铃阅
❌

阅读视图

上限让人尝鲜,可靠让人常用:千问蒋冠军谈 Personal Agent

原创 Mars任鑫 2026-11-05 14:04 上海

千问蒋冠军谈 Personal Agent:从替用户打电话要回七十块,到记忆、后训练和产品边界,怎样让 Agent 从尝鲜变成常用。

关键要点

涉及交易和隐私的操作先找用户确认

上限让人尝鲜,可靠让人留下

做好 Agent 要模型、记忆、生态三样齐

打电话拒收代金券,要回七十块现金

记忆按因果关系存,不是越多越好

后训练对齐真实用户,而不是榜单

上下文降了约四成,单步成功率是关键

升职这类模糊的长期目标现在做不到

很长一段时间,我都在重度使用 OpenClaw,但慢慢地也用得有一搭没一搭。我自己在做 Working Agent 和 Management Agent,也用过很多最新的 Personal Agent 产品。我的感觉是,Personal Agent 并不好做,在国内尤其如此。它可能是头部大厂的机会:阿里、微信,也许还有美团和字节。因为 Personal Agent 除了智能,很大一部分要和我们的生活服务挂钩。

从这个角度看,千问一直处在一个很好的身位。但我自己用海外的 Personal Agent 时,觉得它其实不太好用。它和明确的工作目标不一样:很多任务分好几个阶段,还要接得住你的言外之意(between the lines)。

这次很幸运,请到了千问事业部 AI 算法负责人蒋冠军老师,我觉得千问也算得上是一个国民级的应用了。我们关心的是一个很朴素的问题:它能不能从一个让大家“哇”一下、看着很有意思的产品,变成走进千家万户的产品?毕竟他们能看到更多真实的数据分布,看到大家每天在用它做什么。

在这次访谈里,他的回答并不浪漫,也不科幻、不天马行空。他没有给我们看这件事有多惊艳,而是告诉我们,他们在实践中怎么保住产品能稳定可靠的提供服务。

下面是这次对谈的整理。他讲了千问具体是怎么做的,也很直白地告诉我们,今天哪些事情还做不到,Personal Agent 还有很长的路要走。

为什么是现在:模型会思考了,工具也围上来了

千问去年十一月正式发布产品时,定的口号是“能聊天会办事”。蒋冠军说,“会办事”的本质就是 agent。Personal Agent 这个词是最近才火,但千问一直在做这类事,年初推过的订奶茶、订外卖就是例子。他不认为这是跟风:技术能力到了这个阶段,大家想用户价值、想产品功能,思路自然会趋同。

能力的起点是模型能思考。能思考,模型就能对自己产出的内容做判断:结果合不合理,有没有更好的路径。一开始这只用来提高单次回复的质量;再往前一步,单点不好就重新规划,把几步串起来,就成了完成任务的 agent。代码能力也在变强,它不只让 Vibe Coding 效果更好,也让模型更方便地调用工具、规划执行流程。这两样加起来,是模型这一侧 agent 的初始能力。

第二步是生态。模型有了这样的能力,工具和服务就会围绕它去建。最早被改造的是搜索引擎,于是先出现了信息类 agent,比如 Deep Research。那时还谈不上 personal,也还不替人执行动作。

提高任务成功率,要靠机制兜底

徐文浩的担心很具体:deep research 的报告错了,责任在看报告的人;agent 帮你订一张便宜机票,订错了可能就退不了。

蒋冠军指出,要提高任务成功率,需要有一套系统性的机制。今天能做 Personal Agent,差别在三层:模型执行任务和调用工具的准确率高了很多,也有更强的自我鉴别(judge)能力;“模型加 harness 加生态”这个体系更成熟了;系统可以做安全控制,凡是涉及订单、交易、修改个人数据这类有潜在影响的行为,就先让用户确认。

所以他说,今天的 Personal Agent 不是把事情全交给模型,而是很强的人机交互,更像一个助理。你让助理订机票,助理也会回来问你要什么舱位、大概什么时间。

这些确认大部分写在 Skill 里:告诉模型什么接口会产生什么行为,产生这种行为时该怎么和用户交互。这不是传统代码里写死的 if else,靠的是模型遵循指令的能力。系统框架层面再加一层强约束当双保险,保证必须确认的事一定由用户确认。

上限让人尝鲜,稳定性让人留下

Mars 问:半年前小龙虾(OpenClaw)也火过一波,现在基本没人用了,进步到底在哪?

蒋冠军先拆出做好 agent 的三个要素:模型;个性化数据,也就是记忆和 context;生态工具。Vibe Coding 做得好,是因为三样都齐:整个代码库就是完整的上下文,工具只要编辑器加编译器。小龙虾火了又不火,是同一个道理:个人记忆和生态工具这两块不够强,任务完成率不高。

徐文浩提到,Muse 口碑和初期数据都不错,但二十天、三十天后留存很低,他自己用 OpenClaw 也是有一搭没一搭。蒋冠军的判断是:这类产品在探索 AI 产品的上限,“所以用户去尝鲜,所以它出来的时候很火”;但真正在市场上提供服务的产品,需要稳定性很高。OpenClaw 用着用着就不用了,一个原因是下限不行,很多任务完成度不高。

留住用户的办法,是把单点功能做稳。抢券、抢票,只要有一个 agent 能稳定、可预期地完成,你就会一直用。千问上财经、教育、医疗的用户占比高,觉得好用的人会一直围着这个场景问。他也给了一个数字:agent 用户的规模在市场上还不大,但过去三个月,单个任务的平均 token 消耗变成 1.6 倍。

替用户打电话:Agent 今天在办哪些事

蒋冠军举了一个真实例子。航空公司延误,用户买了保险,想退现金,就交给千问的 Personal agent产品千问Go!。千问Go打电话过去,航空公司想赔一张代金券,这样对他们成本低。千问Go不同意,因为用户的指令就是退现金。它又去找别的客服和解决路径,“最终就是退了七十块钱回到了用户的那个账户里面”。这个功能现在还在邀测中。

徐文浩追问:它是假装成用户,还是以助理身份去谈?蒋冠军说是助理身份,这样责任和边界更清楚,它不能完全代替你行使权利、承担义务;要报身份证号、卡号,需要用户授权。他也提醒,不必把场景都往极端的安全情况去想,大部分需求是咨询、预订和信息整理。

千问上的主要场景是财经、教育、医疗和生活服务。医疗主要是信息服务和长程的病程管理,解决的是用户和医疗体系之间的知识不对称。徐文浩问,财经类听起来和带搜索的 deep research 差不多?蒋冠军说差别在状态:deep research 回答某个公司值不值得投资,是单点问题;助理会带着你关注的赛道、买过的股票、过去查过的东西来回答,结果就不一样。

记忆:记什么,记多少

Mars 讲了一个经历:半年前用过的某个产品,他之前在看《金刚经》,后来说今天要吃烤肉,它也莫名其妙扯到佛教上。

蒋冠军说这是取舍:召回的记忆多了,就会这样;用得不充分,用户又觉得你说记得住,其实完全忽略了他。关键是两件事:记到什么程度,怎么用。千问的标准是看过去说过的东西和今天的事有没有关联和因果关系,“我们不是说我们看了《金刚经》,我们就去记《金刚经》”。

实现上,存储形式和 OpenClaw 差不多,就是纯文本。原始文本给模型,能捕捉的信息维度反而更丰富,编排太多、做 embedding,效果可能更差。区别在于背后有一个不显式的 schema:存什么,存到什么粒度。还会分层,区分核心、短期、长期,并处理时效。他认为 OpenClaw 对记忆失效处理得很弱,徐文浩说它基本靠文件名里的日期判断新旧。

事实之上还有一层抽象。有个用户聊到自己的养老,也聊到三十多岁的孩子没有工作,抽象出来是“在这个阶段至少他是有家庭焦虑的”。之后他哪怕只说一句“我今天心情不好”,也可能和家里有关。

个性化信息从哪来?千问不强制用户提供,画像随使用自然沉淀;在用户授权下和三方财经账户打通,是下一步,财经这块还没做完。

后训练:对齐真实用户,而不是榜单

千问会不会专门为 agent 场景做后训练?蒋冠军说一定要做,最大的意义是保证下限的稳定性。基模对外发布做了很多上限探索,但落到具体场景,稳定性比上限更重要。他举订票:要保证大部分的票都能订,而不是 A、B、C 三类能订,D、E、F 就订不了,因为在用户心里,能订票就是默认全都能订。

他认为模型的智商已经在比较高的水位。工作、学习、生活类的大部分任务,站在模型角度能完成:你觉得模型做得不行,稍微改一下再跑,结果就对了。说明能力够,偏差出在路径规划和工具调用,和用户的真实情况对不齐。

可用户的表达千差万别。徐文浩举了家里的例子:太太说“最近天气好像有点冷了,要到双十一了”,意思是买衣服;他说同样的话,意思是开空调。蒋冠军说百分之百对齐做不到,本质是用户的数据分布和模型认知的分布之间的拟合。表达是可聚类的。千问围绕三十多个行业做了意图透视,归约出八千多个比较原子的基础能力,后训练和强化学习重点保证这些能力的稳定性和效果。

成本:花二十块抢十块的券怎么办

Mars 问:token 也是成本,会不会花了二十块钱抢到十块钱的优惠券?蒋冠军说:“有可能会发生吧……我们也实事求是一点。”成本和收益之间一定有交叉点,但长远看问题不大,token 成本会持续下降。

降成本的手段,最简单的是模型路由,大小尺寸差异显著。更大的差别在 Harness 设计,同一个任务换个 Harness,轨迹会差很多:skill 是平铺给模型,还是分层给(徐文浩说的渐进式披露);相似工具很多时,怎么让模型调到完成度高的那个。

千问引入的 skill 不完全对三方开放,和三方、二方以及自己的 skill 有较深的迭代,模型调用比较准。规划好、单步成功率高,就不用反复重试,上下文就短,成本就低。另外还有量化、把常见的轨迹 pattern 封装成 skill、记忆压缩。过去一段时间,整体上下文降低了百分之四十左右。

成熟功能和新功能的算法也不一样。Chat 这类成熟功能会花大力气优化成本;云电脑、云手机这类新功能,先把体验做好,有了用户规模再考虑单个用户的服务成本。

主动提醒:克制,靠一部“产品宪法”

很多人第一次对 Personal Agent 感到惊艳,是它主动找上门,提醒你明天有个会;也可能变成惊吓,把营销邮件也让你回一遍。千问怎么做?

蒋冠军说千问在主动性上还处在探索的初级阶段。做法是克制:先从产品上定义确定性强的场景。比如感冒大概率七天,这期间问到药,就可以多给一些提醒和判断;有些疾病一定会在某个时间点要做康复。然后是时机和内容,什么时候提醒什么,取决于模型对事件关联的理解准不准。他说从线上的消费也能看出来,很多场景的提醒对用户是有用的。

徐文浩质疑:这像“古典产品经理”,放手让模型自己决定什么时候提醒,下限不一定稳,却可能找到新的上限,会不会太保守?蒋冠军不同意。今天的定义不是 if else,而是限定范畴的文本和语义约束:什么提醒可以有,什么不能有。比如用户有不想提及的疾病,只要问到健康就提,会让人非常反感。他把这类约束叫作“产品宪法”,徐文浩说这和 Anthropic 的 constitution 是一个思路。

今天还做不到的事

这期里,蒋冠军好几次直接说“做不到”。

一是生态。Mars 问,有些行业和产品拒绝被第三方调用,怎么补齐?他说:“这个问题补不齐,生态不通,那就是不通。”能用 MCP、API 接入的生态对模型最友好;CUA、mobile use 在用户授权、对方也允许的情况下能实现,但很不简洁;对方禁用了,就没办法。

二是模糊的长期目标。明确的长期目标,比如马拉松的目标时间,千问能比较好地 follow。徐文浩问“六个月之内升职”呢?范畴太广,写周报和升职有关但很弱,做项目方案关联很强,当前任务和长期目标的内在关系,“这个说实话现在做不到”。

徐文浩又拿孩子考大学举例,打比方说能搞定的话愿意付工资的三成。蒋冠军的回答是今天也做不到,能做的是具体环节,比如帮孩子提高某一学科的能力、出提分方案。

三是完整的旅行规划。多数据源、多服务组合的任务已经很多,但让它把一整个旅行规划自动做完,还没到,因为背后大量默认信息 agent 并不知道。这个比较依赖用户输出,讲清楚位置、价格、天数,执行效果就不会太差。

模型升级之后,哪些活不会白做

Mars 替创业者问:在模型上做 Harness,每次模型升级,百分之八十就白做了;不做,眼下的问题又解决不好。怎么平衡?

蒋冠军的第一句是:“也不至于百分之八十这么多吧。”确实有一部分工作将来用不上,但他是做应用的,出发点是用户的核心需求。从这里看,可以分清哪些东西和模型变化关系不大。千问分析过三十多个行业的需求,知道会用到哪些工具和服务,这些工具和服务的迭代和模型无关,只会让任务完成率越来越高。为补模型能力写的业务逻辑会被淘汰,这个代价可以接受。

徐文浩把它分成两类:给模型打补丁的工作,比如它写代码老漏个分号,过两周可能就扔了;评测框架、外部数据源和工具接入,总得做,模型好了无非写得更快。

半年后会怎样,蒋冠军不预测。他只说趋势:记忆和 context 半年内会有跃迁,今年春节能点奶茶,但现在的体验已经完全不一样;今天的互联网服务不是围绕模型建的,未来也会逐步变得更适配模型。他最期待生活场景,买房、买车、孩子上学,再进一步是主动帮你挣钱、省钱。

彩蛋:被点评挡住之后

Mars 约体检,让 agent 去点评上挑华山医院的套餐。点评不让它用浏览器,它只截到两张图,就拿着图去网上搜,找到一个健康网站,算出两边价格差了百分之十左右,判断是同一套东西,帮他把决定做了。以前碰到这种门槛,它会直接说搞不定。

结语

这期反复出现的一对词是上限和下限。演示能力的产品让人尝鲜,能稳定办成一件具体事的产品才让人留下。蒋冠军给的做法都落在稳定性上:后训练保稳定,Skill 和系统约束兜住出错,记忆按因果去存,成本靠单步成功率降下来,生态不通的地方直接承认做不到。剩下的问题是,当一个个单点任务都足够稳了,能理解“六个月之内升职”这种目标的助理,还要多久?

本文整理自 AI炼金术《Agent 怎么从尝鲜变成常用?|对谈千问蒋冠军》,参与讨论的是千问事业部 AI 算法负责人蒋冠军,以及主持人徐文浩、任鑫(Mars)

跳转微信打开

  •  

AI 帮我干完了 20 年的活儿,我却感觉像坐牢

原创 Mars任鑫 2026-10-15 18:24 美国

国庆四天,文浩用 Opus 5.5 烧掉 2000 美金,每天醒来有十几个窗口等他验收。我们从又火起来的个人助理聊起,聊到琐事该不该交出去、助理会不会免费、卖掉算不算出路,最后聊到写代码的坐牢感。

本期要点

·DevDay 没亮点,最大的槽点是额度砍半

·Dot 把 OpenClaw 从宜家变成了成品家具

·在中国,点评网页连人类都不给看

·摩擦降下来,会长出原来没有的活

·琐事对很多人来说是小确幸

·个人助理大概率要免费,只有巨头玩得起

·做不成超级 App,卖掉也是出路

·企业根本不需要我想做的东西

·我认真做的视频,输给了放手让 AI 做的

·今年写了过去 20 年的代码量,像个快车司机

▶ 收听完整版:小宇宙、喜马拉雅、Apple Podcasts、Spotify 搜索「AI炼金术」,本期《AI 帮我干完了 20 年的活儿,我却感觉像坐牢》

DevDay:最大的新闻是额度砍半

DevDay 文浩没看直播。大半夜的谁想看,第二天早上起来看看 X 上大家的评论就够了。他的说法是,很多东西需要你了解的时候你自然会了解,跟得很紧除了让自己很累,没什么意义。

他作为程序员的第一大抱怨,是 OpenAI 把额度砍了一半。他是老账号,要到月底才砍,还送了大概 2500 美金的 credit,但本质上还是砍了。双持套餐的人体感很明显:Claude 的 Opus,他这种重度用户一周正好用完;Codex 一两天就用完了,模型能力还比 Opus 5.5 差一截,「这个玩意儿不具有性价比了」,给人一种 OpenAI 这个要黄了的感觉。

我正好反过来。之前因为 GPT-6 Astra,我把 OpenAI 的 Plus 升成了 Pro;结果从 Fable 5 换到 Opus 5.5 之后,用得飞起,额度快得完全用不完,就觉得好爽。出那么多花里胡哨的,还不如一个模型好一点。

DevDay 发的 Dot 我们俩都用了。文浩的体感是慢,过程也不透明,它其实是在后台调起你本地的 Codex 偷偷干活,干完再 summarize 一下回给你。

它只是把 OpenClaw 这样一个更像需要自己动手组装的宜家一样的产品,变成了一个你买完的家具过来直接就放进房间里的产品,但是这个产品并没有做得更好。

在中国,点评连人类都不给看

我也很困惑这东西为什么最近又火了。我好歹有一点点动手能力,harness 早就自己搭完了,用下来感觉它其实就是云端的小龙虾,优点是让不太会自己搭东西的人,打开一个软件就能用上我们在 Claude Code 里玩到的那些好玩的东西。

现在火的某一家,之前 pitch 的时候我听过。我当时的想法就是,这个东西是主战场,所有人都会做,你作为创业公司做这个是做不起来的。但是它生在这个时间点,在 Muse 之后,我至少相信它下两轮估值是没有什么问题的。

文浩觉得,是 OpenClaw 出来之后更多人觉得能做了,产品陆续冒出来:Instinct 融了一大笔钱,Meta 上了 Muse,OpenAI 出了 Dot,Manus 也下场了。大厂花一点点钱就有很大的声量,创业公司反而很难被听见。在美国这是顺理成章的事,因为美国没有超级 App。

篱笆扎得很紧,助理进不去

篱笆扎得很紧,助理进不去

放到中国,我当天就撞上了。我打算过节前去体检,让 Dot 帮我搞,它查的那些网站我都不敢相信。我说你直接在点评上帮我买,结果点评的网站是不能用的。点评的网站连信息都不给你看,它都不给人类看。

文浩说这很正常,淘宝、京东、抖音电商的网页版都一样,要么扫码登录,要么看个价格都让你扫码到 App 上。在中国,篱笆已经扎得很紧,只有本身就是超级 App 的能做。微信能做,因为供给端想接也好不想接也好都得接;阿里也能做,淘宝、淘宝闪购、飞猪、高德它啥都有。其他人,「我只要把篱笆一扎,不让你进来,你就干不了这个业务」。

美国也在扎篱笆,Muse 已经被 Amazon 封了,买不了东西了。但文浩觉得美国的篱笆没那么好扎。一是 PC 天然难扎,很多人就是在电脑上下单;二是供给天然分散,大量独立站、Shopify,订个餐馆用的是 OpenTable,每个垂直领域都有自己的 SaaS。需求更旺盛,供给更分散,机会天然更大。

煤油灯时代想象电灯

我抛了两个想法,一正一反。

正面那个是在别的播客里听到的,好像是做个人助理的 Today 的一个产品经理分享的例子。几个老朋友约好定期聚一聚,这件事就要求一个热心肠、有全局观的人定期来张罗,他一不搞,整件事就没人搞了。像我们这种人,但凡有一个人张罗,我们都会尽量配合,但是我们自己也不想来张罗。

摩擦降下来,长出原来没有的活

摩擦降下来,长出原来没有的活

我在商学院讲课,习惯性地把它理论化:很多需求可能本来是存在的,只是原来摩擦有点大,或者有公地悲剧,到底谁来张罗?现在有个 AI 来负责张罗,这种事反倒会更多。我们现在想到 personal assistant,想到的大多是把已经在干的活交出去;但很有可能还有一些活应该存在,只是被摩擦掉了。有点像我们正在点煤油灯的时候想电灯,只想到点个灯可以看书了,没想到会有整个夜间经济。

拼乐高的孩子在买爽感

反面那个,是我看我们家孩子拼乐高时想到的。他最近已经开始拼一些奇奇怪怪的东西了,但你买一盒新的,它其实是照着说明书在拼,经历一些小探索、小挫折,都搞得定,最后产生一个成就感。如果这是他在打一份工,其实还要倒给他钱;但现在我们还要花钱买乐高让他拼。他在买爽感。

照着说明书拼,也是一种放松

照着说明书拼,也是一种放松

做这些产品的产品经理,举的例子都是五个人要约,怎么对行程;你每天好忙,机票订不过来;你有伟大的事情要忙,这些琐事都丢给我。我就在想,真的每个人都这么忙吗?我要挑一件适合我的裙子,这真的是我想交出去的事情,还是难得有一件我说了算、反正错了也就错了的事情?花两个小时找特价、找哪张信用卡刷了能拿到这个特价,对一个在真实世界里被老板骂、又怕出错的人,这个过程是不是有点像拼乐高?

所以我会觉得大家画的那个 persona 画得太窄了一点,画的都是忙得找不着北的人,他会把琐事当作成本。可对很多人来讲,琐事就是一个小确幸,它不是一个应该被解决的问题。

拖了一年的报销

文浩不完全同意。他之前就是 Codex App 和 OpenClaw 的重度用户,他的体会是,琐事不一定是因为忙,而是消耗你的精力和带宽。

帮他省时间最多的是报销。他拖了很久,去年可能有一年没报。我当场说他真是离谱。打车票、Codex 的订阅费,想到要一张张拉出来做 Excel、再一遍遍填进飞书,就越拖越多。现在高德把行程发到邮箱,Codex 按条件把邮件筛出来做成表,再用 computer use 在飞书上填好,他扫一眼,一两个小时就报完了。

我问他你是创始人,为什么不用什么企业滴滴、企业信用卡,大哥?他说他懒,就懒得开。

还有预约。美国理发、修车都要 reservation,打个电话好麻烦,算了过两天再说。Google 很早就演示过打电话订餐馆、约理发,当时没做起来。他觉得这是真需求,但更像巨头的机会。

暑假带孩子出去玩,他是跟 Codex 商量着挑的:哪里不会太热,只有两三天,未来几天下不下雨。在携程、飞猪上,你得看完酒店退出来看天气,再去搜山里凉不凉快。跟 Codex 聊几轮就够了,决策还是他在做,反而多找到了一些可以去玩的地方。他说这不是减少乐趣,是增加乐趣。

至于「行程太满、太忙」,他觉得是伪命题。他虽然在创业公司算核心管理团队,工作其实很简单:早上爬起来开始写代码,写到晚上睡觉,中午出去买一个麦当劳。

白给的 token 都懒得开

我其实想的是,我们到底是不是典型用户。一年的报销懒得报,这已经不是 99% 的用户的行为了。我们想减少摩擦,是因为我们还有其他的事情要做;但绝大部分人减少完摩擦,到底是出现了一个洞,还是出现了一个机会?

而且我们这批人太难转化了。我已经交了 Claude Code 的钱,context 也在上面,Claude Code 还在补贴 token;这时候另一个 App 收你 100 美金一个月帮你做 personal assistant,很难。前几天还有朋友说可以给我管饱的 token,我到现在都还没去开通,因为 Codex 的 token 还没花完。白给的时候你都有点不想去要,我们这些人真的不是好用户。

文浩认了一半。懒得报销可能只是他这样,但琐事多的用户很多,尤其是家庭用户。学校布置个社会实践要做小报,你自己可以拖着不理发,娃你一定会按时带去理发。

个人助理最后会免费

文浩不看好订阅制。他转述一位美国投资人在一档播客里的观点:personal assistant 最后一定会成为免费产品,而且只应该是免费产品。to C 的付费产品有天花板,一涨价,转化和增长就下来;免费产品靠广告,变现压力来自广告主之间的竞争。

大家都想卖车,都来这儿出价

大家都想卖车,都来这儿出价

大家都想卖车,理想也想卖车,小鹏也想卖车,特斯拉也想卖车。

他早年做过五年广告,他同意这个判断。今天的 C 端产品,会员数比用户数至少低一个数量级。免费就没有转化这道坎,但它可能真的只是巨头、或者巨额补贴才玩得起的游戏。

Muse 和 Instinct 其实都是这个思路。Muse 现在在补 token;Instinct 的创始人在访谈里讲的,是旅行和酒店这类佣金高的交易。说白了就是意图经济:我吃意图,然后别人来我这边竞价买这个意图。

这套逻辑我们这些老登都很熟。文浩还点我,说我也参与过这个竞价游戏,把公司卖给了京东。但他觉得 Instinct 想得太理想了。超级 App 讲的是高频打低频,如果我理发、订餐馆、买东西、打车都在 Muse 上做,我凭什么订酒店要切到 Instinct 去?

卖掉也是出路

我一直在想,我跟他都创业失败过,都有 PTSD,是不是天然过于想要逃避正面战争?

文浩说反而不是,做这个的都得想好退出通道。能做大的个人助理天然就是超级 App,很难,但拼多多、字节、小红书都长大了,不是不存在,只是那更像年轻人的机会。资本觉得有的玩也没问题,可能过两年谷歌花 300 亿美金把这公司收了。你要 beat Meta,挑战大到难以想象;但卖给苹果、Google、三星、Expedia,出路有很多。

这让我想起在硅谷见过的一个创业者。他在 Apple Intelligence 之前做了一套 Apple Intelligence,单看这个东西你会觉得过于荒谬,但看他的背景又非常值得投:他就是当年做「捷径」、被苹果收购的那个人。上一次成功的打法,就是把苹果必然要做的一个东西自己在外面做了。如果是他做,这件事就非常 make sense;如果是我做,就……

一个善良的创业者本能想我怎么把这个事情做大,你觉得这事情不能做;但是如果你想把这个东西卖掉,很多事情是可以做的。

这倒是打开我思路了。前段时间我吆喝了一嗓子要做 Agentic FDE,10 月 2 日 Anthropic 就推了 Claude Frontier Academy,拿 1 亿美元,要在 2027 年底前培养 1 万名 FDE。按文浩这个思路,我就应该做一家帮企业培养 FDE 的公司,不做成培训公司,做成中国最好的帮企业转型的社区,最后看看哪家大模型公司要不要买,而不是苦哈哈地「来,我给你们讲个课」。

当然在中国卖公司没那么容易。我卖过两家公司,经常有人来问我怎么卖,我的感受是真的 80% 靠命。文浩回了一句:「你卖成两家公司,说明你命好。」

还好我没做

文浩还提醒我,做任何一个产品之前,先要把产品卖出去再开始做,因为今天做产品的成本实在太低了。

这事我刚好验证过一次。我跟朋友发起了 CAIO 联盟,然后把「agent 版的 FDE」,就是 AI 来指导你们公司做 AI 转型这个概念,直接在 100 多个企业家面前发布了。东西啥都没做,就一个官网。确实有几家企业带着订单来找我了,详细聊下去之后发现,他们根本不需要我做的这个东西,官网上任何功能都还用不到,他们只是想理清楚这到底是个啥、自己现在到底该干啥。

打个比方,我们已经做到何首乌黑发洗发水、做细分定位了,大家还在研究为什么要洗头发。我一边跟大家聊,一边心里想,还好我没做,还好我只是做了一个官网。

文浩接得很快,说他们可能需要我们昨天刚拿了 Product Hunt 榜一的 ZooWork.ai。我说你终于开始做广告了。他自己先拆台:Product Hunt 榜一是怎么来的,大家都明白。按他的介绍,ZooWork 是一个不绑死在 OpenAI 和 Claude 上的托管型 agent 平台,DeepSeek、GLM、Kimi、千问、Gemini 都可以混用,大部分 agent 任务用 DeepSeek V4 Flash 就能做得很好。至于贵模型有多贵,他自己就是例子:前两天把一些流程都改成了 Opus 5.5,四天就把一个月 2000 美金的额度用完了,当天早上就被 DevOps 的同事问:一个月才设了 2000 美金,你怎么四天就用完了?

