「人類工具史的2條鐵律，被AI工具一次打破？」你拿AI協作來補丁還是放大能力｜未來1000天
早上九點，你打開電腦，發現昨晚交代的市場分析報告已經躺在收件匣裡。不是加班的同事做的，是你的AI智慧體在凌晨三點自動完成的。它不只彙整了數據，還主動比對了競品動態，甚至在結尾附上一段備註：「這份報告有兩處數據來源存在衝突，我標記了出來，建議你確認。」你端起咖啡，盯著螢幕看了三秒。
這個「同事」不需要睡覺，不需要打卡，也不會在茶水間抱怨主管。
《未來1000天》裡，作者群訪談了多位AI產業第一線的建造者，描繪的正是這幅即將到來的工作圖景。AI智慧體（AI Agent）正在從實驗室走進辦公室，人形機器人正在從跌跌撞撞走向系統性競賽。
你和我，都需要搞清楚這些「非人類同事」到底是什麼、能做什麼、以及我們該怎麼跟它們共事。
人類工具史的兩條鐵律，被AI智慧體一次打破
回想一下你用過的所有工具。從石器時代的手斧，到工業革命的蒸汽機，再到你手上的智慧型手機。幾萬年來，工具有兩條從未被打破的鐵律。
第一條：工具是注意力的「吸血鬼」
你停下來，工具就停下來。鋤頭不會自己翻土，Excel不會自己跑報表，Photoshop不會自己修圖。
人的注意力被綁定在工具上，一刻都不能鬆開。
第二條：工具是確定性的「囚徒」
輸入A，永遠輸出B。計算機按下1+1，答案永遠是2。它不會在某一天突然告訴你：「你算錯題目了，你真正想問的應該是另一個問題。」工具忠實執行指令，絕不會產生超出設計者意圖的結果。
AI智慧體把這兩條鐵律同時打破了。
「我們第一次發明了一個『不太像工具的工具』。」
《未來1000天》，劉元
智慧體具備主動性。你交代一個目標，它能圍繞這個目標自主運轉，拆解任務、尋找資源、遇到障礙會嘗試繞過去。
你關上電腦去睡覺，它還在工作。它是人類有史以來第一次擁有的「數字分身」，可以被託付任務，可以獨立完成。
這跟以前所有工具的本質都不同。以前的工具延伸你的雙手，AI智慧體延伸的是你的意志。
Manus團隊的發現：給AI智慧體更少結構，它反而更聰明
如果你是工程師或產品經理，第一個直覺可能是：既然AI智慧體這麼厲害，那我們就寫一大堆規則告訴它該怎麼做吧。
步驟一做什麼、步驟二做什麼、遇到情況A走分支一、遇到情況B走分支二。
Manus團隊試過這條路，結果發現完全走不通。
他們做了一件有趣的實驗。團隊給智慧體新增了一個影像分析功能，原本只是讓它「看懂圖片」。
沒有人寫任何規則告訴它這個功能還能用來做別的事。
結果呢？智慧體自己發現，它可以用這個能力來除錯自己生成的視覺化程式碼。
它會去檢查自己畫出來的圖表對不對，發現問題就自動修正。
沒有If-else判斷，沒有預設流程，完全是它自己「想到」的。
這個發現催生了Manus團隊的核心設計原則：Less Structure, More Intelligence。
更少的結構，更多的智慧。
與其用密密麻麻的規則框住AI，不如預留更多空間，讓模型自己學習如何拆解任務、組合工具。
這個原則聽起來反直覺，卻揭示了AI智慧體跟傳統軟體的根本差異。
傳統軟體是「你告訴它怎麼做」，AI智慧體是「你告訴它要做什麼，它自己找到怎麼做」。
AI協作的關鍵門檻：三級授權體系
那麼問題來了。你願意把多少事情交給這個「數字同事」？
《未來1000天》裡描述了一套三級授權的框架，從容易到困難，分成三個層次。
第一層是讀取權
讓AI智慧體訪問你的郵件、日曆、文件，讀取你的資料。
這對大多數人來說還算能接受。
第二層是行動權
讓它代替你發郵件、預約會議、提交報告。有些人開始猶豫了，畢竟「以我的名義發出去的東西，我要負責」。
第三層是決策權
讓它幫你付款、簽約、做涉及金錢或法律責任的決定。到了這一層，信任鴻溝變得巨大。
目前的AI智慧體應用大多還停留在前兩層。
第三層的信任需要長時間、大規模的使用驗證來建立。
但趨勢很明確：授權的範圍正在一步步擴大。
三年前你可能覺得讓AI讀你的郵件很恐怖，現在Gmail的智慧分類你每天都在用。
三年後，AI幫你回覆例行性郵件可能也會變成日常。
AI創業者的選擇題：補丁型還是放大器型？
