2026-05-26 07:35
扫码打开虎嗅APP
本文来自微信公众号： 不懂经 ，作者：不懂经也叔的Rust，头图来自：AI生成
有个叫Matthew Prince的人，最近做了一件在美国商业史上找不到先例的事。
先说他这个人。普林斯是Cloudflare的创始人兼CEO。Cloudflare这家公司你可能不熟，但你每天上网的时候，你访问的网站有相当一部分是跑在它的网络基础设施上的。
简单说，它是互联网世界的一个隐形管道工。这家公司市值超过500亿美元，客户遍布全球，2026年第一季度营收增长超过30%，属于那种不需要你操心它会不会倒闭的企业。
正因为公司发展得这么好，普林斯上个月做的那件事才让人没法理解。
他裁掉了超过五分之一的员工。
他自己查过。翻遍了公开数据，请教了分析师，结论是：在美国商业史上，还没有第二家营收增长超过30%的上市公司，在同一时间裁掉超过20%员工的记录。
不是裁员本身罕见，裁员当然不罕见。罕见的是“一边高速增长一边大裁员”。这在过去的商业世界里是互相矛盾的信号。增长意味着扩张，扩张意味着招更多的人，这是一百年来不需要重新论证的肌肉记忆。
普林斯打碎了这个肌肉记忆。他还说，这不是他一家公司的特例。“未来一年内，这将成为常态。”
他还专门写了篇文章解释，发表在华尔街日报上，核心逻辑是一句话：“我没裁人。我裁的是AI能做的事。”
普林斯在文章里翻出了一本1954年的书。彼得·德鲁克的《管理的实践》。这本书在管理学史上的地位，有点像牛顿的《原理》在物理学史上的地位。它第一次把“管理”这件事本身当成了一个可以系统研究的对象。德鲁克在里面提出了一个分类，普林斯借过来用了。
德鲁克说，公司里的人可以分成三种。建造者（Builder），创造产品的人。销售者（Seller），把产品卖出去的人。衡量者（Measurer），做其他一切的人。审计、合规、法务、中层管理、运营、内部沟通、预算审批、KPI追踪。所有那些不直接造东西、也不直接卖东西的岗位，都是衡量者。
普林斯的判断很干脆。AI不会替代建造者。如果一个工程师现在能靠AI把效率提升十倍，我就雇更多工程师，越多越好。AI也不会替代销售者，因为人还是想从人手里买东西。但AI会替代衡量者。因为AI就是终极的衡量机器。不知疲倦。不讲人情。精确到人类的神经系统做不到的程度。
他裁掉的，几乎全是衡量者。
AI时代最重要的一堂生存课，和AI无关。
普林斯说，“我裁的是AI能做的事”，这句话翻过来问就是：AI做不了的事，是什么？这个问题，指向了AI时代真正的稀缺。答案不是算力，不是数据，不是芯片。
当然，这个问题也被问烂了，这两年我们看到了形形色色的答案。今天这篇文章，我们试图给出一个更深更深的视角。
过去两年，AI叙事的核心词汇只有一个：“抢”。
抢GPU，抢数据中心，抢电力，抢水利，抢一切能把算力堆起来的东西。OpenAI的估值冲上一万亿美元。Anthropic上市前估值超过九千亿。英伟达的芯片出厂价翻了三倍，排队等货的名单比芯片本身的电路还长。
数字很说明问题。英伟达芯片设计毛利率：75%。台积电先进制程：59%。高带宽内存：63%到67%。而模型层，那些真正在“做AI”的公司，那些你每天在新闻里听到的名字，利润率是负的。
大家都在抢制造锄头的生意，用锄头挖金矿的人还在亏钱。
《金融时报》的专栏作家吉莲·邰蒂最近写了篇文章，指出了一个更诡异的错位。标普500里，信息技术和服务占了42%的权重。能源和材料加起来只有6%。商品对冲基金的规模，用她引用的一个分析师的原话说，“几乎为零”。
