文| 李智勇
在 AI 上我们正处在一个微妙而关键的时刻。
一般感知里，AI 正以“ 副驾驶”（Copilot） 和效率工具的形态，温和地融入我们的工作流程，带来了生产力的提升，但尚未颠覆组织的根本形态。
水平面之下，一股决定性的力量则正在积聚。
我们正在接近一个“ 温和的拐点”—— 从“ 人机协同” 到“ 人机委托” 的范式转移点。一旦越过这个点，竞争的本质将不再是谁能更好地“ 使用”AI，而是即将迎来一个全新的竞赛周期：比拼谁能更快、更彻底地将任务“ 撒手” 给自主的 AI Agent。
最近与此最直接相关的是一件事情是，Anthropic 的联合创始人 Clark 在访谈中提到：
“ 我们在 Anthropic 内部做了调研，和 130 名工程师聊了聊他们过去一年使用 AI 的体验—— 他们的工作发生了翻天覆地的变化。很多人现在的工作量是以前的两、三倍，但他们已经不再写代码了，而是管理 AI Agent 系统集群。 他们说：‘ 我的工作完全变了，我得重新思考自己在 Anthropic 的角色。”
这实在是温和拐点的再明显不过的信号。
也许不好理解，我这里做一点解读：
软件可以看成是世界的一种另一种表示，所以有"软件在吞噬世界一说"。
不同的软件复杂度很不一样，但 Anthropic 的 Claude 其复杂度基本是比较头部。我们没有任何理由怀疑 Clark 在吹牛，这样的话，就可以推定编程这事很快在实践上会被打穿了 （不是比赛上）。
编程这事被打穿的关键意义是：
世界上不能被编程处理的事情太少了。
模型有两种方式完成任务：一种是直接调度工具和数据，一种则是通过编程。如果它可以处理编程，那意味着前者也并不遥远。只要你能把环境准备好。
理成和编程类似。
而这个拐点之所以“ 温和”，是因为它的到来并非伴随着巨响和浓烟，而是源于底层能力的悄然成熟。
其背后，是两条坚实的逻辑链条，它们是这场变革的必然性，并最终指向一种全新的组织形态—— 也就是我们经常说的“ 无人公司”。
顺道说一句，这个号上对大趋势的判断准确率其实还是可以的，感兴趣大家可以翻下这个 2 年前的文章，然后对照下今天的事实。
AI 大模型没有商业模式？
逻辑链一：能力成熟的信号—— 编程，即将被打穿的第一个半开放系统
AI 能力的扩张路径，是我们判断拐点临近与否的核心依据。
其实底层技术的进展是比较清晰的。
从 AlphaGo 到 AlphaDev： AI 相当于是在围棋等封闭系统中证明了自己。而近期，从 DeepMind 的 AlphaDev 发现全新排序算法，到以 Devin AI 为代表的自主软件工程师项目的涌现，都标志着 AI 正系统性地攻克编程。
来自一线的最直接的颠覆性证据就是上面 Anthropic 的 Clark 分享的信息。
它揭示了两个核心事实：第一，AI Agent 已能承担核心的编程执行任务；第二，人类的角色正在从“ 执行者” 升维为“ 管理者” 和“ 编排者”。
打穿编程，意味着打穿所有半开放系统。
这里必须强调一个关键逻辑：编程是纯血的数字原生物种。
它包含了逻辑构建、系统思维、资源调用 （API）、目标拆解和持续修正等核心要素。
因此，一旦 AI 多智能体系统能够系统性地“ 打穿” 编程，就等于证明了它们已经掌握了攻克所有其他半开放系统的“ 万能钥匙”。
至少能力上是 OK 了。
无论是法律文书的撰写与审查、财务模型的搭建与推演，还是市场营销活动的策划与执行，这些领域虽然专业知识不同，但在抽象的工作流结构上，与编程并无本质区别。只要为 AI Agent 提供相应的专业知识库和工具接口，复刻在编程领域的突破，就只是一个条件和时间问题。
逻辑链二：新周期的物理定律—— 上下文超载与人类干预的失效
一旦我们越过拐点，开始大规模部署 AI Agent 集群执行复杂任务，一个新的“ 物理定律” 将浮现，它将彻底定义新的竞争规则。
我管它叫：执行上下文的指数级爆炸。
一个 AI Agent 集群在做决策时，其瞬间引用的“ 上下文” 将是人类心智无法想象的。它可能同时处理全球的实时销售数据、供应链物流信息、社交媒体情感趋势、竞争对手动态乃至宏观经济指标。这个上下文的数据量将以 PB 级计算，其内部交互速度以毫秒计。
