高明勇对话吴鹏：AI时代，人人都要有“指挥官思维”

在人人言必AI的时代，然而，到底什么是AI，如何使用AI，却是一个值得好好思考的问题。吴鹏先生和我算是同龄人，然而他从事智库业的时间更长，经历也更丰富。尽管我们认识十多年，当他捧出这本新作《AI指挥官》，我还是有些意外，细读之下，更有几分惊喜，没想到他对AI的研究如此之深。

本期政邦茶座，邀请他聊聊“AI指挥官思维”。

本期政邦茶座嘉宾：吴鹏，AI共生岛创始人，知名智库人，著有新作《AI指挥官》等。

政邦茶座主持人：高明勇 政邦智库理事长

高明勇：你的新作取名《AI指挥官》，“指挥官”这个定位很有新意，使用者、操作者、指挥官，三种角色最核心的区别是什么？

吴鹏：这三者的差距的不只是技能，而是认知。使用者想的是“这个工具怎么用”，操作者想的是“这条流程怎么跑”，指挥官想的是“这仗怎么赢”。工具不会改变你的层级，改变层级的是你关注的问题——士兵关心怎么扣扳机，指挥官关心整场仗怎么打。

大多数人对AI的理解还停在“工具”——我打开一个软件，输入一个问题，它给我一个答案，这还是人在亲手操作。接下来的一个变化是，你把任务交给Agent，让它去调用搜索、文档、代码、数据这些工具；你不再逐个操作，而是提出目标、提供背景、规定边界、检查结果。

什么叫指挥官？能把任务交代清楚，知道什么时候需要什么资源，知道结果是否可信，出了问题能承担责任。真正的AI指挥官不是甩手掌柜——权力越集中，责任也应该越清楚。

高明勇：我看你在书中特意提出了一个“AI九段高手”体系？

吴鹏：对，落到“AI九段高手”体系里，这三种角色对应三级台阶：初级三段（提示词高手、工具链高手、知识库高手）是学会用，做使用者；中级三段（智能体高手、AI编程高手、智能系统高手）是学会造，做操作者和架构师；高级三段（AI团队长、AI领学官、AI指挥官）是学会建系统，做指挥官。

最核心的区别其实是指挥官思维。使用者对输入负责，操作者对流程负责，指挥官对结果负责。所以我说，士兵卖时间，指挥官卖能力；厨师卖手艺，总厨卖系统。

高明勇：为什么选择从“指挥、统筹、决策”的视角研究AI？或者说，为什么所有人都需要“AI指挥官思维”？

吴鹏：我在书中提到有个“自用之才”和“他用之才”的区别，“他用之才”是别人给你派活，“自用之才”是自己决定要做什么要去拿到结果。随着AI越来越好用，有人定目标要结果的事情越来越多可以由AI来完成，留给人的机会只能是要自己做决定，要从执行者升级到指挥官。

控制论之父诺伯特·维纳曾经预言：第一次工业革命，机器替代人的肌肉；第二次，机器将替代人的神经系统——感知和决策。今天AI正在应验后半句。它写代码比你快、做图比你精、写公文比你多，执行力是人的千倍万倍。但它有一个东西没有：它不知道你想干什么。

为什么人人需要？因为竞争的尺度变了。过去我们在一张一百分的试卷上竞争，八十五分和九十分的差距，曾经决定一个人的学校、岗位和社会位置；人机共生时代像是突然换了一张总分一万分的试卷——原来的八十五分和九十分，都只完成了不到百分之一。我做过一个思想实验：知识工作者一刻不停口述一整天，大约20万Token，一周撑死100万Token；今天通过API调用模型，10分钟、几块钱就能拿到同等数量级的文本。数量级变化带来的是稀缺要素转移：生成越来越便宜，判断、信任、责任和组织反而更贵。

