曾经相信组织的人

读完《置身钉内》以后，我没有立刻产生什么激烈情绪。

更多是一种熟悉感。像走进一家从未去过的公司，却认出了会议室里的座位安排，听到了那些谨慎的措辞，看到了面无表情的人们，也大概猜得到坏消息会在哪一层停下来。

《置身钉内》写的是钉钉，写一个产品如何诞生、成长，又如何在庞大的组织中逐渐改变方向。读到后面，我想起的却是自己的工作经历。

2019年，一个专科学历、没有什么光环、仅凭一点对内容形式的理解走进字节办公室的人，心里带着仰望，也带着敬畏。

那时互联网仍有光环。张一鸣的采访视频在接待处大屏上被循环播放，最聪明的人、最先进的产品、最接近未来的组织，似乎都聚集在那里。扁平、敏捷、数据说话，这些词听起来也比资历与人情公平。

我相信过这些，也曾经信奉"坦诚清晰"。

我进入字节商业化体系，经历过多次业务调整，始终创业冲锋在最前线。离开字节后，我去了头部直播MCN公司，在这家高度体系化公司里，我亲眼目睹组织增长以后的利益博弈。后来进入了另一家大厂，见识了极致执行力带来的快与慢，在一次公司层面的系统性结构优化中离开。

进入组织时，我是被选择的螺丝钉。离开时，我依然是被选择的螺丝钉。没有对错，系统只是在不同阶段需要不同的零件，让我说的话，这是命定。

几段经历没有让我看透。它仍能完成许多个体无法完成的事情。我只是开始怀疑，个人是否曾把太多期待交给它。

过去我相信进入更好的组织便能更接近未来；相信人才、资金与信息聚集以后，正确判断会自然出现；也相信认真完成工作，个人成长与组织目标可以长期保持一致。这些信任曾经给我带来真实回报。

《置身钉内》把我潜意识中几段原本分散的经历联系到了一起。也恰好在这段周期内，AI进入了公司的大多数讨论。

公司在讲AI，管理者在讲AI，会议、培训，甚至一些KPI和OKR也在讲AI。它需要提升效率、降低成本、寻找增长，有时还负责证明公司没有错过未来。这项技术尚未成熟，已经先被安排了不少任务，背后的理由当然错综复杂。

但我不太相信公司的AI，准确地说，我不太相信AI。

我把《置身钉内》交给Atom，要求它只依据原文分析，不引用媒体评论，也不替原文补充不存在的内容。大语言模型偶尔会把错误说得相当完整，仿佛事实只是暂时缺席，不影响先完成表达。

我们的对话从钉钉开始，延伸到阿里、腾讯与字节，最后又回到我经历过的工作、会议、选择与离开。

文中提到的公司都是伟大的，我的观点尽可能避免情绪，这也不是檄文。这只是我，一个普通上班族和Atom的对话思考，也是奥德赛阶段的一段中场故事。

我曾经相信组织，现在开始怀疑组织。

退出之后

最开始，我只是想和Atom讨论《置身钉内》。

它提供了足够多的内部细节。继续评价某个管理者是否正确，或者为某次产品决策寻找责任人，并没有太多意义。我在追问的是，为何一群拥有经验、资源与行动能力的人，会在各自判断都合理的情况下，共同制造出不理想的结果。

问题由此离开了钉钉。我开始把钉钉、企业微信和飞书放在一起观察。三款产品都叫协作工具，用起来却像三家完全不同的公司。

钉钉更接近管理视角，关心信息能否抵达、任务能否执行、流程能否被看见。企业微信从微信关系链向企业延伸，既服务内部协作，也连接客户与生意。飞书更强调知识流动与共同创作，试图减少层级和信息差异对协作的影响。

在我的理解里，钉钉更在乎管理层的决策行事历，企业微信更接近业务运转与销售运营，飞书则试图服务更广泛的一线员工与协作场景。

这并非严格的产品分类。三款软件都在扩张能力，功能边界早已互相重叠。但这种差异像一种基因：协作工具最终会暴露创造它的公司如何理解组织。

阿里长期处理交易、规则和复杂流程，钉钉自然重视秩序。腾讯擅长维护关系与连接，企业微信不会轻易割断它与微信生态的联系。字节习惯让信息快速流动，再根据反馈继续调整，飞书也带着相似倾向。

产品天然带有着组织的基因，再交给其他组织使用。沿着这条线继续追问，所谓企业服务，究竟在服务谁？

企业负责购买，管理者决定使用，员工却要花最多时间与它相处。三者的目标并不完全一致。企业希望降低成本，管理者希望获得确定性，员工希望少参加几场无效会议。产品需要同时满足它们，通常会优先回应拥有预算与决策权的一方。

