AI 不是一個功能，而是重造世界的那塊「鋼鐵」
整理版優先睇
AI係奇蹟材料，唔係功能——從個體到經濟全面重塑
呢篇文章係推薦 Notion 創辦人 Ivan Zhao 嘅萬字長文。Ivan 認為我哋遠遠未睇清 AI 嘅本質——佢唔係一個功能，而係好似鋼鐵咁嘅「奇蹟材料」，會重新定義工作方式同社會結構。
Ivan 先用歷史規律開場：每個時代都被一種奇蹟材料重新定義——鋼鐵造就鍍金時代，半導體點亮數字時代，而今日輪到 AI，佢叫佢做「無限心智」。佢提醒我哋，未來一開始總愛偽裝成過去嘅樣，正如而家 AI 個聊天框同二十年前 Google 搜尋框差唔多。我哋仲停留喺「換水輪」階段，只係將聊天機械人掛喺舊工具旁邊。
跟住 Ivan 用三個尺度——個體、組織、經濟——帶我哋想像 AI 點樣重塑世界。個體層面：程序員最先受惠，由踩單車變揸車，但要過資訊碎同結果難驗證兩關。組織層面：AI 係新鋼鐵，可以貫穿工作流，取代人際溝通做「承重牆」，令公司放大而唔拖慢。經濟層面：知識經濟會由「佛羅倫薩」變成「東京」，智能體同人混埋一齊，跨時區晝夜不停。
- AI係奇蹟材料，唔係功能——要重塑成個世界，而唔係加喺舊嘢上面
- 個體層面：由「心智單車」升級做「心智汽車」，但要先解決資訊碎同結果難驗證嘅問題
- 組織層面：AI取代人際溝通作為「承重牆」，令公司可以放大而唔會越大越拖沓
- 經濟層面：AI智能體大規模上場，知識經濟會由佛羅倫薩變成東京，規模同速度飛升
- 行動啟發：All in AI要向外押公司改造流程，向內押自己做agent指揮官
奇蹟材料與歷史規律
Notion創辦人Ivan Zhao最近寫咗篇萬字長文，提醒我哋可能遠遠未睇清AI。佢認為每個時代都被一種「奇蹟材料」重新定義：鋼鐵造就鍍金時代，半導體點亮數字時代，而今日輪到AI——佢叫佢做「無限心智」。
「誰掌握了那種材料，誰就定義了嗰個時代」
Ivan舉咗個例子：1850年代年輕嘅卡內基仲係個送電報嘅童工，但兩代人之內，佢哋就用鋼鐵造出咗現代世界。今日Ivan喺舊金山經營服務幾百萬知識工作者嘅公司，身邊所有人都在講AGI，但全球20億坐辦公室嘅人，絕大多數仲未真正感受到AI嘅改變。呢個就係佢想討論嘅問題：接下來會發生咩？
個體升級：由踩單車到揸車
誰會最先嚐到甜頭？Ivan話係程序員——知識工作裏嘅「最高祭司」。佢嘅聯合創辦人Simon以前係公認嘅10倍程序員，而家幾乎唔自己寫代碼，同時指揮三四個AI編程助手，變成30到40倍工程師。佢已經唔係程序員，而係一個「無限心智嘅管理者」。
「佢已經唔係程序員，而係一個『無限心智』嘅管理者」
Ivan用咗三個層次嘅比喻：1980年代喬布斯將電腦叫做「心智嘅自行車」；互聯網時代有「信息高速公路」；但問題係——高速路修通咗，大多數人仲喺度踩單車。知識工作者幾時先換到「汽車」？要先過兩道坎。
兩道坎
- 第一道坎：資訊太碎。寫代碼時所有嘢喺同一個地方，但日常知識工作散落喺幾十個軟件，最後要靠自己複製粘貼做「膠水」。
- 第二道坎：結果難驗證。代碼可以跑測試，但一份項目管得好唔好、戰略寫得掂唔掂，機器判斷唔到，所以人要留喺流程裏帶住佢。
Ivan嘅結論好樂觀：一旦兩道坎邁過去——資訊可以聚埋一齊、結果可以被驗證——幾十億人就會由踩單車升級到開汽車，再走向自動駕駛。
組織改造：鋼鐵同蒸汽機嘅啟示
講完個人，Ivan將鏡頭拉到公司。佢話公司其實係個好年輕嘅發明，有個毛病：越長越大，效率反而越跌，直到撞上天花板。幾百年前公司係十幾人嘅小作坊，今日幾十萬人嘅跨國集團，但通訊系統仲係靠開會同訊息連住人腦。
「我哋一直用『人』嘅尺度去解決『工業級別』嘅難題，等於用木頭去起摩天大樓」
Ivan講咗兩個工業時代嘅故事。第一個係鋼鐵：鋼鐵出現前，樓最多起到六七層，因為生鐵又硬又脆。鋼鐵一來，既結實又可彎可塑，樓越起越高，天際線徹底改變。AI之於今日嘅組織，就係當年嘅鋼鐵——可以貫穿成條工作流，記住上下文，遞決定、過濾噪音。
