劳动节特辑——如果AI如此全能,企业和工作的价值还在哪里?

劳动节期间，身边的劳模朋友们也没有休息，趁着假期向AI请教各种各样的问题——统一放假给全新的学习和思考留下了空间。朋友圈里越来越多的人已经可以用常见的平台零成本地搭建一套美观的读书笔记或者投资数据看板，本篇特辑的解释就基于这样的背景：

如果AI已经可以代替众多公开且常见的任务，那么，为人在市场中赢得价值的“工作”，其重点会需要怎样重新的定位？

特别地，笔者以目前最为熟悉的工作，也就是搭建一个不断扩大的盈利性实体为案例，同时回答一个更加特殊的问题：若产品与服务供给一定会因为AI的普及而爆炸，留给企业的机会还在哪里？

一、一切全自动化，还会有企业和工作吗？

既然我们要讨论的是，在全自动化下工作与企业的机会，那我们不妨将自动化推到极致，来看这么一个实验。

某天，AI已经发展到，只要给出指令，就可以完成一切脑力劳动，包括从设计芯片到设计敬酒词的所有任务；有知识局限的反而是人：小张是一名电气工程师，在一家实验室被训练为了一个逆变器测试员，并不理解除了欧洲标准和逆变器实验的一切，因为似乎其他一切都可以交给AI。

正如时下所流行的那样，他开始开发属于自己的AI助手。一切进行得都还算顺利，虽然客户的数据十分杂乱，Claude Code设计出的系统也并不完备，但是只要投喂足够多的材料，三五轮之后总能让AI改代码来拿到结果。

隔壁东南亚区的小李看到了，想要偷懒，把小张的工具拿过来直接用。

第一次肯定有问题，发现文件类型不兼容。第二次，发现东南亚客户的电网参数标注依据的是老版IEC，工具默认按欧洲新版解析，结果全错。小李把报错丢给AI，AI修。第三份报告又出问题——客户的设备型号是本地厂商的内部编码,工具识别不了。再让AI修。第四份是泰国客户,标准引用方式又不一样,再修一轮。

小李算了算账，AI做工具确实节省了时间，但每一次遇到新的坑，都要用新的样本去调整系统，效率远没有当初想象的那么高。

实验室主任叫老陈，做了二十多年贸易，什么国家的问题都遇到过。但老陈半退休了，还是领导，小李平时也没机会接触。老陈头脑里的东西，任何AI都学不会——因为它们从来没被写下来过，只在老陈的记忆里。

而隔壁工位的小赵，刚开始开发自己的工具，正在重复一遍小李两个月前踩过的同样的坑。三个人各自和AI对话，各自踩坑，各自摸索——其实他们大半工作都是在重复发明同一个轮子，也看不见更庞大的规则与设计。

工具的收益,在每个人独自和AI对话的模式下,很快就触到了天花板。

这时候，一个专业的开发团队，会由这些意识到问题的员工们自发形成，或者，他们会开始——重新回到商业中去，聘请一个又能理解系统的泛化性设计，又能找到老陈老王这些退休职工，沉淀他们踩过的坑的人——这些坑不仅仅被称作知识，而是被称作“专业经验”的一切。

这时候，全新的工作、全新的企业，和全新的产品，其价值是一致的——

连接分散的专业人士，收集、转化非正式的专业经验为正式的产品规则，解决全自动化依然存在的效率瓶颈。

经验与网络的力量，并没有被自动化削弱，反而成为了自动化应用过程中无法被绕开的唯二力量。

二、怎样的企业与工作能够适应供给爆炸后的要求

我们发现”企业”这个词，实际上至少指代三种类型的组织。他们用不同的资源、面对不同的客户、追求不同的奖励，自然也会在将来产生出不同的工作。

这三种企业的重心，可以被大致归类为：做产品、做生意、做金融。

做产品的企业，往往来自于一个有高超客户洞察或者设计品味的创始人，做出的产品能够让所有用户产生共识的畅快体验。对于痴迷其中的人，产品的优雅、完整、被使用的瞬间，就是他们工作的全部意义。

做生意的企业，来自于一个“占领阵地”的团队。他们的出发点往往是已经拿到了某些客户的意向，从他们的真实需求发展。 客户是付费客户，真实的激励是看到这个生意稳固运转、稳步扩张、深入到无法替代。

