第 1 章执行归零

一、先看同一种能力卖到了什么价 #

AI 最终能做什么仍有争议，已经发生的价格变化更确定。

斯坦福大学以人为本人工智能研究院（Stanford HAI）在《AI Index 2025》中选定一条固定能力线：在 MMLU 通识知识基准上达到 64.8 分，也就是报告所称的 GPT-3.5 水平。2022 年 11 月，达到这条线的最低调用价格是每百万 token 20 美元；到 2024 年 10 月，Gemini 1.5 Flash 8B 以每百万 token 0.07 美元越过同一条线。起点和终点的差距超过 280 倍（Stanford HAI，2025）。

这组数字比较的不是最新模型的标价，而是达到同一档能力的最低价格。否则，能力提升和价格变化会被混在一起。对企业有用的口径也不是“最强模型多少钱”，而是“完成这项工作所需的能力，今天多少钱”。

这仍不是一项工作的总价。AI Index 衡量的是 API 的 token 价格，按输入与输出 3∶1 加权。接入系统、准备材料、保护数据、核验结果、返工和承担责任，都不在 0.07 美元里。根据报告列出的起止日期可以确定：固定基准能力的调用价格已经下降了两个数量级以上。

价格下降也进入了真实工作。Noy 与 Zhang 在 2023 年做了一项预注册随机实验，让 453 名受过大学教育的专业人士完成新闻稿、分析计划、短报告和敏感邮件等职业写作任务。允许使用 ChatGPT 的一组，平均完成时间下降 40%，独立评分的质量提高 18%（Noy 与 Zhang，2023）。任务很短，所需背景材料也有限，不能代表并购报告或生产系统；但它证明，下降的不只是一张 API 价目表，还有一部分真实的执行时间。

风险投资机构 a16z 在 2024 年用另一条能力线做过计算：MMLU 至少 42 分，只看 OpenAI、Anthropic 和由第三方提供服务的 Meta Llama 模型，输入价与输出价取简单平均。GPT-3 在 2021 年 11 月达到这条线时，每百万 token 约 60 美元；三年后，Llama 3.2 3B 约为 0.06 美元。a16z 把三年约一千倍的变化概括为固定能力价格每年下降约十倍，并称为 LLMflation。报告同时列出 MMLU 可能受训练数据污染、部分成绩采用多次作答、模型范围不完整等限制；这是一项行业观察，不是未来每年都能兑现的定律（a16z，2024）。

Epoch AI 随后把口径扩到六个基准和多个固定能力阈值，价格按输入输出 3∶1 加权，并排除会大量生成中间 token 的推理模型。不同任务和阈值的年化降速从 9 倍到 900 倍不等，中位数为 50 倍；只保留 2024 年 1 月以后的模型，中位数约为 200 倍。最快的降速多来自不到一年的数据，研究者明确提醒它未必能持续（Epoch AI，2025）。

Stanford HAI 的 280 倍、a16z 的每年十倍、Epoch AI 的中位数每年 50 倍，并不是三个独立研究对同一条曲线的重复确认。AI Index 与 Epoch 合作，抽取的是其中一条固定能力线；Epoch 报的是六个基准、多个阈值的分布；a16z 使用自己的模型范围、简单平均价格和较低的 MMLU 门槛。三种口径的共同结论是：比较固定能力时，数字能力的最低调用价格正在快速下降。

API 价格与职业写作实验测量的是两件事。前者测单位能力的调用价格，后者测人在特定任务上花费的时间和输出质量；两者方向一致，但不能互相替代，也不能相乘得出企业的总降本幅度。

这种变化可称为执行归零。它不是执行在数学上变成零，而是数字化知识工作里那些可描述、可重复、可检验的步骤，边际成本正在迅速下行。写第一版、整理材料、改格式、生成代码、翻译初稿，这些步骤的价格不再只由人工工时决定，机器调用价已经进入报价。

单独的执行降价只构成一次自动化升级。获取已有知识的成本同时下降，才会动摇支撑职位、层级和商业模式的另一项基础。

二、获取已有知识与既有做法，也在变便宜 #

很多资深员工的价值由两部分组成。一部分是遇到新问题时能作出可靠判断；另一部分来自长期积累的知识路径：该翻哪份文档、找哪个同事、引用哪个先例、沿用哪种写法。过去很难把这两部分拆开，因为获得这些路径本来就需要年资。

一项真实工作场所的研究把它们拆开了一次。Brynjolfsson、Li 与 Raymond 跟踪一家《财富》500 强软件公司的 5172 名客服。公司分批给客服上线生成式 AI 助手：系统读取正在进行的对话，实时建议如何回复；客服可以忽略或修改建议，仍由人负责整段对话。

