通过对前面逻辑排除法的分析，我们已明确一个事实：“实体”作为先天形式本身并不是知识，而是构成知识的必要成分，知识总要关于某个外在对象或者具体性，但是外在对象并无法直接进入思想中，必须有某种内在形式来代替对象在思想中被运用，这个代替对象在思想中被运用的知识形式就是“存在者”，排除了存在者上一切表象和属性之后，指向对象本体的形式就是“实体”。知识中所有的被思考的对象或者具体性都必然表达为一个“实体”。“实体”非对象本身，或者对象的复刻，仅代表对象作为一个独立统一的整体存在于知识中的形式，对象本身是“物自体”，无法被知识（实体）所直观因而“不可知”，这种“不可知”不是简单的不知道对象是什么，也不是说有一个对象但不存在，而是无法对其是否一个“独立、统一的整体”做出实在性断言。正是基于此，康德将“实体”诊断为形而上学的“幻相”。对此我们完全认同“幻相”的诊断，只是认为他不应
新浪博客
因此而取消“实体”作为知识发生的先验地位。那么这对于我们来说就有一个问题：既然“实体”是“幻相”，那“实体”为什么会普遍存在于知识之中？
或许有人会质疑，谈论“实体”的形式和功能，逻辑太过抽象，就像冷冰冰机械操作；而我们体验到的“世界”是一个生动、具体的时空模型——一个充满大小、形状、色泽、质感，在三维空间中延展、在时间中流变的鲜活舞台。这二者之间存在着难以跨越的鸿沟。问如何从前者“推导”出后者？这一质疑触及了“彼存在”与“此存在”之间的根本张力。诚然，正如我们无法通过对此存在的大脑神经元放电模式的物理描述，直接体验到“思想”作为彼存在的主观感受；也无法从“实体”内在功能的发生命题中，直接演绎出彼存在中“我看到一棵树”的鲜活体验。这二者是同一结构在不同层面的显现，然而，这并不意味着二者无关。科学的任务，正是要建立不同层次描述之间的可理解关联。正如我们可以通过研究神经元的连接与放电模式，解释特定认知功能的实现机制，我们也可以追问：“实体”这一功能形式，如何在与经验的长期互动中，塑造出我们那看似“直接给定”的时空直观世界的。这是一个从“彼”到“此”的生成性解释，而非形式逻辑线性推导。
前面我们指出，时空并非如康德所言是先天的直观形式，那么时空效应具体是怎么来呢？我们认为，是“实体”形式与感知-运动系统（对人类而言，主要是视觉与肢体触觉）在长期、大规模互动实践中，经过反复试错中，以某种最优化形式所呈现出的认知范式。
先说“空间三维性”，“实体”的知识性功能是“对象化”。在视觉与触觉这两种主导模态中，被“实体”形式所指向的、与主体需求（如食物、危险物、工具）相关的复合感官模式，倾向于呈现出某种清晰的“边界”。视觉虽然是二维显像，光影、色彩、纹理的差异与背景分离，有明显的边界；肢体的触觉中，对象的表面以机械力的突变（从“有”到“无”）划定其轮廓。两种模态的边界信息在绝大多数实践情境中高度重合，为实体对此赋予“一个独立单元”的设定提供条件。当这种边界效应成为一个对象后，主体和对象之间的相对运动，使这个被设定的“对象”的二维视觉显像与周围环境同时发生会发生连续的、有相关性的形变。而在触觉或后续的互动中，该“东西”的物理边界和功能属性（如硬度、重量）却保持相对恒定。这就产生了一个“变化的视觉表象”与“不变的功能性单元”的关联锚定，于是认知机制会提出一个最简洁、最有效的判断是：存在一个独立于我与该“东西”的、均匀的、三维延伸的“容器”（即空间）。我与“对象”都位于这个容器中。“对象”在这个容器中的形状和位置有其稳定不变的性质。我的运动，导致了“我-对象”在该容器中的相对位置关系发生变化，从而合理解释了“对象”的视觉表象变形的原因。这一“三维容器”不仅解释了单个对象的视角变化，它还为所有“实体”之间的相互关系提供了一个统一的、不变的框架。它使得预测对象的运动轨迹、规划到达路径、操作工具成为可能。当这种有效性在无数情境中得到确证，这一假设就从一种有意识的推断，固化为一种前反思的、直接被“给予”的认知范式——即我们无法摆脱的“三维空间直观”。
