过去一年，各类AI行业大会上，台上演示令人眼花缭乱，台下观众拍照发圈后一切如旧。回到办公室，周会、审批、周报照常。大厂将Token消耗量写入KPI，有人靠刷量成“劳模”；朋友圈里，各类模型轮番登上神坛。这究竟是拥抱革命，还是快步赶场？
这些喧嚣皆是噪音。真正关键的问题早已不是AI够不够强大——蒸汽机早已造好，问题在于：谁第一个拆掉旧车间？
工业革命真正开始的标志，不是瓦特改良蒸汽机，而是兰开夏郡的工厂主决定离开河流，围绕蒸汽机重建整个车间。AI革命最重要的时刻也将同理——不是大模型问世之日，而是第一个组织决定拆掉旧流程、围绕AI重建生产方式之时。这一天尚未到来，但已在路上。
（Power-loom weaving, engraving by J. Tingle after Thomas Allom, 1835 / Wikimedia Commons）
一、车间依旧：工具升级，流程照旧
多数人的日常是：早上用AI写邮件省下十分钟，随后在两小时无效周会中耗掉；下午在不同工具间手动同步数据；晚上发朋友圈感叹“AI真香”。省下的时间，被陈旧流程悄然吞噬。
这与蒸汽机早期应用如出一辙：工厂主仅将水车替换为蒸汽机，工厂仍建在河边，仍靠中央传动轴驱动生产线。如今，我们将ChatGPT嵌入Slack，将Copilot加入Office，将AI聊天框嵌在工作流旁——做的正是同一件事：更换机器，但车间未变。
媒介理论家麦克卢汉曾言：“我们通过后视镜驶向未来。”用旧流程容纳新工具，正如早期电影仅是舞台剧的录制。真正的突破，需等待有人彻底摆脱河流束缚，围绕新动力重新设计整个生产体系。
将工业革命时间线与AI对照，或可定位当下所处阶段：
时间线已被极度压缩。工业革命从蒸汽机到铁路狂热用了60年，AI从Transformer架构到数据中心建设潮仅用7年。速度非问题核心，关键在于我们卡在何处——前四行仍属“旧车间装新机器”阶段，蒸汽机已就位，铁路在铺设，但生产方式纹丝未动。第六行方是真正分水岭。我们大概率卡在这两步之间。
蒸汽机已在手中，但车间仍是旧的。
二、资本狂热：过度建设的基础设施层
基础设施总被过度建设。最终破产的是投资者，而非基础设施本身。
1846年，英国议会通过263项铁路法案，批准建设9500英里新铁路。铁路投资高峰时占英国GDP的13%。只需10%定金的铁路股票吸引中产阶级蜂拥而至。泡沫于1847年破裂，三分之一获批线路从未建成，无数投资者血本无归。达尔文在铁路股上亏损60%，其运气已属佼佼者。
但铁路留下来了。
今日AI基建正走同一条路。高盛最新估算，2026年全球AI基础设施资本支出达7650亿美元，2031年预计每年1.6万亿美元。超大型云厂商资本支出占运营现金流比例，从2023年的约40%升至2025年的近70%。AI相关投资已占美国全部投资约四分之一。OpenAI前员工Leopold Aschenbrenner旗下基金规模从2.25亿美元飙升至136.8亿美元，全部押注AI基础设施——他赌的不是具体应用，而是底层算力本身。
此资本循环与地产开发同构：盖数据中心即盖楼——土地是电力，建材是GPU与存储，承包商是建设方，开发商是云厂商，租户是AI应用公司，租金是API收入。云厂商商业模式是以租养贷，用API收入覆盖资本支出，等待AI应用爆发带来估值跃升。
核心风险亦同：API单价下跌速度，能否被调用量增长抵消？若“租金”跌穿“还贷线”，便是地产开发商最熟悉的噩梦。2008年教训非房子盖得太多，而是供应结构与真实需求错配。AI的等价风险在于：通用算力过剩，但能处理金融合规、医疗诊断等高价值场景的专业化能力，仍然稀缺。
铁路、地产、AI——三个时代的基础设施投资共享同一规律：过度建设是常态，建材商终失定价权，长期回报总属于持有“核心地段”的业主。审视华尔街Q1基金持仓，80%或压注基建层：英伟达、数据中心、云设施。但铁路狂热告诉我们：这非AI革命全貌，甚至非回报最高层。
AI的“核心地段”是什么？是独特的行业数据与深度嵌入的工作流。对个人而言，真正的“核心地段”非持有股票，而是不可替代的判断力与行业知识——前提是，已围绕AI重建运用它们的方式。
真正的回报在下一层。但从基建到价值创造之间，并非无缝衔接。中间有一道缝隙——历史上，这道缝隙吞没了数十年。
三、拆墙者已现：组织重构与个人重塑
“拆车间”者与“用AI提效”者，所做并非同一件事。
Notion联合创始人西蒙，曾是“十倍速程序员”，如今很少亲自写代码——他同时操控三四个AI编码智能体，效率达30至40倍。Notion现有1000名员工与700多个AI智能体。差距不在工具，而在西蒙拆掉了自己的旧车间，而多数人只是换了台水车。
中国6亿用户使用过生成式AI工具，同比增长142%，这是全球最大需求池。但几乎没有中国公司围绕AI重建核心工作流。全球最大需求侧，配上几乎停滞的供给侧组织变革。此反差本身即是信号：非工具不足，乃组织未跟上。知识工作的上下文分散于数十个工具与人脑，产出难以验证，无人知晓如何判断一份战略备忘录是否有效。