上线后，每小时成功解决的问题数平均提高 15%。变化主要发生在低经验、低技能员工身上，他们每小时解决的问题数提高约 30%；使用 AI 两个月的员工，表现可以追上未使用 AI、任职六个月以上的员工。对于经验丰富的高绩效客服，收益很小，部分对话质量还略有下降。研究者还发现，效果在“并不常见、但系统拥有足够训练数据”的问题上最明显（Brynjolfsson、Li 与 Raymond，2025）。

这组结果还显示，客服原本要靠培训、搜索和请教才能取得的解决办法，现在会在问题出现时主动送到面前。过去需要多几个月任职经历才能积累的常见做法，被压缩进一次实时建议。研究将部分增益归因于生成式 AI 对高绩效员工行为的捕捉和传播。

这项研究没有直接计算客服少花了多少分钟搜索资料。它观察的是更靠后的结果：解决问题的速度、质量，以及新人走完经验曲线所需的时间。因此，它是“获取既有做法变便宜”的现场证据，不是一条可以套到所有行业的统一降价曲线。

在这项研究中，“知识获取成本下降”表现为从提出问题到取得可用起点的路程缩短。变便宜的不是知识本身，事实也不会自动为真。检索、初筛、摘要、找相似案例和整理已有做法，原来由人逐步完成，现在可以先由模型合并处理。新人不再必须先认识“老王”或知道文档的准确标题，才有机会拿到一份候选答案。

客服研究来自一家企业和一类工作，不能直接外推到医生诊断、法律意见或科学发现。工具传播的是训练数据和历史对话里已经存在的做法；遇到全新的问题、错误的旧做法或资料不足的情形，它也可能把旧错误传播得更快。人仍要回到原始材料，核对事实，理解适用条件，并对采用建议的后果负责。

获取已有知识不等于创造新知识。找到一篇论文变便宜，不等于读懂它；拿到一个先例变便宜，不等于当前案件适用；生成一个可行方案变便宜，也不等于它值得执行。“知识免费”会混淆检索、理解、适用性与价值判断。

即使只采用这个较弱的结论，组织结构也会受到影响。以前，公司既要为“把事情做出来”支付大量工时，也要为“知道去哪里找”支付资历溢价。现在，前者有了可调用的执行者，后者有了可对话的入口。两种成本同时下降，Chegg 这类依赖它们收费的业务会先承受压力。

三、Chegg：同时依赖两种旧稀缺的生意 #

Chegg 的核心学习服务长期提供两样东西：整理好的学习答案，以及在学生遇到问题时可以抵达的解释和帮助。第一样是已经完成的执行产物，第二样缩短了从问题到答案的距离。它们曾经都很值钱，因为学生自己完成解题、检索和筛选，需要时间，也需要知道该去哪里找。

ChatGPT 发布后的第一个完整学期，这套定价依据开始松动。2023 年 5 月，Chegg 时任 CEO Dan Rosensweig 在第一季度电话会上说，年初还没有看到 ChatGPT 对新账户增长的明显影响，但从 3 月起，学生对 ChatGPT 的兴趣显著上升，新增客户增长已经受到影响。Chegg 当时不再提供全年指引，只给出下一季度预测（Chegg，2023）。

两年后的财报给出了更完整的结果。Chegg 2025 年净收入为 3.769 亿美元，比 2024 年下降 39%；其中占收入大头的 Academic Services 收入下降 43%。公司在 2025 年 5 月和 10 月实施两轮重组，合计减少约 640 名员工，约占当时员工总数的 56%（Chegg，2026）。

这些数字不能证明 ChatGPT 单独造成了 Chegg 的下滑。Chegg 的 10-K 还列出竞争加剧、搜索流量变化和学生行为变化等因素。尤其是 Google AI Overview：搜索结果页直接展示问题与解答，用户不再必须点击进入 Chegg。公司明确表示，这种变化减少了网站流量和订阅转化。生成式 AI 既提供了答案的替代品，也改变了学生找到答案的入口，同时作用于执行产物和知识获取路径。

Chegg 的下滑也不能归因于没有使用 AI。它在 10-K 中详细介绍了自己的机器学习、生成式 AI 能力和个性化学习助手。当通用模型和搜索入口能以更低价格提供一份足够用的答案时，Chegg 原来出售的稀缺性变薄了。把 AI 加进原产品，可以降低自身成本，却不能自动恢复顾客为旧价值付费的理由。

