1、关于优增，优秀吸引优秀是个伪命题
一般而言，总监是公司天花板级别的团队长
如果总监收入200-300万
优增的候选人收入百万
根本谈不上吸引，吸引追随者一定是因为相差好几个数量级才称得上真正的吸引
强者的世界，本身就进无止境！
2、高端优增，候选人的几个点
·高端优增的人本身事业/人生具备选择权，只是来卖保险，丢不起这个脸
扭转这个认知最好的方式是高端沙龙，看见保险背后真正的价值感，功能性
·高端优增真正的推动力来自发现自己来干，肯定比你们都强，一个人的成就动机中，强者的目标感，野心和渴望是真正内在的动力
·高端优增但凡考察/试水过其他行业，会发现自己的资源人脉+自己的禀赋优势，保险是短期创造现金流最快的方式，没有之一，看到商机是选择的前提
3、高端增员的几种方式
·自身专业禀赋型选手，公司前期赋能名单资源，后续一生二，二生三，三生万物…但需要时间……
·自身资源禀赋型选手，公司需要专业转化型团队+转化平台赋能转化
·商业合作互惠模式，利润分成
以上路径，匹配完整的工作模式和流程体系，结果就是最好的验证～！
一般而言，总监是公司天花板级别的团队长
如果总监收入200-300万
优增的候选人收入百万
根本谈不上吸引，吸引追随者一定是因为相差好几个数量级才称得上真正的吸引
强者的世界，本身就进无止境！
2、高端优增，候选人的几个点
·高端优增的人本身事业/人生具备选择权，只是来卖保险，丢不起这个脸
扭转这个认知最好的方式是高端沙龙，看见保险背后真正的价值感，功能性
·高端优增真正的推动力来自发现自己来干，肯定比你们都强，一个人的成就动机中，强者的目标感，野心和渴望是真正内在的动力
·高端优增但凡考察/试水过其他行业，会发现自己的资源人脉+自己的禀赋优势，保险是短期创造现金流最快的方式，没有之一，看到商机是选择的前提
3、高端增员的几种方式
·自身专业禀赋型选手，公司前期赋能名单资源，后续一生二，二生三，三生万物…但需要时间……
·自身资源禀赋型选手，公司需要专业转化型团队+转化平台赋能转化
·商业合作互惠模式，利润分成
以上路径，匹配完整的工作模式和流程体系，结果就是最好的验证～！
【中国移动大动作！GSE中试将开展，为智算网络探索更多可能性！】
大模型需要大算力，大算力需要大集群，大集群需要大网络！
业界对此没有疑问，但选择什么样的机间互联技术，却有着不同的技术实现路径。
是先入为主的InfiniBand，还是当前呼声很高的UEC；其实，我们有更多的选择。在近日举行的“中国移动算力网络大会”上，中国移动副总经理高同庆宣布，对标国际主流的IB和UEC方案，形成中国自主的技术体系--全调度以太网（GSE），今年将开展GSE中试，加速GSE关键技术和产业成熟，为标准开放的新型智算互联贡献中国方案。
有了IB和UEC，我们为什么还需要GSE？GSE将会给产业界带来价值？从理念到技术再到产品和应用的落地，GSE还需要迈过哪些门槛？
我们为什么需要GSE
在回答这个问题之前，先让看看算力形态的变化。业界现在将算力分为通算、超算与智算，其中智算作为AI能力的主要载体，到2025年可能会占据新增算力的85%左右。也就是说智算将逐渐成为AI市场主流，作为智算的载体，智算中心的重要性就不言而喻了。
智算中心与传统数据中心存在很大不同，不仅体现在卡型、性能、功耗、算力密度等方面，主要由GPU服务器联网构成的智算中心需要完全不同的网络架构。当大模型训练时，并行计算节点越多，通信效率越重要，智算网络性能成为集群算力提升的关键。总结下来，智算中心网络要求很特殊，需要高带宽、零丢包、超低时延、高可用性，月级零故障。
