“不要再把自己当老板，CEO 就是个‘牛马’。”

当软件不再为人类设计，人不仅不再是使用者，反而成了拖后腿的“瓶颈”

“不要再把自己当老板，CEO 就是个牛马”，这是 NoDesk AI 创始人宋健在一个论坛上爆出的一句大实话。当00后员工每天下午两点才来上班，作为老板的他反而变成了公司里“跪”得最勤的那个人。

为什么？因为在他们公司，所有干活的都是 AI Agent，而人类员工只负责给 AI “无限 Token”。

更扎心的是 CometAPI CEO 精灵的预测：“去年 AI 还是 P3 水平，今天到了 P5。如果你还要招人去管理它，明年模型能力到了 P8，公司还能招得起 P9 的人吗？”

在这个圆桌上，四位身处 AI 一线的创业者（CometAPI CEO 精灵、NoDesk AI 创始人 宋健、Pollyreach.ai 产品VP 许佳、AllyClaw 创始人 Alex李）撕开了一个让所有打工人和老板都背脊发凉的真相：

在过去十几年，软件设计的底层逻辑从未变过——一切为了人类用户。但今天，这套剧本被彻底改写。最新的软件，正在抛弃人类。人类不仅不再是使用者，反而成了拖后腿的“瓶颈”。

我们总以为是人类在驾驭工具，但在真实的业务场景里，人类的反应速度和处理能力，早就拖了后腿。

“人类已经成为了瓶颈。”AllyClaw 创始人 Alex李 说得很直接。在过去，独立站电商做邮件营销，人类运营只能按地域、性别做简单的分组群发，最多做到粗糙的“千人千面”。

现在呢？AI 根本不需要人去打标签。它能清楚地知道一个消费者看中哪个痛点，甚至能实时根据购买意图生成邮件，进行一对一的沟通。“不需要人工管理了，事情可以完全自动化。”Alex 分享了一个惊人的数据：以前发1000封邮件只有一个人买单，现在可能有五个人买单，转化率直接提升了四倍。

在海外打电话的场景下，情况也是类似。“对方的人类客服处理不过来，就成为了时间的瓶颈。”Pollyreach.ai 产品VP 许佳提到，特别是在处理水电煤或者海外留学生跨越语言障碍时，AI 拥有天生的并发能力和跨时差状态。只要人还存在，电话交流就存在，而在这些令人焦躁的等待和沟通中，AI 显然比人好用得多。

当界面从人类可见的 UI，变成了机器间调用的 API，我们该如何自处？

如果执行层面的活儿都被机器干了，公司里的人都在干嘛？

NoDesk AI 创始人宋健的回答极其坦诚，甚至带着一丝悲壮：“CEO 就是个‘牛马’，只是个打工人的角色。不要有任何一点‘老登味’或者老板姿态。”

这绝不是在开玩笑。当生图、视频、写代码的能力被大模型彻底“平权”，技能壁垒被打破了。“技能平权了，凭什么要替你的理想去打工？”宋健的话值得每一个管理者深思。他坦言自己现在是公司内部“跪”得最勤的人，面对凌晨三点睡觉、下午两点才来上班的00后同事，他的策略是：“在团队内给他 Token 无限，给他公平客观自由的环境。”

CometAPI 的精灵也深有同感。作为提供 Token 算力的公司，他们团队默认就是“Token 无限”。他们推行的是一种“AI 下属思维”——每一位一线人员本质上都是管理者，只不过以前管人，现在管的是各种 AI 和 Agent。

这意味着组织的形态正在发生剧变。AllyClaw 的 Alex李 说，以前他还要告诉团队要做什么功能，现在他自己上手花一个小时就能把原型做出来。在这个新阶段，他不需要纯被动响应的研发工程师，他需要的是能够独当一面、有工程化思维、冷不丁甩出一个新工具说“你们一起用一下”的人。

