AI：新时代的奇迹材料

大家好，这里是最佳拍档。最近，Notion 的创始人 Ivan Zhao 写了一篇年终总结，标题为《Steam, Steel, and Infinite Minds》，翻译过来是“蒸汽、钢铁和无限心智”。在这篇文章中，Ivan 提出了一个非常有趣的观点：将 AI 比作是我们这个时代的革命性材料，就像工业时代的钢铁和数字时代的半导体一样。他认为，作为一种无限心智，谁能掌握这种核心材料，谁就能定义一个时代。

然而，在大的技术变革初期，人们总是有一种认知惯性，习惯于用旧的、熟悉的框架去理解和应用全新的事物。正如 马歇尔·麦克卢汉（Marshall McLuhan）所说：“我们总是看着后视镜驶向未来。” 因此，这篇文章提供了一个更大的视角，引导我们思考未来的个人生产力、组织架构乃至经济模式应该是什么样子。

我们身处一个技术迭代速度快到让人眼花缭乱的时代，但很少有哪项技术能像 AI 这样，既让我们充满期待，又让我们感到迷茫。我们听着 AGI（Artificial General Intelligence: 通用人工智能）这样的词汇被反复提及，却很少有人能说清楚它到底会如何改变我们每天的工作，如何重塑我们所在的公司，甚至如何改写整个经济的运行逻辑。

回顾历史就会发现，每一个定义时代的变革背后，都藏着一种“奇迹材料”。19世纪的镀金时代，是钢铁锻造的，它让马车变成了火车，让烛光变成了电灯，让低矮的房屋变成了高耸的建筑。20世纪的数字时代，是半导体开启的，它让庞大的计算机走进千家万户，让信息突破地域限制，让世界变成了一个紧密相连的地球村。而今天，这个新的时代，正在被 AI 这种无限心智所定义。

历史总是在不断重复相似的逻辑：那些能够掌握并且善用奇迹材料的人、企业和国家，最终会成为时代的引领者。就像19世纪50年代，年轻的安德鲁·卡内基（Andrew Carnegie）还在匹兹堡泥泞的街道上做电报员时，当时美国六成的人口还是农民，谁也想不到，短短两代人的时间，他和他的同行们就用钢铁重塑了现代世界。

而今天，在旧金山这个科技公司云集的城市里，每个人都在谈论着 AGI。但是，全球二十亿办公室职员中的大多数，至今还没有真正感受到 AI 带来的改变。这不禁让我们思考，知识工作的未来究竟会是什么样子？当永不疲倦的心智融入我们的组织结构，当工作不再受限于人类的精力和时间，我们习以为常的工作模式、公司形态，甚至经济格局，都会发生怎样的变化？

想要回答这些问题，其实并不容易，因为每一项新技术的未来，都总是披着过去的外衣出现。马歇尔·麦克卢汉说过一句名言：“我们总是通过后视镜来看未来。” 早期的电话沟通，像电报一样简洁；早期的电影，看起来就像是把舞台剧拍了下来。今天的 AI 也是如此，最流行的 AI 应用看起来就像是过去的谷歌搜索框的升级版，我们熟悉的 AI 聊天机器人，本质上还是在模仿我们已经习惯的信息获取方式。我们现在正深陷在每一次技术变革都会经历的“不适转型期”中：旧的模式还在惯性运转，新的模式还未完全成型。

个人生产力：从骑行到驾驶

通过几个历史隐喻，我们或许能够更清晰地看到 AI 在不同维度——从个人到组织，再到整个经济——可能带来的改变。要想看到 AI 对个人工作的改变，我们可以先看看知识工作领域的先行者：程序员们。Notion 的联合创始人西蒙（Simon）曾经是我们口中的“10倍程序员”，也就是效率远超普通程序员的顶尖人才。但是现在他已经很少亲自写代码了。如果你走过他的办公桌，会看到他同时调度着三四个AI编程Agent。这些 Agent 不只是打字速度更快，它们真的会思考，会分析需求、会调试错误、会优化逻辑。这让西蒙从10倍程序员升级成了30倍到40倍的工程师。他会在午饭前或者睡前把任务排好队，然后这些 AI Agent 就会在他休息的时候持续工作。他不再是一个单纯的执行者，而是变成了无限心智的管理者。

