《山巅周刊》定期分享科技、商业、医学及人文资讯，以及商业智慧和最佳实践，每周日发布。

AI极客在AI领域通过隐秘方式进行自我提升，避免公开暴露，形成一种无声的变革。这种学习方式帮助他们在AI技术变革中崛起，成为超级个体，适应职场挑战。

组织失能

HBR、Forbes、McKinsey和Gartner等机构的报告分析显示，85-95%的AI项目失败率凸显组织失能的普遍现象（具体来源不详细索引）。但更多组织并没有实施“All-IN-AI”策略，员工和小团队在应用AI方面面临组织失能的普遍性更为严重。

组织失能在AI时代主要表现为传统管理模式的失效，无法适应AI驱动的变革。

人才评估体系的失能：这是失能的核心起源。HR部门在AI时代的功能失调体现在无法有效评估AI相关能力，导致组织在人才识别和配置上出现盲区。更失败的是，HR过度依赖AI引入算法偏见，导致不公平决策和伦理风险，进一步放大组织失能。

KPI绩效考核的失效：在AI时代，超级员工能通过AI工具大幅提升生产力，但传统KPI聚焦于标准化输出，无法捕捉AI赋能的创新价值，导致奖励机制脱节，抑制个体动力和组织活力。

管理者缺乏AI原生思维：管理者往往停留在传统思维框架中，缺乏AI原生思维，无法理解AI如何重塑工作流程。

缺乏对超级员工的指导：AI时代涌现的超级员工需要高级导师，但组织内部缺乏具备AI深度知识的领导者，导致这些人才孤立无援，无法将个人能力转化为组织优势，进一步放大失能。

AI天生是一种高效的利润工具，能够通过自动化、优化决策和提升生产力，帮助企业用更少的人，干更多的工作。尽管这一潜力显而易见，组织在应用AI时仍普遍面临失能和资源限制的问题，令人遗憾。山巅周刊第281期讨论过MIT发布的《GenAI 鸿沟》报告，生成式人工智能试点项目失败的核心问题并非AI技术本身的局限，而在于工具和组织之间的“学习差距”，在于组织层面的系统性障碍。

这里不是简单地批评大型组织。我在不足十人的初创公司和数万员工的集团都工作过，我对他们并不陌生。每个组织都有自己的运作方式，毕竟最好用的产品还是大公司提供的。我们应该以谦逊和好奇的态度去对待已有的事物，如果不能够理解组织的独特结构和文化，也不想继续成为传统的奴隶，个人不妨改变未来。

超级员工

作为对组织失能的应对策略，员工转向自我学习以求生存和发展，并避免公开暴露。

由于组织资源限制，员工的AI能力提升完全取决于兴趣、悟性和个人能力，并强调低调、自驱和实用。一些员工会选择愿意自费订阅AI会员，或者购置高性能算力计算机，通过自我学习成为超级员工，利用AI大幅提高生产力和创新。

在组织失能和资源限制的环境下，员工自我学习的实用步骤。

1. 评估自身起点并设定现实目标

   • 使用免费自测工具评估当前技能和素养，探测技能路径，聚焦实用AI领域。比如Coursera 职业测试：评估您在技术（TC）、商业（BM）、医疗保健（HS）、创意（CD）、工程（ED） 和市场营销（MC）六个关键专业领域的兴趣和能力。
   • 设定学习小目标：例如，第一周学会ChatGPT提示工程；一个月内自动化日常报告。

2. 利用免费或者低成本资源进行核心学习

   • 基础知识：从慕课和在线视频起步，不要刻意追求证书。
   • 实用工具：学习生成式AI如ChatGPT和提示工程指南，编程用免费云环境如Replit或Google Colab。
   • 实现技能进阶：学会工作自动化流程，用AI总结会议记录。

3. 通过实践和迭代应用知识

   • 小规模实验：如用AI生成报告草稿，用Pandas库自动化Excel数据分析。
   • 职场整合：用AI优化工作流，例如编程、内容生成、总结邮件，并伪装成手动工作输出。
   • 构建隐秘网络并获得社区支持（特别是编程技术，程序员都热衷于分享），填补空白，避免孤立。

4.成为超级员工并管理风险

• 隐秘输出：只将效率归功于“优化方法”，在失能组织中脱颖而出，逐步积累影响力。
• 量化成果：追踪个人KPI提升，为更新简历作准备。
• 长期规划：一旦熟练掌握实用AI，考虑内部推动小变革，或转向AI友好公司，或者成为超级个体。
• 风险管理：避免公司数据隐私风险；定期更新技能。

超级个体

当对组织失能抱怨的累积和自我学习形成个人竞争优势，超级员工就容易离职创业，以超级个体挑战那些传统组织框架绑定下的巨人公司。

1.离职创业路径

• 自由职业者——低风险入门，可行策略：专攻高需求领域，如视频编程，网站编程，快速现金流。
• 一人公司——中风险，产品导向，可行策略：特定行业的自动化全栈（策划、设计、营销）。
• 创业公司创始人——高风险，规模化，可行策略：专注垂直市场。

