第 1 章执行归零

一、你最贵的采购品在打折清仓 #

打开你公司的损益表。过去二十年，无论做什么行业，最大的一笔钱几乎总是同一项：人力成本。再往下拆，大头买的往往不是判断，而是执行。那些工时用在做同一件事：把一个决定变成文档、代码、报表、合同、设计稿、客服对话、市场文案。没人觉得这有问题，因为整个商业世界建立在同一个假设上：执行昂贵，必须精打细算地采购、组织和监督。

这个假设正在失效，而且有精确的刻度。

斯坦福大学以人为本人工智能研究院（Stanford HAI）在《AI Index》年度报告里追踪过一条曲线。达到 GPT-3.5 能力水平（MMLU 基准 64.8 分）的推理成本，从 2022 年 11 月的每百万 token 20 美元，降到 2024 年 10 月的 0.07 美元，约为原来的二百八十分之一（Stanford HAI，2025）。形状比终点更值得看：2023 年 8 月是 1.80 美元，2024 年 6 月是 0.18 美元，之后继续下探，几乎每年按相近的倍数往下走。这不是一次促销，而是一条持续下行的坡道。你不是错过了抄底，你正站在还在往下走的传送带上。a16z 把这种现象叫 LLMflation：固定能力水平的价格大约每年降 10 倍。Epoch AI 按任务测算更激进，降速中位数每年 50 倍；若只看 2024 年 1 月之后的数据，中位数升到每年 200 倍。报告取中位数而非平均数，因为不同任务从每年 9 倍到 900 倍不等，平均数会被极端值绑架。

坍塌的，是"单位能力的价格"。最新旗舰依然不便宜，标价大约每年只降 5–10 倍，远慢于"同等能力"那条线。对组织要紧的从来不是旗舰价，而是"把这件事做完需要的那种能力"值多少钱。两年前三人小组一周才能做完的分析报告，那个档位今天的调用成本接近于零。人人都能买到足够用的模型。差距只在于谁先看见：昨天还要一个团队做的执行，今天只是一次调用。

这条曲线也只覆盖数字世界。物理和监管的边界，后面再画。

对一号位来说，意思其实很朴素：你最贵的采购品曾经是人的时间，现在它在打折清仓。核心生产要素以每年一个数量级的速度往下掉，围绕旧价格设计的制度，无论曾经多么精妙，都得重新算账。蒸汽机重画过工厂，集装箱重画过贸易；这一次，轮到执行本身。

账往下算，会碰到比"降本增效"更深的地方。按今天成本谈的三年合同、编的五年预算、定的人头规划，都压在每年缩水一个数量级的价格上，长期定价会系统性偏贵。规划该取的是坡道的斜率，不是今天的价。"等技术成熟再动"也没有站可等：坡道是连续的，没有叫"成熟"的站台，每晚一年，对手就多拿一年复利。省下来的钱若只流回利润表，等于把组织进化的窗口卖掉。它不该被记成利润，该被当成迁移预算，流向还在涨价的那两样东西：标准和上下文。

二、另一块底座：知道去哪里查 #

如果只有执行变便宜，震动还没那么大。真正构成地质变动的，是第二块底座同时被抽走：知识获取的成本。

组织为"知道"付过多少钱？资深员工比新人贵，很大一部分溢价买的并不是判断，而是他知道去哪里查、该问谁、行业惯例是什么。数据库、行业报告、咨询顾问、培训课程，买的是同一样东西：缩短从不知道到知道的距离。这个距离曾经单独养活几个万亿级行业。出版、咨询、职业教育，本质上都是在知识获取成本上套利。

搜索引擎时代，距离坍缩过一次：从"认识那个人"变成"找到那篇文档"。AI 问答时代，又坍缩一个量级：从"找到那篇文档"变成"提出那个问题"。检索、筛选、通读、摘要、交叉验证，正在变成一次调用的内部工序，不再单独向你计价。

两块底座撑着旧组织结构。执行昂贵，所以要精细分工、排期、监督。信息稀缺，所以要用层级传递、用资历定价、用会议同步。执行归零看起来像效率新闻，其实是组织的地质变动。只抽一块，结构还能斜着站一阵子。两块同时抽掉，上层每一根梁都要重新验算。

