最佳回覆

?1.可约可空降可一一平台 2026最新版V1.93.8-年度总结【:最新版官网地点、手机版、在线、巨细、注册、登录、入口、网站、下载、网页版、网址、单双、老师、邀请码、计划..」

?2.官网入口2026更新版N1.93.8-新手今日【:最新版官网地点、手机版、在线、巨细、注册、登录、入口、网站、下载、网页版、网址、单双、老师、邀请码、计划..」

??3.官网入口2026更新版V1.93.8-玩家今日【:最新版官网地点、手机版、在线、巨细、注册、登录、入口、网站、下载、网页版、网址、单双、老师、邀请码、计划..」

4、?重磅消息！??家政特殊服务的暗示字眼-APP下载??支持:winall/win7/win10/win11?系统类型?:福州大学VX生兼职2026更新版N1.93.8(宁静平台)

5、?重大突破！??长春微信喝茶-APP下载??支持:winall/win7/win10/win11?系统类型?:广州海选工作室2026更新版V1.93.8(宁静平台)

总结全网694篇结果

车企涨价，一场关于订价权的试探

内容来源：条记侠 ( Notesman ) 。责编? | ? 贾宁 ?排版? | 沐言第 9673 ?篇深度好文：6144| 17 分钟阅读AI 天演论条记君说：用了 AI，员工干活快了，但公司做决定的方法没变�；惚ú慵痘乖�，信息还要层层转述，文件越来越多，拍板速度未必更快。工具升级了，组织照旧原来的组织。Notion 联合首创人 Ivan Zhao 把软件与大模型称为 " 组织里的钢 "，钢结构泛起后，建筑才有时机突破砖石的高度限制。Notion 建立于 2013 年，是一款全能型效率软件，在全世界拥有凌驾 1 亿用户，世界 500 强有一半都在用，年度经常性收入已经突破 6 亿美元。他把已往两年 Notion 的内部调解称为 Refounding（重建），在同一家公司里再创业一次。这个历程触及了几个很尖锐的问题：信息不必层层搬运之后，中间那些人另有什么用？经验正在贬值，公司该为什么样的人才买单？哪些事情可以即兴，哪些必须按流程走？成熟公司怎么在不绝掉旧业务的前提下重建自己？AI 越来越强，人类组织里什么工具反而越来越贵？今天这篇文章，我们把这些事彻底聊透，希望对你有所启发。一、AI 替换的不是岗位，而是旧的信息管道Ivan 把古板知识型公司的许多事情概括为 " 推纸 "，就是在各个岗位之间传输文件，推着纸走。一线员工把情况整理成文档，主管压缩成周报，部分卖力人提炼成几页幻灯片，再由高管带进集会。决策形成后，同一条链路反向运行：战略拆成目标，目标拆成任务，再经过几层解释传给执行者。这些环节里有治理，也有须要的协调。但其中相当一部分时间，花在了收集、压缩、转述和分发信息上。已往只能这么做，因为高管不可能阅读所有客户反响，组织也只能靠层级过滤信息。价钱是什么？信息会在过滤中损耗。信息每经过一次转述，就更整齐，也更远离现场�；迪�息可能被修饰，客户一句带着情绪的诉苦，最终只剩报内外一个轻微波动的数字。AI 让公司有时机换一种做法。它可以阅读集会纪录、客户反响和内部文档，帮人找到相关配景，也能把疏散信息整理成开端判断。在规则明确的节点，一些小决定甚至不必再层层上报。这就是 " 组织里的钢 " 落到现实里的样子：信息不必再沿着原来的楼梯逐层搬运。Notion 对市场部分的调解提供了一个具体案例 :他们把市场事情拆成两部分。一部分是靠近产品的内容组，卖力内容、创意、社区和外部叙事。另一部分是靠近销售的获客组，卖力需求和线索。旧结构里，产品变革需要先传给营销卖力人，再由营销卖力人分派给内容、品牌（即内容组）和增长团队（获客组）。他们的新结构是让内容团队靠近产品，让获客团队靠近销售，减少中间往返。调解背后的逻辑很直接：既然信息可以更快抵达需要它的人，为什么还要设置一个职位充当交换机？我不太认同把它概括成 " 中间层正在被 AI 取代 "。这个题目很抓人，却把两件事混在了一起。Ivan 的原话里，没有说所有中层治理者都会消失。他明确说：组织不会酿成完全扁平的网络。责任、信任、资源分派和执法义务都需要明确归属，AI 不会让这些问题凭空消失。更准确地说，压力会先落到那些不作独立判断、主要卖力转发信息的岗位上。