国产a一级毛片爽爽影院_欧美日韩亚洲中字二区在线播放_国产在线每日都有更新_日韩中文字幕tv在线看_日韩美女婬乱大片A级网站_韩国无遮免费羞羞漫画_久久亚洲精品无码播放偷妻_国产成人777爽视频_色噜噜狠狠成人中文综合18_国产精品免费高清在线观看

一個人，不雇員工，卻讓 AI 完成 80% 的工作，甚至正向 100% 無人化逼近——John Rush 的“零員工公司”正在重寫創(chuàng)業(yè)規(guī)則：用 AI 替代團隊，用自動化替代管理，用速度替代規(guī)模。未來獨角獸，可能只需要你和一臺電腦。

你有沒有想過，創(chuàng)業(yè)這件事情可能徹底變了？我最近聽到一個訪談，讓我對未來的公司形態(tài)有了全新認知。John Rush，一個聲稱自己運營著”地球上最自動化組織”的創(chuàng)業(yè)者，正在用 AI 顛覆我們對團隊和雇傭的理解。

他的公司80%的工作都由AI agent完成，而他的目標是實現(xiàn)100%自動化。這不是什么科幻概念，而是正在發(fā)生的現(xiàn)實。聽完他的故事后，我意識到我們正處在一個歷史性轉(zhuǎn)折點：單人創(chuàng)業(yè)者借助AI的力量，可能比傳統(tǒng)的大團隊更加高效和靈活。

John Rush的經(jīng)歷讓我深思。他曾經(jīng)運營過大型的風(fēng)險投資支持的初創(chuàng)公司，管理著龐大團隊和復(fù)雜的組織架構(gòu)。但最終，他選擇了一條完全不同的道路：拋棄傳統(tǒng)的雇傭模式，轉(zhuǎn)而與AI agent合作。在他看來，過去10年管理大團隊的經(jīng)歷讓他”厭倦了與人合作”，而AI的出現(xiàn)為他提供了獨自工作的可能性。這種轉(zhuǎn)變不僅僅是個人選擇，更代表著商業(yè)模式的根本性變革。我開始思考：也許未來最成功的公司，不是那些擁有最多員工的，而是那些最善于與AI協(xié)作的。

從團隊管理到AI協(xié)作的范式轉(zhuǎn)變

John的轉(zhuǎn)變過程讓我看到了創(chuàng)業(yè)思維的革命性變化。他描述自己”委托了那家風(fēng)投支持的初創(chuàng)公司，雇傭了CTO和CEO，然后離開公司開始學(xué)習(xí)AI”。這種決策在傳統(tǒng)商業(yè)邏輯中幾乎不可想象，但在AI時代卻顯得前瞻性十足。

他開始構(gòu)建小型工作流工具，后來發(fā)展成能夠完成大部分重復(fù)性工作的AI agent。這個過程中，他必須獨自處理所有事務(wù)：會計、文書工作、設(shè)計、編程、營銷、銷售。正是這種全方位的痛點，驅(qū)動他一個接一個地用AI解決問題。

我發(fā)現(xiàn)John的方法論特別有啟發(fā)性。他沒有試圖一次性解決所有問題，而是采用了漸進式自動化策略。他目前已經(jīng)實現(xiàn)了80%的自動化，剩下20%主要集中在編程工作上。

但即使在編程方面，他也找到了巧妙的解決方案：與”co-maker”合作，這些人擅長使用AI編程工具，能夠快速將想法轉(zhuǎn)化為代碼。這種合作模式完全不同于傳統(tǒng)的雇傭關(guān)系，更像是項目制的深度協(xié)作。

讓我印象深刻的是John對驗證想法的獨特方法。他會先獨自驗證想法并構(gòu)建MVP，如果項目沒有獲得關(guān)注就讓它自然死去。但一旦能夠售出至少10個許可證，這就是產(chǎn)品有效的信號，然后他才會尋找合作伙伴進一步開發(fā)。

這種輕量級的驗證方式，讓他能夠同時運行20個項目，快速試錯而不會承擔(dān)巨大的人力成本。我認為這種方法論將成為AI時代創(chuàng)業(yè)的標準操作程序：先用AI快速驗證，再決定是否投入更多資源。

特別值得注意的是John在稅務(wù)和會計工作上的突破。他提到今年完全由自己和AI完成了所有稅務(wù)工作和會計工作，專業(yè)人士檢查后發(fā)現(xiàn)沒有任何錯誤。