所以我认为这不是管理者的专利。今天的每一个知识工作者，实际上都在“带Agent”；哪怕你是个自由职业者，你也是自己这家“无限责任公司”的CEO。人人都要学会指挥，不等于人人拥有同样的权力，而是人人都应该保留对自己工作和选择的主动权。普通人学AI，像学用一支新式步枪；指挥官想的是仗怎么赢。

高明勇： 其实每个人面对AI时的起点是不一样的，AI淘汰的是哪种人？AI成就的又是哪种人？

吴鹏：AI首先消灭的不是蓝领，而是白领；不是基层，而是中间层。因为中间层的核心功能是“上传下达”——翻译、汇总、传话，这恰好是AI最擅长的。所以AI不是取代顶层，而是抽走底层，把晋升阶梯抽掉了。再用书里的一对概念：他用之才，依附平台、出售技能、拿确定性换安全感；自用之才，自己发现需求、整合资源、对结果负责。AI抽走的正是他用之才的生存空间。

成就谁？定义问题的人，而不只是解决问题的人；与AI协作的人，而不是与AI竞争的人。这不是概念推演，我亲历过：海淀“百年京张AI创新带”把城市任务、场地资料、提交格式和校验规则放到开放平台上，过去做一个这类项目，组建团队、反复调研，一两个月起步；这一次我负责提出创意、判断方向、交代任务，我的Agent负责获取资料、理解规则、组织内容、自检提交——一个人带一个Agent，进了过去只有专业团队才能进的场。超级个体正在涌现：小团队也能做出原来大企业能做出的产品。一句话总结：生成越来越便宜，判断、信任、责任越来越贵。实际上，不要问“我的工作会不会被AI取代”，要问的是“我想用AI来做什么”。

高明勇：普通人如何从“零散提问”升级为“系统性指挥AI”？

吴鹏：零散提问最大的问题是：每次都从零开始。你不记得AI，AI也不记得你，更谈不上沉淀。升级为系统性指挥路线图就是“九段”：先把话说明白（一段，提示词），再把工具串起来（二段，工具链），再把经验攒成自己的知识库（三段），然后把重复流程交给智能体（四段）……一级一级往上，从使用者到架构师，再到指挥官。

但不必先追求一下子就到九段，也不要同时学十个工具。我的最小建议是：选一个你熟悉的问题，走完一个完整闭环——说明背景，让AI查资料、标注来源、形成方案，再由你验证、修改、交付；把有效的提示、资料和标准沉淀进知识库，让它下一次做得更好。当你能把一件真实的小事交代、校验并完成，就已经从“玩AI”走向“指挥AI”。

我自己每天就在跑这样一个闭环：一个AI助理替我跟踪几十个信息源，早上形成简报、识别多处重复出现的强信号，我追问，把有价值的内容沉淀进资料库，再用于文章、课程和项目，发布后把反馈收回来。获取、管理、生成、传播、反馈——闭环转起来，你就不是在零散提问了。你在建立你自己的系统，按照巴菲特的说法，在滚雪球。

如果只记一个心法，我想记住这三句话就行：看得清——用AI建雷达，实时感知环境；想得透——用AI做沙盘，在平行世界里把方案先走一遍；追得紧——用AI建系统，盯住执行落地。区别不在工具，在脑子里装的是“任务”还是“战局”。从“问一次”到“建闭环”，这一步跨出去，你就不是在用AI了，是在指挥AI。

高明勇：“AI任务指挥体系”该如何适用于职场、创作、管理、学习等多种场景？

吴鹏：书里的“AI任务指挥体系”，核心就四个环节：提出任务→搞清家底（内部家底＋外部情报）→实战推演（用AI做沙盘，把每个方案在平行世界里跑一遍）→复盘闭环（真实数据倒灌回来，经验沉淀入库）。好处在于“工具在变，逻辑不变；角色不同，框架相同”。

