夜雨聆风一、AGI 是个现实问题
最近我反复听了 Demis Hassabis 在 Y Combinator 的访谈，对 AGI 的理解更清晰了一些。
Hassabis 可能是今天最懂 AGI 的人之一。2010 年，他创办 DeepMind 时，就把公司的使命定义为：Solve intelligence, then use it to solve everything else。先解决智能本身，再用智能去解决其他所有重要问题。
在 Hassabis 看来，AGI 不是一个“知道所有知识”的机器。恰恰相反，如果一个系统只是囊括了所有知识，却没有真正的认知能力，那并不是 AGI。AGI 要具备的是人类层面的通用认知能力：理解、推理、规划、学习、迁移，并能在新问题上形成自己的判断。
更重要的是，AGI 不应该只是被动响应请求的聊天窗口，而应该是主动智能体。它要能理解目标、拆解任务、调用工具、持续行动，并根据反馈调整自己。它还要具备一致性，不能在某些问题上像超级智能，在另一些问题上又像超级傻瓜。真正的 AGI 需要在广泛问题空间里保持稳定、可靠、可泛化的能力。
Hassabis 对 AGI 还有一个很高的标准：它要具备人类级别的发明能力，能够提出自己的科学假设。他举过两个例子。一个系统不能只是像 AlphaGo 那样下出超越人类专家的第 37 手，它还应该有能力发明围棋这样精妙的游戏。另一个更苛刻的测试，是所谓 Einstein Test：如果一个 AI 只拥有1901 年之前的人类知识，它能否独立发现 1905 年的狭义相对论，或者类似级别的科学突破。
关于这一点，不同专家可能会有不同看法。有人会认为，具备原创科学发明能力的 AI 已经不只是AGI，而是 ASI。但 Hassabis 的标准更高：如果一个系统不能达到人类最高水平的创造性智能，那它还不能真正算达到人类级通用智能。
他预计 AGI 可能在 2030 年前后到来。当然，中间还有一些关键突破需要完成，比如持续学习、长程任务推理、记忆机制等。但无论具体时间点如何，我认为今天已经必须开始认真准备 AGI 的到来。
二、红杉的“This is AGI”：从商业功能上看，AGI 已经开始进入工作
如果说 Hassabis 代表了 AGI 的认知科学标准，那么红杉最近的“This is AGI”则给出了一种更商业化、更功能性的判断。红杉在 2026 年的文章中提出：AGI 的定义也许仍然难以统一，但从现实影响看，功能性 AGI 已经开始出现。
红杉把 AGI 简化为一句话：the ability to figure things out。也就是能把事情琢磨出来、做出来。
这个判断的关键，不在于模型是否已经达到哲学意义上的通用智能，而在于 long-horizon agents 正在跨过一个重要门槛：它们不只是回答问题，而是能够围绕目标持续行动、犯错、修正、继续推进任务。
这和 Hassabis 的高标准定义并不矛盾。Hassabis 讨论的是 AGI 的认知和科学标准，红杉讨论的是 AGI 的商业功能标准。前者提醒我们真正的通用智能可能在未来几年到来，后者提醒我们：从企业工作角度看，AI 已经开始从 talkers 变成 doers。
这个变化对软件公司非常关键。过去的 AI 应用更多是会聊天、会生成、会回答问题；接下来的 AI应用会越来越像同事，能够被委派任务，持续工作，遇到问题后修正路径。用户的角色也会变化：不再只是亲自完成所有工作，而是管理一组 agents。
这意味着，软件公司的问题也随之改变：不是“我能提供什么功能”，而是“我能帮助客户完成什么工作，能不能稳定完成，能不能根据反馈持续变好，能不能按价值和结果定价”。
因此，本文讨论的不是 AGI 的哲学定义之争，而是一个更现实的商业问题：如果 AI 已经开始能完成越来越长程、越来越复杂的工作，软件公司还需要存在吗？
三、关键误区：通用 AGI 不是企业 AGI
很多人讨论 AGI 时，会默认一个假设：一旦通用 AGI 出现，企业只要接入它，很多软件、系统、服务就会被替代。这个判断只对了一半。
