看見 AGI（7）：Token 鴻溝——為何無限制的 AI 使用權現已成為企業生存的當務之急
「企業之間的效率差距已不再以百分比來衡量。在 AI 員工時代，給予每位員工無限 Token 使用權的公司，其運轉速度將是那些沒有這樣做的公司的 10 倍、20 倍——甚至 100 倍。這不是競爭優勢，這是一道文明的分水嶺。」
在我之前的六篇文章中，我寫過 AGI 的到來、個人該如何適應、如何打造 AI 原生團隊、氛圍式工作（vibe working）帶來的情感轉變、多模型架構為何代表未來，以及如何為我們的孩子準備迎接 AI 原生的世界。所有這些文章，都在某種程度上圍繞著人——圍繞著人類如何與 AI 共同進化。這第七篇不同。它談的是企業。具體來說，它談的是一個我認為將決定哪些企業五年後依然屹立、哪些已經消失的單一組織決策。
我反覆被問到的那個問題
幾乎每週都會有一位 CEO、創辦人或高階主管把我拉到一旁——在會議上、在晚餐時、在電話中——問我某個版本的同一個問題：「我們到底該怎麼在公司裡導入 AI？」
我理解他們為什麼這麼問。這聽起來像是正確的問題。它聽起來很有策略性、很深思熟慮、很負責任。它表明他們正在認真對待 AI。我始終感謝這份用心。
但每次聽到這個問題，我都感到一絲隱隱的不安。因為這個問題雖然出於好意，卻暴露了一個根本性的誤解——對我們所處時代的誤解。它把 AI 框定為一個需要「導入」的專案——有開始、有範圍、有推行計畫、有完成日期。它假設存在一條審慎、有條不紊的路徑，從「我們今天的狀態」通往「一家 AI 賦能的公司」，而任務就是找到並執行這條路徑。
他們真正應該問的問題要簡單得多——也緊迫得多：「我們是否已經讓公司裡的每一位員工，都擁有了無限制地用 AI 思考、創造和構建的權限？」
如果答案是否定的——而對我交流過的絕大多數企業來說，誠實的答案確實是否定的——那麼其他一切都是噪音。任何 AI 策略簡報、任何專案小組、任何試點計畫、任何治理框架，在這個根本性問題得到回答之前都毫無意義。因為沒有這一步，你不是在導入 AI，你只是在表演導入 AI 的樣子。而這兩者之間的差別，就是一切。
「無限 Token 使用權」到底意味著什麼
讓我說得具體一些，因為我認為很多人聽到「無限 AI 使用權」時，會以為它意味著某種模糊的東西——比如「對 AI 工具持開放態度的文化」。不是這樣的。它意味著某種精確且可衡量的東西。
Token 是 AI 工作的基本單位。你發送的每一次查詢、你要求 AI 分析的每一份文件、你要求它撰寫的每一段程式碼、你啟動的每一個智能代理任務——所有這些都消耗 Token。Token，在最字面的意義上，就是 AI 驅動生產力的原料。它們之於 AI 時代，正如千瓦時之於工業時代，頻寬之於網際網路時代。
當一家公司設定每月 Token 上限——當它要求員工向 IT 部門提交申請才能使用前沿模型，當它在企業網路上封鎖某些 AI 工具，當它為二十個人提供一個共用的團隊訂閱，當它規定 AI 使用必須被記錄和審查——它就是在配給員工用 AI 思考的能力。它在員工的認知產出上加裝了一個限速器。它實實在在地限制了員工被允許在工作中運用多少智能。
試想一下，當你把這句話大聲說出來時，聽起來有多荒謬。我們正在限制員工被允許使用的智能量。
然而，這正是今天大多數公司正在做的事。不是出於惡意，而是出於慣性——同樣的本能驅使 IT 部門把每一項新技術都視為需要控制的成本，而非需要釋放的能力。