有一家公司替所有人做了这次验算，用的是自己的命。

三、第一具样本：把两块底座当生意的公司 #

Chegg 是一家美国在线教育公司，2013 年上市。主营业务一句话就能说清：付费答案库，再加按需专家。学生每月最多花 19.95 美元，买教科书习题的预写答案，以及一个随时可问的专家网络。

它卖的恰好是那两块正在被抽走的底座。预写答案库，卖的是执行的产物；按需专家网络，卖的是"知道去哪里查、该问谁"。Chegg 并不缺 AI，组织也谈不上涣散。站在归零曲线正下方的，是商业模式本身。

疫情远程学习把它推上顶峰：2021 年 2 月，股价 113.51 美元，市值约 147 亿美元。二十一个月后，ChatGPT 发布。

2023 年 5 月的财报电话会上，CEO 丹·罗森斯维格承认：ChatGPT 开始侵蚀订阅用户增长。公司撤回全年业绩指引，股价当天跌 48%。此后没有像样的反弹：累计流失订阅用户超过 50 万；2024 年第四季度订阅用户 360 万，同比降 21%，全年营收降 24%；2024 年裁员 441 人（约四分之一），2025 年 5 月再裁 22%，10 月再裁 45%，公告归因是"AI 的新现实"（the new realities of AI）。市值最低约 1.56 亿美元，从峰值跌去 99%（Chegg 历年财报；WSJ；CNBC）。

最锋利的不是跌幅，而是一组对照。Chegg 自己也在用 AI。财报显示，借助 AI，内容生产资本开支同比降 56%，同期用户提问数还增 2%。同一项技术，它用得并不差。受害者与受益者用的是同一项技术，区别只在商业模式站在归零曲线的哪一侧。对 Chegg 来说，问题不是工具好不好用，而是它卖的东西不再稀缺。如果你的商业模式是卖执行，AI 就不是你的工具，而是你的替代品。

这不是"AI 毁灭一切"的恐怖片。Chegg 是一具干净的样本：一门几乎不含物理环节、不含监管缓冲、纯粹由"执行 + 知道"构成的生意，在两块底座被抽走时会发生什么。你的公司大概率不是 Chegg，但一定有几个部门的日常工作，和它的商业模式长得一样。

对内找一找，小号的 Chegg 通常有三种形态。

报告工厂：定期产出周报、月报、分析简报的岗位。价值主张若是"把数据整理成可读文字"，就是内部版预写答案库。

人肉检索台：法务查先例、投研找可比、采购比供应商。护城河若是"知道去哪里查"，卖的就是 Chegg 的第二项服务。

模板化产出线：合同初稿、标书框架、素材改稿。输入明确、输出明确、按模板执行，是归零曲线吸收得最快的形态。

三种形态不该直接导向裁员，那是把账算浅了。它们该导向重新定价。这些人值钱的部分，正在从"产出"移向"放行"：判断合不合格、按什么标准放行。

四、论断边界：归零在哪里成立 #

"归零"是全书最容易被误读的词之一。适用条件不写清，论断就滑向口号。

执行归零首先且主要发生在数字化知识工作：写作、代码、分析、设计、客服、法务文书、报表、翻译。共同点是输入和输出都是数字信息，质量可以在数字世界里检验。Chegg 的答案库、Duolingo 的课程翻译、市场部的文案初稿，都在这个集合里。

物理执行没有归零。工地上的一堵墙、手术台上的一刀、最后一公里的配送，AI 都没有让它们便宜多少。监管流程也没有：审计、合规、牌照，成本结构由制度决定，不由技术决定。工地和手术室反驳不了一条关于知识工作的论断。知识工作的坍塌速度，也吓唬不了每一个行业。

边界内外也不是绝缘的。物理世界的每一项执行，外面都包着一层数字化的壳：调度、文档、决策、质检、结算。这层壳属于知识工作，归零正沿着这条界面往里推。建筑公司的砌墙成本没降，图纸深化、工程量计算、进度汇报、合同审核正在归零；医院的手术没归零，病历、影像初筛、随访记录正在归零。速度不同，方向相同。