通用 AGI 的确会极大提升智能生产力。它可以理解复杂问题，生成内容，编写代码，调用工具，规划任务，甚至在未来做出科学发现。但企业真正需要的，并不是一个孤立的“超级大脑”。企业需要的是一个能在组织内部稳定工作的智能系统。
通用 AGI 解决的是智能能力问题。企业 AGI 解决的是组织工作问题。
通用 AGI 关心的是：能不能理解，能不能推理，能不能规划，能不能学习，能不能发明。企业 AGI关心的是：是否理解这家企业的战略，是否理解这家企业的客户，是否知道哪些数据可信，是否知道哪些动作可以执行，是否知道谁有权限批准，是否能遵守流程、合规和风险边界，是否能对业务结果形成持续反馈。
换句话说，通用 AGI 是智能引擎。企业 AGI 是把智能引擎装进企业这台复杂机器之后，形成的可运转系统。
四、企业 AGI 不是模型，而是组织智能系统
企业不会因为接入 AGI，就自动变成智能组织。就像过去企业买了 BI，不会自动变成数据驱动组织；买了 CRM，不会自动变成客户经营型组织；买了 CDP，不会自动拥有增长能力。工具和组织能力之间，永远隔着一整套工作系统。AGI 也是一样。
企业 AGI 至少需要几个基础条件。第一，企业上下文。AI 要理解企业的战略、产品、客户、行业、组织结构、历史决策和当前目标。第二，业务对象模型。AI 不能只理解自然语言，还要理解客户、订单、线索、活动、触点、旅程、指标、预算、权益、任务这些业务对象。
第三，数据与反馈闭环。AI 的判断不能只靠语言推理，还要接入真实业务数据，并能根据执行结果持续迭代。第四，工具与执行系统。AI 不能停留在建议层，而要能调用系统、配置任务、创建活动、触达客户、跟踪结果。第五，权限与治理。AI 不能想做什么就做什么，企业需要审批、审计、合规、风控和责任边界。
第六，人机协同机制。企业 AGI 不是无人驾驶组织，而是人类 manager 管理一组 AI workers。人设定目标、定义边界、审批关键动作，AI 承担大量分析、生成、执行和反馈工作。
这些东西，通用 AGI本身不会自动提供。它们需要被设计、被集成、被产品化、被行业化、被运营化。这正是软件公司的新价值。
五、Mini AGI：AI 时代的新组织形态
如果通用 AGI 不是企业 AGI，那么企业 AGI 到底应该长什么样？Jack Dorsey 提出的 Mini AGI 组织给了我很大启发。这个判断不是简单地说企业要多用 AI，也不是说企业要把几个流程自动化，而是把企业本身重新理解为一个智能系统。
在这个系统里，企业的核心不再只是组织架构、流程制度和软件系统，而是两个世界模型。一个是 Company World Model，也就是企业世界模型。它包括企业运作所需要的一切关键知识：战略、产品、组织、流程、客户案例、服务方法、业务规则、历史决策、资源约束和经营目标。
另一个是 Customer World Model，也就是客户世界模型。它包括关于客户的一切：客户是谁、需求是什么、行为如何变化、处于什么生命周期阶段、有哪些增长机会、过去发生过什么互动、什么动作有效、什么反馈值得沉淀。
这两个世界模型共同成为企业运作的中心。过去，企业的信息分散在无数系统、文档、会议、邮件、IM 和人的脑子里。组织越大，信息越容易碎片化；层级越多，信息越容易失真；部门越复杂，对齐成本越高。
在 Mini AGI 组织里，世界模型承担了新的角色：它成为组织的信息中心、认知中心和协同中心。
所有角色都围绕世界模型互动，由世界模型帮助组织完成信息对齐、知识沉淀、任务支持和决策辅助。
Dorsey 对这种新组织里的角色也有一个很有意思的划分：独立贡献者（IC）、责任人（DRI）和教练（Player-Coach）。独立贡献者通过和世界模型互动，获取上下文、理解目标、调用工具、完成任务。责任人负责更大的业务目标，管理目标、资源、边界和结果。教练则既要有能力独立完成任务，又要能训练独立贡献者，帮助他们更好地使用世界模型和 AI 工具完成工作。
在这样的组织里，CEO 的角色也会发生变化。过去，CEO 需要通过层层汇报、会议、报表和沟通来理解公司状态。未来，世界模型会向 CEO 提供更完整、更实时、更结构化的信息。CEO 基于这些信息，再结合自己的判断、品味和责任感，做出关键决策。