比如政企场景，我在雄安给机关干部做上机实训，三天的重点不是教操作，而是让每个干部识别本部门哪些场景能用AI、哪些结果必须人工复核、责任链怎么保留。

比如学校场景，我在北理工的三周实训，学生把北斗从卫星发射、星座组网到定位救援做成互动网页游戏——专业知识一旦同AI能力连接，很快就能变成过去短时间做不出来的表达。

企业场景需求差别更大，但围绕营销、销售提升，提高客服服务能力，打通从线索到现金的闭环是所有企业都需要的，而且也是AI能够显著提效的。

这些场景表面千差万别，底层共性只有一个：建立正反馈闭环。管理上是决策飞轮——环境扫描、方案生成、结果预演、执行复盘，按“增收、降本、提效、合规”八个字全盘扫描。AI帮你把闭环转起来，复利就从间歇性变成持续性。

高明勇：哪些思维是AI永远无法替代、反而会越来越值钱的？

吴鹏：我想至少有三种思维，会越来越值钱。

第一，提出真问题的能力。机器最擅长Know－How——执行程序、优化路径；人独有的是Know－Why——目标、意义、价值。一个企业说要“用AI降本”，这是口号，不是问题——到底哪个流程耗时？是信息散落、审批重复，还是客户需求进不了产品？谁拥有数据？改造后谁受益、谁受损？这些都需要人进入现场。现实中最稀缺的往往不是答案，而是问题定义。AI可以取代你写代码的能力，但它取代不了“你为什么要做这件事”。

第二，价值判断和伦理否决。AI可以做出很多决定，但不是所有决定都应该交给AI。涉及道德判断、利益权衡、价值取舍的决定，必须由人来做。在人机系统里，你是那个拥有最终“否决权”的人。

第三，具身经验，以及由它长出来的连接能力。我很喜欢“外卖诗人”王计兵，凭诗集《低处飞行》拿了鲁迅文学奖。他送外卖时车被锁，几份订单只能自己买下，后来把食物送给下夜班的工人，心情又变了——他把这写成“死灰复燃”的时刻。

具身经验不可标准化、不可比较、不可排名，所以它无法被取代。人有人的位置，你的位置不在与机器的竞争中，而在与人的连接里。

这三样东西的共同点是：AI越强，它们越稀缺。稀缺，就值钱。

高明勇：对管理者而言，“AI指挥官能力”意味着什么？如何重构流程、降本增效、释放创造力？

吴鹏：我书里引用过一个判断：技术在狂奔，而管理在踱步。过去一百年，管理科学调配过体力（泰勒）、调配过信息（流程、ERP），现在轮到调配智力。对管理者来说，“AI指挥官能力”就是从“带兵”升级为“带将”——你的团队里开始有不知疲倦的AI员工，你的工作从监督执行，变成定义问题、设计规则、把握伦理、持续进化。

落地就是三件事：第一，重构团队结构，接受“人机共生团队”的编制；第二，按三条链全盘扫描——销售链管增收，产品链管降本创新，管理支撑链管提效合规，别一上来就问买哪款产品，先在战略罗盘上对齐：先做哪里、为什么做、条件是否具备；第三，把经验显性化：写手册→定流程→设红线→绑工具，让AI日夜运转，你从执行者变成架构师。

两个前沿信号可以佐证这个方向。一是Palantir带火的FDE——前线部署工程师，工程师驻进客户现场、对结果负责，我把它解释为“前线AI指挥官”：它成为热点，恰恰说明AI落地拼的不是模型，是驻场、改流程、接数据、建生产系统。二是今年Anthropic联合高盛等机构成立企业AI服务公司，OpenAI组建部署公司、收购应用AI咨询公司——模型厂商不再只想卖调用量，咨询、工程实施和模型服务正在合流。华为当年花数十亿请IBM落地IPD，今天中小企业花几百块订阅AI，跑的是同一套管理逻辑。

