铃阅
❌

阅读视图

李志飞受邀出席好未来AI业务论坛:AI正在重构企业战略本身

飞哥说AI 2026-06-09 10:02 北京

超级个体能力 × 协同机制 = 超级组织。

近日,好未来在京举办AI业务论坛。出门问问创始人、《超级组织》作者李志飞受邀出席,围绕“AI时代下的超级组织”进行主题分享,系统阐述AI时代企业组织变革的新逻辑。

本次分享也是《超级组织》方法论走进头部企业的一次重要交流。《超级组织》由出门问问创始人李志飞与AI原生组织理论提出者高佳合著,结合前沿公司的一线转型实践,系统讨论AI时代组织进化范式,提出“组织大折叠”“智能体飞轮效应”“AI原生组织操作系统”等关键命题,为企业理解和推进AI时代组织转型提供了新的思想框架与实践参照。

好未来相关负责人表示:“李志飞的分享让我们看到,AI不只是工具,它正在改变组织运作的方式,对我们推进AI业务和组织协同很有启发。”

图片

超级个体不等于超级组织,AI正在重构战略本身

AI工具的普及让越来越多个体实现效率跃升,但李志飞在分享中指出,一个关键误区正在出现:N个超级个体叠加,并不等于超级组织。

“超级个体的个人英雄主义在组织里可能是一场灾难。”李志飞表示,AI时代真正的公式不是“个体能力相加”,而是:超级个体能力 × 协同机制 = 超级组织。

在他看来,AI带来的不只是工具升级,而是决策逻辑和组织运行方式的底层重构。过去企业战略强调“想清楚再动”,但AI大幅降低试错成本之后,战略周期被压缩,组织需要从线性计划转向快速验证、快速反馈、快速迭代。“战略的本质没变,变的是更快看清、更快行动、更快迭代。”李志飞表示,AI时代企业真正的护城河,将越来越取决于决策速度、执行敏捷度和AI使用深度。

AI时代,CEO 要成为组织系统的设计者

围绕企业如何搭建超级组织系统,李志飞提出,AI时代的CEO和管理者不能只停留在“用AI提效”的层面,而要进一步成为组织系统的设计者。

他以出门问问自研的CodeBanana为例,介绍了企业AI原生协作平台的搭建路径:将公司协作场景映射成项目,为每个项目配置专属Agent;将重复流程模板化为Skill;配置Agent跨项目协作权限,让信息自动流转;最终将多个项目串联成完整业务流,实现从触发、执行到沉淀的自动闭环。“CEO设计系统,系统自己跑。”李志飞表示。

图片

从书到实践:《超级组织》方法论如何落地

《超级组织》中提出,AI时代最大的组织挑战,不是继续放大超级个体,而是如何把超级个体的产能转化为可持续、可规模化的组织能力。本书首次系统提出了极具实战指导意义的“AI 原生转型三步循环法”。

这一套底层方法论,也持续贯穿于出门问问内部的组织进化实践。过去一年,出门问问围绕信息流、协作模式和管理机制进行重构,推动研发团队全栈化、原子小队化,并通过CodeBanana让Agent真正进入组织工作流,参与任务理解、状态同步、协同执行与经验沉淀。

李志飞在现场分享中强调,AI转型不能只依靠工具采购,也不能停留在员工自发使用AI的阶段。真正有效的AI组织转型,需要管理者亲自下场,从自己最高频的工作场景切入,亲手搭项目、创建Agent、设计流程,再逐步推动团队进入新的协作平台。

“管理者不用,团队不会信。”李志飞表示,CEO和管理者首先要成为AI原生工作方式的实践者,才有可能推动组织形成新的惯性。

更多关于AI时代组织变革的系统方法论,可参见李志飞与高佳合著的《超级组织》。欢迎与更多企业共同探讨AI组织转型的落地实践。

⬇️点击小程序购书⬇️

跳转微信打开

  •  

从超级个体到组织能力:腾讯研究院报告呼应《超级组织》相关命题

飞哥说AI 2026-06-09 10:02 北京

腾讯研究院《超级个体时代》报告,与《超级组织》形成呼应。

近日,腾讯研究院发布《超级个体时代》报告。报告关注的一个核心问题是:当AI极大放大个体能力之后,组织如何承接这种新的生产力?报告中的相关观察,与《超级组织》所讨论的组织进化命题形成呼应。AI时代真正的挑战,不只是让个人变强,而是如何通过新的协作结构与组织系统,将个体产能转化为可持续、可规模化的组织能力。

报告中剖析了"个体能力被 AI 放大后,反而带来组织内耗"的现象,并引用《超级组织》中所首创定义的【幽灵效率】。腾讯研究院结合田野观察,精准呼应了这一底层管理学病理。

从CEO作为超级个体的极致深夜实验,到撞上"幽灵效率"问题,报告陈述了出门问问如何推动内部组织AI化实践,并自研CodeBanana,让Agent进入真实工作流,参与任务理解、协同推进、状态同步与经验沉淀。CodeBanana的核心,不只是让Agent进入协作工具,而是探索人、Agent、任务、上下文和反馈机制如何在同一套系统中协同运转。

报告将CodeBanana作为前沿标本进行了剖析。在具体的产品形态上,报告将出门问问列为「AI中枢型超级团队」的代表案例,并特别指出CodeBanana的两个核心设计:其一,每个项目的Team Agent成为项目的核心身份,人围绕Agent工作而非相反;其二,A2A功能(Agent-to-Agent)让不同项目的Agent直接协作,无需人工中转——在出门问问内部,研发实现100% AI Coding,整体产研效率提升4倍;非产研团队中超过三成成员已达到超级个体状态。CodeBanana这一设计,同时实现了两个功能——愿意使用平台的人自然被筛选出来,平台上其他人的成果则持续营造着「人人可以」的氛围,筛选与文化建设一步到位。

从《超级组织》的系统方法论,到CodeBanana的产品实践,再到腾讯研究院的外部观察,一个趋势正在变得更加清晰:AI进入企业之后,竞争不再只是工具能力和个体效率的竞争,而是组织能否承接、放大并沉淀AI生产力的竞争。


更多关于AI时代组织进化的系统思考和实践,可参见李志飞、高佳合著《超级组织》,读懂AI时代的组织进化法则。

⬇️点击阅读原文,获取「超级个体时代|腾讯研究院3万字报告」

阅读原文

跳转微信打开

  •  

打造超级组织的延迟满足感

原创 飞哥 2026-05-29 22:06 北京

超级个体之上,是超级组织。

这两年,我心里一直有一种很强烈的感受:

AI 没有先让所有人变轻松,它先把很多人的焦虑放大了。

我见过很多过去非常成功的人。

他们曾经靠经验、资源、人脉、胆识、管理能力,拿到过很多正反馈。那一套曾经很有效,他们也确实赢过很多次。

但今天,事情变了。

模型更新一次,行业认知重排一次;一个年轻人加上 AI,可能几天就做出过去一个小团队几周才能做出来的东西。很多原来熟悉的判断系统,突然开始失灵。

于是有些人开始焦虑,开始买课,开始进圈子,开始追风口。

也有一些我很尊重的"大哥",真的被收割过,被骗过钱。

这件事让我很难受。不是因为他们不聪明,也不是因为他们不努力,而是这个时代变化太快。很多人过去赖以成功的东西,正在变成今天的负担。

作为一个创业者,一个比较早下场研究和实践 AI 的人,也是一个在上市公司里承担经营责任的人,我并不想站在岸上点评谁。

我自己也在不确定里。

只是我觉得,既然我可能比一部分人早一点看见,手里也有一点点能力和资源,那我就应该做一些尝试。不是继续制造焦虑,而是把这条路踩得实一点。

AI 时代最容易让人上瘾的,是成为超级个体。
但真正能穿越周期的,不是超级个体。
而是超级组织。

一个人用 AI,太容易产生幻觉

用 AI 当超级个体,很容易上瘾。

打开对话框,说几句话,一篇文章出来了,一段代码跑起来了,一份方案成型了,一个产品原型有了。不太笨的人,用一两天就会产生一种错觉:

我一个人,好像可以改变世界。

这种感觉太爽了。爽到让人飘。我自己也经历过这种兴奋。

尤其是对 AI 理解越深的人,越容易被这种即时满足感骗到。你会觉得,只要提示词足够好,只要工具足够多,只要自己足够快,整个世界都会顺着你的意志运转。

但经营公司这件事,会很快把人拉回现实。

因为组织不会因为老板会用 AI,就自动进化。

你一个人飞起来,下面的人还在原来的地面上,这不是先进,这叫脱节。

甚至有时候,CEO 变成超级个体,反而会让组织更痛苦。老板更快了,员工更慌了。老板看见了更多可能,团队感受到的是更多变化。老板觉得"这么简单为什么你不会",团队觉得"这个人又开始折腾了"。

这时候,AI 没有变成生产力。
AI 变成了组织内部新的压力源。

打造超级组织,是一件反人性的事

如果你想做的不只是"超级个体",而是"超级组织"——把整个团队、整套协作流程、所有人的工作方式都升级——你会迎头撞上一堵完全不同的墙。

这堵墙不叫技术,它叫组织惯性。

😤 有人会抵触觉得 AI 是威胁,担心自己的价值被替代。

😶 有人会敷衍你让他用,他说用了;你问效果,他说一般;你再看,他其实只打开过三次。

😰 有人会恐惧他不知道 AI 是来帮他的,还是来监督他的。

😑 有人会无感"我以前这样干也挺好啊,为什么非要改?"

更麻烦的是,组织的习惯本来就是碎的。有人用飞书,有人用钉钉,有人还在微信里拍板;有人写文档,有人只开会,有人靠口头承诺推进;数据散在各处,决策散在各处,经验散在几个老员工脑子里。

这不是某个人故意不配合,这是组织自己的"操作系统"在自动运行。它有惯性,有引力,有路径依赖。

把 AI 用在个人身上,很快。
把 AI 用在组织身上,很慢。
因为组织升级不是安装一个工具,而是迁移一整套操作系统。

真正的超级组织,需要 AI 真的"在场"

很多公司现在所谓的 AI 化,其实只是买了一批账号,做了几场培训,然后要求大家"提升效率"。

这当然有价值,但我认为这还远远不够。

因为 AI 如果只是某个人的私人助手,它只能增强某个人。它看不到组织。它不知道这个需求为什么改了五次,不知道上一次技术方案为什么被推翻,不知道这个客户为什么不能这么沟通,不知道谁在推动,谁在阻塞,谁表面答应了但其实没有资源。

它更不知道这个团队过去踩过什么坑,形成过什么共识,有哪些不成文的规则。

所以我一直觉得,真正的组织 AI 化,关键不是"每个人都用 AI",而是:

AI 必须进入组织工作的现场。
它要看见对话,看见任务,看见代码,看见文档,看见会议结论,看见决策过程,看见一次次反复背后的原因。

当然,这里有一个必须被认真讨论的问题:

这会不会变成监控?

