AI一秒就能作答，公司的速度却取决于决策的往返——从每秒1万4千个token的演示谈起

一段AI以每秒约1万4千个token的速度生成文字的演示，正在短视频中广泛传播。本文想谈的并不是芯片本身的性能，而是：当AI快到这种程度时，决定公司速度的已经不再是AI。

决定公司速度的，是人的决策往返：等确认、等审批、等开会。即使AI一秒就给出答案，如果决定是否采用这个答案要花三天，公司的速度就由这三天决定。本文是10月18日《靠尝试的次数取胜》的续篇，来谈谈"等待决策"这件事。

按来源区分看待演示中的数字

引起关注的是Stability AI前CEO、现执掌Intelligent Internet的Emad Mostaque试用加拿大初创公司Taalas芯片的画面。Taalas把Meta公开的、规模相对较小的Llama 3.1 8B模型直接固化在芯片电路中。这块芯片只能运行这一个模型，换来的是高出一个数量级的速度。

数字需要按来源区分。Taalas官方公布的是每位用户每秒1万7千个token（自家测量）。EE Times试用在线演示，确认超过每秒1万5千个token；Forbes在2026年2月19日的报道中给出了每秒14,357个token的实测值。同一篇EE Times报道还引用比较网站Artificial Analysis的数据：Cerebras接近每秒2千个token，Groq约为600。另外，Taalas自己也承认对模型做了相当激进的量化，速度并不直接等于回答的质量。

在等待的不是AI，而是人

例如，销售人员让AI起草一份促销方案，几秒钟就能完成。但方案要经过科长、部长、社长层层盖章，花上一周；若被要求修改，又是一个来回。AI缩短的只是整体中的一小部分。

等待决策大致可分为四种：等材料凑齐、等决策者有空、拖到下一次开会、以及谁来决定不清楚而被推来推去。这些都不会因为AI性能提升而缩短。AI越快，人这一侧的等待时间在整体中所占的比例就越大。

"人越是深思熟虑，结论越好"，我认为是一种误解

有人认为，决策花时间是因为在慎重研究。但我认为在多数情况下这是一种误解。真正有意义的研究，需要同时具备该领域的经验、综合判断力、技术理解、对试错的包容以及中长期的眼光。全部具备的人，在一个国家里也只是极少数。在我看来，大多数人按照AI的方案去行动，反而能更快地接近正确的结论。

这并不意味着人没有作用。人要决定追求什么成果、愿意承担多大的风险，并在看到尝试结果后决定下一步试什么。我认为，人的工作正在从坐在桌前长时间思考，转向做决定、去尝试、看结果。

因等待决策而缓慢的公司，会输在尝试的次数上

慢并不只是浪费时间。尝试、失手、修正、再尝试——这样的次数对人的成长同样重要；如果等待决策让次数减少，人的成长也会放慢。每周只能尝试一次的公司和每天都能尝试的公司，一年下来大约是50次与250次的差距，而且学到的东西会不断累积。AI的速度对每家公司都是一样可得的，拉开差距的是能把决策往返缩短到什么程度。

在我自己的公司，几乎整个系统都已整合。决策所需的材料集中在一处，几乎不用为四处收集数字而等待。市场营销也已经做到只需我投入约3分钟就能运转。我做的只是定方向、回答提问、最后确认，中间的工作不再每次都等我拍板。

以挑战者的自觉去承担风险

2026年10月15日（美国时间），特斯拉在得克萨斯州SpaceX的试验场公开了新款Roadster的原型车。据报道，它从倒置的赛道上腾空而起，利用压缩空气喷射调整方向后落地，还飞越了一排车辆。不过展示的只是短暂的跳跃和翻转，并非持续飞行。车上无人驾驶，量产计划在2028年，可飞行的版本仅限受邀者，且尚未获准在公共道路上使用（据Fortune、CBS等报道）。还不能说"会飞的汽车"已经造出来了。

即便如此，我关注的是那种试到这一步并公开展示的姿态。这是我个人的看法：日本有很多听起来正确的经营论和工作论，但经济长期低迷，改变世界的企业也几乎没有诞生。应该看的不是说法听起来是否正确，而是结果。我认为，我们应当意识到自己已是被美国甩在后面的挑战者，现在正是承担风险、增加尝试次数的时候。

本周可以做的事

请挑出上周停滞最久的一项决策，写下它等了几天。接着，选出一项不需要社长亲自决定的事项，定好交给谁、可以试到什么范围、失手时如何退回。被委托的人让AI给出方案，小范围尝试，只汇报结果。仅此一项，决策的往返就少了一次。

同时，也请数一数本月新尝试了几件事，以及因等待决策而停滞了几天。衡量公司是否在变快的，不是AI的使用次数，而是尝试的次数是否在增加。

▶ 观看完整视频（日语）
https://www.youtube.com/watch?v=r_DcHP9lPms