“时间”的生成逻辑相对更直接一些，同样基于“实体”功能的实践需求。所有经验都以一种不可逆转的“相继”方式被给予。这是一种最原始的、前对象的直观。“实体”形式设定了相对稳定的对象。但对象本身会经历变化（苹果成熟、昼夜交替）。为了有效实践（在苹果成熟时采摘、在日出时劳作），主体需要对这些变化进行标定、比较和预测。认知系统从经验的相继性中，抽象出一种均匀的、可度量的“秩序标尺”，用以标注不同事件或状态之间的间隔和顺序。这个标尺就是“时间”。它不是一种独立存在的“流”，而是为了在“实体”框架下，管理变化、协调行动而建构的认知工具。它是“实体”在动态世界中保持可追踪性、可预测性的必要辅助框架。无论时间还是空间，本质上都是“实体”的同一性在感性主导的认知系统中，演化出的系统性、最优化的解决方案。
对此有人或批评，此解释太模糊，因为其中缺乏某种绝对逻辑必然性的推导。对此我们必须澄清：我们在此进行的是“先验-演化”的发生学解释，而非“逻辑-数学”的演绎证明。两者区别在于，后者通常是基于一个逻辑上“不证自明”的第一原理进行一次性强判断演绎的结果；而前者并没有强判断的条件，在不确定的经验之海中，通过反复“假设-验证”的试错过程，逐步筛选出的、在生存效率上“最合理”的模型。就像在“三维容器”的发生，是其在作为假设，被无数次的移动、抓取、躲避等感知-运动协调活动中反复验证为极其有效性中形成的范式。我们为了描述方便，只能说明这个筛选过程中最有效的要素与步骤，而淘汰那些错误假设的选项，但要求为这个“第一因”（“实体”的设定）找到绝对可靠的逻辑必然性锚点，本身就是对认知发生过程的误解。认知始于一个实用性的、功能性的“下注”，其“可靠性”是由其长期引导行动的“成功率”来事后确认的，而非由先验逻辑来事前担保的。因此，关于时空构型的来源，并非世界“本身”的真实结构，也非主体与生俱来的先天图式。它是在“实体”这一先天功能的驱动下，在与视觉-触觉主导的感知-运动系统的长期互动经验中，经由自然与文化历史的双重演化，所固化下来的一种极其高效、稳定的认知“用户界面”。其“真实性”在于其无与伦比的实践有效性与协调性，而不在于它与某个“本体世界”的绝对符合。世界本身可能是任何样子，但这种时空模型，是目前已知的、能让我们这类生物在类似地球上这般复杂环境中成功生存繁衍的、“出错率比较低”的最优解之一。
必须承认，目前的论述仅仅勾勒了一个基本框架，其中必然省略或简化了无数复杂的中间环节和参与要素。在现有理论前提下，我们只能推进到目前的深度。其是否符合认知的“事实”，最终有待于认知科学、演化生物学、发展心理学等具体学科的实证检验，也依赖于每位读者对自身认知经验的反思性印证。理论的精确与具体，将是未来长期工作的目标。然而这绝不意味着我们的框架是封闭或武断的。一个优良的科学假说，其价值不仅在于解释已知，更在于其预测与整合新知识的能力。为此，我们还可以从比较认知学的角度，为我们的“功能-演化”模型提供一个强有力的旁证。