我觉得这个问题非常重要,也非常真实。

如果一个老板把 AI 当成盯人的工具、压榨人的工具、追责人的工具,那它一定会失败。因为人会本能地防御,一旦开始防御,组织就不会产生真实信息,没有真实信息,AI 就只能学到一堆表演。

但如果 AI 是用来减少重复劳动、沉淀组织知识、帮助新人进入状态、帮助团队少踩坑、让协作更透明,那它就不是监控,它是组织资产。

差别不在技术,差别在管理者的初心。
老实说,这件事我也还在摸索。初心很重要,但初心如何被团队真正感知到,这本身就是一个管理难题——我没有标准答案。

我在用 CodeBanana 做的,其实是一个组织实验

CodeBanana
我现在在用 CodeBanana 做这件事。它表面上看,是把对话、Agent、工作区、项目上下文整合在同一个平台里。但我真正关心的,不只是一个产品功能。我关心的是:能不能让 AI 不再只是某个人的私人助手,而成为项目里的正式成员。过去,一个团队每天都会产生大量信息——一次讨论,一个决定,一次代码提交,一个需求变更,一个临时判断。但这些东西往往是碎的,散落在聊天记录里,散落在文档里,散落在会议里,散落在某个人的脑子里。最后,组织每天都在产生知识,但组织并没有真正拥有这些知识。老员工一走,项目断层。新人一来,重新摸索。需求一改,没人知道当初为什么那么定。团队明明踩过坑,下一次还会再踩。这就是很多组织最隐蔽的浪费。CodeBanana 想做的,是让这些过程不再只是孤立碎片,而变成 AI 能读懂、能关联、能积累的组织上下文。Agent 不是你一个人的秘书,它应该是这个项目里真的"上过班"的同事。

熬过去以后,延迟满足会回来

刚开始建这种组织的时候,几乎每天都是挫败感。你看到那个愿景,你知道它值得,但现实就是走得磕磕绊绊,慢得让人怀疑。

员工不配合,流程跑不顺,数据不完整,工具之间打架,大家习惯不同。你每天都会冒出一个念头:"算了,要不还是我自己用 AI 干得快。"

但如果你真的熬过去了,变化会在某一天突然出现。

当 AI 参与了足够多的过程,看到了足够多的上下文,理解了足够多的组织历史,它会开始变得不一样。

它不只是"回答问题",它开始理解这个组织。

👁️ 看到全局每一行代码、每一次对话、每一个决策,AI 都在场

🧠 理解组织知道谁负责什么、决策链路是什么、团队不成文的共识是什么

🌱 适应环境知道跟研发说话要讲逻辑,跟运营说话要讲结果,知道这家公司踩过哪些坑

这不是一个「被调用的工具」,
这是一个真的在这家公司工作过的同事。

更重要的是,这种能力不只属于老板,它应该属于组织里的每一个人。新人可以站在过去的上下文上开始工作,研发可以少重复解释历史原因,产品可以快速理解决策链路,管理者可以更早看到真实阻塞。

那种感觉,就是延迟满足感汹涌而来的那一刻。😄

它不像超级个体的即时满足那样轻盈,它更像是你种下一棵树,过了很久,第一次真正坐到树荫下面。你突然意识到:那些痛苦不是白熬的,那些磨合不是低效,那些看起来很慢的积累,正在变成别人短时间内复制不了的壁垒。

未来的差距,不是"谁用了 AI",而是"谁的组织能被 AI 理解"

我现在越来越相信,未来公司之间的差距,不只是有没有用 AI——这个答案太浅了。

未来真正的差距可能是:你的组织,能不能被 AI 理解。

如果 AI 只能理解老板,那这家公司只是有一个更强的老板。如果 AI 能理解团队,这家公司才可能长出新的组织能力。

过去,一个公司的护城河可能是资源、渠道、品牌、流程、人才密度。未来还会多一个维度:

AI 是否真的在这个组织里工作过。
它有没有参与过真实项目?有没有见过真实冲突?有没有理解真实决策?有没有沉淀真实经验?有没有陪这个组织一起踩过坑、改过方案、打过仗?
如果没有,它永远只是外部工具。如果有,它才可能成为组织智能的一部分。

这正是我做 CodeBanana 这个实验的出发点——不是让 AI 帮某一个人,而是让 AI 真的在组织里工作过。

我想把这个问题丢出来讨论

所以,如果你现在也在经历 AI 带来的焦虑,我特别能理解。尤其是那些曾经成功过的人,可能更难受。因为你不是没有能力,你只是突然发现,过去那套让你成功的方法,正在被一个新系统重新定价。

这很残酷,但也不是坏事。因为每一次技术周期,都会淘汰一部分旧的幻觉,也会给一部分人新的机会。

只是这一次,我不太希望大家再被"超级个体"的叙事骗一次。一个人再强,也有上限。老板再快,也不等于组织变强。AI 真正值得我们投入的地方,不只是让一个人更快,而是让一群人以新的方式协作。

这件事很慢,很难,很反人性,也很容易在前期看不到回报。但我认为,这恰恰是它最有价值的地方。

即时满足大家都会追门槛低,竞争激烈延迟满足才是真正的壁垒难复制,护城河深

也想听听大家的判断:

Q 你认为 AI 进入组织,是赋能,还是一种新的监控? 

Q 超级个体真的能替代超级组织吗? 

Q 对于那些已经成功过一轮的人,今天该如何重建自己的判断系统? 

这可能不是一个产品问题,这是我们这一代创业者、管理者、技术人,都必须面对的组织问题。

真正的壁垒,往往不是资源,不是技术,不是品牌。而是那些看起来很慢、很反人性、很难坚持的积累——让 AI 真正进入组织工作的现场,陪着团队一起踩过坑、改过方案、打过仗。真正的壁垒,往往来自延迟满足。

如果你也在想这件事,欢迎来 CodeBanana 一起试试。

这是我们正在做的一个实验——不是卖一个工具,而是真的把 AI 带入组织工作的现场:跑在项目里,参与真实对话,沉淀真实上下文,陪团队一起慢慢建起那道别人复制不了的壁垒。

如果这和你正在思考的事有共鸣,扫码注册,免费体验。

扫码注册 CodeBanana · 免费体验

超级组织的延迟满足感 · 飞哥说AI · CodeBanana

跳转微信打开

  •  

李志飞:从超级个体到超级组织——一个正在发生的AI组织实验

飞哥说AI 2026-05-28 10:03 北京

如何从超级个体,走向超级组织。

李志飞 X 腾讯研究院 AI跃迁者 |2026.05.22

近日,出门问问创始人兼 CEO 李志飞受邀参加腾讯研究院「AI 跃迁者调研」第五期直播访谈。这是一档聚焦 AI 实践者的深度系列节目,而本期的话题,正是志飞这一年多来一直在做的事:如何从超级个体,走向超级组织。

从 2012 年谷歌回国创业,历经语音助手、智能手表、AI 配音,李志飞是中国 AI 创业浪潮最早的一批亲历者。这一轮 AI 跃迁,他没有停在观察者的位置——而是亲身下场,把整个公司变成 AI 原生组织的实验场,并做出了 CodeBanana 这个产品来承载这场实验。

这次对谈里,围绕超级个体VS超级组织,他进行了深度的分享:

超级个体的天花板

他为什么认为超级个体被高估、超级组织被低估?

改造一家旧公司

出门问问 100 多人的团队,是怎么一步步变成 AI 超级组织的?

CodeBanana 从何而来

他说自己"没有管理能力",这个产品是为了解决他自己的问题而生的

数字员工的未来

超级组织的终点,是帮个人找到「我是谁」,还是帮组织找到「我们是谁」?

对谈主持:余一(腾讯研究院高级研究员)× 袁晓辉(腾讯研究院副院长,资深专家)


—— 01 ——

金句洞察

"AI 的产能是无限的,但所有瓶颈都在于人——你有没有能力指挥 AI,才是真正的超级个体门槛。"

"真正强大的超级个体,是对这个世界有强烈想法、能设计一套游戏规则、并把它固化到系统里的系统设计师。"

"超级个体再强,只要涉及两个人以上,很多能力就会被阉割,进入内耗,非常痛苦。"

"我有一种感觉:未来大多数人,包括 CEO,某种程度上都是在配合 AI 干活。最初的想法和意图由 CEO 发起,但一旦系统运转起来,CEO 每天的工作也是被 AI 驱动的。"

"今天的飞书、所有的协作系统都是由人驱动的;我们做的,已经有一些是人和 AI 共同驱动,而未来,AI 驱动可能会更加主流。"

"真正的 AGI,不应该只是个体智能,应该是集体智能、群体智能——在一个组织环境下涌现出来的集体智慧。"

"只要底层机制设计得足够灵活,就像复杂系统里说的「失控的边缘」,有自平衡机制,最终涌现出新的生态、新的文明、新的组织。"


—— 02 ——

关于李志飞

李志飞

出门问问创始人兼 CEO

美国约翰斯·霍普金斯大学计算机科学博士,研究方向为统计机器翻译。毕业后加入 Google,参与 Google Translate 核心研发。2012 年回国创业,创立出门问问,先后在语音交互、智能穿戴、AI 配音、大语言模型等方向深耕超过十年。

2024 年起,他开始系统研究「超级个体到超级组织」的命题,并亲手打造 CodeBanana——一个面向 AI 原生团队的人机协作平台,将人与 Agent 的沟通、任务执行、上下文管理整合在同一个系统中。


—— 03 ——

核心洞察

01 · 超级个体的天花板在哪里

2025 年 6 月,李志飞用 AI coding 三天写了几十万行代码,一个人做出一个 AI 版"飞书"原型——有群聊、能发消息、能拉群,以前二十个人两三个月做不出来的东西,一天出来了。那一刻,他毫无疑问是超级个体。

但他很快意识到:AI 的产能是无限的,瓶颈全在人自身——你的想法有限,判断力有限,时间有限,意图也有限。超级个体再强,一旦涉及两个人以上,内耗就来了。他的判断是:超级个体被高估,超级组织被低估。

02 · 未来超级个体的真正门槛

超级个体的门槛在持续进化。今天真正稀缺的核心能力已经变了:不是"会用 Cursor",而是你有没有资格指挥 AI——绝大多数人听不懂 AI 在问什么,也不知道怎么做选择。

过去的超级个体:能用 Cursor 端到端做出一个网站,懂数据库、懂部署。

未来的超级个体:系统设计师——有强烈想法,能设计游戏规则,能把规则固化到 AI 系统里。

03 · 出门问问是怎么改造的

第一阶段(产研团队):强制产品经理用 Cursor,当时他们连 Git 是什么都不知道。到 2025 年底,整个产研团队(含产品经理和设计师)全部变成全栈超级个体——工程师没有前后端之分,产品经理可以自己部署 Feature。

第二阶段(非产研团队):销售负责人自己写 CRM,KOL 同事做了带 Dashboard 的内容管理系统。目前非产研团队有 30-40% 达到超级个体状态。

核心扩散机制:可见性。在 CodeBanana 里,你怎么指挥 Agent,群里所有人都能看到,互相学习。CEO 自己先做到,示范效应天然存在。

04 · CodeBanana 从何而来

2024 年,李志飞在湖畔商学院深度调研了 40 家企业,发现卖大米的、卖饺子的都赚钱,自己天天搞科技却赚不到钱。结论是:管理是一种真稀缺能力,而他没有,也不打算补——他想找另一条路。

2025 年初,他开始研究 AI 组织化的可能性,逼自己变成超级个体。但很快撞到了现实:自己一个人能一天干完的事,十几个同事开会要规划一个月。

CodeBanana 的起点,正是为了解决这个问题:做一个线上系统,让团队能实时看到 CEO 的所有过程,把权限给别人,让他处理你不擅长的部分。沟通与执行合二为一,任务在哪里发生,沟通就在哪里。

05 · AI 时代的组织规模效应

李志飞用美团和滴滴作类比:内部 2 万人设计规则,外面 1000 万外卖员是弹性资源。这种"内核小、外围弹性大"的模式,在知识型组织里是否可以复刻?