本书论断默认在这个边界内成立。若组织主体在边界外，时间表更宽松，方向不变。对手会先在数字化的壳上完成进化，再带着省下的成本和快出来的周期，到物理世界跟你见面。

五、组织结构考古：每一根线为什么存在 #

把组织架构图放在桌上，问一个多数一号位没认真问过的问题：每一根线、每一个框、每一条流程，当初到底在解决什么？

答案会让人不安。几乎每一样东西，都是为"人做得慢、知道得少"设计出来的。

一个人能有效管理的直接下属有限，教科书写 7±2，实践里很少超过 10，能实时掌握的信息更少。组织因此长成树：信息从叶子往根逐层汇总，每层压缩转述；指令从根往叶逐层分发，每层翻译加码。层级看起来像权力欲，其实是对"人知道得少"的工程学妥协。没有更好的同步手段时，树状是把一万人连起来的最优结构。代价写在教科书里：每层转述有损耗，每次汇总有延迟。组织默默付了一百年协调税，因为当时没有别的选择。

判断稀缺的时候，审批是配给窗口。事项排队，使用少数被验证过的人。每个节点都在算同一笔账：试错成本高于排队等待的成本。执行昂贵时，这笔账几乎总成立。做错的方案烧掉三人一周，让它在总监收件箱躺两天，很划算。

周报、例会、述职、对齐会，干的是另一件事：把散落在各个脑子里的上下文，靠人力做一次批量同步。介质是人的时间，也是组织里最贵的那种。十个人开一小时，成本十个工时，同步到的信息还随注意力衰减。可上下文只存在于人脑时，会议室就是唯一的干道。

管理者看不见每个人的动态，更度量不了"价值"，于是 KPI 成了替身：件数、时长、行数、单量、响应时间。度量不了想度量的，只能度量度量得了的，然后祈祷两者相关。这不是愚蠢，是观测手段贫乏时的权宜。

这四样东西，在自己的时代都是最优解。嘲笑很容易，也廉价。设计它们的人，是在当时的约束下做了正确的工程决定。本书会反复碰到这件事：标准都有适用边界；环境变了，昨天的最优解会变成今天的负资产。组织最难的动作，是承认这一点。

两块底座抽走之后，旧账要重新算。一线的上下文，本可以无损、即时出现在任何人面前，树状结构却仍在为不再稀缺的信息付协调税，税率没变。重做一份方案从三人日变成三秒钟，试错不再昂贵，闸门却还按旧价收费：两天排队，现在比它拦截的风险贵几个数量级。例会同步的信息，本可以躺在人和 AI 共享的上下文里，随时可查、永不衰减，组织却仍用所有人的同一个小时，做机器可以实时完成的同步。AI 可以无限生成"产出"时，件数、行数、时长都可以被刷满，产出数字与真实价值之间的相关性假设，也就断了。

组织架构图的每一根线，都是为管理昂贵的人类执行画的。执行免费之后，这些线会一根根变成装饰。

想象一座金字塔。执行成本、知识获取成本这两块底座同时被抽走，上层便悬在空中。悬空的并没有全部报废。还有三样东西挂在半空、无人接手，恰恰是 AI 接不走的：选择什么目标、采用什么标准、如何统一上下文。

图：组织架构的线是为昂贵人类执行画的；底座抽空后，悬空的是 AI 接不走的三件事。

六、行业显微镜：翻译业 #

宏观曲线容易让人麻木，Chegg 又可能被当成倒霉个案。把显微镜对准一个完整行业：翻译业，执行归零最猛的地方。

它几乎是数字化知识工作的纯样本：输入文本、输出文本，质量可在数字世界检验，没有物理缓冲，也没有牌照护城河。若归零有第一现场，就是这里。

第一现场已有第一手岗位记录。2023 年底，Duolingo 分两波（8 月与 12 月）裁撤约 10% 的外部承包者，主要是课程翻译与写作岗；公司对彭博社确认，部分原因是 GPT-4 已能生成翻译和课程内容。留下的人，形态变了：每个团队留一两个人，头衔改成"内容策展人"（content curators），工作是审核 AI 的产出，再放行。

这是论断的微观切片：执行者变成了审核者。产出被机器接走，留在人身上的是判断：合不合格、按什么标准放行。四人翻译小组变成两个策展人。消失的是执行工时，留下的是判断工时。这个形态迁移，会在每一类数字化知识工作里重演。

同一条坍塌带上站着两种公司。一种像 Chegg：商业模式建立在卖执行和卖"知道"上，底座抽走，生意归零。另一种做了相反的选择。传神语联，中国老牌语言服务公司，就站在坍塌带正中央。它没有把翻译员训练得更快，那等于在下沉的地板上练跳高。它把公司重写为另一种形态：设立首席智能官（CAIO），成立 AI Native 决策委员会，立下"没有可运行 DEMO 不上会"的规矩，用"能量金"让内部 AI 应用按市场规则生长。创始人何恩培的判断可以直接当注脚："与其等员工变成 AI 高手，不如让组织长出 AI 能力。"