我们平常所说“五感”——视、听、嗅、味、触，其实是数十亿年生物演化筛选出的、与环境互动最有效的几种外在信息获取通道。它们在现象呈现的“分辨率”与“结构化程度”上存在根本差异，这直接影响着依赖于它们的认知系统会“构建”出何种样态的“认知界面”。
机械感知模态（触觉/体位感知）：作为物理世界最基本的作用方式，存在于所有生物形态中，是最基础和直接的感知方式，提供外在直接作用的力学反馈，通过自身结构的形态，与外在事物的表面、形状、硬度、重量的力学边界，做出某些被动的选择，发展中触觉还衍生出了痛觉、温感的能力；
化学感知模态（嗅觉/味觉）：来自外在世界的分子作用的整体反应，当生物自身结构变大和复杂后，对于外在某些化学物质所产生的一种非力学的覆盖性影响所作出反应，在整体上有十分敏锐的效果，但它缺乏清晰的空间和时间边界，难以从现象中直接“切割”出离散的、具有明确轮廓的“对象”，“实体”的对象化功能在此模态中受限，世界更多是整体性的“好/坏”区域，而非精细的、可操纵的“物”的集合。这或许能部分解释，为何此类生物通常难以支持高度复杂的、依赖对象性思维的学习与规划（如传统认为“鱼类记忆力差”）。
振动模态（听觉）：来自外在媒介中对振动性传导作用，通过共振方式接收质料，具有强时间性，空间上具有一定的方向性，但同样难以直接形成具有立体轮廓的、静止的对象表象。它擅长控制动态捕捉和序列。蝙蝠通过主动声纳（回声定位）感知世界。其“现象”是由自己发出并接收的声波反射模式构成的、随时间快速变化的复杂“声学场景”。尽管我们无法体验蝙蝠的“感受质”，但科学观察表明，它们能精准区分不同形状、大小、质地的物体（如树叶与昆虫）。这说明，在蝙蝠的认知系统中，“实体”功能同样在运作，但其“对象”很可能是由特定的声学反射模式所定义的“声学实体”，其“空间”则是一种由回声延迟、多普勒频移等参数构建的“声学关系空间”，而非人类的光学三维空间。其“用户界面”是动态的、基于时间差计算的声学关系网，其交互效率在无光环境下无与伦比，但在空间定位的静态精度和细节丰富度上，可能不及视觉-触觉系统。
光学感知模态（视觉）：来自外在世界辐射能量的视觉呈现，提供光影、颜色、纹理的二维呈像，并蕴含深度线索；结合触觉的直接作用二者结合，能产生具有清晰、稳定边界的对象表象，并直接支持对物体空间关系的精确判断和肢体操控。是人类（及许多陆生高等动物）主导的模态。它为“实体”的对象化功能提供了最优质、最“友好”的原材料，使得从现象中“切割”出离散、稳定、可操作的对象变得异常高效和精确。由此，才可能支撑起以精细对象识别、复杂工具使用、长远规划为特征的智能。其“用户界面”是高度对象化、三维化、可精细化交互的图形界面。
以上比较旨在阐明一个核心观点：我们人类所体验的生动、具体的“时空对象世界”，并非认知的唯一可能形式，更非世界“本身”的先天形式。它本质上是“实体”这一普遍认知功能，在与“视觉-触觉”这一特定高分辨率感知-运动系统长期耦合、演化的过程中，所“定制”出的、一种高度特化和优化的“用户界面”。而内在则有一套硬件架构和底层算法在后台支撑这一界面的操作；不同的感知模态，如同不同的输入设备（摄像头、声纳、化学传感器），它们与同一套“后台代码”（“实体”功能）结合，会生成迥然不同的“用户界面”（化学场、声学空间、光学三维空间）。界面（现象世界）的差异，并不否定底层代码（认知功能）的某种普遍性；反之，界面的特定形态，恰恰揭示了代码在特定条件下的实现方式。