為什么我確信《無人公司》才是未來？

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/

這圖左邊總結了這樣一個觀點：

增強的極限是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？

1人公司大概率是種幻覺

我有個很好的朋友，海外知名大學的PhD，有豐富的一線實戰經驗，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。

我幾乎沒碰到過在產品、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務主流程里面。

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：

你的業務可能需要你24小時在線，為了更賺錢，你可能需要同時出500個設計方案以供篩選，你可能需要記住所有和業務相關的細節好完成售后服務等等。

所有這些都會讓公司往傳統金字塔方向發展，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務相關的工作中解脫出來，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，需要人在認清現實的前提下，思考很多東西，但把應對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，錢出來的系統？

答案其實是可以的。

到現在為止我自己操刀實現過三代與此相關的系統。最后一代最貼近這個目標。

第一代系統是只管理AI智能體不管人的系統。

當時是模仿亞馬遜Alexa（協議兼容），我們自己則把產品命名為Azero，取義：一元復始萬象更新。

最多時候日活設備數應該有幾十萬（有點記不清楚了）。

這套系統讓我認識到其實可以做一套系統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。

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

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、內部規則的運轉情況發到每個角色、每個人等等。BI等功能被自動化了。

這產品本質上和估值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，沒做對外的商業化。

它碰到的核心問題是數據的成本太高。比如需要CRM的數據，而CRM的數據需要人為填寫，這幾乎就不可能準。同時跨多個系統的時候，數據的一致性確保也很成問題。

我最終結論是：這套系統有用，但擴大效用空間碰到巨大問題。而這問題的解決需要改變生產關系，大模型進步不進步幫助不大。

改變生產關系的事根本就不是一個產品能負擔的，大致等于不靠譜。

第三代系統則是一套Token進，錢出來的系統。

從第二代系統可以得出個基本結論：數據的管理如果不在AI系統百分百控制下，那數據成本就會不可控制。而數據的管理要想百分百可控制，那最優的顯然是無人公司。

而第一代系統加上AI大模型一直突飛猛進則從側面說明：單角色、多角色協同的戰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路線，這種新路線的關注度是不夠的。

我看到了什么？

思考這類事的時候，也不能閉門造車。有一種就自己發現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生什么。

結果越看越發現這種時代聲音的前奏已經震天的響就差把鼓敲破了。

1.傳統出租車公司 VS 滴滴 VS Robotaxi(國內之前蘿卜快跑打了個樣)

從外部也可以發現這是三類不一樣的“東西”。

傳統出租車公司中信息低速流轉，全靠人和人進行“接頭”。內部司機的管理是，司機和乘客的服務也是。

到滴滴其實是司機和乘客間的服務被重定義了，基本是算法驅動。但司機和滴滴間的關系還不是，所以你會經常聽到各種抱怨：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字化了。

只要理智點，你會發現這近似于命運，只要技術夠幾乎一定進化成最后一種。

這時候強調AI可以讓司機更好的開車是沒意義的。

2. 傳統服裝品牌 VS AI驅動的T恤商業體

可以構建一個特別傳統組織多個團隊協作完成信息收集、設計、生產、銷售的工作。

也可以采取一種新的方式：

建立一個和T恤相關的領域模型，根據這個模型收集全網數據，捕捉相關熱點，然后根據熱點出設計方案，再之后把設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驅動，雖然必要環節有人介入復核等，但那是人輔助AI。

類似的還有做美甲，跨境做褲頭的。

這已經非常明顯，如果需要快速響應熱點，大量級出設計方案，快速上線銷售，傳統方式就不可能干過后一種方式。

核心問題是這種模式現在沒法無邊界的擴展自己的業務范圍。

做深的前提是做窄，否則AI的能力不夠的。

3. 傳統炒股 VS 高頻量化

高頻量化從數據獲取到實盤只能是AI+算法驅動。人參與的策略部分很像幫助AI修改腦子。

4. 傳統運維 VS AI接管數據中心運營

Deepmind報過一次自己的ai接管google的數據中心。各種溫度控制由AI接管。

5. 傳統物流 VS AI驅動的物流

這里面亞馬遜物流的數據資料比較多，在里面可以比較清晰的看到，AI逐漸在接管這套系統。

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注下上面說的書。

小結

在這種背景下，我真的很難相信公司還會一如既往，只是導入個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比想的辛苦。

（這有個過渡周期，在有些領域也會長期存在，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病；

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，但不能提供結果。

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

注：入群進一步探討或者加入AI碰撞局請聯系：shuixiu2024