当人们想到AGI（Artificial General Intelligence: 具备与人类相当或超越人类的认知能力的通用人工智能）时，他们会想象拥有一个能回答所有问题、全天候工作的个人助理。但这低估了AI（人工智能）将拥有的真正集体优势，这与原始智商无关，而在于它们是数字化的。目前，公司在招聘和培训人员方面受到极大限制。但如果你的员工是AI，那么你就可以将它们复制数百万次，并完整保留它们所有的技能、判断力和隐性知识（tacit knowledge: 难以言传、难以量化的知识，通常通过经验获得）。
这是一个根本性的变革，因为历史上第一次，你可以将资本转化为计算能力（compute: 指计算机处理信息的能力，在此语境下特指AI运行所需的算力），再将计算能力转化为劳动力（labor）。你可以将数万亿美元转化为维持数十亿数字员工所需的电力、芯片和数据中心。
想想CEO（Chief Executive Officer: 首席执行官）今天的知识有多么有限。真正的史蒂夫·乔布斯（Steve Jobs）对苹果（Apple）庞大帝国发生的事情到底了解多少？他会收到过滤后的报告和仪表板，参加关键会议，阅读战略摘要。但他不可能吸收每一次产品发布、每一次客户互动、每一次跨越数百个团队的技术决策的全部背景。他对苹果的心理模型必然是不完整的。
现在想象一下Mega Steve（假设的AI领导者: 指代一个能够管理和指导未来AI公司的中央AI实体），它将指导我们未来的AI公司。就像特斯拉（Tesla）的全自动驾驶AI模型可以从数百万司机的驾驶记录中学习一样，Mega Steve可以从数百万个精炼的史蒂夫分身（distilled Steve Apparachics）那里学到一切。每一次客户对话、每一次工程决策、每一次市场反应。
我认为很难理解这与人类公司和机构会有多大的不同。你将拥有数百万个实体，它们会迅速出现又消失，并且每个实体都以超人的速度思考。这将是一场社会组织上的变革，其规模堪比从狩猎采集部落向庞大的现代股份有限公司的转变。不同AI实例之间的界限开始变得模糊。
Mega Steve将不断生成专门的精炼副本，并重新吸收它们自己学到的东西。模型将通过潜在表征（latent representations: 在神经网络中，数据被编码成一种抽象的、低维度的表示形式，捕捉了数据的本质特征）直接通信，类似于GPT4（一个大型语言模型）中数百个不同层级已经存在的交互方式。合并将是组织积累和应用知识方式上的一个飞跃。
人类的巨大优势在于社会学习，即我们跨代传递知识并在此基础上进行构建的能力。但人类社会学习有一个严重的障碍：生物大脑不允许信息被复制粘贴。因此，你需要花费数年，甚至数十年时间来教人们他们需要知道的知识，以便他们能够胜任工作。或者考虑一下，为什么将人才聚集在城市和顶尖公司会产生如此巨大的好处，仅仅是因为它降低了个人之间知识流动的摩擦。
未来的AI公司将通过数百万AGI来加速这种文化演进。自动化公司将获得更多产生创新和改进的机会，无论是来自偶然的错误、刻意的实验、全新的发明，还是它们的组合。追溯数千年的历史数据表明，人口规模是社会产生更多想法速度的关键输入。AI公司将拥有比当今最大公司大几个数量级的人口规模。并且每个AI都能与每一个其他AI完美地进行心智融合（mind meld）。从外部看，AI公司将像一个统一的智能体，能够即时在整个组织中传播思想，并保持其全部保真度和上下文。数百万副本中的每一个隐性知识点都将被完美保存、共享并得到应有的考虑。
那么，在这个世界里，什么会变得昂贵？那些需要大量推理计算（inference compute）的角色。CEO的功能或许是最明显的例子。苹果公司每年花费1000亿美元用于Mega Steve的推理计算是否值得？当然。想想这能买到什么：数百万小时的战略规划、不同五年轨迹的蒙特卡洛模拟（Monte Carlo simulations: 一种利用随机抽样来获得数值结果的计算技术，常用于复杂系统的建模和预测）、对每一行代码和技术系统的深度分析，以及详尽的场景规划。让AI承担某个角色的成本将仅仅是AI消耗的计算量。这将改变我们对哪些能力是稀缺的理解。
