夜雨聆风
每个时代的材料
Ivan Zhao（Notion CEO）去年底写了一篇文章，叫「Steam, Steel, and Infinite Minds」。他的核心类比是：每个时代都有一种定义性的材料——镀金时代是钢铁，数字时代是半导体，而 AI 时代的材料是「无限的心智」。谁掌握了那个时代的材料，谁就塑造了那个时代。
文章从 卡内基 Carnegie 讲起。1850 年代的匹兹堡，大部分美国人还在种地。两代人之内，Carnegie 和同时代的人改变了文明的面貌——铁路取代马匹，电灯取代蜡烛，钢铁取代生铁。Ivan 说自己现在的处境跟 Carnegie 当年类似：在旧金山做软件公司，硅谷每天谈 AGI，但全世界二十亿坐办公桌的人还没真正感受到 AI 的冲击。
然后他引了 McLuhan 的观点：新技术刚出现的时候，人们总是用老东西的逻辑来使用它。早期的电话像电报，早期的电影像「录下来的舞台剧」。今天的 AI 聊天框长得像搜索引擎——这说明我们还在用旧思维看新东西。
他的框架分三个层面：个人、组织、经济。
个人层面：从自行车到汽车
Ivan 的联合创始人 Simon，以前是所谓的「10x 工程师」，现在同时指挥多个 AI 编程 agent 工作，产出变成了 30-40 倍。Simon 的工作方式是：午饭前或睡前把任务排好队，让 agent 在他不在的时候干活。他变成了「无限心智的管理者」。Ivan 引用 Jobs 1980 年代的比喻——电脑是「心智的自行车」——然后说，尽管有了信息高速公路，大部分知识工作者其实一直在高速公路上骑自行车。AI agent 让人从自行车升级到了汽车。
但要让更多人享受到这种升级，有两个问题要解决。一是上下文碎片化（context fragmentation）：写代码的工具集中在一个地方（IDE、代码仓库、终端），但一般的知识工作散落在各种工具里——Slack、文档、数据看板、公司的历史决策。人类目前充当着「粘合剂」，靠复制粘贴和切换标签页活着。二是可验证性（verifiability）：代码可以通过测试和报错来验证对不对，但怎么验证一个项目管理得好不好、一份战略备忘录写得对不对？这个问题还没解决，所以人必须待在循环里监督。
不过 Ivan 也提醒说，「人在循环里」不一定是好事。他引了 1865 年的「红旗法案」——英国法律要求汽车前面必须有人举着红旗走路。目标应该是人在一个有杠杆的位置上监督循环，而不是人卡在循环里面。
组织层面：钢梁和蒸汽
公司是一个比较晚近的发明，而且越大越难运转。几百年前大多数是小作坊，现在跨国公司雇几十万人。「人脑加会议加消息」这套通讯基础设施，在工业规模面前早就不堪重负了。层级、流程、文档——这些都是用人的尺度来解决工业规模问题的妥协方案。
钢梁的类比：钢铁出现之前，建筑靠承重墙支撑，最多六七层。钢梁让建筑有了框架结构，墙可以更薄，楼可以更高。AI 的角色类似——当 AI 能跨工作流维护上下文、减少噪音地呈现决策，人与人之间的沟通就不再需要当「承重墙」了。两小时的对齐会可以变成五分钟的异步审阅，多级审批可以在几分钟内完成。
蒸汽的类比：早期的工厂主拿到蒸汽机，只是把它塞进原来水车的位置，其他一切照旧——效率有一点提升，但不多。真正的突破发生在他们意识到可以完全不依赖河流、把工厂搬到任何地方、围绕新动力源重新设计的时候。生产力才真正爆发。Ivan 说我们现在还处于「水车阶段」——把 AI 聊天框嵌在现有工具上，没有重新想象组织该长什么样。他举了 Notion 自己的例子：公司有 1000 名员工，同时有超过 700 个 agent 在处理重复性工作——会议纪要、IT 请求、客户反馈整理、入职帮助、周报汇总。
经济层面：从佛罗伦萨到超级城市
