同一个世界，为什么需要不同尺度的物理模型？

想象一辆汽车正在公路上行驶。

如果我们想知道它什么时候到达目的地，我们可能只需要几个量：

距离、速度、时间。

在这个问题中，汽车几乎可以被看成一个点。

我们不需要知道发动机里每个活塞的位置，也不需要计算每个轮胎分子的运动。

但是，如果问题变成：

发动机为什么过热？

刚才的模型就不够了。

现在，我们可能需要考虑：

燃烧、摩擦、热传导、冷却液、材料以及能量传递。

汽车没有变。

问题变了。

而问题一变，我们需要观察的尺度也可能改变。

这揭示了物理学中一个非常重要的事实：

同一个世界，并不意味着只能用一种尺度来描述。

物体没有变，描述层级却可以改变

我们再次看这辆汽车。

研究它从一个城市到另一个城市的运动时，我们可以忽略汽车的大部分内部结构。

在地图上，它甚至可以只是一个移动的小点。

但如果研究碰撞，我们必须考虑汽车的尺寸、形状、质量分布以及材料变形。

如果研究发动机，我们需要进入更小的结构层级。

如果研究燃料燃烧，我们还可能需要讨论分子层面的过程。

所以，“汽车是什么”并没有唯一的物理答案。

更准确的问题是：

为了回答当前的问题，我们需要在什么尺度上描述汽车？

更小的尺度不一定意味着更好的解释

这很容易产生一个误解：

既然物质最终由更小的结构组成，那么越深入微观，解释就一定越好。

并不总是如此。

假设我们想预测一辆汽车从基辅到华沙大约需要多长时间。

如果我们试图追踪汽车中每一个原子的运动，问题不会因此变得更容易。

相反，它会变得几乎无法处理。

我们增加了大量信息，却没有增加对当前问题有用的信息。

这说明：

细节更多 ≠ 模型更好。

好的模型不是包含最多细节的模型。

好的模型包含的是：

对当前问题足够重要的细节。

尺度决定哪些差异值得保留

从很远的地方观察一辆汽车时，它的长度可能并不重要。

从停车位旁边观察时，几十厘米的差异可能决定它能不能停进去。

同一个物体。

同一个长度。

但在两个问题中，这个长度的重要性完全不同。

因此，物理模型总是在做一种选择：

哪些差异必须保留？

哪些差异暂时可以忽略？

哪些结构在这个尺度上会影响结果？

哪些结构虽然真实存在，却不会改变我们现在的结论？

尺度不是简单的“大”和“小”。

它决定了什么信息在当前问题中具有物理意义。

一杯水可以同时有几个正确的描述

桌上有一杯水。

我们可以说：

水的温度是 20 °C。

这是一个宏观描述。

但水由大量分子组成。

这些分子的运动并不完全相同。

有的运动更快。

有的更慢。

它们不断碰撞、交换能量。

那么问题来了：

如果每个分子的运动状态都不同，为什么我们还能说：

“这杯水的温度是 20 °C”？

因为温度不是在描述某一个单独分子的全部运动。

它属于另一个描述层级。

宏观量把大量微观行为压缩成一个可以使用的物理描述。

因此：

宏观描述不是微观世界的错误版本。

它是在另一个尺度上回答另一类问题。

一个分子的“温度”是多少？

这个问题看起来很自然。

但它暴露了尺度转换中的危险。

我们习惯于说：

房间有温度，

水有温度，

金属块有温度。

于是我们可能想继续问：

一个分子的温度是多少？

但一个宏观概念不一定能原封不动地应用到单个微观对象。

有些物理量只有在讨论大量粒子的统计行为时才获得我们熟悉的意义。

这意味着，从宏观走向微观并不是简单地：

把同样的概念缩小。

有时我们必须改变描述方式本身。

压力也不是一个小球在“拥有”的东西

气体具有压力。

但是气体由大量粒子组成。

在简单模型中，我们可以把压力与大量粒子和容器壁之间的碰撞联系起来。

单个粒子可以撞击墙壁。

大量碰撞共同产生我们在宏观尺度上描述的压力。

因此：

微观事件和宏观量之间存在联系，但它们不是同一个描述。

我们不能因为宏观压力是真实的，就认为每个粒子内部都携带着一个小小的“压力”。

宏观性质可以从大量微观过程的集体行为中出现。

这就是为什么“真实”不等于“必须全部写进模型”