消费产品做得不好，用户可以离开。企业产品做得不好，用户骂完还是要打卡。

退出权的差异，会改变产品对体验的敏感程度。员工持续使用，不能证明员工认可；活跃度稳定，可能只是公司制度运行正常。数据不会撒谎，只是不会自我表达。

想到这里，问题已经不只是办公软件好不好用了。协作工具试图提高效率，也会继承已有的权力关系。信息流动得更快，不代表信息变得更真实；任务更加透明，也不代表执行者拥有更多选择。一个组织如何看待管理、协作与员工，也许都会在产品里留下痕迹。

这也让我重新理解了自己的经历。

在字节，我看到数据与快速试验如何推动业务前进。在直播MCN，我看到组织增长后不同角色之间的利益博弈。在最后一段大厂生涯里，我看到极致执行力带来的快，也看到不同角色之间的边界与桎梏。

公司文化不同，人在其中遇到的限制却很相似。分工让组织能够行动，也让每个人只能看见局部。信息沿着层级传递，目标被不断转换，每个角色对自己的局部结果负责。

如果软件只是把组织原有的管理方式变得更快，效率提高以后，原来的问题会消失，还是会运行得更加熟练？

问题还没有得到回答，AI已经进入了办公室。

秩序之后

沿着协作工具继续往下，我不假思索地提出了一个有些粗暴的问题：企业服务是伪命题吗？

企业需要回应资本与利润。购买者、决策者与使用者彼此分离，产品很难只对使用体验负责。顺着这个判断继续走，阿里似乎处于不利位置。它最深厚的能力集中在商家、交易、云计算、物流和企业协作，距离具体的人，比腾讯的关系链和字节的信息流更远。

这个判断很快被Atom反驳。企业服务解决的需求真实存在，财务、供应链、客户管理和组织协作，不会因为员工不喜欢填表而消失。企业愿意为效率、稳定与风险控制付费，这些生意也足够庞大。

我接受这个反驳。企业服务成立，阿里的问题也不能被简化成"离用户远"。我的印象里，阿里曾经非常接近人。

早期淘宝解决普通人如何在互联网上买卖商品。支付宝用担保交易处理陌生人之间的信任。菜鸟把分散的仓储、商家与快递网络连接起来。阿里云从2009年开始建设云计算能力，在许多人还不相信云计算能成为生意时，先承担了长期投入。

这些产品不是依靠组织惯性自然长出来的。它们都曾处理过当时没有成熟答案的问题，也需要承担巨大的技术、资本与市场风险。很长一段时间里，阿里并非商业秩序的追随者，它参与建立了秩序本身。

但是，一个曾经依靠创造新秩序取得成功的公司，后来会不会越来越擅长维护秩序？

我暂时用三个词理解产品背后的公司：腾讯理解关系，字节理解注意力，阿里理解组织和行为。这种概括有点简单，但有助于解释三家公司面对AI时不同的反应。

阿里曾经形成强大优势，电商节庆和移动金融都是它留下的结果。行为被记录，交易被衡量，流程被优化。淘宝、支付宝、菜鸟和阿里云彼此连接，让一次消费从产生需求到完成履约，尽可能留在同一套商业系统里。

困难在于，行为很容易被新的产品重新组织。

拼多多没有重新发明商品，却改变了价格、供给与消费决策之间的关系。美团没有发明外卖和团购，却用更强的线下执行体系重组了本地生活。微信支付依托社交关系进入日常交易，让支付从购物步骤变成了人际往来的一部分。

这些竞争者绕过阿里的既有秩序，重新定义了行为发生的入口。

阿里收购饿了么，发展盒马、高德与夸克，也持续调整淘宝内容化和价格策略。只是，当市场变化来自另一种用户关系时，资源不必然转化为理解。组织可以购买业务、投入补贴、调整结构，却无法直接购买用户为什么改变习惯。

淘宝闪购是一个容易引发争论的案例。2025年，阿里将淘宝天猫、饿了么与飞猪整合为中国电商事业群，并宣布为即时零售投入五百亿元。到2025年末，饿了么又被更名为淘宝闪购。阿里希望用户买衣服、点外卖和寻找本地服务时，都先打开淘宝。

从商业竞争看，这个选择并不荒唐。即时零售正在改变消费习惯，如果保持沉默，淘宝与饿了么都会承受更大压力。公开数据也显示，这笔投入带来了用户、订单和收入增长。到了2026年初，阿里称即时零售业务收入同比增长56%，单位经济效益也在改善。

但我仍然对这种增长保持怀疑。

五百亿元、组织合并和一次品牌献祭，足以显示阿里的决心与资源调动能力。它们现在仍然无法独自证明，淘宝已经成为用户处理即时需求的自然入口。

只看眼前的订单增长可能并不准确，这场投入需要更长时间才能判断。短期订单可以购买，用户习惯和产品位置昂贵得多。补贴减少以后，用户是否留下；淘宝、饿了么与本地生活的关系是否真正变得清晰；品牌资产在整合中获得了什么，又失去了什么，才决定这场投入完成的是产品创新，还是一场昂贵的商业防御。