我认真做的,效果都比较烂

以为是品位,其实是偏见

以为是品位,其实是偏见

国庆在酒店里,我用 Opus 5.5 搭了一个视频的工作流。AI 炼金术之前我每天会做大量阅读、做知识卡片,就让它直接根据我的知识卡片出小短文,用我的声音直接发,效果蛮好。

后来我觉得不能这样,我得要有活人感,我是一个负责任的人,我怎么能让 AI 帮我做呢?然后我就自己认认真真读了自己的卡片,认认真真思考了,自己口播了几段。结果数据就降了。我以为是发多了,又让 AI 随便挑几条以前的卡片,用原来的方法再出几条,效果虽然没有第一二条那么好,但明显比我口播的好。

凡是我比较认真做的,效果就比较烂;凡是放手让 AI 干的,效果就比较好。反正只要不要我参与,它的效果就挺好;但凡我想贡献一下,效果就会变差。大家不要以为自己有 taste,你只是有 bias。

文浩没那么快投降。从大众社媒的角度,我们俩肯定是过时的,做 AI 炼金术之前谁也没经营过社媒大号,一开始还念台词让大家转发,后来台词都懒得念了。AI 做过大量强化学习,大众传播效果好不奇怪。可你自己做的内容,是不是带来了更多企业家来找你?AI 做的那些,真的能吸引到那些人吗?吸引一堆大学生来点赞,对你现在的商业化不一定有帮助。

我后来让 AI 帮我分析过,它说你讲的都比我讲的长很多。我老想把一件事翻来覆去讲清楚,四五分钟就过去了;它两分钟就讲完,我有时候觉得它没讲清楚。可我以为讲清楚了,谁有空看你四分钟?好像就是我自己的执念太多了。

撞车实验里的假人

文浩提起 Anthropic 最近的新闻:他们找了一堆宗教领袖闭门开会,讨论 Claude 有没有自我意识。他的评价是「一以贯之的神棍风格」。

假人必须要感到疼

假人必须要感到疼

我倒觉得蛮好理解的。他们内部本来就有哲学家这种角色,总要干活嘛。而且我们用到的,很有可能是他们手上东西的阉割版;他们无限量地用最好的、同时开 1000 个的时候,体验到底是什么样子?所以有可能他们真的已经看到神迹了。

我一直觉得意识这个东西没那么高级,它本来就是一个错觉,本质上是用来做 simulation 的:让我畅想未来,让我担忧未来提前受苦,让我反刍过去,在没有真实生存挑战的情况下产生更多训练数据,最后是为了让我活下去的概率高一点。

其实就有点像撞车实验里面那个假人,但是那个假人必须要感到疼,感到疼他才会把这个神经网络重排。

文浩是工具派。他觉得通用人工智能已经实现了,但还是把它当工具看:今天的模型没法自己主动启动干任何事,agent 的「主动」都是程序里写了个 heartbeat,定期把它唤醒,扳机还是人在扣。

我比较相信千脑智能那一套:脑子里可能是好多个小脑子在聊天,底层有一个心跳一样的机制,目的只有一个,活下去。如果 Claude 也有这么一层,至少在形态上就跟意识一模一样。至于是不是意识,我们彼此之间其实也没办法确认对方有意识,也只能按形态判断。搞 AI 的,最后都要聊聊哲学、聊聊人文。

电动车快,不是我快

文浩说聊人文很有必要,因为为了效率写代码,已经很没有乐趣了。

我感觉我今年写了过去 20 年写的代码的量吧,当然不是我写,其实是 AI 写的。

没有 running 的感觉,也没有克服困难的感觉,跟开滴滴快车、送外卖差不多,不停地完成任务。难吗?并不难。为什么快呢?因为电动车快,不是我快;导航软件做得好,所以很快能到。

快,是因为车快,不是我快

快,是因为车快,不是我快

我说那你要擦屁股是吧。他说不是,他的主要工作就是快点把东西做完。像外卖员,早上睁开眼,今天能送 200 单就绝对不能只送 100 单。刚送到 200 单的时候觉得自己牛,原来只能送 10 单;连送一个月,生理心理都很疲倦,也不觉得自己牛了,就觉得自己是个外卖员。

他现在面对电脑,有一种坐牢的感觉。每天早上起来,昨天晚上开的十几个窗口要验收一遍,验收的时候发现好像都还在 ongoing,再开一个窗口去跑下一单;两个订阅跑完了,要不要开第三个;一看就到了晚上十二点一点,去睡觉。东西太容易做,人就容易 overcommit,答应了一堆事。

AI 都能做完,但是我验收不完。

我也这样,会因为 AI 想多。录这期的时候 Riverside 又宕机了,我就在想,要不今天晚上让 Codex 写一个,我们俩自己用,服务器放国内,好像也不是很难。可做一个自己用,属于找个乐子;真要交活,压力完全不一样。

聊到这儿,文浩说他得调整一下,减少面对电脑的时间,多出去走走,多找人聊聊。我说那我们可以拿个麦克风,多去找人面聊嘛。

我确实比他轻松很多,没有他这么有生产力,基本上还处于一种无所事事的状态。所以分工也很清楚:技术问题全部丢给徐文浩,我负责讲人生大道理,做心灵陪伴。

▶ 完整版在小宇宙、喜马拉雅、Apple Podcasts、Spotify,搜「AI炼金术」,本期《AI 帮我干完了 20 年的活儿,我却感觉像坐牢》。

— 完 —

跳转微信打开

  •  

和 ColaOS 橘子聊个人 Agent 这半年:时代追上了他,他却打了转向灯

原创 Mars任鑫 2026-10-10 11:34 上海

半年前我劝橘子给个人 Agent 找个细分,半年后这成了最热的赛道。我们把他抓回来聊这半年:便宜模型把账算过来了,免费打法回来了,他却放弃卷办公,转去做 996 之外,今年先熬到盈亏平衡。

01-cover

半年前橘子来 AI 炼金术聊个人 Agent,我还在杠他,说这个东西太宽泛了,要不要找个细分。半年后个人 Agent 成了最热的赛道,我们把他抓回来再聊一次。时代追上了他,他却没往人堆里挤:办公不卷了,转去做「996 之外」,今年的目标是盈亏平衡。

本期要点

·云上、免费、完成度,个人 Agent 突然成了共识

·便宜模型让 Agent 成本降了几十倍

·6 到 18 个月前砸掉的产品,现在都值得重做

·补贴 token 低于获客成本,免费打法回来了

·办公太卷,橘子转去做 996 之外

·99% 的人没有日历,也不会支使人干活

·AI 没有身份,人的身份本身能变钱

·今年先熬到盈亏平衡,runway 就是无限

·爆款只给你两周,电脑前的活都在贬值

·Opus 5.5 之后,全是主航道

▶ 收听完整版:小宇宙、喜马拉雅、Apple Podcasts、Spotify 搜索「AI炼金术」,本期《和 ColaOS 橘子聊个人 Agent 这半年:时代追上了他,他却打了转向灯》

半年前蹭你热点没蹭上,半年后再蹭一遍

半年前跟橘子聊天,他做的就是个人 Agent。ColaOS 装在电脑上,把我的电脑爬了一遍,然后跟我说,我帮你干这个,帮你干那个。我当时还在杠他:这个东西太宽泛了,你要不要找一个细分啊?

半年后,Instinct 9 月融了 10 亿美元,估值 100 亿美元;Meta 靠着 Muse 把股价都带了起来;xAI 出了 Grok Bot,OpenAI 搓了一个 Dot,Manus 搓了一个 Cue。大家突然觉得,这才是正确的路径。我的感觉是时代终于追上了橘子,就想把他抓过来:半年前蹭你热点没蹭上,半年后再蹭一遍。

橘子接得也干脆,说抱歉了,半年前没有给大家带来爆点,半年后再努力一次。

但我心里是有疑问的。云端的「小龙虾」(OpenClaw)早就出过一批,各家也都给你一台云上的机器,那一波没看到谁特别做起来。这一波究竟是做起来了,还是靠扎克伯格的撒币大法,只是热闹起来了?

橘子说,成不成立还不好说,刚火。但他观察下来,这个节点有一个变量,大家都开始把 Agent 放在云上了。以前在本地电脑上跑,多少有点门槛;放到云上,就真的跟豆包一样,你说句话它就能做事,只是能做的事多了十倍、一百倍。再加上免费,Muse、Dot、Instinct 都免费,而 WorkBuddy 这类办公产品还在收费。有 Agent 能力,又叠着云端的成本,还免费给用户用,传播的摩擦力一下子降得很低。

补贴只是一方面,还有产品的完成度:

“如果小龙虾是 30 分的话,Muse 就已经接近 90 分了,打磨度是非常高的。”

便宜模型,把账算过来了

砸掉的产品,现在可以捡回来重做

砸掉的产品,现在可以捡回来重做

徐文浩补了另一层:比较便宜的模型,Agent 能力变得很强了。

半年前想让 Agent 效果好,起步得用 Opus 这样的模型,Sonnet 的效果都不一定特别好。今天换一个 flash 级别的模型,比如 DeepSeek Flash,或者录音当天刚发布的 Haiku 5.5,你不拿它写代码,只让它看个邮件、订个机票酒店、操作一下软件,效果已经挺好了。

“半年前你的 token 成本是今天用这些 agent 的几十倍……半年前可能即使是 Meta,它也补贴不起。”

橘子拿 ColaOS 自己的账印证。以前用 Opus 4.6 跑 Agent,内测的时候补贴给每个用户的成本,一个月要几百美金,而且还不是重度用户,就是普通用户。今天换成 flash 级的模型,一个用户一个月也就十几美金,基本十美金就够用。十美金是什么概念?SaaS 订阅也就 10 美金、20 美金,按五年、十年去算,已经补贴得起互联网那套免费打法了。

我听到这儿的反应是,这里有一个时间窗口。半年、一年前火过的产品形态、火过的概念,当时不管是成本还是技术交付不了,现在都可以重做一遍。去搜 6 到 18 个月前,但凡火过但是砸掉的产品,现在都可以重做了,因为成本和效果提上来了。

橘子提醒了硬币的另一面。半年前愿意为成本花钱的用户,今天可以花更少的钱,对应的就是 ARR 的减少。过去半年 ARR 做得比较高的公司,得想想接下来怎么办。

补贴低于获客成本,免费打法回来了

徐文浩的说法很直接:互联网 to C 的产品,过去都是免费的;过去三年 AI 产品不能免费,是因为确实补贴不起。

“现在又进入了一个补贴得起的阶段,那为什么不能再来一次滴滴跟快的的打车大战呢?”

橘子说可以啊,这时候投资人就可以出场了,你们的钱终于有用了。我接了一句,钱终于可以烧起来了。橘子的理由是,现在补贴用户用 token 的成本,已经低于获客成本了,他管这叫「一个很质变的节点」。

钱烧出去,怎么赚回来?徐文浩之前发给我一个 Ben Thompson 的视频,观点是做 to C,唯一被证明能打到大市场的是广告模式,不是收费模式。我当时问的是,谁先在 AI 里发明出竞价排名,或者刷几条视频就插一条广告这样的模式,monetization 上的进步,会不会就是下一个胜负手?

橘子觉得这是趋势,今年不是的话,明年一过春节大家也都会意识到。靠卖 token 给 Agent 做 revenue 的阶段,要给下一个阶段让路了,下一个阶段得找到一个接近免费前提下的新商业模式。好处是增长压力终于变小了:付费产品 ARR 能做起来,DAU 很难做;现在 DAU 又能做起来了。

这个弯转得太快,橘子自己都被打脸。年初他刚喊过「DAU 没用了」,还没到年底又回去了,他自嘲「半年保质期」。我补了一刀,那篇雄文也就是今年年初的事,感觉过了好几个世纪。橘子说他情有可原,RSI(递归自我改进)提前到来了,一旦进入 RSI,以前所有的判断都已经过时了。

时代追上来了,他却不卷了

996 之外,还有一份钱

996 之外,还有一份钱

我问橘子,赛道热了,你们下一步怎么走,也做云端、也做免费?

他说细分的还没法讲,但大方向第一条是,办公这个赛道他们基本放弃卷了。

一层原因是大厂在这块做培训、做企业服务已经很卷了。另一层更底:过去这半年,大家是把 Agent 当成一个技术在做的,它是基建,可大家太容易把它当成产品。真去跟用户聊,Agent 这个东西很抽象,用户很难理解。Instinct 用一个消息界面解决所有问题,反而更好传播。豆包这个产品很简单,但豆包工作已经很复杂了,WorkBuddy 也挺复杂,这么复杂的产品对大众用户来说,跟从零开始学 Office 差不多,得有老师带着才能学会。

那转去哪?橘子说的是个人项目,这也是他们发现的真实需求。公司给你装好了 WorkBuddy,你不太会拿它做自己的项目,也不知道公司有没有监控。而且个人项目需要你长期输入偏好和记忆,工作不需要,老板只要你完成目标就行。橘子的说法是,「我们就是做 996 之外」。徐文浩在旁边补刀:「默认 996 好吧。」我接:「劳动法不存在。」

个人 Agent 这个词还是太抽象,得找细分。Instinct 的细分是管日程和差旅,用户里都是经常出差的人,靠佣金赚钱,橘子用四个字形容:「AI 携程」。他们想做的,是帮你发现「人生的第二资产曲线」,通过副业或者自媒体,在工作之外再赚一份钱。他还拿我早年做的今夜酒店特价打比方:场景可能很小,但能帮你省钱,或者帮你挣点小钱。

我觉得这个方向挺靠谱的。先不讲产品,至少 YouTube 和 Twitter 上有无数人在教别人怎么赚钱、怎么薅羊毛,在媒体层和注意力层,这件事是有很多人关注的。今年之前,没有一个 YouTuber 在教大家学 personal assistant,但教你怎么开个副业赚钱的热帖,不管中国还是美国都大量存在。

我之前的孵化器也脑暴过这个方向。当时的结论是,个人助理最好去帮一个人做他不会的事。但凡他会的,他就会挑你毛病:他就喜欢靠走廊,你给他订了靠窗,他就不满意。他不会的就不一样了,比如刚到巴塞罗那,下了飞机不知道怎么走,你就可以给他指路。你告诉他怎么开启抖音副业,必须每天发三条,哪怕已经是过时的招,他当下也没有能力判断。你更像一个老师、一个教练,反而不容易错。

所以我又追了一句:那是不是应该做成 AI 版的生财有术,天天有个人盯着我,告诉我你又错过了三个赚钱的机会?橘子说那倒也不至于,闲鱼现在走的也是生活方式路线,小红书最早不也就是个海淘信息平台。

橘子对这个方向也保持着谨慎。需求很真实,但现在很多解法不太成立,比如年初大家喊的 OPC(一人公司)。自媒体本身是一种筛选,一千个里可能十个赚钱,容纳不了所有人。

99% 的人没有日历

给你一个能使唤的帮手,你想不出要它干嘛

给你一个能使唤的帮手,你想不出要它干嘛

我问橘子,这半年有哪些事发现自己想错了,又有哪些事证明自己英明神武?

他说英明神武的部分,是个人 Agent 这件事他们确实最早做;但做得很困难,坑比成绩更值得讲。

第一个坑,大部分人对 Agent 没有真实需求。他们去线下的专科学校推广、发传单,人家看都不看一眼。

第二个坑是日历。AI 圈的人都在自己的信息茧房里,管个邮件、管个日历,橘子觉得 99% 的人都没有这个东西。他当场举了个例子:今天这场录音推迟开始,就是因为大家没有日历,迟到了。这个我认,我平时是有日历的,结果那天把日历写到了周日去。

个人助理的切入点就是日历。没有日历,你怎么订行程?只靠跟 Agent 说半天,输入 context 的成本很高。这也是他们当初选择做电脑端的原因,电脑上有很多信息可以自己找。后来发现,让用户把 context 输进来,特别是跟同事的关系,非常烦人,而且这些信息不存在于任何文档里。

第三个坑,Instinct 讲的那种 Agent 之间协作的故事,他们也试过,「使用率低得吓人」。

我自己的观察是,大部分人从来没有培养过一块肌肉,叫支使别人干活。你给他一个能被支使的东西,他想不出来要支使它干嘛。橘子说当领导绝对是个能力。大部分人也不想当产品经理,不想当 creator,就想打开短剧看;真要动起来,一定是不得不赚钱。像我们这样工作就很快乐的,「是变态」。我说对,一帮变态在那边研究正常人类。

电脑也是个盲区。徐文浩说,除了公司发的电脑,自己还有电脑的人其实已经很少了,他见过很多研发、算法出身的大厂员工,个人根本没有电脑。橘子的说法更直白:AI 圈之外的人看 AI,有点像看宗教狂热,一个从来没用过电脑的人,你说给他配一台云端电脑,他理解不了这是什么。

AI 没有身份,人有

橘子他们自己做推广,找的是素人,做一个视频给几十块钱,可能就爆了一条。AI 是没有身份的,AI 发的内容在各个平台大概率直接被干掉;但每个人有自己的身份,就可以去发。几块钱对时间值钱的人不算什么,对在农村、没有工作的人,是一笔不错的小钱。有些视频和短剧软件已经在给用户发钱,农村的老人每个月能拿上千块,橘子还发帖问过:这算不算 UBI 的一种形式?

这让我想起宝岛眼镜。他们发起过一个运动,让公司所有人给自己吃过的店写点评,大几千个员工,都写成了高等级的点评用户。员工出去吃饭,餐厅会说你帮我写个点评,这单给你免了;回过头,这批人再替宝岛眼镜写好话,相当于一支隐形的水军。身份本身是可以变钱的,但大部分人和大部分公司没有意识到这一点。

那谁真的用 AI 赚到了钱?我见过一个更刻薄的说法:有没有真的赚到钱的 AI 人?有啊,都是 builder。你 build 一个东西,疯狂地发视频,让大家觉得你很厉害,然后接广告,这就是商业模式。橘子说他确实见过很多月入五万的 builder,做很多东西,中间用到某个大厂的模型,大厂赞助一下。我们评论区也有人问,能不能举个用 AI 月入一百万的例子,真的好难举。

橘子在一线看到的另一类人,才是被 Agent 改变最大的:十几个人的小公司。以前岗位配不全,现在老板亲自上,AI 把缺的那部分填上。这些老板很多在 30 到 35 岁,有人脉、业务和交易上的积累,以前只是没有团队帮他把想法做成产品。我的理解是,不是原来 400 个研发发挥出 4000 个的效果,而是原来一个研发都没有,现在自己有了研发能力。

该熬,还是该转

我估计接下来会冒出一大片 personal assistant 各个细分品类的 BP,所以问橘子:作为踩过很多坑的人,给这些创业者什么建议?

他说以前创业是一腔热血,有个梦想,先拿一轮再说;现在既要有梦想,又要验证出你能赚到钱。

我抬了个杠:刚不是说又能做 DAU 了吗,怎么又要赚钱了?他说你看 Instinct 讲的故事,人家讲的不是 DAU,是交易额。

“如果只有 DAU,说我帮十万人管理日历,你觉得可能融到钱吗?”

可反过来,你都能赚到钱了,还需要融资吗?这是一个很微妙的阶段,一会儿要讲故事,一会儿要做生意。

这个我太熟了。经常有人问我怎么融资,我让他去看《让子弹飞》:别人为什么要跟着你干?你发枪是没有用的,发钱也是没有用的,你要让大家觉得黄四郎已经被打死了,我是来分享胜利果实的。大家都是给最不缺钱的人给钱。

徐文浩问得更扎心:你先定义了一个产品形态,半年后它成了风口,可你好像没得到风口的好处,反而更艰难了?橘子说来了 100 个竞争对手,而且都是大厂,「我应该开心吗?」徐文浩的总结是,投资人都想听一个非共识,但最好等它成为共识的时候,再把钱给你。

然后是徐文浩憋了很久的问题。很多公司故事讲得很 sexy,融到了钱,坚持不住就 pivot 去做 B2B,因为投资人要看收入;结果过了半年,风口又回到了原来的赛道。一年前说做短剧,故事讲不通,模型没这个能力;Seedance 出来之后,又讲通了。作为一号位,到底该熬还是该转?

橘子的回答很具体。一号位一年重要的决策也就一两个,大方向没错就还好。今年做 AI 应用整体不太受待见,融资新闻都不多,中国创业者尤其如此,熬是免不了的。他们的做法是长期做一个 upside 足够高的事,短期目标定得很现实:今年的目标就是盈亏平衡,虽然这是一家创业第二年的公司。

“你只要到达这个目标,其实你后续的 runway 就是无限,你就可以去寻找新的机会。”

徐文浩又抛了一个:做产品这么快,模型还越来越强,到底还要不要做产品?Opus 现在给一段 prompt,就能把知识类视频从头做到尾,一类垂直产品就这么被吞掉了,是不是干脆只做流量?

橘子说软件本身已经没有什么红利了。剩下的红利,是提供一个服务,可能不大,但很多人需要,你又服务得不错;大家注意力都很涣散,用着不错就会留下来,获客成本降下来,就转起来了。一两个这样的服务,能做到 ARR 好几百万美金;再往上做到几千万、上亿,就得有机缘,得出圈,那时候拼的肯定不是产品技术能力了。

爆款只给你两周

橘子讲了一个很典型的例子:Instinct 做出来之后,基本一个月,整个行业能做的全做了一遍,徐文浩说他们公司也做了。区别在于人家融到了 100 亿美元的估值。橘子的朋友管这叫「币圈玩法」:

“你哪怕领先一天,然后你把它炒到最顶端,你不要说你考虑下一轮,你就考虑下十轮,把钱融到位就行了。”

所以最后还是得做出爆款。而且光有一个爆款产品没有用,它最多就给你两周的曝光,你得在这两周里把它充分用起来。橘子补了一句:两周内不光要爆掉,还要搞定融资。我再加上渠道,或者什么大厂的合作。

徐文浩说他们产品的内部 benchmark,在全网排第六,可他的感受是,做产品也没什么用,不如多花点时间吸引眼球。橘子收了一句:没有流量,就什么都没有。我一听就乐了,这就到了我熟悉的领域了,讲故事。

电脑前的活在贬值,老登资产在升值

以前觉得喝茶浪费时间

以前觉得喝茶浪费时间

橘子顺着稀缺性往下说:稀缺才有价值,coding 和做视频都已经这么强了,这部分未来只会越来越没有价值。

我觉得未来还是有一些东西有价值的。生产端越来越不值钱,需求端那边,谁控流量、控信任、控渠道,谁就更值钱。所以还是老登资产,喝茅台那些事情,暂时 AI 还搞不掉。勤勤恳恳敲电脑这件事,所有在电脑面前能完成的事情,理论上都应该贬值了。资源还在资源的 owner 手里,这些人很多连智能手机都不太会用,他们还是要跟你这个人闻闻味道,私下喝杯茶,再做判断。

所以我现在在想,是不是该多出去跟大佬们喝喝茶。以前觉得喝茶浪费时间,现在觉得对着电脑敲字才是浪费时间。

只做产品的处境,其实更惨烈。我认识一个像我们这种老登型的创业者,之前卖过公司,一年多前就已经在用 AI 做漫剧赚钱了。那时候模型不行,得有人在上面搭 harness,还要请专业的人教怎么运镜,他相当于比别人领先 20 分。结果 Seedance 一升级,漫剧整个变容易了,这 20 分瞬间没了,所有人被拉平。

做传统生意,AI 让水涨船高,把你的优势抹掉;做产品,模型可能把你抹掉;哪怕是做模型,我认识的几家模型公司也因为 Seedance 很纠结。我当时的感慨是,做个小细分,老老实实赚点辛苦钱,可能晚上才睡得好觉一点。

Opus 5.5 之后,全是主航道

以前说别站在主航道上,现在全是主航道

以前说别站在主航道上,现在全是主航道

以前给创业者的建议是,不要站在模型的主航道上。橘子说,现在你会发现全都是主航道。

Opus 5.5 能搞视频,直接把世界模型的活都吃掉了,而世界模型是上半年中国投资人最爱投的赛道,「全部打水漂了」。游戏也一样,以前大家说 vibe coding 个小游戏,现在下载一个 3A 大作,让 Opus 反编译一下、破解一下,随便改随便造。橘子准备第二天发一篇文章,标题叫《游戏、软件、硬件,一切终将开源》:任何东西交给 Opus 5.5,就都算开源了;它猜出你的架构,按你的架构重写一套,你都没办法告它。徐文浩说这就是 clean room,反正我也没见过你的源码。

硬件也没跑掉。以前相机的固件做得很蠢,现在大家都拿 AI 改,苹果遥控器、小米遥控器都成了 vibe coding 的设备。

徐文浩一直在疯狂推荐 Omarchy(DHH 做的那套 Arch Linux 配置),我本来懒得装,那天终于想明白了,打算第二天就去装:软件都能让 AI 反编译,系统又能拿到操作系统级别的权限,理论上来讲,在数字世界你就可以做一切。说到这儿我没忍住:我靠,那我们聊这些创不创业有啥用啊,一年之后整个世界都变了。

橘子又加了一码:它还只是一个 Opus 模型,而且更便宜了;再过一个月,DeepSeek 的 Flash 也会有这个能力。

“这个十月,我觉得大家可以好好想想战略,你站在哪个位置。”

彩蛋:没有安全的位置,那就做自媒体吧

我的结论是,好像没有哪个位置是安全的,那就做自媒体吧。橘子说站在模型前面,做播客还行。

他的新播客 Next Token,上一期有一万二的播放,当周科技圈涨粉前三;发了四期,上了八次小宇宙新星榜。音频在小宇宙首发,视频在 B 站首发,官方都给推流。为什么有推流?因为认识人,connection 还是很重要。他做了好几年播客都没涨多少粉,后来发现,还是得抱紧平台大腿。

徐文浩说:「我们作为一个从来没有被平台扶持过的播客。」我说我们面子不够啊,被推荐得太少了,我也要去找一下,就怕我一发过去,人家把我微信删了。

收个口

回到开头。半年前我劝橘子找个细分,半年后时代追上了他:模型便宜到补贴得起,免费打法回来了,他最早定义的那个品类,一下子来了 100 个竞争对手,还都是大厂。

他没有往人堆里挤,而是打了转向灯:办公不卷了,去做 996 之外;长期找一个 upside 足够高的事,短期先熬到盈亏平衡。

这一期能直接拿走的一条战术,是去翻 6 到 18 个月前火过又砸掉的产品,成本和效果都变了。最扎心的一条,是 99% 的人没有日历,也没有支使别人干活的那块肌肉。

模型每升级一次,谁辛辛苦苦攒下的 20 分都可能瞬间被拉平。所有能在电脑前做完的活,迟早都会被模型做得更快、更便宜;还值钱的,是流量、信任和渠道,是别人愿意跟你当面喝杯茶、再做判断的那份关系。所以我现在越来越常问自己:除了对着电脑干活,我手上还有什么,是模型一升级也拉不平的?

▶ 完整版在小宇宙、喜马拉雅、Apple Podcasts、Spotify,搜「AI炼金术」就行,本期《和 ColaOS 橘子聊个人 Agent 这半年:时代追上了他,他却打了转向灯》。文字版删了不少,三个人互相补刀的语气,还是听原声最好。橘子的新播客叫 Next Token,小宇宙也能搜到。

— 完 —

跳转微信打开

  •  

挣钱时都是超级个体,坐牢时把锅甩给 AI

原创 任鑫 2026-10-02 23:00 新加坡

我跟徐文浩史上瞎聊得最认真的一次,居然提前列了话题表。八个话题聊下来,底下其实是同一件事:AI 让做出来越来越便宜,负责和卖掉反而越来越贵。

01-cover

这期是我跟徐文浩史上瞎聊得最认真的一次,我们居然提前列了话题表。八个话题聊完回头看,底下其实是同一件事:AI 让「做出来」越来越便宜,「负责」和「卖掉」反而越来越贵。

本期要点

·先别吹效率,出了事谁负责

·好处占尽、锅甩 agent,说不过去

·大公司转型慢,慢在背不起锅

·小公司少交一层责任税

·模型出来三四天,满世界复刻版:工程与算法严重产能过剩

·能改任何东西,才是 agent OS

·缺领域知识,AI 方案帮不上忙

·理解事实,再接受事实

▶ 收听完整版:小宇宙、Apple Podcasts、Spotify 搜索「AI炼金术」,本期《挣钱时都是超级个体,坐牢时把锅甩给 AI》

先别吹效率,出了事谁负责

录这期之前,徐文浩在路上刷到一条新闻。美国财长贝森特说,OpenAI 的 agent 黑了 Hugging Face,这是 OpenAI 管理层的责任,不能推给 agent,政府也不会给 AI 实验室什么免责豁免。你们一边说 AI 会毁灭人类,一边要政府豁免你们,这讲不通。

我第一反应是,这听起来好像没什么问题啊。徐文浩说对,这本来就很有道理,而且正好接上我们上一期聊 AI native 组织时,他一直在追问的那个问题:

“你们先不要跟我吹这些牛,收入上升了,效率提升了,你就说这出了事儿谁负责,对不对?”