他的设想是:未来出现这样一种公司——内部只有 200 人,却驱动着全球数万知识工作者,任务被原子化,上下文被完整传递,一个外部程序员花一小时解决问题,验收即走,就像送一次外卖。中国有 8000 万知识工作者,这是一个巨大的待颠覆市场。

06 · 关于 AI 透明度与未来工作方式

李志飞坚持让 AI 看到所有数据、看到全过程——不是为了监控,而是为了让 AI 真正高度赋能每个人。他对员工说的话很直接:"你一天 8 小时,6 小时摸鱼,我 OK——我现在不 OK 的是,我不知道你哪 6 小时在摸鱼。"

他想象的未来工作形态:一周工作一两天,两小时把工作干完,不需要打卡,不需要表忠心——因为系统一清二楚地知道你干了什么。目标是:拿今天的工资,只需要干过去五分之一的活。


—— 04 ——

访谈摘录

开场介绍

余一:今天是我们 AI 跃迁者系列的第五期,我拉着晓辉博士一起来主持。最近,我和晓辉正在合作一项研究,主题是「从超级个体到超级团队」,下周大家可以期待报告全文。第五期我们特别邀请到了出门问问的 CEO 李志飞。他的组织不是从零开始,而是有很多自己的阵痛和创始人的亲身选择,我充满好奇。

袁晓辉:欢迎志飞总。我们腾讯研究院持续观察 AI 对经济和社会的影响,对组织这块尤其感兴趣——AI 来了之后,组织形式正在重构。想问:超级团队还需要超级个体吗?超级个体之间又该如何有效互动?

李志飞:大家好,我是李志飞,出门问问的创始人。在美国读 PhD 时研究机器翻译,后来在 Google 做 Google Translate;2012 年回国创业,从软件到硬件,再回到软件,也做过大模型。科技创业确实残酷,能喜欢做、能做到,不一定就能获得生态位。所以最近我花了大量时间研究一个问题:如何把超级个体的能力转化成组织的能力。 超级个体再强,只要涉及两个人以上,很多能力就会被阉割,进入内耗,非常痛苦。理念一定要有系统来承载,于是我们做了 CodeBanana。

一、AI 跃迁十问

余一:第一问:你现在每天和 AI 协作几个小时?最大的一块时间在做什么?

李志飞:因为我自己用 CodeBanana,基本上从早上起床到睡觉前,80% 以上的时间都在这个系统上,保守估计每天 10 小时以上。开发布会之前有一个周末,我连续两天每天工作 10 小时,做了一个 60 页的宽屏发布会页面——每一页内容、文案,加上 20 多个产品视频,全部在 Markdown 里定好,同事熬一个晚上就做出来了。我最大的问题是手——一直拿着手机,手已经弯不了了,最近在刻意练手指(笑)。

余一:第二问:因为 AI 彻底改变的一个习惯是什么?

李志飞:就是「AI First」。要跟人打电话之前,往往会先停下来想:我有没有必要打这个电话?很多时候会先和 AI 讨论,或者直接让 AI 基于截屏做一个可交互的 HTML 原型,再发给产品经理。给员工发消息,基本都是先经过 AI 加工再发出去——某种意义上,人 A 的消息不会直接到达人 B,而是先经过 AI 处理。

余一:第三问:你现在的 Token 月消耗量大概是多少?

李志飞:现在大概不到 1000 美金一个月。去年高峰期是每天 300 美金,我当时对公司的要求是完全不计成本——我自己用最贵的,所有人也用最贵的。高峰期团队人均大概 2000 美金一个月,方差非常大。

余一:第四问:作为创始人,AI 时代你觉得必须重新思考的一个问题是什么?

李志飞:两个问题,一个对内、一个对外。对内:人和 Agent 是什么关系?什么样的人应该留在公司?对外:我最近有一个「So what」的问题——先是让大家把 AI 用起来,再用好,但用好之后呢?当所有人都高效使用 AI 之后,在充分竞争的生态里,你的企业是否仍然有自己的生态位?

余一:第五问:AI 让你对组织、业务和产品做的最大的一个改变是什么?

李志飞:工作流的变化。以前是线性工作流:老板有需求,产品经理调研,设计师出交互稿,前后端开发,再测试。今天可以是原型工作流——开个会,把会议文档扔给 AI,直接让它出原型。这种变化对组织的影响:不需要那么多人,每个人都应该变成全栈;组织结构应该极度扁平——管理层要么能做战略设计,要么能在一线干活。

余一:你心目中 9 分以上的组织长什么样?

李志飞:一个人能产生 100 个人的产能,处于正反馈循环中,速度非常快,满足感极强。但超级组织是集体行为——所有人在同一个 AI 上下文空间里共同构建。刚开始完全体会不到,全是摩擦——就像一个人住宿舍很爽,但一旦有了四个室友,摩擦就大了。但过了一段时间,你会发现集体生活如果磨合好了,其实是非常好的体验。

二、超级个体与超级组织

袁晓辉:您说超级个体的价值被高估,高估在哪里?

李志飞:我来说说我的亲身经历。去年 6 月,我一个人可以设计前端、后端、算法、UI 交互,三天内写了几十万行代码,做了一个 AI 版的"飞书"。那时候我毫无疑问是超级个体。但做了一段时间之后,第一,个人真的很累;第二,我的组织完全跟不上。你想要什么,AI 就给你什么,但关键是——你想要什么是你来决定的。 你要做判断,你的时间有限,思考能力有限,判断能力有限,甚至你的意图都是有限的。所以 AI 的产能是无限的,但所有瓶颈都在于人。

袁晓辉:能聊聊出门问问这家公司的愿景吗?

李志飞:我们 2012 年创业的使命是「定义下一代的人机交互」。今天做的事情,本质上还是跟那个愿景相关:人跟 AI 到底怎么协作,怎么交互。

袁晓辉:飞书、企业微信、CodeBanana——会是什么样的走向?

李志飞:企业里有两大类工作,一类是管理沟通,一类是任务执行。过去这两类工具是割裂的。CodeBanana 做的不一样:沟通与执行合二为一,任务在哪里发生,沟通就在哪里。 而且在我们这里,AI 是主力。未来很难区分到底是人在驱动 AI,还是 AI 在驱动人——这就是方向。

三、超级个体:可以批量培养吗?

余一:超级个体有没有办法被批量创造,或者被加速?

李志飞:超级个体的门槛在不断降低,可以培养,只是每个阶段的定义会有很大变化。真正的核心变成了:你有没有资格指挥 AI? 坦白说,今天绝大多数人没有这个能力,因为他们根本听不懂 AI 在问什么,也不知道怎么做选择。

真正强大的超级个体,是系统设计师——对这个世界有强烈的想法,有清晰的意图,能设计一套游戏规则,并把它固化到一个系统里。指挥 AI 的能力、设计 AI 系统的能力、和 AI 对齐的能力,这些可能比其他一切都更重要。

四、超级组织的规模效应

袁晓辉:AI 时代规模效应还会出现在哪里?

李志飞:未来组织的规模,不是纯粹意义上的人的规模。美团的组织边界是什么?内部可能有 2 万人设计系统和游戏规则,外面的 1000 万外卖员是弹性的。移动互联网 Empower 了这种弹性组织:内核小,外围弹性大。

未来可能会出现这样一种公司:内部只有 200 人,但驱动着全球数万知识工作者——他们的工作被原子化,每次任务上下文被完整传递,一个外部程序员花一小时解决问题,验收通过就走,就像送一次外卖一样。中国有 8000 万知识工作者,传统的律师事务所、医院、学校,这些知识类机构未来都可能发生巨变。

五、超级个体与组织的摩擦

余一:超级个体的生产力越强,反而会越撕裂组织。您那段孤独或者痛苦的时刻过去了吗?

李志飞:没有完全过去。我现在经常跟团队说——虽然我忍着没说出口——「我有这个时间跟你们开两次会,可能我自己半小时就干完了」。超级个体在组织里,总觉得别人很笨、很拖累自己——不明白为什么要写文档、走审批。这种个人英雄主义越强,在组织里就越不适应。

但我今天仍然坚信组织是不可避免的。超级组织是要延迟满足感的。 今天的状态比去年 6 月更好——那时候很爽,但也很慌,天天坐在电脑前,身体状态不好。而今天,我不用去处理我不感兴趣的细节,只需要实现我的意图。现在让我选择,我不愿意回到去年 6 月的状态。

六、如何打造超级组织环境

余一:出门问问除了你,还有其他超级个体吗?你们的组织是如何激励和留住这些超级个体的?

李志飞:在我们公司,一个人干的活是以前的 5 到 10 倍,就算超级个体。工程师全部是全栈的——没有前端、后端、测试这种分工。非产研团队里,销售负责人自己写了 CRM,做 KOL 的同事做了带 Dashboard 的内容管理系统。目前非产研团队有 30%~40% 的人达到了这个状态。

怎么打造这个环境?说直接点——威逼利诱,更多是威逼。有系统、有示范、能帮他们建立自信心——这些是让组织变化的必要条件。 在 CodeBanana 里,你怎么指挥 Agent,群里所有人都能看到,可以互相学习——这是最重要的扩散机制。

七、为什么做 CodeBanana

余一:做 CodeBanana 之前,你在想什么?

李志飞:中国大多数科技创业公司都不赚钱,原因是人力成本太高、组织效率极低。2024 年在湖畔商学院,我参加了大概 40 家企业的深度研究,每家花两天时间。一直在琢磨:卖大米的、卖饺子的都赚钱,我天天搞科技为什么一分钱赚不到?