再提醒一句：别指望直接买一个AI系统解决问题，常见结果是功能很多、员工不用。从“知道”到“产生结果”中间有很长的路——培训解决认知，咨询定义问题，实施接进真实工作，协作网络解决长期服务。省下来的人，不该裁掉了事，而该去做AI做不了的事，这才叫释放创造力。

高明勇：人和AI的权责边界应该如何划分？如何做到人机协同，而不是人机依附？

吴鹏：“AI依赖”这个诊断，病根找错了。问题不在用AI太多，而在把决策也一起外包了。我给这个现象起过一个名字，叫“自动化偏见”——人不加审视地接受机器的输出。

人和AI的权责边界，一句话说清：AI负责Know－How，人负责Know－Why。AI是你的望远镜、沙盘和神经系统，但那颗决策的心，始终是你自己的。

落到操作上有三条线。一是学会“任务交代”——如果只是下命令，那不是指挥，是把责任外包。好的任务交代要说清楚：为什么做，做到什么程度，哪些资料可信，哪些边界不能越过，如何验收，失败怎么办。二是指挥官要保留“五问”：目标是不是正确？数据是否合规？机器是否越界？结果会影响谁？失败后如何接管？三是对结果负责的人始终是人。王飞跃教授问过一个问题：为什么农民不磨洋工？因为对结果负责的人不磨洋工。所以最好的分工是：AI负责生成，人对结果负责。

判断你是“协同”还是“依附”，就看一件事：离开AI，你还敢不敢、会不会做决策。依附者把脑子交了出去，指挥官只是把执行交了出去。

高明勇：圈内流传一句话，“只要你学得够慢，就什么都没有错过”，不少人觉得AI更新太快，学了也没用。怎么看待“AI学习无用论”？真正值得沉淀的、长期不变的AI核心能力是什么？

吴鹏：“只要你学得够慢，就什么都没有错过”——这句话对了一半。会过时的东西确实不用急着学：工具的迭代的确快，前一年大家学提示词，后来学智能体、工作流，再后来是自然语言编程和能自主调用工具的Agent。你如果把学习对象绑定在某一个产品上，产品一变，学习路径就断了。

我之所以提出这个九段路径，恰恰是希望提出一些不会变的方向。不变的有三层：第一层，提出问题、定义问题的能力，模型越强，问题越值钱；第二层自建工具的能力，第三是建系统的能力。九段体系表面是九个段位，底层是一条进化逻辑：用工具→造工具→建系统。工具会换代，这个逻辑从蒸汽机时代到AI时代没变过；决策能力和具身经验这是人最后的地盘。

还有一个反直觉的判断：AI迭代越快，“系统”越值钱——这就是我说的模型能力倒挂。模型是发动机，系统是方向盘，“没有方向盘的发动机，只会原地打转”。而且系统有复利：你的知识库、流程、上下文，越用越懂你，我称之为“上下文红利”，它只会随时间增值。

所以对有积累的人，我还有一句话：旧成绩不能自动兑换成新能力，但没有专业积累，你也指挥不好AI。要把过去形成的能力带进新的生产方式。模板是躯壳，习惯才是灵魂。你真正要沉淀的，是“把AI组织起来”的习惯。

高明勇：《AI指挥官》的方法能否帮助大家产出有思想、有个性、有深度的内容？

吴鹏：AI味的病根，是输入太简单，简单的提示词和输入内容大模型反馈给你的只能是通用的平庸的内容。

通用模型知道的是公共知识，它不知道你的工作背景、客户边界、历史决策和方法偏好。同一个模型放在不同人手里，真正拉开差距的，不是谁多背了几个提示词，而是谁能提供高质量、可追溯、持续更新的上下文。你喂给它的是公共的，它就只能还给你公共的。

