邱懿武
工作台
← 视频档案
2026-10-11 · 04:58 · 猫不白…

猫不白:Databricks CEO——AI 为什么会干掉组织层级?

组织层级本质是套“人肉 context 搬运系统”——AI 拥有全公司 context 后,被压的是信息距离,贬值的是信息权,升值的是判断。
二手(视频是对 Ali Ghodsi 长访谈的解读)原视频:douyin.com
原视频 · 无水印直链 ↗

核心主张

(一)组织层级 = 人肉 context 搬运系统

(二)企业本体(Enterprise Ontology)

(三)RSI(递归自我改进)——泼冷水

(四)风险排序:先 Cyber 后 Superintelligence

(五)Harness:模型决定你买到多少智能,Harness 决定这些智能怎么被花掉

(六)收束:竞争从“模型智商”→“组织智能”

读后判断

逐字稿(带时间轴)· 242 段

00:00:00.000公司的很多组织层级

00:00:01.480在AI眼里可能只是在干一件事

00:00:03.400搬运context

00:00:04.320这句话越想越可怕

00:00:05.400因为如果AI能够自己获得context

00:00:07.320它真正要重写的

00:00:08.320可能根本不只是几个岗位

00:00:09.760而是公司为什么需要这么多层级

00:00:11.480最近DataBricks的CEO联合创始人

00:00:13.680Elli Godessy

00:00:14.440做了一场非常长的访谈

00:00:15.760他不仅创办了DataBricks

00:00:17.000还是ApacheSpark的共同创造者之一

00:00:19.040长期站在企业数据和AI落地的最前线

00:00:21.680而这次访谈里

00:00:22.440他讲了几个

00:00:23.000我觉得非常值得记住的新概念

00:00:24.720第一个就是前段时间爆火的

00:00:26.160本体论

00:00:27.280不过在企业AI里

00:00:28.360更准确的说叫企业本体

00:00:29.920什么叫企业本体

00:00:30.760举个很容易理解的例子

00:00:31.920两个人能力差不多

00:00:32.920一个今天刚入职

00:00:33.920一个在公司干了5年

00:00:35.000为什么后者做事情快得多

00:00:36.560不是因为他更聪明

00:00:37.600而是他脑子里

00:00:38.440多了一张公司的隐形地图

00:00:39.840什么事情该找谁

00:00:40.920谁名义上负责

00:00:41.880但实际上推不动

00:00:42.840哪些流程制度上这么写

00:00:44.440真正运行起来却是另一回事

00:00:45.960哪些项目为什么被砍

00:00:47.320老板真正关心什么

00:00:48.480这些东西组织架构图里没有

00:00:50.080数据库里也没有

00:00:50.920但他们决定了

00:00:51.640这家公司实际上是怎么运转的

00:00:53.280企业本体就是把这些人

00:00:54.880项目 目标 决策 流程之间的关系

00:00:57.080变成AI能够理解的结构

00:00:58.520你可以把它理解成

00:00:59.320把这家公司到底怎么运转

00:01:00.640变成一张AI能够理解的关系地图

00:01:02.480数据告诉AI

00:01:03.360发生了什么

00:01:04.000企业本体告诉AI

00:01:05.120这些事情之间到底是什么关系

00:01:06.640所以今天企业AI

00:01:07.720有一个很荒谬的状态

00:01:08.840AI拥有全世界的知识

00:01:10.320却没有你公司的常识

00:01:11.520它智商可能180

00:01:12.600但功领明天

00:01:13.640A力的判断更激进

00:01:14.880对很多企业来说

00:01:15.880今天的模型已经够聪明了

00:01:17.360真正缺的

00:01:18.000不是再等一个更强的GPT

00:01:19.400而是把会议 决策 项目 关系

00:01:21.240人的经验

00:01:21.800都变成AI可以理解的context

00:01:23.560再组织成企业自己的知识结构

00:01:25.360而一旦这件事完成

00:01:26.400真正大的变化才开始

00:01:27.640今天一个问题

00:01:28.320怎么到CEO 员工报经理

00:01:29.880经理补背景

00:01:30.600再报总监

00:01:31.280总监再压缩一次

00:01:32.280最后到VP 到CEO

00:01:33.640决策做完再一层层传回来

00:01:35.120你仔细看

00:01:35.720大量管理工作

00:01:36.480其实都在做三件事

00:01:37.640收集context

00:01:38.520压缩context

00:01:39.280搬运context

00:01:40.040所以现代公司的很多组织成绩

00:01:41.800本质上就是一套

00:01:42.600用人搭出来的信息压缩和路由系统

00:01:44.600过去必须这么干

00:01:45.440因为任何一个人的context

00:01:46.640窗口都是有限的

00:01:47.520但如果AI知道整个公司的会议

00:01:49.160项目人员 数字和历史决策

00:01:50.680那一个问题

00:01:51.240为什么还必须经过五成汇报

00:01:52.760才能获得完整context

00:01:54.040所以AI真正压缩的

00:01:55.200可能首先不是员工数量

00:01:56.480而是组织的信息距离

00:01:57.760过去职位越高

00:01:58.520往往意味着你知道的更多

00:01:59.920但如果未来context

00:02:01.040变成基础设施

00:02:01.960我知道发生了什么

00:02:02.880本身会迅速贬值

00:02:03.960真正升值的是判断

00:02:05.240取舍

00:02:05.720责任

00:02:06.160所以AI对组织真正生产的冲击

00:02:08.160不是替代几个岗位

00:02:09.120而是开始追问

00:02:09.960这些层级为什么还要存在

00:02:11.360A里接下来又讲了

00:02:12.320第二个很火的概念

00:02:13.320RSI

00:02:13.800中文叫地归自我改进

00:02:15.120简单说就是AI