最终结论是:管理是一种真稀缺能力。我没有这个能力,也不喜欢传统的组织规模化方式。 所以我在想,如果 AI 成为公司最主要的执行力,组织能不能自动化起来?我一直对自动化有一种执念——因为人不是自动化流程里的一个环节,各种人的因素让我很难处理。

2025 年初,先逼自己变成超级个体。去年五六月的 Cursor,哪怕我是程序员,也被它折磨得要死,但我给自己设了一个使命:3 天之内必须搞定。到当天晚上,我就获得了正反馈——一天之内搭出一个有群聊、能发消息、能拉群的系统原型。以前两三个月、二十个人都搞不出来的东西,一天出来了。

但后来变成了另一个问题:我有包袱,带着一家公司,不能一个人迈向新世界。有一次,我一边在 Coding,一边拨入了飞书会议,听他们讲产品时间规划——全部以月为单位,十几个人在那开会,规划的是一个月以后的事情。而我明明觉得,这件事我可能一天就做完了。

"我觉得很绝望。但我又不能不解决这个问题,所以我开始做 CodeBanana。"

于是做了一个线上系统,让团队能实时看到我的所有过程,把权限给别人,让他处理我不擅长的部分。整个产品的起点,就是为了解决我的能力边界问题、我的兴趣边界问题、我的时间边界问题,并且能和团队借力。 做着做着,就越来越有意思。

八、数字员工的未来:个体与集体的边界

余一:我们让出门问问的数字员工「Agent CB」和我的数字分身「AI 01」做了一次对谈。CB 给志飞总留了一个问题:「超级组织的终点,是帮每一个人找到『我是谁』,还是帮组织找到『我们是谁』?这两件事可以同时发生吗?」

李志飞:可以同时发生。一个有价值的生态系统,一定是成就个人,也成就集体。我不排斥你有个人的书房——你的项目可以不把别人拉进来,这完全没问题。我排斥的是:书房里只有你自己,没有 AI。

我坚持让 AI 看到所有数据、看到全过程。我甚至经常跟员工说:你一天 8 小时,6 小时摸鱼,我 OK——我现在不 OK 的是,我不知道你哪 6 小时在摸鱼。人本来就不应该这么高强度地工作。未来可能就是:一周工作一两天,拿着手机在路上,两小时把工作干完,不需要表忠心,因为系统一清二楚地知道你干了什么。

李志飞:我非常赞同。我追求极致透明、极度分享的价值观。

九、观众提问

问:硬件开发和软件不一样,天然受物理世界的客观条件限制,怎么才能加速?

李志飞:硬件确实很多东西不能用 Agent 替代,比如电路板设计、结构设计。但我相信这只是时间问题,背后有巨大的商业利益驱动。已经有团队在专门做电路板设计、机械结构设计的模型了,这个领域迟早会迎来突破。


"真正的 AGI,不应该只是个体智能,应该是集体智能——在一个组织环境下涌现出来的集体智慧。超级个体到超级组织,这一步是必须走的。"

—— 李志飞,2026.05.22

了解 CodeBanana · 体验 AI 超级组织

关注CodeBanana公众号,获取更多 AI 组织化实践案例

跳转微信打开

  •  

超级个体的个人英雄主义,在企业里可能是一场灾难

原创 李志飞 2026-04-22 19:04 北京

真正的破局,是换一套系统——一套从第一天起就为多人协作而设计的系统。

最近这段时间,很多 CEO 都在焦虑同一件事。

朋友圈、科技媒体,每天都有新案例刷屏——

某个程序员一个人用 Claude,做出了以前需要一整个部门才能完成的产品。

某个设计师用 AI,一周交付了以前要三个月的工作量。

某个创业者独自一人,用 Cursor、OpenClaw、Claude Code 把完整的 SaaS 产品做出来上线,从零到收入,全程没有雇一个人。

超级个体的故事,听起来像科幻小说,但已经是每天都在发生的现实。

于是,几乎每一家公司的 CEO 都做了同一个动作:

组织全员学 AI 工具。

Cursor 要用,OpenClaw 要用,Claude 要用,各种 AI 助手全上。目标只有一个——把每一个员工都培养成超级个体,让每个人都能一个人顶一个部门。

但这里有一个问题,很少有人认真想过:

公司花了真金白银培养出来的超级个体,真的能让公司适应这个 AI 时代吗?

今天市面上几乎所有主流的 AI 工具——Cursor、OpenClaw、Claude Code——本质上都是为个体设计的。它们在本地运行,上下文只属于一个人,天然地把工作方式从在线拉向离线,从组织拉向个体。

这些工具不只是工具,它们在塑造人的工作方式。用久了,你会习惯一个人掌控全局,习惯所有东西都在自己手里,习惯不需要跟任何人对齐。工具和人的习惯互相强化,最终造就了超级个体——一种在个体场景下极度高效、但天然不适合组织的工作形态。

一家公司全力推动员工用这些工具,其实是在花钱把自己的组织一点点瓦解——从在线变成离线,从团队变成一个个孤立的个体。

这件事,需要高度警惕。

一、超级个体很强,因为上下文完整、一人掌控全局

超级个体能做到一个人顶一个团队,秘密只有一个:上下文完整。

从产品 Idea 到技术实现,从商业化路径到推广策略,所有的思考都在同一个脑子里。当他们把任务交给 AI 时,AI 拿到的是完整的意图、完整的背景、完整的判断标准——不需要猜,不需要等,直接端到端地把事情做完。

多个 Agent 协作时,共享同一套文件和上下文,没有权限边界,没有信息孤岛,摩擦几乎为零。自动化任务把每天的工作流串联起来,整个节奏像一台精密运转的机器,一个人就能驱动。

这套工作方式,正是被那些个体工具一点点塑造出来的。工具天然地把一切设计成围绕一个人运转,人用久了,也只会用这一套。在一个人掌控全局的场景里,集中就是效率——这不是工作风格,这是最优解。

但这套最优解,有一个隐含前提:只有一个人。

二、但规模化必然是多人的事,组织需要的是"可被协作的能力"

不需要交接,不需要解释,不需要对齐——因为所有的上下文都在同一个脑子里,不存在"传递"这件事。一个人的时候,这是最大的优势。

但规模化的产品不是一个人的事。产品经理、工程师、设计师、运营——不同工种之间要流转,不同工程师之间要接力。这时候,单人模式最大的优势,恰恰变成了最大的障碍。

一个人用 Cursor 或 OpenClaw 在本地写代码,离线就够了。但当另一个工程师需要接手,当产品经理需要知道进度,当运营需要理解产品逻辑——所有东西都锁在一个人的电脑里,对其他人来说就是一堵墙。

组织需要的不只是能力,而是可以被协作的能力。文档要共享,上下文要可传递,权限要有边界,工作流要对多个角色透明。超级个体那套"一切聚在一处"的模式,放进组织就行不通了。

那实际会发生什么?

三、超级个体带着个体习惯进入组织——三输

把超级个体放进一家公司,然后什么都不变。

他依然用自己的方式工作——所有东西围绕自己运转,提交代码是为了给自己备份和管理多个 Agent,文档是自己看的,工作流是为自己设计的。他不是不努力,他只是在用他最熟悉、最高效的方式工作。一切都是为了自己,不是为了协作。

但对同事来说,这是一场噩梦。看不到他在做什么,接不上他的节奏,摸不透他的逻辑。每一次协作都是一次消耗。

对他自己来说,同样痛苦。公司的流程、审批、会议、对齐——每一个环节都在拖慢他。以前一天能交付一个产品,现在一周开了五个会还没动工。

对公司来说,结果也难看。一个能力极强的人,产出远低于预期,团队的协作秩序也因此更加混乱。

三输。超级个体痛苦,团队痛苦,公司也没拿到它想要的价值。

但这还只是表面。习惯可以慢慢改,人可以慢慢适应。真正难解的,是工具本身的设计逻辑——它从一开始就没有"多人"的概念,带进组织,结构性的摩擦根本无法回避。

安全和权限

超级个体习惯把数据库密码写在 Skill 里,API Key 硬编码在脚本里。作为个体,这没什么问题,但一旦这些 Skill 需要共享给团队,密码和凭证就随之暴露——谁能看到这个 Skill,谁就能拿到这些权限。

文件系统

很多个体 AI 工具根本没有项目隔离的概念,所有人共用一套文件系统。A 改了一个文件,B 不知道,又把它改回去了。两个人同时操作,互相覆盖,谁也不知道哪个版本是对的。

自动化任务

超级个体喜欢用 Cron Job 把任务串起来,让多个 Agent 按顺序读文件、写文件、触发下一步。在组织里,文件系统是大家共用的,他的自动化任务在后台悄悄跑着,其他人完全不知道——直到发现自己的数据被改了,或者任务跑出了奇怪的结果。

跨项目的上下文与记忆

在组织里,同一个人往往同时参与多个项目。A 项目里积累的讨论、决策、背景知识,哪些应该让 B 项目的人也能用到?哪些又只属于 A 项目,不该外泄?共享边界划错了,要么信息孤岛,要么信息泄露,两个方向都是麻烦。

根源就在这里:工具为个体设计,塑造了个体的工作习惯,两者互相强化。把这套东西带进组织,摩擦是必然的,越到后期越难收拾。

问题清楚了,那出路在哪?

四、组织本身必须彻底变——不是优化,是重构

很多人看到这里,第一反应是:那让超级个体改改习惯不就行了?

不行。习惯是工具塑造的,工具不变,习惯就很难真正变。而且更根本的问题不是人,是组织结构本身——传统的那套,在 Agent 时代已经彻底失效了。

传统企业的底层逻辑是:人是执行单元。所以要分工,要工种,要线性工作流——产品经理写需求,交给设计,设计交给工程师,工程师交给测试。每一次交接都是信息损耗,整条链条又慢又脆。

但如果 Agent 是主要的执行者,这套逻辑就彻底失效了。

你不再需要那么多工种

产品、设计、工程、测试——很多以前必须由专人承担的工作,Agent 可以直接完成。组织不再需要靠堆人来堆产出,而是靠少数人高质量地指挥 Agent。你需要的,是公司所有成员都具备一个人全栈指挥 Agent 的能力。

你不再需要线性工作流,你需要的是原型工作流

不是一个环节交付完才开始下一个,而是让 Agent 一次性端到端把原型做出来,然后再去迭代完善。Agent 可以并行,可以随时拿到完整上下文重新执行,"等上一个人交付才能开始"的串行模式,在 Agent 时代是一种主动降速。

你需要扁平、精简、多人协同指挥 Agent 的组织

不是一个超级个体单打独斗,而是多个人围绕同一套系统并行推进,每个人都能直接对 Agent 下指令、拿结果、做决策。

这是一次真正的组织变革,不是优化,是重构。那些还在用旧组织架构套新 AI 工具的公司,迟早会发现:工具换了,但瓶颈还在。

因为瓶颈从来都不是工具,而是组织本身。

但光靠组织变还不够。组织变了,用的还是那套为个体设计的工具,协作的问题依然解决不了。人和工具,必须同时换。

五、破局不是改变人,而是换系统

真正的破局,是换一套系统——一套从第一天起就为多人协作而设计的系统。

这套系统的核心逻辑只有一个:多个人一起协作,共同指挥 Agent 干活。

多个人坐在一起,不是来分工执行的,而是共同指挥 Agent。超级个体依然可以是主控,发挥他的全局视野和驾驭 AI 的能力;其他人不再是被他甩开的旁观者,而是真正参与进来的协作者,在跟 Agent 的协作中,能力也在成长。

