从AI原生看AI转型：企业和个东谈主的必选项

以下著述起原于腾讯接洽院 ，作家沈旸

作家| 沈旸  现任联易融副总裁，曾任神州数码集团股份有限公司副总裁兼CIO，云基地持重东谈主，曾在SAP责任十年，在SAP好意思国担任参谋时候架构师

起原 | 腾讯接洽院  管千里着镇静慧AI+

迷水商城

参谋合作| 13699120588

迷水商城

著述仅代表作家本东谈主不雅点

本文是对沈旸的访谈纪录整理而成，旨在东谈主工智能加速鼓舞产业和社会转型的配景下，纪录企业鼓舞AI转型的深度想考与实践劝诫，为更多组织提供可模仿的AI转型旅途参考。

什么是AI Native？

东谈主均产值1000万好意思金是AI原生企业的门槛？

袁晓辉：

公共好，今天很欢快咱们邀请到了沈旸先生，他来自一家上市科技企业，任副总裁，来跟咱们通盘聊一聊对于AI Native（AI原生），AI转型，包括AI Agent一些进展，畸形是他们公司怎样愚弄AI重塑责任流，我认为这相等有价值。我曾与沈旸先生见过一面，前次听他论说了好多内容，让我通达脑洞，是以我很好奇您究竟是怎样意会AI Native这件事的？

沈旸：

对于AI Native这些事情，旧年3月份的时候，我在公众号上写过一篇著述，探讨AI原生企业应有的形态。那时提到Midjourney这家公司，仅有11东谈主，但营收却绝顶了1亿好意思金。其东谈主均效益远超普通公司。是以在界说AI原生公司时，我以为若看其他好多方针，可能过于复杂。最答允的方法是看东谈主均效益，比如东谈主均效益能否达到1000万好意思金，致使更多。

是以您的圭臬是1000万好意思金吗？

1000万好意思金随机仅仅旧年的一个方针，本年这个方针可能会更高。在行业内，我认为如果一家公司的东谈主均效益能排进前1%，那么这家公司面前在AI原生规模应该作念了迷漫的探索与实践。

哦，您是这样界说的。如果看东谈主均效益的话，特定行业，比如金融行业呢？

不同行业情况不同，需要凭据不同行业进行对比。举例传统制造业或零卖行业，面前可能对东谈主力的依赖进程还比较高。但不错与该行业当年的数据进行对比，在行业内进行排行。最终目的是判断AI原生对践诺业务是否有作用，通过这个方针比较容易揣度。

明显了。践诺上，AI原生这个意见是从挪动互联网原生、云原生一齐发展到现在的。"Native"这个词，从严格学术意旨上讲，应该是如果一个事物或公司的运转脱离了AI就无法存在，对吧？比如Midjourney这样的公司，现在仅有十几个东谈主，若脱离了AI，可能无法援手如斯庞杂的用户限制。

是以如果从界说上来说，您是怎样意会AI原生这个意见的呢？如今公共都在磋议要打造AI原生的组织或个东谈主，您认为这可行吗？有一种不雅点认为，咱们现在致使都弗成算互联网原生，因为咱们诞生时，互联网照旧存在多年。是以有东谈主说，唯有2020年以后诞生的东谈主才能算AI原生一代，因为他们成长过程中，AI用具随地可得，学习使用也毫无成本，您怎样看待这个问题？

对于AI原生，以挪动原生期间为例，什么样的应用才算是挪动互联网原生应用呢？比如滴滴，与传统的ERP软件不同，ERP软件不错有挪动版，但它在电脑和手机上都能使用，这类应用其实弗成被称为挪动互联网原生应用。而滴滴软件，唯有在打车时且处于挪动现象下才会使用，打车时东谈主们不会抱着电脑，而是使用手机打开软件。如果莫得这个应用，就无法达成打车的主张，这样的应用咱们才称之为挪动原生应用。我认为AI原生畴昔的一个病笃判断点在于大限制擢升东谈主均效益。如果仅仅线性擢升，用普通用具就能作念到，而AI原生的中枢主张是达成对东谈主和组织才略的无穷制复制，这是当年的软件无法作念到的。当年，软件大多为东谈主或组织所用，但软件并弗成替代组织或东谈主，中枢照旧东谈主在其中证实病笃作用。但在AI原生的意见里，畴昔一个AI原生企业的终极主张是达成通用东谈主工智能（AGI）。是否存在这样一个企业，它无需东谈主工操作就能运转，能够自行盈利、采购原材料，进行出产、运营、提供服务，致使达成自我进化和迭代。

无东谈主企业。

对，无东谈主企业。为什么弗成达成呢？

迷水商城

AGI达成后，东谈主莫得AI横蛮，东谈主还要作念什么？

OpenAI的阶梯图第五级是"organizer"组织者，当真确达成AGI时，它确乎能够作为组织者整合各式资源进行出产。践诺上，您所说的比我之前设想的还要更超前。我之前认为AI原生更像Midjourney这样的企业，或者是一东谈主企业、小团队，能够调用好多AI Agent用具、AI职工来达成特定主张。但在我的遐想中，东谈主照旧不可替代的变装。现阶段，我看到更多的是东谈主与机器互助完成任务。在好多组织进行转型时，东谈主的成分照旧需要要点筹商的，对吧？

但咱们要设定一个永久主张，AI原生最终能否达成？如果5到10年能够达成，那么咱们现在所资历的统共过程都仅仅中间阶段。不管是当前的模式，照旧一东谈主企业作念到东谈主均效益过亿等情况，实质上可能都还不是AI原生企业。咱们仅仅在接近这个主张，或者说咱们现在所作念的一切都是为AI原生企业或畴昔的原生形态提供基础。

从东谈主的角度来看，如果主张是让东谈主在其中变得不病笃，致使消解东谈主的作用，那咱们为什么要作念这件事呢？

那你想想，上班或责任的目的是什么？

第一个目的可能是养家活口，得意糊口需求；第二个目的是个东谈主发展，达成个东谈主理想，让我方的热诚得到充分的开释。

没错。在现在社会，出产本人其实照旧不存在瓶颈。从农业等规模的发展就不错看出，比如好意思国，一丝农民就能抚育全球近一半东谈主口。如果东谈主们仅仅追求吃饱穿暖，其实并不需要太多东谈主参预责任。面前公共参预责任，很猛进程上是为了参与最终的着力分拨。竞争更热烈、更具竞争力的公司能得回更多份额，从而推动社会更快绝顶。

然则社会的绝顶与竞争并非线性联系。当科技发展停滞时，不管竞争何等热烈，社会出产力都不会有彰着擢升，蛋糕也不会变大。AI的出现带来了变化，尤其是在服务行业，劳能源供应可能会趋于无穷，这只与电力、能源等成分联系。