这句话没有把宝押在"人学会工具"上，而是押在"组织形态改变"上。流行叙事说，AI 来了，快办培训班。这一章要说的是：问题从不在员工的工具熟练度，而在组织的每一根线还按执行昂贵的旧价格画。执行层最先被吸收的行业里，最早行动的幸存者，往往不是执行更快的公司，而是最早承认"执行不再值钱"、把自己重写为"标准 + 上下文"形态的公司。

成色如实说。传神的机制来自多家媒体交叉报道，可靠；经营成效，收入、利润是否因此变好，尚无第三方数据，所以只引机制，不替它下结论。Chegg 一侧是财报级数据，完整。两家不同业，可比的是机制，不是业绩：同属数字化知识工作，一个把"执行 + 知道"当卖品，一个把它当成本项重写。翻译业内部同口径的输家，坚持执行型模式而衰退的翻译公司，尚未找到；找到之前，"自我改造者活得更好"只能算待验证假设。本章论断也不押在这个对照上，成本曲线与 Chegg 是两条各自独立的证据链。

七、"思考免费"的反面：为什么判断反而更贵了 #

流行说法里，有人把这一波概括成"AI 让思考变得免费"。本书相反。这个相反，是后面所有论证的起点。

变便宜的到底是什么？两样：怎么做（执行）和去哪里查（知识获取）。写代码、做报表、查案例、找先例，确实在归零。它们加起来也不等于思考。思考还有一个内核：什么值得做，在无限可选项里选出那一个，为它排除其他所有，并为这个排除承担后果。这个内核，AI 一分钱没降。

不止没降，还更贵了。稀缺是相对的。执行要花三个月时，平庸的判断可以躲在漫长执行后面，结果出来时没人记得谁拍的板。执行只要三小时，判断立刻裸露在结果里：上午拍板，下午见分晓，谁的判断值钱、谁的只是职级回声，一周之内全公司看得见。执行越便宜，判断在总成本里占比越高，失误的相对代价越大。当"怎么做"和"去哪里查"同时变便宜，真正昂贵的只剩"什么值得做"。

Chegg 也是这个结构：不缺执行（答案库二十年积累），不缺知识入口（专家网络），缺的是 2022 年 11 月前后对"什么值得做"的判断。卖的东西开始免费时，答案不在"卖得更努力"里。判断失误从来都有代价，只是执行归零把账期从几年压到了几个季度。

若有一天 AI 完整替你决定了什么值得做，这家公司事实上就是它的了。这是定义，不是技术限制。只要公司还是你的，"什么值得做"就还挂在你的账上；而现在，它是账上唯一还在涨价的项目。

于是更尖锐的问题浮出来：执行已经便宜，工具人人买得起，为什么买齐了 AI 工具的公司，效率并没有数量级的变化？钱花了，工具上了，曲线里承诺的红利去哪儿了？

下一章回答。

周一早上怎么做（一号位视角） #

画出你公司的地震带地图，四步：

1. 先照镜子：用 Chegg 之问开场，收入里有多少是在卖"执行的产物"或"知道去哪里查"？这部分是商业模式的红色区域。大多数公司不是 Chegg，但几乎每家都有一条产品线或一个部门是小号的 Chegg。
2. 列执行清单：让每个部门列出所有"纯执行"岗位与工序，明确输入、明确输出、质量可数字化检验。对每一项标注：今天的 AI 能完成多少？能完成 80% 以上的，标红。
3. 审组织架构线：对架构图上每一根线问：管理的是执行，还是判断？管理执行的线，随红色区域扩大会失去理由；管理判断的线，是未来组织的骨架。
4. 数审批点：挑一条最长的审批流，逐个节点问：这个闸门拦截的风险，今天还比闸门本身贵吗？答案为"否"的节点数，就是正在空转的审批闸门数。

这张地图不要求今天裁撤任何东西，它是后面动作的底图。个人与团队也可以问自己：工作里有多少属于红色区域？价值挂在执行上还是判断上？如果团队从四人变成两个"策展人"，留下的会是我吗？