--- author: 人民公園說AI date: '2026-05-28' guest: '' layout: post.njk source: https://www.youtube.com/watch?v=7y0YnIM8qIM speaker: 人民公園說AI tags: - ai-agent - business-model - digital-transformation - workforce-restructuring - data-quality title: 在中国，AI只能卖结果：Sam Altman 来了都要呕血三升 summary: 本播客对谈深入探讨了AI时代下中国企业面临的独特挑战与机遇。嘉宾百融智能创始人张韶峰指出，中国企业不为过程买单，而是更看重交易即服务（TaaS）与结果即服务（RaaS）模式。对话还涉及AI对职场结构、企业管理、投资逻辑的颠覆，以及如何应对知识库缺失和归因难题，最终展望了中国AI应用市场的未来发展。 insight: '' draft: true series: '' category: ai-ml area: tech-engineering project: [] people: - 张韶峰 - Larry Ellison - Sam Altman - Dario Amodei companies_orgs: - Oracle - Block - 红杉 - 百融智能 - IBM - Salesforce - 微盟 - 有赞 - Anthropic - 字节跳动 - Palantir products_models: - ChatGPT - Cursor - Claude - Gemini - GPT-4o media_books: [] status: evergreen --- ### AI时代职场变革：面试与裁员新常态 你离开的同事，他都变成Token在陪伴你。他们出去面试的时候，前半小时用AI用得飞起，突然那个面试官冲进来，把你的所有AI都掐了，让你手工把剩下事情全部写完。中间那帮人在干啥？他说你想清楚，不就是在传递信息嘛。中国企业基本上就不为这种过程性的买单。我明明是要让你赶紧用上 **Agent**（智能体: 一种能够自主感知环境、做出决策并执行动作的AI实体），然后起飞，最后变成说我免费咨询给你换业务机会。用 **Sam Altman**（OpenAI CEO）这种大佬到中国来，一定会被气死。你能不能别免费咨询，能不能给我付点费用，你把我弄成样板赚别人的钱，每个人都这么忽悠你。 年初的时候，**Oracle**（甲骨文: 一家美国跨国计算机技术公司）在凌晨6点钟直接发邮件，将近上万人直接收邮件，收完邮件之后直接连职业工号都登不进去了。他们甚至来不及写告别信，因为已经没有权限了。以前老板还会说感谢多年的付出，这回直接就是“再见拜拜”。有的员工在X上发帖说，前两周老板刚说他布置的任务是今年最重要的任务，结果两周后部门都没了。这反映出硅谷现在已经接受了这种残酷。听说硅谷的朋友人均合伙人，每个人除了本职工作之外，都必须找点跟AI相关的创业工作，以防哪天直接被AI替代或者被裁员。 作为我的老东家，**Oracle**（甲骨文）以前裁员会先发 **PIP**（Personal Improvement Plan: 个人改进计划），即使是遇到部门不需要的情况，也会叫到办公室有个谈话，至少还有点人情。但这次是凌晨发的，没有情面，也没有任何理由。我觉得一方面，**Oracle**（甲骨文）的企业文化和 **Larry Ellison**（甲骨文联合创始人兼董事长）的个人风格都非常 **aggressive**（激进: 具有攻击性或主动性的），不太讲人情。其次，这也和当前的行业压力有关。**Oracle**（甲骨文）去年做了很大资本扩张，但之后表现不是特别好。我相信它有一部分是被迫的，因为要做这么多新的事情，资本开支非常大，所以肯定有压力。 ### AI重塑企业组织：中层消亡与管理革新 最近的一个案例是以前 **Twitter**（推特: 现更名X）的创始人，后来创建的公司叫 **Square**（方块: 现更名Block），今年年初一下子从一万多人裁到六千人，裁了40%。他说：“我们想清楚，今天企业的组织架构为什么长这样子？就是因为古罗马军团。”一个人管一个下级，基本上就是三五八个人，总体五五上下。