迷水商城

天然，这是在机器东谈主照旧达成的前提下。如果机器东谈主莫得达成的话，它莫得实体，服务亦然莫得办法开展的。

即便不筹商机器东谈主，以服务行业为例，好意思国的第三产业占GDP的80%，好多像讼师、提供数字服务的东谈主群在社会中占比很大。在这些规模，AI畴昔不错提供无穷的服务供应。

您的真谛是说对脑力行为的替代，即是才略即服务，对吧？把才略变成一种东谈主东谈主不错调用的资源，不错给更多的东谈主提供更充裕的服务。

而且AI还能自我进化常识，进化速率可能比东谈主类更快。在服务行业，那些通过脑力做事去提供服务的责任，也可能会被AI替代掉。

那东谈主作念什么呢？

假定你不从事这个行业，你会作念什么呢？

如果不从事这个行业，滥觞濒临的问题是糊口成本从哪来？

假定糊口不是问题，这其实是畴昔AI原生社会中最病笃的问题，即钞票分拨问题。当年东谈主们英勇责任是为了解决分拨问题，但如今咱们濒临一个现实，畴昔脑力责任规模中AI的供应是无穷的，东谈主类无法与无穷供应的AI竞争。我举个例子，比如体育行业，好意思国NBA的顶级明星一年能拿1亿好意思金，但有无数坐在替补席的球员，他们雷同清贫，资质也不差，薪水却不如大厂的普通职员。演艺圈亦然如斯。

南北极分化相等彰着。

对，南北极分化畸形严重。在脑力责任规模，如果AI达到东谈主类80% - 90%的水平，这个行业也会出现严重的南北极分化。大部分东谈主可能即是，我从事从这个规模不仅是为了养家活口，而是因为我深嗜这个行业。我心爱在才略上，在脑上去挑战我方，我但愿去跟不同东谈主相通交流，我但愿去不停的去作念各式各类的软件，或者作念开辟各式各类东西。但与以前比较，他们可能无法得回那么好的文书。

对，那您认为基本的糊口问题是否要依靠社会福利体系，致使像全民基本收入Universal Basic Income这样的方式来解决？

迷水商城

我以为畴昔这个问题驯顺会得到解决，因为整个社会的钞票是在增多的。

那咱们先假定公共都有迷漫的成本守护生活，在这个基础上，东谈主们能作念什么呢？您怎样看这个问题？

沈旸：

迷水商城

如果一个东谈主有追求，那就连接在我方心爱的行业对峙，不绝与AI竞争并超越AI。但那些类似的责任，可能不再需要东谈主类去作念。践诺上，日常责任中有好多类似责任占据了无数时候，比如咱们现在聊天，你可能很享受这个过程，但之后你可能还要作念翰墨编订、视频编订等责任，这些并非你心爱的。而AI不错完成这些责任，咱们就能把更多时候花在我方心爱的事情上，激勉更多灵感，并传播这些着力，这样对社会着力的擢升会更大。

是以您对AI对东谈主类社会的影响持比较乐不雅的立场。

AI期间东谈主与组织高效匹配，需要尽可能多的数字化

每个东谈主都有我方的所长和瑕疵。当年，由于才略、资源等原因，东谈主们在弥补短板时，要么费钱解决，要么英勇克服，这其实花消了在长板上的资质。在组织中亦然如斯，很难作念到让每个东谈主的资质都得到充分证实。各个岗亭单干细致，你可能擅长某个岗亭，但当前并不在这个岗亭上，职责也不属于你，就无法证实作用。而且找到完全匹配的东谈主、组织和团队的成本相等高。

迷水商城

现在这种匹配成本确乎很高。

相等高。要找到完全匹配的东谈主、组织和团队，搜索成本极高。

是以畴昔AI Native的组织，就像刚才咱们磋议个东谈主时提到的，在资源充裕的情况下，让每个东谈主作念更擅长的事情。在组织中，即是让每个东谈主在擅长的岗亭各司其职。那么这种匹配是怎样达成的呢？AI在其中会证实什么作用？公共不肯意干的这些活都照旧cover掉了。但东谈主与岗亭的匹配是怎样达成的呢？

东谈主员与岗亭的匹配，面前存在一些问题。当年进行数字化时，好多信息莫得被纪录下来。比如你与岗亭是否匹配，以往可能一年有个OKR、KPI，年底写一段话，或者用二三十页PPT呈现一年的责任，又或者在OKR系统里用几百字纪录。但这些并弗成代表全部责任，日常的决策、交流、开会等信息好多都莫得被灵验纪录。即使这些信息被纪录下来，在ChatGPT出现之前，也难以利用。比如会议纪要，纪录了之后有东谈主看吗？从无数会议纪要中搜索信息也很费劲。开了一年500个会，每个会的决策、想考等信息，如果都要细心纪录，对东谈主的搜索才略要求极高。在传统规模，东谈主对信息的接收存在彰着瓶颈。

东谈主的信息处理带宽很低。

迷水商城

不仅带宽低，东谈主还容易状貌化。比如你会更自得和心爱的东谈主交流，PPT会用我方民俗的时局。致使PPT中某个形式让你感到惊喜，可能都会影响你今日的责任现象。这些都会影响东谈主平方接收信息的才略。我认为AI的上风在于，它最擅长的是翻译，比如英文翻汉文、汉文翻英文。其实不错把每个东谈主的话语和想维体系看作一种话语，你的想考体系和意会方式是一种话语，我的是另一种话语。这是咱们当年多年景长资历变成的。好多时候我跟你说一句话，我以为你能意会，因为我有我方的高下文配景，但由于你我的成长配景不同，你可能意会不了。面前AI畴昔有望很好地解决东谈主与东谈主之间的"翻译"问题。

然则咱们缺的是什么呢？缺的是对个东谈主和组织模子的形色。面前像ChatGPT、DeepSeek等大模子，更多是具有普世价值的模子，回应问题中规中矩。它整合了几千东谈主、几万东谈主致使上亿东谈主的常识和价值不雅。比如对大模子进行价值不雅测评，它的回应长久比较中性，不会极点。但东谈主因基因和成长资历不同，每个东谈主的模子都不一样。

对。我前几天看到有创业者在作念"Second Me"，即是把一个模子老师成第二个我方，用个东谈主历史数据信息进行老师，让它了解你是什么样的东谈主。咱们有共事之前在AI用具里设定一个系统提醒词，让AI用她的方式来想考。那畴昔是不是每个东谈主都会有一个类似我方的大模子，同期它亦然我方的AI Agent?