阿里的困境也不只来自产品。它长期处理商业活动，而商业活动最终会进入现实世界。物流需要道路，支付受到金融规则约束，本地生活依赖城市基础设施。越接近现实执行，企业需要协调的角色越多，能够独立决定的事情越少。

这也是我想说的，秩序之后的"离人远"。

它并非指阿里没有消费者，也不是说企业业务天然低人一等。我的担心是，阿里可能更习惯从交易、商家和系统效率理解人的行为。当人的需求被新的关系、内容和场景改变时，这套方法需要经过更长的路径才能感知变化。

这种距离不会让阿里突然失去价值。庞大的商业网络仍在运行，阿里云、菜鸟、淘宝和支付宝仍拥有深厚积累。大公司通常不会因为一个判断错误立即倒下，它们更擅长带着问题继续生活。

AI甚至为阿里提供了一个有力的反例。阿里云拥有大规模云计算基础设施，通义千问选择开放模型路线，并形成了庞大的开发者生态。2025财年以来，阿里云的AI相关产品收入连续多个季度保持高速增长。到2026年初，阿里称通义千问系列在Hugging Face上的累计下载量已超过十亿。

这些事实至少说明，阿里并没有失去技术创造力。云计算、模型、芯片、企业客户与商业场景，也让它具备覆盖AI多个关键环节的能力。但这同时让问题变得更尖锐。

基础设施、模型与企业客户是阿里最熟悉的优势。它能否将这些能力转化为真正被个人持续使用的AI产品？当模型进入淘宝、地图、办公和消费场景，阿里会先理解人的新需求，还是先把AI接入已经存在的商业系统？

过去成功的业务越多，转向时需要说服的人也越多。它足够强时，新问题也容易被重新解释成旧方法能够处理的样子。

组织倾向于保护已经验证过的利润，管理者也需要维护能够解释过去成功的方法，团队则在有限的职责范围内完成目标。每个决定都可能合理，组合在一起，却未必能够回答新的问题。

问题是，当人的注意力、关系与消费行为不断被时代重塑。阿里是否仍愿意先理解变化，再决定秩序应该长成什么样？

关系之后

如果说阿里擅长建立秩序，腾讯展现得更多的是在变化里生存的能力。

这种能力经常被解释成两件事：用户足够多，也足够会"抄"。

2018年，《腾讯没有梦想》在中文互联网上疯传。文章批评腾讯越来越依赖投资与流量，把创新交给外部公司，自己则退回平台和资本的位置。腾讯拥有庞大的用户关系，能够跟进成熟方向，也有足够资金购买外部增长。与从零发明一种产品相比，这条路显得安全很多。但它仍然解释不了腾讯为什么能够连续穿过几轮产品周期，为什么仍然有爆款在出圈。

我高中时很爱抄作业，每天早上赶到教室，把答案抄完再交。为了掩盖罪行，选择题和判断题故意写错几道，大题挑公式看起来简单的抄。那时觉得自己很聪明，后来才发现，我只是熟练掌握了答案搬运的方法论。

作业可以抄，知识点抄不了。公式不会因为抄过一遍就自动理解，考试遇到陌生题目，也没有同桌可以临时收购借调。好在我没有参加高考，不然那是一记多么残暴的重锤。

腾讯当然也爱"抄"。

QQ并非最早的即时通讯软件，微信不是最早的移动通信产品，《王者荣耀》也不是第一个MOBA游戏。腾讯对成熟玩法的借鉴、对竞争产品的跟进，以及依靠用户渠道迅速扩大优势，长期受到中文互联网批评，确实不冤。

但我想说的"腾讯不止抄答案"，我不是替这些行为寻找一个更体面的称呼。为什么同样是跟进成熟产品，有些公司只能获得相似的界面，腾讯却经常能把它改造成长期业务。

QQ早期借鉴即时通讯，却没有停留在聊天工具。等级、空间、群聊、虚拟身份与娱乐内容，让它成为一代人的线上生活。微信也没有停留在通讯录，朋友圈、公众号、支付、小程序与视频号逐渐进入同一个产品，承载的不只是沟通，也包括内容、服务和交易。

小程序尤其能说明腾讯的产品方式。它没有要求用户下载新的应用，也没有试图替代所有开发者。它把微信已有的身份、关系、支付与入口开放出来，让外部服务生长在微信内部。2017年上线以后，小程序逐渐进入零售、交通、政务与线下服务。腾讯没有亲自制作每一种服务，却重新规定了服务如何接近用户。

在我看来，这是腾讯可怕的稳定能力：理解关系，再让产品进入关系。关系可以降低信任成本，也可以降低分发成本。其他公司需要先寻找用户，腾讯通常已经拥有用户。新功能进入微信以后，不必重新教育一群完全陌生的人。

这份优势有时过于强大，以至于很难判断成功究竟来自产品，还是入口。腾讯推出过不少获得资源和流量支持、最后仍未占据主导位置的业务。拍拍没有让腾讯赢得电商，腾讯微博没有成为微博的终局，微视也没有依靠社交关系击败抖音。