如果这一步能够真正实现，那么过去十几年讲的信息化、数字化、数据驱动，本质上都是在为它打地基。信息化让业务在线，数字化让过程可记录，数据驱动让决策可分析，而 Mini AGI 要让组织本身可智能化。这才是 AI 时代真正的新组织。
六、为什么绝大多数企业不能只靠自身完成 Mini AGI 升级
当然，企业会越来越像 Mini AGI 组织，但这不意味着绝大多数企业都能、也都应该只靠自己完成这次升级。Mini AGI 不是接入一个大模型，也不是内部做几个 AI 应用，而是要把企业的战略、客户、数据、流程、权限、知识和反馈闭环，重构成一个 AI 可以理解、可以行动、可以持续学习的组织工作系统。
企业最懂自己的业务，但“懂业务”不等于“能把业务 AI 化”。Mini AGI 需要把企业里的大量隐性知识结构化：什么是客户，什么是机会，什么是风险，什么是动作，什么是结果，什么是好的决策，什么动作需要审批，什么反馈应该进入下一轮迭代。这些过去分散在人的经验、会议、文档、系统和流程里。要把它们变成 AI 能使用的世界模型，需要一套方法论和工程能力。
Mini AGI 也不是工具部署，而是工作重构。很多企业会把 AI 转型理解成给员工配 Copilot、接入大模型 API、做知识库问答、做几个 Agent Demo。这些当然有价值，但还不是 Mini AGI。Mini AGI 要解决的是：目标怎么被定义，任务怎么被拆解，AI 怎么调用工具，人怎么审批关键动作，执行结果怎么回流，经验怎么沉淀到世界模型，下次怎么比这次做得更好。
绝大多数企业内部很难同时具备四种能力：AI 工程能力、数据工程能力、业务方法论能力和组织变革能力。这些能力不是一次性建设完就结束，而是需要持续迭代。单个企业也往往只能看到自己的场景，容易陷入局部最优；专业软件公司服务过大量客户，更容易把跨企业、跨行业的共性抽象出来，形成可复用的业务对象、Agent 能力和工作流模板。
所以，企业必须拥有自己的 Mini AGI，但不必独自建造 Mini AGI。Mini AGI 是企业自己的组织能力，但建设 Mini AGI 不会是一场孤立的内部工程，而会是一场新的产业分工。
七、所以，软件公司不会消失，但会被重新定义
如果我们承认“通用 AGI 不是企业 AGI”，那么结论就变了。AGI 不是简单消灭软件公司。AGI 消灭的是那些只提供孤立工具、孤立界面、孤立功能，却无法进入客户工作闭环的软件公司。
未来的软件会从“人使用的前台界面”，逐渐变成“AI 调用的底层能力”。用户不一定还会频繁打开软件界面，但 AI 要真正完成企业级任务，仍然需要背后的数据、权限、业务对象、流程编排、审计机制、反馈闭环和组织协同。
这意味着，软件不会消失，但软件的形态会发生变化。软件会逐渐隐藏在 AI worker、workflow、数据闭环和执行系统背后。真正交付给客户的，不再只是界面和功能，而是一种能够持续工作的能力。
所以，未来软件公司会分化成三类。第一类，是被 AGI 吃掉的软件公司：它们只提供界面、工具、报表、轻量功能，没有领域深度，也没有进入客户工作闭环。第二类，是被 AGI 调用的软件公司：它们拥有稳定的数据、API、权限、流程和基础设施，成为 Agent 的工具层和执行层。第三类，是驾驭 AGI 的软件公司：它们把模型能力、领域知识、业务对象、工作流程、数据反馈和组织治理结合起来，直接帮助客户交付工作和结果。
真正有前途的是第三类。它们不再只是 SaaS 公司，而更像 AI-native work company。它们卖的不只是 software，而是 software-powered work。
八、从卖工具，到卖工作量，再到卖结果
过去软件公司卖的是 license、subscription、seat、module。但企业真正买的从来不是软件本身。企业真正买的是增长、降本、效率、合规、客户体验、收入提升、风险降低。软件只是实现这些结果的中间形态。