《AI指挥官》初段三步就可以有显著提升：第一步，锻炼你的提示词能力，其实AI的能力很强，很多人远远没有激发出AI的能力；第二步提高工具链的组合能力，第三步是建知识库，把你独有的案例、数据、判断、甚至踩过的坑喂进去——注意知识库不是把文件扔进一个文件夹，它要解决来源、版本、权限和调用的问题，没有治理的知识库只是更大的资料堆；人做终审，把你的判断和取舍加回去迭代和讨论。就像我在乔哈里视窗案例中说的，有深度的内容是你在和AI共同探索未知领域，需要你们双方的配合。

生成内容越便宜，信任越贵。稀缺的不是再多生产一份内容，而是别人为什么相信你。我今年很认同一句话——开源是品牌的基础设施建设：把真实案例、真实方法和迭代过程打开，让别人复刻，迭代，不一定要跟你得出同样的结论，但是会认可你这个品牌，从而相信你的观点。

高明勇：面向未来3–5年，普通个体最应该优先建立的AI指挥官能力是什么？

吴鹏：AI变成基础设施，意味着“会不会用AI”不再是加分项，而是及格线——就像今天没人会夸你“会用电脑”，我也不希望十年后人们还觉得“AI指挥官”是个新鲜的词。要在及格线之上活得从容，我最建议优先建两套系统、守住一个三角。

第一套，工作系统：把重复劳动交给AI日夜运转，你从执行者变架构师。

第二套，决策系统：搭情报网→建沙盘→做追踪→跑复盘。每天早上花三十分钟打开你的“驾驶舱”，看清态势、推演方案、盯住执行。以前这种决策支持系统一年要花百万到千万，只有大企业建得起，现在一个AI就能帮你转起来——这是决策权的平民化。

一个三角，是能力结构别偏科：专业能力回答“你对什么负责”，AI能力回答“你能调动怎样的新智能”，商业能力回答“怎样让不同资源形成结果”。注意商业能力不只是赚钱，是把事情做成的能力——发现机会、定义问题、整合资源、让方案持续运转。政府项目也要整合部门、预算和数据；只懂工具、不懂闭环，往往只能做出一个演示。

最后送一句我常说的话：指挥官的第一支军队，是你自己。不要先追求九段，选一个真实的问题，走完一个闭环。雪球不必很大，但它必须开始滚动。

高明勇：写作《AI指挥官》过程中，你最大的认知迭代是什么？

吴鹏：最大的认知迭代有两次。

第一次和我从业经历有关。我做过战略咨询、投资基金，后来一头扎进工业软件——那是中国参与全球竞争绕不开的“卡脖子”领域，我参与过重要工业软件的研发与产业化，也参与过《工业技术软件化》的撰写。那个年代，把一位老工程师的经验装进系统，要花几个月做知识建模、写规则。大模型出来后，我发现不需要建模了——把图纸、文档、对话记录直接喂给它就行。那一刻我意识到：过去那些“说不清楚”的隐性经验，现在都能变成AI员工。这直接动摇了我对“知识如何沉淀”的全部假设。

第二次来自课堂。我给各行业的人讲过，从政府到企业，从教师到学生。发现一个现象：执行层面的人非常担心被AI取代，领导岗位的人相对不那么担心。立场决定了认知。这让我明白，AI焦虑本质上不是技术问题，是位置问题——关键看你在人机共生里主动选择了什么位置。你失去了扣扳机的岗位，但你拥有了指挥一支队伍的角色。

高明勇：希望读者带走什么？

吴鹏：至于希望读者带走什么，我想是两个词，一外一内。向外，是“人机共生”——机器可以越来越能干，但目标不能无人负责；智能可以被大量调用，但人不能放弃判断。向内，是“本自具足”——技术变化越快，越要知道自己为什么做一件事；人的价值，不应完全依赖外部评价。AI是你的望远镜、沙盘和神经系统，但那颗决策的心，始终是你自己的。如果能再多给一种心态，那就是从“怕被AI取代”的防御，转向“我想用AI做成什么”的进攻。旧大陆正在沉没，新大陆已经升起，船票就在你自己手里。