关系能够给产品一次被看见的机会，无法保证用户长期留下。游戏让这种争议更加明显。

腾讯游戏的优势确实建立在渠道、资本与成熟商业化体系之上。早期代理和发行帮助它积累用户与运营能力，后续投资和收购又让它进入全球游戏产业。Riot与Supercell的创造力不能被直接算成腾讯内部原创，把所有成功都归功于腾讯，和把所有成功都归功于钱一样粗糙。

但游戏行业也无法仅靠渠道长期保持优势。《英雄联盟》《王者荣耀》《金铲铲》《和平精英》《无畏契约》和《三角洲行动》面向不同用户，也经历了不同的研发与运营周期。腾讯未必总能创造最惊艳的第一版产品，却擅长把玩法转化为稳定产品，再用社交传播、内容更新、赛事与长期运营延长生命周期。

2025年，腾讯游戏收入继续增长。官方将增长归因于《王者荣耀》《和平精英》等长青产品，也包括《三角洲行动》这样的新产品，以及Supercell与Riot旗下作品。腾讯游戏既有自研，也依赖发行、运营、投资和收购。只用原创或抄袭评价它，都过于省事。

腾讯很少只靠原创取胜。它会跟进、改造、运营，也会花钱购买已经出现的创造力。相较承担创新最早期的不确定性，它更常在需求得到初步证明以后投入更多资源，降低继续创新的风险。

这是优势，可能也是限制。

腾讯内部长期使用赛马机制，让多个团队同时尝试相近方向，再由市场结果决定资源。微信本身就来自这种竞争。赛马能够避免一次中心判断决定全部命运，也会制造重复建设、团队消耗和内部竞争。马可以自由奔跑，马场、赛程和继续参赛的资格仍由组织决定。

《腾讯没有梦想》中的一部分批评因此仍值得讨论。投资可以帮助腾讯参与外部创新，却也可能让内部团队更难争取长期资源。拥有足够多的成功产品以后，继续保护成功，通常比容忍一个暂时无法解释的方向容易。

AI让腾讯再次处于这种矛盾之中。腾讯拥有微信、企业微信、腾讯会议、文档、游戏和云服务，几乎覆盖了个人关系、工作协作与数字娱乐。很少有公司拥有同等规模的真实使用场景。

截至2025年中，微信与WeChat合并月活跃账户超过十四亿。腾讯已经将AI用于广告推荐、游戏内容生产、微信搜一搜、元宝与企业服务，并持续增加资本投入。它有充足资源进入AI市场，只是入场与率先找到产品答案仍是两件事。

但腾讯在 AI 竞争从未领先。外部对它的质疑也很直接：一家拥有资金、人才、算力和用户的公司，为什么仍然没有率先做出被广泛认可的AI原生产品？

马化腾谈到AI时，仍然先从腾讯已有的业务说起。腾讯在2025年年度业绩中称，AI已经改善广告定向与游戏互动，也推动了云服务收入增长，公司会继续增加AI投入。

姚顺雨在最近的一次公开分享中则把AI称为长期竞争。他认为，方法正在逐渐成熟，真正困难的部分开始转向寻找值得解决的问题；产品与模型也会互相推动。

这些表达并不激进，姚顺雨甚至称得上松弛。先进入已有业务，寻找能够被验证的价值，再等待产品与模型一起变化，很符合腾讯过去的习惯。它解释了腾讯从不急着证明自己率先抵达，也保留了原来的疑问。

关系网络在这里既是优势，也可能成为答案的限制。AI助手并不只是进入微信的另一个功能，它可能改变用户获取信息、调用服务与完成交易的方式。如果新的AI产品最终削弱了应用入口和关系分发的价值，腾讯是否仍愿意支持它？

我不认为腾讯只是一个依靠抄作业活下来的公司，也不认为拥有十四亿月活账户便注定赢得AI。我更好奇的是，它能否再次允许一个暂时不符合既有经验、甚至可能伤害既有优势的产品，从内部长出来。

AI出现以后，网上很快堆满了提示词、工作流、智能体教程和产品案例。答案很多，复制也很容易。看起来每个人都掌握了未来，至少复制粘贴时是这样。

这一次对AI的学习和了解，我没有只抄答案。

注意力之后

回看过去几段工作经历，字节是最难被归入前文叙事的一家公司。

它当然也是组织。规模扩大以后，同样会出现流程、角色与利益边界，也不会天然免疫于迟钝。但与阿里和腾讯相比，字节更习惯让产品先进入市场，再让用户行为决定资源去向。

如果只选一种能力来理解字节，我会选择：

理解注意力。

我之前经历过抖音电商的前置项目。它把商家的商品制作成短视频素材，再以信息流广告的形式分发给可能购买的人。平台赚广告费，商家获得收入，用户在观看内容的过程中完成消费。

