每一个时代，都会被一种奇迹材料所塑造

作者：@ivanhzhao 翻译：0xMedia

蒸汽驱动了工业时代，钢铁铸就了镀金时代，半导体点亮了数字时代。如今，AI 正以前所未有的规模释放出近乎无穷的智慧。如果历史教会了我们什么，那就是：谁掌握了这个时代的关键材料，谁就定义这个伟大的时代！

* 少年时期的安德鲁·卡内基和他的弟弟（左）与镀金时代匹兹堡的钢铁工厂（右）

19 世纪 50 年代，安德鲁还是个在匹兹堡泥泞街道上奔跑的电报送信员。那时，美国有六成人口还是农民。可仅仅过了两代人，安德鲁和与他同时代的人，就锻造出了现代世界。

马车被铁路取代，烛光被电力取代，铁被钢取代

从那以后，劳动的重心也从工厂转移到了办公室。如今，在旧金山这样的科技中心，人人都在谈论 AGI。但那二十亿办公室工作者中的大多数，还没有真正感受到它的冲击。知识工作在不久的将来会变成什么样？当组织架构开始吸纳那些永不休眠的智能体，又会发生什么？

这种未来往往并不容易看清，因为新事物最初出现时，常常披着旧世界的外衣。早期的电影就很像舞台剧：摄影机固定在正前方，只是把舞台原封不动地拍下来。

今天最流行的 AI 形态，看上去依然很像过去的 Google 搜索。正如麦克卢汉所说：我们总是透过后视镜驶向未来。

眼下的 AI，其实仍带着鲜明的搜索框时代烙印。我们正身处一个熟悉而又别扭的过渡期：新技术已经到来，但人们仍习惯用旧世界的方式去理解它、使用它

未来究竟会走向哪里，没有人能给出完整答案。但历史提供了一些有趣的参照。借助这些隐喻，也许我们能更清楚地理解：AI 将怎样在不同尺度上改变世界：从个人，到组织，再到整个经济体。

最早的迹 Notion @NotionHQ 联合创始人 Simon，曾是那种典型的10 合一工程师。但现在，他已经很少亲自下场写代码了。你从他工位旁边经过，看到的往往不是他在敲键盘，而是他同时调度三四个 AI 编程代理，让它们各自并行推进不同任务。它们不只是写得更快，某种程度上已经开始承担思考和拆解问题的工作。

结果就是，Simon 的产出不再只是过去的 10 倍，而更像 30 倍、40 倍。他会在吃午饭前、睡觉前把任务排好，让这些代理在他离开时继续运转。某种意义上，他做的已经不是单纯的编程，而是在管理一群不会休息的智能体。

20 世纪 80 年代，乔布斯曾把个人电脑称作心智的自行车。这个比喻后来几乎成了一个时代的注脚：电脑让人的思考和表达更高效，就像自行车让人的移动更省力。

再往后，互联网铺成了所谓的信息高速公路。可问题在于，直到今天，大多数知识工作依然还是人力驱动的：我们等于是在高速公路上骑了很多年的自行车。

而 AI 代理的出现，让像 Simon 这样的人率先从骑车变成了开车。接下来的问题是：其他类型的知识工作者，什么时候也能坐进驾驶座？

困难主要有两个

第一个，是上下文太分散。编程之所以最先被 AI 改造，一个重要原因是它的工作环境相对集中：代码在仓库里，操作在 IDE 和终端里，反馈也能很快得到。可一般性的知识工作并不是这样。

起草一份产品方案，可能要看 Slack 里的讨论、翻文档库里的旧材料、查仪表盘上的指标，还要补上那些只存在于少数人脑子里的隐性经验。现在，人类仍然扮演着中间那层粘合剂的角色：在不同工具之间来回切换、复制、粘贴、拼接，勉强把碎片化的信息串成一个完整判断。只要上下文还没有被真正打通，AI 代理就很难走出单点工具的局限。

第二个，是结果很难验证。代码有一个极其特殊的优势：它写得对不对，很多时候可以直接用测试、编译、报错来判断。也正因为如此，模型可以借助这些明确反馈不断迭代，在编程任务上越做越强。但一般性的知识工作不是这样。一份战略备忘录写得好不好，一个项目管得是否到位，一项决策是否高明，往往没有那么清晰、即时、可量化的反馈机制。也就是说，我们还不知道该如何像训练编程模型那样，系统性地训练 AI 去做好广义的知识工作。所以在相当长一段时间里，人类仍然必须留在流程里，负责监督、示范和纠偏。

但编程代理已经让我们看到一件事：人不一定非要卡在流程的每一个环节里

所谓人类在环，并不天然就是理想状态。要是把它理解成每一步都得由人手动确认，那就像让流水线上的每一颗螺丝都经过人工检查，又或者像 19 世纪英国《红旗法案》那样，要求汽车上路时必须有人举着旗子走在前面开道。

真正高效的方式，不是把人困在环里，而是让人站在更高的位置上看住整个闭环。等到上下文足够集中，结果也足够可验证时，更多知识工作者就会从骑自行车进化到开汽车，再进一步走向自动驾驶。

如果把视角从个人拉远到组织，就会发现，现代公司其实是一种相当新的社会发明。它让人类得以协调更大规模的分工，但也天然带着规模扩张后的损耗。

几百年前，企业大多不过是十几个人的小作坊。今天，我们却拥有动辄数万、数十万人的跨国公司。问题在于，支撑这些组织运转的核心基础设施，本质上仍然是由人脑、会议、邮件、消息和文档拼接起来的沟通网络。

一旦规模快速上升，这套系统就会明显吃不消。于是我们只能不断往上叠层级、加流程、补文档，用各种管理手段去对冲复杂度。但说到底，这很像在用人类尺度的办法，硬撑工业尺度的组织。