史蒂夫·乔布斯（Steve Jobs）在20世纪80年代提出过一个著名的隐喻：“个人电脑是心智的自行车。” 这个隐喻的灵感来自于20世纪70年代《科学美国人》杂志上的一项关于移动效率的研究。在所有的陆地动物中，人类的移动效率其实并不高，但是当人类骑上自行车，移动效率会大幅提升，甚至超过很多速度更快的动物。乔布斯认为，个人电脑就像自行车一样，能够极大地放大人类的心智能力。

十几年后，互联网的出现为我们铺就了信息高速公路，让知识和信息的传播变得前所未有的便捷。但是即便如此，直到今天，大多数知识工作依然是人力驱动的。我们就像是在高速公路上骑着自行车，明明有更高效的工具，却依然受限于自身的体力和精力。而 AI Agent 的出现，正在让像西蒙这样的知识工作者，从“骑自行车”升级到“开汽车”。自行车需要人亲自踩踏才能前进，而汽车有自己的发动机，能够自主提供动力，让我们以更快的速度到达目的地，并且节省大量的体力。这就是 AI Agent 和传统工具的本质区别：它不是简单地辅助人类，而是能够自主完成一部分工作，成为人类的协作伙伴而非工具。

通用AI的挑战：碎片与验证

但是问题来了：既然 AI 在编程领域已经展现出了如此强大的能力，为什么在其他知识工作领域，比如项目管理、战略规划、市场运营等，AI 的应用还相对滞后呢？要让更多知识工作者都能“开上汽车”，我们还需要解决两个核心的问题。

第一个问题是上下文碎片化。对于编程工作来说，工具和上下文往往集中在一个地方：集成开发环境、代码仓库、终端。所有的信息和操作都在一个相对封闭的系统里完成，AI Agent 很容易就可以获取到完整的上下文。但是通用知识工作的场景要复杂得多，信息往往分散在十几个甚至几十个工具中。想象一下，一个 AI Agent 要帮你起草一份产品简报，它需要从 Slack 的聊天记录里获取团队的讨论要点，从战略文档里提炼核心的目标，从数据仪表盘里调取上一季度的业绩指标，还要从某个老员工的大脑里获取那些没有被记录下来的“机构记忆”，也就是那些只可意会不可言传的经验和规则。而现在，这些工作都是由人类自己来完成的。我们在不同的浏览器标签页之间切换，复制粘贴各种信息，花费大量的时间把碎片化的上下文整合到一起。在这些上下文没有被有效的整合之前，AI Agent 只能局限在一些狭窄的应用场景里，无法真正融入通用知识工作的核心流程。

第二个问题是可验证性。代码有一个神奇的特性：它的正确性可以通过测试和错误反馈来验证。AI 模型的训练者们正是利用了这一点，通过强化学习等技术，让 AI 在不断的试错和验证中，变得越来越擅长编程。但是在很多知识工作领域，我们很难找到这样明确的验证标准。比如，如何判断一个项目管理得好不好呢？如何评价一份战略备忘录的质量高低呢？这些工作的成果往往没有绝对的对与错，只有合适与不合适之分，而这种判断往往依赖于人类的经验、直觉和上下文环境。正因为缺乏这样的验证机制，我们还没有找到有效的方法来持续优化通用知识工作领域的 AI 模型。

