關(guān)于AI的很多理解現(xiàn)在基本是一團(tuán)亂麻。有人說(shuō)模式識(shí)別不是智能原生，就有人說(shuō)模式識(shí)別是典型的AI算法，為什么不是智能原生。類似的還有關(guān)于無(wú)人公司，一人公司等等。

這里面比較別致的一個(gè)點(diǎn)則是AI思維，和互聯(lián)網(wǎng)思維很不一樣，現(xiàn)在反倒是沒(méi)什么人說(shuō)了。

那駕馭AI是不是需要一種新的思維方式，如果需要怎么去定義它？

AI的應(yīng)用層次

我們總是可以像用更高級(jí)的Word那樣去用各種大模型，這種情形下AI是一種更好的工具，在這個(gè)時(shí)候真的不用什么AI思維，經(jīng)常用就好了。

但AI顯然不止是一種工具，多智能體系統(tǒng)可以把完整的業(yè)務(wù)封裝到自己的體系里面來(lái)。這時(shí)候AI就不再是單純的工具，而成為價(jià)值創(chuàng)造的主體。

當(dāng)然在工具這主體這兩者之間還有不同的層次，大致是：

越往后越需要一種新的思維方式。否則就像成吉思汗的打法駕馭不了輕步兵一樣，越想進(jìn)階越可能傷害到自己，欲速則不達(dá)。

智能優(yōu)先

在《無(wú)人公司》里面排第一的、要遵循的新原則是智能優(yōu)先。

注意不是老板、現(xiàn)狀等等優(yōu)先，而是智能優(yōu)先。

這其實(shí)和AI成為價(jià)值創(chuàng)造主體是一個(gè)意思，也是AI真正能發(fā)揮效用的前提。

有的人可能會(huì)問(wèn)，那如果做不到智能優(yōu)先怎么辦？

那就把AI當(dāng)工具用好了，不要讓它當(dāng)主體。否則即使短期跑起來(lái)多智能體系統(tǒng)，也有一定效果，它也會(huì)逐漸死去。

因?yàn)锳I工具的使用成本很低（應(yīng)該比學(xué)Office還容易些），所以AI真正要產(chǎn)生效用，難點(diǎn)不在使用工具，而在于基于AI的基礎(chǔ)特性來(lái)封裝業(yè)務(wù)。

上述三者和業(yè)務(wù)的結(jié)合最關(guān)鍵的正是AI思維。

AI思維

AI思維，是當(dāng)我們將智能優(yōu)先（AI First）原則應(yīng)用于生產(chǎn)和服務(wù)的組織過(guò)程中，所必然采用的一種全新問(wèn)題解決方法論。

它不是指讓個(gè)人學(xué)會(huì)寫(xiě)代碼或使用AI工具，而是指在戰(zhàn)略和執(zhí)行層面，用一種內(nèi)生于計(jì)算和模擬的模式來(lái)思考和行動(dòng)。其核心要義可以概括為三點(diǎn)：虛擬先行、規(guī)?；囧e(cuò)、以及算力對(duì)沖。

參見(jiàn)：

1. 虛擬先行（Virtual-First Simulation）：在行動(dòng)前預(yù)演一切

傳統(tǒng)商業(yè)模式遵循“規(guī)劃-執(zhí)行-反饋”（PDCA）的線性流程，每一步都發(fā)生在物理世界，試錯(cuò)成本極高。而AI思維的第一原則是“虛擬先行”，即在投入真實(shí)資源之前，先在數(shù)字世界中創(chuàng)建一個(gè)與真實(shí)環(huán)境高度對(duì)應(yīng)的“世界模型”（World Model），并在其中進(jìn)行大規(guī)模的模擬。

這個(gè)世界模型，正如近期學(xué)術(shù)界熱議的，是真實(shí)世界環(huán)境的算法代理 。它可收窄到只和自己的業(yè)務(wù)相關(guān)，核心目標(biāo)也不是為了生成逼真的視頻供人娛樂(lè)，而是為了模擬真實(shí)世界中所有可行動(dòng)的可能性，以支持有目的的推理和行動(dòng)” 。

這種能力，在心理學(xué)中被稱為“假設(shè)性思維”（Hypothetical Thinking），在實(shí)踐中就是我們常說(shuō)的“思想實(shí)驗(yàn)”（thought experiments）。

