微软中国CTO韦青：警惕“朋友圈AI”神话，重视苦活、脏活、累活

当AI以惊人的速度重塑世界，朋友圈里每天都在上演新的“奇迹”，从vibe coding，到一段文字生成视频、一次点击完成设计。

但微软中国CTO韦青老师却泼出一盆“清醒的冷水”。

他提醒所有想用AI重构未来的创业者——技术只是表象。在他看来，AI真正的挑战，不是我们跑得多快，而是有没有人还记得，技术的起点是人。

他用五个馒头的故事，颇为幽默地表达出，在AI落地的过程中，我们只想要华丽的演示，却不想在组织内进行漫长的打磨与修炼。

“很多人只想吃第五个馒头——AI智能，却不想先吃文化、人才、流程、数据这些前四个。”前四个是你在无人区里还能不能走下去的精神免疫系统。

他还提醒所有沉醉于智能幻象的人，当机器越来越聪明，人类更要回到初心、常识和本分。“把人的还给人，把机器的交给机器。”这是韦青老师在课程中反复强调的初心。

以下仅为课程十分之一内容，更多精彩内容，请打开混沌app，观看完整版。

上一堂课，我们讲完了AI时代“成长之树”的根和茎（上文回顾：），这堂课讲叶。

在植物中，叶子的作用是为整棵植物提供能量。我把叶子对应的部分归纳为“能力的建设”。

尤其是当智能机器飞速发展的时候，当它把人类的那些行动能力、计算能力，甚至部分的思考能力、判断能力和决策能力都代替了之后，人剩下什么？人恰恰剩下的，是基本功，是初心、是常识、是做好人该做的本分。这也正呼应了我们最初讲的——把人的还给人，把机器的交给机器。

初心：技术的起点是人，人心大于技术

我是以信息技术行业为例子来讲讲我们具体该怎么做。

司马贺（HerbertA.Simon）是图灵奖和诺贝尔奖的双料获得者。他早在上个世纪，就曾与中国的科学家们深度交流人工智能的观点和实践。我们现在看到的很多人工智能话题，真的不完全是全新的话题。只不过我们现在由于技术的进步、数据的积累，以及通讯的完善，才将前人的这些愿景给实现了。

但是在实现之后，我们还记不记得当初为什么做这件事？司马贺所预见到的就是：当信息过载的时代，就必然会出现注意力缺失的时代。

以我们现在的生活、工作和学习方式为例，我们每天花费了多少注意力放在了那些其实并不值得我们关注的事情上面？这个现象，早在几十年前就已经被预料到了。

正如微软公司CEO萨提亚（Satya Nadella）在微软技术大会上所讲的：

1.让机器理解我，而不是我去理解机器

2.让机器帮助我解脱信息过载的负担

——萨提亚·纳德拉

这两句话的意思是，机器应该不需要让我关注太多我不需要关注的内容，它应该让我作为一个人，能够有足够的精力、时间和能力，去关注、去处理我作为一个人，真正应该关注和处理的话题。

这才是信息技术真正的本意和初心。如果这个本意和初心保持不住，它就可能会被滥用。所以，当AI飞速发展，我们更要思考自己的初心是什么，到底是什么人应该关注和处理的话题。

常识：不要让技术违背常识

什么是常识？常识之所以称之为常识，它背后的含义恰恰是：人类很难真正尊重常识。因为常识都是不以人的意志为转移的道理，不管我们喜欢不喜欢，它都在那儿。

当前，我们是不是也应该质疑一下，我们的常识是不是真的常识？因为常识太冷静了，常识不会讨好人，常识不会给我们一种虚幻的成功，也不会轻易帮我们撇清责任。

在智能机器飞速发展的时候，我们人类应该格外去尊重哪些常识？

演示≠产品

Andrej Karpathy（安德烈·卡帕西），他是OpenAI的联合创始人之一，后来也投入到了AI教育行业。他在硅谷给很多初创公司交流时讲到，“演示很容易，但要成为产品要十年之功。”

因为这些企业都热切地想用AI改变世界，而且AI的特点是很快就能做出一个所谓的产品原型。

一个演示成功的产品或一次实验的实践，它真的就已经是一个能够给用户使用、没有问题的产品了吗？事实上，只有极少数成功的演示能够存活到成为产品的那一天。

这就是所谓的演示和成功产品之间的巨大鸿沟。所以，我们对于技术的进步，应该保持一种敬畏之心。

AI模型≠产品

另外的一个常识，是微软技术大会上，包括微软CEO萨提亚和很多技术专家经常强调的。

第一个观点是，萨提亚表示，虽然自己关注到的都是AI大模型——这个模型怎么样了，那个模型又怎么样了。但是，“模型不是你的产品，模型只是你产品的一部分。”