空气中的每个分子都是真实的。

桌面的微观结构是真实的。

地球在自转是真实的。

月球的引力也是真实的。

但解决一个普通的斜面问题时，我们不会把整个宇宙写进方程。

为什么？

因为物理学不是在问：

世界里有什么？

它还在问：

哪些因素会显著影响我们现在研究的结果？

现实包含几乎无限的细节。

模型必须选择。

尺度帮助我们决定哪些细节值得进入描述。

放大以后，原来的模型可能失效

假设我们把桌面看成完全平坦。

在日常尺度上，这通常非常合理。

但如果我们不断放大，就会发现：

表面并不真正光滑。

存在微小结构、凸起、缺陷以及材料的不均匀性。

那么，“平面”是不是错误的？

不是。

它在某个尺度上非常有效。

问题不是：

这个模型是否包含全部现实？

而是：

在我们研究的尺度和精度下，它是否足够好？

这是理解模型边界的关键。

缩小尺度以后，新现象可能变得重要

有些效应在大尺度下可以忽略，但在小尺度下变得关键。

有些作用在日常世界中非常弱，但在微观结构中可能决定行为。

反过来也一样。

在非常大的尺度上，某些局部细节可能消失，而整体结构开始主导问题。

因此，改变尺度并不仅仅是：

看得更近或者看得更远。

它可能改变：

什么量最重要，

什么效应可以忽略，

什么模型适用，

甚至什么概念最方便。

同一个运动，可以有不同层级的描述

想象一个球从桌上滚下来。

我们可以研究它的质心运动。

这是一个层级。

我们可以研究球的转动。

这是另一个层级。

我们可以研究接触面的摩擦。

又是另一个层级。

我们还可以研究材料在接触时发生的微小形变。

问题越来越细。

但并不是每一个问题都需要所有这些层级。

如果只问：

球大约什么时候到达地面？

某些细节可能完全不值得加入。

如果问：

为什么实际运动和简单模型有细微差异？

那些细节可能突然变得重要。

模型的分辨率应该匹配问题的分辨率

我们可以借用地图来理解这一点。

世界地图非常有用。

但它不能告诉你某栋建筑的入口在哪里。

城市地图可以做到这一点。

可是城市地图又不适合展示整个地球的板块结构。

没有哪张地图因为没有包含全部尺度而“失败”。

每张地图服务于不同的问题。

物理模型也是如此。

一个模型的价值不在于：

它是否把所有东西都画出来。

而在于：

它是否以合适的分辨率保留了当前问题需要的信息。

为什么学校里的题目常常让人忘记尺度？

因为题目通常已经替我们完成了大量选择。

题目给出：

质量，

速度，

高度，

时间，

温度。

然后问我们计算某个量。

这容易让人产生一种错觉：

物理问题天然就由这些变量组成。

但真实研究不是这样开始的。

首先必须决定：

我们研究什么系统？

在哪个尺度上？

哪些量在这个尺度上有意义？

哪些细节会改变结果？

哪些可以忽略？

只有之后，变量和方程才真正进入问题。

牛顿定律也有使用的尺度和条件

牛顿力学非常强大。

它可以描述大量日常运动：

汽车，

球，

机器，

建筑结构，

行星运动的许多情况。

但“非常强大”不等于：

任何尺度、任何条件下都必须使用同一种描述。

当研究对象、速度、尺度或精度要求发生巨大变化时，我们可能需要不同的理论框架。

这不是说牛顿力学突然变成了“错误知识”。

更准确地说：

一个模型或理论有自己的适用范围。

知道理论什么时候有效，与知道理论本身同样重要。

“更基础”不等于“每次都应该从那里开始”

