夜雨聆风
AI Native的办公室会长什么样? (反正想想也不要钱)
Agent in the loop, Human in the context
Anthropic 联合创始人 Jack Clark 花了几周翻遍上百个公开数据源，最近给出了一个判断：到 2028 年底，AI 实现端到端自动化研发的概率超过 60%。
黄仁勋说他散布恐慌。陶哲轩说是泡沫。
不管谁对。先看数据——
AI 独立工作时长：2022 年 GPT-3.5 能撑 30 秒，2025 年 GPT 5.2 能撑 6 小时，2026 年 Opus 4.6 能撑 12 小时，年底预计到 100 小时。从帮你查个单词，到替你扛一整个项目周期。
AI 复现论文：给一篇论文，完整复现出来。2024 年 GPT-4o 得分 21.5%，2025 年 Opus 4.5 拿了 95.5%。
AI 自我训练：Anthropic 用 AI 优化大模型训练过程，从 2.9 倍加速一路涨到 52 倍加速。人类工程师辛苦干 4 到 8 小时，大概做到 4 倍。AI 已经跑到 52 倍了。
AI 管理 AI：Claude Code 已经支持一个 Agent 带着多个子 Agent 分工协作。
Clark 的结论：AI 已经可以自动化 AI 工程的绝大部分苦力活——清洗数据、读论文、跑实验、调参数、写 kernel。这些占了研发工作量的 99%。
AI 时代正推动组织”远离”传统公司模式。未来组织效能 = 人类智慧 × AI 杠杆，少数人提供方向，AI 放大执行力。谁能率先建立 AI 原生组织，谁就掌握未来竞争力。
我们已经见过不以”通用电脑”为中心的时代
1981 年。
Michael Bloomberg 被 Salomon Brothers 收购，拿了 1000 万美元退出来，创立了 Innovative Market Solutions。
他看到了一个所有人都视而不见的问题。
华尔街的交易员每天要做几十个决策，但他们获取信息的路径是割裂的：行情纸带在墙角嗒嗒地吐数据，新闻在报纸上，分析靠电话。一个交易员要做决策，得先在脑子里把碎片拼起来。没有任何一个系统把这些信息整合到同一个界面。
于是他做了一台别人看不懂的东西——一台不以”操作电脑”为目的的专用工作站。
Bloomberg 终端不是一台装了几个金融软件的 PC。它是硬件加软件一体的决策系统。专用键盘有颜色编码的功能键——按红色是债券，按绿色是股票，按黄色是商品。多屏显示，实时数据流，所有信息在一个界面里自然流动。年费 $24,000。
三十多年过去了。全球 35.5 万金融从业者每天用它做决策。没人因为价格换掉它。它的逻辑不是让你”更好地用电脑”——是让你不用想电脑，直接进入判断。
Bloomberg 终端证明了一件事：当一个行业的决策复杂度突破某个阈值，”通用电脑桌”模型就会失效。 人们会抛弃那个模型，转而构建以信息流为中心的专用决策空间。
Bloomberg 终端以金融数据为中心，重新设计了交易员的工位。
AI Native 时代要做的，是以 AI 为中心，重新设计所有人的工位。
以 AI 为中心——不是”人加几个 AI 工具”
今天绝大多数公司理解的”AI 办公”是什么？
在电脑上装几个 AI 插件。用 ChatGPT 写邮件。用 Midjourney 做图。用 Copilot 写代码。
这是以人为中心，在外面挂一些 AI 工具。人的位置没变——还是坐在电脑前操作软件。AI 是配件，像螺丝刀和计算器一样。
这不是 AI Native。这是 AI Naked。你看起来在用 AI，但你的工作方式、信息结构、空间布局，没有一项是围绕 AI 重新设计的。
真正的 AI Native，是把 AI 当作整个系统的骨架和连接点。不是往人身上绑工具。
回到 Bloomberg 终端就能看出来：一个交易员不会在彭博终端上”先打开 Windows，再打开 Bloomberg 插件”。终端本身就是 Bloomberg。 数据流、分析工具、交易执行——这些东西不是十个不同的应用，是同一个系统在信息层面的不同切面。
AI Native 办公室的逻辑一模一样。
H-A-A-H（Human-Agent-Agent-Human）模式里，Agent 不是”帮你查东西的助手”。Agent 是连接点。
举一个跨部门的真实场景。
投放运营的同事发现某个渠道的 ROI 突然往下掉。她不需要打开飞书问产品经理”你们是不是改了什么”，不需要翻群聊记录找线索。
