153. 和曾鸣聊产业史观：残酷的真相、会消亡的公司、优秀≠卓越、“OAI、Anth大概率不是原生时代大赢家”

大家好，我是小珺。今天我们的嘉宾是企业战略专家曾鸣教授。曾教授是阿里巴巴集团前总参谋长，也参与过长江商学院和湖畔的创建。不过，他更为人熟知的身份，是一位对企业战略有很多思考和研究的人，很多创业者、企业家都说受过他的启发。

作为完整经历过互联网周期的研究者，我们和他聊了聊他对于AI新时代、新范式的完整思考，也和历史上的关键时期做了对照。听完之后，我觉得自己有了更全局的视角。接下来就是我对曾教授的访谈，期待2026年我们和AI共同进步。

科层制管理的这种公司制度会衰亡，未来可能也不叫公司。公司会消亡，这没有什么可遗憾的，将来会有更好玩的组织。你说，现在有多少人去公司上班是开心的？

不开心。

我也讲得比较尖锐一点，就是这一批创业者要过的一个很大的坎。因为经济学的基本规律是，只要有同质化的供给，你就不可能获取高额利润，你就是一家不怎么值钱的公司。

Google不一定会成为下个时代的Google，字节会是下个时代的字节吗？

同样大概率也不会。字节今天模型做得也还不错，起码在国内是第一梯队的。

所以字节是有很大的机会成为AI云公司的，但是那个大的To C应用，是有非常大的不确定性的。

没有啊，豆包肯定不是。要不然他们肯定会不计成本地往里砸了。他们不砸，就是因为豆包还不够那么未来。

社交关系会重构吗？腾讯安全吗？

肯定会重构。腾讯作为最安全的公司，为什么最近这么恐慌？就是因为它也有可能不安全。人的社交关系会被重构，人和货物的关系也一样会被重构。

我觉得阿里也一样面临着这个挑战。在这波巨浪面前，哪些巨头是安全的？

我从来觉得，在巨浪面前没有人是安全的。

您觉得它们All in AI，还能够成为下一个时代的企业吗？就是时代性的企业吗？

挑战非常大。

从历史里面有依据可言吗？这个时代的企业过渡到下一个时代，还能做得非常好的多不多？

不是多不多的问题，是有没有的问题。

基本没有？

基本没有。所以不依赖于你怎么做战略选择，你都很难一直留在牌桌上。

这个是让人绝望的地方。

这一点都不让人绝望。人有生老病死，公司也有生老病死，没有比这更正常的了。所以新公司才有机会，年轻人才有梦想。

1. 理论与实践塑造战略家

曾教授，我听很多企业家都提到过您。他们说，自己某次很重要的战略转型，可能来自于在湖畔上过您的课。商学院的教授有很多，我在想，为什么这么多企业家都说受过您的影响？您觉得您和其他商学院教授的不同是什么？

首先，我特别特别幸运。在互联网发展最快的时候，我有机会加入阿里，参与一个公司超高速发展的阶段。那段经历，加上我原来比较好的学术训练，这两者的结合，让我把理论和实践融合起来。

因为我在做的时候，也经常想：我以前自己讲的东西，到底哪些能用？在做的过程中，也会去提炼有什么新东西，可以变成一个理论框架，将来还能继续使用。所以，理论和实践的结合，是一个很大的突破。

第二点，我一直在持续研究前沿的产业发展。所以跟创业者聊天的时候，除了能跟他们讨论战略的方法论，还能跟他们一起探讨下一步产业到底会怎么发展，做什么样的战略决定可能更合适。把这两者结合到一起，也是挺稀缺的一种能力。

2. 阿里的三大决策

以阿里为例，因为这是您亲身参与时间最长的一家公司。过去20年，您觉得影响阿里真正生死存亡的战略决策有吗？会是哪几个？

我最近正好也在做复盘，所以对阿里前面15年比较完整地参与过。实际上，最重要的决定可能就是3个：创立淘宝、创立支付宝、创立阿里云。

这3个决定，当时不但在整个社会上不被认可，公司内部的争议也非常激烈。大家可能对阿里云的争议已经有很多了解了，但是淘宝宣布成立的时候，当时有好几个高管非常反对。

为什么？

因为原来阿里巴巴的业务都还没有成熟，你去打一个新的核心主业务，风险太大了。

最重要的就是这3个决定。稍微次要一点的，比如淘宝怎么从一个商品买卖平台，变成一个支持电子商务发展的生态；还有怎么All in无线。我觉得这两个决定其实也很重要，只是重要性可能没有那么大。

但我刚才讲的还要补充一点：做了这个战略以后，还有一层一层的决定。4级战略决定也很重要。比如阿里云早期，你是只服务于一个场景，还是一开始架构就要支持多个服务场景？你服务的场景，是服务淘宝还是服务搜索？开源还是闭源？这些都是争论非常大的二级战略问题。

再往下还有，数据库变了，那你要不要自己做数据库？计算变了，存储也变了，所以才会出现当时喊出来的“去IOE”，也就是去掉IBM、Oracle和EMC。EMC做的是存储。

