本字幕由TME AI技术生成
人类和ai 协作的边界正在以肉眼可见的速度重新划定
二零二六年六月四日
欢迎收听best blocks 每日早报
这里是ep 七七
今天我们有三篇方向各异
但指向同一个核心问题的内容
第一篇
微软ceo 纳德拉在build 大会上做了一次难得的深度开麦
把微软的ai 平台战略从底层逻辑讲了个透彻
这是目前企业ai 转型话题里质量最高的一手资料之一
第二篇
月之案面推出kimi work beta
把agent 能力从终端搬到了桌面
孤外
整个产品本身有百分之九十二的代码由ai 生成
一个新时代的里程碑正式落地
第三篇
腾讯研究院历时一年调研
发布了三万字的超级个体时代报告
给出了一个量化公式
把超级个体如何聚合成超级团队这个命题拆解的相当彻底
三篇合起来看
是一幅完整的图景
大公司在战略层面怎么想
产品层面有什么落地
组织层面又会长成什么样
我们依次来看
先说纳德拉这篇访谈
Bill 大会向来是微软的主场秀
第今年多了一个特别环节
那德拉做进了两档ai 播客的联合直播
接受了将近四十分钟的深度追问
他没有讲产品发布
他讲的是战略底层逻辑
这才是这篇内容最值得细读的地方
纳德拉的核心判断是
微软正在从一家操作系统公司
云公司转型成一家前沿智能平台公司
这个定位听起来像营销语言
但他展开解释之后
你会发现里面有一个相当扎实的生态逻辑
它的出发点是一个来自前任ceo 的老命题
平台存在的价值在于他帮生态里的企业创造了价值
必须远大于平台自己捕获的价值
创造ai 时代这个命题的新版本是每家公司都需要建立自己的前沿智能
用自己的数据
自己的评测体系
自己的上下文去持续升级自己的ai 系统
微软要做的是提供让这件事成为可能的底层平台
这里有几个具体判断
指的单独记统
第一个是私有评测集可能是企业最重要的新型知识产权
纳德拉说
公开benchmark 大家都在跑
也都能刷到高分
真正有价值的是每家公司自己业务场景下的私有一well
能不能把这个ell 留在手里
能不能用它去驱动模型持续在自己的场景上爬坡
这才是竞争壁垒
它的比喻很直接
如果你换了一家模型供应商
还能在自己的私有email 上继续拿高分
说明你掌控局面
如果换了供应商之后el 就垮掉
说明你被锁定了
这个判断的背后含义很深
私有evl 是企业ai 模型里稳稳定的护城河
采
采用家模模型更重第
第二个
对sas 商业模模式的新新价值
他说
前前ss 的本质是我帮你把业务流程打包进数据模型加业务逻辑问题i
现在agent 可以把这套打包方式重新拆解重组
他不认为cs 会消失
底层数据模型和业务逻辑仍然有价值
但定价方式和业绑方式必须变
按用户收费是为了满足企业的预算确定性
按消耗收费是下一阶段
再往后可能有按结果收费
但他也坦率的说
按结果收费的问题是一旦真的有了结果
客户又会嫌贵
想换回按消耗付费了
这个对喻很直趣
说明即便是软软这种体量的重要
也在实时摸索商业模式的新边界
并没有一个现成答案
第三个是他讲的一个内部案例
给我印象最深
微软azzr 网络团队管着全球几百名光纤运维人员
这是高度物理化的工作
光纤切断了要去修
设备要维护
团队当时意识到在快速扩张的节奏下
这套人力模式撑不住
于是他们换了一种问法
我们的工作不是做errr 网络
我们的工作是构建一个能做error 网络的agent 系统
他论对这个agent 起了个名字叫miles
原本几百人用邮件处理的工单
现在交给agent 跑
人只做agent 做不了的判断
这个团队现在跟管理层说的是
我们不需要更多人头
我们需要更多人力
这种让自己的工作变成原工做的思路
纳德拉认为是ai 时代最核心的组织能力转换
他认对微软自己还是对每一家企业都成立
访谈最后
他还谈到了工程师角色的演变
他认为泛才的杠杆率在提升
不是因为专材不重要
而是因为原本只有专才才能做的事
饭财现在借助ai 也能做到及格线以上
一个ceo 可以自己去读代码库
产品经理可以自己出原型
不件事的影响不止在个人效率上
他在重新分配整个组织里谁有权对哪些事做判断
接下来说第二篇
也是今天最直接的产品动作
因为站面发发布kkii i work beta 版麦克windows 双端客户端同步推出
这不是一款新的ai 助手
而是一次从底层重新定义知识工作者用ai 方式的尝试
用他们自己的说法