如果一位治理者每天主要在收集下属进度，再整理给上级，AI 确实能接手 TA 的不少事情�？扇绻�他熟悉业务配景，能发明团队没看到的危害，也能在冲突里做取舍，还愿意对结果卖力，那就差别了，这种价值不会轻易消失。治理者得重新回覆一个问题：如果各人都能看到足够的信息，我还能提供什么？谜底或许不再是 " 我知道得更多 "，而是面对同样的质料，能否作出更好的取舍，并担负结果。这已经不可是裁不裁人的问题。治理权威已往有一部分来自信息差，以后更多要靠判断和责任来建立。二、能力变自制之后，人才价值会被重新订价组织结构变革之后，招聘标准也不会坚持原样。Ivan 在访谈里给了一个人才公式：人才价值 = 能力 × 品味 × 主动性。他在公司里用乘法，是因为任何一项太弱都会拖累结果。好比一个人执行力很强，却不知道什么值得做，或者一直等别人推动，在变革快的情况里依然很难独当一面。又好比，知识型公司恒久偏爱经验，事情年限、任职公司和项目规模都很容易放进表格里，经验通常也意味着更熟悉流程、更少出错。但现在，这部分优势正在缩水。一个刚结业的工程师可以借助编码 Agent（智能体，下同）阅读陌生代码、搭建原型、增补测试；产品经理可以自己制作可交互页面，设计师也能跨过一部分技术门槛，把想法做成可以体验的工具。写作、剖析、编程的入门线正在下降，经验虽然另有用，只是不可再单独组成优势。Notion 由此形成了一种 " 杠铃型 " 组合。一端是年轻、能量高、愿意入手的人；另一端是能提供架构判断和偏向的资深人才。年轻人缺少经验，却更愿意使用新工具，可以带着多个 Agent 快速试错。顶级资深人才则能识别局部效率背后的系统危害，为多个人和多个 Agent 提供统一偏向。麻烦最大的是只有熟练度，却没有独立判断的资深人员。已往，把成熟流程执行得比别人更稳，就能在组织里找到明确位置。现在，AI 可以快速学习流程，还能低成外地同时跑多个版本。经验如果没有长制品味、架构能力或客户洞察，就容易停留在一套正在贬值的操作要领上。这也是 Ivan 重复谈 " 品味 " 的原因。这里说的不是视觉审美，而是识别重要问题的能力。你能不可看出一个产品只是能用，照旧足够好？能不可在十个说得通的偏向里选出一个？AI 可以生成大宗谜底，也能模仿已往的优秀作品�？梢患夜�司想成为什么、愿意担负什么危害，照旧得由人决定。人的主动性也会拉开差别。AI 能缩短从想法到结果的距离，却不会让一个习惯期待指令的人突然开始寻找问题。相反，原本就主动的人，现在可能独立完成已往需要一个小团队才华做完的事情。Notion 调解了招聘方法，他们不再先看简历，而是让候选人做出一个工具，再提交作品链接。作品会袒露许多简历无法证明的信息。这个人选择了什么问题？完成到什么水平？怎样使用工具？遇到模糊处时，又作出了什么决定？这种面试方法比简历麻烦，但它更接近公司真正想知道的事：这个人拿到工具以后，究竟能做出什么。古板招聘先写岗位说明书，再找最匹配的人。AI native（AI 原生，下同）团队更想找能拥有完整问题的人。AI 时代受影响最大的，未必是某个年龄段，更可能是有 " 我只卖力这一小段 " 的事情习惯的人。本钱下降后，公司自然会偏爱那些能穿过职能界限、把问题带到终点的人。三、产品需要爵士乐，财务仍要行军人才变了，事情方法也必须随着变。Ivan 用 " 爵士乐队 " 描述 Notion 想要的组织。爵士乐有节拍、和声和主题。乐手要有训练，也要听得见别人，但不会在演出前写死每一个音符。这个比喻放在 AI 产品开发上很贴切。Ivan 还做了另一个比喻：古板软件像造桥，设计和质料确定后，工程可以拆成稳定办法。AI 产品更像酿造工艺，底层能力会连续变革。同一套提示和事情流，模型升级以后，体现可能就纷歧样。团队无法只靠一张半年期路线图治理这种变革。团队需要更短的反响周期，让设计、工程和产品一起试验。先视察模型在真实情况中的行为，再决定下一步。如果岗位之间隔着漫长的交接流程，市场和技术可能已经变革，团队却还在讨论上一个版本的需求文档。所以，最接近问题的人需要有现场判断权，不可每次都等上面给出完整指令。不过 " 爵士乐模式 " 很容易被说得太浪漫。没有配合目标、足够强的人和实时反响，所谓即兴很可能只是各干各的。