这就像今天一样，计算完了以后，发现存储成了新的瓶颈。所以，战略从落地到最终看到成果，中间有很多非常重要的决定。越往下，越是战略和战术结合得紧密的地方。

不是做了一个大的战略决定就可以了。从那个决定到落地，再到最后看到成果，有非常大的挑战。

3. 反共识创造未来

战略做决策的那个时刻，你们怎么知道这是一个好战略？因为当时的争议也非常多。一般来说，做很多战略时，你们怎么判断它是一个好的战略？

不知道。因为相信，所以看见。

所有真正成为时代性企业的，最后都被证明它的反共识是成立的。当然，在这个过程中，也有很多疯狂的想法最后消失了。这一点一定要强调：不是疯狂的想法都能成功。

我们看到的所谓成功者，存在幸存者偏差。最成功的企业一定是反共识的，但反共识不一定成功。当时，我们基于自己的能力，能看到、也愿意相信的，就是那样一幅图景。

所以，战略很大程度上是关于怎么创造未来的，它不是一个简单的规划。

只有反共识的战略才能够大成吗？有没有共识性的战略能够大成？比如我在一个共识赛道，但是做得比所有人都强，能大成吗？

那就是优秀。

那就是优秀，不是卓越？

是的。卓越一定来自反共识。

4. AI产业进入三阶段

今天这个AI时代，我们进入了一个全新的周期和范式阶段。您也说，这是一个新的文明。您会感觉到迷茫、焦虑吗？像您这样一个要制定战略的人，看到未来时，感受是什么样的？

的确非常困惑。你知道肯定会有很多新东西出现，但你不知道哪些是稍纵即逝的小浪花，哪些代表未来的大浪潮；什么东西会变，什么东西不会变。这非常让人困惑。

您现在看到哪些是小浪花，哪些是大浪？有没有一些初步的想法和判断？

这就是我写这本书的原因。前几年我一直在琢磨这个事情，经常会有一些观察和洞见，觉得还不错，但很快又被新的变化否定掉了。

但是今年上半年比较明显，有一些趋势性的信号开始汇聚，出现了类似的信号。我看到了一个可能的框架，可以解释当下发生的很多事情，甚至推演未来下一步的发展。

所以，这个时候我就不太焦虑了。我大概理解了我们处在哪个发展阶段，也知道到底该怎么做事情。

我们这次聊天的缘由，也是因为您最近出了一本新书，叫《智能商业》。您说这本书一开始没有写作计划，是自然涌现出来的，是最近半年的一系列思考，让您想清楚了很多问题。您能不能给大家介绍一下这本书，以及您的创作过程？

我的本业是战略，所以跟创业者聊得最多的，就是AI时代面临这么大的不确定性、这么快速变化的环境，到底怎么做战略。这些问题，我是慢慢想得比较清楚的。

真正让整个框架浮现出来的，是我大概理解了AI产业化进入了哪一个发展阶段，以及每个阶段的不同运行规律。如果把这一点看清楚，对未来3到5年就会有比较清晰的指导意义。

今天的人工智能产业化发展到什么阶段了？您是怎么划分这些阶段的？

我做过一个比较系统的研究。从移动互联网到PC互联网，再到云时代，包括当时做云计算的时候，我把第一次工业革命、第二次工业革命、第三次工业革命的整个历史也研究过一遍。

大致来说，新技术的出现——我讲的都是巨大的通用技术和颠覆性创新——实际上都经历了3个阶段，特别有意思。

第1个阶段，是这个技术逐渐被社会接受，成为社会的基础设施。第2步，基于这个基础设施产生海量的新应用，这是百花齐放的时代。第3个阶段，是当海量应用出现以后，大家发现需要一些更底层的方法，去运行这个新的世界，这就进入了原生应用阶段。

以移动互联网为例，到了抖音，字节就属于原生应用阶段？

是的。早期的移动互联网，今天的年轻人可能很少听说黑莓手机了。但黑莓是第1款被称为智能手机的产品，而且长期处于垄断地位，市场增长率和渗透率也很高。

一直到2010年，黑莓在美国智能手机市场还占有40%几的份额，iPhone只有20%几。实际上到iPhone 4以后，iPhone才开始领先、开始真正跑起来。

所以，经历了第1阶段和第2阶段，有了iPhone以后，又有了App Store；App Store出现以后，才出现了新一代的原生应用。

早期我投资移动互联网时，也投过墨迹天气之类的一大批应用。当时它们的日活很快都过亿了，但很快会发现，它们其实不代表未来。真正解决核心需求的主流应用，才是原生应用。

为什么要先经过一个应用大爆发，再到原生应用？为什么原生应用不是诞生于第2阶段？

因为应用的爆发，给了技术下一阶段发展的方向。技术成为基础设施以后，并不是停滞不前了，它要寻找新的发展方向，但到底往哪个方向发展，其实是不清楚的。

就像我刚才讲的字节，它先做了今日头条，甚至在那之前还做过内涵段子和一堆小产品。因为在技术早期，你不知道哪个东西能起作用，所以要试不同的东西。

第1阶段只有文字成熟，所以才会出现今日头条。但今日头条探索出了推荐算法这样一种新的技术模式，同时也是一种新的商业模式。后来，随着带宽、算力等各方面的发展，才出现了短视频。