回到“存在”构建的复杂性问题上：当我们认识到那看似无比丰富、自明的现象世界，可能只是一个高效但特定的“界面效果”时，构建它的底层条件，在原则上就可能远比想象的要简洁和直接。那不是一个由神圣理性或神秘目的“设计”出的、无比精巧复杂的蓝图，而更可能是一个在残酷的生存竞争压力下，通过亿万年的试错，最终筛选出的、在简洁性、能耗、速度与有效性之间达到最优平衡的“演化稳定策略”。追求这种以最简规则解释最大现象的“优雅”，而非诉诸复杂的设计论，才是科学理性，也是我们“演化先验论”所要探寻的道路。
或许有人会质疑，谈论“实体”的形式和功能，逻辑太过抽象，就像冷冰冰机械操作；而我们体验到的“世界”是一个生动、具体的时空模型——一个充满大小、形状、色泽、质感，在三维空间中延展、在时间中流变的鲜活舞台。这二者之间存在着难以跨越的鸿沟。问如何从前者“推导”出后者？这一质疑触及了“彼存在”与“此存在”之间的根本张力。诚然，正如我们无法通过对此存在的大脑神经元放电模式的物理描述，直接体验到“思想”作为彼存在的主观感受；也无法从“实体”内在功能的发生命题中，直接演绎出彼存在中“我看到一棵树”的鲜活体验。这二者是同一结构在不同层面的显现，然而，这并不意味着二者无关。科学的任务，正是要建立不同层次描述之间的可理解关联。正如我们可以通过研究神经元的连接与放电模式，解释特定认知功能的实现机制，我们也可以追问：“实体”这一功能形式，如何在与经验的长期互动中，塑造出我们那看似“直接给定”的时空直观世界的。这是一个从“彼”到“此”的生成性解释，而非形式逻辑线性推导。
前面我们指出，时空并非如康德所言是先天的直观形式，那么时空效应具体是怎么来呢？我们认为，是“实体”形式与感知-运动系统（对人类而言，主要是视觉与肢体触觉）在长期、大规模互动实践中，经过反复试错中，以某种最优化形式所呈现出的认知范式。
先说“空间三维性”，“实体”的知识性功能是“对象化”。在视觉与触觉这两种主导模态中，被“实体”形式所指向的、与主体需求（如食物、危险物、工具）相关的复合感官模式，倾向于呈现出某种清晰的“边界”。视觉虽然是二维显像，光影、色彩、纹理的差异与背景分离，有明显的边界；肢体的触觉中，对象的表面以机械力的突变（从“有”到“无”）划定其轮廓。两种模态的边界信息在绝大多数实践情境中高度重合，为实体对此赋予“一个独立单元”的设定提供条件。当这种边界效应成为一个对象后，主体和对象之间的相对运动，使这个被设定的“对象”的二维视觉显像与周围环境同时发生会发生连续的、有相关性的形变。而在触觉或后续的互动中，该“东西”的物理边界和功能属性（如硬度、重量）却保持相对恒定。这就产生了一个“变化的视觉表象”与“不变的功能性单元”的关联锚定，于是认知机制会提出一个最简洁、最有效的判断是：存在一个独立于我与该“东西”的、均匀的、三维延伸的“容器”（即空间）。我与“对象”都位于这个容器中。“对象”在这个容器中的形状和位置有其稳定不变的性质。我的运动，导致了“我-对象”在该容器中的相对位置关系发生变化，从而合理解释了“对象”的视觉表象变形的原因。这一“三维容器”不仅解释了单个对象的视角变化，它还为所有“实体”之间的相互关系提供了一个统一的、不变的框架。它使得预测对象的运动轨迹、规划到达路径、操作工具成为可能。当这种有效性在无数情境中得到确证，这一假设就从一种有意识的推断，固化为一种前反思的、直接被“给予”的认知范式——即我们无法摆脱的“三维空间直观”。
