微軟中國CTO韋青：警惕“朋友圈AI”神話，重視苦活、臟活、累活

當AI以驚人的速度重塑世界，朋友圈里每天都在上演新的“奇跡”，從vibe coding，到一段文字生成視頻、一次點擊完成設計。

但微軟中國CTO韋青老師卻潑出一盆“清醒的冷水”。

他提醒所有想用AI重構未來的創業者——技術只是表象。在他看來，AI真正的挑戰，不是我們跑得多快，而是有沒有人還記得，技術的起點是人。

他用五個饅頭的故事，頗為幽默地表達出，在AI落地的過程中，我們只想要華麗的演示，卻不想在組織內進行漫長的打磨與修煉。

“很多人只想吃第五個饅頭——AI智能，卻不想先吃文化、人才、流程、數據這些前四個。”前四個是你在無人區里還能不能走下去的精神免疫系統。

他還提醒所有沉醉于智能幻象的人，當機器越來越聰明，人類更要回到初心、常識和本分。“把人的還給人，把機器的交給機器。”這是韋青老師在課程中反復強調的初心。

以下僅為課程十分之一內容，更多精彩內容，請打開混沌app，觀看完整版。

上一堂課，我們講完了AI時代“成長之樹”的根和莖（上文回顧：），這堂課講葉。

在植物中，葉子的作用是為整棵植物提供能量。我把葉子對應的部分歸納為“能力的建設”。

尤其是當智能機器飛速發展的時候，當它把人類的那些行動能力、計算能力，甚至部分的思考能力、判斷能力和決策能力都代替了之后，人剩下什么？人恰恰剩下的，是基本功，是初心、是常識、是做好人該做的本分。這也正呼應了我們最初講的——把人的還給人，把機器的交給機器。

初心：技術的起點是人，人心大于技術

我是以信息技術行業為例子來講講我們具體該怎么做。

司馬賀（HerbertA.Simon）是圖靈獎和諾貝爾獎的雙料獲得者。他早在上個世紀，就曾與中國的科學家們深度交流人工智能的觀點和實踐。我們現在看到的很多人工智能話題，真的不完全是全新的話題。只不過我們現在由于技術的進步、數據的積累，以及通訊的完善，才將前人的這些愿景給實現了。

但是在實現之后，我們還記不記得當初為什么做這件事？司馬賀所預見到的就是：當信息過載的時代，就必然會出現注意力缺失的時代。

以我們現在的生活、工作和學習方式為例，我們每天花費了多少注意力放在了那些其實并不值得我們關注的事情上面？這個現象，早在幾十年前就已經被預料到了。

正如微軟公司CEO薩提亞（Satya Nadella）在微軟技術大會上所講的：

1.讓機器理解我，而不是我去理解機器

2.讓機器幫助我解脫信息過載的負擔

——薩提亞·納德拉

這兩句話的意思是，機器應該不需要讓我關注太多我不需要關注的內容，它應該讓我作為一個人，能夠有足夠的精力、時間和能力，去關注、去處理我作為一個人，真正應該關注和處理的話題。

這才是信息技術真正的本意和初心。如果這個本意和初心保持不住，它就可能會被濫用。所以，當AI飛速發展，我們更要思考自己的初心是什么，到底是什么人應該關注和處理的話題。

常識：不要讓技術違背常識

什么是常識？常識之所以稱之為常識，它背后的含義恰恰是：人類很難真正尊重常識。因為常識都是不以人的意志為轉移的道理，不管我們喜歡不喜歡，它都在那兒。

當前，我們是不是也應該質疑一下，我們的常識是不是真的常識？因為常識太冷靜了，常識不會討好人，常識不會給我們一種虛幻的成功，也不會輕易幫我們撇清責任。

在智能機器飛速發展的時候，我們人類應該格外去尊重哪些常識？

演示≠產品

Andrej Karpathy（安德烈·卡帕西），他是OpenAI的聯合創始人之一，后來也投入到了AI教育行業。他在硅谷給很多初創公司交流時講到，“演示很容易，但要成為產品要十年之功。”