从vib coding 到vib working
前者是开发者用ai 写代码
后者是所有知识工作者用ai 完成工作
代标先说最打眼的一个数字
Kimi work 本身有超过五万行有效代码
其中百分之九十二由ai 自主生成
这个产品用ai 开发工具在一周内完成了双端客户端
这本身就是他要卖的那个能力端同步推出
再说产品本身是什么
Kimi work 的核心是把原来只有开发者在用的kimi code
也就是终端里的本地coding agent 迁移到普通知识工作者熟悉的桌面图形界面里
用户不需要打开终端写命令配置环境
只需要用自然语言说清楚目标
Kimi work 就会在你的电脑上自动拆解任务并行执行
调用工具操作浏览器整理文件
最后交付文档
表格端同步推出其层跑的kimi k 二点六模型支持十三小时连续执行
单次任务最多可以创建三百个字agent 并行写作
累工工具调用过过千次
次们们出出了三个典型场景
金融场景里
用户可以让kimi work 调研巴菲特近十年的持仓
总结投资策略
自动生成一个巴菲特投资逻辑
安装之后再接入专业财经数据源来分析自己的持仓是否符合价值投资逻辑
整个流程自动完成
过程场景景可以让kimi work 清晰本地仿真数据
绘制学术图表
辅助完成论文
办公场景里可以读取本地文件夹里的产品方案和设计原型
用浏览器登录订阅的数据看板
结合两千多条用户评论生成一份一百多页的市场分析报告
再一键转成演示ppt
这背后的逻辑转变值得说清楚过去ai 工具的边界是帮你更快做同一件事
Kimi work 想做到的是你说清楚目标
中间过程交给agent
从工具到agent 集群
从交互到自主完成
这是不是真的能跑通
现在还在贝塔测试阶段
稳定性和交付质量肯定还有问题
但方向已经清晰了
下一代知识工作的分水岭不是你会不会用ai 助手
而是你能不能向agent 说清楚目标
然后信任他完成交付
这个从个体能力到系统能力的转变
正好引出今天第三片内容
腾讯研究院这篇三万字报告做了一件很有价值的事
它不是讲ai 工具怎么用
而是讲当个体被ai 放大十倍之后
组织会长成什么样
报告历时一年
采访了国内外数十个一线团队
既有腾讯内部的code
Body
Kimi 这样的ai 原生产品团队
也有安科创新特赞这样主动做ai 转型的企业
还有出门问问
Multile 这样把ai 深度嵌入协作流程的案例
报告的核心公式先说一下
组织竞争力等于人才密度乘以ai 杠杆除以组织摩擦
这个公式的意义不只是好看
也把变革问题拆成了三个可以独立操作的方向
分子翻倍
但分母不动
效果打折
分母减半等价于分子翻倍
超级个体放大的是分子
超级团队真正解决的是分母
什么是超级个体
报告给了四个结构性特征
第一是ai 优先的工作动线
超级个体不是遇到困难时问一下ai
而是先让ai 跑
然后在ai 的产出上做判断和修正
第二是能力跃迁
不只是在量的维度上产出提升十倍
更是在域的维度上
一个人可以独立把一件事从想法跑到交付
跑通过去
需要多个角色接力的全链路
第三是主动性极强
持续探索ai 能力边界
第四个也是最关键的影响力溢出
高效个体只让自己变快
超级个体让团队变快
报告里有一些量化数据很有说服力
Ai 使任务完成时间平均减少约百分之八十
部分任务如报告
信息汇编节省高达百分之九十五
商业侧cosa 大约六十人
在约三亿美元年营收阶段的人效远超传统sars 公司
传统软件公司达到类似体量通常需要五百到一千人
报告里另一个让我印象深刻的判断是关于能力重排序的
Ai 同时在做两件事
它不是平等的赋能所有人
而是按照一套新标准重新给人定价
被放大的是底层能力
传辑思维
问题分解
系统思维快速学习
一个组织里原来的中下水平者
如果恰好这些底层能力强
在新序列里可能越深
而旧序列里的稳定执行者
如果底层能力不强
反而会被淹没
Ai 是分化加速器
不是均衡器
报告还梳理了三种超级团队的形态
节点辐射型
以超级个体为核心
Ai 是辅助
适合早期阶段或方向还不确定的时候
网络协作型
没有唯一中心
多个超级个体各自发挥所长
Ai 承担协调中介
这种形态适合需要创新和快速迭代的场景
Code body 团队和kimi 都是代表案例
Ai 中枢型
Ai 是组织的协调中心
任务分配
信息路由都通过ai 来完成
这是目前最前沿也最不成熟的形态