你的AI助手，会的，但需要给AI好多老师契机。咱们我方想考时，好多数据不会外露。比如互联网公司会网罗一些数据，但这个数据很单方面。比如说你在网上买一个东西，你为什么买这个东西？其实背后可能也有好多的想考。比如说那时可能是因为价钱，这个东西打折了，你才自得去买这个东西。然则好多时候你表透露来的，我并不是因为爱惜，并不是说省钱，而是因为这东西顺眼。你说出来的东西跟我方想的其实并不是百分之百完全一样。

那你怎样将大脑中的想法数字化呢？

要将大脑中的想法数字化，面前还很难作念到，畴昔可能要依靠脑机接口。我大学本科毕业设计作念的即是脑机接口联系内容。我认为畴昔的前沿规模之一即是脑机接口，通过它不错纪录大脑的潜坚硬，并与动作挂钩，让AI大模子不绝模拟你的决策。其实决策最病笃的即是你脑子中怎样想。说东谈主是受到社会不竭的一个动物也好，或者是一个个体也好，你不错白天作念梦。然则你在这个社会里面，你终末作念出来的步履，你弗成伤东谈主，你弗成伤害公共利益，对吧？你一定要作念出一个比较利益最大化的一个决策。公共脑子里可能都会非分之想，白天作念梦各方面的东西。然则一朝到作念挪动作的时候，作念出决策的时候，他一定是个比较感性的一个决策。

没错，如果模子能够模拟这个过程并预计你接下来的步履，且准确率不绝擢升，那确乎就像你的分身。

这件事畴昔比较容易去作念的，因为现在好多时候都在裁减成本。比如拍短视频即是一个例子。以前我举过一个例子，如果把东谈主一世中每天的步履都用视频纪录下来，即使大脑坚硬不完全透露，AI也能较好地意会你、效法你。因为至少输入和输出都被纪录下来了，AI不错把你算作一个黑盒子，不绝模拟你的步履，当模拟准确率达到99%或更高时，对秉性等方面的形色就会相等精确。这其实是AI畴昔很容易作念到的一丝。

那您以为在假话语模子这条阶梯上不错老师出咱们我方的模子吗？

我以为还不一定。东谈主的大脑与ChatGPT模子不同，现在DeepSeek等模子有一些新的意见。ChatGPT模子更像是概率模子，是单向的，莫得变成回路，而东谈主作念决策需要反馈。东谈主的大脑还有一个横蛮的场合，即是有仿真环境。比如在作念一件事之前，你不错脑补场景，像在电视上看过旅游的场景，你就能设想我方去旅游的情况。作念梦亦然一种脑补过程，虚幻中的场景相等真实。

但面前的假话语模子短少对东谈主或环境的真实形色。面前大模子我给他举个例子，更像一个缸中之脑，在养分液里面泡着一个大脑，它只会输出一些翰墨。咱们为什么有时候会以为这个AI不靠谱？因为莫得反馈。

最近Manus等取得很猛进展，即是因为通过大模子调用各式API、RPA等用具。他让这些事情得到一个反馈，我能赶快看到这个践诺反馈到底是正确的照旧不正确的。

前两天LeCunn一直在讲世界模子，亦然类似的风趣。现在的AI短少对物理章程的意会，而东谈主诞生就有对环境的感知和对物理章程的基本意会。是以他们尝试用蚁集镶嵌预计架构等模子进行预计，并与真实情况对比，初步让大模子掌持对世界的预计才略。这可能亦然接下来的一些标的。机器东谈主亦然，如果机器东谈主有了AI大脑，再加上体魄，就能与环境互动交流，得回顺利反馈，发展会更快。

现在大模子交融视觉、听觉等原生模子后，能够变成自闭环模式。但要变成类似东谈主类大脑的仿真环境，还需要进一步探索。现在至少在数字世界里面是比较容易的。比如作念一谈题目或设计一个游戏，在数字世界里更容易完成闭环。是以咱们不错看到，当年的AI畴昔可能会与操作系统、臆造机、容器、云架构更好地整合，这反而会促进云贪图的发展。

迷水商城

组织鼓舞AI转型的症结门径，第一步让团队对AI产生好奇

袁晓辉：

刚才咱们磋议了AI Native联系的个东谈主和组织的畴昔构想。咱们也很关怀当下怎样向畴昔迈进。好多企业想知谈怎样进行AI Native转型，如安在企业中应用AI。我知谈您的公司在信息化方面深耕多年，有好多挑升想的应用案例，近期在AI Agent方面也有探索。能弗成共享几个您以为比较挑升想的应用？

迷水商城

好的。我认为滥觞要让统共团队对AI产生好奇。公共看到AI后，要想考它能作念什么，公司里面不错组织研讨会共享联系内容。作为科技团队，要为职工提供肤浅使用的用具。比如OpenAI刚推出时，API链接不肤浅，那你不错赶快搭建中间API为公共提供服务。DeepSeek亦然如斯，一开动公共使用时可能会碰到服务器忙等问题，从而失去风趣，是以要提供踏实、唾手可用的进口，这很病笃。

然后在里面寻找探索和实践的细分场景。比如说一开动可能就相等答允，即是拿AI去写写PPT，写写文档，把这些责任给作念完。但这个责任对任何一个公司，都是普适性的，对吧？那这个时候公共可能会对AI有一些了解，比如说以前假话语模子，苹果手机针孔摄像头改侧面公共可能会以为他对翰墨的润色的这些责任作念的畸形好，然则你可能要加好多的Prompt，加我方民俗的Prompt。有点像诀要一样，像法术一样。它是一个普适的场景，他可能跟公司场景并不是畸形挂钩。通过这些答允应用，公共不错了解AI，比如知谈假话语模子在翰墨润色方面发扬出色，但需要写合适的Prompt，况且要了解不同模子对Prompt的效果预期，了了AI能作念什么、弗成作念什么。

比如说2023年时，咱们判断AI无法替代ERP等历程系统，因为那时的AI是概率模子，输出不可控，无法作念到百分之百精确，至少那时在这个大屏上咱们也看到这样的一个体系。那好多时候咱们就会把现实中哪些要道是不需要百分之百精确的。把不错把这些场景搬过来。

袁晓辉:

对。是以会公共发现AI客服，包括头脑风暴，或者前期的这些材料。

AI转型也许不错从一些非中枢业务切入

对，即是一开动替代各式文科生的，这些赋能文科类责任的场景应用较多。那时对一些创意设计类责任，AI也有应用，因为这类责任莫得全都正确谜底。

对，不需要精确。

就像语文和数学，很少有东谈主语文一直考满分，因为莫得全都正确谜底，而数学才略强的东谈主不错一直考满分，因为有精确谜底。

是以在23年的时候，咱们判断无数文科的场景，怎样去把它作念赋能。到了24年的时候，跟着AI Agent的一些落地，包括各技俩的开源的框架。你不错用一些单位模子去跟一些AI型的责任流各方面去作念对话。发现它其实是不错把原来的一些历程作念一个相等小的闭环。比如说以前跟你们共享过阿谁订婚式的场景，你去定一个会议室，其实他是需要去不同的系统里面把这个买通，那有时候他也要意会你的这个意图，如果定翌日他们下昼几点钟的一个会议室，其实里面都是翰墨。