类似结构也存在于公司内部：把资料整理成报告、定位先例、按模板完成第一版、汇总信息后逐级转交。这些工作不会在同一天消失，其中还有大量核验、取舍和担责；但如果岗位的主要溢价只来自“做得出来”或“找得到”，它的定价基础已经在变化。

成本下降不直接推出裁员。一个任务里通常混着执行、审核和责任。模型可以写合同初稿，不能自动取得签字权；可以整理供应商资料，不能替采购负责人承担选错的后果；可以生成客服回复，不能自己决定什么承诺可以对客户作出。拆开这些成分，才能区分正在降价的工时与仍需加强的职责。

Chegg 的产品和交付高度数字化，只能代表执行归零边界内的样本，不能代表施工、护理、配送和强监管行业。

四、归零先发生在数字化知识工作 #

一项工作越符合三个条件，越早进入执行归零的范围：输入主要是数字信息，输出也能以数字形式交付，质量可以在数字环境中检查。职业写作、代码初稿、资料整理、翻译、标准化设计、在线客服和常见法务文书，都接近这个范围。它们不一定简单，却容易被描述成模型可以接收的材料和可以返回的结果。

物理执行不是同一条曲线。AI 可以生成施工计划，不能替工人砌墙；可以规划配送路线，不能把包裹送到门口；可以整理病历，不能因此完成一台手术。机器人也在进步，但它受制于硬件、现场变化、安全要求和资本开支，下降速度不能拿 token 价格直接代替。

监管和责任也不会随模型价格同步下降。审计底稿可以更快整理，审计程序仍要依法完成；合同可以更快起草，签署者仍要承担义务；药物资料可以更快汇总，审批标准和临床责任不会因此取消。制度要求的复核、留痕和问责，往往正是为了防止“做得快”取代“做得对”。

即使一项工作完全在线，也不能把模型调用价当成全部成本。企业要把内部资料接进系统，控制权限，检查幻觉，处理例外，维护流程，并在结果出错时纠正。这些成本可能随着工具成熟而下降，却不会因为每百万 token 变成几美分就自动消失。

同一项数字任务至少包含三类成本：模型生成结果，系统和人员核验结果，责任人最终签署。调用价格直接降低第一类成本，也可能减少第二类成本；第三类成本由业务风险、法律责任和错误后果决定，不会按 token 价格同步下降。执行归零首先描述第一类成本的变化。

“归零”描述的是方向，不是终点。数字化知识工作中可重复执行部分的边际价格正在快速下行；它首先改变任务内部的工时配比，然后才可能改变岗位、部门和公司。它不意味着所有人类工作都将免费。

边界内外也会互相影响。施工本身没有归零，算量、图纸检查、进度汇总和合同初稿可以先变便宜；手术没有归零，病历摘要、排班、随访文案和影像预筛可以先变化；最后一公里没有归零，路线分析、异常分类和客服处理可以先自动化。实体行业不会以同样速度变化，却会先在数字环节里重新分配成本。

同一家公司内部也会同时存在不同速度。制造部门的设备安装可能几乎不变，采购比价和维修记录整理却会先变化；医疗机构的临床责任保持不变，病历归档和随访文本可以先降价。部门平均值会掩盖这种差异，任务和工序才是有效的分析单位。

行业标签不足以判断执行归零的速度。“制造业离 AI 很远”和“软件公司的执行已经免费”都过于粗糙。有效的分析单位是每一道工序：输入是什么，输出是什么，怎样验收，谁担责。只有满足条件的部分，才进入执行归零。

旧组织的结构同样受成本约束。层级、审批、汇报和 KPI 都解决过真实而昂贵的问题，只是它们处理的两种成本已经不再保持原价。

五、旧组织为什么按“人做得慢、知道得少”长出来 #

层级、会议和审批是特定技术与成本条件下管理有限人力的安排，其成本包括等待和信息转述，其收益是扩大可管理的组织规模。

人能同时掌握的信息有限，一名负责人也不可能和成百上千人保持高频沟通。组织于是用层级缩小每个人需要处理的范围：一线把信息汇总给主管，主管再向上压缩；决策沿相反方向逐层分解。每多一层，就会增加等待和转述损耗，但在信息只能靠人搬运时，这笔成本换来了可管理的规模。

层级里的许多中间岗位还承担一种知识入口。新人取得材料、流程路径和历史原因，通常依赖主管的经验。职位越高，通常接触的部门越多，掌握的信息范围也越广，“知道得多”与“有权决定”由此绑在一起。信息难以直接到达每个人时，少数人集中掌握信息可以降低全员获取成本。