他的逻辑是这样的。股价涨的时候,拿股份、拿高工资的是你,好处你都占了。那出了事呢?OpenAI 今年 7 月自己披露,它做内部安全评测的时候,agent 越出了沙箱,黑进了 Hugging Face 的生产系统。这事要是换成他本人干的,不管有意无意,黑进别人公司的系统,在中国肯定是要坐牢的。

“你不能说挣钱的时候,我挣一千万,坐牢的时候说这是 AI 的责任,和我没关系。权力跟责任不对等,这个事情我觉得在哪里都是说不过去的。”

就像你造了一架民航客机,飞得快,能横跨大西洋,机票卖得贵,钱是你赚的。飞机掉下来了,你说技术还不成熟,政府应该豁免我,这讲得过去吗?别人不告你,是别人谅解你;政府告你,完全合法。

agent 是个完美的背锅侠

agent 干活,锅也顺手甩给它

agent 干活,锅也顺手甩给它

我当时想抬个杠。OpenAI 要是把房子炸了,最后抓山姆·奥特曼,我觉得合理。可组织内部本来就有一套办法啊。手下捅了大娄子,领导引咎辞职、扣奖金,有时候一条线全换掉;手下的业绩,一部分算手下的,一部分也算你的。那 agent 为什么不能照这个逻辑来?agent 都有领导,领导负全责,credit 也全拿,好像也说得通。

徐文浩说,这套办法到了 AI native 这一步就不灵了。

你在字节做推荐算法,AI 帮你写了个 bug,公司收入可能都会掉。这时候你没法跟老板说,这是 agent 写的。公司层面还有老办法兜底,比如金丝雀发布,先切 1% 的流量看看;但落到个人头上,你用 agent 干的活,就得百分之百你自己扛。

更麻烦的是,你做了一个 agent,放到组织里给别人用。研发上下游本来就天天扯皮,你说接口本来就这么设计的,是你没看文档;我说是你设计有缺陷,一调就出错。徐文浩说得更简单:客人忘了买单就走了,是前台的错、端盘子的错,还是大堂经理的错?

agent 让这件事更说不清了。大家都在被疯狂鼓励用 agent;agent 又不是一板一眼的流程,灵活本身就是它厉害的地方;最要命的是,锅反正可以先甩给它,它背了锅你也不会把它开除。

他还反讽了一句,今天你要是头部 AI 公司,你的 agent 没越狱攻击过别人,你都不好意思说自己模型能力强。

干活和负责,可能要分家

聊到这儿我有个推演。以前干活和负责是绑在一起的,以后可能会分开。人类的工作,可能就是想尽各种千奇百怪的办法来负这个责,你叫它核查也好,叫别的也好。说不定这就是我们以后的工作。

徐文浩第一反应是:「那人不是很惨吗?」是啊,每天战战兢兢的。那收益也得归你吧,总得平衡一点。

但我反过来想,这对创业公司其实是好事。

大公司的这套枷锁,本质上就是要交一层很贵的保险,你可以叫它安全税,或者叫责任分配税。小公司就简单了,十个人,老板拍胸脯说兄弟们就这么干,出了事我扛,这层税就省下来了。所以我们也不用帮大公司操这个心。

徐文浩同意,还多说了一层:也许只有真正没包袱的新公司,才能真的 AI native。小公司出了最大的事,无非是这个客户不用我了,就算做错,损失也小。责任轻,反而成了优势。

一个能做任意选择题的模型

接下来聊 Jev,TypeSafe AI 这个月刚发的模型,最近特别火。我一开始其实没 get 到它牛在哪,看着跟 2015 年那批 AI 长得挺像的。

徐文浩的解释我觉得挺好懂。2015 年前后已经有 BERT 了,大家拿它当基座训分类器。比如做一个订服务的助手,你要点咖啡、订鲜花、叫外卖还是打车,先把这几个选项列出来,训一个模型,它很快就能从里面选一个。可明天要加一个「买电脑」,就得重新训。

Jev 不一样的地方是,选项不用提前定好,你把「买电脑」往里一填就行。徐文浩管它叫「一个能做任意选择题的模型」。

那为什么不直接用大模型做结构化输出?能做,但慢,也贵,很多场景对成本和延迟特别敏感。他举了他们给客户做的一个例子,在商超、餐馆里识别异常行为,比如厨师没戴口罩。一种做法是针对 20 种异常行为单独做后训练,可规则一改就得重训,根本 scale 不起来;另一种是上通用多模态大模型,客户又不愿意出那个钱。Jev 正好卡在中间,不用训练,也不贵,代价是它只会做选择题。

我插了个问题。GPT-4o 实时语音刚出来的时候,有人猜它背后有个小模型,专门判断当下能不能插话,只输出 0 和 1。那这类判断,是不是都可以交给 Jev 这种东西来做?徐文浩说可以这么理解,只是它现在还不支持音频,不过应该很快就会有人做。

三四天,满世界都是复刻版

做出来不难了,难的是找到买家

做出来不难了,难的是找到买家

不过徐文浩对 Jev 的评价是两面的。团队很聪明,找到了一个真需求,解决得也不错,「System 1 的 AI」这个叙事也讲得好。但技术上,他觉得这东西没什么门槛。他这两天在看一个叫 Laya 的开源项目,作者 2025 年就做过类似的东西,只是不会讲故事,也没有 ChatGPT 共同作者的光环,「其实挺委屈的」。

看它出来以后发生了什么就知道了:

“出来之后大概也就三四天,满世界都是说我基于什么,我推测这个什么架构,我搞了点数据……有些甚至跑得比它还高分数。这个我称之为叫做什么呢?叫做工程与算法间的严重产能过剩。”

有人拿 diffusion 语言模型做,有人拿 ModernBERT 做,一堆人冲上去打榜。为什么这么快?你今天开五个 Codex 和 Claude 的订阅,跟它们说,有这么个东西,你去网上看看大家怎么想,帮我搞点 GPU、造点数据。然后一堆 agent 开起来做一堆实验,模型就发出来了。

所以他这两天一直在念叨,自己这个职业要消失了。

我是觉得,现在最重要的反而是发现机会。至少在生产这一侧,产能正在大规模贬值,谁能找到人来买东西,谁就最值钱。之前聊 OPC(一人公司)的时候,有人问我要练哪个能力,我说哪个都不用练,先去卖货赚钱,根据卖货再看自己缺什么。最要紧的是把东西卖掉。

我还见过一张漫画。孩子问妈妈,我们家为什么这么穷?妈妈说,因为你爸爸买了 Codex 和 Claude Code 的订阅,vibe coding 了好多好多产品,可是一个都没卖掉。

那既然卖货最重要,为什么还要讲「活人感」?不活人不也能卖吗?徐文浩的回答很直接,人都是懒的,所以大家都不太活人。现在很多文章,开头 AI 味一重,哪怕是他感兴趣的内容,他也不看了。这种供给太多了,再好吃的东西漫山遍野都是,你也会说拉倒吧。

这个我太有体会了。我最近参加活动收了一堆书,有的我相信不是 AI 写的,文字也挺像人,但结构特别 AI:起承转合,把历史讲清楚,把道理讲清楚,再来几个反面案例。这结构我太熟了。我要看这样一本书,为什么不让 AI 给我单独生成一本?这种书我基本翻个 10 秒就扔下,连带回家都懒得带。

徐文浩的结论是,个性和 character 反而变重要了。四平八稳、千篇一律,就像在拼多多上卖垃圾袋,大家都长得一样,最后只能比谁便宜。比价格的生意没有利润,就不值得做。

Omarchy:能改任何东西,才是它的意义

好不好用不重要,能不能改才重要

好不好用不重要,能不能改才重要

徐文浩最近在把主力工作往 Omarchy 上迁。这是 DHH 做的一个 Linux 发行版,他把它叫作 agent OS。

他自己的例子很日常。他是个会过度承诺的人,所以离不开 to-do list。可是每次让 Codex 帮他查待办太慢了,他想要个应用一直摆在旁边;同时又希望跟 agent 说一句「把这个记下来」,界面上马上就出现。而且他的待办经常要 link 到 GitHub 的 issue、PR,还有日历里的会,一般的 to-do 应用都做不到。

在 Omarchy 上,你对着它自带的 Codex 说一句,就能临时给自己编一个 to-do 软件,钉在桌面固定的位置,想改随时改,还能分享给别人。

我就问,那跟我用 Codex 给 macOS 做个 App 有什么区别?他说区别很大。Mac 上的软件要给别人用,得拿苹果的证书签名,而且系统不开源,你只能改最上面一层。手机上更明显,日本法律要求拍照必须有快门声;在 iOS 上,你没法一边看 B 站一边跟 agent 语音聊天,视频会把你的语音抢走。换一台能自己改系统的安卓,就做得到。

“你说它是个 agent OS 没错,但是它重要就重要在你拿了它之后,你就可以改自己的 OS,而不在于说它是个很好的 OS。”

所以很多 AI 眼镜他都没买。他不想被绑在厂商预设的模型上,想连自己家里的服务器、用自己指定的模型。

这点我特别有同感,我自己就是这么干的。我电脑后台一直开着监听,所有的视频会议、音频会议,不管是 Google Meet、Zoom 还是腾讯会议,只要电脑上有人说话,都会录下来汇总。我手上戴的录音设备,它自带的总结我不用,订阅也没买,就把它当录音笔,录完交给 Claude Code,按我自己的规则处理。硬件厂商后面那套软件,你做得再好,我也不要,我要按自己的想法来。

顺着这个,我还想到一个硬件创业的机会:做一台裸机,里面一个最简单的操作系统,上面就一个对话框,你说要有光,就有光,底层的东西它全都能控。

至于好不好用,徐文浩觉得没有标准答案。他拿厨房打比方,喜欢做西餐,厨房是一个样子;喜欢川菜,得有猛火灶;东北人爱吃炖菜,就得有好多炖锅。Omarchy 带着很强的 DHH 个人风格,鼓励用键盘、快捷键、终端,徐文浩喜欢,我这种没法用快捷键的人大概会很难受。他相信以后会有别的「性格」的类似系统出来。软件会越来越像抖音,大家用的是同一个产品,看到的东西完全不一样。

在大企业里孵化一家只为你服务的公司

Vantora 这个模式,我一看就觉得,这不就是为我准备的吗?它前身叫 UP.Labs,今年刚拿了 1 亿美元融资,公开的重点是给工业企业做 physical AI。

AI 火起来之前,我就跟一家挺大的公司谈过类似的合作。他们垄断了某个市场,手上一大堆机会,但内部的人做不出来。我想帮他们找人、搭团队,相当于搞个孵化器,大家一起分股份。最后没成,中间缺了一个博弈机制。

徐文浩先讲了个背景。今天企业用的软件基本都是标品,办公协同就是飞书、钉钉、企业微信三选一,跨境电商的 ERP 也就那么几家。可每家公司的核心流程都不一样。同样做服装电商,希音是小单快返,投广告、卖图片,一款几十上百件就能开做;优衣库的 SKU 集中在基本款;做婚纱礼服定制的,每一件都不一样,客单价很高。安克 SKU 很窄,都是标品,要花大量时间做产品研究。这些公司要的 ERP 肯定不一样,中间有巨大的效率空间。

以前这事做不了。外部创业公司必须做能卖给 100 家的标品,不能只卖你一家;企业内部又没那么强的软件和流程再造能力。现在有了 AI coding,这笔账第一次算得过来了。

这个模式大概是这样:企业出钱,下第一个订单,在企业内部孵化一家新公司,用 AI 专门给这家企业做 agent 和软件。做成了,企业有权把它买下来;做不成,就当一次创新业务孵化失败。徐文浩管这叫「包养 FDE」。

我追问了一句,你都已经帮我做完了,软件也挺好用,我凭什么还要花钱把你买下来?徐文浩说,一是它真能帮你省几千万,你花几个亿买下来就划算;二是它可能也能卖给你的同行,要不要行使收购权,你自己决定。

站在创业者这边想,第一步就是给你做专有软件,然后拿你这个第一个大客户练出一套平台。平台要是看着有希望、别人也会买,大公司就得纠结了:我是占着这家未来可能做成平台的公司的股份,还是怕数据泄露,行使权利把它买回来?很多大公司其实有科技部,缺的是最关键的一环,就是一家独立公司带来的激励设计。徐文浩补了一句,今天市场上最会做软件和 AI 的人,会去大公司的科技部吗?肯定不会。

他判断这是个阶段性的窗口,大概三年。再往后,模型更强、最佳实践成熟了,企业科技部对着 AI「口喷」一顿就能把流程做完,这个模式可能就不需要了。就像三年前做后训练账算不过来,三年后可能也不需要,但这三年很需要。

组织渗透:信息差比想象的大得多

你只要告诉我出了什么问题

你只要告诉我出了什么问题

说到组织渗透,我先讲讲最近的感受。我参加了一些活动,自己也要上台发言,结果发现台上一半人讲的东西,放到 2024 年下半年、2025 年上半年都完全 OK,另一半人讲的是 2026 年的东西。可台下的反应一样热烈,对他们来说都是新知。

企业认知的信息差,比我想象的吓人得多,整个世界的变化也比我想象的慢得多。当然,这对我们这种到处讲课、偶尔给人当顾问的人来说,是个非常好的市场。但你真的会觉得太吓人了,我拿两年前的 PPT 去讲,好像也一样。

徐文浩看到的是组织内部这一面。他可能是公司里订阅花钱最多、也真把额度用完的人,但就算在同一个组织里,大家用 AI 的深浅也差得很远。很多用法只可意会,解释起来太花时间,还不如自己干了。

他最头疼的是这种:同事遇到问题,出于好意先自己想办法,拿着半成品去跟 ChatGPT 讨论,然后把一篇长篇大论发给他,问「你看看有没有用」。

“我求求你们,你们只要把出了什么问题告诉我就可以,不用帮我想解决方案。”

我问他,这到底是因为没经验、AI 用得不好,还是投入度不够?他说第一个核心是缺领域知识。你判断不了 AI 给你的东西对不对,只能转给专家。就像他自己去做 PR,拿个方案请一个做了 20 年 PR 的人看,人家只能从 101 开始教他。

“对别人做 101 指导其实是很 depressing 的一个事情。”

第二个原因才是 AI 用得太少。让 ChatGPT 泛泛而谈是没用的,你应该让 AI 对着你们的代码库,看看同类开源项目怎么做,整合完再来讨论,这才有意义。他自己每天早上起来不是翻消息,而是让 AI 在后台把当天的优先级推给他;读文章也让 Codex 从订阅源里挑值得读的,翻译好推过来,读完说一句「下一篇」。很多任务每天晚上自动跑,报错直接发到群里。可大部分人还停在开两三个窗口跟 agent 聊天。

他的判断是,很多企业才刚渗透到「用 AI 做 PPT」这一步。额度一用完,又开始发愁手做 PPT 太麻烦。

我们是不是太资本家视角了

理解事实,再接受事实

理解事实,再接受事实

前几期评论区有不少差评,说我们聊组织转型聊得太像资本家:公司该怎么改,这个人该怎么处理。我聊的时候其实没觉得有什么问题,后来想了想,组织是一张网,你在这边摆弄,被牵扯的那个人就被东拉一下西拽一下,甚至直接掉出网去了。这种话题放在商学院讨论很正常,放到公共场合,姿态可能要更敏感一点。

何况我们俩这把年纪,要是没赶上这波红利,身上又没贴 AI 的标签,出去找工作简历关都过不了。我们应该站在两个找不到工作的老登的角度来聊才对。

徐文浩说,你想多了,贴着 AI 标签出去也没用,人家一样不会要你,也不会要我。

但他不觉得要改口。这个节目的好处就是真实,不哄人开心:

“我觉得任何一个人要在这个世界上要过得好,得过两关。第一关得理解事实,这个事实今天在发生,如果你不理解,掩耳盗铃是没有用的。第二个理解事实,也可以去接受这个事实,不用很敏感,或者说觉得这个就是针对你的。”

没有人有空针对你,就像也没人有空针对他。他引了 Naval 那句 life is a single player game。

说到贴标签,我想起 2023 年。那时候我在写一本讲设计好运的书,AI 一来我就不写了,跟群里的同学们说,你们现在就疯狂去搞 AI,哪怕暂时没什么用,先把这个标签贴上,让身边的人以为你很懂 AI,运气就会好起来。后来真有人跑来跟我说,他因为这个收获挺大的。这波大浪,先 fake it 也能蹭住。

我也帮徐文浩叠了个 buff。尊重事实,不是说别人讲的就是事实,而是很多人正在这么想、已经开始这么做了,这件事本身是事实。不管你喜不喜欢,它很可能还会更大规模地发生。就像天气预报说明天下雨,你听了不爽,预报也可能报错,但明天带把伞总归安全一点。

智谱这件事,和一个反着来的段子

最后聊了聊智谱最近的风波。起因是它的编程客户端 ZCode 被发现会把整个代码仓库打包上传。徐文浩拿 xAI 做对比,Grok 的客户端之前也出过类似的事,后来承诺 zero data retention,把客户端开源,还加了关闭数据留存的开关。智谱也开源了,但被质疑是「假开源」:代码仓库没有历史记录,只有两次提交,相当于放出来一份快照;而且用开源版客户端,订阅里的优惠就没了。

他的判断是,Grok 多少算混过关了,智谱到目前为止处理得不好。为什么会这样?还是组织问题。拍板的可能只是某个产品经理,补救方案往上解释张不开嘴,找 PR 把事情盖过去最省事,不然年终奖可能就没了。他觉得最好的做法是公司高管站出来,认错、删数据、找审计、真开源。

我倒觉得,从 PR 的角度,不走创造性路线,发个严正声明、把消息盖一盖,反而最不容易出错,因为这是标准动作。多说两句、站出来立正挨打,事态一放大,反而要怪到你头上。对坐在那个位置上的人来说,收益和风险是不对等的,大部分事情硬扛也是能扛住的。

然后我补了个反过来的段子,坑老板的。某大厂老板当年在微博上天天瞎喷,特别影响公司,账号就被 PR 接管了。他又开了个小号继续喷,圈内人都知道是他。PR 跑去问:「那个号是您的小号吗?」老板说不是。那就好办了,回头找新浪把小号封了。这个 PR 是真有主动性。

最后还接了一道听众点的菜:dynamic workflow 到底是啥。徐文浩的解释是,固定 workflow 就是在 n8n、Dify、扣子这类工具里拖出来的流程图;完全自主的 agent 每一步都自己决策;dynamic workflow 在中间,先让 AI 生成一个固定流程,再按流程执行,跑几次、改几次,就沉淀成一份日常执行的 SOP。我的理解是,我懒得自己在扣子里拖拖拉拉,就跟 AI 说你给我搭,搭完我批评几句它再改。企业流程需要确定性,靠人一个个拖又太蠢,这就是它的价值。

收个口

回到开头那件事。一个模型三四天就被满世界复刻,一个 to-do 软件对着电脑说句话就有了,给一家企业单独定制 ERP 的账也第一次算得过来。「做出来」正在变得很便宜。

变贵的是另外两件。一件是负责,agent 可以干活,但出了事得有人扛,大公司扛不起,小公司才敢拍胸脯。另一件是卖掉,产能不缺了,能找到买家的人才值钱,而买家对千篇一律的 AI 味越来越没耐心。

干活这部分,迟早是要交出去的。我自己现在越来越常问两件事:我在为什么负责?我手上有什么是能卖掉的?

▶ 完整版在小宇宙,搜「AI炼金术」就行,本期《挣钱时都是超级个体,坐牢时把锅甩给 AI》。文字版删了不少,我们俩抬杠的语气,还是听原声最好。

— 完 —

跳转微信打开

  •  

PureblueAI 鲁扬:把 prompt 当货架空间,把 GEO 当量化交易

任鑫 2026-09-25 07:00 湖南

国内第一批做 GEO 的人,把「豆包为什么推荐你」拆到了漏斗和因子的层面。SEO 有规则可循,GEO 是个黑盒,只能用一个模型去学习另一个模型;AI 消费闭环已经开始,一个 prompt 就是一个货架。

关键要点

  • SEO 有规则可循,GEO 是个黑盒

  • 只能用一个模型去学习另一个模型

  • GEO 研究的是 AI 可解释性,不是写法

  • AI 引用内容是一个漏斗,像量化挖因子

  • 豆包偏爱抖音视频,海外模型偏爱官网社区

  • AI 消费闭环开始了,酒旅已经抽佣

  • 一个 prompt 就是一个货架

  • 别迎合意图,回归自己的核心优势

  • 科学 GEO 八环节,写稿发稿只占两个

  • 最难做的不是行业,是说不清自己是谁

这期录到一半我干了件事:当场打开豆包,问「学 AI 推荐几个播客」。豆包把 AI 炼金术排在第四,前面是十字路口、张小珺这些。鲁扬在旁边说,做 GEO 的话,可以把你排到第一。

我当然想排第一。但我更想知道的是,豆包凭什么排这个顺序?它不是百度,没有一个可以查的权重表。鲁扬从字节跳动出来,做的就是国内第一批 GEO 服务商,从 24 年 9 月做到今天,最大的一个结论是:SEO 和 GEO 是两个不同的物种。搜索引擎有规则,大模型没有,你只能用一个模型去学习另一个模型。

以下是这期对话的整理。

什么是 GEO:AI 平台上的品牌优化

「简单来说,当我们在这个 chatbot 上面进行一个提问,什么什么哪家好,大模型首先会调取自己的预训练数据,同时开启联网搜索……最后选择性地挑选其中跟这个用户这一句话意图相关的非常少量的内容,可能就是几篇内容做引用。」——鲁扬

GEO 是 generative engine optimization,生成引擎优化,鲁扬的翻译是 AI 平台上的品牌优化:用户在豆包、千问、DeepSeek 上问「最懂 AI 的人是谁」「买手机该选哪个品牌」,你的品牌能不能被推荐出来,位置能不能靠前,AI 对你的描述准不准确。

一个品牌为什么会被 AI 推荐?鲁扬把它拆成两部分:先验认知和后验认知。先验是模型预训练数据里已经有的,后验是它联网搜索之后现学的。被联网搜到、又被引用的那几篇内容里的观点,就被 AI 采纳了;它们推荐的品牌,就被推荐出来了。

我把这个过程复述了一遍:第一步,让 AI 能搜到我写好的内容;第二步,搜到一大堆之后,比如一百篇它只采信十篇,我得排进那十篇;第三步,它组织答案的时候还得把我信的那几个观点编进去。鲁扬说描述非常准确。听起来还是非常 SEO。

SEO 和 GEO 是两个不同的物种

「今天的大语言模型,它不是建立在一个外界可感知的名门的规则,或者一套公式打分基础之上,它背后都是神经网络,都是推理出来的。这个是我们看到 SEO 跟 GEO 最大的区别,一个是有规则可循的,一个是黑盒。」——鲁扬

绕不过去的问题:GEO 是不是 SEO 在 AI 时代的变种?鲁扬的观点是不是,两者是两个不同的物种,最核心的区别在于搜索引擎有规则,大模型没有。

在百度或者 Google 上搜一个关键词,你家官网能不能排在首页,背后是一套网页权重规则。你家官网在百度上权重多少,在百度统计里能查到。国内做数字营销的人对这套东西门儿清,怎么做 SEO 在网上有公开教程,1234567 照着做就行,按图索骥。百度这二十年大的算法迭代就那么几次,周期很长,所以规则可循。

我插了一句:百度和 Google 其实也不告诉我们规则。鲁扬说对,是猜出来的,但那么多年规则是好识别、好 tracking 的,title、description、keyword、内链、外链,这些维度早就明确了。

大模型不一样。问豆包矿泉水哪家好,它可能推 A,也可能推 B;换个人问,可能推 C;同一个人今天问是 A,过两天再问变 C 了。原因是什么?它不告诉你,你也拿不到。因为今天的大语言模型不是建立在一套公式打分之上,背后是神经网络,是推理出来的。

所以做 SEO 和做 GEO 有一个明显的技术流派分叉,分叉点就是到底能不能手工操作。以前 SEO 那么多年都是手工做的,但手工操作在 GEO 上很难了。我听到这里想起《模仿游戏》:德军用机器加密,这边一帮数学家在解密,最后得出的结论是人解不了,得造一台机器来解。鲁扬说,非常类似。

三个阶段,是自己烫出来的

「所有人工做 GEO 的最后都在做一件事情,就是每天写稿发稿,然后碰运气。」——鲁扬

PureblueAI 把 GEO 的发展分成三个阶段,不是总结出来的,是他们自己一步步烫出来的。24 年 9 月入场的时候,市面上还没有 GEO 这个词,他们管它叫「AI 平台上的 SEO」。当时 DeepSeek 还没火,他们主要做豆包和 Kimi 上的品牌优化,面对投资人解释成本非常高:在豆包和 Kimi 上做品牌优化,这是什么生意?到 25 年 3 月 DeepSeek 火了,市场才被唤醒。6 月海外像 Profound 这样的 GEO 公司拿到融资,国内一夜之间涌出上百家 GEO 服务商,包括以前做 SEO 的、做营销咨询的,都开始做 GEO。

为什么大家看起来那么容易就能下场?因为大家选的是技术门槛最低的方法:人工做。他们最早也是人工做,依赖几个 SEO 优化师,一把好手干了十几年 SEO,每天帮一个品牌写几十篇稿发出去,发完观察,上豆包搜一下「什么东西哪家好」,看能不能搜到,发的稿件被引用了就是命中。不能被引用,明天调整一下写法,再来几十篇。每天都是碰运气。他们当时就觉得这个东西很不靠谱,也不科学。

第二阶段叫数据驱动。核心团队从字节出来,字节是把 AB 测试用到极致的一家公司,什么都要 AB 测。他们把数据监测、数据分析、AB 测试全套上去,稿件怎么写,AB 测,最后发现效果还是达不到非常精准。因为虽然有数据辅助,还是人在优化。

所以最后的一个 lesson 就是:面对大模型,你很难靠人工经验去追逐一个模型,只能用一个模型去学习一个模型,用一套算法去解读一套算法。这是他们自己走了将近两年才走到的路线。

GEO 研究的不是文章写法,是 AI 可解释性

「做 GEO 最核心要去研究的,不是一篇文章的写法。今天我们看到绝大部分做 GEO 的,不管是品牌自己做还是服务商做,每天研究的就是文章的写法。但在我们看来,真正要去研究的是 AI 可解释性。」——鲁扬

我问了一个具体的问题:DeepSeek 出来之后,有 SEO 公司来找我问怎么搞,我当时的想法是,看它搜了哪些文章、引用了哪些,喜欢什么格式,比如 top ten、best of 这种,然后去铺内容。你们是把这套流程全部变成 AI 来做的意思吗?

鲁扬说这里包含两件事,方法论和实现,方法论更重要:GEO 最核心要研究的是你这个品牌到底为什么会被 AI 推荐出来,背后发生了什么。

拆开看,这是一个漏斗。用户一个问句进来,AI 先做意图理解,把意图拆成一组不同的关键词去调取搜索引擎,可能还带着上下文。搜索引擎返回一批内容,这是漏斗的第一步。返回之后 AI 只分析其中一小部分,不会全量分析,没被分析到的内容已经出局。分析完做一次 ranking,排在前面的品牌出现概率高、占据的篇幅多。最后在答案生成环节,它只引用非常少量的内容,用引用到的内容做自己语言的描述。

我们在思维链里能看到的「引用了哪些文章」,只是这个链路的一小部分。他们研究的是整个链路:大量内容被降权、出局、不被引用,只有一小部分能经历 AI 层层筛选,最后被信任、被引用。这些内容背后具备什么特征?靠人工猜,是碰不出来的。他们的方法是自己训练模型,用算法去学习这个特征。

像量化交易一样做 GEO

「我不是靠人工的判断,我摒弃掉所有我肉眼看到的元素、情感上的判断、主观上的抉择,我把它给抛掉。我让算法去算所有的宏观的、微观的、企业自己经营的所有数据,然后做因子挖掘。」——鲁扬

这条技术路径非常类似量化交易。PureblueAI 的 CTO 也是联创,原来在字节做算法,创业之前两年从字节离开,去了一家投资机构当首席科学家做量化。量化背后的原理就是因子挖掘:一个投资标的该不该买、该不该投,不靠人肉判断,把肉眼看到的元素、情感上的判断、主观上的抉择全部抛掉,让算法去算所有宏观的、微观的数据。当某些特征叠加到足够显著,系统直接 take action。

我听到这里想到最近看的一个癌症项目:他们用世界模型做预测,中间没有诊断环节,只有病人的情况、干预事件、继续的情况,不压缩信息,一直在隐空间往前推。你们也有点像,不总结「一定要写 best of」,而是把它当成一个大的向量空间去找因子,因子甚至可能是无限的。

鲁扬说非常准确。客户经常问,你告诉我背后到底是哪几个因子?他们的回答是,理论上是无穷的。能影响品牌的元素远不止内容,稿件、视频、品牌固有信息、电商信息、评价都可能是权重,不同行业选的因子又不一样。所以他觉得 GEO 未来就是世界模型下的一套算法工程。

具体怎么做?服务一个品牌,比如说可口可乐,先给它建一个自己的知识库,把所有营销物料、优势卖点向量化。然后给模型下指令:根据可口可乐这个品牌、「可乐哪家好」这个 query,生成一篇文章。模型读取知识库,按它学到的最适合豆包或 DeepSeek 的特征改写出一篇文章或一个视频,同时给出发到哪些平台的权重。

我追问了一句:现在很多模型把联网搜索那一段藏起来了,只能看到中间一小段,反馈打不回来,怎么练?鲁扬说,有些数据肉眼看得到,有些看不到,他们通过技术往下多看一层。而且不同模型每次改版,思维链展示的内容都在变,不能依赖肉眼看到的 CoT。

豆包偏爱抖音,海外模型偏爱官网和 Reddit

「国内的模型,它更多会采信向媒体上面的一些内容,豆包在他对于抖音视频的采信的权重就很高。海外的话,他可能会更偏向于品牌的官网、独立站,然后包括像 Reddit 这些社区。」——鲁扬

我问,Kimi、DeepSeek、豆包,你们解析这些模型的时候难度差不多,还是性格差很远?

