战魔田默｜“大师”称号可以清零，但一个行业不能没有大师

本条来自 虎嗅（Business / 中文商业），聚焦 technology。 从此以后，中国再无大师了吗？当一批“大师”称号接连被撤，这个问题很自然地浮了出来。但对一个行业来说，更重要的从来不只是今天还有多少人被称为大师，而是这种专业高度能不能持续出现。这一代高手终会离场，下一代大师从哪里来？称号可以重新规范，评价体系可以重新建立，专业荣誉也可以重新积累公信力。可再严谨的评价，也只能识...... 本文来自微信公众号： 战魔田默 ，作者：战魔田默，原文标题：《战魔田默｜“大师”称号可以清零，但一个行业不能没有大师》 从此以后，中国再无大师了吗？ 当一批“大师”称号接连被撤，这个问题很自然地浮了出来。 但对一个行业来说，更重要的从来不只是今天还有多少人被称为大师，而是这种专业高度能不能持续出现。 这一代高手终会离场，下一代大师从哪里来？ 称号可以重新规范，评价体系可以重新建立，专业荣誉也可以重新积累公信力。可再严谨的评价，也只能识别已经出现的人。它能够告诉市场谁已经站到了高处，却不能替一个行业把人送到高处。 一个成熟行业当然不需要遍地大师，但它不能失去产生大师的能力。 偶然出现一个顶尖人物，可以有天赋、努力和时代机遇的共同作用；一代又一代持续出现高手，则往往意味着这个行业已经形成一套能够不断把优秀人才推向更高水平的系统。 01 大师不是一个称号，而是一个行业能够抵达的高度 人们很容易把大师理解成一种荣誉。站上领奖台，获得专业认定，名字前面从此多了一个称谓。 但从产业角度看，大师最重要的价值并不发生在领奖台上，而是在手术台、实验室、生产线、厨房、酒窖、设计室，以及那些大多数从业者解决不了的问题面前。 任何行业发展到足够深，都会进入现有知识和经验不够用的地带。 已有工艺逼近极限以后怎样再提高一点，技术、成本、效率和安全彼此冲突时如何取舍，一项异常究竟只是偶发波动还是系统风险的前兆，同样的材料、设备和流程为什么不同的人最后能做出完全不同的结果？ 行业走到这里，需要的就不只是更多熟练从业者，总要有人继续往前走。 他们处理过去没有处理过的问题，把模糊经验推成更清楚的尺度，让一些原本只能凭感觉完成的工作拥有更可靠的判断，也不断改变同行对于“做到什么程度才算好”的理解。 一名顶尖医生的重要性，并不只在于完成了更多手术，还在于面对复杂局面时能够作出可靠判断；一名顶尖工程师的价值，也不只在于掌握更多知识，还在于系统进入异常状态时能够找到关键问题，并承担选择的后果。 厨师、酿酒师、设计师和工艺师同样如此。 当有人长期把一门专业推进到过去很少有人抵达的位置，整个行业的标尺都会随之移动。昨天的优秀，可能成为今天的基本要求；过去被认为不可避免的问题，会成为下一代必须继续解决的问题。 大师并不是一个行业的装饰品，他代表这个行业曾经把专业推进到了哪里。 这个位置未必能够被所有人复制，却会改变后来者对前方的想象。 没有人走得足够远，受影响的不只是少几个响亮的名字，后来的人甚至不知道这座山究竟还能爬多高。 02 评价体系可以识别大师，却生产不了大师 专业评价当然重要。 一个成熟行业需要同行判断、专业标准和严肃的专业组织。评比表彰更加规范，也不意味着专业评价失去价值。 但评价体系有一个天然边界：它只能识别已经出现的人。 假如一个行业长期没有足够复杂的问题，没有高水平同行之间持续碰撞，也没有让人才不断向上生长的环境，那么评价机制设计得再精密，也只能在有限的人才供给中进行选择。 为什么有些医院的一个科室可以连续出现优秀医生，有些大学和实验室不断产生高水平研究者，有些制造企业一代又一代拥有极强的工程师，而另一些组织即使不断高薪挖人，也始终形成不了自己的专业高地？ 到了这里，大师问题已经离开证书。 评价体系负责识别大师，专业生态决定大师能不能产生。 前者回答谁已经站到了高处，后者决定一个行业有没有人能够不断走到那里。 后者，才是一个产业更难建立的系统。 03 高手为什么往往成群出现 顶尖人才很少完全随机地分布。 贝尔实验室是一个极端而经典的例子。 晶体管、宇宙微波背景辐射、CCD等一批深刻影响现代科技进程的成果，都与这家实验室有关，多项诺贝尔奖和图灵奖也由此诞生。1947年，约翰·巴丁、沃尔特·布拉顿和威廉·肖克利在这里完成晶体管突破，后来共同获得诺贝尔物理学奖。 