AI給人的幻覺(jué)是個(gè)技術(shù)問(wèn)題，隨著技術(shù)進(jìn)步會(huì)在確定的節(jié)奏里收斂；人對(duì)AI的幻覺(jué)卻是個(gè)認(rèn)知問(wèn)題，存續(xù)時(shí)間可能遠(yuǎn)比我們想的長(zhǎng)。
如果要比較那個(gè)害處更大，我想人對(duì)AI的幻覺(jué)所帶來(lái)的壞處要遠(yuǎn)大于AI給人產(chǎn)生的。

我們很多對(duì)AI的基礎(chǔ)認(rèn)識(shí)是錯(cuò)的！

錯(cuò)誤的認(rèn)識(shí)帶來(lái)錯(cuò)誤的預(yù)期，錯(cuò)誤的預(yù)期就帶來(lái)錯(cuò)誤的行為，典型的錯(cuò)誤認(rèn)識(shí)包括：

• 我們真的可以認(rèn)為學(xué)會(huì)和AI說(shuō)話就會(huì)變的更安全么？

• 我們真的可以以為學(xué)會(huì)提示詞技巧能寫(xiě)和大模型交互的程序就是可以延長(zhǎng)編程生涯么？

• 我們真的可以認(rèn)為部署幾臺(tái)服務(wù)器，公司里面每個(gè)人都用上DeepSeek就算擁抱AI了么？

這些基本都是幻覺(jué)。

從這個(gè)角度看，下面的《無(wú)人公司》其實(shí)是本去幻覺(jué)的書(shū)，基于案例和底層邏輯展露一個(gè)可能的、但殘酷的AI世界。

智能優(yōu)先的世界

我們拿賣(mài)T恤的過(guò)程來(lái)舉例，忽略某些細(xì)節(jié)后這個(gè)活有這么幾個(gè)關(guān)鍵步驟：

得有人盯市場(chǎng)，為了判斷到底什么樣的設(shè)計(jì)更可能賣(mài)出去某些團(tuán)隊(duì)要做很多分析，這個(gè)分析就是收集數(shù)據(jù)、建立模型的過(guò)程。

分析的結(jié)果最終就是新的設(shè)計(jì)，比如哪吒火了，那趕緊做哪吒相關(guān)的。

這個(gè)設(shè)計(jì)要扔給工廠，這時(shí)候一組工人按照既有生產(chǎn)流程把T恤做出來(lái)。

做出來(lái)后，要放在N種分發(fā)渠道上開(kāi)賣(mài)。這時(shí)候又是另一組人，這組要關(guān)注流量等等。

所有事情都完成后需要整個(gè)復(fù)盤(pán)看哪里做的好，哪里做的不好。

在沒(méi)有AI的年月里，上面所有的工作包括：收集數(shù)據(jù)、新設(shè)計(jì)、生產(chǎn)制造、銷(xiāo)售完全由人驅(qū)動(dòng)，為了避免混亂，就需要定義流程以及中間結(jié)果的交付標(biāo)準(zhǔn)，明確誰(shuí)要交付什么，好在出錯(cuò)的時(shí)候看是誰(shuí)的問(wèn)題。

運(yùn)轉(zhuǎn)過(guò)程中也必然會(huì)滋生人與人之間的摩擦，工序上下游互相大罵的情形正常是很難避免的。為了萬(wàn)眾一心就還要設(shè)計(jì)匯報(bào)機(jī)制、激勵(lì)機(jī)制（人事、財(cái)務(wù)等）。

但智能優(yōu)先的世界完全不是這樣。

AI可以自己收集和T恤相關(guān)的數(shù)據(jù)并進(jìn)行設(shè)計(jì)，然后轉(zhuǎn)給AI完成生產(chǎn)，再轉(zhuǎn)給AI完成宣傳的圖片等上線和銷(xiāo)售。OpenAI O1，DeepSeek R1這樣的模型日漸也可以承擔(dān)反省總結(jié)的工作。

這時(shí)候公司就會(huì)變成一個(gè)AI智能體對(duì)AI智能體的系統(tǒng)，最多在關(guān)鍵環(huán)節(jié)比如設(shè)計(jì)圖案是不是反動(dòng)這種點(diǎn)上做些檢查。

請(qǐng)注意現(xiàn)在我們有了完全不一樣的兩種選擇：

選擇1：保持原來(lái)的工作過(guò)程，每個(gè)人都開(kāi)始使用AI來(lái)提升效率。

這是漸進(jìn)式的。

選擇2：全部導(dǎo)入AI，讓人只在必須環(huán)節(jié)輔助下。

這是顛覆式的。

前者靠人類(lèi)智能進(jìn)行驅(qū)動(dòng)，靠工具進(jìn)行輔助；后者靠AI的智能進(jìn)行驅(qū)動(dòng)，靠人類(lèi)進(jìn)行輔助。

