1211
28大家好，我是Vivian。作为四为高管教育的校友，访谈了元理智能创始人张帆。他是一位连续创业者，从法国人工智能专业回国，历经搜狗、腾讯的类Siri产品，到创办妙计旅行、担任大搜车CTO，再到元因智能被智谱并购后出任COO，他亲历了国内大模型从萌芽到爆发的完整周期。如今元理智能，通过商业强化学习训练数字员工，服务企业客户。我们和四为高管教育的企业家同学们一起听听他的创业故事。
时间线与核心观点
- | 缘起：从类 Siri 到智谱 COO，大模型老兵的重新出发
张帆老师分享从法国人工智能专业回国后，横跨两波 AI 浪潮的经历。
将通用智能转化为企业财务报表上的生产力，也是重要的命题。
- | 路径选择：为什么选择 Agent to B？
演绎法看 AI：互联网解决的是连接效率，催生了To C平台与巨头； AI 解决的是生产效率。
AI 极像“电力”，它本身不创造物理供给（如旅游产品或线下餐厅），而是必须嵌入物理世界，去撬动原有的商业需求，因此 Agent toB是让价值落地的必然路径。
- | 从“元因”到“元理”：如何在高速变化中寻找“深度不变”
警惕“放烟花”的技术热点
何为第一性？：“元”即是 Meta（底层）。不管是分析企业数据的原因，还是运转规律的原理，帮助企业找到属于自己的底层不变性，才能彻底缓解抗焦虑
- | 智能的不对称性：为什么我们要为“学习”建模？
智能的特异性：模型能拿奥数金牌，却会数错单词里的“R”。这表明智能本质上就是“不对称”的，人类社会的发展也是一个“垂类模型（个体）转化为群体智能”的过程。
AlphaGo Zero 的启示：AlphaGo 1.0：学习 3000 万人类棋谱，耗费百块 GPU。AlphaGo Zero：不依赖人类知识，画好棋盘自己跟自己下，仅用 4 块 TPU 完胜前者，要对学习建模。
语言能承载的知识是有边界的（看游泳书学不会游泳）。让 AI 自己通过学习找到该企业的“特异性最优解”。
- | 范式转移：告别确定性，用“管人”的思路去管AI模型
概率性 vs 确定性：传统软件基于 If-Else 的“确定性”构建，而 AI 底层是“概率性”。
如何驾驭幻觉：人类本身就是有幻觉、概率性的动物。比如你无法预知销售下一句精准说什么。企业落地 AI 产生排异，是因为在用旧的“确定性”标尺衡量新事物。企业家应该用管人的思路调整概率，而不是一味扼杀 AI 的泛化能力。
- | 出题比解题更重要：抽象你的思考层级
在 AI 让解题成本无限趋近于零的时代，不提问，你的搜索空间就是整个宇宙。提出好问题，才能让浩瀚的空间瞬间坍缩聚焦到一个具体方向。
不能再提微观和动作层面的问题（那一定会被 AI 替代）。必须拔高和抽象自己的思考层级。企业家的直觉是经历的高度压缩，压缩得越高，泛化能力越强，在 AI 时代的价值就越大。
- | AI 原生组织观：防范“低效空转”与顶层设计
警惕“假 AI 组织”：老板用 AI 留任务、下属用 AI 写答案、老板再用 AI 指导。看似全员用工具，实则组织效率在空转和下降。
AI 时代需要“考驾照”和“交通规则”。是个体智能转化为组织效能的工具，必须依赖老板的顶层设计，而不是盲目等待其“涌现”。
人才密度前所未有地重要。未来可能不是人类主导 AI 干活，而是“AI 推着人走”——AI 每天自动化调研迭代、形成报告，逼着人类在清晨睁眼时做高频判断，整个社会全面加速。
- | 反工业化时代：是个性化，也是智力的回归
工业时代的本质：动力（能量）无限扩张且廉价，但脑力昂贵有限。为了让动力匹配脑力，人类被迫妥协出“标准化、分工和流水线”。
AI 时代的“逆分工”：脑力（智力）无限扩张且趋近于零，智力与动力重新对称。我们不再需要为智力妥协，因此迎来“个性化”与“颗粒度革命”——不再用一个爆款服务 1 亿人，而是让 1 亿人有 1 亿个定制产品。
技能的跨越：AI 时代技能端在泛化，一个人就是一个全功能组织，这是人类智能的浪漫回归。
- end | 拒绝捷径：如何在这个时代高效学习？
往往成为热点的都是简单的事，而真正对的选择往往更难。全民小龙虾不等于跟上时代，很多时候只是缓解焦虑的“浅层麻醉剂”。
放弃低质的二手中介加工信息。直接去看世界上最懂 AI 的那批人（如 OpenAI、Anthropic 官网博客）的深度思考。
二阶求导思维：不要寻找“拿来即用”的死工具，而是通过看最顶尖之人的逻辑来产生自我经验的“共振”，为自己的思考方法建模。
如果你对我们的话题感兴趣，可以加入我们的听友群交流，小助理的VX：whereisvivian131