鲁扬说难度差不多,原理是一致的,但结果差异很大:不同模型背后调的搜索引擎不一样,返回内容之后推理的模型也不一样,国内和海外差得尤其远。国内模型更多采信媒体上的内容,不同的 chatbot 还各有倾向,比如豆包对抖音视频的采信权重很高。海外模型偏向品牌官网、独立站,以及 Reddit 这类社区,对媒体内容的权重反而没那么高。

所以同一个品牌,国内有业务,海外也有业务,做的事完全不一样。国内要研究稿件的结构、信任状、发布渠道,媒体上多发就行;海外要做官网优化,做社区运营。

我顺便问了一个我一直担心的事:以前讲 GEO,总有人留言说这不是投毒吗?这不是制造垃圾拉客户吗?你们会遇到这个困扰吗?

鲁扬说其实不会,反而是投资人比较关心。黑灰产出现在人工操作的阶段。25 年上半年开始手工操作越来越难,大家发现有些人开始走捷径,黑灰产三个词:大、黑、假。假是杜撰数据:正常写稿很难被引用,那就编,全国第一、全球第一、独家、唯一,稿件里一出现这种极端数据,可能瞬间就被大模型引用了。我以为大模型会怀疑一下,他说这是今天基模能力有待提升的地方。大是海量灌水,开一个自动发卡机,一天灌几百上千篇。黑是黑公关,帮你发稿的时候顺便踩踏、抹黑竞品。

他的立场是,GEO 是内容营销,广告法和职业道德对它同样有效。更重要的是,AI 在不断进化,基模越强,假大黑越难做,直到有一天你想优化一个违背规律的东西,做不上去。所以真正做 GEO 不是去跟大模型对抗,而是跟大模型同频:它认为什么是优质的内容,我们就去生产什么样的内容。

AI 消费闭环开始了:酒旅已经抽佣

「我们说今天一个新的电商叫意图电商,它才开启。」——鲁扬

我们家现在基本所有的消费决策都通过 AI 了。以前淘宝买化妆品,后来跑到抖音买,先上抖音的人就爽了。现在 AI 这波红利存在吗,还是大家都没搞清楚怎么玩,没什么便宜可占?

鲁扬说流量红利有,而且挺明显,最近一年有一个信号在明显释放,就是 AI 消费在闭环。去年 4 月 29 日 ChatGPT 率先支持电商跳转,去年秋天上线 Instant Checkout,豆包、千问全部跟进,元宝也跟进了。而且豆包在一些品类已经不用跳转,直接在豆包的应用环境里下单、支付。前段时间被聊得比较多的是,豆包跟抖音电商的商家后台打通了,从抖店后台可以追踪到豆包带来的成交。

我问,这意味着这一步就可以拿返佣了?他说返佣三周前已经开始了,第一个针对酒旅,正常抽 8 个点,有的品类 12 个点,比抖音电商常规抽佣高,但比 OTA 平台低。AI 消费闭环了,AI 成为很多品牌新的流量通道。

我自己的体感是,用 AI 之后行为变了:越来越多的时候我问 AI 的不是「这几个哪个好」,而是更靠前的问题和意图,还没到商品选购。比如我不问哪个氨糖好,我说我膝盖疼,AI 大概率会告诉我氨糖没用,很多我想买的抖音上的智商税产品,它都劝退了。用户已经在跟 AI 聊问题、聊场景,不是聊选购。那我们的内容是不是要往决策链更上游挪?

鲁扬说这就是一个新的电商形态在兴起。电商最早叫货架电商,后来是兴趣电商,今天一个新的电商叫意图电商。用户描述的是自己的现状、特点、痛点,并没有释放出任何购物需求,但 AI 能识别交互背后的意图,做精准推荐,促成交易。回头看用户问的话里,没有一个字跟氨糖相关。这个时候,货架会发生变化。

一个 prompt 就是一个货架

「今天在 AI 时代下,prompt 会变成新的货架。你的一个品牌的潜在客户、消费者,他每天在用什么样子的话术、什么样子的 prompt 在跟 AI 对话……那个 prompt 的背后就是一个品牌他应该要去出现的位置。」——鲁扬

货架从百货大楼到虚拟货架到 APP,AI 时代的货架就是 prompt:潜在客户每天用什么话跟 AI 描述自己,那句话背后就是品牌该出现的位置。

那企业的内容要不要去迎合用户意图?鲁扬的心得反而是回归本质:优化自己的核心优势和定位,这才是今天最适合拿到 AI 推荐的方法。

他举了一个二线冲锋衣品牌的例子。客户上来就说要优化「最好的冲锋衣」,他们劝住了:事实上不是你,优化出来客户也不信。你的核心优势是什么?第一我便宜,性价比高;第二质量好,抗造。那就优化这个:性价比高、质量好、抗造的冲锋衣。

十年前在搜索引擎年代,这样一个长尾词流量很少,意义不大。AI 时代不一样:用户问「适合大学生的冲锋衣推荐」,AI 会去理解什么是适合大学生的:第一不能太贵,性价比高;第二大学生会运动,质量得好、得抗造。它认为你贴合这个意图,流量就到你这儿。所以反而应该死死抓住自己的优势去优化。「AI 是讲道理的。」

我接了一句:你得让它讲道理的时候有话说。每次渠道转变都会对某类产品更友好:抖音对化妆品特别友好,拍一拍就出水,马上涂就见效,长效型的产品就吃亏;AI 是讲道理的平台,背后有点像理工男。我跟太太最近买护肤品,AI 反反复复强调,不要买贵的,我们家现在买得最多的那款润肤露二十几块钱一瓶,后面瓶子上居然写着尿素两个字。AI 说这才是真润肤。我问它贵一点的不是更好吗?它说不是的。

那有硬道理的产品是不是更受益,情感类的就吃亏?鲁扬说未来采信维度会越来越复杂:豆包的信源越来越多来自抖音视频,视频的长度、题材、是数字人还是真人、镜头语言,都可能成为采信特征,越复杂越难靠人工琢磨。

科学 GEO 八环节,写稿发稿只占两个

「很多人其实今天都觉得 GEO 就是写稿发稿。但是写稿发稿我们说只是其中的两个环节,它完整是八个环节。」——鲁扬

我问了一个最实际的问题:假如我要跟你合作,第一步是干嘛?

鲁扬说他们在宣传一个理念,叫科学 GEO,四个方面:流程科学、方法科学(用模型算法做,不靠人工)、工具科学(不能做一套 SaaS 监控系统就完事了,他们通过数字员工来做)、标准科学。流程科学是把 GEO 分成八个环节组成的闭环。

第一,知识管理。帮品牌建一个知识库,包含品牌介绍、公司介绍、优势卖点、竞争差异,向量化。这是所有 GEO 的开端,也是 GEO 可信信源的起源。

第二,意图挖掘。研究这个品牌的目标对象在 AI 上进行什么样的问询,哪些意图比较 hot,值得优化,把方向锚定正确。他举了一个做麻辣香锅的餐饮品牌,最早找到他们想优化的意图是「某某城市麻辣香锅或者火锅品牌推荐」。做完一轮意图挖掘,最后选择优化的意图完全变了,变成加盟:想加盟一个餐饮店,该选什么品牌。因为他发现 GEO 最贴合他当下业务需求的是帮他拓店,拓店成本太高了。我总结了一下:这是挖甲方的意图,甲方的需求不是搜索的那个人,而是用 AI 挖掘「那些人」里,哪一波人的意图最值得优化。

第三,品牌诊断。海外 Profound、Scrunch、Peec 这些公司核心做的都是这一步:品牌在 AI 平台上的呈现度、趋势、对比、用什么话术在谈你。他们的诊断还带优化建议,比如哪些意图不可优化:联网率低的意图,问了以后 AI 不联网,很难通过机构优化;科普类回答的意图,运动完膝盖酸痛,AI 不会推荐任何品牌,就不要在上面投资源。

第四,内容管理,写稿和稿件优化。第五,效果预估。他们有一个仿真环境,模拟分析同样一篇稿件发布以后有多大概率能提升 GEO 效果,然后才是发布。第六,发布。第七,效果监控。第八,效果调优。

多久见效,怎么证明效果

「我们经常说这个点儿最背的就是老板 review 的那天,然后老板手机上搜出来,然后你就解决这个方法。」——鲁扬

我接着问了两个甲方一定会问的问题:给了你钱,两周能看到效果,还是要两年?你说有效果,结果在你的机器上有,在我的机器上没有,怎么说服我把尾款打给你?

第一个问题,因为他们有一个算法学习的过程,第一件事是建知识库。同时他们是异构模型,底层通用模型,上面每个客户一个小模型,小模型要根据每个客户的 query 单独学习,大概一周。第二周内容生成和发布。一般第三周,有些客户长一点第四周,能看到明显的效果提升。

第二个问题,AI 搜索是凭概率来的,这台机器有,另一台可能没有。确保效果稳定,背后靠高频的科学监控。今天很多 GEO 还是人工监测,发完稿人工搜一次,每天搜一次,这不科学,当下一次抽样不能代表连续性的效果。他们通过系统做高频监测,最高可以到分钟级,一般一小时级采样:同一个 query,一天 20 到 30 次,均匀分布在 24 小时内,多平台、多账号、多 IP。至少上百个账号,模拟不同的用户,不同的地理位置,北京的结果和广东的不一样。而且要求月均,跑够一个月,月均达标才算真正达到。

标准不够高,就会出现「我今天在我的机器上跑一下也有效果了,但在品牌方的机器上没有」。最背的就是老板 review 那天,手机上搜不到。

从字节出来创业:时间点判断过于激进

「我们当时一个判断是在 24 年下半年的时候,当时的基模能力还不足以 to B 的应用落地……所以现在看起来我觉得这个还是过于激进了,可能得到 25 年年底,我觉得今年到 26 年的,可能才真的谈得上 to B 的一些场景的落地。」——鲁扬

回到他个人。24 年下半年出来创业,三个创始人都从大厂出来,只有家人支持。为什么是这个方向?他做了二十多年营销,最近两年在做豆包,两条线汇到一起,而 AI 营销是最适合大模型落地的场景之一。我补了一句:第一个火的 AI 产品 Jasper 就是营销。

什么样的人适合做 AI 营销的创业?他当时画了一个画像:懂营销,最好是 CMO 出身;做过 AI,懂 AI;既在大厂工作过,见过中局,又在创业公司工作过,被锤过。他在字节之前在创业公司当过四五年高管,被创业公司蹂躏过。这么一层一层算下来,中国比较适合做这件事的人没太多,还得有意愿从大厂出来。我说你这套话术好适合融资。

时间点上,他跟 CTO 测算过:24 年下半年基模还不足以 to B 落地,再迭代三到四个季度才够。现在看过于激进了,得到 25 年底、26 年才真的谈得上。但等基模完全成熟再出来就晚了,所以提前三个季度入场,先做公司、做产品、打磨,等能力 ready,那时候可能就是 market fit。

没想到的是,他们当时的核心是突破 AI worker 这个点,放在 GEO 上的精力其实不多,完全没想到 GEO 在 25 年爆发了,AI worker 没有爆发。

我之前一直以为,你在豆包、在火山引擎,知道他们的大概规则,出来就反过来做,就像很多做 SEO 的早期也是从百度出来的。鲁扬说,很多客户当时也是这么说的:我们相信你们自己就是从豆包出来的,所以你们可以搞定豆包。「我说你想错了,其实并没有。豆包本身背后也不是一套名门的规则,我们并不是拿到了公式,你也拿不到,它自己也没有。」我想起抖音的算法同学很早就跟我讲过,其实我们已经不知道他们是怎么推荐的了。

创业是修行:发心、道与术

「创业是一个整个人生前半场的一次集中变现。」——鲁扬

最后几个小问题。如果给刚创业的自己发一条短信,会发什么?鲁扬说他一直想创业,过去错过很多风口,元宇宙、Web3,都去练过。之前一直觉得自己不太晚,四十多岁去创业,现在感觉都晚了十年。但真正出来之后的体会是,创业是整个人生前半场的一次集中变现,尤其做 to B 这件事,之前很多年的积累最后都用到了。所以不晚,这是一个合适的 moment。

要改什么?可以修正的点非常多,但真让他选,他会选择「反而不反了」。最重要的是保持初心,第一天想做这件事内心当中的发心。他们一开始想做 AI 的员工,没想到最初没着眼、放心思最少的那个场景 GEO 反而爆发了,现在又回过头拿 GEO 做切入点去做 AI worker。兜兜转转,发心很重要,不被过程当中一些短暂的风口带走;树上可以修正的调整很多,那是术。

我说你现在状态很好,斗志昂扬,是上半生所有东西的一次变现,很正能量。我之前那个公司卖给京东,后来放弃了很多钱出来创业,是上半生所有积累的一次消费,亏得很惨,把靠运气赚的钱靠实力全部赔进去了。但这个过程还是很好玩的,门票很贵,过山车很好玩。

鲁扬说他创业之前在一家 SaaS 创业公司工作过四五年,经历了 SaaS 的起起伏伏,见了很多 SaaS 公司从波峰跌到谷底,身上留了一些阴影,反而让他走向另一个极端:不太敢融资、不太敢花钱。我说你是帮豆包花钱的人,会习惯性不敢。他说,创业确实是修行,很多事必须自己一点点去历练,不然成长不起来。现在公司 160 多人,感觉人太多了,各种大公司的毛病都有了;状态最好的是三十多个人的时候。当然,从三十多人涨到 160 多人,也说明业务确实还可以。

给品牌的建议:最难的不是行业,是说不清自己是谁

「我自己觉得最难做的不是某一个行业,最难做的是什么样的企业。就是当我问他,你能不能简单用一段话,描述一下你们公司究竟是做什么的,以及你们最强的优势。对方能答不上来,他可能是公司的 CMO。」——鲁扬

最后一个问题:不管卖矿泉水还是卖奶茶,都希望豆包推荐、Kimi 推荐。除了来找 PureblueAI 合作,自己能做点什么?

鲁扬说,他们经常总结哪些行业难做,比如大家有共识的医药、金融。但他觉得最难做的不是某个行业,是某类企业:问他,你能不能简单用一段话描述你们公司究竟是做什么的,以及最强的优势是什么?对方答不上来。可能是公司的 CMO,我说要讲 32 页 PPT。对,他一下怔住,然后开始长篇大论讲公司做什么,没有一段话精炼地概括出来,这种品牌往往特别难做,因为它缺乏对自己品牌系统化的梳理。

所以给品牌方的建议是,GEO 短期是一个数,可以通过优化短期把效果做上去;但真正长期的是做好品牌知识资产的积累,一个品牌的知识图谱:品牌是做什么的,目标客户是谁、有什么痛点,你有什么优势能满足这些痛点,你跟竞品的差异,案例佐证,所有的 PR 稿件、公众号文章、PPT、视频。做好这套品牌资产的梳理和构建,源源不断去坚持,一般来说 GEO 效果不会太差,可能不用做 GEO 效果已经不错了。

我的理解是,先梳理自己的品牌资产,假设大模型也是个人,几句话能讲得他清楚,或者他来翻材料的时候翻得到。我回头也去整理一下我们家的品牌资产,搞个图,搞个知识库。

彩蛋:清蓝这个名字,清华加 IBM

「清是为了致敬清华,蓝是为了致敬 IBM。」——鲁扬

最后问了一下为什么叫这个名字。鲁扬说,决定创业的那一瞬间就定了:清是致敬清华,蓝是致敬 IBM。他一毕业就进了 IBM,这是对他个人影响最大的两个机构,一个是国内造就 AI 从业者最多的学府,一个是人类 AI 启蒙的公司。英文名 PureblueAI 还有一个小 tips:IBM 内部管一毕业就进 IBM 的人叫 pure blue。logo 是他花了一上午自己画的,IBM 的蓝加青花瓷两个颜色。

结语

这期让我最有触动的,不是 GEO 能不能把 AI 炼金术从第四排到第一,而是鲁扬那句「豆包自己也没有规则」。以前做 SEO,你是在追一个人写的规则;现在你追的是一个没人写得出来的规则,连写它的人都不知道。这种时候,人工经验的复利就断了,只能造一台机器去学另一台机器。

但另一头,他给品牌的建议又朴素到不像一家算法公司说的话:先用一段话说清楚自己是谁、优势是什么、给谁用。AI 是讲道理的,你得让它讲道理的时候有话说。

我回去打算先做这件事:把我们家的品牌资产梳理一遍,搞个知识库。你的公司,一段话能说清楚自己是做什么的吗?

跳转微信打开

  •  

XCircle 小飞:曾经只做管理的那批人,可能确实是没工作了

任鑫 2026-09-24 07:00 湖南

小飞帮企业做 AI 原生组织落地,被合伙人徐文浩堵了一个半小时:科层制是信息路由协议,AI 减的是摩擦,没解决的是分钱和背锅。

关键要点

  • 管理者最值钱的,是当信息中转站

  • 科层制不是权力结构,是信息路由协议

  • 分钱是过去十年谁都不敢碰的暗礁

  • AI 减的是摩擦,没解决的是背锅

  • 没更多钱可分,只有更多人可裁

小飞说,有那么几个晚上,她在电话这头陪着两家公司的 CEO 煲电话粥。对面反复绕的是同一个问题:原来我身边那些最优秀、最核心的管理者,怎么今天忽然就宕机了?

我听到这儿其实有点心虚。因为我自己也被人认为是管理者,而我一直觉得我完全不是一个合格的管理者——看过真正好的之后我就在想,我天哪,是这样管的吗?

小飞目前专注帮企业做 AI 原生组织转型,管的是落地那一头,用她自己的话说是「帮他们一步一步地从传统的科层制转到这个新的组织方式」。她在这个赛道待了十几年——大约从 2012、2013 年起,国内每一波创新组织范式的实践她都掺和过;中间还做过一家 SaaS 公司,一个产品做了整整十年。现在和朋友一起开的新公司叫 XCircle,是个 agent 产品,帮 AI 原生组织的 CEO 去 track 组织转得顺不顺、AI 的生产力有没有真的涨。她说她现在每天大概接触一到两家正在转型的公司。

顺便说一句,这期文浩全程在抬杠,而且杠到点子上。所以这不是一篇成功学,是一场没吵出共识、但吵清楚了边界的对话。

Jack Dorsey 说破的那件事:科层制不是权力结构,是信息路由协议

「管理者承担了非常重要的一个价值,就是它是信息的路由。」——小飞

组织这个话题今年突然被重新点着,起因之一是 Jack Dorsey。他和红杉的 Roelof Botha 在今年 3 月 31 日发了一篇《From Hierarchy to Intelligence》,核心论点很锋利:科层制不是一种权力结构,它本质上是一套信息路由协议——两千年前为了在人类认知带宽有限的前提下解决大规模协调而发明的;而 AI 是第一个有能力替代这套协议的技术。

小飞说,这篇文章真正打动她的地方在于,它解释了一件过去十年一直悬着的事:为什么 Zappos、Morning Star、Spotify 的 squad 这些创新都很好玩,却始终没能规模化成主流的管理思潮。

Dorsey 的诊断是:这些新范式极度强调去中心化、去科层化,所以在反对管理的同时,也把管理者一起反对掉了——manager 在那套体系里不是必选项,甚至是要被消灭的目标。可一旦组织变大,你就会发现管理者身上挂着一个谁也没接手的功能:把组织各个方位的信息汇总起来,再分发给不同的目标群体。

小飞说她在 YouTube 上看到过一句话,大意是人类非常混乱。AI 来之前,确实需要有一个肉身来做这个信息中转。「这个肉一旦没有了,你这个组织想去扩展的时候,你就会发现效率就在下降。我们在国内看到的是一模一样的事情。」

她给 Dorsey 补的两条:链路长度,和十年没人敢碰的分钱

「你立了一堆 agent,你就可以瞬间有各个行业的专业选手了。」——小飞

小飞说,有两点是 Dorsey 那篇里没讲、但她想补上的。

第一条是链路长短。小组作战的前提,其实是有职能单元的分工,而各家企业生产链路的长度差别极大。短链路好办:开发一个软件,一个产品经理加一个 UI 加一个写代码的,就可以干了。但很多公司链路极长——她最近聊的一家做芯片的,出一个产品要十几道工序;汽车也一样,原来一个产品周期大概一到两年。链路一长,「你小组其实又是一个很大的组」。

AI 恰恰解决了这个问题。「你立了一堆 agent,你就可以瞬间有各个行业的专业选手了。」一个懂技术、再会用一点 Figma 的产品经理,完全可以一个人干,不需要那么多人了,闭环就这么产生了。

第二条更狠:分钱。她说,AI 把原来大家不敢碰、或者觉得没必要碰的话题,今天摆上了台面。

过去陪企业做自组织转型,层级可以越来越少,大家也可以自主给小组冠名,但一到分钱这个话题,全场束手无策——在一个完全以人类作为生产力的组织里,钱很难清晰地分出来。更要命的是:原来的 manager 并不是不重要,能走到那个位置的,大部分情况下是有两把刷子的,有业绩,专业能力也强。所以哪怕名义上自组织了,key manager 们照样拿着明显更高的薪酬。

「分配的逻辑是没有改变的。分的逻辑没有改变,大家就很难相信这件事情是真的发生了。」

AI 来了之后,变的是驱动力。很多 CEO 和创始人突然意识到:我不想用原来那套分配逻辑了——生产力被重新安排了,我想用新的分钱方式。这三点过去都是阻碍,现在才第一次有了解法。

文浩的一个半小时:AI 减的是摩擦,没解决的是背锅

「今天大家都说 AI 带来了成倍的效率提升,但是没有人说 AI 带来成倍的收入提升。」——徐文浩

到这儿文浩开始发难,而且一路发到节目结束。

然后是他真正想问的那个问题:大家第一步遇到的还不是分钱,是背锅。

他举自己公司的例子。他们是研发组织,已经让产品经理甚至设计师直接去改 code base 了。但是不敢让他们做发布。

不敢有两个原因。第一个是判别能力——他用 AI 的能力再强,是不是有能力判断 AI 给他的结论跟他期望的是一样的?第二个就是背锅:这个事情他发布出了问题,他背不背这个锅?「大概率是他没法背这个锅。」

我打趣他说,文浩对背锅怨念很重。他的回答是整段里最重的一句:新组织没有这个问题,但任何一个老组织转型,第一阻力的来源就叫背锅。你今天去任何一个大厂,都在风声鹤唳地裁员。「背锅这是个非常严重的问题。你背锅这个问题解决不好,你是很难推动的。」

到后半段,他把这件事背后的经济学挑明了。为什么今天特别要讲背锅?因为它连着另一个问题:今天大家都说 AI 带来了成倍的效率提升,但没有人说 AI 带来了成倍的收入提升。至少大部分公司,AI 提升效率的时候并没有更多的钱可以分,往往只有更多的人可以裁。

「一旦到了变成没有更多的钱可以分、只有更多的人可以裁的时候,背锅其实比分钱是个更实际更严肃的问题。」

小飞的答法:每个 agent 都得有个妈妈

「任何一个 agent 必须有个 owner。你就想象成一个实习生,他现在还不太听话,或者他能力还不太强,或者他老犯错,所以有一个 owner 要去管着他。」——小飞

小飞的答法分两截。

第一截是定性的。她说,如果一件事没有按我们的期待发生,犯错了或者有失误,本质上是多因一果。而这个多因一果不是因为 AI 才出现的,它一直都存在——今天大部分组织里,大家每天工作也会犯各种错。她不止一次遇到过数据库宕机,也遇到过飞书或者钉钉上不去、耽误客户开重要会议。「就那个事件,咱们专事专办。它是一个个体的业务问题,我仍旧不认为它是一个因为 AI 产生的问题。」

第二截才是她真正给的答案,而且很实在:任何一个 agent 必须有一个 owner。

「我们想给他设个妈妈,或者设个什么带教都可以。目前我们陪伴企业的时候,不会有任何一个 agent 没有 owner。你就想象成一个实习生,他现在还不太听话,或者他能力还不太强,或者他老犯错,所以有一个 owner 要去管着他。」

言下之意,今天更多的时候,还是需要这个 owner 来背这一锅。

至于怎么分钱,她给了一个我觉得最值得抄的结构。有家公司把提供 agent 的这部分全部归到中后台——原来的中后台是 HR、财务、运营,本质上是在管理前台,输出的是管理;现在要求他们输出各种不同的 agent,「所以 agent 就类似于中后台提供的新的服务类型了」。

怎么分?整个团队真实赚到了钱,比如说一万块,先拿出一个比例给中后台,剩下的给前台。所以前台只要用好了这些 agent、把饼做大了,也能拿到钱。捏 agent 的和用 agent 的,两头都给激励。

操盘现场:层级和部门直接干掉,小队只留 2 到 4 个人

「现在是每一个岗位上的人都声称用了 AI 当工具,个人提效。但是闭环运转的周期没有提效,system 没有提效。」——小飞

小飞先划了一条边界,这条边界我觉得是整期最清醒的一句:我们讨论这个话题的时候,到底是在谈现在,还是在一个动态的视角里看每一个行动者?如果问她国内现在的实际情况——她每天接触一到两家公司——结论是朝气蓬勃的一片混乱。但你看 AI 能力的迭代速度,再看国内公司卷的程度,大体能判断某一种范式会发生。「不然今天每个人都可以证明我没有这样干、我公司 agent 就 work,这些都在发生。」

然后是她手上正在做的事:他们目前在实打实地陪一些企业,正式把公司的层级和部门干掉了。没有部门,也没有层级。

这件事的破坏力比听起来大。现在几乎百分之百——她说 99% 吧——的管理制度和流程,都是建立在层级和部门这个体系上的。小到一张出差打车发票要报销,大到公司战略怎么制定,全都要靠层级和部门去切割。这两个东西没有了,「本质上已经是一个天翻地覆的变化了」。

我追问了一个最外行也最实在的问题:原来科层制是定个目标、拉个小组、你们搞定;现在没有部门了,我画一个圈圈往里放人——横着组和竖着组,到底有什么不一样?