在未来的分工里，我们到底要做到什么程度？

Alex 分享了一个极具启发的现象：他们把数据库的只读权限直接开放给了 AI，结果发现用户已经不再看界面上的报表了，而是直接让 AI 连上数据库问问题。“有 80%-90% 的问题是我们以前不知道、没解决的长尾需求。”

这揭示了一个终极状态：人类可能只需要用到 10% 的精力。在复杂的电商运营中，人类只需要给出最高指令：“一批准，二拒绝，三微调”。AI 去理解几百个指标、找 Root Cause（根本原因），人只负责最后的拍板。

“人做决策，AI 做执行。”许佳这样总结。我们需要定义我们要什么、不做什么、什么时候做、做到什么程度。目前人机的协同大概只做到了 6 分水平，一方面是工程技术还需要继续磨合，怎么给 AI 套上“马具”让它不失控；另一方面，则是人类心理上的不信任。

我们还不敢完全放手，这很正常。但趋势无法阻挡。

聊到最后，大家不可避免地谈到了恐惧。这种恐惧不是来自于“AI 毁灭世界”的科幻叙事，而是来自于日常工作中最真实的体感。

最直接的恐惧是失控。Alex 坦言自己审查代码的速度已经赶不上兄弟们用 AI 写的速度了。当你把决策权让渡给 AI，它万一自己做主给客户发了“50%折扣”的邮件怎么办？这个损失谁来承担？

另一种恐惧，是对自身能力退化的担忧。许佳说得很形象：“Claude Code 停一个小时，我就浑身难受干不了一点。我担心如果大模型没有了，我的英语水平、思考能力是不是会下降？”由俭入奢易，由奢入俭难。

精灵抛出了一个灵魂拷问：“去年大模型是 P3，今天到了 P5，我们要招 P6、P7 的人去管理它。明年模型到了 P8，我们是不是招不起 P9 的人了？”当模型的能力超越了我们的辨识能力，我们还有判断力吗？

答案或许在宋健的话里。他分享了自己从卷生卷死到最终看开的过程：“就算把书全吃掉，也追不上新版本的发布。怎么找到平衡，既不退化成黑猩猩，又能跟自己和解，这挺重要。”

恐龙活了一亿年，人类才五千年。硅基与碳基的未来谁也说不准。在这个不用再为人类设计软件的新世界里，我们需要的是放松一点，持续学习，然后，勇敢地把手从键盘上拿开，告诉你的 AI 助手：

王朝超： 当软件不再为人类设计的时候，会是什么样子的？ 在过去十几年里面，软件设计的底层逻辑是一直都没有变的，从屏幕、点击、表单、工作流，一切都是为了人类的用户而设计的。 但是 AI Agent 在这个时代彻底改写了这套剧本，软件正在从被人类操控的工具，变成自主行动的智能体，从 API 聚合到电商 Agent，再到智能客服，到语音自动营销。 所以嘉宾在各自的领域正在亲身感受着这一场变革。 我们今天不聊虚的，就聊比较实在的四个问题：痛点、分工、协同以及挑战。 请各位嘉宾先介绍一下自己和公司正在做的事情。

精灵： 大家好，我们是 CometAPI，聚合了全球已知的所有大模型 API。 包括前天刚发布的最新大模型 OP4.7，我们马上就会上线，包括豆包，还有字节最新的视频模型，以及 GPT、Gemini 等。 用户通过我们可以一站式地调用几乎所有需要的 API。 我们平台主要服务国际客户、全球市场，也服务了很多 a16z 榜单上的知名 AI 应用，这些背后都是我们的程序员，我们做了很多运维、优化的工作来保证生产的稳定性，大概是这样。