這讓我意識到，AI在處理結(jié)構(gòu)化、規(guī)則性工作方面的能力已經(jīng)超出了很多人的想象。傳統(tǒng)上需要專業(yè)知識和大量時間的工作，現(xiàn)在可以通過AI快速準確地完成。這不僅降低了創(chuàng)業(yè)成本，也讓創(chuàng)業(yè)者能夠保持對業(yè)務(wù)各個環(huán)節(jié)的直接控制。

Lovable：AI時代的原型設(shè)計革命

John分享的Lovable使用經(jīng)驗讓我對AI工具的潛力有了全新認識。他用Lovable替代了Figma，將其作為原型設(shè)計工具。但更重要的是，他把Lovable當作一個智能的對話伙伴，可以與之討論想法、提出問題、尋求建議。

這種人機交互模式完全顛覆了傳統(tǒng)的設(shè)計流程。在傳統(tǒng)模式下，設(shè)計師需要先理解需求，然后在設(shè)計軟件中創(chuàng)建界面，整個過程可能需要幾天甚至幾周。而John可以在一天內(nèi)用Lovable創(chuàng)建10個不同的原型，每個都有不同的想法、設(shè)計和用戶體驗。

他的測試方法也很獨特：將10個原型鏈接發(fā)給朋友，通過視頻通話觀察他們的使用過程，不提問、不干預(yù)，只是靜靜觀察哪個原型最容易理解和使用。

這種快速迭代和驗證的方法，讓他的創(chuàng)意周期從傳統(tǒng)的幾個月縮短到幾小時。John提到，他現(xiàn)在的迭代周期是3分鐘，而與設(shè)計師合作的同樣周期需要3天。這種速度差異不僅僅是效率的提升，更是創(chuàng)新思維方式的根本改變。

讓我思考最深的是John對待AI的態(tài)度。他說：”我把AI當作人類對待，我認為這是它對我效果這么好的原因之一。很多人把AI當作技術(shù)，試圖像對待軟件一樣以特定方式與之交流。我把它當作人類員工對待。”

這種擬人化的交互方式，讓他能夠獲得更好的結(jié)果。他甚至發(fā)現(xiàn)，在與AI對話時加入情感和”請”這樣的禮貌用詞，會讓AI的回答準確度提高7%。這提醒我，AI交互的藝術(shù)不僅僅是技術(shù)問題，更是心理學(xué)和溝通學(xué)的問題。

我認為John的做法展示了一個重要趨勢：創(chuàng)業(yè)者不再需要成為所有技能的專家，而是需要成為AI協(xié)作的專家。他可以在沒有任何設(shè)計背景的情況下創(chuàng)建出優(yōu)秀的用戶界面，關(guān)鍵在于他知道如何與AI有效溝通，如何描述自己的愿景和需求。這種能力可能比傳統(tǒng)的專業(yè)技能更加重要，因為它放大了個人的創(chuàng)造力和執(zhí)行力。

專業(yè)化AI agent與通用AI工具的策略選擇

John對不同AI工具的選擇策略給了我很多啟發(fā)。他認為專業(yè)化的AI agent在特定任務(wù)上表現(xiàn)更好，因為開發(fā)者已經(jīng)解決了所有邊緣情況。他提到，雖然像GPT或Claude這樣的通用AI很強大，但當它們獨自工作時，經(jīng)常會犯一些愚蠢的錯誤。而專業(yè)化的agent，比如專門用于構(gòu)建目錄數(shù)據(jù)的AutoGrid工具，在特定領(lǐng)域的表現(xiàn)要好得多。

我發(fā)現(xiàn)他的工具組合策略很有意思：先用通用agent獲取初始數(shù)據(jù)和原型，然后在需要真正的全量數(shù)據(jù)和產(chǎn)品級質(zhì)量時，轉(zhuǎn)向?qū)I(yè)化agent。這種分階段的工具使用方法，既保證了快速啟動，又確保了最終質(zhì)量。

他提到的工具矩陣很全面：Lovable和V0適合原型設(shè)計，Replit適合全棧應(yīng)用開發(fā)，Cursor和Windsurf適合復(fù)雜邏輯但需要編程知識，而Bolt則是一個中庸的選擇，適合各種場景。

特別讓我印象深刻的是他的SEO Bot，這是一個真正意義上的自主AI agent。你只需要提供一個URL，它就會自動進行研究，找到低競爭的關(guān)鍵詞機會，計算潛在流量，制定SEO策略，甚至自動創(chuàng)建和發(fā)布內(nèi)容。

