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，无论你做什么行业，最大的一笔钱几乎总是同一项：人力成本。再往下拆一层，人力成本的大头买的不是判断，而是执行，也就是把一个决定变成文档、代码、报表、合同、设计稿、客服对话、市场文案的那些工时。你从来不觉得这有什么问题，因为整个商业世界都建立在同一个假设上：执行是昂贵的，必须精打细算地采购、组织和监督。

这个假设正在失效，而且失效的速度有精确的刻度。

斯坦福大学以人为本人工智能研究院（Stanford HAI）在《AI Index》年度报告里追踪了一条曲线：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。两年之内，价格降到了原来的约二百八十分之一。

请注意这条曲线的形状。它不是一次降价促销：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。这意味着降价不是一次性事件，而是一条坡道；你不是错过了一次抄底，而是站在一条持续下行的传送带上。风险投资机构 a16z 给这个现象起了名字，叫 LLMflation：固定能力水平的价格，大约每年下降 10 倍。研究机构 Epoch AI 按具体任务测算得更激进：价格下降速度的中位数是每年 50 倍；只看 2024 年 1 月之后的数据，中位数升到每年 200 倍。

（一个统计细节，也是本书的方法示范：我们报告中位数而不是平均数。不同任务的降速从每年 9 倍到 900 倍不等，平均数会被极端任务绑架，中位数才诚实。这条规矩全书通用，第 6 章会解释为什么。）

在把这条曲线翻译成任何结论之前，先给它标注两个边界。边界不是免责声明，而是论断的一部分。画错了边界的论断，比没有论断更危险。

第一，坍塌的是"单位能力的价格"，不是最新旗舰模型的标价。今天最强的模型依然不便宜，旗舰标价的下降速度也慢得多，独立测算大约每年 5-10 倍，远低于"同等能力"曲线的坠落速度。但对组织而言，重要的从来不是旗舰的价格，而是"完成这件事需要的能力"的价格。两年前需要一个三人小组一周完成的分析报告，所需要的那个能力档位，今天的调用成本接近于零。竞争差距不来自你能否用上最贵的模型（那个人人买得到），而来自你是否意识到：昨天还需要一个团队的执行，今天变成了一次调用。

第二，这条曲线只覆盖数字世界。这个边界如此重要，值得单独一节来处理（见本章第四节）。

在此之前，先把这条曲线翻译成一号位的语言：你最贵的采购品曾经是人的时间，现在它在打折清仓。当一种核心生产要素的价格以每年一个数量级的速度下跌时，围绕它的旧价格设计的一切制度安排，无论曾经多么精妙，都需要重新计算。历史上每一次生产要素的价格坍塌都重画过组织的形状：蒸汽机重画了工厂，集装箱重画了贸易，这一次轮到执行本身。

对一号位，这条曲线有三个直接推论，每一个都比"降本增效"深一层：

今天为执行能力做的长期定价都会错。任何按今天的执行成本谈的三年合同、编的五年预算、定的人头规划，都建立在一个每年缩水一个数量级的价格上。规划的正确姿势不是取今天的价格，而是取坡道的斜率。
"等技术成熟再动"没有等的资格。坡道是连续的，没有一个叫"成熟"的站点让你上车；每晚一年动手，对手就多拿一年的复利。
省下来的钱不是利润，是迁移预算。执行成本下降释放的资源，如果只是回流到利润表，你就把组织进化的窗口期卖掉了。这笔钱应该流向本书后面要讲的那两样还在涨价的东西。

二、另一块底座：知道去哪里查 #

如果只有执行变便宜，故事还没有那么剧烈。真正构成"地质变动"的，是第二块底座同时被抽走了：知识获取的成本。

回想一下组织为"知道"付过多少钱。资深员工比新人贵，很大一部分溢价买的不是他的判断，而是他"知道去哪里查、知道该问谁、知道行业惯例是什么"。企业为数据库、行业报告、咨询顾问、培训课程付费，买的也是同一样东西：缩短从"不知道"到"知道"的距离。这个距离曾经如此昂贵，以至于它单独养活了几个万亿级的行业：出版、咨询、职业教育，本质上都是知识获取成本的套利者。

在搜索引擎时代，这个距离已经坍缩过一次：从"认识那个人"变成"找到那篇文档"。在 AI 问答时代，它又坍缩了一个量级：从"找到那篇文档"变成"提出那个问题"。中间所有的环节，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，不再向你计价。