AI讓這種垂直領(lǐng)域的思想實(shí)驗(yàn)成本變的極其低廉。

無(wú)論是AlphaGo通過(guò)自我對(duì)弈探索出人類未曾想過(guò)的棋路 ，還是自動(dòng)駕駛系統(tǒng)預(yù)測(cè)街道上所有車輛和行人的未來(lái)軌跡 ，其本質(zhì)都是在成本極低的虛擬世界中，對(duì)無(wú)數(shù)種“可能性”進(jìn)行推演，從而找到最優(yōu)解。

這正是AI思維賦予我們的第一個(gè)超能力：在行動(dòng)之前，看見(jiàn)未來(lái)。

參見(jiàn)：

2. 規(guī)?；囧e(cuò)（Rapid, Scalable Trial and Error）：用并行計(jì)算探索最優(yōu)路徑

人類的試錯(cuò)是串行的、昂貴的、且受限于個(gè)人精力與經(jīng)驗(yàn)。而AI可以在世界模型中，以接近零的邊際成本，進(jìn)行百萬(wàn)次、千萬(wàn)次乃至億萬(wàn)次的并行試錯(cuò)。

一個(gè)營(yíng)銷團(tuán)隊(duì)可能需要一周時(shí)間來(lái)設(shè)計(jì)和評(píng)估三種廣告方案。而一個(gè)AI Agent可以在一小時(shí)內(nèi)，生成一千種文案和圖片的組合，在虛擬的用戶群體中測(cè)試點(diǎn)擊率和轉(zhuǎn)化率，并根據(jù)反饋實(shí)時(shí)迭代，最終篩選出最優(yōu)的幾個(gè)方案投入真實(shí)市場(chǎng)。

這種規(guī)?；⒆詣?dòng)化的試錯(cuò)循環(huán)，將創(chuàng)新的速度提升了數(shù)個(gè)量級(jí)。這相當(dāng)于是改變了時(shí)間軸。

這種能力的基礎(chǔ)，正是虛擬先行能夠生成無(wú)數(shù)條“假設(shè)性軌跡”（hypothetical trajectories），讓智能體在其中通過(guò)強(qiáng)化學(xué)習(xí)或模仿學(xué)習(xí)等方式，充分利用所有“想象中的經(jīng)驗(yàn)”（imagined experience）。

特別需要一提的，如果試錯(cuò)成本足夠低，本來(lái)就是在數(shù)字空間，那也可以越過(guò)虛擬先行。

3. 算力對(duì)沖（Computational Hedging）：用計(jì)算成本置換物理成本

“虛擬先行”和“規(guī)?；囧e(cuò)”的經(jīng)濟(jì)學(xué)基礎(chǔ)，是“算力對(duì)沖”。這意味著我們可以用相對(duì)廉價(jià)的計(jì)算資源（CPU/GPU時(shí)間、電力），去對(duì)沖和替代那些極其昂貴的物理世界資源（如時(shí)間、原材料、人力資本、市場(chǎng)機(jī)會(huì)成本）。

在過(guò)去，驗(yàn)證一款新藥需要長(zhǎng)達(dá)數(shù)年的臨床試驗(yàn)和數(shù)十億美元的投入。

如今，AI可以在分子級(jí)別的世界模型中，模擬藥物與蛋白質(zhì)的相互作用，提前篩選掉大量無(wú)效或有毒的候選方案，將物理試驗(yàn)的范圍縮小到幾個(gè)最有可能成功的選項(xiàng)上。在這里，數(shù)百萬(wàn)美元的算力成本，對(duì)沖的是數(shù)億美元的研發(fā)失敗風(fēng)險(xiǎn)。

同理，一家公司在決定是否進(jìn)入一個(gè)新市場(chǎng)時(shí)，不再需要花費(fèi)數(shù)月進(jìn)行昂貴的市場(chǎng)調(diào)研，而是可以在一個(gè)模擬了該市場(chǎng)消費(fèi)者行為、競(jìng)爭(zhēng)格局和社會(huì)文化的世界模型中，運(yùn)營(yíng)一個(gè)“虛擬分公司”，觀察其數(shù)個(gè)季度的虛擬財(cái)報(bào)，再做出最終決策。