大家天天说这个模型、那个模型，但具体到我们今天的主题，为我们每一个活生生的、具体的人服务的是被模型能力赋能的产品和服务。

它的本质是：只要能帮我解决问题，它就是好产品、好服务。至于它底层是什么样的模型，大家真的那么在乎吗？当然它好用可能底层是因为有某种技术。

但这两种思维逻辑是完全不一样的。

此外，大家都在谈模型，就忽略到了最基本的常识——数据决定了模型的上限。

技术落地的次第论

另外一个常识，我把它总结为叫技术落地的“次第论”——“三有”。

我们有一种惯性思维，想到流行技术（比如人工智能），就先想到花钱买下产品或服务。但是，越智能、越能学习的产品，它和机械化产品有一个本质的不同。

行业中有一个不成文的公式，尤其在做预算时：从“有”到“有用”，大概需要两倍的成本（落地成本=技术本身成本X2）。也就是说，你要再花同样的成本（资金或时间），把它部署进企业内部的流程环境，让公司内部的制度、流程、评估标准，可以跟这种智能服务相匹配。一个组织拥有新的智能设备，就必须要求新的组织结构、组织关系和组织心智。

只有做到“有用”这一步，你才会发现，我投资的东西真的有作用了。因为用户根本不在乎你用什么技术，他们只在乎：会不会用，好不好用，我喜不喜欢天天用。

此部分还有更多精彩的讲解，打开混沌app观看完整版课程。

本分：这个时代的“本分之举”

什么是本分？大家看世界上所有伟大的公司，古今中外的伟人，他们的一生或者他们的发展过程，无不是把自己该做的事做好了！

关于本分，我想从这个故事开始说起。

1.五个馒头的故事

我们现在来分享一个在AI落地的江湖里流传甚广的传说。故事里有两个主要角色，一个叫张三，一个叫李四。

张三非常想寻找到一种能让他成圣成仙的食物，我们姑且称之为“馒头”，这个馒头叫做AI人工智能。他听说，李四家能够卖这种让人“成圣成仙”的馒头。在这个前提下，江湖的故事就展开了。

据传说，张三就是因为吃了李四家的馒头，所以他就成圣成仙了！

而实际上发生了什么呢？张三确实通过各种途径找到了李四家。李四热情接待了他，并确认：“我们家的馒头是可以让你成圣成仙，但是，这馒头得一个一个吃，一口一口地吃。”

李四给了他第一个馒头。张三吃完，没有感觉。他问李四怎么回事？李四说：“别着急，这还有一个馒头。”张三吃了第二个、第三个、第四个……直到他吃到第五个馒头时，才感觉浑身神清气爽，终于达到了他的目标。

这个故事，就以“张三吃了AI馒头成仙”的简化版本，开始慢慢在江湖中流传了出去。

实际上，确实有一个被称为智能（AI）的第五个馒头，它很炫、很流行，但大家忽略了一个常识：这第五个馒头，是需要由前几个馒头一个一个吃完之后，产生的系统化效应才能涌现出来。在这个过程中，整体不等于个体之和。

这五个馒头分别是：

第一个馒头：文化

第二个馒头：人才

第三个馒头：流程

第四个馒头：数据

第五个馒头：智能

这五个馒头的关系到底是什么？

智能的前面是数据，你的公司或你个人，有没有代表你的品味、能力、喜好的优质数据？而这个数据又由能够随时生成这种数据的流程构成。

这里有一个很重要的点：所有的数据，其实都是对过去行为和知识的一种总结。当数据被收集和机器学习完之后，那一刻的知识就停住了。任何之后新产生的、由人类参与社会变革而产生的异常值——那些新的知识、新的喜好、新的方法——都是需要新的流程来不断生成的。这就牵扯到：流程再造，也就是数字化流程再造。

而要想实现数字化流程再造，你的人才就得到位，要具备理解并且重构做事业务流程的这批人才。

事实上，大多数企业和组织，它原有的文化、制度、流程、评估标准，它并不足以支持这一类人才的产生。就算有这种人才，由于大家都只想吃那第五个馒头，只想给公司报业绩，谁都不想吃头四个馒头。

如果公司的人事制度和制度安排不预先调整，它就没法去鼓励，也没法去培养出具有这样“饭要一口一口地吃，馒头要一个一个啃”这种文化风格。也就是说，真正的公司的文化，才是它核心的底蕴。

谁都不想吃前面四个馒头，因为它们吃完没有显性业绩，全是成本和负担。但如果不建立积累和化学效应，你吃完第五个馒头还是会饿。这正是我们过去在信息化、数字化和智能化转型中所看到的通病。

