「把 AI 當(dāng)做數(shù)字員工來替代單個(gè)任務(wù)，其實(shí)是工程師思維對(duì)真實(shí)業(yè)務(wù)的過度簡(jiǎn)化?！?/strong>

「AI 時(shí)代的競(jìng)爭(zhēng)，數(shù)字員工不是終局，一個(gè)構(gòu)建具備協(xié)同、匯報(bào)、反思機(jī)制的數(shù)字組織才是?！?/p>

VisionFlow 創(chuàng)始人劉夜，是一個(gè)把產(chǎn)業(yè)周期看得很透的人。

作為 1979 年出生的中國(guó)第一代程序員，他經(jīng)歷了從底層軟硬件、企業(yè)級(jí)集成（ToB），再到創(chuàng)辦「作業(yè)盒子」洗禮產(chǎn)業(yè)互聯(lián)網(wǎng)的完整大周期。

OpenClaw 爆火之際，劉夜選擇了閉關(guān)。在與全球頭部 AI 公司的研究員、國(guó)內(nèi)頂尖創(chuàng)業(yè)者攢足了近千小時(shí)的高密度交流后，劉夜給出了上邊的觀察。

劉夜認(rèn)為，所有人都在跟風(fēng)做 Agent 工具，在細(xì)分場(chǎng)景里無休止內(nèi)卷時(shí)，AI 創(chuàng)業(yè)的護(hù)城河其實(shí)根本就不在這里。

年輕的 AI 創(chuàng)業(yè)者不要一味在現(xiàn)有流程上做 Skills 優(yōu)化，關(guān)鍵是要跳出低維的高競(jìng)爭(zhēng)，找到像 Notion、Slack 一樣合適的生態(tài)位。

近期，極客公園創(chuàng)始人 & 總裁張鵬和劉夜進(jìn)行了一次深度對(duì)談，圍繞 AI 時(shí)代的組織形態(tài)、商業(yè)競(jìng)爭(zhēng)、以及新一代創(chuàng)業(yè)者如何找到合適的生態(tài)位等等話題展開。

以下是二人的對(duì)談內(nèi)容。

??關(guān)注 Founder Park，最及時(shí)最干貨的創(chuàng)業(yè)分享

超 22000 人的「AI 產(chǎn)品市集」社群！不錯(cuò)過每一款有價(jià)值的 AI 應(yīng)用。

邀請(qǐng)從業(yè)者、開發(fā)人員和創(chuàng)業(yè)者，飛書掃碼加群：

進(jìn)群后，你有機(jī)會(huì)得到：

• 最新、最值得關(guān)注的 AI 新品資訊；
  

• 不定期贈(zèng)送熱門新品的邀請(qǐng)碼、會(huì)員碼；
  

• 最精準(zhǔn)的 AI 產(chǎn)品曝光渠道

01用舊框架理解新事物，永遠(yuǎn)只能看到最淺的那層

張鵬： 從作業(yè)盒子到今天這么熱衷于探索 OpenClaw 帶來的變化，你自己經(jīng)歷了什么變化嗎？

劉夜：我是中國(guó)第一代程序員，從小就開始學(xué)編程。經(jīng)歷了從 BASIC 到 DOS，再到 Windows 和今天的 Mac 時(shí)代，也見證了三大門戶的崛起。我做過企業(yè)信息化，想做中國(guó)的 IBM；后來轉(zhuǎn)型作業(yè)盒子，深度參與了在線教育。在線教育是一個(gè)非常深刻的產(chǎn)業(yè)，是產(chǎn)業(yè)互聯(lián)網(wǎng)的最高形態(tài)，也是「最后一班車」。這段經(jīng)歷讓我深刻感受到，產(chǎn)業(yè)互聯(lián)網(wǎng)的核心不是技術(shù)，而是產(chǎn)業(yè)本身，是業(yè)務(wù)。產(chǎn)業(yè)互聯(lián)網(wǎng)的規(guī)律，是先做信息撮合，再做標(biāo)品，接著是供應(yīng)鏈，最后是非標(biāo)的復(fù)雜服務(wù)。越往后毛利越高，也越難做。

所以，當(dāng) AI 浪潮來臨時(shí)，我做的第一件事，就是花了將近 6 個(gè)月的時(shí)間，什么都不干，讓 HR 把所有能聊的人都聊一遍。從各個(gè)明星創(chuàng)業(yè)公司的首席科學(xué)家到各個(gè)基模大廠的核心算法、工程師和研究員，以及新銳 AI 創(chuàng)業(yè)者，應(yīng)聊盡聊，大概攢足了近千個(gè)小時(shí)的交流密度。聊到什么程度？聊到對(duì)方說上半句，我就知道下半句是什么，所有人的共識(shí)已經(jīng)差別不大了。

聊完一圈后，結(jié)論驚人地一致：所有人都在做一樣的事——數(shù)字員工。這讓我想起了當(dāng)年某位大佬對(duì)云計(jì)算的一個(gè)戰(zhàn)略誤判，他說阿里做云，本質(zhì)不就是個(gè)網(wǎng)盤嗎？用舊框架去理解新事物，你永遠(yuǎn)只能看到最淺的那一層。

今天所有人都覺得做個(gè)數(shù)字員工，用 Claude 寫個(gè)「數(shù)字銷售」或「數(shù)字客服」出來，技術(shù)壁壘在哪？護(hù)城河在哪？當(dāng)一個(gè)人一天燒幾億 TOKEN 都成為常態(tài)，這更像制造業(yè)，根本飛不起來。所以我問每一個(gè)創(chuàng)業(yè)者同樣的問題：Why are you？憑什么你行？你更年輕？更聰明？更能熬夜？在一個(gè)維度上競(jìng)爭(zhēng)，那不就是是「10 秒 69」和「10 秒 70」的區(qū)別嗎？