第二個故事係蒸汽機，呢個先係當頭一棒。工業革命初期紡織廠建喺河邊靠水輪驅動。蒸汽機發明後，廠主第一反應只係換咗水輪，其他嘢冇變。真正飛躍係後來有人諗通：既然有蒸汽機，點解仲要黐住河邊？於是搬廠、圍住蒸汽機重新設計車間，生產力先炸開。
「今日嘅我哋，其實仲停喺『換水輪』嗰一步——只係將AI聊天機械人掛喺為人設計嘅舊工具旁邊」
而Notion自己已經開始試：1000個員工旁邊有700幾隻AI智能體，負責記會議紀要、答問題、處理IT工單、收集客戶反饋、帶新人入職、寫週報。Ivan話呢啲只係蹣跚學步。
經濟蜕變：由佛羅倫薩到東京，同埋我哋嘅行動
Ivan話以前嘅城市係「人嘅尺度」——行四十分鐘就行勻成個佛羅倫薩。鋼鐵同蒸汽機改變咗呢一切：摩天大樓、鐵路、地鐵、高速公路，造出咗東京、倫敦、紐約。呢啲超級都市唔係放大版佛羅倫薩，而係一種全新活法。
「超級都市令人頭暈轉向、唔識邊個、揾路都難，但呢種『睇唔明』就係規模要付嘅代價，換嚟嘅係多得多的機會同自由」
知識經濟都一樣。今日佢撐起美國近一半GDP，但運作方式仲停喺「人嘅尺度」：幾十人團隊靠開會同郵件定節奏。我哋用石頭同木頭起咗一座座佛羅倫薩。當AI智能體大規模上場，我哋將會起出一個個東京——幾千個智能體同人混埋，跨時區晝夜不停。週會、季度規劃、年度考核呢啲老節奏會失靈，新節奏會自己生出來。
我讀完之後決定All in AI。向外嘅一注：將公司流程圍住AI重新設計，尤其係重複度高、規則清晰、結果可驗證嘅環節，例如客服、報表、合同審閲、工單審批。向內嘅一注：將自己變成「30倍」指揮官，重複嘢全部交俾agent，自己淨係負責判斷同拍板。
「一手用AI將自己變強，一手讓AI嘅增長反過來養大自己嘅資產——呢個先係完整嘅All in AI」
📖 呢一年，要講有啲咩係靜靜雞改變緊我哋每個人嘅工作方式，答案多數都指向同一個詞—— AI 。 但係 Notion 創辦人 Ivan Zhao（趙伊）最近嘅一篇萬字長文提咗我哋：我哋可能仲 遠遠未睇得明佢 。 呢篇文章我翻嚟覆去睇咗好幾次。今日唔講大道理，淨係做個推薦人，用十幾分鐘帶你讀明佢最鋒利嗰部分。讀完如果有感受， 強烈建議返去將全文詳細睇一次。
01｜每個時代，都有一種「奇蹟材料」
▼左：少年安德魯·卡內基同細佬；右：鍍金時代匹茲堡嘅鋼鐵工廠。
文章一開頭，就將視角拉得好高。
Ivan 話，返轉頭睇歷史你會發現一個規律： 每個時代，都係俾一種「奇蹟材料」重新定義嘅。
鋼鐵，造就咗鍍金時代；半導體，點亮咗數字時代；而今日，輪到 AI——佢改咗個名叫「 無限心智 」。
如果歷史教過我哋啲咩，就係一句話： 邊個掌握咗嗰種材料，邊個就定義咗嗰個時代。
佢舉咗個特別有畫面嘅例子。
1850 年代，後生嘅卡內基仲係喺匹茲堡泥巴路送電報嘅童工，嗰時十個美國人入面有六個仲喺度耕田。但係喺兩代人嘅時間裏面，佢哋呢班人硬係造咗個現代世界出嚟：馬車變咗鐵路，燭火變咗電燈，生鐵變咗鋼鐵。
而今日，Ivan 喺三藩市經營緊一間服務幾百萬知識工作者嘅公司，身邊所有人都在講 AGI。但係如果你走出呢個圈子睇下—— 全球 20 億坐辦公室嘅人，絕大多數其實仲未真正感受到 AI 帶嚟嘅改變。
呢個，就係佢想傾嘅問題： 跟住落嚟，到底會發生咩事？
02｜點解我哋成日「揸住後鏡向前開」
▼早期嘅電影，成日好似俾一部攝影機對住影嘅舞台劇。
佢話，未來之所以成日令人睇唔清，係因為 佢一開始成日扮成過去嘅樣。
最早打電話嗰陣，人們講嘢好似拍電報咁短，慳得一個字得一個字；最早嘅電影，直情係將一出話劇原封不動拍落嚟。
▼今日最紅嘅 AI，個樣就好似當年嘅 Google 搜索框。
呢度佢引用咗麥克盧漢一句好經典嘅話：
我哋成日揸住後鏡，向前開車。
你諗下係咪咁？
今日我哋用得最多嘅 AI，就係一個 聊天框 ——而嗰個框，同二十年前嘅 Google 搜索框幾乎一模一樣。我哋攞到一個全新嘅嘢，但係仲用緊舊習慣去使喚佢。