第一个馒头：文化

我特别喜欢一个北欧学者写的诗，他说：“通往智慧之路正是error，error and error。”很简单，偏，再偏，再偏一点。我们如何理解人生的真相、创新的真相、生活的真相、事业的真相、产品的真相？就是这样一个“不断试错、每次少偏一点”的过程。

我们总说“苟日新，日日新，又日新”，说“周虽旧邦，其命维新”。

新和旧，用现在新的标准看，过去的叫旧，从旧的眼光看，新就是偏差，就是错误，就是失败。没有“错”的空间，也就没有“新”的可能。

我特别喜欢用概率来讲创新。很多人觉得创新是灵光一闪，其实它更像是贝叶斯思维。你用事件B不断去试探事件A的轮廓。每一次试探，你都得到一个反馈，再去修正你的认知。创新不是一下子就100%正确，而是通过一次次提高“分子成功的概率”，或者不断减少“分母的可能性”。你可以提高成功率，也可以缩小探索范围，两个方向都能让你更接近真相。

所以，创新其实是一个不断试探、不断更新的概率问题。

那创新怎么落地呢？靠“三错法”。我总结为：认错、知错、改错。更准确一点叫认偏、知偏、纠偏。创新的过程就是不断认偏的过程。

这三错法是应对不确定性的心法、做法、组织力。第一次尝试的偏差要被允许，因为那是探索的代价；但不能让错误无限蔓延。要奖一错、防二错、罚多错。允许首错，不纵容多错。要给组织设置一个“可承受的多错冗余度”。不同的行业，对多错的容忍度不一样。比如安全、医疗这种领域，容错极低；但在创新型企业里，没有高容错，你根本找不到方向。

这就是我说的第一个馒头：文化。创新的核心，不在工具，不在资源，而在一种允许试错、持续修正、以价值为边界的文化。

第二个馒头：人才

明白了文化这第一个馒头，我们自然就能理解第二个馒头——人才。我经常说，21世纪的新型人才，一定是一个愿意学习、会学习、以终身学习为愿景的人。不是“知道就够了”，而是“不断更新”。

人才的学习方法，其实可以概括为一句老话：知行合一。学问、思辨、行动，三者合一。古人讲“博学之，审问之，慎思之，明辨之，笃行之”，这五步也是在不断自我优化的过程。

在人工智能时代，“问”变得特别重要。机器学习其实就是“会问”的学问。人靠提问推动认知，机器靠数据去学习。它们的学习方式不同，但底层逻辑是相通的——不断试探、不断纠偏。

机器的学习的反向传播，就是人类在教机器学习的过程中，知道哪里偏了，再纠偏，然后再探测，这样的过程。是不是很像我们的人生？“偏，再偏，少偏，再少偏”。其实，机器的学习方法，正好印证了人类智慧的循环。

有了人才，还需要让人才得以融合。尤其是在AI落地这件事上，融合太难了。为什么AI落地总这么难？因为人没融合好，业务领域的人才和技术领域的人才之间，总是互相看不上。搞业务的嫌搞技术的“烧钱不挣钱”；搞技术的又觉得搞业务的“土、没远见”。几乎所有公司都有这种矛盾。其实，不只是他们的问题，连微软内部都一样。

我不觉得这是制度问题，本质上是人性问题。那怎么办？人性问题，就要用人性的方式去解决。这就要靠一种心态，叫“成长型思维”。从“I know it all”（我全懂）变成“I learn it all”（我愿意学）。

很多老板又问我：能不能帮我找一个既懂业务又懂技术的人？我说，理想很丰满，但想太多了。要是真有那样的人才，他早自己创业去了，哪轮得到你？所以，真正有智慧的管理者，不是去找“全能型选手”，而是去搭配团队。

但团队搭配也不是容易的事。人和人之间有化学反应，也有排斥反应。有时候彼此“道不同不相为谋”，但更多的时候是“存同求异，存异求同。”在决策阶段，我们要允许不同声音的存在，要有认知上的冗余，这样才能涌现新想法。可一旦进入执行阶段，就要收敛分歧，聚焦共识，才能高效推进。

所以，探索阶段要存同求异，执行阶段要存异求同。这是我最喜欢的一句话，也是一种辩证法。

技术人才自己建立能力之树时，要有非常扎实的根基，这个根基要从最早的第一性原理做起。

我当年学人工智能的时候，导师要求我——用基本的C语言，不用任何数学库，从零开始手搓，从矩阵、乘法、Sigmoid函数，全自己写一遍。只有亲手算过一次，才能真正理解算法的本质。

