文｜李智勇

ID | BMR2004

2025年6月Meta（Facebook母公司）宣布以約140億～150億美元的價格收購 Scale AI 49% 的股份，公司估值約為280億～290億美元。同時Scale AI的CEO Alexandr Wang將加入Meta。

這不禁讓人想起2014年，因為移動互聯網的落后，Facebook不得不通過大手筆的收購，鞏固了自己在新浪潮中的地位；2025年面對類似情況，Meta再行大手筆投資。

對于Meta來說，如果2014年是移動互聯網的一次“補課”，那么2025年則是AI時代的生產關系革命，當智能供給從人類轉向AI，一場以“無人公司”為代表的管理范式重構正悄然啟程。

不管這筆投資的結果是成功還是失敗，AI時代的到來是確定無疑的。

重大技術總是表現出兩面性，在改善生產關系的同時，也在醞釀著顛覆性力量的新模式。

20世紀70年代，很多家庭都有縫紉機，這無疑改善了以家庭為單位的生產模式，但很快縫紉機就不再是家庭的四大件之一。這并不是因為縫紉機不夠好或人們不夠勤奮，而是以工廠為代表的生產模式徹底取代了家庭生產模式。

工業革命一邊改善原有的生產關系，一邊將其推進了歷史的塵埃。2000年互聯網逐漸興起，類似的故事再次發生。彼時，百貨零售業通過使用電腦、網站、電子郵件等技術來改善生產效率，但十幾年后，淘寶等電商則以顛覆者的姿態，再次重構了生產關系。

如今AI正在扮演同樣的角色，一方面改善既有模式的生產效率，另一方面則在醞釀更大的變革。在眾多顛覆性的設想中，OpenAI CEO 山姆·奧特曼的表述最為形象。他說，未來只需要一個人和一萬塊GPU，就能夠建立一家年收入數十億美元的公司。這并不是科幻，很多公司已經奔馳在這條路上。

Robotaxi在海外的運營數據顯示，每輛車每天接單量為25～35單，如果Waymo的Robotaxi模式進一步在全北美推廣，并保持與Uber的市占比例，可以做個不精確的推斷：當前Uber每年約400多億美元的收入，其中一半來自出行服務，如果Waymo達到Uber一半的水平，其收入大約是100億美元。

這一目標如果實現，將明顯區別于過去的是，這100億美元的營收完全由AI和各種輔助算法創造，在運營過程中無需人工介入。

這種模式下，AI和輔助算法的能力越強，公司服務質量和運營效率就會越好，不難預測，Robotaxi這種模式只要真的成立，相對于網約車就又是一場換代式變革。這是一種全新的商業模式。AI在全自動化地創造現金流，雖然不一定完全不需要人，但人的角色發生了本質性變化，不再介入核心業務的完成過程。

如果把出租車、網約車和Robotaxi的模式放在一起比較，會有新的發現。在出租車的年代，構建了經典的金字塔式組織結構。不管是與客戶的連接還是內部各個角色之間的連接，都靠人類的智能驅動。

到網約車的時代，算法扮演了更關鍵的角色，獲客和對司機任務的安排、評估、收入計算等基本由算法主導，但公司內部的運營仍然是傳統的結構，需要處理復雜的與司機的關系。

在Robotaxi模式下，業務相關的部分被徹底切割給了AI和輔助算法，供應鏈、保險等環節需以這套全AI驅動的業務系統為第一優先級進行適配。

這背后的重大變革在于：在一個漸變的過程里，生產關系從以人為本體變成了以AI為本體。

隨著技術進步，當外接環節也逐漸變成全AI驅動的形式，公司的整個運營體系會變成由AI主導，這正是《無人公司》一書的副標題——打造未來超級商業體的真實含義。未來超級商業體核心將由AI和無人公司構成。

