[00:00:00.000-00:00:01.480] 公司的很多组织层级 [00:00:01.480-00:00:03.400] 在AI眼里可能只是在干一件事 [00:00:03.400-00:00:04.320] 搬运context [00:00:04.320-00:00:05.400] 这句话越想越可怕 [00:00:05.400-00:00:07.320] 因为如果AI能够自己获得context [00:00:07.320-00:00:08.320] 它真正要重写的 [00:00:08.320-00:00:09.760] 可能根本不只是几个岗位 [00:00:09.760-00:00:11.480] 而是公司为什么需要这么多层级 [00:00:11.480-00:00:13.680] 最近DataBricks的CEO联合创始人 [00:00:13.680-00:00:14.440] Elli Godessy [00:00:14.440-00:00:15.760] 做了一场非常长的访谈 [00:00:15.760-00:00:17.000] 他不仅创办了DataBricks [00:00:17.000-00:00:19.040] 还是ApacheSpark的共同创造者之一 [00:00:19.040-00:00:21.680] 长期站在企业数据和AI落地的最前线 [00:00:21.680-00:00:22.440] 而这次访谈里 [00:00:22.440-00:00:23.000] 他讲了几个 [00:00:23.000-00:00:24.680] 我觉得非常值得记住的新概念 [00:00:24.720-00:00:26.160] 第一个就是前段时间爆火的 [00:00:26.160-00:00:26.680] 本体论 [00:00:27.280-00:00:28.360] 不过在企业AI里 [00:00:28.360-00:00:29.920] 更准确的说叫企业本体 [00:00:29.920-00:00:30.760] 什么叫企业本体 [00:00:30.760-00:00:31.920] 举个很容易理解的例子 [00:00:31.920-00:00:32.920] 两个人能力差不多 [00:00:32.920-00:00:33.920] 一个今天刚入职 [00:00:33.920-00:00:35.000] 一个在公司干了5年 [00:00:35.000-00:00:36.560] 为什么后者做事情快得多 [00:00:36.560-00:00:37.600] 不是因为他更聪明 [00:00:37.600-00:00:38.440] 而是他脑子里 [00:00:38.440-00:00:39.840] 多了一张公司的隐形地图 [00:00:39.840-00:00:40.920] 什么事情该找谁 [00:00:40.920-00:00:41.880] 谁名义上负责 [00:00:41.880-00:00:42.840] 但实际上推不动 [00:00:42.840-00:00:44.440] 哪些流程制度上这么写 [00:00:44.440-00:00:45.960] 真正运行起来却是另一回事 [00:00:45.960-00:00:47.320] 哪些项目为什么被砍 [00:00:47.320-00:00:48.440] 老板真正关心什么 [00:00:48.480-00:00:50.080] 这些东西组织架构图里没有 [00:00:50.080-00:00:50.920] 数据库里也没有 [00:00:50.920-00:00:51.640] 但他们决定了 [00:00:51.640-00:00:53.280] 这家公司实际上是怎么运转的 [00:00:53.280-00:00:54.880] 企业本体就是把这些人 [00:00:54.880-00:00:57.080] 项目 目标 决策 流程之间的关系 [00:00:57.080-00:00:58.520] 变成AI能够理解的结构 [00:00:58.520-00:00:59.320] 你可以把它理解成 [00:00:59.320-00:01:00.640] 把这家公司到底怎么运转 [00:01:00.640-00:01:02.480] 变成一张AI能够理解的关系地图 [00:01:02.480-00:01:03.360] 数据告诉AI [00:01:03.360-00:01:04.000] 发生了什么 [00:01:04.000-00:01:05.120] 企业本体告诉AI [00:01:05.120-00:01:06.640] 这些事情之间到底是什么关系 [00:01:06.640-00:01:07.720] 所以今天企业AI [00:01:07.720-00:01:08.840] 有一个很荒谬的状态 [00:01:08.840-00:01:10.320] AI拥有全世界的知识 [00:01:10.320-00:01:11.520] 却没有你公司的常识 [00:01:11.520-00:01:12.600] 它智商可能180 [00:01:12.600-00:01:13.640] 但功领明天 [00:01:13.640-00:01:14.880] A力的判断更激进 [00:01:14.880-00:01:15.880] 对很多企业来说 [00:01:15.880-00:01:17.360] 今天的模型已经够聪明了 [00:01:17.360-00:01:18.000] 真正缺的 [00:01:18.000-00:01:19.400] 不是再等一个更强的GPT [00:01:19.400-00:01:21.240] 而是把会议 决策 项目 关系 [00:01:21.240-00:01:21.800] 人的经验 [00:01:21.800-00:01:23.560] 都变成AI可以理解的context [00:01:23.560-00:01:25.360] 再组织成企业自己的知识结构 [00:01:25.360-00:01:26.400] 而一旦这件事完成 [00:01:26.400-00:01:27.640] 真正大的变化才开始 [00:01:27.640-00:01:28.320] 今天一个问题 [00:01:28.320-00:01:29.880] 怎么到CEO 员工报经理 [00:01:29.880-00:01:30.600] 经理补背景 [00:01:30.600-00:01:31.280] 再报总监 [00:01:31.280-00:01:32.280] 总监再压缩一次 [00:01:32.280-00:01:33.640] 最后到VP 到CEO [00:01:33.640-00:01:35.120] 决策做完再一层层传回来 [00:01:35.120-00:01:35.720] 你仔细看 [00:01:35.720-00:01:36.480] 大量管理工作 [00:01:36.480-00:01:37.640] 其实都在做三件事 [00:01:37.640-00:01:38.520] 收集context [00:01:38.520-00:01:39.280] 压缩context [00:01:39.280-00:01:40.040] 搬运context [00:01:40.040-00:01:41.800] 所以现代公司的很多组织成绩 [00:01:41.800-00:01:42.600] 本质上就是一套 [00:01:42.600-00:01:44.600] 用人搭出来的信息压缩和路由系统 [00:01:44.600-00:01:45.440] 过去必须这么干 [00:01:45.440-00:01:46.640] 因为任何一个人的context [00:01:46.640-00:01:47.520] 窗口都是有限的 [00:01:47.520-00:01:49.160] 但如果AI知道整个公司的会议 [00:01:49.160-00:01:50.680] 项目人员 数字和历史决策 [00:01:50.680-00:01:51.240] 那一个问题 [00:01:51.240-00:01:52.760] 为什么还必须经过五成汇报 [00:01:52.760-00:01:54.040] 才能获得完整context [00:01:54.040-00:01:55.200] 所以AI真正压缩的 [00:01:55.200-00:01:56.440] 可能首先不是员工数量 [00:01:56.480-00:01:57.760] 而是组织的信息距离 [00:01:57.760-00:01:58.520] 过去职位越高 [00:01:58.520-00:01:59.920] 往往意味着你知道的更多 [00:01:59.920-00:02:01.040] 但如果未来context [00:02:01.040-00:02:01.960] 变成基础设施 [00:02:01.960-00:02:02.880] 我知道发生了什么 [00:02:02.880-00:02:03.960] 本身会迅速贬值 [00:02:03.960-00:02:05.240] 真正升值的是判断 [00:02:05.240-00:02:05.720] 取舍 [00:02:05.720-00:02:06.160] 责任 [00:02:06.160-00:02:08.160] 所以AI对组织真正生产的冲击 [00:02:08.160-00:02:09.120] 不是替代几个岗位 [00:02:09.120-00:02:09.960] 而是开始追问 [00:02:09.960-00:02:11.360] 这些层级为什么还要存在 [00:02:11.360-00:02:12.320] A里接下来又讲了 [00:02:12.320-00:02:13.320] 第二个很火的概念 [00:02:13.320-00:02:13.800] RSI [00:02:13.800-00:02:15.120] 中文叫地归自我改进 [00:02:15.120-00:02:16.040] 简单说就是AI [00:02:16.040-00:02:17.680] 帮助制造下一代更强的AI [00:02:17.680-00:02:19.000] 下一代再制造更强的一代 [00:02:19.040-00:02:20.600] 最后形成所谓的智能爆炸 [00:02:20.600-00:02:22.480] 现在很多人看到AI开始写代码 [00:02:22.480-00:02:23.640] 开始帮助训练AI [00:02:23.640-00:02:24.880] 就说RSI已经来了 [00:02:24.880-00:02:26.120] A里直接泼了一盆冷水 [00:02:26.120-00:02:27.000] 别把AI写AI [00:02:27.000-00:02:27.720] 