的路。而那件事还不存在。 要理解这个路线图，格申菲尔德说要引入 fab lab，看它们如何和这一切关联。 fab lab 是什么？ 这里有个序列。格申菲尔德和同事无意中启动了一个网络，现在有一千二百五十个国家里的两千五百个数字制造社区实验室，叫 fab lab。它们每一年半翻一倍。这被称作“拉塞特定律”，以谢里·拉塞特命名，格申菲尔德说后面会解释。 序列是这样的。他们启动 CBA 做前面讲的那种研究。他们有所有这些机器，然后遇到一个问题：要学会使用所有这些机器，得上一辈子的课。所以格申菲尔德和帮助启动 CBA 的同事开了一门课，谦虚地叫“如何制造几乎任何东西”。没有什么大计划，它只是面向几个研究学生，教他们用这些机器。他们完全没准备好第一次教这门课，结果被淹没。从那以后每年都有几百个学生想上这门课，它是 MIT 最超额认购的课程之一。 学生会说，你能在 MIT 教这个吗？它看起来太有用了。它就是怎么操作这些机器。 格申菲尔德在课上教学生使用所有这些工具的技能，然后他们做项目，把它们整合起来，成果惊人。 凯莉是个雕塑家，没有工程背景。她的项目是做了一个设备，能在你生气时把尖叫存起来，之后播放出来。你对着这个设备尖叫，它减弱声音、录下来，然后在方便的时候释放你的尖叫。 另一个叫米金的人，做了一个装传感器的裙子，上面有刺，当有令人不适的人靠近，它会捍卫你的个人空间。 早期还有一个项目是给鹦鹉做的网页浏览器，鹦鹉有幼儿的认知能力，让鹦鹉上网冲浪。 还有一个是闹钟，你得和它摔跤，证明你醒了。 把这些连起来的是什么？ MIT 做了第一台真正的实时计算机，Whirlwind。它被晶体管化后成了 TX。TX 从 MIT 分拆出去成了 PDP，也就是创造了互联网的小型计算机。MIT 外面是 DEC、Prime、王安、Data General，整个小型计算机产业，整个计算产业都在那里，当计算变得个人化时它们全都失败了。数字设备公司的老板肯·奥尔森说过一句名言：你不需要在家里放一台计算机。DEC 完全错过了计算变得个人化这件事。 格申菲尔德提到这些，是因为他当时在问如何做数字制造，但不太明白为什么这门课上的学生向他展示的东西。答案是：数字制造的杀手级应用是个人制造。 凯莉做尖叫设备，不是因为它是为论文做的。她没在写研究论文，也没打算做成商业模式，她想要一个，因为这是个人表达。这又回到了格申菲尔德在职业学校时的那种个人表达，用这些新的表达方式。 从那以后每年都是这样。这门课的字面名字就叫“如何制造几乎任何东西”，是 MIT 的传奇课程。每年都在扩，MIT 有多个实验室，参与教学的人和上课的人一样多。甚至有一个哈佛的实验室是为 MIT 这门课服务的。 格申菲尔德在访谈快结束时被问到，从人身上学到了什么。 从他的叙述里能看到一条线索：他在贝尔实验室想动手做东西被工会拦下，在 MIT 终于能创建 CBA 做想做的事，然后他开了这门课，发现每年都有几百个学生想来学怎么动手做东西。这个需求一直都在，只是被文艺复兴时期那个“非自由技艺”的观念压了几百年。 数字制造这件事，往深里说，是让描述变成东西，往浅里说，是让每个人都能把脑子里的想法变成手里的物件。格申菲尔德实验室那些能自我复制、在结构上行走、纠错定位的机器人，和凯莉那个存尖叫的盒子，是同一个思路的两端。一端在挑战制造业的物理极限，一端在回答一个更朴素的问题：一个人想做个东西，为什么这么难？ 他在访谈里说，自己在那个边界上学到的东西，听起来都很狂妄，但他都学到了：为什么图灵和冯·诺依曼犯了根本性错误，生命的秘密，以及如何解决世界上许多最重要的问题。把这三个说法放在一起看，其实是一件事。计算的具身化，就是软件变成硬件的过程，就是核糖体做的事情，就是自复制自动机要做的事情，也就是他想让每个普通人都能做到的事情。 如果你对这件事感兴趣，下面几件事可以从今天开始做。 - 找一个离你最近的 fab lab。全球有两千五百个，分布在两百五十个国家，大多数对公众开放，有 3D 打印机、激光切割机、数控机床这些设备，你可以去用，不需要工程背景。 - 去搜 MIT 那门“如何制造几乎任何东西”（How to Make Almost Anything）的课程资料。它全部公开在网上，从 CAD 到嵌入式编程到数控加工，是一套完整的动手制造入门路径。 - 下次你想做个小东西时，先别想着外包或买成品。找一个 fab lab 或者本地的创客空间，自己动手做一遍，从想法到实物的这个过程本身会改变你对制造的理解。 - 如果你是做软件的，找一个硬件项目参与一下。格申菲尔德整条论证线都在说，比特和原子本来不该分开，理解物理约束会让你的软件直觉变得更扎实。 - 关注 CBA 和 fab lab 网络的公开研究。他们的论文和项目更新大多开源，尤其是数字材料、自复制机器人、微尺度装配这几个方向，值得长期跟踪。