公司的進化

一家擁有300名員工的傳統軟件公司可能需要3000平方米的辦公空間，而同等規模的無人軟件公司僅需1～2臺體積不超過1立方米的服務器。所有由AI驅動的程序員都“居住”在這個形似黑盒子的服務器內。傳統軟件公司必須設置流程、確定里程碑、舉行評審會議等，以確保在項目周期內持續進行PDCA（Plan-Do-Check-Act，計劃—實施—檢查—改進）的管理循環。無人軟件公司僅需設定目標，隨后由AI驅動的虛擬角色便會在服務器內完成所有軟件開發工作。當然，這種與傳統軟件公司截然不同的運作模式也帶來了諸多新的挑戰。

高鐵、汽車都比馬車速度快，但如果沒有鐵路、公路，它們適應復雜地形的能力其實是不如馬車的。無人公司也類似，越是深度運營，你就會發現，為了發揮它的威力，它也需要搭配自己的“鐵路”和“公路”。

無人公司像人一樣決策，也像人一樣犯錯。這會引發權責問題，它決策失誤賠了500萬元，誰對決策的失誤負責呢？

它的大腦核心依賴AI大模型的智能水平，以及別人向它提供了什么樣的信息。數據越完整、準確且及時，AI大模型越有進展，它的能力也就越強。這會引發數據質量與數據成本相關的問題。怎么才能在合適的成本下保證數據的可靠性呢？

在徹底無人化之前，人和AI智能體是需要分工協作的。這會引發人和AI智能體的邊界設在哪里更合適的問題。哪些部分的工作由人來做，哪些部分的工作由AI來做呢？

它知道人類的所有事，從工作方法到工作成果，從溝通細節到復雜決策，并且絕不健忘，讓每個人時時刻刻生活在一種真正的事事可溯源和可跟進的狀態下。這會引發深刻的文化問題?，F實中的企業里可以沒有灰度嗎？

當我們和無人公司協同合作時，上面這些問題層出不窮，比給高鐵或汽車配上鐵路、公路麻煩多了，必須每個問題都解決，無人公司才能真正發揮作用。

為什么會這樣呢？

因為除了人類，我們從來沒有和其他高智能生命體打交道的經驗。無人公司的出現很像你突然有一天回家后，你家的貓不是圍著你喵喵叫、要吃要喝，而是突然站起來說：“老李，你回來了，今天辛苦了??！”然后你再養它的時候，肯定和之前都不一樣了。

我們不是創建了一個傳統意義的公司，而是創造了一個有智能的類生命體，所以它相當復雜。

它能自我感知世界、做價值判斷、采取行動。傳統公司是靜態的，現在的無人公司則是動態的，并且很多方面“智商”比你高。它全心全意為你服務，但你得維持它的運行，否則它可能就像你那生重病卻得不到救治的寵物貓，沒幾天就死了。

有了這個視角后，我們再去審視周邊的傳統公司就會發現，這根本不是什么科幻。垂直領域很早就有了一些成功的應用案例，如網約車司機、外賣小哥，他們早就活在了類似無人公司大腦的算法里。有些老舊的系統（如沃爾瑪的配送系統），甚至可以追溯到近50年前互聯網還沒有大流行的時候。

只不過，過去充當大腦的那部分算法智能不夠。這種約束讓無人公司的實現程度在漫長的時間里一直遠低于預期。如果說我們描述的無人公司是動畫片里的哆啦A夢，那么在過去，無人公司的技術更多體現在智能音箱領域，二者的能力天差地遠。

從傳統公司到無人公司的這條進化道路，實際上和生物進化過程很類似。我們可以按照AI大模型的介入以及起作用的程度把它們排列在時間軸上。

早期的公司很像磚瓦、石塊這些無機物，你定義了什么章程，它就是什么樣子，沒有任何生機，自己也不會有任何行動。這時候沒有算法的介入，全部依賴人類的組織和協調。

逐步導入各種算法的公司開始有應激反應，如果你輸入不合格的東西，公司的系統就會拒絕你。這時算法更多是程序員編寫的規則而不是我們現在常說的神經網絡。

當發展到電商這類由算法主導的公司時，它就有點家里寵物的感覺了，有一定智商，能做很多判斷，但行為模式很單一，可能只會擔保交易、大數據推廣等幾個職能。

到了我們設想的無人軟件公司階段，其核心依賴于AI大模型的進展。AI大模型在分析判斷能力上的優秀表現引發了質變，讓原來大量的必須由人參與決策判斷的工作可以由AI承擔，最終才會出現我們上面設想的無人公司。

不同的公司復雜度不一樣，當前的AI也沒有那么智能，所以要想把所有公司都變成無人公司，還需要走很長的一段路，但這并不妨礙無人公司一旦在某個領域出世就會迅速崛起的勢頭。