宋健： 大家好，我们是 NoDesk AI。 我们垂直在电商行业做 Agent 应用，成立时间比较短，25 年 3 月份才成立，到现在刚好满一年多的时间。 但这一年多的时间，我们已经见证了大模型的不断进化成熟，加上 Agent 能力的不断成熟。 所以我们非常坚信电商走上无人化是指日可待的。 随着无人电商的到来，意味着所有留在人类公司的人类岗位、同事，以及他们的能力跟画像，加上 Agent 的能力、画像跟需求怎么去做协同变革。 估计这都是我们这一代新创业公司和现在的白牌、大品牌，或者未来成长的品牌都要面临的问题。 至少我觉得，我们公司想做的事和在做的事，跟今天这个主题非常契合。

许佳： 大家好，我是 QuickCEP 创新业务 Pollyreach.ai 的产品负责人。 QuickCEP 是给我们的出海品牌提供智能客服服务的，新的 Pollyreach.ai 是我们给 AI Agent 做的一个电话基础设施。 我们能提供全球打电话的语音能力，会给用户提供一个真实的手机号码，并且让 AI 帮你打电话、接电话，具备语音对话的能力，能帮你处理生活或商务中的事情。 我们的定位是一个 C 端的私人助理，能帮大家处理比如日本订餐、AI前台、批量面试，还有商务电话接听或扩客等场景需求。

Alex李： 大家好，我是 Alex。 我们 AllyClaw 也是专注在电商的一家 AI 产品。 我觉得我们最大的不同之处在于，我们想做的是能帮商家赚钱的 AI 产品。 举几个例子，我们有 AI 数据分析师、AI 邮件营销大师，实际上能够帮电商品牌多赚 10% 左右的收入。 为什么能做到这一点？有一点很重要，我们可能是少数在 Shopify 这类独立站电商里面，拥有每一个用户完整行为路径和上下文的产品。 我们能知道消费者来到电商店铺里，搜索了哪个谷歌关键词，看过了 Meta 的哪个广告。 这些非常重要的意图数据，为我们加上 AI 实现千人十面的营销提供了上下文基础。 我们能够让 AI 非常理解消费者的意图，从而给出真正能够帮商家转化的 AI 解决方案，并得到可量化的结果，这是我们产品目前的情况。

王朝超： 四位嘉宾有三个在电商场景里面帮商家搞钱的，一个在 API，但整体来说都是 To B 的。 我们的第一个问题：在各自的产品和服务场景当中，有哪些环节已经不需要人来干活了，或者不需要人类插手了，反而人类变成了瓶颈？ 结合各自的场景分享一个真实案例，从 Alex 总开始。

Alex李： 顺着刚才的讲，给大家介绍一个非常古老的产品如何被 AI 改造——邮件营销。 邮件在过去十几年一直是大家主要的交流方式。 在全球独立站电商 1 万亿美金的 GMV 中，邮件产生的收入大概是 1000 亿美金，这是一个非常庞大的数字。 但在过去，做法都是按用户的地域、性别去做分组，不同的分组发不同的产品新闻，或者对放弃购物车的用户发优惠券。 总结起来最多只能做到“千人十面”。 人类还要不断地维护各种标签，给消费者打标签、做群组、设计邮件模板。 今天这些东西全部不需要了。 为什么？因为 AI 可以非常容易地搞明白消费者的意图是什么，甚至你买某个产品是看中哪个痛点，AI 都非常清楚。 它可以近乎实时地根据消费者的购买意图生成邮件，去跟你做一对一的沟通，让你感觉好像是一个销售顾问在根据你的需求沟通。 带来的结果是什么呢？第一，人类已经成为了瓶颈，因为不需要人工管理了，事情可以完全自动化；第二，你发了邮件，打开率、点击率怎么样、消费者有没有下单，形成了一个数据循环。 你只需要告诉 AI 目标是要转化用户，它就会不断地帮你分析，找到用户的痛点：是价格有问题、还是产品需求不清楚、还是用户要的某个功能材质没沟通清楚，或者用户不够信任需要发资质证明破冰。 它会去理解需求，给你做千人千面的沟通。 结果就是不需要人了，转化率可能会提升三四倍。 以前发 1000 封邮件有一个消费者买单，今天发 1000 封邮件可能有五个消费者买单，直接提升四倍。