當十億美元業務僅由一個人負責時，這個人顯然不再是執行具體工作的人，而是作為人類社會與全自動體系的連接者，負責定義業務的意義。

那現在的問題是，這種模式只局限于自動駕駛嗎？

此次崛起的AI核心技術特征是其通用性，它不僅能處理代碼、文檔、圖片，還能處理幾乎所有類型的數據（在不同的領域智能化程度并不一樣）。

以下是一些可見的、基于同樣模式可以實現自動化現金流的場景：

全自動的低速環衛清掃、露天礦山的挖掘和開采都能無人化。又比如，大城市中糖尿病病人占比近20%，在一個人口2500萬的城市里，就有接近500萬糖尿病病人，而其他慢性病患也數量眾多。若想對這些病人進行統一跟蹤和康復治療，最簡單的方法是建立一套全AI驅動的系統，只要獲取足夠清晰的病人數據，AI就能持續優化建議和方案。

在電商情景下，以銷售T恤衫為例，過去需要數據分析、設計、生產、營銷四個部門協同配合。為了實現四個部門的協同，還要有職能部門的支持，比如人力資源、IT、財務、運維等。

但在全AI驅動的模式下，事情正在發生本質性變化。AI可以負責整體的數據分析、設計、組織生產、營銷。將這些角色以及企業底座定義為AI智能體，通過智能體之間的協作就能完成業務。

基于此，我們會發現組織的模式發生了本質變化。公司業務主要由AI驅動，也不再需要各種職能部門，公司變成了“無人公司”。

上面的例子遵循著相同的模式：它們的業務場景需要能夠充分數字化，且有一個代表整個公司的數字底座，這樣才是一套多智能體的系統。

北大國發院老師侯宏曾畫過一張圖（見圖1）來概括整個無人公司模式。值得注意的是，全自動實現現金流的系統所要遵循的規則與以往不同，而《無人公司》一書將其概括為：智能優先、萬物皆數、實時反饋、中心決策。

智能優先：要按照AI能發揮最大效力的方式重排各種生產要素，而不是適應既有規則。以銷售T恤的例子來看，如果每個環節都引入AI改善效率，仍然是人類優先或者既有規則優先，而非智能優先。唯有按照AI特征全新設計的生產方式，發揮智能效率，才是真正的智能優先。進一步來說，在效率體系內，AI是本體，人需要適應AI的本體地位，重新定義自己的角色。

萬物皆數：這種全AI驅動的系統必須與數字化的邊界相匹配。無法數字化的部分要通過多種方式獨立出去，作為系統的外部插件。

實時反饋：強調數據的感知質量。僅有數據的全面性是不夠的，動態數據具有時效。其價值會隨時間衰減。

中心決策：AI智能體在協作過程中要有明顯的中心。

我們可以把全自動創造現金流系統（即無人公司）的效能用一個簡單公式進行概括：

無人公司的效能= AI大模型的智能水平×現實理解縱深

“無人公司”天生具有沿著數據完備化路徑發展的動力，如果碰到障礙，它們能進一步整合。而這種整合往往需要打破傳統的產業鏈分工。比如，在Robotaxi模式下，如果汽車制造商不能全棧開放自己的數據，運營公司可能會傾向于自己造車，進而整合供應鏈的各個環節。這意味著在AI大發展的背景下，既有的商業格局可能面臨巨大變化。

過去組織中需要的智能只有一個供給方——人類。而人類的智能供給是有限制的，注定分散供給，并且需要通過流程等手段連接分散的職能。

AI則改變了這種智能分散供給的模式，通過各種模式和算法進行集中供給，因而更加強大和高效。但這和既有的組織生產的模式不兼容，也就很難從既有的模式上改進出來。這就像網約車不是從出租車公司改進出來的，Robotaxi也不是從網約車改進出來的。差異化背后的核心就是這種不兼容智能供給模式。在AI能夠自我改進之前，Robotaxi模式下還需要負責改進系統的團隊，也需要團隊來配合保險等環節，但團隊的管理和過去管理大規模司機所需要的體系已經完全不同。

更進一步說，以AI為本體的生產體系可能還需要人類，但這些人已經不再是傳統企業中的各種角色。