AI 时代：人类主导智能管理

在未来的组织架构里，无需过度担忧 AI 取代人类，职场中的角色并非被 AI 管控，而是人类来驾驭 AI。

当下的观念常误以为人被 AI 支配，典型如“置身钉内”的文章所描绘的公司现状。原文指出，使用钉钉的员工时刻处于被监视状态，连片刻喘息的机会都没有，且老板的指令直达，导致员工难以分辨老板的意图优先级还是工作本身的优先级更高。

要有效管理 AI，必须明确 AI 的能力边界与优劣，始终坚守人的主体地位，利用人类的主观能动性来弥补 AI 的不足。

这正如目前的辅助驾驶系统，肉眼能察觉到的潜在危险，在辅助驾驶尚未做出明显反应时，驾驶员便可提前应对。例如遇到车辆加塞，或发现开启辅助驾驶的车辆亮起指示灯时，后车可能会故意别车；同时，在辅助驾驶尝试变道时，驾驶员也可观察周围路况，提前将脚移至刹车踏板上。

这正是职场中理想的上下级关系。下属应主动汇报工作进度，让上级掌握情况从而感到安心；而上级在大多数时候应充分放权并信任员工，同时也需做好随时干预和提供支持的准备。

这种状态很难遇到，同样，具备这种素质的优秀员工也极为罕见。

典型的上下级关系往往是领导者做基础工作游刃有余，但一旦进入领导岗位却显得力不从心。通常此时，面对优秀员工，领导者因害怕其威胁自身地位，必然采取打压和排挤的手段以彰显权威，这是人性的弱点，几乎难以避免。

进入 AI 时代则截然不同，每个人都需提前适应管理数字员工，实现管理者与数字员工的高效协同；同时，中层管理者将面临最大挑战，未来职场结构必将更加扁平化。

中层领导者要么晋升为决策者，要么下沉至一线成为 AI 管理的协同者，这是 AI 时代必须掌握并适应的能力。

当然，这一进程将会非常缓慢。

只有当具身智能真正成熟并投入使用，AI 才算从数字世界跨越到了物理世界。

仍以辅助驾驶为例，目前的辅助驾驶效果依然有限，仅局限于二维平面。而具身智能的技术难度远超辅助驾驶，其中居家场景的应用尤为困难。

因此，具身智能目前多采用仿真数据，即利用部分真实数据结合生成式 AI 模拟推理后续数据，而非像辅助驾驶那样依赖真实道路数据进行训练；特斯拉的 FSD 便采用了此类技术，这算是一种辅助且无奈的手段。

特斯拉 FSD 最头疼的便是获取足够的中国真实道路数据；缺乏充足数据训练 FSD，使得其难免显得鸡肋，尤其是作为一个需要 6.4 万元订阅的辅助驾驶系统。

辅助驾驶最核心的要素便是真实道路数据，这也是特斯拉 FSD 在中国订阅率未达 1% 的主要原因。

另一个原因在于，纯视觉方案终究难以走通。

颇具戏剧性的是，国内某车企在美国体验了半个月特斯拉 FSD 后，回国便对其纯视觉辅助驾驶大加赞赏。但矛盾的是，既然认为纯视觉辅助驾驶如此先进，为何又声称要用几个月时间超越特斯拉 FSD？

那么问题来了，特斯拉 FSD 究竟是先进还是不先进？若不先进，为何要效仿？若先进，为何又要急于在短期内超越？

此外，其采用的是“仅视觉”方案，而非“纯视觉”，两者差异巨大。

为何坚持多年融合算法后，却突然转向视觉方案？

这背后的原因值得深究，或许最终会倒在电动车下半场的智能化竞争中。

在欧洲，特斯拉的纯视觉方案仅获得 L2 级认证，而华为鸿蒙则获得了 UNR157 认证，大致处于 L3 至 L4 之间。

这样一个方案还值得投入吗？这对该车企而言或许非常有必要。

首先是成本因素，特斯拉选择视觉方案是因为贸易战导致雷达价格上涨，搭配使用显然不划算；而该车企多年来也无力承担庞大的 AI 融合训练研发费用，只能腾挪资金转向仅视觉方案。

其次是自身无法攻克融合算法，仅视觉方案只需处理摄像头数据，无需考虑其他数据源。