呢個說明，我哋正正卡喺每一次技術大變革都會有嘅尷尬過渡期裏面。
跟住落嚟，Ivan 用三個由小到大嘅尺度—— 個體、組織、經濟 ——帶我哋想像：如果真係將 AI 當成呢個時代嘅鋼鐵，世界會變成點樣。
先由離每個人最近嘅尺度講起：個體。
03｜個體：由踩單車，到揸汽車
邊個會最先嚐到甜頭？
Ivan 話，係程序員——知識工作裏面嘅「最高祭司」。佢嘅聯合創辦人 Simon，以前係公認嘅「10 倍程序員」，但係而家，佢幾乎唔自己寫程式碼喇。
你行過佢嘅工位會見到咁嘅樣：佢同時指揮緊三四個 AI 編程助手做嘢。呢啲助手唔單止打字快，佢哋仲會思考——呢一下就將佢變成咗「30 到 40 倍」嘅工程師。佢午飯前、瞓覺前將任務排好，人一走，佢哋就代佢繼續做。 佢已經唔係程序員喇，佢變成咗一個『無限心智』嘅管理者。
▼1970 年代一項關於運動效率嘅研究，啟發咗喬布斯嗰句好出名嘅「心智嘅單車」。
呢度有個好正嘅比喻，要分三層嚟聽。
1980 年代，喬布斯將個人電腦叫做「 心智嘅單車 」——電腦放大腦力，就好似單車放大脾力。又過咗十幾年，互聯網將成個世界連埋一齊，嗰時有個好響亮嘅叫法：「 信息高速公路 」。
但係問題嚟喇——
高速路係整通咗，但係大多數人，仲喺呢條路上 死踩爛踩住部單車。
路早就鋪好咗，我哋腳下嘅「車」卻仲係嗰部老掉牙嘅單車。
咁知識工作者幾時先可以換返架真正嘅「汽車」？Ivan 話，要先過兩道難關。
▼點解 AI 幫你寫程式碼好叻，幫你做其他嘢就麻煩？因為其他嘢太碎、又好難判斷啱錯。
第一道難關，係信息太碎。
寫程式碼嗰陣，所有嘢都喺同一個地方——編輯器、程式碼庫、終端，齊曬。但係日常嘅知識工作呢？散落喺幾十個軟件入面。
就講寫一份產品方案：AI 要由聊天紀錄度揾、由戰略文檔度揾、由報表度抽番上季嘅數據，仲有啲關鍵信息，直情係裝喺某個同事嘅腦入面。 到最後，係邊個將呢啲嘢逐啲逐啲黐埋一齊？係我哋自己。 靠複製貼上、靠不停轉標籤頁——講白啲，今日嘅人，做緊嘅就係個「膠水」嘅工作。
第二道難關，係結果好難驗證。
程式碼有個好處：啱唔啱，行個測試、睇個報錯就知。但係一份項目管得好唔好、一份戰略寫得掂唔掂——你用咩嘢去驗證？
正因為機器一時半刻判斷唔到，所以 人仲要留喺流程裏面 ，睇住、帶住、話畀佢知咩叫「好」。
▼1865 年嘅《紅旗法案》規定：汽車上路，前面一定要有人舉住紅旗行緊開路。呢個就係「要人留喺流程裏面」最荒謬嘅反面教材。
但係「人留喺流程裏面」都分聰明同笨嘅留法。
Ivan 用咗個特別絕嘅歷史細節：1865 年英國有部《紅旗法案》，規定汽車上街，一定要有個人舉住紅旗行喺車前面開路。你細味下呢個畫面——呢個唔就係將人死死咁綁喺每一個環節上面咩？
我哋想要嘅，係要人企喺一個 高槓桿嘅位置上面去監督成個循環，而唔係被困死喺循環入面。
佢嘅結論好樂觀：一旦呢兩道難關過到——信息可以聚到一齊、結果可以驗證——幾十億人就會由「踩單車」升級到「揸汽車」，再走向「自動駕駛」。
04｜組織：鋼鐵，同蒸氣機
傾完個人，Ivan 將鏡頭拉到公司身上。
佢講咗句幾扎心嘅話： 公司其實係個好年輕嘅發明，而且佢有個毛病——越大，效率反而越低，直到撞上天花板。
▼1855 年紐約與伊利鐵路公司嘅組織結構圖。我哋今日熟悉嘅現代公司同組織架構，最早就係由鐵路公司演化出嚟嘅。
幾百年前，公司不過係十幾個人嘅小作坊；今日，動輒幾十萬人嘅跨國集團。但係撐住呢一切運轉嘅「通訊系統」係咩？講到底，仲係一個個靠開會、傳訊息連埋一齊嘅人腦。人一多，信息一爆，呢套系統就頂唔順喇。
我哋一直用緊 人嘅尺度 ，去解決 工業級別 嘅難題——呢個就好似，想用木頭去起一棟摩天大廈。
呢個局點樣破？Ivan 講咗兩個工業時代嘅故事——一個關於鋼鐵，一個關於蒸氣機。
▼鋼鐵創造嘅奇蹟：1913 年落成嘅伍爾沃斯大廈，曾經係全世界最高嘅樓。
第一個故事，係鋼鐵。
