近来花了很多时间调试产品，一边调试一个想法就冒了出来：

AGI根本就不是3~5年后的事，而是已经就在身边了。

这是个递归过程，所以深度和范围都会在发展过程中不停加大，但这毫不影响它就在那里，不是未来的事，而是现在就在身边。

当AI能够在任何一个角色（比如编程）上全量覆盖所有所需功能，其实就是AGI，因为任何一个角色都需要大量综合判断。

那为什么感知不明显呢？

大致和坦克被发明出来后，被扔在了西伯利亚里面一样，跑一阵最终就得出了个坦克不如狗拉爬犁的结论。

这显然会引发一系列连锁反应。

从智能原生到无人公司

近来《国务院关于深入实施“人工智能+”行动的意见》中很显著的位置提到了智能原生企业：

常看琢磨事的同学可能知道，我是在大模型出来后就写智能原生，比如，一度《无人公司》的书名还想叫智能原生。

所以就挺有必要在这个特殊时间点重述下智能原生这事。

智能原生不是一种单纯的技术，而像一种技术和组织模式匹配后的思维模式，它改造产品和服务的生产过程。

（这图最开始爱立信画的，后来被优化了下，还行）

这种综合性导致一个尴尬事实就是双向理解困难，理解技术的同学未必理解组织运作，而理解组织运作又未必理解AI的世界正在发生什么。

如果我们认为AGI就在身边，那上面这点无疑会成为落地的关键障碍。

如何构建一套体系，把人类的知识和局部的AGI无缝衔接起来其实应该是这个时点最大的难题。当然这也是实现智能原生最大的挑战。

而所有这些的努力，最终的终点就是《无人公司》或者说AI的Level5。

一切皆可重建

对变化很哲人的说法可以是：万物皆数，终极流变。

历史上限于人类生命的短暂，我们能感受到的大变化往往并没有那么多。

但最近历史好像加了油，加速度真的上了N个台阶，互联网、AI这些大技术一个接着一个的来。

尤其最近的AI，进化速度更快，从应用的角度看现在的AI和2022年的AI根本就不是一个东西。

这种速度正是AI催生变化的本质特征：它比你进化的快。

人的进化是艰难的，所以公司里面的培训往往劳而无功。

流程相对快些，不过不管怎么样，因为牵涉众多利益单元，而调整的测算很难清楚，所以流程再造是缓慢的。

但AI不是，AI以极高的速度崛起，并且完整地塑造另外一种完成目标的方式。

这就是智能原生注定会来的核心原因，而它的结果几乎必然是一切皆可重建。

（是个示意图）

我们拿现在比较成熟的编程举个例子，传统的软件开发是一个高度专业化、分工协作的过程。一个项目的诞生，往往需要产品经理进行需求分析、架构师设计系统蓝图、前端工程师负责界面、后端工程师处理逻辑、测试工程师保障质量……这是一场由不同角色、不同职能协同完成的“交响乐”。

在“智能原生”的模式下，这首交响乐正在被简化为一曲“独奏”。在这种新的模式下，我们可以对着类似 Claude Code或其他大模型编码助手，用自然语言持续输入比较详细的需求，然后告诉它哪里需要修正。

前几天我的一个做算法朋友告诉我：这玩意真TMD好用，我完成一个交付一行代码没写，一天就干出了过去一个团队要干几周的活。

生产的形式虽然不一样，但上述两条路径的结果是一样的，甚至后者更好。

对于编程而言后者是智能原生，前者不是，即使前者中的每个人也用AI工具。

智能原生是一套以AI为主体，智能优先为原则的价值创造体系。

AI成为角色的担当，是那个飞舞的风筝，人则最多动动手里的线。

在智能原生的形态下，AI成为价值创造主体，AI-AI的协作置换过去复杂的组织过程。组织被内化成智能体和智能体的关系。

递归过程与无人公司

可折叠的组织和业务是随着智能水平的提升而提升的，所以这是一个递归过程。可以先是一个编程的团队，接下来就会递归到运维，在云上部署一套服务未必还要一个巨大的运维团队了。然后就是N个过去的职能，最后则是整个公司。

（示意图：递归）

说来很巧，当我正在写这段文字的时候，我原来负责运维的同事给我发来条消息，他说：

现在我一周就搞定了k8s/日志elk/监控prometheus/mysql/redis/mongodb的服务，而且不仅是paas搞定了，iaas也顺便解决了，都是借助的AI编程，现在我能在自建IDC、各公有云之间随意建机器部署想要的服务，提前把网络打通的话就是混合云。