她的逻辑很清楚：投资者被科技股的光环罩住了眼睛，忘了一件最基本的事。AI需要的不仅是代码，还需要分子。铜、水、镓、锂、混凝土、稀土。
而在一个地缘政治越来越像1914年的世界里，这些东西的供应链随时可能断。她引用了新西兰和新加坡最近签署的一份协议：两个国家互相保证，全球短缺的时候，先互相供粮、供油。这种事过去只有战争时期才会发生。
邰蒂说得对。但我们今天要说的稀缺，比她说的高一层。
她说的是物理层面的、供应链层面的稀缺。是可以用更多的矿、更多的电厂、更多的外交协议来解决的稀缺。我说的是另一种东西。算力会过剩。芯片会被大规模生产，因为只要有钱赚，台积电就会建更多的厂。模型会开源，能源会有新的解决方案。在足够长的时间尺度上，一切可以工业化的东西都会变成大宗商品。价格会跌，产能会过剩，利润会变薄。
真正不能工业化的，是你对世界的解释框架。
你的本体论。
Palantir，2003年在硅谷成立。创始人里有彼得·蒂尔（Peter Thiel），PayPal的联合创始人，《从0到1》的作者，硅谷最著名的逆向投资者之一。Palantir最早的业务是帮美国情报机构分析反恐数据。电影《猎杀本·拉登》里，CIA分析员用来追踪线索的那套系统，就是它的早期版本。
2020年上市。到2026年，市值已超过两千亿美元。客户从五角大楼和CIA扩展到制药公司、航空公司、能源巨头、各国的公共卫生系统。它做的不是那种“让你更有效率”的软件。它做的是“让你看清楚自己到底在一个什么样的系统里”的软件。
这家公司的CEO，亚历克斯·卡普（Alex Karp），可能是整个硅谷最不像CEO的CEO。
一头乱蓬蓬的深色卷发，总穿运动外套，说话时身体前倾，语速极快而且不按排练好的走。练了二十多年合气道，办公室里挂着日本书法。他拥有斯坦福法学院的法学博士学位，以及法兰克福大学的社会哲学博士学位。在硅谷，博士学位通常是计算机或电子工程的。社会哲学博士学位，大概只有他一个人。
他的博士论文研究了一个极其古怪，也极其锋利的问题。
卡普花了好几年时间追问一件事：人是怎样用语言欺骗自己的。具体说，他研究的是行话（jargon），那种听起来非常正式、细想什么都没说的语言系统。“战略性调整”“优化资源配置”“深化改革”“提升协同效应”。这些词在跨国公司和政府机构里的使用频率高得惊人，但你仔细想一想，每一个都可以在不同场合指向完全相反的行动。
他想搞明白：为什么人类如此依赖这种语言？
他的核心发现是：人们创造行话，不是为了变得更精确，是为了逃避精确带来的痛苦。
精确意味着你的矛盾会被暴露。意味着你必须面对那些你一直在回避的问题。意味着你对某件事“没有答案”这个事实，没有办法再被漂亮话掩盖。而行话正好相反。它给了所有人一套在字面上遵守规则、实际上违反规则的语言系统。
你可以说“我们正在积极研究这个问题”，这句话在语法上没有错误，在组织流程里完全合规，但实际上你什么也没研究。你可以说“本季度的表现基本符合预期”，你自己都不知道“预期”是什么时候算出来的、谁算的、基于什么假设。但你说出来了，会议室里的人点了头，这一页就翻过去了。
卡普后来把这条博士论文的核心发现，翻译成了Palantir最底层的设计哲学。
这家公司内部最常被提到的一个词，不是“算法”，不是“AI”，甚至不是“数据”。是“本体论”。Ontology。
在西方哲学传统里，本体论是研究“存在本身”的分支。什么东西存在？它以什么方式存在？它和其他存在的东西是什么关系？亚里士多德写过一本《形而上学》，核心问题就是本体论。到了二十世纪，海德格尔把它重新拉回了哲学讨论的中心。他认为整个西方哲学史上最大的错误，就是混淆了“存在者”（具体的东西）和“存在本身”（使一切存在者得以存在的那个条件）。