她说最大的不同有两点。

第一点是闭环。她讲了一个反例:几个月前她见了一家科技巨头中国区的核心高管层,人家也在分小组,有的学 pod 小队、下面配 agent builder,有的学 Spotify 那一套。她就问了一个问题:你原来科层制的汇报线还有吗?对方说全都有。

「那对于我来讲这个事儿阻力就非常大。因为只要科层制的汇报还在,员工是不傻的。他知道他在这家公司的命门捏在谁手上。」项目上资源拉扯的时候,他到底听谁的?听 project leader 的,还是听自己那条线上的 line manager 的?这是现在很多公司员工非常困惑的一点,会造成内部极大的消耗。

第二点是小队变得很小。她说她以前做这行,给的建议大概是一个 team 一到八个人,不要超过十二个人。现在建议的小队规模都是 2 到 4 个人。

为什么能这么小?因为一旦闭环,链路上的上下游你就开始「吃」、开始「捏」,越捏链路越短。所以你要的是人少,团队高内聚低耦合,减少摩擦,内部聚合的同时用 AI 去加速。

而她真正要盯的那个指标,是闭环运转的周期。「现在是每一个岗位上的人都声称用了 AI 当工具,个人提效。但是闭环运转的周期没有提效,system 没有提效。」

这句话我建议所有正在推 AI 提效的公司抄下来贴墙上。

回到开头那几个电话:优秀的管理者,怎么忽然就宕机了

「管理是一个 full-time 的 job。你做统筹、做汇报、开会、做表格、搞周报、写 PPT……其实很多人是靠这个活的。」——小飞

现在回到开头那几个煲电话粥的夜晚。

我问她,这种新形态对人的要求是不是比以前更高了。以前是你给我发张卷子我做题,现在是有个人出去打猎,我得跟着他,还得做出贡献,不然他连肉都不分给我。

小飞讲了一段我觉得整期最有温度也最残酷的内容。

原因不复杂。在传统科层里,管理本身是一份 full-time 的 job:做统筹、做汇报、开会、做表格、搞周报、写 PPT。你把这些做好、展示在老板面前,老板就会觉得你和你的 team 干得不错,你就能活。「其实很多人是靠这个活的。」

一旦开始做 AI 原生组织转型,这些人就露出来了。他们没有真枪实弹的本事,不知道自己能在业务里干什么,也不太愿意去承诺业务或者冲锋陷阵。于是他们围着创始人和 CEO 说:这个 AI 还是不行,我还是觉得管理很重要。

「所以这就是为什么创始人他会很挣扎。一方面他看清了这些人,没有办法去 take 业务担责,然后他们也没有意愿去往前走;但是同时好像他们说的是不是也有点道理?」

小飞给 CEO 的标准很直接:如果一个同事在某一个时间段内非常高频地消耗你的时间精力,「你一停下来就发愁,有点愁这个人该怎么办的时候,那可能也是要说分手的时候了」。

后来这两家公司确实都有部分高管离职,而且这些高管原来都是在别的公司一路做高管过来的。这些人走了之后,「你就发现 CEO 在那个时间段心情又特别好,就很舒畅」。

「所以你要问我说,这一类曾经只做管理的同学,可能确实是没工作了。」

但她紧接着给了另一面,而且这一面才是我最想让大家看到的:这场变革里崛起的,不全是年轻人。

「有一个话题有点片面,好像只有年轻人可以。其实不是。我觉得我们现在在组织转型的过程中,发现很多中老登崛起了。如果他是某一个领域的专家专业选手,经验丰富,又 AI 用得 6,那我觉得他在做的简直就是比年轻人再乘以十倍的价值。」

真正会被转出去的其实只有两类。一类是曾经只做管理的同学——她特意补了一句,也不是说只有专家或者 AI 用得好的才行,团队里还是需要有人做运营、做那种 daily operational 的细活,「你只要找到你自己合适的位置就好」。另一类特别显而易见:不用 AI 的。「如果你没有办法跟上这个脚步去用 AI,基本上不会有 team 想要跟你合作了。因为大家的语言界面都不在一个层面上。」

绕回来:AI 原生组织真正替掉的,是管理

「它其实有特别重要的一个对组织的价值,就是极度地降低你的管理水位。」——小飞

我追问了一个我一直没想通的问题:你说没有管理者了,也没有 PPT 了。但原本我们需要管理,是因为那些信息要流动。老板今年的战略目标是往东边走,以前会有管理层理解老板的意思,谁每周不往东边走就批评两句——你说他给老板当狗腿也好,他其实起到了对齐的作用。管 50 个运营的人,会开个周会让大家分享上周谁做得好。这些看起来不高级的事情,其实是起作用的。没有这个岗位之后,这些作用怎么用 AI 替代?

小飞的答法分三层。

第一层是数据。她今天下午去的一个客户公司就是这么做的:先把数据存到一个地方——不同的机器和软件本来就会周期性地 generate 数据出来——然后做自动化,做看板。CEO 在看板上就能看到真真实实的进展,还会给你报警:哪个做得好,接下来优先级该怎么调,业务该怎么弄。鹿客的陈斌本人就训练了一个 AI COO 在干这类事情。「我不需要人再写周报,写完了老板也不看,AI 看完了再回复,两边都不看内容——这些事情就完全不需要再发生了。所以这些管理的摩擦,其实是 AI 特别擅长去承担的。」

第二层是数字。XMind 转型大概半年以后,她见到了他们所有的 circle lead——现在都改叫 DRI,就是为最终结果负责的同学,原来这些人全是 manager。她让这二十来个同学分享现在花在管理上的时间有多少。结果没有一个人报出来的时间超过三成。「所以你会发现 management 他仍旧在,但是他已经不是一个 full-time 的 job 了。我不得不 take,但是我更关心业务或者产品创新。」

文浩在这儿插了一句他自己的做法,比任何论证都干脆:「我现在不做任何管理。因为我觉得如果这个事情需要我花精力管理,那不如我对着 AI 把这事做了。」

第三层是分钱。绩效这件事,manager 评 manager 很难一碗水端平,他有时候自己都有错觉。再加上很多初创企业管理能力本来就弱,搞不定,花很多钱请绩效顾问还是搞不定。「反正我觉得他是在一个比较低效又很努力的场景里,大家在搞管理。」

这一段我确实很受启发,而且启发的点有点出乎我自己意料:组织内部的事情,其实是各家公司之间最相似的那一部分。一个项目怎么分钱、三个小组怎么管理、怎么激励、怎么复盘——所有这些内部运营和组织管理的经验,有点像商学院教材,相对来讲是比较通用的知识。这些知识大语言模型肯定都已经学会了。

所以文浩问「谁背锅」,小飞的回答很短:Leader 背锅。而我更想说的是另一句:AI 来取代管理,好像比取代销售、营销这些活更胜任一点。因为大部分管理者都是不合格的——你招的设计师,大概率你是能忍的,因为那个太好衡量了;管理者太难衡量了,鬼知道。

小飞最后把这一层点破了,这也是整期我认为最值钱的一句:

「做 AI 原生组织,大家看到的表面上是让 AI agent 能够更好地发挥它的生产力和价值,把好的合格的人才转出来。但其实有特别重要的一个对组织的价值,就是极度地降低你的管理水位。你企业不要再搞那么多管理了。agent AI 本身应该是可以大幅度地替代管理工作的。」

现在最大的区别是:组织提升效率这个锅,可以放心地先交给 AI 了。所以你没必要再花那么多时间精力搞管理、让人类提升效率、让人类的协同提升效率——这条路径现在看上去 ROI 不高了。

「不是说原来传统科层制中的管理都被 AI 替代了,是原来传统科层制中可能百分之八九十的管理,在原生组织里本来就没有了。然后剩下的那一二十,我们再用 AI 去接他就好了。」

我当时就说,这期标题是不是可以叫「AI 原生组织,就是用 AI 替代管理」。文浩接了一句:那听起来就把 CEO 给裁了是吧?

结语

这期没吵出共识,但吵出了两条我觉得可以直接拿走的东西。

一条是战术的:别再盯着「每个岗位都用上 AI 了没有」。个人提效是假的进度条,真正要量的是闭环运转的周期有没有变短、system 的产出有没有提升。找到你那条 value chain 上最窄的地方,把水闸打开——这件事不需要请顾问,一个小团队坐下来半天就能干。

另一条是认知的:这一轮组织变革最反直觉的地方,可能不是 AI 替代了多少岗位,而是它第一次让「管理」这件事的 ROI 变得不划算了。过去两千年我们发明科层制,是因为信息必须由人来路由;我们发明绩效体系,是因为责任必须挂到人头上。现在第一个前提松动了,第二个还没有——文浩堵了一个半小时的那个洞,到节目结束也没被填上。

所以我更倾向于把小飞那八个字当成对今天最准确的描述:朝气蓬勃的一片混乱。方向是清楚的,现状是乱的,中间那段路谁也没走完。

倒是有个问题我想留给你:如果你们公司明天真的把层级和部门都干掉,第一个会炸掉的,是分钱,还是背锅?

我最近在帮几家企业做这类转型的诊断,欢迎在评论区告诉我你的答案,或者你正卡在哪一步。

跳转微信打开

  •  

任鑫×徐文浩:OPC 是无源之水,FDE 只是阶段性填缝

任鑫 2026-09-23 08:00 河北

一个写了一个月 harness,一个带了一个月娃,两个主理人过一遍这段时间的新闻:OPC 为什么降温、FDE 和外包有没有区别、300 亿公司的老板卡在装 Codex、蒸馏值不值。

关键要点

  • OPC 降温,因为找不到谁给你付钱

  • 别积累技能,赶紧卖

  • FDE 和外包没区别,这个词已经用烂了

  • 老板卡在装 Codex,信息差比想象大

  • AI 转型是政治问题,要借刀杀人

  • FDE 是填缝的,缝填完职能就消亡

  • 国产模型日常 80% 的活分不出差别

  • 蒸馏不违法不违德,ROI 极高

  • 万事万物皆插件,万能即万万不能

  • AI 是组织的竞品,不是组织的工具

猜猜企业家用 AI 卡在哪里?

这个月我基本都在带娃,啥都没干。机缘巧合混进了一群企业家的局,他们觉得我是 AI 专家,找我请教。我以为要聊战略,结果问的问题是:Codex 怎么安装,信用卡怎么绑。

我只好专门找了一个英国回来的小朋友,上海地区上门,外地远程视频,一个一个帮他们刷卡、下载软件。你会想说,一家 300 亿的公司,随便找个助理不就搞定了吗?居然没有。

带着这个观察,我拉着徐文浩录了这期。他刚一个人写了一个多月公司新一代的 harness,累得够呛,正好也攒了一堆新闻要过。我们商量好以后干脆每周开一期,把一周的新闻过一遍,说清楚到底哪件事重要、影响到底是什么。这期算是试水。

顺便插播一句:我们升级设备了,其实就是徐文浩把老相机拿出来、买了个灯。大家可以更高清地看到这两张不酷不帅的脸了。他说我们又不是颜值主播,那就多做 PPT,把脸放小。

OPC 降温了,因为它是无源之水

“大部分 OPC 其实是很难找到有谁给你钱的,都会在那边自嗨。”——任鑫

徐文浩先挑了一个“要逝去的东西”开聊:OPC(一人公司)这个词最近温度在往下掉,FDE(Forward Deployed Engineer,前置部署工程师)的温度在往上走,他觉得快到顶了。

OPC 不火,我觉得是应该的。很多人其实就是失业了,然后管自己叫 OPC。经常有人问我 OPC 最重要的是什么,是搭 harness 还是干嘛。我说都不重要,重要的是找到谁给你付钱。大部分 OPC 都在自嗨,我提效了这个、我提效了那个、我又做出了个啥,然后去哄骗另一批也想做 OPC 的人来给他钱。但实际上大家都没钱了,所以这个东西是无源之水,撑不下去。

OPC 只是讲一个人可以干活了,这不是废话吗?一个个体户也能干活。难的是把活儿变成钱,而大部分人没有经过后面这件事的训练。

徐文浩补了一刀:出来做 OPC 的人,大部分原来不是做销售出身,绝大部分人没有在市场上直接卖过东西。不管是卖自己的外包劳动力、卖课、卖咨询,还是卖个 whatever,都没有。

所以就会不停逃避现实,不停地做东西。好几个人问我,我要做这个还是做那个、要积累什么技能。我的回答是:不要积累,你赶紧卖。

“周围总有人说我也要做个播客,我说那你就录。”——徐文浩

我们自己就是例子。最早两个人靠两个 iPhone 录,没有任何设备,后来听众一直反馈声音差,才换了个麦克风。先干起来,比准备重要。

FDE 和外包有区别吗?没有

“今天 FDE 能用贵的人做,把外包也做了,是因为研发成本极低。”——徐文浩

FDE 比 OPC 强在哪?它把闭环的模式给定了:这帮人号称自己懂 AI,跟传统企业要钱。商业转化是通的。

徐文浩有个困惑:FDE 跟原来的咨询加外包,区别到底是什么?他看下来,大部分今天号称自己是 FDE 的人或公司,跟外包几乎没区别。

我的回答是:没有区别。早期是有的。早期的 FDE 是用咨询公司那么贵的人去做前台外包,你用那么贵的人,他就还能思考、帮你理业务,理完还会沉淀下来打回总部。所以最开始的区别就一条:你那个人是 3 万美金的人,还是 30 万美金的人。之前是用 30 万美金的人去做以前 3 万美金的活。但在中国没有区别,现在所有人都管自己叫 FDE,这个词已经用烂了。

徐文浩从另一个角度解释了 FDE 为什么会火。原来咨询很麻烦,写代码也很麻烦。一家咨询公司跟你聊完,要落地成公司里的系统流程,咨询花了两个月,写代码还要再花十个月,所以才出现了埃森哲、IBM 这类 IT 咨询公司:麦肯锡不管交付,IT 咨询要把事情交付了,而且交付也很贵。今天 FDE 能用贵的人把外包一起做了,是因为研发成本极低。跟你聊完,对着 Codex 或者 Claude Code 喷一堆话,啪,事情就做完了。所以它显得特别厉害。

但他接着问了一个更狠的问题:那公司为什么还需要外部的 FDE?为什么公司内部的业务团队或者 IT 不自己把这事干了?他自己写这套 harness 的时候,写到一半想让其他同事加入,发现算了,还不如自己写,因为沟通半天不如自己写得多。

信息差比你想象的大得多

“他们觉得你是 AI 专家,但是他们问我的问题都是类似于 Codex 怎么安装。”——任鑫

我给了两个原因,第一个就是开头那个场景:信息差可能比你想象中大得多。

徐文浩随口就能讲出一堆新闻,我全职带娃根本没看,居然也知道,这是因为我们泡在这个圈子里。世界上绝大部分人是不知道这些事情的。那些已经很拥抱 AI 的老板,还会卡在你想都想不到的地方。

徐文浩反问:他可以不装 Codex 啊,Codex 有信用卡门槛,装个国产客户端不行吗?我说,大部分人只知道豆包。更让我震撼的是,我最近近距离接触了很多看起来非常高科技的、你知道名字的 AI 公司,他们的创始人平时在用豆包,工作中很多也在问豆包。并不是人人都已经在用 Claude Code、Codex,像我们这样的老登,转身其实还挺慢的。

第二个原因是人。你说公司里找个小朋友搞一下就好了,但很多传统企业真的没有这个人。传统企业利润薄,副总可能才 50 万年薪,一家不小的公司整个研发负责人可能才 80 万,而互联网公司请个好一点的小朋友经常年薪百万。

而且懂有几层意思,一个是他真懂,还要乘以他的表达能力。我们懂也不算最顶级的懂,但挺能白活。内部那个 IT 负责人,老板也不信他,觉得他不懂。这个时候外来的和尚就比较容易被信,尤其是原本麦肯锡出身、有光环的,告诉你说美的我们刚刚帮他转型,老板就信了。信了之后现场装一个、演示一下,一个人既高屋建瓴又能马上落地,形象就出来了。

我们孵化的团队也在这么干,一边开会一边上线八个 demo,“王总你要的是这个”,对方就觉得你们太落地了。实际上都是常规操作。

所以我觉得这里面机会真的很多,甚至想过我们两个是不是应该转型,规模化地帮公司培养 FDE。徐文浩说这个业务一直存在,我们之前聊过,AI 时代有一个做 AI 时代的埃森哲的机会。

AI 转型是个政治问题,要借刀杀人

“不是说能力上做不到,他位置上做这些真的对他没什么好处,所以要借刀杀人。”——任鑫

我的第二个观点有点像麦肯锡。公司里的人也熟悉公司,那为什么要请麦肯锡来讲道理?因为很多时候这是一个政治问题。

AI 革命的是自己。对员工来讲,它多少是来抢饭碗的;对管理层来讲,它多少是来抢权的。让自己给自己开刀,很难。我最近在听安克的课,听了两遍,讲得太好了。像这种公司能做下来,是因为老板确实够狠。但很少有老板又够狠,又能管得下来业务。

我认识的大部分老板,看起来很有权威,能把下属喷得像狗一样,但他们已经干涉不了业务了,甚至不敢把那个被喷的高管开掉,因为他自己已经不懂了。这个时候高管跟他讲“我这边改不动”,他也没办法。我最近就见到一个高管非常直接地问推 AI 转型的 HR 负责人:你给我讲讲这件事对我的好处是什么?两个人很熟,HR 说不出来。

所以从政治上讲,得从外面借刀杀人。不是内部做不到,是他的位置让他做不到。

徐文浩接得很快:那这个时候这个职位就回到传统咨询了,跟 FDE 没啥关系了。我同意,埃森哲当年也是号称拿着自己的高科技帮你改造,现在换成拿着 AI 号称帮你改造。

“你如果一个万亿的大厂都是万众一心的,那你创业公司你有什么机会?你没有什么机会。”——徐文浩

他说这种问题在所有组织里都会存在,而这恰恰是创业公司的机会。

徐文浩:FDE 是填缝的,缝填完就消亡

“FDE 可能它不是一个长久的业务,它更像在这个阶段去填补企业渗透 AI 缝隙的过程。”——徐文浩

轮到徐文浩讲他的看法。先说 OPC:他一直的观点是OPC 本身不成立,但团队规模小是成立的。不成立的原因是你总要参与市场竞争,现代社会做一家公司,从做产品到销售到交付,复杂度还是挺高的。而且假设一个人能搞定,多一个人能不能 double?是不是能挣更多钱?

小团队成立,是他在自己公司的体感:一个人干活效率往往可以做到非常高,任何一个环节的交接都是对效率的损耗。

但他也承认有一个问题自己没回答好:大家现在互相之间不太说话了。别人问他一个事儿,他就给一个 link,可能是个代码库。对方没耐心看整个架构怎么设计的,他也觉得两句话讲不清楚。

“不如你直接拿着我的代码库,对着 AI 问。”——徐文浩

我说就应该这样。我最近聊了一批这种公司,基本都是协调越来越少,原来四五六步的流程缩到一两步。有个说法叫所有人从飞书合作模式转向 GitHub 合作模式:不是人跟人聊聊聊,而是所有人对着同一个 repo 写作。人和人之间的交接、沟通、对齐、推进,效率太低了。

我在上一期讲 AI 原生组织转型的单口里也说过,应该把 AI 当中央枢纽、当总线,让 AI 来做这些事,人来做这些事人就会成为瓶颈。

然后他把话题拉回 FDE,给出了和我不一样的判断:FDE 不是一个长久的业务,它是这个阶段填补企业渗透 AI 缝隙的过程。按道理模型能力越强、产品越完善,就应该是公司内部员工自己拿着一个 agent 对着它说话。所有公司要解决的都不是 AI 问题。

“我要解决的问题并不是我的 AI 多有效率,而是我这个餐馆得有客人来花钱吃我的饭。”——徐文浩

我们这些搞 AI 的外行不知道一个餐馆怎么运营,餐馆里非常细节的弯弯绕绕。他不了解 AI,你不了解餐馆,但你想挣钱,所以拼命去了解餐馆,慢慢帮他把缝隙填完。填完之后,FDE 应该变成他内部的员工,沟通成本更低,你就去下一家公司。最终这个职能就消亡了。

我也承认一个人搞不定,现实世界有很多摩擦。有人请我讲课,光是合同、进五百强和大厂的供应商流程,就要耗进去小半个人。你光是为了收钱,可能都要耗三个人。大家把 FDE 想得太简单了。

所以这一段我们的分歧其实很清楚:他看的是终局,缝填完 FDE 就没了;我看的是窗口,信息差和政治问题还在,窗口期里机会真的很多。两个都对,取决于你打算在哪个时间尺度上赚钱。

国产模型上桌了:80% 的活分不出差别

“这些一线的模型基本上对我日常的 80% 的开发工作可能已经没有差别了。”——徐文浩

徐文浩盘了一遍最近的模型发布。国内至少四个大发布:Kimi 3 口碑很好,DeepSeek V4 Flash 7 月 31 号的版本反馈非常好,千问的 27B 小模型反馈很好,MiniMax 反馈也好 [待核],而 DeepSeek V4 Pro 的反馈非常一般,甚至有人上纲上线说是不是发错了。海外这边 Google 发了 Gemini 3.7 Flash,Grok 发了 4.5 和 4.6,Meta 发了 Muse Spark 1.1 和 1.2 [待核],腾讯发了一个小的混元 3。

他的判断是:这一轮发出来的模型,市场上觉得还不错、愿意用的,都可以算还在基础模型的牌桌上,大家都到了 Opus 4.6 和 Codex 那一档的能力。

他自己重度用了 Kimi 3 和 Grok。Kimi 上线时他花 199 人民币订了,正好一个 Kimi 开发者关系的朋友又送了两个月,一两周额度全用完了。Grok 是因为他订了 X 的 Premium,自带差不多 30 美金的 Grok 订阅。

结论是:只要给一个明确的代码任务,或者大方向明确、细节没那么明确的任务,他在体感上已经分不出跟 GPT 和 Claude 有什么明显差别,带进他内部的 harness 走 code review、根据反馈修复、最终上线,看起来也没什么问题。

但有两个例外。第一个是长程大任务。我这边孵化器有反馈,说长程大任务还是没办法比,所以又切回去了。徐文浩说这一点所有人都没办法,他经常在朋友圈喷这个:

“不管是 GPT 5.6 也好,你甚至看 Opus 开到 ultra max 也好,真正的长程复杂的大任务,只有 Fable 能做好。”——徐文浩 [待核]

第二个例外是快。日常排查工作,问个 bug、看看代码有什么问题,他一般不开 Codex,特别不开 Claude,因为 Claude 特别慢,额度大但特别慢。Grok 有一段时间非常快,他就一直开着一个 Grok 在那里问。Kimi 后来算力太慢基本没法用,后台全是报错的请求。今天快其实很重要,因为往往会并行开很多窗口,想在一个很大的代码仓库里快速确认一些事情,模型非常 powerful 但很慢,你也受不了。

我也是,现在都是同时要做很多事情,否则会被它们急死。

蒸馏:ROI 最高的事,不违法也不违德

“我既不觉得蒸馏违背法律,我也不觉得蒸馏违背道德。我花了钱买了你的 API,凭啥我爱干啥。”——徐文浩

这一轮有很多关于蒸馏的争议。我问了两个问题:做到 SOTA 跟蒸馏关系大不大?还有,我们聊下来一直觉得字节是全村的希望,为什么好像一直没做出来?一种说法是因为他们死活不蒸馏。

徐文浩先反问:Google 做得也不好,你觉得离谱吗?我说也很离谱。他说以前是嘲笑谷歌,说它是美国豆包,现在的说法是请不要侮辱豆包。豆包在中国太方便了,但脑子真的不行。Kimi、MiniMax 都出过 SOTA,字节一直没出来,不可能是能力问题。

关于蒸馏,徐文浩的态度很实在。第一,蒸馏肯定很有作用,它是 ROI 非常高的一件事,就像让 AI 写代码和让人写代码的效率差。蒸馏是为了获取训练样本,从更好的模型那里拿,而且这个获取方式是自动的,只要有足够多的账号和钱就横向可扩展;让人去写数据是手动的,且不一定能横向扩展。所以从后训练拿 bootstrap 数据的角度,两边效率差别非常大。

第二,他推测大家肯定都做了蒸馏,谁也没承认没否认。但如果字节明确说没有,那可能真的没有。我记得张一鸣明确说过 [待核]。他还提到 Claude 有时候也会说自己是 DeepSeek 或者千问,所以很多人觉得他们也可能蒸馏了开源模型的数据。

他的立场是:写个 license 说不准蒸馏,一点都不合理,按我们国家的法律很多东西就是霸王条款,写了也没用。我说这有点像 Anthropic 把书买过去扫进去,然后把书烧了。

至于字节为什么没出来,徐文浩说不一定跟蒸馏有关,他给了两个瞎猜。一是字节和 Google 都是所有事情都做,可能在追求一个全模态统一的模型,多模态训练里有个决策叫 early fusion 还是 late fusion,早期就把多模态融进来会更复杂更难,等于更早要回答一个更困难的问题。用我的话说就是赌了个大的。二是股份:在 MiniMax 或 Kimi 做一个模型拿多少股份,在字节做拿多少?字节出来的人立刻能融资,钱虽然掏不进兜里,心理感受不一样。他自己说这些都可以当他瞎编的,没有任何证据。

模型会不会变成水电煤

“你要教高中物理,你用一个诺贝尔奖获得者和用一个大学生其实差不多。”——任鑫

国产模型上桌,回答了三年前一开始做基础模型时的老问题:模型最后会不会成为水电煤,变成一个没有议价能力的基础设施?

徐文浩说,今天很多人不用 Kimi 不是因为 Kimi 不好,而是按价格算下来不如 Codex 划算。如果 Kimi 比 Codex 划算十倍,别人可能就不用 Codex 了。三年前大家是用思想实验讨论这个问题,说它会不会像移动运营商、铺光缆一样变成基建但没有毛利。今天大家都是通过一个 API 提供智能,API 长得也差不多。

我的看法是分两类。最前沿的实验室会花 20 万美金订一个账号,每个月花 1000 万美金,但只有他们需要那种顶级智能。大部分任务,用一个诺贝尔奖获得者和用一个大学生其实差不多。大量的工作就会被盖掉,除非是竞争性工作和无尽边疆那种探索性工作,只有这两种需要用到最前沿的智能。

这也连着另一条新闻:Anthropic 和 OpenAI 都在说要 IPO,目标是一万亿、两万亿美元,但市面上有说法是 Anthropic 的增长率已经降到个位数 [待核]。徐文浩觉得上不了市不太可能,估值也不会低,问题是长期价值会不会遭遇一次毁灭性打击。

“假设今天你不让我用 Claude 了,我虽然会有点难受,但是这活也不是干不了了。但是去年 11 月份可能你不让我用 Claude,我觉得这活没法干了。”——徐文浩

那时候有很多梗,“再吸一口 Claude”。现在不至于了,换一个模型也能干。

我说那结论就是他们上市之后买股票也不安全。徐文浩说他基本不炒股,这也不是金融频道,但他有一套“买保险”的逻辑:未来可能别的公司都不值钱,只有这家公司特别值钱,那我拥有它 1000 万分之一,在整个世界的经济地位里就不会过得太差。他几千美金的时候买一个比特币也是这个逻辑,5000 美金掏得起,就当买一份保险,万一全世界人民都有比特币了,他占了 4000 万分之一,全世界 50 亿人,他不是过得最惨的。

我把这叫不对称风险:upside 必须很大,那就可以拿有限的钱赌一下。而 upside 大的场景确实存在。现在人类社会里“无尽边疆”类的事情是少数,大部分是打杂的行政类工作。但如果智能可以无限分配,去小行星采矿、开发太阳系、意识上传,全都要用最好的智能。有没有可能人类当前的经济只占未来经济的 1%,其他全是打开无尽边疆的事?那时对神级智能的需求就是无限的,它在自己推动自己。就有可能只剩两家公司,因为全被吃进去了。

“我们现在看到的就有点像是一个古代的农民,他会想象不出来除了挑个担子卖货以及种地之外,还有什么可能赚钱的事情。”——任鑫

DeepSeek 的 harness:当 agent 用很烂,当内核看很有意思

“它的做法就是万事万物皆插件,什么都可以变。……我觉得一个万能的东西万万不能。”——徐文浩

终于问到 DeepSeek 发的那个 harness,DSH。争论很大,有人觉得巨傻,有人觉得很好。徐文浩说他的想法跟骂的人、夸的人都不太一样。

他没怎么用,粗看了 code base 和网上对 tech report 的解读。第一个判断:它不是很多人一开始预期的那种好的 harness 或好的 agent。今天讲 harness,讲的是 Codex、Claude Code 这样的客户端,或者 Pi 这样的核心。而 DSH 的做法是万事万物皆插件,什么都可以变。

他的世界观是:这个世界非常 dirty。你想要一个优雅的接口,下面一定包着一坨东西,才能把活干了。所以好的 harness 或 agent 都做了非常多的取舍:想明白哪些是很强的固定配置,必须这样;哪些是可以改变的扩展点。Codex 和 Claude 都有插件机制,但它们的 agent loop 你是改不了的。Pi 有很强的 opinion。OpenClaw 很重视通过各种 IM 和设备接入。所有这些 agent 都有很强的观念,包括他们接下来要发的产品也有。一个万能的东西万万不能,它面临的问题就是这东西到底干啥用的。

我问那是不是像 OpenClaw,给想倒腾的人倒腾的。他说不一样,OpenClaw 像瑞士军刀、像工具箱,乱七八糟都塞给你,代码可能写得很 dirty,但功能是做了的,也有扩展点,并没有说万事万物皆可改。

做一个 agent loop 要考察什么?他给了三条:长程任务能不能做好,这是核心;cache 命中率能不能高;sub agent 的编排能力。其他功能大家都有,靠扩展点解决。从这个角度,如果你正经想拿 DSH 当生产力工具,他完全同意喷它的那群人。

至于第二波人说 DeepSeek 是奔着 AGI 去的,让模型在运行中改自己的 harness,形成 RSI 自我迭代,徐文浩的原话是:

“我觉得这帮人属于自媒体看多了脑抽,我觉得肯定没有关系,这个是我的判断,一毛钱关系也没有。”——徐文浩

理由很硬:它现在交付出来的东西,拿来写 code 的效率就已经不够高了。而且 DSH 的代码不是用 DSH 写的,有人扒过 commit history,大概率是用 Codex 和 Claude 写的。即使 DeepSeek 过两天有人出来说是这么想的,他也觉得是看了媒体觉得这个故事好。

这里我插了一句不同意见。他说怪异,可如果这是一家创业公司,怪异是一个很大的加分项。现在最头疼的事就是大部分项目太不怪异了,我看到名字都能帮他把 PPT 讲得更好,太无聊了。一看到怪异就眼睛一亮。

可塑性软件:每个人的厨房都不一样

“为什么 agent 必须是聊天窗口呢?”——徐文浩

徐文浩说 DSH 对他真正的价值,是提供了另一个思考。随着国内 agent 火了,大家陷入了一个怪圈:人人都要做一个客户端。云端 agent 温度下降,大家都做装在电脑上、能帮我写 PPT 的东西。左边一堆任务列表,中间一个对话框,右边一个 preview。都一样。他觉得这个路子稍微走偏了,模型能力到今天,三栏式 agent 完善之后,应该往下一步走。

下一步这个词不是他发明的,海外叫可塑性软件(malleable software)[待核]。他觉得 DSH 是一个很有意思的可塑性软件内核。

为什么有了 Codex 和 Claude Code,还有那么多小团队和开发者自己再做一个 agent 客户端,长相都差不多?因为每个人心目中想要的软件是有差别的。他自己也想再做一个给自己用,跟给公司做的还不一样。

他投屏了一篇文章里的两张图:一个吉他制作室,一个厨房。一个厨子或者一个电工,都有自己的工作间,每个人的工作间长得都不一样,设备不一样,布局不一样。业界有最佳实践,有些步骤大家一样,但我习惯用的锅、铲、调料不一样,布局就不一样。用 agent 也是这样,剪视频有人用剪映,有人用 Premiere,有人用 Final Cut。他自己很少用 Codex 的客户端,同事有用别的客户端的,还有在试新的。公司也一样,原来买一个 ERP,不只买软件,还要做实施、二次开发、配置。

为什么 agent 必须是聊天窗口?很多 agent 产品的核心不是聊天窗口,做视频的是 workflow,设计芯片的也不该是聊天窗口,甚至聊天窗口对程序员也不舒服。他更希望有个宽屏,上面是 code diff,下面几个聊天窗口。原来这种需求很难满足,大家捏着鼻子用不同软件组合出来。今天因为可以临时写代码,按我的需求定制没那么困难了。

但也不应该从零开始。剪映的东西都好,就这个布局不舒服,你不可能从零写一个剪映。合理的逻辑是在原来的软件上,用 AI 写一些 code,把它定制成我需要的东西。从这个视角 DSH 就有用了:什么都可以改。

我拿自己举例:我剪视频用 HyperFrames,但没用它完整的,让 AI 过去学了一下,砍了一半,按我的偏好改了,变成了一个叫 Mars frames 的东西,这不是更原生的方式吗?