我在 2000 年代初親歷過類似的時刻。有些公司給每位員工不受限制的網路使用權，並說：用你需要的任何方式來把工作做得更好。另一些公司則封鎖了網路存取、屏蔽網站、監控使用情況，並發布關於什麼可以做、什麼不可以做的企業政策。那些在 2000 年就開放無限制網路的公司，基本上就是 2010 年主導各自行業的公司。那些配給網路使用的公司，並不是因為網路政策不好而落敗。它們落敗是因為對新技術的根本取向就是錯的。它們在為控制而優化，而本應為能力而優化。
但還有一個更古老——也更具啟發性的——類比，我一直反覆回味。
在 1900 年代初期，電動馬達開始廣泛應用於工業工廠。大多數工廠主做了看似理所當然的選擇：他們用電動馬達取代了中央蒸汽機。同樣的皮帶、同樣的傳動軸、同樣的工廠佈局——只是換了一個動力來源。結果平平無奇。效率略有提升。成本有所下降。但這種轉變遠未觸及真正的可能性。
那些真正釋放了革命性力量的工廠做了完全不同的事。它們徹底拋棄了整套傳動系統——傳動軸、皮帶、集中供電的邏輯——在每個工作站直接安裝獨立的電動馬達。然後它們圍繞這種新架構從零開始重新設計了工廠的佈局。產出提升的不是 10% 或 20%，而是三倍、四倍，有時甚至五倍。以前受限於物理傳動距離的工作流程，現在可以按照邏輯和速度來重新組織。在舊架構下完全不可能的新生產方法變得可行了。
經濟學家 Paul David 在 1990 年的一篇著名論文中研究了這一現象。他稱之為「發電機悖論」（dynamo paradox）：電力在商業上已經可用了近四十年，大多數工廠才看到變革性的生產力提升——因為它們中的大多數都在用新動力配合舊思維。它們採用了這項技術，但並未圍繞它進行重組。
最讓我印象深刻的是：那些未能轉型的工廠並非資訊閉塞或疏忽大意。它們能獲得與競爭對手完全相同的電動馬達。它們也在為電力買單。它們真心相信自己已經採用了新技術。但它們實際上做的，是把新動力嫁接到舊結構上——然後困惑於為什麼結果與投入不成正比。
我看到今天正在上演完全一樣的模式。大多數正在部署 AI 的企業，做的都是工廠類比中的等價物——把蒸汽機換成電動馬達，然後稱之為轉型。一個共用訂閱。幾個被批准的應用場景。一套治理框架。每季一次的 AI 審查會議。舊的組織結構——那些舊的皮帶和傳動軸——完全原封不動。
無限 Token 使用權，就是組織層面上拆除傳動軸、在每個工作站安裝獨立馬達的等價物。這不僅僅是一個成本決策，而是一個結構性決策——一個信號，表明你正在重新設計工廠的佈局，而不僅僅是更換動力來源。而就像 20 世紀初的那些工廠一樣，做出這一結構性選擇的企業不會只提升 10%。它們將在一個與那些沒有做出此選擇的企業根本不同的生產力層級上運作。
我們今天正站在同樣的岔路口。只不過賭注無比地更高——而兩條路徑之間的差距也以無比更快的速度拉開。
AI 員工時代已經到來
在我的第三篇文章中，我寫了打造 AI 原生團隊。在第四篇中，我描述了氛圍式工作——當人們不再把 AI 當作工具，而開始視其為真正的協作夥伴時所發生的心理和運作轉變。那些文章描述的是一個正在進行中的轉型。
現在我要明確地說：那個轉型不再是進行中，而是已經完成。AI 員工時代已經到來。
AI 不是你用來更快寫郵件的工具，不是你卡住時才去查詢的搜尋引擎。它是同事、是共同創辦人，是一支由工程師、研究員、分析師、策略師、設計師、作家組成的專家大軍——全天候、全年無休地為你公司裡的每一個人服務，不需要休假、沒有自尊心、沒有組織政治。AI 不會六點下班，不會失去動力，不需要三週的入職培訓，也不需要定期的薪資談判。
但關於這支大軍，有一件事你必須明白：它只在你打開大門的時候才會到來。
