大家 可能 還 記得 以前 文章 中 提過(guò) 這張圖 ：

https://www.linkedin.com/pulse/openais-new-5-stages-ai-development-agi-adoption-sohn-cfa-wckfc/

這圖左邊總結(jié)了這樣一個(gè)觀點(diǎn)：

增強(qiáng)的極限是1人公司，而自動(dòng)化的極限是0人公司。

這是在本書(shū)過(guò)程中我老師發(fā)我的一個(gè)參考，也是我第一次看到有其他的人在思考《無(wú)人公司》。

那為什么說(shuō)無(wú)人公司是未來(lái)的方向而不是簡(jiǎn)單的增強(qiáng)？

1人公司大概率是種幻覺(jué)

我有個(gè)很好的朋友，海外知名大學(xué)的PhD，有豐富的一線(xiàn)實(shí)戰(zhàn)經(jīng)驗(yàn)，一直就在真的實(shí)踐一人公司。

前兩天晚上和我聊天說(shuō)：我得招人了，流量這玩意得一直有工作量頂著，全我自己干太耽誤事了。

我?guī)缀鯖](méi)碰到過(guò)在產(chǎn)品、算法、編程上比這兄弟還綜合的人，他如果扛不住，那一般人就更不可能扛的住。

那問(wèn)題出在哪里了呢？

核心在于人是不是在業(yè)務(wù)主流程里面。

人用十八般武器去完成一個(gè)活是1人公司。

人不在主流程里面，扮演原則確定等股東會(huì)、董事會(huì)的角色，AI用18搬武器完成公司的活是《無(wú)人公司》。

人只要在主流程里面，那就一定碰到各種挑戰(zhàn)：

你的業(yè)務(wù)可能需要你24小時(shí)在線(xiàn)，為了更賺錢(qián)，你可能需要同時(shí)出500個(gè)設(shè)計(jì)方案以供篩選，你可能需要記住所有和業(yè)務(wù)相關(guān)的細(xì)節(jié)好完成售后服務(wù)等等。

所有這些都會(huì)讓公司往傳統(tǒng)金字塔方向發(fā)展，除非沒(méi)跑通，否則就需要雇傭越來(lái)越多的人。

這意味著什么呢？純粹的1人公司往往只能做很小、很特別的事。

避免這個(gè)的唯一方式就是把人從具體和業(yè)務(wù)相關(guān)的工作中解脫出來(lái)，全交給AI去做，也就是我們說(shuō)的無(wú)人公司。

顯然的后者是難的，需要人在認(rèn)清現(xiàn)實(shí)的前提下，思考很多東西，但把應(yīng)對(duì)AI沖擊簡(jiǎn)單化，大概率是只有安慰劑的作用會(huì)耽誤事的。

當(dāng)然我之所以如此確信，不是因?yàn)樯厦孢@種簡(jiǎn)單演繹。

最核心的信心來(lái)源其實(shí)是我長(zhǎng)期做這事，這些直接體感是更主要的信心來(lái)源。

我驗(yàn)證了什么？

我們是不是可以做一套：Token進(jìn)，錢(qián)出來(lái)的系統(tǒng)？

答案其實(shí)是可以的。

到現(xiàn)在為止我自己操刀實(shí)現(xiàn)過(guò)三代與此相關(guān)的系統(tǒng)。最后一代最貼近這個(gè)目標(biāo)。

第一代系統(tǒng)是只管理AI智能體不管人的系統(tǒng)。

當(dāng)時(shí)是模仿亞馬遜Alexa（協(xié)議兼容），我們自己則把產(chǎn)品命名為Azero，取義：一元復(fù)始萬(wàn)象更新。

最多時(shí)候日活設(shè)備數(shù)應(yīng)該有幾十萬(wàn)（有點(diǎn)記不清楚了）。

這套系統(tǒng)讓我認(rèn)識(shí)到其實(shí)可以做一套系統(tǒng)來(lái)全自動(dòng)管理多角色，每個(gè)角色可以具有完全不一樣的功能。