張鵬：嗯，今天能做的太多了，但該做什么，才是最重要的。你有什么這方面的思考嗎？

劉夜：AI 很不一樣，但我相信依舊有和產(chǎn)業(yè)互聯(lián)網(wǎng)的規(guī)律會(huì)有暗合的部分。早期做工具，中期做業(yè)務(wù)，最后做咨詢。技術(shù)不成熟時(shí)，第一波進(jìn)來的一定是工程師，他們擅長(zhǎng)把世界過度抽象，比如百度的「框計(jì)算」，認(rèn)為一切都是框。但移動(dòng)互聯(lián)網(wǎng)的后半場(chǎng)是內(nèi)容和服務(wù)，不是框。

工程師出身的人對(duì)組織的想象，往往過度簡(jiǎn)化了業(yè)務(wù)。你看整個(gè)第一代互聯(lián)網(wǎng)三大門戶，那波跑到最后跑得最好的是騰訊和阿里，而他們離技術(shù)稍遠(yuǎn)，但離產(chǎn)業(yè)很近。今天也一樣，技術(shù)正變得越來越不重要。

張鵬： 這一波文科生挺開心的，不會(huì)寫代碼似乎也沒關(guān)系了。但長(zhǎng)期來看，到底 AI 時(shí)代對(duì)人的要求是什么樣的？什么變化了？

劉夜：在中國(guó)的人才結(jié)構(gòu)中，我發(fā)現(xiàn)一個(gè)問題。中國(guó)第一代程序員就是產(chǎn)品經(jīng)理，因?yàn)楫?dāng)時(shí)并沒有產(chǎn)品經(jīng)理這一崗位。產(chǎn)品經(jīng)理變成一個(gè)被廣泛認(rèn)知的崗位，是在 2010 年前后，在喬布斯發(fā)布 iPhone4、張小龍?zhí)岢霎a(chǎn)品觀之后，才有了「人人都是產(chǎn)品經(jīng)理」的說法。在此之前，程序員同時(shí)承擔(dān)產(chǎn)品經(jīng)理的工作，先有程序員，后有產(chǎn)品經(jīng)理，所以第一代程序員都是產(chǎn)品經(jīng)理。第一代程序員學(xué)習(xí)代碼并非為了工作，而是出于興趣，他們是憑借熱愛投入其中。正是這些不被定義、跳出常規(guī)的人，才最為出色。

但第二代的程序員但近十年的產(chǎn)業(yè)互聯(lián)網(wǎng)把程序員變成了「碼農(nóng)」，產(chǎn)品經(jīng)理成了建筑師，碼農(nóng)被馴化得不思考業(yè)務(wù)。今天 AI 來了，「碼」的部分被干掉了，不進(jìn)化，他們真只?！皋r(nóng)」了。這批年輕人很優(yōu)秀，但他們對(duì)產(chǎn)業(yè)的理解是空白的。所以，當(dāng)下的「萬 A 大戰(zhàn)」，本質(zhì)上還是工具層的泛濫。

你看產(chǎn)業(yè)互聯(lián)網(wǎng)后期，阿里、美團(tuán)這樣的公司，都是標(biāo)配用頂尖咨詢公司（MBB）背景的人做商業(yè)分析，用咨詢公司的人帶著產(chǎn)品經(jīng)理做業(yè)務(wù)流程，因?yàn)榛ヂ?lián)網(wǎng)產(chǎn)品經(jīng)理腦子里天生沒有系統(tǒng)。飛書就是這么做出來的。字節(jié)雖然是純互聯(lián)網(wǎng)，但也大量用咨詢公司建內(nèi)部流程。AI 時(shí)代，這個(gè)規(guī)律只會(huì)加強(qiáng)，不會(huì)減弱。

02數(shù)字員工不是終局，數(shù)字組織才是

張鵬： 所以，你覺得卷「數(shù)字員工」這個(gè)單點(diǎn)，意義不大。

劉夜：這是我最核心的一個(gè)判斷：數(shù)字員工不是終局，數(shù)字組織才是。如果數(shù)字員工泛濫了，連招聘崗都不存在了，所有人都能擁有好的數(shù)字員工，那然后呢？那個(gè)公司就都能賺錢和成功了嗎？其實(shí)所有公司的問題，都是戰(zhàn)略問題和組織問題，從來不是員工問題。

所以，今天的 Agent 還是在替人干活，而不是替人決策。我們內(nèi)部改造了 OpenClaw，做了個(gè)叫 MetaOrg 的東西。它本質(zhì)上是一個(gè)可以生成 agent team 的內(nèi)核。我們解決任何任務(wù)，都不是派一個(gè)員工，而是要建一個(gè)「組織」去解決。這個(gè)組織有協(xié)同關(guān)系、匯報(bào)關(guān)系、有使命、有目標(biāo)、有行動(dòng)方式。

張鵬：但未來有沒有可能，一個(gè)人就是一個(gè)部門？甚至就是一家公司？

劉夜：這是特別好的問題。我們還是微觀到任務(wù)，比如用 AI 做一個(gè)短視頻、寫一個(gè)文檔的時(shí)候，需要多輪對(duì)話。你說一句，它回一句，再給它反饋，這就是工具人式的使用，它只是很聰明。