由于管理带宽不够大，所以只能加层级，形成了今天的科层制。但是他说，从 **CEO**（Chief Executive Officer: 首席执行官）到一线士兵，中间那帮人在干啥？不就是在传递信息嘛，上传下达。这是他们的核心，但中间可能有些创造。但核心的上传下达，在AI面前都可以被替代。所以他直接宣言说，**永久性的中层岗位不存在了**。 如果所有的企业最后必须演进到这一步，那么早做不如晚做。早做，一方面是帮助员工进步，这是一种“爹味”心态，你不进步我帮你进步。但另一方面，作为企业来讲，我做了，其他竞争企业没做，我就比你强。我一是省了成本，二是效率还提升了，而信息传递的准确性也提高了。这才是它背后的意思。站在企业和股东的角度来讲，肯定是这样。如果红杉投资的企业不做，那么其他企业做了，你就得出局，就会被 **out**（淘汰）。 他还有一个观点，未来企业可能需要两个世界模型：一个是企业怎么运作，这更多是关于层级上传下达；另一个是客户世界模型，怎么感知到客户的需求，最后让客户的需求来驱动企业的下一步产品研发方向。中间的运作全是 **智能体**（Agent），人类处在智能体的边缘。因为有些东西智能体感知不到，需要和物理世界，需要情感链接，那个时候人在边缘，但这个边缘是不可替代的。这是他描述的愿景方向。 ### AI时代面试与协作：能力考核新标准 我有美国很多程序员朋友，他们最近失业随时都会来，一年之内失业几次也很常态。大家打招呼就是：“哎，你又失业了，又被裁了，又被优化了。”但是最“好玩”的是，他们出去面试的时候，模式已经发生了翻天覆地的变化。面试官上来就要求你马上干一件徒手写不了的事情，一共给你一个小时时间。你前半小时用 **AI**（Artificial Intelligence: 人工智能）用得飞起，各种 **Cursor**（一种AI编程助手）、**Claude**（Anthropic公司开发的大语言模型）、**Gemini**（谷歌开发的多模态大模型）都用上了。半个小时你就感觉已经产生了一个星期工作量，当你觉得一个小时一定能交差的时候，突然面试官冲进来，把你的所有AI都掐了，让你手工把剩下事情全部写完。 我们公司也有这种情况。以前可能前两年还防止人家用AI作弊，会问一些问题，发现有些面试者会去问 **ChatGPT**（OpenAI开发的大语言模型）说面试官可能问什么问题，怎么回答。但现在很尴尬，你又必须考核他会不会AI。现在我们内部在编一套 **智能体**（Agent），既能考核他用AI的能力（**vibe coding**），同时他还有一个基本素质，没有完全委外给AI。实际上我们在职场上的生存已经到这个阶段了，与AI合作是基础，但合作完交付工作，背那个锅、拿那份薪水的时候，你得能把AI没做完的事情搞定。我们现在都互称“大模型尾货完善师”，每天都在“擦屁股”。这些事情如果做不了，日常工作就无法开展了。 好的程序员还是活得很好。我觉得这对于有经验的程序员来说是另一个春天。像我这种工作快20年的人，在这一波之前觉得编程已经废了，因为转产品经理很多年没写代码了。现在发现我也不需要写代码，99%的活都是AI应该写的，我只是跟他讲方向怎么取舍，那个东西怎么样，只是在评判和验收。这对我这个产品经理而言，是一件特别爽的事情。我一个人就可以完成以前需要设计师、前端工程师、后端工程师三四个人的团队才能完成的产品原型和快速迭代。现在，**Claude**（Anthropic公司开发的大语言模型）的迭代甚至把设计活都拿走了。 ### 中国企业AI落地困境：从SaaS到RaaS的付费逻辑 像你这种产品经理能够调度类的岗位，或者像韶峰总这种能够调度类的岗位，其实越来越稀缺。很多中层是在传递信息，反而应该思考怎么把这些人先设计成AI。很多老板会说：“老修，你给我设计一下，我这几个员工我不要了，你给我搞一套 **Agent**（智能体）替代掉。”但这件事情不能外包给别人做，你首先自己得先去搞，看看你能不能真的把你的下属、秘书、CTO、CFO先给它AI搭出来。你能搭出来，才能说这个事情能成规模做了。否则，上面焦虑要干掉下面，下面焦虑要保护自己，不交出 **SOP**（Standard Operating Procedure: 标准操作流程），这是一个很尴尬的事情。 在解决客户问题时，会不会变成明明要让企业更好数字化、赶紧用上 **Agent**（智能体）然后起飞，最后变成免费咨询换业务机会？这对我来说是切肤之痛。