category
library
Created time
Feb 20, 2026 10:24 AM
date
Dec 21, 2025
icon
password
slug
for-steam-steel-infinite-minds
status
Published
summary
文章探讨了随着人工智能的崛起，知识工作的未来将如何转变，以及这种“无穷心智”如何重塑个人、组织和经济体。
tags
科技与人文
type
post
Notion创始人Ivan Zhao的一篇广为流传文章。由Notion AI翻译整理。
每个时代，都被一种“奇迹材料”塑形。钢铁铸就镀金时代，半导体点亮数字时代，而如今，AI 以“无穷心智”的姿态登场。历史反复证明：谁能驾驭这种材料，谁就能定义时代。
左：少年时期的安德鲁·卡内基与弟弟。右：镀金时代的匹兹堡钢铁工厂。
19 世纪 50 年代，安德鲁·卡内基还是个报童，在匹兹堡泥泞的街道上奔跑。那时，美国十个人里有六个务农。可仅用两代人时间，卡内基和同辈就锻造出我们熟悉的现代世界：马匹让位于铁路，烛光让位于电灯，铁让位于钢。
此后，工作重心从工厂转向办公室。今天，我在旧金山经营一家软件公司，为数以百万计的知识工作者打造工具。在这座产业之城，人人都在谈论 AGI，但那二十亿坐在办公桌前的劳动者，大多仍未真正感到它的到来。知识工作很快会变成什么样？当组织开始“吸纳”那些永不睡眠的心智，会发生什么？
早期电影常常像把舞台剧直接拍下来：一台机位对准舞台。
这种未来之所以难以预言，往往因为它披着过去的外衣出现：早期电话通话像电报一样简短，早期电影看起来像把舞台剧拍下来。（马歇尔·麦克卢汉将其称为“透过后视镜驶向未来”。）
当下最流行的 AI 形态，看起来很像过去的谷歌搜索。借用马歇尔·麦克卢汉的话：“我们总是透过后视镜驶向未来。”
今天，它表现为模仿搜索框的聊天机器人。我们正处在每次技术范式迁移都会经历的尴尬过渡期。
接下来会怎样，我并没有全部答案。但我喜欢借助几个历史隐喻，来思考 AI 将在不同尺度上如何发挥作用：从个人，到组织，再到整个经济体。
个人：从自行车到汽车
最早的端倪，往往出现在知识工作的“高阶祭司”那里：程序员。
我的联合创始人 Simon 曾是我们所谓的“10× 程序员”，但这几年他很少亲自写代码了。你从他工位旁走过，会看到他同时调度三四个 AI 编程智能体。它们不只是敲得更快，更重要的是会“思考”。两者叠加，让他成了 30 到 40× 的工程师。他会在午饭前或睡前把任务排队，离开后让它们继续工作。他成了“无穷心智”的管理者。
上世纪 70 年代，《科学美国人》一项关于运动效率的研究，启发了史蒂夫·乔布斯那句著名隐喻：“电脑是心智的自行车。”而自那以后几十年，我们一直在“信息高速公路”上踩着脚踏。
80 年代，乔布斯将个人电脑称作“心智的自行车”。十年后，我们铺就互联网这条“信息高速公路”。但直到今天，大多数知识工作仍由人力驱动。就像在高速公路上，我们依旧骑着自行车。
有了 AI 智能体，像 Simon 这样的人，已经从骑自行车升级为开汽车。
那么，其他类型的知识工作者何时才能拥有“汽车”？还需要解决两个问题。
对比编程智能体，为什么 AI 更难帮助一般知识工作？因为知识工作更碎片化，也更难验证。
第一是语境碎片化。写代码时，工具与上下文往往集中在一个地方：IDE、代码仓库、终端。但一般知识工作分散在几十种工具里。想象一个 AI 智能体要起草一份产品简报：它需要从 Slack 线程抓信息，从战略文档提炼框架，从仪表盘读取上季度指标，还要调用只存在于某个人脑海中的“组织记忆”。今天，人类就是那层“胶水”，靠复制粘贴、在浏览器标签页间来回切换，把这些东西缝合起来。在上下文被整合之前，智能体很难突破狭窄用例。
第二个缺口是可验证性。代码有个神奇属性：可以用测试与报错来验证。模型研发者也正是借此训练 AI 把编程做得更好（例如强化学习）。但要验证“一个项目是否被管理得很好”，或“一份战略备忘录是否足够好”，该怎么做？我们尚未找到让模型在一般知识工作上持续改进的可靠方法。所以，人仍需要在回路中监督、引导，并向机器展示“什么是好”。
1865 年《红旗法案》要求车辆上路时，必须有人举旗步行在车前开路（1896 年废除）。这是不理想的“人在回路中”的例子。
今年，编程智能体也提醒我们：所谓“人在回路中”（human-in-the-loop）并不总是理想。它像让人逐个检查流水线上的每一颗螺栓，或让人举着红旗走在汽车前面为其开路（参见 1865 年《红旗法案》）——一种并不愿重演的“人在回路中”。