卡普把这个词从哲学系搬进了数据中心。
在Palantir的语境里，本体论的意思是：你必须把一家公司、一支军队、一家医院内部的所有实体和关系，定义到一丝歧义都不剩的程度。
客户是谁？不是一个模糊的“目标市场”，而是一个包含所有属性、所有交互记录、所有决策依据的具体对象。产品是什么？不是PPT上的一句话，是规格、物料、供应商、物流网络、交付时间、历史故障率的完整图谱。一条决策是谁做的、基于什么数据、在什么约束条件下、产生了什么后果。所有这些，必须被精确地命名，精确地编码，精确地关联。
卡普管这叫“强迫的精确”。
他说，当你把组织的本体论建立起来之后，就没有人能躲在模糊的语言后面了。你不能再说“本季度的表现基本符合预期”，因为系统会精确地拉出你在三十七个指标上的实际数字，和“预期”之间的每一处偏差，以及造成偏差的每一个可追溯的决策节点。你不能再说“我们正在积极研究”，因为系统会显示这件事最后一次被“研究”是哪一天、哪个人、在什么文件里写了两行字。
本体论就是一面你自己没法拒绝照的镜子。
但接下来这个问题，比本体论本身重要十倍。
那就是，谁来决定这个本体论长什么样？
一家公司的数据可以有一百种组织方式。你可以以产品为中心，所有东西围绕着产品的规格、材料、供应链、质量指标来搭建。你也可以以客户为中心，产品本身反而退后一步，变成客户的一个属性，核心变成客户的行为轨迹、偏好转移、全生命周期价值。
这两种本体论，对应的是完全不同的公司战略、完全不同的资源分配、完全不同的招人标准、完全不同的文化。一个是“我们造最好的东西”，一个是“我们服务特定的人”。
所以本体论不是一个技术决策。它不是CTO的事，不是数据架构师的事，它是CEO层面的决策。因为你选择了一种本体论，你就是在选择“这家公司是什么”。
我在以前的文章里提到过一个例子。贝佐斯在2000年代初期强制亚马逊全面API化，所有内部团队之间的通信，只能通过API接口进行。当时内部阻力很大，因为直接喊一嗓子、发一封邮件、走过去拍一下肩膀，显然比写API接口快得多。但贝佐斯坚持了。
现在回头看，那是一百八十度的本体论决策。他没有在改革技术架构，他是在用API的形式，定义“亚马逊是一个什么组织”：一个由无数独立小团队通过严格接口连接的网络，而不是一个从上到下的指挥系统。这个定义，直接决定了亚马逊接下来二十年能同时跑电商、云计算、物流、内容、硬件，这些完全不同业务线的扩张能力。
但大多数公司不会做这个决策。他们把这个权力交出去了。
John Deere，美国中西部最硬核的农业机械公司，一个多世纪以来代表的是“不废话，干活”的农民文化。2020年之后，它引入了一个“首席多样性官”，开始发“多样性报告”，搞“无意识偏见培训”，庆祝“骄傲月”。
我在以前的文章里也写过这个案例。一家农业机械公司，忽然用了一套跟它的产品、客户、历史毫无关系的语言系统。本质上，它把人力资源的本体论外包给了进步派技术官僚的话语体系。它让外人来定义“什么是好的员工”、“什么是好的文化”。而那些人从来没造过一台拖拉机。
Sears更惨。这家曾经定义美国中产阶级消费方式的百货公司，在2000年代中期被对冲基金经理埃迪·兰伯特接手后，他把零售公司拆成了一个“资产组合”。每个品牌是一个资产单元，每块地皮是一个资产单元，每条产品线是一个资产单元。然后用财务本体的逻辑来管零售：削减资本开支、砍门店维护费用、让不同部门之间互相竞价。零售的本体论被财务的本体论肢解了。Sears不是死于亚马逊的竞争，是死于把自己的名字给了别人。
