这篇文章试图用几组工业时代的历史隐喻，来解释 AI 对知识工作的真正冲击。Ivan Zhao 的核心判断是：今天大家还只是把 AI 当成附着在旧工具上的聊天框，这相当于工业革命早期只是把水车换成蒸汽机，却没有重构工厂本身。真正的变化，不在于个人多了个更快的助手，而在于组织能否把上下文整合起来、把工作变得可验证、再把大量重复性劳动交给“不会睡觉的头脑”。文章从个人、组织和经济体三个尺度展开，主张 AI 不是效率插件，而是一种会重塑知识工作结构的新材料。
- 原文标题：Steam, Steel, and Infinite Minds
- 原文地址：https://www.notion.com/blog/steam-steel-and-infinite-minds-ai
- 作者：Ivan Zhao
每个时代，都会被一种“奇迹材料”塑形。钢铁锻造了镀金时代，半导体点亮了数字时代，而现在，AI 以“无限心智”的形式出现了。如果历史真能教会我们什么，那就是：谁掌握了这种材料，谁就能定义这个时代。
19 世纪 50 年代，安德鲁·卡内基还是个在匹兹堡泥泞街头奔跑的电报童。当时，十个美国人里有六个是农民。可不到两代人的时间，卡内基和同时代的人就锻造出了现代世界。马匹让位于铁路，烛光让位于电灯，铁让位于钢。
从那之后，工作从工厂转进了办公室。今天，我在旧金山经营一家软件公司，为数百万知识工作者造工具。在这座行业城市里，人人都在谈 AGI，但那 20 亿桌面工作者中的大多数，至今还没真正感受到它。知识工作很快会变成什么样？当组织架构开始吸纳那些从不睡觉的头脑，会发生什么？
这种未来之所以难预测，一个重要原因是：它总会伪装成过去。早期电话像电报一样简短，早期电影看起来也像“被拍下来的舞台剧”。这正是马歇尔·麦克卢汉说的那句话：我们总是在“通过后视镜驶向未来”。
今天的情况也一样。最流行的 AI 形态，仍然是模仿 Google 搜索框的聊天机器人。我们正深陷于每次技术更替都会出现的那段尴尬过渡期。
我并没有所有答案。但我喜欢借几个历史隐喻，去想 AI 能如何在不同尺度上发挥作用：从个人，到组织，再到整个经济体。
个体：从自行车到汽车
最先显露这种变化的，是知识工作中的“高级祭司”们，也就是程序员。
我的联合创始人 Simon 就是我们常说的那种 “10× 程序员”，但他现在已经很少亲自写代码了。你从他桌边走过，会看到他同时调度三四个 AI 编程智能体。它们不只是打字更快，它们还会思考。两者叠加，让他成了一个 30 到 40 倍效率的工程师。他会在午饭前或睡前把任务排好，让这些智能体在他离开时继续工作。某种意义上，他已经成了“无限心智”的管理者。
上世纪 80 年代，乔布斯把个人电脑叫作“思想的自行车”。十年后，我们又铺出了互联网这条“信息高速公路”。但直到今天，大多数知识工作依然是靠人力踩出来的。就像我们明明已经上了高速，却还在骑自行车。
有了 AI 智能体，像 Simon 这样的人，已经从骑车进入了开车阶段。
那其他类型的知识工作者，什么时候才能有车？这取决于两个问题能不能被解决。
第一，上下文碎片化。 对编程来说，工具和上下文通常集中在一个地方：IDE、代码仓库、终端。但一般性的知识工作不是这样，它分散在几十个工具里。比如一个 AI 智能体想起草一份产品说明，它需要去拉 Slack 讨论串、战略文档、上一季度仪表盘里的指标，还得调用只存在于某个人脑子里的机构记忆。今天，人类依然是那个“胶水层”，靠复制粘贴和不断切浏览器标签，把这些东西硬拼起来。只要上下文还是碎的，智能体就只能卡死在狭窄场景里。
第二个缺失的条件，是可验证性。 代码有一种近乎魔法的特性：它可以用测试和报错来验证。模型公司正是靠这个，不断把 AI 训练得更会写代码，比如强化学习。但如果是“项目管得好不好”，或者“战略备忘录写得好不好”，你怎么验证？到现在，我们还没找到足够可靠的方法，让模型在一般性的知识工作上持续进步。所以，人类仍然得留在回路里，负责监督、引导，并告诉系统什么叫“做得好”。
不过，今年的编程智能体也教会了我们另一件事：所谓 human-in-the-loop，并不总是理想状态。这有点像让一个人亲自去检查工厂流水线上的每一颗螺栓，或者像 1865 年英国《红旗法案》那样，非要让人走在汽车前面开路。我们真正想要的，不是让人永远待在回路里，而是让人站在一个更高杠杆的位置上监管这些回路。等上下文被整合、工作变得可验证之后，数十亿工作者就会从骑车变成开车，再从开车变成自动驾驶。
组织：钢铁与蒸汽