就叫RSI [00:02:27.720-00:02:29.920] Databricks现在超过90%的软件代码 [00:02:29.920-00:02:30.880] 已经由AI生成 [00:02:30.880-00:02:31.920] 但真正的RSI [00:02:31.920-00:02:33.320] 至少要同时满足四件事 [00:02:33.320-00:02:34.000] 下一代模型 [00:02:34.000-00:02:35.000] 用更少的GPU [00:02:35.000-00:02:36.000] 训练时间更短 [00:02:36.000-00:02:36.680] 智能更强 [00:02:36.680-00:02:37.560] 而且这三件事 [00:02:37.560-00:02:38.800] 还能一轮一轮重复 [00:02:38.800-00:02:39.720] 真正值得盯的 [00:02:39.720-00:02:41.200] 不是AI有没有参与制造AI [00:02:41.200-00:02:42.920] 而是制造下一单位智能的成本 [00:02:42.920-00:02:44.280] 有没有开始地归下降 [00:02:44.320-00:02:46.880] 所以别把自动化加速误判成智能爆炸 [00:02:46.880-00:02:47.840] 而说到AI风险 [00:02:47.840-00:02:49.600] A里还有一个更反共识的判断 [00:02:49.600-00:02:51.040] Superintelligence风险很远 [00:02:51.040-00:02:52.400] 但Cyberrisk非常近 [00:02:52.400-00:02:54.200] 也就是超级智能的风险还很远 [00:02:54.200-00:02:55.800] 网络安全风险却已经到了眼前 [00:02:55.800-00:02:57.280] 原因不是AI突然有了恶意 [00:02:57.280-00:02:58.080] 而是攻击能力 [00:02:58.080-00:02:59.680] 第一次可以大规模复制过去 [00:02:59.680-00:03:01.320] 你不可能找一万个安全研究员 [00:03:01.320-00:03:02.640] 同时攻击一个系统一个月 [00:03:02.640-00:03:03.680] 今天一万个agent [00:03:03.680-00:03:04.840] 理论上可以同时启动 [00:03:04.840-00:03:05.920] 所以真正危险的攻势 [00:03:05.920-00:03:07.640] 可能不是超级智能乘以恶意 [00:03:07.640-00:03:09.520] 而是普通智能乘以10万份复制 [00:03:09.520-00:03:11.240] 这已经足够改变整个网络攻防 [00:03:11.240-00:03:12.960] AI真正已经发生的安全拐点 [00:03:12.960-00:03:13.960] 不是机器产生恶意 [00:03:13.960-00:03:15.720] 而是攻击能力开始规模化复制 [00:03:15.720-00:03:17.840] 未来很可能变成agent攻击agent [00:03:17.840-00:03:18.760] agent防守agent [00:03:18.760-00:03:20.000] 而人在最实时的攻防里 [00:03:20.000-00:03:20.760] 反而越来越慢 [00:03:20.760-00:03:21.560] 最后还有一个词 [00:03:21.560-00:03:22.520] 所有做AI产品的人 [00:03:22.520-00:03:23.920] 都应该开始关注Harness [00:03:23.920-00:03:25.160] 你可以把它简单理解成 [00:03:25.160-00:03:26.360] AI的执行框架模型 [00:03:26.360-00:03:27.120] 负责提供智能 [00:03:27.120-00:03:27.880] Harness负责 [00:03:27.880-00:03:28.680] 怎么给context [00:03:28.680-00:03:29.360] 怎么调用工具 [00:03:29.360-00:03:30.120] 怎么安排步骤 [00:03:30.120-00:03:30.480] 失败 [00:03:31.040-00:03:31.920] 什么时候换模型 [00:03:31.920-00:03:33.120] 而Databricks发现了一件 [00:03:33.120-00:03:34.000] 很夸张的事情 [00:03:34.000-00:03:35.000] 完全相同的模型 [00:03:35.000-00:03:36.000] 完全相同的版本 [00:03:36.000-00:03:37.400] 只是Harness不同时期成本 [00:03:37.400-00:03:38.560] 就能相差接近两倍 [00:03:38.560-00:03:39.840] 模型没变 智能没变 [00:03:39.840-00:03:41.040] 只是执行方式变了 [00:03:41.040-00:03:42.080] 