通用人工智能（AGI）已經來了

近來花了很多時間調試產品，一邊調試一個想法就冒了出來：

AGI根本就不是3~5年后的事，而是已經就在身邊了。

這是個遞歸過程，所以深度和范圍都會在發展過程中不停加大，但這毫不影響它就在哪里，不是未來的事，而是現在就在身邊。

當AI能夠在任何一個角色（比如編程）上全量覆蓋所有所需功能，其實就是AGI，因為任何一個角色都需要大量綜合判斷。

那為什么感知不明顯呢？

大致和坦克被發明出來后，被扔在了西伯利亞里面，跑一陣最終就得出了個坦克不如狗拉爬犁的結論。

這顯然會引發一系列連鎖反應。

從智能原生到無人公司

近來《國務院關于深入實施“人工智能+”行動的意見》中很顯著的位置提到了智能原生企業：

常看琢磨事的同學可能知道，我實在是大模型出來后就寫智能原生，比如，一度《無人公司》的書名還想叫智能原生：

所以就挺有必要在這個特殊時間點重述下智能原生這事。

智能原生不是一種單純的技術，而像一種技術和組織模式匹配后的思維模式，它改造產品和服務的生產過程。

（這圖最開始愛立信畫的，后來被優化了下，還行）

這種綜合性導致一個尷尬事實就是雙向理解困難，理解技術的同學未必理解組織運作，而理解組織運作又未必理解AI的世界正在發生什么。

如果我們認為AGI就在身邊，那上面這點無疑會成為落地的關鍵障礙。

如何構建一套體系，把人類的知識和局部的AGI無縫的銜接起來其實應該是這個時點最大的難題。當然這也是實現智能原生最大的挑戰。

而所有這些的努力，最終的終點就是《無人公司》或者說AI的Level5。

一切皆可重建

對變化很哲人的說法可以是：萬物皆數，終極流變。

歷史上限于人類生命的短暫，我們能感受到的大變化往往并沒有那么多。

但最近歷史好像加了油，加速度真的上了N個臺階，互聯網、AI這些大技術一個接著一個的來。

尤其最近的AI，進化速度更快，從應用的角度看現在的AI和2022年的AI根本就不是一個東西。

這種速度正是AI催生變化的本質特征：它比你進化的快。

人的進化是艱難的，所以公司里面的培訓往往勞而無功。

流程相對快些，不過不管怎么樣，因為牽涉眾多利益單元，而調整的測算很難清楚，所以流程再造是緩慢的。

但AI不是，AI以極高的速度崛起，并且完整的塑造另外一種完成目標的方式。

這就是智能原生注定會來的核心原因，而它的結果幾乎必然是一切皆可重建。

（是個示意圖）

我們拿現在比較成熟的編程舉個例子，傳統的軟件開發是一個高度專業化、分工協作的過程。一個項目的誕生，往往需要產品經理進行需求分析、架構師設計系統藍圖、前端工程師負責界面、后端工程師處理邏輯、測試工程師保障質量……這是一場由不同角色、不同職能協同完成的“交響樂”。

在“智能原生”的模式下，這首交響樂正在被簡化為一曲“獨奏”。在這種新的模式下，我們可以對著類似 Claude Code或其他大模型編碼助手，用自然語言持續輸入比較詳細的需求，然后告訴它哪里需要修正。

前幾天我的一個做算法朋友告訴我：這玩意真TMD好用，我完成一個交付一行代碼沒寫，一天就干出了過去一個團隊要干幾周的活。

生產的形式雖然不一樣，但上述兩條路徑的結果是一樣的，甚至后者更好。

對于編程而言后者是智能原生，前者不是，即使前者中的每個人也用AI工具。

智能原生是一套以AI為主體，智能優先為原則的價值創造體系。

AI成為角色的擔當，是那個飛舞的風箏，人則最多動動手里的線。

在智能原生的形態下，AI成為價值創造主體，AI-AI的協作置換過去復雜的組織過程。組織被內化成智能體和智能體的關系。

遞歸過程與無人公司

可折疊的組織和業務是隨著智能水平的提升而提升的，所以這是一個遞歸過程。可以先是一個編程的團隊，接下來就會遞歸到運維，在云上部署一套服務未必還要一個巨大的運維團隊了。然后就是N個過去的職能，最后則是整個公司。

（示意圖：遞歸）

說來很巧，當我正在寫這段文字的時候，我原來負責運維的同事給我發來條消息，他說：

現在我一周就搞定了k8s/日志elk/監控prometheus/mysql/redis/mongodb的服務，而且不僅是paas搞定了，iaas也順便解決了，都是借助的AI編程，現在我能在自建IDC、各公有云之間隨意建機器部署想要的服務，提前把網絡打通的話就是混合云。