在这种高速、海量的信息流中，人类的干预将变得不切实际。一个管理者想要介入，首先需要理解 AI 的决策背景，但这需要 AI 暂停高速运转，并将庞大的上下文为你“ 降维” 和“ 转译”。这个行为本身就是巨大的效率瓶瓶颈。更重要的是，基于“ 降维” 信息做出的人类判断，大概率是片面且有害的。
这个“ 定律” 意味着，在新周期里，任何试图保留人类在执行循环中进行微观干预的组织，都将在效率上被彻底淘汰。
“ 撒手” 将不再是一种选择，而是一种必须。
竞争的关键，在于你“ 撒手” 的速度和建立新型信任机制的速度。
但这绝非是用人还是用 AI 的问题，而是说需要新的分工模式。
无人公司关注的正是这点。
前两天晋琦发了篇文章：
从写代码到写规则：SASE 框架下，人类如何成为 AI 智能体的“ 教练”
我看了的感觉是，这不要把人累死么！
人与两套 AI 系统
这个即将到来的“ 比撒手速度” 的周期里，将不可避免地催生出一种新的组织形态。
也就是说由拼技术到拼组织模式。《无人公司》 关注的其实是组织模式，不是有人没人！！
过去我们畅想的“ 人机结合” 的“ 半人马” 模型，可能只是一个短暂的过渡阶段。真正的稳定形态，将是一个由人类进行“ 远程遥控” 的“ 无人公司”。
这不是一个没有人类的组织，而是一个人类从“ 执行回路” 中战略性退出的组织。然而，我们必须强调，人类退居的这个“ 治理回路” 本身，其复杂性也远超想象。要完成如此宏大的系统性任务，人类并非回归纸笔和白板，而是将依赖于另一套同样基于 AI、但始终保持“ 副驾驶”（Copilot） 状态的复杂系统来辅助决策。
所以这是一个三层系统：人、Copilot、无人公司。
在这个治理系统中，AI 帮助人类建模、推演、洞察，但最终的价值判断和战略拍板由人类做出。人类的角色不再是手握方向盘的驾驶员，而是：
1. 价值观的注入者： 在强大的 AI 治理辅助平台的支持下进行推演和压力测试，为整个运营系统设定根本的游戏规则—— 伦理底线、使命愿景、风险偏好。相当于说赚钱也不能毫无底线。AI 可以模拟出不同价值观约束下，公司运营系统可能出现的长期行为，而人类则基于此做出最终的价值抉择。这是人类智慧的最高体现。
2. 系统的架构师： 利用 AI 进行复杂的系统动力学模拟，来设计 AI Agent 集群的协作、制衡与激励机制。你的工作不再是管理“ 员工”，而是与你的“ 架构师 Copilot” 一起，设计一个能够自我进化、自我修复、并且长期符合价值观的“ 数字生命体”。
第九生命：从文明限度的角度看 AI
3. 宏观的导航员： 透过一个由 AI 驱动的、高度可视化的洞察平台，来观察运营系统输出的海量、高维度的遥测数据。这个“ 导航 Copilot” 能帮助人类从万亿级的数据点中发现战略性异常和宏观趋势，从而应对运营系统自身无法处理的“ 黑天鹅” 事件，并适时为其进行宏观战略方向的校准。
通用人工智能 （AGI） 已经来了
小结
近来看到的数据里面，还有一个与此直接相关:
http://assets.anthropic.com/m/218c82b858610fac/original/Economic-Index.pdf
报告中对自动化和增强的定义是：
自动化 （Automation） 指面向“ 完成任务” 的交互模式：
指令式 （Directive）：用户给 Claude 下达任务，Claude 以最少的往返沟通完成。
反馈闭环 （Feedback Loops）：用户把任务自动化，并在需要时向 Claude 提供反馈。
增强 （Augmentation） 侧重协作型交互模式：
学习 （Learning）：用户向 Claude 询问信息或让其解释各类话题。
任务迭代 （Task Iteration）：用户与 Claude 协作，对任务进行反复迭代。
验证 （Validation）：用户请 Claude 对其工作给出反馈/评审。
上面的统计简单说就是人们交给大模型的任务越来越高级，在向脱手的方向移动，并且第一次超过了把大模型当纯粹的工具。
说起来很巧，写这篇文章要结束的时候看到了侯老师转了下面这篇文章：
这又是一个信号。
很有意思的点是，我写这篇文章的时候看到侯老师转发了下面的文章：
这实在是有意思的点，9.30 晚上七点会展开聊聊这些，感兴趣的同学联系：shuixiu2024
更多精彩内容，关注钛媒体微信号 （ID：taimeiti），或者下载钛媒体 App