但在大模型出來(lái)之前，它上限很低，由于自然語(yǔ)言處理算法不靈，只能處理簡(jiǎn)單命令，沒(méi)啥大用。

第二代系統(tǒng)是給公司里面每個(gè)人、每個(gè)角色配一個(gè)增強(qiáng)的助手。（主要是增強(qiáng)人的能力）

一度起名叫Datrix（從Matrix來(lái)的靈感），簡(jiǎn)單來(lái)說(shuō)就是把智能音箱變成一個(gè)專(zhuān)門(mén)的企業(yè)里面的助手，并且這個(gè)助手要主動(dòng)做很多工作，比如把市場(chǎng)反饋、內(nèi)部規(guī)則的運(yùn)轉(zhuǎn)情況發(fā)到每個(gè)角色、每個(gè)人等等。BI等功能被自動(dòng)化了。

這產(chǎn)品本質(zhì)上和估值56億美金的Glean非常非常像。也跑起來(lái)了，可局限在公司里面運(yùn)轉(zhuǎn)，沒(méi)做對(duì)外的商業(yè)化。

它碰到的核心問(wèn)題是數(shù)據(jù)的成本太高。比如需要CRM的數(shù)據(jù)，而CRM的數(shù)據(jù)需要人為填寫(xiě)，這幾乎就不可能準(zhǔn)。同時(shí)跨多個(gè)系統(tǒng)的時(shí)候，數(shù)據(jù)的一致性確保也很成問(wèn)題。

我最終結(jié)論是：這套系統(tǒng)有用，但擴(kuò)大效用空間碰到巨大問(wèn)題。而這問(wèn)題的解決需要改變生產(chǎn)關(guān)系，大模型進(jìn)步不進(jìn)步幫助不大。

改變生產(chǎn)關(guān)系的事根本就不是一個(gè)產(chǎn)品能負(fù)擔(dān)的，大致等于不靠譜。

第三代系統(tǒng)則是一套Token進(jìn)，錢(qián)出來(lái)的系統(tǒng)。

從第二代系統(tǒng)可以得出個(gè)基本結(jié)論：數(shù)據(jù)的管理如果不在AI系統(tǒng)百分百控制下，那數(shù)據(jù)成本就會(huì)不可控制。而數(shù)據(jù)的管理要想百分百可控制，那最優(yōu)的顯然是無(wú)人公司。

而第一代系統(tǒng)加上AI大模型一直突飛猛進(jìn)則從側(cè)面說(shuō)明：?jiǎn)谓巧?、多角色協(xié)同的戰(zhàn)斗力都可以不停拉升。并且這種提升是非線(xiàn)性的。

所有這些加在一起，特別自然的結(jié)論就是：未來(lái)的公司幾乎一定是無(wú)人公司。

而顯然的幾乎所有人都在研究怎么走增強(qiáng)路線(xiàn)，這種新路線(xiàn)的關(guān)注度是不夠的。

我看到了什么？

思考這類(lèi)事的時(shí)候，也不能閉門(mén)造車(chē)。有一種就自己發(fā)現(xiàn)絕世武功的秘密快感是非常危險(xiǎn)的。

必須得同步看看世界上具體在發(fā)生什么。

結(jié)果越看越發(fā)現(xiàn)這種時(shí)代聲音的前奏已經(jīng)震天的響就差把鼓敲破了。

1.傳統(tǒng)出租車(chē)公司 VS 滴滴 VS Robotaxi(國(guó)內(nèi)之前蘿卜快跑打了個(gè)樣)

從外部也可以發(fā)現(xiàn)這是三類(lèi)不一樣的“東西”。

傳統(tǒng)出租車(chē)公司中信息低速流轉(zhuǎn)，全靠人和人進(jìn)行“接頭”。內(nèi)部司機(jī)的管理是，司機(jī)和乘客的服務(wù)也是。

到滴滴其實(shí)是司機(jī)和乘客間的服務(wù)被重定義了，基本是算法驅(qū)動(dòng)。但司機(jī)和滴滴間的關(guān)系還不是，所以你會(huì)經(jīng)常聽(tīng)到各種抱怨：老給我派很差的單等等。