红杉此前提出过“Services are the new software”的判断。到了 long-horizon agents 逐渐成熟的时候，这句话变得更具体：software 不是简单替代 service，而是开始把 work 本身产品化。过去服务公司交付工作，软件公司交付工具；未来，软件公司有机会交付由 AI workers 承担的工作。
这就是商业模式的变化。过去客户购买软件，然后组织自己的人去使用软件、分析数据、制定策略、执行动作、追踪结果。未来，客户可能会越来越希望直接“雇佣”一组 AI workers，让它们围绕某个业务目标持续工作。
这种变化不会一夜之间完成，也不会在所有场景同时发生。但方向已经清楚：软件公司的价值会从“提供工具”走向“交付工作”，再进一步走向“参与结果”。
九、神策的新产品战略：打造 AI Growth Team
在这个大趋势下，企业 AGI 会在不同场景中出现不同形态。工程、客服、销售、财务、运营、增长都有机会形成自己的 AI Team。AI Growth Team 只是其中一个例子。
对神策来说，客户增长是我们最熟悉、也最有积累的场景。过去 11 年，我们帮助企业建设用户行为分析、客户数据平台和用户运营系统。在 AGI 时代，我们正在探索如何把这些能力升级为 Customer World Model 和 AI Growth Team。
AI Growth Team 不是一个聊天机器人，也不是在 BI 里加一个问答框。它是一组围绕增长目标工作的 AI workers。它们可以持续完成客户洞察、增长诊断、策略生成、动作配置、运营执行和反馈优化。人类增长负责人不再只是使用软件，而是管理一支 AI Team：设定目标、定义边界、审批关键动作、评估业务结果。
但更重要的不是某一个产品形态，而是背后的趋势：软件公司需要从提供工具，走向交付一组可被企业管理、可嵌入业务流程、可持续反馈优化的 AI work。
AI Growth Team 要想有效运作，依赖于 Customer World Model，以及部分 Company World Model。神策帮客户打造的 Customer Data Platform，也需要升级为 Customer World Model。
十、结语：AGI 越强，越需要懂组织工作的人
所以，AGI is coming，还需要软件公司吗？我的答案是：需要，但不是过去那种软件公司。
工具型软件会越来越危险。只提供界面、报表、流程配置的软件，会被通用 AGI 和 Agent 平台不断压缩。但真正理解业务、客户、数据、流程和结果的软件公司，会迎来一次新的机会。
通用 AGI 属于基础模型公司。企业 AGI 属于那些真正理解行业场景、数据闭环和组织工作的人。
未来最有价值的软件公司，不一定是自己训练一个通用 AGI，而是把通用 AGI 转化为企业里的Mini AGI；不是只让客户使用工具，而是帮助客户完成工作；不是只交付系统，而是帮助企业形成可用、可控、可管理、可交付、可持续进化的组织智能。
如果你也在思考企业如何从“使用 AI 工具”走向“建设 AI 组织”，如何把通用 AGI 转化为企业可落地的 AI Team，欢迎一起交流。
通用 AGI 不是企业 AGI。把通用 AGI 转化为企业可用、可控、可管理、可交付的组织智能，正是下一代软件公司的机会。
参考资料
1. Demis Hassabis, Y Combinator interview, video link provided by the author: https://youtu.be/JNyuX1zoOgU
2. Pat Grady and Sonya Huang, “2026: This is AGI”, Sequoia Capital, January 14, 2026.
3. Julien Bek, “Services: The New Software”, Sequoia Capital, March 5, 2026.
4. Jack Dorsey and Roelof Botha, “From Hierarchy to Intelligence”, Sequoia Capital, 2026.