简言之，我们需要新的网络架构。客观来看，英伟达主导的InfiniBand因其自身特性，是当前市场主流选择，但InfiniBand在产业开发性、部署成本方面非常不友好。还有很重要的一点，在云谲波诡的地缘政治环境下，产品与解决方案的可持续获得性也是个问题。
InfiniBand不行，我们可以选另外一条技术演进路径，从底层革新传统以太网机制，同时又最大限度的利用以太网产业的开放性和成熟性。乱拳打死老师傅，这的确是个好主意！
从以太网这条技术路径来看，主要有两个流派。一种是采用大量的私有协议，自己做深度优化，性能的确是很强，国内有些云服务商走的是这条路；一种是用开源社区思路，“众人拾柴火焰高”，比如国内主导的GSE，是美国主导的UEC，都是这个思路。
但需要强调的是，UEC和GSE的先后关系。很多人先入为主的认为，我国在智算领域落后于美国，GSE是在拾UEC牙慧！但事实刚好与之相反。在2023年5月份，中国移动联合10余家中国企业率先发布全调度以太网技术架构（GSE）白皮书，这标志着GSE技术的确立。几个月之后，包括英特尔、AMD、HPE、Arista、Broadcom、思科、Meta和微软等主导成立的超级以太网联盟（UEC）才成立。
GSE能够给行业带来什么？我觉得最重要的有两点：
第一，给了智算中心服务器互联更多选择。在云谲波诡的地缘政治环境下，可选择性、可获取性比性能、成本本身更为重要。况且，GSE也在快速的走向成熟，形成标准开放的技术体系！
第二，给了中国AI产业路径更多选择。在先进算力芯片受限的前提下，我们只能通过别的方式来弥补，“以网强算”是个必然路径。但网络芯片存在代际差距，网络可能成为我国AI发展的“新卡点”。我们单纯的从这个公式来看：集群有效算力={GPU单卡算力*总卡数*线性加速比*有效运行时]，前面这几个变量我们都受限，更需要做好GSE这篇文章。
GSE应该怎么去落地？
首先，我们要有自信。AI特别是AGI就是未来的方向，在这点上，是没有任何疑问的。在AGI落地的技术路径上，“以网强算”是个必然选择。
我们有全球最好的网络基础设施，有全球最好的移动通信网络基础设施，有全球技术最为领先的400G光传送网。当然，我们也完全可以有最优的智算中心网络，或者智算中心机间互联技术生态。在挑战或者取代IB的这条道路上，UEC可以做到的，GSE为什么不能做到呢？
其次，产业链形成合力。孙凝晖院士说的好，国内智能计算生态孱弱，更为严重的是国内企业之间山头林立，其实在机间互联技术选择上也一样。比如在今年的云网智联大会上，就有类似的声音出来，认为GSE是中国移动主导的，是个个体行为，UEC才是主流。
从全球来看，特别是从用户的CAPEX来看，UEC的确是远远超过GSE；但国内企业在UEC中到底有没有，有多少话语权，这都是疑问。对于GSE而言，的确是中国移动倡导成立的，但GSE发展离不开开放性，GSE推进计划现在已经有40多家成员，既要最大限度兼容以太网生态，更要最大限度包容产业生态。
还是要小步快跑。智算中心的发展和演进，和传统的CT行业是不同的，标准是个很有意思的问题，是在发展中不断地凝聚共识、优化技术路径；小步快跑才能形成可持续的社区繁荣生态。从GSE的发展历程来看，也的确在朝着这个方向前行。特别是在上个月，《新型智算中心以太网物理层安全（PHYSec）架构白皮书》的发布，说明了GSE产业链的努力。
最后，当然也是最重要的，要用“诚意”和“信心”去培育、催熟产业链。所以，在今年的中国移动算力网络大会上，当高总宣布要开展GSE“中试”时，产业链还是很受鼓舞的。可能有些读者对于“中试”不是很清楚，翻译过来的意思就是“现网试商用”！这也凸显了中国移动在推动民族智算和AI产业发展中的央企担当。当然，我们也相信中国移动具备这样的能力，无论是从传送网100G到400G的跃迁，还是从移动网从3G到5G的嬗变，或亦是承载网从PTN到SPN的沿革，中国移动都已经证明了自己。GSE，我们相信同样如此！C114通信网 岳明