我们当时做 **SaaS**（Software as a Service: 软件即服务），员工回来都一肚子委屈说又被“白嫖”了。我打了一个横幅挂在公司，叫做“免费咨询换业务机会”。 我上周六回清华校庆，一位年收入一百多亿的师姐问我，这几年推AI变革遇到问题：一些以前业绩优秀、品行很好的管理者，现在因为推AI会导致下属工作变动，可能调岗甚至被去职，他们就不愿意。而管理者又需要被调动，甚至可能被去职的员工就会在他面前求情，导致管理者犹豫纠结不行动。她问我怎么办。这本质上是非常典型的管理咨询和人性问题。我跟她讲，首先第一把手一定要坚定，不管有什么困难都要推，AI变革一定是一把手工程。其次，要找到一批“童子军”，你的心腹，跟他讲清楚变革是势不可挡，不变革就会死。一帮很年轻的二十几岁做技术的，大部分 **智能体**（Agent）都是他们做出来的。还有一些30多岁有 **know-how**（专业知识: 解决问题或完成任务的实践知识和技能）的，有领域知识的。因为光会做 **智能体**（Agent），但没有领域经验，没有老师傅脑子里的 **SOP**（Standard Operating Procedure: 标准操作流程），AI **智能体**（Agent）学不会。你要搞定一批这样的人跟着你走，明确告诉他们是安全的，职位不会丢掉，做得好要奖励他们。对于那些能力不行或者不愿意拥抱AI的员工，要优化掉。这纯粹是管理问题。 我觉得这对于很多传统企业来讲，面临的挑战比技术企业还要大。因为传统企业人多，人情世故比科技企业复杂，很多几十年的老员工，本质上是一种感情负债。他对员工、下属、兄弟部门有感情债务，下不了手。 ### 投资人视角：AI浪潮下的FOMO与商业模式转变 这段时间遇到了很多做投资和基金的朋友，他们的焦虑不比员工少。**FOMO**（Fear Of Missing Out: 害怕错过）这个词本身就是从投资界传出来的。他们都怕自己没有踩上AI这波投资机会，也怕自己不懂最新的AI技术。但更怕的是自己投资的企业不了解AI，没有及时转型，最后本来拿着块金砖结果过两天变成了砖头。 作为上市公司的一把手，我以前和投资人有过激烈的交流。因为我们做AI做得太早，有相当长一段时间股东不认可我们。我曾被一个投资人训了30多分钟，没有机会反驳，最后他可能说累了，我才有机会说话。他让我把商业模式转成 **SaaS**（Software as a Service），那是2021年 **ChatGPT**（OpenAI开发的大语言模型）出来前一年。我直截了当地说，**SaaS**（Software as a Service）在中国根本不成立，中国企业可能直接跳过 **SaaS**（Software as a Service）叫 **TaaS**。他说什么是 **TaaS**？我说 **Transaction as a Service**（交易即服务: 直接帮助客户达成交易并从中分成），如果你直接能帮客户把交易达成，可能就直接分钱就行了。这话让他停顿了好几分钟说不出话来。这是第一次有人直截了当反驳他，说 **SaaS**（Software as a Service）在中国逻辑不成立。当时 **SaaS**（Software as a Service）的市值如日中天，北美的 **SaaS**（Software as a Service）非常发达，很多公司都上市了。 我说中国企业基本上不为这种过程性的买单。因为在美国，客户觉得我自己有能力，掌握工具，你给我好工具就可以了。中国企业不是这样，他们喜欢两件事：第一，你给我资源，给我投钱、流量、客户，我可以付费；第二，你直接帮我把结果干成，就像 **BPO**（Business Process Outsourcing: 业务流程外包）公司一样，全外包，我也可以给你付钱，交付最终结果。中间过程，中国企业的付费意愿是极低的。 **ChatGPT**（OpenAI开发的大语言模型）出来那一年是个冬天，从来没遇到过如此激烈的批评，觉得我们模式不行，要转成美国 **SaaS**（Software as a Service）。但有意思的是，**ChatGPT**（OpenAI开发的大语言模型）出来后到2023年，又有投资人问我：“韶峰啊，你们公司会不会AI啊？你们有没有AI转型？”我说哥们，我以前跟你们讲过你们不关心。我说你看看我们有哪个业务是软件模式在收费的。