身在此山中

历史：技术革命总是先重排位置

刘瑜在《可能性的艺术》里说，好的政治只是美好生活的一半，另一半取决于社会、市场和个体的创造力。政治可以压抑社会关系和个人努力，却无法替代它们。

这句话放在 AI 时代同样成立。

技术可以改变规则，却不能替人完成觉醒。AI 可以提高效率，却不会平均地赋能每个人。

许倬云和许知远谈历史时，说过一个时间尺度：人最短，其次是政治，再往后是经济、社会、文化，最长的是自然。

理解 AI，也需要这样的历史感。

今天关于 AI 的争论，大体分成两派。

一边是 Dario Amodei 式的警告：AI 会迅速冲击大量白领岗位，尤其是初级知识工作，并引发社会震荡。

另一边是 Jensen Huang、Yann LeCun 式的判断：AI 不会简单消灭工作，而会创造新工作；真正替代人的不是 AI，而是会使用 AI 的人。

两边未必矛盾。

工业革命消灭了手工业的旧位置，也创造了工厂、城市、公司和现代中产。互联网革命摧毁了传统信息中介，也创造了平台、搜索、电商和远程协作。

技术革命总是如此：长期创造新世界，短期摧毁旧位置。

真正的问题不是 AI 会不会替代人，而是谁先看见趋势，谁先改变自己，谁还在旧秩序里按部就班。

公司：局部觉醒，救不了旧组织

AI 对公司的冲击，不是均匀发生的。

最先改变的，往往是工程部门。

这并不奇怪。软件工程师天然喜欢新工具，也最容易把新工具接入自己的工作流。代码有上下文，有测试，有版本管理，有 CI/CD，有 pull request，有清晰的反馈回路。AI 写得对不对，可以跑；改得好不好，可以测；哪里错了，可以追。

所以 AI Coding tool 最先在软件工程里被证明有效。

工程师用 AI 写代码、读代码、修 bug、自动化测试、重构、生成文档，生产力确实被放大。一个优秀工程师，开始像一个小团队。

但问题在于，公司不仅仅是工程部门。

公司是一个由不同职能、不同节奏、不同心智组成的系统。工程变快了，不代表产品决策变快了；代码交付变快了，不代表法务、财务、销售、市场、客服、合规、审批也变快了。

一个部门迈入 AI Native，不等于整个组织迈入 AI Native。

木桶原理会顽固存在。

工程那块板变长了，但最短的那块板可能在需求定义、预算审批、客户沟通、合同流程、组织政治、绩效制度、风险控制。局部提效如果不能穿透整个价值链，最终只是把瓶颈从一个环节推到另一个环节。

这就是旧组织最深的困境：它不是完全不能变，而是只能局部地变、缓慢地变、带着历史包袱变。

刘瑜讲政治转型时说过，政体可以一夜之间换掉，但民主的思想要吹拂过每个人的心，需要漫长岁月的洗礼。

公司转型也是如此。

AI 可以一夜之间成为公司战略、CEO 邮件、董事会决议、OKR、采购合同和培训课程。但让每个人真正相信 AI 能提升自己的 outcome，愿意把旧工作方式交给 AI 重构，是另一件事。

命令可以下达，信任不能下达。工具可以采购，心智不能采购。

有些人会转过来。有些人会很慢。有些人永远不会。

这不是智力问题，而是路径依赖。一个人在旧组织里受训多年，他熟悉的是岗位边界、审批链条、风险规避、局部负责、等待指令。AI Native 要求的却是主动定义问题、快速试错、端到端交付、持续重构自己。

让一个旧组织里长出来的人群整体转成 AI Native，远比招一批本来就按 AI 方式工作的人困难。

前者是在改造心智。后者是在选择物种。

AI Native 公司没有这个负担。

它不需要说服旧岗位相信 AI。它一开始就按 AI 的生产方式设计岗位。

它不问：“这个岗位如何使用 AI？”

它问：“有了 AI，还需要这个岗位吗？”

它不问：“这个部门如何提效？”

它问：“这个职能是否可以被一个 AI Native 的人、一组 agent、一个自动化流程重新覆盖？”

这才是最根本的差别。

旧公司是在旧组织里推广 AI。AI Native 公司是用 AI 重新生成组织。

一个是在改革。一个是在诞生。

但既有公司也不能简单地把人群弃之不用。

人不是坏掉的零件。一个大公司如果要做激烈人事调整，董事会和管理层面对的不只是财务模型，还有员工士气、组织信任、客户关系、社会舆论、劳工法规，甚至政府监管。

这就是 incumbent 的双重困境：

内部，旧心智难以快速转型。外部，旧人群又不能随意抛弃。

它既背着过去的成功，也背着过去成功所形成的人群、流程、制度和责任。

AI Native 公司则轻得多。它没有那么多历史债务，也没有那么多人群惯性。它可以从第一天起，就按新的生产函数生长。

所以旧组织真正的劣势，不是慢。

慢只是表象。

真正的劣势是：它要在保留旧世界的同时进入新世界；而它的竞争者，可能从一开始就只属于新世界。

个人：AI 不会平均赋能每个人

AI 对个人最残酷的地方，不是替代，而是放大。

它放大表达能力、学习能力、判断力和执行力；也放大迟钝、依赖和自我欺骗。

过去的教育训练人寻找标准答案。过去的工作训练人执行标准流程。

但 AI 时代需要的不是会不会做题，而是会不会定义问题；不是会不会完成任务，而是能不能重构任务。

有判断力的人，会把 AI 变成认知外骨骼。没有判断力的人，只会把 AI 当搜索框、润色器、总结器，最后连自己的平庸也外包出去。

人与人的差距不会缩小。它会扩大。

AI 不会因为一个组织庞大、一个岗位熟悉、一种经验曾经有效，就自动给予豁免。

这不是道德问题。有人醒得早，有人醒得晚。有人站在山外看山，有人身在山中不知山。

没有对错。只是现实。

“不识庐山真面目，只缘身在此山中。”

我们都在山中。

身在公司里，就以为公司的节奏是世界的节奏。身在岗位里，就以为岗位的边界是能力的边界。身在旧教育里，就以为旧学习方式还能应对新世界。

所以我们需要历史。

历史不是为了安慰自己“技术革命最后都会变好”。历史真正教人的，是看见变化的两面：它创造机会，也重排位置；它释放效率，也淘汰旧能力；它最终改变社会，但最先改变每个人的处境。

AI 不是工具升级，而是秩序重组。

我们以为自己在谈论未来，其实常常是在用旧世界的语言解释新世界。

山已经动了，很多人还以为只是风在吹。