6 月 26 日，正和島 2025 案例共學年會暨 AI+ 先行者創(chuàng)新大集在合肥舉辦，本次大會以“向新力”為主題，千余位企業(yè)家共同探討 AI 時代下的組織變革與商業(yè)格局。

會上，《無人公司》作者李智勇做了一場主題“AI時代無人公司的商業(yè)價值與意義”的演講。

在李智勇看來，人們在討論AI帶來的改善性的同時，不要忽略AI所帶來的破壞性。但破壞性中也孕育著巨大的機遇，無人公司就是一個AI商業(yè)新藍海。

在其看來，來五到十年內，AI的水平可能會再提高十倍，這個過程中，各種公司都會加速向無人公司的方向演進，這是必須面對的技術現(xiàn)實。

以下是李智勇演講精編，希望對你有所啟發(fā)。

口 述：李智勇 《無人公司》作者

編 輯：正風

來 源：正和島（ID：zhenghedao）

AI，正醞釀巨大的破壞性

大家好，很高興在這里和大家分享AI的話題。

我在AI公司做了十年左右的工作，有朋友問我，我的企業(yè)部署了一體機，也把DeepSeek等AI應用運用到了公司的各個角色上，那我算不算是擁抱了AI？

我的回答是，如果回到30年前，做百貨的同學有一樣的問題。他們也用電腦，也用互聯(lián)網(wǎng)，也用電子郵件，等十年后電商出現(xiàn)，大家發(fā)現(xiàn)這些改善不是互聯(lián)網(wǎng)本質的作用，而是催生出了電商這一平臺。

所以，一個大的技術往往既帶來改善，同時也醞釀著一個巨大破壞性的模式。我們現(xiàn)在談AI的時候，往往對改善性關注的比較多，對破壞性談的不多，所以我今天的分享主要是關于AI帶來的破壞性。

如果我們對這種破壞性做一個形象的表述，OpenAI CEO山姆·奧特曼的一句話是非常到位的，“未來十億美金的業(yè)務最終可能只有一個人”。

大家想想，十億美金的業(yè)務只有一個人，這個人顯然不是用來干活兒的，可能只有社會意義，十億美金的業(yè)務主要是靠AI創(chuàng)造的。目前，我們絕大多數(shù)企業(yè)當然是靠人來創(chuàng)造價值，所以說這是一個巨大的顛覆性。

這個事情本身是不是一種科幻？有人說這可能是企業(yè)家隨口一說，是企業(yè)家對遙遠未來的想象，其實不是的。

我們以出行服務行業(yè)為例，最早期的出租車公司，不管乘客還是出租車司機本身，出租車公司的所有價值全部都是由人來驅動的，背后是一個金字塔形的組織形態(tài)。

后來出現(xiàn)了網(wǎng)約車，網(wǎng)約車發(fā)生了什么變化？是相當大部分的價值創(chuàng)造轉移給了算法，哪個人用哪輛車，開什么樣的路線，包括對大量網(wǎng)約車司機的管理，全部都是由算法決策的。如果沒有算法，其實構建不了這樣龐大的一個業(yè)務體系。當然，網(wǎng)約車公司本身還是傳統(tǒng)的組織，還是有正常的組織結構的。

關鍵是事情還沒完，現(xiàn)在發(fā)生了什么？提供自動駕駛出行服務的蘿卜快跑前一陣在國內很火，后來沒有那么熱了，但自動駕駛這個事情在國外并沒有停歇下來，一直在持續(xù)進步。

自動駕駛出行服務是什么？就是出租車的駕駛員變成了自動駕駛的算法，每輛車的管理也由統(tǒng)一的算法進行調度。像谷歌Waymo每天服務的次數(shù)大概是2535次，這是公開數(shù)據(jù)，大家可以查到。

我們把出行服務行業(yè)的這三種公司放到一起看可以發(fā)現(xiàn)，整個商業(yè)創(chuàng)造價值的過程由以人為主體越來越多的轉向由算法來創(chuàng)造，當然，這個算法中很大一部分是AI算法。這是我們面對的本質性變化。

如果說Robotaxi（特斯拉發(fā)布的自動駕駛出租車）和蘿卜快跑這種模式進展到一定程度，它就可以變成十億美金的公司，但主要是由AI算法來驅動的。當前有一個數(shù)據(jù)，在整個加州無人驅動的Robotaxi在特定地區(qū)的比例大概是Uber的一半，如果全美鋪開，幾十億美金的業(yè)務的確由算法創(chuàng)造的，只有很少的人。

“AI—AI—AI”，

業(yè)務流程或將徹底重構

那么，這種事是不是只在自動駕駛等特定的領域才可能出現(xiàn)呢？不是的，AI大模型的本質作用在于讓剛才說的這種模式可以低成本地復制到N多不同領域里。

舉個例子，如果把一個賣T恤衫的過程簡化成四個環(huán)節(jié)，首先我們需要做設計，這就需要感知當前社會的潮流趨勢是什么，其次我們要能夠同時拿出N多個設計方案，然后是生產(chǎn)制造，最后銷售出去。