当年在系统里预订会议室，等闲是点击聘请楼层的会议室。但践诺情况通常更复杂，波及多个方面。比如有东谈主但愿预订能看海、靠窗的会议室，每个东谈主可能都有类似的个性化诉求。关联词，当年的会议室系统无法得意这些需求，也不可能达成这样的功能。

一般会议室会配有图片，咱们不错通过图片稽查会议室能容纳的东谈主数、是否靠窗等信息。

但这样的搜索匹配过程比较消耗元气心灵，即便记着这些信息也并非易事。如今，AI能够自动进行匹配，还能为每个会议室添加标签。致使不错分析行政平面图，详情哪些会议室靠窗、看海或朝南，然后将其添加到用户的储藏夹中，用户无需再刻意哀痛。之后，AI通过答允的API就能与会议系统买通。

这个过程看似答允，践诺落地却费劲重重。咱们在2023年底就作念出了这个场景，但那时准确率并不高，这未免让东谈主感到失望。毕竟大模子连上万字的著述都能修改得有模有样，却在时候、地点、东谈主物这些答允信息的识别上出错。举例，对于"下个月的第一个星期一的某一天"这样的时候形色，它老是判断虚假。直到2024年10月控制，大模子才在某个要道达成了100%的准确率。

袁晓辉：

准确率达到100%，是因为大模子的推理才略擢升了吗？

我估量有两个原因。一是大模子可能调用了用具进行磨砺。比如让大模子贪图数学题，它碰到数学问题就调用贪图器，贪图器得出的收尾驯顺是准确的，终末将收尾复返。只消能精确地将用户意图拆解并调用合适的用具，准确率就能大幅擢升。就像预订下个月的会议室，调用日期用具就能准确详情日期。二是大模子内置的一些模子可能进行了无数的优化老师和对王人。

这里我讲解一下无损压缩和有损压缩的意见，这亦然咱们判断大模子应用的病笃圭臬。大模子实质上是对世界常识的一种有损压缩。以一个几千亿参数的大模子为例，老师时会使用全世界的各式常识，像《红楼梦》《西纪行》、外洋竹素、法律规章等，可能用到几十T的数据，但老师出来的大模子体积却远小于这些数据，可能压缩了几十倍致使400倍。是以，大模子无法归附统共信息，比如参谋《红楼梦》某一页的某个字，它好像率是记不住的，这和东谈主看书的情况类似，东谈主也很难一字不漏地背下整本书，这种就叫有损压缩。

有损压缩后，想要归附信息是很费劲的，势必会出现虚假。假定用一个包含1亿条时候、地点、东谈主物信息的测试集对大模子进行压缩，终末可能压缩成100万条。此时，如果让大模子归附其中一个从未见过的场景，它就可能意会虚假，出现准确率着落的情况。

还有一种是无损压缩。就像咱们学习数学，背诵九九乘法表，背完后所绝顶学运算都能作念，数学定理和公式经过压缩就剩下那么几条，通过这些要求进行反推，诚然推理过程比较费脑子，但能得出正确收尾，这即是无损压缩。如今，像DeepSeek、Cody等模子增多了深度推理才略，能够从一些小的旨趣或公理起程，举一反三推出更多内容。这对大模子的压缩才略和时候提议了更高要求，不再是单纯依靠海量数据老师，让模子变得更大去记着统共东西。是以，期待大模子记着统共信息是不现实的。

但RAG（检索增强生成）确乎是好多企业在落地大模子时常用的构建常识库的方法，你们却清除了？

是的，咱们尝试了两三个月就清除了。因为咱们以为效果很差，即便现在准确率能达到80%，也无法得意践诺需求。

有东谈主说问两次就能将准确率擢升到90%多。

即便如斯，咱们更想用大模子去解决践诺的历程问题。

除了预订会议室，现在预订会议室只需要参谋一下，说出"我翌日什么时候需要一个能容纳几个东谈主的会议室"，大模子就能襄理预订好。那线上会议呢？

线上会议亦然一样的风趣。只消给大模子提供Zoom、腾讯会议等平台的API接口，它就能获取账户信息并完成预订。如果与线上会议的API买通得更好，大模子还能将线上会议的翰墨版、视频版内容自动发送到企业微信中。当年需要使用多个用具才能完成的事情，现在用一个用具就能买通。而且，一朝磨砺出大模子的准确率打破了某个症结节点，就不错春联系应用进行布局。

我很好奇，一个企业限制很大，有好多中枢出产场景，而预订会议室仅仅一个行政场景，能擢升的效益有限，为什么会聘请这样一个场景进行AI落地呢？

聘请这个场景主要有两个原因。一是它的使用频率高，东谈主东谈主都会用到。在AI落地过程中，AI的宣传和践诺才略通常与东谈主们的设想存在相反。比如ChatGPT出当前，公共很抖擞，自后其他大模子出现，公共又纷纷关注。但业务部门，尤其是那些与科技距离较远的部门，对AI的意会存在偏差，要么认为AI无所弗成，完全不错替代东谈主工；要么以为AI毫毋庸处。如果给他们提供不太熟悉的AI体系，会让他们在抖擞和失望之间反复，比及真确有合适的AI应用场景出当前，他们可能照旧不再信赖AI了。是以，聘请预订会议室这样公共容易战争到、能感知AI作用的场景，更故意于AI的践诺。

二是通过这个场景，不错激勉每个东谈主去孵化我方的AI应用。面前，很难用一个准确率唯有80% - 90%的AI居品顺利替代原有的业务历程，这样作念会遭到公共的反对，鼓舞起来也会很费劲。而聘请预订会议室这样的场景，能够激勉每个组织和个东谈主的热诚和积极性。

比如咱们践诺的生成图片功能，职工不错在各式生成图片的用具中生成我方想要的图片，用于责任。但在企业中，公共可能更但愿有恰当公司作风的PPT模板，或者生成与公司安详物联系的有趣图片。以企鹅为例，如果公司的客户是农业规模的，就但愿看到企鹅与农民通盘扶植的海报。当年，普通运营东谈主员通过答允的Prompt让大模子生成图片，效果通常不睬想。