Notion 给这个比喻加了一条很实在的限制：产品可以爵士，财务仍然要行军。产品面对快速变革，需要给足探索留空间；财务管的是现金、本钱和生存界限，必须稳定、可预测，也更守旧。两边没法用同一种节奏治理。研发和产品可能每周都要调解，宁静、合规、财务和要害基础设施仍然离不开严格流程。治理者要划清的是：哪里允许即兴，哪里必须按流程做事。使用大模型的本钱也体现了这种现实。许多 AI 公司习惯把最强模型用于所有任务，似乎模型越强，产品就一定越好。但知识事情的差别很大，庞大战略剖析可能需要强模型，整理内部工单、查找制度或生成通例摘要，就没须要花同样的钱。一旦 AI 酿成基础设施，选择用什么大模型就成了经营问题。公司得凭据任务的危害、难度和价值作选择，没须要让每一次小请求都消耗最高本钱。AI native 也不即是凡事都用最先进的技术。模型能力、事情节奏和本钱账要一起算。所有人都要知道，眼前哪场仗必须赢。一家公司往往同时需要爵士和行军，只是要用在差别地方。四、成熟公司转向 AI，必须先让自己重新变软首创公司可以从一张白纸开始。成熟公司的麻烦，是纸上已经写满了已往验证过的谜底。产品有稳定客户，部分有年度目标，治理者有清晰界限，流程也曾资助公司取得乐成。任何剧烈改变都会碰到现实阻力：收入不可停，客户不可丢，团队也不可能全部推倒重来。这些谜底一经有效，所以格外难改。Notion 经历过两次接近 " 重新开办 " 的转折。第一次爆发在早期。产品多年找不到真正的市场契合，钱也快用完了。Ivan 和联合首创人 Simon Last 裁掉团队，搬到京都，只剩两个人重新构建产品。两个人重新回到最基础的问题：用户究竟需要什么工具，他们又为什么非做这件事不可。第二次重启更难。当 Ivan 提前体验 GPT-4 时，Notion 已经是一家拥有数百名员工的成熟 SaaS 公司。他把那次体验形容为 " 宗教体验 "。在他看来，知识事情的入口可能要变了，Notion 如果只增加几个 AI 功效，早晚会被挤到边沿�？烧庵煮贫�没有立刻换来乐成产品。Notion 在 Agent 偏向摸索了一年半，试过自建模型、微调，也试过差别产品路径，都没有马上跑通�；�础模型继续进步后，相关产品才泛起增长迹象。这段低谷给他们泼了一盆冷水：CEO 宣布 " 全面拥抱 AI"，只代表偏向变了，产品和组织不会自动跟上。对成熟公司来说，再创业更像一边维持旧业务，一边允许一部分人重新进入未知。Ivan 建议：首创人要亲自使用模型、亲自做工具、亲自接触产品，不可只听团队汇报。这不是因为首创人天然更懂技术，而是新变革刚泛起时，还没有一套成熟指标能取代一手感受。领导者如果没亲手试过，很容易把 AI 项目交给立异部分，再用旧业务的指标逼它尽快证明回报。项目最后往往只剩几个容易汇报的小功效。至公司常见的立异困境，恰恰是每个人都在优化自己卖力的一段，局部指标越来越漂亮，完整用户体验却没有明显进步。Notion 通过收购和人才引入，让数十位有创业经历的人继续在公司内部卖力完整问题。他们的优势未必是更能刻苦，而是习惯把产品、用户、招人和结果连在一起看。AI 降低了个人和小团队完成闭环的本钱，也给成熟公司一次重划责任规模的时机。与其增加协集合会，不如让更少的人卖力更完整的问题，再用 AI 补上执行缺口。所以，" 重建公司 " 不可简化成裁人，也不是首创人重新专断一切，它更像一次组织体检。哪些人开始�；ぷ陨砝�益？哪些乐成经验已经酿成禁止讨论的谜底？哪些治理层还在作判断，哪些人只是在维护流程？公司变老的一个迹象，就是越来越难修改自己。五、AI 越强，人类组织的几样工具越贵谈 AI 组织时，人们最爱问 " 什么会消失 "。岗位会不会减少？治理层会不会变��？这些问题虽然都现实，但只盯着替代，会看漏另一边：有些能力变自制，就会有别的能力涨价。AI 能生成计划，也能给出建议，却不会替公司担负失败结果。它更不知道一次决策碰到了组织里的哪段旧伤，也无法独立建立客户对一家公司的信任。Ivan 提到 " 上下文 " 和 " 品味 "，我认为还要加上责任与意义。责任解决的是一件很朴素的事：谁来拍板，谁在信息不完整时作选择，结果欠好时又该找谁。意义回覆团队为什么愿意恒久投入。公司不但靠任务列表运转，还靠配合叙事和一些牢固