“在悉尼和稀泥”的AI工作頁面截圖 受訪者供圖
刀仔運(yùn)營的網(wǎng)店的單月數(shù)據(jù) 受訪者供圖
在西安美術(shù)學(xué)院讀研三的“等登等蹬”，一個(gè)人就能為聯(lián)想、耐克、華為等品牌制作TVC廣告片，甚至為春晚分會場創(chuàng)作AI短片。上個(gè)月，他同時(shí)完成三支視頻，累計(jì)時(shí)長8分鐘，基本是他和AI協(xié)同完成——如果按傳統(tǒng)動(dòng)畫流程，一個(gè)人做3分鐘動(dòng)畫可能要二三十天。
在澳大利亞，30多歲的SaaS產(chǎn)品創(chuàng)業(yè)者“在悉尼和稀泥”，每周工作時(shí)間接近100小時(shí)，但他并不覺得辛苦，因?yàn)?ldquo;大部分活都是AI干的”。過去30天，他消耗了65多億Tokens，兩周完成6個(gè)產(chǎn)品的大版本更新，月流水做到約10萬美元。一個(gè)人抵得上一個(gè)十人團(tuán)隊(duì)。
“在悉尼和稀泥”的AI工作頁面截圖 受訪者供圖
沃頓商學(xué)院教授Ethan Mollick在《共智時(shí)代》一書中，把這類人分成兩種工作模式：一種叫“半人馬”（Centaur），人和AI各管一攤，像希臘神話里人身馬體的生物一樣涇渭分明——人負(fù)責(zé)判斷和決策，AI負(fù)責(zé)執(zhí)行和計(jì)算；另一種叫“賽博格”（Cyborg），人和AI深度交織，你中有我，我中有你，一句話寫到一半丟給AI接，AI輸出的結(jié)果再由人修正，反復(fù)迭代，最終產(chǎn)出超越雙方單獨(dú)能力的成果。
無論哪種模式，共同點(diǎn)是：人不再是唯一的勞動(dòng)主體，AI成了共同生產(chǎn)者。
但這些故事有一個(gè)容易被忽略的前提：這類人往往擁有專業(yè)積累、充足的試錯(cuò)時(shí)間，以及整合各種AI工具的能力。大量普通人、小微商家雖然同樣想用AI提升效率，卻遲遲難以真正用起來。他們沒有時(shí)間、能力和預(yù)算去調(diào)教一個(gè)不穩(wěn)定的Agent。
比如，杭工匠是杭州一家汽車無痕修復(fù)門店，店鋪開在偏僻的停車場三樓，生意完全依賴線上引流。但老板修車的時(shí)候沒法刷手機(jī)，刷手機(jī)的時(shí)候沒法修車。一條評論沒及時(shí)回，可能就錯(cuò)過了一個(gè)潛在客戶。
超級個(gè)體的故事之所以吸引人，恰恰是因?yàn)樗€沒有成為多數(shù)人的日常。
2026年初，全網(wǎng)掀起了一場狂熱的“養(yǎng)蝦”風(fēng)潮。從技術(shù)大V到普通白領(lǐng)，無數(shù)人跟風(fēng)在電腦上安裝了OpenClaw（因其圖標(biāo)酷似龍蝦，被網(wǎng)友戲稱為“龍蝦”）。有人用它寫代碼、爬數(shù)據(jù)，有人用它做自媒體、自動(dòng)發(fā)帖，甚至有人專門辦起了"龍蝦大學(xué)"。一時(shí)間，仿佛只要裝上它，每個(gè)人都能瞬間化身超級個(gè)體。
這其中固然有技術(shù)極客的嘗鮮，但更多人是被焦慮感推著往前走，好像不會“養(yǎng)蝦”，就會被這一輪AI甩下。
然而熱潮退去，很多人才發(fā)現(xiàn)，看似萬能的“龍蝦”其實(shí)極難駕馭。光是讓它跑起來，門檻就不低，更大的風(fēng)險(xiǎn)是失控。陳航在發(fā)布會上展示的一張截圖顯示：某AI科技公司CEO部署的“龍蝦”，將IP地址、真實(shí)姓名等信息泄露到了三千人的群聊里。多位互聯(lián)網(wǎng)從業(yè)者也曾對「定焦One」講述，原本想讓“龍蝦”幫忙處理工作，結(jié)果一句簡單的“處理一下”，它直接把本地文檔刪了。更麻煩的是，它是在后臺運(yùn)行的，你根本看不見它在干什么。
這就是AI Agent在真實(shí)企業(yè)場景里遭遇的集體困境：技術(shù)上有門檻，普通人玩不轉(zhuǎn)；安全上沒保障，企業(yè)不敢用。