AI会让这种“外包”变得更隐蔽，也更危险。
因为AI自带一套本体论。它默认一切都可以被量化，一切都可以被优化，一切都可以被预测。这不是AI的错，这是它被训练成的东西。如果你不主动定义你的公司的本体论，AI就会替你定义。而AI的定义永远是“最平均的”定义。最像其他所有人的定义。
那意味着你不再是你。你可能还在赚钱，但你不再是一个“有名字的东西”。你是一组可以被替换的变量。
如果本体论是地基，那地基上面，AI无法建造的第一层，叫信任。
回到普林斯的分法。他说建造者和销售者是安全的。这不是感情用事。你仔细看这两个角色会发现，它们都在做同一件事：承担判断的风险。
建造者决定什么值得造。判断错了，资源浪费，公司赔钱，他承担责任。销售者决定怎么跟客户沟通、承诺什么、怎么在出了问题之后修复关系。判断错了，丢客户，他承担责任。
而“承担责任”这件事的前提，是对方相信你真的在乎。这就是信任。
信任不被任何模型生成。它可以生成像真人写的邮件，但没有人会因为收到一封完美模仿CEO语气的AI邮件，就决定把关键的合同寄过去。它可以模拟“了解你的困境”，但没有人会在裁员面谈里听到ChatGPT脚本的共情，而觉得被理解。
信任有一个硬性前提：在场。一个真实的人，在真实的时间里，承担真实的后果。我管这个东西叫“付成本”。
AI不能付成本。它不能替你在会议室里拍桌子。不能替你在凌晨三点爬起来处理生产事故。不能替你去客户那里，坐在他对面，听他骂你的产品二十分钟，然后在他骂完之后说：“你说得对，我来修。”它不能让你在签下名字的那一刻手心出汗，因为你知道如果搞砸了，被追责的是这个名字背后的人，不是一个可以回滚的模型版本。
Palantir有一条非常独特的实践，叫“前出部署工程师”。Forward Deployed Engineer。
一般软件公司怎么服务客户？你买了我的软件，我给你培训，给你一份使用手册，你回去自己用。遇到问题打电话，客服给你开个工单，一两天之后有人回复。这是效率最优解。
Palantir不这么做。
它把刚招进来的工程师，直接从硅谷派到阿富汗前线基地。派到乌克兰的指挥中心。派到制药公司的实验室、航空母舰的舰桥、医院的急诊科。这些工程师穿着和客户一样的制服，吃同一个食堂，用同一个厕所。他们跟客户一起坐在凌晨三点的屏幕前，等一个计算结果。他们不是去“交付”的，他们是去“一起生活”的。
卡普说过一句，话粗理不糙：“你必须和那些使用你软件的人共用厕所。”
从效率来看，这个做法愚蠢至极。把一个年薪25万美元的工程师从硅谷飞到伊拉克，让他坐在那里三个月，就为了确保一套追踪系统能对接上当地的现实。你怎么算这笔账都划不来。但卡普知道，信任不是效率的产物。信任是成本的产物。你得愿意付这个明显“不划算”的成本。你得把你的身体放在那里。这样对方才知道，你不会跑。
AI什么都能算，但有一样东西它算不出来：人类只信任那些和自己一起吃过苦的人。这个机制比所有的优化算法都古老。
我在之前的文章里写过一个故事。2011年黑色星期五，所有品牌在狂喊“快来买，打折”，户外品牌巴塔哥尼亚（Patagonia）在《纽约时报》上登了整版广告。广告的主体是它最畅销的R2夹克。标语是三个大字：“别买这件夹克。”
广告正文没有推销。它详细列出了生产这件夹克的环境成本：135升水，20磅二氧化碳，运输过程烧了多少燃料。然后说：在你买任何东西之前，先想清楚。
这不是营销创意。这是一个本体论声明。Patagonia不是一家“卖衣服的公司，顺便环保”。它是一家“保护地球的组织，衣服只是目前顺便做的事。”这个声明的分量，不是靠一篇广告撑起来的。