大模型需要大算力，大算力需要大集群，大集群需要大网络！
业界对此没有疑问，但选择什么样的机间互联技术，却有着不同的技术实现路径。
是先入为主的InfiniBand，还是当前呼声很高的UEC；其实，我们有更多的选择。在近日举行的“中国移动算力网络大会”上，中国移动副总经理高同庆宣布，对标国际主流的IB和UEC方案，形成中国自主的技术体系--全调度以太网（GSE），今年将开展GSE中试，加速GSE关键技术和产业成熟，为标准开放的新型智算互联贡献中国方案。
有了IB和UEC，我们为什么还需要GSE？GSE将会给产业界带来价值？从理念到技术再到产品和应用的落地，GSE还需要迈过哪些门槛？
我们为什么需要GSE
在回答这个问题之前，先让看看算力形态的变化。业界现在将算力分为通算、超算与智算，其中智算作为AI能力的主要载体，到2025年可能会占据新增算力的85%左右。也就是说智算将逐渐成为AI市场主流，作为智算的载体，智算中心的重要性就不言而喻了。
智算中心与传统数据中心存在很大不同，不仅体现在卡型、性能、功耗、算力密度等方面，主要由GPU服务器联网构成的智算中心需要完全不同的网络架构。当大模型训练时，并行计算节点越多，通信效率越重要，智算网络性能成为集群算力提升的关键。总结下来，智算中心网络要求很特殊，需要高带宽、零丢包、超低时延、高可用性，月级零故障。
简言之，我们需要新的网络架构。客观来看，英伟达主导的InfiniBand因其自身特性，是当前市场主流选择，但InfiniBand在产业开发性、部署成本方面非常不友好。还有很重要的一点，在云谲波诡的地缘政治环境下，产品与解决方案的可持续获得性也是个问题。
InfiniBand不行，我们可以选另外一条技术演进路径，从底层革新传统以太网机制，同时又最大限度的利用以太网产业的开放性和成熟性。乱拳打死老师傅，这的确是个好主意！
从以太网这条技术路径来看，主要有两个流派。一种是采用大量的私有协议，自己做深度优化，性能的确是很强，国内有些云服务商走的是这条路；一种是用开源社区思路，“众人拾柴火焰高”，比如国内主导的GSE，是美国主导的UEC，都是这个思路。
但需要强调的是，UEC和GSE的先后关系。很多人先入为主的认为，我国在智算领域落后于美国，GSE是在拾UEC牙慧！但事实刚好与之相反。在2023年5月份，中国移动联合10余家中国企业率先发布全调度以太网技术架构（GSE）白皮书，这标志着GSE技术的确立。几个月之后，包括英特尔、AMD、HPE、Arista、Broadcom、思科、Meta和微软等主导成立的超级以太网联盟（UEC）才成立。
GSE能够给行业带来什么？我觉得最重要的有两点：
第一，给了智算中心服务器互联更多选择。在云谲波诡的地缘政治环境下，可选择性、可获取性比性能、成本本身更为重要。况且，GSE也在快速的走向成熟，形成标准开放的技术体系！
第二，给了中国AI产业路径更多选择。在先进算力芯片受限的前提下，我们只能通过别的方式来弥补，“以网强算”是个必然路径。但网络芯片存在代际差距，网络可能成为我国AI发展的“新卡点”。我们单纯的从这个公式来看：集群有效算力={GPU单卡算力*总卡数*线性加速比*有效运行时]，前面这几个变量我们都受限，更需要做好GSE这篇文章。
GSE应该怎么去落地？
首先，我们要有自信。AI特别是AGI就是未来的方向，在这点上，是没有任何疑问的。在AGI落地的技术路径上，“以网强算”是个必然选择。
我们有全球最好的网络基础设施，有全球最好的移动通信网络基础设施，有全球技术最为领先的400G光传送网。当然，我们也完全可以有最优的智算中心网络，或者智算中心机间互联技术生态。在挑战或者取代IB的这条道路上，UEC可以做到的，GSE为什么不能做到呢？
