每个时代，都由其标志性的“奇迹材料”所定义。钢铁，锻造了镀金时代；半导体，点亮了数字时代；而现在，AI 正以无限心智的形态降临。

历史反复教导我们一个真理：谁掌握了定义时代的材料，谁就定义了那个时代。

左侧：少年安德鲁·卡内基和他的弟弟。
右侧：镀金时代的匹兹堡钢铁工厂。

19世纪50年代，安德鲁·卡内基还只是匹兹堡泥泞街道上奔波的一名电报员。那时，六成美国人面朝黄土背朝天，以务农为生。然而短短两代人之后，卡内基与他的同僚们便锻造出了现代世界的雏形：马匹让位于铁路，烛火让位于电力，生铁进化为钢铁。

从那时起，人类的工作重心从工厂转移到了写字楼。今天，我在旧金山经营一家软件公司（Notion），为数百万知识工作者打造工具。在这个科技重镇，每个人都在谈论 AGI（通用人工智能），但全球二十亿伏案工作的职场人中，绝大多数尚未感受到它的脉搏。

未来的知识工作究竟会变成什么样？当组织架构吸收了“永不眠歇的大脑”时，会发生什么？

早期的电影常常看起来像舞台剧，

只有一个相机聚焦在舞台上

预测未来之所以困难，往往是因为未来总是披着“过去”的外衣悄然而至。

早期的电话简短得像电报；早期的电影看起来像是被拍摄下来的舞台剧。（这就是马歇尔·麦克卢汉所说的“通过后视镜驶向未来。”）

当今最流行的 AI 形式看起来像是过去的 Google 搜索。引用马歇尔·麦克卢汉的话：“我们总是通过后视镜驶向未来。”

今天，我们眼中的 AI 往往只是模仿 Google 搜索框的聊天机器人。这是因为我们正深陷于每一次技术变革都会经历的“尴尬过渡期”。

对于未来，我没有标准答案。但我喜欢用几个历史隐喻来推演 AI 将如何在不同尺度上——从个人到组织，再到整个经济体——重塑我们的世界。

未来的端倪，最先显露在知识工作的“大祭司”——程序员群体中。

我的联合创始人 Simon 曾是我们口中的“10倍效能程序员”（10× Programmer），但如今他很少亲手写代码了。走到他的工桌旁，你会看到他正指挥着三四个 AI 编程智能体同时作业。这些智能体不仅打字更快，它们在思考。这让 Simon 进化成了“30-40倍效能”的工程师。

他在午餐或睡前将任务排入队列，让智能体在他离线时继续工作。他已经不再是一个单纯的创造者，而是一位管理“无限心智”的管理者。

1970 年代的《科学美国人》关于运动效率的研究启发了史蒂夫·乔布斯著名的“思维的自行车”比喻。只是几十年来，我们一直在信息超级高速公路上蹬踏。

1980年代：史蒂夫·乔布斯将个人电脑比作思维的自行车。1990年代：我们铺设了互联网这条“信息高速公路”。今天：尽管路修好了，大多数知识工作依然是人力驱动的。就像我们在德国无限速高速公路上，依然在费力地蹬着自行车。

有了 AI 智能体，像 Simon 这样的人已经率先扔掉了自行车，换上了汽车。

那么，其他类型的知识工作者何时能开上“汽车”？

这需要解决两个核心难题：

在编程领域，工具和上下文高度集中：IDE（集成开发环境）、代码仓库（Repo）、终端。

与编码智能体相比，为什么 AI 协助知识工作更困难？因为知识工作更加碎片化且难以验证。

但通用的知识工作散落在数十个工具中。想象一下，一个 AI 智能体试图起草一份产品简报：它需要抓取 Slack 的讨论串、战略文档、仪表盘里上季度的指标，以及那些只存在于老员工脑子里的“部落知识”。

现状是：人类充当了胶水。我们通过复制粘贴和在浏览器标签页间反复切换，将这些碎片缝合在一起。除非这些上下文被统一整合，否则 AI 智能体只能被困在狭窄的单一用途中。

代码有一种神奇的属性：它可被验证。通过测试报错，模型训练者可以利用强化学习让 AI 越写越好。

但是，你如何验证一个项目管理得是否出色？或者一份战略备忘录是否高明？

我们尚未找到提升 AI 处理通用知识工作能力的有效反馈机制。因此，目前人类仍需留在“回路中”，去监督、去引导、去定义什么是“好”。

1865 年的《红旗法案》要求在车辆沿街行驶时，旗手必须走在车前（1896 年被废除）。这是“人在环”不受欢迎的一个例子。

今年的编程智能体教给我们一个道理：“人在回路中”并不总是理想的。 这就像要求人类亲自检查流水线上的每一颗螺丝，或者像1865年的《红旗法案》那样，要求汽车行驶时必须有人在前面举旗开道。

我们的目标是：让作为“监督者”的人类站在杠杆的另一端，而不是被卷入机器的齿轮中。一旦上下文被整合，且工作结果可被验证，数十亿工作者将从蹬自行车进化为驾驶汽车，最终迈向自动驾驶。

“公司”是一个相当近代的发明。随着规模扩大，它会衰退，直至触碰极限。

1855 年：纽约与伊利铁路公司的组织架构图。现代企业和组织结构图随着铁路公司的发展而演变，铁路公司是人类历史上首批需要在极大的地理跨度上协调成千上万名员工的企业。