我们部门里的每人每周产出近一百条短视频素材，这个指标我们称为人效。另一个指标是单条视频素材在冰冷算法的推荐下，能够消耗多少广告预算。

每个人都在思考：前三秒的钩子，前五秒的停留，第十秒的兴趣和点击，用这一切博一次购买的可能。到今天，抖音信息流、个人主页、合集，无孔不入的短视频带货广告，这套模式的原型6年前就已经启动了。

素材是否优雅一点儿也不重要。数据会迅速判断它是否有效。

这也是我第一次领悟，注意力可以在工业线上生产。2019年，我在字节内部的一次视频创意比赛中获奖。参赛内容是广告素材的工业化生产SOP：数据稳定的内容并非随机结果，而是一组可以反复测试的变量。固定的三段式，画面、文案与人物都能替换，我负责寻找它们与用户之间最可能发生反应的组合。表现好的素材继续获得流量，表现差的迅速停止投放。

注意力先后出现在字节的许多产品中。今日头条根据兴趣分发新闻，抖音重新组织短视频，番茄小说和红果短剧处理阅读和观看时间。产品形态不断变化，处理的仍是相似问题：怎样让信息找到人，怎样降低内容供给成本，又如何让人继续留下。

外部常把这种方法概括为"App工厂"或者"大力出奇迹"。前者强调批量试验，后者强调在方向得到初步验证以后集中投入资源。两种说法都有些粗糙，却碰到了字节组织方式的重要部分。

字节能够同时尝试许多方向，再用数据筛选值得继续投入的产品。成功的项目获得更多人、预算和流量，失败的项目被迅速调整或停止。相较依赖少数管理者提前判断，这套方法更愿意承认市场可能比会议聪明。

它也并非总能成功。多闪和飞聊没有改变社交格局，悟空问答最终并回今日头条。教育业务遭遇黑天鹅后收缩，游戏业务与PICO也经历过组织调整。注意力分发、充足资源和执行力，无法自然转化为所有行业的理解。

这些案例至少说明，注意力和分发优势无法覆盖所有行业。字节更擅长提高发现成功方向的概率，并在发现以后迅速放大结果。

失败成本也被这套方法重新分配。对公司而言，及时止损对参与项目的人而言，它可能意味着此前的经验、关系与位置需要重新开始。数据可以快速关闭一个方向，却无法把投入其中的时间和心血一同回收。

数据能迅速告诉字节什么正在发生，却很难替它判断，一个暂时没有反馈的产品是否值得继续等。

注意力可以被观察，人的需求却不总能被停留时长解释。算法擅长发现什么会继续吸引用户，不负责判断用户是否应该继续被吸引。当产品围绕反馈持续优化，它很容易变得越来越有效，也越来越难回答有效之外的问题。

在阿里身上，我担心组织距离人越来越远。在字节身上，我担心它离人的反应太近。

人会点击愤怒的内容，会停留在令人焦虑的比较中，也会购买之后才发现并不需要的东西。于是退货率被同等的放大，兴趣电商增量和收入见缓，转头回到货架。数据如实记录这些行为，算法再诚实地放大它们。整个系统没有欺骗任何人，只是每一方都从人的弱点中获得了一点收益。

对推荐算法的外部批评也大多集中在这里：信息茧房、沉迷、低质内容与情绪放大。把这些问题全部归罪于算法并不准确。人的偏好、创作者激励、商业目标和治理规则共同决定了最终内容。字节也持续增加内容治理、辟谣和算法透明措施。

但平台无法完全回避责任。一个系统越擅长理解人的即时反应，就越需要决定哪些反应不应该被继续放大。

AI与字节的关系，因此显得格外自然。《Attention Is All You Need》讨论的是模型架构中的注意力机制，与商业世界里的用户注意力并非同一概念，但这个巧合仍然有意思。

过去十多年，字节持续研究如何让信息找到人。进入AI以后，模型需要理解人的表达、判断意图、生成内容，并在交互中决定什么值得回应。媒介发生了变化，注意力仍处在中心位置。

豆包是字节将模型送入大众市场的尝试。它延续了字节熟悉的产品方法：降低使用门槛，快速进入场景，再根据真实反馈迭代。字节也拥有抖音、剪映、飞书、火山引擎与大量内容生态，可以为模型提供入口、算力和应用空间。

公开材料显示，到2025年末，豆包大模型日均Token使用量已超过六十三万亿，较2024年5月发布时增长超过一千倍。规模无法单独证明模型更聪明，却能够证明其调用量在快速增长。此时此刻的互联网对于豆包嘴巴硬道歉快的调侃像极了几年前，抖音是小资狂欢圣地的调侃。

字节有流量、内容、工程能力，也知道怎样让普通人愿意点开一个新产品，而且从来不介意自己被评价。

但跑得快不能回答所有问题。推荐算法决定下一条内容，用户不感兴趣可以划走。AI开始参与搜索、创作和工作后，它给出的内容可能直接成为答案，甚至继续执行后续任务。过去，字节主要影响人看见什么；未来，它可能影响人如何理解，以及决定做什么。