因為這些企業都熱切地想用AI改變世界，而且AI的特點是很快就能做出一個所謂的產品原型。

一個演示成功的產品或一次實驗的實踐，它真的就已經是一個能夠給用戶使用、沒有問題的產品了嗎？事實上，只有極少數成功的演示能夠存活到成為產品的那一天。

這就是所謂的演示和成功產品之間的巨大鴻溝。所以，我們對于技術的進步，應該保持一種敬畏之心。

AI模型≠產品

另外的一個常識，是微軟技術大會上，包括微軟CEO薩提亞和很多技術專家經常強調的。

第一個觀點是，薩提亞表示，雖然自己關注到的都是AI大模型——這個模型怎么樣了，那個模型又怎么樣了。但是，“模型不是你的產品，模型只是你產品的一部分。”

大家天天說這個模型、那個模型，但具體到我們今天的主題，為我們每一個活生生的、具體的人服務的是被模型能力賦能的產品和服務。

它的本質是：只要能幫我解決問題，它就是好產品、好服務。至于它底層是什么樣的模型，大家真的那么在乎嗎？當然它好用可能底層是因為有某種技術。

但這兩種思維邏輯是完全不一樣的。

此外，大家都在談模型，就忽略到了最基本的常識——數據決定了模型的上限。

技術落地的次第論

另外一個常識，我把它總結為叫技術落地的“次第論”——“三有”。

我們有一種慣性思維，想到流行技術（比如人工智能），就先想到花錢買下產品或服務。但是，越智能、越能學習的產品，它和機械化產品有一個本質的不同。

行業中有一個不成文的公式，尤其在做預算時：從“有”到“有用”，大概需要兩倍的成本（落地成本=技術本身成本X2）。也就是說，你要再花同樣的成本（資金或時間），把它部署進企業內部的流程環境，讓公司內部的制度、流程、評估標準，可以跟這種智能服務相匹配。一個組織擁有新的智能設備，就必須要求新的組織結構、組織關系和組織心智。

只有做到“有用”這一步，你才會發現，我投資的東西真的有作用了。因為用戶根本不在乎你用什么技術，他們只在乎：會不會用，好不好用，我喜不喜歡天天用。

此部分還有更多精彩的講解，打開混沌app觀看完整版課程。

本分：這個時代的“本分之舉”

什么是本分？大家看世界上所有偉大的公司，古今中外的偉人，他們的一生或者他們的發展過程，無不是把自己該做的事做好了！

關于本分，我想從這個故事開始說起。

1.五個饅頭的故事

我們現在來分享一個在AI落地的江湖里流傳甚廣的傳說。故事里有兩個主要角色，一個叫張三，一個叫李四。

張三非常想尋找到一種能讓他成圣成仙的食物，我們姑且稱之為“饅頭”，這個饅頭叫做AI人工智能。他聽說，李四家能夠賣這種讓人“成圣成仙”的饅頭。在這個前提下，江湖的故事就展開了。

據傳說，張三就是因為吃了李四家的饅頭，所以他就成圣成仙了！

而實際上發生了什么呢？張三確實通過各種途徑找到了李四家。李四熱情接待了他，并確認：“我們家的饅頭是可以讓你成圣成仙，但是，這饅頭得一個一個吃，一口一口地吃。”

李四給了他第一個饅頭。張三吃完，沒有感覺。他問李四怎么回事？李四說：“別著急，這還有一個饅頭。”張三吃了第二個、第三個、第四個……直到他吃到第五個饅頭時，才感覺渾身神清氣爽，終于達到了他的目標。

這個故事，就以“張三吃了AI饅頭成仙”的簡化版本，開始慢慢在江湖中流傳了出去。

實際上，確實有一個被稱為智能（AI）的第五個饅頭，它很炫、很流行，但大家忽略了一個常識：這第五個饅頭，是需要由前幾個饅頭一個一個吃完之后，產生的系統化效應才能涌現出來。在這個過程中，整體不等于個體之和。