所以在目前阶段，人类依然需要“人在回路中”（Human-in-the-loop）进行监督、引导，并且为 AI 展示什么是好的结果。但是这里有一个重要的前提：人在回路中并不总是一件好事。历史上有一个很有趣的例子，那就是1865年英国颁布的**《红旗法案》**（Red Flag Act）。这项法案要求，汽车在街道上行驶时，必须有一个人举着红旗在前面步行引路，并且汽车的速度不能超过每小时4英里。这项法案的初衷是为了保障安全，但实际上却严重阻碍了汽车技术的发展，直到1896年才被废除。这就像是在工厂生产线的每一个环节都安排一个人亲自检查每一颗螺丝，或者在汽车前面步行引路一样。这种“人在回路中”的方式显然是低效而且不必要的。我们真正需要的，是让人类从回路中跳出来，站在一个更具有杠杆效应的位置上进行监督和决策，而不是被卷入到每一个具体的执行环节中。

一旦上下文碎片化的问题得到解决，知识工作的成果就能够被有效的验证，那么全球数十亿知识工作者都将从“骑自行车”升级到“开汽车”，甚至在未来，实现“自动驾驶”，也就是让 AI 自主完成更多复杂的工作，而人类只需要专注在更有创造性、更有价值的决策环节。

组织革命：打破规模的魔咒

如果说 AI 对个人的改变是效率的提升，那么它对组织的改变，就是一场关于规模与结构的革命。企业这种组织形式，其实是一个相对较新的发明，而它最大的痛点，就是随着规模的扩大，效率会不可避免地下降，最终达到一个无法突破的极限。几百年前，大多数企业都是只有十几个人的小作坊，大家面对面沟通，信息传递高效，决策迅速。而现在，我们有了员工数十万人的跨国公司，需要协调遍布全球的团队、业务和资源。但是，支撑这些庞大组织运转的沟通基础设施，依然是人力驱动的，靠会议、邮件、即时消息来连接每个人的大脑。当组织规模呈指数级增长的时候，这种沟通方式就会不堪重负，就像用木质结构来建造摩天大楼一样，迟早会因为自身的重量而坍塌。

为了解决这个问题，我们尝试了层级制度、标准化流程、详细的文档记录等等方法。但是这些方法，本质上都是在用人力规模的工具，来解决工业规模的问题，只能缓解矛盾，却无法从根本上突破组织规模的极限。而 AI 的出现，就像当年的钢铁和蒸汽一样，为组织的变革提供了全新的可能。

在19世纪钢铁出现之前，建筑的高度有一个无法突破的极限，最多只能建六七层楼，因为当时的建筑材料主要是铁。铁虽然坚固，但是脆性大、重量沉，一旦楼层增多，建筑结构就会因为无法承受自身的重量而坍塌。而钢铁的出现，彻底改变了这一切。它既坚固又具有韧性，重量更轻。用钢铁做框架，墙壁可以做得更薄，建筑的高度不再受材料的限制，几十层的高楼突然变得可行。伍尔沃斯大厦（Woolworth Building）就是钢铁时代的标志性建筑，1913年在纽约建成时，它是当时世界上最高的建筑，成为了现代城市天际线的开端。

AI 对于组织来说，就像是钢铁对于建筑一样。它能够在不同的工作流程中保持上下文的一致性，在需要的时候精准呈现关键信息和决策依据，而不会产生多余的噪音。在传统组织中，人类的沟通是支撑整个组织运转的承重墙，很多工作的推进、决策的制定都依赖于人与人之间的反复沟通和确认。而有了 AI 之后，人类沟通的承重作用被大大削弱。每周两个小时的对齐会议，可能会变成五分钟的异步审查；需要三层审批的管理层决策，可能在几分钟内就能完成。跨部门之间的协作，不再需要反复开会协调，AI 可以自动整合各方信息，推动工作流程的推进。这意味着，企业可以真正实现“无降解的规模化”，在规模扩大的同时，保持、甚至提升效率，而不是像过去那样，规模越大，效率越低。我们一直以来认为的“组织规模越大，效率越差”的定律，可能会被 AI 彻底打破。

