谁在定义「超级个体」？
来源：微信公众号「显影笔记」
原标题：《谁在定义「超级个体」？定义》
生成式人工智能的崛起，为知识工作者的超级职业轨迹注入了新的不确定性变量。初级岗位面临被替代的个体风险，资深专家的定义经验价值是否会被“蒸馏”？企业最终需要的是哪一类人才？
新技术在释放巨大生产力的同时，也带来了深层的超级不确定性。然而，个体有一群人似乎已经率先书写了新的定义可能性——他们被称为「超级个体」。
什么是超级「超级个体」？
腾讯研究院给出的定义是：“借助AI，一个人能够达到过去需要一个小团队才能达到的个体产出规模和影响半径。”
吴恩达（Andrew Ng）则在此基础上提出了更具体的定义概念——“10x Professional（10倍专业人士）”。他在硅谷“10x Engineer（10倍工程师）”的超级理论延伸中指出，一位“10倍分析师”不仅仅是个体使用AI编辑报告，更会编写代码、定义协调AI Agent进行研究与分析，超级从而得出比传统方法更多、个体更有价值的结论。
为什么只有极少数人成为了「超级个体」？
如果AI工具是普惠的，为什么当团队中每个人都拥有AI时，只有极少数人实现了产出质量与影响力的跃迁？
是因为他们领先一步找到了工具吗？多数情况下确实如此。但驱动他们找到工具的深层原因是什么？Geoffrey Moore在《跨越鸿沟》中提出的“早期采用者”理论，或许在30年前就给出了答案。
「早期采用者」并非技术专家，而是一群善于想象、了解并欣赏新技术优势的人。他们能将技术的潜在优势与自身关心的业务场景相连接。
- 不受身份限制：他们不依赖技术身份或采购权。
- 极度关注产出：无论是写代码、内容创作还是数据分析，他们以结果为导向。
- 主动探索：在推荐算法找到他们之前，他们先找到了新技术。
- 场景创造者：厂商无需为他们设计场景，他们自己动手，无需参考他人示范。
正是他们的存在，让新技术厂商的投资在市场价值上完成了第一次“显影”。相对于AI技术漫长的成熟周期和企业B端落地的缓慢节奏，「超级个体」是更快显现的“技术神迹”。
「超级个体」未说出口的“秘密”
很多人认为，只要站在足够靠前的身位，选择最好的模型和最新的工具，就能让工作产出发生质变。但如果逻辑如此简单，为何新工具层出不穷，却未能持续激活一层又一层的「超级个体」？
真相在于那些未被言说的细节：
- 框架的迭代：“10倍分析师”交给AI的研究框架与数据获取方式，经历了无数次迭代。每一次调整，都源于业务直觉对“看似自洽但偏离现实逻辑”的结论的修正。
- 知识的连接：用模型撰写咨询报告的顾问，往往需要“强迫”模型挑战已有结论，才能完成一份真正Opus级别的报告。这种挑战并非依靠简单的提示词，而是依靠顾问自身积累的社会学案例等隐性知识，这是模型无法主动完成的知识连接。
- 亲力亲为的调试：面对上下文窗口限制、模型幻觉、Agent需要教导等现实问题，他们通过亲力亲为的调试，“碾平”了理想输出与粗粝现实之间的距离。
很难界定，究竟是AI提供了一条技术“直梯”，还是他们将其作为“凿开”山路的工具。
过往经历是最佳的“Pre-Training”
他们的过往经历就像一段漫长的“Pre-Training（预训练）”。这种积累充裕到溢出了岗位的任务范围和标准，正是新技术的出现，让他们被“筛选”了出来。
回顾人工智能走向大众的十年：
* 2016年，李世石被AlphaGo击败，是故事的起点；
* 2024年，Sam Altman预测“One-Person Unicorn（一人独角兽公司）”，是故事打开后的篇章。
AI叙事需要“英雄”：被击败的英雄、用技术成功的英雄、擅长使用工具的英雄。这些叙事让技术的价值被惊叹，但也导致实际的价值逻辑被过度简化。
结语
「超级个体」的存在，仅仅是知识工作者与这一轮人工智能初次相遇时的故事。它放大了一个群体过往的经历和特质，也引发了更深层的思考：
- 身边是否还有被低估的「超级个体」？
- 在英雄叙事之外，每一位个体的成长曲线应有怎样的节奏？
- 在“超级”与“平凡”之间，真实的关系是对照还是合作？
这篇文章的思考始于三个月前。期间，我看到了人们对新工具的期待与雀跃，听到了对AI改变工作方式赞叹，也看到了迷茫——即便在最优秀的企业里，新技术的介入依然伴随着困惑。
在回应这些感受之前，我想先弄清楚一个更根本的问题：什么形成了真实的「超级个体」？谁在定义「超级个体」？
致谢：感谢丁家乐女士在本文创作过程中的讨论与启发。
参考资料：
[1] 《超级个体时代》，腾讯研究院
[2] 《吴恩达来信：期待更多10x专业人士》，吴恩达
[3] 《跨越鸿沟》，Geoffrey Moore
本内容由作者授权发布，观点仅代表作者本人，不代表虎嗅立场。
原文链接：https://www.huxiu.com/article/4872986.html?f=wyxwapp
