什么是真的AI思維？

關于AI的很多理解現(xiàn)在基本是一團亂麻。有人說模式識別不是智能原生，就有人說模式識別是典型的AI算法，為什么不是智能原生。類似的還有關于無人公司，一人公司等等。

這里面比較別致的一個點則是AI思維，和互聯(lián)網(wǎng)思維很不一樣，現(xiàn)在反倒是沒什么人說了。

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的應用層次

我們總是可以像用更高級的Word那樣去用各種大模型，這種情形下AI是一種更好的工具，在這個時候真的不用什么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)務封裝到自己的體系里面來。這時候AI就不再是單純的工具，而成為價值創(chuàng)造的主體。

當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，越想進階越可能傷害到自己，欲速則不達。

智能優(yōu)先

在《無人公司》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。

這其實和AI成為價值創(chuàng)造主體是一個意思，也是AI真正能發(fā)揮效用的前提。

有的人可能會問，那如果做不到智能優(yōu)先怎么辦？

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

因為AI工具的使用成本很低（應該比學Office還容易些），所以AI真正要產(chǎn)生效用，難點不在使用工具，而在于基于AI的基礎特性來封裝業(yè)務。

上述三者和業(yè)務的結合最關鍵的正是AI思維。

AI思維

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

它不是指讓個人學會寫代碼或使用AI工具，而是指在戰(zhàn)略和執(zhí)行層面，用一種內(nèi)生于計算和模擬的模式來思考和行動。其核心要義可以概括為三點：虛擬先行、規(guī)?；囧e、以及算力對沖。

參見：

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

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，試錯成本極高。而AI思維的第一原則是“虛擬先行”，即在投入真實資源之前，先在數(shù)字世界中創(chuàng)建一個與真實環(huán)境高度對應的“世界模型”（World Model），并在其中進行大規(guī)模的模擬。

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

這種能力，在心理學中被稱為“假設性思維”（Hypothetical Thinking），在實踐中就是我們常說的“思想實驗”（thought experiments）。

AI讓這種垂直領域的思想實驗成本變的極其低廉。

無論是AlphaGo通過自我對弈探索出人類未曾想過的棋路 ，還是自動駕駛系統(tǒng)預測街道上所有車輛和行人的未來軌跡 ，其本質都是在成本極低的虛擬世界中，對無數(shù)種“可能性”進行推演，從而找到最優(yōu)解。

這正是AI思維賦予我們的第一個超能力：在行動之前，看見未來。

參見：

2. 規(guī)模化試錯（Rapid, Scalable Trial and Error）：用并行計算探索最優(yōu)路徑

人類的試錯是串行的、昂貴的、且受限于個人精力與經(jīng)驗。而AI可以在世界模型中，以接近零的邊際成本，進行百萬次、千萬次乃至億萬次的并行試錯。

一個營銷團隊可能需要一周時間來設計和評估三種廣告方案。而一個AI Agent可以在一小時內(nèi)，生成一千種文案和圖片的組合，在虛擬的用戶群體中測試點擊率和轉化率，并根據(jù)反饋實時迭代，最終篩選出最優(yōu)的幾個方案投入真實市場。

這種規(guī)模化、自動化的試錯循環(huán)，將創(chuàng)新的速度提升了數(shù)個量級。這相當于是改變了時間軸。

這種能力的基礎，正是虛擬先行能夠生成無數(shù)條“假設性軌跡”（hypothetical trajectories），讓智能體在其中通過強化學習或模仿學習等方式，充分利用所有“想象中的經(jīng)驗”（imagined experience）。

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

3. 算力對沖（Computational Hedging）：用計算成本置換物理成本

“虛擬先行”和“規(guī)?；囧e”的經(jīng)濟學基礎，是“算力對沖”。這意味著我們可以用相對廉價的計算資源（CPU/GPU時間、電力），去對沖和替代那些極其昂貴的物理世界資源（如時間、原材料、人力資本、市場機會成本）。

在過去，驗證一款新藥需要長達數(shù)年的臨床試驗和數(shù)十億美元的投入。

如今，AI可以在分子級別的世界模型中，模擬藥物與蛋白質的相互作用，提前篩選掉大量無效或有毒的候選方案，將物理試驗的范圍縮小到幾個最有可能成功的選項上。在這里，數(shù)百萬美元的算力成本，對沖的是數(shù)億美元的研發(fā)失敗風險。

同理，一家公司在決定是否進入一個新市場時，不再需要花費數(shù)月進行昂貴的市場調(diào)研，而是可以在一個模擬了該市場消費者行為、競爭格局和社會文化的世界模型中，運營一個“虛擬分公司”，觀察其數(shù)個季度的虛擬財報，再做出最終決策。

如果上述幾點一定要找個統(tǒng)一的例子的話，那可以回顧下移動互聯(lián)網(wǎng)時代做App的故事：

你可以精打細磨，選一個方向做一個App；

也可以像某個公司直接就是App陣列，那個數(shù)好留那個。

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

無人公司：AI思維的終極組織載體

當上述三種AI思維方式被系統(tǒng)性地應用到一個商業(yè)組織中，其最終形態(tài)必然會演化為“無人公司”。

“無人公司”并非指物理空間里空無一人，而是指其核心價值創(chuàng)造鏈條由AI智能體（AI Agent）而非人類員工來主導。人類的角色，從親力親為的執(zhí)行者，轉變?yōu)槟繕说脑O計者、規(guī)則的制定者和價值的賦予者。