咱们的作念法是，阛阓东谈主员和设计东谈主员针对公司安详物微调了一个小模子，这个模子能够精确生成与安详物联系的形色。终末，咱们将这个模子接入企业微信，统共职工顺利在企业微信中参谋智能助理，就能得到我方想要的图片场景。这样一来，不仅让更多东谈主战争到了AI，而且生成图片的效果评分也从原来的40 - 50分擢升到了80 - 90分致使更高，公共也更自得使用这样的功能。

这确乎很有启发性。之前咱们在想考AI落地企业时，老是关注中枢业务要道的提效，想解决一些大的命题。但践诺上，把日常责任中的小要道拆解并优化，让每个东谈主都能参与进来，雷同相等病笃。

在2023年，香港性药商城咱们接洽大模子规模时发现，那时的大模子属于有损压缩，好多事情无法完成，无法替代企业原有的数字化历程和系统，也无法替代东谈主们的责任。而且大模子规模发展变化相等快，咱们那时致使筹商过老师我方的模子，包括垂直规模的模子。但自后发现，大模子每三个月就会有更好的模子、用具和生态出现。

是以，咱们那时的实践劝诫是，如果一个名目绝顶一周还作念不出来，就先暂时放下。即使这个场景看起来很有远景，但如果一周内落地后发现准确率不高，不妨先放手半年，可能到时候就能胜利落地了。没必要在一个短期内无法解决的问题上消耗过多时候。

迷水商城

比如预订会议室这个场景，在那时对大模子来说是一个难题。如果为了提高准确率，写一万个Prompt，将准确率从86%擢升到92%，其实并不合算。因为过半年可能更好的模子出现，就能顺利达到100%的准确率。咱们那时作念了一件比较有趣的事情，即是为每个场景界说一个测试数据集。以会议室场景为例，不管哪个大模子，咱们先我方详情1000个对于时候、地点、东谈主物的测试数据。每当有新的大模子出现，就用这个数据集进行测试，如果在这个数据集上发扬雅致，那么这个大模子在该场景中落地的可能性就很大。

因为测试数据集和践诺场景不错分开，测试数据集破耗的时候较少，可能半小时到一小时就能完成。而将大模子真确应用到践诺场景中进行落地实践，可能需要一周的时候。是以，在整个AI应用过程中，咱们并莫得参预过多的元气心灵和资源，而是持续关注大模子AI规模的发展动态。每隔一段时候，就拿出之前的想法和数据从头测试，望望哪些不错快速落地。

同期，咱们为每个职工提供战争先进AI时候的资源。每个职工都有契机接入各式大模子、使用API，咱们还为职工准备了虚机，并在其中安设好联系用具。以前咱们提供的是AI搭建的开源平台，现在MCP很流行，咱们就想考怎样让AI能够调用各式用具。比如，AI要调用土产货电脑的贪图器，如果无法顺利调用，咱们可能需要在里面搭建私有云，或者在公有云中树立一个资源池，将上万种开源用具整合到这个MCP资源池中，让AI能够随时调用。这样，职工在使用AI时，就不需要我方编写程序去调用用具，大大裁减了使用难度，能够快速看到AI应用的效果。

企业中的AI转型是从下到上推动的

您刚才提到为每个职工匹配资源，这里的职工是指有时候配景的，照旧全体职工呢？在这个过程中，让职工战争AI亦然组织转型的症结一步，但并非统共职工都有时候配景，好多是文科配景，你们是怎样作念的呢？是通过培训、宣贯，照旧共享最好实践案例呢？

咱们接收的是类似线下的方式。一开动，咱们会分发一些联系著述，组织职工加入群聊。每个部门都会有一些对AI比较热心的用户，咱们让他们持重处理我方部门的AI应用场景。用一两天的时候，快速将他们的想法落地成一个AI Agent，然后让他们在部门内进行践诺。

这是从上至下的要求吗？

我认为不是，这是从下到上的过程。在职何公司里，都会有对AI畸形热心的团队和个东谈主。比如我和我的团队，以过火他团队的一些成员，都对AI很感风趣。公共会在资源允许的前提下，自愿地想考怎样将AI应用到践诺责任中，落地各式场景。

但总要有个发起者吧？

我以为不一定需要特定的发起者。每个公司都有对AI充满热诚的东谈主，他们会主动去探索AI的应用。如果接收从上至下的方式，主张可能会不切践诺。比如在2023年说要把整个公司变成AI原生企业，在那时是不可能达成的。2024年说要树立企业的AI原生大脑，推翻原来的业务历程，雷同也作念不到。咱们必须关注整个AI生态的发展变化，逐步鼓舞。

在企业中，好多名目都需要立项、央求预算并得到雇主的批准，这就需要讲一个广漠的故事。但这样通常会导致名目进展拖沓，而且充满不祥情趣。因为很难详情在2023年、2024年具体能落地哪些着力。屡次这样的情况后，公司从董事长到CEO，统共东谈主都会对AI名目半疑半信，比及真确恰当大限制应用AI的时候，反而不敢全力参预了。

这确乎很有启发。之前咱们认为数字化转型是一霸手工程，需要CEO有联系坚硬，才能买通部门之间的信息壁垒。到了AI原生阶段，我蓝本也认为一号位要有这样的坚硬，但在鼓舞和落实过程中，似乎从上至下和从下到上的方式都需要邻接。就像您刚才说的，发动公司里对AI有热诚的种子选手，为他们提供资源，让全员都能战争到，然后逐步扩大应用范围，致使不错从非中枢场景滥觞。

AI和原来的数字化有很大区别。在数字化竖立过程中，大部分软件和生态体系都相等熟悉。比如使用ERP系统，不错聘请Oracle、金蝶等，数据库也有好多熟悉的居品可供聘请，致使不错我方搭建。而且，一个ERP软件本年和三年前比较，实质上莫得太大区别，可能仅仅迭代了10%控制。在这个过程中，更多的责任是克服里面阻力，以及让里面系统与外部居品相匹配。

但AI期间不同，每天都有新变化。比如在2023年，咱们遐想过类似于Manus的场景，花了一个月时候准备去作念，但那时的生态体系并不具备相应的用具链，咱们也莫得必要参预无数资源从0到1去搭建，毕竟这不是咱们的主营业务。是以，在AI期间，咱们需要每天关注社会和AI规模的变化，了解其他团队或公司作念出了哪些真确落地且灵验果的着力，这些都相等病笃。现在，弗成只看别东谈主作念的PPT，一定要关注践诺落地效果。如果别东谈主照旧落地的名目，咱们拿过来回往半天就能达成。

是的，比起践诺的业务效果，让组织真确滚动为一个AI原生组织，让公共自得不绝探索，我以为这才是更病笃的事情。因为有了这样的组织，才能更好地应付畴昔的变化。但我刚才听您说的从下到上的方式，仔细想想也不完全是这样。您在公司担任副总裁，有一定的组织才略，当您看到一些想法有达成的可能时，会推动它们变成现实，这个力量照旧很症结的。

