最近看到 TechCrunch 报道了一家叫 Humans& 的新公司，第一眼看到融资金额我就呆住了。

4.8 亿美元的种子轮，创始团队的背景来自 Anthropic、Meta、OpenAI、xAI 和 Google DeepMind。

但让我真正感兴趣的不是钱和人，而是他们想做的事情。

这群人不打算再做一个更聪明的聊天机器人，而是要解决一个我们每天都在经历但从来没想过 AI 能帮忙的问题：怎么让一群人在混乱中达成共识，怎么协调不同优先级的任务，怎么让团队保持长期对齐。

换句话说，他们要教 AI 学会人类社会中最复杂也最重要的技能：协作。

1️⃣ AI 现在的问题：只会单打独斗，不会团队作战

Humans& 的联合创始人 Andi Peng 说，现在我们正在结束第一个范式，也就是让 AI 在特定领域变得很聪明。

接下来要进入第二波浪潮，让普通用户搞清楚这些东西到底能用来干什么。

现在的 AI，ChatGPT 能回答问题，Claude 能写代码，但如果你让它们协调十个人开会定个 logo 方案，它们就完全派不上用场了。

CEO Eric Zelikman 在采访里举了个例子，他说当你要做一个大型团队决策时，通常是某个人把所有人拉到一个房间里，让每个人表达自己的想法，比如大家想要什么样的 logo。然后慢慢磨，慢慢妥协，最后才能定下来。

这个过程充满了情绪管理、时机把握和说服技巧。

现在的 AI 完全不具备这种能力，它可以生成一百个 logo 设计，但它不知道怎么让十个人在这一百个里选出一个大家都满意的。

这就是为什么虽然 AI 已经很聪明了，但在真实的工作场景里还是经常让人觉得不够用。

因为工作不是考试，而是一群人带着不同目标和限制，需要在混乱中推进项目。

2️⃣ 解决方案：重新训练 AI 的社交智能

Humans& 的做法听起来有点疯狂，他们要从头训练一个新的基础模型，专门针对协作场景优化。

不是在现有模型上加个协作功能那么简单，而是彻底改变训练方式。

联合创始人 Yuchen He 之前在 OpenAI 工作，她解释说传统的 AI 训练主要优化两件事：用户有多喜欢它给的回答，以及它回答问题的准确率，但这种训练方式培养不出协作能力。

打个比方，如果你培养一个孩子只看他考试分数，不教他怎么和别人相处、怎么理解别人的需求，这个孩子长大后可能很聪明，但很难和别人一起做成事情。

Humans& 要用的是长时域强化学习和多智能体强化学习，也就是让 AI 学会在长期项目中规划、行动、修正和跟进，同时还要学会在多个人或多个 AI 同时参与的环境中协调行动。

他们的模型需要记住每个用户的技能、动机和需求，理解团队的整体目标，然后在这两者之间找到平衡点。

3️⃣ 产品形态：可能替代 Slack 和 Notion，但现在还没影

Humans& 现在连产品都没有，他们只是说可能会做一个替代 Slack 或 Google Docs 的东西，但具体长什么样、怎么用，团队自己也还在摸索。

Andi Peng 的解释是，他们在设计产品的同时也在训练模型，两者需要共同进化。

不过市场已经在等这样的产品了。LinkedIn 创始人 Reid Hoffman 最近就公开表示，公司实施 AI 的方式错了，真正的杠杆点在于协调层，也就是团队如何分享知识、如何开会、如何协作。

这个观点和 Humans& 的方向完全一致。越来越多的人意识到，AI 的下一个突破口不是让单个 AI 变得更聪明，而是让 AI 能够融入人类的协作网络，成为团队的一部分。

4️⃣ 小公司如何对抗 AI 巨头？

当然，Humans& 面临的挑战不小。他们不仅要和 Slack、Notion 这些成熟的协作工具竞争，更要命的是还要面对 AI 巨头。

Anthropic 推出了 Claude Cowork, Gemini 已经深度整合进 Google Workspace, OpenAI 也在向开发者推广多智能体编排。这些巨头不仅有技术积累，还有用户基础和分发渠道。

但 Humans& 的优势可能在于专注度。

大公司要照顾现有产品线，要平衡各方利益，很难做出颠覆性的创新。而 Humans& 可以 all in 在社交智能这个方向上，从零开始设计一个专门为协作优化的模型架构。

接下来几年，我们会看到越来越多的公司在 AI 协作这个方向上发力，也会看到越来越多的产品形态出现。

到那时候，也许我们会发现，让 AI 学会协作比让它通过图灵测试更难，但也更有价值。