所以有时候真理掌握在少数人手中还是有道理的。后来这个投资人说已经把我们列为他们被投企业中唯一的 **AI-native company**（AI原生公司: 以AI为核心驱动力构建业务的公司），唯一的 **AI-native portfolio**（AI原生投资组合: 投资组合中以AI为核心的公司）。你看这个反转有多大，现在他就很关心有没有AI提效、有没有减员。后来我还给他们的被投企业去做分享，讲百融智能内部的AI如何赋能员工法务、财务、人力资源、客服部门，打开内部群给他们看，完全剧情反转。 ### RaaS崛起：AI对传统服务模式的颠覆 中国的 **SaaS**（Software as a Service）从来没有真正活过，一直是僵尸。中国人买房但不租房，永远跟房东有冲突。但美国反而像按结果付费的 **RaaS**（Result as a Service: 结果即服务）之类的模式很流行，其实百融智能早就提出了。后来 **OpenCaw**（一个新兴的AI Agent公司）出来，开始有人讲这个故事，甚至 **OpenCaw**（一个新兴的AI Agent公司）官网上就说“**SaaS is dead, the next wave is RaaS**（SaaS已死，下一波是RaaS）”。但主流企业被 **SaaS**（Software as a Service）教育了差不多20年，很习惯为 **SaaS**（Software as a Service）付费。我相信今天美国的很多公司估值也是基于 **SaaS**（Software as a Service）的，但是 **SaaS**（Software as a Service）最近估值被打得很厉害，掉了百分之五六十、六七十。你成也萧何败也萧何，不能光占便宜不挨打。 所以，如果你今天站在一个科技公司去给企业讲，讲成 **SaaS**（Software as a Service）企业可能更容易理解。但美国已经开始有所转变。去年的红杉峰会上，Christian说 **AI**（Artificial Intelligence）第一次软件替代的不是工具，是劳动力市场，那其实已经是 **RaaS**（Result as a Service）的概念，而不是 **SaaS**（Software as a Service）。这是美国人第一次大规模提出来，但我们中国人早就做了。现在美国按用户来讲，百分之七八十可能还是习惯 **SaaS**（Software as a Service），但从供给侧，包括创业者和资本，已经有50%的人开始认为下一波可能不是 **SaaS**（Software as a Service）。**Agent**（智能体）本身替代的不是工具，不是螺丝刀，而是拧螺丝刀的那个人，那个员工。从供给侧来讲，50%的都会同意这个观点，在中国可能更高。中国企业就像早几年我在做AI的时候，上门很多企业也会觉得你是骗子。你现在到美国企业直接跟他说 **RaaS**（Result as a Service），他们也不习惯，也会问你是不是还是要习惯卖多少个 **seat**（坐席: 软件许可或服务使用权的单位）。 这里需要仔细区分：**坐席**（Seat）是站在企业内部用户角度来看，而 **Agent**（智能体）是作为供给侧，给你派多少个员工。**Agent**（智能体）本质上就是员工。你的坐席消失了。我们去年在谈一个做通信呼叫中心软件的企业的合作，它的定价模型是我有多少人坐在那里接打电话，一个用户收多少钱，这是典型的 **坐席**（Seat）模式。当时他不是很积极。到了去年9月份，他跟我讲：“韶峰总，要不然你把我收购了。”我问他为什么有这个想法，他说突然发现AI进来后，他的定价模型基础消失了。因为那个 **坐席**（Seat）本身被 **AI Agent**（AI智能体: 能够自主感知、决策和执行任务的AI）替代了。他是按人类 **坐席**（Seat）来计价的，我们公司已直接把那个 **坐席**（Seat）本身替代了。他定价基础是坐席数乘以单价，坐席数变成0了，那单价再高也没有用了，乘以0嘛。这个非常直接地体现了这次AI不是一个更好的工具，是直接替代当时拧螺丝的那个人。以前是想人类 **坐席**（Seat）利用软件通信软件，你是我的螺丝刀，他是我的改锥，另外是我的铲子而已。你不是在做另一把更好的铲子，你之前用铲子的人都没了呀。