作者：邹德虎
哲学是关于世界观和方法论的理论体系，学哲学是追求智慧的一种表现。我们看到，许多人很聪明，一目十行，数学题别人都看不懂，他能迅速解决，但是并没有取得很大的成就。所以说，聪明和智慧是两个不同的概念。智慧是成功的必要条件（但不是充分条件）；聪明可以提高成功的概率，但是没有逻辑上的因果联系。对于普通人来说，学习哲学是拉近与聪明人差距的最好的方式之一。因为，哲学可以给人深度思考，而深度思考的机会，在日常工作和生活中是很难遇到的。另外，哲学还可以分辨什么是大忽悠。（小忽悠只要头脑冷静、加上常识就可以了，但这不足以应对大忽悠）。
本文不谈大道理，不讲人生观之类的，仅仅从我在电力系统行业的一些经验出发，从几个方面谈一谈哲学思维在工程技术中的用处。
逻辑学大概是与哲学最近的学科。在我国，逻辑学是属于哲学的二级学科。任何思维活动都需要遵循形式逻辑的规律，例如不能自相矛盾、演绎推理要符合三段论等。哪怕是哲学也必须符合形式逻辑。
那么，哲学中的辨证逻辑和形式逻辑什么关系呢？我用电力系统来类比：电力系统的运行是长期连续的过程，我们把其中某个时间断面的信息拿下来，拿下来后就变成了一个静态的电力系统，这个系统有欧姆定律、基尔霍夫定律等，在这些基本规律的基础上，我们进一步可以进行电力系统的状态估计计算、潮流计算、短路电流计算、稳定性分析、可靠性分析等，可以找出电力系统的薄弱环节，为生产运行提供必要的指导信息。断面下的电力系统所遵循的规律，就好比形式逻辑，当然也是很有用处的。但是，仅仅依靠断面分析，哪怕是已经有很多历史断面一起分析，都还是远远不够的。电力系统未来的发展趋势预测，不能只靠系统本身。例如，负荷预测跟社会经济密切相关；风电光伏等新能源出力跟自然环境密切相关；电力市场跟国民经济密切相关，等等。这些相对于电力系统，是更高维度的规律，这就好比是辨证逻辑。
所以说，辨证逻辑是针对历史发展规律，进行总结研究的。如果我们强行把辨证用于形式逻辑的领地，那就不是辩证逻辑了，那就变成诡辩了。学习哲学，应该可以更好的分析哪些是诡辩，哪些是真的辨证。
刚才说了，辩证法其实就是从历史和发展的眼光看待问题。所以，唯物辩证法和历史唯物主义是同义词，不能认为马克思主义哲学是辨证唯物主义加上历史唯物主义。
我们知道辨证法有以下基本规律：矛盾的对立统一规律、量变与质变的相互转换规律；否定之否定规律。我们用电力系统长期存在的交流和直流之争，来看看辩证法的用处。
最初的电力工业是爱迪生发展的，采用直流电。当时的特斯拉与爱迪生争论，由于交流电很容易提高电压、降低传输损耗，后来西屋公司和特斯拉的交流电取代了直流电。
到了20世纪，人们发现，交流电存在电抗损耗、且有同步稳定性的问题，因此，高压直流输电又得到了发展。但是，人们又发现，强直弱交的话，特高压直流闭锁对交流电网的冲击太大，于是又重点发展特高压交流电网。但是有人提出，特高压交流电网是没有必要的，目前这个问题还在争论中。
对于新能源如风电的并网，以虚拟同步机的形式并入交流电网，还是优先发展直流配电网，直接以直流并网？也没有定论。
我们发现，交流和直流是不断互相否定的，符合否定之否定规律。但是，21世纪的交流电，和特斯拉当时的交流电，本质上已经不是一个东西了。如果脱离历史背景、具体的需求、当前的整体经济技术水平，抽象的谈论交流就是比直流好，或者直流就是比交流好，那是非常不妥的，犯了形而上学的独断论错误。
类似的例子当然还有很多。
哲学的重要任务是对世界有一个总体的看法，就是世界观。学习哲学，可以知道：物质决定意识，这是大的方面。具体到人类社会发展，生产力决定生产关系；生产关系是人类社会经济基础的核心，经济基础决定上层建筑（包括道德、法律、意识形态等）。另外，根据辩证法，决定都不是单向的，被决定的对象也可以反过来影响决定的对象。比如，生产关系可以推动或阻碍生产力的发展。
不管怎么说，世界的发展总有推动的力量，有决定性的因素，不是一片混沌的。虽然有少数哲学家，例如休谟，否认因果关系的存在，世界只有偶然没有必然的存在，但毕竟不是主流。
