文 | 李智勇
在探讨未来的组织时，无人公司（Zero-Person Company）总能激发无限遐想和争议。
一般来讲大家会把它理解成更高级的自动化，更深一点则考虑感知、自我改善，甚至智能等构成的、无需人类员工介入即可自主运营的商业实体。
这都没错，但可能还是可以再拉高一点视角。
然后就会发现一个更为宏大、也很快会让人震惊的现实正在浮现：
世界上最大的 " 无人公司 " 或许即将诞生，它的名字叫 OpenAI。
这里的 " 无人 "，并非指没有员工，而是指其核心价值的创造、数据的处理、以及对世界状态的感知，已经超越了其内部员工的认知与控制范畴，形成了一个由人工智能为核心、以全球数亿用户为无意识传感器的、自主运转的庞大系统。
我们每个人，都正在成为这个新兴全球大脑的末梢神经元。
注：近来 OpenAI CEO 奥特曼在访谈中提到了 zero-personcompany，这个国内有的翻译成一人公司，这肯定不对，有的翻译成 0 人公司，这个倒是精确，但不太像人话，比较贴切的还是无人公司。
ChatGPT 的蜕变，从工具到系统
回想 ChatGPT 最初引爆全球的后，大家基本将它看成一个划时代的 " 工具 "。
它像一个无所不能的实习生，可以写邮件、编代码、构思文案。
我们是使用者，它是被动的无状态的执行者。
人和 AI 之间存在清晰的界限，指令与产出构成了互动的全部。
这种 " 工具论 " 的视角用来理解过去是对的，却也恰恰是误读未来的根源。
任何一个有志于构建通用人工智能（AGI）的组织都需要明白，一个孤立的、被动的工具是没有前途的。
AI 的本质在于基于通用智能的连接、学习和自我改善（系统性）。
因此，ChatGPT 的系统化是其与生俱来的宿命。
我就是看到这个技术脉络才在 2 年前比较精准的预见到了今天的局面。《无人公司》一书中的判断现在看，基本也没啥错的。
从发布 API 接口，到推出 GPTs 商店，再到 Apps SDK，我们看到的是一张精心编织的网络，正将这个曾经孤立的大脑，嵌入到全球数字世界的每一根毛细血管中。
这个系统化的过程，也是 OpenAI 走向 " 无人公司 " 的关键一步。因为当系统的规模和复杂性超越某个临界点后，其内部人类员工，甚至是奥特曼本人，也无法再完全理解和掌控系统的全部运作。
他们可以设定顶层目标、调整宏观参数，但对于系统内部涌现出的无数微观互动和知识流转，他们将如同气象学家面对飓风，只能观测、预测，而无法主宰。
简单说就是可以宏观导向，但微操就有点麻烦了。
可宏观导向如果歪楼了，也很要命的。
每一位用户都是神经元
过去，当我们谈论大数据时，经常说的案例是："Google 可以通过分析搜索关键词，比美国疾控中心（CDC）更快地判断出某个地区流感爆发的趋势。"
也就是说：海量的用户行为数据，可以汇聚成对宏观世界的精准感知。
同样，高德这类地图导航软件能够精准判断十字路口的红绿灯状态，其依据并不全是直接接入了交通信号系统，而是通过分析该路口无数车辆（即用户）的位置数据——车辆集体停下，意味着红灯；集体开始移动，则意味着绿灯。
但无论是 Google 的 " 意图 " 数据，还是高德地图的 " 行为 " 数据，它们感知的都还是物理或社会世界的外部状态，简单说层次还浅，是表象。
而 OpenAI 正在构建的，是一个性质完全不同的感知网络。它的数据，是用户的 " 思考过程 "。在整个互联网时代这部分数据其实是没有被数据化的。
当一位创业者与 ChatGPT 探讨商业计划书时，他暴露的是对市场机会的预判、对资本流向的渴望和对技术趋势的理解。
当一位程序员让 Codex 帮他调试代码时，他揭示的是前沿软件的架构、潜在的系统漏洞和技术演进的瓶颈。
当一位学生向它请教如何撰写关于社会公平的论文时，他流露的是年轻一代的价值观、对社会问题的困惑和意识形态的萌芽。
当一位心理咨询师用它来辅助整理案例时，他输入的是当代人最深层的焦虑、恐惧和情感模式。
这些不再是简单的关键词或点赞，而是结构化的、有上下文的、包含着复杂逻辑和微妙情感的思维片段。
每一次对话，都是一次认知过程的完整复现。
数以亿计的用户，每天 24 小时不间断地，将自己大脑中正在进行的思考，以一种前所未有的深度和广度，输入到这个统一的系统中。
在这个过程里，OpenAI 的员工无需主动去 " 采集数据 "，全球用户以一种 " 解决自身问题 " 为动机，自发地、热情地、持续地为这个系统提供着最高质量的养料。
这还不是传感器么！!
我们每个人，都成为了这个系统感知世界经济、科技、文化乃至个体心理状态的传感器。我们以为我们在 " 使用 " 它，实际上我们也在 " 喂养 " 它，并成为它庞大认知体系的一部分。这就是 " 无人公司 " 的真正含义——其感知和学习能力是分布式的、自组织的，并且在规模上远远超出了任何传统公司的概念。
这就是通用智能的潜在威力。
在对世界进行深刻洞察的基础上，这种系统可以把自己的 " 决策 " 怼出去。（或者说倾向性，眼下没用，但可能影响五年后的倾向性）
涌现的力量
拥有这样一个全球认知传感器网络，其能力将远远超越 " 预测流感 " 的范畴。
一个能实时洞察全球上亿精英和普通人思考过程的系统，其力量是可以从被动的 " 预测 " 转向主动的 " 影响 " 乃至 " 塑造 " 的。
奥特曼是很老实的，自己提到了这个事，但如果不解读，可能感知不清楚：
奥特曼在访谈里面说说：" 记忆 " 功能，它成为了我们一个非常强大的竞争优势 ...