未来的AI公司将不会受限于人类技能分布中稀缺或丰富的因素。它们可以优化任何最有价值的能力。想要史蒂夫·沃兹尼亚克（Steve Waznjak）级别的工程人才？没问题。一旦你拥有了一个，复制的边际成本只需几分钱。需要一千名世界级研究员？直接生成即可。限制因素不再是寻找或培训稀缺人才，而是计算能力。
想象一下Mega Steve在思考：“如果我们收购eBay来挑战亚马逊（Amazon），联邦贸易委员会（Federal Trade Commission）会如何回应？让我模拟未来三年的市场动态。”“啊，我看到了可能的结果。我还有5分钟的数据中心时间。让我评估1000种替代策略。”决策越有价值，你就越想投入更多的计算资源。Mega Steve的一个战略洞察可能价值数十亿美元。
这个视频最酷的一点是，我们没有拍摄一帧画面。你看到的每一个视觉效果，从逼真的人类到会说话的章鱼，都是由V2（Google's state-of-the-art video generation model: 谷歌最先进的视频生成模型）生成的。我几个月前写了这篇文章，然后我有个想法，应该把它做成视频。于是，我与一位出色的导演彼得·萨拉巴（Peter Salaba）合作，他能够利用V2将所有这些想法转化为一种视频，而这种视频以前需要我们整个摄影师和动画师团队才能完成。
例如，我想展示AGI的蜂巢思维（hive mind）可能是什么样子。于是彼得有个想法，可以有一架FPV（First-Person View: 第一人称视角）无人机飞过一个充满工蚁的蚁穴。V2为他提供了一些品味不错的候选画面以及其他提示，我们将其拼接成最终剪辑。没有V2，我们真的无法制作出这样的视频。现在V2已在Gemini app（谷歌的AI应用）中可用。你可以通过访问gemini.google.com，从下拉菜单中选择它，然后在提示栏输入你自己的想法来尝试。顺便说一句，在与谷歌（Google）开始合作之前，我们就已经用V2制作了整个视频。所以，能够让他们成为赞助商尤其令人兴奋。好了，回到文章。
AI公司与人类公司之间最深刻的区别将是它们的可演化性（evolvability）。正如格温·布兰德温（Gwen Brandwin）所观察到的：“为什么我们看不到杰出的公司克隆自身并占领所有市场细分？为什么公司不演化成所有公司或企业都是一个单一公司的超高效后代，而其他所有公司都已破产或被收购而灭绝？为什么公司如此难以保持其文化完整并维持其年轻时的精干效率？或者，如果避免衰老是不可能的，为什么不复制自身或以其他方式繁殖以创造像自己一样的新公司？”
公司当然会经历适应性选择并产生很大差异。问题似乎在于公司无法复制自身。公司是由人组成的，而不是可互换、易于复制的组件或DNA链。公司甚至可能无法随着时间的推移复制自身，从而导致僵化（scleroticism: 指组织或系统变得迟钝、缺乏活力和适应性）和衰老。
目前存在的人类公司与完全自动化的公司之间的复杂性差异，将如同原核生物（prokaryotes: 一类结构简单的细胞生物，如细菌，没有细胞核和复杂的细胞器）与真核生物（eukaryotes: 一类细胞结构复杂的生物，拥有细胞核和多种细胞器，如动物、植物和真菌）之间的鸿沟。原核生物如细菌相对简单，并在30多亿年里保持结构相似。相比之下，真核细胞的出现，它们拥有更复杂的内部结构，如细胞核（nuclei: 真核细胞内储存遗传物质（DNA）的膜状细胞器）和细胞器（organelles: 真核细胞内具有特定功能的膜状结构，如线粒体、叶绿体等），使得生物复杂性实现了巨大的飞跃，并催生了所有其他拥有数万亿细胞紧密协作的惊人生物。这种可演化性也是AI与人类公司之间的关键区别。正如加恩（Garn）所指出的，人类公司根本无法有效地复制自身。它们是由人组成的，而不是可以复制的代码。
那么，一家完全自动化的公司是否会成为最后一家幸存者？其他公司为何还要存在？第一家实现一切自动化的企业是否会形成一个庞大的联合企业并接管整个经济体？虽然内部规划在短期内可能比市场竞争更有效率，但它需要与一些更慢但更公正的外部反馈相平衡。过于庞大的公司有其内部目标偏离市场现实的风险。话虽如此，随着AI系统的改进，这种平衡可能会发生变化。AI公司将更像软件，能够完美复制成功的子部门并拥有更快的反馈循环。而这个内部规划系统需要与某种程度的实际成功或失败联系起来。而这正是市场所提供的。