本文翻译自Notion联合创始人Ivan Zhao最近写的一篇流传甚广的文章《Steam， Steel， and Infinite Minds》。如果大家对这个视角感兴趣的话，我很想推荐另一本神作：感谢湛庐出版社，这本神作终于能买到正版了。来自Carlota Perez女士在2002年出版的《技术革命与金融资……

本文来自微信公众号：老钱日日谈，作者：Ivan Zhao，题图来自：AI生成

本文翻译自Notion联合创始人Ivan Zhao最近写的一篇流传甚广的文章《Steam， Steel， and Infinite Minds》。

如果大家对这个视角感兴趣的话，我很想推荐另一本神作：

感谢湛庐出版社，这本神作终于能买到正版了。

来自Carlota Perez女士在2002年出版的《技术革命与金融资本：泡沫与黄金时代的动力学》，其体系和视角都要更庞大和完整，而且在讨论同一个话题：

技术革命，从来不只关乎技术本身。

每一次技术革命，人们最容易看见的，永远是技术。

蒸汽机、电力、汽车、互联网、AI——它们看起来像一条线性的进步史，好像只要技术不断升级，社会自然会变好。

但历史反复证明，技术革命真正改变的，从来不是工具，而是整套社会范式。

何为范式？

范式不是某一项发明，也不是某几家公司。它是一整套人类社会默认的共识：

企业该如何组织生产？钱该流向哪里？商业靠什么赚钱？社会如何分配收益？制度如何兜底风险？

当一轮技术革命出现，本质上是在改写这些默认设置。但问题在于，这些层次的变化，从来不会同时发生。

技术永远先走一步。它解决的是以前做不到，现在突然能做到了的问题。比如能量更便宜、计算更快、连接更密、复制成本更低。

新技术在导入人类社会时（就像2024年至今的AI），旧的经济结构已经开始不对劲了，但大多数人还没意识到。

企业仍在用老流程运转，制度仍在按旧逻辑分配资源，只是效率越来越差，摩擦越来越多。裂缝已经出现，只是还没炸开。

下一个变量是金融，真正最早理解新技术潜力的，往往不是产业，而是金融。

因为产业被旧资产锁住，组织被旧结构拖住，而金融资本的优势只有一个：它几乎没有历史负担。于是它最先下注未来。

铁路时代如此，电力时代如此，互联网如此，今天的 AI 依然如此。

金融资本开始围绕未来可能的世界疯狂定价：

商业模式尚未成熟，盈利路径并不清晰，估值已经打到头了，泡沫由此形成。

Perez 女士的一大贡献就是，她认为泡沫是中性的，并非纯粹的非理性。好的作用是：它用夸张的金融预期，提前铺设了未来社会所需要的基础设施。

铁路、光纤、云计算、算力、电网、交通系统，几乎都曾在泡沫中被过度建设。

坏的作用大家都很熟悉了，金融跑得太快，新技术的红利还没来得及扩散，社会就已经被拉成两半。一边是资产价格飞涨，一边是收入增长乏力。

然后危机出现：金融崩溃，就业恶化，财富集中，社会撕裂……

新生产力已无法继续装在旧制度里运行。

于是制度被迫登场，它几乎从不会提前改革，总是在系统快要失控时，才被推上前台。

工业革命之后，才出现劳动法；垄断形成之后，才出现反垄断；大萧条之后，才出现福利国家。

它的任务并不高尚，只解决一个现实问题：

让社会范式（生产、组织、分配）重新和解，匹配新技术。只有制度终于开始向新技术靠拢，生产力才真正被释放到更广泛的人群中。

此时才是新技术正式在人类社会展开的过程，增长稳定、企业愿意长期投资、中产扩张、社会预期变得可持续。

Perez 把它称为“黄金时代”。

好了，我啰嗦完了，下面是Ivan Zhao的文章。这次我花心思新写了一个Prompt，重点就是去除英文→中文的机翻味儿。大家感受一下，看有没有改善一些？

Steam，Steel，and Infinite Minds

每一个时代，都会被一种“奇迹材料”塑造。钢铁锻造了镀金时代。半导体点亮了数字时代。而今天，AI 以“无限心智”的形态登场。

历史一再证明：真正掌握这种材料的人，定义时代。

左：少年时期的安德鲁·卡内基与他的弟弟。

右：镀金时代的匹兹堡钢铁工厂。

19 世纪 50 年代，安德鲁·卡内基还是个电报送信员，在匹兹堡泥泞的街道上奔跑。那时，十个美国人里有六个是农民。

仅仅两代人之后，卡内基和他的同代人锻造出了现代世界：

马车让位于铁路，烛光让位于电力，生铁让位于钢铁。随后，工作从工厂转向办公室。

今天，我在旧金山经营一家软件公司，为数百万知识工作者打造工具。在这座“产业城市”里，人人都在谈论 AGI，但那二十亿张办公桌背后的人，大多数仍未真正感受到它的存在。