所以这个是非常深刻的变化。 ### 中国AI应用的挑战：数据复杂性与付费意愿 在中国，现在企业不管是不是 **RaaS**（Result as a Service），他跟我谈就是你要帮我多赚钱，要帮我多省钱。这是在中国更明显的现象。我们前不久和一个企业接触，想给他卖一种介于纯结果和工具软件之间的东西。没想到他直接跟我讲：“你帮我把东西卖出去，我们分成。”我说你那个行业我也不懂，不是所有行业我都能做成这个样子，我要有 **know-how**（专业知识）。所以我说我把我们认为的资源给你行不行？他说行啊，但只愿意付两块钱。在中国，我这个 **Token**（令牌: 大语言模型处理文本的基本单位）成本是你的10倍。如果 **Sam Altman**（OpenAI CEO）或 **Anthropic**（一家AI研究与安全公司）的 **CEO Dario Amodei**（Anthropic CEO）到中国来，一定会被气死。中国传统企业老板很直接：“帮我挣钱，帮我省钱，最好量化。” 我们就真的在认真考虑这种模式，能不能帮 **B2B**（Business to Business: 企业对企业）企业某种方式把它交易达成，然后分成。因为我们以前是帮 **B2C**（Business to Consumer: 企业对消费者）企业用AI去聊天说话，然后达成交易。但 **B2C**（Business to Consumer）复杂得多。居然有老板也那么要求我们。我们以前做零售企业数字化转型时，碰到一个最难回答的问题之一是：我们做了一个数字营销，店长说：“是来人了，但关键是人到了我的店里面，我服务得好，这个钱是我自己挣的，关你们什么事？”这非常非常典型地说明中国软件为什么赚不到钱。你不好归因，这个叫 **attribution**（归因: 确定某个结果是由哪个因素或行动导致的）。尤其是没有办法量化的 **attribution**（归因），所以他就会压榨你，压到底最后给你付一点点钱，说都是我的。你根本跑不动你那套东西，你也没法证明你有多大价值。所以这些东西就变成过程的钱，在中国很难赚到。 过程的钱赚不了那怎么办呢？一头一尾嘛。要么就是我给你带来流量，像 **字节跳动**（ByteDance: 中国互联网科技公司）这种；要么就是我把你 **call center**（呼叫中心: 负责处理客户电话咨询和服务的部门）收了，投资你外包。要么就是我给你带来一个可以量化的结果，你只要签yes跟no。这个过程我不管你员工是晋升、淘汰还是裁员，我只搞定你老板。你老板点头了，说采用采用完结果拿过来，你认账，你不会说你骗我，没有这么多。这是你招来的。对，我能行，我能够单子给你刷出来这个量，我能做出来你就签单给我付钱。那有可能只能赚这两种钱了。中国就是这样的，非常痛苦。 ### 中国AI的机遇与未来：悲观中的乐观 我的股东现在不 **challenge**（挑战: 对某事提出质疑或反对）我做 **SaaS**（Software as a Service）了，但是他也问我最担心什么。我坦白讲，我对百融智能做 **AI Agents**（AI智能体）这个企业级智能体市场很有自信，因为我们被揉搓了10多年，不是今天才开始做。但我最担心的是整个中国，整个智能体就是AI应用层企业，假设最后商业模式还转不过来，就是甲方还是“哇我招个标，我本来预算500万，最后啪啪啪相互打架砍得只剩50万，最后还要交付源代码”。如果还是这么搞，我觉得中国AI十年之内都没戏。 我觉得我们要乐观。我们有一个非常大的前提是人一定会减少，层级一定会减少，这是不需要再去验证的，事实情况是往这个方向走。只要人减少了，机会就有。我绝对乐观。因为我看的是另一个角度，这一波AI竞争是全球化竞争，只有中美是断崖式领先，无论是模型层面还是应用层面。未来我们的市场也是全球化的市场。如果中国企业在AI这一波谁转得好、转得快，或者谁醒悟得早，公司员工老板一起狠抓往前跑，那未来的星辰大海绝对不是说在内部跟现有的竞争格局下来竞争。 我以前在 **Oracle**（甲骨文）和 **IBM**（国际商业机器公司）这两个典型服务大企业的公司工作过，看到了中国一些软件公司活得有多惨，基本上就是纯粹的人力外包，还要交付源代码。当股东问我的时候，那个时候还免费“白嫖”咨询，所以我说我是中性的，既不悲观也不乐观。我毕竟干的就是 **RaaS**（Result as a Service）这个模式。