它是从1985年，创始人伊冯·乔伊纳德把公司1%的销售额固定捐给草根环保组织开始。到用有机棉替代传统棉花，到用回收聚酯纤维替代化纤，到开设全美最大的服装修理中心。他们公开说“别买新的，拿来修”。到起诉特朗普政府，因为后者把犹他州两处国家纪念地的面积缩减了将近两百万英亩。Patagonia官网当天黑了屏，上面只写了六个字：“总统偷了你的地。”
四十年的行动和它宣称的价值观完全对准。没有偷工减料，没有双重标准，没有私下找游说公司替自己开后门。
这种一致性，AI永远生成不了。不是因为技术上做不到，是因为一致性必须被活出来，不能被说出来。AI可以在一秒钟内写出一万篇完美的环保文案。但AI不能替你拒绝一笔两亿美元的订单，因为那个客户的供应链不够透明。它不能。
信任的本质，是你用真实的代价证明了一件事。而AI恰好不能付代价。
信任可以锁住一个人、一个客户、一张合同。但文化可以锁住一个时代。
我在以前的文章里反复提过一个框架。我把它叫做三层编码。
第一层，物质编码。重新排列原子。造火箭，造汽车，造电池。这一层最有力量的时代是十九到二十世纪。钢铁大王、铁路大王、石油大王。现在它正在被机器人全面接管。
第二层，信息编码。重新排列比特。写代码，做APP，建平台。这是过去三十年互联网造富的核心引擎。但现在这层壁垒正在被AI用零成本轰开。当AI可以在一分钟内写出一个完整APP的后端代码时，单纯的“会写代码”已经不是护城河。
第三层，认知编码。重新排列人脑子里的概念。定义什么是美的，什么是恶心的，什么是有前途的，什么是过气的，什么是“常识”，什么是“不可接受的”。
我的判断很简单：前两层正在被AI接管和贬值。唯有第三层，在指数级增值。
原因不复杂。AI可以生成一切“内容”，但生成不了“文化”。文化的本质不是一堆内容的物理堆积。文化是一群人共享的一套叙事。
这套叙事告诉他们：我们是谁，我们从哪来，我们跟别人有什么不同，我们相信什么，我们拒绝什么。叙事是把离散信息变成共享意义的那根线。
韩炳哲，《倦怠社会》和《叙事的危机》的作者，柏林艺术大学的哲学教授，有一句非常精准的判断，我在以前的文章里引用过。他说：“信息加剧了世界的熵，而叙事通过赋义来减少世界的熵。”
熵是什么？是混乱程度。你每一次刷手机，你的大脑里就增加了一点熵。一百条不相关的、矛盾的、浮在表面的信息碎片，让你对世界的理解变得更无序。今天的互联网就是这个状态。几乎全是信息，离散的、碎片的、追求三秒刺激的沙粒。AI让制造这些沙粒的成本彻底归零了。
但叙事不是沙粒。叙事是一根线。把沙粒穿起来，让它变成一面墙，一个屋顶，一个可以住进去的世界。叙事不需要完美的逻辑，甚至不需要客观，但它需要一个完整的意义结构。而这个东西，AI没有。AI可以帮你整理一百本书的摘要，但它不能替你决定，在这一百本书里，“什么对你最重要”。
硅谷最聪明的钱已经在往这个方向开了。风投巨头a16z在2025年正式组建了“新媒体团队”，不是搞搞公关发发新闻稿那种，是把制造叙事当作跟判断投资同等重要的基础设施。
他们的逻辑不复杂：今天，谁能稳定地生产认知，谁就能稳定地吸引人才、资本、注意力。这三样东西加在一起，在新公司的估值模型里已经是决定性变量。
我在以前的文章里写过a16z投资A24的案例。A24，独立电影公司，《月光男孩》《瞬息全宇宙》《鲸》都是它出的。对外行来说，A24是“那家专门拍奇怪电影的公司”。但对它的核心受众来说，A24是一个身份识别码。当你在交友软件上标注自己喜欢A24，你发出的信号不是“我喜欢看电影”，而是“我不是那种被漫威喂饱的观众。我能欣赏怪东西。我能忍受不舒服。我有品味。”
