大家 可能 還 記得 以前 文章 中 提過 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)了這樣一個觀點：

增強(qiáng)的極限是1人公司，而自動化的極限是0人公司。

這是在本書過程中我老師發(fā)我的一個參考，也是我第一次看到有其他的人在思考《無人公司》。

那為什么說無人公司是未來的方向而不是簡單的增強(qiáng)？

1人公司大概率是種幻覺

我有個很好的朋友，海外知名大學(xué)的PhD，有豐富的一線實戰(zhàn)經(jīng)驗，一直就在真的實踐一人公司。

前兩天晚上和我聊天說：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]碰到過在產(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活是1人公司。

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

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小時在線，為了更賺錢，你可能需要同時出500個設(shè)計方案以供篩選，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。

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

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，全交給AI去做，也就是我們說的無人公司。

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

當(dāng)然我之所以如此確信，不是因為上面這種簡單演繹。

最核心的信心來源其實是我長期做這事，這些直接體感是更主要的信心來源。

我驗證了什么？

我們是不是可以做一套：Token進(jìn)，錢出來的系統(tǒng)？

答案其實是可以的。

到現(xiàn)在為止我自己操刀實現(xiàn)過三代與此相關(guān)的系統(tǒng)。最后一代最貼近這個目標(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)始萬象更新。

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

這套系統(tǒng)讓我認(rèn)識到其實可以做一套系統(tǒng)來全自動管理多角色，每個角色可以具有完全不一樣的功能。

但在大模型出來之前，它上限很低，由于自然語言處理算法不靈，只能處理簡單命令，沒啥大用。

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

一度起名叫Datrix（從Matrix來的靈感），簡單來說就是把智能音箱變成一個專門的企業(yè)里面的助手，并且這個助手要主動做很多工作，比如把市場反饋、內(nèi)部規(guī)則的運轉(zhuǎn)情況發(fā)到每個角色、每個人等等。BI等功能被自動化了。

這產(chǎn)品本質(zhì)上和估值56億美金的Glean非常非常像。也跑起來了，可局限在公司里面運轉(zhuǎn)，沒做對外的商業(yè)化。

它碰到的核心問題是數(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，這幾乎就不可能準(zhǔn)。同時跨多個系統(tǒng)的時候，數(shù)據(jù)的一致性確保也很成問題。

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題。而這問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)，錢出來的系統(tǒng)。

從第二代系統(tǒng)可以得出個基本結(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)面說明：單角色、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性的。

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

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

我看到了什么？

思考這類事的時候，也不能閉門造車。有一種就自己發(fā)現(xiàn)絕世武功的秘密快感是非常危險的。

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)出租車公司 VS 滴滴 VS Robotaxi(國內(nèi)之前蘿卜快跑打了個樣)

從外部也可以發(fā)現(xiàn)這是三類不一樣的“東西”。

傳統(tǒng)出租車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。但司機(jī)和滴滴間的關(guān)系還不是，所以你會經(jīng)常聽到各種抱怨：老給我派很差的單等等。

到最后一類就變成了完全的算法驅(qū)動。

怎么跑更安全、更快、那臺車歷史記錄什么樣子清清楚楚的被數(shù)字化了。

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

這時候強(qiáng)調(diào)AI可以讓司機(jī)更好的開車是沒意義的。

2. 傳統(tǒng)服裝品牌 VS AI驅(qū)動的T恤商業(yè)體

可以構(gòu)建一個特別傳統(tǒng)組織多個團(tuán)隊協(xié)作完成信息收集、設(shè)計、生產(chǎn)、銷售的工作。

也可以采取一種新的方式：

建立一個和T恤相關(guān)的領(lǐng)域模型，根據(jù)這個模型收集全網(wǎng)數(shù)據(jù)，捕捉相關(guān)熱點，然后根據(jù)熱點出設(shè)計方案，再之后把設(shè)計方案扔給制造工廠，同時上線營銷也托管給AI。整個過程基本AI agent驅(qū)動，雖然必要環(huán)節(jié)有人介入復(fù)核等，但那是人輔助AI。

類似的還有做美甲，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，大量級出設(shè)計方案，快速上線銷售，傳統(tǒng)方式就不可能干過后一種方式。

核心問題是這種模式現(xiàn)在沒法無邊界的擴(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)獲取到實盤只能是AI+算法驅(qū)動。人參與的策略部分很像幫助AI修改腦子。

4. 傳統(tǒng)運維 VS AI接管數(shù)據(jù)中心運營

Deepmind報過一次自己的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)。

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

還有些這里不都展開了，這方向感興趣可以關(guān)注下上面說的書。

小結(jié)

在這種背景下，我真的很難相信公司還會一如既往，只是導(dǎo)入個DeepSeek每人都用用就OK了。在我的理解里，那只是一個微不足道的起點，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。

（這有個過渡周期，在有些領(lǐng)域也會長期存在，但很可能不是未來的主流）

額外需要一提的是：

一邊是說大力丸吃了包治百??；

一邊是說你得自己思考，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。

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

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