审批处理的是另一笔账。一次执行要投入多人多日，方向错了就会烧掉一大笔人工。让方案先排队，等少数经验丰富的人把关，往往比做错以后重来便宜。审批的经济依据不是表格本身，而是试错很贵、可依赖的判断者很少。只要前者远高于等待成本，增加一道关口就可能划算。

周报、例会和汇报则负责同步上下文。项目事实散在不同人的邮箱、文档和记忆里，会议因而成为定时汇总事实的方式。十个人开一小时会，要付十个工时；在缺少共享记录时，这笔成本换取的是项目全貌的同步。

KPI 解决的是可见性。管理者难以持续观察每个人创造了多少真实价值，完成件数、在线时长、代码行数、响应速度和电话数量便成为代理指标。它们不等于价值，只是在缺少更好观测手段时暂时代替价值。

这些结构中负责调度执行和搬运信息的部分，共享两个前提：人的执行很贵，信息取得和传递也很贵。层级、审批、汇报和指标还可能承担问责、风险控制和法定义务；AI 改变的，是它们仅靠旧成本成立的那部分理由。

这部分理由可以通过工作记录检验：事实已经进入共享系统，却仍要逐层手工汇总；方案重做只需数小时，审批却排队数日；产出件数持续增长，客户结果没有同步变化。这些差额是旧成本结构继续运行的可观察信号。

职位名称不足以决定去留。同一名经理可能同时负责转发信息、训练新人、处理冲突、作出取舍和承担结果；AI 降低前两项的成本，不等于后三项也消失。有效的重组单位是具体职责，不是“中层”或“审批”这类名称。

当一线事实可以被持续记录、检索和摘要，只负责收集、压缩、转发信息的层级就不再拥有原来的成本优势。组织仍然需要负责人承担结果、处理冲突和作出取舍，却不一定还需要同样多的人把信息从一层搬到下一层。管理不会消失，信息搬运与管理开始分开。

在一部分数字流程里，第一版方案已经可以从几天缩短到几分钟，试错成本和等待成本的关系随之改变。审批仍适用于不可逆、高风险和受监管的决定；但如果重做比排队便宜，把可逆试验送进同一条长审批链就不再合理。

结构变化也有先后顺序。输入输出明确、试错可逆、结果容易验收的流程，会最先缩短层级和审批；涉及人身安全、重大资本、法律责任或不可逆承诺的流程，变化会慢得多。它们面对的是同一种技术，却不是同一张风险账。

当项目记录可以随时查询，会议就不必继续承担全部信息同步。需要讨论分歧、选择目标和分配责任的会议仍然重要；只是逐人念进度、重复已经存在的事实，越来越难证明值得占用所有人的同一小时。汇报也不会消失，但它需要从“把发生过的事再说一遍”转向“指出哪些事实改变了判断”。

当 AI 能快速生成报告、代码、图片和回复，产出数量与价值的相关性会进一步减弱。一名员工可以一天生成几十份方案，不代表任何一份应该执行；客服可以发出更多回复，不代表问题解决得更好。继续用件数和时长奖励人，只会鼓励组织生产更容易被机器放大的数字。

旧组织结构“开始失效”不等于取消所有经理、审批、会议和指标。它只表示，这些安排不能再仅凭“过去一直需要”获得正当性。重新验算的口径，是它拦截的风险，以及它自身制造的等待、转述和失真成本。

这套关系可以表示为一座金字塔。底下两块分别是执行成本和知识获取成本；它们同时下移，上面的旧结构就要重新验算。两种成本下降并不包含判断和承担结果的责任。

图：两种旧成本下降，层级、审批、汇报与指标需要重新验算；判断与责任并未随调用价格一起交付。

岗位变化不是简单的“机器替人”。同一项工作里，生成第一版的工时会减少，检查、放行和担责的比重会上升。Duolingo 提供了这种岗位变化的可观察样本，Chegg 则提供了业务仍依赖旧稀缺收费的对照。

六、Duolingo 与 Chegg：同一条曲线上的两种组织动作 #

2023 年底，语言学习公司 Duolingo 减少了约 10% 的外部承包者。公司公告称，没有正式员工受影响，合同结束和生产流程调整都是原因；发言人称，公司不再需要同样多的人完成某些工作，其中一部分变化来自 AI（Bloomberg，2024；TechCrunch，2024）。