其次，产业链形成合力。孙凝晖院士说的好，国内智能计算生态孱弱，更为严重的是国内企业之间山头林立，其实在机间互联技术选择上也一样。比如在今年的云网智联大会上，就有类似的声音出来，认为GSE是中国移动主导的，是个个体行为，UEC才是主流。
从全球来看，特别是从用户的CAPEX来看，UEC的确是远远超过GSE；但国内企业在UEC中到底有没有，有多少话语权，这都是疑问。对于GSE而言，的确是中国移动倡导成立的，但GSE发展离不开开放性，GSE推进计划现在已经有40多家成员，既要最大限度兼容以太网生态，更要最大限度包容产业生态。
还是要小步快跑。智算中心的发展和演进，和传统的CT行业是不同的，标准是个很有意思的问题，是在发展中不断地凝聚共识、优化技术路径；小步快跑才能形成可持续的社区繁荣生态。从GSE的发展历程来看，也的确在朝着这个方向前行。特别是在上个月，《新型智算中心以太网物理层安全（PHYSec）架构白皮书》的发布，说明了GSE产业链的努力。
最后，当然也是最重要的，要用“诚意”和“信心”去培育、催熟产业链。所以，在今年的中国移动算力网络大会上，当高总宣布要开展GSE“中试”时，产业链还是很受鼓舞的。可能有些读者对于“中试”不是很清楚，翻译过来的意思就是“现网试商用”！这也凸显了中国移动在推动民族智算和AI产业发展中的央企担当。当然，我们也相信中国移动具备这样的能力，无论是从传送网100G到400G的跃迁，还是从移动网从3G到5G的嬗变，或亦是承载网从PTN到SPN的沿革，中国移动都已经证明了自己。GSE，我们相信同样如此！C114通信网 岳明
#最短时间原理|最小作用量原理#
“费马为现代形式的微积分铺平了道路，他的最短时间原理揭示出最优化深深地嵌在大自然的结构之中。”
“20世纪，最小作用量原理又延伸到广义相对论、量子力学和现代物理学的其他领域。它甚至在17世纪给哲学界留下了深刻印象，当时戈特弗里德·威廉·莱布尼茨认为，在所有可能的世界当中，我们的世界是最好的一个，它的一切也都是最好的。后来，伏尔泰在《老实人》中还仿拟过这个乐观主义的观点。用最优性原理来解释物理现象和用微积分推导其结果的思想，正是源于费马的这次计算。”
《微积分的力量》
书摘
#不经意间成为科学家#
费马对将数学应用于现实世界并不是特别感兴趣，他致力于数学研究纯粹是因为他喜欢数学。但是，他确实为应用数学做出了一项意义深远的贡献。
[微风]费马是第一个#用微积分作为逻辑引擎#，从更深层次的法则中推导出自然律的人。就像两个世纪后麦克斯韦所做的电磁研究一样，费马先将一个假设的自然律翻译成微积分语言，然后发动引擎，输入这个定律，最后输出另一个定律（第一个定律的推论）。就这样，#不经意间成为科学家的费马，开创了一种自此以后一直支配着理论科学的推理方式#。
这个故事要从1637年讲起，当时巴黎的一群数学家询问费马对笛卡儿新近出版的光学论著的看法。笛卡儿在书中提出了一个关于光从空气进入水或者玻璃时会如何弯曲的理论，即折射效应。
所有玩过放大镜的人都知道，光可以弯曲和聚焦。小时候，我喜欢手持放大镜对准机动车道上的树叶，然后上下移动放大镜，直到太阳光线聚焦成一个耀眼的小白点，它会让树叶阴燃，最终着起火来。对我们的眼镜而言，光的折射效应则没有这么明显。眼镜镜片会将光线弯曲和聚焦到视网膜的恰当位置上，起到矫正视力的作用。
晴天里当你漫步在游泳池旁时，光的弯曲也可以解释你可能会注意到的一种错觉。假设在游泳池底碰巧有一个不小心被遗失的闪闪发光的东西，比如一件珠宝（图4–12）。

尽管你透过水看见了这个闪闪发光的物体，但它并不在视位置上，因为从它那里反射回来的光线在从水进入空气时发生了弯曲。出于同样的原因，#拿着鱼叉的渔民需要瞄准一条鱼的视位置下方，才有机会叉中它#。
