内容来源  |   本文摘编自中信出版集团 书籍

《我的 AI 方法论》

360 集团创始人 周鸿祎 著

责编  | 二月

第 9963  篇深度好文：6040 字 | 10 分钟阅读

2026 年，亚马逊计划削减约 3 万个企业岗位，已披露的裁撤岗位中超七成集中在 L5 到 L7 级别，也就是中层管理层。Meta 裁掉近 8000 人，同时把 7000 人调往 AI 部门。字节跳动 CEO 梁汝波时隔四年发布全员信，全面更新领导力原则。美团王兴对两千多名管理者说：" 我们都应该努力减少登味，从我开始。"

但如果你只看到 " 中层失业 "，那你只看到了这场变革的一个切面。周鸿祎在《我的 AI 方法论》里讲得很清楚：AI 不是只冲击某一个层级，它在同时重写老板、中层、员工、创业者四种人的活法。

中层只是最先被看见的那一批，因为他们的价值最容易被量化、最容易被替代。但老板的焦虑、员工的迷茫、创业者的生死窗口，一个都不少。

这本书真正的亮点在于：它不跟你讨论 AI 会不会取代你，它直接告诉你，在 AI 重构一切之后，每一种人该怎么活。

一、老板：花得最冤枉的钱，

是给每个员工买 AI 账号

周鸿祎说，90% 的企业正在 AI 上花最冤枉的一笔钱：给每个员工买 AI 账号，然后觉得公司马上要起飞了。这就像给马车换上了飞机发动机——动力是强了，但车架、轮子、道路全都没变，跑得越快，散架的风险越大。

150 年前电气化革命已经证明过这件事：美国一家工厂把蒸汽机换成了电动机，所有人都觉得生产率要爆发了。结果呢？三十年过去了，生产率红利迟迟不来。因为工厂虽然换了电动机，但车间布局、流水线、管理逻辑全是蒸汽机时代的老样子。直到有人把旧厂房拆掉，按电力的逻辑重新设计生产线，红利才真正释放。

今天很多老板犯的是一模一样的错误：换了电动机，没拆旧工厂。

周鸿祎给老板算了一笔新账，叫 ROT（Return on Token），算力回报率。过去老板算 ROI，投多少钱赚多少钱。现在要算的是：每一份算力，到底换回了多少经营价值？这个问题能够从三个层面拆解：当前经营看收入与利润，经营效率看降本与提效，未来价值看复制与增长。

他讲了一个喀什早餐店老板的故事。维吾尔族小伙阿卜拉江，初中毕业，2017 年揣着 3 万元在喀什开了家 30 平方米的早餐店。

后来连锁店越开越多，大家可能会疑问：品牌是怎么做的？宣传短视频怎么拍？装修方案怎么设计？合同敢不敢签？每一件事都需要专业能力，可一个早餐店老板真的养得起品牌公司、设计公司、短视频团队和律师吗？

用了纳米 Work 以后，12 天里他跟系统交互了 1376 条消息，调用了 5 个智能体，完成了 4 类核心产出：AI 帮他设计维吾尔语、汉语、英语三种语言的 logo，做门店视觉和外卖打包袋；AI 根据资料生成新疆风格装修效果图，还估算报价；从拍摄策划、短视频脚本到素材剪辑，AI 全程参与；法务智能体帮他审合同、标风险、提修改建议。

周鸿祎开玩笑说，这等于给这个早餐店老板配了一支 "4A 公司团队 " 和一家 " 红圈律所 "。后来他的早餐店从 1 家发展到了 6 家，带动 90 多人就业。

阿卜拉江并没有因此变成设计师、剪辑师或者律师。他跟 AI 说的是非常朴素的话：" 把这个效果图变成新疆风格的 "" 帮我算算这个装修得花多少钱 "。他真正学会的，是把经营目标说清楚，然后让不同的智能体替他完成专业工作。

AI 生产力不能只看大厂，也不能只看程序员。一家早餐店老板能不能用上，可能才是真正检验 AI 有没有变成生产力的标准。

但老板最容易犯的错，是 " 一上来把事情想得太大 "。很多公司觉得 AI 处处可以用，却不知道从哪里开始。周鸿祎的建议是：不要为了 AI 而 AI，先从企业每天真正遇到的问题里找场景，解决一个具体问题，再逐步往核心业务里走。

还有一句话，值得所有老板铭记：" 不要卖 AI，要卖结果。"

客户真正想买的，从来不是 AI 本身。一个老板找你做 AI 客服，他关心的不是你用了哪个模型、跑了多少 Token，他关心的是客户能不能接得住、问题能不能解决、成本能不能降下来。

技术只是手段，结果才是商品。

二、中层：最值钱的那部分，

正在被抽走

周鸿祎把传统中层叫作 " 人类路由器 " ——上传下达、同步信息、催进度、对齐会议内容。这个角色在过去之所以值钱，是因为信息差：知道老板不知道的，掌握下属不掌握的，坐在信息流转的十字路口收 " 过路费 "。