鋼鐵出現之前，19 世紀嘅樓最多起到六七層就到頂喇——因為生鐵又硬又脆仲好重，樓一高，自己就壓冧自己。鋼鐵一嚟，全部變曬：佢又實淨，又可以屈又可以塑型。於是樓越起越高，城市嘅天際線俾徹底改寫。
Ivan 話， AI 之於今日嘅組織，就係當年嘅鋼鐵。
AI 可以貫穿整條工作流程，將上文下理一路記住，到要決定嗰陣將決定遞到你面前，再順手幫你將噪音濾走。 咁樣一嚟，人同人之間嘅溝通，就唔使再係嗰道累死人嘅『承重牆』喇。
呢個代表咩？
兩個鐘嘅對齊週會，可能壓縮成五分鐘嘅異步覆盤；要行三層簽名嘅決定，可能幾分鐘就拍板。 公司終於可以真正咁放開手腳長大，而唔使再忍受嗰種我哋早就習以為常嘅「越大越慢」。
▼一座靠水輪驅動嘅工廠。水力係強，但唔穩定，將工廠死死咁綁喺少數幾個地點、仲要睇季節面色。
第二個故事，係蒸氣機——呢個故事，先係真正嘅當頭棒喝。
工業革命啱開始嗰陣，紡織廠都起喺河邊，靠水輪轉動。後來蒸氣機發明咗，廠主們第一個反應係咩？只係將水輪拆咗、換上蒸氣機， 其他咩都冇鬱過。 結果呢？效率只係提升咗少少。
真正嘅飛躍，係後來有人諗通咗一件事： 既然有咗蒸氣機，我仲乜要守住河邊？
於是佢哋將工廠搬到離工人、港口、原材料更近嘅地方，成個車間都圍住蒸氣機重新設計——呢一下，生產力先真正爆發。
▼託馬斯·阿洛姆 1835 年嘅版畫，畫嘅係英國蘭開夏一間靠蒸氣機驅動嘅紡織廠。
講到呢度，Ivan 將話題一轉，講咗句我覺得最應該記住嘅話：
今日嘅我哋，其實仲停喺『換水輪』嗰步。 我哋只係將 AI 聊天機械人，掛咗喺啲為人設計嘅舊工具隔籬。我哋仲根本未敢去想像：當啲老規矩全部消失、公司可以靠住一班『唔瞓覺嘅心智』喺你瞓覺嗰陣照樣運作——嗰陣時嘅組織，會變成點樣。
而 Notion 自己，已經喺度鬱手試：1000 個員工嘅隔籬， 700 幾個 AI 智能體 正在幫手記會議紀要、答知識問題、處理 IT 工單、收集客戶反饋、帶新人入職、寫週報……Ivan 仲補咗一句——唔好咁快驚訝， 呢啲只係啱啱學行路咋。
05｜經濟：由佛羅倫薩，到一座座超級都市
▼鋼鐵同蒸氣，改變嘅遠不止係樓同廠——佢哋徹底改變咗城市。
呢個係文章入面我最鍾意嘅一段。
Ivan 話，幾百年前嘅城市，都係「人嘅尺度」嘅——你使四十分鐘，就行得曬成個佛羅倫薩。嗰時生活嘅節奏，係由「一個人行得幾遠、一句話喊得幾響」嚟決定嘅。
後來呢？鋼鐵撐起咗摩天大廈，蒸氣機拉動嘅鐵路將市中心同郊區連埋一齊，電梯、地鐵、高速公路接踵而至。於是就有咗東京、有咗倫敦、有咗紐約。 而呢啲超級都市，並唔係『放大版嘅佛羅倫薩』，佢哋係一種全新嘅生活方式。
超級都市當然令人頭暈轉向、邊個都唔識邊個、想揾條路都難。 但係呢種『睇唔太明』，啱啱就係規模要畀嘅代價。 作為回報，佢畀咗你多好多嘅機會，同埋多好多嘅自由。
Ivan 話，知識經濟，睇嚟都要經歷呢同一場蜕變。
今日佢撐起咗美國差唔多一半嘅 GDP，但係佢嘅運作方式，仲停喺「人嘅尺度」上：幾十人嘅團隊，靠開會同電郵來回定節奏。
我哋用石頭同木頭，起咗一座座佛羅倫薩。而當 AI 智能體大規模上場，我哋將會起嘅，係一個個東京。
咁會係咩光景？
係幾千個智能體同人撈埋一齊嘅組織，係跨住時區、日日夜夜不停轉動嘅工作流程。到嗰時，咩週會、咩季度規劃、咩年度考核，呢啲老節奏可能全部失靈，新節奏會自己生出來。 我哋會失去少少『睇得明』嘅踏實感，但換嚟嘅，係以前想都唔敢想嘅規模同速度。
06｜行出水輪嘅時代
文章結尾，Ivan 返番去貫穿全文嘅主題。
佢話，每一種奇蹟材料降臨嘅時候，都要有人 先放低後鏡，抬起頭去想像一個全新嘅世界： 卡內基睇住鋼鐵，見到嘅係一整片城市天際線；蘭開夏郡嘅廠主睇住蒸氣機，見到嘅係一座座唔使再守住河邊嘅工廠。
而我哋呢？仲停喺 AI 嘅「水輪階段」，忙住將聊天機械人拼上舊流程。
佢最後話：唔好再滿足於畀 AI 做個「副車手」喇，我哋應該去想像——當人類嘅組織俾呢種新鋼鐵重新撐起，知識工作究竟可以變成點樣。
