鑫策略 Notion CEO谈AI变革：“无限心智”时代来临

近日鑫策略，Notion联合创始人兼CEO Ivan Zhao在其官方博客上发表题为《蒸汽、钢铁与无限心智》（Steam, Steel, and Infinite Minds）的深度文章。

在旧金山这一科技重镇，尽管关于通用人工智能（AGI）的讨论不绝于耳，但Ivan Zhao指出，全球数十亿知识工作者尚未真正感受到其冲击。他通过钢铁、蒸汽机等历史隐喻，深刻剖析了AI如何重塑个人、组织乃至整个经济体。

Ivan Zhao认为，我们正处于技术转型的阵痛期，“当下最流行的人工智能形态，恰似昔日的Google搜索框”，人们正如Marshall McLuhan所言，“始终透过后视镜驶向未来”。

在个体层面，变革已在程序员群体中显现。Ivan Zhao以其合伙人Simon为例，描述了从“思想自行车”到“汽车”的跨越：“经过他的工位，你会看见他同时指挥着三四个AI编程智能体。这些AI不仅输入更快，更具备思考能力……他已成为无限心智的管理者。”

在组织层面，Ivan Zhao将AI比作“组织的钢铁”。正如钢铁让摩天大楼突破了砖木结构的层数限制，AI将打破组织规模的瓶颈。“AI是组织的钢铁……人类沟通不必再承受负重：两小时周会可压缩为五分钟异步复盘……企业将实现真正意义上的无损规模扩张。”同时，目前行业仍处于“水轮时代”，仅将AI简单嫁接于旧流程，而未像蒸汽机时代那样彻底重构生产流程。

在经济层面，Ivan Zhao预言知识经济将经历从“佛罗伦萨”到“超级都市”的蜕变。现有的组织如同“用石头和木头建造了佛罗伦萨”，受限于人力尺度；而AI将构建“东京式”的组织——“容纳数千智能体与人类的协同网络，跨时区不间断运行的工作流”。这种变化虽然会带来“不可读性”和迷失感，但将换取前所未有的规模与速度。

文章最后，Ivan Zhao透露了Notion内部的实验进展：“除了1000名员工外，现在有700多名智能体负责处理重复性工作……而这仅仅是起步阶段。”他呼吁行业停止后视镜思维，“钢铁。蒸汽。无限的心智。下一个天际线就在那里鑫策略，等待着我们去建造。”

生产力软件公司Notion是一家总部位于旧金山的超级独角兽企业，近年来其努力将自己打造成办公领域的“万能应用”，挑战微软和谷歌在生产力套件市场的主导地位。Notion不断推出新的AI功能，旨在创建一个集成化的办公平台，为用户提供从笔记记录到知识管理的全方位解决方案。

核心要点提炼：

从“骑行”到“驾驶”： AI智能体将知识工作者从“思想自行车”的骑行者升级为“无限心智”的管理者，如同从骑自行车转向驾驶汽车。告别“水轮时代”：目前的应用仍处于给旧流程“简单嫁接”聊天机器人的阶段，真正的变革在于围绕AI重构工作流，正如工厂从依水而建转向蒸汽动力。组织的“钢铁”： AI是现代组织的“钢铁”，它能打破人类沟通的负重极限，使企业实现真正的无损规模化扩张。从佛罗伦萨到东京： AI时代的经济体将从“以人为尺度”的佛罗伦萨模式，进化为高密度、高速度、全天候运行的“东京式”超级都市模式。Notion的实践： Notion已有700多名智能体与1000名员工协同工作，处理重复性任务，这仅是“无限心智”时代的起步。

全文翻译如下：

蒸汽、钢铁与无限心智

作者：Ivan Zhao，联合创始人兼CEO发布时间：2025年12月23日

每一个时代都由其“奇迹材料”所塑造。钢铁铸就了镀金时代。半导体开启了数字时代。而现在，AI以“无限心智”的姿态降临。如果历史教会了我们什么，那就是掌握核心材料的人终将定义这个时代。

19世纪50年代，Andrew Carnegie还是匹兹堡泥泞街道上的电报员。当时六成美国人是农民。但在短短两代人之内，Carnegie和他的同辈们铸造了现代世界。铁路取代了马车，电灯替代了烛火，钢铁革新了生铁。