钢铁和蒸汽也改变了城市。工业革命前的城市像佛罗伦萨——人的尺度，四十分钟走完。钢铁框架造出了摩天楼，蒸汽驱动铁路连接了城市和腹地。电梯、地铁、高速公路接踵而至，超级城市——东京、重庆、达拉斯——不只是放大版的佛罗伦萨，而是全新的生活方式。知识经济面临同样的转型：知识工作占了美国 GDP 的近一半，但还在以人的尺度运转。当 AI agent 大规模到来，组织会跨越时区连续运行，周会、季度规划、年度回顾这些节奏可能会变得不再相关。
Ivan 的结论是：每一种新材料都需要人们停止「看后视镜」，开始重新想象。Carnegie 看着钢铁，看到了城市天际线；兰开夏的工厂主看着蒸汽，看到了不再依赖河流的工厂。我们也得停止把 AI 当成「副驾驶」，开始想象用钢梁加固过的知识工作、把苦活交给「永不休眠的心智」之后的世界。
我的看法
心智负担的解放
现代生产，尤其是非体力劳动为主的生产，效率瓶颈不在手速，而在人的心智负担。一个人能同时并行的任务是有限的，能装进脑子里的上下文也是有限的。你写着代码，脑子里还挂着刚才那个没回的消息；你在做方案，但依赖的数据要找三个人才能凑齐。尤其在大的组织里，大量时间消耗在信息沟通、目标对齐、试错、扯皮上——这些都不是「干活」，而是「为了干活所做的准备工作」。真正产出价值的时间可能只占一天的两三成。
AI 能带来的，就是这种心智负担的解放。不是说它替你做了所有事，而是它能帮你扛掉一部分上下文的重量。以前你得自己记住项目的来龙去脉、对齐五个人的理解、在三个工具之间来回切换，现在这些可以卸载给 AI。你的脑子空出来了，可以专注在真正需要判断力的事情上。Ivan 说 Simon 变成了「无限心智的管理者」，我觉得更准确的说法是，Simon 把自己有限的心智从杂务里解放出来了。
蒸汽机最终带来了需求的扩大
AI 是不是蒸汽机呢？
蒸汽机最了不起的地方不是「生产效率提高了」，而是效率提高之后发生的事：工业品变便宜了，买得起的人多了，需求跟着扩大了。新的市场出现，新的行业被催生出来，整个经济的盘子变大了。便宜的布料让更多人穿上了好衣服，便宜的钢铁让铁路铺满了大陆，每一个环节的降本都在下游催生新的消费。这才是工业革命真正的故事——不是效率的故事，是需求扩大的故事。
一项新技术到底能不能带来普惠，关键不在于它能把生产力提多高，而在于它能不能创造新的需求。如果只是把原来十个人干的活变成一个人干了，其他九个人没有新的去处，那就是内卷。蒸汽机之于人类文明之所以伟大，是因为它撑开了一个比原来大得多的市场。
AI 是不是这样的蒸汽机？说实话我也不知道。它确实在提升效率，但效率提升之后，有没有对应的需求扩大，现在还看不清楚。我希望它是，但希望归希望，得走着看。
AI 不是平等的放大器
AI 对所有人都是挑战，每个人都得转身。软件工程师尤其是——现在很多公司都在打破过去的开发范式，试各种 AI 编程的工作流。但我觉得转身之后，真正拉开差距的地方不在技术上。
Ivan 举的 Simon 的例子，从 10x 变成 30-40x，前提是 Simon 本身就是顶尖工程师。但 Simon 厉害不只是因为他代码写得好，而是他知道该让 AI 做什么。经验越深的人，越清楚哪些环节可以交给 AI、怎么验证结果、边界在哪，AI 对他的放大倍数就越高。反过来，如果一个人对自己的业务理解很浅，AI 再强也不知道该往哪使劲。
AI 是锤子，而且是功能非常强大的锤子。但核心问题从来不是锤子好不好使，而是你能不能找到对应的钉子。你对自己的工作流理解有多深，知不知道哪个环节是瓶颈、哪个步骤是重复劳动、哪些决策其实可以自动化——这些才决定了 AI 在你手里能发挥多大的价值。
我觉得这反而会成为之后软件工程师的核心竞争力。不是谁 prompt 写得好，不是谁用的工具多，而是谁对自己的业务场景理解得足够深，能把 AI 精准地放到该放的位置上。「无限心智」不是均匀分配的，更像是「经验乘以 AI」——你原来的底子越厚，杠杆越大。