在 Genspark，我們在十一個月內從零成長到年化營收 2 億美元——據我所知，這個速度在企業 AI 領域前所未有。我們在上線後的前九天就達到了 1,000 萬美元的年化經常性收入，比 ChatGPT 快、比 Claude 快、比歷史上任何 AI 產品都快。我們用一支以傳統標準來看，相對於產出而言小得荒謬的團隊做到了這一切。我們 100% 的程式碼由 AI 撰寫。一位工程師在三個月內打造了我們的 AI 瀏覽器。一位產品經理在兩週內交付了 AI Slides。一位從未寫過程式碼的設計師在三天內搭建了一個瀏覽器下載網站。在此後的十一個月裡，我們發佈了 AI Workspace 3.0、Genspark Claw——我們的第一個完全自主的 AI 員工——還有 Workflows、Teams、Meeting Bots、Realtime Voice 等等。這些人不是什麼超凡的天才——他們是擁有正常才能、但被賦予了無限使用一支非凡大軍權限的人。
一家擁有 50 個人和無限 AI 使用權的公司，不會像一家 50 人的公司那樣運作。它像一家 500 人、甚至 5,000 人的公司那樣運作。這個乘數效應是真實的、是可衡量的，我們每一天都身處其中。
現在考慮另一種情境：一家擁有 500 人但 AI 使用受限的公司。每月 Token 預算。IT 審批流程。一個部門的謹慎試點。季度審查。一份精心規劃的分階段推行方案。
那家公司的運作方式就像一家 500 人的公司。僅此而已。
那家 50 人的公司將以十倍的速度交付產品，進行十倍多的迭代，以十倍更高的生產力犯錯，並以十倍的速度學習。而每過一週，它們之間的差距就會更大。
光年級的鴻溝：為何這次不同
在以往的每一波技術浪潮中——PC 時代、網際網路時代、行動時代、雲端時代——早期採用者和落後者之間都存在差距。行動更快的公司獲得了優勢。但那些優勢雖然真實，卻是有界限的。一家早期網際網路採用者和一家晚期採用者之間的效率差距，大概是 1.5 倍、也許 2 倍，對於經營最好的公司來說，也許 3 倍。
那些差距是可以追回的。一家 2012 年在雲端採用上落後兩年的公司，到 2015 年可以趕上。過程痛苦且昂貴，但是可能的。
現在正在發生的事情在本質上截然不同。差距不是線性的，而是指數級的。而且我不確定它是否還能追回。
想像兩艘船在同一天從同一個港口出發。一艘是核動力推進的，另一艘靠划槳。第一天，核動力船稍稍領先。到第一週結束，它已經遠遠領先。到第一個月結束，划槳船甚至看不到核動力船的地平線。到第一年結束，它們之間的距離不是大，不是非常大，而是不可理解的——那個差距不是用英里來衡量的，而是存在於一個完全不同的現實維度中。
這正是 Token 鴻溝現在在企業之間正在製造的局面。
一邊是：一家讓每位員工都能無限使用最強大前沿 AI 模型的公司——工程師們正在與 AI 進行即時、多輪對話來設計整個系統架構，產品經理們在幾分鐘而非幾週內生成並迭代研究報告，高管們在製作任何簡報之前就已經用 AI 生成的競爭情境來壓力測試策略。那家公司裡的每一個人都帶著一個每天都在複利增長的認知乘數運作。
另一邊是：一家使用前沿 AI 模型需要向 IT 提交工單的公司，AI 工具的預算每季度都要爭論一次，員工們用自己的手機和個人信用卡來使用前沿 AI 工具——不是因為他們在違反規定，而是因為他們需要完成工作，而領導層還在討論是否要把試點從工程團隊擴展到行銷團隊。
這兩家公司之間的產出差異不是 10%，不是 50%。這是一家在奔跑的公司和一家原地不動的公司之間的差異。而每過一天，奔跑的公司就跑得更遠——不是線性地，而是指數級地，因為更快的迭代意味著更快的學習，更快的學習意味著更好的產品，更好的產品意味著更多的收入，更多的收入又意味著更快的迭代。
這不是競爭優勢。隨著時間推移，這是一場滅絕事件。
「全面擁抱」AI 具體是什麼樣子
