AI时代的新石油战争：掌握核心算法者统治未来

我们仍处于 AI 的「水车阶段」，把聊天机器人硬塞进为人类设计的工作流。历史告诉我们，谁掌握了原料，谁就定义了时代。当知识工作融入永不休息的智能，未来会是什么模样？本文源自 Ivan Zhao，Notion CEO 所著文章，由TechFlow整理、编译及撰稿。
（前情提要：2025 年加密用户最关心什么？不同 AI 大模型给出了这些回答 ）

我们仍处于 AI 的「水车阶段」，把聊天机器人硬塞进为人类设计的工作流。每个时代都由其独特的科技原料所塑造。钢铁锻造了镀金时代，半导体开启了数位时代。如今人工智慧以无限智能的形态到来。历史告诉我们：谁掌握了原料，谁就定义了时代。

左图：少年安德鲁·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·卡内基还是个在匹兹堡泥泞街道上奔跑的电报员，那时十个美国人里有六个是农民。仅两代人之后，卡内基和他的同行便锻造了现代世界，马匹让位给铁路，烛光让位给电灯，铁让位给钢。

从那以后，工作从工厂转向办公室。如今我在旧金山经营一家软体公司，为成千上万的知识工作者打造工具。在这座科技小镇，人人都在谈论通用人工智慧（AGI），但二十亿办公室工作者中的大多数尚未感受到它的存在。不久之后，知识工作会是什么模样？当组织结构中融入了永不休息的智能，又将发生什么？

早期的电影常常像舞台剧，一台摄影机对著舞台拍摄。

未来常常难以预测，因为它总是伪装成过去的样子。早期的通话像电报一样简短，早期的电影像录下来的舞台剧。正如马歇尔·麦克鲁汉所说：「我们总是透过后视镜驶向未来。」

如今最普遍的人工智慧，看起来还像过去的 Google 搜寻。引用麦克鲁汉的话：「我们总是透过后视镜驶向未来。」今天，我们看到的是模仿 Google 搜寻框的 AI 聊天机器人。我们正深陷于每一次技术变革中都会出现的那种令人不适的过渡期。

对于未来会怎样，我也没有全部答案。但我喜欢借助几个历史隐喻，来思考人工智慧如何在个人、组织乃至整个经济的不同层面发挥作用。

个人：从自行车到汽车

最初的迹象，可以在知识工作的「高阶实践者」，程式设计师身上看到。

我的共同创办人西蒙曾是一位「十倍程式设计师」，但近来他很少亲手写程式码了。走过他的工位，你会看到他在同时调度三四个 AI 编程助手。这些助手不仅打字更快，还会思考，让他成了一名效率提升 30 至 40 倍的工程师。他常在午餐前或睡前排好任务伫列，让 AI 在他离开时继续工作。他已化身为无限智能的管理者。

1970 年代《科学美国人》一项关于运动效率的研究，启发了史蒂夫·贾伯斯提出「思想的自行车」这个著名比喻。只是自那以后的几十年，我们一直在资讯高速公路上「踩著自行车」。

1980 年代，史蒂夫·贾伯斯称个人电脑为「思想的自行车」。十年后，我们铺就了名为网路的「资讯高速公路」。但如今，大多数知识工作仍依赖人力。这就像我们一直在高速公路上骑自行车。

有了 AI 助手，像西蒙这样的人已经从骑自行车升级为开汽车。

其他类型的知识工作者何时才能「开上汽车」？有两个问题必须解决。

与编程助手相比，为什么 AI 辅助知识工作更难？因为知识工作更零散，也更难验证。

首先是情境碎片化。在编程中，工具和情境往往集中在一处：整合开发环境、程式码储存库、终端机。但一般的知识工作分散在几十种工具里。想像一个 AI 助手试图起草产品简介：它需要从 Slack 讨论串、战略文件、仪表板中的上季度资料，以及只存在于某个人脑中的组织记忆里提取资讯。目前人类是黏著剂，靠复制贴上和在浏览器分页之间切换来拼凑一切。只要情境没有整合，AI 助手就只能局限于狭窄的用途。

第二个缺失要素是可验证性。程式码有个神奇的特性：你可以透过测试和报错来验证它。模型开发者利用这一点，透过强化学习等方式训练 AI 更好地编程。但你如何验证一个专案管理得好不好，或一份战略备忘录是否出色？我们尚未找到改进通用知识工作模型的方法。因此，人类仍需留在循环中监督、引导并示范什么是「好」。

1865 年的《红旗法案》要求汽车在街上行驶时，必须有一名持旗者在车前步行开道（该法于 1896 年废除）。

今年的编程助手实践告诉我们，「人在回路」并不总是理想的。这就像让人在生产线上挨个检查螺栓，或者在汽车前步行清道（见 1865 年《红旗法案》）。我们应当让人站在更高处监督循环，而非置身其中。一旦情境得以整合，工作变得可验证，数十亿工作者将从「踩自行车」变为「开汽车」，再从「开车」走向「自动驾驶」。