John強調(diào)這個agent的設(shè)計目標是”完全移除用戶的工作”，它會持續(xù)運行直到被關(guān)閉。這種設(shè)計理念代表了AI工具發(fā)展的方向：從輔助工具轉(zhuǎn)變?yōu)樽灾鞴ぷ髡摺?/p>

John的觀點讓我意識到，創(chuàng)業(yè)者需要重新思考工具策略。過去我們購買工具是為了提高生產(chǎn)力，但在AI時代，我們應(yīng)該尋找能夠替代工作的工具。John說：”我的主要用戶是像我一樣忙碌的創(chuàng)業(yè)者，他們不想變得更有生產(chǎn)力，他們只想什么都不做，讓整個過程自動發(fā)生。”這種從”提升效率”到”完全自動化”的思維轉(zhuǎn)變，將重新定義軟件行業(yè)的價值主張。

我開始思考，也許創(chuàng)業(yè)成功的關(guān)鍵不再是擁有最好的團隊，而是構(gòu)建最好的AI agent生態(tài)系統(tǒng)。John通過精心選擇和組合各種專業(yè)化工具，創(chuàng)造了一個幾乎可以自主運行的商業(yè)機器。這種能力將成為未來創(chuàng)業(yè)者的核心競爭力：不是管理人，而是編排AI。

導(dǎo)航網(wǎng)站在AI時代的戰(zhàn)略價值

John對導(dǎo)航網(wǎng)站未來價值的觀點特別有前瞻性。他認為雖然AI可以回答問題，但關(guān)鍵在于它使用什么數(shù)據(jù)作為上下文?，F(xiàn)在AI聊天機器人的最大進展就是改進它們的上下文和數(shù)據(jù)來源。AI擅長回答問題，但并不總是知道正確答案，因為這些信息可能不在訓(xùn)練數(shù)據(jù)中。他提到Grok之所以表現(xiàn)出色，是因為它使用社交媒體和推特數(shù)據(jù)，擁有更新鮮、更相關(guān)的信息源。

我發(fā)現(xiàn)John對數(shù)據(jù)質(zhì)量價值的理解很深刻。他認為未來的導(dǎo)航網(wǎng)站將代表細分領(lǐng)域內(nèi)最高質(zhì)量的內(nèi)容。比如Future Tools或Future Pedia這樣的AI工具目錄，創(chuàng)建者花費大量時間策劃AI工具列表，發(fā)現(xiàn)優(yōu)缺點，進行比較，尋找評論。這些數(shù)據(jù)非常寶貴，當你將這些數(shù)據(jù)輸入到大語言模型中，然后詢問”我應(yīng)該為這個問題使用什么工具”時，模型就有了真正優(yōu)質(zhì)的目錄數(shù)據(jù)來回答問題。

讓我印象深刻的是他關(guān)于LLM選擇數(shù)據(jù)源邏輯的觀察。他注意到當他在Grok上搜索獨立制作者時，系統(tǒng)給出建議并提供鏈接，點擊后發(fā)現(xiàn)鏈接指向他自己創(chuàng)建的indie maker目錄。這證明了大語言模型在選擇數(shù)據(jù)來源時，傾向于選擇目錄而不是博客文章，因為目錄明顯是更高努力的內(nèi)容。構(gòu)建目錄需要幾個月甚至幾年時間，而博客文章可能只是一個晚上的工作。

John的經(jīng)歷讓我思考導(dǎo)航網(wǎng)站的演化方向。他認為隨著進入數(shù)據(jù)量指數(shù)級增長的世界，問題變成了從大量選擇中挑選什么。LLM已經(jīng)在大量使用目錄，當它們需要選擇正確的數(shù)據(jù)來源時，傾向于選擇目錄因為這顯然更合理。

同時，人們通過LLM發(fā)現(xiàn)目錄后，通常會點擊進入網(wǎng)站進行更深入的瀏覽，而不是繼續(xù)使用LLM作為代理。

我認為John的觀點揭示了一個重要趨勢：在AI時代，策展和質(zhì)量控制的價值將大幅提升。當內(nèi)容生成變得廉價和容易時，高質(zhì)量的人工策展將變得更加珍貴。導(dǎo)航網(wǎng)站的價值不再僅僅是信息聚合，而是質(zhì)量保證和專業(yè)判斷。這對內(nèi)容創(chuàng)業(yè)者來說是一個巨大機會：專注于策展而不是創(chuàng)造，專注于質(zhì)量而不是數(shù)量。