所以人和部門的概念，不是數(shù)量上的多和少。我們描述一個(gè)高級(jí)崗位的 JD 時(shí)，通常是：第一，能干活，能干各種活；能用各種工具。高級(jí)崗位則是能夠理解意圖、主動(dòng)規(guī)劃路徑、主動(dòng)執(zhí)行、實(shí)現(xiàn)交付、定期匯報(bào)、反思總結(jié)交付成果，并基于成果的偏差動(dòng)態(tài)調(diào)整策略。這就是高階能力。

張鵬：一個(gè)合格的部門，得是「L4 級(jí)別的自動(dòng)駕駛」。

劉夜：是的。當(dāng)給它一個(gè)技能，它可以完成復(fù)雜任務(wù)；給它一個(gè)技能系統(tǒng)，它能完成復(fù)雜綜合任務(wù)；當(dāng)有一堆智能體（agent）編排時(shí)，就能完成更復(fù)雜的事，比如拍一部短劇。我經(jīng)常跟員工開會(huì)說，你們用 MetaOrg 的時(shí)候，不要把自己當(dāng)成主管，要把自己當(dāng)成董事長(zhǎng)。你要努力試探它的邊界。

未來年輕人創(chuàng)業(yè)，以前說家里給 50 萬創(chuàng)業(yè)，未來說不定是給一個(gè) TOKEN 預(yù)算去試錯(cuò)。你愿意花多少 TOKEN，決定了它能做多高級(jí)的崗位。越高級(jí)的崗位，推理鏈路越長(zhǎng)，越需要來回試錯(cuò)、迭代和總結(jié)。

張鵬：如果未來所有人都能調(diào)用最好的底層 AI，商業(yè)競(jìng)爭(zhēng)是不是又回到了上個(gè)時(shí)代的邏輯——拼「人才密度」？只不過這一次，是看誰的 agent 體系里拆解出的「原子級(jí)能力」更強(qiáng)。你的 bot 單點(diǎn)能力越高，整個(gè) AI 組織的「人才密度」就越高，解決復(fù)雜任務(wù)的勝算也就越大。我不知道這個(gè)推導(dǎo)對(duì)不對(duì)？

劉夜：我認(rèn)同這個(gè)觀點(diǎn)。企業(yè)內(nèi)部有個(gè)部門，大企業(yè)通常叫 OD，也就是組織發(fā)展。衡量一個(gè)組織能不能打贏仗，通常的做法是把對(duì)方的所有人才拉出來進(jìn)行對(duì)標(biāo)，通過判斷人對(duì)崗、能力對(duì)崗的強(qiáng)弱，來預(yù)測(cè)戰(zhàn)爭(zhēng)的結(jié)果。所以一般企業(yè)打仗，靠的是組織能力，而不是業(yè)務(wù)策略。最典型的例子就是阿里。阿里非常重視組織建設(shè)，所以如今能迎來「第二春」。因?yàn)閯?chuàng)始團(tuán)隊(duì)會(huì)老化，但組織可以生生不息。本質(zhì)上，如果有一天咱倆是競(jìng)爭(zhēng)對(duì)手，我們都在用 AI。我建立了一個(gè)強(qiáng)大的 AI 組織，具備很強(qiáng)的 AI 組織發(fā)展能力。我該如何構(gòu)建這個(gè)組織？我會(huì)把所有競(jìng)對(duì)的 agent skill system 逐一打開，分析它們的技能代碼。然后在我自己的體系里編寫更優(yōu)的技能，甚至去補(bǔ)齊它們?nèi)笔У穆毮?。比如我有?zhàn)略部，我會(huì)先進(jìn)行觀察分析。

華為有「五看三定」的方法論。我跟朋友開玩笑說，我們創(chuàng)業(yè)只要用這一套，就能干掉 99% 的競(jìng)爭(zhēng)者。所謂五看，是看行業(yè)趨勢(shì)、看市場(chǎng)客戶、看競(jìng)爭(zhēng)對(duì)手、看自身能力、看戰(zhàn)略機(jī)會(huì)；三定則是定控制點(diǎn)、定目標(biāo)、定策略。這套方法論足以篩選掉絕大多數(shù)競(jìng)爭(zhēng)者。因?yàn)榇蟛糠秩讼缕迨莵y下的，他們依賴快思考，而高手默認(rèn)開啟的是深度思考與推理模式。第一反應(yīng)是，我要作為統(tǒng)帥去思考這件事該怎么做。

張鵬：所謂「五看三定」本質(zhì)上就是不要「應(yīng)激反應(yīng)」，要固化一個(gè)長(zhǎng)推理的過程的意思唄。

劉夜：高手都是 deep research 加上 thinking 的模型，知道首先看全球的最佳實(shí)踐和信息，然后總結(jié)分析，進(jìn)行深入思考推理，但是出答案，出手就是一招制敵。

所以我認(rèn)為未來的競(jìng)爭(zhēng)核心只有一件事，就是給傳統(tǒng)產(chǎn)業(yè)的業(yè)務(wù)進(jìn)行建模，將其抽象成具備系統(tǒng)能力，且能夠做智能體編排的能力。這就是新一代的組織發(fā)展（OD）能力，且會(huì)升級(jí)為 AIOD，這是未來唯一的核心競(jìng)爭(zhēng)力。

阿里的核心優(yōu)勢(shì)就在于建組織，組織建設(shè)到位后，無論面對(duì)什么對(duì)手、開展什么業(yè)務(wù)，都能具備競(jìng)爭(zhēng)力。而且馬云曾說，打仗的目的并非一定要搶占某個(gè)領(lǐng)域，而是通過打仗實(shí)現(xiàn)組織的成長(zhǎng)。阿里是以組織成長(zhǎng)為核心衡量標(biāo)準(zhǔn)，來判斷一場(chǎng)仗是否值得打，這是一種非常高階的思維。馬云本人就像一個(gè)超級(jí)信息樞紐，每年飛行 200 次獲取各類信息，回來后用于完善組織建設(shè)。他才是真正意義上的董事長(zhǎng)，而非單純的首席執(zhí)行官。