如果借用两个工业时代的典型案例，这件事会更容易理解

第一个，是蒸汽机

工业革命早期，很多工厂都建在河边，因为它们依赖水轮提供动力。后来蒸汽机出现了，但最开始，工厂主们只是把水轮换成蒸汽机，其他一切照旧。这样做当然有提升，但提升相当有限。

真正的变化发生在他们意识到：蒸汽机的价值，不只是替代原来的动力来源，而是让工厂从必须靠近河流这个约束中彻底解放出来。于是，工厂的选址、布局、规模，乃至整个生产组织方式，都被重写了。生产率的飞跃，也是在那个时候才真正发生。

今天，大多数企业对 AI 的使用，其实还停留在把水轮换成蒸汽机的阶段：在原有流程上外挂一个聊天机器人，在旧有系统里嵌一个助手，在不改变组织逻辑的前提下试图获得增益。但这还远远不是终局。真正值得想象的是，当组织不再以人必须亲自处理每一个信息节点为前提时，它会长成什么样？

Notion 已经开始做一些很初步的尝试。除了 1000 名员工之外，还有 700 多个代理在处理重复性的内部工作：记会议纪要、回答常见问题、整理分散的内部知识、响应 IT 请求、归纳客户反馈、协助新员工入职、自动生成周报。这些都还只是开始。真正的瓶颈，往往已经不是技术本身，而是我们的想象力，以及我们对旧组织形态的惯性依赖。

第二个，是钢铁

在钢铁普及之前，19 世纪的建筑很难盖得太高。原因不是人们不想往上建，而是材料本身撑不住。铁太重，也太脆，楼层一高，整栋楼就会被自己的重量拖垮。钢的出现改变了这一点。它既坚固，又有韧性，能够让建筑框架更轻、墙体更薄，也让更高、更复杂的建筑第一次成为现实。

从这个角度看，AI 对组织的意义，某种程度上就像钢铁对建筑的意义。过去，人与人之间的沟通几乎是组织里唯一可靠的承重结构：信息要靠会议同步，决策要靠层层传达，协同要靠大量重复确认。

但如果 AI 可以在跨流程、跨工具、跨部门的过程中持续维持上下文，并在关键时刻把正确的信息推送给正确的人，那么原本必须由人力承担的那部分承重沟通，就有机会被重新分配。

一个原本需要两小时的对齐会议，也许最后只需要五分钟异步确认；一个原本要经过多层审批才能推动的决定，也许可以在更短时间内完成。组织未必不再复杂，但它可以不再像今天这样，一扩张就明显变钝、变慢、变形。

而蒸汽和钢铁改变的，从来不只是建筑和工厂，它们最终改变的是城市本身

在前现代社会，城市基本都是人类尺度的。佛罗伦萨就是一个典型例子：步行四十分钟，大概就能从一头走到另一头。生活节奏由脚程决定，信息传播由嗓音和马匹决定，城市的形状和人的身体能力紧紧绑在一起。

后来，钢结构让摩天大楼成为可能，蒸汽机带来铁路，电梯、地铁和高速公路又进一步扩展了城市的纵深与半径。于是，城市不再只是放大版的佛罗伦萨，而变成了完全不同的存在：东京、重庆、达拉斯。

它们更复杂、更陌生，也更难被单个人完整理解。某种意义上，这种难以一眼看清正是规模化的代价。但反过来说，也正因为它们足够大、足够密、足够复杂，才容纳了更多机会、更多连接、更多原本不可能发生的组合。

知识经济接下来也会经历类似的变化

今天，知识工作已经占据美国 GDP 的很大一部分，但它的组织方式大体上仍然停留在人类尺度：几十个人的团队，靠会议和邮件维持节奏，组织一旦大到某个程度，就开始显得迟缓、臃肿、失真。换句话说，我们今天仍然是在用石头和木头建造知识经济里的佛罗伦萨。

而当 AI 代理真正大规模进入组织之后，我们要建造的，也许会更像东京：一个由大量人类与智能体共同参与的系统。工作不再严格受制于时区，不再必须等待某个人上线、回复、确认后才能继续推进；流程可以持续运转，决策也可以在保留必要人工把关的前提下，更快速地被整理、压缩和执行。

当然，这样的世界一开始不会让人觉得轻松。它可能更高效，但也更陌生；更有杠杆，但也更容易让人失去熟悉的节奏感。周会、季度规划、年终考核这些工业化组织留下来的节拍，未必还会像今天这样理所当然。新的节奏会浮现出来，而我们大概也必须接受：随着规模的扩大，组织会变得没那么好看懂，却更有速度，也更有能力。

每一种改变时代的关键力量，在刚出现时，都会被旧世界的想象方式所限制。

卡内基看到钢铁，想到的不只是更结实的材料，而是新的城市天际线。英国兰开夏的工厂主看到蒸汽机，想到的也不只是替代水轮，而是摆脱河流约束之后全新的工厂形态。

而今天，我们对 AI 的想象，很多时候仍然停留在水轮阶段：把它当成一个外挂助手、一位副驾驶、一块贴在旧工作流上的智能补丁。但真正值得追问的问题是：如果组织本身能够被重新设计，如果大量琐碎、重复、机械的脑力劳动可以交给那些不知疲倦的智能系统，知识工作会变成什么样？

钢铁改变了城市的高度，蒸汽改变了工厂的布局 而 AI 也许将改变的，是组织与劳动本身的形态

下一道天际线，已经在那儿了。剩下的问题，只是我们准备如何去建造它

原文链接：https://x.com/ivanhzhao/status/2003192654545539400?s=20