像我这样的东谈主在每个公司都有好多。

那他们是不是不错站出来，和底下深嗜AI的同学构成社群进行互动呢？这也很病笃。

这是一方面。另一方面，在AI规模，变化太快，每个阶段都需要深入想考。比如本年AI能作念什么，来岁、后年又能作念什么，需要有一个预判。好多高管如果对AI的意会不够潜入，不管是接收从上至下照旧从下到上的方式鼓舞AI名目，都可能走向两个极点。而且，AI名目对工程要求很高，在拆解名目时，一定要确保拆解后的要道能够落地。同期，对开源用具和体系也要有相等熟悉的把控。我之前深度参与过一些开源名目的竖立，旧年咱们团队还参与了一些AI平台的开源竖立，是以对这些规模的变化和落场合式比较了解，作念起来也比较庖丁解牛。

AI Agent还会有哪些玩法？

您能弗成再举几个例子，比如除了预订会议室，现在AI Agent还有哪些挑升想的应用，公共都有资源去尝试？

旧年有一个例子，放在本年可能就比较普通了。在2024年9、10月份的时候，银行都有风控要道，好多风控模子是建在Excel里的，而不是系统中。因为不同行务有不同的风控团队，新开展业务时，可能会从外面挖一个团队过来，他们会把原来的风控模子带过来。这些模子在Excel里的建模相等复杂，当需要输入参数时，等闲是销售等东谈主员将客户信息提供给风控东谈主员，风控东谈主员再输入到Excel中，刷新后得出数据并进行传播。但这种方式数字化体验并不好。

公共都得拿Excel表格去填数据。

对，而且风控东谈主员一般不会把Excel表格给别东谈主，因为这波及公司精巧。把这些模子作念成系统也有很浩劫度，一是模子可能经常变化，二是作念成系统可能会导致数据泄露，而且系统也不像Excel那么机动。有时候说excel是最好的系统，确乎短长常好用的一个平台跟体系。

那时咱们作念了一个答允的用具，通过与企业微信聊天，网罗聊天数据，然后让AI将数据分类处理，使其恰当Excel的意会场景。咱们把Excel放在受保护的云桌面里，将云桌面密码交给风控东谈主员，咱们不战争数据。这样，蓝本开辟一个系统可能至少需要两三个月，还会有好多扯皮的事情，现在半天就解决了。在业务探索过程中，这相等病笃。好多时候，开展新业务一开动都是靠手工操作，那作念手工的时候业务部门就会提议来说，我能弗成把它线上化？

但从公司的角度来看，如果莫得看到限制化的可能性，就不太自得参预资源作念系统。而业务部门会认为，如果乌有现线上化，就无规章模化发展，这就变成了一个先有鸡照旧先有蛋的问题。对于雇主来说，不可能为每个新业务都参预无数的IT资源进行尝试，因为可能尝试100个场景，终末唯有10个得胜，其他的就都花消了。这种情况在篡改式公司非时常见。咱们作念金融联系的场景，每个场景都不一样，今天作念出进口业务的风控，翌日作念电商的，后天又换一个场景，每年都有变化，不可能每年都针对这些场景作念一个系统并进行迭代，否则三年后要作念太多系统了。

是以这种方式畸形恰当快速变化的业务配景，以及对权限限度有要求的场景。现在有了AI Agent，公共不错通过与它交互来调用云桌面里的风控模子。

接着说里面调用要道的风控。我作念这个事情，就花了半天时候，半天就把它处罚了。不外，作念这个事情，滥觞得有点工程才略，把企业微信里聊天联系的事情处理好；第二是要把AI Agent进的平台用好；第三是作念好云桌面的安全保护；第四是云桌面得有个API接口，用来和excel交互。

其实每一块都不算难。如果公共熟悉开源时候、熟悉AI，每一块花一两个小时基本就能完成。但如果不熟悉，可能就会踩好多坑。终末我讲了这样多，发现其他东谈主如果想尝试这个场景，可能得花一个礼拜致使一个月，那就有点以珠弹雀了。但在咱们这儿，半天就能完成蓝本三个月的责任量，着力一下子就提高了好多。

这个开辟责任是由某一个东谈主主导，去实验并落地的，照旧好几个东谈主通盘作念的呢？

一个东谈主就够了，一个东谈主就能完成。

迷昏喷雾剂使用方法

就一个东谈主啊。是这个东谈主一开动有这个需求，然后就去作念了吗？

一开动是有风控这个需求，但咱们一直没搭理作念。因为咱们以为这个责任量比较大，而且在安全方面，公共一直没磋议出个收尾，莫得达成共鸣，不知谈怎样作念才更安全。但自后AI联系时候出现后，我发现半天就能把这个事情处罚，还能保证模子的安全保护，就趁便把它作念了。现在其实有好多类似的场景，以前评估作念这些事要花很万古候，而且还不敢保证作念完后业务限制能擢起飞来。现在好多这样的场景都不错用AI来解决。

是以这绝顶于是加速了企业篡改探索的顺序，在这个过程中还能孵化一些新的业务。

我以为这对畴昔的一些中微型公司，或者茁壮发展的新规模的企业来说，是很挑升旨的。好多企业都不错尝试用这种方法，哪怕准确率够不上百分之百，对开展新业务亦然有公道的。不错等业务限制作念大了，再把联系历程固化成系统。毕竟用AI搭建诚然快……

但问题也不少。

没错，它有典型的问题。比如说，它的速率驯顺比作念成系统要慢一些。假定把它作念成系统，登录网页刷新一下，2秒钟就能出收尾。但现在通过对话聊天的方式，至少得5到10秒钟。

对，反馈更慢。不外变成想法的过程会更快。

对对对。咱们不错算笔账，用AI处理可能要10秒，原来系统只消2秒，看起来多花了8秒。但从细水长流东谈主工的角度看，细水长流了三个月的东谈主工成本。把三个月的东谈主工换算成这8秒，能作念不少业务呢。是以慢一丝也能接受。等以后应用限制扩大了，好多个8秒积蓄起来，以为值得作念个系统优化了，再去作念也不迟。AI有好多缺陷，但公道是畴昔业务东谈主员、需求分析师或者居品司理，都不太需要和开辟东谈主员频繁相通，就能把原型搭建出来。

