先澄清一个误解:80%不是终点,而是起点
当我们说"AI能处理80%的商业决策",这里有一个隐藏的维度坍缩——把"决策"等同于"数据处理"。但真实商业决策中,最有价值的部分往往不在数据里。
我讲过一个案例:充电桩配电设备转型。技术上,AI可以优化选址、预测负荷、计算投资回报——这些确实占了决策工作量的80%。但最终让客户签单的,不是算法算出来的最优方案,而是一个非技术性判断:
充电桩案例非技术判断情感溢价
这就是20%的人类残差。它不是AI做不到的事,而是AI不应该做的事——因为一旦AI做了,这个决策就失去了"人"的维度,而商业的本质是人与人的交易。
另一个案例:存量市场智能化的认知断层
最近看到一个行业数据:近15年商业项目"大多数配了自控系统",但近九成无法自动运行,全靠人工控制。这不是技术问题,是认知断层:
🔧 三大断层
设计不懂施工、不懂运维 → 方案好看但落地难
施工不管运维 → 建完就甩手
运维不懂原理 → 只会按按钮,不会调参数
AI可以设计完美的自控方案(80%),但"让系统真正用起来"需要填补这三层认知断层(20%的人类残差)。
这和充电桩案例是同构的:技术方案只完成了80%,剩下的20%是理解"人"——理解运维人员的认知水平、理解业主的真实痛点、理解系统落地时的真实阻力。
如何识别和聚焦这20%?
我有一个简单的判断标准:如果一个决策的答案能写进Excel表格,它就该交给AI;如果一个决策需要"说不清但就是知道"的直觉,它就是人类残差。
| 维度 | AI负责的80% | 人类负责的20% |
|---|---|---|
| 数据收集 | 自动采集、清洗、整合 | 定义"什么数据值得关注" |
| 方案生成 | 穷举最优解 | 判断"哪个最优解适合这个人" |
| 风险评估 | 量化概率 | 决定"这个风险值不值得冒" |
| 执行监控 | 实时预警 | 判断"这是噪音还是信号" |
| 关系维护 | 自动化跟进 | 建立"这个人信任我"的感觉 |
创业者的核心动作:把那20%做成产品。
不是"我用AI提高效率",而是"我把人类残差做成了别人无法复制的体验"。充电桩案例中,那个"事业交代"的洞察,就是产品本身——它决定了客户选你还是选竞品。
医疗三角模型:患者·医生·AI
在医疗场景,我提出过一个三角模型:
🏥 医疗三角
AI的角色:信息增强——文献检索、影像分析、用药建议、风险评估。
医生的角色:临床判断——结合患者具体情况(年龄、基础病、经济能力、心理状态)做出诊断和方案选择。
患者的角色:价值判断——"我愿意承担多大风险?我更看重生活质量还是寿命?"
红线:AI不提供诊断,不提供治疗建议,不替代医患沟通。
这个模型的核心设计原则是:AI的"暴露边界"必须严格限定在"信息层"——给数据、给分析、给选项,但不给结论。
类比一个日常场景:AI是一个"读过所有医学文献的超级医学生",它可以告诉你"根据文献,A方案有效率68%,B方案有效率72%",但它不能说"你应该选B"。因为"应该"涉及到患者的价值观——有人愿意多活半年但承受更多痛苦,有人不愿意。这不是数据问题,是价值问题。
金融认知增强:同样的逻辑
在金融领域,我做过一个"认知增强"案例:AI负责——
- 市场数据实时分析(80%的信息处理)
- 历史模式匹配和概率评估
- 风险因子量化
人类负责——
- "这个模型没考虑到的变量是什么?"——黑天鹅嗅觉
- "这笔投资是否符合我的整体策略?"——系统性判断
- "我现在的决定是否被情绪驱动?"——元认知监控
这里的关键是:AI不应该是"决策者",而应该是"认知放大器"。它放大人类的判断力,而不是替代判断力。好的AI协作机制,应该让人在做决策时感觉"比不用AI时更清醒",而不是"AI替我想好了"。
暴露边界认知增强断点设计
教宗通谕的启示:尊严不在效率(方济各→利奥十四世)
教宗方济各(2013-2025)在通谕中反复强调一个观点:人的尊严不来自效率,而来自"被当做人对待"的体验。2025年继任的利奥十四世延续了这一路线——首位美国籍教宗选择了"利奥"这个名字,致敬推动社会正义通谕的利奥十三世,说明关怀弱者的立场一以贯之。
这句话对创业的启示极其深刻:在那些"被对待的体验"本身就是产品的赛道,效率是敌人,不完美是资产。
三个必须保留"人类缺陷"的赛道
| 赛道 | 为什么需要不完美 | AI替代的风险 |
|---|---|---|
| 教育 | 教育的本质是"一个灵魂唤醒另一个灵魂"。老师的"偏心"、"情绪化"、"不标准"恰恰是教育的灵魂——学生从老师身上学到的不只是知识,还有"如何做人"。 | AI tutor可以教牛顿定律,但教不出"牛顿为什么伟大"——因为那是人类的故事。 |
| 老年陪护 | 老人需要的不是"高效的服务",而是"被需要的感觉"。陪护员的"笨拙"(学不会用手机)、"唠叨"(反复讲同样的事)、"情绪波动"(今天开心明天难过)——这些"缺陷"恰恰让老人感觉"对方是真实的人"。 | 机器人陪护可以把药准时送到,但送不到"有人在乎我"的感觉。 |
| 临终关怀 | 这是最极端的案例。临终者需要的不是"最优方案",而是"有人陪我走完这段路"。AI可以说出所有安慰的话,但"说出来"和"陪着你说"是完全不同的体验。 | AI可以分析疼痛数据,但分析不出"握着手"的温度。 |
深层逻辑:不完美 = 真实 = 信任
🔑 核心洞察
人类对"真实"的需求,本质上是对"对方也在冒险"的需求。
当一个人对你展示脆弱、犯错误、流露情绪时,ta在传递一个信号:"我是真实的,我在这个关系中也承担了风险。"
AI永远不会冒险——它不会因为你的一句话而伤心,不会因为一次失败而崩溃。但正是这种"不会受伤",让它无法建立深层信任。
所以在这些赛道,"不完美"不是缺陷,而是信任的货币。
创业者的任务不是"消除不完美",而是"设计不完美的体验"——让用户的感受是"这个人在真诚地帮我",而不是"这个系统在高效地处理我"。
站在巨人肩膀上,然后呢?