而如果融入了AI大模型，賣T恤衫的流程就會發(fā)生很大的改變。

第一，在整個感知環(huán)節(jié)，相當于所有非結構化數(shù)據(jù)的分析，大模型可以以很低的成本做得非常精確。我個人做了十年AI，在大模型出現(xiàn)之前，算法做這個事情非常吃力，特別不好使，要投入很多，適配性很窄。

第二，它可以同時給你提供N多種設計方案。綜合之前的算法可以讓生產(chǎn)更柔性，各種模特穿衣服的效果也能顯示出來，AI可以完全接管整個設計流程。

這時候會出現(xiàn)兩種模式：模式一，每個環(huán)節(jié)都引入智能體，但四個環(huán)節(jié)的核心負責人還是人，至少需要四個人來進行配合；

模式二，完全顛覆原來的生產(chǎn)銷售過程，四個環(huán)節(jié)的核心角色都是AI，由AI和AI配合來完成業(yè)務過程。如果說哪個環(huán)節(jié)的AI不能達成想要的精度，我可以補一個人。

這兩個模式的區(qū)別就在于整個企業(yè)價值的創(chuàng)造主體是AI還是人，如果主體是AI，就會帶來巨大的破壞性。

所以，大模型的通用度導致AI替代人這件事不局限在某個單獨的領域成立，而是可以擴展到很多領域。如果用這個視角來觀察，可以發(fā)現(xiàn)這樣的事情在很多領域都在發(fā)生，而不是單純的科幻想象，當然目前這件事還沒有大范圍的普及。

剛才說的T恤衫的例子其實有點像新電商，新電商不局限于T恤衫，還包括美甲和褲頭等等。我身邊已經(jīng)有朋友做這個事了，當然規(guī)模還不如傳統(tǒng)模式大，但至少說明這種新模式已經(jīng)出現(xiàn)了。還有人問，我們是不是可以把礦山的露天開采模式變成靠AI直接驅動機器去完成開采？新疆已經(jīng)有這樣的項目在嘗試了。

這里面最有意思的是DeepSeek，其實 DeepSeek這家公司很早就成立了，最早是做量化交易的，2016年就公開報道過，整個公司靠算法操實盤。2015年梁文鋒創(chuàng)辦私募公司幻方量化，2016年就達到了100億的規(guī)模。

還有很多數(shù)據(jù)中心也是由算法來管理的，像當年AlphaGo的算法很快就被用來管理谷歌等公司的數(shù)據(jù)中心，一些很龐大的數(shù)據(jù)中心其實并沒有大家想的那么多人。

這個事情可以繼續(xù)往下想一想，它的含義在于，過去人為驅動的價值創(chuàng)造模式在AI加入之后，可能變成“人—AI—人”的模式，但這個時候還是以過去的流程為主體，而當AI的參與度進一步加深后，整個業(yè)務流程就可能會變成“AI—AI—AI”。

二者有什么區(qū)別呢？過去商學院講的知識中有一個底層模型，這個模型可以歸結為“人—流程—工具”。人代表一個角色，流程相當于協(xié)調角色之間的配合，工具強化人和流程的能力，很多企業(yè)相關的知識都與此有關。

所以，如果剛才我講的新的模式真的成立，并且越來越普及，它背后需要的知識體系將與過去發(fā)生本質性的變化。這個時候需要的是什么？需要的是你的感知、數(shù)據(jù)、知識，以及對于模型和架構的理解。

智能規(guī)模效應：

能拿到的數(shù)據(jù)都拿到

增強的極限其實是一人公司，但是自動化的極限是無人公司，無人公司是整個AI帶來的巨大破壞性的機遇，也是真正的AI商業(yè)新藍海，但目前在這個領域的真正實踐并不多。

那么，這樣的新業(yè)務模式會遵循什么樣的規(guī)則？它的底層邏輯或者第一性原理又是什么樣的？大家可以想象一下。

前面講的這種公司關鍵支撐只有兩個，第一是模型的水平，智商好不好使，模型水平怎么樣，哪個大模型好使，這部分是科學家的事情，第二是模型所能感知到的周圍數(shù)據(jù)是不是足夠全，以及這些數(shù)據(jù)是不是足夠實時。

拿自動駕駛做一個類比，自動駕駛需要的數(shù)據(jù)是你的實時數(shù)據(jù)，比如你現(xiàn)在看到了什么，你的高精地圖是什么，你車的參數(shù)是什么，憑借這些實時數(shù)據(jù)以及自動駕駛的模型，它可以做出越來越精準的判斷。