有一种思维方法叫做第一性原理，就是建立在事情发展有本质因素的世界观的基础上。第一性原理，就是从根本的角度分析问题看待问题，而不是从侧面角度归纳，或者人云亦云、听取权威的意见，等等。
埃隆·马斯克是第一性原理的推崇者，他创立SpaceX公司，彻底改变了商业航天发射市场格局，颠覆了航天发射领域的游戏规则；他的特斯拉公司，对汽车行业产生重大影响；之前他创立在线支付公司Paypal，掀起在线支付革命。
创办SpaceX时，美国航天界的主流观点是，造火箭发卫星的费用是异常昂贵的。马斯克提出火箭复用，而且采用大量互联网公司的思路降低成本、提高迭代效率，而SpaceX几乎所有的技术都尽可能自主开发。例如使用普通的x86芯片而不是航天级芯片（采用多路复用来保证可靠性）。他分析电池中所有的金属成分，然后到金属交易市场调研每种金属的价格，得出结论：未来的汽车是可以使用电池作为动力的，虽然当时没有人看好电动车的发展。
现在的大数据、机器学习很火，但是这些技术大都是相关性的分析，很难涉及因果性、决定性，我们不能头脑发热。欧洲中世纪，黑死病（鼠疫）肆虐。人们观察到：黑死病高发的地区，猫往往很多。因此，许多人把黑死病归结于是猫带来的。一直到现在，很多动画片里面猫还是反派的角色。这是通过统计学习得到的结论。很不幸，是完全错误的，而且南辕北辙。真正的原因是，黑死病是老鼠带来的，猫喜欢吃老鼠，老鼠多的地区猫也多。如果把猫赶走，那就更糟糕了。
机器学习还有一个问题是可解释性弱，这涉及到人工智能出现事故后的责任分摊。所以，对于电力系统应用人工智能、机器学习，我一向主张要采取慎重的态度。类似于自动驾驶技术，分成L1~L4，不同技术阶段采用不同的应对策略。当前其实是辅助驾驶，而不是真正的自动驾驶。
价值观对于行为的分析、评判事情的标准是很重要的。价值观本质是上层建筑的部分，受经济基础的决定。所以有一句话：“触动利益比触动灵魂还难”，真的太精妙了，利益属于经济基础，价值观属于上层建筑。下面举几个例子。
学术成果该怎么评价？如果把指南编写、申请项目、项目执行、项目验收，看成一个内循环，那么学术成果只服务于学术界自身。如果把学术界看成是为社会提供智力服务的行业，那么学术成果必然又是另一种评价体系。哪种更合理，完全取决于哪种价值观更合理。
有很多人都明里暗里的提到：电力系统是一个守旧、保守的行业，不愿意用新技术、新成果。真的是这样吗？其实，技术路线的替换是需要成本的，越是涉及国计民生的行业，成本越高。如果新成果没有决定性的突破，只有小的改进，覆盖不了替换成本，用户就不会换技术。这是一个很简单的价值判断问题。另外，新成果可能某项指标提高了，别的指标会下降了（例如实用性、数值稳定性等），但下降的指标不会在论文中写出来。
真正好的成果，电力系统当然会用。比如说以前变电站的通信都是拉二次电缆，真的是挥汗如雨啊。现在拉光纤、连接交换机就可以了。再比如说以前搭建动模仿真实验需要很多时间，规模还不能大，现在采用数字仿真，在电脑上搭建模块就可以搞定了。
方法论也是很重要的，这里不展开来讲。越是颠覆性的创新，方法论越重要。如果把很多一般的成果打包、包装成一个超级大的成果，提出一个炫酷的方法论，仿佛这么多成果都是在这个方法论指导下完成的，这就脱离了方法论的本意。
实践不仅是检验真理的标准，也是正确认识的来源。要想知道梨子是什么味道，你总要尝一下。实践的重要性，真的是怎么强调都不为过。对于管理人员来说，尤其如此，因为管理层相对容易脱离一线实践。
我发现，往往喜欢钻牛角尖的人，都是缺乏实践经验的人，就好比明明有全局最优解，他却在局部最优解附近打圈圈，出不来。实际上，对于理论研究，脱离实践往往逻辑自洽都做不到。例如康德哲学中的二律背反问题；数学中有哥德尔不完备定理。电力系统是工程，不能像理论工作者那样钻研，必须结合实践。
下面按照实践强弱，做个排序吧。
