接近溫和拐點，AI將迎來比撒手速度的周期

在AI上我們正處在一個微妙而關鍵的時刻。

一般感知里，AI正以“副駕駛”（Copilot）和效率工具的形態，溫和地融入我們的工作流程，帶來了生產力的提升，但尚未顛覆組織的根本形態。

水平面之下，一股決定性的力量則正在積聚。

我們正在接近一個“溫和的拐點”——從“人機協同”到“人機委托”的范式轉移點。一旦越過這個點，競爭的本質將不再是誰能更好地“使用”AI，而是即將迎來一個全新的競賽周期：比拼誰能更快、更徹底地將任務“撒手”給自主的AI Agent。

最近與此最直接相關的是一件事情是，Anthropic的聯合創始人Clark在訪談中提到：

“我們在 Anthropic 內部做了調研，和 130 名工程師聊了聊他們過去一年使用 AI 的體驗——他們的工作發生了翻天覆地的變化。很多人現在的工作量是以前的兩、三倍，但他們已經不再寫代碼了，而是管理 AI Agent 系統集群。 他們說：‘我的工作完全變了，我得重新思考自己在 Anthropic 的角色?！?/p>

這實在是溫和拐點的再明顯不過的信號。

也許不好理解，我這里做一點解讀：

軟件可以看成是世界的一種另一種表示，所以有"軟件在吞噬世界一說"。

不同的軟件復雜度很不一樣，但Anthropic的Claude其復雜度基本是比較頭部。我們沒有任何理由懷疑Clark在吹牛，這樣的話，就可以推定編程這事很快在實踐上會被打穿了（不是比賽上）。

編程這事被打穿的關鍵意義是：

世界上不能被編程處理的事情太少了。

模型有兩種方式完成任務：一種是直接調度工具和數據，一種則是通過編程。如果它可以處理編程，那意味著前者也并不遙遠。只要你能把環境準備好。

理成和編程類似。

而這個拐點之所以“溫和”，是因為它的到來并非伴隨著巨響和濃煙，而是源于底層能力的悄然成熟。

其背后，是兩條堅實的邏輯鏈條，它們是這場變革的必然性，并最終指向一種全新的組織形態——也就是我們經常說的“無人公司”。

順道說一句，這個號上對大趨勢的判斷準確率其實還是可以的，感興趣大家可以翻下這個2年前的文章，然后對照下今天的事實。

邏輯鏈一：能力成熟的信號——編程，即將被打穿的第一個半開放系統

AI能力的擴張路徑，是我們判斷拐點臨近與否的核心依據。

其實底層技術的進展是比較清晰的。

從AlphaGo到AlphaDev： AI相當于是在圍棋等封閉系統中證明了自己。而近期，從DeepMind的AlphaDev發現全新排序算法，到以Devin AI為代表的自主軟件工程師項目的涌現，都標志著AI正系統性地攻克編程。

來自一線的最直接的顛覆性證據就是上面Anthropic的Clark分享的信息。

它揭示了兩個核心事實：第一，AI Agent已能承擔核心的編程執行任務；第二，人類的角色正在從“執行者”升維為“管理者”和“編排者”。

打穿編程，意味著打穿所有半開放系統。

這里必須強調一個關鍵邏輯：編程是純血的數字原生物種。

它包含了邏輯構建、系統思維、資源調用（API）、目標拆解和持續修正等核心要素。

因此，一旦AI多智能體系統能夠系統性地“打穿”編程，就等于證明了它們已經掌握了攻克所有其他半開放系統的“萬能鑰匙”。

至少能力上是OK了。

無論是法律文書的撰寫與審查、財務模型的搭建與推演，還是市場營銷活動的策劃與執行，這些領域雖然專業知識不同，但在抽象的工作流結構上，與編程并無本質區別。只要為AI Agent提供相應的專業知識庫和工具接口，復刻在編程領域的突破，就只是一個條件和時間問題。

邏輯鏈二：新周期的物理定律——上下文超載與人類干預的失效

一旦我們越過拐點，開始大規模部署AI Agent集群執行復雜任務，一個新的“物理定律”將浮現，它將徹底定義新的競爭規則。

我管它叫：執行上下文的指數級爆炸。

一個AI Agent集群在做決策時，其瞬間引用的“上下文”將是人類心智無法想象的。它可能同時處理全球的實時銷售數據、供應鏈物流信息、社交媒體情感趨勢、競爭對手動態乃至宏觀經濟指標。這個上下文的數據量將以PB級計算，其內部交互速度以毫秒計。

