JPED荐读｜Notion创始人：蒸汽、钢铁与无限心智

每个时代都由其专属的 “奇迹材料” 塑造。钢铁铸就了镀金时代，半导体开启了数字时代，而今，人工智能正以 “无限心智” 的姿态登场。历史早已给出启示：谁掌握了核心材料，谁就定义了整个时代。

图｜左：少年时期的安德鲁·卡内基和他的弟弟；右：镀金时代的匹兹堡钢铁厂

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童，彼时六成美国人以农耕为生。仅用两代人的时间，卡内基与同辈们便亲手锻造出了现代世界 —— 马车被铁路取代，烛光让位于电力，铁器升级为钢材。

自那以后，工作场景从工厂转向了办公室。如今，我在旧金山经营着一家软件公司，为数百万知识工作者打造工具。在这座科技之城，人人都在谈论通用人工智能（AGI），但全球二十亿伏案工作者中，绝大多数仍未真切感受到它的影响。不久之后，知识工作会是什么模样？当组织架构吸纳了永不休眠的智能体，又将引发怎样的变化？

图｜早期电影看起来就像舞台剧，只有一台摄影机对准舞台

未来之所以难以预测，是因为它总以过去的模样伪装自己。早期的电话沟通如同电报般简洁，早期的电影宛如舞台剧的录像。这正是马歇尔・麦克卢汉（Marshall McLuhan）所说的 “透过后视镜驶向未来”（ “driving to the future via the rearview window”）。

图｜当今最流行的AI形式就像过去的谷歌搜索。引用马歇尔·麦克卢汉的话：“我们总是通过后视镜驶向未来。”

当下，我们看到的便是模仿谷歌搜索框的人工智能聊天机器人。我们正深陷每一次技术变革都会经历的那段令人不适的过渡期。对于未来会发生什么，我无法给出所有答案。但我喜欢用几个历史隐喻，来思考人工智能如何在不同维度发挥作用 —— 从个体，到组织，再到整个经济体。

变革的最初迹象，出现在知识工作的核心群体 ——程序员身上。我的联合创始人西蒙曾是业内公认的 “十倍速程序员”，但如今他已极少亲自编写代码。走过他的办公桌，你会看到他同时调度着三四个 AI 编程助手；这些助手不仅打字速度更快，更具备独立思考能力，这让西蒙成为了效率高达三四十倍的工程师。他会在午餐前或睡前布置好任务，让这些智能体在自己离开时持续工作。他已然成为了 “无限心智” 的管理者。

图｜20世纪70年代《科学美国人》的一项移动效率研究启发了乔布斯著名的“思维的自行车”比喻。只不过，自那以后，我们在信息高速公路这条“路”上已经骑行了数十年。

上世纪 80 年代，史蒂夫・乔布斯将个人电脑称作 “思维的自行车”。十年后，我们铺就了名为互联网的 “信息高速公路”。但时至今日，绝大多数知识工作仍依赖人力驱动 —— 这就像我们一直在高速公路上骑自行车，步履维艰。借助 AI 智能体，西蒙这样的从业者已然从 “骑行自行车” 升级为 “驾驭汽车”。那么，其他领域的知识工作者何时才能换上属于自己的 “汽车”？有两个核心问题必须解决。

图｜与编程代理相比，为什么人工智能在知识工作中更难提供帮助？因为知识工作更加碎片化且难以验证。

其一，是情境碎片化。编程工作的工具与上下文往往集中在同一处：集成开发环境（IDE）、代码仓库（repo）、终端（terminal）。但通用知识工作的信息却分散在数十种工具之中。试想，若让 AI 智能体起草一份产品简报，它需要从 Slack 对话线程、战略文档、数据仪表盘里的上季度指标，甚至仅存在于某个人脑海中的企业隐性知识里提取信息。如今，是人类充当着 “黏合剂”，通过复制粘贴、在浏览器标签页间反复切换，将这些信息拼凑在一起。除非能实现情境的整合，否则 AI 智能体终将困在狭窄的应用场景中。

其二，是可验证性的缺失。代码有着一种神奇的特性：你可以通过测试与报错来验证它的有效性。模型研发者正是利用这一点，训练 AI 不断提升编程能力（例如强化学习）。但我们该如何验证一个项目的管理是否到位？一份战略备忘录是否出色？我们尚未找到优化人工智能处理通用知识工作的方法。因此，人类仍需 “人在回路中”（human-in-the-loop）进行监督、引导，并示范何为 “优质” 的成果。

图｜1865年的《红旗法案》（The Red Flag Act ）规定，车辆在街道上行驶时，必须有一名持旗者在车前步行开路（该法案于 1896 年废除）。这是“人在回路中”这一做法的不良范例。

而今年 AI 编程助手的实践让我们明白，“人在回路中” 并非总是必要的。这就好比让某人逐一检查工厂流水线上的每一颗螺栓，或是让人事先走到汽车前方清道（参见 1865 年《红旗法案》）。我们希望人类能从更具杠杆效应的角度监督流程，而非深陷其中。一旦情境实现整合、工作成果可被验证，数十亿劳动者将从 “骑行” 迈向 “驾驶”，进而步入 “自动驾驶” 的新阶段。

