人对AI的幻觉远大于AI给人的

文 | 李智勇

如果要比较那个害处更大，我想人对AI的幻觉所带来的坏处要远大于AI给人产生的。

我们很多对AI的基础认识是错的！

错误的认识带来错误的预期，错误的预期就带来错误的行为，典型的错误认识包括：

• 我们真的可以认为学会和AI说话就会变的更安全么？

• 我们真的可以以为学会提示词技巧能写和大模型交互的程序就是可以延长编程生涯么？

• 我们真的可以认为部署几台服务器，公司里面每个人都用上DeepSeek就算拥抱AI了么？

这些基本都是幻觉。

从这个角度看，下面的《无人公司》其实是本去幻觉的书，基于案例和底层逻辑展露一个可能的、但残酷的AI世界。

智能优先的世界

我们拿卖T恤的过程来举例，忽略某些细节后这个活有这么几个关键步骤：

得有人盯市场，为了判断到底什么样的设计更可能卖出去某些团队要做很多分析，这个分析就是收集数据、建立模型的过程。

分析的结果最终就是新的设计，比如哪吒火了，那赶紧做哪吒相关的。

这个设计要扔给工厂，这时候一组工人按照既有生产流程把T恤做出来。

做出来后，要放在N种分发渠道上开卖。这时候又是另一组人，这组要关注流量等等。

所有事情都完成后需要整个复盘看哪里做的好，哪里做的不好。

在没有AI的年月里，上面所有的工作包括：收集数据、新设计、生产制造、销售完全由人驱动，为了避免混乱，就需要定义流程以及中间结果的交付标准，明确谁要交付什么，好在出错的时候看是谁的问题。

运转过程中也必然会滋生人与人之间的摩擦，工序上下游互相大骂的情形正常是很难避免的。为了万众一心就还要设计汇报机制、激励机制（人事、财务等）。

但智能优先的世界完全不是这样。

AI可以自己收集和T恤相关的数据并进行设计，然后转给AI完成生产，再转给AI完成宣传的图片等上线和销售。OpenAI O1，DeepSeek R1这样的模型日渐也可以承担反省总结的工作。

这时候公司就会变成一个AI智能体对AI智能体的系统，最多在关键环节比如设计图案是不是反动这种点上做些检查。

请注意现在我们有了完全不一样的两种选择：

选择1：保持原来的工作过程，每个人都开始使用AI来提升效率。

这是渐进式的。

选择2：全部导入AI，让人只在必须环节辅助下。

这是颠覆式的。

前者靠人类智能进行驱动，靠工具进行辅助；后者靠AI的智能进行驱动，靠人类进行辅助。

这是完全不一样的两套体系。

即使不做详细对比，只要足够理智的人也会发现，AI越发展后面这样的体系优势越大。

现在前者谈的比较多，后者则太少。《无人公司》关注选择2。下场直播会展开说说。

人类对AI的幻觉

假如选择2这种主要靠AI驱动的商业智能体覆盖N个领域，那显然现在许多努力其实都错误认识下的幻觉。

显然的在选择2下，业务单元是一块块崩的稀碎然后基于AI重建，和在原来的基础上精雕细琢的选择1完全是不一样的路子。

在这个背景下觉得学会和AI对话等就是跟上AI潮流是幻觉。在一个AI对AI为主的系统里根本就不需要人和AI做很多对话。

觉得把提示词写好是AI核心技能是幻觉。在那个体系里，AI会和AI自己改善提示词，让工作越做越好。

更进一步，觉得公司部署几台服务器，能和DeepSeek对话就能产生更高的生产力这也是幻觉。就这很像买了炮弹但没有炮，却认为自己具有了极大的火力。

这些幻觉都源自我们思维惯性，我们潜意识的认为现在的模式会延续，所以想各种办法改善当前模式的各种环节。于是花很多时间琢磨怎么把工具嵌入进来提高效率。但显然蒸汽机不是用来提供更好镰刀的。

