每次看到别人讨论熵，都有点迷糊，这次终于专门学了一下。
熵的定义：
1.物理学上指热能除以温度所得的商，标志热量转化为功的程度。
2.科学技术上泛指某些物质系统状态的一种量（liàng）度，某些物质系统状态可能出现的程度。亦被社会科学用以借喻人类社会某些状态的程度。
3.热力学中表征物质状态的参量之一，用符号S表示，其物理意义是体系混乱程度的度量。
有关熵的热力学第二定律：
1.热力学基本定律之一，其表述为：不可能把热从低温物体传到高温物体而不产生其他影响，或不可能从单一热源取热使之完全转换为有用的功而不产生其他影响，或不可逆热力过程中熵的微增量总是大于零。又称“熵增定律”，表明了在自然过程中，一个孤立系统的总混乱度（即“熵”）不会减小。
2.第二定律指出在自然界中任何的过程都不可能自动地复原，要使系统从终态回到初态必需借助外界的作用。
3.在孤立系统内对可逆过程，系统的熵总保持不变；对不可逆过程，系统的熵总是增加的。这个规律叫做熵增加原理。这也是热力学第二定律的又一种表述。熵的增加表示系统从几率小的状态向几率大的状态演变，也就是从比较有规则、有秩序的状态向更无规则，更无秩序的状态演变。熵体现了系统的统计性质
4．孤立系统总是趋向于熵增，最终达到熵的最大状态，也就是系统的最混乱无序状态。但是，对开放系统而言，由于它可以将内部能量交换产生的熵增通过向环境释放热量的方式转移，所以开放系统有可能趋向熵减而达到有序状态。
熵的简单理解：
理解一： 一个和尚挑水喝，两个和尚抬水喝，三个和尚没水喝。就是典型的“熵增”导致结果越来越差。
理解二：熵增就是越来越混乱，就和野草似的，如果长久不打理，就变得非常混乱。人体是按照一定的循环进行的，熵增就意味着因为无序，死亡达到最大状态。
理解三： 需要引入外部来改进熵增，达到熵减的目的。
熵对组织和个人的意义：
一个企业内部的组织员工在获得市场成就（赢得顾客订单、增加市场份额、升职加薪、高收入等）而自然表现出来的“沾沾自喜、居功自傲、享受安逸、享受成果成就、松懈等”都不可能自动的复原，要使企业内部组织系统从一种“赢得顾客市场的带来沾沾自喜居功自傲”的终态回到创业阶段的“艰苦奋斗”的初态必须借助外界的作用，这种“外界的作用”对一个单个的员工来说，就包括任正非强调的“自我批判”“永不进入信息产业的聚焦管道主航道的市场压力”“末尾淘汰制”“市场竞争”“干部轮岗”“干部能上上下”“岗位审核、考核竞争”“市场竞争交易”“开放型合作”“与竞争对手合作”。
应对“熵死现象”的应对办法就是“借助外界的作用”。
这个是华为活力引擎模型，可以参考一下：
这个就是华为的活力引擎模型
这个模型最重要也最基础的一点就是开放。为什么开放是基础？
2012年，任正非在与2012实验室的座谈中，他说“自主创新就陷入熵死里面，这是一个封闭系统。” 所以华为是非常反对封闭的。封闭意味着熵死。
因此，活力引擎模型上面的入口吸收宇宙能量，下面的出口是扬弃糟粕。模型右边列的是企业和个人的自然走向，是熵增的，是让企业失去发展动力的。模型左边列的是远离平衡和开放的耗散结构，是熵减的。
华为这台活力引擎的轴心是客户，是否为客户创造价值是判断有序无序、熵増熵减的标准和方向。我们可以从宏观和微观两个方面来理解这个模型。
企业宏观层面，把华为视为一个生命整体，要从企业整体运作的战略高度解决熵増。
华为选择的方式有两个：厚积薄发和开放合作。
其实厚积薄发在这个引擎中的作用，可以理解为把财富的厚度转化为发展的高度：就是消耗多余的物质财富，打破平衡静止，避免物质财富过多导致的熵增，另一方面又建立起新的企业发展势能。任正非曾经提到过的,32年来朝着一个城墙口进攻用范弗里特弹药量进攻（范弗里特弹药量就是指大规模、密集型、压强式地进攻）华为过去十年3200亿人民币的研发投入正是“厚积薄发”这一理念的典型体现。
开放合作：
华为从战略到文化，其实都是在遵从一种开放的架构，比如，任正非曾经提到的，一杯咖啡吸收宇宙的能量（知识吸收方面的开放）炸开人才金字塔（人力资源政策的开放）要把华为的主航道修得宽到不可想象，什么样的船都能在上面开（华为战略层面的开放）心声社区就是开放的罗马广场（内部企业文化的开放，坦率面对批评和自我批评）要用美国砖、欧洲转来造我们的碗里长城（在技术、研发、流程方面的开放纳新，不一味追求自主创新）
自己应该做什么;
1. 组织不能懈怠。
发现组织已经开始懈怠，或者大家思想开始松懈，就要尽快变动，引入外界好的管理方法，管理人员，业界专家，调整懈怠的带头人，让组织变得继续活力。
2. 自己不停的折腾。
不能让自己停留在舒适区。每次发现自己有点懒惰的时候，肯定自己的熵在变大，就尽快的引入目标竞争对手，对自己进行刺激和鼓励，达到改进的目的。。
3，采用最大熵原理的思考方式，可以避免认知偏误。
这个要求我们对于一个随机事件预测是应当满足全部的已知条件，对位置情况不要做任何主管假设。这么做可以减少我们做出错误决定的概率。