這就是我們所見到的最高級(jí)的組織形態(tài)——能夠跨越幾代人、覆蓋不同產(chǎn)業(yè)，既能連續(xù)獲得成功，在陷入衰退后還能調(diào)整回升。通常而言，一家公司如果十年內(nèi)任命錯(cuò)了首席執(zhí)行官，大概率會(huì)走向衰敗。所以說，以史為鑒，用更高維度的視角降維看待當(dāng)下的發(fā)展，即便對(duì)現(xiàn)有模式做一些裁剪和優(yōu)化，也比從底層從零開始構(gòu)建要高效得多。

現(xiàn)在任何人都能輕易搭建一個(gè) agent，員工上手門檻極低，再加上開源社區(qū)的加持，行業(yè)已無太多秘密可言。在工具層面的內(nèi)卷，是永遠(yuǎn)比不過開源社區(qū)的。那么，什么才是開源社區(qū)所不具備、無法復(fù)制的核心競(jìng)爭(zhēng)力？

03AI 組織的物理學(xué)：
分層拆解、「漸進(jìn)式暴露」才是關(guān)鍵

張鵬：「上個(gè)時(shí)代」談?wù)摻M織時(shí)，會(huì)強(qiáng)調(diào)例如組織文化、價(jià)值觀、KPI等一系列內(nèi)容。當(dāng)我們從上個(gè)時(shí)代的組織管理，過渡到 AI agent 組織的新時(shí)代，哪些內(nèi)容可以徹底摒棄，哪些內(nèi)容可以保留但需要轉(zhuǎn)化？

劉夜：Anthropic 之所以推出 skills，核心原因包括 AI 編碼領(lǐng)域的「漸進(jìn)式暴露」理念——AI 若接收大量雜亂信息，會(huì)出現(xiàn)上下文腐化、注意力不足導(dǎo)致的混亂，漸進(jìn)式暴露才能讓 AI 保持良好注意力并輸出優(yōu)質(zhì)結(jié)果。若依靠人工實(shí)現(xiàn)漸進(jìn)式暴露，本質(zhì)上就是全人工對(duì)話，效率低下。因此，skills 的核心價(jià)值的是將復(fù)雜任務(wù)分層拆解，實(shí)現(xiàn)對(duì) AI 的漸進(jìn)式暴露。

這與公司管理邏輯一致：董事會(huì)聚焦戰(zhàn)略問題，CEO 聚焦策略問題、管理高管，員工處理簡(jiǎn)單事務(wù)。若 300 人同時(shí)參與同一會(huì)議，這個(gè)會(huì)就沒辦法開了。組織存在的核心意義，就是實(shí)現(xiàn)信息的分層處理，如同數(shù)據(jù)庫(kù)三范式通過信息壓縮分層提升效率，復(fù)雜問題必須分層拆解、漸進(jìn)式暴露，而非一次性輸入大量上下文，這正是傳統(tǒng)企業(yè)組織形式的核心邏輯，畢竟特定時(shí)間內(nèi)的算力是有限的。

張鵬：模型每次都要耗費(fèi)巨大算力從頭開始創(chuàng)造，效率太低。

劉夜：不可能實(shí)現(xiàn)，核心還是依靠分層的漸進(jìn)式暴露，該調(diào)用的資源必須調(diào)用，這是由 AI 模型的能力邊界決定的。此外，Anthropic 推出 skills 的另一原因，是復(fù)雜任務(wù)已超越基礎(chǔ)物理學(xué)定理，skills 能將復(fù)雜任務(wù)拆解為一個(gè)個(gè)低維簡(jiǎn)單任務(wù)。任務(wù)的核心區(qū)分維度并非難易，而是復(fù)雜程度——存在低維難、高維難等不同類型，比如程序員編碼、解數(shù)學(xué)題，就屬于低維高難度任務(wù)。

地平線余凱提出過一個(gè)經(jīng)典模型：所有工種可按「競(jìng)爭(zhēng)程度」和「維度高低」分為四個(gè)象限，即高維高競(jìng)爭(zhēng)、低維低競(jìng)爭(zhēng)、低維高競(jìng)爭(zhēng)、高維低競(jìng)爭(zhēng)。其中，銷售和工程師屬于低維高競(jìng)爭(zhēng)，產(chǎn)品經(jīng)理和 CEO 屬于高維高競(jìng)爭(zhēng)；科學(xué)家則屬于高維低競(jìng)爭(zhēng)——這類課題可能全世界僅一人研究，競(jìng)爭(zhēng)度低但維度極高。像優(yōu)質(zhì)短劇、好小說這類高維高競(jìng)爭(zhēng)任務(wù)，目前 AI 尚無法完成；而代碼優(yōu)化這類低維高競(jìng)爭(zhēng)任務(wù)，AI 已能很好勝任。越高維的任務(wù)，數(shù)據(jù)源越少，但訓(xùn)練模型所需的數(shù)據(jù)量反而越大，這也是文本模型先出現(xiàn)、圖片和視頻模型后出現(xiàn)，且短視頻模型難以落地的核心原因。這種高維任務(wù)與高維數(shù)據(jù)的供需矛盾，只能通過 skills 拆解任務(wù)來彌補(bǔ)，就像企業(yè)中找不到高級(jí)崗位人才時(shí)，會(huì)將其拆分為三個(gè)基礎(chǔ)崗位一樣，唯有 CEO 這類高維崗位不可替代。