“时间”的生成逻辑相对更直接一些，同样基于“实体”功能的实践需求。所有经验都以一种不可逆转的“相继”方式被给予。这是一种最原始的、前对象的直观。“实体”形式设定了相对稳定的对象。但对象本身会经历变化（苹果成熟、昼夜交替）。为了有效实践（在苹果成熟时采摘、在日出时劳作），主体需要对这些变化进行标定、比较和预测。认知系统从经验的相继性中，抽象出一种均匀的、可度量的“秩序标尺”，用以标注不同事件或状态之间的间隔和顺序。这个标尺就是“时间”。它不是一种独立存在的“流”，而是为了在“实体”框架下，管理变化、协调行动而建构的认知工具。它是“实体”在动态世界中保持可追踪性、可预测性的必要辅助框架。无论时间还是空间，本质上都是“实体”的同一性在感性主导的认知系统中，演化出的系统性、最优化的解决方案。
对此有人或批评，此解释太模糊，因为其中缺乏某种绝对逻辑必然性的推导。对此我们必须澄清：我们在此进行的是“先验-演化”的发生学解释，而非“逻辑-数学”的演绎证明。两者区别在于，后者通常是基于一个逻辑上“不证自明”的第一原理进行一次性强判断演绎的结果；而前者并没有强判断的条件，在不确定的经验之海中，通过反复“假设-验证”的试错过程，逐步筛选出的、在生存效率上“最合理”的模型。就像在“三维容器”的发生，是其在作为假设，被无数次的移动、抓取、躲避等感知-运动协调活动中反复验证为极其有效性中形成的范式。我们为了描述方便，只能说明这个筛选过程中最有效的要素与步骤，而淘汰那些错误假设的选项，但要求为这个“第一因”（“实体”的设定）找到绝对可靠的逻辑必然性锚点，本身就是对认知发生过程的误解。认知始于一个实用性的、功能性的“下注”，其“可靠性”是由其长期引导行动的“成功率”来事后确认的，而非由先验逻辑来事前担保的。因此，关于时空构型的来源，并非世界“本身”的真实结构，也非主体与生俱来的先天图式。它是在“实体”这一先天功能的驱动下，在与视觉-触觉主导的感知-运动系统的长期互动经验中，经由自然与文化历史的双重演化，所固化下来的一种极其高效、稳定的认知“用户界面”。其“真实性”在于其无与伦比的实践有效性与协调性，而不在于它与某个“本体世界”的绝对符合。世界本身可能是任何样子，但这种时空模型，是目前已知的、能让我们这类生物在类似地球上这般复杂环境中成功生存繁衍的、“出错率比较低”的最优解之一。
必须承认，目前的论述仅仅勾勒了一个基本框架，其中必然省略或简化了无数复杂的中间环节和参与要素。在现有理论前提下，我们只能推进到目前的深度。其是否符合认知的“事实”，最终有待于认知科学、演化生物学、发展心理学等具体学科的实证检验，也依赖于每位读者对自身认知经验的反思性印证。理论的精确与具体，将是未来长期工作的目标。然而这绝不意味着我们的框架是封闭或武断的。一个优良的科学假说，其价值不仅在于解释已知，更在于其预测与整合新知识的能力。为此，我们还可以从比较认知学的角度，为我们的“功能-演化”模型提供一个强有力的旁证。
我们平常所说“五感”——视、听、嗅、味、触，其实是数十亿年生物演化筛选出的、与环境互动最有效的几种外在信息获取通道。它们在现象呈现的“分辨率”与“结构化程度”上存在根本差异，这直接影响着依赖于它们的认知系统会“构建”出何种样态的“认知界面”。
机械感知模态（触觉/体位感知）：作为物理世界最基本的作用方式，存在于所有生物形态中，是最基础和直接的感知方式，提供外在直接作用的力学反馈，通过自身结构的形态，与外在事物的表面、形状、硬度、重量的力学边界，做出某些被动的选择，发展中触觉还衍生出了痛觉、温感的能力；