SEO與AIO：搜索優(yōu)化的演進邏輯

John對SEO（搜索引擎優(yōu)化）到AIO（AI優(yōu)化）轉(zhuǎn)變的看法很有啟發(fā)性。他認為這兩者的游戲規(guī)則本質(zhì)上是相同的，不是什么全新的游戲。他很少看到LLM回答時引用的網(wǎng)頁鏈接不在Google搜索結(jié)果的前列。如果你在SEO上表現(xiàn)好，在Google和Bing上排名靠前，大多數(shù)情況下你也會出現(xiàn)在LLM的上下文和RAG中。

我同意John的基本觀點，但我覺得還有一些細微差別值得探討。他認為雖然可能找到一些技巧方法，但長期來看最好的數(shù)據(jù)仍然會獲勝，而最好的數(shù)據(jù)就是人們會分享的數(shù)據(jù)。我的看法是，在AI時代，域名權(quán)威性和聲譽可能會變得更加重要，因為將會有大量內(nèi)容涌現(xiàn)。LLM需要更多依賴內(nèi)容發(fā)布者的身份、社交信號、關(guān)注者數(shù)量和真實互動等因素來判斷可信度。

John分享了一個有趣的實驗：他有一個新網(wǎng)站，沒有任何反向鏈接，只有他發(fā)布的一條推特鏈接到這個網(wǎng)站。這條推特變成了病毒式傳播，第二天他就從Google獲得了大量流量，這意味著Google的算法現(xiàn)在會考慮來自社交媒體的反向鏈接，特別是來自知名賬戶的鏈接。這個觀察很重要，說明搜索引擎正在將社交信號納入排名算法。

讓我擔(dān)憂的是當前搜索生態(tài)系統(tǒng)面臨的挑戰(zhàn)。John提到Reddit現(xiàn)在被大量操控，人們創(chuàng)建假賬戶在Reddit上垃圾評論，因為Google很重視Reddit上的討論。這種操控行為在LinkedIn和Twitter上也在發(fā)生，沒人知道如何應(yīng)對。

這讓我想起早期我在加密貨幣領(lǐng)域的經(jīng)歷，當時我們就預(yù)見到AI會被用于網(wǎng)絡(luò)垃圾信息，討論過通過發(fā)布成本來限制垃圾信息的可能性。

我認為未來的搜索優(yōu)化將更多依賴于權(quán)威性建設(shè)而不是技術(shù)操作。就像John提到X平臺的優(yōu)勢，因為它使用自己的信息流和內(nèi)容來提取數(shù)據(jù)，所以很容易追溯整個鏈條：誰在寫回復(fù)、他們有多少關(guān)注者、誰在關(guān)注他們、是否經(jīng)過驗證、之前是否有過違規(guī)行為等。

這種基于平臺自身數(shù)據(jù)的權(quán)威性驗證，可能是解決虛假信息問題的關(guān)鍵。我甚至懷疑X平臺可能會檢查DM互動作為社交信號，這種深層次的關(guān)系驗證將使算法更加智能和準確。

對AGI發(fā)展路徑的思考

John關(guān)于AGI（通用人工智能）發(fā)展路徑的觀點讓我重新思考了技術(shù)進步的本質(zhì)。他的爭議性觀點是”我們不會通過LLM達到AGI”，認為我們已經(jīng)實現(xiàn)了大部分進展，更多進展將來自軟件本身而不是LLM。這個觀點與主流觀點截然不同，但他的論據(jù)值得深思。

John的觀察基于他作為AI工具的深度用戶的直接體驗。他指出，當你觀察AI的進步時，很難確定新的飛躍是因為LLM還是因為LLM之上的軟件。作為直接使用大量AI和LLM API的用戶，他能夠清楚地看到不同模型之間的差異。他發(fā)現(xiàn)模型之間的差異并沒有那么巨大，GPT-3.5到GPT-4的改進比GPT-4之后的所有改進都要大。

但當你使用工具、應(yīng)用和AI agent時，感覺卻完全不同，那里的變化是巨大的。這表明進步主要來自軟件而不是底層模型。他將這種情況比作計算機的發(fā)展：計算機硬件在AI出現(xiàn)之前一直在變得更好更智能，但它永遠不會導(dǎo)致AGI，是軟件讓硬件看起來智能。

