人對AI的幻覺遠大于AI給人的

AI給人的幻覺是個技術問題，隨著技術進步會在確定的節奏里收斂；人對AI的幻覺卻是個認知問題，存續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給人產生的。

我們很多對AI的基礎認識是錯的！

錯誤的認識帶來錯誤的預期，錯誤的預期就帶來錯誤的行為，典型的錯誤認識包括：

• 我們真的可以認為學會和AI說話就會變的更安全么？

• 我們真的可以以為學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？

• 我們真的可以認為部署幾臺服務器，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。

智能優先的世界

我們拿賣T恤的過程來舉例，忽略某些細節后這個活有這么幾個關鍵步驟：

得有人盯市場，為了判斷到底什么樣的設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據、建立模型的過程。

分析的結果最終就是新的設計，比如哪吒火了，那趕緊做哪吒相關的。

這個設計要扔給工廠，這時候一組工人按照既有生產流程把T恤做出來。

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

所有事情都完成后需要整個復盤看哪里做的好，哪里做的不好。

在沒有AI的年月里，上面所有的工作包括：收集數據、新設計、生產制造、銷售完全由人驅動，為了避免混亂，就需要定義流程以及中間結果的交付標準，明確誰要交付什么，好在出錯的時候看是誰的問題。

運轉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計匯報機制、激勵機制（人事、財務等）。

但智能優先的世界完全不是這樣。

AI可以自己收集和T恤相關的數據并進行設計，然后轉給AI完成生產，再轉給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反省總結的工作。

這時候公司就會變成一個AI智能體對AI智能體的系統，最多在關鍵環節比如設計圖案是不是反動這種點上做些檢查。

請注意現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：全部導入AI，讓人只在必須環節輔助下。

這是顛覆式的。

前者靠人類智能進行驅動，靠工具進行輔助；后者靠AI的智能進行驅動，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現，AI越發展后面這樣的體系優勢越大。

現在前者談的比較多，后者則太少。《無人公司》關注選擇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驅動的商業智能體覆蓋N個領域，那顯然現在許多努力其實都錯誤認識下的幻覺。

顯然的在選擇2下，業務單元是一塊塊崩的稀碎然后基于AI重建，和在原來的基礎上精雕細琢的選擇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器，能和DeepSeek對話就能產生更高的生產力這也是幻覺。就這很像買了炮彈但沒有炮，卻認為自己具有了極大的火力。

這些幻覺都源自我們思維慣性，我們潛意識的認為現在的模式會延續，所以想各種辦法改善當前模式的各種環節。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。

前奏的鼓已經震天的在響

有的同學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，各種領域關于此的實踐風起云涌，從未斷絕，只不過被關注的遠遠不夠。下面列舉一些：

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

在米國Waymo投入車量的數目與日俱增，當前大概是接近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。只在必要環節嵌入人的角色。實際上在關鍵環節也沒法嵌入，一旦嵌入流轉效率就差，這套系統可能就會虧損。

大概是受Robotaxi啟發，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建一套無人機、采礦車的全自動系統，而不是單純的賣車。

純粹數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。這種系統就和AlphaGo一樣，你沒辦法塞入人的環節百分百算法驅動。

這里面最經典的系統正是大家每天都用的抖音，抖音顯然是個全算法驅動的系統，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。在這個系統里面主播、算法、用戶的匹配完全由算法進行驅動，而抖音的員工起的是輔助這套算法的作用。

這類系統中設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）。如果真實現了，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，將對制造業產生根本性影響。

相比于互聯網那個時代，現在這個時間點最大的變化是這種模式能覆蓋的領域更多，成本更低了。過去江湖流傳做這么套系統2億美金起，現在如果領域選的小，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。目標是5s一輛車的系統，人加進去就只能拖慢效能。

假設上面說的會發生顯然比假設它不會發生要靠譜些。

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作模式，他們分工合作負責推動現實中的科技發展，比如會有人繼續研發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研究的人已經逐漸集中到極少的幾所學校（5所），甚至都不是全部985院校。

更多的人必須自己是一個業務單元。每個業務單元需要一個AI驅動的無人公司。

具體來說就是：人（股東和戰略設定）+一套《無人公司》系統能夠完成賺錢的目標。

當前更貼近這個形態的其實是主播，主播只對平臺有依賴，但基本是個獨立經營的個體。

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

小結

在AI大模型出來之前，我就一直關注這種算法驅動型的組織模式，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）

同時我也認識到這種體感和大量現行關于AI的觀點是擰的，因此就把自己收集的案例、實踐、技術脈絡梳理出來，最終也就變成了《無人公司》。