如果上述幾點(diǎn)一定要找個(gè)統(tǒng)一的例子的話，那可以回顧下移動(dòng)互聯(lián)網(wǎng)時(shí)代做App的故事：

你可以精打細(xì)磨，選一個(gè)方向做一個(gè)App；

也可以像某個(gè)公司直接就是App陣列，那個(gè)數(shù)好留那個(gè)。

顯然的后者的關(guān)鍵不在于思路，而在于試錯(cuò)成本和成功率。而AI思維無(wú)疑可以讓后者的普適性極大提升，不再局限于做App。

無(wú)人公司：AI思維的終極組織載體

當(dāng)上述三種AI思維方式被系統(tǒng)性地應(yīng)用到一個(gè)商業(yè)組織中，其最終形態(tài)必然會(huì)演化為“無(wú)人公司”。

“無(wú)人公司”并非指物理空間里空無(wú)一人，而是指其核心價(jià)值創(chuàng)造鏈條由AI智能體（AI Agent）而非人類員工來(lái)主導(dǎo)。人類的角色，從親力親為的執(zhí)行者，轉(zhuǎn)變?yōu)槟繕?biāo)的設(shè)計(jì)者、規(guī)則的制定者和價(jià)值的賦予者。

在這種組織中，AI思維不再是“錦上添花”的工具，而是其賴以生存的“操作系統(tǒng)”。

其技術(shù)內(nèi)核，可以借用最新論文：PAN（Physical, Agentic, and Nested）的通用世界模型架構(gòu)所描繪的藍(lán)圖 。

物理的（Physical）：無(wú)人公司需要模擬真實(shí)世界的物理動(dòng)態(tài) 。例如，一個(gè)無(wú)人電商公司，其世界模型需要理解一個(gè)包裹從倉(cāng)庫(kù)到用戶手中的完整物流過(guò)程。

智能體的（Agentic）：公司的核心是自主行動(dòng)的智能體。無(wú)人公司必須支持多智能體行為的模擬，例如一個(gè)負(fù)責(zé)營(yíng)銷的Agent和一個(gè)負(fù)責(zé)客服的Agent如何協(xié)同工作 。其未來(lái)的發(fā)展方向正是從單智能體擴(kuò)展到對(duì)整個(gè)商業(yè)或社會(huì)集體行為的模擬 。

嵌套的（Nested）：無(wú)人公司的世界模型是分層和嵌套的。它既能在高層次用類似LLM的結(jié)構(gòu)進(jìn)行戰(zhàn)略規(guī)劃和概念推理，也能在低層次用擴(kuò)散模型等處理精細(xì)的物理或感官細(xì)節(jié) 。

當(dāng)然如前所述，物理的和智能體的未必不重疊，但不管怎么樣，總的來(lái)看，這注定是一套依賴倒置的系統(tǒng)：以虛馭實(shí)。

舉個(gè)最簡(jiǎn)單的例子，一個(gè)典型的無(wú)人公司工作流如下：

人類創(chuàng)始人設(shè)定一個(gè)商業(yè)目標(biāo)（如“本季度將某款產(chǎn)品的ROAS提升至2”）。這個(gè)目標(biāo)被輸入到公司的“大腦”。接著，多個(gè)AI Agent（市場(chǎng)分析Agent、廣告創(chuàng)意Agent、預(yù)算分配Agent等）在這個(gè)模型沙盒中，進(jìn)行大量模擬投放實(shí)驗(yàn)。它們會(huì)“預(yù)計(jì)算并緩存各種可能的世界狀態(tài)、在這些狀態(tài)下的可行行動(dòng)及其模擬結(jié)果” 。（不一定要模擬，也可以少量真實(shí)環(huán)境操作）

最終，系統(tǒng)會(huì)選擇一個(gè)預(yù)期回報(bào)最高的行動(dòng)方案，并自動(dòng)在真實(shí)世界的廣告平臺(tái)（如Google Ads）上執(zhí)行。

從理論到現(xiàn)實(shí)：AI思維塑造的商業(yè)新浪潮

盡管普遍的、完全成熟的“無(wú)人公司”仍是未來(lái)愿景，但AI思維的原則已經(jīng)滲透到當(dāng)下的商業(yè)熱點(diǎn)中，并展現(xiàn)出巨大的威力。

工業(yè)與制造業(yè)：數(shù)字孿生與虛擬工廠

英偉達(dá)的Omniverse平臺(tái)就是一個(gè)典型的例證。汽車制造商在建立一條新的生產(chǎn)線之前，會(huì)先在Omniverse中創(chuàng)建一個(gè)1:1的數(shù)字孿生工廠。工程師們可以在這個(gè)虛擬工廠中，模擬機(jī)器臂的每一個(gè)動(dòng)作、測(cè)試生產(chǎn)線的節(jié)拍、優(yōu)化物流路徑，甚至模擬工人的操作安全。這正是“虛擬先行”和“算力對(duì)沖”思想的完美體現(xiàn)，用虛擬的調(diào)試替代了昂貴的物理安裝和返工。