這是我們當年一起工作時候的一個目標，那時候特別費勁，感覺得忙活一年。

現在這個也變化了。

這也正是OpenAI那五級模型的內置邏輯。Agent和Organization骨子是一個東西，只不過面對的范圍不一樣，復雜度不一樣。

OpenAI當年肚子里估計也是皮里陽秋，它那個組織有很大的社會意義，不是我們一般理解的組織。

這里最關鍵的點當然是前面說的可進化速度。

AI的進化速度影響遞歸的次數和深度，當然也就影響價值創造點的選擇。

在一個終極流變，價值模式被迅速解構和重構的過程里面，并無永恒的產品和價值，但時間窗口長短確實有別。

這就是我做了接近8年工具之后，再也不弄這東西的原因，可存續的時間窗口被大大縮短了。

你的業務周期商業化周期可能大于技術更迭周期，所以這是必死之路。

打破的核心方法是不停快跑，而資金環境顯然讓快跑的可能性逼近于沒有。

需要駕馭的不是技術，而是價值創造范式

在快速折疊的背景下，真正需要駕馭的并非某個技術，AI讓使用技術的使用成本變的極其低廉。

需要駕馭的是價值創造模式，什么樣的模式才能最大化發揮AI的力量？

雖然在chatGPT剛出來的時候還挺像個工具，但GPT4之后這道工具的枷鎖其實就解開了。

這是歷史上沒有過的，周瑋同學有一天群里截了個圖給我：

我一看就想到這正好反過來：AI越發展執行越貶值！

這時候范式發生本質遷移，關鍵的不再是怎么用AI的技術，而是怎么用AI封裝業務。

怎么封裝業務的關鍵在于找到AI的現實邊界（這往往是數據和工具構成的）。

然后把它們放到的一個流變的模式里來，就需要不停的打破AI應用的障礙，為它力量發揮鋪平道路。

如果是從小往大的視角，那最小的就是現在看到的各種工具。從各種細碎工具開始，不可止步，止步就是死亡，因為身后就是大模型瘋狂進行折疊的力量。

如果從大往小看，那就是無人公司，直接以智能原生的方式處理最終的業務，鎖定的就是銷售額和現金流。起步就難一些，要處理AI所有不可及的部分，比如它可能缺數據、缺知識、缺工具，要有套體系把所有這些補全。

并沒有絕對對錯，但需要駕馭的東西確實變了，如果不能抬高認知視角那會非常致命。全是刻舟求劍，很容易變成沙漠打井，井井沒水的局面。

駕馭新范式，需要AI思維

智能優先可以細化出一系列更為具體的思維模式。

比如智能優先幾乎必然對應到虛擬先行，虛擬先行的方式則是規模化試錯，最終所有這些之所以成立，根本原因則是可以用算力來對沖所有不確定性。

智能優先也必然引發AI和人的角色邊界被重定義。

AI輔助人和人輔助AI在很多時候看著很像，但本質十分不同。

幾乎可以確定我們必然迎來一個依賴倒置的世界。我們生活在物理空間，但虛擬世界的一切牽引著這個物理世界。

這可能就是世界的本來面目，不過是被各種障礙所遮蔽了。

畢竟在哲學家的眼里，現實世界是雜多的，而所謂真存則來自共相的空間。

所以AI思維是數字和智能空間優先的思維模式。

反身性與熱寂

《無人公司》出版以來收到許多反饋和大家發起的探討，最有意思的問題是：如果每個公司都是無人公司，那會怎么樣？

在純粹的經濟世界里面基本原則是智能高者勝。

但如果智能還是持平，那信息差，能力都將持平，這時候反身性會導致待計算的世界隨時變化，隨時發生大規模計算，但回報都跟不上。

只有成本沒有回報，既有的體系將進入一種熱寂狀態，然后就崩了。

螺旋上升的話就進入一種新的文明狀態。無人公司末尾其實寫了一點。

這可以看成是無人公司的另外一重含義，技術讓商業形式奔向既有形態的終點，并且開始其它。

小結

驗證AGI就在身邊并不難，只要深度應用模型即可。難的確實是改變世界，而世界不改變，AI的能力是發揮不出來的，就只有削足適履。

再推導是什么呢？

你是否有在某個范圍重新定義角色、過程的力量，只有這個再配上AI思維才能讓AI產生效果。

入群或者加入AI碰撞局聯系：shuixiu2024

注：圖大家可以認為都是AI生成的，否則也說不清楚。