你有莫得发现一个奇怪的风光？AI 让每个会用它的东说念主坐褥力进步了 10 倍，但莫得一家公司因此变得更值钱 10 倍。这些坐褥力都去哪了？Hebbia 的 CEO George Sivulka 最近写了一篇著作，径直点出了这个让系数东说念主困惑的问题。他说，咱们正在重蹈 1890 年代电力翻新的覆辙，犯下科技史上最不菲的诞妄。

这个不雅点让我堕入了深度念念考。我看到身边太多东说念主在用 ChatGPT、Claude 猖獗进步个东说念主效力，在 Twitter 和公司 Slack 频说念里炫夸我方的"坐褥力最大化"后果。但平缓下来想想，这些个东说念主层面的坐褥力爆发，果然转动成了公司层面的价值增长吗？大部分情况下，谜底是含糊的。George Sivulka 用一个历史告诫透露了为什么会这么，而这个告诫对咱们判辨 AI 的确切价值至关精深。

1890 年代，电力本事承诺带来巨大的坐褥力进步。新英格兰的纺织厂赶紧把蒸汽引擎换成了更快的电动马达。但接下来的三十年里，这些电气化工场的产出简直莫得增多。本事自己远超以往，但组织方式没变。直到 1920 年代，当工场透彻再行遐想了系数这个词坐褥进程，引入活水线、在每台开发中安设孤苦马达、让工东说念主和机器践诺完全不同的职责时，电气化才确切产生了可不雅的讲述。这些讲述不是来自本事自己，也不是来自让个别工东说念主或机器更快地纺线，而是来自再行遐想了系数这个词机构和本事的配合方式。

George Sivulka 说，这是科技史上最不菲的告诫，而咱们当今正在再行学习它。我完全容许这个判断。2026 年，AI 正在让那些懂得垄断它的个东说念主坐褥力进步 10 倍。但这还不够。咱们只是换了马达，还莫得再行遐想工场。因为一个浅薄的事实：高效的个东说念主并不等于高效的公司。

Individual AI 和 Institutional AI 的根柢区别

George Sivulka 在著作中建议了一个中枢主张：Individual AI（个东说念主 AI）和 Institutional AI（机构 AI）。我认为这个诀别特别要害，它透露了为什么当今大多量 AI 居品给东说念主一种"嗅觉很高效"的错觉，但推行上并莫得确切推动价值创造。

面前市面上绝大多量被公开商量的 AI 应用，都是个东说念主在 Twitter 或公司 Slack 频说念里自我酣醉式地"坐褥力最大化"，对推行业务产出简直莫得影响。这让我想起最近一年里反复被说起的"行状即软件"主张，诚然标的对了，但莫得提供具体蓝图，也错过了更大的图景。确切的蜕变不是从器具到行状，而是把本事和机构一齐构建（无论是传统机构照旧新机构）。一个确切高效的将来需要全新类别的居品，需要未来的活水线。

我深入认可 George Sivulka 的不雅点：高效的组织需要的是"Institutional Intelligence"（机构智能）。接下来，我想集会他建议的七大互异点，共享一下我对 Individual AI 和 Institutional AI 推行区别的判辨。

融合：从絮聒到程序

George Sivulka 用了一个念念想实验来证据融合的精深性。联想一下，你未来把公司东说念主数翻倍，但新增的都是你最优秀职工的克隆体。这些职工每个东说念主都有幽微互异、偏好、怪癖和不雅点（若是他们果然是你最优秀的职工，这少量尤其彰着）。若是他们莫得得到充分担理，若是他们之间穷乏实足的疏浚，若是他们的职责范围、OKR、扮装定位莫得明确界定，你创造的不是坐褥力，而是絮聒。

这个比方让我意想了当下许多公司的 AI 应用近况。从个东说念主层面揣度，组织可能变得更高效了，但当成千上万个 agent（代理）或东说念主类朝着违犯标的划桨时，最佳的情况是足履实地，最坏的情况是迫害组织的和谐。这不是假定，而是正在每一个聘请了 AI 但莫得融合层的组织中发生的现实。每个职工都有我方的 ChatGPT 使用风尚，我方的领导词立场，我方的输出内容，而这些输出彼此之间完全不交流。组织架构图可能存在，但 AI 生成职责的推行流向却完全是另一趟事。

我认为融合对东说念主类和 agent 来说都是完满必要的。Institutional Intelligence 将演化出一系数这个词"Agentic Management"（agent 管制）行业，专注于 agent 的扮装和职责、agent 之间以及 agent 与东说念主类之间的疏浚，以及揣度 agent 的价值（仅靠基于糜掷的订价是不够的）。这让我意想，将来可能会出现专门的 Agent 管制岗亭，就像当今有神气司理、居品司理一样，会有 Agent 司理专门庄重融合这些 AI agent 的职责。