我们希望人类在更有杠杆的位置监督回路，而不是被困在回路里。一旦上下文被整合、工作变得可验证，数十亿劳动者就会从“踩踏板”走向“开车”，再从“开车”走向“自动驾驶”。
组织：钢铁与蒸汽
公司作为一种组织形态，其实是相对晚近的发明。它们会随着规模增长而退化，最终触及自身上限。
1855 年纽约—伊利铁路公司的组织结构图。现代公司与组织架构的演化，与铁路公司这类需要跨距离协调数千人的组织密切相关。
几百年前，多数公司不过十来人的作坊。如今，我们拥有数十万人规模的跨国企业。通信基础设施（由会议与消息把人脑连接起来）在指数级负荷下开始弯折。我们试图用层级、流程与文档来应对，但这等于用“人的尺度的工具”处理“工业尺度的问题”，就像用木头去建摩天大楼。
有两个历史隐喻，能帮助我们想象：当新的“奇迹材料”出现时，组织会如何不同。
钢铁的奇迹：伍尔沃斯大厦于 1913 年在纽约竣工时，曾是世界最高楼。
第一个隐喻是钢铁。钢铁出现前，19 世纪的建筑高度常被限制在六七层。铁虽坚固，却脆且沉；楼层一多，结构就会在自重下崩塌。钢改变了一切：既坚韧又可塑。骨架更轻，墙体更薄，于是建筑突然能拔地而起数十层，新的建筑类型也随之出现。
AI 之于组织，正如钢铁之于建筑。它有潜力在工作流之间维持上下文，在需要时把关键决策浮出水面，而不必充斥噪声。人类沟通不再需要充当“承重墙”。每周两小时的对齐会议，可能变成五分钟的异步审阅。曾经需要三级审批的高管决策，或许几分钟内就能完成。公司得以真正扩张，而不再陷入我们早已习以为常的那种退化。
带水轮的磨坊，用水力驱动生产。水很强大，但不稳定，也把磨坊束缚在少数地点与季节性之中。
第二个故事关乎蒸汽机。工业革命初期，早期纺织厂建在河流溪涧旁，依靠水轮驱动。蒸汽机出现后，工厂主起初只是把水轮换成蒸汽机，其余一切照旧，生产率提升并不显著。
真正的突破发生在他们意识到：可以彻底摆脱对水源的依赖。他们得以把更大的工厂建在更靠近工人、港口与原材料的地方，并围绕蒸汽机重新设计工厂。（后来电力普及，工厂又进一步去中心化：不再依赖一根中央动力轴，而是为不同机器配置更小的动力装置。）生产率随之爆发，第二次工业革命才真正启动。
托马斯·阿洛姆（Thomas Allom）于 1835 年的版画，描绘英国兰开夏的一家纺织厂，由蒸汽机驱动。
而我们现在仍处在“换掉水轮”的阶段：把 AI 聊天机器人硬接在既有工具上。我们尚未重新想象：当旧有约束被解除，当公司可以由“在你睡觉时仍在工作的无穷心智”驱动时，组织将会是什么样。
在我所在的 Notion，我们一直在做实验：在一千名员工之外，如今已有七百多个智能体处理重复性工作。它们做会议纪要，回答问题以综合“部落知识”；接手 IT 请求，记录客户反馈；协助新人完成福利入职；撰写每周状态更新，让人不必再复制粘贴。这还只是婴儿学步。真正的增益，上限只取决于我们的想象力与惰性。
经济体：从佛罗伦萨到巨型城市
钢铁与蒸汽不仅改变了建筑与工厂，也改变了城市。
几百年前，城市仍是“人的尺度”。你可以在四十分钟内步行穿过佛罗伦萨。生活的节律，由人的步程与嗓音能传多远决定。
随后，钢结构让摩天楼成为可能；蒸汽机驱动铁路，把城市中心与腹地连接起来；电梯、地铁与高速公路接踵而至。城市在规模与密度上爆炸式增长：东京、重庆、达拉斯。
这些并非“更大的佛罗伦萨”，而是截然不同的生活方式。巨型城市令人迷失、匿名、难以导航。那种不可读性，是规模的代价。但它们也带来更多机会与自由：更多的人以更多组合做更多的事，这是人尺度的文艺复兴城市所无法承载的。
我认为，知识经济即将经历同样的转变。
今天，知识工作几乎占到美国 GDP 的一半。但它依旧在人的尺度上运作：几十人的团队；由会议与邮件节拍驱动的流程；超过几百人就开始弯折的组织。我们用石头和木头建起了一座座“佛罗伦萨”。
当 AI 智能体以规模化方式上线，我们将建造“东京”。组织将同时包含成千上万的智能体与人类；工作流将跨时区连续运转，不必等待谁醒来；决策将以恰到好处的“人类介入”被综合出来。
那会是一种不同的感受：更快、更具杠杆，但起初也更令人眩晕。每周例会的节律、季度规划周期、年度评审机制，可能都不再合理。新的节律会浮现。我们失去一部分可读性，却获得规模与速度。
走出水轮的时代
每一种“奇迹材料”的到来，都要求人们停止用后视镜看世界，转而想象一个全新的世界。卡内基看着钢铁，看到的是城市天际线；兰开夏的工厂主看着蒸汽机，看到的是摆脱河流束缚的厂房地面。
而我们仍处在 AI 的“水轮阶段”：把聊天机器人钉在为人类设计的工作流上。我们需要停止把 AI 仅仅当作副驾驶。我们需要去想象：当人类组织被“钢铁”加固，当那些永不睡眠的心智接管琐碎忙碌时，知识工作将会是什么样。
钢铁。蒸汽。无穷心智。下一道天际线就在那儿，等着我们去建造。