几百年前，大多数公司只是十几个人的作坊。如今，我们拥有数十万员工的跨国巨头。这种以人脑为节点的通信架构（通过会议和信息连接），在指数级增长的负载下摇摇欲坠。我们试图用层级、流程和文档来修补，但这就像用木头去造摩天大楼——我们在用“人类尺度”的工具解决“工业尺度”的问题。

两个历史隐喻，向我们展示了“奇迹材料”如何重构组织形态。

钢铁奇迹：伍尔沃斯大楼于 1913 年在纽约建成时，是世界上最高的建筑。

在钢铁普及前的19世纪，建筑的高度极限是六七层。铸铁虽硬但脆且重；加盖更多楼层，建筑就会被自身重量压垮。

钢铁改变了一切。 它既坚固又具延展性。框架变轻了，墙壁变薄了，摩天大楼拔地而起。

AI 就是现代组织的“钢铁”。

它有潜力在跨工作流中维持上下文，并在需要时从噪音中提炼决策。人类的沟通不再必须是承重墙。

原本两小时的周会，可能变成五分钟的异步评审。

原本需要三层审批的高管决策，可能在几分钟内完成。

公司将实现真正的规模化，而不再伴随着我们习以为常的效率衰减。

一个带有水轮动力的磨坊。水很有力但不可靠，限制了磨坊的位置和季节性。

工业革命初期，早期的纺织厂依河而建，靠水车驱动。当蒸汽机出现时，工厂主最初只是简单地用水车换掉蒸汽机，其他一切照旧。结果，生产力的提升微乎其微。

真正的突破发生在工厂主意识到他们可以完全脱离河流之时。

他们将更大的工厂建在离工人、港口和原材料更近的地方，并围绕蒸汽机重新设计了整个工厂布局。（后来电力出现，工厂进一步去中心化，将动力源分散到了每台机器上。）生产力因此爆炸式增长，第二次工业革命才真正起飞。

这是托马斯·阿洛姆于 1835 年创作的铜版画，描绘了英国兰开夏郡的一家纺织厂。该厂由蒸汽机驱动。

目前，我们仍处于“替换水车”的阶段。

我们将 AI 聊天机器人生硬地通过螺栓固定在现有的工具上。我们尚未重新构想：当旧的束缚消失，当你的公司依靠无数在你睡眠时仍在工作的“大脑”运转时，组织结构应当长什么样？

在 Notion，我们正在进行实验。除了1000名员工，我们还有超过 700个智能体 在处理重复性工作：

• 它们整理会议纪要，回答问题，综合部落知识；

• 它们处理 IT 请求，记录客户反馈；

• 它们帮助新员工入职，撰写周报……

这仅仅是婴儿学步。真正的收益上限，只取决于我们的想象力和惯性。

钢铁和蒸汽不仅改变了建筑和工厂，它们重塑了城市。

几百年前，城市是“人类尺度”的。你可以在40分钟内步行穿过佛罗伦萨。生活的节奏取决于双脚能走多远，声音能传多远。

随后，钢结构催生了摩天大楼；蒸汽机驱动的铁路连接了市中心与腹地；电梯、地铁、高速公路接踵而至。城市在规模和密度上发生了爆炸式增长。东京、重庆、达拉斯——这些超级都市诞生了。

它们不仅仅是放大版的佛罗伦萨，它们代表了一种截然不同的生存方式。

超级都市令人迷失、匿名化、难以导航。这种“不可读性”是规模化的代价。但它们也提供了更多的机会、更大的自由。它容纳了比“人类尺度”的文艺复兴城市多得多的可能性组合。

我认为，知识经济即将经历同样的变革。

今天，知识工作占据了美国 GDP 的近半壁江山，但其中大部分仍以“人类尺度”运作：几十人的团队，以会议和邮件为节奏的工作流，一旦超过几百人就开始崩溃的组织。我们还在用石头和木头建造佛罗伦萨。

当 AI 智能体大规模上线时，我们将开始建造知识经济的“东京”。

组织将由数千个智能体和人类共同构成。

工作流将跨越时区连续运转，无需等待任何人醒来。

决策将在恰到好处的“人类介入”下被综合生成。

这种感觉会截然不同。更快、杠杆率更高，但也更令人迷失。周会、季度计划、年度绩效回顾——这些旧有的节奏可能不再适用。新的节奏将涌现。我们会失去一些清晰度，但我们将获得前所未有的规模与速度。

每一种奇迹材料的诞生，都要求人类停止通过“后视镜”观察世界，开始构想全新的未来。

卡内基看着钢铁，看到了城市的天际线。

兰开夏郡的磨坊主看着蒸汽机，看到了摆脱河流束缚的工厂车间。

在 AI 的浪潮中，我们仍处于“水车阶段”，试图把聊天机器人硬塞进为人类设计的工作流中。

我们需要停止仅仅把 AI 当作 Copilot。

我们需要去想象：当人类组织被“钢铁”加固，当繁琐的工作被委派给那些永不眠歇的“无限心智”时，知识工作将会呈现出怎样壮丽的图景。

钢铁、蒸汽、无限心智。

下一道天际线就在那里，等待我们去建造。