像这样的折射现象都会遵循一个简单的规则。当光线从光疏介质（比如空气）进入光密介质（比如水或者玻璃）时，它会朝着两种介质界面的垂线弯曲；当光线从光密介质进入光疏介质时，它会朝着远离垂线的方向弯曲，如图4–13所示。

1621年，荷兰科学家威里布里德·斯涅耳通过一个巧妙的实验，加强和量化了这条规则。通过#系统地改变入射角a，并观察折射角b如何随之变化#，他发现对于两种给定的介质，sina/sinb的比率始终保持不变（这里的sin指三角学中的正弦函数）。
不过，斯涅耳也发现，sina/sinb的值确实取决于这两种介质是什么。空气和水会产生一个恒定的比率，而空气和玻璃会产生另一个恒定的比率。他不知道为什么正弦定律会行之有效，但它是关于光的一个赤裸裸的事实。
#笛卡儿重新发现了斯涅耳的正弦定律#，并在1637年发表的论文《屈光学》中公布了这一定律。但笛卡儿不知道的是，在他之前至少有三个人已经发现了它：斯涅耳是在1621年，英国天文学家托马斯·哈里奥特是在1602年，波斯数学家阿布·萨德–阿拉·伊本·萨尔则是在984年。
笛卡儿对正弦定律做出了力学解释，他（错误地）认为光在光密介质中的传播速度更快。在费马看来，这完全是颠倒黑白，而且有悖常识。本着提供帮助的目的，费马对笛卡儿的理论提出了他自认为温和的一点儿批评意见，并邮寄给向他征询看法的巴黎数学家。
费马并不知道那些数学家都是笛卡儿的死敌，他们只是想利用费马达到其险恶的目的。即使十几岁的孩子也能想到，当笛卡儿通过小道消息得知费马的评论时，他感觉自己受到了攻击。他从未听说这个图卢兹的律师，对笛卡儿来说，费马只是一个在偏远乡村工作的名不见经传的业余爱好者，就像在他耳边嗡嗡叫的一只无须理会的小虫子。在接下来的几年里，笛卡儿总是以居高临下的姿态对待费马，并声称他不小心搞错了结论。
20年后，也就是1657年（笛卡儿已离世），一位名叫马林·库雷奥·德拉夏布里的同行请求费马再次讨论折射问题。这#促使费马利用他对优化的认识#，着手研究了这个问题。
[微风]费马预感到光被优化了，更准确地说，他#猜测#光总是沿任意两点之间阻力最小的路径传播，换言之，光会沿着最快的路线行进。
他明白，#最短时间原理#可以解释光为什么会在均匀介质中沿直线传播，以及当它从镜子上反射出去时，为什么它的入射角等于反射角。但是，最短时间原理也能准确地预测当光从一种介质进入另一种介质时它的弯曲程度吗？最短时间原理能解释正弦折射定律吗？
费马对此并不确定，计算起来也不那么容易。无穷多条直线路径都在界面处像手肘一样弯曲，将光从一种介质中的源点带到另一种介质中的目标点（图4–14）。

#计算光沿所有路径传播的最短时间，是一件十分困难的事，特别是在微积分的发展尚处于萌芽期的时候#。除了重交点这个老方法之外，没有其他可用的工具。而且，费马担心得出错误的答案。就像他在给库雷奥的信中写的那样：“经过漫长而艰难的计算，却发现了某个不规则和大得惊人的比例，这种担忧加上我懒惰的天性，致使这件事一直没有进展。”
在之后的5年里，费马都在研究其他问题，但最终，
[微风]#他的好奇心战胜了他#。1662年，他强迫自己开始动手做计算。#这项任务既艰巨又令人不快#，但随着错综复杂的符号被清除，他看到了某种东西。代数开始发挥作用，有些项被消掉了，然后他得到了正弦定律。
在写给库雷奥的信中，费马称这是他做过的“最不同寻常、最无法预料但也是最开心的一次计算。这个意想不到的结果让我无比惊讶，以至于我久久无法回过神来”。
就这样，费马把他的尚处于萌芽期的微积分理论应用到了物理学领域。这种做法前所未有，而且他由此#证明了#光会以最有效的方式传播——不是以最直接的方式，而是以最快的方式。在光可以采取的所有可能的传播路径中，它知道（或者表现得好像它知道一样）如何尽可能快地从这里到达那里。