這五個饅頭分別是：

第一個饅頭：文化

第二個饅頭：人才

第三個饅頭：流程

第四個饅頭：數據

第五個饅頭：智能

這五個饅頭的關系到底是什么？

智能的前面是數據，你的公司或你個人，有沒有代表你的品味、能力、喜好的優質數據？而這個數據又由能夠隨時生成這種數據的流程構成。

這里有一個很重要的點：所有的數據，其實都是對過去行為和知識的一種總結。當數據被收集和機器學習完之后，那一刻的知識就停住了。任何之后新產生的、由人類參與社會變革而產生的異常值——那些新的知識、新的喜好、新的方法——都是需要新的流程來不斷生成的。這就牽扯到：流程再造，也就是數字化流程再造。

而要想實現數字化流程再造，你的人才就得到位，要具備理解并且重構做事業務流程的這批人才。

事實上，大多數企業和組織，它原有的文化、制度、流程、評估標準，它并不足以支持這一類人才的產生。就算有這種人才，由于大家都只想吃那第五個饅頭，只想給公司報業績，誰都不想吃頭四個饅頭。

如果公司的人事制度和制度安排不預先調整，它就沒法去鼓勵，也沒法去培養出具有這樣“飯要一口一口地吃，饅頭要一個一個啃”這種文化風格。也就是說，真正的公司的文化，才是它核心的底蘊。

誰都不想吃前面四個饅頭，因為它們吃完沒有顯性業績，全是成本和負擔。但如果不建立積累和化學效應，你吃完第五個饅頭還是會餓。這正是我們過去在信息化、數字化和智能化轉型中所看到的通病。

第一個饅頭：文化

我特別喜歡一個北歐學者寫的詩，他說：“通往智慧之路正是error，error and error。”很簡單，偏，再偏，再偏一點。我們如何理解人生的真相、創新的真相、生活的真相、事業的真相、產品的真相？就是這樣一個“不斷試錯、每次少偏一點”的過程。

我們總說“茍日新，日日新，又日新”，說“周雖舊邦，其命維新”。

新和舊，用現在新的標準看，過去的叫舊，從舊的眼光看，新就是偏差，就是錯誤，就是失敗。沒有“錯”的空間，也就沒有“新”的可能。

我特別喜歡用概率來講創新。很多人覺得創新是靈光一閃，其實它更像是貝葉斯思維。你用事件B不斷去試探事件A的輪廓。每一次試探，你都得到一個反饋，再去修正你的認知。創新不是一下子就100%正確，而是通過一次次提高“分子成功的概率”，或者不斷減少“分母的可能性”。你可以提高成功率，也可以縮小探索范圍，兩個方向都能讓你更接近真相。

所以，創新其實是一個不斷試探、不斷更新的概率問題。

那創新怎么落地呢？靠“三錯法”。我總結為：認錯、知錯、改錯。更準確一點叫認偏、知偏、糾偏。創新的過程就是不斷認偏的過程。

這三錯法是應對不確定性的心法、做法、組織力。第一次嘗試的偏差要被允許，因為那是探索的代價；但不能讓錯誤無限蔓延。要獎一錯、防二錯、罰多錯。允許首錯，不縱容多錯。要給組織設置一個“可承受的多錯冗余度”。不同的行業，對多錯的容忍度不一樣。比如安全、醫療這種領域，容錯極低；但在創新型企業里，沒有高容錯，你根本找不到方向。

這就是我說的第一個饅頭：文化。創新的核心，不在工具，不在資源，而在一種允許試錯、持續修正、以價值為邊界的文化。

第二個饅頭：人才

明白了文化這第一個饅頭，我們自然就能理解第二個饅頭——人才。我經常說，21世紀的新型人才，一定是一個愿意學習、會學習、以終身學習為愿景的人。不是“知道就夠了”，而是“不斷更新”。