注意这两块底座的关系：它们不是并列的两项成本，而是旧组织结构的两个承重点。执行昂贵，所以组织要精细地分工、排期、监督执行；信息稀缺，所以组织要用层级来传递它、用资历来定价它、用会议来同步它。执行归零不是效率新闻，是组织的地质变动。只抽一块底座，结构还能斜着站一阵子；两块同时抽掉，上层建筑的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。它的主营业务用一句话就能说清，付费答案库加按需专家：学生每月最多花 19.95 美元，买教科书习题的预写答案，以及一个随时可以提问的专家网络。

用本章的语言重新描述一遍这门生意：Chegg 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、知道该问谁"。它不是用了太少的 AI，也不是组织涣散。它的商业模式本身，就站在归零曲线的正下方。

疫情期间的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·罗森斯维格说出了后来被反复引用的那句承认：ChatGPT 开始侵蚀订阅用户增长。公司撤回全年业绩指引，股价当天跌了 48%。此后是一条没有反弹的下坡：ChatGPT 发布后累计流失订阅用户超过 50 万；2024 年第四季度订阅用户 360 万，同比下降 21%，全年营收下降 24%；2024 年裁员 441 人（约四分之一员工），2025 年 5 月再裁 22%，10 月再裁 45%，公告里的归因原话是"AI 的新现实"（the new realities of AI）。市值最低跌到约 1.56 亿美元，从峰值算跌去了 99%。

这个案例里最锋利的细节不是跌幅，而是一组对照：Chegg 自己也在用 AI。它的财报显示，借助 AI，内容生产的资本开支同比下降了 56%，同期用户提问数还增长了 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，区别只在你的商业模式站在归零曲线的哪一侧。AI 对 Chegg 来说不是工具好不好用的问题，而是它卖的东西不再稀缺了。如果你的商业模式是卖执行，AI 不是你的工具，是你的替代品。

先在这里停一下。这个故事很容易被讲成"AI 毁灭一切"的恐怖片，那不是本章的论点。Chegg 的意义在于它是一具干净的样本：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，但你的公司里，一定有几个部门的日常工作，和 Chegg 的商业模式长得一模一样。

对内找一找，小号的 Chegg 通常有三种形态：

报告工厂：那些定期产出周报、月报、分析简报的岗位。如果它的价值主张是"把数据整理成可读的文字"，它就是内部版的预写答案库。
人肉检索台：法务查先例、投研找可比、采购比供应商。如果这个岗位的护城河是"知道去哪里查"，它卖的就是 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、按模板执行的产线，正是归零曲线吸收得最快的形态。

这三种形态不该引发裁员冲动，那是把本章读浅了。它们该引发的是重新定价：这些岗位上的人，值钱的部分正在从"产出"移向"放行"，也就是判断产出合不合格、按什么标准放行。这个迁移第六节有一个完整的行业样本，第 10 章会给出组织层面的处理方案。

（本节数据来自 Chegg 历年财报，以及《华尔街日报》与 CNBC 的报道。Chegg 与第六节将出场的传神分属不同行业，这两具样本如何对照、边界在哪，到第六节一并交代。）

四、论断边界：归零在哪里成立 #

"归零"是全书分量最重、也最容易被误读的一个词，所以先立边界，再立论。任何标准都有适用条件，不写清适用条件的论断不是洞察，而是口号。这条规矩我自己首先要遵守。

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。这些工作的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被检验。Chegg 的答案库、Duolingo 的课程翻译、你们市场部的文案初稿，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 都没有让它们变便宜多少。监管流程也没有归零：审计、合规、牌照，这些环节的成本结构由制度决定，不由技术决定。所以，请不要拿工地和手术室来反驳一条关于知识工作的论断；反过来，也请不要用知识工作的坍塌速度去吓唬每一个行业。两种滥用我都拒绝。

但边界内外不是绝缘的。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持续向内推进。一家建筑公司的砌墙成本没有降，但它的图纸深化、工程量计算、进度汇报、合同审核正在归零。一家医院的手术没有归零，但病历、影像初筛、随访记录正在归零。变化的速度不同，方向相同。

本书所有论断默认在这个边界内成立。如果你的组织主体在边界外，本书的时间表对你更宽松，但方向判断不变，因为你的竞争对手会先在数字化的壳上完成进化，然后带着省下来的成本和快出来的周期，到物理世界里跟你见面。

