AI永不停歇，Claude走进实验室操控量子设备：AI化身员工，谁来做管理者？

过去两天，AI领域接连发生两件大事，单拎出来都够聊半天，搁一块儿看，刚好勾勒出一个大变革的序幕。

第一件：OpenAI的AI，开始给自己安排任务了。

《连线》杂志翻OpenAI的公开代码仓库时发现，Codex命令行工具正在试验一个新能力——Persistent mode（持续模式）。

代码里的那句指令很直白：

"Keep working until told to stop."——一直干，直到有人喊停。

这意味着什么？现在的AI智能体，你布置一个任务，它跑几分钟或几小时就歇，哪怕没干完。但持续模式下，AI搞定初始任务后未必会停——它能给自己追加后续任务，跨会话持续推进，直到目标完成，或者你叫停它。

更有意思的是同时上线的另一个能力："proactivity"（主动行为）。它让AI在回答完你的问题后继续揽活儿——根据"以往和你的交互"和"对你的认知"，自己拿主意下一步干什么。

OpenAI官方证实了测试的存在，但表示"暂没有马上推出的计划"。别小看这句话——OpenAI的功能向来都是先在开源代码里露脸，再进Codex桌面版，最后进入ChatGPT Work。这条路线，行业里都清楚。

第二件：Anthropic的Claude，进实验室摸真实设备了。

8月28日，Anthropic开放了MHS（模型硬件标准）第一阶段研究预览，业内直接管它叫"硬件版MCP"。

过去MCP让AI对接软件和数据；现在MHS让AI直接操控物理设备——机械臂、显微镜、液体处理器、量子计算机的激光装置。

两组实测结果：

一件事让AI"干得更久"，一件事让AI"踏入物理世界"。方向各异，本质相通：

AI正在从"工具"转变为"下属"。

工具和下属的差异，决定了企业需要什么样的人

工具是啥？你不动，它不动。你点一下，它动一下。

下属是啥？你给一个目标，他自己拆解任务、自己推进、自己汇报、自己修正。

Codex的持续模式，消掉的正是这条边界。AI能给自己派活、能跨会话连续推进、能"根据对你的了解"主动揽活——这不是工具的标签，这是员工的特征。

MHS更进一步，AI不光能干活，还能动手——校准激光、操控机械臂、跑药物实验，而且某些指标干得比人类专家还出色。

那问题就来了。

当AI成了下属，企业里谁来做领导？

不是AI的难题，是人的难题。因为AI越自主，下面这四件事的重要性就越凸显：

1. 派活。把业务目标拆解成AI能落地的任务。拆得好，AI是超人；拆不好，AI是灾难。同样是让AI做客户分析，有人能拿到一份直接上决策会的报告，有人只得到一堆正确的废话。差距不在AI，在派活的人。

2. 验收。AI的输出又快又顺，但快和顺不等于对。58%到99.3%的故事很燃，可那是Anthropic调优过的场景——在企业日常里，AI交付的东西靠不靠谱，得有人能拍板。

3. 纠偏。持续模式下AI会连续作业不叫停。啥时候该叫停、啥时候该转向，这个判断AI做不了，也不该让AI做。

4. 嵌流程。清楚自己岗位流程里哪一步该交给AI、哪一步必须人来、怎么把AI的产出接进下一环。这是"会用AI"和"用AI赚钱"之间的鸿沟。

派活、验收、纠偏、嵌流程——这四件事，就是管理学讲的"带人"的基本功。

AI当员工，人当领导。这是未来十年企业组织最重要的一句潜台词。

大多数企业，还没开始补这门课

现状是错位的。

AI这一侧，能力按月迭代：上个月还在"问一句答一句"，这个月能给自己派活了；上个月还只能吐文字，这个月能摸量子计算机了。

企业这一侧，大多数员工对AI的使用还停在"帮我写周报、做个PPT"。培训体系还在教"怎么用工具"，而工具本身已经在蜕变成"下属"了。

这个错位怎么补？

靠发账号没用，AI账号不等于AI能力。靠听讲座也没用，指挥AI是练出来的，不是听出来的——就像没人是看视频学会游泳的。

真正管用的路径只有一条：让员工在真实业务场景里，反复练"指挥AI"这件事。销售跟AI模拟客户对练，客服跟AI模拟投诉应答，新人在AI模拟的岗位场景里练上手，练完了有AI自动批改、有基于能力短板的千人千面学习计划——练的不是"知道AI"，是"指挥AI"。

知训云做的就是这件事：AI知识库把业务知识标准化沉淀，AI自动组卷定位每个人的能力缺口，AI实战模拟让员工在沉浸式对练里练"给AI派活、判断AI输出、把AI嵌进业务"，AI讲师保证培训质量不受师资水平影响。四个模块拧成一件事——把"能给AI当领导的人"批量培养出来。

OpenAI让AI"永不下班"，Anthropic让AI摸到了真实世界。AI这一侧的革命已经拉开了，企业这一侧的革命，得从培养"会指挥AI的人"启程。