短视频这种新的展现形式，和推荐算法这种底层技术结合起来，才出现了抖音这样的现象级原生应用，真正出现了国民级应用。

所以，原生应用距离基础设施成熟，中间还有一个过渡阶段。能把第2阶段叫作过渡阶段吗？

你这样说，很多中间那部分的创业者会很伤心。所以我为什么会犹豫，是因为第2阶段本身非常精彩，也非常有价值。

我之所以把原生阶段叫作第3阶段，是想告诉大家，可能还有8年、10年非常精彩的时间属于第2阶段。你没办法跨越到第3阶段，没有第2阶段的积累，就跨不过去。

基于第1阶段的积累，现在该做的，就是第2阶段应用大爆发的事情。

5. Agent开启第二阶段

我们现在在AI的产业周期里，是结束了第1阶段，还是仍然在第1阶段，或者已经开始第2阶段？具体处在哪个时间点？

我觉得2026年应该是第1阶段基本完成的一个标志性阶段。

核心原因是，今年年初大家可能还记得，围绕“token”这个词，形成了广泛共识。那两三个月的讨论非常密集。黄仁勋在英伟达GTC大会上讲，英伟达的未来就是Token Factory，Sam Altman也马上表达，OpenAI的核心就是卖token。

为什么token重要？包括“词元”这个新词被定义下来，是因为当一个技术有了标准的度量衡以后，它才能被规模化、标准化地使用。

今天我们会讲一度电、一吨水、1GB流量。这些单位，让我们可以很简单地使用一个原来曾经非常前沿的技术。今天大家都知道，调用多少token，能干多少活，会产生多少费用，这个东西就成了社会基础设施。

所以，这是第1阶段开始成熟的表现。它还会继续发展：服务会越来越好，智能会越来越强，成本会越来越低。但它已经形成了匹配的商业模式，也成为大家能够接受的一种新概念，所以这个阶段成熟了。

我们到第2阶段了吗？

今年有意思的地方，是它也是第2阶段的开场。春节前后发生了另一件让大家特别兴奋的事情，就是OpenClaw，大家都在养龙虾，春节都没睡好，天天疯狂折腾这些东西。

龙虾让大家看到了一个能够独立完成任务的Agent无限的潜力，所以大家才会这么狂热。我认为，AI进入的第2个阶段就是智能体阶段，智能体就是AI时代的新应用。

所以第1阶段已经成熟，我们现在站在第2阶段的开端？

是的。

6. 浏览器尚未出现

如果类比到互联网，或者移动互联网的某一年，今天可以做这样的类比吗？当然，这有点刻舟求剑，但我们还是想类比一下。

这是我琢磨了两三年的问题。两年前我还做过演讲，叫“让我们拥抱雅虎吧，雅虎快来了”。

今年年初，我自己也有点纠结：我们怎么退回到了浏览器阶段，好像比雅虎还要早？

您的判断更加前移了？

是的。因为OpenClaw这些东西出来以后，我第1个反应就是：我们还在等一个浏览器出来，甚至不是浏览器出来以后，而是在等一个浏览器出来。

为什么会有这样的洞察？因为跟Agent同时出现的一个词是Skill，也就是能力。我们去想Agent的本质是什么？其实就是分享能力。我们把自己懂的能力封装起来，然后分享出去，让别人也可以使用。

OpenClaw提供了一个框架和思路：原来能力可以这样被封装、被调用。我突然想到，1992年的时候我最狂热的事情是什么？是建一个网站。

那时候所有人都想着建网站，建网站的目的是什么？就是分享信息。所以，AGI这一轮创新，是让我们从信息时代进入能力时代。

海量的信息和知识都被处理过了，今天分享信息已经没有那么必要，大家直接问ChatGPT要答案，不再到处寻找信息。但是今天大模型能有这样的成就，是因为1992年的建站运动让大家把信息放到了互联网上，完成了信息数字化的过程。

所以，我们做类比的关键，不是刻舟求剑，而是通过抽象建模去理解底层运行规律，不要纠缠于技术的表现形式。

当我想到大家都在建东西：一个是在建网站，一个是在建Agent；一个是分享信息，一个是分享能力，我觉得这个结构上就对上了。

浏览器为什么重要？在那个时代，它完成了两个核心功能。通过HTML等一系列事情，它建立了建站的简单统一标准，让建站没有了门槛。有信息的人就能建网站，原来建站是专业工程师的专业工作。

所以，浏览器极大降低了创造的门槛，也就是今天所说的开发者门槛。另一方面，它把浏览网站的门槛降到了零，因为只要点击，就能完成所有的信息浏览过程。

于是，用户端爆发了，供给端也爆发了，无穷无尽的网站天天涌现出来。大家不知道该看什么，这时候就出现了雅虎。

雅虎最早就是一个目录：告诉你今天出现的100个网站里，哪些最有意思。到了后面出现1万个网站，它就告诉你前10个最有趣的是什么，再给你分类成娱乐、新闻、股票等。

所以雅虎其实是一个结构化信息的过程。它是一个目录，是在做熵减，不是在做熵增。熵增的同时，一定要有熵减，降低大家的认知压力。

我们今天还在一个熵增的过程中，各种Skill、各种能力正在爆发。

对。我们随便问身边任何人，大家都不会随口说出两三个自己天天在用的Agent。

您觉得谁有做熵减这件事的潜质？您看到一些雅虎的雏形了吗？是OpenClaw这种形态吗？

没有，我完全没有看到雅虎的雏形。所以我说，连浏览器现在都还没出现。

如果让我拍脑袋说，我觉得下一个最大的机会，就是类似浏览器这样的机会：它会把Agent的标准统一起来，同时让用户用非常简单的方法调用Agent，然后海量Agent会爆发出来。这可能是未来两年最让人兴奋的一件事情。