这要求字节学习一种并不熟悉的克制，因为一切的代价开始变得高昂。

在注意力生意中，让用户继续使用通常是明确目标。在AI产品里，最好的回答有时意味着尽快结束对话；最可靠的模型也需要承认不知道，而非继续生成一段足够顺滑的内容。

如果字节继续主要用增长和留存理解AI，它可能制造出最受欢迎的模型，却未必是最值得信任的模型。反过来，如果它把过去分析反馈的能力，转向识别错误、风险与长期价值，这套快速迭代方法也可能成为优势。

小步快跑听起来轻盈，墙里面的每一个人似乎都很疲惫。

岗位之后

讨论完阿里、腾讯和字节，问题落回了我自己的岗位。

几次和头部主播的私下对话，让我开始认真看待AI。此前，关于AI将带来巨大变革的讨论，常和知识付费、夸张标题以及李一舟这样的名字同时出现。它听起来很重要，也很像一门着急收学费的生意。

宣扬AI的知识付费博主，过去曾被同行讥讽。

OpenClaw出现后，风向变了。

不宣扬AI的知识付费博主，开始被同行声讨。

我对大部分拿腔作调的知识类媒体博主没有多少敬意。在我看来，他们未必关心技术如何工作和进步，只是在寻找一种更适合传播的情绪：昨天嘲笑相信AI的人，今天嘲笑还没相信AI的人。观点可以翻面，腔调必须稳定。内容只剩情绪，或者只想玩弄情绪，在我看来的确低级。

我所在的公司也开始谈AI，后来上线了一个基于OpenClaw框架的内部助手。它可以回答问题，处理一些工作任务，权限、数据与使用范围都经过筛选。对组织而言，这些限制很合理。内部工具首先需要安全、稳定、价格可控，至于模型能力是否足够强，harness工程做的是否好，通常排在后面。

工具上线以后，效率并没有产生剧变。在我观察到的使用场景里，不少员工还不熟悉如何向模型补充背景、修改问题、验证答案，却已经开始把它用进工作。十轮对话里，可能有七轮都在责备AI没有理解需求。问题没有重新描述，上下文信息也没有增加，模型只能继续猜。

AI对效率的提高尚不明确，倒是先成为了一个相当稳定的情绪宣泄出口。在几乎没有后果需要承担的时候，大家也自主掌握了 PUA 。

公司提供的AI，让我看见组织愿意让员工使用什么。它需要穿过安全、权限与成本，最后成为一个可以交给所有人的版本。我想知道的却是，离开这些边界以后，模型究竟能做到什么。

我开始自己付钱。

先购买不同模型的付费服务，再购买Coding Plan。我把相近的需求分别交给它们，观察谁更能理解上下文，谁写出的代码能够运行，谁在报错以后只会换一种语气继续犯错。模型之间的差异并不神秘，账单会按月提醒。

随后买域名，租服务器。域名让一个还很粗糙的原型有了可以被访问的地址，服务器让它在我合上电脑以后继续运行。过去，一个运营提出涉及开发的想法，需要先判断有没有资源、值不值得排期、应该找谁。现在的流程短了很多：描述需求，生成代码，运行，报错，把报错交回模型，再看它修复旧问题时顺便制造了什么新问题。

这就是我经历的Vibe Coding。大多数时候它都不像演示视频里那样顺滑。模型会忘记刚刚改过的代码，也会非常自信地引用不存在的文件。一个功能在本地可以运行，部署到服务器后便突然拥有了自己的意见。

过去我以为，代码写得足够混乱才会被称为屎山。后来发现，只要迭代速度够快，平地也可以起山。

组织提供的AI与个人购买的AI，差异不只在模型能力。前者需要控制风险，最好让所有人以相近方式使用；后者由我自己承担费用、错误和失败，也允许我把一个不成熟的想法直接做出来。公司需要先确认它是否值得投入，我只需要决定这个月是否继续续费。

我最终做出了一个实际可用的AI产品。仅仅是介绍产品功能，它便获得了五万次观看和三千个收藏。直到现在，我仍在维护和迭代它。产品上线以后，模型调用开始产生账单，代码也开始欠债。上线时拍脑袋做决定的问题，更新维护时每一个Token都不会缺席。

收到岗位调整通知前一个月，我已经在深入研究AI编程，也开始尝试制作面向自身工种的产品原型，希望把重复工作交给模型处理。

原型刚刚成形，岗位调整通知来了。

这两件事没有因果关系，我也没有太多情绪。公司进行结构调整，处理的是整体成本；我研究AI，处理的是自己的工作效率。个人提效并不会自动改变组织需要多少岗位。

个人再怎么提效，终究不能直接降本。

组织之后

写到这里，我开始思考，个人在组织之外还能做什么。

这段经历很容易把结论导向一个判断：

创造力开始离开组织，一人公司时代来临。

它足够有噱头，也许有流量，但也不够准确。

创造力没有离开组织。OpenAI、Anthropic和DeepSeek都是组织。训练模型需要大量算力、资本、数据与研究人员，个人很难独立承担。从具体产品切入的AI创业公司，也离不开团队持续处理工程、用户和商业问题。