張鵬：低維高競(jìng)爭(zhēng)的任務(wù)，大概率會(huì)被 AI 完全替代。

劉夜：百分百會(huì)被替代，而且這種替代已經(jīng)發(fā)生。

張鵬：確實(shí)如此，因此所有低維高競(jìng)爭(zhēng)的事，都應(yīng)盡快用 AI 解決，可將其拆解為 skills，再通過 agent 組織實(shí)現(xiàn)落地，這個(gè)過程中不一定需要人類參與。

劉夜：我有一個(gè)初步設(shè)想，IBM 和埃森哲作為全球最大的兩家咨詢公司，核心業(yè)務(wù)本質(zhì)是提煉產(chǎn)業(yè)最佳實(shí)踐，并與數(shù)字化對(duì)齊，售賣的是流程而非工具。企業(yè)采購(gòu)風(fēng)險(xiǎn)流程、IP 時(shí)，都會(huì)請(qǐng)咨詢公司落地實(shí)施。我們當(dāng)前的核心工作，就是構(gòu)建 skills 集群，找到各領(lǐng)域頂尖專家，提煉其能力并對(duì)齊，形成標(biāo)準(zhǔn)化 skill set。這與作業(yè)盒子的模式類似——作業(yè)盒子聯(lián)合北京四中、人大附、高考出題組及學(xué)而思的老師，提煉出題、講題、批改等核心方法，再聯(lián)合百度算法工程師搭建系統(tǒng)，本質(zhì)也是對(duì)齊最佳實(shí)踐。而組織能力的核心，就是組建優(yōu)質(zhì)跨界團(tuán)隊(duì)，既要懂產(chǎn)業(yè)、懂工程，也要能聯(lián)動(dòng)各垂類頂尖行業(yè)專家，同時(shí)具備商務(wù)、人才招聘和管理能力，這也是新一代 AI SaaS 企業(yè)的核心構(gòu)成。

張鵬：進(jìn)一步推演，未來應(yīng)從業(yè)務(wù)維度反推所需的組織形態(tài)。組織本質(zhì)上是一種編排結(jié)構(gòu)，類似業(yè)務(wù)操作系統(tǒng)——將人作為生產(chǎn)力單元放入適配的組織，就能發(fā)揮最大價(jià)值，反之則無法高效運(yùn)轉(zhuǎn)。如今生產(chǎn)力要素已發(fā)生替換，從依賴人力變?yōu)榭蔁o限供給的 AI，且只要形成正循環(huán)就能持續(xù)擴(kuò)容。過去的組織文化，如今可能轉(zhuǎn)化為目標(biāo)和上下文，不再需要口號(hào)、三板斧會(huì)議、破冰等形式。

劉夜：文化是管理意圖而非業(yè)務(wù)意圖。上個(gè)時(shí)代，戰(zhàn)略始于愿景，愿景決定價(jià)值，組織服從于戰(zhàn)略，業(yè)務(wù)驗(yàn)證一切，而文化只是治理組織的手段，不直接服務(wù)于戰(zhàn)略，甚至可能只是創(chuàng)始人的個(gè)人偏好。

張鵬：過去人服務(wù)戰(zhàn)略的過程中存在大量間隙，AI 是否正在消除這些間隙？

劉夜：是的，文化在 AI 時(shí)代已不再重要。文化是人類組織的信念部分，但 AI 不需要。AI 沒有血肉之軀，無需文化牽引。AI 核心需求是算力。

張鵬：你的意思是說，AI 需要的是目標(biāo)和原則。一份文檔就足以明確目標(biāo)和原則，所有生產(chǎn)力單元都能立即同步、忠實(shí)執(zhí)行，不會(huì)出現(xiàn)偏差。人類組織中很大一塊摩擦力就消失了。

劉夜：是的。原來的組織：戰(zhàn)略→文化→人才→執(zhí)行，現(xiàn)在的 AI 組織：目標(biāo)→原則→Skills→編排。整個(gè)管理鏈條被壓縮了一半。

04企業(yè)的新壁壘，應(yīng)該是審美和編排

張鵬：企業(yè)新的壁壘是什么？人才質(zhì)量被替換為 Skill Set，只要我有審美，就能從全世界獲取最好的 Skills。那再往上一層，就是「編排」（Orchestration），對(duì)嗎？這會(huì)發(fā)生什么變化？

劉夜：就像華強(qiáng)北能買到所有電子元器件，但為什么不是所有人都能做出蘋果？喬布斯傳中對(duì)審美的定義非常清晰：見過世界上足夠多的好東西，能分辨優(yōu)劣，就是審美。若從未見過好產(chǎn)品、好流程、好組織，就無法做出優(yōu)質(zhì)成果。

張鵬：見識(shí)是審美的前提。

劉夜：見識(shí)加天賦，僅此而已。

張鵬：審美體現(xiàn)在兩種方式：一是主動(dòng)設(shè)計(jì)、編排，二是在混沌中識(shí)別并選擇涌現(xiàn)出的優(yōu)質(zhì)事物，這兩種方式并不沖突。

劉夜：確實(shí)不沖突。蘋果的部分成果是自主研發(fā)，部分是收購(gòu)第三方，核心是擁有審美——無需重復(fù)造輪子，必要時(shí)自主研發(fā)即可。

張鵬：核心在于，是讓 agent 在設(shè)定模塊內(nèi)運(yùn)行后再確認(rèn)路徑，實(shí)現(xiàn)涌現(xiàn)式編排；還是直接設(shè)定好所有路徑，進(jìn)行設(shè)計(jì)式編排？