這是完全不一樣的兩套體系。

即使不做詳細(xì)對(duì)比，只要足夠理智的人也會(huì)發(fā)現(xiàn)，AI越發(fā)展后面這樣的體系優(yōu)勢(shì)越大。

現(xiàn)在前者談的比較多，后者則太少。《無(wú)人公司》關(guān)注選擇2。下場(chǎng)直播會(huì)展開(kāi)說(shuō)說(shuō)。

人類(lèi)對(duì)AI的幻覺(jué)

假如選擇2這種主要靠AI驅(qū)動(dòng)的商業(yè)智能體覆蓋N個(gè)領(lǐng)域，那顯然現(xiàn)在許多努力其實(shí)都錯(cuò)誤認(rèn)識(shí)下的幻覺(jué)。

顯然的在選擇2下，業(yè)務(wù)單元是一塊塊崩的稀碎然后基于AI重建，和在原來(lái)的基礎(chǔ)上精雕細(xì)琢的選擇1完全是不一樣的路子。

在這個(gè)背景下覺(jué)得學(xué)會(huì)和AI對(duì)話等就是跟上AI潮流是幻覺(jué)。在一個(gè)AI對(duì)AI為主的系統(tǒng)里根本就不需要人和AI做很多對(duì)話。

覺(jué)得把提示詞寫(xiě)好是AI核心技能是幻覺(jué)。在那個(gè)體系里，AI會(huì)和AI自己改善提示詞，讓工作越做越好。

更進(jìn)一步，覺(jué)得公司部署幾臺(tái)服務(wù)器，能和DeepSeek對(duì)話就能產(chǎn)生更高的生產(chǎn)力這也是幻覺(jué)。就這很像買(mǎi)了炮彈但沒(méi)有炮，卻認(rèn)為自己具有了極大的火力。

這些幻覺(jué)都源自我們思維慣性，我們潛意識(shí)的認(rèn)為現(xiàn)在的模式會(huì)延續(xù)，所以想各種辦法改善當(dāng)前模式的各種環(huán)節(jié)。于是花很多時(shí)間琢磨怎么把工具嵌入進(jìn)來(lái)提高效率。但顯然蒸汽機(jī)不是用來(lái)提供更好鐮刀的。

電池也可以用來(lái)改進(jìn)油車(chē)的里程，但很難改善出純粹的電動(dòng)車(chē)。這需要全新的設(shè)計(jì)和原則。

去除人類(lèi)對(duì)AI的幻覺(jué)后才可能有真有意義的人類(lèi)新定位。

前奏的鼓已經(jīng)震天的在響

有的同學(xué)可能覺(jué)得這是夸大其詞，不過(guò)又是一次狼來(lái)了而已。

但這次看起來(lái)真的不是，各種領(lǐng)域關(guān)于此的實(shí)踐風(fēng)起云涌，從未斷絕，只不過(guò)被關(guān)注的遠(yuǎn)遠(yuǎn)不夠。下面列舉一些：

前面武漢蘿卜快跑其實(shí)就是這個(gè)模式，現(xiàn)在因?yàn)榇蠹业姆磳?duì)聲量小了很多，但這不意味著它不會(huì)發(fā)生了么？

在米國(guó)Waymo投入車(chē)量的數(shù)目與日俱增，當(dāng)前大概是接近1000臺(tái)，隨后特斯拉馬上要進(jìn)入這個(gè)名為Robotaxi的市場(chǎng)。

Robotaxi就是一套系統(tǒng)代表公司管理N臺(tái)配備了自動(dòng)駕駛能力的汽車(chē)對(duì)外提供出行服務(wù)。只在必要環(huán)節(jié)嵌入人的角色。實(shí)際上在關(guān)鍵環(huán)節(jié)也沒(méi)法嵌入，一旦嵌入流轉(zhuǎn)效率就差，這套系統(tǒng)可能就會(huì)虧損。

大概是受Robotaxi啟發(fā)，有人也在把這套思路移植到采礦車(chē)上，所以就還有一幫人在嘗試怎么構(gòu)建一套無(wú)人機(jī)、采礦車(chē)的全自動(dòng)系統(tǒng)，而不是單純的賣(mài)車(chē)。

純粹數(shù)字世界中的例子就更多。

老說(shuō)的量化高頻交易（Deepseek母公司幻方量化就是干這個(gè)的）是這樣的。這種系統(tǒng)就和AlphaGo一樣，你沒(méi)辦法塞入人的環(huán)節(jié)百分百算法驅(qū)動(dòng)。

