他通过历史隐喻，把蒸汽、钢铁与人工智能（AI）比作不同时代的“奇迹材料▼”，揭示了技术如何重塑个人工作方式•▪、组织结构和整个经济生态。

　　Ivan Zhao 认为，我们现在正处于 AI 技术从“模仿过去…”向真正重塑未来的过渡期◇▪。就像蒸汽机和钢铁推动工业革命一样，AI 有潜力把知识工作从高度碎片化和人力密集型的模式，转变为由“无限心智”驱动的高效协作体系◆▽▽。

　　他认为这场变革不仅仅是工具替换，而是对工作本质的重构…▪。对于个人来说…■，AI 能让知识工作者从“骑自行车”跃升到“驾驶汽车”甚至“自动驾驶”▼○；对于组织而言，AI 有望打破层级和流程的效率瓶颈，实现真正可扩展的组织运作；

　　对于经济体，则可能催生类似现代超级城市那样全新的生产力形态——从●=“佛罗伦萨式”的小规模组织，迈向“东京式▼”的大规模…、持续运行的智能生态▽★◆。下面是原文的翻译★：

　　每个时代都由其“奇迹材料”所塑造。钢铁铸就了镀金时代，半导体开启了数字时代。而现在-…◆，AI 以无限心智的姿态降临。历史告诉我们，掌握核心材料的文明终将定义时代。

　　19 世纪 50 年代▪▷，安德鲁·卡内基还是匹兹堡泥泞街道上的电报员●△-。当时六成美国人是农民。但在短短两代人之内，卡内基和他的同辈们铸造了现代世界：铁路取代了马车•▪▼，电灯替代了烛火，钢铁革新了生铁。

　　从那以后，工作从工厂转移到了办公室●。今天我在旧金山经营一家软件公司•，为数百万知识工作者构建工具。在这个科技重镇◁☆，每个人都在谈论通用人工智能（AGI），但全球二十亿知识工作者中的大多数尚未真正感受到它的影响●。知识工作在不久的将来会变成什么样●？当组织架构融入永不休眠的智能体，又将引发怎样的化学反应？

　　未来总戴着过去的伪装=▪-，令人难以辨识。早期通话如电报般简练•▼，初期电影像戏剧录影（这正是麦克卢汉所言透过后视镜驶向未来）。

　　当下最流行的人工智能形态▽○，恰似昔日的 Google 搜索框☆☆•。引用传播学大师麦克卢汉的比喻：我们始终透过后视镜驶向未来●。

　　当前我们正处于每次技术更迭时必经的阵痛期•△，对于接下来会发生什么，我并没有所有的答案…。但我喜欢运用一些历史隐喻来思考 AI 如何在不同规模上发挥作用，从个人到组织再到整个经济体。

　　我的合伙人 Simon 曾是10 倍效率程序员，如今却鲜少亲自写代码了。经过他的工位=，你会看见他同时指挥着三四个 AI 编程智能体。这些 AI 不仅输入更快，更具备思考能力■▪，使他成为30-40 倍效率工程师。他能在午休或就寝前布置任务，让智能体持续工作。他已成为无限心智的管理者。

　　1970 年代《科学美国人》关于运动效能的研究，激发了乔布斯思想自行车的著名比喻。但此后数十年，我们始终在信息高速公路上蹬着自行车☆●。

　　1980 年代乔布斯称个人电脑为思想的自行车 bicycles for the mind◁▲，十年后互联网铺就信息高速公路☆•◁。然而如今的知识工作仍依赖人力☆◇，犹如在高速公路上骑自行车。

　　与编程辅助相比，AI 为何更难助力通用知识工作○…□？因为后者存在场景碎片化与结果难验证的特性。

　　首先是场景碎片化…□●。编程工作集中在 IDE、代码库和终端中，而通用知识工作分散于数十种工具。设想 AI 撰写产品方案：需整合 Slack 讨论=◇◆、战略文档、上季度数据面板中的指标，以及仅存于人脑的组织记忆▪○◇。目前人类仍是粘合剂，通过复制粘贴和标签页切换拼合信息。唯有实现场景整合，智能体才能突破局限。

　　其次是验证机制缺失。代码可通过测试验证◁，模型开发者借此训练 AI（如强化学习）。但如何评估项目管理水平或战略备忘录质量？我们尚未找到提升通用知识工作 AI 效能的方法，因此仍需人类监督指导和展示什么是善。

　　1865年《红旗法案》要求车辆行驶时须有人持红旗步行引导（1896年废止）▲▼●，这是人在回路模式的负面案例。

　　今年编程智能体的实践表明●，人在回路 human-in-the-loop并非最优解。这如同安排专人检查生产线每个螺丝，或要求红旗手为汽车开道（参见 1865 年《红旗法案》）。我们需要的是杠杆式监督而非全程参与。一旦实现场景整合与工作验证●，数十亿工作者将从蹬自行车升级为驾驶汽车，最终迈向自动驾驶△▷。