王朝超： Alex 说了另外一种场景。 我们现在 AI 应用层的创新，很多在说“意图对齐”——让产品能理解操作人的意图。 但是 Alex 说的是不需要电商服务人员直接去对齐，而是直接跟终端消费者的意图对齐。 这已经把事情提到了另外一个层次。

许佳： 电话这个事情，在国内基础设施比较完善的情况下，大家感受不明显，甚至觉得 Agent 之间沟通就不需要电话了，通过 API 就可以解决。 但现实是，海外电话的存在感比较高，像美国、日本，他们的电话交流还是非常频繁的。 哪怕我们 B 端的智能语音客服越来越多，只要人存在，电话就一定会存在。 再说一些具体的业务场景，比如在海外办生活水电煤的事情，一定要打某个客服电话，夸张的时候排队一个半小时，一定联系上才能把事情办成。 这时候对方的人类客服处理不过来，就成为了时间的瓶颈。 还有语言障碍。 比如留学生去到外地，有心理障碍或者不知道专业名词、办事流程，没办法把问题描述清楚，也听不懂对方的回复，事情可能就办不成，想寄个快递最后放弃了。 或者出差有时差，怎么接重要电话？ 针对人类的这些限制和电话基础设施的障碍，我们认为 AI 有天生较好的语言能力、批量并发能力，以及跨越时差的状态，能帮你处理好这些事情，更加解放人类的生活。

王朝超： 就是在打电话这个场景里面人不如 AI。 这里需要说明一点，像邮件营销包括打电话，都有一个很大的特点就是 Focus 海外。 因为在大陆或者香港，整个基础设施、营销方式或交互方式跟海外差异还是蛮大的。 宋总。

宋健： 我可能有一些不一样的视角。 虽然我们公司在做的事情是假设电商未来的发展趋势会走向无人化，但这其实有个前提：工厂从大规模的人力工厂逐渐走向了智能工厂，几十万工人做的事，最后变成了由大量机器做，这也是中国政府主推的“超级灯塔工厂”。 我也很坚信，电商必然也会从获客、引流、营销、商品上下架、导购客服私域等需要人的环节，逐渐随着 AI 能力提升，从大规模的人力密集型走向少人化，甚至真的到无人化。 但是我更想表达的是：“无人”不等于公司没有活人，而是指所有在职的岗位和同事，他的能力技术栈和认知边界可能会发生结构性变化。 对于现有的公司，不管它是白牌商家、品牌商家，还是像我们这种希望拿 Agent 能力去服务客户的供应商。 大家今天应该讨论的不是“什么样的岗位会被 AI 所代替”，而是应该反过来想“还在这些岗位的同学应该如何被尊重、被看见”。 以现在的会展现场为例，我们外面看到很多展台，所有展台都有工作人员，这些工作人员是活生生的人。 他可能是一个普通岗位、高管或者是创始人。 虽然 AI 不断在进步，但如果不是我本人从杭州飞到香港参加这个会，大家不是挤地铁赶公交来到这里，我没有办法讲述清楚我公司的理念到底是什么，你也没有办法通过我现场的表达来感受这家公司到底靠不靠谱。 所以我现在的感觉是 AI 跟人不是对立的，AI 跟人之间没有取代跟被取代的关系。 即便电商真的会走向无人化，还是会有每个岗位的专家存在。 而这个专家只是以前去操作 SaaS 软件，现在会进化为去 build Agent 产品，或者调用 Agent 背后的模型能力。 我觉得，既然软件不再为人类设计（软件是给 Agent 用的），但 Agent 还是要由在座的人去 build 的。 这是我的观念。