鋼鐵。蒸氣。無限心智。 下一條天際線，已經喺嗰度喇，就等我哋去將佢起出嚟。
一張表，帶走全文
● ● ●
寫喺最後：我點解揀 All in AI
讀完呢篇，我腦海裏揮之不去嘅，係 Ivan 嗰個最樸素、亦最鋒利嘅判斷——
AI 唔係一個功能，而係一種材料。
呢兩者嘅分別，好大。功能，係加喺舊嘢上面嘅；材料，係用嚟重新造一個世界嘅。鋼鐵從來冇令馬車跑得快啲，佢直接造咗鐵路同摩天大廈；AI 都唔會只係令我哋嘅週報寫得更順手——佢要重新鑄造嘅，係我哋每個人、我哋嘅組織，甚至成個經濟嘅形狀。
諗通咗呢一層，我對 AI 嘅態度，就剩得兩個字—— All in。
而所謂 All in，對我嚟講，係向兩個相反嘅方向同時落注：一注向外，押公司；一注向內，押自己。
先講向外嗰一注——公司。
講句老實話，絕大多數企業目前都仲企喺 Ivan 講嗰個「換水輪」嘅階段：將 AI 當成一個更聰明嘅搜索框，恭恭敬敬咁掛喺啲為「人」設計嘅舊流程隔籬。水輪係換咗，但河邊，我哋仲未捨得離開。
但係轉個角度睇，幾乎每個行業都有一塊特別肥沃嘅土壤。仲記唔記得嗰兩道難關——信息要夠集中、結果要可驗證？凡是「重複度高、規則清晰、對錯可判斷」嘅環節，往往就係 AI 最先可以攻陷、亦最應該「圍住佢重新設計」嘅地方：客服應答、報表同數據彙總、合同同文檔審閲、工單同流程審批、報銷同對賬……與其畀人繼續做嗰個來回黐信息嘅「膠水」，不如將成條流程拆開，重新圍住 AI 搭建一次。
再講向內嗰一注——自己。
天際線註定要被 AI 重新撐起。
而我，唔想淨係做個昂高頭睇嘅人。
落到自己身上，All in AI 就兩件事。
一、將 AI 當成心智嘅鋼鐵。
重複嘅、瑣碎嘅、交得出去嘅，全部丟畀 agent。
我只留兩件事： 判斷 ，和 拍板 。
唔好再低頭踩單車喇。
去做嗰個同時指揮三四個 agent、將自己撐到「30 倍」嘅指揮官。
二、做呢場變革嘅股東。
下一個時代屬於 AI——呢點我哋都認。
咁剩下嚟，就得兩條路：
一係參與建造，一係俾人遠遠拋離。
英偉達、Google、亞馬遜、微軟……
呢啲灌注新天際線嘅公司，離我哋好遠，遠到呢世大概都唔會去返工。
但係唔好唔記——
入唔到去做員工，唔代表做唔到股東。
鋼鐵嘅時代，有人焊鋼樑，亦有人揸住鋼廠嘅股票。AI 嘅時代都一樣—— 我既想做呢座新城裏面最識用工具嘅人，亦想做起樓嗰張名冊上，細細嘅一個名。
💰 轉個角度睇你嗰筆「貴到肉赤」嘅 AI 訂閲費 好多人都在抱怨，AI 訂閲費一個月一個月咁交，真係貴。但你轉個思路諗下：你畀出去嘅呢筆錢，最後流咗去邊？流咗入英偉達、Google、亞馬遜、微軟呢啲 AI 產業鏈公司嘅袋。咁問題嚟喇—— 如果你同時都係呢啲公司嘅股東，係咪就等於，佢哋反過嚟幫你將訂閲費畀咗？ 一手用 AI 將自己變強，一手等 AI 嘅增長反過嚟養肥你嘅資產——呢個，先係完整嘅 All in AI。
● ● ●
📖 這一年，要說什麼在悄悄改變我們每個人的工作方式，答案多半都指向同一個詞—— AI 。 但 Notion 創始人 Ivan Zhao（趙伊）最近的一篇萬字長文提醒我們：我們可能還 遠遠沒看懂它 。 這篇文章我反覆讀了好幾遍。今天不講大道理，只當個推薦人，用十幾分鍾帶你讀懂它最鋒利的那部分。讀完若有觸動， 強烈建議回去把全文細看一遍。
01｜每個時代，都有一種「奇蹟材料」
▼左：少年安德魯·卡內基與弟弟；右：鍍金時代匹茲堡的鋼鐵工廠。
文章一上來，就把視角拉得很高。
Ivan 說，回頭看歷史你會發現一個規律： 每個時代，都是被一種「奇蹟材料」重新定義的。
鋼鐵，造就了鍍金時代；半導體，點亮了數字時代；而今天，輪到了 AI——他給它起了個名字，叫「 無限心智 」。
如果歷史告訴過我們什麼，那就是一句話： 誰掌握了那種材料，誰就定義了那個時代。
他舉了個特別有畫面感的例子。
1850 年代，年輕的卡內基還只是個在匹茲堡泥巴路上送電報的童工，那時十個美國人裏有六個還在種地。可就在兩代人的時間裏，他們這批人硬生生造出了一個現代世界：馬車變成鐵路，燭火變成電燈，生鐵變成鋼鐵。