今天没有任何这样的雏形吗？

没有。所以这也是个反共识。大家都觉得OpenClaw可能是昙花一现，现在也没人谈应用了。但这个判断可能非常乐观。

不过，基于历史推演形成抽象模型，再去思考未来，底层演化路径就是这样。所以在这个意义上，我就不焦虑了，等着这些事情发生就好了。

假想一下，这样的产品形态可能是什么样？它的先决条件是什么？

交互形态是想象不出来的，这就要大家去创造。我们能总结出抽象规律，但一定推演不出一个具体形态。

雅虎到Google还有几年？您没有看到雅虎，应该也没有看到这个时代的Google，对吧？

这是我现在没法回答的问题，因为我不确定我们这个时代是不是一定会有雅虎和Google之间那么大的鸿沟。雅虎后来消失了，我现在看不清，太早了，不用讨论。

我们得先看到雅虎，让雅虎先辉煌3年，大概才能看到谁想去挑战雅虎。雅虎1995年成立，一直到2000年都很辉煌。Google成立以后，最初是给雅虎做To B服务商的，为它提供算法服务，是雅虎下面的一个小弟，帮它提供技术支持。

在这个意义上，是雅虎孕育了Google。

7. 模型公司成为AI云

这个时代的关键变量是模型。您是怎么理解模型的？模型的本质是什么？它可以类比于什么？

有很多可以类比的。比如大家说数据是新时代的石油，对吧？那模型实际上就是炼油厂。

从广泛提供基础设施的角度讲，它又有点像一个已经消失的公司——美国在线AOL。它是互联网基础接入服务商，让所有人都能够接入互联网，这本身就是一个巨大的工程。

今天，大模型让所有人都可以很轻易地接入智能的入口。所以在这个意义上，它也是基础设施服务商。

您觉得模型公司是基础设施服务商，它能类比成哪些公司？比如今天的OpenAI、Anthropic、Kimi、DeepSeek这些公司。

说得直白一点，就是AI云公司，是未来的AI云公司。

这也是为什么现在几家大模型公司和几家云厂商之间的博弈，在美国变得非常有趣、复杂。云厂商觉得自己付出太多、得到太少，模型公司可能认为，未来大概率要自建云服务，甚至自研芯片，像OpenAI这样。

这两个生态之间可能会发生碰撞和重新整合，最后会形成几家比较稳定的AI云公司，这一点是确定的。

大模型公司有没有机会从基础服务提供商，变成一家成功的应用公司？

这是一个开放的问题。如果主观给个结论，概率不会太高。

为什么？没有历史上的先例吗？Codex现在做得很好，Claude Code也做得很好。

没有啊，这是大模型的基础能力的延伸。Coding要成为基础智能的一部分。如果没有Coding，我们今天都谈不上调用API，token也不会成立。

正是因为有了Coding能力，token才变得这么有价值，因为它的智能程度和推理能力实现了突破。

像Anthropic这样的公司，成立还不到10年，短短几年就已经成为市值万亿美元的公司，这在人类历史上都非常罕见。您怎么解释这个现象？

这个描述本身就是一种幻觉和误解。年轻人容易认为，每个时代这一次都不一样，这就是典型的“这次不一样”。

我专门查过这件事。回到我们刚才讲的雅虎，雅虎1995年成立，2000年的时候达到1200亿美元市值。那时候的1200亿美元，大概相当于今天的1万亿美元。把通货膨胀和纳斯达克的基本变化算进去，那时候1000多亿美元，按大概8%的年回报计算，就相当于今天1万亿美元的公司。

所以，2000年达到1000多亿美元，5年时间，不比今天Anthropic带来的震撼更强烈，一样强烈。

刚才讲到的AOL，1988年开始提供服务，2000年达到高点时是2200亿美元估值，比雅虎还高，是当时市值最高的公司。后来它收购了传统媒体公司时代华纳，估值达到3000多亿美元，也是一个很恐怖的数据。

Google是1998年成立的，2005年达到1000亿美元。黑莓在巅峰时期也是一家硬件公司，曾经是最快达到千亿美元估值的公司。

所以，当一项技术有这么大的冲击力时，第1波成功跑出来的公司就会有这么大的价值。Anthropic、OpenAI是了不起的技术突破和商业成绩，但类似的先例在历史上、在类似阶段都发生过。

它们不一定能活到最后。它们很可能会活得不错，但大概率不是原生应用阶段的大玩家、大赢家。

即使回到石油这个比喻，炼油厂和化工厂也是两类企业。化工企业后来的价值远远高于纯粹炼油的企业，化工就是应用。炼油是最基础的，把石油开采出来，再变成基础的油。

还有一个类比：汽车离开石油肯定不能运行，但石油公司肯定做不了汽车。你没听说过哪家汽车公司是由石油公司转化来的。

我昨天刚好看了一下，陆奇博士在2024年说过一段话：OpenAI这样的AGI公司，未来一定会比Google大，只是大5倍还是大10倍的问题。

以您刚才的论述，我觉得您不仅不认为OpenAI可能是新时代的Google，甚至觉得它们可能只是历史上的过客，甚至会消失，是这个观点吗？

我是这个观点。我相信未来一定会有一家10万亿美元的公司，但未必是现在领跑的这两家公司。

陆奇博士想说的就是，未来会有一家AI时代的Google，很可能比现在的Google大10倍。

不，他说的是OpenAI。

我理解。我只是说，那个时候大家大概只想得到AI会代表未来。

但我是一个商业史研究者。最近我有时也开玩笑说，硅谷现在最时髦、地位最高的词叫researcher。大家一听researcher就很尊重。

我觉得我现在也可以说自己是一个researcher，只不过我研究的是商业世界的动力学规律。我们能看到的理论框架告诉我，第1阶段的企业很难活到第2阶段，第2阶段的企业很难活到第3阶段。