真的把东西造出来，比如说制造业把机器、芯片造出来，或者农业上把粮食、水果生产出来，这个是实践性最强的，是最前沿的一线，这里的经验是最宝贵的。所以说，生产芯片比设计芯片更重要，这是很简单的道理啊。如果研究的是电力系统算法，在别人的开源或商业软件的基础上去做，还是自己开发实现，自己弄出来，效果是完全不同的。我有一个经验，凡是自己亲自实现的东西，回过头来看，非常的简单自然，即使别人看起来很复杂。如果没有亲自实践，就没有类似的感觉。
实验研究、实地测量等。对于电力系统来说，由于很难做实验（三相短路实验真的很壮观的），对于实际电力系统的测量和仿真，也算这一块。
深入一线的调查研究。这是很多人不愿意做，但是其实是很重要的方面。比如说在企业开发软件，很多人不去调查用户究竟是怎么想的、有什么具体的需求，而是在那里主观臆断，替用户做决定。到时候与用户有了冲突，反倒怪起用户来了。觉得用户吹毛求疵，不按自己的想法来。
经典的专著（例如Kundur的著作）、教科书(例如王锡凡院士的《现代电力系统分析》)、工具书（例如《中国电力百科全书》），一般是久经考验的，可以用作基础参考资料。
有同行评议的学术论文，虽然现在论文的造假时有发生，但是总还是要比网上的材料可靠的多。
比较可靠的媒体刊登的文章，电力系统行业中有一些专业媒体，还是比较可靠的。也有一些自媒体，也可以参考，但需要鉴别。
现代社会的技术越来越复杂，任何产品都是多种技术的综合。因此对高层次人才的跨学科本领提出更高的要求。比如说手机生产，涉及芯片设计、通信、制造业、传感器、软件开发、供应链等各个领域。高层人员的跨学科并不要求面面俱到，但至少要对相关学科的共通领域有所认识，最好能互相借鉴，取长补短。下面举三个案例。
案例1 PWM(脉宽调制)技术
PWM技术是电力电子技术的核心，可以使用PWM技术将直流电改为交流电，把交流电改为直流电，或者改交流电的参数。PWM技术的思想是利用开关的高频离散变位起到宏观上连续平滑调节的效果。因此，PWM技术可以应用于很多领域，绝不局限于电气工程技术。例如，在照明领域，可以利用PWM技术调节LED灯的亮度和颜色。在声音合成领域，利用PWM技术将数字语音信号直接转换为脉宽调制波，再结合低通滤波器就生成模拟语音信号。在主动降噪领域，可以用PWM技术生成声音，中和环境的噪声，等等。
案例2 控制中的死区
控制工程可以看成是横向联系不同学科的交叉学科。举一个简单的例子，实用的控制工程设计都会涉及死区的概念。比如在电力系统领域，发电机一次调频有死区的概念，是为了防止机组的控制启动过于频繁，可以降低设备磨损。再比如，蜂窝无线通信领域也有死区的概念，假如用户拿着手机从小区1走向小区2，通信链路不是突然切换的。因为信号存在随机的涨落，这样很容易引起反复切换，降低通话质量。只有当小区2的信号强度大于小区1加上死区门槛，才可以把无线信道切换为小区2。
案例3 测量数据处理
科学网上的汪涛、叶晓明等人讨论过测量问题。测量是任何学科的基础，几乎可以说是前置条件。因此，虽然不同学科的术语和具体做法不同，但是不同学科测量有许多相通的地方（比如说，互联网领域叫做数据清洗，电力系统对应的词是状态估计）。再举一个例子，D5000电力调度系统的宣传材料里说“D5000大幅度提高了对电力系统的可观测性”，且可观测性排在可控制性前面。意味着工程系统中，可观测的范围一定大于可控制的范围，这是显而易见的事实。我看到电力系统有的优化或预测研究，在多少个小数点位置之后纠缠。这部分优化成效的数量级已经小于测量数据本身带来的误差，还真的不如采用更容易工程落地的算法，包括数值稳定性更高、性能好、鲁棒性高、容易让现场的工程技术人员维护。
再举一个分布式计算机系统的例子，分布式计算机系统正常运行必须要有完善的监控系统，包括对CPU、内存、网络吞吐、硬盘 I/O、硬盘使用等硬件底层；以及Redis数据库、流式处理等中间层；以及应用层的各种工况都要有良好的感知。分布式系统的全栈监控就好比电力系统中的二次系统。其实很多分布式计算机系统的故障处理过程都与电力系统的保护调度有相通之处。当然，电力系统是能量流，无须考虑数据一致性问题，这大概是电力系统与分布式计算机系统的主要区别。