范式转移：超越水车时代

同样，在工业革命初期，纺织厂都建在河流、溪流的旁边，依靠水车来提供动力。当蒸汽引擎发明之后，工厂主们做的第一件事，就是把水车换成蒸汽引擎。但是工厂的布局、生产流程、组织方式，依然沿用了水车时代的模式，结果就是，生产力的提升非常有限。真正的突破，来自于工厂主们的观念转变。他们意识到，蒸汽引擎的价值不仅仅是替代水车，而是让工厂摆脱了对河流的依赖。于是，他们开始重新设计工厂，把工厂建在离工人、港口、原材料更近的地方，根据蒸汽引擎的特点来优化生产流程和工厂布局。后来，电力出现之后，工厂主们又进一步革新了布局，不再依赖中央传动轴，而是为不同的机器配备独立的小型发动机，让生产流程更加灵活。正是这些基于新技术的结构性变革，让生产力实现了爆发式增长，真正开启了第二次工业革命。

而我们现在所处的 AI 时代，还停留在“把水车换成蒸汽引擎”的阶段。我们只是把 AI 聊天机器人嫁接到现有的工具上，让它来辅助我们完成一些重复性的工作，却没有思考：当 AI 彻底打破了传统组织的约束，企业的形态应该是什么样子呢？当一个公司可以依靠永不疲倦的无限心智来运转时，我们又应该如何设计组织架构、工作流程和决策机制呢？

Notion 已经开始了一些初步的尝试。除了1000名人类员工之外，现在有超过700个 AI Agent 在处理各种重复性的工作。它们会记录会议笔记，提炼核心要点，让团队的隐性知识变得可查询、可复用；它们会处理 IT 支持请求，收集客户的反馈并进行分类整理；它们会帮助新员工熟悉公司的福利，完成入职培训；它们会自动撰写每周的状态报告，让员工不再需要花费时间复制粘贴数据。但是，这仅仅只是一个开始。这些尝试还只是婴儿学步。AI 对组织的真正改变，还受限于我们的想象力和惯性。我们习惯了现有的工作方式，很难一下子跳出传统思维的框架。但是，就像当年的工厂主们最终会意识到蒸汽引擎的真正价值一样，我们迟早会明白，AI 不是现有工具的补充，而是重塑组织的核心力量。未来的企业，不会是现在大型企业的放大版，而是一种全新的组织形态：信息传递零延迟，决策高效精准，每个人都能专注于自己最擅长的创造性工作，而重复性、事务性的工作都由 AI Agent 来完成。

知识经济的特大城市黎明

钢铁和蒸汽的影响，并没有止步于建筑和工厂，它们最终改变了人类的生活方式，重塑了城市的形态。几百年前，城市都是人力规模的。你可以在40分钟内走完佛罗伦萨的整个城市，生活的节奏由步行的距离、声音传播的范围来决定。人们彼此熟悉，社区关系紧密，城市的运转依赖于人与人之间的直接互动。而钢铁框架让摩天大楼成为可能，蒸汽引擎驱动的铁路把城市中心和周边地区连接起来，电梯、地铁、高速公路的出现进一步打破了空间的限制。城市的规模和密度开始爆炸式增长，东京、重庆、达拉斯这些特大城市应运而生。这些城市并不是佛罗伦萨的放大版，而是一种全新的生活方式。它们庞大、复杂、让人感到陌生，导航变得困难，人与人之间的关系变得疏远。这种难以理解性，是城市规模化的必然代价。但与此同时，特大城市也带来了更多的机会、更多的自由，更多的人在同一个空间里进行更多的组合、创造和协作。这种活力和可能性，是人力规模的文艺复兴时期的城市所无法比拟的。

