当我们在谈论“无人公司”时，我们真正讨论的从来不是“有没有工人”，而是“有没有人类管理者参与关键决策”。
一个系统只要把裁量权交给算法，它就进入了无人公司的范畴。剩下的当然是程度的问题。
近来陈天桥先生发了一篇激情澎湃的文章，随后马浩老师做了响应，我一直想写点什么，最后想想就别在观点上添乱了，还是回归到我《无人公司》的本行，收集下案例吧。
以下六个案例，按照 AI 介入决策的深度，从交通、金融、矿业、制造到媒体，展示了真实世界里“AI 作为决策者”正在如何落地。
还十分不普及，效果也不能算是显著，但确实已经开始。
注1：后续的数据通过AI大模型做的整理，我也基于引用做了些校正，但没法保证百分百准确，大家把它们看成“示意图”，真用的时候单独确认信息源回更合适。本文主要想展示的是这些有所差异的形态。
注2：不是说就这6种形态，这六种是略有代表性的。这个模式的普适性取决于AGI的程度和特定领域的投入产出比。
1. Waymo Robotaxi
Waymo 是目前全球规模最大、数据最透明的全无人 Robotaxi 运营商。
截止当下 (2025.12) 最新数据
● 里程碑数据：
○ 当前全无人里程：已突破 1 亿英里（2025 年 6 月官方公布数据为 9,600 万英里，年底正式破亿）。
○ 安全研究基准：著名的 瑞士再保险（Swiss Re） 安全报告是基于其 2,530 万英里 的早期核心数据得出的结论。
● 安全结论（基于 Swiss Re 2025 报告）：
○ 财产损失索赔减少 88%；
○ 人身伤害索赔减少 92%（对比人类司机）。
● 出行规模：商业运营车队规模约 2,500 辆，每周提供超过 25 万次 付费出行服务。
AI 承担的决策权：
● 复杂博弈行为：自主处理无保护左转、拥堵并线、以及旧金山/凤凰城极端天气下的让行判断。
● 车队调度：基于“城市热力图”预测需求，在大型赛事（如 Super Bowl）结束前，提前调度空车至热点区域。
● 驾驶风格：2025 年系统迭代了更具“果断性”的并线策略，大幅减少了因“过于谨慎”导致的后车拥堵。
AI 已经不是“代替双手”，而是在替代驾驶中的大脑与判断力。这个例子背后的含义是你要真有钱，自动驾驶这个复杂度的事是可以按无人公司模式搞定的。
2. AI 直接承受盈亏：nof1.ai 的 Alpha Arena
Alpha Arena 是 2025 年最具象征意义的金融实验（Season 1 已于 11 月完赛）：不是“AI 给建议”，而是 AI 直接做决策并承担盈亏。
截止当下 (2025.12) 最新数据
● 参赛阵容：GPT-5 (OpenAI), Claude 4.5 Sonnet, Qwen 3 Max (阿里), DeepSeek V3, Gemini 2.5 Pro, Grok 4。
● 资金规模：每个模型管理 10,000 美元真金白银，在 Hyperliquid 去中心化交易所交易加密货币永续合约。
● 实盘结果（第一赛季）：“东风压倒西风”
○ 冠军：Qwen 3 Max 录得 +22.3% 的正收益（表现出极强的纪律性）。
○ 亚军：DeepSeek V3 录得 +4.89% 收益。
○ 垫底：GPT-5 亏损严重，回撤达 -62.66%（表现为“犹豫不决的学者”，在震荡市中频繁止损）。
AI 承担的决策权：
● 端到端交易：从读取行情到下单全自动执行，人类仅提供初始资金。
● 风险管理：模型需自行判断波动率并执行止损（GPT-5 的失败主因即为在波动市场中缺乏决断力）。
这是第一次公开验证：通用大模型（LLM）的“智商”不等于“财商”。逻辑推理能力最强的模型，在真实博弈中可能是个糟糕的交易员。
这个例子的真实含义是，要是没整太明白，撒手给AI很容易赔钱或者倒闭。和这个类似的前面还有Vend呢！
（我专门看了一眼，大多的还在赔）
3. 物理世界中的超级自治系统：力拓皮尔巴拉无人矿山
力拓（Rio Tinto）在澳大利亚皮尔巴拉运营着现实世界最成熟的“物理世界操作系统”。
截止当下 (2025.12) 最新数据
● AutoHaul 铁路：全球首个完全自动化重载铁路网，运营里程约 1,700 公里。
● 运载能力：约 220 台无人机车，单列火车长达 2.4 公里，单次运载 2.8 万吨 铁矿石。
● Gudai-Darri 矿区：作为 2025 年的数字化标杆，该矿区实现了从钻探到运输的全链路无人化。
AI 承担的决策权：
● 矿山大脑：根据地质 3D 模型决定钻孔位置、爆破参数及挖掘顺序。
● 路径规划：在数十平方公里的矿区内，实时协同数百台卡车与火车，确保零冲突、零等待。