上述三个案例是从跨学科横向的角度来说的。在学科内部纵向，高校的学术研究者、企业工程师、企业管理人员也都需要加强互相的了解。我曾经亲耳听到某企业研发部门领导对我说，他觉得写代码是低层次人员的事，他作为高层次人士，只管顶层设计，具体的事交给下面的人就好了。这是绝对错误的观点。具体我就不反驳了，读者可以参考下面这个文章：《谢耘：牛人只动口，土人才动手？》https://www.guancha.cn/XieYun/2019_10_20_522013.shtml。
对于企业工程师来说，需要开阔视野，学习一些管理的知识，不能陷入为技术而技术的牛角尖。无论什么样的技术，都是为业务服务的，最终是为了满足用户的需求。
其次，从最简单的划分来说，工业系统由硬件、软件、管理组成。管理是通过硬件和软件间接发挥作用。现代工业系统的演化趋势是，软件越来越起到重要作用。现在，哪怕是嵌入式工程师、硬件工程师，甚至是芯片工程师，他的主要工作，其实还是在与软件打交道。软件在工作中的占比，似乎可以判定企业的数字化水平的高低。比如说，在几十年前，保护是用继电器硬件实现的，其图纸复杂到一张桌子摆不下，现在保护已经完全由软件实现。还有，输电线路的巡检，以前似乎是纯粹的硬件相关工作，而且是很辛苦的重体力劳动。但现在各种传感器、无人机、线路监测系统的发展，线路巡检已经有越来越多的软件参与了。
软件的发展和低边际成本特性，可以使得系统拆分成不易变部分和易变部分。易变部分尽量由软件执行，将大大降低系统演化成本、提高系统技术更新换代速度。这就是“软件定义”。基于易变部分的基础上，管理的“敏捷方法”也可应用起来了。要注意，敏捷方法应用于成本高的不易变部分，只能适得其反。管理不存在万能的方案，技术也一样。
工业系统的“软件定义”，我们轻易可以举出好几个例子：
软件定义网络(SDN)，在这个架构中，网络的控制平面（决定数据如何流动）被抽象出来，通过集中化的软件应用进行控制，而不是分布在各个网络设备上。这使得网络管理员可以更容易地设计和管理网络，实现网络流量的优化、自动化配置、故障快速修复等。
基于PLC的自动化控制系统：在很多工业自动化系统中，设备的控制逻辑是通过PLC（可编程逻辑控制器）上的软件来定义的。比如，工厂的生产线上的机器的启停、运行速度、配料比例等都可以通过修改PLC程序来改变。
备自投远程自动投退系统(ABC)，这是东方电子公司在广州电网实现的系统，备自投装置在变电站工作，但是软件可以通过调度的全局信息，判断备自投动作后是否引起主变过载，从而实现远程投退。这样人工繁琐的备自投投退工作变为软件自动实现。
有的工业系统，似乎从头到尾都是不易变的，例如建筑、土木工程、工厂建设等等。正如西门子总裁前段时间说的“西门子在南京建设了一个工厂，但是在建设之前，已经在数字系统中建设了一遍，现实中的工厂建设是第二次”。也就是说，复杂系统建设前已经先在软件中演化了一遍。我们发现，很多系统演化的工作都似乎是“补救”，比如说，生产线已经建设好了，但是不稳定有抖动，然后请控制工程师补救，采用模型预测控制等高阶算法改善运行情况，把新的控制算法“外挂”到DCS系统。又或者电网运行过程中负载过高超过了规划设想，这时候要通过各种需求侧的技术来避免直接拉闸限电。软件数字化的发展，可以使得问题解决时机“前移”。问题解决得越早、代价和成本越小。系统在总体设计中，就可以进行系统运行仿真模拟（虽然这种仿真跟现实必然存在差距）。在系统规划设计阶段，就要把控制运行等诸多问题考虑进来；在系统运行阶段，也要把未来的规划问题提前考虑并且自动生成初步方案。
具体到电力系统，我们可以预期电网规划的数字化很快将提上日程，而不是现在这样的离线作业，与现实中的生产控制系统脱节。其实，范明天教授很早就提出过“电网规划运行一体化”，但一体化工作需要建立在实用性的数字平台基础上。