AI没有让组织消失，却让我能够直接购买过去只能在组织里获得的部分能力。

过去，大型组织能够聚集人才，购买昂贵设备，承担长期研发，也能把产品推向大量用户。个人即使拥有想法，也很难绕过资金、技术与渠道的限制。

现在，模型可以辅助生成代码，云服务让服务器按需购买，开源项目降低实验成本。个人与小团队能够临时调用分散在不同公司和社区里的能力，先制作原型、验证需求，再决定是否需要扩大组织。

规模仍然重要，却不再只带来优势。

大公司拥有算力、数据、用户和成熟的工程体系，也需要考虑现有业务、管理责任与资源分配。一个新想法进入其中，除了证明技术可行，还要解释它是否符合战略，是否影响已有产品，应该归属哪个团队，以及失败以后由谁承担责任。

小团队缺少资源，也缺少许多需要保护的东西。

这让它们可以集中处理一个问题。方向错误，团队可能直接失败；方向正确，也不必先与几条成熟业务达成共识。风险没有减少，只是更接近作出决定的人。

AI的发展过程本身便包含这种矛盾。

Transformer架构诞生于Google。今天生成式AI的许多进展，都建立在这项研究之上。后来成立的OpenAI推出ChatGPT，让大模型以对话产品的形式进入了更广泛的大众视野。

Anthropic由一批曾参与前沿模型研究的人创立，将可靠性与安全作为重要研究方向。DeepSeek背后同样并非几个爱好者临时组成的团队，它拥有资金、人才和工程能力，只是相较传统互联网巨头，目标更集中，历史负担也更少。

模型公司、云服务商和开源社区，已经完成了大部分昂贵工作。它们彼此竞争，也互相依赖。

我能独立做出产品，并非是 AI 革命的恩赐。模型公司承担训练成本，云服务商维护服务器，开源社区提供基础组件。我只是用较低成本，临时组织了这些能力。

现在，个人可以按月购买模型、服务器和开源组件，临时补上过去需要团队承担的工作。

这不会自动带来更好的产品。模型能写代码，也能迅速生产大量缺少价值的功能。制作成本降低后，市场不会因此更有耐心。过去一个平庸想法可能死在排期会上，现在它终于可以快速上线，再由用户亲自拒绝。

组织会筛掉一部分想法，也负责让留下的产品继续运转。AI让制作变容易了，却没有替我判断产品是否值得做。缺少组织约束可能释放创造力，也可能释放更多无人在意的产品。个人可以先做出原型、验证想法，再决定是否需要找人合作或成立公司。

这条路径仍然昂贵，也充满失败。大多数个人项目不会成为公司，大多数小团队也无法训练自己的基础模型。随着AI公司继续扩张，它们同样会出现流程、利益和惯性。OpenAI、Anthropic与DeepSeek不会天然免疫于组织问题。一人公司在我看来，也是一场存在于无数开发者脑海里理想态下的盛大幻觉。

阿里用秩序组织行为，腾讯用关系链接人，字节用算法分配注意力。三家公司都因此建立了巨大的优势，也都可能被各自最擅长的事情限制。

AI 不会让这些能力失效，只是要求它们回答更难的问题。

黄昏之后

把阿里、腾讯和字节放在一起比较，很容易写成一场公司之间的胜负预测。三家公司在 AI 赛道上的角逐，已经在春晚上交手过一次。

阿里喜欢布局，腾讯善于生存，字节跑得更快。再把各自的产品、收入与用户规模放进表格，似乎就能判断谁更接近未来。评论者试图拿数据和表格搭建立场，看好或看衰。

可惜大厂也从不如看客愿，任何地方都一样。两个月前，Anthropic还是博主们口中创业公司的范本；两个月后，社区里已经出现这样的评论："Anthropic is starting to feel just as off-putting as OpenAI."

它们拥有充足现金、成熟业务和庞大用户，也可以投资、收购或模仿新的产品。一次失败不会立即改变位置，甚至连续几次失败也未必会。规模效应在这里表现得很体贴。

真正值得讨论的，是大厂赖以成功的条件是否仍然成立。

过去二十年，许多复杂的事情只能在大厂里完成。那里有人、资金和技术，也有让它们共同工作的结构。

一款复杂产品需要产品经理、设计师、工程师、运营、销售和法务共同参与。资源有限时，组织负责筛选方向；项目获得认可后，再提供预算、渠道与用户。个人进入大厂，获得的不只是一份工作，也是一套被放大的能力。