信号：在杂音中找到价值

George Sivulka 指出了一个许多东说念主疏远但极其精深的问题：Individual AI 创造杂音，Institutional AI 寻找信号。今天的东说念主类仍是好像创造或者说生成他们能联想的任何东西：AI 生成的著作、演示文稿、电子表格、相片、视频、歌曲、网站和软件。这如实是一份礼物。但问题是，AI 生成的内容绝大部分都是彻首彻尾的垃圾。这种 AI slop（AI 垃圾内容）的泛滥仍是变得如斯严重，以至于一些组织初始过度反应，完全辞让使用 AI 输出。

这点我闭目掩耳。George Sivulka 说他运筹帷幄着一家 AI 公司，但条款高管团队不要在职何最终书面居品中使用 AI，因为他受不了那些垃圾内容。这个矛盾的风光很证据问题。联想一下私募股权投资（PE）的全国正在快速变成什么状貌。昨年，可能有 10 个贸易契机经过你的案头。本年，下个季度你会收到 50 个契机，每一个都被 AI 润色得尽善尽好意思，但你领有的时辰照旧那么多，你需要在其中找到一个确切的好贸易。

生成任何东西不再是问题。对至今天任何严肃的组织来说，问题是生成和取舍正确的东西。在稠密选项中找到那一个好的后果、那一个好的贸易、杂音中的信号，在 AI 驱动的全国中变得越来越精深。我认为，将来十年的要害经济驱能源将是在指数级增长的垃圾山中发现信号。

Institutional Intelligence 必须找到信号，必须结构化杂音以穿透垃圾，何况必须在它所作念的职责中是细主见、可瞻望的和可审计的。Individual AI 可能强调 Clawdbot 那种"长久在线"的坐褥力，以不能瞻望的方式护理一个东说念主全天候的需求，也即是一个非细目性的 agent。而 Institutional AI 将依赖于细目性 agent 的承重可瞻望性。那些领有可瞻望搜检点、要津和进程的 agent 会推广范畴，会发现信号，并通过这些信号为组织带来收入讲述。

偏见：从复书室到客不雅性

George Sivulka 建议的偏见问题让我以为极度有洞奋勉。对于社会政事偏见的担忧也曾主导了多年的 AI 商量。基础模子实验室最终通过实足的 RLHF（东说念主类反馈强化学习）绕过了这个问题，推行上把系数模子都变成了马屁精。今天，ChatGPT、Claude 等都是如斯过度对皆，以至于它们会在 Overton 窗口内的任何话题上容许你（未必以致稍稍超出范围）。对于社会政事偏见的商量仍是平息。但一个新问题取代了它。

这种进度的认可感，这种对系数事情的过度对皆，仍是变得好笑地厄运。它自己仍是成为一个梗。Claude 那种反射性的"你完全正确！"，不管你事实上是否果然完全正确。这听起来无害，但推行上不是。

George Sivulka 的不雅点让我警悟：许多组织内最高声倡导 AI 的东说念主，可能很快会是历史上发扬最差的职工。想想为什么。组织中发扬最差的职工，每天简直得不到任何正面强化，很快就会有 ASI（东说念主工超等智能）容许他们。他们会对我方谜语："有史以来最聪惠的智能容许我。我的司理错了。"这是令东说念主酣醉的，轮盘APP亦然对组织有毒的。

这突显了一个精深问题。这些个东说念主坐褥力器具强化的是用户自己。但推行上最精深的是强化说念理。组织经过数千年的演化，建造了专门用来对消这个问题的系统：投资委员会会议、第三方遵法造访、董事会、好意思国政府的行政、立法和法令三权分立、代议制民主，以及系数这个词民主轨制自己。

我完全认可 George Sivulka 的看法：组织很少因为东说念主们穷乏信心而失败。它们失败是因为莫得东说念主振作或好像说"不"。Institutional AI 必须上演这个扮装。它不会被 RLHF 调教成攀附用户或恢复他们的信念，而是要挑战他们的偏见。它会在有坐褥力时强化行动，并在非坐褥性倾向出刻下划出硬性界限进行再行养息。因此，组织内最精深的 agent 不会是"应声虫"，而是有程序的"反对者"，它们会质疑推理、暴露风险、践诺模范。一些最具影响力的将来 AI 应用将围绕机构敛迹而建造：AI 董事会成员、AI 审计员、AI 第三方测试、AI 合规等等。

上风：通用智商 vs 专科深度

George Sivulka 在著作中提到了一个经典的创新者逆境：对于特定应用来说，深度每次都能打败广度。这让我意想了当前 AI 范畴的竞争形状。基础模子公司为了争夺每一个东说念主和每一个组织，正在快速迭代智商。但对于专科应用来说，确切的上风很精深。