我想說得具體一些，因為「全面擁抱 AI」是那種聽起來很有意義、但幾乎可以用來描述任何事情的說法。
今天就取消所有員工在 AI 工具上的 Token 上限和支出限制。 不是下個季度。不是安全審查完成之後。今天。是的，會有成本。但這個成本與生產力提升相比微不足道，與落後的代價相比更是小了幾個數量級。
不要再把 AI 當作 IT 支出。AI 支出應該放在人力成本預算中——而非 IT 預算中。 當你移動這個科目的那一刻，一切都會改變。它向你的整個組織傳遞一個信號：AI 不是一個需要管理和最小化的軟體工具——它是團隊的一員。這樣想：你公司部署的每一個 AI 智能代理都值得擁有自己的座位、自己的工作站、自己的匯報線。它有角色、有交付物、有主管。當你這樣對待 AI——當它出現在你的組織架構圖中，而不僅僅是你的供應商合同中——你的員工也會開始這樣對待它。沒有哪個理性的 CFO 會看著薪資科目想：「我們怎麼削減這筆開支來降低成本？」薪資是人類能力的價格。AI 使用權是 AI 能力的價格。在一個 AI 承擔 80% 工作的世界裡，這個科目值得獲得與坐在它旁邊的人同等的尊重——以及同等的投資理念。
建立一種企業內部文化，讓使用 AI 處理一切事務成為預設，而非例外。 在 Genspark，我們沒有一項政策說「在合理的時候使用 AI」。我們有一種文化，它說的是「如果你這件事沒有用 AI，告訴我們為什麼」。這種反轉意義重大。它傳遞了組織層面的認真態度。它創造了同儕間的問責。它加速了集體學習，因為當每個人都在積極地使用 AI 時，經驗和知識會迅速傳播。
結束試點階段。 關於這一點我想直說：如果你的公司仍然處於「測試和評估 AI」的階段，你不是在審慎行事，你是在遲緩。試點的時代在 2023 年就結束了。現在正在贏得競爭的公司不是在試點——它們在部署、在迭代、在複利增長。你花在評估上的每一個月，就是你的競爭對手花在執行上的一個月。
正在被甩在後面的企業
我想描繪一幅畫面——不是為了讓誰丟臉，而是因為我認為有些領導者真的沒有意識到外界是怎麼看待他們的。
正在落後的那家公司，有一個每月開會一次的 AI 策略委員會。它為每二十人的團隊批准了一個共用的 AI 訂閱。它正在工程團隊進行試點，計畫在第一輪試點完成後「擴展到其他部門」——而這還需要再花兩個季度。它的員工正在用個人手機和個人信用卡來使用公司不提供的前沿 AI 工具，不是因為他們在違規，而是因為他們需要完成工作。
這家公司的領導層認為他們是在負責任地行事。他們在管理風險。他們在謹慎推進。
與此同時，在另一家公司，一位 26 歲的工程師正在與一個 AI 代理進行即時對話，這個代理同時在寫程式碼、執行測試、分析錯誤、並提出架構改進建議——所有這些發生在第一家公司的工程師提交一張要求使用基本 AI 編程助手的工單所需的時間內。等那張工單被批准時，這位 26 歲的工程師已經上線了一個功能。
這兩家公司不是在不同的時代運作。它們在不同的文明中運作。
新的企業財富鴻溝
以下是最讓我擔憂的——我想精確地說明這一點，因為人們很容易感受到緊迫性，卻未能完全理解其中的機制。
Token 鴻溝不僅僅是當前產出的差距。它是學習速度的差距。這正是它如此危險的原因。
一家在過去兩年裡給予每位員工無限 AI 使用權的公司，不僅僅是多做了兩倍的工作。它已經累積了兩年的組織學習——實踐方法、直覺判斷、肌肉記憶、內部文化——這些絕對不是靠開一張支票就能複製的。你無法通過收購來變成 AI 原生。你無法在六個月內通過招聘做到。組織就緒度是安靜地、無形地複利增長的，直到建立了它的公司和沒有建立的公司之間的差距，不再是績效差距——而是完全不同量級的能力差距。