更大尺度的拆解已在发生。Anthropic发布经济指数，用真实数据描绘AI最先替代的任务与行业，并按图施工：与高盛、黑石等合资成立AI原生企业服务公司；与毕马威建立全球联盟，27.6万名员工接入Claude；埃森哲组建业务集团，3万人受训，聚焦金融、生命科学与医疗。
这些咨询公司扮演的角色非AI用户，而是AI时代的“铁路工程师”——他们不造蒸汽机，也不铺铁轨，而是帮助企业拆旧厂房、围绕新动力重建生产线。若无此角色，多数工厂主不知从何下手。
信号已然闪烁。最尖锐者来自就业市场：22-25岁进入AI高暴露职业的年轻人，找到工作的概率比进入低暴露职业的同龄人低14%。初级岗位正被挤压。
若你是应届生，此数字直接影响求职；若你是管理者，所招下一批初级岗位，或不再是人。
组织在拆，个人何为？学历、履历、行业经验——这些是曾驱动生产线的“水车”。985、211不再是护城河，仅证明你曾在河边建过一座不错的工厂。如今问题在于：我们是否有能力离开那条河？
Anthropic数据显示，使用AI工具超6个月的用户，任务成功率比新用户高10%。先行者已领先10%，此差距将随时间复利增长。然而，目前尚无公司因未用AI而倒闭。赢家尚未被市场选出。学习曲线真实存在——先行者在积累优势，但多数人仍在起点。
四、未来职业：尚未命名的岗位
你现在的职业头衔，十年后是否仍存？五年前每日使用的工具列表，今日还剩几何？答案或许皆是否定。但你不知替代它们之物叫什么——因为它们尚不存在。
历史每次皆如此。新事物非被规划而出，乃旧约束消失后自然生长。
铁路建成前，英国是一个个孤立的地方经济体。曼彻斯特与伦敦的棉布价格可差30%。各城自有时间标准，无人觉异。铁路建成后二十年内，一切改变：全国统一市场首次出现，价差被抹平；标准时间是被铁路逼出，而非发明；站长、电报员、旅行代理——这些职业在铁路前全然不存在。
无人铺铁路时预见百货公司，无人造蒸汽机时预见标准时间。
城市历史讲述同一故事。几百年前的城市是人类尺度的——四十分钟步行穿过佛罗伦萨。钢铁框架使摩天大楼成为可能，铁路连接城郊，电梯、地铁、高速公路随之而来。东京、重庆、达拉斯——这些非更大的佛罗伦萨，它们是全新的生活方式。
如今的知识工作亦是人类尺度的。几十人团队，以会议邮件定节奏，超数百人便不堪重负。我们在用石头与木头建造佛罗伦萨。AI让“东京”成为可能——成千上万AI智能体与人员组成的组织，工作流跨时区持续运行。旧的周会、季度规划、年度审查，或不再有意义。
西蒙已不写代码——其工作变为“管理AI智能体”。两年前，此职位不存在。你的下一个职业头衔，或许现在尚无名字。但有人已在建造那个我们还叫不出名字的未来。
五、新车间蓝图：递归自我改进的AI循环
拆完旧车间，建什么？YC（Y Combinator）的答案是：让公司自我改进。
其内部系统现可在夜间自行修改代码。有员工白天发送查询失败，一监督智能体读取此次失败，反推原因，自行编写修复代码，提交审核，部署上线。次日同一查询成功运行。整件事在所有人睡眠中完成。
这非AI助人多产出30%，而是系统自行跑完完整闭环，自我琢磨如何变得更好。
YC合伙人Tom Blomfield称此公司形态为“递归自我改进的AI循环”。其判断直接：多数公司仍是罗马军团——信息层层下传上汇，人充当信息导管。AI打破的非某个环节效率，而是整套科层结构存在的前提。
他提出新逻辑：烧Token，而非烧人头。瓶颈正从人力转向算力。YC数据显示，进入Demo Day的批次公司，人均收入较18个月前高约5倍。中层管理角色被AI接管——“协同”之事不再需人完成。每个人都应是独立贡献者、建造者、运营者，每件事皆有具名负责人，而非委员会。
另一前提：公司必须对AI“可读”。未被记录之事，对AI等同未发生。YC现将所有合伙人邮件入库，录制所有Slack消息与办公时间录音。一位合伙人用三个月积累的2000小时录音，让AI重新生成一本150页内部手册——质量远胜旧版。此手册每月自动更新，成为持续保鲜的“活脑”。
Tom留下一问：若今日从零建公司，你会按此形态搭建吗？若公司已筑起科层结构，则需回答另一更难问题——重建之痛，会否小于按罗马军团模式继续运行的代价？
在新车间中，人不在中央，而在外圈——负责AI暂难触及之处：线下判断、全新情境、高赌注高情绪瞬间。公司中央是由数据、记录与行业知识拼成的“公司大脑”。跑于其上的软件是消耗品，能生成便可再生成。真正有价值之物在人脑之中——业务如何运行，哪些步骤涉及判断，这些理解方为真实资产。
Notion CEO赵伊万在《蒸汽、钢铁与无限智能》中描述的，正是此方向的另一面——1000名员工与700多个AI智能体协作的组织，人负责判断，智能体负责执行。Aschenbrenner押注算力基建，赵伊万押注组织重构。两条路终指向同一终点：围绕AI重建的新型生产方式。
六、结语：站在铁路沿线，而非守着干涸的河
我们身处何处？在1840年代与1850年代之间——铁路已铺就，工厂尚未重建。
西蒙已不写代码。他的水车，是他自己拆掉的。
问题从来不是蒸汽机够不够好，而是谁第一个拆掉旧车间。
我们无需预测未来的百货公司，只需确保自己站在铁路沿线，而非守着一条正在干涸的河流。
那么，你呢？