過去一年里，極客們的解法是RPA（機(jī)器人流程自動(dòng)化）或者像“龍蝦”那樣的UI控制工具，本質(zhì)上是讓AI模擬人的視覺和手去點(diǎn)擊屏幕。但這在企業(yè)場景里走不通——網(wǎng)頁卡頓或按鈕換位都會讓工作流崩潰，沒有公司敢把這種系統(tǒng)放進(jìn)核心業(yè)務(wù)。
釘釘嘗試的是另一條路徑。陳航拋出的關(guān)鍵詞是“CLI化”（Command Line Interface，命令行界面）。通俗地說，就是直接向AI開放系統(tǒng)的底層代碼指令，讓AI不再需要“看"屏幕、“點(diǎn)”按鈕，而是直接向系統(tǒng)發(fā)送一行底層指令。安排跨部門會議，AI不用去找日歷圖標(biāo)、選時(shí)間、輸名字，一條指令瞬間建好。
為此，釘釘把旗下所有功能——AI表格、AI聽記、視頻會議、文檔、知識庫、審批、OA及各類SaaS應(yīng)用——全部拆解、重寫成了上萬條CLI指令。這個(gè)工程量是巨大的。用陳航的話說，“冰山之下，有8個(gè)工程，5個(gè)安全體系，4道屏障”，從2025年8月干到現(xiàn)在。
這背后的技術(shù)路線差異值得注意。讓AI模擬人去操作軟件，本質(zhì)上還是“人的工具”的延伸。釘釘做的是把軟件本身改造成AI能直接調(diào)用的基礎(chǔ)設(shè)施——不是AI學(xué)著像人一樣用軟件，而是人為AI重新匹配了一套AI原生語言。
當(dāng)AI具備了“動(dòng)手”能力后，普通人還面臨另一道坎：不會自己搭建復(fù)雜的工作流。釘釘?shù)霓k法是把特定領(lǐng)域的經(jīng)驗(yàn)、SOP、數(shù)據(jù)能力封裝成一個(gè)個(gè)“Skill”（可以理解為“能力包”）。目前首批Skill套件覆蓋了電商、跨境電商、知識類博主、開發(fā)、門店、設(shè)計(jì)、制造、法律、財(cái)稅等十大場景。用戶拿到的是一套現(xiàn)成的工作臺，AI調(diào)用某個(gè)Skill時(shí)，瞬間變成這個(gè)領(lǐng)域的“專家”。
在發(fā)布會上，陳航展示了幾個(gè)真實(shí)案例。杭工匠汽車維修店老板對著悟空喊：“幫我拉100個(gè)客人。”悟空立刻開始拆解這個(gè)目標(biāo)——先調(diào)用競品分析功能，去網(wǎng)上學(xué)習(xí)同行爆款帖子，總結(jié)發(fā)帖規(guī)律，然后調(diào)動(dòng)自動(dòng)發(fā)帖技能；當(dāng)客戶在評論區(qū)問價(jià)時(shí)，AI能秒回并引導(dǎo)到店。一個(gè)店長加上悟空，就等于一個(gè)7×24小時(shí)在線的運(yùn)營團(tuán)隊(duì)。
在電商行業(yè)，悟空能接管許多原本憑感覺選品的“經(jīng)驗(yàn)活”——自動(dòng)瀏覽亞馬遜熱榜、在1688分析銷量和評價(jià)；通過旺旺跟賣家砍價(jià)、確認(rèn)庫存；最后還會根據(jù)轉(zhuǎn)化率自動(dòng)修改商品主圖。
甚至連開發(fā)一款CRM應(yīng)用，也不再需要完整的技術(shù)團(tuán)隊(duì)。過去，這需要產(chǎn)品經(jīng)理、設(shè)計(jì)師、程序員協(xié)作數(shù)周甚至數(shù)月。而現(xiàn)在，一位業(yè)務(wù)負(fù)責(zé)人只需要描述需求，AI就能自動(dòng)調(diào)用相關(guān)的開發(fā)Skill，一句話生成包含前端、后端、數(shù)據(jù)庫的完整應(yīng)用。“我們市場部同學(xué)用悟空，15分鐘就把發(fā)布會的門票系統(tǒng)做出來了。”陳航說。
35歲的姜一平曾是一名文字工作者。AI浪潮剛出現(xiàn)時(shí)，他每天都在焦慮自己會不會被淘汰。后來他想通了，與其等著被替代，不如試著用AI賺點(diǎn)錢。
