公司的进化

一家拥有300名员工的传统软件公司可能需要3000平方米的办公空间，而同等规模的无人软件公司仅需1～2台体积不超过1立方米的服务器。所有由AI驱动的程序员都“居住”在这个形似黑盒子的服务器内。传统软件公司必须设置流程、确定里程碑、举行评审会议等，以确保在项目周期内持续进行PDCA（Plan-Do-Check-Act，计划—实施—检查—改进）的管理循环。无人软件公司仅需设定目标，随后由AI驱动的虚拟角色便会在服务器内完成所有软件开发工作。当然，这种与传统软件公司截然不同的运作模式也带来了诸多新的挑战。

高铁、汽车都比马车速度快，但如果没有铁路、公路，它们适应复杂地形的能力其实是不如马车的。无人公司也类似，越是深度运营，你就会发现，为了发挥它的威力，它也需要搭配自己的“铁路”和“公路”。

无人公司像人一样决策，也像人一样犯错。这会引发权责问题，它决策失误赔了500万元，谁对决策的失误负责呢？

它的大脑核心依赖AI大模型的智能水平，以及别人向它提供了什么样的信息。数据越完整、准确且及时，AI大模型越有进展，它的能力也就越强。这会引发数据质量与数据成本相关的问题。怎么才能在合适的成本下保证数据的可靠性呢？

在彻底无人化之前，人和AI智能体是需要分工协作的。这会引发人和AI智能体的边界设在哪里更合适的问题。哪些部分的工作由人来做，哪些部分的工作由AI来做呢？

它知道人类的所有事，从工作方法到工作成果，从沟通细节到复杂决策，并且绝不健忘，让每个人时时刻刻生活在一种真正的事事可溯源和可跟进的状态下。这会引发深刻的文化问题。现实中的企业里可以没有灰度吗？

当我们和无人公司协同合作时，上面这些问题层出不穷，比给高铁或汽车配上铁路、公路麻烦多了，必须每个问题都解决，无人公司才能真正发挥作用。

为什么会这样呢？

因为除了人类，我们从来没有和其他高智能生命体打交道的经验。无人公司的出现很像你突然有一天回家后，你家的猫不是围着你喵喵叫、要吃要喝，而是突然站起来说：“老李，你回来了，今天辛苦了啊！”然后你再养它的时候，肯定和之前都不一样了。

我们不是创建了一个传统意义的公司，而是创造了一个有智能的类生命体，所以它相当复杂。

它能自我感知世界、做价值判断、采取行动。传统公司是静态的，现在的无人公司则是动态的，并且很多方面“智商”比你高。它全心全意为你服务，但你得维持它的运行，否则它可能就像你那生重病却得不到救治的宠物猫，没几天就死了。

有了这个视角后，我们再去审视周边的传统公司就会发现，这根本不是什么科幻。垂直领域很早就有了一些成功的应用案例，如网约车司机、外卖小哥，他们早就活在了类似无人公司大脑的算法里。有些老旧的系统（如沃尔玛的配送系统），甚至可以追溯到近50年前互联网还没有大流行的时候。

只不过，过去充当大脑的那部分算法智能不够。这种约束让无人公司的实现程度在漫长的时间里一直远低于预期。如果说我们描述的无人公司是动画片里的哆啦A梦，那么在过去，无人公司的技术更多体现在智能音箱领域，二者的能力天差地远。

从传统公司到无人公司的这条进化道路，实际上和生物进化过程很类似。我们可以按照AI大模型的介入以及起作用的程度把它们排列在时间轴上。

早期的公司很像砖瓦、石块这些无机物，你定义了什么章程，它就是什么样子，没有任何生机，自己也不会有任何行动。这时候没有算法的介入，全部依赖人类的组织和协调。

逐步导入各种算法的公司开始有应激反应，如果你输入不合格的东西，公司的系统就会拒绝你。这时算法更多是程序员编写的规则而不是我们现在常说的神经网络。

当发展到电商这类由算法主导的公司时，它就有点家里宠物的感觉了，有一定智商，能做很多判断，但行为模式很单一，可能只会担保交易、大数据推广等几个职能。

到了我们设想的无人软件公司阶段，其核心依赖于AI大模型的进展。AI大模型在分析判断能力上的优秀表现引发了质变，让原来大量的必须由人参与决策判断的工作可以由AI承担，最终才会出现我们上面设想的无人公司。

不同的公司复杂度不一样，当前的AI也没有那么智能，所以要想把所有公司都变成无人公司，还需要走很长的一段路，但这并不妨碍无人公司一旦在某个领域出世就会迅速崛起的势头。