在這種高速、海量的信息流中，人類的干預將變得不切實際。一個管理者想要介入，首先需要理解AI的決策背景，但這需要AI暫停高速運轉，并將龐大的上下文為你“降維”和“轉譯”。這個行為本身就是巨大的效率瓶瓶頸。更重要的是，基于“降維”信息做出的人類判斷，大概率是片面且有害的。

這個“定律”意味著，在新周期里，任何試圖保留人類在執行循環中進行微觀干預的組織，都將在效率上被徹底淘汰。

“撒手”將不再是一種選擇，而是一種必須。

競爭的關鍵，在于你“撒手”的速度和建立新型信任機制的速度。

但這絕非是用人還是用AI的問題，而是說需要新的分工模式。

無人公司關注的正是這點。

前兩天晉琦發了篇文章：

我看了的感覺是，這不要把人累死么！

人與兩套AI系統

這個即將到來的“比撒手速度”的周期里，將不可避免地催生出一種新的組織形態。

也就是說由拼技術到拼組織模式。《無人公司》關注的其實是組織模式，不是有人沒人??！

過去我們暢想的“人機結合”的“半人馬”模型，可能只是一個短暫的過渡階段。真正的穩定形態，將是一個由人類進行“遠程遙控”的“無人公司”。

這不是一個沒有人類的組織，而是一個人類從“執行回路”中戰略性退出的組織。然而，我們必須強調，人類退居的這個“治理回路”本身，其復雜性也遠超想象。要完成如此宏大的系統性任務，人類并非回歸紙筆和白板，而是將依賴于另一套同樣基于AI、但始終保持“副駕駛”（Copilot）狀態的復雜系統來輔助決策。

所以這是一個三層系統：人、Copilot、無人公司。

在這個治理系統中，AI幫助人類建模、推演、洞察，但最終的價值判斷和戰略拍板由人類做出。人類的角色不再是手握方向盤的駕駛員，而是：

1. 價值觀的注入者： 在強大的AI治理輔助平臺的支持下進行推演和壓力測試，為整個運營系統設定根本的游戲規則——倫理底線、使命愿景、風險偏好。相當于說賺錢也不能毫無底線。AI可以模擬出不同價值觀約束下，公司運營系統可能出現的長期行為，而人類則基于此做出最終的價值抉擇。這是人類智慧的最高體現。

2. 系統的架構師： 利用AI進行復雜的系統動力學模擬，來設計AI Agent集群的協作、制衡與激勵機制。你的工作不再是管理“員工”，而是與你的“架構師Copilot”一起，設計一個能夠自我進化、自我修復、并且長期符合價值觀的“數字生命體”。

3. 宏觀的導航員： 透過一個由AI驅動的、高度可視化的洞察平臺，來觀察運營系統輸出的海量、高維度的遙測數據。這個“導航Copilot”能幫助人類從萬億級的數據點中發現戰略性異常和宏觀趨勢，從而應對運營系統自身無法處理的“黑天鵝”事件，并適時為其進行宏觀戰略方向的校準。

小結

近來看到的數據里面，還有一個與此直接相關:

http://assets.anthropic.com/m/218c82b858610fac/original/Economic-Index.pdf

報告中對自動化和增強的定義是：

自動化（Automation）指面向“完成任務”的交互模式：

指令式（Directive）：用戶給 Claude 下達任務，Claude 以最少的往返溝通完成。

反饋閉環（Feedback Loops）：用戶把任務自動化，并在需要時向 Claude 提供反饋。

增強（Augmentation）側重協作型交互模式：

學習（Learning）：用戶向 Claude 詢問信息或讓其解釋各類話題。

任務迭代（Task Iteration）：用戶與 Claude 協作，對任務進行反復迭代。

驗證（Validation）：用戶請 Claude 對其工作給出反饋/評審。

上面的統計簡單說就是人們交給大模型的任務越來越高級，在向脫手的方向移動，并且第一次超過了把大模型當純粹的工具。

說起來很巧，寫這篇文章要結束的時候看到了侯老師轉了下面這篇文章：

這又是一個信號。

很有意思的點是，我寫這篇文章的時候看到侯老師轉發了下面的文章：

這實在是有意思的點，9.30晚上七點會展開聊聊這些，感興趣的同學聯系：shuixiu2024