蒸汽、钢铁与无限的大脑
作者：@ivanhzhao
每个时代都由其标志性的“奇迹材料”所塑造。
钢铁锻造了“镀金时代”（Gilded Age，指19世纪末美国经济飞速发展的时期）；半导体开启了数字时代。而现在，AI 作为一种“无限的大脑”降临了。如果历史能给我们什么启示，那就是：谁掌握了这种材料，谁就定义了这个时代。
左图：少年时的安德鲁·卡内基和他的弟弟。 右图：镀金时代匹兹堡的钢铁厂。
19 世纪 50 年代，安德鲁·卡内基还只是个穿梭在匹兹堡泥泞街道上的电报员。当时，十个美国人里有六个是农民。但在随后的两代人时间里，卡内基和他的同辈们锻造出了现代世界的雏形。马车让位给了铁路，烛光让位给了电力，生铁让位给了钢材。
从那时起，工作的重心从工厂转移到了办公室。如今，我在旧金山经营一家软件公司，为数百万知识工作者打造工具。在这个科技重镇，每个人都在谈论 AGI（通用人工智能），但全球二十亿案头工作者中的绝大多数，还没真正感受到它的冲击。未来的知识工作会是什么样？当组织架构图中融入了永不休息的大脑，会发生什么？
早期的电影看起来就像舞台剧，只有一个镜头对着舞台拍摄。
预测未来之所以难，是因为未来总爱乔装成过去的样子。早期的电话通话简短得像电报；早期的电影看起来就像是把摄像机架在观众席拍的话剧。正如麦克卢汉（Marshall McLuhan，著名传播学家）所说，我们总是“透过后视镜驶向未来”。
如今最流行的 AI 形态，看起来就像以前的谷歌搜索框。借用麦克卢汉的话：“我们总是透过后视镜驶向未来。”
今天，我们看到的 AI 聊天机器人，模仿的正是谷歌搜索框。这正是每一次技术变革都会经历的尴尬过渡期，我们正深陷其中。
对于接下来会发生什么，我也没有全部答案。但我喜欢用几个历史隐喻来推演 AI 将如何在不同层面上发挥作用——从个人，到组织，再到整个经济体。
个人层面：从自行车到汽车
最初的端倪出现在知识工作的“大祭司”群体中：程序员。
我的联合创始人 Simon 就是我们常说的“10倍程序员”（指效率极高的大神），但他这些天很少亲自写代码了。路过他的工桌，你会看到他正在同时指挥三四个 AI 编程智能体（AI Agents）。这些智能体不仅打字快，它们还会思考。这让 Simon 变成了一位“30-40倍工程师”。他在午餐或睡前把任务排进队列，让它们在他离开时继续工作。他已经变成了一位管理无限大脑的经理。
20 世纪 70 年代《科学美国人》关于移动效率的研究启发了史蒂夫·乔布斯著名的“大脑的自行车”这一比喻。只是在那之后的几十年里，我们一直在信息高速公路上费力地踩着单车。
20 世纪 80 年代，史蒂夫·乔布斯将个人电脑称为“大脑的自行车”。十年后，我们铺设了互联网这条“信息高速公路”。但直到今天，大多数知识工作依然是人力驱动的。这就像是在德国无限速高速公路上踩单车。
有了 AI 智能体，像 Simon 这样的人已经从骑自行车升级到了开汽车。
其他类型的知识工作者什么时候也能配上车？这需要解决两个问题。
与编程智能体相比，为什么 AI 更难辅助通用的知识工作？因为知识工作更加碎片化，且难以验证。
第一个难题是上下文碎片化（Context Fragmentation）。 写代码时，工具和上下文往往集中在一个地方：IDE（集成开发环境）、代码库、终端。但通用的知识工作分散在几十个工具里。想象一下，一个 AI 智能体试图起草一份产品简报：它需要从 Slack 的讨论串、战略文档、上个季度的仪表盘数据，以及仅存在于某人脑海中的“机构记忆”里提取信息。如今，人类是那个“胶水”，通过不断的复制粘贴和浏览器标签切换，把这一切缝合在一起。在上下文无法整合之前，智能体只能被困在狭窄的应用场景里。
第二个缺失的要素是可验证性（Verifiability）。 代码有个神奇的属性：你可以通过测试和报错来验证它。模型制造者利用这一点训练 AI 更好地编程（例如通过强化学习）。但是，你如何验证一个项目是否管理得当？或者一份战略备忘录写得好不好？我们还没找到改进通用知识工作模型的方法。因此，人类仍然需要介入，去监督、去指导，去定义什么是“好”。
1865 年的《红旗法案》要求车辆行驶时必须有人手持红旗在车前开路（该法案于 1896 年废除）。这是一个糟糕的“人类在环路中（human in the loop）”的例子。
今年的编程智能体教会了我们一件事：拥有“人类在环路中”并不总是好事。这就像让一个人亲自检查流水线上的每一颗螺丝，或者为了安全让人走在汽车前面开路（参见：1865 年的《红旗法案》）。我们希望人类站在更有杠杆效应的高度去监督，而不是陷在循环里。一旦上下文被整合，工作变得可验证，数十亿工作者将从骑自行车进化到开汽车，进而从驾驶进化到自动驾驶。
组织层面：钢铁与蒸汽