王朝超： 有些环节人不如机，但是人类还是一直要保存的。

精灵： 我们是做 API 的，我自己也做了很多年电商，电商现在我们服务的客户里确实在推进无人化。 我们本身就是 API，跟机器打交道，你看有客服 Agent、营销 Agent，背后通过我们平台调用各大模型的能力。 但我也特别赞成宋总刚说的，其实它不是完全无人化，应该说是少人化。 人才结构在调整，不像以前做客服是大批量、分很多层级（电商客服总监，下面小组长每天复盘转化率等）。 逐渐可能由 AI 去代理，最早解决售后问题，马上推进到售前。 这是模型不断的进化，但最终还是需要人，需要人不断去迭代话术，一些高端 To B 环节、大客户 Sales 肯定还是要人去解决。 包括营销环节，做 AI 营销的企业，他们做各种 Workflow 流程，不像以前大批量需要设计师、剪辑师剪视频图像，现在用 Canva、Sora 这种工具，一个人就能做出非常出色的素材。 但最终还是需要这个人，而且要求比以前更高：他需要有工程化能力，在 AI 出现之前在那个领域已经是非常专业的人了，可能是阿里 P7、P8 的水平。 同时还要有 AI-first 的思维，愿意拥抱 AI 迭代。 AI 必定还在进化，我们要认知到：今天的 AI 可能不如你，但是一两个月后的 AI 会越来越强。 你看最新的 OP4.7 前天发布了，昨天又有了 Claude Code 这种产品。 一发布又会替代大量应用，甚至基础 Agent 应用本身也会被更高级的 Agent 替代。 我觉得应该是少人化，但人的工程化能力要求会越来越高，未来是这个趋势。

王朝超： 人在有些工作上不如机器了，但是在人机食物链里，人还是在最顶端。 为了保证人在里面有存在感、价值感，就要让部分人不能成为瓶颈。 接下来第二个问题，咱们犀利一点。 人不再需要用软件，而是告诉 AI 目标是什么，从操作者变成目标设定者，让人类站在食物链的最顶层。 这个转变在各自团队推进得怎么样？ 你们的团队结构、人才需求有了哪些变化？ 从 Alex 总开始。

Alex李： 最大的一个变化应该就是以我为例。 以前我可能是告诉别人要做这个功能，现在我直接自己上手，可能花一个小时就能把功能原型差不多做出来。 在这种情况下，从我的角度，哪些人是需要的？ 他能够承担责任、独当一面的承担业务决策，成为业务的 Owner、为结果负责的。 最好他能够从理解产品到 Marketing 都有相关能力，最好是计算机背景，或者有工程化思维。 这种人往往有一个特征我特别喜欢：他冷不丁会跟我讲，“这件事情重复发生了两次，所以我把它做成了一个工具，现在已经传到 GitHub 了，你们可以一起用一下。” 这是我想要的人。 什么样的人我会干掉呢？ 这种人其实已经被干得差不多了，就是以前讲的经典“纯研发工程师”角色，他只知道被动响应需求，把需求实现代码，同时还在抱怨“我觉得 AI 有很多问题可能搞不定”。 这种话说得越多的人，会越早离开我的团队。 现在这种人在我们团队已经不太存在了。

王朝超： 以前的老板喜欢分享方法论、分享经验的员工，现在直接压榨 skills 了。 但 skills 能压榨多少？ 后续对人的要求可能会越来越高。

许佳： 我们团队内的变化总结来说就是，边界在变得模糊，大家都在为角色和结果负责。 我们内部研发团队已经不会再说前端工程师、后端工程师，大家也都不会再像原来那样手动去写代码，所有人，无论是产品还是技术，我们都是用 AI。 大家的职责变成了为模块或者某一个职责负责，更多的时间会拿来对齐方向策略、上线后的效果反馈。 我们已经很少谈论执行方面的细节。 所以我们现在打算找新的同学，会以某一个需要的“角色类型”去定义他，而且也不会招多个。 只要有一个人能为此负责，后期的工作我们会想尽办法用各种 AI 工具、搭建工作流去完成。 这是我们现在协作的一个较大变化。