AI Agent 最擅长的恰恰就是这个。会议纪要自动生成，数据报表实时更新，进度追踪不需要人催，跨部门协调一个工作流就能跑通。当信息传递的成本趋近于零，站在中间收过路费的人，就成了最大的成本项。

但周鸿祎没有停在 " 中层要完 " 这种廉价判断上，他给了两条活路：

第一条叫 " 向下沉 "。

离开办公桌，扎进业务一线。以前很多经理喜欢坐在办公室里看报表、开会、做 PPT，觉得这就是管理。但在 AI 时代，真正有价值的工作是亲自见客户、亲自处理问题，然后把那些隐性知识编码成智能体可以执行的规则和流程。

何谓隐性知识？一个老销售跟客户聊十分钟就能听出对方真实意图，这种直觉不在任何手册里。一个工程师遇到故障凭经验就知道哪个模块出了问题，这种经验没法写成代码。大模型能学会公开知识，但企业真正赚钱的那套东西，往往藏在老员工的脑子里。中层如果能把脑子里的东西掏出来喂给 AI，他就还有价值。

第二条叫 " 向上走 "，成为 AI 指挥官。

不再管人，而是管智能体。定义目标、拆解任务、配置资源、验收结果。周鸿祎说得很直白：" 以前评价中层管理者，看的是带多少人、管多大团队；以后评价中层管理者，更重要的可能是看他们能够‘调度’多少个智能体。"

但他也揭露了一个残酷的现实：单个智能体并不总是可靠的，可能会倦怠、出错、产生幻觉。所以中层的新角色应该是三类例外处理者——边界判断、质量仲裁、创新触发。

智能体遇到权限模糊、规则冲突时卡壳了，人来判断；智能体生成的方案技术上没错但业务上不对，人来仲裁；真正的业务创新，仍然需要人提出假设、设计实验、承担风险。

中层不会全部消失，但一定会剧烈分化。只会传话、催表格、开会对齐的，价值将会越来越低；能把在实践中积累的业务经验变成智能体能力，能调度智能体团队，处理例外情况的，价值将会越来越高。

三、员工：当 AI 越来越强时，

需要具备什么能力？

周鸿祎讲了一个故事。

苏米特 · 钦塔拉，PyTorch 的共同创建者之一。很多人以为他一路顺风顺水，其实恰恰相反。他在印度海德拉巴长大，本科读的是相当于中国二本的韦洛尔理工大学，数学成绩并不突出。

他想去美国深造，GRE 考了 1420 分，申请了 12 所美国硕士项目，全部被拒。后来持 J-1 签证去了美国，又申请了一批学校，最终被纽约大学录取，进了杨立昆的实验室。

毕业后求职也不顺利，被谷歌和 DeepMind 多次拒绝，当时能拿到的工作之一，是去亚马逊做测试工程师，和他想做的 AI 研究还有不小距离。后来他再次联系杨立昆，凭借开源项目积累进入脸书 AI 团队，参与组建了一个很小的团队，开始开发后来成为 PyTorch 的项目。

周鸿祎说，如果只把这个故事总结成逆袭，反而低估了真正重要的东西：他一直在做真实项目，参与开源，接受反馈，并且不断把事情往前推进。

这个故事放在 2026 年来看，意义更明显。

AI 工具正在降低很多学习、开发和试错的门槛，个人不必从零开始搭建所有技术结构，就可以借助公开模型、云服务和智能体工具快速做出原型。

但门槛降低，不等于基本功不再重要。AI 真正改变的，是让学习和试错的循环变得更快。

那么，员工身上到底什么能力会越来越值钱？周鸿祎给了三个关键词：判断力、学习力、创造力或品味。

判断力怎么练？

第一，泡在原始信息里，练习 " 有信息支撑的直觉 "。判断力不是从摘要里长出来的，是从细节里长出来的。

第二，先自己形成判断，再问 AI。遇到真正重要的问题，先逼自己写下初步判断：我认为答案是什么？为什么？应该怎么办？再让 AI 找反例、补证据、挑战已有的结论。如果每次都让 AI 先给答案，你就很容易变成只会选择答案的人。

第三，分清 " 叙事 " 和 " 现实 "。网上看到的机器人演示，很可能是它表现最好的一次，到了现场你会发现很多视频是经过剪辑的，而真正 AI 能到达的地步，还需要自己做区分。

学习力的核心是 " 做乘法 "：你懂医疗，它就是医疗 AI；你懂法律，它就是法律 AI；你懂制造业，它就是制造业 AI。未来最有价值的不是 AI 本身，而是 " 专业能力 +AI"。