我曾经相信这一点。在字节，我看见组织如何把内容生产变成高速运转的系统；在直播MCN，我看见不同角色如何支撑一场即时商品贸易盛典；在最后一段大厂经历里，我看见极致执行力如何将目标迅速转化为行动。

组织能够创造力量。我从不怀疑这一点。

问题是，当一套系统规模不断扩大，它需要也花费越来越多的力量维持自身。

团队要划分职责，也要为结果负责。人越多，一件事经过的转述、会议和利益协调也越多。最初用于提高效率的结构，逐渐拥有自己的目标。

于是产品要证明收入，团队要证明价值，管理者要证明判断。失败不再只意味着一次尝试没有成功，也可能影响预算、晋升与组织位置。

在这样的环境里，正确地失败很困难，安全地平庸反而容易解释。

一些过去只能在公司里获得的能力，现在可以直接向模型购买。

个人可以借助模型完成资料研究、文案、设计与部分开发工作。小团队可以调用云服务、开源项目和商业模型，以较低成本制作原型。新的想法不必先进入排期，也不必先证明它值得占用十个人三个月。

组织过去拥有的稀缺能力，开始能够被按月订阅。

这不会让大厂失去全部优势。大型模型训练仍然需要资本和工程体系，复杂服务仍依赖长期协作，庞大用户也不会因为新工具出现便集体迁移。AI公司自身一旦扩大，同样需要面对组织问题。

变化在于，规模不再是开始创造的必要条件。

过去，大厂可以等待外部创新被验证，再依靠资金、用户和执行力进入市场。AI加快了产品出现与迭代的速度。当组织完成立项、预算和职责划分时，一个小团队可能已经发布了几个版本。大厂仍然能够跟进，只是跟进的对象也在持续变化。

更难处理的是，AI可能与现有业务发生冲突。

如果模型直接给出答案，搜索广告会受到什么影响？如果智能体代替用户完成操作，应用的流量入口是否仍然重要？如果个人独立完成更多工作，公司应该如何重新定义岗位与管理？

技术问题或许能解决，麻烦在于，每种解决方案都可能动到现有业务和某些人的位置。

大厂的困境并非缺少人才，也不是看不见变化。我担心的是，它们拥有太多已经成立的答案。

阿里的秩序让复杂商业稳定运行，也让新的方向需要穿过既有结构。腾讯的关系网络提供庞大入口，也要求新产品避免伤害现有生态。字节的注意力系统能够快速验证需求，却可能继续用增长指标理解一种需要可靠与克制的技术。

过去的成功不会失效，但也许不再足够。

我并不认为大厂正在结束，黄昏也不是死亡通知，它只是一个光线开始变化的时刻。原本清晰的道路变得模糊，熟悉的判断不再可靠，而新的方向尚未完全出现。

有些公司会重新适应，有些会依靠旧有资产继续生活，还有一些会在多年以后发现，自己仍然庞大，却不再是创造新事物的地方。

更现实的变化已经发生在组织内部。

公司开始要求员工学习AI，希望每个人提高效率。员工使用AI完成更多工作，岗位数量也可能随之减少。组织购买模型，是为了降低成本；个人学习模型，却可能因此获得离开原有岗位的能力。

双方都在拥抱 AI ，拥抱的并不是同一个未来。

钉中窥AI

"钉"，不是钉钉，不是公司，也不是互联网。钉是我，也是许多相信组织、被固定在组织里的人。

我的思绪从一篇关于钉钉的文章开始，淌过了阿里、腾讯、字节，最终流转到了自己的工作与离开。

AI不会让这些公司突然失去价值。阿里、腾讯和字节仍然拥有各自最擅长的东西。它们有资金、人才和用户，也比大多数新公司更有能力修正错误。我工作过的MCN公司，以及最后任职的那家大厂，也都让我领略过组织能够创造的力量。

它们也拥有许多已经成立的答案。只是当秩序、关系与注意力不再足以解释新的问题，当过去的能力开始限制新的选择，我所信赖的大厂，未来真正的困境是什么？

公司希望用AI提高效率、降低成本。而我借助 AI ，开始学习设计和编程开发，做出了一个可用的产品。岗位调整通知到来以后，这些能力不会随岗位一起消失。

复杂产品仍然需要团队，基础模型背后也站着新的公司、资本与工程体系。组织不会消失，但个人已经可以在获得职位、预算和排期以前，先验证一个想法。

当创造的起点开始批量离开组织，组织是否还能继续成为创造力的中心？

AI能帮助个人跨越能力边界，也可能让人习惯接受一个足够顺滑的答案。公司可以用它提高效率，也可以用它扩大管理。它能释放创造，也能更快地复制原有结构。

模型、智能体、算力、效率与成本，只是变化中最容易被看见的部分。藏在后面的，是能力如何分配，决定由谁作出，个人又愿意把多少判断交给组织与模型。

那么，当我们在谈论AI的时候，我们在谈论什么？

All that is now， All that is gone， All that's to come —— Pink Floyd，《Eclipse》（1973）