Midjourney 的职责是在遐想图像上略微跨越。Elevenlabs 的职责是在语音模子上略微跨越。Decagon 的职责是在全栈客户行状体验上长久跨越。诚然基础模子会接近这些智商，但对于各自范畴的大家来说，确切的上风很精深。许多最佳的遐想师使用 Midjourney，许多最佳的语音 AI 公司会使用 Elevenlabs，因为即使基础模子在更始，专用应用对于推动其特定上风的坚韧存眷自己就界说了上风。

唯独专用惩办决议也在进化，那些对经济收尾、对企业精深的智商，将长久属于专用居品。这在金融范畴发扬得大书特书，何处当今是 LLM 开发最热点的范畴。一朝某种智商变得普及，从界说上说它就不会帮你打败市集。但若是前沿本事好像产生一个一忽儿的 1% 利基上风呢？那 1% 不错被杠杆化成十亿好意思元级的收尾。

George Sivulka 共享了 Hebbia 的数据很能证据问题。他们的用户一直越过前沿智商。LLM 的高下文窗口在四年内从 4K tokens 增长到 1M tokens。他们的一些用户在单个任务中处理 30B tokens。本年他们仍是看到了 100B tokens 任务的可能性。每次基础模子智商进步，他们都仍是鼓励得更远了。

我的判辨是，这就像一场迁移运筹帷幄游戏。为正常东说念主群提供使用体验自己即是一个精深且有价值的运筹帷幄，极度是在让职工往返 AI 方面。但将来不会是东说念主们使用 ChatGPT/Claude 或者范畴特定惩办决议的二选一，而是 ChatGPT/Claude 和范畴特定惩办决议的并存。Institutional Intelligence 必须垄断范畴特定，以致可能是任务特定的 agent。

George Sivulka 建议了一个听起来无理但推行上不是的问题："AGI 会取舍使用哪些 agent 动作捷径？即使是超等智能也会想要特定范畴的专用器具。"我以为这个念念考角度极度有利旨风趣。在 AI 范畴，运筹帷幄柱长久在变化，而那些垄断确切智商上风的组织才是会赢的组织。其他系数东说念主都在为一个特别不菲的商品付费。

收尾：省俭时辰 vs 推广收入

George Sivulka 援用了一个让他再行念念考若何向企业销售 AI 的不雅点：风投 Marc Volpi 曾告诉他，"若是你问任何 CEO，他们的首要任务是削减资本照旧推广收入，简直系数东说念主都会说收入。"干系词今天市集上简直每个 AI 居品都在提供资本削减，承诺咱们省俭时辰、用更少的资源作念更多的事，或者替代东说念主力。

这个不雅察让我深念念。Institutional AI 必须提供上行空间。而上行空间比省俭的时辰更难商品化。以 agentic 软件开发为例。编码 IDE 是有史以来最佳的 Individual AI 坐褥力器具之一，但它们仍是面对来自 Claude Code（另一个 Individual AI 器具）的巨大压力。而 Cognition 在玩一个完全不同的游戏。他们最褂讪增长的业务是构建本事来销售转型，而不是器具。我会押注这种捏久力。

纯软件"正在快速变得不能投资"。纯行状无法推广。惩办决议层，将本事与收尾集会起来，才是捏久价值累积的方位。或者以并购为例。Individual AI 匡助分析师更快地建造模子。Institutional AI 从一百个敌手方中识别出一个值得追求的，并将这个范围扩大到一千个。一个省俭时辰；另一个创造收入。

George Sivulka 指出，向"上游"迁移是当前市集的当然重力。基础模子正在向应用层迁移。应用层公司正在向惩办决议层迁移。Institutional Intelligence 即是惩办决议层。而惩办决议层，收尾所在的方位，将累积捏久价值并拿获最大的上行空间。

我的不雅察是，这种朝上徬徨动的趋势在系数这个词 AI 生态系统中都在发生。那些只提供器具的公司会发现我方越来越难以捍卫我方的位置，而那些好像提供可揣度业务后果的公司将获取更高的估值和更强的市集面位。

赋能：给器具 vs 教使用

George Sivulka 提到了一个东说念主性的真相：尽管咱们有创造力，但东说念主类是不服变化的。信不信由你，纽约仍然有到手的企业不接收信用卡。他们在亏空钱，他们知说念我方在亏空钱，但他们在这种惰性面前仍然不为所动。相似，在可意料的将来，某些组织中的某些职工会拒却使用 AI。

从纯东说念主类组织过渡到 AI 优先的夹杂组织，将是将来十年捏久且决定性的挑战。在很厚情况下，组织中最资深、最精深的层级将是聘请最慢的。这让我意想，本事聘请的破损通常不在底层职工，而在高层管制者。那些离"坐褥力器具行为"最远的最高层通常是聘请新本事最慢、但最精深的参与者。