五、组织结构考古：每一根线为什么存在 #

现在做一次考古。把你的组织架构图放在桌上，问一个大多数一号位从来没有问过的问题：这张图上的每一根线、每一个框、每一条流程，当初是为了解决什么问题被发明出来的？

考古的结论会让人不安：几乎每一样东西，都是为"人做得慢、知道得少"设计的。

层级是一棵信息传递树。一个人能有效管理的直接下属有限（管理学教科书说 7±2 个，实践里很少超过 10 个），一个人能实时掌握的信息更有限。所以组织只能长成树状：信息从叶子往根部逐层汇总，每一层都做一次压缩和转述；指令从根部往叶子逐层分发，每一层都做一次翻译和加码。层级不是权力欲的产物，它是对"人知道得少"的工程学妥协：在没有更好的信息同步手段时，树状是把一万个人连起来的最优结构。代价早就写在教科书里，每一层转述都有损耗，每一次汇总都有延迟。组织默默支付这笔协调税一百年了，因为没有别的选择。

审批是判断力的排队窗口。判断稀缺，所以组织把判断集中到少数被验证过的人身上，然后让所有需要判断的事项排队使用他们。审批流的每一个节点，本质上都是在说：这件事的试错成本高于让它排队等待的成本。在执行昂贵的时代，这笔账几乎总是成立的：一份做错的方案要烧掉三个人一周的工时，让它在总监的收件箱里躺两天很划算。审批不是官僚主义的发明，是判断力短缺时代的配给制度。

汇报是靠人力完成的上下文同步。周报、例会、述职、对齐会，本质上是把分散在各个脑子里的上下文，用最贵的介质（人的时间）做一次批量同步。它低效、有损、延迟高：十个人开一小时会，成本是十个工时，同步到的信息还随着每个人的注意力衰减。但在上下文只存在于人脑里的时代，没有别的介质可用。会议室是旧组织同步信息的唯一干道。

KPI 是价值的替身。管理者看不见每个人的执行过程，更无法直接度量"价值"，只好退而求其次，用可计数的产出来近似：件数、时长、行数、单量、响应时间。KPI 不是管理者愚蠢，而是观测手段贫乏时代的必然选择：你度量不了想度量的东西，只能度量度量得了的东西，然后祈祷两者相关。

请注意这次考古的态度：这四样东西不是官僚病，它们在自己的时代都是最优解。嘲笑它们很容易，但嘲笑是廉价的，设计它们的人在自己的约束条件下做出了正确的工程决定。这正是本书会反复出现的主题：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，而组织最难的动作是承认这一点。

现在把两块底座抽走，逐一重新验算：

层级：AI 可以让一线的上下文无损地、即时地出现在任何人面前，信息本可以实时到达任何节点；树状结构却仍在为不再稀缺的信息支付协调税，而且税率没变。
审批：重做一份方案的成本从三人日变成三秒钟，试错不再昂贵；闸门本身却还在按旧价格收费，两天的排队时间，现在比它拦截的风险贵几个数量级。
汇报：那些例会同步的信息，本可以躺在一个人和 AI 共享的上下文里，随时可查、永不衰减；组织却仍在用最贵的资源（所有人的同一个小时）做 AI 可以实时完成的同步。
KPI：当 AI 可以无限生成"产出"，计数产出就失去了意义。件数、行数、时长统统可以被机器刷满，产出数字与真实价值之间的那条相关性假设，正式断裂。

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

这就是本章的框架图：一座金字塔，两块底座（执行成本、知识获取成本）同时被抽走，上层结构悬空。悬空的部分并没有全部报废。仔细看，还有三样东西悬在半空、无人接手，它们恰恰是 AI 接不走的：选择什么目标、采用什么标准、如何统一上下文。这三样东西是什么、为什么 AI 接不走、如何把它们变成组织能力，是本书剩下十二章的全部内容。

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"倒霉的个案"。我们把显微镜对准一个完整的行业：翻译业，执行归零最猛的地方。

选翻译业，是因为它几乎是"数字化知识工作"的纯样本：输入是文本，输出是文本，质量可以在数字世界里检验，没有物理环节的缓冲，没有牌照和监管的护城河。执行归零如果有一个第一现场，就是这里。