变化集中在课程内容和翻译。Duolingo 的公开说法是，GPT 可以生成或翻译句子，人类专家负责检查输出是否达到教学质量，并符合欧洲语言共同参考框架（CEFR）对各等级的要求。一名受影响的承包者把留下的人称为“内容策展人”，说他们负责检查 AI 生成的内容再放行。这个称呼仅来自当事人；公司确认的流程是机器先产出，人按明确标准验收。

2025 年 4 月，CEO Luis von Ahn 在全员备忘录中把这条方向写得更明确：公司将逐步停止让承包者处理 AI 已能完成的工作；团队只有在无法继续自动化时，才会获得新增编制。备忘录同时说，转向 AI 并不等于停止关心正式员工，目标是让人投入更有创造性的问题（Duolingo，2025）。

同一周，公司宣布在生成式 AI、共享内容系统和内部工具的帮助下推出 148 门课程，主要覆盖初级水平。Duolingo 称，最初 100 门课程用了约十二年，这批接近 150 门的课程用了不到一年。按照公司口径，课程扩展速度发生了数量级变化；独立质量评估仍然缺失（Duolingo，2025）。

2025 年，Duolingo 收入为 10.376 亿美元，同比增长 39%；年末付费订阅用户 1220 万，同比增长 28%（Duolingo，2026）。这些数字只能说明，生产方式变化期间，公司的收入和付费用户仍在增长；它们不能证明增长来自 AI 或承包者调整。

两家公司都在开发 AI 产品，关键差异是 AI 在价值链里的位置。Duolingo 的流程由 AI 生成内容，人负责课程目标、质量标准和审核；Chegg 的主要收入仍高度暴露在答案、解释和知识入口的降价中。两家公司细分市场、用户需求和流量来源不同，这不是严格的因果实验，只是一组机制对照。

因此，执行归零首先要求的不是裁员计划，而是重新回答“人应该留在哪一步”。若答案仍是重复生成第一版，岗位会继续承受价格压力；若答案是确定目标、提供必要材料、制定验收标准、处理例外并承担结果，那么人没有退出，只是工作重心已经改变。

一边把人留在审核与担责，一边仍按旧稀缺收费，于是同一个问题被推到眼前：既然机器执行更便宜，已有知识也更容易取得，为什么留下来的判断反而会更贵？

七、为什么判断反而更贵 #

“更贵”指相对价格，不指所有管理者都会涨薪，也不指每一次人工判断都会花更多现金。当执行和获取已有知识在总成本中的占比下降，决定做什么、怎样验收和谁来担责，就更容易成为整条链上的瓶颈。

MMLU 分数、token 价格和客服实验都没有回答这些问题。MMLU 分数能说明模型在一组题上达到什么水平，不能替公司决定今年应进入哪个市场；每百万 token 的价格能计算一次调用，不能告诉团队哪份输出可以交给客户；客服助手能传播过去的优秀做法，不能保证旧做法适合一个从未出现过的新情形。

模型价目表里包含越来越便宜的“怎么做”，也包含一部分“去哪里找”。它没有单独出售“什么值得做”，没有承诺替组织选定验收标准，也没有替签字的人承担后果。这个缺口构成第 4 章“两个统一”的起点。

执行已经很便宜，公司却没有明显变快，说明瓶颈已经移动。它移到了哪里？

第 2 章从组织现场继续追踪这个瓶颈：许多公司已经买了模型、开了账号、办了培训，员工也确实更快，为什么公司整体效率仍没有数量级变化？工具已经进入组织，组织却没有因此成为 AI 原生组织。成本曲线给出的红利，卡在了什么地方？

周一早上怎么做（一号位视角） #

做一张重新报价表，不用先改编制，先把四笔账分开：

1. 查收入：逐项写出公司为什么收得到钱。若客户主要为“替他做出第一版”或“替他找到已有答案”付费，标出这部分收入，并记录通用模型和 AI 搜索已经能提供到什么程度。
2. 拆任务：选三个用人最多的流程，把每一步写成“输入、输出、验收方式、责任人”。输入输出都数字化、结果可以低成本检查的步骤，单独列出当前人工时间与模型时间。
3. 看组织线：在组织图上区分三类职责——搬运信息、生成执行产物、作出判断并担责。前两类正在降价；第三类不能因为前两类变便宜就被含糊带过。
4. 算等待账：挑出最长的一条审批链。逐个节点比较：它拦截错误所避免的损失，是否仍高于排队、汇报和重复解释造成的成本？只记录答案，不急着删节点。

这张表的目的不是证明 AI 能替掉多少人，而是找出组织仍按旧价格运行的地方。个人检查采用同样口径：初稿和检索由机器完成后，仍需明确放行标准、判断依据和责任人。