我们可能会说：

微观结构比宏观描述更基础。

但这并不意味着每个宏观问题都应该从微观粒子开始计算。

例如，我们可以研究流体如何流动，而不追踪每一个分子。

可以研究热量如何传递，而不计算每一次微观碰撞。

可以研究桥梁承受的载荷，而不从每一个原子的量子状态开始。

不同层级的理论可以拥有自己的有效变量和规律。

这使科学成为可能。

否则，每个问题都必须从宇宙最底层重新计算。

有效模型不是“不够科学”的模型

“有效”有时会被误解为：

只是方便，

只是近似，

不够深刻。

但物理学中，一个在明确条件下能够准确预测和解释现象的有效模型具有真正的科学价值。

关键是知道：

它保留了什么，

忽略了什么，

在哪个尺度上工作，

精度有多高，

什么时候会失效。

真正危险的不是使用简化模型。

而是：

忘记自己正在使用一个有边界的模型。

从一个尺度跳到另一个尺度时，要小心语言

语言会让不同层级看起来比实际更相似。

我们会说：

气体“有压力”。

分子“碰撞”。

材料“传热”。

物体“有温度”。

这些表达都很有用。

但如果不区分描述层级，就容易把宏观概念直接投射到微观对象上。

因此，学习物理时，一个非常重要的问题是：

这句话描述的是哪个层级？

单个对象？

大量对象的统计行为？

连续介质？

整个系统？

一个平均量？

一个局部量？

语言上的一个小区别，可能对应完全不同的物理模型。

学习另一种语言时，这个问题更加明显

当学生用英语、德语、中文或其他语言学习物理时，挑战并不只是术语翻译。

例如：

particle

system

bulk

average

microscopic

macroscopic

local

global

这些词不仅给对象命名。

它们还告诉我们：

我们正在从哪个层级观察问题。

如果只翻译单词，却没有理解描述尺度，学生可能认识每一个词，却仍然误解整句话的物理结构。

因此，Language + Subject 的真正价值不只是增加专业词汇。

语言可以帮助学生明确：

我现在究竟在描述世界的哪一个层级？

尺度改变以后，“重要”本身也会改变

在一个问题中，空气阻力可以忽略。

在另一个问题中，它可能决定结果。

在一个尺度上，表面可以视为光滑。

在另一个尺度上，表面结构可能成为核心。

在一个问题中，汽车可以是一个点。

在另一个问题中，它的形状可能决定空气动力学。

所以，“这个因素重要吗？”没有脱离问题的永久答案。

更完整的问题是：

在这个尺度、这个问题和这个精度要求下，它重要吗？

这才是物理判断。

不同尺度的模型不是互相竞争的故事

我们不必总是问：

宏观模型和微观模型，哪一个是真的？

很多时候，这个问题本身就设置错了。

它们可能描述同一个现实的不同层级。

一个模型告诉我们整体如何变化。

另一个模型帮助解释这些整体性质如何从更小尺度的过程产生。

它们可以连接。

也可以各自在自己的问题范围内工作。

重要的不是强迫所有描述变成一种语言。

而是理解它们之间的关系。

从微观到宏观，是信息的重新组织

假设我们知道气体中每一个粒子的完整运动状态。

信息量会非常巨大。

但日常物理问题通常不需要这些全部信息。

我们更关心：

温度，

压力，

体积，

密度。

这些宏观量把大量微观信息重新组织成少数可以使用的变量。

这不是简单地“丢失知识”。

它也是一种新的知识结构。

我们不再问每一个粒子做什么。

我们问：

大量粒子的整体行为呈现出什么稳定关系？

新的尺度产生新的可用描述。

一个数字可能隐藏整个尺度

当我们写：

T = 300 K

这个表达非常简洁。

但背后可能存在数量惊人的微观状态。

一个宏观数字压缩了大量细节。

因此：

表示方式越简洁，并不意味着背后的现象越简单。

公式、图表、平均值和宏观变量都可能是压缩后的知识。

要真正理解它们，我们需要知道：

它们压缩了什么，

保留了什么，

以及在什么尺度上仍然有效。

物理思维的一部分，就是知道何时“换镜头”

可以把尺度想象成摄影中的镜头。

有时我们需要远景。

有时需要中景。

有时需要特写。

如果一直使用同一个镜头，我们不会得到“最真实”的照片。

我们只会错过问题需要的信息。

物理学也是如此。

面对一个问题，我们可以问：

现在应该靠近还是远离？

应该研究单个对象还是整体？

应该看瞬时行为还是平均行为？

应该保留内部结构还是把物体当成一个整体？

选择尺度本身就是推理的一部分。

所以，为什么同一个世界需要不同模型？

因为现实包含许多层级。

因为不同问题关注不同关系。

因为所有细节不可能同时具有同样的重要性。

因为某些性质只有在特定尺度上才成为有用的描述。

因为一个能够回答宏观问题的模型，不一定适合解释微观机制。

反过来也一样。

世界并没有因为我们的模型不同而分裂成许多个世界。

变化的是：

我们提出的问题和观察它的尺度。

因此，物理学真正训练的不是寻找一个包含一切的终极公式，然后机械地使用它。

它训练我们判断：

现在研究的是什么？

在哪个尺度上？

哪些结构重要？

哪些可以暂时忽略？

这个模型能回答什么？

什么时候必须换一个描述层级？

同一个世界。

不同尺度。

不同模型。

而真正的理解，往往出现在我们知道什么时候应该换尺度的那一刻。

继续探索

Before You Solve a Physics Problem, You Have to Decide What the Problem Is

英文文章讨论系统边界：在使用方程之前，我们首先必须决定究竟研究什么，以及哪些相互作用属于当前问题。

Bewegt sich der Zug – oder die Welt?

德文文章讨论参考系：运动描述为什么必须回答“相对于什么？”。

Почему «неправильная» модель может дать правильный ответ

俄文文章讨论理想化与近似：为什么有意识地忽略部分现实，有时反而能建立有效的物理模型。

Термометр показує 20 °C. Але що саме ми виміряли?

乌克兰文文章讨论测量：一个物理性质如何变成数字，以及这个过程中保留和丢失了什么信息。

Model przewidział wynik. Ale czy to znaczy, że rozumiemy, dlaczego tak się stało?

波兰文文章区分预测、解释与检验，并讨论为什么得到正确答案并不自动证明我们理解了机制。

Cambiamos una sola cosa. ¿Qué debería ocurrir?

西班牙文文章进一步讨论因果检验：如果我们认为某个因素属于机制，那么主动改变它之后应该观察到什么？

Physics Is Not the Subject. Thinking Is.

Language Thinking Lab 的原始文章把物理学放回到更大的框架中：物理不仅是公式，更是提出问题、识别关系、建立模型和形成解释的方式。

关于作者

Tymur Levitin
Levitin Language School / Language Learnings 创始人兼负责人

Levitin Language School 发展三个独立又相互连接的在线教育方向：语言、学术科目，以及 Language + Subject——通过真实的学科内容和问题来学习并使用语言。