最后，再谈一谈系统与管理，这两者是相辅相成的。工业系统的必备环节是反馈和控制，必须能够适应不断变化的环境和需求。对应到管理上，则是PDCA循环，含义是将管理分为四个阶段，即Plan（计划）、Do（执行）、Check（检查）和Act（处理）。良好的管理可以为系统演化提供一个有利的环境，例如，通过科学的规划和合理的资源分配，可以提高系统的可靠性和经济性。另一方面，数字化系统和技术本身也可能带来新的管理工具和方法，从而改善管理效果。
某种程度上，系统工程的思想最早来源于军事和军事工业。在德国的普鲁士时期，军事战略开始从依赖将领个人才能转变为基于整体指挥。普鲁士总参谋部的创立归功于格纳森瑙和其继任者克劳塞维茨。他们在拿破仑战争后期发现，传统的以将领个人能力为主导的指挥方式无法应对现代战争的复杂性。于是，他们开始建立一个由精英军官组成的专业机构，这就是总参谋部。总参谋部的任务是协助指挥官进行战略规划，提供情报分析，制定作战计划，并且监督其执行。"任务式指挥"是普鲁士总参谋部制度中的一个核心理念，强调给予下级指挥官一定的自由度，允许他们根据具体情况灵活地执行命令。在任务式指挥系统中，上级指挥官会给下级指挥官设定一个明确的目标（或者“任务”），但是具体如何达成这个目标，则由下级指挥官自己决定。任务式指挥与传统的指挥方式有着显著的不同。传统的指挥方式往往更加注重具体的指令和严格的执行，而任务式指挥则更加注重目标的设定和灵活的执行。
总参谋部制度的实施，实质上是采用了一种系统思维，即整体视角和优化决策。这与现代系统工程的理念有很多共同之处。
到了20世纪，军事工业的发展，例如曼哈顿工程、阿波罗计划等的实施，进一步推动了系统工程的发展。制造一架现代战斗机或者一艘军舰，涉及到复杂的组成部分，包括机械系统、动力系统、通信系统、软件系统等等。这些组成部分都需要协调一致地工作，以实现最佳的性能。
钱学森先生是杰出的科学家，他在众多科学领域，尤其是航天工程和系统工程领域，都有重要的贡献。在系统工程方面，他的贡献主要包括以下几个方面：
倡导建立总体设计部。复杂系统需要成千上万人的协调，怎样把初始要求细化，同时做到技术合理、经济收益、研制周期短、能协调运行，并且把系统做成它所从属更大系统的有效组成部分。这么复杂的总体协调工作不可能是一个人完成，而是要交给总体设计部来完成。总体设计部一般不承担具体部件的设计，但是却是整体系统不可或缺的技术抓总单位。
采用运筹学，实现企业经营管理，尤其是人力、物资、设备、财务、任务和信息这六个要素的协调和优化。优化的约束条件主要为：经济的制约；技术条件的约束。通过这六个要素的协调，可以把复杂的生产组织管理好。可以看出，这是后来ERP和MES软件的任务。
定性与定量相结合解决复杂系统问题。复杂系统的定量方法学，是科学理论、经验和专家判断力的结合。过于精密的数学模型理论性很强，但容易脱离真实。与其如此，反不如建模的时候就老老实实承认理论不足，而求援于经验判断，让定性与定量相结合，最后定量。后来，钱学森提出了完整的方法论，也就是综合集成方法，是将各种有关的专家、数据和各种信息与计算机技术有机结合起来， 把各种学科的科学理论和人的经验知识结合起来。
钱学森的眼光是极具前瞻性的，不愧于战略科学家。下面我直接摘抄钱学森的部分原文。
1）1957年《论技术科学》
“每一个技术科学的工作者首先必须掌握数学分析和计算的方法。也因为技术科学中数学计算多，有时多得成了工作量中的主要部分，这使得许多技术科学的青年工作者误认为数学是技术科学的关键。他们忘了数学只不过是一个工具，到底不过是一个“宾”，不是“主”。因此我们可以说：一件好的技术科学的理论研究，它所用的数学方法必定是最有效的；但我们决不能反过来说，所有用高深数学方法的技术科学研究就都是好的工作。数学方法只是技术科学研究中的工具，不是真正关键的部分。那么，关键的是什么呢？技术科学工作中最主要的一点是对所研究问题的认识。只有对一个问题认识了以后才能开始分析，才能开始计算。技术科学工作者必须经常和工程师们联系，知道生产过程中存在的实际问题。有时一个技术科学工作者也直接参加解决生产中产生的问题，以取得实践的经验。”