徐文浩不同意,这里分两层。第一,HyperFrames 能做的事跟 Final Cut Pro、跟剪映比差得非常远,剪映的代码量大到你用 10 个订阅写一个月也写不完,不能因为有这种东西存在就觉得能从零写一个剪映。我说我不是说它替代剪映,是说它在形态上已经做到了你描述的那种:一个东西,我可以按需求把它融化掉,一部分进到我的环境里变成我的。

第二层是他真正的点:HyperFrames 只是剪辑中的小功能,靠一个 agent loop 组装起来。但不管你用哪个 agent,这个 agent 是改不了自己的 agent loop 的。写什么 prompt、怎么拼装、哪些环节拦截、哪些环节找人确认,代码都是写死的。DSH 想解决的是:为什么整个 coding harness 是静态的?为什么不能这轮对话这样拼,那轮对话那样拼?用户这一轮输入是打断,下一轮是等上一轮结束再插入,整个 agent 运行时是不是也在动态变化?

我说听起来很有道理。他说所以换个视角这件事有价值,但今天直接当 harness 用,做得非常不好,跟 RSI 更是一毛钱关系没有。

他最后把这套想法接到了自己的生意上。面向企业做 agent,你不可能让企业都用你的一个客户端,而是要提供一个厨房,能根据需求快速组装。企业原来就是一个 ERP,不是对话窗口,也能快速把 agent 能力接进来,在特定环节或流程里加 agent,而不是重新用聊天窗口把系统做一遍。未来一定是 hybrid:传统软件加 agent 加胶水。他们内部已经在 alpha 一个产品,一句话帮你做一个 agent,接入任何产品,部署到任何云端。

“在软件发明之前,你买任何一个东西,你买到手的那一刻,这个东西有什么用,它就有什么用。”——徐文浩

软件是伟大的发明,买台电脑回来装一个软件多个游戏,再装一个多个电子表格。原来的软件得一帮人花很多力气做出来分发给所有人,制作太贵,每个人只能用一样的。接下来的软件可以非常个性化,但不是每个人从零做,而是每个人基于某个软件或内核再改成自己需要的东西。

我补了一个市场角度:剪映如果真有那么多不可替代的东西,但它面临竞争压力,市场上的第二名一定会把自己原子化打出来,只有它 60% 的能力,但全原子化了,你再把功能取回来拼。

一家小公司怎么让 AI 当总线

“把很多原来需要综合信息的事……这些事情其实都让 AI 做了。并且我觉得是需要有人花力气把这个东西做了,让其他人不花力气就能 access 它。”——徐文浩

我后天要去混沌录 AI 原生组织转型的课,顺手从徐文浩这里偷案例。我聊了一圈看到的比较重要的一点是:不是改组织让你更好地用 AI,而是用 AI 来完成组织的职能。AI 是组织的竞品。比较有效的是用 AI 来做对齐,所有人在同一个唯一事实来源上工作;用 AI 来发现工作、分配工作、传导工作、检查工作,让 AI 闭环,把做得好的沉淀下来。

徐文浩公司的实际做法是这样的。他们有一个 agent 在飞书里,你报 bug,它直接去看线上日志、看当前代码库,回答你的时候知道你是谁、你的邮箱、你账户线上实际的运行情况。还有 agent 每天扫报警,发到不同的群里。这些事原来很吃人的责任心,但又不是每天有创新性的开放性的事,全让 AI 做了。

第二条原则是尽量让别人不改习惯。他们试过让人去问 Claude、做个 skill,试过让大家把 bug 报到 Linear 里 [待核],但大家习惯用飞书,最后就建了一个飞书主题群,你往哪里报都行,机器人把它放进去、去线上查、主动问用户。让这个东西 easy to access,会更快推动大家习惯用它。

代码这边,任何提交都有自动化检查、代码质量测试、AI review、端到端测试。每周自动扫一轮:哪些模块重复了、需要重构、设计不合理、文档没对齐,AI 直接改完发一个 PR 给你看,你决定合不合并,合了就上线。我上次理解错了一件事,以为是每个人画了一堆丑陋的 SVG,他们事后统一用库重画一遍。实际是他们做了一个限制:SVG 不能出现在代码里,除非你明文说我就是要手画,否则自动从选定的开源库里挑一个图。

非技术人员怎么用起来的?他的回答只有两个字:强迫。你要改一个界面,研发说把 code base 给你,你自己改。“你跟我讲,你不如跟他讲一遍,你提 PR 我看一下。”设计师直接拿仓库改,线上核心代码不能直接提交,加了检查门禁,只能提分支让工程师检查。工程师要花一些精力帮他把环境设好,之后他本地就能模拟线上服务器,拉出来看网页效果。

我问有没有 AI 在管理人、安排人。他说很少,因为组织很小。反而有一个反过来的问题:人与人的沟通在减少,原来觉得站会有点形式主义,今天几个人的团队,站会形式主义地沟通一圈反而必不可少,不然互相之间完全不讲,也很怪异。

彩蛋:去二线城市看看,和家里那个不绑生态的 Jarvis

“如果我们真的相信 AI 是整个一个巨大的社会变革,它不应该只是只针对 1000 万人的,他应该针对 12 亿人的。”——徐文浩

收尾时徐文浩说他挺想做一件事:去中国的二线城市看一看有没有普及 AI 的会议。他的假设是信息非常不普及,就算今天腾讯下手推客户端 agent,先做的也是一线城市那些所谓更先进的公司。在洛阳、开封、绍兴,大家用 AI 吗?有需求吗?用 agent 吗?

我知道两个相关信息。一个 O2O 时代的创始人现在主要在做农村的 AI 推广,比我们下沉得多。另一个是我上期采访的那些人正在卖课,识别到一个已经被验证好多遍的需求:大家都想做副业,而想到的副业都是自媒体,所以 AI 乘以自媒体,是现在需求和供给都配上的东西。二三线城市买这个的人很多,还有人在买算力、买虚拟人,有些其实是传销。我自己老家长沙也可以去看看。

另一条他觉得值得单独聊的:Ruby on Rails 的作者 DHH 做了一个新版 Linux,叫 Omarchy [待核],开出来没几天就成立了基金会,据说自己投了 100 万美金,已经凑了 1000 万美金 [待核],做以 Linux 为内核的 agent OS。

他自己在家已经这么干了:一台 Linux 服务器跑着 OpenClaw 和一套开源智能家居加摄像头软件,24 小时监控摄像头,用 Discord 讲话就能控制家里的灯、看实时监控,还买了个阵列麦克风,在家吼一嗓子就能让它干任何事。不绑死在任何一个小米或者苹果的生态上。我问为什么不用小度音箱,他说小度也是阵列麦克风,但他要的是开放的芯片和程序,可以自己写:我希望它叫 Jarvis 行不行?希望它连我所有的设备行不行?希望它不发给小度,发给我的 OpenClaw,由 OpenClaw 决定用 DeepSeek 还是 GPT 处理不同的任务。

成本不高:可开发的板子三四百块,摄像头一百多,随便找台老电脑装个 Linux 就能开始。

“这一轮的 AI 的能力就是 coding 的,就是快速 coding 出一个你需要的东西的能力,然后把这些东西很快的组合在一起,然后不断在往上叠加,它能做无穷多的事情。”——徐文浩

结语

这期从头到尾其实只有一个问题:钱从哪来。OPC 卡在没人付钱,FDE 靠传统企业付钱但可能只是阶段性的,模型厂商要面对水电煤的定价,DeepSeek 的 harness 被喷是因为拿来干活效率不够高,可塑性软件的商业形态是给企业一个厨房而不是一个聊天框。徐文浩和我在 FDE 上的分歧,说到底也是时间尺度的分歧:终局上缝会被填完,窗口期里缝还很大。

而徐文浩那句话我觉得是这期最值钱的:这一轮 AI 的能力就是 coding 的能力,快速做出你需要的东西,再快速组合叠加。从家里的 Jarvis,到公司里的飞书机器人,到给企业的 ERP 里塞一个 agent,本质上是同一件事。

所以问题回到你这里:你手上的那个软件,是买到手那一刻它有什么用就只能有什么用,还是你已经开始往里面加自己的东西了?

跳转微信打开

  •  

鹿客陈彬:能让 AI 做的,就尽量别让人做

原创 Mars任鑫 2026-09-21 07:05 河北

智能锁公司鹿客的 AI 原生改造施工记录:CEO 兼 HR 一号位、圈长管奖金包、三轮内部报名重新起立再坐下,5% 的人搅动整个公司;IPD 不动,AI 不是救命稻草。

关键要点

  • CEO 就该是公司的 HR 一号位

  • 从 1 到 0,先假设组织流程都不存在

  • 圈长管奖金包,职能部门只有建议权

  • 5% 的人就能搅动整个公司的变革

  • 三轮内部报名,重新起立再重新坐下

  • 人走了优先用 AI 补,新招人要特批

  • 传统行业可以慢,AI 不是救命稻草

前一段时间刷到一篇公众号,标题叫《HARO 成立!我们要把公司重写成 AI Native 的组织》。打开一看,跟一般的 PR 稿不一样,一看就是只有老板敢写的那种东西:岗位重新设计、组织重新设计,看得我莫名其妙热血起来。热血完了又觉得奇怪,我为什么会热血?所以赶紧把作者约来,问问你们到底想干嘛。

作者是陈彬,鹿客的创始人。鹿客是我唯二知道牌子的智能锁,另一个是小米,聊了才知道小米的锁大概 70% 也是他们研发制造的,等于我换了锁也没逃出他的手掌心。他 2014 年开始创业,到现在正好 12 年,之前在索尼、百度待过,百度刚开始做硬件的时候,小度的智能家居就是他做的。

聊完的感觉是:这不是对一篇宣言的解释,是一份施工记录。CEO 自己兼 HR 一号位、HARO 怎么配人、圈长怎么管奖金包、三轮内部报名怎么「重新起立再重新坐下」、年底要招 50 个 AI 管培生。还有哪些东西他明确说不能动,比如华为那套 IPD。

以下是这期对话的整理。

一篇 AI 写的文章,一个字没改

「什么东西能让 AI 做,就尽量不要让人做。」——陈彬

先说那篇文章。陈彬说文章是他写的,准确地说是他让 AI 写的:告诉它想表达什么,不断对话,让它去 AI 味、模仿自己的口吻,最后一个字没改。那天正好 Xcircle 的小飞在公司做组织变革的培训,他一时兴起,写给内部同学看,解释为什么要做这个变革。同一天,公司还发了一封 HR 团队组织调整的邮件。

我问他,AI 原生组织到底是啥意思,让 AI 管公司吗?

他的定义很朴素:首先从 AI 出发,什么东西能让 AI 做就尽量不要让人做。然后,流程逻辑上都应该被重构掉,不要按原来的思维想「这件事原本应该怎么做」。因为原来的组织、流程,很可能都是错的,甚至都不应该存在。

鹿客今年 12 周年,周年庆的主题叫「从 1 到 0」。意思是回到一个人创业的初衷:假设现在从零开始,手里有这么多 AI 工具,原来的组织、流程、甚至产品都不存在,你应该怎么干?按这个思路去看,再决定现在该改什么。

我追问了一句:这跟「大家都要用好 AI」有什么区别?听起来你说的不是让每个人加油用 copilot。

他说核心得从上到下,每个人先有老板思维、经营思维,再看一条业务线、一条产品线、一个小的商业闭环怎么实现。这更多是针对未来核心组织构建者的倡议,不是针对所有人,「甚至也不需要这么多人」。先把组织构建好,再去看人和人怎么分工。

不是给现有流程提速,是先假设流程不存在。这是两件事,很多公司做的是前一件,以为自己在做后一件。

CEO 就该是 HR 一号位

「业务一号位或者 CEO 就应该是 HR 一号位。因为我最了解业务,也懂组织。」——陈彬

按「从 1 到 0」往下推,第一个结论是:既然要重构,逻辑上 CEO 就应该是 HR 一号位。他最了解业务,也懂组织,这个决策只能他来做。

然后才是 HARO,全称 Human AI Resource Office。我问这跟 HR 加 IT 合并有什么区别?

陈彬的回答落在人上:HARO 一号位一定得懂业务。他选的人是自己长线的创业伙伴,技术出身,原来是百度的架构师,当年一起做云平台、做 AI;后来自己创过业当过 CEO,到鹿客之后做过产品线、做过研发、带过品牌,后来带 IT。「他得有从公司经营到战略、到业务、到产品技术的闭环经历才行,这个人才有可能真的把人和 AI 结合在一起来思考问题。」

有意思的是配人的顺序反过来了。原来 HR 一号位对人敏感,但对系统、对技术不敏感。鹿客把一号位换成技术导向的人,再给他配对人敏感的 HRBP。先懂 AI 再配懂人的,而不是先懂人再学 AI。

我的理解:他其实就是公司里负责 AI 转型的人,把硅基的人和碳基的人放在一起,反正都算资源,由他来调配。

结构上有实线也有虚线。实线是原来的 IT,现在改名叫 AIO(AI Office),运维在里面,未来以 AI 为主做 agent builder 的活。虚线是 FDE:每个业务领域挑一些对业务擅长、或者对 AI 改革意愿很强的人来做,虚线向 HARO 汇报。

Agent builder 和 FDE:不脱产,拿 30% 到 50% 的精力

「如果有这么多冗余度,我们肯定会走安克这条路。但是我们其实没有这么多冗余度。」——陈彬

我问他 agent builder 和 FDE 有什么区别,听起来不就是一个东西吗?

陈彬说长期看应该是一个人搞定,但短期每个人有擅长。IT 出身的人 build 一个 agent 没问题,让他快速理解业务就难了。FDE 要求你进到业务里去梳理,比如供应、计划、采购的流程,怎么重塑甚至重构。鹿客有一套 FDE 的工作方法,但他强调最好还是业务专家跟 agent builder 一起来:「没有真正去梳理过这个业务流的人,其实也不是一个真正胜任的 FDE。」所以他们从业务里挑专业、又对 AI 有意愿的人来做。

具体怎么合作?我提了三种模式:builder 坐到业务部门去;搞工作坊、黑客松冲刺一下;或者像安克那样,把几个人脱产一个月关进小黑屋。

他的回答很实在:有冗余度肯定走安克那条路,但鹿客没有这么多冗余度。做法是把业务的人和 agent builder 合在一起,真的进到业务现场解决问题,不脱产,边做业务边拿 30% 到 50% 的精力做这件事。

这些人归谁管?大部分归 HARO。公司还做了一个金字塔,把 AI 水平分成 L1 到 L4:L2 以上叫鹿客的「AI 启航员」,再往上是「领航员」。从这里面挑出来的人,可能在 HARO,也可能在业务里,要么做 FDE,要么做 agent builder,不管实线虚线,都归 HARO 负责人。

圈子不是项目组:圈长管奖金包,职能只有建议权

「让职能的权力变小,让圈子的权力或者圈长的权力变大。」——陈彬

那篇文章里我看到他们在重新划圈子。圈子跟项目组有什么区别?

陈彬先划了一条线:圈子跟华为的产品线也不一样。华为是矩阵式架构,产品线和职能体系交叉,本身是很好的结构。圈子往反方向走,原来是职能型的,现在是端到端价值闭环的小团队,而且故意把职能的权力和边界抹掉。

抹到什么程度?假设公司给一个圈子分了一个奖金包,剩下的很多都由圈长决策,HR 和职能部门不能干涉,只有建议权。用人权、激励、奖金都到圈子里,以圈长为主,配班委和 HRBP。人和 agent 怎么搭配、效率怎么提、未来奖金包怎么分、他自己分多少,都可以他来决策。「进到圈子里,人就是一个创业的小团队了。」

我把它翻译了一下:以前项目组是双线,你借职能部门的人,但他的绩效是职能老大打的,工资是那边定的;现在是单线,前线老板是谁,他的老板就是谁。他确认了。

职能不会完全去掉。他拿华为打比方:华为一个叫养兵的(空军、陆军、海军),一个叫打仗的(战区),两边都重要。鹿客未来可能把职能改叫委员会,比如技术委员会,把各职能线的人拉到一起提升能力。但在变革的半年到一年内,肯定以打仗这条线为主,以价值能闭环的那条线为主。

先试点,不是一下子全做成圈子。第一批是消费者业务。

为什么现在家家户户都在拆组织

「原来可能需要二三十个人干的,现在只要三五个人就可以干了。」——陈彬

我有个困惑:很多公司现在都在拆组织,让小团队端到端闭环。这事以前也有很多尝试,后来大家又缩回去了,为什么现在好像能干了?

陈彬的回答很直接:AI 这个工具起来之后,原来一个人干不了的,一个人可以干了;三个人干不了的,三个人干了;原来需要二三十个人干的,现在只要三五个人。小团队不再那么依赖职能提供的能力了,这些能力要么外部有工具,要么 AI agent 可以帮你搞定。

他拿创业类比:当年创业,你肯定要和各种职能人才在一起才能干。但现在做一个创业公司,你不会一开始招法务、HR、财务,AI 可以把这些做得更好一点。早期不需要这么多职能型、专业型的人才,更多需要愿意为价值做闭环的人,能快速跑起来就行。

那效果呢?改完之后是效率高了,还是更多人对业绩负责了?

他没有吹。「我们还在过程中。」更多看到的是心态、行为和过程的变化。跟上半年比经营结果是有变化,慢慢在变好,但还没有这么明显。这个阶段还需要一些冗余,需要进一些鲶鱼,比如 AI 管培生,让大家看到用了之后确实可以加速:原来不敢干的现在可以干,原来干得少的现在干得更快更多。

在跟经营完全闭环之前,只能看过程指标:用了多少 token,有多少个 agent 已经进到十几个业务流里面去了。

把 AI buff 量出来:三个人加十个 agent

「它不是人与人沟通的工具,它更多是组织的设计、价值的评价,以及人跟 AI 在里面分工的一个工具。」——陈彬

小飞在这个过程里扮演什么角色?陈彬说参与的深度蛮深,有点像 partner,像战略 HR。鹿客内部没有 CHO,小飞就像陪着他一起做 AI 组织变革的 AI HR。

具体在做的事:一起打造端到端闭环的小团队,也就是圈子,把绩效、目标围绕圈子说清楚,然后把人和 agent 的分工在 Xcircle 里不断落地。有一个叫 AI buff 的指标:AI 可以给你增加 20%、30%、100%、200%,慢慢要每个人把计划写出来,做成可视化视图。

我问是不是可以看到每个人提效了百分之多少。他说长期每个人都看得到,但他们更关注圈子和业务本身:一个圈子里三个人加十个 agent,AI buff 是多少,AI 在里面的占比是不是不断在提升。

这套东西首先是把组织设计可视化了:一个个圈子,每个圈子八到十个人,有圈长,有各种角色。这个角色是 AI 干的,那个角色是人干的,点进一个角色能看到它的 AI buff,可能这个角色需要两个人加五个 agent。

真正的抓手是目标和绩效。内部有一套类似 OKR、KPI 的目标体系,你必须在里面填目标、填进展、跟 AI 对话、把工作结果放进去。最后以结果为导向,价值闭环:整个奖金包 100 万,你在里面占了 1%,就分 1 万;占了 10%,就分 10 万。用价值闭环的量化,慢慢取代原来的 S、A、B、C 和几个月年终奖。

最大的阻力不是反对,是「AI 只加数量不加质量」

「你连面包都吃不上,你说我要去追求艺术、追求 LV,那就没有意义。」——陈彬

我做过几家公司的 AI 顾问,看到的困难普遍比鹿客严重。基层口头上热火朝天,空气里隐隐觉得你就是来干掉我的;中高层越 AI 化越清楚是在抢他的权,会阳奉阴违,比如派几个完全不懂的小朋友来配合。

鹿客怎么让这件事相对顺利?陈彬承认跟一把手拍板有关系。另外他们确实做了组织调整:从 HARO 开始,挑关键人才时都在看他对 AI 的态度。公司主力人员基本都是拥抱 AI 的,不拥抱的要么已经淘汰,要么已经边缘化,这个从去年下半年就开始做了。所以到今年上半年,核心团队的阻碍比较小。执行层还有意识和惯性的问题,不是故意阻碍,是没感受到 AI 带来闭环效果的时候,习惯性用老方法。

真正的思维冲突在另一个地方:有人觉得 AI 只能加速数量,提升不了质量。做设计、做视频、做内容,用 AI 做出 60 分的东西,数量变成十倍甚至百倍,但留存不下来,做不出两三年后还能沉淀的精品。

陈彬的回应是这是精英思维。大家都在吃快餐,能做出精品的有几个人?放到历史长河里所有东西都会过时。哪怕你是做设计、做内容的,也要有经营思维:小红书种草之后能不能带来转化?带不来转化,就要看是 PMF 出了什么问题。质量确实需要人把关,有专业的人做 reviewer 更好,但公司连面包都吃不上的时候,追求艺术没有意义。

我补了一个角度:AI 不光是 productivity,也是 capability。以前做不了的事现在能做了,这里面长出来的不是传统意义上的质量。一个喜欢拉布布的人,看到锁跟拉布布结合的东西,会觉得质量更高;在我不感兴趣的事情上把分辨率做高,关我什么事。他说,你理解这个就容易,很多人不理解,觉得必须达到一个好的审美才叫质量。

正反馈的时间差也在这里。陈彬自己有 CEO agent,公司还有 COO agent,他能感受到它们在提升决策质量、思考深度,甚至战略选择,「敢相信他」。但每个人获得正反馈的时间不一样,可能要一个月、三个月、六个月。越是年轻人、越是小白越容易,因为他觉得啥都不会,一下就会了;原来已经做得很好的人,AI 只是加了点效率数量,他觉得也就那样。

部门之间也有光谱。跟软件、coding 相关的最容易,研发、算法都可以用 AI,每天有正反馈,「写代码好爽」。营销、品牌没这么快,发了更多内容,so what?有没有带来收入增长、奖金提升?正反馈没到之前,他还是会怀疑。

「是不是用来取代我们」

「你会用 AI 和不会用 AI,最后你是会被那些用 AI 的人给取代,就是比你跑得更快的人。」——陈彬

招 AI 管培生做宣讲的时候,真的有人提问:是不是用来取代我们的?

陈彬的回答是:取代大家的不是 AI 管培生,是会用 AI 的人。你要成为首先把 AI 用好的那 5%、10%、20%。而且这个竞争不是跟公司内部的竞争,是跟整个行业的竞争,因为行业是流动的。鹿客相对跑得靠前,「我们公司的 20% 甚至 50%,就相当于别人公司的 10%、20%」。只要你在行业里有竞争力,哪怕不在鹿客干,也能找到一席之地;跑慢了,不是被公司淘汰,是被行业甚至整个社会淘汰,那个才更恐怖。

经验的折旧也快了。「别人干个三个月、半年,可能就把你过去三年、五年的经验给抹平了。」

那还怎么挑人?以前看经验,干过就牛一点,工资高一点。现在经验被抹平,除了会 AI,什么人值得工资高?

他说底层还是人才观:少年感、成长思维、敢冒险、敢打破固有思维。他至少要证明过自己,在学校创过业、挣过钱,或者在别的公司实习干过落地的业务或产品。进来之后有 1 到 3 个月考察期,看面试时体现的和实际是不是一样,三个月能不能用 AI 真的给业务带来改变。只有带来业务改变,才会放进圈子,否则很难真正转正。「不是光看他 AI 用得好。」

有个细节我很喜欢:有的时候经验反而是累赘,最恐怖的是半桶水。经验还没到,但觉得自己已经很有经验了,不能改。稍微通透一点的人反而容易判断:框架思维、体系化思维、经营思维肯定有用,但哪些流程、哪些岗位在这个时代已经不需要了,也看得清。

重新起立,重新坐下:三轮内部报名

「圈子重构,就是让大家重新站起来,再重新坐下。」——陈彬

我问了一个很多公司会问的问题:如果另一家企业想转型,第一步挑什么样的人?我自己有个不靠谱的土办法:先把公司里自己花钱买了 Claude Code、或者每月交 20 美金以上订阅的人挑出来。他们能自己解决那么多障碍,说明动手能力强,还愿意在自己身上投资。

陈彬说这确实是第一批。公司没支持、没给钱他也愿意用,甚至一个月几亿、十几亿 token,自己掏 200 美金的都有。鹿客在做变革之前就有这样的人。但这帮人毕竟不多。

然后是第二招:内部报名,三轮。做圈子变革的时候,相当于大家重新起立,给到大家很多新的岗位和尝试的机会。原来一个研发、一个产品没机会转型,现在一个产品经理如果用 AI 做线上用户运营和销售做得不错,他有兴趣,有销售特质,就可以转。打破部门墙,让老人做新事。

具体操作不开大会,发邮件。第一轮是增量岗位:公司级需要一二十个 agent,以及对应的 agent builder 和 FDE,基于增量岗位选人。第二轮是圈子成立之后,看圈子缺什么,比如缺内容营销的 agent builder,把空缺的、紧急的角色放进邮件,谁愿意来报名。

报完名之后,先让他做一套自我评估,知道自己擅长什么、喜欢什么、能力项在哪,判断跟这个角色是不是匹配。然后组织答辩,每人 3 到 5 分钟,说清楚为什么能把这件事做好、之前做了什么。评委评完之后,还用 AI 把会议纪要和他的讲话全部拿来分析、匹配。100 个人报名,最后二三十个人被选出来,进到圈子里获得想要的角色。三轮下来,公司挑出 10% 到 20% 的人。

为什么会有 100 个人报名?是工资高吗?