王朝超： 简单总结就是无前后端之分，第二个就是向目标、策略、方向看齐，这以前是老板或 Leader 干的事情，现在下放给能站在人机食物链顶端的人员来做了。 老板可能相对轻松一点。

宋健： 我们的变化可能跟大部分现在（比如25年、26年成立的）公司比较像。 因为我们是 25 年 3 月份成立。 最大的变化是我自己。 我们的 Founder 全是从大模型公司出来的，算是国内较早对“怎么拿模型做 Agent、拿模型搭建团队、拿模型落地业务场景”有认知的。 我充分意识到，在 AI 时代创业，CEO 自己不能做最傻、最脑残的那个人。 说人话就是：不要再把自己当老板，CEO 就是个“牛马”，只是个打工人的角色。 不要有任何一点“老登味”或者老板姿态。 AI 的能力变强了，生图、视频、写代码等各方面能力都变强了，意味着所有人的技能都“平权”了。 技能平权了，凭什么要替你的理想去打工？ 如果高高在上，用一种上帝视角挑三拣四，会被社会毒打的，会被同事毒打的。 我现在在内部属于“跪”得最勤的那个人。 我几乎所有的事情都是用“求”的：“我求你能不能把这件事情做一下，稍微多花点时间思考，你可以去跟 OP4.7 聊。” 我只希望新时代的年轻人能多带带我。 我有一些 00 后同事们，没有下午两点钟前来的，也没有凌晨三点钟前睡觉的。 问题是我年纪大了，作息规律了，后果就是有些同事我一个多月都没见过了。 如果问 AI 时代到底要怎么去变，就扣这个主题：软件不再给人类设计，是给 Agent 用的，但是留下来的“人类同事”，你要给他更多的尊重。 学习速度慢一点没关系，你要这么想：三年之后你要招一个人类同事是很不容易的。 要珍惜眼前还愿意跟你相处的人类同事。 在团队内给他 Token 无限，给他公平客观自由的环境，让人和 AI 共同去创造更多未来，这是这一代创新必然要面对的问题。

王朝超： 就是尊重人性的光辉，也尊重人性的弱点。 Token 无限后面很多事情是可以解决的。

宋健： 再补一个，就是不要再把自己当老板看了。 现在老板很廉价，能力平权了，员工一言不合，明天就把你开了。

精灵： 说到 Token 无限，我们本来就是做 Token 算力的，所以团队默认就是 Token 无限，根本用不完。 我们在内部有一个“AI Native”文化，分三个模块： 第一个叫 AI-first，来的所有人一定要先有 AI-first 的思维，任何时候都想能不能用 AI 解决当前环节的问题。 第二个叫“AI下属思维”，每一位一线人员也是一个管理者。 以前管人，现在管各种 AI 甚至 Agent。 工程化能力本质上也是一种编排、管理能力。 你怎么去调教 Claude Code？ 防偷懒、给它装各种能力。 第三个叫“AI高手思维”，每个人都要成为自己领域的高手，在团队内部分享。 我们现在推行全员用 Claude Code，我们认为从 Chat UI，到 Dify 工作流，再到现在通用的 AI Agent，它已经不再局限于垂直领域，只要使用得当，几乎可以胜任任何领域。 我们的体感已经变化了很多，软件已经不是给人看的了。 就在两周前，我们推出了 CLI（命令行接口），完全给机器看的。 很多用户已经不太上我们网站了，全都是在用 AI Agent 跑 CLI 调我们的平台、查询数据。 这是未来时代的一个明显趋势，所有东西逐渐全部是真正地给机器看。

