划重点：
1.确定性的事情都会被AI黑洞吃掉，“黑洞效应”不是循序改良，是什么时候到达阈值的问题；
2.与人有关的事是最大的不确定，是灰度空间，需要人机共驾；
3.AI可以完成投研全部预处理工作，真正的价值是人要结合投顾服务经验，也就是从研究用户出发获得反馈重构投研价值；
4.AI正在从个人赋能，向着一个小的团队赋能，组织赋能这个角度进化，大型企业复杂权限管控的企业级工作流，距离成熟还有一段距离；
5.完全未知、没有现成范式的“白盒”涉及人的元认知、元价值观，还有很多涌现式创新，这部分是 AI 触碰不到的。
8月21日傍晚，坐在深圳南山科技园科研路星巴克户外，在夕阳的余晖中与老朋友柳叶刀日常做了每两月一次的AI杂谈。
这是一场关于“AI 下半场”的对话，议题涉及：从大厂变革到组织变革，确定性趋势与不确认下人机共驾模式，也谈到金融领域AI将驱动以“人”的视角重构传统投研。
我打算分三期整理出来。
第一部分
黑洞、灰度、与白盒——寻找“人机共驾”的空间
QUESTION
丘慧慧：
我们如何理解一种现实反差感，一方面技术迭代速度快，一方面垂直行业里的人事又常常感觉变化慢，比如教育、金融等，怎么看 AI 对工作、组织真正的改变？慢慢改良，还是会出现某种突变？
柳叶刀
我有一个比方，叫 “黑洞理论”。它不是循序渐进改良，是什么时候过阈值的问题。哪个业务点技术先跨过这个阈值，那个地方就会首先形成黑洞，这个黑洞就会把周围所有的东西全都吞噬掉。好比一张桌子，一开始四平八稳，你去拆解它，肯定是从最容易拆解的地方开始，这个地方先塌缩被吃掉，接着引发整张桌子依次坍塌。
丘慧慧：
这个 “黑洞” 首先会吞噬的是什么？什么样的业务会最先掉进去？
柳叶刀
凡是确定的，将会被快速搞定。客观上有确定规律、有标准答案的业务，就会被黑洞吞噬。我们把世界分成黑、灰、白三色。 黑洞，会交一切确定性的事情浓缩到一个点上去，就是那些容易解决的事；灰度空间，就是指的还要靠人提供价值的，有的是需要人确认，有的是需要人担责，需要给他反馈的，这部分AI还吃不掉；外部那些完全不确定的，就是白盒，处于安全区，跟过去没有什么变化。像编程，规律性最强，它就是第一个被替代的。再就是普通办公工作。AI 能把一个小白从 0 分、30 分直接拉到 80 分，那 80 分以下的现在就被淘汰了。程序员、客服、标准化办公岗位，肯定是最先受冲击。
丘慧慧：
那是不是意味着，只要是确定的工作，人就完全没有竞争空间了？
柳叶刀
对，确定的部分你是不可能比过基础大模型的，你没有任何可能性。再好学也没用。我们只能做那些确定性相对低的东西，要去研究人、研究人性。
还有一个关键点，什么是AI 幻觉，它跟这件事本身的确定性高度相关。编程、数学这种很确定，它很少出错；但灰度的没有标准答案的，那幻觉你无论如何根除不了，这部分就留给人，要人机共驾。
丘慧慧：
黑洞效应正在扩大，这个能不能跨行业验证？比如生物医药、机器人？
柳叶刀
完全可以。你看新药研发，DNA、分子结构这些都是高度确定域。过去一堆博士做的就是排列组合验证这种富士康式的重复工作，现在 AI 把这部分直接大幅加速。理论上未来甚至可以做到为每个人开发定制靶向药。 机器人也是同理，规定动作属于确定域，现在进步翻天覆地；但精细动作不确定性高，依旧存在很大短板。
丘慧慧：
那落回到金融行业，哪些会被黑洞吞掉，哪些是我们要死死守住的灰盒？
柳叶刀
资料整理、数据统计、研报粗加工，这些属于确定域，会被黑洞吞噬，AI 负责产出半成品甚至大半成品。 但是风险匹配、管理客户投资行为、管理用户预期、业务担责，这些全都是灰盒。 金融行业很多人陷进投研的“伪专业”，过度迷信投研输出。AI 可以做前面全部预处理工作，但真正的价值，是人要结合投顾服务经验，也就是从研究用户出发获得市场反馈、再去做勾兑资管侧，再交付给客户。
丘慧慧：