从那以后，工作重心从工厂转移到了办公室。今天我在旧金山经营一家软件公司，为数百万知识工作者构建工具。在这个科技重镇，每个人都在谈论通用人工智能（AGI），但全球二十亿案头工作者中的大多数尚未真正感受到它的影响。知识工作在不久的将来会变成什么样？当组织架构融入永不休眠的心智时，又将发生什么？

未来往往难以预测，因为它总是伪装成过去的样子。早期的电话通话如电报般简练。早期的电影看起来像被拍摄下来的舞台剧。（这正是Marshall McLuhan所说的“透过后视镜驶向未来”。）

当下最流行的人工智能形态，看起来恰似昔日的Google搜索框。引用Marshall McLuhan的话：“我们始终透过后视镜驶向未来。”

今天，我们看到的AI聊天机器人模仿着Google搜索框。我们正深陷于每次新技术更迭时必经的那个令人不安的过渡期。

对于接下来会发生什么鑫策略，我并没有所有的答案。但我喜欢运用一些历史隐喻来思考AI如何在不同规模上发挥作用，从个人到组织，再到整个经济体。

个体层面：从自行车到汽车

变革的最初迹象显现于知识工作的“祭司阶层”：程序员群体。

我的合伙人Simon曾是我们所说的“10倍效率程序员”，但如今他却鲜少亲自写代码了。经过他的工位，你会看见他同时指挥着三四个AI编程智能体。这些智能体不仅输入更快，它们更具备思考能力，这使他成为了“30-40倍效率工程师”。他能在午休或就寝前布置任务，让智能体在他离开时持续工作。他已成为无限心智的管理者。

20世纪70年代《科学美国人》关于运动效能的研究，激发了Steve Jobs著名的“思想的自行车”这一比喻。但此后数十年，我们始终在信息高速公路上蹬着自行车。

20世纪80年代，Steve Jobs称个人电脑为“思想的自行车”。十年后，我们铺就了互联网这条“信息高速公路”。然而如今，大多数知识工作仍依赖人力驱动。这就像我们在高速公路上骑自行车。

有了AI智能体，像Simon这样的人已完成从骑自行车到驾驶汽车的升级。

其他类型的知识工作者何时能开上汽车？必须解决两个难题。

与编程智能体相比，AI为何更难助力通用知识工作？因为后者存在场景碎片化与结果难验证的特性。

首先是上下文碎片化（Context Fragmentation）。对于编程而言，工具和上下文往往集中在一处：IDE、代码库、终端。但通用知识工作分散于数十种工具中。设想一个AI智能体试图起草一份产品简报：它需要从Slack讨论串、战略文档、上季度数据面板中的指标，以及仅存于某人脑海中的组织记忆中提取信息。今天，人类仍是粘合剂，通过复制粘贴和在浏览器标签页之间切换来拼合所有信息。除非这些上下文被整合，否则智能体将受困于狭窄的应用场景。

第二个缺失的要素是可验证性（Verifiability）。代码具有一种神奇的属性：你可以通过测试和报错来验证它。模型开发者利用这一点来训练AI更擅长编程（例如强化学习）。但是，你如何验证一个项目是否管理得当，或者一份战略备忘录是否优秀？我们尚未找到改进通用知识工作模型的方法。因此，人类仍需“在回路中”（in the loop）进行监督、指导，并展示什么是好的标准。

1865年的《红旗法案》要求车辆行驶时须有人持红旗步行引导（该法案于1896年废止）。这是一个不受欢迎的“人在回路”的例子。

今年编程智能体的实践教会我们，“人在回路”并非总是理想的。这如同安排专人检查生产线上的每一个螺丝，或要求红旗手走在汽车前开道（参见1865年《红旗法案》）。我们希望人类从杠杆支点进行监督，而不是身陷回路之中。一旦上下文实现整合且工作可被验证，数十亿工作者将从蹬自行车升级为驾驶汽车，最终迈向自动驾驶。

组织层面：钢铁与蒸汽

公司是近代的发明。随着规模扩大，它们会效能衰减并触及极限。

几百年前，大多数公司只是十几人的作坊。如今我们拥有雇员数十万的跨国企业。沟通基础设施（通过会议和信息连接的人类大脑）在指数级的负荷下不堪重负。我们试图用层级、流程和文档来解决这一困局。但我们一直是在用人力尺度的工具解决工业级的问题，犹如用木材建造摩天大楼。