为什么第1阶段的企业很难活到第2阶段，第2阶段的企业很难活到第3阶段？按理说，它们这么早进入市场，对最前沿的信息也最敏锐，为什么不能及时转型？比如我马上从一家基础设施公司转型成为一家Agent公司，这不是很顺畅吗？

我觉得不顺畅，是因为第1阶段的技术核心是“可不可用”，所以有很多原创技术创新。第2阶段开始的标志，是第1阶段的技术发展渐渐慢下来，变成大家都能调用的技术，不用再重新开发轮子。

第2阶段的应用需要很强的洞察力，需要产品原创力，也需要和普通用户之间的同理心，还需要应用技术上的一系列创新。你可以把这一堆应用技术叫作新时代的大模型，也可以不叫大模型，因为它其实有很多新的技术前沿创新。

比如上下文管理，就有很多技术创新可以做。到底把它定义为大模型还是不是大模型，其实不是那么清楚。后面还会出现很多新的技术范式。

现在出现了很多新的New Lab。新实验室里的一部分人，可能会转向支持应用阶段所需要的新技术。这些东西结合起来，可能会成为第2阶段的王者。

技术依然在进步，但技术未必沿着原来的轨迹线性增长，它可能会发生技术范式的变化。

您觉得不管是中国还是美国，最后模型公司的格局会形成什么样的状态？

非常简单。公共基础设施行业只有一种商业模式能够成立，叫寡头垄断加政府强监管。

因为整个社会依赖它，所以政府一定会强监管。第二，由于这个供给如此重要，不能只有一个供应商。第三，由于基础设施投入这么大，肯定不会无序竞争，不会有很多供应商。

所以就是经典的寡头竞争、政府强监管，保证社会有稳定、低成本的供给，这才叫基础设施。你现在水电费能随便涨价吗？

当然不能。我知道这个现实对很多现在创业的人很残酷。那像OpenAI、Anthropic、Google的模型，您觉得它们都会并存吗？这里面有优劣之分吗？

当然有优劣之分，这是这个阶段最有价值的竞争。我讲的产业终局，并不否定现阶段这些企业的重要性，也不否定这些企业了不起的地方。

今年特别是Anthropic先领跑，OpenAI跟上，Google阶段性被甩下，其实是组织能力和技术能力出现了差距。xAI和Meta则直接退出了竞赛。在寡头竞争过程中，已经有人退场、掉队了。

为什么xAI和Meta会掉队？看起来它们资源很多，老板也很重视，算是一把手工程。

这可能跟我新书里面讲到的“智能复利”这个基本概念有关。

我觉得Anthropic从去年下半年到今年上半年，开始让大家清楚地意识到，他们开始用大模型训练大模型。也就是AI进入了它们的训练过程，把AI这个工具用到了自己的核心工作上，所以模型训练能力大幅提升。

这也是为什么今年上半年大家会如此兴奋：发现大模型还可以用这么快的速度，把性能提升到这么高。大模型本身进入了训练过程，但还没有到现在很火的“完全自我驱动”或者Self-Learning阶段，只是被局部使用，就已经产生了很大价值。

实际上，这两家公司也有组织上的优势。今年讨论得同样多的，还有很多文章在讨论Anthropic的组织优势，比如战略上的聚焦。相对来说，其他几家公司可能就比较弱。

当组织优势和一种新的技术运营方式结合起来时，就产生了巨大的领先优势，而且这个领先优势已经开始把比较弱的玩家甩到后面。

中国的这些模型公司会怎么进一步演化？

中国和美国会保持两个不太一样的生态。我觉得中国模型公司会持续追赶和发展，但中国模型公司之间的竞争，也会有点类似美国。

到今年年底，如果谁跑不到3T的模型，估计谁就出局了。这是一个淘汰赛，就像世界杯一样。现在可能是8进4，接下来4进2，8进4的时候大概率就会开始淘汰。

最后会留下有限的几家公司，成为基础设施。

这是您的观点？

是的。

现在看起来谁淘汰了？美国我们知道了，中国呢？

中国其实要看年底。到年底冲3T，大家现在都卯足了劲。Kimi K3刚刚到了2.8T，差不多算是有点领跑。Kimi在3T上先交卷，成绩基本满意。

接下来看MiniMax，通义千问肯定也很快会发布。MiniMax这些公司，差不多都在冲这条新的晋级线。

模型的格局今年会稳定下来吗？

还真不一定。可能要等前两名、前三名的优势基本和后面拉开以后，这两三家才不太容易再被超越。

您说的那个黑洞理论？

对，要形成巨大的黑洞效应，让其他家很难再超越。

Anthropic和OpenAI在美国，其实已经从智能复利的飞轮开始了，因为它们会继续沿着Self-Improving的道路往前走，差距会越来越大，所以有点形成了黑洞效应。

这也是为什么美国的云厂商有点慌，因为未来两者之间是什么合作关系，会变得非常重要。

在您看来，做模型的窗口期关闭了吗？新公司还应该再做模型吗？

以我们定义的、作为基础设施的大模型公司来说，窗口肯定关闭了。现在已经进入智能飞轮接近跑起来的阶段，你这时候进来，完全没有积累。

这些模型公司最后会趋同还是分化？

寡头竞争的特征就是有一定差异化，但又足够同质化。同质化是为了保证可以被替代，差异化是让大家还有钱赚。

所以模型公司是好生意吗？

是个很好的成熟生意。我们为什么说企业都是时代的企业？你肯定不会永远是当红炸子鸡。过个3到5年，如果你没有进入下一个阶段的竞争，你就会变成一个大家都调用的服务。大家只会在你不稳定的时候抱怨，不会天天夸你。

