为什么公开讨论开放问题 #
关于“新范式”的论述，结尾大多是一个完美的答案。我们想反过来：认真讨论我们还没有完全想清楚的问题。
原因是，对一个仍在定义中的方向，诚实地讨论开放问题，比包装一个无懈可击的答案更能建立信任。真正懂这个领域的人，会问最尖锐的问题——没有事先想过，再漂亮的说法在深入对话里也会露馅。
但这不是“我们不知道”的姿态，而是：我们基于第一性原理有自己的判断，同时承认这些是判断而不是确定答案，并会根据新的观察持续更新它们。前者是软弱，后者是一种有定见的谦逊。下面三个问题，每一个我们都给出三部分：问题本身、我们的判断、以及我们承认的不确定性。
问题一：更强的基础模型，会取代我们吗？ #
问题。如果下一代基础模型能力大幅跃升——原生具备使用软件的能力、原生能接入企业私有知识、原生能处理长期任务——一个做“可编程劳动力”的平台，价值会不会被冲淡甚至取代？
我们的判断。从第一性原理看，价值链的不同层次有不同的商业逻辑，每一层都有不可替代的位置——这是过去几十年 IT 产业反复证明的规律。操作系统再强，没有取代应用软件；云平台再强，没有取代行业 SaaS 和服务商；数据库再强，没有取代数据平台之上的专业平台。原因在于，每一层的商业模式、组织能力、客户关系要求都不同，强行跨层意味着摧毁上层的商业模型。所以模型能力的跃升，对我们更可能是好事，而不是坏事：
- 我们卖的不是“能力”，而是“服务 + 资产形态”。能力跃升让基础成本下降、效果提升，但企业采购可编程劳动力的核心原因不是“更好的 AI”，而是“可拥有、可累积、可审计的运营资产”——后者是模型能力之外的东西。
- 能力跃升会加速市场成熟。当基础模型能直接展示“用软件完成任务”，企业对“AI 做业务运营工作”的接受度会更快提高。
- 每一次能力溢出，平台都有新的可扩展空间（更复杂的任务、更长的上下文、更广的场景），而不是被溢出消灭。
我们承认的不确定性。以上判断建立在“基础模型公司不会战略性地下沉到企业服务层”这个假设上。如果某家基础模型公司决定颠覆自己的商业模式去做企业服务，竞争格局会被重写。我们对此的应对，是把当下的领先转化为只能用时间换来的东西——执行信誉、客户嵌入、领域 know-how——这些即使面对更大的玩家也是实在的。
问题二：新资产类别的规则如何成熟？ #
问题。我们一直强调“数字员工是一类新资产”——它有产权规则、度量标准、审计框架。但如果这些规则不能走向行业共识和会计准则的认可，所谓“资产形态”就只会停留在“某个产品的特性”层面，无法成为一个行业级别的资产类别。
我们的判断。任何新资产类别的成熟，都不是被某个组织钦定的，而是在多方采用中自然形成的。HTTP 不是被某个委员会钦定的，而是在足够多的网站和浏览器采用后成为事实标准；股票、债券、ETF 这些资产类别，也都是先在真实交易中逐渐定义出规则，再被监管和会计准则追认。这意味着，新资产类别的定义，属于“在真实采用中把规则做实”的早期参与者，而不是“在纸面上设计规则”的概念设计者。
一个有意思的观察是：今天的 Agent 生态正在快速搭建基础设施——通讯协作有了开放协议（例如已进入开源基金会治理的 A2A），分发有了多个 Agent 市场，计量与支付也有了专门的基础设施；会计体系也开始回应“AI 作为资产”这件事。但有一层还基本是空的：数字员工作为企业资产，如何被拥有、被累积、被估值、被审计。通讯层、发行层、支付层在成熟，资产层还没有人认真回答——这恰好是我们关注的位置。从历史看，这个顺序很常见：通讯和发行的基础设施，往往比资产审计的规则早成熟几十年。基础设施先行、资产类别规则跟上，是新资产类别成熟的典型路径。
我们承认的不确定性。这个过程需要多长时间？我们的估计是数年形成早期共识、更长时间才会被会计准则认可，但这是估计不是确定。会不会出现竞争性的、与我们不同的产权结构定义？可能。法律和会计层面会不会出现意外的挑战？也可能。我们的态度是：不等到完美共识形成，而是在真实实践中持续把规则做具体。
问题三：人在这个时代的长远角色 #
问题。当 AI 接管越来越多的执行，人在可编程劳动力全面成熟的时代，到底扮演什么角色？这不只是员工心理问题，它牵涉企业组织结构、人力资本市场、教育体系，甚至更深的社会契约。
我们的判断。从第一性原理看，每一次生产要素的根本变革，都会重新定义“人的价值”，但从来没有“消灭人的价值”。工业革命把人从体力劳动中解放出来，却创造了更重要的知识劳动；信息革命把人从重复的信息处理中解放出来，却创造了更重要的判断与创造。每一次变革，都是把人的角色推向更高层次的价值创造，而不是让人变得无用。基于这个规律，我们对“人的角色”的判断分三层：
- 近期，人是“师傅”。资深员工的 know-how 被系统化地提取、记录、传承，他们的角色从“执行者”升级为“培养者”。
- 中期，人是“标准定义者与方向引领者”。当 AI 接管了大部分执行，人的核心价值转向“定义什么是好、什么是对、什么该做”——这是价值判断、目标设定、伦理把关的角色。每一个数字员工，都需要有人定义它的目标、校准它的标准、审核它的结果。
- 长期，人是“创造者与意义赋予者”。当标准和目标本身也能被自动化，人的角色进一步上移——创造新的产品、新的市场、新的价值定义。这一层的精髓，不是在既定框架内做事，而是定义新的框架。
这三层合起来，是一条“人的价值不断上移”的路径——不是人变得无用，而是人被推向越来越高的价值创造层次。
我们承认的不确定性。长期看，“师傅”本身会不会也被 AI 替代？理论上可能，但我们倾向于认为——“这个企业特定情境下的判断标准与价值观”仍然需要人来定义，总有人站在价值判断的最后一环。还有一个真实的问题：如果执行都被 AI 接管，新一代的人如何培养出“能判断”的能力？我们在产品里有意保留了“学习模式”（新人先自己判断、再与 AI 对比），但这是否足以支撑人才培养，需要在实践中观察。
有定见的谦逊 #
把这三个开放问题摊开来讲，不是软弱，而是一种有定见的谦逊：我们对基础模型的冲击有判断（能力跃升对我们利大于弊），但承认“基础模型公司战略性下场”是真实的不确定性；我们对新资产类别的规则有判断（资产层目前还基本是空的，我们正在把规则做实），但承认共识形成的时间和路径仍不确定；我们对人的长远角色有判断（沿“师傅 → 标准定义者 → 创造者”不断上移），但承认其中一些具体机制还在观察中。
这些判断和不确定性并存，是今天做“可编程劳动力”这件事的真实状态。一个声称已经想清楚所有答案的人，反而更应该让人警惕。我们的态度很简单：持续地、诚实地思考这些问题，在每一次产品迭代和客户沟通中，让判断更精确、让不确定性更具体。这篇文章不是最终答案的兜售，而是我们当下思考的诚实记录。