账单已经差了一倍 [00:03:42.080-00:03:43.000] 所以这里有一句话 [00:03:43.000-00:03:43.960] 我觉得非常重要 [00:03:43.960-00:03:45.720] 模型决定你买到了多少智能 [00:03:45.720-00:03:47.720] Harness决定这些智能被怎么花掉 [00:03:47.720-00:03:48.520] 过去大家一直问 [00:03:48.520-00:03:49.560] GPT还是Cloud [00:03:49.560-00:03:50.400] 哪个模型更强 [00:03:50.400-00:03:51.680] 但未来更重要的问题 [00:03:51.680-00:03:53.160] 可能不是你用了谁的智能 [00:03:53.160-00:03:54.560] 而是你怎么组织智能 [00:03:54.560-00:03:55.840] 复杂任务给最强模型 [00:03:55.840-00:03:57.080] 简单任务给便宜模型 [00:03:57.080-00:03:58.360] 专业任务给专家模型 [00:03:58.360-00:03:59.480] 再让Router和Harness [00:03:59.480-00:04:00.960] 决定谁在什么时候做什么 [00:04:00.960-00:04:02.440] 所以把Ali这几个观点串起来 [00:04:02.440-00:04:04.040] 你会发现AI下一阶段的竞争 [00:04:04.040-00:04:04.720] 已经开始变了 [00:04:04.720-00:04:06.200] 过去大家真的是模型智商 [00:04:06.200-00:04:08.120] 下一阶段真的可能是组织智能 [00:04:08.120-00:04:09.120] 企业本体决定 [00:04:09.120-00:04:10.400] AI懂不懂你的公司 [00:04:10.400-00:04:12.360] Harness决定AI会不会真正工作 [00:04:12.360-00:04:13.240] 网络安全决定 [00:04:13.240-00:04:14.840] 智能能不能安全地规模化复制 [00:04:14.840-00:04:17.240] RSI真正回答的是智能生产方式 [00:04:17.240-00:04:18.040] 有没有发生质变 [00:04:18.040-00:04:19.320] 而最值得警惕的一件事是 [00:04:19.360-00:04:21.400] 模型越强靠信息差获得的组织价值 [00:04:21.400-00:04:22.120] 反而越危险 [00:04:22.120-00:04:22.760] 过去职位高 [00:04:22.760-00:04:23.640] 一个重要原因是 [00:04:23.640-00:04:25.400] 你知道的更多过去很多中间层 [00:04:25.400-00:04:26.280] 一个重要价值是 [00:04:26.280-00:04:27.400] 把下面的信息搬上来 [00:04:27.400-00:04:28.680] 再把上面的决定搬下去 [00:04:28.680-00:04:30.600] 但当AI拥有整个组织的context [00:04:30.600-00:04:32.320] 这个逻辑会第一次被真正挑战 [00:04:32.320-00:04:34.200] 所以AI最先压缩的可能不是岗位 [00:04:34.200-00:04:35.200] 而是层级 [00:04:35.200-00:04:36.240] 最先被重新定价的 [00:04:36.240-00:04:37.560] 可能也不是人的执行力 [00:04:37.560-00:04:38.960] 而是组织里的信息权 [00:04:38.960-00:04:40.040] 未来真正强的企业 [00:04:40.040-00:04:41.360] 可能既不是人最多的企业 [00:04:41.360-00:04:42.760] 也不是拥有最强模型的企业 [00:04:42.760-00:04:43.160] 而是 [00:04:43.160-00:04:44.440] 最先把自己的经验关系 [00:04:44.440-00:04:45.600] 流程 决策和知识 [00:04:45.600-00:04:46.520] 变成机器可以理解 [00:04:46.520-00:04:47.000] 可以调用 [00:04:47.000-00:04:47.720] 可以执行的企业 [00:04:47.720-00:04:48.800] 过去我们数字化的是 [00:04:48.800-00:04:49.120] 业务 [00:04:49.120-00:04:50.280] 下一步我们要数字化的 [00:04:50.280-00:04:51.480] 可能是组织本身 [00:04:51.480-00:04:52.760] 当组织开始变得可计算 [00:04:52.760-00:04:54.440] AI改变的就不再只是生产力 [00:04:54.440-00:04:55.120] 它开始改变 [00:04:55.120-00:04:56.600] 公司为什么还要这样被组织