化学感知模态（嗅觉/味觉）：来自外在世界的分子作用的整体反应，当生物自身结构变大和复杂后，对于外在某些化学物质所产生的一种非力学的覆盖性影响所作出反应，在整体上有十分敏锐的效果，但它缺乏清晰的空间和时间边界，难以从现象中直接“切割”出离散的、具有明确轮廓的“对象”，“实体”的对象化功能在此模态中受限，世界更多是整体性的“好/坏”区域，而非精细的、可操纵的“物”的集合。这或许能部分解释，为何此类生物通常难以支持高度复杂的、依赖对象性思维的学习与规划（如传统认为“鱼类记忆力差”）。
振动模态（听觉）：来自外在媒介中对振动性传导作用，通过共振方式接收质料，具有强时间性，空间上具有一定的方向性，但同样难以直接形成具有立体轮廓的、静止的对象表象。它擅长控制动态捕捉和序列。蝙蝠通过主动声纳（回声定位）感知世界。其“现象”是由自己发出并接收的声波反射模式构成的、随时间快速变化的复杂“声学场景”。尽管我们无法体验蝙蝠的“感受质”，但科学观察表明，它们能精准区分不同形状、大小、质地的物体（如树叶与昆虫）。这说明，在蝙蝠的认知系统中，“实体”功能同样在运作，但其“对象”很可能是由特定的声学反射模式所定义的“声学实体”，其“空间”则是一种由回声延迟、多普勒频移等参数构建的“声学关系空间”，而非人类的光学三维空间。其“用户界面”是动态的、基于时间差计算的声学关系网，其交互效率在无光环境下无与伦比，但在空间定位的静态精度和细节丰富度上，可能不及视觉-触觉系统。
光学感知模态（视觉）：来自外在世界辐射能量的视觉呈现，提供光影、颜色、纹理的二维呈像，并蕴含深度线索；结合触觉的直接作用二者结合，能产生具有清晰、稳定边界的对象表象，并直接支持对物体空间关系的精确判断和肢体操控。是人类（及许多陆生高等动物）主导的模态。它为“实体”的对象化功能提供了最优质、最“友好”的原材料，使得从现象中“切割”出离散、稳定、可操作的对象变得异常高效和精确。由此，才可能支撑起以精细对象识别、复杂工具使用、长远规划为特征的智能。其“用户界面”是高度对象化、三维化、可精细化交互的图形界面。
以上比较旨在阐明一个核心观点：我们人类所体验的生动、具体的“时空对象世界”，并非认知的唯一可能形式，更非世界“本身”的先天形式。它本质上是“实体”这一普遍认知功能，在与“视觉-触觉”这一特定高分辨率感知-运动系统长期耦合、演化的过程中，所“定制”出的、一种高度特化和优化的“用户界面”。而内在则有一套硬件架构和底层算法在后台支撑这一界面的操作；不同的感知模态，如同不同的输入设备（摄像头、声纳、化学传感器），它们与同一套“后台代码”（“实体”功能）结合，会生成迥然不同的“用户界面”（化学场、声学空间、光学三维空间）。界面（现象世界）的差异，并不否定底层代码（认知功能）的某种普遍性；反之，界面的特定形态，恰恰揭示了代码在特定条件下的实现方式。回到“存在”构建的复杂性问题上：当我们认识到那看似无比丰富、自明的现象世界，可能只是一个高效但特定的“界面效果”时，构建它的底层条件，在原则上就可能远比想象的要简洁和直接。那不是一个由神圣理性或神秘目的“设计”出的、无比精巧复杂的蓝图，而更可能是一个在残酷的生存竞争压力下，通过亿万年的试错，最终筛选出的、在简洁性、能耗、速度与有效性之间达到最优平衡的“演化稳定策略”。追求这种以最简规则解释最大现象的“优雅”，而非诉诸复杂的设计论，才是科学理性，也是我们“演化先验论”所要探寻的道路。