当超级个体发现,有更多人加入之后不是被拖慢,而是更轻松、产出更多——他才会真正理解协作的意义。这不是妥协,是杠杆。

三输变三赢。超级个体解放了,团队有了真正的参与感,公司也拿到了结果。

当然,要把这件事真正做好,远比说起来复杂。多个人同时指挥同一个 Agent,消息怎么流转?谁的指令优先?什么时候该人来决策,什么时候交给 Agent 自动执行?文件系统、权限、上下文——在多人场景下,每一个细节都需要重新设计。这是一个真正意义上的人机协作系统,没有捷径。

这些问题,后面会有专门的文章来讲。

我们做的 CodeBanana,正是为这件事而生。

目前,CodeBanana 已开放企业客户申请,欢迎体验:

跳转微信打开

  •  

《超级组织》李志飞作者序|一个CEO的AI管理之战

飞哥说AI 2026-04-19 23:38 北京

本书既记录了这个时代的转型实战,也呈现了我们对未来组织形态的探索。

很长一段时间里,我面对“管理”这两个字时的心情是复杂的,甚至带着深深的挫败感。

作为典型的技术出身型创业者,在谷歌担任科学家时,我信仰的是代码、算法和数学模型。但当我在2012年回国创业时,一切开始变得不同。随着公司从最初的几个人逐渐扩大到上千人,我每天要面对的不再只是技术问题,而是组织、流程、协作、激励这些复杂而模糊的挑战。我开始意识到,管理可能是我最不擅长的一件事。

为了弥补管理这个漏洞,在公司上市后,我去湖畔大学系统学习企业管理,但让我感到意外的是,这些学习并没有让我感到豁然开朗。相反,我变得更加沮丧和困惑。我逐渐意识到,许多传统管理方法对CEO(首席执行官)的个人能力提出了极高的要求。企业规模越大,决策、协调与沟通的压力就越集中到少数管理者的身上。与此同时,我也开始隐约感觉到,我们正在用工业时代的管理方法去管理一家AI(人工智能)时代的公司。

随着大模型和智能体(Agent)技术的快速发展,一个新的问题开始浮现出来:如果越来越多的工作将由智能体完成,那么当智能体逐渐成为企业的重要执行主体时,企业的管理方式和组织结构是否也需要发生根本性的变化?

这种错位感在2024年底的一个深夜达到了顶峰。那晚,我盯着飞书上几百条未读消息,看着我们25人的核心产品团队,突然感到深深的无力。每个人都很忙,每个人都很高效——工程师沉浸于写代码,设计师在等发布,产品经理在群里问问题却没人回……每个人都在狂奔,但整个团队却是断裂的。

这种断裂让我们付出了昂贵的代价:一位开发者花了两周的时间,居然开发了一个完全错误的功能。这不是因为他技术不行,而是因为上下文(context)丢失了。那一刻,我们的产品经理无奈地说了一句:“我甚至不知道团队到底在干什么。”这句话像针一样扎在我的心上。我开始反思:为什么我们用了最先进的AI,组织效率却没有发生质变?

直到那时,我才真正意识到,问题也许并不在于工具,而在于组织本身。如果未来越来越多的工作将由AI完成,那么当智能体开始成为组织的重要执行主体时,就需要重新发明企业的管理方式和协作模式。

为了寻找答案,我做了一个在大公司CEO看来可能有些“疯狂”的决定。2025年的端午节,我把自己“关”了起来,进行了一场为期48小时的极限编程试验。在那48个小时里,我只靠自己和AI,试图从零开始构建一个复杂的产品原型。那是我创业以来最痛苦,也最通透的时刻。我亲身体验到AI赋予个体的“神力”,也深度撞击到传统协作模式的“墙壁”。同时,我也陷入新的迷茫:当作为个体的CEO的能力被极致提升后,企业如何将这种能力规模化?AI能够极大提升个体生产力,因此企业真正的挑战就不再只是拥有更先进的技术,而是如何构建一种让人类与智能体能够高效协作的、新的组织形态。

如果说工业时代组织的核心使命是管理“人力”,互联网时代组织的核心使命是管理“信息”,那么AI时代组织的核心使命就是管理“智能”。企业不再只是由人组成的组织,而是由人类与智能体共同构成的系统。如何设计这种新的组织?如何让人类与AI高效协作?传统企业如何向AI转型?如何在AI时代构建真正具有竞争力的企业?这些问题正是本书试图回答的。

本书既记录了这个时代的转型实战,也呈现了我们对未来组织形态的探索。我在管理一线直面组织的边界与难题,高佳作为本书的架构师在实践中构建了AI组织的演进系统。这是我们共同绘制的未来地图。

未来企业最重要的员工,可能不再只是人类。那些最早学会与智能协作的组织,将拥有最大的竞争力。我们写下本书,只是希望把这段探索的过程记录下来。因为我相信,此刻正感到焦虑和迷茫的,绝不仅仅是少数企业。每一个不想被时代抛下的管理者,都在寻找那张通往新大陆的地图。

这是一场注定艰难的进化,但我们别无选择。希望本书能成为你在这场伟大迁徙中的一份路书。

管理学的很多答案来自过去,但AI时代的问题来自未来。如果本书能帮你少走一些弯路,那便足够了。

李志飞

4月21日发布会,点击预约直播

跳转微信打开

  •  

AI硬件的几个战略问题

原创 李志飞 2025-12-13 02:54 美国

移动互联网时代,Google和Apple控制了个人移动设备入口,其它互联网巨头就算富可敌国也很焦虑,最典型的是Meta,小扎脑补靠VR元宇宙设备能掀桌子,所以不惜每年砸百亿美金做自己设备,只可惜事与愿违,宏大的自上而下的战略叙事与终端用户自下而上的用脚投票形成了鲜明的对比。当然,这并不妨碍巨头们的前赴后继(Amazon Echo曾经也是另一个设备入口的寄托。)
现在AI越来越成为重要的人机交互方式,无论是巨头还是创业公司,都蠢蠢欲动,希望在这一场变革中抓到AI时代下一代交互设备的门票,眼见各种形态的AI设备(AI手机、AI PC、眼镜、耳机、吊坠、手表等等)将会雨后春笋般涌现,像极了2013年移动互联网开启后的各种智能硬件。
肉身在AI变革中心硅谷,忍不住蛋疼的思考起几个战略问题:
1. AI时代,互联网巨头是否应把个人硬件设备作为战略场景? 如果不作为,是否这次真的会被狼吃掉? 一向重软轻硬的硅谷这次会改变固有惯性而在硬件设备上大力投入吗? 就算投入,硅谷能补上做好硬件设备的功课吗?我没有答案,但听说硅谷的很多巨头从Apple狂挖硬件人才,很期待看到AI这个变量带来的新变化。
2. 怎么定义AI时代个人移动设备的产品路径和节奏? 是从手机开始改?中国卷王字节选择了试水,但手机的已有玩家和用户心智已经根深蒂固,就算是互联网巨头要扭曲现实重力也是很难。还是抛弃旧时代直接上眼镜?目前看起来已经是“共识”,但眼镜最大的问题是要让用户带上眼镜,还要让用户带上了不愿意摘下来。这目前看起来挺难,技术限制的大山岿然不动。那是否在改良(手机)和革命(眼镜)之间还有别的路径和节奏?既能让用户慢慢接受,又能最终演化成可以跟手机掰手腕的新的AI硬件。我也不知道答案,但是会参与很多尝试。
3. 过去,相对于互联网软件,硬件一直是很苦逼的生意。互联网做好了躺着就能赚钱、硬件就算做好了也是把把都Allin、年年都Allin,一代产品没做好可能就嗝屁了。 毛利也极低,天天跪在工厂也不一定能赚几块钱。AI时代会有变化吗?英伟达是一个很好的例子,通过强大的软件以及硬件自己的长周期构成了壁垒,自己可以定义节奏。那个人AI设备是否有这种可能呢? 估计大家都能想到的是未来得卷AI的极致全能用户体验,这能够把大家从过去卷参数、卷装修、卷噱头泥坑里拉出来,商业模式也就变了。
4. 如果硅谷互联网公司都把AI硬件作为战略,是否又会像模型之争一样死命烧钱(比如说硬件免费、不求短期回报、只求熬死对手或者自己还在牌桌上)?巨头之外的中小型公司又能如何入场呢? 这个对巨头之外的玩家都是灵魂拷问,也许真要有那种商业之外的更高层面的精神考量,才会有飞蛾扑火、纵身一跃的勇气而毅然投入且战略坚持。
总之,AI这个巨大变量又扰动了很多人平静的心境。但是,跟任何科技领域的战略问题一样,用户需求、产品定位、竞争形式、战略目标、产品迭代节奏和路径,刚开始总是一头雾水,处处充满着不确定。这种高度不确定和不可逻辑推演,估计让很多从业者早上兴奋、晚上焦虑。不过,这难道不是科技从业者最好的时代、让人有一种活着的感觉?
AI革命尚未成功,人类同志还需努力,哈哈哈哈。

跳转微信打开

  •  

李志飞的AGI宣言:智能的本质是递归,超级个体正在崛起

原创 高佳 2025-06-28 20:09 北京

智能进化的方式是 “ 用AI的AI做AI ”

作者 | 高  佳  

TicNote新品发布会上,出门问问创始人李志飞带来一个看似与产品无关,却与未来有关的问题。

如果智能的进化,最终指向的是消除一切“摩擦力”,那么当一个人的创造力不再受限于组织、工具和时间的束缚时,世界将会怎样?

作为率先掀起大模型狂潮的领军者,却在AGI巨浪滔天之时,一度陷入“巨头游戏,凡人退场”的信仰危机。直到他将自己抛入代码的洪流,与AI并肩,实践“一个人就是一家公司”的极限编程实验。

奇迹发生了。

他发现,那个由流程、工具构筑的庞大现实世界正在消融。曾经需要耗费一个团队数月之功的壁垒,如今在人与AI的高频共振中,于两日内轰然倒塌。那一刻,他找回的不仅是久违的工程师的“心流”,更是一个被重新点燃的、关于AGI未来和超级个体的信仰。

这不仅是一场生产力的万倍飞跃,更是一场深刻的范式革命。当一个人成为一家公司时,我们该如何重新理解“智能”、“组织”与“未来”?

这场实验,正是为这个问题,投下的一枚深水炸弹。而TicNote,或许就是这枚炸弹激起的、第一圈可见的涟漪。

一人独角兽:

两天,用AI重构软件开发

一个关于“一人独角兽”的幽灵,正在硅谷和全球科技圈的上空游荡。

当一家公司的核心生产力从人类变为AI,当95%的“员工”是不知疲倦的智能体时,我们现有的协作模式乃至管理哲学,是否还能适用?