这是认知编码的完美范例。A24卖的不是电影票，是一套美学操作系统。在一个被Netflix算法抚摸得滑不留手的数字世界里，你看完一部，它立刻推荐下一部类似口味的、让你舒服的。A24的电影有一种故意的粗糙，故意的让人坐立不安。《龙虾》里，不恋爱就会被变成动物。《圣鹿之死》里一直到结尾都没解释那些不可理喻的事。这些东西看完了你不会觉得“放松”，你会觉得被冒犯了。
但这种“被冒犯感”，在一个一切都被优化到让你舒服的时代，就是最大的奢侈品。用我在之前文章里的话说：摩擦即价值。
有意思的是，硅谷在同一时间，也在拼命尝试“吃掉”文化。
近两年，硅谷科技圈突然开始高频谈论一个词：“品味”。创投教父保罗·格雷厄姆说在AI时代品味会更重要。创业者说个人品味就是新的护城河。但你细看他们说的“品味”是什么。它不是“你是否真的被一首诗打动”，不是“你是否能分辨两杯咖啡之间那种细微的酸度差异”，不是伏尔泰说的“你必须感受到美，并且被它打动”。
硅谷的品味是另一回事。它是一种高级决策能力，一种可以兑现成估值的竞争优势，一条可以被写进融资PPT的“护城河”。它把人类感知里最难被量化、最能抵抗工具理性的那一部分，也翻译成了效率语言。
这恰恰暴露了硅谷最深的盲区：它想用本体论来定义品味。但它没有品味。
品味不是一套可以被设计出来的指标，不是你可以从用户数据里反向推导出来的偏好图谱。品味是你在某一种文化里泡了足够久、被某一种价值观训练过足够多次之后，你的身体先于你的大脑知道答案的那种东西。它是一种被活出来的本体论，不是被设计出来的本体论。
硅谷能设计一切。它能把一个APP的用户体验优化到六岁小孩和老人都能秒懂。它能把一条供应链的效率压到人类历史上前所未有的水平。它能在一纳米尺度上雕刻芯片。
但有些东西，设计不出来。它们是长出来的。泡出来的。一代人传下来的。
硅谷想买文化，但文化不卖。或者说，买不到。
我在以前的文章里反复讨论过一个概念：K型分化。同一个技术冲击，两种完全相反的命运轨迹。一部分人被技术放大，大部分人被技术替代。
现在这条分界线正在变得极其锋利。但它不再是有AI和没AI的人之间那条线了。那条线太浅了。更深的那条线在这：定义现实的人，和被现实定义的人。
卡普在最近一次访谈里说，未来只有两类人能保住安全。
第一类，有职业技能的人，手掌上有茧的那种。电工、焊工、护士、飞机维修师。那些在物理世界里跟物质打交道、每一次失误都会立刻产生可见后果的人。AI暂时碰不到他们，因为AI没有身体。
第二类，神经多样性的人。大脑里有异类的那种。不是比“正常人”更聪明，而是思维方式跟“正常”不一样。他看一个数据集的切入角度跟你完全不同，他理解一个问题的顺序跟你完全相反，他在所有人都点头的时候看到了一屋子人都在回避的矛盾。
然后他说了一句很残酷的话。关于中间那片广阔的、拥有“正常形状技能”的大多数。
“所有拥有正常形状技能的人，本质上都是阅读障碍者。”
什么意思？他说，过去几十年让你值钱的那个技能包，标准化的、可重复的、可以被明确定义和精确衡量的、可以写进职位说明书并且在招聘网站上被完美匹配的，现在正在让你变得可替代。不是因为你不够好，是因为“好”的定义不是你做的，是教育系统、招聘系统、薪酬系统、升职系统联合起来替你做的。你只是把他们的标准执行得比较好。
而AI，恰好就是那个标准的最佳执行者。
你是被命名的那一个，不是命名的那一个。这就是全部区别。