● 安全与能耗权衡：系统在“产量最大化”与“油耗/磨损最小化”之间进行每秒级别的实时最优解计算。
这里的 AI 执行的不是一个单点决策，而是一整套分布式、跨数百台巨型设备的调度治理能力。
这个例子的含义是：如果把边界收一收，有可能少花点钱也能干更复杂的事。矿山这个花的钱可比Robotaxi少多了，但麻烦的程度其实并不少，只是边界更清楚。
4. 精密制造的“质检裁判”：小米 SU7 超级工厂
在北京亦庄，小米汽车智能工厂重塑了“质量决策权”的归属。
截止当下 (2025.12) 最新数据
● 自动化率：关键工艺（车身连接、涂装、总装关键环节）实现 100% 自动化。
● 生产效率：满产状态下，平均每 76 秒 下线一辆新车。
● 产能现状：二期工厂已进入试运行阶段，推动年产能向 30 万辆+ 迈进。
AI 承担的决策权：
● 零部件生死裁定：X-Eye 智能质检系统 对一体化压铸件进行多模态扫描（视觉+X光+声学），直接给出“通过 / 返修 / 报废”的最终指令。
○ 变化点：过去这需要资深质检员签字确认，现在完全由算法“一票否决”。
● 产线节拍优化：根据订单配置（颜色、轮毂、内饰）的复杂组合，实时调整物流排序，消除换线等待时间。
与其说这里是“无人制造”，不如说是“AI 拥有了产品质量的终审权”。这个的意义是如果造车能搞，理论上很多工厂都能搞，因为造电饭锅等肯定比造车简单些。就是划算不划算的问题了。
缺的是AGI让所有的都容易搞，容易维护，那才能划算。
5. 电商的神经网络：亚马逊的智能仓储
亚马逊的仓储体系是全球最典型的“算法领导，人类协作”样本。
截止当下 (2025.12) 最新数据
● 机器人里程碑：2025 年 6 月，亚马逊宣布其全球机器人部署总量正式突破 100 万台。
● Sequoia 系统：新一代集装箱化存储系统已在多个 FC（运营中心）落地：
○ 库存识别与入库速度提升 75%；
○ 订单处理时间缩短 25%。
AI 承担的决策权：
● 货位分配：决定每一个 SKU 应该放在哪个仓库、哪一排货架、哪一个格子（基于预测销量）。
● 预测性发货：在用户点击购买前，算法已将商品提前调拨至距离用户最近的配送站。
● 机器人集群协同：一个 AI 基础模型统一优化数十万台机器人的路径，防止死锁并最大化吞吐量。
这是全球最典型的“AI 做工头”的组织形态：人类不再控制机器，而是在配合一个 AI 调度的生产体系。
业务复杂度的话，很多体系恐怕不如物流，物流都开干了的话，别的其实也能干。
可以对照下刘强东先生关于无人公司的发言。
6. 没有编辑部的媒体：AI 内容农场 2.0
到 2025 年底，AI 内容农场已成为全球互联网的“背景噪音”。
截止当下 (2025.12) 最新数据
● 站点规模：NewsGuard 追踪中心数据显示，已识别超过 2,100 个 基本由 AI 自动生成的新闻/资讯站点。
● 商业模式：覆盖 16 种以上语言，主要通过程序化广告获利，单月访问量头部站点可达数百万。
AI 承担的决策权：
● 议程设置：由 NLP 模型扫描全网趋势，决定“这一小时写什么”、“追哪个热点”。
● 标题党优化：根据历史点击率（CTR）数据，自动生成并迭代最具诱惑力的标题。
● 全自动生产：无需人类编辑部，系统每天自动生成并发布数千篇图文内容。
这是媒体史上第一次，编辑权不归记者、不归总编，而归内容模型的优化函数。
这个重点凸显的是量级，一旦突破，那有的就不是一个两个。
无人公司的本质是“决策权的重新分配”
在这六个案例中，AI 影响的不是简单的“岗位”，而是“裁量权”：
● Waymo / 力拓：掌握驾驶与运输的即时判断权
● 小米工厂：掌握质量与节拍的裁定权
● 亚马逊：掌握资源与库存的分配权
● nof1.ai：掌握风险与资金的调度权
● AI 内容农场：掌握信息的议程设置权
人类不再掌控“每一次决策”，而是开始转向：
定义目标，设定规则，提供例外处理，构建安全边界等等，说到底是撒手后的事。
参见：
当裁量权从人类迁移到算法，组织的本质也随之改变：
公司不再是一群人的集合，而成为一套自治的智能决策系统。
这显然还只是黎明前的曙光，上面这些系统也就只能算刚刚开始尝试，离真正好使，我估计还有距离，但它真的开始了。
这时候你要再加入俩变量来思考，结果近乎确定的：
AI大模型的能力持续上扬，比如Gemini3和年初的模型恐怕不是一个东西。并且越来越便宜！！
这时候在这种系统的边界里面寻找人的角色是没意义的，关键的是在它外面构建出新的角色体系。
所以上面6个形态，突破口虽然不一样，但其实进化方向和终点是大致相似的。
不管喜欢还是不喜欢，这种变化只要AI还在发展，那就大概率确定发生。
进群加入AI碰撞局等联系：shuixiu2024
热门跟贴