贝尔实验室的历史当然无法被简单复制，它的成就也不能归结为某一种管理方法。但一家机构能够在漫长时期内持续出现世界级成果，本身已经说明，高手成群出现，很难只用“恰好招到了几个天才”解释。 背后往往存在足够高的专业密度。 一个人的能力并不只来自教材、课程和个人努力，也持续被周围的人塑造。 年轻医生每天与比自己更强的医生讨论病例，工程师提交的方案不断被高水平同行挑出漏洞，研究者身边长期存在能够理解他的问题、挑战他的假设甚至推翻他的结论的人，这种环境本身就在不断调整一个人的专业坐标。 很多企业并不缺培训，课程、学习和证书都不少，稀缺的是足够高水平的专业环境。 因为专业越往上走，越有一些东西无法通过课堂直接转移。什么才算一个好方案，哪些细微异常意味着更大的问题，两套都符合标准的路径为什么应该选择其中一个，什么情况下应该相信经验，什么时候必须推翻经验？ 这些判断往往在长期共同工作中，通过观察、比较、争论和纠错一点点形成。 高手会抬高身边人的标准，高水平同行也会让一个人更难满足于已有水平。 长期处在60分的环境里，做到80分很容易成为明星；如果身边不断有人做到90分、95分，80分只是下一轮修改的起点。 大师很少生长在专业真空里。 一个大师身后，往往站着一群足够强的同行、一套足够高的标准，以及一个能够让高水平专业碰撞持续发生的共同体。 行业生态最终也要落到一个个具体组织里。只把一个顶尖专家高薪请进公司，并不意味着公司从此拥有了顶尖能力。 如果他身边没有足够好的同事，没有值得解决的问题，没有能够理解其专业价值的管理机制，也没有让方法和判断向周围扩散的环境，高手仍然只是高手。 组织不会因此自动变成高手辈出的地方。 04 拉开专业高度的，是那些没有标准答案的硬仗 专业共同体提供了环境，一个人最后能够走多远，还取决于他打过什么仗。 现代外科教育的发展提供了一个有代表性的例子。 19世纪末，约翰斯·霍普金斯医院的威廉·霍尔斯特德建立了系统化的外科住院医师培养模式。 与过去相对松散的训练相比，这套体系的重要特征之一，是让年轻医生在持续临床训练中随着能力增长逐步承担更多责任，最终走向能够独立处理复杂工作的阶段。 值得注意的并不只是培训周期很长，而是责任随着能力一起增加。 一个医学生可以掌握大量知识，一个年轻工程师也可以快速学会各种工具，但知道答案和能够在复杂现场承担判断，是两件事。 现实世界很少按照教科书出题。信息会残缺，条件会冲突，时间会不足，几个风险可能同时出现。专业者面对的往往不是一个明显正确的A和一个明显错误的B，而是几个都不完美的方案中，哪一个更值得承担后果。 知识到了这里，只是起点。判断来自一次次处理复杂问题之后留下的反馈。 见过足够多的异常，才知道什么值得警惕；经历过失败，才知道哪些细节不能放过；承担过真实结果，才会明白一个纸面上漂亮的方案落到现实世界究竟意味着什么。 顶尖专业者与一般熟练者之间最难复制的差距，很多时候并不在于知道得更多，而在于处理过多少高难度局面，以及为多少重要结果承担过责任。 AI正在让这种区别更加清楚。 知识检索、信息整理和方案生成越来越便宜，过去需要多年才能积累的一部分显性知识，如今可以快速调用。但知识获取的时间被压缩，并不意味着复杂判断成熟的时间也能等比例缩短。 判断还来自情境、反馈、失败和责任。 当越来越多人都能得到一个看起来不错的答案，专业差距会更多落到另一组问题上：这个答案在什么情况下不能用，几个答案冲突时如何选择，现场发生变化以后怎样修正，最后谁有能力承担判断。 一个行业如果不给年轻人进入高难度问题的机会，只让他们长期完成标准化、低风险、低责任的任务，人才数量再大，也很难自然产生站到专业前沿的人。 不少企业所谓的人才断层，根子未必在年轻人不够优秀。 很多关键问题可能长期掌握在极少数人手里，如果十年里始终只有同一批人打硬仗，其他人主要负责执行，十年以后能够独立承担复杂任务的人，很可能仍然只有那一批。 大师不能被流水线制造。后来者能否走进真正的问题，决定了下一代高手能否出现。 05 大师留下的最高价值，不只是作品 一个人把一门专业做到很高的水平已经很难，对一个组织乃至行业而言，还有第二道难题。 当这个人离开以后，他的能力能够留下多少？ 丰田的长期实践很有启发性。 丰田生产方式广为人知，但丰田长期积累的并不只有一套生产流程。 