公司其实是一种相当新的发明。它们一旦不断扩张，就会逐渐劣化，直到碰到自己的极限。
几百年前，大多数公司不过是十来个人的作坊。现在，我们已经有了几十万人的跨国公司。问题在于，支撑这些公司的通信基础设施，本质上仍然是“靠人脑通过会议和消息彼此连接”。这种结构在指数级负载下会直接变形。我们试图用层级、流程和文档去补，但本质上，我们是在用适合人类尺度的工具，去解决工业尺度的问题，就像想用木头盖摩天楼。
两个历史隐喻，可以帮助我们理解：在新的奇迹材料出现后，未来组织会变成什么样。
第一个隐喻是钢铁。钢铁出现之前，19 世纪的建筑一般只能盖六七层。铁虽然结实，但又脆又重；楼层一多，整栋楼就可能被自己的重量压垮。钢改变了一切。它既强韧，又有延展性。结构框架可以更轻，墙体可以更薄，于是几十层高的建筑突然成为可能。新的建筑形态，由此诞生。
AI 对组织来说，就是钢铁。 它有潜力在不同工作流之间维持上下文，并在需要时提炼出关键决策，同时不把所有人淹死在噪音里。人类之间的沟通，不必再充当那堵承重墙。每周两小时的对齐会议，可能会变成五分钟的异步审阅。过去需要三层审批的高管决策，可能几分钟就能完成。公司终于可以真正扩张，而不是继续接受“规模一大就注定变钝”这件事。
第二个故事，和蒸汽机有关。工业革命初期，很多纺织厂都建在河流边，靠水轮驱动。蒸汽机出现后，厂主一开始只是把水轮换成蒸汽机，别的什么都不改，所以生产率提升很有限。
真正的突破，发生在厂主意识到：他们已经不必再被河流绑住。他们可以把更大的工厂建到劳动力、港口和原材料更近的地方，并且围绕蒸汽机重新设计整个工厂。后来，电力普及以后，人们又进一步摆脱了中央动力轴的结构，转而把更小的发动机分布到工厂各处，分别驱动不同机器。生产率这才真正爆炸，第二次工业革命也由此起飞。
而我们现在，还停留在“只是把水轮换掉”的阶段。 AI 聊天机器人只是被硬接到现有工具上。我们还没有真正重新想象：当旧约束被解除，当你的公司可以建立在一群在你睡觉时也持续工作的“无限心智”之上时，组织到底该长成什么样。
在 Notion，我们已经开始做一些实验。除了 1000 名员工，我们现在还有 700 多个智能体在处理重复性工作。它们负责会议记录、答疑、整理部落化知识；处理 IT 请求、记录客户反馈；帮新员工了解福利体系；代写周报，免得大家继续复制粘贴。可这还只是婴儿学步阶段。真正的收益，最后只会被我们的想象力和惯性所限制。
经济：从佛罗伦萨到超级都市
钢铁和蒸汽改变的，不只是建筑和工厂，它们还改写了城市。
几百年前的城市，基本都还是“人类尺度”的。你步行四十分钟，大概就能穿过佛罗伦萨。生活节奏由人能走多远、声音能传多远来决定。
后来，钢结构让摩天楼成为可能，蒸汽机驱动铁路，把城市中心和腹地连接起来。再后来，有了电梯、地铁和高速公路。于是城市的尺度和密度一起爆炸。东京、重庆、达拉斯。
这些地方并不是“更大的佛罗伦萨”。它们代表的是另一种生活方式。超级都市更让人迷失，更匿名，更难导航。这种难以读懂，本身就是规模的代价。但与此同时，它们也带来更多机会、更多自由，带来比文艺复兴时期的人类尺度城市更复杂得多的人与事的组合。
我认为，知识经济也即将经历同样的变形。
今天，知识工作已经占到美国 GDP 的接近一半。可它的大部分运行方式，依旧停留在人类尺度：几十人的团队，以会议和邮件为节奏的工作流，一过几百人就开始变形的组织。我们造出来的，仍然是用石头和木头搭的“佛罗伦萨”。
等 AI 智能体大规模上线后，我们造出来的会是“东京”。那会是由成千上万智能体和人类共同构成的组织；那会是跨时区、持续运转、不需要等谁睡醒再继续的工作流；那会是只保留恰到好处的人类监督、而把大量综合判断交给系统完成的决策结构。
那种感觉会很不一样。会更快，更有杠杆，但一开始也更让人迷失。每周例会、季度规划、年度考核这些节奏，可能都会逐渐失去意义。新的节奏会出现。可读性会下降，但规模和速度会提升。
超越水车阶段
每一种奇迹材料，都要求人们停止通过后视镜看世界，转而去想象那个真正新的世界。卡内基看到钢铁，想到的是城市天际线；兰开夏的纺织厂主看到蒸汽机，想到的是摆脱河流束缚的工厂布局。
而我们现在，仍然处在 AI 的“水车阶段”里：只是把聊天机器人钉到为人类设计的旧工作流上。我们该停止只把 AI 想成副驾驶了。我们真正该想的是：当人类组织被“钢铁”加固，当大量杂务被交给那些永不休息的心智之后，知识工作究竟会变成什么样。
蒸汽。钢铁。无限心智。下一道天际线已经在那里了，问题只是我们敢不敢开始建。