报告里有一个四人团队的案例
很极端
四个人加上几十个agent
每十秒触发一个agent 任务
连续霸榜一周
周一一万两千个
Githustar 创始总总结
整个组
组织产
产效率瓶颈
颈在是人
Ai 已 已不
不平平景报
报告最后提出了四种超级团队的永线路径
从自下而上的自发涌现
到组织筛选培育
氛围营造
到创始人驱动型
所有路径的共性型
真正深刻的ai 组织变革
几乎总是从一两个人开始
关键不是设计顶层架构
而是创造让超级个体涌现的土壤
安克创新的做法是设火箭斑
从全公司筛选对ai 有强烈热情和快速学习能力的人
脱产一两个月完成高强度培育
回到团队后
他们的新工作方式自然的感染和带动周围的人
这个模式背后的逻辑是
你不能直接设计出一个超级团队
但可以大幅提高超级个体出现的概率
然后让涌现自然发生
你不能设计一棵树长成什么样子
但你可以选择土壤
控制光照
保证水源
今天快速速览几条值得关注的消息
微软build 两千零二十六大会这次动作不小
一口气发布了七款自研ma 模型
还推出了scott 智能体
Mxc 系统级安全沙箱以及project solaura 等产品
正式宣告agent 优先战略全面落地
和纳德拉访谈里讲的战略方向完全对应
Ma 模型这批值得注意的一点是
一个五十亿参数的小模型
在配合好的harness 和私有evolve 之后
可以在垂直场景上比大模型拿到更高的真实成机
这印证了纳德拉说的规模不是唯一优势
阿里技术团队发了一篇关于agent 基础设施设计的文章以周报自动化为切入点
提出了四层设计原则
可理解
可操作
可感知
可追溯
核心结论一针见血
Agent 自主程度是基础设施安全能力的函数
而不是模型有多智能
这个角度很务实
工程团队值得读
文章里提到了几个内部案例
配置 推送
身份健全等场景
讲的是infer 和agent 之间的摩擦点在哪里
如何系统性的消除
有很强的工程实践价值
还有一条关于fd 一这个新岗位的播客内容
Open ai 和anthropic 都在快速扩招这个角色
Fd 一是前沿部署工程师的缩写
简单说就是能在现场直接调整产品
沉淀可复用模块的工程师
Ai coding 让一线工程师可以在听到客户需求后直接改产品
不再像以前那样记录问题等待后方排期
这个岗位和今天讲的超级个体逻辑高度吻合
一个人端到端负责从需求到交付的全链路
Ai 时代
介于产品和工程之间的新职能正在定型
感兴趣的可以去听完整期播客
Google 发布了jm 四十二b 模型
配合旗下的边缘ai 技术栈
让普通笔记本电脑可以运行完整的本地agent 工作流
无需联网
关于部署agent 门槛又往下降了一格
隐私场景的使用空间也在扩大
今天还有几篇补充阅读推荐
一篇是open ai 内部讲他们怎么构建数据agent 文章核心思路很反直觉
最们没有追求复杂的agent 架构
而是把重心放在强大的数据基础设施和丰富的上下文组装层上
简单可靠胜过复杂聪明
这个取舍逻辑值得工程团队参考
还有一篇关于ai 转型kpi 的文章
说有公司一个月烧掉五亿美元之后才意识到把token 消耗量当ai 转型kpi 是一个很贵的坑
指标导向导致巨额浪费
最后还是要回到业务价值本身
这个踩坑案例正好是纳德拉访谈里真实世界以well 比bench mark 更重要这个判断的反面教材
播客里有两期不错的访谈可以延伸听
第期是资深消耗量
从vc 底层逻辑出发
深度拆解ai 浪潮下的创业范式和模型竞争终局
带着悲观者正确
乐观者成功的整体框架去思考
视角比较清醒
另一期是codex 新功能演示
用自然语言构建和部署web 应用
感兴趣的可以看看
今天三篇内容从战略
产品
组织三个维度共同指向了同一件事
Ai 和人类协作的边界正在快速可见的重新划定
纳德拉给出了平台层的起断
Kimi work 给出了产品层的示范
腾讯研究院的报告则给了我们观察组织演化的坐标系
无论你在哪个位置
这个时机都不适合先系统学完再行动
先做出一个小东西
让他碰到真实问题
才是超级个体的起点
Best bloks pro 早鸟内测现已开放
关注你感兴趣的来源
配置兴趣标签
每天收到一份属于自己的我的早报
如果你想让每天读到的内容越来越适合自己
可以试试pro 早鸟体验活动
也欢迎关注best blocks 公众号和小宇宙
每天收一份优选内容摘要
我们明天见