2.挑战传统巨头的策略

• 市场定位：寻找巨头忽略的利基市场，用AI个性化差异。
• 收入多元化和敏捷性是最佳武器。
• 善于通过开源或社区验证，挑战巨头的基础优势。

参考极客们（个人开发者和小团队）在独立软件和开源硬件领域的历史成就，更会增强超级个体在人工智能时代重获辉煌的信心，因为人工智能为“手搓”创业项目提供了无限支持。

超级个体的长期建议

• 导师、顾问或教练可以缩短你的学习曲线，并显著提升决策能力。
• 问题导向而非工具导向地学习。
• 读英文原创信息，投资GPU和工具。
• 学习和输出都兼顾本地化和全球化。
• 不要陷入完美主义，速度优先。
• 关注财务，20%的一人公司因用光资金而失败，创业公司的失败率可能更高。
• 可持续性：加入社区获取反馈，避免孤立和倦怠。
• 通用工具栈：ChatGPT/Claude/Gemini for 内容/代码；Canva AI/Kittl for 设计；Durable/10Web for 网站；Buffer/Postly for 营销；SEMrush for 分析；Tidio/Otter for CRM。

通用工具栈推荐（2026年主流AI创业/生产力工具）

使用建议：

• 优先从免费层起步，验证效果后再考虑付费升级。
• 大部分工具都有移动端或网页版，方便随时使用。
• 许多小众工具由超级个体/一人公司开发，对标它们也是学习和创业的好方向。

备注：

• 《AI刀锋，丧钟为谁而鸣》给予本文启发。
• 本文作者习惯性不参与评论和推荐的其他任何工具，你都可以尝试使用，但基于AI评判和社区实践可以减少试错成本。
• 本文不会给出实践案例，特别是收入数据，以免有心理鸡汤和营销软文的嫌疑。如果必需的话，可参考Pieter Levels 的 Nomad List和Danny Postma 的 HeadshotPro 案例。

人物：玛丽·帕拉尼斯瓦米

玛丽·帕拉尼斯瓦米（Mary Palaniswamy）是一位印度裔美国生物学家，在偏远实验室发现一种对抗超级细菌的化合物帕拉宁（Palanin），有望彻底改变全球健康状况。

在印度北方邦尘土飞扬的平原上，恒河蜿蜒如圣河，流淌在无垠的麦田和甘蔗田间。1985年，玛丽·帕拉尼斯瓦米出生在一个普通的农民家庭。她的村庄有潮湿的季风和酷热的夏天，但也有排灯节和洒红节，灯笼在夜空中闪烁，色彩泼洒在泥砖房上。

然而，根深蒂固的社会规范也笼罩着这一切。作为五个兄弟姐妹中最小的一个，玛丽在一个父权制的家庭中长大，她的父亲是一个佃农，在残存的土地上辛勤劳作，在种姓等级制度和经济重压下勉强糊口。女孩们被期望掌握家务活而不是读书。教育是一种奢侈品，乡村学校是一间漏雨的单间教室，几乎都是男生。

玛丽的童年时光，每天黎明时分都要去村里的井边打水，帮母亲磨香料做扁豆汤和烤饼，还要亲眼目睹传统文化与从共用收音机里播放的宝莱坞电影中隐隐透出的现代气息之间的拉锯战。然而，正是这种卑微的出身，在她身上孕育了一种沉静的韧性，就像点缀着这片土地的顽强榕树，根系深深扎入贫瘠的土壤。对年幼的玛丽来说，学校简直就是战场。

老师们给她贴上了“差生”的标签，她难以应付拥挤的教室，枯燥的教学，思绪早已飘向热闹喧嚣的乡村集市，而不是那些算术题。成绩一落千丈，早婚的传言如同乌云般笼罩着她。

14岁那年，一位政府卫生工作者难得来访，在村里普及疟疾预防知识，她的人生也因此发生了意想不到的转机。

看着那位受过教育的达利特妇女用简单的图表讲解微生物，玛丽感到一阵振奋——科学并非抽象的概念，而是治愈困扰她所在社区的各种疾病的工具，从水传播疾病到田间作物感染。“为什么不试试呢？”她心想，仿佛听到了那句中国谚语“星星之火可以燎原”。高中毕业时，她以优异的成绩名列前茅，获得了德里大学微生物学专业的奖学金。在那里，她沉浸在熙熙攘攘的印度都市生活中，将身着纱丽的传统与白大褂和培养皿融为一体。

命运的转折发生在2008年，正值全球金融危机之际。玛丽的叔叔，一位在迪拜打工的移民工人，突发心脏病去世，留下了原本打算供她读书的积蓄。绝望之下，她一时兴起申请了国际奖学金，她那篇题为《微生物与边缘化群体》的论文引起了一家资助移民科学家的美国小型基金会的注意。“这就像中了彩票一样，贝塔”，母亲在德里机场含泪说道。”

抵达美国蒙大拿州乡村，无尽的雪景取代了热带绿地，汉堡包取代了印度香饭，新奇和冲突之外，她那带有口音的英语却加剧了孤独感。然而，她有幸进入了一所州立大学的博士项目，专注于抗菌素耐药性这一日益严重的全球威胁。

