为什么公司正在变成一连串的循环 | Anish Acharya（a16z）

莱尼以他想要检验的那个梗开场：任何没能跟上最新 AI 工具的人，都会被归入一个永久性的下等阶层。他指出，有人把它当笑话，也有很多人当真到为此焦虑，然后追问这种担忧到底有几分真实。

没那么严重。这更像是硅谷集体共享的一个好笑的黑色幻想。

阿尼什并不认为这种恐惧只是边缘情绪。他说，从基础模型实验室的研究员到硅谷的普通人，都有这种担心，而且它被描述成被推出“光锥”之外。他的反驳是：几乎从每一个衡量维度看，情况都从未这么好过——机会的分布程度、可用的技术、人们被允许拥有的野心，以及各自独立地做着正在赢的事情的公司数量。

他的经验论据有三部分。第一，上一个技术时代更集中：网络效应是移动时代的黄金标准，而按定义它就是 N=1 的网络；如今技术栈的每一层里，相关玩家更接近二十个而不是两个，那个看起来会赢者通吃的编程智能体市场里，Claude Code、Codex、Lovable、Replit 和 Wabi 都在运作。第二，放射科医生被预言会被取代，已经预言了大约二十年，而职位空缺——包括程序员——却比以往任何时候都多。第三，技术层面的故事不是“递归自我改进产生一个失控的赢家”，而是自催化效应：用这项技术改进你自己的流程，而这并不算真正的递归。

莱尼把这场争论重新表述为“快速起飞”对“缓慢起飞”，并指出到目前为止每一个里程碑都是被注意到、被接住、被观察、被反复迭代的，而不是毫无预告地突然降临。阿尼什同意，并把快速起飞论描述成：到目前为止的一切，之后再加上一个谁也说不清楚的事件。他补上两个刹车。其一是经济扩散的速度很慢，证据是他回到自己那个小家乡时，那里几乎没什么变化。其二是大多数问题很可能根本不受智能限制——就算给 FedEx 或 Domino's 一个装满博士的数据中心，也不会让供应链或披萨生意指数级地碾压对手。

谈到野心，他说筛选标准已经倒转。三年前，如果一家公司的计划太宏大，投资机构会拒绝它；如今，太小的想法才是不值得投入的那一类。他把这项技术描述为放大能动性、把技能与欲望分开，因此它既能推动生产力，也能推动野心。

莱尼问，在拥抱这些工具的员工和反感它们的员工之间，是否正在裂开一道鸿沟。阿尼什拒绝接受这个问题背后的那些抽象想象：像《呆伯特》里那样倒腾纸张的经理、把消费者当成低能动性的 NPC，以及“别人的工作都能自动化、只有我们的不行”的假设。按他的经验，一旦进入细节，很多人都渴望获得更多杠杆。

他的证据从 Google 这样成熟复杂的公司，一直延伸到墨西哥的二手车卖家 Kavak：后者办了一所为期六周的学院，教全公司——包括机修工——使用新工具，每一期学员在结业时都会把一个前沿智能体送进生产环境。

是用 AI，还是围绕 AI 重组你的整家公司。

他认为这个区别才是真正的变化，并拿电力的扩散作类比：从电出现到工厂完成重组，中间过了四十年，因为那意味着把厂房烧掉重建，而不是把煤换成电。因此最有野心的公司在围绕模型重新思考一切，而更早或野心较小的公司则专注于让现有岗位能用上这项技术。

被问到这是否应该减轻人们对职业的焦虑时，阿尼什从高管激励的角度推理：桑达尔执掌 Google，他更愿意打造一家四十万亿美元的公司，而不是经营一家效率更高、四万亿美元的公司，所以一个产能更高的单位值得保留。他举了一位 Google 高管朋友的例子：那位朋友说公司没有裁员；相反，团队在三个月里干完了原定两年的路线图，最难的问题变成了该往里面再加什么——他称这是每个产品经理的幻想。

他给出的处方不是某个工具，而是一种姿态：把东西做出来、发出去。他举 Claire Vo 为例——不断地发布、尝试、不怕轻微的尴尬，看起来像是自己最好的版本。莱尼把这条线理解为：不必对工作和职业那么焦虑。

阿尼什承认，“循环”这个概念在 X 上被调侃为过度知识分子化，而“图”是它下一阶段的当下流行说法；随后他给出了最强版本的论证：先有提示词，然后是智能体——即模型带上工具、记忆和技能文件构成的循环——再然后是循环，即一组组执行任务的智能体。

编程是他的样板案例，因为最好的模型遇上了技术上最娴熟的客户，也遇上了一整套已经成型的循环。一条 bug 报告进来，生成复现，写出修复并评审；高风险改动在发布前需要人工确认，低风险改动自动发布，客户可能在五分钟内就收到邮件。工程里有大量这样的循环，从修 bug、处理客户反馈，到销售演示和新功能开发。

他想回答的问题是：商业循环是什么。一位总经理统管编程、市场、销售、支持和法务等各条循环，而这些循环合起来的产出本身也是可以优化的对象。在最强的形态下，循环会把一条信息上报给 CEO——业务的某个物理层面、商业模式或战略必须改变——从而形成级联：从每个人的循环，到每个职能的循环，跨越业务单元，直到由循环来运转公司的大部分。

增长是他给出的实例，取自莱尼在 Airbnb 供给增长团队的经历。那个团队做头脑风暴、排优先级、开发、上线、衡量实验；循环版本则会生成每一个变体，逐一衡量，在统计显著、p 值足够高时收敛并发布，保留一个长期留存的对照组，然后进入下一个实验。

市场推广也呈现同样的形状。莱尼提到一条推文，说 OpenAI 的市场团队现在用 Codex 比工程团队还多。阿尼什的漫画式描述——销售人员想要健身房、牛排晚餐，以及季度最佳销售的那个奖杯——支持了他的说法：循环把这份工作蒸馏到人最擅长、最感兴趣的那一部分，周边的行政事务则由系统代为处理。

接着是一个产品经理式的倒转：对所有想法都说好，把它做出来，再用 Simile 这类工具模拟用户反应。阿尼什不那么显而易见的解读是：很多自认为是零到一型思考者的产品经理，会发现自己并不是；而在别人一个不错的主意上工作，比在自己一个糟糕的主意上工作更有满足感。第二个效应是，最终胜出的想法不必再是最能说服高管的那一个，因为想法会被真正试一遍，最好的那个会赢。

循环会帮你爬到局部最优，然后就触顶了。

后果是结构性的，而不是表面的：要登上下一座山头，需要分布外思考和人的直觉，需要一个能把组织带到另一座山脚下的人。莱尼把它重新表述为图表上的一次“智能体到人”的交接：智能体往上爬，人重新定义问题，如此反复。

阿尼什的例证刻意带有降温意味。让智能体去赚一百万美元且不犯错，是行不通的，因为必须把智能体指向正确的方向，而这项技术中没有任何迹象表明这种需要会消失。