不久之后，知识工作会变成什么样？

当组织结构图中，开始吸纳那些从不睡觉的“心智”，会发生什么？

早期电影看起来像舞台剧，一台摄像机对着整个舞台。

未来之所以难以预测，是因为它总会伪装成过去。

最早的电话通话，简短得像电报。

最早的电影，看起来像被拍下来的戏剧。

马歇尔·麦克卢汉把这种现象称为：“我们总是透过后视镜驶向未来。”

今天最流行的 AI 形态，也很像过去的 Google 搜索。

正如麦克卢汉所说：“我们始终是通过后视镜，开进未来。”

于是我们看到：AI 聊天机器人，长得像搜索框。

我们正身处每一次技术更替都会经历的那段不适期。

我并没有关于下一步的全部答案。

但我喜欢借助历史隐喻，来思考 AI 在不同尺度下可能呈现的形态——从个人，到组织，再到整个经济体。

个体：从自行车到汽车

最早的变化，出现在知识工作的“高阶祭司”身上：程序员。

我的联合创始人 Simon，是典型的“10× 程序员”。但如今，他几乎不怎么亲自写代码了。走过他的工位，你会看到他同时调度三四个 AI 编程代理。

它们不只是打字更快，它们会“思考”。

叠加在一起，他的产出变成了 30–40× 的工程师。

他会在午饭前、睡觉前排好任务，让这些代理在他离开时继续工作。他已经成为一名——无限心智的管理者。

20 世纪 70 年代《Scientific American》关于运动效率的研究，启发了乔布斯“心智的自行车”隐喻。只是，自那以后，我们已经在信息高速公路上骑了几十年自行车。