畴昔软件出产模式的变化

那开辟东谈主员是不是就没那么病笃了？

我以为弗成这样答允地看。开辟东谈主员原来最大的困扰在于整个软件开辟的组织体系太复杂了。尤其是作念to B软件的时候，甲方是一个团队、一个组织。在这个组织里，要达成共鸣就很费劲。而且用户和客户还不一定是合并拨东谈主，比如可能是IT团队买单，但业务部门提需求。这样需求就从客户的业务团队，到客户的IT团队，再到乙方的名目司理、居品司理，终末才到时候东谈主员。哪怕是开辟一个很小的软件，也至少需要一堆东谈主参与。这些东谈主之前可能都没磨合过，没通盘责任过，着力驯顺不高。从原始需求提议，到开辟出居品交给客户，客户里面传阅一圈后，发现不是我方想要的，这种情况太常见了，着力确凿太低。

现在的软件开辟平台其实不错进行大的重构。统共东谈主不错通过聊天的方式在一个群聊里交流，右边就像是软件自动化出产的工场。想要什么软件，公共通过聊天就能把原型构建出来。

然后望望是不是我方想要的。

对，公共能看到原型的界面、交互过程等，这些都是业务部门比较关注的点。达成共鸣后，剩下的交给AI开辟东谈主员或者开辟工程师去作念开辟就不错了。但这样也会产生更多的需求，可能比以前多100倍致使1000倍。我昨天写了一篇著述，说软件在当年是个浪费。因为任何公司开辟软件、购买软件或者作念软件定制化，哪怕只参预几个东谈主天的责任量，也要破耗上万元。如果几百个东谈主天，那即是几十万致使上百万。几十万上百万对于个东谈主来说，很少有东谈主会花这样多钱去买企业级软件。公共买软件一般也就花几百块、几千块，最多了。拿买设计软件来说，可能也就千把块钱。但几千块钱换算成软件的东谈主天责任量，也就两三天，两三天能开辟出什么高质地、效果好的软件呢？不外畴昔软件成本会急剧裁减，同期可能会带来需求的爆发式增长。软件公司可能会像工场一样高效地匡助把原型落地。当年再横蛮的软件公司，嗅觉都像个小作坊。

以前的相通成本相等高，而且像POC（proof of concept，意见考据）能弗成跑通，都要消耗几个月时候。如果没跑通，这单业务就没了，统共东谈主参预的时候都徒劳了。

现在假定我是乙方公司，作念了5个POC，终末只成了一单。其实我会把这5个POC的成本都算到终末这一单里。

终末算到那一单里面，对吧？

也弗成说是冤大头，但确乎是这样。比如报价的时候，研发成本可能报200万，可真确的开辟成本也许唯有40万，因为要把POC的成本、东谈主力成本都算进去。但客户就很难意会，为什么这些成本要他们来承担。即是因为这里面有太多磨合的不祥情趣，极地面提高了行业成本，让软件行业成本居高不下，公共还牢骚软件不好用。

对，背面可能即是Agent as a Service（智能体即服务）。以前是Software as a Service（软件即服务）。以后智能体不错帮你测试、试验，跑通场景。真确需要大限制出产的时候，再找专科程序员作念架构。天然，程序员也不错调用AI用具辅助开辟，但照旧会有一些专科性很强的责任要作念。

当年好多程序职责任得也不得意，以为我方即是在搬砖。一方面，企业里面的居品司理天天指点他们干活；另一方面，客户那边的甲方居品司理各式要求，有些要求还彰着区分理，但程序员还得按要求作念，公共干活都很屈身。畴昔如果单干合理，公共可能会干得更专科、更得意。至少接活的时候，能明确我方擅长哪方面，接到的票据也比较详情，知谈我方能作念好，这样公共主张更明确，责任起来也更得意。

确乎按照这个想路推演下去，畴昔照旧比较乐不雅的。公共不错把时候和元气心灵自若出来，去作念真确有价值的事情。

天然，这也取决于供应和需求的变化。比如这种模式出现后，需求能增长若干，AI的供应能增长若干，面前还很难判断它对举座阵势会产生什么样的影响。

听起来好像更多的钱和利润会被那些有才略提供大模子基础的公司赚走，毕竟历程里有试错成本。

为什么最牛的大模子会是开源的？

也不一定。大模子本人其实很难作为顺利获利的用具。大模子很像硬件基础设施，它和普通软件不一样。而且我个东谈主判断，畴昔最横蛮的大模子驯顺是开源的。在老师方面，也会碰到天花板。比如面前的天花板可能是接近东谈主类水平，达到这个进程就够用了，公共不会再花十倍、百倍的成本去研发更牛的大模子。

你为什么以为最牛的大模子会是开源的呢？

常识本人即是开源的，莫得什么常识是唯一无二的。

有专有的常识啊。

其实并莫得，唯有信息是专有的。比如某个公司要发布年报，那这部分数据信息即是专有的。

然则像专利，专利可能即是专有的。

对，不外专利需要在物理世界通过法则保护才能得到真贵。常识不一样，常识不错告诉你怎样作念，你不错照着作念，仅仅终末可能需要交专利费，或者可能会波及打讼事，但常识本人一定是开放、开源的。只如果能口耳相承的常识，终末驯顺会被大模子接收进去。

迷水商城

但现在好多公司手里有最最初的模子，并莫得开放出来，天然也有开源的旅途。为什么你以为最牛的大模子一定会开源呢？毕竟那些公司手里的大模子亦然常识，仅仅它们独特的陈设组合方式还没被更多东谈主看到。

举个答允的例子，大模子畴昔驯顺要被别东谈主使用。别东谈主不管是用什么方式和它聊天、对话，这些信息都无法禁锢其传播。任何买卖软件的大模子对话内容，都可能被拿去老师另一个大模子。哪怕……

你的真谛是不错学习模仿，对吧？

就算不这样作念，也无法禁锢信息畅通出去。

无法禁锢。就绝顶于用蒸馏的方式，把数据拿出来再去老师另一个模子。你以为这不错达成，是吧？

这很容易达成。

顺应不了组织变革被裁掉的东谈主该怎样办呢？

这可能亦然OpenAI不开源他们阿谁想维链的原因。顺着您这个想路推演下去，畴昔照旧挺值得期待的。但在这个过程中，会有好多东谈主濒临不同的情况，要么跟上节律达成转型，学会界说智能体，擢升组织历程；要么就会被裁掉，跟不上场面。那些被裁掉的东谈主该怎样办呢？

迷水商城

我以为社会终末驯顺会给公共提供转型的契机。不错往其他行业转型。咱们也该反想一下，社会为什么需要这样多脑力责任者呢？

迷水商城

那咱们都去作念膂力做事吗？

不一定，膂力做事也不虞味着即是受苦。我在好意思国住的时候，隔邻有个叫艾米奇的村子，畸形挑升想。那是一帮德国外侨树立的部落，他们那里唯有马车，简直不消当代用具，生活方式和一两百年前差未几，但他们的生活质地并不差。症结是要保证整个社会的出产产出迷漫就行。对于脑力做事，畴昔不错想考社会还有哪些常识规模莫得得到充分开辟。比如物理、数学里的各式公理公式，咱们不错参预更多东谈主员，比如让他们去学校作念科研。天然，科研产出可能100个东谈主里唯有一个能出着力，但其他东谈主也能享受科研的过程。