未来3到5年可能会看到新的迹象？

应该能看到。

如果它们是基础设施服务商，接下来一个阶段我们会看见什么？什么样的公司会成为新的时代性公司？

就是看谁是Netscape，谁是Yahoo。谁建立了Agent的标准，谁抢住了Agent的用户入口。

这个观点和我们今天想象的非常不一样。现在去Web Summit，只有到地下一层一小块区域，才能看到做应用的公司，二层、三层的大厂商做的都是现在已有公司的事情。

这就是2026年的一个快照，Web Summit的快照。

您觉得3年后会变成什么样？大胆预想一下。

我觉得3年后有可能开始出现Agent的入口，因为Agent太多了。换一个普通人的角度，你怎么知道哪个Agent能用？你敢不敢把一件重要的事情交给Agent？钱包敢交给Agent吗？个人隐私敢交给Agent吗？

这种信任从何而来？我怎么知道它收我的费用是真实的？这些都需要一个新的服务商，来给大家建立这种信任，让我们愿意说：“好，我相信你定的标准，相信你的推荐。”我相信里面的Agent，至于好不好用，那是我后面自己的选择。

8. Agent必须做复杂任务

接下来我们要聊的就是Agent。您觉得Agent现在应该已经爆发了？您怎么看它目前的状态？

现在就是百花齐放，大家各显神通，都在找切入点。

去年就有人喊Agent元年，也有很多Agent创业。我去年夏天在硅谷已经经历了第1波Agent的火爆。去任何一个Demo Day，基本上都有十几个项目，各种各样的Agent在那里，偶尔有几个做Inference、做基础设施的，但大部分都是做应用。

但是那些应用今年都不怎么样了。

因为去年的应用做的都是特别简单的任务。我看一场有10个项目的Demo，大概有3到5个是做广告的，有的做素材生成，有的做投放，就这么简单的事情。

我当时就觉得，这不太可能有长期价值。但如果我看到有一家企业开始想做增长，我就觉得这个事情可能有前途。为什么？因为增长很复杂，需要完成复杂任务。

只有做复杂任务，智能才有可能建立自己的智能闭环，才有可能形成一系列有价值的技术积累，而不是搭脚手架。

当智能能力不够时，做应用很大程度上是在搭脚手架，等着模型能力自然提升，把脚手架淹没。但是今天做应用的切入点和思路需要完全不同：你要假定智能已经完全够用，然后去想它到底能干什么活。

今天的核心是干活，而且是干复杂的活。越简单的活，越容易被复杂的活吞掉，因为它没有多少成长空间，事情做完就结束了。

那像Manus这样，去年提出做通用智能体的产品形态，您怎么看？

我有一阵子没有接触他们了，不知道他们下一步的发展思路是什么。但是Manus当时的确对市场非常敏锐，因为它抓住了Coding能力出现之后特别难得的机会窗口。

但它的定位是通用Agent。通用Agent当时能触达的，是一批Prosumer的生产力需求，所以当时那个切入点是对的。

今天一个Agent要再立足，至少要找一个10倍以上的切入点，才有发展的空间。

什么叫10倍以上的切入点？

就是比原来的应用场景大10倍以上。比如大家做PPT、出报告，这些都不够大。

今天技术又往前走了一步，智能程度又提升了一步，做长程规划这些事情，比以前进步了很多。你能不能再往前走一大步，把一个复杂任务解决掉？

那需要进入一个垂直场景吗？是做通用AI，还是做垂直AI？

这就是接下来大家比创造力、比天分的地方。教育、健康就是典型的大垂类。你只要在里面耕耘就够了，关键是在这个垂类里面，能不能找到一个足够好的切入点，现在能切进去，将来还能长得大。

通用领域里又会分To B和To C。To B里面哪个是关键，也不一样。

我觉得到今年年底，你会听到一堆要做“组织大脑”的Agent。组织大脑就是Agent，组织操作系统也是不同的叫法，或者说是CEO的Agent团队。这肯定会成为今年很火的一个主赛道。

这是To B端的。那To C端呢？

To C端会重新开始做情感陪伴、解决问题等应用，这些都会出现。

很多人都说，这一波应用很难形成上一代互联网、移动互联网时代那种数据飞轮。您怎么看？您觉得它应该追求数据飞轮吗？

数据飞轮升级成了智能飞轮，也就是智能复利。

数据飞轮一直存在，互联网更特别的是网络效应。我们先讲从数据飞轮到智能飞轮，是因为要真正把数据飞轮跑起来，像宇树机器人一样，其实也要有算法创新和应用场景，所以这是三者结合的事情。