这是表明#微积分以某种方式深植于宇宙操作系统#的一个重要的早期线索。
最短时间原理后来被广义化为最小作用量原理，其中的作用量具有我们在这里不必探究的学术意义。人们发现，这种#最优性原理#（从某种精确的意义上说，指#大自然会以最经济的方式运行#）能准确地预测出力学定律。20世纪，最小作用量原理又延伸到广义相对论、量子力学和现代物理学的其他领域。它甚至在17世纪给哲学界留下了深刻印象，当时戈特弗里德·威廉·莱布尼茨认为，在所有可能的世界当中，我们的世界是最好的一个，它的一切也都是最好的。后来，伏尔泰在《老实人》中还仿拟过这个乐观主义的观点。用最优性原理来解释物理现象和用微积分推导其结果的思想，正是源于费马的这次计算。
“费马为现代形式的微积分铺平了道路，他的最短时间原理揭示出最优化深深地嵌在大自然的结构之中。”
“20世纪，最小作用量原理又延伸到广义相对论、量子力学和现代物理学的其他领域。它甚至在17世纪给哲学界留下了深刻印象，当时戈特弗里德·威廉·莱布尼茨认为，在所有可能的世界当中，我们的世界是最好的一个，它的一切也都是最好的。后来，伏尔泰在《老实人》中还仿拟过这个乐观主义的观点。用最优性原理来解释物理现象和用微积分推导其结果的思想，正是源于费马的这次计算。”
《微积分的力量》
书摘
#不经意间成为科学家#
费马对将数学应用于现实世界并不是特别感兴趣，他致力于数学研究纯粹是因为他喜欢数学。但是，他确实为应用数学做出了一项意义深远的贡献。
[微风]费马是第一个#用微积分作为逻辑引擎#，从更深层次的法则中推导出自然律的人。就像两个世纪后麦克斯韦所做的电磁研究一样，费马先将一个假设的自然律翻译成微积分语言，然后发动引擎，输入这个定律，最后输出另一个定律（第一个定律的推论）。就这样，#不经意间成为科学家的费马，开创了一种自此以后一直支配着理论科学的推理方式#。
这个故事要从1637年讲起，当时巴黎的一群数学家询问费马对笛卡儿新近出版的光学论著的看法。笛卡儿在书中提出了一个关于光从空气进入水或者玻璃时会如何弯曲的理论，即折射效应。
所有玩过放大镜的人都知道，光可以弯曲和聚焦。小时候，我喜欢手持放大镜对准机动车道上的树叶，然后上下移动放大镜，直到太阳光线聚焦成一个耀眼的小白点，它会让树叶阴燃，最终着起火来。对我们的眼镜而言，光的折射效应则没有这么明显。眼镜镜片会将光线弯曲和聚焦到视网膜的恰当位置上，起到矫正视力的作用。
晴天里当你漫步在游泳池旁时，光的弯曲也可以解释你可能会注意到的一种错觉。假设在游泳池底碰巧有一个不小心被遗失的闪闪发光的东西，比如一件珠宝（图4–12）。

尽管你透过水看见了这个闪闪发光的物体，但它并不在视位置上，因为从它那里反射回来的光线在从水进入空气时发生了弯曲。出于同样的原因，#拿着鱼叉的渔民需要瞄准一条鱼的视位置下方，才有机会叉中它#。
像这样的折射现象都会遵循一个简单的规则。当光线从光疏介质（比如空气）进入光密介质（比如水或者玻璃）时，它会朝着两种介质界面的垂线弯曲；当光线从光密介质进入光疏介质时，它会朝着远离垂线的方向弯曲，如图4–13所示。

1621年，荷兰科学家威里布里德·斯涅耳通过一个巧妙的实验，加强和量化了这条规则。通过#系统地改变入射角a，并观察折射角b如何随之变化#，他发现对于两种给定的介质，sina/sinb的比率始终保持不变（这里的sin指三角学中的正弦函数）。
不过，斯涅耳也发现，sina/sinb的值确实取决于这两种介质是什么。空气和水会产生一个恒定的比率，而空气和玻璃会产生另一个恒定的比率。他不知道为什么正弦定律会行之有效，但它是关于光的一个赤裸裸的事实。