內(nèi)容與營(yíng)銷：AIGC與自動(dòng)化增長(zhǎng)

傳統(tǒng)的營(yíng)銷模式正在被顛覆。如今，一個(gè)“一人團(tuán)隊(duì)”可以利用GPT生成營(yíng)銷文案，用Midjourney和Sora生成廣告圖片和視頻，再通過(guò)自動(dòng)化工具進(jìn)行全渠道分發(fā)和A/B測(cè)試。這背后就是AI思維在驅(qū)動(dòng)：用極低的成本進(jìn)行大規(guī)模的內(nèi)容創(chuàng)意生成和效果測(cè)試，這在過(guò)去是需要一個(gè)龐大團(tuán)隊(duì)才能完成的工作。雖然當(dāng)前專注視頻生成的世界模型（如Sora）還不支持交互式推理 ，但它們已經(jīng)展現(xiàn)了AI在創(chuàng)意生成方面的巨大潛力。

科學(xué)與研發(fā)：AI驅(qū)動(dòng)的假設(shè)與驗(yàn)證

科學(xué)研究的本質(zhì)就是“提出假設(shè)-進(jìn)行實(shí)驗(yàn)-驗(yàn)證結(jié)論”的循環(huán)。AI正在以前所未有的方式加速這個(gè)循環(huán)。例如，論文中提到的AlphaGeometry2已經(jīng)能夠解決奧林匹克級(jí)別的幾何難題 ，這本質(zhì)上是在一個(gè)純粹的數(shù)學(xué)世界模型中進(jìn)行高效的“思想實(shí)驗(yàn)”。而像ReasonerAgent這樣的系統(tǒng)，則可以在網(wǎng)絡(luò)上自動(dòng)進(jìn)行文獻(xiàn)調(diào)研和信息整合，輔助人類研究員更快地形成和驗(yàn)證假設(shè) 。上面提到的Chai 2 也是其中很好的例子。

未來(lái)屬于掌握“模擬-行動(dòng)”飛輪的企業(yè)

我們正在從一個(gè)“經(jīng)驗(yàn)驅(qū)動(dòng)”的商業(yè)世界，邁向一個(gè)“模擬驅(qū)動(dòng)”的商業(yè)世界。

企業(yè)的核心競(jìng)爭(zhēng)力，不再僅僅是擁有多少資本、多少人才，或積累了多少過(guò)去的成功經(jīng)驗(yàn)。未來(lái)的核心競(jìng)爭(zhēng)力將取決于：你的世界模型對(duì)真實(shí)世界的模擬保真度有多高？你的“模擬-行動(dòng)”飛輪轉(zhuǎn)得有多快？

掌握了AI思維，就意味著掌握了用最低成本“預(yù)見(jiàn)未來(lái)”并“選擇未來(lái)”的能力。以此為基礎(chǔ)構(gòu)建的“無(wú)人公司”，將具備傳統(tǒng)組織無(wú)法比擬的敏捷性、效率和擴(kuò)展性。它們能夠更靈活地適應(yīng)市場(chǎng)的風(fēng)云變幻，更精準(zhǔn)地捕捉用戶的潛在需求，最終在競(jìng)爭(zhēng)中獲得結(jié)構(gòu)性的優(yōu)勢(shì)。

我們最終的目標(biāo)是構(gòu)建具備“人類智能所特有的適應(yīng)性、韌性和自主性” 的AI系統(tǒng)。這條道路漫長(zhǎng)但充滿機(jī)遇，而那些率先擁抱AI思維、并開(kāi)始構(gòu)建屬于自己的“世界模型”和“無(wú)人公司”原型的企業(yè)與個(gè)人，無(wú)疑將成為定義下一個(gè)商業(yè)時(shí)代的先行者。

當(dāng)然，真動(dòng)手前，需要首先縮減業(yè)務(wù)的切口，然后再去確定究竟需要多少層級(jí)的模擬。

可以先觀察學(xué)習(xí)，不要著急，比如可以先讀《無(wú)人公司》...

上面有想象成分，但顯然的它會(huì)構(gòu)建真正的智能文明，那會(huì)是一個(gè)很不一樣的世界。

注：入群或者加入AI碰撞局聯(lián)系shuixiu2024