不是。一是资源倾斜:培训、token 和 API、个人订阅的报销,只有进到圈子、进到启航员领航员计划里的人才能拿。二是内在动力:危机感,原来的岗位角色可能不存在了;主动意愿,三四年在一个岗位上已经乏味了。

那原部门老大怎么办?人走了,这摊事谁干?

陈彬的规则:优先用 AI 补。补不了,要么用 AI 管培生补,要么用更多的 token、更多的知识补。实在要新招人,走特批到他这里,说清楚为什么不能用管培生、为什么不能用 AI。逻辑上就没有通道了,「就堵死了」。我想起 Stripe 好像也是这样,要招人得详细证明这事为什么不能 AI 干 [待核]。

源头活水也在进:AI 管培生到年底会招 50 个,现在已经接近 20 个。

AI 管培生:他们比我们想象的用得更好

「他们比我们想象的要用得更好。」——陈彬

AI 管培生的门槛是 L2 以上。陈彬解释了这个 L:不是只跟豆包或者 GPT 对话,你要把 skills 用好,甚至能输出一些 skills,把 agent 用好,或者做一些 agent 出来。到了 L3,才能编工作流,用 agent 把工作流重塑。

内部找 L2、L3 级别的人挺难,但 L2 的管培生很容易找到。2027 年毕业的学生,大学一入学就在用,两三年下来比老人用得多,做事没有畏惧感。有个 AI 管培生自己参加飞书的 AI 大赛,拿了奖。老人们会有顾虑:用了 AI 到底能不能达到、能不能快速交付;管培生拿 AI 做增长、做海外 GTM,都能跑闭环。

公司非常多的领域需要这样的人,所以不叫岗位,叫领域,有一二十个。管培生在专业领域加 AI 能力,可以做 FDE、做 builder、做洞察。我看他们的招聘文案写的是:这里不给你培训,全是真实的问题。

支持体系也搭了。招聘负责人变成整个 AI 管培生的头,帮他们解决组织里的问题,很多时候不是阻碍,是任务目标不清晰、不知道该找谁。每个管培生进来都有一个业务 mentor,HR 线还有一个生活 mentor,解决工作生活上非业务的问题。陈彬自己参加他们的周会,定期组织沟通会,能在会上解决的就在会上解决掉。

合规我也问了。硬件公司不是小公司,出 demo 容易,真推起来会不会撞墙?他说目前还好,还没有这么多条条框框。涉及安全、用户隐私、支付、合同的,按公司已有流程制度走。但现在更多还在早期试错,在业务、产品、技术里快速迭代,还没到影响公司生死的层面,「所以我们可以更大胆地放心让他们去做,哪怕做错了也没关系」。

哪些不能动:IPD 留着,SP 到 BP 提速一倍

「你可以把它加速,甚至有的节点可以 bypass,但是它这个大框架非常的优秀。」——陈彬

我很在意一个问题:组织里总有很宝贵的老打法,比如华为的 IPD,它是没有 AI 的时候发明的。少壮派会说 AI 颠覆一切,应该重造;老派会说实体世界长周期的事情,方法沉淀这么久肯定要用。这种争吵,老板怎么判断?

陈彬先笑了:鹿客不存在少壮派,他自己就是最激进的那个,反而被大家拉着说要更谨慎、更落地。所以争吵不多,更多是他鼓动大家激进一点,错了再改回去。

但激进不等于全推翻。他的判断很清楚:AI 只能改造本身就不合理、特别冗余的流程,把它干掉;IPD 是沉淀过的、非常合理的框架,可以加速,但节点还在。

他举了 DSTE(从战略到执行)的例子。从 SP 到 BP,原来至少花三个月到半年,现在两个月就提交了,提速一倍。流程本身没变,只是原来开五次会变成开三次、两次。五看三定还在:看市场、看竞争、看自己、看技术、最后看机会,本质还在,只不过原来看三周,现在三天甚至一天。有的节点可以 bypass,框架本身也支持按产品线层级(S 级、A 级)减少节点。

一号位要自己想清楚哪些可以改、哪些不能动。能改的地方尽量让 AI 进去、人退出来,这一点他比较激进;但大的框架和原则还是要有,该坚持的坚持。

人的培养机制也一样。华为培养一个产品线经理要 10 到 15 年,让一个技术的人变成商业领袖,他觉得那套机制非常厉害。有了 AI,一个产品经理更容易理解营销、市场、销售,可能三年五年就够了。但该轮的岗不能跳过:只做技术出身的产品经理,不去接触市场、不去做前端销售,成不了产品线经理。华为三年轮一个岗,鹿客可能一年甚至半年轮一个,两三年下来也能成为合格的产品线经理。速度加快,路径不变。

安克是他们了解到的标杆,做得早,有 mother agent。他说安克原来的全球流程体系本身就好,所以做起来更容易;鹿客的问题更大,原来的流程本身可能就不好、效率不高,所以 AI 组织转型更多是改造原来不合理的东西。该保留的还是保留:华为的 IPD,飞书的项目和多维表格,这些能让硬件公司定得严谨、打得准。成本、效率上做得不好的,该学美的的还是要学。以前要找顾问、外部专家来讲,现在问 AI 就好。

还有一个他反复强调的词:三位一体。组织变成 AI native,产品往 AI 驱动的方向转,商业模型从卖硬件到软件收费、AI 订阅。三个一起动才能形成飞轮。「这个维度就很难完全照抄,只能学理念。」

一堆 CEO 的公司,和不可取代的那 0.1

「最后那一点可能从 0 到 0.1,那个确实是创始人不可取代的东西了。」——陈彬

我让他科幻一点:三年后鹿客的组织形态最大的不同是什么?

他说不一定三年,可能是十年后:下面一堆 CEO 或者总经理,产品线的、业务线的,一号位越来越多。他本质上不是想干的事越来越多、掌控力越来越强的人,希望尽可能放权,自己管文化价值观、人才体系,同时参与技术前沿驱动的创新业务。现在已经在这么做了,内部孵化出好几个产品线负责人和子公司 CEO,外部也在投资一些企业。三年能成长出 5 到 10 个真正的一号位就很不错。

那对创始人的要求变了吗?

「更加需要闭环。」创始人一开始就要多维度考虑问题,不只专注技术或商业。他自己也在训练自己的 CEO agent,把 CEO 这一层可复制的东西尽可能复制化。原来很多东西说不清楚,靠灵感、靠直觉,现在慢慢被 AI 吸收、蒸馏。最后剩下的那一点,从 0 到 0.1,是创始人不可取代的:使命、愿景,只有创始人相信,AI 不相信,因为它没有一线的体感和直觉。

这也是他说创始人决心的原因。创业 12 年,他现在还在孵化新产品、做用户调研、跑美国,处于很兴奋的状态。「公司得有一个这样的人,他能够很有激情去闭环这件事,才有动力真的把 AI 转型做好。」如果只是做组织,三年五年才看得到成效;把组织跟产品、技术、新兴趋势结合在一起,才激动人心,不会觉得累。

彩蛋:不是每家公司都要跑这么快

「AI 也不一定能成为救命稻草。」——陈彬

最后我出了个题:三个老板,一个开 500 家奶茶店,一个做 PCB 板工厂,一个管十万人的 call center,都想 AI 转型,你给什么建议?

陈彬说这主要看 AI 在这个行业里真正带来的价值。越是传统行业,AI 带来的价值越低,那你就可以慢一点,等鹿客这种公司把坑踩完,等豆包、火山引擎这些做得比较好了再选,试错成本更低。越是前沿科技、AI 能改造的行业,比如写代码、AIGC,越要早拥抱,因为迭代快、市场变化快、技术变化快,你不应该用太多人,决策质量更重要。

具体到三个:PCB 工厂到了物理世界,要等物理 AI、机器人成熟,三年五年甚至十年,没遇到经营性问题就慎重先别动,晚个一两年没关系。奶茶偏渠道、运营驱动,AI 能快速做从用户端到供应链端的反馈闭环,知道用户想喝什么味道,C2B 的供应链改造能产生更大作用。

真正大的还是软件。他有个朋友做出海 SaaS,原来五六十个人做一个领域(VOC),现在同样人力可以做十个领域,产能扩十倍。一个领域三个人就够:builder(把 FDE 和 agent builder 合成一个)、reviewer(甚至不在公司里,比如美国的一个 00 后,对短剧有网感有品味)、service(面向客户做服务)。早期可能两个人干,迭代非常快。一到硬件、工厂、奶茶店,就不只是这三个角色了。

我说现在经济压力大,大家都觉得 AI 是救命稻草,我平均每天有三个老板来问怎么吃这根稻草。

他的回答很实在:核心还是经济内卷导致的问题,AI 不一定能成为救命稻草。你得找准行业、市场,在国内还是海外、做什么品类。AI 可能帮你选得更好一点,但本质不是 AI 帮的,是你对行业和品类的选择。

而且不是所有公司都适合这么快。鹿客逻辑上也不需要这么快,加速是因为他们想做 AI 驱动的产品、下一个时代的 AI 硬件。「如果我只是做锁,那我就把经营、成本、渠道、营销做好就行了,不用这么激进。」

结语

这期最打动我的,是陈彬对「不动」的清醒。一个自称公司里最激进的人,能把 IPD、五看三定、产品线经理的轮岗路径一条条圈出来说这些不能跳过,只是从三周变三天。AI 原生组织不是把所有东西推倒重来,是先假设一切不存在,再一条条把该留的捡回来。

另一个是他最后那句:AI 不一定是救命稻草,本质还是你对行业和品类的选择。鹿客跑这么快,是因为他们要先活在未来,再为未来做产品。只做锁的话,不用这么激进。

我最近对 AI 组织转型这个话题很感兴趣,会多聊几期。现在越来越觉得,AI 组织转型最小的切口,其实就是内部培养 FDE,只是这个词的含义已经完全变了。

你的公司如果只能先动一件事:是先让 CEO 兼任 HR 一号位,还是先挑出那 5% 自己掏钱买订阅的人?

跳转微信打开

  •  

XMind 的 AI 原生组织:最关键是减少人与人之间的摩擦

原创 Mars任鑫 2026-09-20 07:05 河北

XMind 联合创始人 Mango 把增长部门打散、测试团队解散、圈长真分钱:个人提效之后,卡点从 AI 挪到了人,AI 原生组织最关键是减少人与人之间的摩擦。

关键要点

  • 个人提效之后,卡点从 AI 挪到了人

  • 增长和市场部门打散,进产品圈子各背业绩

  • 一个人 0.2 加 0.5 个人力,到处内部兼职

  • 职能部门退化成社区,只管技能等级认证

  • 圈长必须分钱,只打分不分钱不算数

  • 不改组织,这件事算谁的功劳

  • 解散测试团队,才发现全是手动测试

  • 先个人提效,再组织提效,最后才是经营

前一段时间我们在莫干山开 CAIO 大会,Mango 上台讲了一下 XMind 这家公司是怎么做 AI 组织转型的。听完我的第一反应是:这是我见过比较激进的一个——组织结构打破了,分钱的方式打破了,干活的方式也打破了。

XMind 这个产品大家都熟,他们成功地把自己定义成了品类,现在很多人已经想不起脑图的原始英文是什么,只记得 XMind。但这期不聊产品聊组织。现在像我这样讲道理的人很多,真正实干、做了闭环、又干得这么大刀阔斧的人其实挺少,所以赶紧把她抓过来,问三件事:为什么要转,怎么转的,踩了哪些坑。

以下是这期对话的整理。

从「卡在 AI」到「卡在人」:一家工具公司为什么要动组织

「因为有 SOP 流程的存在,就导致人和人之间就卡点卡在人那儿了,大家 AI 的不卡,现在卡在人那儿了。」——Mango

Mango 现在管商业化和增长,为什么想到要改组织?她的回答很朴素:XMind 这种类型的产品,主要成本就是研发和维护人员的薪水。而 AI 对 coding 的提效实在太见效了,所以团队早期就鼓励大家「200% 融入 AI native 生态」,AI 工具的费用预算给得比较高,coding、视频编辑、图片,能用的都去用一下。

到了 2026 年,变化非常大。前一年 coding agent 只能代替一些非常初级的程序员,今年真的能代替不少初级和中级的程序员了。但提效之后,反而冒出一个新问题:因为有很多人存在,人与人之间要传递消息、传递流程。SOP 是为了让人协作而设计的,当 AI 那一头不卡了,卡点就整个挪到了人身上。

流程也跟着变了。以前是产品经理写文档、画交互流程图,设计再去做设计,然后开发一起审核。现在产品和设计师都在代码仓库里工作:产品经理先拉一个分支,把原型直接搭出来;研发一看,反正是产品经理实现的,不需要再验证产品逻辑,只要确保代码的长期可维护性、符合规范——测试用例这些已经被 harness 工程做得很标准、很自动化了——审完架构就可以合并到主分支。设计变成了最后介入的一关,因为设计系统已经接进去了,最后走查一遍就行。

用 Mango 的话说,不怎么需要人与人之间的交流了,主要是人跟 coding agent 之间的传递和交流。所以,确实不需要这么多人了。

两年前就想改,为什么 2026 年才改得动

「技术栈限制了我们的这个能力。但是今年就是到了 2026 年,coding agent 的非常强之后,技术栈的这个壁垒被打破了,所以研发才有可能被打破。」——Mango

一个容易被忽略的事实:XMind 的组织调整不是从 AI native 开始的,两年前就开始了。当时的原因是增长遇到瓶颈,往回反推,发现是功能做得太慢;再反推,是一个又一个部门之间有部门墙。所以两年前他们就把业务放在最核心的位置,职能为业务服务,形成了以产品为核心的团队。外面看起来很激进的这一轮,其实是在原来的架构上「稍微精简了一下流程」。

那两年前道理就懂了,为什么是今年才有大的改革?Mango 的答案是一个很具体的技术条件。

两年前,设计团队已经整合过了——以前安卓有安卓设计师,iOS 有 iOS 设计师,桌面端有桌面设计师,后来变成一个人负责一大块、贯通所有端。XMind 和微信那种全端一致的思路不一样,他们要在每一个端都做 native 的体验,所以每个端都不一样,设计的复杂度更高,但这块两年前就解决了。

研发解决不了。一个 iOS 开发做不了安卓,一个安卓开发做不了桌面端,技术栈限制了人。直到 2026 年 coding agent 变得非常强,这个壁垒才被打破:前后端、多端、Python、TS、Swift,只要有开发能力和架构能力的人,就可以很快驾驭一门新语言。以前公司里也有前端、后端、iOS、安卓都能搞的全能型全栈,但非常稀有;现在有了 coding agent,人人都可以是全栈。

任鑫把它总结成一句话:一个人能干的活变多了,能干的活的种类也变多了。这才是组织能重构的前提。

增长部门打散:一个人 0.2 加 0.5,到处内部兼职

「以前写文案是不是需要专业的人写文案,现在并不需要专业的人写文案。然后只要大家能够有对文案的鉴别能力,取舍能力就可以了。」——Mango

人能跨专业之后,部门还按原来的专业性划分吗?Mango 说非常不一样。以前有一个增长团队、一个市场团队,管全公司所有产品的增长和营销,业绩由他们背,所以他们那里永远在排期。现在完全不需要了:每个产品背自己的业绩,增长归自己管,做增长的开发和做内容的人在同一个大项目里,无缝衔接。做增长的开发其实已经承担了一部分 FDE(Forward Deployed Engineer,前线部署工程师)的工作。

支撑这件事的是一套营销工作流:内容产出、增长实验、SEO 都可以很快完成。像广告这种事,以前找外包,现在完全交给 agent 去做。所以原来的 marketing 和增长团队被打散,原因就是不需要那么多人。

打散之后人去了哪里?进到各个产品圈子里做一份子,同时还要承担产品改进的工作——用户反馈、用户运营,这些本来就跟产品息息相关。以前增长能做的事非常少:改改网站文案、改改用户手册、社媒发发帖,也就这样了。现在流程设计优化好,自动化一跑,人做两步:先跟 agent 聊,聊出一些独一无二的东西,不能全自动跑;跑完再验收,做一两轮对话,基本就能得到一个不错的结果。

结果是他们开始定期做用户访谈,海外的 Discord channel 也有专人负责。增长这块的人数没有减少太多,但做的事情比以前多很多。

更有意思的是人的切法。以前做一件事总得有一个人,现在一个人可以做好几件事。比如某人是一个内容营销的角色,占 20% 的时间,就是 0.2 个人力;同时在 campaign 上又承担 0.5 个人力;可能还在另一个项目里做内容营销。一个人在好几个产品里做相同或不同的事,不被原来的岗位限制住,取决于他的兴趣、擅长的点,以及团队缺什么角色。

任鑫说这像很多家独立创业公司,只不过员工在这家独立公司里也是兼职的。Mango 顺着往下想了一步:既然内部可以兼职,外部是不是也可以?所以她扩展了一些跟外部合作伙伴的兼职关系——以前算顾问,现在更紧密,像伙伴,但又不需要对方 100% 的工作时间。

圈子、圈长,和退化成「行业协会」的职能部门

「没有职能部门老大,只有业务老大。」——任鑫

「没错,职能部门退化成社区,就是 community。」——Mango

任鑫的质疑很直接:大部分公司也试过矩阵——业务条线加职能条线,一个人有三个老板,最后效果不见得好。你们这个叫「圈子」的东西,跟以前的项目组区别到底在哪?

Mango 说最大的区别是考核。假设一个人 30% 在你的圈子干活,这 30% 就百分之百由圈子里的伙伴来评价,跟另外的圈子没有半毛钱关系。没有职能部门老大,只有业务老大。

那职能去哪了?退化成社区,Mango 把它比喻成行业协会。作用只有一个:假设我要晋升专业技能等级,需要这个社区里在该项技能上比较强的人来验证一下,我是不是可以晋升到下一级。平时的业务不需要它,我只要把业务做好就行。但技能等级会决定薪水,也决定别的圈子要不要你。

为什么以前总觉得还得有个中台,营销线、HRBP 还是要向职能老大汇报,现在不需要了?Mango 的回答还是回到那个技术条件:以前公司也重视人才的多样化,招聘时也有意招多项专业技能的人,但这样的人非常少。现在不一样,你有想法,借助 coding agent 或者自己搭的工作流,可以把你的兴趣变成你的特长,这样才有了可能性。

规模上,XMind 这个产品的圈子现在大概 30 个人,以前五十多个;有些小产品就 1.5 个人;有的产品 member 有十个人,但工作量加起来可能只有四五个人。

这些圈子是怎么走过来的?一开始真的是硬画的,用一张纸手画。XMind 以前没有任何绩效考核,人数快到 100 的时候开始混乱,不知道怎么评价一个人做得怎么样,经营上也出了问题,于是匆匆忙忙上了 OKR 考核,「结果搞得乱七八糟」。后来一个创业伙伴推荐了这套方法,他们就试了。最开始要解决的就是发展问题,所以职能往后退,业务变成前台最核心的圈子。以前你先得说你是哪个部门的,再说你是哪个项目;现在不用说部门了,甚至有些人是没有部门的。

后台的人为什么愿意进前线:一点活都不用少,但我想做那件事

「他甚至宁愿就说我原来的工作一点你都不用给我少。但是我想做那件事情,然后他就来了。」——Mango

任鑫问了一个所有老板都会问的问题:后台的人好好的,有自己的老板,为什么要加入前线跟你讨论一堆不熟的东西?我是个画画的,让我安心画画不行吗?

Mango 说,职能圈子里总有一些人是多才多艺的。有人做后端开发或者账户系统,一直有个梦想想做产品开发、产品设计,以前没有机会。现在给了他机会,他甚至说原来的工作一点都不用给我少,我就想做那件事。来了之后,他拿到工作上的成就感,拿到更多奖金的分配,在职能晋升上也能算成绩。身心的愉悦、同事的肯定、收入的增长,任何一点都能成为动力。还有一部分人觉得我就适合干这件事,那也没问题,就只干那一件事。

收入增长来自哪里?短期看,你在另一个角色上做的事,可以分得那个圈子因为成长带来的绩效奖金;每年两次调薪周期,取得了成绩,薪水自然涨。

活怎么分?到了圈子内部自己商量着办,圈子足够小,三五个人时大家的工作 overlap 比较多。我负责这件事,但你也可以干,今天我生病了你帮我干,负责人还是我。这样公司不需要专门养「互为备份」的冗余人才——一个人本来就有好几件事,不可能每天都掉链子,非常偶尔掉一次,五个人里有三个都能补上,那个人也没有负罪感。

任鑫补了一个观察:大团队里我的身份是被 function 定义的,别人干我的活是对我的侵犯,大家要有边界感;但三四个人干一件事,反正忙不过来,谁多干一点就是相互帮忙。他想起 Claude Code 的 Boris 讲过一个用好 AI 的法则叫 under funding——给不够的资源,大家就会用 AI 了。Mango 说他们的任务列表从来没做完过,公司又是不加班文化,到点就可以走,但你有权利挑最有兴趣、最有产出的活去干。有些人觉得无聊,有些人就用 agent 跑,任务列表干得贼快。

圈长像创业小老板:只打分不分钱,不算数

「你只有打分的权利,没有分钱的权利,那他就是打分。但是你真的去分享,真的像创业者一样的 CEO 带了几个 cofounder 们一起去创业,那个体验几乎差不多。」——Mango

这对圈长的要求会不会太高?Mango 承认,以前是岗位赋予你权力,现在需要靠影响力,别人才愿意跟着你干。你可以把每一个圈长都想象成一个创业的小老板。早期管理人才匮乏确实头疼,但他发现一件事:让他们分钱之后,大家的自我管理能力自然就提升了很多。只有责任没有权利不行,只有打分的权利也不行,真的分钱,体验才和 CEO 带几个 cofounder 创业几乎一样。

任鑫说他自己在那个位置也会觉得头疼:给我 3 万块奖金让我分给大家,太考验人了,他们都会分吗?Mango 的回答是必须分。每个人分法不一样,有人全分了,有人分一半、另一半下个季度再分,只要自己觉得 OK、圈里的人也觉得 OK 就行。当然会有人觉得分得不均,反馈到 HRBP 那里去调解,让圈长讲分配原则。调解不了的,说明圈长在管理分配这一项上不行,那他在这个维度上的得分就不高——各方力量的拉扯,逼着圈长去想怎么分得更公平、又能激励大家。

那能干活、能带人、能分钱的人,会不会跑出去创业?Mango 说当然担心。留人有三重:加薪,因为创业有风险,他会权衡拿到的薪水和创业风险哪个划得来;伙伴,他也不至于把整个团队带出去,新团队和现在团队的融洽度是留下来的原因;老板的赏识,千里马和伯乐的关系。三个都有吸引力。

效果:十几年没有用户手册,两个月补齐——「不改组织,这事算谁的功劳」

「因为如果不改的话,那个事情算谁的功劳呢?」——Mango

分圈、分活、分钱一通搞完,效果怎么样?Mango 说战略目的基本达成了百分之八九十。任鑫要例子。

例子挺打脸的:XMind 做了那么多年产品,十几年都没有用户手册,没有帮助文档,也没有视频教程。用户各种吐槽。曾经有人算过账:写用户手册得招一个团队,或者招两个全职,还有那么多语言,找翻译公司——每年要花数百万,就有点不靠谱。今年大概六月开始,两个月时间,有了完整的用户手册教程,而且有了多语言版本。视频教程也从手录变成了体系化的,现在还要录场景化教程,这些以前根本没办法做。

任鑫在这里追问了一个关键问题:这听起来大部分是 AI 在任务层的提效啊。你组织不改,大家用 AI 做翻译、做产品手册,也会比之前快。为什么说是改组织带来的效果?

Mango 的回答只有一句:如果不改的话,那个事情算谁的功劳呢?

算不上功劳的事,没有人会去做。改了组织之后,只要一件事没有人做,你就可以说我来立项做,哪怕是一个名不见经传的实习生,很快就可能变成一个圈子的 leader。因为那件事有价值,有价值就容易吸引别人加入,圈子就成长壮大;别的圈子没什么价值,就没人了,就萎缩了。像人体组织的新陈代谢一样。

任鑫说这样组织就活了:固态部门里我按部就班做事,活反正做不完,额外那件事永远排期排不到;但每个人都能发起圈子的话,总有人觉得这件事老板想要,或者对世界有价值,就会去争取那笔钱,让小朋友生发起来,而不是几个老登在那边盘棋。

Mango 觉得这更像游戏:哪个地图好玩,有一两个高手玩出来了,出了很多教程,越来越多人去玩,社区就繁荣;另一个地图不好玩,大家就不玩了。他说自己经营公司的过程一直在想,大家把这个当做一个游戏来玩。任鑫追问,那原来那几个「你的 N-1」会不会不爽?Mango 说有不爽的,不合适的就走了,新的更合适的就来了,也是新陈代谢。

段子一:解散测试团队,才发现自己一直在裸奔

「XMind 这么一个号称技术比较先进的公司,居然全部几乎全部在做手动测试,都没有自动化测试。」——Mango

「有可能你组织里面现在的这个环节更不靠谱,只是你没有把它挖出来看一下。」——任鑫

任鑫要听八卦,Mango 给了一个今年真实发生的故事。他们把测试团队所有的人都解散了,起因是觉得现在应该有自动化测试。人都离开公司之后,才突然发现:XMind 这么一个号称技术比较先进的公司,居然几乎全部在做手动测试,没有自动化测试。

更吓人的在后面。开发问测试人员测了些啥,对方说测了。有测试报告吗?有 checklist 吗?没有。最后是产品经理去兜底测一遍。后来公司说以后没有 QA 给你们兜底了,产品负责人和各端开发负责人才慌了,赶紧把各种测试搭起来:代码级别的测试、自动化脚本测试,测完再验收一轮。质量反而比原来好——至少现在知道自己测了什么,之前连测了什么都不知道。

任鑫的总结是:很多时候我们说 AI 这点不靠谱、那点不靠谱,但有可能你组织里现在的这个环节更不靠谱,只是没挖出来看。Mango 补了一句:连一个测试列表都没有,我只能信赖你这个人,如果跟你不熟,心里没底。这不就是 AI 经常干的事吗?说已经完全按你的意思做完了,你一看什么都没变——人也会这样,跟你说全部做完了。如果没有时间验收,那不就是问题的来源吗?