上世纪 80 年代，乔布斯把个人电脑称为“心智的自行车”。

十年后，我们铺设了互联网这条“信息高速公路”。

但直到今天，大多数知识工作依然完全依赖人力。

这就像——我们一直在高速公路上蹬自行车。

而有了 AI agent，像 Simon 这样的人，终于从骑车升级为开车。

那么，其他知识工作者什么时候也能“上车”？

有两个问题必须先解决。

与编程 agent 相比，为什么 AI 更难辅助一般知识工作？因为知识工作更碎片化，也更难验证。

第一个问题：上下文碎片化。

在编程中，工具与上下文往往集中在一个地方：IDE、代码仓库、终端。

而一般知识工作却分散在几十个系统里。

想象一个 AI 要写一份产品方案：

它需要读取 Slack 讨论、战略文档、上季度仪表盘数据，还要理解只存在于某位同事脑海里的“组织记忆”。

今天，人类正是那层“胶水”，靠复制粘贴、浏览器标签页来缝合一切。

在上下文被真正整合之前，agent 只能停留在狭窄场景。

第二个问题：可验证性。

代码有一种近乎魔法的属性：可以被测试与报错验证。

模型训练正是借助这一点不断进步（例如强化学习）。

但你如何验证：

一个项目是否被管理得很好？

一份战略备忘录到底算不算优秀？

我们尚未找到让模型在一般知识工作上自我进化的方法。

因此，人类仍必须在其中监督、引导、示范什么叫“好”。

1865 年《红旗法案》规定：机动车行驶时，必须有人举旗在车前步行引路（1896 年废除）。这是一种典型的“糟糕的人在回路中”。

今年的编程 agent 给了我们一个重要教训：

“human-in-the-loop” 并非永远是好事。

那就像在流水线上要求人工检查每一颗螺丝，或让人走在汽车前面清路。

我们需要的是：

人在更高杠杆的位置监督系统，而不是被困在回路里。

一旦上下文被整合、工作具备可验证性，数十亿劳动者将从骑车，到开车，最终迈向自动驾驶。

组织：钢铁与蒸汽

公司，其实是一项很新的发明，而且它们会在规模扩张中逐渐劣化。

1855 年纽约—伊利铁路公司的组织结构图。现代公司与组织图，正是随着铁路这种需要跨距离协调数千人的企业而诞生的。

几百年前，大多数公司只是十几人的作坊。

如今，我们拥有几十万人的跨国企业。

通信基础设施——由人脑、会议和消息构成——在指数级负载下不断弯折。

我们试图用层级、流程、文档去补救。

但本质上，我们在用“人类尺度的工具”，解决“工业尺度的问题”。

就像用木头去建摩天大楼。

历史中有两个隐喻，能帮助我们想象未来的组织。

钢铁的奇迹：1913 年完工的伍尔沃斯大厦，一度是纽约乃至世界最高建筑。

第一个隐喻，是钢铁。

在钢铁出现前，19 世纪的建筑高度通常不超过六七层。

铁坚硬，却脆、重。楼层越高，结构越容易被自身重量压垮。

钢铁改变了一切。它强韧，又具延展性。

结构可以更轻，墙体可以更薄。

于是，几十层的建筑成为可能。

一种全新的建筑形态诞生了。

AI，就是组织的钢铁。

它有潜力在流程之间维持上下文，在真正需要时浮现决策，而不制造噪音。

人类沟通不再必须成为承重墙。

两小时的周会，变成五分钟的异步审阅。

原本需要三层审批的决策，可能几分钟内完成。

公司终于可以真正扩张——而不再付出我们早已习以为常的退化代价。

水轮驱动的磨坊。水力强大，却不稳定，也受制于地点与季节。

第二个故事，来自蒸汽机。

工业革命初期，纺织厂必须建在河流旁，用水轮取能。

蒸汽机出现后，最早的做法只是“把水轮换成蒸汽机”。

效率提升有限。

真正的突破，发生在人们意识到：他们可以彻底摆脱河流。

工厂被建在更靠近工人、港口和原材料的地方。

厂房结构围绕蒸汽机重新设计。

后来，电力进一步解耦，动力从中心轴分散到各个机器。

生产率随之爆炸，第二次工业革命真正展开。

1835 年托马斯·阿洛姆描绘的英国兰开夏郡蒸汽纺织厂。

而今天，我们仍处在“替换水轮”的阶段。

把 AI 聊天机器人外挂在旧工具上。

我们尚未真正重构：

当旧约束消失、公司可以运行在“无限心智”之上时，组织会是什么形态。

在 Notion，我们已经开始实验。

在 1000 名员工之外，已有 700 多个 agent 承担重复性工作：

整理会议纪要、回答问题、沉淀隐性知识；处理 IT 请求、记录客户反馈；协助新员工了解福利；撰写周报，免去复制粘贴。

这还只是婴儿步。

真正的上限，只受制于想象力与惯性。

经济：从佛罗伦萨到巨型都市

钢铁与蒸汽，不只改变了建筑与工厂。

它们改变了城市。

几百年前，城市以人的尺度存在。四十分钟可以走遍佛罗伦萨。生活节奏由脚步与嗓音决定。

随后，钢结构让摩天楼成为可能；蒸汽机推动铁路，把城市与腹地连接；电梯、地铁、高速公路接连出现。

城市在规模与密度上爆炸式增长。

东京。重庆。达拉斯。

它们不只是“更大的佛罗伦萨”，而是完全不同的生活方式。

巨型城市令人迷失、匿名、难以理解。

这种不可读性，是规模的代价，但它们也提供更多机会、更多自由。

更多人，以更多组合方式，做更多事情——这是文艺复兴城市无法承载的。

我认为，知识经济即将经历同样的跃迁。

今天，知识工作接近美国 GDP 的一半。但它仍运行在人类尺度：几十人的团队，被会议与邮件节奏牵引，组织一旦超过几百人就开始变形。

我们用石头与木头，建造了佛罗伦萨。

当 AI agent 大规模上线时，我们将开始建造东京。

由成千上万 agent 与人类构成的组织。跨越时区、持续运转的工作流。在恰当位置保留人类介入的决策系统。

它会让人不适。

更快、更高杠杆，也更难一眼看懂。

周会、季度规划、年度评估，可能都将失去意义，新的节律会浮现。

我们失去一部分可读性，换来规模与速度。

超越

每一种奇迹材料，都要求人们放下后视镜。

卡内基看到钢铁，想到的是城市天际线。

兰开夏的厂主看到蒸汽机，想到的是不再依附河流的工厂。

而我们，仍在 AI 的水轮阶段——把聊天机器人钉在为人类设计的流程上。

我们需要停止只把 AI 当作副驾驶。

我们需要去想象：

当组织被“钢铁”加固，当琐碎事务交给永不睡眠的心智，知识工作会变成什么样。

钢铁，蒸汽，无限心智。

下一片天际线已经在那里，等待我们去建造。

本文来自微信公众号：老钱日日谈，作者：Ivan Zhao