前不久有一个实验，我在前面的文章里提到过。Claude的母公司Anthropic给一群专业人士使用AI辅助工作，然后用标准测试来衡量效果。整体数据很普通：用了AI的人，平均得分反而比没用AI的人低了17%。
但这组数据的平均值是一个彻底的谎言。把数据拆开看：前20%的“超级用户”，得分提高了86%。后20%的“依赖型用户”，只提高了24%。同一个工具，同样的访问权限，十倍差距。
差距在哪里？不在技术熟练度。超级用户跟依赖型用户一样，都是第一次用这个工具。差距在于，超级用户从开始之前就知道这件事该往哪个方向做。他知道什么时候AI在胡说，什么时候AI在偷懒，什么时候AI给出的答案看起来合理但其实走错了方向。他有自己的判断框架。AI只是帮他跑得更快。依赖型用户没有这个框架。他打开AI，输入任务，然后接受AI给出的第一个像样的答案。
超级用户在命名AI。依赖型用户在被AI命名。
这就是本体论能力的差距。它区别于知识。超级用户不一定比依赖型用户懂得更多。它区别于智商。超级用户不一定更聪明。它是一种方向感。一种在信息混沌中知道朝哪走的直觉。一种“这是我想要的，那个不是”的坚定。
我把这个东西，叫做一个人的命名系统。
它回答的是这些问题：你认为什么重要？你为什么认为它重要？如果别人都说它不重要，你凭什么还坚持？如果所有外部信号都在告诉你“你错了”，你用什么来校准自己？
大多数人从来没问过自己这些问题。因为过去的系统不需要你问。从小学到大学到职场，每一站都有人告诉你：“这个重要。学这个。考这个。争这个。”你只需要跟着走。这套外部命名系统运转良好，它给了你清晰的路径、稳定的反馈、可预期的回报。你不需要自己的本体论。
然后AI来了，把所有能执行外部命名系统的工作全干了。
留下的空白，只有那些能自己命名的人才能填。
回到开头那个问题。AI做不了的事，是什么。
AI可以写代码，但不能决定什么值得被造。AI可以生成内容，但不能让一群人相信同一个故事。AI可以优化流程，但不能在你搞砸的时候承担责任。AI可以分析一百万个数据点，但不能定义在这百万个数据点里，哪一个才是真正重要的那个。
因为它没有世界观。没有“为什么”。
普林斯裁掉了衡量者。那些人做的不是思考，是执行别人定义好的衡量标准。那些标准来自咨询公司的模板，来自行业通用的KPI手册，来自十年前某次并购后遗留下来的ERP系统。没有人在执行这些标准之前重新问过一次：我们为什么要衡量这个？这个标准是谁定的？他当时面临的问题跟我们今天面临的问题还是同一个吗？
这些人被裁，不是因为AI太强。是因为他们做的事从头到尾就是可以被自动化的。只是以前没有足够便宜的工具来替代他们。现在有了。
卡普在《技术共和国》里写了一句很重的话：软件时代，硬实力需要软信念来定义方向。
算力是硬实力。算法是硬实力。GPU集群是硬实力。这些都会过剩。会贬值。会被更便宜的方案替代。但“什么是重要的”这个问题的答案，永远不会过剩，永远不会贬值，永远不会有更便宜的方案。因为每一个组织的答案都不一样。每一个人的答案都不一样。
一家公司的CEO如果能回答这个问题：“我们公司的本体论是谁写的？是我，还是咨询公司，还是SAP，还是同行对标系统？”他就知道该裁谁，该雇谁。一个普通人如果能回答这个问题：“我用来判断对错、好坏、值得不值得的那套标准，是谁放在我脑子里的？”他就知道自己是不是安全的。
AI不是敌人，也不是救星。它只是一面镜子，照出了谁有名字，谁只是名字被写在别人的名单上。
那个定义何为重要的权利，过去、现在、未来，都在人手里。只是大多数人一直不知道，自己本来有这个权利。
而那些知道的人，正在定义世界。