劉夜：涌現(xiàn)是非操控性的，需要先設(shè)定種子規(guī)則和原則，這才體現(xiàn)一個(gè)人的審美。就像優(yōu)秀工程師用 500 行、5000 行代碼就能做出好用的 Openclaw，而不合格的工程師寫 5 萬行代碼也無法達(dá)到同等效果，底層的種子規(guī)則仍需人類設(shè)定。

張鵬：所以不能在混沌中等候涌現(xiàn)，那需要極長(zhǎng)的時(shí)間，編排依然至關(guān)重要。這種編排最終是否只能來源于創(chuàng)始人，或者說更像是「制片人」？

劉夜：我覺得制片人這個(gè)定義很好。確實(shí)如此，即便有涌現(xiàn)和規(guī)模效應(yīng)，仍需要數(shù)據(jù)標(biāo)注、數(shù)據(jù)清洗，以及算法的持續(xù)對(duì)齊，避免無序擴(kuò)張。

編排者取決于業(yè)務(wù)復(fù)雜度——復(fù)雜業(yè)務(wù)一個(gè)人無法完成，比如拍攝短劇、撰寫提示詞，實(shí)際操作中會(huì)面臨諸多困難?！敢蝗斯尽沟母拍畋粸E用，世界無法被無限簡(jiǎn)化。雖然電腦可由一人操作，但一個(gè)人難以掌握所有高維能力，像伊隆·馬斯克、李飛飛這樣能精通多個(gè)領(lǐng)域、接管任意崗位的超級(jí)人才，極為罕見。

張鵬：若我們能調(diào)用全球最頂尖的 agent 和 skill 體系，比如一個(gè)優(yōu)秀編劇，理論上能否借助這些資源，拍出全球知名且盈利的電影？編劇雖有核心亮點(diǎn)（好劇本），但無法完成所有環(huán)節(jié)，這種「核心亮點(diǎn)+全球資源」的閉環(huán)是否可行？

劉夜：這本質(zhì)是數(shù)據(jù)問題——是否存在存儲(chǔ)最高維信息的數(shù)據(jù)。比如訓(xùn)練 CEO 的 skills，目前沒有足夠的數(shù)據(jù)支撐：任正非的萬字長(zhǎng)文、馬云的口述，都無法完整呈現(xiàn)他們的高維認(rèn)知；即便收集全球公司財(cái)報(bào)、CEO 的所有言論，也無法訓(xùn)練出能勝任 CEO 的模型，因?yàn)?CEO 的核心能力是隱性知識(shí)，無法通過文本完全暴露。

張鵬：也就是說，CEO的核心能力目前還無法被向量化。這就約束了「一人公司」的理想構(gòu)想——即便每個(gè)人都能發(fā)揮單一維度的優(yōu)勢(shì)，搭配全球頂尖資源，仍缺少核心的編排者，本質(zhì)還是編排能力的問題。歸根到底，擁有最好的「元件」，仍需具備強(qiáng)大的編排能力。

劉夜：產(chǎn)品經(jīng)理也是如此，其隱性知識(shí)無法完全文本化。這也是當(dāng)前 AI 伴侶、AI 生成內(nèi)容不夠「鮮活」的本質(zhì)原因——缺乏高維隱性知識(shí)的數(shù)據(jù)支撐。數(shù)據(jù)量少的時(shí)候，重點(diǎn)做 skill；數(shù)據(jù)量多的時(shí)候，再做模型。機(jī)器人目前無法落地，核心就是缺乏足夠的數(shù)據(jù)。

張鵬：由此可推導(dǎo)出，未來公司的競(jìng)爭(zhēng)勝負(fù)點(diǎn)，不再是能否接觸到頂尖模型——初始 AI 資源看似一致，算力也與財(cái)力、業(yè)務(wù)閉環(huán)能力相關(guān)，最終的差異仍會(huì)回歸到「制片人」本身，即其編排能力和目標(biāo)的創(chuàng)新性、意義，這兩點(diǎn)構(gòu)成了公司的核心競(jìng)爭(zhēng)力。

劉夜：麥肯錫前合伙人曾告訴我，麥肯錫的核心業(yè)務(wù)就是萃取最佳實(shí)踐、建立模型，再協(xié)助企業(yè)逐一實(shí)施。比如為中國(guó)汽車廠做咨詢時(shí)，會(huì)向日本同事了解豐田的做法，本質(zhì)就是復(fù)制和落地最佳實(shí)踐。

咪蒙做短劇的案例很有參考意義。她是中文系出身，核心團(tuán)隊(duì)卻由清北數(shù)學(xué)系、計(jì)算機(jī)系人才組成，專門拆解爆款短視頻的邏輯，最終實(shí)現(xiàn)極高的爆款率。這種思路本質(zhì)上是給行業(yè)的社會(huì)工程建模，即便存在過擬合的可能，但建模的方向是正確的。

IBM、埃森哲、麥肯錫做的都是這類事——第一代麥肯錫將最佳實(shí)踐建模到合伙人身上，IBM 則將其轉(zhuǎn)化為數(shù)字化流程，本質(zhì)都是「售賣管理和流程」。

張鵬：核心就是提煉最佳實(shí)踐，再反復(fù)驗(yàn)證落地，這就是未來商業(yè)組織的勝負(fù)關(guān)鍵。只有拆解到位，才能實(shí)現(xiàn)高效編排。