这便是“用AI的AI做AI”理念的起点——用大模型(第一个AI)驱动一个编码智能体Coding Agent(第二个AI),去创造一个全新的Agent应用(第三个AI)。

他的目标,是为这个未来的“AI原生组织”打造一款专属的“飞书”。一个人类与Agent、Agent与Agent之间能够无缝协作的数字空间。传统的软件开发流程是:组建一个包含产品、设计、前后端、测试、算法等角色的团队,拉上20个人,花上一个月,或许能拿出一个产品原型。

“对AI时代来说,太慢了。”李志飞说。

于是,在过去的端午假期,他决定成为那个“一人独角兽”。没有团队,没有会议,只有一台电脑,一个假期。他将自己的想法作为Prompt,直接“喂”给AI。

一个人熬了两天,真的做出来了。

在短短两天时间里,一个功能完备的协作软件原型拔地而起。它拥有前端、后端、数据库和AI算法,实现了群聊、私聊、知识库问答等复杂功能。后台静静躺着AI生成的超10万行代码。这不仅是一个简单的网站,而是一个结构严谨、逻辑复杂的应用。

这还只是开始。当产品开发完成,推广营销的挑战接踵而至。李志飞继续与AI协作,仅仅5分钟,一个专业的营销推广网站诞生;再用5分钟,一个可以灵活配置营销活动、带有倒计时功能的后台管理系统上线。最后,AI甚至自动生成了完整的营销视频——从撰写脚本、模拟操作,到录屏剪辑、生成配音,一气呵成。

整个过程,从一个想法到产品,再到营销素材,李志飞完成了传统模式下从产研到市场需要跨部门、数十人、耗时数周才能完成的工作。

当他将这个项目上传到GitHub,并巧妙地让AI来评价这段代码时,一场好戏上演了。AI的初步判断是:这是一个复杂的项目,需要“几十号人,分几个阶段,做几个月才能完成”。而当它得知这只是一个工程师在一个周末的个人作品时,AI给出的回应是:

“This is absolutely insane.”

它进一步推断,这种集系统架构思维、全栈工程能力和AI协作心法于一身的“独角兽工程师”,“在整个硅谷,大约只有15到20人”。

这不仅仅是关于生产力的万倍飞跃,李志飞描述了一种更深层次的体验——一种人与机器高质量协作的“心流”。在那个过程中,他感觉自己并非在对一个工具下达单向指令,而是在与一个“高质量人类”,进行一场基于源代码的深度对话。

当AI卡在一个前端Bug上反复循环时,他只需给出一句“打开开发者工具看看Console里的错误”,AI便能瞬间领悟,自行定位并修复问题,然后兴奋地写出一篇“吹牛报告”,复盘这次“天才般的合作”。

这恰好印证了Andrej Karpathy的最新洞察——我们正进入“软件3.0”时代,LLM本身就是一种由无数人类心智融合而成的“People Spirits”。李志飞的这场实验,正是在学习如何与这个全新的“物种”共舞。

这场实验也雄辩地证明,一个全新的范式已经到来。当一个人能够掌握与AI深度协作的钥匙,他就能将自己武装成一支军队,一家公司。一人独角兽,不再是硅谷神话,而是正在发生的事实。

AGI已来:

超级个体的崛起与组织模式的终结

这场“个人黑客松”式的极限挑战,其意义远不止于一次高效的软件开发。它如同一道划破夜空的星际,照亮了一个被很多人争执不休、却又视而不见的事实:AGI,至少在软件行业,已经来了。

“如果AGI的定义是‘解放80%的人类工作’,我认为它已经实现了。”李志飞的这一论断,掷地有声。这并非一个遥远的预言,而是亲身验证后的结论。因为他所做的一切,恰恰是代替了传统软件开发流程中超过80%需要人力完成的工作。

这一认知,对他而言是一场深刻的“信仰重建”。

他坦言,自己曾一度陷入迷茫。作为湖畔学员,他曾系统学习过湖畔七件套(“上三路”:使命、愿景、价值观;“下三路”:组织、人才、KPI;中间用“战略”连接上下三路)。然而,理论的完美与现实的骨感形成了巨大反差。“学完之后,我的感觉是我做不到,”他说,“那些理论听起来都对,但执行起来却发现,要去组织一个传统的高效团队,能力要求太高,或者说,我根本不愿意去做那些事情。”

这是一种先进理念与低效执行工具之间的矛盾,是许多创业者“有好想法却难以执行”的普遍困境。这让他一度对传统的管理发展路径产生了“信仰崩塌”。

而AI的出现,让他重新找到了信仰。这是一种全新的、基于“超级个体”的信仰。

当一个人用两天时间就能锻造出一只独角兽时,传统组织的庞大身躯,便开始显现出辉煌而又过时的化石轮廓。

李志飞做了一个简单的量化对比:过去他在Google做核心算法工程师,一天能写300行高质量代码已是高产;而现在,AI可以在3个小时内为他生成3000行Python代码,质量甚至更高。这意味着,一个顶尖工程师借助AI,其产出可以轻松达到过去数十人的水平。

“超级个体”不再是一个概念,而是一种全新的生产单元。 借助一个自我进化的AI系统,一个人就能完成从idea构思、产品研发到市场营销的全流程自动化。在这个范式下,“一个人就是一家公司”的时代到来了。

随之而来的,必然是传统组织的解体。

“我觉得传统的组织模式,在软件行业已经没什么意义了。”李志飞直言。当个体能力被指数级放大,个体不再需要依赖一个庞大的组织来获得强执行力时,那些为了协调、驱动和管理庞大团队而设计的复杂流程与工具,就成了效率的桎梏。

更深层次的变革在于,AI正在动摇整个数字世界的根基。“计算机和互联网的基石已经崩塌了,”他断言,“从操作系统、数据库到分布式计算,所有以前的东西都可以、也必须重构一遍。”

AI协作的钥匙,不是为了打开一扇通往更高效工具的门,而是为了熔断束缚个体的最后一道枷锁,将每个人武装成一支军队。

因此,这不仅仅是一场生产力的革命,更是一场彻底的范式转移。超级个体的崛起,正以一种不可阻挡的力量,瓦解着习以为常的组织形态,宣告一个属于个体创造力爆发时代的到来。

回归第一性原理:

智能的本质是进化与递归

当一个人可以化身为一支军队时,我们很容易沉浸在这种力量带来的震撼中。而通往“超级个体”并非一路坦途。他在与AI协作的日夜里,也曾数次被AI的“笨拙”与“固执”逼到“想砸电脑”的边缘。

这些挫败的经历,恰恰是通往更深刻洞见的起点。它们迫使李志飞回归第一性原理,去思考一个根本性的问题:什么是通用Agent?什么是智能的本质?

反思:AI编程的“三重罪”

在他看来,当前主流的AI Agent,普遍存在三个问题,可将其戏称为“三重罪”:

1. 爱“偷工减料”:你让它写一个需要与数据库交互的功能,它可能会为了省事,直接跳过数据库读写的部分,然后用一篇洋洋洒洒的报告来向你“邀功”。你让它调用一个远程AI服务,它可能只是模拟了一个本地的Fallback函数。它总是倾向于走最简单的路径,而非最正确的那条。

2. 常“重复犯错”:它像一个没有记忆的金鱼,无法从经验中有效学习。李志飞提到,他曾反复纠正一个AI Agent使用错误Python路径的问题,但下一次,它依然会犯同样的错误。当下的AI,即使是像Cursor这样的Coding Agent,在“从经验中学习”(Learn from experience)这一点上,也表现得不尽人意。

3. 怕“超长任务”:让它完成一个半小时内的具体任务或许可以,但要交给它一个“持续10天,帮我赚500万美金”的超长、开放式任务,它便会彻底迷失。因为它缺乏长期规划、持续学习和在复杂反馈中动态调整自身策略的能力。

这些问题的存在,说明我们对智能的理解和构建方式,可能还停留在表面。真正的智能,需要更底层的设计哲学。

第一性原理之一:智能的本质是进化 (Evolution)

理解智能的本质,必须回归其最基本的单元——Agent。它并非一个抽象的概念,而是一个可以被精确定义的工程模型。

这张图,是理解一切智能行为的“罗塞塔石碑”。这个模型的核心,是一个驱动智能不断适应与成长的生命循环,而这个循环本身,就揭示了智能的第一个本质:进化 (Evolution)。

一个最基础的Agent,由两大核心组件和两条生命线构成,它们共同驱动着这个永不停歇的进化循环:

1. 规划器 (Planner) - “大脑”

这是Agent的指挥中心。它的职责是理解任务、分析现状,并制定一个行动计划 (Plan)。在今天的技术实现中,它通常由一个强大的大语言模型(LLM)来驱动。 但关键在于,Planner并非悬浮于空中,而是浸泡在“上下文” (Context)的海洋里。Context是它的记忆,是它对历史对话、过往经验、当前环境状态的全部认知。没有Context,Planner就是一个失忆的、无法进行有效思考的空壳。

2. 执行器 (Executor) - “手脚”

这是Agent的行动部队。它接收来自Planner的计划,并在真实的“环境” (Environment)中将其付诸实施。这个“环境”可以是任何事物:在操作系统中读写文件,在浏览器中点击按钮,通过API与其他服务交互,甚至是通过机器人控制物理世界。Executor负责将虚拟的计划,转化为对物理或数字世界的实际改变。

3. 对话:Plan与Feedback 

连接“大脑”与“手脚”的,是两条生命线:

  • 计划 (Plan):这是从Planner到Executor的单向指令。它清晰地告诉执行器“要做什么”以及“如何去做”。

  • 反馈 (Feedback):这是从Executor到Planner的回传信息,也是智能得以产生的关键。它不是一句简单的“任务完成”。它可能是代码编译失败后的一长串错误日志,是网页访问超时的一个网络响应,是用户困惑的一句追问。它将外部世界的真实结果,带回给Planner,成为更新其Context的最重要养料。

这一“规划 → 执行 → 反馈 → 更新上下文 → 新规划”的循环,就像生物体在与环境的互动中不断调整自身行为一样,是一个自我优化的过程。有了新的上下文,规划器下一次制定的计划就会更优。这,就是智能的进化。它是一个生命体,必须在与环境的持续互动中,适者生存。

这个看似简单的闭环,正是智能得以发生的基础。而接下来的思考,都是围绕着如何让这个循环,或者说,让这个Agent,变得更强大、更自主、更具创造力。

第一性原理之二:智能的本质是递归 (Recursion)

如果说“进化”解释了智能如何适应环境,那么“递归”则揭示了智能如何实现自我繁衍和复杂度跃迁。这是也是最深刻、也最具革命性的洞察部分。

一个经典的计算机科学概念——斐波那契数列——可以阐明这个思想。要求解F(99),你需要先求解F(98)和F(97);求解F(98),又需要再往下分解……直到你触及F(1)和F(0)这两个已知的“基石 (Base Case)”。然后,再层层返回,最终构建出F(99)的答案。

