Notion創始人：19世紀是鋼鐵工業時代，20世紀是芯片數字時代，21世紀是人工智能的時代

Notion 聯合創始人 Ivan Zhao發布的長文《Steam, Steel, and Infinite Minds（蒸汽、鋼鐵與無限思維）》

這篇文章是他對 AI 時代知識工作的未來圖景 的一次宏大隱喻性思考，融合了歷史、產業變革與哲學洞察。

每當人類掌握一種新的“奇跡材料”，

就會迎來一個全新的社會形態。

他提出一個極具哲學意味的觀點：

以下是他的全文：

Steam, Steel, and Infinite Minds（蒸汽、鋼鐵與無限思維）

每個時代都由其神奇的材料塑造而成。鋼鐵鑄就了鍍金時代，半導體開啟了數字時代，如今人工智能以其無限的智能面貌橫空出世。歷史告訴我們，掌握了某種材料的人，才能定義一個時代。

左圖：少年安德魯·卡內基和他的弟弟。

右圖：滑翔時代匹茲堡的鋼鐵廠。

19世紀50年代，安德魯·卡內基曾是匹茲堡泥濘街道上的電報員。當時，十分之六的美國人是農民。僅僅兩代人的時間，卡內基和他的同輩人就締造了現代世界。馬匹被鐵路取代，燭光被電力取代，鋼鐵被鋼鐵取代。

自那時起，工作重心從工廠轉移到了辦公室。如今，我在舊金山經營一家軟件公司，為數百萬知識工作者開發工具。在這個工業重鎮，人人都談論著通用人工智能（AGI），但20億上班族中的大多數人卻尚未感受到它的影響。知識型工作未來會是什么樣子？當組織架構容納了那些永不眠的頭腦時，又會發生什么？

早期電影往往看起來像舞臺劇，只有一個鏡頭對準舞臺。

未來往往難以預測，因為它總是偽裝成過去。早期的電話就像電報一樣簡潔。早期的電影看起來像是舞臺劇的錄像。（這就是馬歇爾·麥克盧漢所說的“透過后視鏡駛向未來”。）

如今最流行的AI形式看起來很像過去的谷歌搜索。正如馬歇爾·麥克盧漢所說：“我們總是透過后視鏡駛向未來?！?/p>

如今，我們看到的就是模仿谷歌搜索框的人工智能聊天機器人。我們現在正深陷于每次新技術變革都會經歷的那種令人不適的過渡階段。

我無法預知未來會發生什么。但我喜歡運用一些歷史比喻來思考人工智能如何在不同層面上發揮作用，從個人到組織再到整個經濟體。

個人：從自行車到汽車

我們最早能從知識工作的領軍人物——程序員身上看到這種現象。

我的聯合創始人西蒙以前是我們所說的“十倍速程序員”，但他現在很少寫代碼了。你只要走到他的辦公桌旁，就會看到他同時操控著三四個人工智能編碼代理，它們不僅打字快，還會思考，這讓他的效率達到了30到40倍。他會在午飯前或睡前安排好任務，讓它們在他離開的時候繼續工作。他現在就像一個管理著無數個智能體的管理者。

20世紀70年代《科學美國人》雜志上一篇關于運動效率的研究啟發了史蒂夫·喬布斯著名的“思維自行車”比喻。只不過，幾十年來，我們一直在信息高速公路上騎行。

上世紀80年代，史蒂夫·喬布斯稱個人電腦為“思維的自行車”。十年后，我們鋪設了互聯網這條“信息高速公路”。但如今，大多數知識型工作仍然依賴人力。這就像我們一直在高速公路上騎自行車一樣。

借助人工智能代理，像西蒙這樣的人已經從騎自行車升級到了開車。

其他類型的知識工作者何時才能擁有汽車？這需要解決兩個問題。

與編碼代理相比，為什么人工智能更難協助處理知識型工作？因為知識型工作更加分散，且更難驗證。

首先是上下文碎片化。對于編碼而言，工具和上下文往往集中在一個地方：集成開發環境（IDE）、代碼倉庫、終端。但通用知識的工作卻分散在幾十個工具中。想象一下，一個人工智能代理要撰寫一份產品簡介：它需要從 Slack 聊天記錄、戰略文檔、儀表盤上季度的指標數據以及只存在于某人腦海中的機構記憶中提取信息。如今，人類就像粘合劑，通過復制粘貼和切換瀏覽器標簽頁將所有這些信息拼接起來。除非上下文得到整合，否則代理將始終局限于狹窄的使用場景。

第二個缺失的要素是可驗證性。代碼具有一種神奇的特性：你可以通過測試和錯誤來驗證它。模型構建者利用這一點來訓練人工智能，使其更好地進行編碼（例如強化學習）。但是，如何驗證一個項目是否管理得當，或者一份戰略備忘錄是否有效呢？我們尚未找到改進通用知識模型的方法。因此，人類仍然需要參與其中，進行監督、指導，并展示什么是好的模型。

1865年的《紅旗法案》要求在車輛行駛時，必須有一名旗手走在車前（該法案于1896年廢除）。這是一個令人不快的“人為干預”的例子。

今年的編程智能體讓我們明白，“人機協同”并非總是可取的。這就像讓一個人親自檢查工廠生產線上的每一個螺栓，或者走到車前清理道路（參見1865年的《紅旗法案》）。我們希望人類從旁觀者的角度監督整個流程，而不是身處其中。一旦上下文信息整合完畢，工作成果可驗證，數十億勞動者將從騎車過渡到駕駛，最終從駕駛過渡到自動駕駛。