当知识调用变得平等——高中生用AI学牛顿和物理学家查文献的效率差距缩小到10倍以内——"知道什么"就不再是竞争力。
牛顿说"站在巨人的肩膀上"。但这句话的后半句是:"所以我看得更远。"
看得更远,不是因为你站得高,而是因为你知道往哪看。
创业者的新核心能力:问题定义权
在知识平等化的时代,创业者的核心能力从"解决问题"迁移到"定义问题"。
| 旧能力 | 新能力 | 为什么 |
|---|---|---|
| 技术实现 | 发现"什么问题值得解决" | AI能写代码,但不知道写什么 |
| 市场分析 | 判断"这个市场为什么存在" | AI能分析数据,但不知道数据背后的"人" |
| 资源整合 | 设计"为什么要和这些人合作" | AI能匹配资源,但不知道信任从哪来 |
| 效率优化 | 选择"在哪些事上不需要效率" | AI能优化一切,但不知道哪些不该优化 |
这就是我在演讲中说的:"站在巨人肩膀上继续走"的深层含义——不是"我知道得更多",而是"我看到了巨人没看到的东西"。
问题定义权具体的人巨人盲区
从机电行业看"巨人盲区"
自控系统厂商看到的是"系统覆盖率"——"大多数商业项目都配了自控系统"。但创业者看到的是"实际使用率"——"近九成无法自动运行"。
这个差距就是巨人盲区:系统覆盖率的视角是技术视角,实际使用率的视角是人的视角。创业者需要做的不是"更好的系统",而是"让系统被人用起来"——这需要先定义问题:"不是缺工具,是缺把工具用起来的认知桥梁。"
一个具体例子
充电桩配电设备的案例中,技术团队用AI算出了最优选址方案。但签下订单的,是另一个团队发现的那个"非技术性判断"——物业老板的"事业交代"需求。
前者是"站在巨人肩膀上"(用AI做到了极致的技术分析)。后者是"继续走"(看到了技术分析之外的东西)。
继续走的方向,就是创业者的核心能力。
SkyCetus的五层架构:一个文明实验
我们正在做的事情——SkyCetus"天鲸之城"——本质上是一个文明架构的实验。
我们的五层架构是:
🏛 SkyCetus 五层架构
第一层:记忆——万年存储技术,让知识跨越个体生命延续。
第二层:飞轮——五行认知引擎,让分析跨越个体认知局限。
第三层:Agent——自主执行系统,让行动跨越个体时间边界。
第四层:社区——开放协作网络,让智慧跨越个体经验孤岛。
第五层:文明——碳基温情与硅基理性的共生架构。
每一层都在回答同一个问题:当AI越来越强大,人类该做什么?
碳基温情 + 硅基理性 = 文明的"两条腿"
文明的延续需要两条腿:
硅基理性:效率、精确、可扩展、可传承。AI擅长这个。它确保文明"走得快"。
碳基温情:意义、信任、情感、伦理。人类擅长这个。它确保文明"走得远"。
只有一条腿的文明会怎样?
- 只有理性:高效但冷漠,像一台精密但没有人性的机器
- 只有温情:温暖但低效,像一个充满善意但无法进化的部落
创业公司的角色:做两条腿之间的"关节"。
创业公司如何参与?
| 层级 | 创业切入点 | 案例方向 |
|---|---|---|
| 记忆层 | 知识存储与传承工具 | 万年存储技术、个人知识图谱、跨代际知识传递 |
| 飞轮层 | 认知增强与决策辅助 | 飞轮分析引擎、跨域同构映射工具、认知偏见校正 |
| Agent层 | 自主执行与协作系统 | AI Agent编排、人机协作工作流、自主进化引擎 |
| 社区层 | 开放协作网络 | 知识共享平台、Agent社区、跨学科协作工具 |
| 文明层 | 碳硅共生架构 | 伦理框架设计、人类价值保护机制、AI治理工具 |
万年存储:一个文明级的承诺
我们做万年存储技术,不是因为"技术上有挑战",而是因为一个更深的信念:
万年存储文明承诺跨代际
这不是浪漫主义。这是最务实的理性——因为如果不做这件事,我们今天创造的一切(AI模型、分析框架、商业洞察)都会在几十年内消失。
创业公司参与文明构建,不是"做一件伟大的事",而是"做一件必要的事"——因为如果没人做,文明就会缺一块砖。
🎯 总结:五问的底层逻辑
这五个问题看似独立,实则指向同一个答案:
AI时代的创业者,不是和AI竞争的人,而是连接"AI能做的"和"人类该做的"之间那座桥。
80%给AI,20%留给人。
信息给AI,判断留给人。
效率给AI,温情留给人。
知识给AI,问题定义留给人。
理性给AI,文明留给人。
理想模型决定下限,人类残差决定上限。