王朝超： 简单总结一下，从客户交互端已经隐形化，直接后端通过 Agent 调用 API，具体服务已经在 CPU 上跑了。 另一个就是，老板要压榨团队的 skills 交付结果。 四位嘉宾处于不同阶段，但都在往“团队平权”和“Native 化”方向靠。 我们来聊第三个问题，构建一个理想的模型：在各自的想象当中，人机怎么分工？ 谁做什么？ 现在做到几分了？ 差距在哪里，是技术不到位、组织不配合，还是客户不买单？ 从 Alex 总开始，指在你们做的产品或者提供的服务里面。

Alex李： 我们有很大一块功能是做数据分析。 数据以前都是给电商运营或老板看的，盯报表、看 ROI。 今年我们直接把数据库的只读权限开放出来了，让 AI 直接读我们的数据库，这是以前很不常见的。 为什么这么做？ 我们发现越来越多用户已经不在界面上看报表了，他直接让 AI 连上数据库问问题。 我们看后台这些问题，发现有 80%-90% 的问题是我们以前不知道、没解决的长尾需求。 但通过 AI 自己写 SQL 查询语句，就把答案找到了。 这说明用户的交互形式已经变了。 软件永远只能满足部分重叠需求，长尾定制化需求现在可以通过 AI 实现。 对于未来，我觉得人类可能只需要用到 10% 的精力。 比如像 OpenClaw 每周抓取整站数据，帮忙分析素材漏斗、人群广告预算问题，得出结论。 人类只需要告诉它：“一批准，二拒绝，三微调”。 电商店铺的几百个复杂指标，AI 会去理解、做关联、找 Root Cause 并给出结论，人只做判断和确认。

王朝超： 人类只关心 KPI，其他的执行 Agent 可以搞定，人机协作 1:9 开，这是未来的一个理想比例。 许总。 未来人跟 AI 如何分工？ 现在是什么水平，差距在哪？

许佳： 理想的人机协作应该是：人做决策，AI 做执行。 具体怎么做决策？ 就是去定义我们要什么、不做什么、什么时候做以及要做到什么程度。 现在我们做到多少分呢？ 无论是内部研发还是产品，大概是 6 分的水平。 差距在哪里？ 我觉得有两点：一个是人，心理上还不愿意放手。 训练 AI 有时间成本，一开始也不会表现得很完美，不是所有人都这么积极拥抱。 另一方面是技术。 倒不是说模型不聪明，而是像一些特定的“Know-How”或者垂直领域（比如 AI 打电话里的工程化细节），怎么给模型套上很好的“马具”，让它表现好又不超出控制？ 这需要我们在工程上不断努力。 随着信任度变高，差距就会补上。 美国有个数据显示，60%的人在六个月内用过AI，但真正让AI闭环完成预定等任务的比例极小。 大众目前对 AI 自主执行任务还没有充分的信任。

王朝超： 未来人类定目标，执行让机器做。 现在到 6 分左右，核心原因是心理防守和工程化能力还需进步。

宋健： 我们在 25 年大年初五的时候（大年初八工商局才开业），想了公司名，叫“杭州没有桌子人工智能科技有限公司”。 合伙企业叫“没有椅子”、投资企业叫“没有接触”，我们在余杭的分公司叫“没有代码”。 这说明政府还是很包容年轻人的。 我们在大年初五晚上想了一个愿景，叫“人和 AI 共同经营”。 关于人机协同，我只有一个心得：首先要尊重人性。 AI 今天没有意识不需要考虑情绪，但至少未来三到五年内，Human-in-the-loop 肯定存在。 理想情况肯定是机器去做像机器一样的工作，不要让人去当机器。 电商走向无人化，不是让专家消失，而是把人解放出来去做更有价值的思考。 我也比较认同现在大家讲的，不要太焦虑。 模型进步速度太快了，刚签了昂贵的模型，切了蛋糕，晚上更好的“快乐小马”或者新版本就发布了。 所以跟自己和解。 前天我见了一位大品牌的 CIO，他分享了七句话，核心是：给全公司配 Claude Code 使用起来、引进先进模型、成立 AI 服务台、下放生产力（让业务去写代码）、做数据架构的权限管控，最后一定要有 AI-First 的思维，敢于驾驭 AI 员工，逼自己进步。