后来导师又让我做一件事：用Excel做机器学习的应用。我照做了，发现真神奇——比写代码更能体会数据一点点收敛、变化的过程。那种直观的感觉，是任何框架都给不了的。

所以我一直觉得，打基础这件事，是永恒的。要一上来就追“几行代码学AI”，那样容易误导。对于在人工智能这种前沿领域的技术人才，自我评判的标准是，你是不是对智能技术有了更加深刻的、第一性的、底层的元认知。

有三点评判标准：

你能不能用费曼学习法，跟非技术人员讲清楚什么叫机器学习？

你能不能不用新词，拽概念，讲清楚什么是人工智能？

你能不能不用现成的框架，把机器学习的算法给推导出来？

第三个馒头：流程

这个阶段最核心的，是协同观。协同意味着人和机器、机器和人要共同工作。

前面有了技术的支撑，流程就变成了因为效率而被重构、因为工具而被再造的过程。人工智能、机器智能、机器人、智能体，它们存在的目的，都是让流程更高效，但流程的起点永远是人。

我发现，无论做什么事情，流程其实都可以归结为七步，它本身就是一个正向传播和反向传播的过程，其实我们做事也暗合机器学习的原理。首先要有目标、有意愿、有方向，然后看资源、看约束，再一步步去实现。而实现的过程从来不是一击即中，而是通过反馈不断修正。

其实我们每个人早已是人机结合体了。现在机器的学习能力更强，反馈更快。机器能采集信号、识别模式、输出结果，让每个环节都被强化。这样一来，从人才、组织、流程，到产品、服务、产业链，每一个环节都加入了机器的要素，流程正在经历一场数字化的改革。

过去有个叫康威定律的理论，说产品功能反映组织结构。而今天出现了“逆康威定律”，技术能力的提升，尤其是人工智能，会反过来影响组织形态，创造出新的组织方式。当人才成为超级个体，组织自然要重构。

我们九十年代就讲过“流程再造”，那时是依靠信息化手段做数字化改造。而今天，我们要让机器也能理解流程。流程不再只是人能看懂的图表，而要变成“人能理解，机器能处理”。这其实就是机器学习的工程化表达。

所有的智能化产品和服务都必须带着数字化反馈链。机器通过反馈学习，人也通过反馈成长。一旦流程能学习，它就能沉淀数据；数据形成知识，知识再转化为智能。这样整个体系才会融入一个可学习、可演化的系统工程。流程智能化之后还会产生新的涌现效果。

流程之所以重要，是因为事情既不是由组织完成的，也不是由个人完成的，而是由流程完成的。它是衔接人才、组织、数据与智能的关键节点。流程再造不是终点，而是让机器把活干好，人把价值做深。最终，新的流程要孕育出一种“人在环中”的人机文化。当这种文化建立起来，我们就真正从工业文明，跨入了信息文明。

第四个馒头：数据

数据看起来很专业，我这里只说一个原则性的观点。

要真正理解数据，最终的表现方式，要做到“人能理解、机器能处理”的那种表达。也就是说，你要把业务目标和关键流程用一种既能被人读懂又能被机器处理的模式化语言表达出来——这是数字化转型里极重要的一课。

数据之所以特殊，是因为智能的本质决定的：AI知道的、学到的，全来自给它的数据。问题来了：如果你只是去用一个“大模型”，那模型学到的是人群的共识，但它不一定懂你到底要什么。

我常打个比方：请来一个爱因斯坦级别的专家，让他去帮你炒个鸡蛋，他有学问但不知道你具体想要什么，他炒不出来。很多AI应用之所以让人失望，就是因为没有把“你要什么”的数据教给它。机器靠什么学？靠数据。

在一次采访里，OpenAI 的联合创始人Ilya Sutskever，一针见血地指出：当有了像GPT这样的模型，你更该考虑的，是如何拥有别人没有的数据。第二点，如何教育机器为你所用，而不是用一个大家都可以用的机器。

所以我的结论很简单：数据必须带有“你的味道”。你要能随时把认知和决策留下数字足迹，这些数据对现在有用，对未来也至关重要。数据不是可有可无的配件，它决定了个体、组织甚至国家在这个时代能不能站稳脚跟。

第五个馒头：智能

真正的智能，只有在“用”的阶段才能体现出它的价值——能不能被用起来，是检验智能唯一的标准。有AI不代表能用AI。

我在微软的经验告诉我，让企业内部员工真正用起来人工智能，并不是买来一个系统就能实现的。这中间需要大量的流程再造、员工培训、文化建设——只有当文化、人才、流程、数据都准备好了，智能的“用”才能变为“有用”，才能进一步做出智能产品，赋能用户，企业唯有让客户或者用户愿意用，“爱用”，才能形成真正的竞争力。