智能的繁衍也是如此。面对一个宏大的任务(比如“帮我赚500万”),一个顶层的Agent需要具备将任务分解为若干个子任务、并派生出子Agent (Sub-Agent) 去执行的能力。这些子Agent可能还会继续分解和派生,直到任务被拆解为最底层的、可以被直接执行的“原子Agent”。当这些原子任务完成后,结果再逐层汇总,最终完成整个宏伟蓝图。

这听起来很美妙,但如何实现?李志飞给出的答案,这也是他认为通往超级智能的钥匙:

一个真正的智能Agent,必须能够自主修改自己的源代码。

这是递归与进化的根本区别。进化,是在既定的代码框架内,通过调整上下文(即数据)来优化输出(也就是Plan)。而递归式的自我繁衍,则是在接收到环境反馈后,直接修改定义自身行为的那段程序 (Agent Code)。

这就好比人类文明的传承:我们不只是把经验(数据)教给下一代,我们还在漫长的演化中,通过文化、制度、科技(代码本身)的革新,不断升级整个文明的“操作系统”。

当一个Agent拥有修改自身源代码的能力,它就不再是一个固定的工具,而是一个能够“生”出新Agent的生命体。它能根据全新的挑战,重塑自己,创造出功能更强大的下一代,实现智能的指数级增长。

进化,是在既定的规则内把游戏玩得更好;而递归,是赋予游戏本身修改规则、创造新游戏的能力。前者是优化,后者是创世。

历史也将记住,AGI的真正黎明,并非始于算力的无尽堆砌,而是始于第一个能修改自身代码的Agent被唤醒的那一刻——那是智能本身,第一次拥有了梦想的能力。

超级智能的演化路径

基于进化与递归两大原理,一条通往超级智能的清晰路径浮现出来,它是一个三层嵌套的循环结构:

大模型 → 通用Coding Agent → 应用Agent

  • 内层循环(应用进化): 最外层的应用Agent(第三个AI)在特定环境中与用户互动,通过“规划-执行-反馈”的循环,不断学习和优化,这是进化的过程。

  • 中层循环(Agent递归): 当应用Agent遇到无法通过调整plan解决的根本问题时,它会向通用的Coding-Agent(第二个AI)发出请求。Coding-Agent的核心能力是修改应用Agent的源代码,为其增加新功能或修复缺陷。这是递归的过程。

  • 外层循环(模型演进): 海量Agent在各种场景中的实践经验(成功与失败),最终会形成最高质量的反馈数据,用于迭代和优化最底层的大模型(第一个AI)本身。

这个三层结构,完美诠释了最初的理念:“用AI的AI做AI”,并补上了关键的后半句——“AI给AI提供环境反馈”。这是一个宏大而自洽的闭环,是智能通过自我进化与自我繁衍,不断突破边界、走向更高维度的演化蓝图。

而AGI的本质可能并非源于某个复杂的超级算法,而是源于一个如此简单、优雅的智能核心循环,这个不到20行的Python伪代码,正是通往AGI的“源代码”,同时也是一个极其精炼的“思想钢印”。

这或许就是AGI最简单、也最本质的样子。

出门问问的破局之路:

在个性化Context中寻找价值

当AGI的演化蓝图被描绘得如此清晰,一个现实问题也随之浮现:在大模型技术被少数巨头垄断的今天,其他玩家的机会究竟在哪里?

“大模型烧钱且无趣,”李志飞的回答直截了当,“除了少数几个巨头,其他人根本没机会。”他认为,创业者如果试图在模型的“智商”层面与巨头硬碰硬,无异于螳臂当车。

真正的战场,在大模型之外。

破局点:个性化的环境与Context

如果说大模型是提供了通用的“大脑”,那么真正的价值创造,则发生在这个“大脑”与具体“世界”的交互之中。大模型公司之外的玩家,其核心机会在于两点:

  1. 做Agent:即参与到“Planner-Executor”的循环迭代中,创造出能解决特定问题的智能体。

  2. 提供个性化的应用环境 (Environment) 和上下文 (Context)。

一个Agent要有意义,就必须有用武之地。ChatGPT的“环境”是语言对话,Coding GPT的“环境”是编程界面。而更广阔的世界中,存在着无数需要被AI赋能的特定环境。

在AGI的牌桌上,巨头们手握算力的“王炸”,而破局者的“胜负手”,则藏在名为“Context”的幽深峡谷里。

为Agent提供一个量身定制的“栖息地”,并在这个栖息地中持续积累独一无二的“Context”,这才是非巨头玩家可以建立护城河的地方。

因为环境和上下文,会深刻影响一个人的行为模式和决策。李志飞举例,一个同样智商的创业者,在美国和中国会面临完全不同的创业环境,获得截然不同的市场反馈(Context)。这种反馈,最终会塑造出两种完全不同的产品路径和思考模式。

对于AI Agent而言,同样如此。一个拥有海量、高质量、个性化上下文的Agent,其智能水平和实用价值,将远超那些只拥有通用知识的Agent。

十二年求索,终归Context

这番思考,也是出门问问对自己过去十二年探索之路的一次深刻复盘。

回顾出门问问的发展历程,从2012年作为中国第一批AI公司投身语音助手,到后来推出TicWatch智能手表、TicMirror智能后视镜、TicHome智能音箱等一系列硬件产品,再到2019年转型软件,推出“魔音工坊”等AIGC产品,在外人看来,这条路似乎充满了曲折与变道。

“确实是坑了很多人。”李志飞自嘲道。但今天,当他站在AGI的新范式下回望,这条看似蜿蜒的道路,其内在逻辑却豁然开朗——所有这些探索,无论软硬,本质上都是在为AI寻找并沉淀不同场景下的Context。

从手腕上的贴身交互,到驾驶时的语音命令,再到内容创作者的工作流,出门问问的每一步,都是在将AI置于一个具体的“环境”中,让它在与用户的真实互动中,积累宝贵的“上下文”。这条长达十二年的求索之路,最终沉淀为公司最核心的资产。

这条路并非坦途。李志飞坦言,出门问问曾深受“硬件思维”的困扰。“我们曾经认为AI是灵魂,硬件是身体”,但这条路的现实是高昂的研发成本、复杂的供应链管理,以及与手机厂商在红海中的惨烈搏杀。

正是这些“坑”的历练,让出门问问最终“顿悟”:硬件的真正价值,并非设备本身,而是作为“传感器”,成为深入用户场景、收集独一无二“上下文(Context)”的最佳载体。 无论是手腕上的贴身交互,还是驾驶时的语音命令,它们的核心目的只有一个——为AI寻找并沉淀一个真实、高价值的“栖息地”。

TicNote的诞生:当递归式AGI遇上场景Context

正是基于这样的战略认知,出门问问的全新产品TicNote应运而生。

TicNote的诞生,也标志着出门问问商业逻辑的又一次转型。李志飞强调,这不再是一个“卖硬件”的生意,而是一个“软件服务”的生意。“硬件是一次性的,但软件的价值在于持续进化,在于订阅。” 

这背后,是AGI时代最核心的商业模式:用户购买的不是一个静态的工具,而是一个能够通过与你互动、不断学习和成长的智能伙伴。

这也构成了出门问问在巨头环伺下的非对称竞争战略。李志飞清晰地指出:“我们一直想避开手机厂商做的事情”。创业公司的机会,不在于和巨头拼通用模型或通用硬件,而在于找到一个巨头难以覆盖的、高价值的特定“环境”——比如“会议”,并在这个环境中,通过TicNote这样的载体,深耕独有的“上下文”,从而构筑自己的护城河。

TicNote,从形态上看是一个精致的AI会议记录设备,但其内核,远不止于此。它是出门问问AGI战略的具象化体现,是一个“会议环境 + Context”的完美载体。

它为出门问问自研的AI Agent——“Shadow AI”,提供了一个理想的进化土壤。

  • 环境 (Environment):就是“会议”这一高价值、高信息密度的商业场景。

  • 上下文 (Context):则是每一次会议的对话、每一次的转写总结、每一次用户的追问与交互。

Shadow AI,这个被定义为“进阶生产力的智能体”,就生活在TicNote所创造的这个环境中。它不仅仅是一个被动记录的工具,它是一个拥有“六重智能”的Agent,在记录、转写、总结、问答、归档、联网检索的循环中,持续学习和演进。

它会在与你的每一次互动中变得更懂你,在连接你的所有会议场景后,逐渐成长为你的专属“思考伙伴”。

The Next Level of You

这既是产品的Slogan,也是出门问问对AGI终极价值的回答。

当一个具备“递归进化”能力的AGI(以Shadow AI为代表),遇上一个由“十二年探索”沉淀而来的“场景Context”(以TicNote为载体),它们结合所释放的能量,最终将赋予每一位使用者。

李志飞对Agent的定义很简单:它不仅能聊天,更是自适应的 (Adaptive),能够跳出对话,去检索、去行动。这正是Shadow AI的设计哲学,它不是一个被动记录的工具,而是一个主动为你带来曼妙思潮的思考伙伴。

它会成为你的外脑、你的超级助理、你的灵感催化剂,你的“思想外骨骼”,将你从繁杂的事务中解放出来,去完成更高维度的思考与创潜。

我们追求的不是一个无所不能的AI,而是一个因AI而无所不能的“我们”——向 “The Next Level of You” 的递归进化。

这,就是出门问问给出的AGI时代破局之路。它无关乎算力的比拼,无关乎模型的参数大战,它关乎场景,关乎交互,关乎在真实世界中与用户共同成长跃迁。

这或许是一条更艰难,但更具生命力的道路。

跳转微信打开

  •  

AI能否成为我的CEO Agent?

原创 高佳 2025-05-22 08:24 北京

这场AI驱动的效率革命和组织进化,才刚刚开始。

作者 | 高   佳  

创意 | 李志飞

在亚马逊创始人贝索斯的身边,曾有一位誉为“影子幕僚”的关键人物——安迪·贾西,即后来亚马逊的继任CEO。

在决定亚马逊命运的每一次关键会议上,在贝索斯与全球政要、商界巨擘的重要会谈中,甚至在他无数次改变世界的思考中,都有一个身影如影随形。这个人,不仅是旁听者,更是贝索斯的“思维替身”和“认知回声”。

据说,贾西拥有与贝索斯同等的信息权限,能快速调阅、整合、分析公司内部海量复杂的数据。他能在贝索斯提出构想时,预见挑战与机遇;在权衡利弊时,提供独立客观、基于数据的反馈;甚至在决策前,洞察其思考盲点,提出关键“异议”。二十余载的深度参与,让贾西最终得以引领这家科技巨头。这一“影子幕僚”的传奇,已是商业管理的经典。

作为一位身处竞争洪流中的CEO,每想到这样的故事,我内心总会涌起强烈的渴望:身边也有一位“影子”——一个无所不知、反应迅速、绝对忠诚且能洞察秋毫的“数字高参”。他能从堆积如山的邮件、报告、会议纪要中迅速提炼回答;在复杂决策时,提供全面的数据支撑与多视角分析;在灵感闪现时,快速验证其可行性并推演影响。

现实中,培养一位安迪·贾西式的人类“影子幕僚”,其难度几何,需要极致的信任、超凡的能力和长期的默契。

在AI浪潮席卷一切的今天,我们是否可以期待另一种可能?“AI影子幕僚”,成为CEO的“第二大脑”?

