小米做端到端自动驾驶,真正值得老板学的,不是造车,而是把流程删掉

最近我在研究小米的端到端自动驾驶时，脑子里突然冒出了一个有点大胆的猜想。

不是流程会被优化。

也不是审批会从5步减少到3步。

而是有一天，我们回头看今天企业里的 CRM、ERP、审批流、工单系统，甚至大量岗位之间的协作方式，可能会觉得：

就像今天回头看早期自动驾驶一样。

为了让一辆车学会开车，工程师曾经把"开车"拆成了大量模块。

识别道路。

识别车辆。

识别行人。

预测别人下一步会怎么走。

规划自己的路线。

计算方向盘应该打多少。

油门踩多少。

每一个环节，都有模型，都有规则，都有工程师。

这套方法没有错。甚至过去很多年，整个自动驾驶行业基本都是这么发展起来的。

但端到端自动驾驶正在尝试做一件完全不同的事情：

不再要求人把"怎么开车"完整地拆解给 AI，而是让 AI 从大量真实驾驶数据中，自己学习"看到这种情况之后，应该怎么开"。

我看到这里的时候，第一反应其实不是汽车。

而是企业。

因为今天绝大多数企业的数字化系统，本质上还停留在自动驾驶过去的那个阶段。

假设一个客户要求退款。

一家正常企业内部可能是这样的：

于是为了管理这件事情，我们开始做数字化。

从传统软件的角度来看，这已经是一家数字化程度不错的企业了。

但如果你站在 AI 的角度重新看一遍，会发现一个非常有意思的问题：

这和过去的自动驾驶非常像。

每一个步骤都很合理。

但是人类真正开车的时候，脑子里真的会把这四个系统分别运行一遍吗？

大多数时候并不会。

我们看到一个孩子突然冲向马路的时候，几乎本能地就会踩刹车。

大量经验已经被压缩成了判断能力。

很多人听到"端到端自动驾驶"，第一反应还是技术。

大模型。

Transformer。

视觉模型。

世界模型。

强化学习。

这些当然重要。

但如果站在企业经营者的角度，我觉得真正值得看的不是模型，而是另外四个字：

过去工程师需要告诉机器：

第一步做什么。

第二步判断什么。

第三步满足什么条件。

第四步进入哪个模块。

而端到端想做的事情，是把越来越多原来由人定义的中间过程交给模型学习。

这件事情如果发生在企业里，会非常可怕。

因为今天企业里面最庞大的成本之一，恰恰就是：

我们已经习惯了这些事情。甚至认为：

企业本来就应该这样运行。

但 AI 出现以后，我们可能需要重新问一句：

这是两个完全不同的问题。

传统软件有一个非常明显的特点：

所以销售要录 CRM。

员工要填日报。

项目经理要更新项目状态。

财务要录凭证。

管理人员要填写审批单。

系统本身其实并不知道企业正在发生什么。它只是等人告诉它。

所以过去几十年的企业数字化，本质上做了一件事情：

客户名称。

合同金额。

项目状态。

预计回款时间。

审批状态。

负责人。

完成率。

然后人每天不断维护这些字段。

这也是为什么很多老板花几十万上了一套系统，最后却发现：

因为现实世界和软件世界之间，需要大量人负责"翻译"。

而 AI 正在第一次改变这件事情。

如果一个 AI 可以读取：

它其实开始具备一种过去软件从来没有真正拥有过的能力：

这才是我认为企业真正值得研究的"端到端"。

举个最简单的例子。

一个客户突然在微信里说：

今天的企业怎么处理？

可能五个人折腾半天。

但未来 AI 看到这句话之后，它可能已经开始工作了。

如果金额低于某个权限范围，甚至直接执行。

如果超过权限，再找负责人确认。

注意这里真正发生变化的，不是：

AI 帮财务算得更快了。

而是原来五个人之间来回传递信息的过程，很可能直接消失了。

讲到这里，我反而越来越觉得，很多企业现在对于"数据资产"的理解可能还太浅。

大家今天讲数据，想到的是：

客户有多少。

销售额多少。

复购率多少。

库存多少。

利润多少。

这些当然是数据。

但如果未来企业真的开始进入类似"端到端"的阶段，还有一种数据可能比这些更值钱：

这些事情今天很少进入 ERP。甚至不会进入任何数据库。

它们大量存在于：

但恰恰是这些东西，决定了一家公司真正怎么运转。

所以我越来越相信：

汽车为什么可以越来越会开？

不是因为有人给它写了一本几百万页的《开车 SOP》。

而是因为它能够从大量真实世界的数据中学习。

企业也是一样。

最近和一些企业聊 AI 的时候，我发现大家特别容易问一个问题：

"有没有一个 AI 软件，可以直接给我们公司用？"