人才的學習方法，其實可以概括為一句老話：知行合一。學問、思辨、行動，三者合一。古人講“博學之，審問之，慎思之，明辨之，篤行之”，這五步也是在不斷自我優化的過程。

在人工智能時代，“問”變得特別重要。機器學習其實就是“會問”的學問。人靠提問推動認知，機器靠數據去學習。它們的學習方式不同，但底層邏輯是相通的——不斷試探、不斷糾偏。

機器的學習的反向傳播，就是人類在教機器學習的過程中，知道哪里偏了，再糾偏，然后再探測，這樣的過程。是不是很像我們的人生？“偏，再偏，少偏，再少偏”。其實，機器的學習方法，正好印證了人類智慧的循環。

有了人才，還需要讓人才得以融合。尤其是在AI落地這件事上，融合太難了。為什么AI落地總這么難？因為人沒融合好，業務領域的人才和技術領域的人才之間，總是互相看不上。搞業務的嫌搞技術的“燒錢不掙錢”；搞技術的又覺得搞業務的“土、沒遠見”。幾乎所有公司都有這種矛盾。其實，不只是他們的問題，連微軟內部都一樣。

我不覺得這是制度問題，本質上是人性問題。那怎么辦？人性問題，就要用人性的方式去解決。這就要靠一種心態，叫“成長型思維”。從“I know it all”（我全懂）變成“I learn it all”（我愿意學）。

很多老板又問我：能不能幫我找一個既懂業務又懂技術的人？我說，理想很豐滿，但想太多了。要是真有那樣的人才，他早自己創業去了，哪輪得到你？所以，真正有智慧的管理者，不是去找“全能型選手”，而是去搭配團隊。

但團隊搭配也不是容易的事。人和人之間有化學反應，也有排斥反應。有時候彼此“道不同不相為謀”，但更多的時候是“存同求異，存異求同。”在決策階段，我們要允許不同聲音的存在，要有認知上的冗余，這樣才能涌現新想法。可一旦進入執行階段，就要收斂分歧，聚焦共識，才能高效推進。

所以，探索階段要存同求異，執行階段要存異求同。這是我最喜歡的一句話，也是一種辯證法。

技術人才自己建立能力之樹時，要有非常扎實的根基，這個根基要從最早的第一性原理做起。

我當年學人工智能的時候，導師要求我——用基本的C語言，不用任何數學庫，從零開始手搓，從矩陣、乘法、Sigmoid函數，全自己寫一遍。只有親手算過一次，才能真正理解算法的本質。

后來導師又讓我做一件事：用Excel做機器學習的應用。我照做了，發現真神奇——比寫代碼更能體會數據一點點收斂、變化的過程。那種直觀的感覺，是任何框架都給不了的。

所以我一直覺得，打基礎這件事，是永恒的。要一上來就追“幾行代碼學AI”，那樣容易誤導。對于在人工智能這種前沿領域的技術人才，自我評判的標準是，你是不是對智能技術有了更加深刻的、第一性的、底層的元認知。

有三點評判標準：

你能不能用費曼學習法，跟非技術人員講清楚什么叫機器學習？

你能不能不用新詞，拽概念，講清楚什么是人工智能？

你能不能不用現成的框架，把機器學習的算法給推導出來？

第三個饅頭：流程

這個階段最核心的，是協同觀。協同意味著人和機器、機器和人要共同工作。

前面有了技術的支撐，流程就變成了因為效率而被重構、因為工具而被再造的過程。人工智能、機器智能、機器人、智能體，它們存在的目的，都是讓流程更高效，但流程的起點永遠是人。

我發現，無論做什么事情，流程其實都可以歸結為七步，它本身就是一個正向傳播和反向傳播的過程，其實我們做事也暗合機器學習的原理。首先要有目標、有意愿、有方向，然后看資源、看約束，再一步步去實現。而實現的過程從來不是一擊即中，而是通過反饋不斷修正。