所以，大模型本身的智商更像是一個技術水平，依賴于模型公司，而對現(xiàn)實的理解更多的是數(shù)據(jù)維度，更多的是業(yè)務范圍的問題。業(yè)務范圍進一步會帶來什么？會帶來智能規(guī)模效應，也就是一個公司本身拿到的數(shù)據(jù)越多，效能越好，這個公司就會沿著這條路線把所有能拿到的數(shù)據(jù)都拿到。

舉個例子，Robotaxi和蘿卜快跑模式就是真正為了啟動這個模式所做的整合，周邊是它的供應鏈和車廠。再以Waymo為例，我們想象一種情形，如果Waymo公司做自動駕駛的時候，車廠有獨立的品牌訴求，說我的數(shù)據(jù)不能跟你分享，那對于整個Robotaxi公司來說，它的業(yè)務是跑不起來的。

因為Waymo的訴求是，你要把所有的數(shù)據(jù)給我，車廠本身要變成供應鏈的一個環(huán)節(jié)，它會沿著拿到自己業(yè)務所需要的所有數(shù)據(jù)這條鏈路來進行整合。

這個事情一旦開始之后，它幾乎會影響整個產(chǎn)業(yè)的各個鏈條。最先影響的就是剛才講的這些依賴于自動駕駛的出行服務公司，它們會把車廠等所有能拿到數(shù)據(jù)的鏈條變成自己的一部分，它們先天有這種沖動。

SaaS行業(yè)各個環(huán)節(jié)也會受到影響，任何一個環(huán)節(jié)如果有把數(shù)據(jù)分離出來的沖動，都會把它內化成自己的一部分。微軟CEO納德拉經(jīng)常講，SaaS存在的意義可能會被削弱，其實這已經(jīng)發(fā)生了，國內也正在發(fā)生。

很多行業(yè)也是一樣，如果AI落地到業(yè)務并且做到了一定程度，就會會發(fā)現(xiàn)公用的模型不足以承擔所有的業(yè)務要求，會產(chǎn)生一種自己有獨立自定義模型的沖動，模型就會內化成自己業(yè)務的一部分。

向全AI驅動演進，

一個不可避免的技術現(xiàn)實

最后，大家想想，如果一個全AI驅動的公司出現(xiàn)后，它最終會變成什么樣？

如果拿自動駕駛分級標準進行類比，它會變成一個全AI驅動的業(yè)務體系。顯然，我們不是每個公司都在這里，或者當前只有很少的公司在這里。

如上圖所示，我們在不同層級上散布著不同的公司，最基礎的形態(tài)是導入騰訊會議、釘釘?shù)裙ぞ邅碇巫约旱臉I(yè)務。隨著人員規(guī)模的膨脹，比如到了200人往上，公司的數(shù)據(jù)又沒有統(tǒng)一標識，努力的方向就變成了一切業(yè)務在線，數(shù)據(jù)驅動決策，過去的ERP系統(tǒng)其實就是在干這個活兒。

這個階段再往后，就是現(xiàn)如今的嘗試導入各種智能體，把某一部分工作交給智能體去完成。再之后就是高級智能體階段，整個業(yè)務創(chuàng)造過程不由人來完成，全部由AI來完成。

所有這些情景如果畫一個簡單的坐標就是兩個極點，一個極點是傳統(tǒng)公司，全部的業(yè)務過程由人來完成，另一個極點就是Robotaxi模式的下一步，全部業(yè)務創(chuàng)造由AI完成。

從現(xiàn)實來看，我們的絕大多數(shù)公司都處在中間的某個位置上，這里有一個非常關鍵的點，一旦某一類公司完成自己的全員驅動改造，同類公司恐怕沒有辦法和它競爭，過去無數(shù)的案例證明了這個事情，就像百貨商場沒法和電商競爭。如果說蘿卜快跑這樣的模式成立，我們剛成立沒多久的網(wǎng)約車模式恐怕就沒法和它競爭，這就是技術驅動帶來的進化。

當然，這件事目前還處在星星之火的狀態(tài)，但與人類智商在過去一萬年沒有太大變化相比，AI有一個非常不一樣的特征，就是它的進展速度遠超我們的想象。

或許真的像大家所預測的，未來五到十年內，它的水平可能會再提高十倍，這個過程中，我想各種公司都會加速向下圖中的右邊移動，這就是我們現(xiàn)在面對的新的技術現(xiàn)實。

AI帶來的破壞性會產(chǎn)生新的藍海，也確實會影響很多既有公司的存在，這件事是不可避免的。

被譽為“AI之父”的Hinton曾講過一個觀點，“你能學會的每件事情，AI最終都能掌握?！?/strong>相比于我們以AI能夠完全創(chuàng)造價值為前提去假設我們的未來，以它不能完全創(chuàng)造價值為前提去想象我們的未來可能要更靠譜一點，

我的分享就到這里，謝謝大家！

排版| 小元

編輯| 正風主編| 孫允廣