而今天，Ivan 在舊金山經營着一家服務幾百萬知識工作者的公司，身邊所有人都在聊 AGI。可你要是走出這個圈子看看—— 全球 20 億坐辦公室的人，絕大多數其實還沒真正感受到 AI 帶來的改變。
這，就是他想聊的問題： 接下來，到底會發生什麼？
02｜為什麼我們總是「看着後視鏡往前開」
▼早期的電影，常常就像被一台攝像機對着拍的舞台劇。
他說，未來之所以總讓人看不清，是因為 它一開始總愛偽裝成過去的樣子。
最早打電話那會兒，人們說話像拍電報一樣簡短，能省一個字是一個字；最早的電影，乾脆就是把一出話劇原封不動拍下來。
▼今天最火的 AI，長得就像當年的 Google 搜索框。
這裏他引了麥克盧漢一句很經典的話：
我們總是看着後視鏡，往前開車。
你想想是不是這樣？
今天我們用得最多的 AI，就是一個 聊天框 ——而那個框，跟二十年前的 Google 搜索框幾乎一模一樣。我們拿到了一個全新的東西，卻還在用舊習慣去使喚它。
這說明，我們正卡在每一次技術大變革都會有的那個尷尬過渡期裏。
接下來，Ivan 用三個由小到大的尺度—— 個體、組織、經濟 ——帶我們想象：如果真把 AI 當成這個時代的鋼鐵，世界會變成什麼樣。
先從離每個人最近的尺度說起：個體。
03｜個體：從騎自行車，到開汽車
誰會最先嚐到甜頭？
Ivan 說，是程序員——知識工作裏的「最高祭司」。他的聯合創始人 Simon，過去是公認的「10 倍程序員」，可現在，他幾乎不自己寫代碼了。
你走過他的工位會看到這樣一幕：他同時在指揮三四個 AI 編程助手幹活。這些助手不只是打字快，它們還會思考——這一下就把他變成了「30 到 40 倍」的工程師。他午飯前、睡覺前把任務排好，人一走，它們就替他接着幹。 他已經不是程序員了，他成了一個『無限心智』的管理者。
▼1970 年代一項關於運動效率的研究，啓發了喬布斯那句著名的「心智的自行車」。
這裏有個特別妙的比喻，得分三層來聽。
1980 年代，喬布斯把個人電腦叫做「 心智的自行車 」——電腦放大腦力，就像自行車放大腿力。又過了十來年，互聯網把整個世界連了起來，那時有個響亮的叫法：「 信息高速公路 」。
可問題來了——
高速路是修通了，可大多數人，還在這條路上 吭哧吭哧地踩着自行車。
路早就鋪好了，我們腳下的「車」卻還是那輛老掉牙的自行車。
那知識工作者什麼時候才能換上一輛真正的「汽車」？Ivan 說，得先邁過兩道坎。
▼為什麼 AI 幫你寫代碼很在行，幫你做別的活兒就費勁？因為別的活兒太碎、又很難判斷對錯。
第一道坎，是信息太碎。
寫代碼時，所有東西都在一個地方——編輯器、代碼庫、終端，齊活。可日常的知識工作呢？散落在幾十個軟件裏。
就拿寫一份產品方案來說：AI 得從聊天記錄裏翻、從戰略文檔裏找、從報表裏摳出上季度的數據，還有些關鍵信息，乾脆只裝在某個同事的腦子裏。 到最後，是誰在把這些東西一點點粘到一起？是我們自己。 靠複製粘貼、靠來回切標籤頁——說白了，今天的人，乾的就是個「膠水」的活兒。
第二道坎，是結果難驗證。
代碼有個好處：對不對，跑個測試、看個報錯就知道了。可一份項目管得好不好、一份戰略寫得行不行——你拿什麼去驗證？
正因為機器一時半會兒判斷不了，所以 人還得留在流程裏 ，盯着、帶着、告訴它什麼才叫「好」。
▼1865 年的《紅旗法案》規定：汽車上路，前面必須有人舉着紅旗走着開道。這就是「讓人留在流程裏」最荒唐的反面教材。
但「人留在流程裏」也分聰明和笨的留法。
Ivan 用了個特別絕的歷史細節：1865 年英國有部《紅旗法案》，規定汽車上街，必須有個人舉着紅旗走在車前頭開道。你品品這個畫面——這不就是把人活活拴死在每一個環節上嗎？
我們想要的，是讓人站在一個 高槓杆的位置上去監督整個循環，而不是被困死在循環裏。
