引子:一笔算不过来的账
在 Grab AI DevX Connect 2026 上,一位讲者轻描淡写地提到一件事:他们曾经用两个月,停掉新业务开发,让所有人去自由探索 AI。
台下没什么反应。但我的第一反应是替他们算一笔账。
Grab 覆盖东南亚八个国家,工程与产品团队数以千计。停两个月,意味着一个季度的路线图作废,上百个已排期的需求要向业务方重新解释,竞争对手可以不受干扰地推进他们的计划,而这两个月的人力成本,在财务报表上找不到任何一栏与之对应的产出。
这是一笔算不过来的账。"我们要停下来学点东西"没有 DAU,没有 GMV,没有一个能写进季度汇报的数字。
所以本文只讨论一个问题:一家理性的商业公司,凭什么敢做这件事?
我用排除法,把可能的解释一个个筛掉,剩下的那个,就是答案。
第一步:排除"有钱任性"
最容易想到的解释是:大公司家底厚,烧得起。
但这个解释站不住。恰恰是大公司,机会成本最高——停摆两个月,代价不是省下的工资,而是被让出的市场窗口。真正"烧得起"的是小公司,因为它们本来也没什么可停的。一家上市公司要向董事会解释这两个月,需要的不是钱,是理由。
所以"有钱"不是原因。他们一定是算出了某笔更大的账。
第二步:排除"留缝隙式创新"
第二个解释更像回事:这不就是贝尔实验室、3M 的 15% 时间、Google 的 20% 时间吗?给聪明人留出空隙,等着好东西自己长出来。
但只要把它们放在一起比较,区别立刻显现:
贝尔实验室、3M、Google 的做法,是在高速运转的机器上留一道缝隙,让少数人在缝隙里做少数的事。而 Grab 是把整台机器停下来,让所有人重新学一遍怎么开机器。
前者是容错机制,可以常年挂着,不影响主线;后者是一次性的、全局的、不可逆的停摆。前者赌的是"万一有人搞出个好东西",后者赌的是"如果不停,整个组织都会过时"。
这两件事的成本相差三个数量级,赌注也完全不同。所以"留缝隙"解释不了 Grab。
排除掉这两个,就只剩下一个可能:他们判断 AI 不是一次工具升级,而是一次范式转移。这个判断如果成立,那两个月就不是奢侈,而是必须。
那么接下来要问的是:凭什么说它是范式转移?
第三步:范式转移的标志,是"路"要重修
工具升级和范式转移的区别,可以用一个例子说清楚。
汽车刚出现时,人们的第一反应是"把马换成发动机"。早期汽车确实长得像一辆没有马的马车——方向盘位置、车厢形状、悬挂设计全都沿袭马车的思路。结果是既不快,也不安全。
汽车真正的普及,不是靠发动机变强,而是靠道路被重修了一遍:沥青路面、交通信号、驾照制度、加油站网络、保险体系。这里面没有一样是"发动机",但缺了它们,发动机就只是一个噪音很大的铁疙瘩。
判断标准由此得出:如果一项新技术只需要你换掉旧零件,它是工具升级;如果它逼你重修整条路,它是范式转移。
拿这个标准去看会场的议题,答案很清楚——那一天讲的几乎全是"修路",没有一个是在讲"发动机":
Brownfield Projects in the Agentic Coding Era:工程师用 agent 去读遗留系统,读的过程中不自觉地把系统和工作流改造成"对 agent 更友好"的样子;系统越 agent-friendly,agent 越好用。这是道路反过来塑造车辆的典型飞轮。
Grab 的 Agent 平台:工具链、可观测性、评估体系、harness。这些东西没有一样是"智能"的,但它们决定了 agent 能否从 demo 变成可靠、可度量的生产系统。
Temporal 的 Durable AI:如何让 agent 在超时、部分失败、状态丢失中活下来。在生产环境里,agent 死掉的方式远比它聪明的方式多。
AWS 的 Prompt → Context → Workflow 框架:杠杆不在提示词,在上下文和工作流。多数团队的 AI 落地之所以失败,不是提示词写得不好,而是把 AI 塞进了一条为人类设计的流水线。
四个议题,四条路,没有一条是模型。范式转移的判断,成立。
第四步:路是公共品,所以必须全员停摆
结论到这里还差一步。就算承认要修路,为什么非得所有人一起停两个月?让一支专门的平台团队去修,其他人照常跑业务,不行吗?