00:02:16.040帮助制造下一代更强的AI

00:02:17.680下一代再制造更强的一代

00:02:19.040最后形成所谓的智能爆炸

00:02:20.600现在很多人看到AI开始写代码

00:02:22.480开始帮助训练AI

00:02:23.640就说RSI已经来了

00:02:24.880A里直接泼了一盆冷水

00:02:26.120别把AI写AI

00:02:27.000就叫RSI

00:02:27.720Databricks现在超过90%的软件代码

00:02:29.920已经由AI生成

00:02:30.880但真正的RSI

00:02:31.920至少要同时满足四件事

00:02:33.320下一代模型

00:02:34.000用更少的GPU

00:02:35.000训练时间更短

00:02:36.000智能更强

00:02:36.680而且这三件事

00:02:37.560还能一轮一轮重复

00:02:38.800真正值得盯的

00:02:39.720不是AI有没有参与制造AI

00:02:41.200而是制造下一单位智能的成本

00:02:42.920有没有开始地归下降

00:02:44.320所以别把自动化加速误判成智能爆炸

00:02:46.880而说到AI风险

00:02:47.840A里还有一个更反共识的判断

00:02:49.600Superintelligence风险很远

00:02:51.040但Cyberrisk非常近

00:02:52.400也就是超级智能的风险还很远

00:02:54.200网络安全风险却已经到了眼前

00:02:55.800原因不是AI突然有了恶意

00:02:57.280而是攻击能力

00:02:58.080第一次可以大规模复制过去

00:02:59.680你不可能找一万个安全研究员

00:03:01.320同时攻击一个系统一个月

00:03:02.640今天一万个agent

00:03:03.680理论上可以同时启动

00:03:04.840所以真正危险的攻势

00:03:05.920可能不是超级智能乘以恶意

00:03:07.640而是普通智能乘以10万份复制

00:03:09.520这已经足够改变整个网络攻防

00:03:11.240AI真正已经发生的安全拐点

00:03:12.960不是机器产生恶意

00:03:13.960而是攻击能力开始规模化复制

00:03:15.720未来很可能变成agent攻击agent

00:03:17.840agent防守agent

00:03:18.760而人在最实时的攻防里

00:03:20.000反而越来越慢

00:03:20.760最后还有一个词

00:03:21.560所有做AI产品的人

00:03:22.520都应该开始关注Harness

00:03:23.920你可以把它简单理解成

00:03:25.160AI的执行框架模型

00:03:26.360负责提供智能

00:03:27.120Harness负责

00:03:27.880怎么给context

00:03:28.680怎么调用工具

00:03:29.360怎么安排步骤

00:03:30.120失败

00:03:31.040什么时候换模型

00:03:31.920而Databricks发现了一件

00:03:33.120很夸张的事情

00:03:34.000完全相同的模型

00:03:35.000完全相同的版本

00:03:36.000只是Harness不同时期成本

00:03:37.400就能相差接近两倍

00:03:38.560模型没变 智能没变

00:03:39.840只是执行方式变了

00:03:41.040账单已经差了一倍

00:03:42.080所以这里有一句话

00:03:43.000我觉得非常重要

00:03:43.960模型决定你买到了多少智能

00:03:45.720Harness决定这些智能被怎么花掉

00:03:47.720过去大家一直问

00:03:48.520GPT还是Cloud

00:03:49.560哪个模型更强

00:03:50.400但未来更重要的问题

00:03:51.680可能不是你用了谁的智能

00:03:53.160而是你怎么组织智能

00:03:54.560复杂任务给最强模型

00:03:55.840简单任务给便宜模型

00:03:57.080专业任务给专家模型

00:03:58.360再让Router和Harness

00:03:59.480决定谁在什么时候做什么

00:04:00.960所以把Ali这几个观点串起来

00:04:02.440你会发现AI下一阶段的竞争

00:04:04.040已经开始变了

00:04:04.720过去大家真的是模型智商

00:04:06.200下一阶段真的可能是组织智能

00:04:08.120企业本体决定

00:04:09.120AI懂不懂你的公司

00:04:10.400Harness决定AI会不会真正工作

00:04:12.360网络安全决定

00:04:13.240智能能不能安全地规模化复制

00:04:14.840RSI真正回答的是智能生产方式

00:04:17.240有没有发生质变

00:04:18.040而最值得警惕的一件事是

00:04:19.360模型越强靠信息差获得的组织价值

00:04:21.400反而越危险

00:04:22.120过去职位高

00:04:22.760一个重要原因是

00:04:23.640你知道的更多过去很多中间层

00:04:25.400一个重要价值是

00:04:26.280把下面的信息搬上来

00:04:27.400再把上面的决定搬下去

00:04:28.680但当AI拥有整个组织的context

00:04:30.600这个逻辑会第一次被真正挑战

00:04:32.320所以AI最先压缩的可能不是岗位

00:04:34.200而是层级

00:04:35.200最先被重新定价的

00:04:36.240可能也不是人的执行力

00:04:37.560而是组织里的信息权

00:04:38.960未来真正强的企业

00:04:40.040可能既不是人最多的企业

00:04:41.360也不是拥有最强模型的企业

00:04:42.760而是

00:04:43.160最先把自己的经验关系

00:04:44.440流程 决策和知识

00:04:45.600变成机器可以理解

00:04:46.520可以调用

00:04:47.000可以执行的企业

00:04:47.720过去我们数字化的是

00:04:48.800业务

00:04:49.120下一步我们要数字化的

00:04:50.280可能是组织本身

00:04:51.480当组织开始变得可计算

00:04:52.760AI改变的就不再只是生产力

00:04:54.440它开始改变

00:04:55.120公司为什么还要这样被组织