两个历史隐喻揭示了新奇迹材料将如何重塑未来的组织。

首先是钢铁。在钢材出现之前，19世纪的建筑最多只能建六七层。铁虽然坚固，但易碎且沉重；楼层再多，结构就会因自身重量而坍塌。钢材改变了一切。它既坚固又有韧性。框架可以更轻，墙壁可以更薄，突然间，建筑物可以建几十层。新型建筑成为可能。

AI正是组织的钢铁。它有潜力在工作流中维持上下文感知，并在需要时精准触发决策而无信息过载。人类沟通不必再充当承重墙。每周两小时的对齐会议可以变成五分钟的异步复盘。原本需要三级审批的高管决策可能很快就能在几分钟内完成。公司将实现规模化，真正的规模化，而无需承受我们曾视为不可避免的效能衰减。

第二个故事关于蒸汽机。工业革命初期，早期的纺织厂依河流溪水而建，靠水轮驱动。当蒸汽机出现后，厂主最初仅仅是将水轮替换为蒸汽机，其他一切照旧。生产力的提升十分有限。

真正的突破发生在厂主意识到他们可以完全摆脱水力约束之时。他们在更靠近工人、港口和原料的地方建立了更大的工厂。并且，他们围绕蒸汽机重新设计了工厂（后来，当电力普及，厂主进一步摒弃了中央动力轴，将小型电机分布在工厂各处驱动不同机器）。生产力随之爆发，第二次工业革命真正腾飞。

我们仍处于“替换水轮”阶段。将AI聊天机器人简单嫁接到现有工具上。当旧有的限制瓦解，当你的公司可以依靠永不休眠的无限心智驱动时，我们尚未重新构想组织会是什么样子。

在我所在的公司Notion，我们一直在进行实验。除了1000名员工外，现在有700多名智能体负责处理重复性工作。它们记录会议纪要并回答问题以整合部落知识（tribal knowledge）。它们处理IT请求并记录客户反馈。它们帮助新员工了解员工福利。它们撰写每周状态报告，这样人们就不必复制粘贴。而这仅仅是起步阶段。真正的收益仅受限于我们的想象力和惯性。

经济层面：从佛罗伦萨到超级都市

钢铁与蒸汽不仅改变了建筑与工厂。它们改变了城市。

直到几百年前，城市还是以人为尺度的。你可以在四十分钟内走过佛罗伦萨。生活的节奏取决于一个人能走多远，声音能传得多响亮。

后来钢结构框架使摩天大楼成为可能。蒸汽机为连接市中心与内陆的铁路提供动力。电梯、地铁、高速公路接踵而至。城市在规模和密度上爆发式增长。东京。重庆。达拉斯。

这些不仅仅是佛罗伦萨的放大版。它们是截然不同的生存方式。超级都市令人迷失、充满匿名性、难以导航。这种“不可读性”（illegibility）是规模的代价。但它们也提供了更多机遇、更多自由。容纳了远超文艺复兴时期城市所能支持的人类活动组合。

我认为知识经济即将经历同样的蜕变。

如今，知识工作占美国GDP近半。但其中大多数仍以人力尺度运作：数十人的团队，由会议和邮件设定节奏的工作流，一旦超过几百人就会遇到瓶颈的组织。我们用石头和木头建造了“佛罗伦萨”。

当AI智能体规模化上线，我们将建造“东京”。容纳数千智能体与人类的协同网络。跨时区不间断运行的工作流，无需等待某人醒来。决策机制中精准嵌入了适量的人在回路。

这将带来全新的体验。更快速、更高杠杆，但初期难免也更让人迷惑。周会、季度规划和年度评估的节奏可能不再适用。新的节奏即将诞生。我们失去了一些可读性。我们收获了规模与速度。

超越水轮时代

每一种奇迹材料都要求人们停止透过后视镜看世界，开始想象新世界。Carnegie看着钢铁，看见了城市天际线。Lancashire的厂主看着蒸汽机，看见了脱离河流束缚的工厂车间。

我们仍处于AI的水轮时代，只是将聊天机器人简单地附加到为人类设计的工作流程中。我们不应再仅仅要求AI充当我们的副驾驶。我们需要想象一下，当人类组织得到钢铁般的强化，当繁琐的工作被委派给永不休眠的心智时，知识工作会是什么样子。