玛丽在落基山脉一个偏远的实验室安顿下来，远离波士顿或旧金山。这个资金不足且位置偏僻的实验室，如同她家乡资源匮乏的景象——共用设备、闪烁的荧光灯和寥寥无几的工作人员。在这里，她培养土壤细菌，寻找对抗超级细菌的天然化合物，这些超级细菌就像耐甲氧西林金黄色葡萄球菌（MRSA）一样，使标准抗生素失效。

MRSA对几乎所有青霉素类抗生素具有抗药性，首次发现于1961年的英国，现时已广泛散播，被称为“超级细菌”。

危机接踵而至：她在一家餐馆打零工补贴日用；同事们用隐晦的种族歧视否定她的想法，比如“你的英语对一个印度人来说还不错”。冲突随之而来：独自一人在遗弃的拖车房里庆祝排灯节，与感恩节的聚会格格不入。研究失败接踵而至——故障的培养箱导致样本污染，浪费了数月时间；经费削减威胁到实验室的关闭；一次实验室事故让她接触到强效病原体，不得不隔离以监测是否感染。此外，一场严酷的冬季风暴导致停电，冻住了她的细菌培养物，几乎毁掉了她的论文。压力也与日俱增——来自家乡的求婚失败，以及反移民情绪。更有一次，一位合作者剽窃了她的数据，迫使她卷入了一场艰苦的伦理斗争。

满是焦虑，但在2022年，突破不期而至。

在分析一份被遗忘的蒙大拿徒步旅行土壤样本时，玛丽注意到了一种异常现象：一种名为“帕拉宁”的新型肽化合物能够抑制培养皿中超级细菌的生长，而这份样本此前曾被意外泄漏的真菌孢子污染。偶然的融合——细菌和真菌的意外相互作用——产生了一种能够破坏细菌细胞壁的分子。在超级细菌每年夺走127万人生命（世卫组织，2024年）的时代，帕拉宁堪称救星。与传统抗生素不同，帕拉宁靶向多种耐药机制，为对抗诸如耐碳青霉烯类肠杆菌（CRE）等肆虐全球医院的流行病带来了希望。在农业和医疗领域滥用抗生素滋生顽强细菌的当下，帕拉宁的低毒性特性有望彻底改变全球健康状况，拯救印度等发展中国家数百万人的生命——在这些国家，耐药性结核病每年夺走成千上万人的生命。

在一个痴迷于明星科学家的社会里，玛丽·帕拉尼斯瓦米的故事呼吁人们投资于多元化且资金不足的研究人员，促进公平，以应对人类面临的重大挑战。正如她谦逊地指出：“科学并非精英的专属，它是坚持不懈者的静默革命。”

最后，玛丽·帕拉尼斯瓦米是一个虚构人物，文字和照片由AI生成。但这个人物故事具有典型“励志传奇”特征：小人物突破、移民故事和意外发现，和《读者》、《故事会》和流行小视频的风格一样。

以此文献给鲜为人知的技术工作者，不仅仅是科研领域。

声音：OpenAI 终于实现了 AGI（Ad-Generated Income）

OpenAI 计划计划在美国测试面向ChatGPT免费版和入门级套餐Go版的广告投放。

华盛顿大学荣誉退休教授、机器学习专家Pedro Domingos对此评论道：OpenAI 终于实现了 AGI（Ad-Generated Income）。

广告一直是头部互联网公司的最大收入来源，Meta和Alphabet是典型的广告公司，以电商为主业的 Amazon 也将广告嵌入购物搜索，并成为其第三大利润来源。虽然AI风潮持续高涨，但不论是以大模型还是AI应用为主业，终究可能重回广告老路。OpenAI 正在探索如何实现盈利，广告是其不断演进的营收战略的一部分。

真正重要的只有3件事

培养富人思维是致富关键？残酷现实是：当没有剩余资源时，谈这些都是奢侈。

绝大多数人，真正重要的只有3件事：

1. 能不能稳定活下来。
2. 能不能提高单位时间收入。
3. 能不能避免财务状况进一步恶化。

影像：自拍猴

自2008年以来，英国自然摄影师David Slater多次前往印度尼西亚拍摄极度濒危的苏拉威西岛猕猴。2011年，他公布了几张猕猴照片，包括《每日电讯报》和《卫报》在内的多家媒体刊登了这些照片以及引用Slater的话的文章，文章中Slater称这些照片是猴子拍摄的自画像。

一位编辑在Wikimedia Commons上传了来自《每日邮报》的猴子自拍照，上传者声称这些照片属于公共领域，因为“非人类动物的作品”，并补充说“它没有人类作者”。事件引发了Slater和Wikimedia Foundation持久的版权纠纷。2018年，美国第九巡回上诉法院最终判决：‌猴子不拥有版权，这张自拍照也没有明确的版权归属。

Jimmy Wales创办的维基百科已经运行了25年，官方开设了25周年纪念网站，特别提到了自拍猴。最后有个小测试，可以测试在知识时代的个体类型，比如是数据驱动的研究者、共识驱动的协作者或者令人敬畏的艺术家。