同樣，我們將看到更多基于AI的軟件和工具被開發(fā)出來，它們將相互連接，但要達到AGI，需要更強的基礎(chǔ)—LLM本身。

John的觀點提醒我們關(guān)注一個重要趨勢：真正的AI能力可能不在于單一模型的智能程度，而在于多個專業(yè)化系統(tǒng)的協(xié)調(diào)配合。就像他的業(yè)務(wù)運營模式一樣，未來的AI系統(tǒng)可能是由眾多專業(yè)化agent組成的生態(tài)系統(tǒng)，每個agent在特定任務(wù)上表現(xiàn)卓越，通過智能協(xié)調(diào)實現(xiàn)復(fù)雜目標。這種分布式智能架構(gòu)可能比單一的超級智能模型更實用、更可靠、也更容易控制。

AI時代的教育理念與未來準備

John關(guān)于兒童教育的觀點給了我很多啟發(fā)，特別是在AI時代如何培養(yǎng)下一代的思考。他認為對孩子來說，學(xué)什么并不重要，重要的是訓(xùn)練大腦肌肉。無論是什么活動，只要能幫助訓(xùn)練大腦肌肉就是好的，甚至電子游戲也能讓孩子變得更聰明。雖然游戲的缺點是可能過于有趣，讓其他事情顯得無聊，但它確實是大腦訓(xùn)練的有效方式。

我特別認同John對編程教育價值的強調(diào)。他認為編程是訓(xùn)練大腦的最佳方式，就像健身房舉重一樣，而且它具有成癮性，是一種你真正喜歡做的大腦訓(xùn)練方式，沒有電子游戲那種無法停止的副作用。

這個觀點很有道理：編程需要邏輯思維、問題分解、抽象思維和系統(tǒng)性思考，這些能力在AI時代仍然珍貴。更重要的是，理解編程邏輯有助于更好地與AI協(xié)作。

讓我印象深刻的是John如何將孩子融入他的工作中。他在家工作，白天時孩子們會過來觀察他的工作。當他用Lovable做原型設(shè)計時，孩子們會問他在做什么，他會解釋并讓孩子們嘗試提示AI。

這種互動不僅為他的工作帶來了新鮮創(chuàng)意，也讓孩子們從小就接觸到AI協(xié)作的思維方式。他甚至?xí)蠛⒆觽兘o他一些隨機想法或提示，這讓他的工作變得更有創(chuàng)造性。

我認為John的做法揭示了AI時代教育的一個重要方向：不是教孩子具體的技能，而是培養(yǎng)他們與AI協(xié)作的能力。傳統(tǒng)教育注重知識傳授，但在AI能夠快速獲取和處理信息的時代，更重要的是培養(yǎng)提問能力、創(chuàng)意思維和判斷能力。

孩子們需要學(xué)會如何有效地與AI交流，如何評估AI的輸出，如何將AI作為思維伙伴而不是替代品。

John提到如果孩子的想法成功了，他會把他們列為聯(lián)合創(chuàng)始人，這種態(tài)度體現(xiàn)了對創(chuàng)意的尊重和對下一代的投資。我覺得這種家庭創(chuàng)業(yè)文化可能是AI時代教育的一個重要組成部分：讓孩子們從小就參與真實的創(chuàng)造過程，體驗從想法到產(chǎn)品的完整流程，培養(yǎng)他們的創(chuàng)業(yè)思維和執(zhí)行能力。這比傳統(tǒng)的課堂教育可能更適合準備他們面對快速變化的未來。

對2050年的預(yù)測與反思

John對2050年的預(yù)測既有趣又令人深思。他想象的未來場景像《機器人總動員》中的世界：建筑物完全封閉，沒有窗戶，人們在建筑物內(nèi)通過神經(jīng)鏈接直接連接到計算機。這種預(yù)測反映了對技術(shù)過度依賴的擔(dān)憂，也體現(xiàn)了對人性在高度自動化世界中角色的思考。

雖然這聽起來像反烏托邦，但John的邏輯有其合理性。他認為AI和機器人將使一切變得超級便宜甚至免費，人類將不得不發(fā)明游戲來找到存在的意義，因為沒有什么是他們必須做的，一切都是可選的。然后人們會創(chuàng)造競爭性游戲來維持社會地位和目標感，而在線游戲最終會勝過線下游戲，因為它們在AI的幫助下會變得更有趣。