电池也可以用来改进油车的里程，但很难改善出纯粹的电动车。这需要全新的设计和原则。

去除人类对AI的幻觉后才可能有真有意义的人类新定位。

前奏的鼓已经震天的在响

有的同学可能觉得这是夸大其词，不过又是一次狼来了而已。

但这次看起来真的不是，各种领域关于此的实践风起云涌，从未断绝，只不过被关注的远远不够。下面列举一些：

前面武汉萝卜快跑其实就是这个模式，现在因为大家的反对声量小了很多，但这不意味着它不会发生了么？

在米国Waymo投入车量的数目与日俱增，当前大概是接近1000台，随后特斯拉马上要进入这个名为Robotaxi的市场。

Robotaxi就是一套系统代表公司管理N台配备了自动驾驶能力的汽车对外提供出行服务。只在必要环节嵌入人的角色。实际上在关键环节也没法嵌入，一旦嵌入流转效率就差，这套系统可能就会亏损。

大概是受Robotaxi启发，有人也在把这套思路移植到采矿车上，所以就还有一帮人在尝试怎么构建一套无人机、采矿车的全自动系统，而不是单纯的卖车。

纯粹数字世界中的例子就更多。

老说的量化高频交易（Deepseek母公司幻方量化就是干这个的）是这样的。这种系统就和AlphaGo一样，你没办法塞入人的环节百分百算法驱动。

这里面最经典的系统正是大家每天都用的抖音，抖音显然是个全算法驱动的系统，假如抖音不再升级，那员工全部放假半个月估计问题不大。不这么做也不行，没有任何其它方法同时管理几千万主播和几亿的用户。在这个系统里面主播、算法、用户的匹配完全由算法进行驱动，而抖音的员工起的是辅助这套算法的作用。

这类系统中设想上最夸张的是马斯克和他最近爆出来的unboxed工厂（还未实现）。如果真实现了，那等于把工厂改造成原料进，汽车出的模式。这东西要做出来会石破天惊的，将对制造业产生根本性影响。

相比于互联网那个时代，现在这个时间点最大的变化是这种模式能覆盖的领域更多，成本更低了。过去江湖流传做这么套系统2亿美金起，现在如果领域选的小，几十万也是可以的。

所以是这模式大普及的前夜。

过去要做个聚合老师教英语的平台（VIPKID）要多少钱，往后呢？

看到现实后才有真定位

这类模式有极其残酷的一面，比如：萝卜快跑的模式如果起来，不管车开的多好，人也没用，尽管你可能学开车的同时掌握了N种AI工具。

类似的unboxed那种工厂，不管善用多少AI工具，在主流程上也不需要你。目标是5s一辆车的系统，人加进去就只能拖慢效能。

假设上面说的会发生显然比假设它不会发生要靠谱些。

那这时候人的位置到底在哪里呢？

很少一部分会保持原来的分工协作模式，他们分工合作负责推动现实中的科技发展，比如会有人继续研发AI，会有人研究芯片怎么从7nm到2nm，会有人研究量子计算机等等。

但我们要注意到，真正从事AI研究的人已经逐渐集中到极少的几所学校（5所），甚至都不是全部985院校。

更多的人必须自己是一个业务单元。每个业务单元需要一个AI驱动的无人公司。

具体来说就是：人（股东和战略设定）+一套《无人公司》系统能够完成赚钱的目标。

当前更贴近这个形态的其实是主播，主播只对平台有依赖，但基本是个独立经营的个体。

在基于AI的《无人公司》里说探讨的系统的加持下，能够独立出来的也必然不止是主播。这时候你要关注的并不是怎么写提示词，那个网红是因为AI技术好变成网红的呢！

小结

在AI大模型出来之前，我就一直关注这种算法驱动型的组织模式，也正因此更直接的体会到它在AI大模型后的加速趋势。（参见过去琢磨事的各种文章，包括智能原生等）

同时我也认识到这种体感和大量现行关于AI的观点是拧的，因此就把自己收集的案例、实践、技术脉络梳理出来，最终也就变成了《无人公司》。