组织：钢铁与蒸汽

公司是近代的发明，它们随著规模扩大而效能递减，终会触及极限。

1855 年纽约与伊利铁路公司的组织结构图。现代公司及其组织架构是随著铁路公司演进而来的，铁路是最早需要远距离协调数千人的企业。

几百年前，大多数公司只是十几人的作坊。如今我们有了员工数十万的跨国公司。沟通基础设施依靠会议和资讯相连的人脑在指数级增长的负荷下不堪重负。我们试图用层级、流程和文件来解决，但这无异于用木材建造摩天大楼，是用人类尺度的工具解决工业尺度的问题。

两个历史隐喻展现了，当组织拥有新的科技原料后，未来可能呈现怎样的不同面貌。

钢铁的奇迹：1913 年竣工的纽约伍尔沃斯大厦曾是世界最高建筑。

第一个是钢铁。在钢铁之前，19 世纪的建筑高度被限制在六七层。铁虽然坚固，但脆而重；增加楼层，结构就会在自重下坍塌。钢铁改变了一切。它坚固且柔韧，框架可以更轻，墙壁可以更薄，建筑陡然拔高至数十层，新型建筑由此成为可能。

AI 就是组织的「钢铁」。它有望在各工作流中保持情境连贯，在需要时呈现决策而无须噪音干扰。人类沟通不必再充当承重墙。每周两小时的对齐会议可能变为五分钟的非同步复核；需要三层审批的高阶主管决策或许几分钟就能完成。公司能够真正实现规模化，而避免我们曾视为必然的效能衰减。

依靠水车提供动力的磨坊。水力强大但不稳定，且受地点和季节限制。

第二个故事关于蒸汽机。工业革命初期，早期的纺织工厂依河而建，靠水车驱动。蒸汽机出现后，厂主起初只是用水车替换成蒸汽机，其他一切照旧，生产力提升有限。

真正的突破发生在厂主意识到可以完全摆脱水源束缚之时。他们在靠近工人、港口和原材料的地方建起更大的工厂，并围绕蒸汽机重新设计布局（后来电力普及，厂主进一步摆脱中央动力轴，将小型发动机分散到工厂各处为不同机器供电）。生产力随之爆发，第二次工业革命真正兴起。

托马斯·阿洛姆 1835 年的版画，描绘了英国兰开夏郡一家由蒸汽机驱动的纺织厂。

我们仍处于「替换水车」的阶段。将 AI 聊天机器人硬塞进为人类设计的工作流程中，我们尚未重新构想，当旧有约束消失、公司能够依靠在你睡眠时仍工作的无限智能来运行时，组织会是什么模样。

在我的公司 Notion，我们一直在实验。除了 1000 名员工，如今还有 700 多个 AI 助手在处理重复性工作：记录会议、回答问题以整合团队知识、处理 IT 请求、记录客户回馈、帮助新员工熟悉福利、编写每周状态报告以免去人工复制贴上……这只是蹒跚学步。真正的潜力仅受限于我们的想像力与惯性。

经济体：从佛罗伦斯到巨型城市

钢铁和蒸汽改变的不仅是建筑和工厂，还有城市。

直到几百年前，城市还是属于人类尺度的。你可以在四十分钟内步行穿越佛罗伦斯，生活的节奏由人的步行距离和声音传播范围决定。

随后，钢架结构让摩天大楼成为可能；蒸汽机驱动的铁路连接起城市中心与腹地；电梯、地铁、高速公路接踵而来。城市的规模与密度急剧膨胀——东京、重庆、达拉斯。

这些并非只是放大的佛罗伦斯，它们是全新的生活方式。巨型城市令人迷失、匿名、难以驾驭。这种「难以辨识」是规模的代价。但它们也提供了更多机会、更多自由，支持更多人以更多样的组合从事更多活动，这是人类尺度的文艺复兴城市无法企及的。

我认为知识经济即将经历同样的转变。

如今，知识工作已占美国 GDP 近半数，但其运作大多仍停留在人类尺度：数十人的团队、依赖会议和邮件节奏的工作流、人数过百就难以为继的组织……我们一直在用石头和木头建造「佛罗伦斯」。

当 AI 助手大规模投入使用，我们将建造「东京」，由数千 AI 与人类共同构成的组织；跨时区持续运行、无须等待某人醒来再推进的工作流；在恰到好处的人类参与下合成的决策。

那会是不同的体验：更快、杠杆效应更强，但起初也会更令人晕眩。每周例会、季度规划、年度评估的节奏可能不再适用，新的节奏将浮现。我们会失去一些清晰度，但将赢得规模与速度。

超越水车

每一种科技材料都要求人们停止透过后视镜看世界，转而开始想像新世界。卡内基凝视钢铁，看见了城市天际线；兰开夏的厂主注视蒸汽机，看见了远离河流的工厂车间。

我们仍处于 AI 的「水车阶段」，把聊天机器人硬塞进为人类设计的工作流。我们不应只满足于让 AI 充当副驾驶，而需去想像：当人类组织被钢铁强化，当琐碎工作委托给永不休息的智能时，知识工作将呈现怎样的图景。

钢铁、蒸汽和无限智能。下一片天际线就在前方，等待我们亲手建造。