他的結論很樂觀：一旦這兩道坎邁過去——信息能聚到一起、結果能被驗證——幾十億人就會從「踩自行車」升級到「開汽車」，再走向「自動駕駛」。
04｜組織：鋼鐵，和蒸汽機
聊完個人，Ivan 把鏡頭拉到了公司身上。
他說了句挺扎心的話： 公司其實是個很年輕的發明，而且它有個毛病——越長越大，效率反而越往下掉，直到撞上天花板。
▼1855 年紐約與伊利鐵路公司的組織結構圖。我們今天熟悉的現代公司和組織架構，最早就是從鐵路公司演化出來的。
幾百年前，公司不過是十幾個人的小作坊；今天，動輒幾十萬人的跨國集團。可撐着這一切運轉的「通信系統」是什麼？說到底，還是一個個靠開會、發消息連起來的人腦。人一多，信息一爆炸，這套系統就扛不住了。
我們一直在用 人的尺度 ，去解決 工業級別 的難題——這就好比，想用木頭去蓋一棟摩天大樓。
這個局怎麼破？Ivan 講了兩個工業時代的故事——一個關於鋼鐵，一個關於蒸汽機。
▼鋼鐵創造的奇蹟：1913 年落成的伍爾沃斯大廈，曾是當時全世界最高的樓。
第一個故事，是鋼鐵。
鋼鐵出現以前，19 世紀的房子最多蓋到六七層就到頭了——因為生鐵又硬又脆還死沉，樓一高，自己就把自己壓垮了。鋼鐵一來，全變了：它既結實，又能彎能塑。於是樓越蓋越高，城市的天際線被徹底改寫。
Ivan 說， AI 之於今天的組織，就是當年的鋼鐵。
AI 能貫穿整條工作流，把上下文一直記着，該做決定時把決定遞到你面前，又順手幫你把噪音過濾掉。 這樣一來，人和人之間的溝通，就不必再是那面累死人的『承重牆』了。
這意味着什麼？
兩個小時的對齊週會，可能壓縮成五分鐘的異步覆盤；要走三層簽字的決策，可能幾分鐘就拍板。 公司終於可以真正地放開手腳長大，而不用再忍受那種我們早就習以為常的「越大越拖沓」。
▼一座靠水輪驅動的工廠。水力是強，但不穩定，把工廠死死拴在了少數幾個地點、還得看季節臉色。
第二個故事，是蒸汽機——這個故事，才是真正的當頭一棒。
工業革命剛開始時，紡織廠都建在河邊，靠水輪轉起來。後來蒸汽機發明瞭，廠主們第一反應是什麼？只是把水輪拆了、換上蒸汽機， 別的什麼都沒動。 結果呢？效率只提升了一點點。
真正的飛躍，是後來有人想明白了一件事： 既然有了蒸汽機，我幹嘛還守着河邊？
於是他們把廠子搬到離工人、港口、原材料更近的地方，整個車間都圍着蒸汽機重新設計——這一下，生產力才真正炸開了。
▼托馬斯·阿洛姆 1835 年的版畫，畫的是英國蘭開夏一家靠蒸汽機驅動的紡織廠。
講到這兒，Ivan 把話鋒一轉，說了一句我覺得最該記住的話：
今天的我們，其實還停在『換水輪』那一步。 我們只是把 AI 聊天機器人，掛在了那些為人設計的舊工具旁邊。我們還根本沒敢去想象：當那些老規矩統統消失、公司可以靠着一羣『不睡覺的心智』在你睡覺時照樣運轉——那時候的組織，會長成什麼樣子。
而 Notion 自己，已經在動手試了：1000 個員工的旁邊， 700 多個 AI 智能體 正在幫着記會議紀要、答知識問題、處理 IT 工單、收集客戶反饋、帶新人入職、寫週報……Ivan 還補了一句——別急着驚訝， 這才只是蹣跚學步而已。
05｜經濟：從佛羅倫薩，到一座座超級都市
▼鋼鐵和蒸汽，改變的遠不止是樓和廠——它們徹底改變了城市。
這是文章裏我最喜歡的一段。
Ivan 說，幾百年前的城市，都是「人的尺度」的——你花四十分鐘，就能走遍整個佛羅倫薩。那時生活的節奏，是由「一個人能走多遠、一句話能喊多響」來決定的。
後來呢？鋼鐵撐起了摩天大樓，蒸汽機拉動的鐵路把市中心和遠郊連了起來，電梯、地鐵、高速公路接踵而至。於是有了東京、有了倫敦、有了紐約。 而這些超級都市，並不是『放大版的佛羅倫薩』，它們是一種全新的活法。
超級都市當然讓人暈頭轉向、誰也不認識誰、想找條路都難。 但這種『看不太懂』，恰恰就是規模要付的代價。 作為回報，它給了你多得多的機會，和多得多的自由。
Ivan 說，知識經濟，眼看也要經歷這同一場蜕變。
今天它撐起了美國近一半的 GDP，可它的運轉方式，還停在「人的尺度」上：幾十人的團隊，靠開會和郵件來回定節奏。