这是我们当年一起工作时候的一个目标，那时候特别费劲，感觉得忙活一年。

现在这个也变化了。

这也正是OpenAI那五级模型的内置逻辑。Agent和Organization骨子是一个东西，只不过面对的范围不一样，复杂度不一样。

OpenAI当年肚子里估计也是皮里阳秋，它那个组织有很大的社会意义，不是我们一般理解的组织。

这里最关键的点当然是前面说的可进化速度。

AI的进化速度影响递归的次数和深度，当然也就影响价值创造点的选择。

在一个终极流变，价值模式被迅速解构和重构的过程里面，并无永恒的产品和价值，但时间窗口长短确实有别。

这就是我做了接近8年工具之后，再也不弄这东西的原因，可存续的时间窗口被大大缩短了。

你的业务周期、商业化周期可能大于技术更迭周期，所以这是必死之路。

打破的核心方法是不停快跑，而资金环境显然让快跑的可能性逼近于没有。

需要驾驭的不是技术，而是价值创造范式

在快速折叠的背景下，真正需要驾驭的并非某个技术，AI让技术的使用成本变的极其低廉。

需要驾驭的是价值创造模式，什么样的模式才能最大化发挥AI的力量？

虽然chatGPT刚出来的时候还挺像个工具，但GPT4之后这道工具的枷锁其实就解开了。

这是历史上没有过的，周玮同学有一天群里截了个图给我：

我一看就想到这正好反过来：AI越发展执行越贬值！

这时候范式发生本质迁移，关键的不再是怎么用AI的技术，而是怎么用AI封装业务。

怎么封装业务的关键在于找到AI的现实边界（这往往是数据和工具构成的）。

然后把它们放到的一个流变的模式里来，就需要不停地打破AI应用的障碍，为它力量发挥铺平道路。

如果是从小往大的视角，那最小的就是现在看到的各种工具。从各种细碎工具开始，不可止步，止步就是死亡，因为身后就是大模型疯狂进行折叠的力量。

如果从大往小看，那就是无人公司，直接以智能原生的方式处理最终的业务，锁定的就是销售额和现金流。起步就难一些，要处理AI所有不可及的部分，比如它可能缺数据、缺知识、缺工具，要有套体系把所有这些补全。

并没有绝对对错，但需要驾驭的东西确实变了，如果不能抬高认知视角那会非常致命。全是刻舟求剑，很容易变成沙漠打井，井井没水的局面。

驾驭新范式，需要AI思维

智能优先可以细化出一系列更为具体的思维模式。

比如智能优先几乎必然对应到虚拟先行，虚拟先行的方式则是规模化试错，最终所有这些之所以成立，根本原因则是可以用算力来对冲所有不确定性。

智能优先也必然引发AI和人的角色边界被重定义。

AI辅助人和人辅助AI在很多时候看着很像，但本质十分不同。

几乎可以确定我们必然迎来一个依赖倒置的世界。我们生活在物理空间，但虚拟世界的一切牵引着这个物理世界。

这可能就是世界的本来面目，不过是被各种障碍所遮蔽了。

所以AI思维是数字和智能空间优先的思维模式。

反身性与热寂

《无人公司》出版以来收到许多反馈和大家发起的探讨，最有意思的问题是：如果每个公司都是无人公司，那会怎么样？

在纯粹的经济世界里面基本原则是智能高者胜。

但如果智能还是持平，那信息差，能力都将持平，这时候反身性会导致待计算的世界随时变化，随时发生大规模计算，但回报都跟不上。

只有成本没有回报，既有的体系将进入一种热寂状态，然后就崩了。

螺旋上升的话就进入一种新的文明状态。无人公司末尾其实写了一点。

这可以看成是无人公司的另外一重含义，技术让商业形式奔向既有形态的终点，并且开始其它。

小结

验证AGI就在身边并不难，只要深度应用模型即可。难的确实是改变世界，而世界不改变，AI的能力是发挥不出来的，就只有削足适履。

再推导是什么呢？

你是否有在某个范围重新定义角色、过程的力量，只有这个再配上AI思维才能让AI产生效果。

本文来自微信公众号：琢磨事，作者：老李话一三