从标准作业、现场改善，到工作指导和人才培养，很多机制都在解决同一件事：不仅完成今天的生产任务，还要让解决问题的方法被更多人掌握，并在现场继续改善。 许多组织更难完成的一步，是把个人能力变成组织可以继承的资产。 显性知识相对容易保存。技术文档可以记录，工艺流程可以标准化，病例和案例可以归档，成功经验可以总结。 难留下来的，是隐性判断。 为什么这个细节必须这样处理？同样一组数据，为什么高手会比别人更早察觉异常？两个都符合标准的方案，他为什么会选择其中一个？ 这些东西很难靠一份文档完整保存，需要共同工作、现场指导、案例复盘、技术评审、研究训练，以及专业共同体内部长期的交流与校正。 传承也因此远不只是传统意义上的师傅带徒弟。 医院通过病例讨论和渐进式训练保存复杂判断，实验室通过研究范式和同行讨论训练下一代研究者，制造企业通过标准作业、技术评审和持续改善沉淀个人经验，专业机构则可以通过标准、案例和行业交流扩大优秀实践的影响。 形式不同，最终都要接受同一个检验：一个高手离开以后，组织是不是又回到了原点？ 如果一项能力只能存在于某个人身上，那么组织曾经拥有高手，却没有拥有那项能力。 只有当他的经验、判断、方法和标准进入其他人的工作，个人成就才开始转化为组织资产。 对一个产业来说，这种转化尤其重要。 上一代走过的弯路被保存下来，下一代就不必重新支付同样的成本；上一代建立的专业尺度能够被继承，年轻人就可以把有限的职业生命用来解决新的问题。 产业进步更深的一层，在于前人已经抵达的位置能够被后来者接住。 06 大师供给，最终也是一道回报结构题 一个行业拥有好的组织、好的专业共同体和好的传承机制，还不够。 人才的进入、留下和离开，会持续检验一套专业秩序的回报结构。 什么样的人获得更高收入，什么样的人拥有更大的专业自主权，什么样的贡献能够获得更好的机会，什么样的能力得到同行与市场持续认可，这些资源如何分配，会直接影响人才向哪里流动。 如果长期钻研的人持续输给短期制造声量的人，如果懂专业的人缺乏基本的专业发言权，如果职务、关系和流量比作品与结果更容易获得资源，一个行业对顶尖专业人才的供给就会受到影响。 因为专业能力并不是无成本产生的。 进入一个领域的前沿，需要漫长训练、复杂任务、失败反馈和责任积累。越接近专业峰值，能力形成的周期往往越长，短期回报却未必越快。 一个行业如果需要更高水平的人才，就必须让这种投入获得与稀缺性相匹配的回报。 这个回报包括收入，也包括职业尊严、专业自主权、同行地位和继续处理重要问题的机会。只给荣誉，不给资源，专业主义难以形成稳定供给；只给高薪，却不给最懂问题的人相应的判断空间，同样留不住顶尖人才。 大师供给因此不仅是教育问题，也是人才市场和产业激励问题。 压缩荣誉泛化、提高最高等级专业认定的稀缺性，可以让称号重新变得更有分量。但如果专业能力本身没有获得与其价值相匹配的资源配置，提高称号门槛仍然解决不了大师从哪里来的问题。 一个行业最终奖励什么，就会不断吸引、筛选并塑造什么样的人。 07 比拥有大师更难的，是持续产生大师 偶然出现一位大师，可能来自个人天赋、时代机会，也包含难以复制的偶然性。 持续出现大师，则需要一套可以长期运行的系统。 足够复杂的问题不断把人推向能力边界，高水平同行形成持续的专业碰撞，年轻人在真实任务中逐渐承担责任，前一代把个人经验沉淀成后来者可以继承的知识与判断，合理的回报结构又让优秀人才不断进入并留在这条专业道路上。 当这些力量能够循环，一个行业拥有的就不再只是几个大师。 当这些力量能够循环，一个行业才开始形成一种更难建立、也更难复制的能力——专业高度的再生产能力。 规模可以扩张，资本可以募集，设备可以买进，技术也可以引进。但一个产业能否长期站在前沿，还有一个更慢、也更难伪装的指标：这一代最优秀的人离开以后，下一代从哪里出发？ 如果每一代都重新从山脚摸索，再辉煌的个人成就也很难自动成为产业能力。 如果上一代已经走过的路能够沉淀成下一代的起点，后来的人继续解决更难的问题、建立更高的标准，一个行业拥有的就不再只是若干个大师，它拥有了持续抬高专业上限的能力。 称号终会变化，大师也终会离场。 一个行业最终能走多远，要看今天抵达的位置，能不能变成下一代继续出发的起点。

从此以后，中国再无大师了吗？当一批“大师”称号接连被撤，这个问题很自然地浮了出来

• 从此以后，中国再无大师了吗？当一批“大师”称号接连被撤，这个问题很自然地浮了出来