刚才讲到的智能复利也是这样：你调用了基础智能，但你要让Agent具备更高的智能，去完成特定任务。在这个任务过程中，一定会有数据飞轮。

数据飞轮的前提是真实世界的反馈，而真实世界反馈的前提，是Agent能够独立干活，离开人的参与。

中间一定还会有算法创新，包括上下文管理、记忆、新的交互方式等。这样就会形成智能复利，Agent在这个场景下变得越来越聪明。

接下来，这种智能复利能渗透、延伸到哪些其他场景，去解决更复杂的任务，这就是它的发展路径。

找到，或者运气好撞上了最有规模、最能泛化的场景的人，最有可能形成黑洞效应，进入第3阶段的竞争。

这需要很多条件，才能达成一个原生应用的产生。

对。

现在看到这样的好场景了吗？

应该还没有。

如果有的话，肯定就火了，大家都会抢着用。

即使是阶段性的原生产品，第2阶段最好的东西一定是靠口碑的。因为它一定是在体验上有大突破。

龙虾也是自己爆的，没有人去做投放。雅虎也是一样，口碑相传，一下就火了。

我1993年在UIUC读书，那里是浏览器诞生的地方，所以我可能是全世界最早使用浏览器的1万人之一。整个校园都疯了，大家天天晚上不睡觉，用浏览器看各种能看到的东西。

然后大家马上会觉得，网上能看的东西怎么这么少？有人就会意识到，做一个网站上传上去，肯定是最有意思的事情。接下来又有人发现，原来这是一个商业机会，我可以赚钱，飞轮就转起来了。

所以，您在OpenClaw这个时刻，感受到了1992年、1993年浏览器爆发时的那种感受。大家装不上OpenClaw，都会觉得很焦虑。

是的，感觉要被时代淘汰了。

刚才说的是数据飞轮，那网络效应呢？在AI时代，网络效应会是什么样？

第1个，网络效应会继续存在。它像基础设施一样，已经成了这个时代的标配。因为最后还是要广泛连接。

即使从数据的本质来说，越多元化、越差异化的数据，越能产生新的洞察。同类型的数据规模到了一定程度以后，价值其实会出现边际递减。

第2个，我觉得网络效应的升级版其实是黑洞效应。应用场景越多，连接越复杂，就越有可能拓宽你的智能边界。所以，黑洞效应在某种意义上是AI时代网络效应的升级版。

我在《智能商业》那本书里讲过DNA螺旋的两个组成，一个是数据智能，一个是网络协同。黑洞效应相当于这两个都升级了。

数据智能，现在的AI还是数据智能，还没有进入所谓符号AI的阶段。网络协同则变成了黑洞内部的一种网络结构，能够快速吞噬更多场景，而不是原来那种简单连接。

新的时代还会出现平台吗？

肯定会。入口就是平台。

上一代很多平台，是因为信息效率不够高，所以需要一个平台，让信息效率进一步流转。今天我们可以用判断力代替信息不对称，但判断力也是稀缺资源。

所以刚才讲到的，会出现一个双边市场：海量Agent开发商和海量用户之间，怎么完成匹配。

我们看一个网站，很容易判断它好还是坏，成本不高，不好就不看了。但使用一个Agent，有可能出现很大的负面影响，所以判断Agent能力的要求更高。

在这个阶段，我们大概率会把判断力让渡给一个独立第三方，因为我们信任它。这就是典型的双边市场结构，而双边市场具有中等程度的网络效应。

新的平台和旧的平台，可能不一样的地方是什么？旧平台能变成新平台吗？能演化过来吗？

大概率不能。因为旧平台做的是简单的信息匹配，新平台要做的是能力和需求的匹配，复杂度高了很多，两边的东西都发生了变化。

虽然还是匹配，但匹配的东西不一样，所以大概率会诞生新的公司。因为如果不是Agent原生的，你怎么判断Agent？怎么给Agent提供最好的通用开发平台？

但现在是不是走到平台这一步还有点远，可能还要几年？

大概需要3到5年。

今年大家也在谈Agentic OS。首先，什么是Agentic OS？您有一个定义吗？

我觉得没有人能定义。那个OS，我把它放在第3阶段，所以我们可以基于它来讨论。

因为到了OS，就开始调度资源了，不再只是做匹配。你只要告诉它一个意图，它就直接调用市场上所有的Agent，帮你把事情做完，你甚至见不到那个Agent。

但首先，Agent得爆发，真正爆发出来。

所以一定要经历第2阶段。

对。只有到了足够复杂的阶段，你才需要直接调度Agent；Agent也要成熟到那个阶段，才能被简单调用。

所以，Agentic OS比我们想象的可能要远。我个人觉得，这是第3阶段的事情，还比较远。但大家在第2阶段就容易畅想第3阶段可能是什么，所以这个讨论仍然有意义，只是大概率没法在现在这个阶段落地。

您构想中的Agentic OS可能是什么样？它的话语权有可能被谁争夺到？模型公司、应用公司、互联网公司、算力公司，还是像苹果这样软硬一体的公司？

按照我的理论框架，肯定是一个谁都不知道、现在还不知道长什么样的公司，这才叫大创新。否则，它就配不上未来的价值。

Agent能长成什么样，我们现在不知道。到了第2阶段，Agent的原生硬件长什么样，我们也不知道。所以，这两个东西都要充分探索到一个比较成熟的阶段，我们才可能找到最自然的AI交互方式。

到那时候，AI才能提供现在想象不到的便利性，那就是未来的科幻了。可以去问科幻小说家，那时候会是什么样的状态。

我们大概可以基于历史做3步推演，但每一步具体的Agent长什么样、Agent生态长什么样，以及下一步Agentic OS、原生应用长什么样，其实都是问号。

但是讨论第3阶段的好处是，你大概知道最终终局的方向，所以做第2阶段时会更有针对性。到了第2阶段中后期，一部分人的注意力也会开始走向第3阶段。

今年Agent应用公司都很惨淡，可以说到了近两年来Agent应用的冰点。去年大家投资应用公司的热情还挺高，但今年大家觉得，那不就是模型的一个Skill吗？应用公司都很难融资了。