05不要在現(xiàn)有流程上做 Skills 優(yōu)化，關(guān)鍵是要找到合適的生態(tài)位

張鵬：所以你們接下來的核心方向，是繼續(xù)沿著這個(gè)思路推進(jìn)嗎？

劉夜：過去三年我們主要做 AI ToC 業(yè)務(wù)，用 MetaOrg 的方式重建了整個(gè)教學(xué)教研體系。這不是一個(gè)簡(jiǎn)單的「用 AI 提效」的故事。我們構(gòu)建了一整套 Agentic 教研組織，背后跑著一個(gè)個(gè)虛擬的教研 team：語言學(xué)習(xí)研究團(tuán)隊(duì)負(fù)責(zé)追蹤二語習(xí)得最新理論，垂直語料收集團(tuán)隊(duì)從真實(shí)語境中抓取地道表達(dá)，對(duì)話評(píng)估團(tuán)隊(duì)建立口語能力的多維評(píng)判標(biāo)準(zhǔn)，對(duì)話設(shè)計(jì)團(tuán)隊(duì)把教學(xué)法轉(zhuǎn)化成自然的人機(jī)交互，題目容器設(shè)計(jì)團(tuán)隊(duì)解決練習(xí)形式和內(nèi)容適配的問題，數(shù)據(jù)分析團(tuán)隊(duì)從用戶行為里挖掘?qū)W習(xí)效果的真實(shí)信號(hào)。每個(gè) team 都有自己的 skills、自己的工作流、自己的評(píng)估標(biāo)準(zhǔn)。目前教材數(shù)據(jù)打標(biāo)、監(jiān)控評(píng)估、用戶洞察、產(chǎn)品迭代等 80% 左右的工作，都由 AI 完成。

我們的發(fā)展路徑是從「AI 作為功能」，升級(jí)為「AI 作為組織能力」。英語老師這個(gè)崗位處于中等復(fù)雜度，我們已將其抽象出來，通過 MetaOrg 生成其他崗位；若結(jié)合最新的 skill 架構(gòu)，有望構(gòu)建更高級(jí)的崗位。

目前我們已完成 AI tutor 的全流程搭建，包括編排能力的抽象和工程實(shí)現(xiàn)，未來大概率會(huì)從 Meta tutor 升級(jí)為 Meta 組織——其最小單元是崗位，而非員工，核心在于崗位間的協(xié)作與管理。我們當(dāng)前的重點(diǎn)，是對(duì)接各行業(yè)最頂尖的 CEO，因?yàn)?CEO 才是核心「制片人」。

張鵬：所以你們推出的，更接近一個(gè)可擴(kuò)展的部門？

劉夜：目標(biāo)是朝著「公司」的方向推進(jìn)，大公司本質(zhì)也是由多個(gè)小公司構(gòu)成，而最小單元是崗位。既要關(guān)注全產(chǎn)業(yè)戰(zhàn)略選擇，也要從崗位入手推進(jìn)產(chǎn)品迭代——崗位做不好，即便管理者能力強(qiáng)，也無法形成高效組織。

張鵬：要做好一個(gè)部門，首先要拆解部門相關(guān)能力和崗位，再拆解崗位對(duì)應(yīng)的 skills，且要追求這些 skills 達(dá)到 SOTA 水平。

劉夜：核心方法只有一個(gè)：與最頂尖的被服務(wù)企業(yè)共創(chuàng)。做出來的 skill，需要頂尖企業(yè)評(píng)估是否符合需求，就像下屬寫的方案需要上級(jí)審核一樣，不能自嗨。比如做短劇建模，需得到行業(yè)頂尖機(jī)構(gòu)的認(rèn)可，否則就不算真正的頂尖。一切都需要評(píng)估和衡量。

Midjourney 能做出優(yōu)質(zhì)圖片，核心是團(tuán)隊(duì)由攝影師和工程師組成，具備頂尖的圖片審美；LV 用 Stable Diffusion 訓(xùn)練的圖片模型，效果遠(yuǎn)超普通模型，因?yàn)?LV 擁有全球最頂尖的圖像審美和數(shù)據(jù)?？梢姡u(píng)估能力才是核心。要做 AI 公司，需像 IBM、華為那樣——IBM 服務(wù)頂尖車企后，掌握造車的最佳實(shí)踐并輸出；華為花費(fèi) 40 億購(gòu)買 IPD 流程，既用于自身管理，也對(duì)外輸出，這才是核心競(jìng)爭(zhēng)力。

張鵬：本質(zhì)上就是順著最佳實(shí)踐拆解 skill，實(shí)現(xiàn) skill 的 SOTA，再升級(jí)為崗位和部門的 SOTA，最終編排成業(yè)務(wù)的 SOTA，這是通向業(yè)務(wù)頂尖的明確路徑。還有一個(gè)關(guān)鍵問題：如何保持 skill 的與時(shí)俱進(jìn)？就像地球生物圈的變異，每個(gè)時(shí)代的 SOTA，在下一個(gè)時(shí)代可能會(huì)被淘汰，如何應(yīng)對(duì)這種變化？

劉夜：核心邏輯與人類和生物進(jìn)化一致，即感知、規(guī)劃、行動(dòng)、反思。保持組織的高人才密度和跨界屬性，一端對(duì)接技術(shù)前沿（研究者），一端研究業(yè)務(wù)模式，同時(shí)與行業(yè)頂尖客戶共創(chuàng)，在真實(shí)場(chǎng)景中持續(xù)評(píng)估和優(yōu)化，這是唯一的方法。