對於正在思考AI創業的人來說，《未來1000天》提出了一個極其銳利的問題。
你是在賭模型暫時做不到，還是在賭模型終將做到？
這個問題把AI應用層的創業者分成了兩個陣營。
補丁型創業者看到大模型目前的缺陷，用工程手段去補。
比如模型幻覺嚴重，就加一層事實查核模組；模型不擅長數學，就外掛一個計算引擎。
問題是，底層模型每隔幾個月就大幅升級一次。
今天你費盡心力補上的那個洞，明天可能被模型自己填平了。
你的產品瞬間失去存在的理由。
放大器型創業者則反過來。他們把模型已經很強的能力封裝成好用的體驗，讓使用者輕鬆享受AI的長板。
每次底層模型升級，放大器型產品也跟著水漲船高，解鎖更多新功能。
Manus就是這條路線的典型代表。
它不試圖修補模型的弱點，它專注於讓模型的自組織能力在更多場景中釋放出來。
這個選擇題不只關乎創業者。
對每個在AI浪潮中想要找到定位的人來說，底層邏輯是一樣的：把時間花在跟AI較勁的地方，還是花在跟AI協作的地方？
從跌倒到競賽：人形機器人100天的質變
如果AI智慧體是「軟體層的同事」，人形機器人就是「硬體層的同事」。
2025年4月，北京亦莊半程馬拉松，20支人形機器人隊伍參賽，只有6支跑完全程。
畫面很魔幻，機器人搖搖晃晃，隨時可能摔倒，觀眾看得又緊張又想笑。那時候所有人的共識是：人形機器人離實用還早得很。
100天後，同樣在北京，國家速滑館。
首屆世界人形機器人運動會開幕。16個國家、280支隊伍、500多個機器人。
487場比賽，幾乎全部順利完成。從「不穩定地能跑」到「系統性地能賽」，時間跨度只有100天。
這場運動會有幾個值得關注的設計巧思。
組委會設置了「0.8係數」，鼓勵完全自主操控的機器人。
如果你的機器人不靠遙控、純靠AI自主決策完成比賽，成績乘以0.8的優惠係數。
更關鍵的是首創「場景賽」，模擬醫院、酒店、工廠等真實工作環境，測試機器人在非標準化場景中的應變能力。
這場運動會傳遞的訊號：人形機器人的進化速度，遠超大多數人的預期。
它們不再只是展覽館裡的展示品，正在朝著真正的「職場同事」方向演進。
當數位分身遇上人形機器人：AI協作時代你該準備什麼
把這五個知識點串在一起看，一幅清晰的圖景浮現了。
AI智慧體打破工具史鐵律，成為你的數字分身，接管越來越多知識性工作。
人形機器人從跌倒中爬起來，進入系統化的能力驗證階段，開始接管實體空間的任務。兩者匯合的時候，「同事不是人類」會從新鮮事變成日常。
面對這個局面，焦慮是多餘的。你需要的是理解它。
理解三級授權的邊界在哪裡，哪些事情現在就可以放心交出去，哪些還需要你親自把關。
理解放大器型思維的本質，把精力花在跟AI協作最能產生槓桿效應的地方。
理解「Less Structure, More Intelligence」不只是產品設計原則，也是一種跟AI共事的心態：
不要試圖控制每一步，給出清晰的目標，讓AI用它的方式完成。
常見問題
AI智慧體和一般的AI工具有什麼不同？
一般AI工具需要你全程操作，你停它就停。AI智慧體能接受目標後自主運作，會拆解任務、選擇工具、處理意外狀況，類似一個可以獨立完成工作的數字分身。根據《未來1000天》的分析，它打破了工具史上「注意力束縛」和「確定性囚徒」兩條鐵律。
人形機器人真的能在職場上幫忙嗎？目前發展到什麼程度？
2025年世界人形機器人運動會中，來自16國的500多個機器人完成了487場比賽，涵蓋醫院、酒店、工廠等場景賽。從半馬只有三成完賽到運動會近乎全數完賽，僅花了100天。雖然離全面進入職場還有距離，但進化速度已超出多數人預期。
AI協作需要注意什麼？怎麼決定哪些工作可以交給AI？
可以參考三級授權框架來思考。讀取權（讓AI存取你的資料）和行動權（讓AI代替你執行操作）目前已相當成熟。涉及金錢或法律責任的決策權仍需謹慎，建議從低風險任務開始嘗試，逐步擴大AI協作的範圍。
想用AI創業，該選補丁型還是放大器型方向？
放大器型的長期勝算較高。補丁型產品修補模型目前的缺陷，但底層模型升級後可能直接填平這些缺陷。放大器型產品把模型強項封裝成使用者體驗，每次模型升級都能同步提升。關鍵問題是：你的產品是在賭AI暫時做不到，還是在賭AI終將做到？