知识经济即将经历一场同样的变革。今天，知识工作已经占据了美国 GDP 的近一半，成为全球经济的核心驱动力。但是大多数知识工作的运转模式，依然停留在人力规模。团队规模通常是几十人，工作节奏由会议、邮件的频率决定。组织规模一旦超过几百人，效率就会明显下降。我们就像是在用石头和木头建造佛罗伦萨式的知识经济，规模有限，效率受限，无法充分释放知识和创造力的价值。

而当 AI Agent 大规模普及之后，知识经济将迎来“特大城市时代”。我们会看到，由数千名人类员工和数万个 AI Agent 组成的大型组织，将变得普遍。工作流程不再受时间区域的限制，24小时不间断的运转，不需要等待某个人醒来才能推进。决策过程将由 AI 和人类共同参与：AI 负责整合数据、分析选项，人类负责做出最终的价值判断，实现恰到好处的人机协作。这种新的知识经济形态，会让我们感到陌生和不适。每周一次的会议、每季度一次的规划、每年一次的绩效评估，这些我们习以为常的工作节奏，可能会变得不再适用。新的工作节奏、新的协作方式、新的组织规则将会出现。信息的流动速度更快，决策更高效，但同时也可能变得更加难以理解，就像特大城市的交通网络一样，复杂但高效。

这种陌生感的背后，其实是前所未有的机遇。知识的创造和传播效率将达到新的高度，更多的创意能够被快速落地，更多的问题能够被高效解决。个人的价值，不再受限于时间和精力，而是取决于创造力和判断力。组织的边界将变得更加模糊，跨领域、跨地域的协作将变得更加容易。就像特大城市虽然复杂，但是依然吸引着无数人前往追寻梦想一样，AI 驱动的知识经济，也将为我们带来更多的可能性和更广阔的发展空间。

拥抱无限心智的新世界

回顾历史，每一种奇迹材料的普及，都需要人们摆脱“通过后视镜看未来”的思维定式，敢于想象一个全新的世界。安德鲁·卡内基看到钢铁时，没有只把它当成一种更好的建筑材料，而是看到了城市天际线的无限可能。兰开夏郡的工厂主们看到蒸汽引擎时，没有只把它当成水车的替代品，而是看到了工厂摆脱河流束缚、实现规模化生产的未来。史蒂夫·乔布斯看到个人电脑时，没有只把它当成一种计算工具，而是看到了放大人类心智能力的潜力。

而今天，我们依然停留在 AI 的“水车时代”。我们把 AI 聊天机器人嫁接到为人类设计的工作流程中，让它做一些辅助性的工作，却没有真正思考：当人类组织有了 AI 这种钢铁的支撑，当重复性工作可以交给永不疲倦的心智来完成，知识工作的形态、企业的组织架构、经济的运行模式，都将发生怎样的根本性变革？

我们需要停止把 AI 仅仅当成助手的想法，而是要把它当成重塑一切的核心力量。我们需要重新设计工作流程，让 AI 能够无缝融入，而不是让 AI 适应我们现有的工作方式。我们需要重新思考企业的组织架构，让 AI 成为连接各个部门、各个环节的神经网络，而不是让 AI 在层级制度的缝隙中艰难生存。我们需要重新定义知识工作的价值，把人类的精力从重复性、事务性的工作中解放出来，专注于那些只有人类才能完成的创造性、决策性的工作。

钢铁让城市变得更高，蒸汽让工厂变得更大，而 AI 将让知识变得更有力量。它不是要取代人类，而是要与人类协作，创造出一种全新的工作方式，一种全新的组织形态，一种全新的经济模式。这种变革可能会带来不适，可能会面临挑战，但是就像历史上每一次伟大的变革一样，它带来的机遇和进步，将远远超过我们的想象。未来的天空线已经清晰可见，它不是现有世界的放大版，而是一个由钢铁、蒸汽和无限心智共同构建的全新世界。而我们每个人，都是这个新世界的建设者。

感谢收看本期视频，我们下期再见。