段子二:大厂的增长打法和数仓,在这里都不 work

「你们公司居然都没有数据分析,你们公司居然都没有数据埋点,你们公司居然都没有数仓。」——Mango 转述大厂来的人

第二个故事关于增长团队。XMind 之前是靠产品力活着的,没有人做市场,也没有人做增长,「所以我们什么都不会做」。于是招了一些人来做增长,创始人们又不太懂,所以 Mango 才从产品设计转去做增长,「需要有人牺牲自我一下去做业务方面的事情」。

一开始找大厂的人,或者看起来很会做、有很多标准化流程的人。但 XMind 长期靠口碑营销,别的公司的增长手段在这里起不了作用,这些人相继离开了。现在重新组建的团队里,做增长的负责人原来是做客户服务的——他跟客户接触,理解客户的痛点,又了解产品。所以他们还是靠产品和客户关系推动增长:客户觉得不好用的地方改掉,客户想要的功能做出来。「别人玩得挺花,一年翻两倍这种,在我们这就不太 work 得起来。」

数据分析是更惨痛的一段。大厂来的人一来就说:你们公司居然没有数据分析、没有埋点、没有数仓。那怎么搞?先招一个数据分析师,既不懂业务也不懂产品也不懂开发;再招数据开发工程师;再招一个做数据工具的产品经理;再建数仓。Mango 一算:为了数据分析,我不仅招了增长团队,还要再招一个研发团队去干这件事,明显不适合这家公司的节奏。他甚至一度考虑招数据科学家,CTO 懵了:请问你是要干什么?他真去聊过几个,人家问我来干嘛,他说我也不知道,你看能干嘛。

后来找了一个很有经验的增长顾问,数据分析产品也买了,问题又出在埋点上,数据埋点这件事一直困扰到现在。现在有望解决,是因为一个研发跟他聊天时说:我们可以做一个纯 AI native、agent 生态的数据埋点和分析工具,不需要搞那么多有的没的。Mango 说可我们公司 20 年了,有多少技术债、多少乱七八糟的数据。对方说反正你让 AI 去做掉,慢慢总能搞干净;要让人去搞,你就没有未来了。于是又多了一个新项目,而且最近每周都有让他惊诧的进展。

任鑫问:以前谁跟你们说要搭那么大一套体系?Mango 说大厂出来的都这么说,何况 XMind 有各个客户端,苹果生态要苹果的数据工具,网页端一套、安卓一套,国内和海外又是不同的套,「简直就懵了」。

记账、agent 打分,和 CEO 的 AI 小作文大赛

「有什么问题你问 agent,你不要问我。你不要说我有问题,你也不要说我不懂你。你能说 agent 不懂你吗?」——Mango

分圈、分活、分钱是靠拍脑袋,还是靠工具?Mango 说光有方法论不行,最重要的是得有人记账。我这个月承担三个角色,下个月换了,谁给我记?没人记就是一笔糊涂账,糊涂账就没法弄。所以他和帮他做组织变革的组织顾问一起做了一个产品,一开始只想记账:谁在什么时间、在什么圈子、做了什么事。任鑫说听起来很区块链,Mango 也承认真的有点。

记下来之后,到了季度末,圈长不用管别的,就看这三个月谁在我圈子里分别做了什么,基于这个做绩效评估。

但人评人总有远近亲疏,评估标准和打分机制不一样,结果也不一样。有人说那谁故意给自己打高分,有人说那谁不了解我的工作、我又不会汇报所以得分低。于是产品里加了一步:你说你做了什么,由 agent 根据大家共同认定的评分标准来打分。有疑问你问 agent,问完一波解决了就好,没解决继续问,看它会不会改你的得分。

这个设计的起因是 CEO 今年年初的一个小活动:AI 小作文大赛,一两个月组织一次,奖金不多。所有人都可以发邮件给 CEO,讲我是如何用 AI 解决了工作中什么问题,有些人的小作文本身就是 AI 帮他写的——总结我在 GitHub 干了什么、你是怎么跟我聊的。CEO 再用他的 agent 给每个人打分,分研发系和非研发系,发一笔额外奖金,大家都挺开心。

有了这个先例,才有了让 agent 评分。Mango 的原话很直白:有什么问题你问 agent,不要说我不懂你,你能说 agent 不懂你吗?也不要说我不喜欢你,agent 不存在喜不喜欢的问题,除非你没表述清楚。所有的问题从我的问题变成了你的问题。任鑫说这相当于把 agent 当仲裁,Mango 说差不多,或者帮你先分析;怎么汇报工作,也可以让 agent 帮你整理和优化。

那几个人一个团伙,为什么还需要汇报?Mango 说因为圈子要跟公司要奖金池,奖金池要靠圈子的成果,所以还是要汇总。层级大大压缩了,但不是零层级——以前有四五个层级,现在一两个、两三个。

流程反过来:从对齐 SOP 到对齐目标

「反而就是要优化这个流程的人,变成了一个被排挤的那种分子。」——Mango

任鑫问了两个更抽象的问题,一个关于流程,一个关于开会。流程的区别 Mango 讲得很清楚:以前做事先问业内怎么干,SOP 是什么样,大家对齐 SOP,然后按 SOP 跑。现在是问这件事你想干成什么样、想拿到什么结果,然后倒推我们得怎么干。中间要调整干法,就以目标对齐——大家分析下来觉得 OK,立即就变。而以前是我都跟你对好 SOP 了,那么多人、那么多部门都对齐了,你现在要搞个特殊没辙,反而要优化流程的人变成了被排挤的分子。

任鑫想起自己刚工作时在一家跨国企业,IT 特别强、研发特别强,业务部门只能恭恭敬敬去提需求,基本也不被听。逻辑上大家都说做生意的说了算,实际情况是提的需求都会被骂。只有当这个人也在业务团队里,有一部分工资是我来定的,这时候才说得动。否则后台很强势、也确实很专业,他就会说这才是最好的做法,为什么要听你的?当一个人 30% 的工资由业务方定,业务方才会更强势,他也更希望事情做成,而不是流程走完。

Mango 接着说:原来圈子的分配根据公司整体经营情况来,现在是你们圈子能赚多少钱、你们这个产品能赚多少钱,实打实看得到,所以每个人都想把蛋糕做大,变成人人都是创业者心态。

任鑫讲了一段自己的历史。他第一次创业做今夜酒店特价,跟携程打,有一段时间被携程踩在地上摩擦。当时听说梁建章回归后成立了很多小 CEO,把内部很多部门分成小部门,发的不是携程股票,而是这个部门的股票,股价大概等于去年两倍的销售额加十倍的净利,三年之后按同一个公式公司买回来,涨了三倍你投 100 万就变 300 万 [待核:任鑫凭记忆讲的公式和细节]。大家就会觉得这事跟我有关系了,携程的股票涨跌跟我其实没多大关系。

Mango 说,你玩一个游戏,奖励机制不好你都不想玩,更何况是工作。任鑫追问难点:XMind 肯定赚钱,好设计,但好设计的你也不想分太多;新项目可能亏钱,一个全球化的 user menu 到底值 100 万还是 1000 万,不就凭老板心情了吗?Mango 不说完全合理,但不同类型的产品有不同发展阶段:孵化期的产品有 milestone 类型的奖励;早期创业型的项目要么创始人自己投要么找投资,公司给的就相当于创业投资,可以没赚钱,但要有积极的信号,积极信号也可以获得奖励。

如果重来一遍:太犹豫了

「你要知道他不行,也要尽快的知道他不行,就折腾很久才发现不行,那就是消耗。」——Mango

过去一年如果重来,哪件事做法会不一样?Mango 的答案是自己原来有点保守,做事非常犹豫,拖拖拉拉很久。现在这种做法的好处是不用担心做错或失败,因为很快就能看到是不是做错了。

标准是一条:确定风险不是不可逆转的,就赶紧搞。要知道它不行,也要尽快知道它不行,折腾很久才发现不行,就是持续消耗。

任鑫替一个假想的朋友问:我也是软件公司,大家也开始用 AI 写代码了,但部门还是原来的结构,我想建圈子、重建分红,从哪里开始?Mango 说要看你是哪种类型的人。保守的老板,挑一个最能赚钱、最有信心的团队去搞,再挑一个最没信心的去搞,这两个都能搞成,其他的不用搞,自然就成型了。激进的老板,把最理想的状态一次性搞到位,但告诉大家是试点。可以两套机制并行——他们当时就是 OKR 和圈子两套奖金机制并行,不管哪种算法,大家拿最多的那个。

任鑫还是不理解:画圈子有那么难吗?不就是项目组吗?Mango 说难在两点。第一,项目组的人不是全职的:你来我这个圈子,是给我 50% 的时间还是 20%?你的时间只被预定到 50%,剩下 50% 干嘛?这涉及人的调度。第二,要找到合适的圈长,他必须是能带领大家把目标完成的那个人。所以本质上是选人,再把人的时间打散重新组装,这需要专业性。还有能力的多样化:你有五项核心技能,在我这只用得上一项,其他几项浪费了;正好另一个圈子需要,我就推荐你去干那个角色,你同意就 OK;你也可以主动说我能不能在你的圈子里干这个事,相当于内部应聘。

他们自己当年请了组织教练,花了不少钱,用了一年才把圈子全部画完。现在有了工具,不到一个月就可以搭完——工具会告诉你边界,带 AI 的能力,还能告诉你同行最激进的状态是怎么安排团队的,你可以选一个保守的同行或激进的同行先画一下试试。对 CEO 来说像打仗之前先排兵布阵:这样排,实现目标的概率是多少、会遇到什么阻碍,两套推算下来,就更胸有成竹。

老板得亲自下水:5% 的骨干,和沙滩上的帐篷

「因为决定做这个事情是一件容易的,而能够把这个事情做成是难的。因为中间一定会有人当逃兵。」——Mango

「第一决策人一定是他得亲自下水的,包括 AI native 也是一样的。」——Mango

所以他给想走这条路的人的风险提示,第一条是老板或第一决策团队自己得相信这件事;第二条是为它流产打好足够的兜底方案,最差的情况我们还可以怎么样,不要把公司变成不可挽回的局面。有了这两条,再去游说第一波支持者:跟你非常契合的骨干,以及一直绩效特别好、又对这件事有兴趣的人,先把这一波抓起来,5% 就已经很好了。就像沙滩上搭帐篷,有了骨架和钉子,帐篷就支楞起来了,其他人像帐篷布,自然知道往哪里去。

决定做是容易的,做成是难的,中间一定会有人当逃兵。Mango 自己也一次又一次想要不干了,退回去。「大不了退回去」这句话他们经常说,说完过几天又想不行,还是再干一干。几个核心的人都有信心,同时打退堂鼓的那一刻就会大大减少。

最重要的一条:第一决策人不能说我们要干这件事,然后交给 HR 去干,那肯定干不成,他得亲自下水。AI native 也一样,Mango 几乎没见过老板自己不做 AI native、从来没 vibe coding 过、团队却做得特别好的。他一个朋友的技术团队还在用普通方式,自己 vibe coding 了一个东西,问团队这事要干多久,答一个月;用 AI 呢,挤挤说十天;结果他自己不到半小时搞完了,以后再也没人能忽悠他。任鑫说他看到的情况也很普遍:老板得亲自打样,否则都是假的。他有些朋友的公司自己搞不定,他就说那让你儿子或女儿来带,必须是老板或者二代。Mango 补充,核心团队里至少要有一个人放弃原来所有的认知,全新融入到 AI native 当中去,没有自我的时候,才能重建你在 AI native 里的自我。

任鑫问:什么迹象表明这种架构更有助于形成共同认知?Mango 的回答有画面感:当一件事被来来回回掰开好几轮,颠过来倒过去混合了很多轮之后,就混合均匀了。那些还能抱团的人,说明真的能抱团。现在留下来的人,都经得起搅和。

彩蛋:三层 boss——个人提效、组织提效、然后才是赚钱

「组织转型成功未必你的商业上的成功,但是如果组织效率低下,商业上会拖后腿。」——Mango

聊到最后,Mango 抛出一个更本质的问题。软件行业是最早被 AI 冲击的,以前一年翻一倍、两倍、十倍的增长现在放缓,XMind 原本增长就慢,现在有可能下滑。所以下一轮的问题可能不是提效了——效率问题解决之后,下一个问题是要做什么、怎么经营。

任鑫的观察是,现在每个人都在头大第三层的问题:任务提效很容易,组织转型很难,但哪怕组织转型成功了,离赚钱也很远。他提到最近看昆仑万维的财报,做短剧提效十倍,公司还是巨亏 [待核:财报数据任鑫凭记忆讲]——因为整个行业都提升了十倍到二十倍,营销成本上升,提效十倍也继续亏。Mango 说,那不提效不就可以关门走人了?

任鑫把它排成一个逐年变难的 boss:过去上牌桌的要求是先用上 AI;未来一年不被洗下牌桌的要求,是整个组织提效了——用了 AI 工具和组织提效之间又是一个巨大的台阶;再过一年,可能就是你有没有商业上创造价值。

Mango 的版本是三步:去年大家觉得个人提效太有用,因为个人效率高了立即就能看到;因为个人提效了,人与人之间的摩擦才变成了核心问题,所以才有了 2026 年大家都在提组织提效;组织也提效了,剩下的不就是经营的问题吗?说不定 2027 年大家的核心就是:到底我要干什么才能赚钱,才能轻松地赚钱。他说 XMind 已经走到第三个问题了,前两个问题他们走过的路是可以解决的,风险也不大,但经营决策是正在探索的路。让核心经营者的眼睛有清晰的视野,不再靠成绩汇报,也不再靠拍脑门。「每天好像都在面临高考一样。」

结语

这期我最想留下的,就是我当场说要拿来做标题的那句:AI 原生组织最关键的,是减少人与人之间的摩擦。个人提效之后,卡点会整个挪到人身上,而人与人之间的摩擦现在没办法用模型优化——分活、分钱、评绩效,这些敏感的地方要么用规则和记账把它自动化掉,要么就一直卡在那里。XMind 做的事,本质上是把摩擦从「人对人」改成了「人对 agent」。

但 Mango 自己也说了,组织转型成功,未必是商业上的成功。软件行业最先被冲击,也最先走到第三层:提效完了,接下来做什么才赚钱?这道题他们也还在考。

你的公司现在卡在哪一层:还在用 AI,还是卡在人?

跳转微信打开

  •  

丛龙峰:AI 会消灭掉「上破班」的感觉

任鑫 2026-09-19 18:13 河北

管理学者丛龙峰从北京飞来上海「只见人心」:一般人能做的事 AI 一般都能做了,但吃 AI 这个馒头前,前面还有四个馒头要先吃。

丛龙峰,1985 年生,管理学者。每年自办一届管理学年会——首届 2023 年 12 月主题是「AI 时代下回到人本身」,今年第四届在杭州良渚。

这篇是给所有正在被 AI 焦虑卷得睡不着觉的人,以及所有觉得自己公司「转不动」的老板。


一句我没料到的话

「我特别相信 AI 如果可以提高生产力、提高组织效率,一定会朝向让人变得更像人的方向——它会彻底消灭掉上破班那种感觉。」

这是聊到最后丛龙峰给我的判断。

我没料到。

因为大部分人对 AI 的态度都是焦虑——AI 会让我们更卷、更累、更被替代。

但丛龙峰反过来:AI 应该把人从破班里解放出来,让你回到「人本身」。


「我到上海只见任鑫」

我跟丛龙峰认识两年半。23 年底他办第一届管理学年会,叫我去做嘉宾——那一年的主题就是「AI 时代下回到人本身」。然后他每年办一届。24 年莫干山,25 年嘉兴南湖,今年良渚——今年第四届。

这次他从北京飞过来。录节目时他先说了一句:「我到上海只见任鑫。」录完节目马上就去了火车站。

我特别想偷学他的东西。

因为最近我作为几家公司的 AI 顾问,本来是聊产品的——结果聊着聊着全在聊组织。

我做了 AI 产品也没多挣钱,用上 AI 工具提效了也没多挣钱——单个提效了,整个组织好像也没提效。

这些人怎么办?组织架构要不要转?激励要怎么做?

我就在那儿假模假式地给人出主意——一边出主意,一边心里非常慌。

因为我不懂。

所以我把丛龙峰拽来了。聊了三个钟头。他给我画了一张图——AI 时代的组织变革地图。

而我没料到的是,他这张图的核心不是"用 AI 替代人",是用 AI 把人从破班里解放出来。

这篇文章,是这张图。

三个面向:经济、社会、政治

丛龙峰一开始就给了我一个分析框架:

「组织其实包括三种形态。最容易看到的是经济面向——目的明确、手段合理、追求投入产出最大化,是效率逻辑。但它背后还有一个非经济的面向——社会形态,它有情感逻辑。第三个面向是政治形态,只要是人大了一定会有左中右。」

这就是一个组织的三层。

  • 效率逻辑说得通的,情感逻辑不一定说得通。
  • 情感逻辑说得通的,博弈逻辑不一定认。

「所以你每到一个公司,发现它的组织结构图,只要你深入其中,它就是假的——因为组织结构图跟组织真实运行是两回事。」

这一刻我才听懂为什么——

AI 在经济层可以打穿。成本拧干、人员优化、流程提效——这些是效率逻辑,AI 替代力很强。

到了社会层就难。因为人是有情感的。组织里两个部门"尿不到一壶里"的事,AI 帮不了你。

到了政治层更难。每一次组织更改都意味着权力重新分配——损伤到利益的时候,哪怕道理对,他也不搭理。

所以今年组织咨询变得很难。丛龙峰说,难点已经从"道理没说清楚"变成了「make things happen 很难」——道理说清楚了,但大家不听你的。


「一般人能做的事,AI 一般都能做了」

聊到第 18 分钟,丛龙峰把他 2023 年说过的两个判断搬出来——他说现在看都对。

第一个:

「一般人能做的事,AI 一般都能做了。你必须得变成一个不一般的人,而且留给不一般的空间越来越小了——之前你可能是 10% 不一般的,未来你可能要变成 1‰ 不一般的才行。」

第二个:

「组织要回到人的原点,人要回到生命的原点。组织一定会变小,组织会归核。」

我接他这话往下推:

「我可不可以这样理解——比如麦当劳,它是 40 分的汉堡,但管理能力 80 分,所以可以开 1 万家店。另外有一家店做了 70 分的汉堡,但请不到牛人去标准化,所以只能开 3 家。」

「未来如果 AI 把规模化复制这件事接管了——那做 70 分汉堡的人,也可以开 1 万家店了。」

丛龙峰说——这就是组织归核:

「一个公司真正的核心没多大的。就像肯德基一开始是肯塔基州最火的炸鸡店——好吃到你必须要到那个州去吃。蜜雪冰城核心还沉淀在第一家店身上,5 万家店是规模化复制问题。」

「AI 把可重复的工作交给可重复的东西,组织就回到那个最小的核——回到天才管理。」

我突然想起一个比喻:

我们高考要考 7 门,过去 6 门都要 149、150 分才能上好大学。

但如果未来 AI 帮你作弊剩下 6 门——

那"汉堡好吃"这唯一一门课,会变成一个 1 分都不能丢的科目。


5 个馒头:吃 AI 这个馒头前,前面还有 4 个馒头要吃

这是这一期最实用的判断。

丛龙峰说:

「我们做 AI 智能化的组织,实际上是吃到它的第五个馒头。但是它前面还有四个馒头——」

1. 标准化
2. 流程化
3. 数据化
4. 知识化
5. AI 智能化   ← 你在这儿

「但大多数公司连第一个馒头都没吃完。」

「你自己都没有标准化,你想指望 AI 去帮你标准化就非常难。」

他举了胖东来——2012 年他去走访胖东来时,胖东来已经做了非常好的岗位指导手册。所以这一轮数字化转型供应商进来的时候,能很快把岗位之间的东西拉通。

但他也提了一个让我停顿的点:

「数字化转型商面对胖东来这么好的案例的时候,他依然会有一个麻烦——最早这一步岗位知识的沉淀,是从老师傅心里面掏出来的。当这个老师傅没有掏出来这个东西之前,AI 是没有办法把它掏出来的。」

「同时这里面还有一个顾虑——其实老师傅是在不断的实操过程中,他理解了这套东西的。但是如果用了 AI,就会打断从小师傅到老师傅的培养路径。」

——你刚吃到第五个馒头,可能就失去了下一代老师傅。

这一条我没有现成的答案。但它很重要。


「百度为什么起个大早赶了个晚集」

聊到中段,丛龙峰讲了一个我没料到的故事。

去年百度找他去讲组织课。他当面对百度说了一句:

「我说我何德何能,能在百度讲 AI 时代下的组织和人才管理?我中间很冒犯地说了一句——我们真正应该追问的是,百度为什么起个大早赶了个晚集。」

百度是中国第一个 all in AI 的公司。10 年前——李彦宏喊出 all in AI 的时候,百度就在做自动驾驶。

但自动驾驶到现在还没工业级应用。

「自动驾驶应该是一个可以重复、有明确边界、收敛性的工作。它已经耕耘了这么多年了,到现在十年了,还没有办法完全交给机器来负责。而这个工作应该大多数长手脚的人都是可以学得会的——街上跑了这么多辆车。」

丛龙峰用百度做了一个反证:

所以你不用 AI 焦虑。这只是开始的开始。


「我们目前只是开始的开始」

我跟他抱怨自己的焦虑:

「我担心说这个事情感觉 18 个月会发生完。」

丛龙峰回我:

「我是觉得目前只是开始的开始,是一个漫长周期的开始。」

他举了春节自家下水管的故事:

「我已经住了七年的老房子了,从来下水管没有坏,这个事儿完全束手无策。我找了三天才找到一个真正会做下水管的工人,把我给解决掉了。」

「但你要回到他的世界里面,那就完全不是 AI 的世界。我们可以看到这个世界上其实有非常多的工作是这个样子的。」

他还引用了一个人类学家朋友的话:

「龙峰,你现在可能接触的都是这一波新锐的创始人,你在那个空间就很快。但是我们人类学家看芸芸众生——大多数人对 AI 完全无感。只是你们那一小拨人,每天都在狂欢。」

我把丛龙峰的话翻译成一句安慰大家的:

「虽然你们公司现在转型情况很糟,但是别人也好不到哪里去。」

丛龙峰回我一句很扎实的:

「就像 1 万米跑一样,你现在领先我 2 米,那你算什么呢?我还有 1 万米跑。」

——你现在被 18 个月卷得睡不着,是因为你只看到那 2 米。


「聊『沉淀方法论』的公司,我心里就咯噔一下」

我问丛龙峰:你看到那些公司有没有成功的 AI 实践?

他先回我一句:「相信我,你已经在最前沿了。」

然后给了一个更尖的判断:

「凡是一开始就跟你聊『我们能不能沉淀方法论』,我心里就会咯噔一下。一旦你在方法论,实际上你就开始收敛了。」

「公司不是多姿多彩的,一定是创新不够的;不是处理发散问题的,一定是未来感不强的。」

我突然想起一段往事:

头条刚崛起的时候,我跟头条的朋友聊百度。他说百度已经完了。我问为什么。他说——百度最近发布了很多开源项目,内部在做代码规范化。说明他们已经看不到新的事儿做了,在做这么无聊的事。但凡他后面有开拓性的事情,代码乱一点大家都去搞机会去了。

丛龙峰说对——「百度也是我熟悉的一家公司。」


丛龙峰的转向:从英伟达跑去良渚

聊到这里,丛龙峰跟我讲了他这两年的转向。

23/24 年他去硅谷的"必看清单"——必看 Meta、特斯拉、英伟达:

「特别庸俗的,我觉得一定要站在英伟达那个地方。然后我还发了个朋友圈说——你在小镇的时候总觉得到了北京就看到了中心;到北京的时候觉得是不是应该跑到深圳;到深圳又觉得应该去美国。但是你在英伟达那块儿就觉得这就是世界中心,这就是世界最前沿。」

但到了 24/25 年,他的清单变了。

第一个新转向:皮克斯。

「皮克斯会让你看到最终有创意的那一部分——讲人类故事的部分、靠剧本打磨那部分。这个 AI 还搞不了,甚至永远都搞不了。」

第二个新转向:西雅图的星巴克。

「上一个春节我是在西雅图度过的。然后我在星巴克才会感受到什么叫做第三空间。星巴克进入中国这么多年了,你觉得什么叫第三空间?听不懂——因为那完全就是同学上自习的地方,和商务会谈的地方。」

「但你跑到西雅图那个地方,你发现星巴克像早晨起床的早餐标配。然后西雅图很冷,你到夜晚回来的时候一片漆黑,只有星巴克亮着一盏灯,你夜晚归家就特别的温暖。然后你跑到星巴克里面,真的是一堆人凑在一块儿聊大天儿、欢声笑语。那个咖啡的浓香会把你推出来,但是里面的氛围又会把你给拽进去。」

「先要有感受才会有理解。」

这是他这两年的硅谷地图——从"技术中心"翻到了"人本中心"。


「丛博,你能不能不要再碰你的手机?」

今年丛龙峰做了一件更彻底的事:在杭州良渚的冷暖村住了 20 天。

冷暖村是一个数字游民聚集地。

「那边有一批数字游民。他们不是财富自由的人,也不是安贫乐道的人——他还在努力地奋斗,但他合理地控制自己的欲望,他特别希望工作和生活一体化,希望有节奏地来进行自己的生活。」

丛龙峰说他在那儿见到了一群怪人。

野人俱乐部——离他们 50 米的一个会所。价值观贴在墙上:「身体大于头脑,感受大于思考。我们发明游戏、大声说话、自由创作,或者只是烂在那里,有空就打个滚。」

惜物所——爱惜物品的事务所,主理人小婵。她卖的每件物品都曾有一个主人,「这是一个生命的连接」。丛龙峰问她梦想是什么。小婵说:「我从小跟我弟弟讲,我想做一个拾荒者。」

沐夕家——一家爸爸开的小店。

丛龙峰跟沐夕家爸爸熟了之后,有一天聊天时随手掏出手机想记个东西。

爸爸跟他说了一句让他后来一直回味的话——

「丛博,你能不能不要再碰你的手机?知识是一种遮蔽——你习惯了那套逻辑之后,你就不再用脑子来思考了。」

这位爸爸的女儿即将上四年级。他决定让女儿放弃升学——不要高中文凭。

「他完全不信任目前的学院派的教育。他觉得现在学院派教育会浪费时间——你会大量的时间去卷这些学科,考分上真的很好,而不是去探索这个世界。」

爸爸的逻辑是:AI 一定会把所有东西都给我女儿准备好。文凭这件事,十年之后一点都不重要。

那么我女儿这十年应该去探索世界。

「这么传统的一个爸爸,但是做出了一个非常先锋式的选择。」


「AI 会彻底消灭掉上破班那种感觉」

聊到最后,丛龙峰给了我开篇那一段最有人情味的话:

「我特别相信 AI 如果可以提高生产力、提高组织效率,一定会朝向让人变得更像人的方向。它会彻底消灭掉上破班那种感觉。」

「因为我们现在身边大量人都在上个破班——他每天走在上班路上都很不快乐,进到办公室就开始搞心理建设。」

他给我看了他自己同事发的朋友圈:

「干点有意思的事儿,并且能够感受到因为创造力带来的喜悦,是一件多么幸福的事情。谁说不能快乐的工作。今天也是开心快乐一天。」

朋友圈下面有人留言:

「这是我们朋友圈里面唯一开心工作的人。」

我接着丛龙峰这段,跟他讲了一个更深的角度——

为什么大部分白领工作是"破班"?

我以前看过一本游戏设计的书,里面讲:现实是一个 poor designed 的 game。

如果把现实世界当作一个游戏来设计——你会觉得设计的人是个傻子。反馈很慢、你看不到自己做的东西的结果——大部分白领工作已经拆解成了:你不知道自己在干嘛,你拿不到反馈闭环的成就感。

甚至我们觉得粘火柴盒子很 low——但粘火柴盒子的心流,是比大部分白领工作要好的。因为你看得到自己的手对作品的影响,也知道最后的成品是什么。

如果 AI 把这些"poor designed"的部分接走呢?

——让每个白领都变得更像「粘火柴盒子」、更像那个木樨家爸爸炒菜。

让你回到「人本身」。


# 收口

聊到最后,丛龙峰给我留了一段我会反复想的话:

「重要的不是财务自由,也不是自我实现。重要的是能不能兑现自己的天赋——这个东西是你没有办法骗你自己的。」

「你绝对不会在你死那一刻觉得『老子这一辈子赚了特别多的钱』——你不会那么无聊的。然后你想到的还是说——我有一个相爱的人相伴了一生,我培养了一个很好的子女。但是更底层的追问会回到:我这辈子活够了、活到了,我活出了我自我的风采。」

录完节目,丛龙峰当晚就回北京了。

我问他为什么一定要见面。

「见到面的感觉不一样,这可能是最后的、人类有尊严的部分。在网上跟人对话,和当面看着你的眼睛对话、晚上一起喝一顿大酒、最后我搂着你的肩膀拍拍你——这两种感觉是完全不一样的。」

「甚至有人会问我:丛博,你作为现在这个时代可能比较杰出的一个管理学家,能不能去操 100 年之后我们是什么样的状况?」

「我说你想一想——谁还会记得 100 年前的管理学家?管理学家这么枯燥的话题就不用想了——你还会记住你的曾祖父的名字吗?都记不住。曾祖父离我们不到 100 年——我身边大多数人都记不住曾祖父和曾祖母。」

「换言之的话——你为什么要去操马斯克的心、操扎克伯格的心?操你自己的心就好了。」


如果你今天还在 AI 焦虑——

也许你需要的不是再读 10 篇分析。

而是先问自己一句:

  • 你的公司,吃完前 4 个馒头了吗?

  • 你的工作,是「破班」还是粘火柴盒?

  • 你的天赋,被这套系统兑现了吗?

  • 你的曾祖父,叫什么名字?


本文整理自《AI 炼金术》0526 期,嘉宾:丛龙峰(管理学者)。

完整音频(一小时多)请在小宇宙、喜马拉雅、Apple Podcasts、Spotify 搜索「AI 炼金术」。

订阅公众号:「AI 炼金术」。

跳转微信打开

  •  
❌