到最后一類(lèi)就變成了完全的算法驅(qū)動(dòng)。

怎么跑更安全、更快、那臺(tái)車(chē)歷史記錄什么樣子清清楚楚的被數(shù)字化了。

只要理智點(diǎn)，你會(huì)發(fā)現(xiàn)這近似于命運(yùn)，只要技術(shù)夠幾乎一定進(jìn)化成最后一種。

這時(shí)候強(qiáng)調(diào)AI可以讓司機(jī)更好的開(kāi)車(chē)是沒(méi)意義的。

2. 傳統(tǒng)服裝品牌 VS AI驅(qū)動(dòng)的T恤商業(yè)體

可以構(gòu)建一個(gè)特別傳統(tǒng)組織多個(gè)團(tuán)隊(duì)協(xié)作完成信息收集、設(shè)計(jì)、生產(chǎn)、銷(xiāo)售的工作。

也可以采取一種新的方式：

建立一個(gè)和T恤相關(guān)的領(lǐng)域模型，根據(jù)這個(gè)模型收集全網(wǎng)數(shù)據(jù)，捕捉相關(guān)熱點(diǎn)，然后根據(jù)熱點(diǎn)出設(shè)計(jì)方案，再之后把設(shè)計(jì)方案扔給制造工廠，同時(shí)上線(xiàn)營(yíng)銷(xiāo)也托管給AI。整個(gè)過(guò)程基本AI agent驅(qū)動(dòng)，雖然必要環(huán)節(jié)有人介入復(fù)核等，但那是人輔助AI。

類(lèi)似的還有做美甲，跨境做褲頭的。

這已經(jīng)非常明顯，如果需要快速響應(yīng)熱點(diǎn)，大量級(jí)出設(shè)計(jì)方案，快速上線(xiàn)銷(xiāo)售，傳統(tǒng)方式就不可能干過(guò)后一種方式。

核心問(wèn)題是這種模式現(xiàn)在沒(méi)法無(wú)邊界的擴(kuò)展自己的業(yè)務(wù)范圍。

做深的前提是做窄，否則AI的能力不夠的。

3. 傳統(tǒng)炒股 VS 高頻量化

高頻量化從數(shù)據(jù)獲取到實(shí)盤(pán)只能是AI+算法驅(qū)動(dòng)。人參與的策略部分很像幫助AI修改腦子。

4. 傳統(tǒng)運(yùn)維 VS AI接管數(shù)據(jù)中心運(yùn)營(yíng)

Deepmind報(bào)過(guò)一次自己的ai接管google的數(shù)據(jù)中心。各種溫度控制由AI接管。

5. 傳統(tǒng)物流 VS AI驅(qū)動(dòng)的物流

這里面亞馬遜物流的數(shù)據(jù)資料比較多，在里面可以比較清晰的看到，AI逐漸在接管這套系統(tǒng)。

在這個(gè)序列下，甚至抖音、外賣(mài)、搜索等也可以看成是一種前奏，大家可以自己琢磨下，比如：到底是誰(shuí)在管理抖音這個(gè)龐大的用戶(hù)群體？

還有些這里不都展開(kāi)了，這方向感興趣可以關(guān)注下上面說(shuō)的書(shū)。

小結(jié)

在這種背景下，我真的很難相信公司還會(huì)一如既往，只是導(dǎo)入個(gè)DeepSeek每人都用用就OK了。在我的理解里，那只是一個(gè)微不足道的起點(diǎn)，而真正在AI大潮里面重新確立自己的角色遠(yuǎn)比想的辛苦。

（這有個(gè)過(guò)渡周期，在有些領(lǐng)域也會(huì)長(zhǎng)期存在，但很可能不是未來(lái)的主流）

額外需要一提的是：

一邊是說(shuō)大力丸吃了包治百??；

一邊是說(shuō)你得自己思考，只有你自己能找到自己的答案，授人以漁最多能讓你少走彎路，但不能提供結(jié)果。

《無(wú)人公司》其實(shí)是后者，需要些額外思考的。前者或類(lèi)似預(yù)期可以別買(mǎi)，真的不是成功學(xué)。

注：入群進(jìn)一步探討或者加入AI碰撞局請(qǐng)聯(lián)系：shuixiu2024