王朝超： 大家看到了，AI Native 团队的思路就是下放和升级。

精灵： 顺着宋总刚说的，出海企业确实挺不容易，遇到很多网络封锁、使用是否顺畅的问题。 我们公司内部的人机结合分数，我认为依旧比较低。 虽然我们是 AI Native，但很多地方也没有全流程 AI 化。 这里面面临很多问题：比如让外行用 AI 做个 SEO 方案，你看觉得很厉害，但在十年经验专家看来全是漏洞；再比如我们调用的 API 是强运维产品，全权交给 AI 去弄，挂了公司就没了，责任太大。 另外人有一个最不可替代的部分，就是“生产关系”。 AI 只解决生产力，这个世界是由社会关系存在的。 我们今天之所以坐在这里交流，外边有很多 Sales，这部分的信任与情感交流，AI 是不可能完全替代的。 人长期来讲还是要解决很关键的问题。

王朝超： 过去三个问题了，咱们进入最后一个问题。 聊点令人睡不着觉的事情：软件从被人类使用变成自主行动，最大的风险是什么？ 一句话总结一下，从 Alex 总开始。

Alex李： 最近有很大感受：以前做软件开发要审核功能优先级，但今天我审核的速度已经赶不上兄弟们用 AI 写代码的速度了。 我很无奈，只能抓重点关注。 带来的风险就是：当你让渡了这部分决策权的时候，这就标上了价格。 比如有一天，AI 给某个客户发邮件为了转化，自己给出“50%折扣”发了出去，消费者来下单了。 这个折扣的损失谁去承担？ 最大的风险可能就是没有办法跟上它的执行速度，我的判断成为了瓶颈，从而可能会承担不可挽回的风险。

王朝超： AI 太厉害了，层层下放，AI 可能在隐秘的角落埋了炸弹。

许佳： 最担心的是能力的退化。 我现在对 AI 极其依赖，Claude Code 停一个小时，我就浑身难受干不了一点。 我们已经回不去手画原型、手写代码的日子了。 我担心如果大模型没有了，我的英语水平、思考能力是不是会下降？ 还有一个担心：如果算力电费涨价了，我好像一点办法都没有。

王朝超： 好日子过久了回不到苦日子，难度比较大。

宋健： 我的最大担心有三个：第一是像前面两位老师讲的，你越信任它越放权，显隐性的炸弹就在那；第二怕断网，一旦断网只能说“我决定用自己的大脑”；第三是我上周跟合伙人聊天，从过年前到清明节，每天早上 10 点卷到凌晨两点，我早已到了人类极限。 他问我：模型迭代这么快，为什么一定要这么勤奋，为什么不能放过自己？ 就算把书全吃掉，也追不上新版本的发布。 所以怎么找到平衡，既不退化成黑猩猩，又能跟自己和解，这反而挺重要。

王朝超： 总结一下就是放松。 李总。

精灵： 我们在业务上也有明显体感，当你用好了贵的模型，就不愿意用便宜的。 另外我在想一个问题：去年大模型是 P3，今天到了 P5，我们要招 P6、P7 的人去管理它。 明年模型到了 P8，我们是不是招不起 P9 的人了？ 当模型能力超过你的辨识能力，就会觉得它好厉害，自己也没有什么判断力了。 不过科技进步不以人的意志为转移。 人类凭什么是世界上最后一个物种呢？ 恐龙活了一亿年，我们才五千年。 未来也许是硅基主导也不好说，咱们只能走一步看一步，随模型和自我迭代来解决这些痛点。

王朝超： 碳基生物是有极限的，虽然技术能够给人类“续命”，人机合作还有很长的一段路要走。 借宋总和李总的核心观点：放松，该来的还是要来。 不用太过于焦虑，持续学习即可。 感谢四位嘉宾，圆桌到此为止。