其實我們每個人早已是人機結合體了。現在機器的學習能力更強，反饋更快。機器能采集信號、識別模式、輸出結果，讓每個環節都被強化。這樣一來，從人才、組織、流程，到產品、服務、產業鏈，每一個環節都加入了機器的要素，流程正在經歷一場數字化的改革。

過去有個叫康威定律的理論，說產品功能反映組織結構。而今天出現了“逆康威定律”，技術能力的提升，尤其是人工智能，會反過來影響組織形態，創造出新的組織方式。當人才成為超級個體，組織自然要重構。

我們九十年代就講過“流程再造”，那時是依靠信息化手段做數字化改造。而今天，我們要讓機器也能理解流程。流程不再只是人能看懂的圖表，而要變成“人能理解，機器能處理”。這其實就是機器學習的工程化表達。

所有的智能化產品和服務都必須帶著數字化反饋鏈。機器通過反饋學習，人也通過反饋成長。一旦流程能學習，它就能沉淀數據；數據形成知識，知識再轉化為智能。這樣整個體系才會融入一個可學習、可演化的系統工程。流程智能化之后還會產生新的涌現效果。

流程之所以重要，是因為事情既不是由組織完成的，也不是由個人完成的，而是由流程完成的。它是銜接人才、組織、數據與智能的關鍵節點。流程再造不是終點，而是讓機器把活干好，人把價值做深。最終，新的流程要孕育出一種“人在環中”的人機文化。當這種文化建立起來，我們就真正從工業文明，跨入了信息文明。

第四個饅頭：數據

數據看起來很專業，我這里只說一個原則性的觀點。

要真正理解數據，最終的表現方式，要做到“人能理解、機器能處理”的那種表達。也就是說，你要把業務目標和關鍵流程用一種既能被人讀懂又能被機器處理的模式化語言表達出來——這是數字化轉型里極重要的一課。

數據之所以特殊，是因為智能的本質決定的：AI知道的、學到的，全來自給它的數據。問題來了：如果你只是去用一個“大模型”，那模型學到的是人群的共識，但它不一定懂你到底要什么。

我常打個比方：請來一個愛因斯坦級別的專家，讓他去幫你炒個雞蛋，他有學問但不知道你具體想要什么，他炒不出來。很多AI應用之所以讓人失望，就是因為沒有把“你要什么”的數據教給它。機器靠什么學？靠數據。

在一次采訪里，OpenAI 的聯合創始人Ilya Sutskever，一針見血地指出：當有了像GPT這樣的模型，你更該考慮的，是如何擁有別人沒有的數據。第二點，如何教育機器為你所用，而不是用一個大家都可以用的機器。

所以我的結論很簡單：數據必須帶有“你的味道”。你要能隨時把認知和決策留下數字足跡，這些數據對現在有用，對未來也至關重要。數據不是可有可無的配件，它決定了個體、組織甚至國家在這個時代能不能站穩腳跟。

第五個饅頭：智能

真正的智能，只有在“用”的階段才能體現出它的價值——能不能被用起來，是檢驗智能唯一的標準。有AI不代表能用AI。

我在微軟的經驗告訴我，讓企業內部員工真正用起來人工智能，并不是買來一個系統就能實現的。這中間需要大量的流程再造、員工培訓、文化建設——只有當文化、人才、流程、數據都準備好了，智能的“用”才能變為“有用”，才能進一步做出智能產品，賦能用戶，企業唯有讓客戶或者用戶愿意用，“愛用”，才能形成真正的競爭力。

做到這一點，其實我們不過是在重走人類文明曾經的路：如何形成高效組織。一個國家、一個企業、一個組織要真正用好AI，必須做到“書同文、車同軌、行同倫”，就是標準統一、體系貫通。

大家都知道，部門墻打不碎。只要有組織、有江湖，就有部門墻。真正的數字化轉型目標從來不是打碎它，而是讓數據的底層通起來。公司這棟大樓，樓上可以千姿百態，但地底下的水、電、氣要互通。只有當數據標準統一、接口貫通，AI才能真正內化為組織的一部分，行同倫這種組織是能夠實現最大產出的一個高效組織。