公司是近代才出现的组织形式，却会随着规模扩张而效率衰减，最终触及发展的天花板。

图｜1855年纽约与伊利铁路公司的组织架构。现代公司和组织架构图是随着铁路公司的发展而演变的，因为铁路公司是最早需要协调分布在广阔地域的数千人的企业。

几百年前，绝大多数公司都只是十几人的小作坊；如今，我们已拥有数十万员工规模的跨国企业。但以会议、消息为纽带，依托人类大脑搭建的沟通体系，早已在指数级增长的负荷下不堪重负。我们试图通过建立层级、制定流程、完善文档来解决这一问题，但这无异于用适用于小团队的人力工具，去应对工业级规模的难题，就像用木材搭建摩天大楼。

两个历史隐喻，或许能为我们揭示：全新的 “奇迹材料” 将如何重塑未来的组织形态。

图｜钢铁的奇迹：伍尔沃斯大厦于1913年在纽约建成，当时是世界上的最高建筑。

第一个隐喻是钢铁。在钢铁出现之前，19 世纪的建筑最高只能建到六七层。生铁虽坚固，却既脆又重；一旦增加层数，建筑便会因自身重量坍塌。而钢铁的出现改变了一切 —— 它兼具强度与延展性，用钢铁搭建的框架更轻盈，墙体可更单薄，楼宇 suddenly 能拔地而起数十层，全新的建筑形态自此成为可能。

人工智能之于组织，便如同钢铁之于建筑。它有潜力在各类工作流程中保持情境的连贯性，在需要时精准呈现决策依据，且不会产生冗余干扰。人类沟通不再需要充当 “承重墙”：原本两小时的周度对齐会议，可简化为五分钟的异步审阅；原本需要三级审批的高管决策，或许几分钟内便能完成。企业终于能够实现真正的规模化发展，不再受限于那些我们曾认为不可避免的效率衰减。

图｜一种用水轮驱动运转的磨坊。水力强大但不稳定，这使得磨坊只能建在少数几个地方，并受季节限制。

第二个隐喻是蒸汽机。工业革命初期，早期的纺织厂皆依河而建，依靠水车提供动力。蒸汽机问世后，工厂主们起初只是简单地用水车替换成蒸汽机，其余一切保持不变，生产力的提升十分有限。真正的突破，源于工厂主们意识到：他们完全可以摆脱对水力的依赖。他们在靠近工人、港口与原材料产地的地方建造了更大的磨坊，并围绕蒸汽机重新设计了工厂布局。（后来，电力出现后，工厂主们进一步打破了中央动力轴的限制，在工厂各处为不同机器配备了小型发动机。）生产力就此爆发式增长，第二次工业革命真正拉开了序幕。

图｜这幅由托马斯·阿洛姆于1835年创作的版画描绘了英国兰开夏郡的一家纺织厂。该厂由蒸汽机提供动力。

如今，我们仍处在 “替换水车” 的阶段 —— 将 AI 聊天机器人像螺栓一样 “嫁接” 到现有工具上，却从未想过：当旧有的约束消失，当公司能够依靠 “永不休眠的无限心智” 运转时，组织会是什么模样？在我所在的 Notion 公司，我们已经开始了相关尝试。除了 1000 名员工，已有超过 700 个 AI 智能体在承担重复性工作：记录会议纪要、解答问题以整合企业隐性知识、处理 IT 咨询、记录客户反馈、协助新员工熟悉入职福利、撰写每周状态报告，让人们不必再进行繁琐的复制粘贴。而这，仅仅是个开始。人工智能能带来的真正价值，唯一的限制便是我们的想象力与思维惯性。

钢铁与蒸汽改变的不仅是建筑与工厂，更重塑了城市的形态。

几百年前，城市都是 “人力尺度” 的：步行穿过佛罗伦萨只需四十分钟。生活的节奏，由一个人能走多远、声音能传多远决定。后来，钢铁框架让摩天大楼成为可能，蒸汽机驱动的铁路将城市中心与腹地连接起来，电梯、地铁、高速公路相继出现。城市的规模与人口密度迎来爆发式增长 —— 东京、重庆、达拉斯……这些超级都市绝非佛罗伦萨的简单放大，而是全新的生活方式。它们或许令人感到迷失、陌生，也更难驾驭，这份 “难以捉摸” 正是规模扩张的必然代价。但与此同时，它们也带来了更多机遇与自由：更多人以更多元的方式，做着更多样的事，其组合方式的丰富度，早已超出了文艺复兴时期那种 “人力尺度” 的小城所能承载的极限。

我认为，知识经济即将经历同样的变革。如今，知识工作创造的价值已占据美国 GDP 的近半壁江山。但绝大多数知识工作的运行模式，仍停留在 “人力尺度”：几十人的团队、以会议和邮件为节奏的工作流程、规模超过数百人便会不堪重负的组织。我们就像用石头与木材，搭建出了一座座 “佛罗伦萨”。

而当 AI 智能体实现规模化应用，我们将开始建造 “东京” 级别的知识经济体：由数千名人类员工与 AI 智能体共同组成的组织、昼夜不息且跨时区推进的工作流程、无需等待任何人醒来的协作模式、在 “恰到好处的人机协同” 中完成的决策。

置身其中，感受会截然不同：更快、更具杠杆效应，但起初也会令人感到晕眩。周会、季度规划、年度考核这些旧有节奏，可能会逐渐失去意义，新的运行节奏将悄然成型。我们或许会失去一些固有的 “清晰度”，但终将收获前所未有的规模与速度。