现在作念科研也能享受这个过程，而且在学校里，学术接洽环境可能更热烈，也许比在企业里让常识变现、看到科研着力的旅途更短，成本也没那么高。比较企业，在高校作念科研的成本反而没那么高。这可能亦然一种发展标的。还有一种即是哀痛生活本人。

回到东谈主与东谈主的相通。

对，回到东谈主与天然对线下的。线下其实还需要好多服务，公共也但愿有更好的体验，比如更好的住房。现在公共的住房需求都得意了吗？汽车需求都得意了吗？周末度假的需求都得意了吗？

我以为需求驯顺没被得意，然则由于分拨机制的问题，导致底层的东谈主莫得迷漫的钱去消费，或者莫得消费的意愿和能源，不敢把攒下来的钱花掉，这是个大问题。是以在促进AI原生社会富贵方面，应该想办法保证对统共东谈主公谈、普惠。

没错，这是驯顺的。

你以为这是势必的发展趋势吗？

势必会这样演化。

然则旧年诺贝尔经济学奖得主阿西莫格鲁(Daron Acemoglu)的著述里提到，科技绝顶并不一定意味着社会富贵。从几千年的发展历史来看，会出现严重的南北极分化，而且这种情况可能会更严重。

不同的社会、不同的企业会有不同的聘请。畴昔好多国度可能会有社会保险方面的应付计谋。实质上AI如果都能作念的事情， 那为什么别的AI弗成作念，因为最终收尾如果都是AI进化阿谁我方的话，其实跟东谈主关系并不会跟公司关系都不会畸形大，那为什么说AI仅仅说莫得盼望良友？AI莫得费钱的盼望是对吧？他莫得盼望。

对，这就波及更深入的问题了，AI如果产生坚硬的话……

它一朝有盼望，获利速率比东谈主快多了，它不吃不喝，还能无穷复制，在获利方面东谈主根底竞争不外它。

给企业鼓舞AI转型的建议

没错，是以照旧要回到东谈主的本造谣题上。如果终末让你给企业作念AI原生转型提些建议，除了刚才提到的全员要有坚硬、提供充分的资源和用具、先尝试作念起来，还有其他建议吗？比如是不是需要更敏捷的组织？

敏捷组织的话，尽量先在个东谈主和部门里面变成闭环。因为一朝波及跨部门、跨组织，就势必波及东谈主的共鸣问题。这是传统软件擅长解决的，公共通过频繁开会来达成共鸣。

就像ERP软件，我以为ERP软件畴昔的中枢竞争力并不在于时候。单纯把代码拿出来让AI重写，AI是能作念到的。但难点在于，大型ERP是跨组织的，落地的时候，各个部门要经过无数次的磋议、利益博弈，才能变成所谓的共鸣。这个过程很复杂，要找到最好实践决议，让统共部门都受益，达成公司利益最大化，需要破耗无数的时候成本。面前靠AI很难作念到这一丝。

即是说照旧要靠东谈主达成共鸣，致使得通过争论来解决问题。

如果公司面前照旧以东谈主为主导，那传统软件和联系模式照旧有存在的价值和上风。但在部门里面，好多时候不错变成很好的闭环。不错快速达成篡改、落地，致使不错扬弃原来的一些历程，这取决于每个部门我方的想法和作念法，部门不错把一些历程改成AI原生的。畴昔部门之间会怎样发展，这是下一步要筹商的问题。

现在我以为企业如果想作念AI原生转型，应该先关注个东谈主和小团队层面。不要想着一下子让整个大组织达成AI转型，因为变化可能相等快。比如2025年、2026年可能还在探索跨组织的AI原生，到2027年说不定整个公司就无东谈主化了。一定重要跟AI发展的节律，预判手上的事情多久能完成。如果判断半年就能让公司达成无东谈主化，好多公司可能都会去作念，终末可能就变成一种股权关系，某个实体践诺限度公司，但公司里可能果真一个东谈主都莫得。

是以对于组织里面的小团队、个东谈主来说，照旧要以东谈主为本。假定畴昔走向公司无东谈主化，咱们得想考我方能弗成成立一东谈主企业。在这种情况下，我方还能弗成找到价值。

成立一东谈主企业的前提是个东谈主要充分与社会、组织进行信拒却互。不是答允的裸露，而是要把我方的上风、瑕疵都展示出来。通过流量、短视频等方式，让其他组织能通过AI与你进行交互。流量分发、信拒却互这些都变得很病笃。否则一个东谈主开公司很容易，但业务从那里来呢？

对，谁来找我合作，怎样树立信任呢？

没错，怎样树立信任是个大问题。还有为什么要和你合作，合作的买卖模式是什么，当年有哪些得胜的买卖模式，匡助过哪些东谈主等等。这些信息都要很容易被纪录下来，而且能被AI搜索到。

现在AI不错通过MCP server找用具，畴昔找东谈主是不是也得有类似MCP的契约呢？如果我是AI，想找某方面的东谈主，怎样才能找到呢？又怎样让对方知谈我的诉求可能会被接受呢？这是个相等难的问题。

对AI来说这是不是很有挑战性？

相等有挑战。而且如果畴昔都靠AI来作念这些事情，AI得对你有迷漫的了解，知谈你心爱什么样的公司、组织和东谈主。畴昔一东谈主企业驯顺会越来越多，寰宇有10亿东谈主呢。

即是这些公司之间怎样互助的问题。

对。

在这个基础上可能会诞生新的平台，把这些个东谈主公司组织起来，给它们提供更好的用具。

对，还有买卖模式的问题。在公司组织里，是发工资的模式，不会针对每一件事进行窥察，不会因为早到五分钟或者写了一转代码就多发钱。但变成个东谈主公司后，买卖模式就要细化、细分，具体到某件事、某个居品或服务上。当年靠组织才能变成居品和服务，个东谈主很难作念到。

是以要有创业坚硬，对现款流也要有清爽的相识。

对对对。现在AI能补王人个东谈主的短板，有可能让个东谈主提供更完好的服务。这是组织或个东谈主畴昔向个东谈主公司转型的一个病笃基础。

谢谢沈总的启发，我收货很大。今天我学到了好多，对畴昔也更乐不雅了。如果畴昔公共既能在现存组织里达成转型，又能掌持和AI打交谈、成立个东谈主公司的手段，那就没什么可蹙悚的了。

对，是这样。

好的，谢谢沈总。