我們用石頭和木頭，蓋出了一座座佛羅倫薩。而當 AI 智能體大規模上場，我們將要蓋起的，是一個個東京。
那會是什麼光景？
是幾千個智能體和人混在一起的組織，是跨着時區、晝夜不停連軸轉的工作流。到那時，什麼週會、什麼季度規劃、什麼年度考核，這些老節奏可能統統失靈，新的節奏會自己長出來。 我們會失去一點點『看得懂』的踏實感，但換來的，是過去想都不敢想的規模和速度。
06｜走出水輪的時代
文章結尾，Ivan 回到了那個貫穿全文的主題。
他說，每一種奇蹟材料降臨的時候，都需要有人 先把後視鏡放下，抬起頭去想象一個全新的世界： 卡內基盯着鋼鐵，看到的是一整片城市天際線；蘭開夏郡的廠主盯着蒸汽機，看到的是一座座再也不用守着河邊的工廠。
而我們呢？還停在 AI 的「水輪階段」，忙着把聊天機器人往舊流程上拼。
他最後說：別再滿足於讓 AI 當個「副駕駛」了，我們該去想象——當人類的組織被這種新鋼鐵重新撐起來，知識工作究竟能變成什麼樣。
鋼鐵。蒸汽。無限心智。 下一片天際線，已經在那兒了，就等着我們去把它建起來。
一張表，帶走全文
● ● ●
寫在最後：我為什麼選擇 All in AI
讀完這篇，我腦子裏揮之不去的，是 Ivan 那個最樸素、也最鋒利的判斷——
AI 不是一個功能，而是一種材料。
這二者的差別，很大。功能，是加在舊東西上的；材料，是用來重新造一個世界的。鋼鐵從沒讓馬車跑得更快，它直接造出了鐵路和摩天大樓；AI 也不會只是讓我們的週報寫得更順手——它要重鑄的，是我們每個人、我們的組織，乃至整個經濟的形狀。
想透了這一層，我對 AI 的態度，就只剩兩個字—— All in。
而所謂 All in，於我而言，是朝兩個相反的方向同時下注：一注向外，押公司；一注向內，押自己。
先說向外的那一注——公司。
講句老實話，絕大多數企業眼下都還杵在 Ivan 說的那個「換水輪」的階段：把 AI 當成一個更聰明的搜索框，恭恭敬敬地掛在那些為「人」設計的舊流程旁邊。水輪是換上了，可河邊，我們還沒捨得離開。
但換個角度看，幾乎每個行業都有一塊格外肥沃的土壤。還記得那兩道坎嗎——信息要夠集中、結果要可驗證？凡是「重複度高、規則清晰、對錯可判斷」的環節，往往就是 AI 最先能啃下、也最該「圍着它重新設計」的地方：客服應答、報表與數據彙總、合同與文檔審閲、工單與流程審批、報銷與對賬……與其讓人繼續做那個來回粘信息的「膠水」，不如把整條流程拆開，重新圍着 AI 搭一遍。
再說向內的那一注——自己。
天際線註定要被 AI 重新撐起。
而我，不想只做個仰着頭看的人。
落到自己身上，All in AI 就兩件事。
一、把 AI 當成心智的鋼鐵。
重複的、瑣碎的、能交出去的，統統丟給 agent。
我只留兩件事： 判斷 ，和 拍板 。
別再低頭踩自行車了。
去做那個同時指揮三四個 agent、把自己撐到「30 倍」的指揮官。
二、做這場變革的股東。
下一個時代屬於 AI——這點我們都認了。
那剩下的，就只有兩條路：
要麼參與建造，要麼被遠遠甩在身後。
英偉達、谷歌、亞馬遜、微軟……
這些澆築新天際線的公司，離我們很遠，遠到這輩子大概都不會去上班。
但別忘了——
進不去當員工，不代表當不成股東。
鋼鐵的時代，有人在焊鋼樑，也有人握着鋼廠的股票。AI 的時代也一樣—— 我既想做這座新城裏最會用工具的人，也想做蓋樓那張名冊上，小小的一個名字。
💰 換個角度看你那筆「貴得肉疼」的 AI 訂閲費 很多人都在抱怨，AI 訂閲費一個月一個月地交，真貴。但你換個思路想想：你付出去的這筆錢，最後流到哪兒去了？流進了英偉達、谷歌、亞馬遜、微軟這些 AI 產業鏈公司的口袋裏。 那麼問題來了—— 如果你同時也是這些公司的股東，是不是就相當於，它們反過來替你把訂閲費給付了？ 一手用 AI 把自己變強，一手讓 AI 的增長反過來餵養你的資產——這，才是完整的 All in AI。
● ● ●