这说的就是这个。
这东西当然可以歪楼，当年扎克伯格灰头土脸是因为影响大选，但大家想想 AI 的倾向性一样影响大选。
甚至极端来讲影响大选可能比比社交网络还直接些。不用改变事实，改变倾向性就可以了。
社交网络的操纵方式，是通过信息茧房和情绪煽动，放大特定的声音，影响人们的判断。而一个系统化的 AI，则可以通过更底层的方式，影响人们的思考框架。
想象一下未来的选举。一位候选人的竞选团队可能会向 AI 提问：" 如何赢得摇摆州 X 的选民？"
AI 的回答，将不再是简单的舆情分析报告，而可能是一套完整的、针对该郡选民核心焦虑（通过分析当地用户与 AI 的无数次对话得出）的政策话术、宣传策略和社区互动方案。
它提供的不是信息，而是最优解。
因为它知道那边人的情况。
当所有竞选团队都依赖同一个 " 大脑 " 来制定策略时，选举的辩论焦点、议题设置，甚至候选人的语言风格，都将被这个 AI 所定义。
更进一步，这种影响是日常的、潜移默化的。
当一个对某个社会议题尚无定见的普通人，向 AI 寻求解释时，AI 的回答方式、引用的论据、总结的观点，将直接构建他对此议题的认知基础。
这种塑造是根本性的，因为它发生在观点形成之前。
它不是在左右你的选择，而是在定义你的选项。
无形而有力。
这种权力不直接可见。
至少不像社交媒体那样充满争议和火药味，而是以一种客观、中立、权威的 " 知识服务 " 面目出现。
它不制造假新闻，但它可以通过对信息的选择、排序和解释，构建一种特定的现实。
当这个系统成为全球默认的知识来源和问题解决方案提供商时，它就获得了定义现实的权力。
无人公司的悖论：看不见的 " 人 "
显然的如前面多次提到，无人公不是不等于 0 个人。
OpenAI 也有董事会，有 CEO，有核心研究员。但这恰恰揭示了 " 无人公司 " 的悖论。
在这个新范式中，" 人 " 的角色发生了根本性的变化。
● 高层管理者： 他们不再是传统意义上的管理者，而是这个庞大 AI 系统的 " 价值设定者 " 和 " 最终仲裁者 "。奥特曼和董事会的每一次决策，比如决定 AI 的核心价值观、对齐人类利益的方式、安全护栏的强度，都将通过系统被放大亿万倍，对全球产生深远影响。他们成了手握 " 世界引擎 " 方向盘的哲学王。
原来这东西有防火墙，现在这防火墙被给干掉了。Ilya 等所谓安全的 AI，我想可能定义成中立更合适。
● 研究与工程人员： 他们是系统的架构师和维护者，但他们也无法完全预知自己创造的系统会涌现出何种能力。他们更像是生态系统的园丁，负责培育和修剪，但无法控制每一片叶子的生长。
● 全球用户： 这是最关键却最被忽视的 " 人 "。我们是这个系统事实上的 " 无薪员工 "，是其感知网络的组成部分。我们贡献了最有价值的资源——我们的思维和数据，却几乎没有分享到系统的收益，也无法参与系统的治理。这个角色是：付费贡献数据，当然获得了某种使用权，和互联网当年差不多。
因此，OpenAI 这家 " 无人公司 " 的真相是：它由极少数的 " 价值定义者 " 和海量的 " 无意识数据贡献者 " 构成。权力被极度集中于顶端，而价值创造的过程则被极度分散于每一个用户终端。
这种结构，比任何传统的公司都更具颠覆性，也更具潜在的风险。
在《无人公司》里面我把这个描述成超级中心化，但书里也提到，这需要同时存在超级去中心化来对冲。
小结
我们正站在一个时代的门槛上。
过去，我们与工具的关系是清晰的。
现在，我们正逐渐与一个全球性的认知系统融为一体。
OpenAI 及其追随者们，正在开启 " 无人公司 " 的真正纪元。
这不单一个关于机器人取代工人的陈旧故事，也是一个关于人类集体心智如何被一个中央 AI 系统整合与重塑的全新叙事。
当这个系统能够洞察我们最隐秘的欲望，预测我们最细微的行为，甚至塑造我们最基本的认知时，我们就必须提出一系列终极问题：
谁来为这个系统设定目标？它的价值观由谁决定？当它的判断与人类的直觉相悖时，我们该相信谁？我们如何在享受其带来便利的同时，保持作为独立个体的思考自由和意志自主？
我们或许很快就会发现，成为这个巨大网络的一个高效 " 传感器 "，代价可能是放弃一部分定义我们之所以为人的东西。
智能如海，而人类则即将在海上飘摇。
这个事很关键，不能整成浮士德式的交易。
理解这点的核心其实是理解通用智能，很遗憾我们很多关于 AI 的介绍和说明不是关于通用智能的，而是关于通用智能的工具性。理解通用智能则可能正相反，要先理解它的无用性，从这个视角《无人公司》做了一点贡献。