我對John的預(yù)測有不同看法。雖然我同意技術(shù)過度使用的風(fēng)險確實存在，但我也看到了相反的趨勢。比如在舊金山，盡管人們大量使用技術(shù)，但同時也熱衷于戶外活動和徒步旅行。我認為會有一個過渡期，在這個時期人們可能確實會過度使用技術(shù)，但最終會找到平衡。

一些人會深度沉浸在虛擬體驗中，而另一些人會選擇花更少時間使用技術(shù)，讓技術(shù)處理他們不想做的無聊工作，從而有更多時間進行真實世界的活動。

我覺得John的預(yù)測忽略了人類對真實體驗和社交連接的深層需求。即使技術(shù)能夠提供完美的虛擬體驗，人們?nèi)匀粫释鎸嵉挠|覺、氣味、真實的人際關(guān)系和物理世界的探索。更可能的情況是，AI會承擔(dān)越來越多的重復(fù)性和認知性工作，讓人們有更多時間專注于創(chuàng)造、探索、藝術(shù)、運動和深度人際關(guān)系等真正人性化的活動。

我認為關(guān)鍵在于如何引導(dǎo)這種轉(zhuǎn)變。就像John提到的，他鼓勵創(chuàng)業(yè)者要孩子，并使用更多AI來獲得更多時間。在公司實際運營期間生孩子可能是最好的時機，因為這為孩子提供了在其他地方無法獲得的教育體驗。這種將生活、工作和技術(shù)有機結(jié)合的方式，可能比完全沉浸在虛擬世界中更加健康和可持續(xù)。未來的挑戰(zhàn)不是避免技術(shù)，而是學(xué)會明智地使用技術(shù)來增強而不是替代人類體驗。

零員工公司模式的深層思考

聽完John的訪談，我對未來的商業(yè)模式有了全新的思考。零員工公司不僅僅是一種成本控制手段，更代表著組織形態(tài)的根本性變革。傳統(tǒng)公司的大部分成本和復(fù)雜性來自人力資源管理：招聘、培訓(xùn)、協(xié)調(diào)、激勵、評估等。而在零員工公司模式中，這些復(fù)雜性被大大簡化，創(chuàng)業(yè)者可以專注于最核心的價值創(chuàng)造活動。

John的經(jīng)驗讓我意識到，這種模式的成功關(guān)鍵在于AI工作流的設(shè)計能力。就像傳統(tǒng)公司需要優(yōu)秀的管理者來協(xié)調(diào)團隊一樣，零員工公司需要創(chuàng)業(yè)者成為AI編排的專家。這要求創(chuàng)業(yè)者具備系統(tǒng)性思維，能夠?qū)?fù)雜的業(yè)務(wù)流程分解為可以由AI執(zhí)行的具體任務(wù)，并設(shè)計好這些任務(wù)之間的協(xié)調(diào)機制。

我認為這種模式特別適合幾類業(yè)務(wù)：第一，信息密集型業(yè)務(wù)，如內(nèi)容創(chuàng)作、數(shù)據(jù)分析、市場研究等；第二，標準化程度高的業(yè)務(wù)，如某些類型的軟件開發(fā)、客戶服務(wù)、財務(wù)處理等；第三，規(guī)模化要求不高的利基市場業(yè)務(wù)。這些領(lǐng)域的共同特點是工作相對標準化，決策規(guī)則相對清晰，適合AI的當前能力水平。

但我也看到這種模式的局限性。對于需要復(fù)雜人際交往、創(chuàng)意協(xié)作、或者處理高度不確定性問題的業(yè)務(wù)，純粹的零員工模式可能不夠。

John自己也承認，在需要編程等復(fù)雜工作時，他仍然需要與co-maker合作。這說明混合模式可能更現(xiàn)實：核心團隊極小，大部分操作性工作由AI完成，特定專業(yè)工作通過項目制合作解決。

從社會影響角度看，我覺得零員工公司的興起可能會促進就業(yè)市場的進一步專業(yè)化和項目化。傳統(tǒng)的全職雇傭關(guān)系可能會被更靈活的專家合作關(guān)系取代。這既帶來機會也帶來挑戰(zhàn)：一方面，專業(yè)人士可以更自由地選擇項目和工作方式；另一方面，也需要新的社會保障和職業(yè)發(fā)展機制來支持這種新的工作模式。我相信隨著這種趨勢的發(fā)展，我們會看到更多支持零員工公司和自由專業(yè)人士生態(tài)系統(tǒng)的服務(wù)和平臺出現(xiàn)。