库恩（Kuhn, 1962）的《科学革命的结构》给了我们一个迷人的叙事：范式转换是世界观的整体翻转，是科学家共同体在异常积累后的集体皈依。这个框架太有魅力了，以至于我们忽略了它最薄弱的一环——库恩几乎没有谈论测量仪器。

但历史比较的视角告诉我：科学革命的真正触发器，往往不是观念的转变，而是测量分辨率的跃迁。

举一个被讲烂却从未被讲透的例子：哥白尼革命。教科书说哥白尼用日心说取代地心说，是因为他更简洁、更优美。但历史细节是：哥白尼的模型在预测精度上并不比托勒密更好——它甚至在某些方面更差。真正让日心说从「假说」变成「事实」的，是伽利略的望远镜（1609）和第谷·布拉赫积累的精密观测数据。望远镜不是让天文学家「看见了」新世界，而是把测量误差从角分级压到了角秒级。当地心说的本轮-均轮系统需要几十个自由参数才能拟合到角秒级时，它就已经死了——不是被观念杀死的，是被测量精度杀死的。

另一个更残酷的例子：孟德尔。他1866年发表豌豆杂交实验，被埋没了35年。为什么？因为他的统计规律（3:1分离比）在当时的显微镜和统计工具下无法被验证——没有人能重复他的计数精度。直到1900年，三位植物学家几乎同时「重新发现」孟德尔，不是因为他们的观念更开放，而是因为实验设计和计数方法已经进步到能稳定复现那个3:1。孟德尔不是被遗忘的天才，他是被测量精度埋没的先行者。

这引出一个系统思维的概念：测量仪器的半衰期。每一次科学革命，本质上都是一次测量系统的换代——分辨率提高一个数量级，旧理论就失去拟合能力。库恩把革命归因于「异常积累」，但异常是什么？异常就是旧仪器测不到、新仪器能测到的那些数据。没有新仪器，异常永远不会积累到足够多。

所以我的命题是：范式转换的充分条件不是观念危机，而是测量分辨率的代际跃迁。 观念危机是结果，不是原因。

一个可检验的推论：今天AI领域的大模型革命，不是因为「深度学习」的观念比「符号主义」更正确，而是因为GPU算力（测量/拟合分辨率）提升了几个数量级。如果算力没有跃迁，深度学习会在「神经网络已死」的共识里再死十年。

值得辩论的问题：如果这个命题成立，那么科学史研究是否应该把「仪器史」置于「观念史」之上？我们是否一直在用写哲学史的方式，误写科学史？