組織：鋼鐵和蒸汽

公司是近代才出現的產物。隨著規模擴大，它們會逐漸衰落，最終達到極限。

1855年紐約和伊利鐵路的組織結構圖?，F代公司和組織結構圖隨著鐵路公司的發展而演變，鐵路公司是第一批需要協調數千人跨越遙遠距離的企業。

幾百年前，大多數公司都只是十幾人的作坊。如今，跨國公司擁有數十萬員工。溝通基礎設施（人腦通過會議和信息連接起來）在指數級增長的負荷下不堪重負。我們試圖通過層級結構、流程和文檔來解決這個問題。但我們一直用人類規模的工具來解決工業規模的問題，就像用木頭建造摩天大樓一樣。

兩個歷史隱喻表明，借助新型神奇材料，未來的組織可以呈現出不同的面貌。

鋼鐵奇跡：伍爾沃斯大廈于1913年在紐約市竣工時，是當時世界上最高的建筑。

首先是鋼材。在鋼材出現之前，19世紀的建筑最多只能建六七層。鐵雖然堅固，但卻易碎且笨重；增加樓層數，建筑就會因自身重量而坍塌。鋼材的出現徹底改變了這一切。它既堅固又具有良好的延展性。框架可以做得更輕，墻體可以做得更薄，建筑物也因此可以高達數十層。新型建筑由此成為可能。

人工智能是企業的鋼鐵。它能夠貫穿整個工作流程，并在需要時提供清晰的決策依據，避免信息干擾。人際溝通不再是重擔。每周兩小時的協調會議可以簡化為五分鐘的異步評審。過去需要三級審批的決策，可能很快就能在幾分鐘內完成。企業可以真正實現規模化增長，而無需承受我們過去習以為常的性能下降。

以水車為動力運轉的磨坊。水力雖然強大，但供應不穩定，因此磨坊的選址和建造都受到季節的限制。

第二個故事是關于蒸汽機的。工業革命初期，早期的紡織廠都建在河流溪澗旁，依靠水車驅動。蒸汽機出現后，工廠主最初只是用蒸汽機取代了水車，其他設備則保持不變。生產效率的提升并不顯著。

真正的突破出現在工廠主意識到他們可以完全擺脫對水的依賴之后。他們建造了更大的工廠，靠近工人、港口和原材料產地。他們圍繞蒸汽機重新設計了工廠。（后來，隨著電力普及，工廠主進一步分散了動力，不再依賴中央動力軸，而是在工廠各處安裝小型發動機，為不同的機器提供動力。）生產力突飛猛進，第二次工業革命真正開始了。

托馬斯·阿洛姆于1835年創作的這幅版畫描繪了英國蘭開夏郡的一家紡織廠。該廠由蒸汽機驅動。

我們仍處于“替換水車”階段，人工智能聊天機器人只是簡單地附加到現有工具上。我們還沒有重新構想，當舊的限制消失，公司可以依靠無限的智能系統在你睡覺時運轉時，組織會是什么樣子。

在我的公司 Notion，我們一直在進行一些嘗試。除了我們1000名員工之外，現在還有700多名客服人員負責處理重復性工作。他們負責會議記錄、解答問題，以整合內部知識。他們處理 IT 請求、記錄客戶反饋。他們幫助新員工了解員工福利。他們撰寫每周狀態報告，這樣大家就不用復制粘貼了。而這僅僅是邁出了一小步。真正的進步只受限于我們的想象力和慣性。

經濟體：從佛羅倫薩到特大城市

鋼鐵和蒸汽不僅改變了建筑物和工廠，它們也改變了城市。

幾百年前，城市的規模還很適宜人類居住。在佛羅倫薩，步行只需四十分鐘就能橫穿整個城市。當時的生活節奏取決于一個人能走多遠，聲音能傳多遠。

隨后，鋼結構框架使摩天大樓成為可能。蒸汽機驅動的鐵路連接了城市中心和內陸地區。電梯、地鐵和高速公路也相繼出現。城市的規模和密度呈爆炸式增長。東京、重慶、達拉斯。

這些城市不僅僅是佛羅倫薩的放大版，它們代表著不同的生活方式。特大城市令人迷失方向，充滿陌生感，難以辨認方向。這種難以辨認的特點正是規模帶來的代價。但它們也提供了更多的機遇和自由。更多的人從事著更多的工作，組合方式也更加多樣化，這是文藝復興時期規模適中的城市所無法比擬的。

我認為知識經濟也將經歷同樣的變革。

如今，知識型工作幾乎占美國GDP的一半。但其中大部分仍然以人為本：幾十人的團隊，以會議和電子郵件為主導的工作流程，以及員工人數超過幾百人就難以維系的組織。我們用石頭和木頭建造了佛羅倫薩。

當人工智能代理大規模上線時，我們將構建出類似東京的組織。這些組織將由成千上萬的代理和人員組成。工作流程將跨越時區持續運行，無需等待任何人起床。決策的制定將結合恰到好處的人工干預。

感覺會不一樣。速度更快，效率更高，但起初也會更讓人摸不著頭腦。每周例會、季度計劃和年度回顧的節奏可能會變得不再適用。新的節奏會涌現。我們會失去一些清晰度。但我們獲得了規模和速度。

水車之外

每一種神奇材料的出現，都要求人們停止用后視鏡看待世界，開始想象新的世界?？▋然吹戒撹F，看到的是城市的天際線。蘭開夏郡的工廠主們看到蒸汽機，看到的是沒有河流的工廠車間。

我們仍處于人工智能發展的初期階段，將聊天機器人生硬地套用到為人類設計的工作流程中。我們不能再僅僅要求人工智能充當我們的副駕駛。我們需要想象，當人類組織像鋼鐵般堅固，當繁瑣的工作被委派給永不眠的頭腦時，知識型工作將會是什么樣子。

鋼鐵。蒸汽。無限的創意。下一個天際線就在那里，等待我們去創造。