做金融的企业，需要一个对潮流有敏锐感知的老板，他们赖以生存的不是任何客户，而是投资人的情绪与信念。普遍由大量所谓的“连续创业者”组成——他们做过几个项目，每个项目本身都不算成功，但他们个人的公共形象持续维持良好、持续曝光、持续依靠与可信大人物的关系和背书扩张融资。

这三种创业者,在AI普及之前,各自有各自的生存空间。但当我们把供给暴涨的逻辑应用到他们身上时,会发现一个有趣的事情——他们面对AI浪潮的命运，将会完全不同。

对做产品的企业来说，供给爆炸下的关键不是“用上AI”，而是“让用户感觉不到AI”。

供给爆炸时，用户每天面对几十个声称“AI驱动”的产品，他们的耐心已经被消耗殆尽。一个产品如果让用户需要先理解“我现在在用AI”、“我应该怎么和AI对话”，那么AI就不是产品的助力，而是产品的认知障碍。

真正强大的AI产品,会把AI藏在用户已经熟悉的工作流里。用户打开它，只感觉到“这个工具比以前更聪明、更快、更对”，但说不出哪一步是AI做的。这种隐藏的功夫，正是所谓的产品品味——在功能层面克制、在体验层面极致，在AI层面隐形。

对做生意的企业来说，应当放大的不仅是产品本身，而是企业之间的相对认知差。

AI让通用知识变得免费，这意味着企业之间可以用同样的工具学到大部分公开知识。但对手永远学不到的，是行业内部那些没有被写下来、只在资深从业者头脑里流转的隐性经验——某个监管机构的偏好、某个标准之间的冲突、某种特殊客户的应对方式。这些经验，是AI时代生意人的真正护城河。

但仅仅守住这个差距还不够，必须建立足够强大的组织联系和内部学习机制，来维护同时也在不断进步的专业知识本身。最后，他们需要做的，不是被动地保持认知差，而是主动地在产业内部占据一个”认知传递的中心位置”——把上游设计、下游制造、监管要求、客户使用反馈，都汇聚到这里来，然后用加工过的形式分发出去形成全新的资产。

做金融的企业，在供给爆炸下面临的是最隐蔽、也最深的困境。

他们曾经的生存逻辑很简单:在某个市场情绪窗口期里融到一笔足够大的钱,用这笔钱制造一些growth signal,然后在18到24个月内融下一轮,如此循环。这个游戏的前提,是”有意思的项目”和”成长信号”是稀缺的。

但AI让这两样东西的供给同时爆炸。对于应用层而言，任何创业者都能在两周内做出一个看起来很诱人的AI产品，任何创始人都能批量生成叙事信号，这比拼的不是技术也不是品味，而是交往技巧，以及对大基金的进入能力（人脉、履历、形象，etc.）。

这就把做金融的人推进了一个真正的两难。他们手里那笔早期融到的”足够大的钱”,曾经是他们最大的优势——它让他们可以坚持方向更久、不被现金流压力强迫去进入市场，做商业模型的脏活累活。

但当市场叙事慢慢转向时,这笔钱反而成了枷锁:他们必须在这笔钱烧完之前做出能够支撑下一轮估值的成绩,否则只能转向PlanB或者干脆清盘（e.g. Manus或其他以出售为目的的公司，遇阻后是否还能在如今重新用通用agent的概念完成退出？）。而要在18个月内（也即大约A轮前）做出真正的成绩,需要的恰恰是做生意人的慢功夫——客户关系、行业知识、组织化的经验沉淀——这些东西不是资本能买来的。

如今的凌革科技，是一个做生意的公司。我们希望从生意上慢慢长出产品的人格。

所以，这个看起来令人焦虑的年代，或许隐藏着一个被低估的转折——AI把那些可被自动化的、可被替代的、可被批量生成的工作一一吞噬。留下的，恰恰是每一个行业里最不可见、最难言说、最依赖具体人在具体场景中积累出的那部分。专业经验与人际网络的价值,从未像今天这样无比凸显；每一个在自己领域里慢慢积累、慢慢沉淀的从业者,从未像今天这样被真正需要。

这恰恰是这个时代赋予各行各业的、新的尊严：那些被认为”不够先进”、”不够华丽”、”不够规模化”的工作,正在变成真正的稀缺资源。或许AI带给每一个劳动者最大的福利之一，就是让任何专业领域经验的积累可以不依赖于外界的允许，可以独立上路，开始得无比的早。