這里面最經(jīng)典的系統(tǒng)正是大家每天都用的抖音，抖音顯然是個(gè)全算法驅(qū)動(dòng)的系統(tǒng)，假如抖音不再升級(jí)，那員工全部放假半個(gè)月估計(jì)問(wèn)題不大。不這么做也不行，沒(méi)有任何其它方法同時(shí)管理幾千萬(wàn)主播和幾億的用戶。在這個(gè)系統(tǒng)里面主播、算法、用戶的匹配完全由算法進(jìn)行驅(qū)動(dòng)，而抖音的員工起的是輔助這套算法的作用。

這類(lèi)系統(tǒng)中設(shè)想上最夸張的是馬斯克和他最近爆出來(lái)的unboxed工廠（還未實(shí)現(xiàn)）。如果真實(shí)現(xiàn)了，那等于把工廠改造成原料進(jìn)，汽車(chē)出的模式。這東西要做出來(lái)會(huì)石破天驚的，將對(duì)制造業(yè)產(chǎn)生根本性影響。

相比于互聯(lián)網(wǎng)那個(gè)時(shí)代，現(xiàn)在這個(gè)時(shí)間點(diǎn)最大的變化是這種模式能覆蓋的領(lǐng)域更多，成本更低了。過(guò)去江湖流傳做這么套系統(tǒng)2億美金起，現(xiàn)在如果領(lǐng)域選的小，幾十萬(wàn)也是可以的。

所以是這模式大普及的前夜。

過(guò)去要做個(gè)聚合老師教英語(yǔ)的平臺(tái)（VIPKID）要多少錢(qián)，往后呢？

看到現(xiàn)實(shí)后才有真定位

這類(lèi)模式有極其殘酷的一面，比如：蘿卜快跑的模式如果起來(lái)，不管車(chē)開(kāi)的多好，人也沒(méi)用，盡管你可能學(xué)開(kāi)車(chē)的同時(shí)掌握了N種AI工具。

類(lèi)似的unboxed那種工廠，不管善用多少AI工具，在主流程上也不需要你。目標(biāo)是5s一輛車(chē)的系統(tǒng)，人加進(jìn)去就只能拖慢效能。

假設(shè)上面說(shuō)的會(huì)發(fā)生顯然比假設(shè)它不會(huì)發(fā)生要靠譜些。

那這時(shí)候人的位置到底在哪里呢？

很少一部分會(huì)保持原來(lái)的分工協(xié)作模式，他們分工合作負(fù)責(zé)推動(dòng)現(xiàn)實(shí)中的科技發(fā)展，比如會(huì)有人繼續(xù)研發(fā)AI，會(huì)有人研究芯片怎么從7nm到2nm，會(huì)有人研究量子計(jì)算機(jī)等等。

但我們要注意到，真正從事AI研究的人已經(jīng)逐漸集中到極少的幾所學(xué)校（5所），甚至都不是全部985院校。

更多的人必須自己是一個(gè)業(yè)務(wù)單元。每個(gè)業(yè)務(wù)單元需要一個(gè)AI驅(qū)動(dòng)的無(wú)人公司。

具體來(lái)說(shuō)就是：人（股東和戰(zhàn)略設(shè)定）+一套《無(wú)人公司》系統(tǒng)能夠完成賺錢(qián)的目標(biāo)。

當(dāng)前更貼近這個(gè)形態(tài)的其實(shí)是主播，主播只對(duì)平臺(tái)有依賴，但基本是個(gè)獨(dú)立經(jīng)營(yíng)的個(gè)體。

在基于AI的《無(wú)人公司》里說(shuō)探討的系統(tǒng)的加持下，能夠獨(dú)立出來(lái)的也必然不止是主播。這時(shí)候你要關(guān)注的并不是怎么寫(xiě)提示詞，那個(gè)網(wǎng)紅是因?yàn)锳I技術(shù)好變成網(wǎng)紅的呢！

小結(jié)

在AI大模型出來(lái)之前，我就一直關(guān)注這種算法驅(qū)動(dòng)型的組織模式，也正因此更直接的體會(huì)到它在AI大模型后的加速趨勢(shì)。（參見(jiàn)過(guò)去琢磨事的各種文章，包括智能原生等）

同時(shí)我也認(rèn)識(shí)到這種體感和大量現(xiàn)行關(guān)于AI的觀點(diǎn)是擰的，因此就把自己收集的案例、實(shí)踐、技術(shù)脈絡(luò)梳理出來(lái)，最終也就變成了《無(wú)人公司》。