不行。因为道路是公共品。
一条只有修路队认识的路,不叫路。交通信号要所有司机都认得,驾照制度要所有司机都考过,否则路修得再好也没有车敢上。同样,一套 agent 工作流、一套上下文规范、一套评估标准,如果只有平台团队理解,其余几千人仍按旧习惯写代码、提需求、做评审,那么这套东西在组织里就是死的。
所以那两个月买的不是几个 AI 应用,而是一次组织级的认知同步——让所有人在同一时间、用同一套语言,重新理解自己的工作。
这是"留缝隙"永远做不到的事,也是那笔账真正的算法:
停两个月的成本,是确定的、可计算的、写在报表上的;
不停的成本,是三年后你的工程组织仍在用马车的方式修沥青路,而且没有人意识到这一点。
后者在报表上是隐形的,但它是致命的。
第一个问题到此有了答案。而它同时带出了第二个问题。
第五步:路是公共品,所以他们必须开放
如果道路的价值来自使用者的数量,那么"把内部实践讲出去"这件事,就不再需要用"情怀"来解释了。
会场里坐着东南亚本地的工程师、印度来的架构师、欧美面孔的技术负责人,以及一批像我这样纯粹从社区来的人。台上讲得很具体:踩了哪些坑、废掉了哪些方案。他们与 AWS、Google、Temporal 同台,把内部实践摊开,不设防。
这里最容易冒出来的念头很俗气:讲出去,不怕被抄吗?
这个问题问错了。理由有两层:
第一,知识是非竞争性物品。我把一个方法告诉你,我并不因此失去它。在非竞争性物品上设壁垒,收益是零,成本却很实在——失去生态反馈,失去社区信任,失去让最好的人才知道你在做什么的机会。
第二,技术方案的价值从不在方案本身,而在执行它的组织。你可以把架构图一张不落地抄走,但你抄不走那个敢停两个月的决策机制,抄不走已经完成认知同步的几千名工程师,抄不走"允许失败"的内部氛围。护城河从来不是信息差,是组织能力。
所以开放不是慈善,而是这条逻辑链的必然结果:当你的核心资产是组织能力时,分享方案的收益远大于藏起方案的收益。它换来的是人才的注意力、生态的位置、标准的定义权——每一样都比捂住一份文档值钱。
第六步:路修好了,人还剩下什么
逻辑推到这里,还剩最后一个缺口。
路修好之后,车会越跑越快。那么坐在车上的人,还剩下什么?
Google Cloud 的讲者谈的正是这个。她讲的不是模型,是认知负荷:当身边的 AI 源源不断生成代码,人如何避免心智过载?如何保住对系统架构的整体理解?如何在编排越来越多 AI 产出的同时,维持人的责任?
这是全场最重要的一句话,尽管它最不像一句技术判断。
一百多年前,韦伯用"祛魅"描述现代性:一切都可被计算、被理性化。但他同时看到了另一面——当效率接管一切,人会把自己关进铁笼:手段空前强大,目的却空前模糊。我们越来越清楚怎么做,越来越少追问为什么做。
AI 辅助开发正在高速重演这个过程。当代码可以无限生成、判断可以无限外包,一个工程师最先丢失的不是岗位,而是他对自己所造之物的理解与担责的能力。你点下那个 approve,但你真的知道自己批准了什么吗?
于是那条界线必须由人来划:AI 可以接管我们的手,但不能接管我们的判断;可以替我们生成,但不能替我们负责。
而这,恰好补上了逻辑链的最后一环——它解释了为什么那两个月必须是"自由探索",而不能是"AI 使用率考核"。
因为要培养的东西是判断力。判断力无法被 KPI 逼出来,只能在允许犯错的空间里自己长出来。一个不允许员工犯错的组织,得不到愿意为结果负责的员工;一个把创新当指标考核的组织,只会收获精心包装的伪创新。
创新不是被管理出来的,它是在被允许的地方,自己长出来的。
结论
回到开头那笔账。全文的推理,归结起来只有五步。
第一步:AI 不是工具升级,而是范式转移。判断标准很简单——只需要你换掉旧零件的,是升级;逼你重修整条路的,是转移。
第二步:既然要修的是路,那么该修的就不是模型,而是流程、规范、评估体系和协作方式。会上讲的四个议题,无一例外都在修路。
第三步:路是公共品。一条只有修路队认识的路,不叫路。要让它真正通车,必须所有人同时认识它。这就是那两个月的用途——它买的不是几个 AI 应用,而是一次组织级的认知同步。这也是它与"留缝隙式创新"的根本区别。
第四步:既然路是公共品,藏起来就毫无意义。方案可以被抄走,组织能力不能。开放分享的收益,远大于捂住一份文档。
第五步:路修好之后,车会越跑越快,人手里剩下的只有判断力。而判断力考核不出来,只能在允许犯错的空间里自己长出来。所以那两个月必须是"自由探索",而不能是"AI 使用率"。
五步走完,那笔看似算不过来的账,其实算得很清楚。
最后三条,供参考:
一,别用"效率工具"的框架去管 AI 落地。如果你的 AI 战略最终落成一块"人均使用率"看板,多半已经走偏。真问题不是"大家用了没有",而是"我们的流程、系统、协作方式,有没有为 agent 重新设计过"。修路比换车重要。
二,认知同步比工具采购重要一百倍。买工具是花钱,让整个组织在同一时间用同一套语言重新理解自己的工作,是花勇气。差距最终拉开在后者。
三,把话讲出去。当你的护城河是组织能力时,开放是最理性的竞争策略。
至于那"两个月",绝大多数公司都不敢。但敢不敢是一回事,知不知道自己为什么不敢,是另一回事。
Copyright © 2026 RADHOST PTE. LTD. (UEN: 202450723N). All Rights Reserved.