哪怕是到60年后的今天，还是有很多人成为钱先生批评的对象。工科数学化、产学研脱节等问题，仍然被很多企业一线工程师所吐槽。
2）1957年《论技术科学》
“在将来，我们不能想象一个不懂得用电子计算机的技术科学工作者。但更要紧的是：由于电子计算机的创造，数字计算方法将更加多用，技术科学的研究方法将起大的变化。我们才在这改革的萌芽时期，而且电子计算机本身也在迅速地发展，将来到底能做到什么地步，现在还不能确定现在我们已有了电子计算机，它的计算速度，远远超过人的计算速度，因此我们处理复杂问题的能力提高了千万倍，我们决不会只因为计算的困难而阻碍了我们的研究。”
1957年的信息技术和计算机是什么样子？连汇编语言都没有，完全是手工插线实现编程。这种情况下，钱学森仍然是对新技术采用极其乐观和开放的态度。到了21世纪的今天，还有工程技术人员不会编程，这是不应该的。（编程不一定是为了商业使用，也可以用来培养计算思维、数字化工程思维）现在小学生都可以编写Python程序；中学生都可以开发AI应用。未来的信息技术和AI技术不因为任何人的抵触情绪就不发展了。
3）1956年《工程控制论》（中文版）
“把元件组合起来，用许多不可靠的元件组合成非常可靠的系统的方法，叫做复合方法，整个系统叫做复合系统”
这里，钱学森对于可靠性的看法真的是太前瞻了。我们可以看最近的几个例子，从SpaceX的火箭发动机大量并联、采用多路x86芯片而不是航天级芯片，都是这种思想的应用；还有分布式计算机系统的异地多活等。电力系统的N-1冗余性原则、保护的备用等，都是这种思想的体现。
4）1963年《星际航行概论》
“我们应该想办法把空的运载火箭回收回来，多次使用。这对庞大的第一级运载火箭尤其合算。收回来的空火箭总会有所损坏，这时候经过维修后再加入推进剂，做好其它准备工作就能再次发射”。
可以说，现在的SpaceX公司已经将钱学森的设想变为现实。为什么钱学森有这样的想法，说明他将经济性摆在重要位置。在基本的可靠性达到目标后，迅速降低成本、提高经济性，获取利润回报，是工程能否大规模推广应用的关键。
钱学森的系统工程思想的总结和发表工作基本在20世纪80年代，距离现在已经40年了。有没有需要进一步发展的地方呢？以下是我的一些不成熟观点。
系统工程需要适应快速变化的商业环境：钱学森的系统工程理论主要是为了解决大型工程项目的问题而提出的，比如航天工程。然而，今天的世界正面临着快速变化的环境，这使得我们需要更灵活、更快速的方法来应对新的挑战。例如，随着数字化和信息化的发展，我们需要将这些新技术和新思维方式融入到系统工程中。比如说集成产品开发（Integrated Product Development，IPD）和系统设计部的理念在许多方面是相似的。两者都强调跨部门的合作、综合管理、早期决策的重要性以及全生命周期的考虑。这种方法有助于增加效率，减少错误和避免冗余。IPD体系是建立在数字化技术和现代管理体系基础上的。
总体设计部与所设计的系统，本身都需要持续演化。传统的系统工程强调从整体出发，设计出最优的系统。但这种方法在面对市场需求频繁变化的现实情况下，可能显得反应迟缓。他们需要花费大量时间在设计和测试上，这就使得他们在适应市场需求方面可能不够迅速，同时运行的成本较高。这在技术发展迅速的今天，可能会成为一个问题。现在数字化技术的发展，精英团队执行颠覆性创新变得有可能性。这种情况下，相当于总体设计部自身具有工程实现能力，同时将次要工作外包出去，自身组织是敏捷化的。同时，需要注重与市场的沟通，了解用户的真实需求，从而提高产品的市场适应性。
现代信息技术和AI的发展，可能对系统工程的发展有新的改进。除了传统的多尺度建模和综合研讨，系统数字孪生、AI辅助的决策制定都有了新的工具。