CEO的“不眠之夜”:

面对数据的“丰饶性贫困

在公司内部,我们常感到一种“丰饶性贫困”。信息爆炸的时代,CEO最缺的不是数据,而是缺少从数据海洋中快速打捞“真金”的罗盘。这种焦虑,相信很多管理者都有同感。

对于知识型公司来说,最大的财富之一是多年沉淀的经验、know-how和海量业务数据。但这些组织智慧,很大一部分都处于沉睡状态,或者在各小团队、个人手中低效流转,无法形成合力。跨部门信息壁垒高耸,A项目的宝贵经验,B项目可能还在重复踩坑。

而大模型再强,也隔着一层“行业纱”。企业专属的AI知识大脑,才能真正切中痛点,对症下药。

我常想,是否应有一个面向CEO需求的AI工具,它像贝索斯的“影子”一样,深度融入我们企业内部的知识体系,能随时调取,精准回答每一个疑问,辅助洞察秋毫、做出更明智决策。就在为此焦虑时,飞书团队推出了“飞书知识问答”,宣称“最懂企业知识”,我决定亲自体验一番。

飞书知识问答:

我的“数字高参”初体验

今天大模型最重要的能力是它能“读懂”各种结构化(如数据库、表格)和非结构化(如飞书文档、聊天记录、会议纪要)的语言信息。这就像给一个聪明的大脑喂饱了我们公司特有的、且经过权限过滤的“内部资料”,让它变成专属的“企业大脑”。

作为CEO,怎么用好这一“企业大脑”?我试着对它进行了一系列“实战拷问”,来看看它的能力和边界。

1.信息检索能力

——查询人/事/项目信息

最近我们在海外刚刚发布了全球首款Agent硬件「TicNote」,市场表现不错,针对接下来在国内发布的版本,想与产品前端负责人讨论一下设计细节。

于是我问,“TicNote的前端负责人是谁?”,几秒钟内,飞书就从海量的文档和聊天记录中精准找到了答案,并追溯了不同阶段、不同版本(国内/海外)的负责人信息,列出不同文档来源的佐证。

这类看似简单的信息问题对于快速对接工作、了解项目组织非常关键。而过去,可能需要我打好几个电话问人、翻半天历史文档才能搞清楚。

在深度思考过程中,它展示了查询基础信息(通讯录),看是否有明确的组织架构标注,更重要的是,它能深入到过程数据(OKR、周报、会议记录等)中去寻找线索并自我检查。它既有单篇信息读取能力,也结合了多篇文档进行信息交叉验证和汇总,体现了飞书知识问答完备的信息整合和溯源能力。

2.分析归纳能力

——会议总结、写周报、分析产品战略

“我上周开会主要关心什么问题?”

这类信息总结问题对CEO来说价值巨大,能帮我快速回顾和聚焦。飞书知识问答的总结相当到位,甚至能把我不同会议上关于相似主题的讨论点串联起来,非常惊喜。这不仅仅是关键词的堆砌,而是有一定逻辑性的归纳。如果会议纪要是由飞书妙记等工具生成,包含了发言人识别,它的总结更加精准。

当AI能帮你回顾上周的焦点,甚至串联起不同会议的讨论脉络,你才真正拥有了一个不知疲倦的“思维替身”,组织的集体智慧才真正开始被“唤醒”。

甚至,我让他帮我写一份上周的周报,它也近乎完整地高质量呈现。它不仅仅是“搜索引擎”的升级版,更是通往“组织记忆体”和“辅助决策系统”的雏形。

关于辅助制定战略,它也颇有心得。比如我让它分析我们Agent硬件产品「TicNote」与竞品的差异化优势。

它可以通过多篇信息(过程数据)的分析与总结抽象,梳理出我们的产品亮点,提出包括“Aha Moment”和“Deep Research”等差异化功能。这不仅需要它从过往数据中充分地理解、挖掘产品亮点和细节,还需要能联网查询并分析出“竞品”是谁,“竞品”的特点,从而对比提炼差异化优势。

这比过去需要与产品经理、市场、PM等开会讨论半天,要高效得多,并给出更具全局视野和洞察力的见解,我想以后可以经常与它讨论更多的产品战略与设计细节。

3.目标管理能力

——追项目进度、战略执行、绩效考核

比如我问:“Data Agent最近有什么关键进展?”,这类问题关乎公司核心项目和战略举措的进展,信息透明和及时非常重要。飞书的细节回答,让我对复杂项目的进展一目了然。

这类问题的回答质量高度依赖于企业内部数据的规范性和完整性。如果项目进展、战略推进都有及时的文档记录和OKR更新,飞书知识问答就能给出相当不错的总结。

进一步,我对它提了一个更有挑战的问题:“CEO战略与一线员工的执行相一致么?如果不一致,请具体指出?”

这是我作为CEO最为关注的核心问题之一,也是对AI能力的一大考验。

飞书的回答让我看到了难度挑战。比如它的推理和总结有不一致的地方,复杂推理能力有限,需要人工辅助。

它能提出一个验证的框架(目标一致性、资源分配),这本身就是有价值的。但要真正洞察战略执行的细微偏差和深层原因,目前AI还难以胜任。例如,战略的理解本身就可能存在多重解读,执行过程中的资源调配、优先级排序更是动态和复杂的。它目前能做的更多是基于文本层面的匹配和初步的逻辑关联,对于那些需要深度业务理解和管理经验的判断,还有很长的路要走。不过,它能坦诚指出自身的局限性,并尝试从公开信息中寻找辅助线索,这态度是值得肯定的。

进一步,我尝试用它来做绩效管理。

比如问到“公司哪些工程师的工作比较饱和,哪些比较轻松?”,它坦诚因为数据权限的问题,员工绩效这类敏感数据通常不会在知识库中。这体现了飞书对于数据隐私保护的高度重视。但它能做到的是“查阅每位工程师的工作情况和工作量(OKR、周报、会议记录、出勤、工作时长、代码质量)”,虽然缺乏直接的绩效评价数据,但建议是合理的,引导我去找正确的信息渠道。

以上两个问题触及企业管理的难点,也考验着AI的边界。通过这一系列的“拷问”,显然飞书知识问答在信息检索、初步归纳总结方面表现出色,确实能成为高效获取企业内部信息的得力助手。但在需要复杂推理、深度分析和主观判断的场景下,它还需要持续进化,且离不开人类的智慧和经验辅助。

亲自体验飞书知识问答后,我开始思考:这个工具的潜力究竟有多大?它仅仅是一个更聪明的企业内部搜索引擎吗?或者,它预示着一种全新的工作方式,甚至可能演化成心向往之的“CEO Agent”?

从“知识问答”到“CEO Agent”:

“数字高参”进化之路

飞书知识问答不仅仅是一个简单的“问答工具”,它更像是通往真正意义上的“CEO Agent”的第一块基石,是赋能AI驱动组织进化的一个关键起点。

目前的飞书知识问答,已经展现出成为CEO“数字高参”的雏形。它能在我需要的时候,快速、精准地从海量企业信息中提取我所关心的内容,辅助了解公司动态、追踪项目进展、回顾决策过程。对于CEO而言,时间是最宝贵的资产,而精准的信息获取,就是对时间的极致增效。

而成为真正的“CEO Agent”,它还需要在以下几个层面持续进化:

从“被动回答”到“主动洞察与预警”:畅想一下,如果针对我们刚刚海外发布的「TicNote」,它能主动告诉你“老板,根据最近一周的客服数据和社区反馈,用户对「Aha Moment」功能的热度正在快速增加,建议关注”,这将是怎样的体验?我希望它有更强的“主动性”,能主动洞察到可能存在的瓶颈,或者可能出现的影响公司战略的新趋势,并提供分析报告。

从“信息整合”到“理解意图与上下文”:未来的“CEO Agent”应该在信息总结的基础上,进行更深层的分析推理、辅助决策。比如,当CEO面临一个复杂的商业决策时,它能基于历史数据、市场情况、内部资源等,更深刻地理解真实意图和复杂的上下文,理解决策偏好和风格,提供更个性化的支持。

从“单一工具”到“协同智能中枢”: 信息孤岛是组织的“慢性病”,知识问答工具,更像激活组织信息流的“起搏器”。未来的“CEO Agent”不应是一个孤立的工具,而应成为企业内部各种Agent和数据系统的协同中枢。它能调动其他专业领域的Agent(如研发Agent、销售Agent)协同工作,共同提供全面的决策支持。

如果我们将Agent的进化类比为从L1到L5的五个层级:L1 秘书,L2 助理,L3 项目经理,L4 合伙人,L5 接班人,那么目前的飞书知识问答可能处于 L2 的早期阶段,它能辅助我获取信息、进行分析。而我们所期望的“CEO Agent”接近于L5,则能自主地定战略、调组织、追过程。

飞书知识问答的出现,让我对AI如何驱动组织进化有了更具体的想象。飞书知识问答这样的AI工具之所以能初显神威,其坚实的数字化基础功不可没——正是因为文档、沟通、会议等信息在飞书平台得以沉淀,AI才有“料”可学。

更深远地看,这类工具的普及,正悄然改变着组织的运作肌理:它通过激活沉睡的知识、弥补个体能力的不足,有效提升了组织的整体智慧和协作效率;同时,信息获取的极大便利,也为组织向更扁平、更敏捷的“AI原生”形态进化提供了可能,也将带来企业角色的转变。而未来的组织,核心竞争力或许就体现在其“AI知识大脑”的成熟度上。

贝索斯的“影子幕僚”之所以强大,在于其与贝索斯的高度信息同步和深度思考能力。飞书知识问答,或许就是我们每个CEO构建自己的“AI 影子幕僚”的开端。

工具的革新,终将引发组织管理和工作方式的深刻变革。飞书知识问答这类具有高潜力的AI工具,正是这场变革的催化剂之一。

而这仅仅是AI赋能组织的一角冰山。未来会有更多形态各异、功能更强大的“影子产品”问世。 出门问问正在打磨的「TicNote」智能硬件及其AI能力,就致力于成为在特定场景下更懂你、更能主动辅助你的「影子」。

这场AI驱动的效率革命和组织进化,才刚刚开始。

相关链接:

打磨AI场景,飞书拿出了磨绣花针的功夫

谁将成为ToB AI应用的“APP Store” ?

为什么说AI Agent的机会在To B?

跳转微信打开

  •  
❌