我舉個微軟團隊的例子。我們的研發團隊在做一個AI驅動的數據產品時，經歷了三個階段。

第一代產品，我們的口號叫“AI for Data”——AI加上數據。那時我們以為，只要給原有系統加個引擎，就能讓它跑得更快。但這只是物理性的加法。后來我們復盤，發現這不夠。

于是第二代產品的理念變成了“Data with AI”——不是簡單疊加，而是讓AI成為企業內化學反應的催化劑。我們要讓數據因為AI而重構，而不是被AI附著。這一代產品大獲成功。

到第三代產品，我們干脆不再提AI。為什么？因為產品中的AI已經內化進了每一個環節。這個智能的產品和服務，AI完全內化到了每一個環節，形成了一個智能性的反饋鏈，并且能不斷自我學習完善。

到了那一步，我們終于理解了：當一個東西真正成為常態，它就不需要被特別提及。所以在微軟內部，我們后來把口號改成：“Tech for Human”——技術為人。

當一個組織真正以人為本，技術為人服務時，AI就不再是一個加法，而是一種底色。那時不再強調AI，反而意味著它已融入血脈，成為智能時代的常態。

關于五個饅頭的精彩解讀，打開混沌APP觀看完整版。

2.AI改革宣言

這是一場因技術進步而引發的有關文化、制度、流程和商業模式的企業和個人全方位的改革，而不只是轉型。按照這種思路，企業改革將走向前沿組織（Front Firm），個人改革將走向超級個體。

我提出了“AI 改革宣言”，它真正的定位，是這個時代的“本分之舉”。我們的終極目標是，當企業內化這個概念之后，它就應該成為一種本分。

心法：

1.實證大于空談，人心大于技術

2.產生方法的方法大于產生的方法

3.舊范式產生不出新結果

4.“彼之蜜糖，汝之砒霜”

第二條，在這個巨變的時代，產生方法的方法大于產生的方法，因為具體的方法是固化的，而產生方法的方法是變化的，它能夠變化出不同的方法來。如果你不能與時俱進，用舊眼光看新事物，全是錯的，它不是偏差，是全是錯的。所謂舊范式產生不出新結果。

第四條，就算你用了別人的、被證明的、最佳實踐總結的各種經驗，對你來說，所有的模型都是錯的。只不過，有些是有用的。哪些是無用的呢？無用的，就變成了“彼之蜜糖，汝之砒霜”。

做法：

5.從小處改起，從容易處著手

6.沒有數字化，就不會有智能化

7.警惕“朋友圈AI”神話，重視苦活、臟活、累活（文化、思維、人才、流程、數據、反饋、迭代）

8.抵抗“高估短期，低估長期”的傾向

具體的做法全是現實的話題了。

剛才講的存同求異去爭論和存異求同去實現，在實現的時候肯定要找阻力最小的點入手。怎么衡量阻力最小？找數據比較完備、意見比較統一、認知在同一個頻率上的領域，從小處做起，從容易處做起。

另外，朋友圈 AI 傾向于跟你講成功的故事，很少講下面的臟活苦活累活。在一線打拼，全是辛苦的打拼。我們應該相信：AI 落地可能沒有想象的那么簡單，但也沒那么復雜。它其實是一個從未變過的特別基礎的邏輯，叫“一口一個饅頭”，按部就班的流程。

所以，在做法上，我們必須抵抗這種高估短期、低估長期的傾向。把短期拆分成小任務，從小處、從容易處做起，這樣更容易在短期看到成果。

法人：

9.以人為本，做機器的主人翁

這套AI落地方法論，其實全是人的本分問題、人的要求問題。整個技術落地制度建立是“法人”的，不是去“法紀”的。

總綱：

10.AI落地是一個復雜的巨系統工程

11.5日，韋青老師在混沌的系列課第三堂上線：《沉默的主角與成長之樹（下）：花與果》，掃描海報二維碼，預約最新課程！