第一现场已经有了第一手的岗位记录。2023 年底，语言学习公司 Duolingo 分两波（8 月与 12 月）裁撤了约 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 已经可以生成翻译和课程内容。被裁的承包者向媒体描述了留下的人的新形态："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。"

把这句话多读一遍，它是本章论断的微观切片：执行者变成了审核者。产出这个动作被机器接走了，留在人身上的是判断，也就是判断 AI 的产出合不合格、按什么标准放行。一个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，接下来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，一家中国老牌语言服务公司，身处坍塌带的正中央。它没有选择把翻译员训练得更快，因为那等于在下沉的地板上练跳高；它的动作是把公司整个重写为另一种形态：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"的硬规矩，用"能量金"机制让内部 AI 应用按市场规则生长（这套组织机制的细节在第 9 章展开，这里只取它的行业信号）。创始人何恩培的判断可以直接作为本章的注脚："与其等员工变成 AI 高手，不如让组织长出 AI 能力。"

注意这句话的结构：它没有把宝押在"人学会工具"上，而是押在"组织形态改变"上。这正是本章与流行叙事的分歧点。流行叙事说，AI 来了，快给员工办培训班；本章说，问题从来不在员工的工具熟练度，而在于组织的每一根线还是按执行昂贵的旧价格画的。执行层最先被吸收的行业里，最早行动的幸存者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。

这组对照的成色，如实交代。传神的机制来自多家媒体的交叉报道，是可靠的；但它的经营成效（收入、利润是否真的因此变好）目前没有第三方数据可查。所以我只引它的机制，不替它下结论。Chegg 一侧是财报级数据，完整。还要说明：两家不同业，可比的不是业绩，而是机制。两家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。我也还没有找到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），在找到之前，"自我改造者活得更好"只能算一个待验证的假设。好在本章论断并不押在这个对照上，成本曲线（第一节）与 Chegg（第三节）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 #

这一波论述里有一个流行的说法，李开复等人把它表述为"AI 让思考变得免费"。本书的表述相反，而且这个相反是全书论证的起点，值得用一整节说清楚。

先拆开看变便宜的到底是什么。答案是两样东西："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，这些确实在归零。但它们加起来并不等于思考。思考里还有一个内核："什么值得做"，也就是在无限的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 一分钱没降价。

而且它不止没降价，还正在变得更贵。稀缺是相对的。当执行要花三个月时，一个平庸的判断可以躲在漫长的执行后面，等结果出来时没人记得当初是谁拍的板，复盘会开成了罗生门；当执行只要三小时，判断的质量会立刻裸露在结果里：上午拍板，下午见分晓，谁的判断值钱、谁的判断只是职级的回声，一周之内全公司都看得见。执行越便宜，判断在总成本里的占比越高，判断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 的故事其实也是这个结构：它不缺执行（答案库二十年的积累），不缺知识入口（专家网络），缺的是在 2022 年 11 月那个时点上对"什么值得做"的判断。当你卖的东西开始免费，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缩到了几个季度。

这不是技术限制，而是定义问题：如果有一天 AI 完整地替你决定了什么值得做，那这家公司事实上就是它的了。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。

于是一个更尖锐的问题浮出来了：既然执行已经免费，工具人人买得起，为什么那些买齐了所有 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？

这是下一章的问题。

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：

先照镜子：用 Chegg 之问开场：我们的收入里，有多少是在卖"执行的产物"或者卖"知道去哪里查"？这部分收入就是你商业模式的红色区域。大多数公司不是 Chegg，但几乎每家公司都有一条产品线或一个部门是小号的 Chegg。
列执行清单：让每个部门列出所有"纯执行"岗位与工序，也就是有明确输入、明确输出、质量可数字化检验的环节。对每一项标注：今天的 AI 能完成其中的多少？能完成 80% 以上的，标红。
审组织架构线：对架构图上的每一根线问：这根线管理的是执行，还是判断？管理执行的线，随着红色区域扩大会失去存在理由；管理判断的线，是你未来组织的骨架。
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？把答案为"否"的节点数出来，这个数字就是你组织里正在空转的审批闸门数。

这张地图不要求你今天裁撤任何东西，它是后面十二章所有动作的底图。附注（个人与团队视角）：同样的问题可以问自己的岗位。我的工作里有多少属于红色区域？我的价值挂在执行上还是判断上？如果明天我的团队从四个人变成两个"策展人"，留下的会是我吗？