#笛卡儿重新发现了斯涅耳的正弦定律#，并在1637年发表的论文《屈光学》中公布了这一定律。但笛卡儿不知道的是，在他之前至少有三个人已经发现了它：斯涅耳是在1621年，英国天文学家托马斯·哈里奥特是在1602年，波斯数学家阿布·萨德–阿拉·伊本·萨尔则是在984年。
笛卡儿对正弦定律做出了力学解释，他（错误地）认为光在光密介质中的传播速度更快。在费马看来，这完全是颠倒黑白，而且有悖常识。本着提供帮助的目的，费马对笛卡儿的理论提出了他自认为温和的一点儿批评意见，并邮寄给向他征询看法的巴黎数学家。
费马并不知道那些数学家都是笛卡儿的死敌，他们只是想利用费马达到其险恶的目的。即使十几岁的孩子也能想到，当笛卡儿通过小道消息得知费马的评论时，他感觉自己受到了攻击。他从未听说这个图卢兹的律师，对笛卡儿来说，费马只是一个在偏远乡村工作的名不见经传的业余爱好者，就像在他耳边嗡嗡叫的一只无须理会的小虫子。在接下来的几年里，笛卡儿总是以居高临下的姿态对待费马，并声称他不小心搞错了结论。
20年后，也就是1657年（笛卡儿已离世），一位名叫马林·库雷奥·德拉夏布里的同行请求费马再次讨论折射问题。这#促使费马利用他对优化的认识#，着手研究了这个问题。
[微风]费马预感到光被优化了，更准确地说，他#猜测#光总是沿任意两点之间阻力最小的路径传播，换言之，光会沿着最快的路线行进。
他明白，#最短时间原理#可以解释光为什么会在均匀介质中沿直线传播，以及当它从镜子上反射出去时，为什么它的入射角等于反射角。但是，最短时间原理也能准确地预测当光从一种介质进入另一种介质时它的弯曲程度吗？最短时间原理能解释正弦折射定律吗？
费马对此并不确定，计算起来也不那么容易。无穷多条直线路径都在界面处像手肘一样弯曲，将光从一种介质中的源点带到另一种介质中的目标点（图4–14）。

#计算光沿所有路径传播的最短时间，是一件十分困难的事，特别是在微积分的发展尚处于萌芽期的时候#。除了重交点这个老方法之外，没有其他可用的工具。而且，费马担心得出错误的答案。就像他在给库雷奥的信中写的那样：“经过漫长而艰难的计算，却发现了某个不规则和大得惊人的比例，这种担忧加上我懒惰的天性，致使这件事一直没有进展。”
在之后的5年里，费马都在研究其他问题，但最终，
[微风]#他的好奇心战胜了他#。1662年，他强迫自己开始动手做计算。#这项任务既艰巨又令人不快#，但随着错综复杂的符号被清除，他看到了某种东西。代数开始发挥作用，有些项被消掉了，然后他得到了正弦定律。
在写给库雷奥的信中，费马称这是他做过的“最不同寻常、最无法预料但也是最开心的一次计算。这个意想不到的结果让我无比惊讶，以至于我久久无法回过神来”。
就这样，费马把他的尚处于萌芽期的微积分理论应用到了物理学领域。这种做法前所未有，而且他由此#证明了#光会以最有效的方式传播——不是以最直接的方式，而是以最快的方式。在光可以采取的所有可能的传播路径中，它知道（或者表现得好像它知道一样）如何尽可能快地从这里到达那里。
这是表明#微积分以某种方式深植于宇宙操作系统#的一个重要的早期线索。
最短时间原理后来被广义化为最小作用量原理，其中的作用量具有我们在这里不必探究的学术意义。人们发现，这种#最优性原理#（从某种精确的意义上说，指#大自然会以最经济的方式运行#）能准确地预测出力学定律。20世纪，最小作用量原理又延伸到广义相对论、量子力学和现代物理学的其他领域。它甚至在17世纪给哲学界留下了深刻印象，当时戈特弗里德·威廉·莱布尼茨认为，在所有可能的世界当中，我们的世界是最好的一个，它的一切也都是最好的。后来，伏尔泰在《老实人》中还仿拟过这个乐观主义的观点。用最优性原理来解释物理现象和用微积分推导其结果的思想，正是源于费马的这次计算。
✋热门推荐