張鵬：由此反推，頂尖公司的最佳實(shí)踐形成的體系，能幫助中檔公司實(shí)現(xiàn)跨越式提升，但這類體系大概率只有有資源、有財(cái)力的公司才能使用，中小企業(yè)和年輕創(chuàng)業(yè)者難以負(fù)擔(dān)。咨詢行業(yè)已從傳統(tǒng)服務(wù)升級(jí)為工具化產(chǎn)品，新生代的機(jī)會(huì)是否只能在 skill 層面？如何在 skill 層面實(shí)現(xiàn)顛覆性創(chuàng)新，避免行業(yè)陷入「貴族循環(huán)」？

劉夜：上一代 SaaS 行業(yè)中，Salesforce、Palantir、Notion、Slack 等企業(yè)，有的做通用工具，有的做集成服務(wù)，證明年輕創(chuàng)業(yè)者仍有機(jī)會(huì)——遠(yuǎn)離自身不具備優(yōu)勢(shì)的業(yè)務(wù)，聚焦通用技能，找到合適的生態(tài)位。Notion 就是典型，不涉及具體業(yè)務(wù)流程，只抽象文本記事功能，成為通用工具。世界最終會(huì)是無數(shù)智能體（agent）的分工協(xié)作，年輕人需先找到生態(tài)位，再結(jié)合自身優(yōu)勢(shì)發(fā)力，錨定未來趨勢(shì)，避免成為時(shí)間的敵人。過去十年，第一代互聯(lián)網(wǎng)創(chuàng)業(yè)者多為海歸（靠認(rèn)知優(yōu)勢(shì)），第二代多為程序員（靠工具爆發(fā)），第三代產(chǎn)業(yè)互聯(lián)網(wǎng)多為二次創(chuàng)業(yè)者，規(guī)律清晰，年輕人需看清中局和自身優(yōu)勢(shì)。

張鵬：所以你認(rèn)為skill 層面的局部創(chuàng)新和優(yōu)化作用有限，那么新生代的最大機(jī)會(huì)可能在于目標(biāo)創(chuàng)新——識(shí)別時(shí)代涌現(xiàn)的新目標(biāo)，結(jié)合優(yōu)質(zhì) skill 并持續(xù)進(jìn)化，才能在新目標(biāo)上構(gòu)建新體系，實(shí)現(xiàn)突破。

劉夜：skill 的競(jìng)爭(zhēng)非常微妙，當(dāng)前 skill 雖火，但若有人對(duì)齊更頂尖的人類專家，做出更優(yōu)的 skill，現(xiàn)有 skill 就會(huì)被替代。這就回歸到護(hù)城河的問題：早起者未必能笑到最后，很可能成為更高維對(duì)手的「土壤養(yǎng)分」。

張鵬：怕就怕成為「加載程序」，只是幫更高維的對(duì)手完成了基礎(chǔ)鋪墊。若只是在現(xiàn)有目標(biāo)上做效率優(yōu)化，沒有意義，且效率優(yōu)勢(shì)最終會(huì)被抹平。所以新生代要實(shí)現(xiàn)突破，必須在目標(biāo)上做出根本性差異。

劉夜：沒錯(cuò)，自身無法成長(zhǎng)為核心力量，只是滋養(yǎng)了更高維的對(duì)手。商業(yè)的本質(zhì)很樸素，核心是明確客戶是誰、如何服務(wù)客戶、如何讓客戶離不開你。任何年輕人若想不清楚客戶是誰，就無法實(shí)現(xiàn)優(yōu)化。

張鵬：還要關(guān)注增量市場(chǎng)，在存量市場(chǎng)中競(jìng)爭(zhēng)難度極大。若你們的業(yè)務(wù)取得成功，會(huì)將對(duì)應(yīng)領(lǐng)域的公司拉到同一先進(jìn)水平，這些公司既有財(cái)富也有認(rèn)知，年輕人很難在存量中與之競(jìng)爭(zhēng)。

劉夜：上一代 SaaS 行業(yè)中，Notion、Slack 等企業(yè)的成功，核心就是目標(biāo)差異化。

上一代 SaaS 發(fā)展初期，中國(guó)基金多傾向投資科學(xué)家，后來發(fā)現(xiàn)，科學(xué)家更適合交流合作，而非創(chuàng)業(yè)——科學(xué)家所處的高維低競(jìng)爭(zhēng)領(lǐng)域，與商業(yè)世界的高維高競(jìng)爭(zhēng)邏輯不同，領(lǐng)域維度越高，切換到新領(lǐng)域的難度越大，核心思維模式完全不同。任何領(lǐng)域早期都是技術(shù)競(jìng)爭(zhēng)（低維高競(jìng)爭(zhēng)，技術(shù)不成熟），技術(shù)成熟后，就進(jìn)入商業(yè)競(jìng)爭(zhēng)（高維高競(jìng)爭(zhēng)，產(chǎn)業(yè)人、產(chǎn)品經(jīng)理、業(yè)務(wù)從業(yè)者主導(dǎo)）。比如蘋果手機(jī)剛推出時(shí)，排行榜應(yīng)用多為程序員開發(fā)；幾年后產(chǎn)業(yè)互聯(lián)網(wǎng)興起，排行榜上的程序員主導(dǎo)的產(chǎn)品就全部被取代。

AI 時(shí)代若延續(xù)移動(dòng)互聯(lián)網(wǎng)的邏輯，硅谷的核心力量仍會(huì)是有經(jīng)驗(yàn)的從業(yè)者，就像中國(guó)產(chǎn)業(yè)互聯(lián)網(wǎng)多為二次創(chuàng)業(yè)者一樣。年輕人的機(jī)會(huì)，仍在于找到差異化目標(biāo)。

轉(zhuǎn)載原創(chuàng)文章請(qǐng)?zhí)砑游⑿牛篺ounderparker