黑洞AGI会无限逼近吞噬一切？有没有 AI 永远碰不到的部分？
柳叶刀
黑洞只能吞噬 “有确定答案” 的事。那些完全未知、没有现成范式的，属于白盒。这里面涉及人的元认知、人的底层元价值观，还有很多涌现式创新。这种东西不是靠战略计划就能全部设计出来，需要给偶然性留土壤，这部分是 AI 触碰不到的。
第二部分
组织和行业的“黑洞效应”正在发生
QUESTION
丘慧慧：
如果说组织的上下文、Contex是AI进化要消除的不确定之一，那么AI的黑洞效应是否最终会推动组织的变革？
柳叶刀
就拿大厂某个支持部门来讲，才半年时间，内部就出了两千多个 AI 应用。过去搭工作流多难，要开发排期。现在除了那些特别复杂的需要权限配置的，部门内部的工作流基本上业务人员自己就搭建完了，每个岗位给自己做工作台。 部门级、单链路的业务，这个距离不会太远。AI事实上正在从个人赋能，向着一个小的团队赋能，组织赋能这个角度进化，但是那种大型企业，跨部门、复杂权限管控的企业级工作流，距离成熟还有一段距离。Claude做得早一些，就是类似的逻辑，自下而上的生长替代绝大多数工作都应该不需要太久，只有那种非常精确的，必须以数据为中心的还不行，因为幻觉还比较严重。
丘慧慧：
但是还有相当多的人存在一种侥幸，认为技术跑得飞快，而B 端业务落地总是很慢，静观其变可能还是更安全？
柳叶刀
没错，虽然看起来技术发展很快，但是 B 端这种变化因为人变化慢所以看起来变化不大。未来技术阈值到了，也不代表组织马上就跟着变，但是黑洞效应客观存在，不是不变，只是有滞后而已。
丘慧慧：
说到这里，组织内还会出现一种AI加剧惰性的现象，比如滥竽充数、似是而非的文档，根本不过脑子，包括自媒体，甚至低质研报。
柳叶刀
这是非常大的隐患。就算大部分内容是确定的，只要沾一点点灰度，幻觉就会冒出来。 所以有一条底线：AI 输出之后，必须有一个人过完脑子、百分百确认的兜底环节。和 AI 交互还要有对抗性思维。一定要让 AI 把背后的推理逻辑吐出来，把它分析的底层模板给你看，区分哪些是高置信度客观事实，哪些是低置信度主观判断。不能 AI 讲得头头是道，我们就全盘照收。
丘慧慧：
如果按这个逻辑，微小的个体、小公司，正确的选择是什么？
柳叶刀
对小公司而言，就是不要去卷那些确定的事情，未来的机会，就落在那些无法消除的不确定性上。把业务里面这些不确定性沉淀下来，形成属于你们自己的 knowhow，这个东西是别人拿大模型抄不走的。机器接管确定域，人的主场就在灰度空间，做人机共驾。往更大看，整个 To-B AI 底层商业逻辑本质就是劳动力替代。对企业而言，你替代一个人就是利润空间，在美国一个人 10 万美金，你卖 5 万美金给他，能干很多活，这是 AI 到目前最大的市场逻辑，所以对企业以及企业内的个体而言，静观其变是危险的。
小结
人机共驾主理“灰度空间”
AI的黑洞本质就是凡是确定的，就会被 AI 快速吞噬；层级分为黑、灰、白三层，机器吃掉确定性的黑盒；人主理灰盒人机共驾协同；白盒涉及人类元认知/元价值观和未来的涌现式创新，由人类主导；企业不要死磕机器擅长的确定工作，壁垒来自对不确定性认知的沉淀；技术先跨过阈值，组织人的变革总是滞后于技术，但静观其变是危险的。
---
FIR · 关于我们
飞耳数据与传播研究院
FINANCE INFORMATION RESEARCH
飞耳数据与传播研究院（FIR），简称飞耳研究院，是由飞笛科技与专注于用户行为研究、信息研究及传播闭环的专家及个体发起的开放、学习型民间机构。
未来定位于开放式财经信息整合与运营平台，旨在通过连接实体企业、产业研究机构、行业专家及智库、专业传播机构，聚合高质量内容与数据供给方，以数据产品及 AI 解决方案等方式，服务于金融客户、政府、企业及特定垂类应用人群。
聚合数据 · 洞察传播 · 服务决策