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所描繪的藍圖 。

物理的（Physical）：無人公司需要模擬真實世界的物理動態(tài) 。例如，一個無人電商公司，其世界模型需要理解一個包裹從倉庫到用戶手中的完整物流過程。

智能體的（Agentic）：公司的核心是自主行動的智能體。無人公司必須支持多智能體行為的模擬，例如一個負責營銷的Agent和一個負責客服的Agent如何協(xié)同工作 。其未來的發(fā)展方向正是從單智能體擴展到對整個商業(yè)或社會集體行為的模擬 。

嵌套的（Nested）：無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的結構進行戰(zhàn)略規(guī)劃和概念推理，也能在低層次用擴散模型等處理精細的物理或感官細節(jié) 。

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

舉個最簡單的例子，一個典型的無人公司工作流如下：

人類創(chuàng)始人設定一個商業(yè)目標（如“本季度將某款產(chǎn)品的ROAS提升至2”）。這個目標被輸入到公司的“大腦”。接著，多個AI Agent（市場分析Agent、廣告創(chuàng)意Agent、預算分配Agent等）在這個模型沙盒中，進行大量模擬投放實驗。它們會“預計算并緩存各種可能的世界狀態(tài)、在這些狀態(tài)下的可行行動及其模擬結果” 。（不一定要模擬，也可以少量真實環(huán)境操作）

最終，系統(tǒng)會選擇一個預期回報最高的行動方案，并自動在真實世界的廣告平臺（如Google Ads）上執(zhí)行。

從理論到現(xiàn)實：AI思維塑造的商業(yè)新浪潮

盡管普遍的、完全成熟的“無人公司”仍是未來愿景，但AI思維的原則已經(jīng)滲透到當下的商業(yè)熱點中，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

英偉達的Omniverse平臺就是一個典型的例證。汽車制造商在建立一條新的生產(chǎn)線之前，會先在Omniverse中創(chuàng)建一個1:1的數(shù)字孿生工廠。工程師們可以在這個虛擬工廠中，模擬機器臂的每一個動作、測試生產(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)容與營銷：AIGC與自動化增長

傳統(tǒng)的營銷模式正在被顛覆。如今，一個“一人團隊”可以利用GPT生成營銷文案，用Midjourney和Sora生成廣告圖片和視頻，再通過自動化工具進行全渠道分發(fā)和A/B測試。這背后就是AI思維在驅動：用極低的成本進行大規(guī)模的內(nèi)容創(chuàng)意生成和效果測試，這在過去是需要一個龐大團隊才能完成的工作。雖然當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。

科學與研發(fā)：AI驅動的假設與驗證

科學研究的本質就是“提出假設-進行實驗-驗證結論”的循環(huán)。AI正在以前所未有的方式加速這個循環(huán)。例如，論文中提到的AlphaGeometry2已經(jīng)能夠解決奧林匹克級別的幾何難題 ，這本質上是在一個純粹的數(shù)學世界模型中進行高效的“思想實驗”。而像ReasonerAgent這樣的系統(tǒng)，則可以在網(wǎng)絡上自動進行文獻調(diào)研和信息整合，輔助人類研究員更快地形成和驗證假設 。上面提到的Chai 2 也是其中很好的例子。

未來屬于掌握“模擬-行動”飛輪的企業(yè)

我們正在從一個“經(jīng)驗驅動”的商業(yè)世界，邁向一個“模擬驅動”的商業(yè)世界。

企業(yè)的核心競爭力，不再僅僅是擁有多少資本、多少人才，或積累了多少過去的成功經(jīng)驗。未來的核心競爭力將取決于：你的世界模型對真實世界的模擬保真度有多高？你的“模擬-行動”飛輪轉得有多快？

掌握了AI思維，就意味著掌握了用最低成本“預見未來”并“選擇未來”的能力。以此為基礎構建的“無人公司”，將具備傳統(tǒng)組織無法比擬的敏捷性、效率和擴展性。它們能夠更靈活地適應市場的風云變幻，更精準地捕捉用戶的潛在需求，最終在競爭中獲得結構性的優(yōu)勢。

我們最終的目標是構建具備“人類智能所特有的適應性、韌性和自主性” 的AI系統(tǒng)。這條道路漫長但充滿機遇，而那些率先擁抱AI思維、并開始構建屬于自己的“世界模型”和“無人公司”原型的企業(yè)與個人，無疑將成為定義下一個商業(yè)時代的先行者。

當然，真動手前，需要首先縮減業(yè)務的切口，然后再去確定究竟需要多少層級的模擬。

可以先觀察學習，不要著急，比如可以先讀《無人公司》...

上面有想象成分，但顯然的它會構建真正的智能文明，那會是一個很不一樣的世界。

注：入群或者加入AI碰撞局聯(lián)系shuixiu2024