创造力或品味是 AI 计算不了的部分。AI 可以算清楚参数、价格、售后，但产品最终打动人的，还是审美、文化、身份和情绪。功能和价格，你得说服 AI 相信；品牌和情感，你还得说服人相信。

周鸿祎还给了一个特别具体的升级路径：从答题到拆解问题，从执行到设计。执行者的特征是接受指令、完成任务、交付结果；设计者的特征是理解目标、设计路径、分配资源、验收结果。在 AI 时代，执行环节越来越便宜，设计环节越来越值钱。

他还提醒了一件很多人忽略的事：保护自己的 AI 资产。2025 年 GitHub 上被监测到的公开代码提交中，暴露了约 2865 万个硬编码密钥和凭证，其中与 AI 服务相关的泄露凭证达到 127.5 万个，同比增长 81%。

你的提示词、你的工作流、你的数据，是你在这个时代的新型生产资料。不要因为它们无形，就忽视它们的安全和备份。

四、创业者：最惨的创业

不是做错了，是做太早了

最后说创业者。周鸿祎的判断很直接：AI 创业的最大陷阱，是追风口。

大模型是风口吗？当然是。但风口对创业者来说往往是绞肉机。大模型赛道的玩家是 OpenAI、Anthropic、谷歌，背后是巨额算力投入和全球顶尖研究团队。一个初创公司，是无法与这些巨头们拼参数、拼训练成本、拼人才密度的。

垂直场景才是中小玩家的机会。知道医生怎么开处方，知道工厂怎么排产，知道律师怎么审合同。这些知识很多存在于真实业务流程和长期经验里，仅靠公开数据和通用模型很难完整获得。

他给了一个 " 三问测试 "：第一，你解决的问题是不是真实、长期、重要？第二，当功能被别人追平之后，你还剩下什么？如果答案只是 " 我做得比别人早 "，那你没有壁垒。第三，用户为什么愿意长期相信你，而不是换一个更便宜的替代品？

然后他讲了创业时最容易遇到的四个陷阱。

第一，盲目追逐算力和基础设施风口。算力基础设施是重资产、长周期、强竞争的赛道，巨头已经把牌桌占满了。真正的机会在算力消费者——那些用 AI 重构行业、创造价值的公司和个体。

第二，做太早了—— " 最惨的创业不是做错了，而是做太早了。很多团队产品做对了，最后还是死了，因为他们跑在了市场前面。"

第三，忽视安全，把合规拖到后期。

第四，把 AI 当作执行机器，而不是协作伙伴。

杨天润，一个此前一行代码都没写过的中国 AI 创业者，借助 AI 智能体给 OpenClaw 改代码，部分改动还被项目维护者采纳，纳入了代码库。

这个案例重要的不是他没写代码，而是它展示了一件事：AI 正在降低专业执行的门槛，让一个原本不具备某项专业技能的人，也有机会参与过去很难参与的复杂项目。

很多人用不好 AI，是因为控制欲太强——开头怎么写，中间放几个案例，最后怎么总结，都想事先规定好。如果你把所有步骤都设计好了，AI 最多只能按照你的路径走，永远不可能超过你。

周鸿祎说，AI 正在把创业从手工作坊变成智能工厂。过去一个创业公司要做好一件事，需要所有人围着同一个流程转。现在不一样了，AI 可以同时在多个方向上尝试、迭代、验证，创始人的角色从 " 车间主任 " 变成了 " 工厂经理 " ——不是自己动手做，而是设计流程、分配任务、验收结果。

结语：别问 AI 会不会取代你

写到这里，回到《我的 AI 方法论》序章里那句话：

" 今天很多人对 AI 的判断实际上已经严重滞后了。半年前用过 AI 的人，其实不了解今天 AI 的能力。只用免费版本、偶尔问几个问题的人，也很难真正理解当前前沿的技术水平。AI 进步太快了。

所以，别问 AI 会不会取代你，要问的是：你比 AI 先到达未来，还是 AI 比你先到达未来。 

这本书并不跟你讨论趋势，它直接给你一张地图：老板看 ROT，中层看调度能力，员工看判断力和设计能力，创业者看垂直场景和窗口期。六力范式——电力、算力、智力、人力、安全力、生产力——不是六个并列的概念，而是一条从电力到生产力的转化链。

AI 时代，竞争不能只盯着大模型排行榜，真正比的是整条链条能不能跑通。

2026 年，中层失业只是这场变革最先被看见的伤口。老板的焦虑、员工的迷茫、创业者的生死窗口，全都在同时发生。周鸿祎在书里写得很直白：" 个体用好 AI，只能产生超级员工；组织围绕 AI 重新设计，才能产生超级组织。"

你以为自己在拼命，其实是在错误方向上加速。

但资源是看不完的，技术是更新不完的。不要等学会了再下场，而是要边干边学。现在就动手，别等明天。

* 文章为作者独立观点，不代表笔记侠立场。