她的 Agent 和产品团队的 Agent 在后台已经自动关联——”投放数据异常”和”产品昨天改了注册页文案”这两条信息，在 Agent 层面就匹配完成、推送到她面前。她看到的不只是一个异常数字，而是一个带着上下文的判断依据。
Agent 在这里连接了两个工作背景完全不同、日常工作没有任何交集的人。
投放运营不懂产品的迭代节奏，产品经理不知道投放的实时数据波动。但这不重要。Agent 替他们消除了这个跨部门的上下文鸿沟。
这就是以 AI 为连接点的意思。不是给人发一把更快的瑞士军刀。是重构信息流动的方式，让人只需要做判断。
当 AI 成为骨架而不是配件，空间的逻辑就变了。
空间不再为”操作电脑”而生
工位：决策点，不是操作台
看一下这个工位。跟传统工位的区别不是”更大的显示器”或”更贵的椅子”。区别是设计逻辑。
三块屏幕不是屏保。 每一块有专属功能：左屏跑 Agent 的运行状态和对话流水——谁在干什么，一目了然。中屏是你正在决策的事项，数据和选项推到你面前。右屏是 Grafana 风格实时监控——业务指标在跳，不是静态报表。每块屏幕上的东西都是活的、在动的、有意义的。
弧形曲面屏是有意设计的。 三块屏幕围合出一个沉浸决策区，不用转头就能扫完所有信息。余光覆盖全部。
环境光就是信息界面。 天花板上的环形灯不是氛围灯。蓝光呼吸 = 一切正常，AI 在自动运行。暖橙闪烁 = 需要你决策。你不用看屏幕，抬头就够了。工位旁边的梯形玻璃隔断也不是墙——走近的时候它会亮：”早。3 件事需要你拍板。”
桌面上的物理交互。 语音是主力，但有些操作需要触觉。桌面边缘一个旋钮，转动就是调预算上限。一条触控条，划一下批准，划两下驳回。伸手一摸比找鼠标快。
你不需要一直坐着。 站起来，细圆柱电动升降跟着升。坐下，跟着降。因为在 H-A-A-H 模式下，很多决策你不需要坐下来慢慢操作。站着扫一眼，说一句话，走了。AI 在跑。
办公室：从”干活的地方”到”决策空间”
把 6 到 8 个这样的工位放进同一个空间，得到的完全不是”开放式办公室”。
开放式办公室的本质是”人挨着人坐，但信息还锁在各自的屏幕后面”。每个人戴着耳机假装不被干扰，想同步信息还得开 30 分钟的会。空间是开放的，信息是封闭的。
这里的逻辑倒过来：信息是开放的，空间是为你获取信息服务的。
有人站着操作。有人坐着。有一两个人走到沙发区聊方向。每个人都知道自己 Agent 的状态——因为玻璃隔断上是公开的 Agent 门牌：”Alpha · 投放中 · 正常””Beta · 时段优化 · 正常””Gamma · 探索新渠道 · 需要关注”。你路过就看见了。不需要问。
公共区有一面决策墙，多块竖屏拼接，实时显示各个 Agent 的运行推流、待审批事项。不是周一早上的周报——是活的。你站那两分钟就知道发生了什么。
深灰银白主色调，极简建筑感。冷蓝色的环境光环。暖橙色的决策提示。空间不说废话——它用光和颜色跟你对话。
为什么是熵——以及为什么回不去了
今天办公室最大的成本是什么？不是房租，不是电费。
是”不知道”。
你每天产生判断、数据、讨论。但这些信息散落在不同人的脑子里、群聊里、文档里、会议录音里。没人能看到全貌。你昨天做了一个判断，下周可能就不记得了。产品改了一个版本，运营不知道。设计师换了一组素材，投放没同步。
今天的解决方案是开会。 本质上会议是手动同步信息——所有人把自己脑子里的碎片拿出来拼。散会时每个人带走的还是不一样的碎片。
这间办公室在做的事情，就是让这个手动同步过程消失。
灯光颜色降的是”不知道系统状态”。决策墙降的是”不知道 Agent 在干什么”。玻璃门牌降的是”不知道同事在关注什么”。跨部门 Agent 的自动关联降的是”不知道改了什么会影响什么”。
办公室从”干活的地方”变成了**”知道的地方”**。
这不是一间更酷的办公室。信息熵降下去，就回不去了。 就像 Bloomberg 终端的用户回不去行情纸带加电话的时代一样，经历过 H-A-A-H 信息流的人，回不去坐在格子间里一个一个打开聊天窗口查消息的日子。
最后
Jack Clark 说 AI 自我构建可能是两年后的事。不用等到那天。趋势已经在发生。
AI 能独立工作的时间从 30 秒到 100 小时，只用了四年。它已经不是”帮忙做点事”的工具了。它开始进入组织的能力层——记忆、执行、跨部门关联、主动推送。
当空间不再以”人操作电脑”为中心，而以”人做判断”为中心重新设计——你的办公室会变成上面画出来的样子。
想想也不要钱。但这些图也是agent画出来的。
段若阳，2026 年 5 月