率先且全面行動的公司，現在已經進入了一個幾乎無法阻擋的飛輪。它們的產品更好，所以吸引更多用戶。更多用戶產生更多數據和反饋，所以它們的產品改進得更快。更快的迭代意味著更快的學習，這為更多 AI 投資提供了資金，又進一步加速了迭代。同時，它們最優秀的人才——那些在 AI 原生環境中如魚得水的人——被它們所吸引，因為沒有哪個有抱負的工程師或設計師願意把職業生涯花在等待 IT 批准才能使用前沿模型上。
而落後者面臨的是一個複利式的赤字。他們不僅在產出上落後——他們在直覺上落後、在文化上落後、在人才密度上落後，也在飛輪本身上落後。而在某個時刻——這是真正讓我感到恐懼的部分——那個赤字會跨過一個閾值，屆時問題不再是能否追上，而是你是否還在同一場比賽中。
你無法靠划槳回到一場與核動力船的競賽中。在 Token 鴻溝上落後三年，可能就是永久性的。這不是比喻。我是認真的。
結語
過去幾個月裡，我一直在觀察兩類公司。第一類正在順著浪潮前行——不是完美地衝浪，但在移動。它們快速做出決策，接受不確定性，擁抱全面 AI 部署中的混亂，每週都在複利增長它們的學習成果。第二類仍然站在岸上，看著浪潮逼近，召集會議討論是否要下水。
我寫第一篇「看見 AGI」的時候，是作為一個擔心 12 歲兒子未來的父親。現在我有同樣的那份家長式的關切——但對象是正在閱讀這篇文章的創辦人和經營者。因為我已經看到了即將到來的一切，而我真心不希望任何人被它吞沒。
當海嘯來襲時，它不會等你開完董事會。它不會在你完成治理審查的時候暫停。它不會再給你一個季度來擴展試點。它到來，然後那些已經在水中的組織——順著它的力量移動、與它的能量協同——存活下來並向前推進。那些仍在岸上商議的組織，被淹沒了。
窗口還沒有關閉。但它正在關閉。而每一位正在閱讀這篇文章的創辦人、每一位 CEO、每一位經營者，今晚就需要回答的問題——不是下週，不是下季度——是這個：你是否已經讓公司裡的每一個人，都擁有了無限制地用 AI 思考、創造和構建的權限？
如果還沒有，我希望你再問自己一個問題：你還在等什麼？
我在科技行業已經將近二十年了。我見過市場的劇變、企業的崛起與消亡、範式的一夜翻轉。但我從未見過任何東西像這樣快速地演進，或切割得如此之深。
而讓我夜不能寐的，不是技術本身。而是那個畫面——那些才華橫溢、勤奮努力的人們：犧牲了一切來建立自己公司的創辦人，把多年生命奉獻給團隊的經營者——某天醒來，發現自己和競爭對手之間的差距已經不再是他們能彌合的差距。不是因為他們不夠聰明，不是因為他們不夠在乎。而是因為，在一個關鍵時刻，他們猶豫了。他們等待了再多一個數據點。他們又召集了一個委員會。他們再要求了一個季度來評估。
我寫這些文章不是為了製造恐慌。我寫它們是因為我真心相信，大多數人還沒有感受到正在發生之事的全部份量——而等到他們感受到時，可能已經來不及行動了。
所以讓我留給你這篇文章中我最希望你帶走的一件事。
企業之間的效率差距，不再取決於人才、策略或資本。它越來越取決於一個決策：你是否已經讓公司裡的每一個人，都擁有了無限制地用 AI 思考、創造和構建的權限——還是沒有？ 那些說了「是」的公司，即使不完美，即使混亂，每一天都在複利增長它們的優勢。那些仍在討論的公司，並不是原地不動——它們正以歷史上前所未有的速度在落後。
那個差距曾經以百分比來衡量。現在以倍數來衡量。很快，對某些行業和某些公司而言，它將完全無法衡量——因為等式的一邊將根本不再存在於這場競賽中。
我希望你站在那條線的正確一側。而如果你不確定——如果你讀到這裡時感受到了哪怕一絲共鳴，一個安靜的聲音在說*「這說的可能就是我們」*——那麼請不要等到下一次董事會才去確認。浪潮已經在移動了。唯一的問題是你是在水中，還是在岸上。
還有時間。但沒有你以為的那麼多。