人對AI的幻覺遠大于AI給人的

AI給人的幻覺是個技術(shù)問題，隨著技術(shù)進步會在確定的節(jié)奏里收斂；人對AI的幻覺卻是個認(rèn)知問題，存續(xù)時間可能遠比我們想的長。
如果要比較那個害處更大，我想人對AI的幻覺所帶來的壞處要遠大于AI給人產(chǎn)生的。

我們很多對AI的基礎(chǔ)認(rèn)識是錯的！

錯誤的認(rèn)識帶來錯誤的預(yù)期，錯誤的預(yù)期就帶來錯誤的行為，典型的錯誤認(rèn)識包括：

• 我們真的可以認(rèn)為學(xué)會和AI說話就會變的更安全么？

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

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

這些基本都是幻覺。

從這個角度看，下面的《無人公司》其實是本去幻覺的書，基于案例和底層邏輯展露一個可能的、但殘酷的AI世界。

智能優(yōu)先的世界

我們拿賣T恤的過程來舉例，忽略某些細節(jié)后這個活有這么幾個關(guān)鍵步驟：

得有人盯市場，為了判斷到底什么樣的設(shè)計更可能賣出去某些團隊要做很多分析，這個分析就是收集數(shù)據(jù)、建立模型的過程。

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

這個設(shè)計要扔給工廠，這時候一組工人按照既有生產(chǎn)流程把T恤做出來。

做出來后，要放在N種分發(fā)渠道上開賣。這時候又是另一組人，這組要關(guān)注流量等等。

所有事情都完成后需要整個復(fù)盤看哪里做的好，哪里做的不好。

在沒有AI的年月里，上面所有的工作包括：收集數(shù)據(jù)、新設(shè)計、生產(chǎn)制造、銷售完全由人驅(qū)動，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)，明確誰要交付什么，好在出錯的時候看是誰的問題。

運轉(zhuǎn)過程中也必然會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。為了萬眾一心就還要設(shè)計匯報機制、激勵機制（人事、財務(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)并進行設(shè)計，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。

這時候公司就會變成一個AI智能體對AI智能體的系統(tǒng)，最多在關(guān)鍵環(huán)節(jié)比如設(shè)計圖案是不是反動這種點上做些檢查。

請注意現(xiàn)在我們有了完全不一樣的兩種選擇：

選擇1：保持原來的工作過程，每個人都開始使用AI來提升效率。

這是漸進式的。

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。

前者靠人類智能進行驅(qū)動，靠工具進行輔助；后者靠AI的智能進行驅(qū)動，靠人類進行輔助。

這是完全不一樣的兩套體系。

即使不做詳細對比，只要足夠理智的人也會發(fā)現(xiàn)，AI越發(fā)展后面這樣的體系優(yōu)勢越大。

現(xiàn)在前者談的比較多，后者則太少。《無人公司》關(guān)注選擇2。下場直播會展開說說。

人類對AI的幻覺

假如選擇2這種主要靠AI驅(qū)動的商業(yè)智能體覆蓋N個領(lǐng)域，那顯然現(xiàn)在許多努力其實都錯誤認(rèn)識下的幻覺。

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，和在原來的基礎(chǔ)上精雕細琢的選擇1完全是不一樣的路子。

在這個背景下覺得學(xué)會和AI對話等就是跟上AI潮流是幻覺。在一個AI對AI為主的系統(tǒng)里根本就不需要人和AI做很多對話。

覺得把提示詞寫好是AI核心技能是幻覺。在那個體系里，AI會和AI自己改善提示詞，讓工作越做越好。

更進一步，覺得公司部署幾臺服務(wù)器，能和DeepSeek對話就能產(chǎn)生更高的生產(chǎn)力這也是幻覺。就這很像買了炮彈但沒有炮，卻認(rèn)為自己具有了極大的火力。

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

電池也可以用來改進油車的里程，但很難改善出純粹的電動車。這需要全新的設(shè)計和原則。

去除人類對AI的幻覺后才可能有真有意義的人類新定位。

前奏的鼓已經(jīng)震天的在響

有的同學(xué)可能覺得這是夸大其詞，不過又是一次狼來了而已。

但這次看起來真的不是，各種領(lǐng)域關(guān)于此的實踐風(fēng)起云涌，從未斷絕，只不過被關(guān)注的遠遠不夠。下面列舉一些：

前面武漢蘿卜快跑其實就是這個模式，現(xiàn)在因為大家的反對聲量小了很多，但這不意味著它不會發(fā)生了么？

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

Robotaxi就是一套系統(tǒng)代表公司管理N臺配備了自動駕駛能力的汽車對外提供出行服務(wù)。只在必要環(huán)節(jié)嵌入人的角色。實際上在關(guān)鍵環(huán)節(jié)也沒法嵌入，一旦嵌入流轉(zhuǎn)效率就差，這套系統(tǒng)可能就會虧損。

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

純粹數(shù)字世界中的例子就更多。

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

這里面最經(jīng)典的系統(tǒng)正是大家每天都用的抖音，抖音顯然是個全算法驅(qū)動的系統(tǒng)，假如抖音不再升級，那員工全部放假半個月估計問題不大。不這么做也不行，沒有任何其它方法同時管理幾千萬主播和幾億的用戶。在這個系統(tǒng)里面主播、算法、用戶的匹配完全由算法進行驅(qū)動，而抖音的員工起的是輔助這套算法的作用。

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

相比于互聯(lián)網(wǎng)那個時代，現(xiàn)在這個時間點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，幾十萬也是可以的。

所以是這模式大普及的前夜。

過去要做個聚合老師教英語的平臺（VIPKID）要多少錢，往后呢？

看到現(xiàn)實后才有真定位

這類模式有極其殘酷的一面，比如：蘿卜快跑的模式如果起來，不管車開的多好，人也沒用，盡管你可能學(xué)開車的同時掌握了N種AI工具。

類似的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一輛車的系統(tǒng)，人加進去就只能拖慢效能。

假設(shè)上面說的會發(fā)生顯然比假設(shè)它不會發(fā)生要靠譜些。

那這時候人的位置到底在哪里呢？

很少一部分會保持原來的分工協(xié)作模式，他們分工合作負(fù)責(zé)推動現(xiàn)實中的科技發(fā)展，比如會有人繼續(xù)研發(fā)AI，會有人研究芯片怎么從7nm到2nm，會有人研究量子計算機等等。

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業(yè)務(wù)單元。每個業(yè)務(wù)單元需要一個AI驅(qū)動的無人公司。

具體來說就是：人（股東和戰(zhàn)略設(shè)定）+一套《無人公司》系統(tǒng)能夠完成賺錢的目標(biāo)。

當(dāng)前更貼近這個形態(tài)的其實是主播，主播只對平臺有依賴，但基本是個獨立經(jīng)營的個體。

在基于AI的《無人公司》里說探討的系統(tǒng)的加持下，能夠獨立出來的也必然不止是主播。這時候你要關(guān)注的并不是怎么寫提示詞，那個網(wǎng)紅是因為AI技術(shù)好變成網(wǎng)紅的呢！

小結(jié)

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

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