但是我又见到了中国那些大企业，他们长期习惯于把一堆乙方召过去，“你给我这个项目多少钱，一共就那么多钱，明年基本就没钱了，你要做源代码”，甚至直接人力外包。所以那时候你问我的乐观程度还是五五开。 但最近一两年我又变得更乐观一点，我觉得是“内忧外患”。首先经济有压力，大部分企业要增员变得比较困难，他们意识到以前“不大不了招个员工呗”，现在好像不太容易了。其次，我们这个模式他至少不会吃亏。你这个员工好不好用，我就先试用你两三个月不给钱的，不行我就不续约，随时解聘。真正员工还得赔钱，还得培训，还有社保问题。所以现在我比以前更乐观一些。 现在已经开始有一些转变。我们以前做的更多是，他本来就这广告就外包出去的，只是外包给了百融智能，我们用AI员工干活，他以前那个另外供应商用的是人类员工。现在已经开始一些超大型机构说：“哎，我的内部岗位也可以考虑采用你的。”原话一个很大的银行的副行长主动给我发消息，说：“我可以考虑雇佣你们的硅基员工。”那这个就是一些信号、一些变化，很难再增员了。 ### 中国AI战场的复杂性：污染还是机遇？ 我还有一个问题想请教，中国企业的复杂度，不管是流程复杂度、业务复杂度，包括最后反映出来，你在卖他数字员工的时候，可能体现出来的是数据复杂度。这种这么多复杂的数据，到底是对我们的AI来说是好，还是一种污染？还是说这是一个对练，中国AI是最佳战场？你把这些都搞定，把老板“小九九”都搞明白了，这是最佳战场还是垃圾场？ 我以前在 **Oracle**（甲骨文）的那个大组是 **Data Warehouse and Business Intelligence**（数据仓库与商业智能: 利用数据仓库技术存储和分析商业数据，以支持决策制定），就是处理数据。我只搞 **数据挖掘**（Data Mining: 从大量数据中发现有意义模式和规律的过程），那是 **machine learning**（机器学习: 计算机科学领域，使计算机系统能够从数据中学习而无需明确编程）的一个很小细分。但别的大部分同事都是搞数据仓库的，处理清洗数据之类的，经常有一句话叫“垃圾进垃圾出”。给我的数据是垃圾，我输出的一定是垃圾。我自己专长在 **machine learning**（机器学习），但经常和同事们合作，他们清洗好的数据喂给我的 **机器学习模型**（Machine Learning Model: 通过学习数据来执行特定任务的算法或系统）。 中国的很多企业，他们连知识库都没有。比如我们最近接触一个企业，他要我们给他做AI客服，但他没有好的历史知识库。全是人类员工在脑子里回答问题，数据数字化都没做好，连知识库都没有整理。那你没有整理怎么做 **RAG**（Retrieval-Augmented Generation: 检索增强生成，结合信息检索和文本生成的技术）？你连 **RAG**（Retrieval-Augmented Generation）都没办法做了。去年有一家企业找到我们，说他们有个痛苦，很大的需求是培训新员工。但有能力培训新员工的都是资深老员工，他们有很多原因不干这个事：第一，我很忙要出去见客户，时间应该花在客户身上；第二，内心不愿意教别人。老师傅都不愿意这样。 其实中国企业理论上来讲，比美国更需要 **Palantir**（一家美国软件公司，专注于大数据分析和反恐），但是由于付费模式，**Palantir**（一家美国软件公司）在中国一定死翘翘了，因为它早期很重人力。它是纯项目制公司，人肉公司，活不下来的。所以这就很悖论，中国企业比美国更需要 **Palantir**（一家美国软件公司），但是 **Palantir**（一家美国软件公司）这个模式中国又很难存活。 我们可不可以帮企业做？可以，但是你愿不愿意？因为我帮你整理了知识库，帮你处理 **SOP**（Standard Operating Procedure），你愿不愿意付点费用？这时候问题就来了，因为前面很重。那段很重的典型客户会告诉你：“韶峰总，这个数据很有价值啊，以后你拿去用。”这也是一种“白嫖”，很多甲方都是这样。他会告诉你：“你知道吗，你把我弄成样板，你赚别人的钱。”每个人都那么忽悠你。 另一种方法是什么？有和以后 **智能体**（Agent）我们从前年就开始讨论，我说你看跟以前做数据仓库项目似的，最大的工作量不在训练 **智能体**（Agent），而是训练 **智能体**（Agent）前半段的数据准备工作，这占了百分之七八十工作量。