这个问题听起来非常正常。

但我觉得可能问反了。

真正应该问的是：

优秀销售为什么能成交？

优秀项目经理为什么很少出问题？

财务为什么看到某一笔账，就知道这里可能有风险？

如果这些东西全部散落在员工电脑、微信群、Excel 和人的脑子里，那么即使今天给你一个非常聪明的大模型，它依然很难真正理解你的企业。

所以企业 AI 落地的第一步，很多时候可能不是：

而是：

今天我们谈模型，想到的都是通用大模型。

但再往后走，我认为很多真正优秀的企业，可能都会逐渐形成一个属于自己的东西：

它未必意味着企业真的自己训练一个基础大模型。

更多时候，它可能是：

最后形成一个越来越理解这家公司的 AI 系统。

它知道：

如果发展到这个阶段，AI 就不再只是一个员工打开以后问问题的聊天窗口。

它开始参与企业本身的运行。

过去一个老板管理 100 个人，意味着什么？

需要组织架构。

需要部门负责人。

需要会议。

需要日报。

需要周报。

需要审批。

需要绩效。

需要大量管理动作。

保证信息能够从下面传上来，再让决策从上面传下去。

所以公司规模越大，中间管理成本通常越高。

但如果未来 AI 能够持续读取企业经营过程中产生的信息，并主动发现：

那么很多管理动作本身都会发生变化。

这句话，我认为非常重要。

因为今天大量管理人员最主要的工作，并不是做决策。而是：

这些工作恰恰是 AI 最有机会大量接管的部分。

这也是我最近越来越强烈的一个感受。

很多企业做 AI，第一反应还是：

让销售用 AI 写文案。

让客服用 AI 回复客户。

让财务用 AI 识别发票。

让行政用 AI 写通知。

当然有价值。

但这更像是在传统汽车里面，给每一个零件换一个更好的零件。

真正的变化可能不是：

"这个岗位怎么用 AI 提高 30% 的效率？"

而是重新问：

这个问题的答案，可能完全不一样。

所以我认为小米端到端自动驾驶真正值得企业老板看的，从来不是自动驾驶技术本身。

而是一种完全不同的系统设计思想：

我现在越来越不相信，未来企业之间的 AI 竞争，会变成谁买的大模型更强。

因为基础模型最终一定会越来越普及。

真正拉开差距的，很可能是另外一件事情：

一家经营了 20 年的公司，其实已经做过无数次选择。

过去这些东西叫：

经验。

而在 AI 时代，它们可能拥有另外一个名字：

如果有一天，一家公司真的能够把过去十年、二十年被验证过的经营经验，不断沉淀进自己的 AI 系统里，那么后来者即使买到了同样的大模型，也未必能够复制这家公司。

研究小米端到端自动驾驶之后，我最大的感受，其实不是：

"自动驾驶终于越来越厉害了。"

而是突然开始重新思考一个问题：

为什么要填那么多表？

为什么要开那么多会？

为什么信息一定要一级一级汇报？

为什么一件事情一定要经过五个人？

为什么老板一定要等财务把报表做出来，才能知道公司发生了什么？

过去这些问题没有意义。因为机器没有理解能力。所以只能靠流程保证公司运转。

但现在，这个前提正在发生变化。

我并不认为 AI 明天就能接管一家企业，更不认为所有流程都应该被取消。企业经营里永远存在信任、责任、博弈、创造力，以及大量机器无法独立承担的现实判断。

但有一点，我越来越确定：

就像未来的汽车里，人不需要再时时刻刻告诉系统：

这里识别车道线。

那里判断行人。

现在规划路线。

然后控制方向盘。

我们只告诉它：

剩下的事情，让系统自己完成。

也许有一天，老板管理企业也会越来越接近这种状态。

你不再每天打开十几个系统，不再追着几十个人问进度，也不再依靠无数会议维持公司的运转。

你只需要告诉企业的 AI：

而真正决定一家企业能不能到达目的地的，是过去十几年里，它究竟有没有学会——