AGI这件事，我在看什么

Mon, 15 Jun 2026 09:00:00 +0800

2021年我卸任CEO。很多人问我为什么。

有一个说法是政治压力，有一个说法是想休息。都不是。

真实的理由是：我感觉过去几年很大程度都在吃老本。

公司到了一定规模，CEO每天的工作变成听汇报、做审批、做决策。知识结构更新越来越慢。内部视角越来越重。这不是我想过的生活。

现在我在做什么

主要在看论文。带两个AI研究组。Flow和Seed，直接向我汇报，绕开常规管理层。

我也在帮年轻人建一个培养环境，核心目标是一个：不让他们「过拟合」。

过拟合是机器学习的概念。模型在训练数据上表现太好，遇到新数据就失灵。人也是一样——技能练得太精准，遇到全新问题就不知道怎么处理。

我看到的

有几个事情我觉得值得注意。

第一，AGI的发展速度比我两年前预期的快。但不是线性地快，是在某些维度上突然跳了一级。这种跳跃不是所有人都能感知到的，因为产品层的改进是渐进的，但底层能力的跃迁是离散的。

第二，算力竞争正在变成一种军备竞赛。字节2026年的AI资本开支计划大概1600亿，其中一半押在AI芯片上。这个数字听起来很大，但我感觉还不够。

第三，大部分人在用AGI的方式还是太低效了。把它当搜索引擎用，当翻译工具用，当写文案的助手用。这些都是对的，但不是最重要的用法。

最重要的用法是什么

我觉得是：把AGI当作一个可以无限扩展的思考伙伴。

不是让它帮你写东西。是让它在你的思考过程中参与进来。你有一个想法，让它帮你找漏洞；你有一个判断，让它提供反方观点；你有一个假设，让它帮你设计验证方式。

这种用法不需要产品形态的改变。需要的是使用者的认知升级。

一件不确定的事

AGI到底什么时候来，没有人知道。

有人说三年，有人说十年。样本太小，我无法给出一个有把握的判断。

但有一件事是确定的：它来的时候，不会像iPhone发布那样有一个明确的节点。它会像水温升高一样，你在某一个时刻突然意识到，已经不一样了。

所以与其猜时间，不如现在就开始适应。

最后

有人问我，你担心AGI会取代人类吗？

我的回答是：担心没有用。该发生的事情会发生。更重要的是，在那之前你能不能让自己变得更有价值。

延迟满足这件事，在AGI时代依然适用。

愿意等的人，愿意深入学习的人，愿意不断校准自己认知的人，不管技术怎么变，都会有位置。

这大概就是我现在的全部想法。

AI进入旧城，为什么这么难——从《置身钉内》看AI落地的真实困境

Fri, 12 Jun 2026 09:00:00 +0800

《置身钉内》里有一段描述我很喜欢：

钉钉不是白纸，它有多年积下来的产品逻辑、权限系统、端侧差异、多组织问题、客户定制和用户习惯。AI要在这里做事，必须穿过旧系统的技术债。

这段话准确地描述了一个被很多人忽视的事实：AI不是在一个空白画布上作画。它进入的是一个已经运转了很多年的旧系统。

迁移成本

ONE的竞争对手有三类：外部的飞书和企业微信，外部的AI Agent，还有内部的老钉钉。

作者说，最后这个最难。

用户已经有自己的工作路径。消息去消息页看，日程去日程页查，审批去审批中心批。这个路径未必优雅，却足够熟悉。

对很多用户来说，旧系统的最大优点不是先进，而是可预期。

我认同这个判断。

在很多产品讨论里，人们容易高估"更好"带来的迁移意愿。实际上，“够用"本身就是很强的惯性。尤其是在企业软件里，用户不是因为喜欢旧系统才用它，而是因为切换成本太高。

ONE要证明的不是"我比老钉钉更聪明”。而是"没有我，你有些问题永远解决不了"。

这个证明很难。

非线性逻辑缝合

书里举了一个例子。前线销售和供应链的协同，消息散落在5个不同的群聊里。老钉钉做得再好，员工也必须切换5个窗口，用大脑进行人肉记忆和拼凑，才能发现"生产群里提到的延期，是因为销售群里昨天客户改了需求"。

这种跨群聊、跨时间、跨文档的"上下文网状逻辑缝合"，只有LLM能做到。

我觉得这个场景抓得准。这就是AI相比旧系统真正的优势——不是更好的展示，不是更快的响应，而是理解分散信息之间的关联。

但问题在于，这种能力要做到多可靠，用户才愿意把判断权交给它？

模型幻觉可能出现在审批意见、周报总结、跨部门同步中。这时候，“秘书"的可靠性不再是技术指标，而变成了组织信任问题。

同理心是地基

有句话说：同理心是地基，想象力是天空，中间是逻辑和工具。

AB测试告诉你用户选了什么，但它不告诉你用户需要什么。

ONE的团队做了很多用户反馈收集。但作者发现一个现象：除了明确要求关掉"发现"入口，用户需求分布非常不集中。

这个现象不能简单理解成"用户没有需求”。它更可能说明：用户真正需要的，不是又一个统一硬规则，而是更个性化的服务。

老板、客服、销售、普通员工、项目经理，对"重要"的理解完全不同。一个硬规则的系统，必然让一部分人觉得好用，另一部分人觉得被打扰。

所以AI产品设计的核心问题不是"系统有多聪明"，而是"系统能不能让用户自己定义规则"。

让用户驯化系统，而不是让系统安排用户。

这件事，技术上是可行的。但产品决策上，需要克制。需要放弃一部分"帮用户做决定"的控制欲。

看见事和做完事

《置身钉内》里提到一个判断：ONE在现实推进中，更容易停留在让事情被看见、被整理、被触发，而不是让事情被完成。

我觉得这个观察很关键。

AI在信息整理层的能力，远强于在执行层的能力。总结消息、提取待办、排列优先级——这些LLM已经做得不错了。但建待办、跨系统执行、按自己的规则处理一类问题——这些牵涉权限、稳定性、成本和长流程执行。

大多数AI产品都卡在这个断层上。

不是因为技术做不到。是因为进入真实执行层，意味着要处理权限、审批、异常、回滚。意味着要为每一次错误的执行承担责任。

而大多数AI产品团队，还没有准备好承担这种责任。

写在最后

《置身钉内》记录了一个AI产品从立项到收缩的完整周期。十个月，体验了一个大用户量级AI产品的生老病死。

作者没有给出胜利的结局。但我觉得，这份记录本身的价值，比一个胜利的故事更大。

因为它诚实地记录了：

AI进入真实工作流，不是技术升级，是权力重构。谁的事算"事"，在谁的优先级序列里插队，AI替谁节省时间——这些问题不是算法问题，是组织问题。

在解决这些组织问题之前，再聪明的AI，也只能在旧城的边缘打转。

而解决组织问题，需要的不是更好的算法。是同理心。是理解每一个角色在工作中的真实处境。是愿意把控制权交还给用户。

这条路很长。但它是唯一值得走的路。

AI思考 on 文艺技术笔记