　　1855年纽约伊利铁路的组织架构图。现代公司与组织架构随铁路公司演进，这类企业首次需要远程协调数千人。

　　几百年前的公司多是十几人作坊，如今跨国企业雇员数十万•。依赖会议讯息的沟通基础设施难以承受指数级负荷■◆。我们试图用层级、流程和文档化解困局，但实属用人力工具解决工业级难题，犹如以木材建造摩天大楼。

　　首先是钢材。在钢材出现之前▷，19 世纪的建筑最多只能建六七层●□▲。铁虽然坚固，但易碎且沉重▪-；楼层再多•，结构就会因自身重量而坍塌。钢材改变了一切，它既坚固又有韧性。框架可以更轻▪…，墙壁可以更薄，突然间，建筑物可以建几十层。新型建筑成为可能。

　　人工智能正是组织的钢材▪○■。它能维持工作流场景感知，精准触发决策而无信息过载。人类沟通不必再承重负重：两小时周会可压缩为五分钟异步复盘，三级审批的决策可能分钟级完成。企业将实现真正意义上的无损规模扩张▽。

　　一座用水轮驱动运转的磨坊▷◆▪，水动力强大但不稳定，限制了磨坊只能建在少数地点且受季节影响。

　　其二是蒸汽机=●。工业革命初期的纺织厂依水而建○，靠水轮驱动。蒸汽机出现后，厂主最初仅替换动力源，效能提升有限。

　　直到意识到可彻底摆脱水力约束，将工厂建在工人、港口和原料附近，并围绕蒸汽机重构生产流程（电力普及后更进一步分布式配置），才真正引爆第二次工业革命。

　　托马斯·阿罗姆 1835 年版画描绘英国兰开夏郡的蒸汽动力纺织厂，它由蒸汽机驱动。

　　我们仍处于替换水轮阶段。给现有工具嫁接 AI 聊天机器人▪▼。当旧有限制瓦解◆，组织由永不休眠的智能体驱动时，我们尚未完成想象力跨越。

　　在我所在的公司 Notion，我们一直在进行实验，除了 1000 名员工外，现在有 700 多名智能体负责处理重复性工作▲★。它们记录会议纪要▲▼…、回答问题以整合部落知识。它们处理 IT 请求并记录客户反馈。它们帮助新员工了解员工福利■。它们撰写每周状态报告，这样人们就不必复制粘贴=。而这仅仅是起步阶段•，真正的突破只受想象力和惯性制约…。

　　直到几百年前，城市还是以人为为本的。你可以在四十分钟内走过佛罗伦萨。生活的节奏取决于一个人能走多远□，声音能传得多响亮△▼。

　　后来钢结构使摩天大楼成为可能。蒸汽机为连接市中心与内陆的铁路提供动力。电梯、地铁、高速公路接踵而至。城市规模和密度都爆发式增长△•□。

　　各种超级城市并非佛罗伦萨的简单放大，而是全新的生存方式。这些句型都市令人迷失、充满匿名性、难以导航，这种不可读性是规模的代价□…，却也带来更多机遇与自由，容纳远超文艺复兴城市的人类活动组合。

　　如今▲★◁，知识工作占美国 GDP 近半=，但多数仍困于人力尺度▼：数十人团队△▼、会议邮件节奏的工作流、数百人即现瓶颈的组织。我们用石头和木头建造了“佛罗伦萨”。

　　当 AI 智能体规模化启用，我们将建造东京式的组织——容纳数千智能体与人类的协同网络，跨时区不间断运行的工作流，精准嵌入人类判断的决策机制。

　　这将带来全新体验：更快速●、更高杠杆◆▲…，但初期难免也更让人迷惑。周会、季度规划、年度评估等节奏可能失效，新的节奏即将诞生。我们在丧失部分可读性的同时，收获规模与速度。

　　每种奇迹材料都要求人们停止后视镜思维，拥抱新世界想象•□▷。卡内基从钢铁看见城市天际线，兰开夏 Lancashire 的厂主从蒸汽机看见脱离河流的工厂•□-。

　　我们仍处于 AI 的水轮时代，只是将聊天机器人简单地附加到为人类设计的工作流程中。我们不应再仅仅要求 AI 充当我们的副驾驶。我们需要想象一下，当人类组织得到强化，当繁琐的工作被委派给不知疲倦的智能时，知识工作会是什么样子。

　　Memo（是一个基于付费订阅模式的创投内容平台，已得到大量 VC、企业 CEO 以及高管的支持，我们希望帮助你捕捉最具价值的行业信号、过滤噪音（Signal,Not Noise）▪▪▲。