“公司”其实是一个相当现代的发明。但在扩张过程中，它们往往会效能衰退，直至触碰天花板。
1855 年纽约和伊利铁路公司的组织结构图。现代公司制度和组织架构图是随着铁路公司演变而来的，因为铁路公司是第一批需要协调数千人跨越巨大地理距离的企业。
几百年前，大多数公司只是十几个人的作坊。现在我们有拥有数十万员工的跨国公司。通信基础设施（通过会议和信息连接的人脑）在指数级的负载下不堪重负。我们试图用层级、流程和文档来解决这个问题。但这就像是用木头盖摩天大楼——我们在用人类尺度的工具解决工业尺度的问题。
两个历史隐喻向我们展示了，拥有新“奇迹材料”的未来组织将会多么不同。
钢铁奇迹：1913 年在纽约竣工的伍尔沃斯大楼是当时世界上最高的建筑。
第一个是钢铁。 在钢铁普及之前，19 世纪的建筑高度限制在六七层左右。铁虽然坚硬但易碎且沉重；再加几层，结构就会在自身重量下坍塌。钢铁改变了一切。它既坚固又有延展性。框架可以更轻，墙壁可以更薄，突然间，建筑物可以拔地而起几十层。新型建筑成为了可能。
AI 就是组织的“钢铁”。它有潜力在工作流中保持上下文，并在需要时排除噪音做出决策。人类的沟通不再必须是那面“承重墙”。每周两小时的对齐会变成五分钟的异步审阅。以前需要三级审批的高管决策，可能几分钟内就能完成。公司将能够扩大规模，真正地扩大规模，而不再伴随着我们已习以为常的效能衰退。
一个用水车提供动力的磨坊。水力虽然强大，但不可靠，而且将磨坊限制在特定的地点和季节。
第二个故事关于蒸汽机。 在工业革命初期，早期的纺织厂坐落在河流溪流旁，由水车驱动。当蒸汽机出现时，工厂主最初只是把水车换成了蒸汽机，其他一切照旧。生产力的提升非常有限。
真正的突破发生在工厂主意识到他们可以完全摆脱水源的时候。他们在离工人、港口和原材料更近的地方建立了更大的工厂。并且，他们围绕蒸汽机重新设计了工厂（后来，当电力上线时，工厂主进一步去中心化，取消了中央动力轴，将小型电机安置在工厂各处的机器旁）。生产力随之爆炸，第二次工业革命真正腾飞。
这幅 1835 年由托马斯·阿罗姆绘制的版画描绘了英国兰开夏郡的一家纺织厂。它由蒸汽机驱动。
我们现在仍处于“替换水车”的阶段。仅仅是把 AI 聊天机器人强行“拧”在现有的工具上。我们还没有重新构想：当旧的束缚消失，当你的公司可以依靠在你睡觉时仍在工作的无限大脑运转时，组织会变成什么样？
在我自己的公司 Notion，我们一直在做实验。除了 1000 名员工外，现在还有 700 多个智能体在处理重复性工作。它们做会议记录并回答问题，以综合部落知识（Tribal Knowledge，指团队内部口口相传的隐性经验）。它们处理 IT 请求并记录客户反馈。它们帮助新员工入职，了解员工福利。它们撰写每周状态报告，这样大家就不必复制粘贴。这还只是起步。真正的收益上限仅取决于我们的想象力和惯性。
经济体层面：从佛罗伦萨到超级都市
钢铁和蒸汽不仅改变了建筑和工厂。它们改变了城市。
直到几百年前，城市还是以人类为尺度的。你可以在四十分钟内步行穿过佛罗伦萨。生活的节奏取决于一个人能走多远，声音能传多远。
后来，钢结构让摩天大楼成为可能。蒸汽机驱动的铁路将市中心与腹地连接起来。电梯、地铁、高速公路紧随其后。城市的规模和密度爆炸式增长。东京、重庆、达拉斯。
这些不仅仅是放大版的佛罗伦萨。它们是完全不同的生活方式。超级都市令人迷失、充满匿名感、难以导航。这种“不可读性”是规模带来的代价。但它们也提供了更多的机会，更多的自由。更多的人以更多的组合做更多的事，这是以人类为尺度的文艺复兴城市所无法承载的。
我认为知识经济正处于同样转型的边缘。
今天，知识工作几乎占据了美国 GDP 的一半。其中大部分仍以人类尺度运作：几十人的团队，由会议和邮件把控的工作流，一旦超过几百人就会不堪重负的组织。我们是在用石头和木头建造佛罗伦萨。
当 AI 智能体大规模上线时，我们将建造“东京”。组织将包含成千上万的智能体和人类。工作流将跨越时区持续运行，无需等待某人醒来。决策将由恰到好处的人类介入来综合完成。
这种感觉会很不一样。更快，杠杆率更高，但起初也会更让人迷失方向。周会、季度计划周期和年度审查的节奏可能不再有意义。新的节奏将会涌现。我们会失去一些清晰度（Legibility）。但我们将获得规模和速度。
走出“水车时代”
每一种奇迹材料都需要人们停止通过后视镜看世界，并开始想象那个新世界。卡内基看着钢铁，看到了城市的天际线。兰开夏的工厂主看着蒸汽机，看到了摆脱河流束缚的工厂车间。
我们仍处于 AI 的“水车时代”，把聊天机器人硬塞进为人设计的工作流中。我们需要停止只把 AI 当作副驾驶（Copilot）。我们需要去想象，当人类组织由“钢铁”加固，当繁琐的工作被委派给永不休息的大脑时，知识工作将会是什么样子。
蒸汽、钢铁、无限的大脑。下一道天际线就在那里，等待我们去建造。