做到这一点，其实我们不过是在重走人类文明曾经的路：如何形成高效组织。一个国家、一个企业、一个组织要真正用好AI，必须做到“书同文、车同轨、行同伦”，就是标准统一、体系贯通。

大家都知道，部门墙打不碎。只要有组织、有江湖，就有部门墙。真正的数字化转型目标从来不是打碎它，而是让数据的底层通起来。公司这栋大楼，楼上可以千姿百态，但地底下的水、电、气要互通。只有当数据标准统一、接口贯通，AI才能真正内化为组织的一部分，行同伦这种组织是能够实现最大产出的一个高效组织。

我举个微软团队的例子。我们的研发团队在做一个AI驱动的数据产品时，经历了三个阶段。

第一代产品，我们的口号叫“AI for Data”——AI加上数据。那时我们以为，只要给原有系统加个引擎，就能让它跑得更快。但这只是物理性的加法。后来我们复盘，发现这不够。

于是第二代产品的理念变成了“Data with AI”——不是简单叠加，而是让AI成为企业内化学反应的催化剂。我们要让数据因为AI而重构，而不是被AI附着。这一代产品大获成功。

到第三代产品，我们干脆不再提AI。为什么？因为产品中的AI已经内化进了每一个环节。这个智能的产品和服务，AI完全内化到了每一个环节，形成了一个智能性的反馈链，并且能不断自我学习完善。

到了那一步，我们终于理解了：当一个东西真正成为常态，它就不需要被特别提及。所以在微软内部，我们后来把口号改成：“Tech for Human”——技术为人。

当一个组织真正以人为本，技术为人服务时，AI就不再是一个加法，而是一种底色。那时不再强调AI，反而意味着它已融入血脉，成为智能时代的常态。

关于五个馒头的精彩解读，打开混沌APP观看完整版。

2.AI改革宣言

这是一场因技术进步而引发的有关文化、制度、流程和商业模式的企业和个人全方位的改革，而不只是转型。按照这种思路，企业改革将走向前沿组织（Front Firm），个人改革将走向超级个体。

我提出了“AI 改革宣言”，它真正的定位，是这个时代的“本分之举”。我们的终极目标是，当企业内化这个概念之后，它就应该成为一种本分。

心法：

1.实证大于空谈，人心大于技术

2.产生方法的方法大于产生的方法

3.旧范式产生不出新结果

4.“彼之蜜糖，汝之砒霜”

第二条，在这个巨变的时代，产生方法的方法大于产生的方法，因为具体的方法是固化的，而产生方法的方法是变化的，它能够变化出不同的方法来。如果你不能与时俱进，用旧眼光看新事物，全是错的，它不是偏差，是全是错的。所谓旧范式产生不出新结果。

第四条，就算你用了别人的、被证明的、最佳实践总结的各种经验，对你来说，所有的模型都是错的。只不过，有些是有用的。哪些是无用的呢？无用的，就变成了“彼之蜜糖，汝之砒霜”。

做法：

5.从小处改起，从容易处着手

6.没有数字化，就不会有智能化

7.警惕“朋友圈AI”神话，重视苦活、脏活、累活（文化、思维、人才、流程、数据、反馈、迭代）

8.抵抗“高估短期，低估长期”的倾向

具体的做法全是现实的话题了。

刚才讲的存同求异去争论和存异求同去实现，在实现的时候肯定要找阻力最小的点入手。怎么衡量阻力最小？找数据比较完备、意见比较统一、认知在同一个频率上的领域，从小处做起，从容易处做起。

另外，朋友圈 AI 倾向于跟你讲成功的故事，很少讲下面的脏活苦活累活。在一线打拼，全是辛苦的打拼。我们应该相信：AI 落地可能没有想象的那么简单，但也没那么复杂。它其实是一个从未变过的特别基础的逻辑，叫“一口一个馒头”，按部就班的流程。

所以，在做法上，我们必须抵抗这种高估短期、低估长期的倾向。把短期拆分成小任务，从小处、从容易处做起，这样更容易在短期看到成果。

法人：

9.以人为本，做机器的主人翁

这套AI落地方法论，其实全是人的本分问题、人的要求问题。整个技术落地制度建立是“法人”的，不是去“法纪”的。

总纲：

10.AI落地是一个复杂的巨系统工程

11.5日，韦青老师在混沌的系列课第三堂上线：《沉默的主角与成长之树（下）：花与果》，扫描海报二维码，预约最新课程！