他完全不會寫代碼，但憑著投資理財(cái)?shù)慕?jīng)驗(yàn)累積，決定自己做一個(gè)炒股模型。整個(gè)開發(fā)過程全靠跟AI“聊天”完成：先讓AI分析市場情緒該怎么量化、權(quán)重怎么設(shè)，再讓AI把這些分析寫成代碼。前后不到兩周，他手搓了一個(gè)市場情緒量化軟件，成本只有一塊多錢。
這個(gè)模型每天盤后收集數(shù)據(jù)，次日盤前給出大盤走勢預(yù)測。更有意思的是，他根據(jù)模型算法寫的一篇論文，還引起了知名經(jīng)濟(jì)學(xué)家、“龍王模型”提出者Didier Sornette的關(guān)注。
姜一平“手搓”的工具給出盤前預(yù)測 受訪者供圖
姜一平不會寫代碼，但他知道市場情緒應(yīng)該怎么量化。這恰恰是AI時(shí)代最核心的能力轉(zhuǎn)移：過去，“會做”是核心競爭力——會寫代碼、會做設(shè)計(jì)、會寫文案?，F(xiàn)在，“會做”正在被AI快速填平。真正稀缺的變成了“會想”——知道做什么、判斷做得對不對、把不同的AI能力組合起來解決復(fù)雜問題。
《哈佛商業(yè)評論》2026年2月發(fā)表的一項(xiàng)研究揭示了更反直覺的現(xiàn)實(shí)：AI并沒有讓人更輕松，反而讓人更忙了。員工工作節(jié)奏更快、任務(wù)范圍更廣、工作時(shí)間自發(fā)延長。短期看是生產(chǎn)力爆發(fā)；長期看可能導(dǎo)致認(rèn)知過載。
這意味著，AI時(shí)代真正的“元能力”不是掌握某個(gè)具體工具，而是管理自己與AI的協(xié)作節(jié)奏，知道什么時(shí)候該讓AI沖，什么時(shí)候自己停下來想。
PwC全球AI就業(yè)晴雨表已經(jīng)給出了市場信號：擁有AI技能的員工正在獲得顯著的薪資溢價(jià)。市場已經(jīng)開始為“會指揮AI的人”標(biāo)價(jià)了。
回到最初的問題：碳基和硅基組隊(duì)燒token，到底炸出了什么？
先炸出了一批“進(jìn)化者”。刀仔躺在病床上遙控12家網(wǎng)店，“等登等蹬”一個(gè)人給春晚做片子，“在悉尼和稀泥”30天燒掉80億Token換來10萬美元月流水，姜一平不會寫代碼卻做出了讓經(jīng)濟(jì)學(xué)家側(cè)目的量化模型。這些人身上有一個(gè)共同特征：他們不是AI的操作員，而是AI的指揮官。
然后炸開了一道門。過去，成為“超級個(gè)體”需要技術(shù)天賦、試錯(cuò)成本和極強(qiáng)的工具整合能力——這道門把99%的人擋在外面。悟空做的事情，是把這道門的門檻從“會寫代碼”降到“會說人話”。一個(gè)汽車修復(fù)店老板喊一句“幫我拉100個(gè)客人”，AI就能自己拆解目標(biāo)、編排流程、執(zhí)行到底。這不是降維打擊，這是降維普惠。
最后，它可能正在炸掉我們對“工作”這個(gè)詞的全部舊認(rèn)知。想想看：當(dāng)一個(gè)文字工作者能做出量化模型，當(dāng)一個(gè)美院學(xué)生能交付商業(yè)級TVC，當(dāng)一個(gè)店長的AI比他自己還勤快——“崗位”這個(gè)概念還成立嗎？“專業(yè)對口”還重要嗎？你的競爭對手可能不再是同行業(yè)的人，而是一個(gè)完全不相干的人加上他的AI。
釘釘此次還發(fā)布了DingTalk A1 Pro錄音硬件和首款聯(lián)名AI耳機(jī)Cleer H1。AI正在從屏幕里爬出來，鉆進(jìn)會議室、車間和街邊小店。未來的工作場景里，你的“同事”可能是一個(gè)隨時(shí)在線、永不疲倦、還能自我進(jìn)化的數(shù)字搭檔。
工作不會消失，但“誰來做、怎么做、做多少”正在被徹底重新分配。這不是一場溫和的升級，更像一次物種進(jìn)化——不是所有人都會變，但率先變的人，已經(jīng)活在了不同的生產(chǎn)力紀(jì)元里。
下一個(gè)新物種，可能就是你。前提是，你愿意和硅基組隊(duì)。
*應(yīng)受訪者要求，文中刀仔、姜一平為化名。
快報(bào)
根據(jù)《網(wǎng)絡(luò)安全法》實(shí)名制要求，請綁定手機(jī)號后發(fā)表評論