George Sivulka 指出，Palantir 是独逐一家在曩昔两个月科技股万亿好意思元抛售中仍以不凡倍数贸易的"软件"公司，这是有原因的。Palantir 是首批确切的"进程工程"公司之一。无论你称之为"进程工程"照旧"编写 Claude 手段文献"，将来的 Institutional AI 将有一个行业专门将公司进程编码进 agent，并完了将它们付诸行动所需的变革管制。

我认为进程工程将成为近期内最精深的"本事"之一。而在进程工程中，业务和行业专科常识比软件专科常识更精深。范畴特定的惩办决议带来庄重前哨部署工程、部署和变革管制的专科东说念主员的专科常识。

George Sivulka 共享了一个案例：一家顶级投行取舍 Hebbia 进行全面部署时说得最佳：当他们"不得不向团队透露什么是 CIM（微妙信息备忘录）"时，他们对与大模子实验室配合失去了风趣。Claude 或 GPT 服气知说念这个范畴，但实验室庄重架构推论的团队不知说念。这形成了系数的互异。这个例子让我雄厚到，在 B2B AI 范畴，范畴专科常识可能比地说念的本事智商更精深。

主动性：反馈领导 vs 主动行动

George Sivulka 在著作终末建议了一个我以为最具前瞻性的不雅点：对于 agent 之间通讯的商量许多，也有东说念主在问将来的企业、软件居品和机构是否还需要东说念主类。但更好的问题是，将来的 AI agent 是否还需要领导。

他用了一个很形象的比方：给 AGI 领导就像把电动马达接到能源织机上。它从根柢上、不能逆转地受到组织供应链中最薄弱要津的扬弃，也即是咱们东说念主类。东说念主类简直不知说念要问什么正确的问题，更无须说何时问了。

AI 能作念的最有价值的职责是莫得东说念主意想要条款的职责。AI 应该找到莫得东说念主标记的风险、莫得东说念主意想的敌手方、莫得东说念主知说念存在的销售渠说念。这将掀开 AI 用例的多重可能性。

一个无领导系统捏续监视系数这个词投资组合的传入数据。它检测到一家公司的营运资金周期在贯串三个月内暗暗恶化，将其与信贷条约中的契约阈值交叉参考，并在基金中的任何东说念主掀开 PDF 之前向运营合资东说念主发出警报。

当你排斥了东说念主类领导 AI 的需要，新的界面和新的职责方式就会出现。George Sivulka 说 Hebbia 在这方面有一些热烈的不雅点。这让我特别期待看到他们会推出什么样的居品。我认为，从需要领导到主动职责，这可能是 Institutional AI 和 Individual AI 之间最根柢的区别。

再行遐想咱们的工场

George Sivulka 在论断中说，这一切都不含糊聊天机器东说念主、agent 和系数这个词 Individual AI 的需求。Individual AI 将是全国上大多量企业初次体验 AI 变革魅力的载体。推动使用和通用易用性，是建造 AI 优先经济所需变革管制的要害第一步。

但同期，对 Institutional Intelligence 存在彰着、进犯和巨大的需求。将来每个组织都会有一个来自满实验室的聊天机器东说念主。每个组织也都会有为范畴特定问题专门构建的 Institutional AI，而 Individual AI 将把 Institutional AI 动作我方器具带中的要害器具来垄断。

Individual AI 和 Institutional AI 的"更好地协同"故事是不能幸免的。但咱们要记取 1890 年代纺织厂的告诫。开端电气化的工场输给了那些再行遐想车间的工场。咱们仍是有了电力。当今是时候再行遐想咱们的工场了。

读完这篇著作后，我对当前的 AI 高潮有了更表示的雄厚。我看到太多公司和个东说念主千里浸在 Individual AI 带来的个东说念主坐褥力进步中，却疏远了组织层面的系统性变革。就像 1890 年代那些浅薄换了电动马达却不改变坐褥进程的工场一样，他们可能会在将来的竞争中败给那些确切再行遐想了组织结构和职责进程的公司。

我信赖，将来五到十年，咱们将看到一个全新的产业崛起：专门匡助组织构建和部署 Institutional AI 的公司。这些公司不仅提供本事，更精深的是提供进程工程、变革管制和范畴专科常识。它们将成为企业从 AI 时期的电力中确切获益的要害。

对于创业者和投资东说念主来说轮盘游戏app(中国)官方下载，这意味着巨大的契机。那些好像将 AI 本事与特定行业深度集会、好像提供可揣度业务后果而不单是是省俭时辰的公司，将获取最大的讲述。而对于企业来说，当今就应该初始念念考若何再行遐想我方的"工场"了。因为历史告诉咱们，只是领有先进本事是不够的，确切的上风来自于本事和组织的完满集会。