能不能用AI来做？我们公司内部已经开始了。因为这种工作以前很难用AI去做，因为它属于长程任务，要完成几十个步骤才能清理出来。**OpenCaw**（一个新兴的AI Agent公司）为什么可怕？它第一次让大家看见长程任务，所谓的 **long horizon Agent**（长程智能体: 能够规划和执行一系列复杂任务，以达成长期目标的AI），成为了可能性。我们希望在技术上能解决。但如果说你连基本的文档数据库都没有，那没办法，因为全在脑子里。你在脑子里，你口述行不行？然后我就非得蒸馏下这个人才行。所以说老员工去录播客“蒸馏”他也不是开玩笑。你这还多模态“蒸馏”了，把语音“蒸馏”出来也行。这个很痛苦、很复杂的问题，很重要。 但他不愿意给你付钱。这一点我觉得，我有段时间我对中国的企业级AI应用和美国比还是比较悲观的，很多历史原因造成的。美国也有很多企业也是这样，很原始，但他愿意付钱。因为美国有很好的付费习惯，只要我用你的服务，不管是个人服务还是企业服务，我一定给你付钱。中国不是这样。我觉得这纯粹是商业环境的问题。美国这边一是在也是被打出来的，你不付钱到时候真的有法律纠纷。那中国问题是说大家都没做过，你这个做有多少价值我判断不了，那我就先不付钱呗，大家先互相“扎着”呗，我给你画个饼你给我画个饼，那毕竟还有人愿意做，你“不做”总有人愿意给他免费做或者收很少钱做。 但我觉得现在AI时代不一样。我也特别看好 **OpenCaw**（一个新兴的AI Agent公司）这种 **Agent**（智能体）模式，就是长程任务这种模式，之后变成可以比较低的成本把以前需要用爱发电的事做了。做完之后如果对方还不愿意付钱，加上AI能力，没准他的活我真能干了。就像之前说的，他把那活想甩给您干，那以前不想干是因为我没有这个能力，我没有这个资源，现在可以了。我就把你这个行业我就进入了嘛。其实反倒是有，所以印度外包行业被干掉了嘛，印度工程师搞不过华人工程师了，因为他那工作已经被AI替代了，我们中国人没有替代他们。 之前真的有很多企业来找我，说能够定制一下吧。我之前都是不接的。但是自从有很多降成本、各种降以后，自从我们内部有很多这种 **AI员工**（AI Employee: 能够执行员工职责的AI系统）、**Agent**（智能体）出现以后，其实有时候真的我们会被钱打动的，你给钱给够我敢接的，我会接你外包的。是因为你给够嘛，我只要 **FTE**（Full-time Equivalent: 全职当量，衡量员工工作量的单位），我让AI做嘛。对不对？我只要我内部的AI足够强，能够把你外包给接了。你反正就是包个人嘛，你包给印度也是包。总结那句话，我们这个员工，只要你看不见你也不知道是真人还是AI，反正把活干了，**get things done**（完成任务: 有效地处理事务并达成目标）。我们是肯定给你搞定了，这不就是 **RaaS**（Result as a Service）嘛，我把 **result**（结果: 任务完成后的产出）给你了嘛，最后这是 **RaaS**（Result as a Service）。 这话说回来，对自我的要求其实是很高的。我企业里面真的就是说这些岗位产写产品文档的、做测试的、这些做前端的，你真的AI化了，你才能敢这么做吗？我们是真的在自己的这个小环境里面实现了“**同事 skill**（同事技能: 指AI具备并能协同人类完成工作的能力）”。我们只是说我们在监督这些AI在做事，也不是没有完全无人监管。假如按照自动驾驶来对比，我们还是L2级的自动驾驶，不是L4级的，但是够用，能交付最后端到端的这个结果。所以说如果非要 **call back**（回溯: 回顾或引用之前的论点），我觉得没有什么“**同事 skill**（同事技能）”，要想“蒸馏”还是先“蒸馏”老板，真的把老板先“蒸”出来。**CEO skill**（CEO技能: 指CEO的领导和管理能力），把 **CEO**（Chief Executive Officer）“蒸馏”出来之后，老板先懂要干什么，然后才知道要什么，然后知道要什么的时候，**SOP**（Standard Operating Procedure）可能才会出现。所以先把老板“蒸馏”了算了。我是很想“蒸馏”自己的，您现在韶峰总你现在就在“蒸馏”自己啊，都给我们录播客了。我非常希望，以后我们公司同事和那个数字版的张韶峰沟通交流。