您觉得这个现象是短暂的还是长期的？有什么想对应用公司的CEO说的吗？

我觉得现在是应用领域创业者的反共识阶段。因为还没有一个好的应用让大家看到它有多大的潜力，以及应该怎么做，所以大家都在摸索。

比如视频生成，这是相对成熟的领域，做AI视频生成的公司也很多。大家最终的目标可能都是做AI时代的TikTok，也就是抖音这样的产品。但大家都知道，现在距离那个目标还很远，所以第1步到底做什么，非常考验功力。

AI短剧、动漫的门槛又有点低，所以很快半年时间大家就都做完了，而且模型能力一上来，基本就做完了。

我们正好处在青黄不接的时候：模型能力已经溢出到很多简单任务，模型自己就能完成，但我们还没有找到一个足够大的场景，可以用Agent的方法真正让AI做一件足够复杂、足够有价值的事情，同时把性价比很好的智能充分利用起来，再形成自己的独特技术积累。

所以，大部分人其实低估了Agent的难度。

去年大家有点像小孩过家家。我有一个新玩具，有很多好玩的事情，于是大家开始下场玩各种各样的东西，没觉得它能做多大。那时候的考核标准也很简单，只要有ARR就好。

ARR本身当然有价值，总有人愿意付费。大家有了好的ARR，就觉得很开心。

我到去年年底在整个硅谷的感受，就像一个创业的天堂，所有人都玩得很嗨。但今年模型能力出现了大的突破，原来那批过家家的小孩子就被淹没了。

今年大家的普遍感受是，智能真的能干活了，可以信赖了。因为推理能力达到了一定水平，开始有人想：我能不能认真拿它干点重要的活？这才是应用阶段开始的真实标志。

所以，模型公司会吞噬一切吗？您肯定听到过这个说法。

“模型吞噬一切”的前提，是所有东西都在模型的射程内。按照现在的范式发展，模型肯定会经历一个阶段性的发展阶段，智能够用了。智能够用以后，就会出现一堆新的技术要求，去做不同场景下的事情，那模型不可能吞噬所有一切。

我举一个很直观的例子。1892年，爱迪生发明电灯泡，照亮了曼哈顿大概1平方公里的范围，这个大家都知道。1910年左右出现了实质性突破，美国开始有发电厂和电网的概念，电网覆盖了美国主要城市。

也是在那个阶段，除了照明这个第1个大应用，家庭里真正出现了两个To C的大应用：洗衣机和电冰箱。还有一个很重要的应用，是收音机。

第3个离不开的家用电器，到1925年才出现，那就是空调。现在欧洲的酷暑已经让很多人意识到空调的重要性，今天大家都离不开空调。到1930年，电视机才出现。

所以，应用的发展有它自己的规律。我们今天离不开洗衣机、电冰箱和空调，但收音机、电视机被压缩到了手机里。电视机还有一点存在感，但基本上被电脑和手机取代了。

这里面还有一个很有意思的公司层面的选择。爱迪生发明了电，但他认为发电更重要，所以成立了通用电气，最早做发电设备，但没有意识到电网非常重要。他的助理离开之后，成立了美国第1家输电公司。

通用电气真正成功，是因为生产出了最早的电冰箱和洗衣机。它是因为一个To C应用突破之后，电网才成为基础设施，成为To B服务的基础设施，大家不再关心电网公司的品牌。

通用电气繁荣了60年，一步一步做出了各种各样的应用。

刚才说的是硬件To C产品，那时候还没有软件。虽然那时候也开始积累知识，但积累得很浅。IBM成立于1910年，是因为有了这些设备以后要开始处理数据，现代化工厂出现了，所以需要有人管理信息。

IBM真正大发展，是计算机出现以后才开始的。要看的是，在智能时代，谁能更好地利用智能，做出To C或To B的产品，不管是硬件还是软件。

现在应用公司做着做着，就会开始训练模型，因为它们觉得没有自己的模型，和模型公司竞争时可能没有竞争力，比如Cursor。您觉得应用公司应该训练自己的模型吗？

我还是先澄清一下概念。我觉得我们应该把Agent，也就是智能体，当作新时代的主体，这是创业的关键。

它们和模型之间的边界会逐渐清晰。我刚才也讲到，Agent公司的技术创新可能非常大，只是不一定沿着现在大模型技术创新的轨迹。

同时，大模型之间的竞争，会让大模型能够提供的能力变成大宗商品和基础设施。所以，做智能体的公司其实没有必要再开发这样的大模型。

Cursor不是我们定义的这种主体。它当时是在Coding能力不够的情况下，去试探模型能力的边界。模型发展以后，它其实被Fold in，也就是被包进去了，成为模型迭代的一部分养料。

这是两个完全不同的阶段。过去两年不容易找到规律，是因为这些东西都在动态发展。但当你理解了基础设施和Agent发展的根本差别以后，做Agent的人可能会认为，自己未来的技术和大模型技术之间，会有一个比较清晰的边界。

所以Agent公司不用自己训练模型？

不用训练传统意义上的模型。因为你可以稳定调用，不用担心模型公司切断你，总会有合理的替代品随时接上来。

Manus需要自己训练模型吗？

要看它接下来想训练什么样的模型。做Agent也要进行很大的技术投入，所以Manus正好卡在中间，需要去探索边界在哪里。

这可能都是我们阶段性遇到的问题：模型公司要怎么做应用，应用公司要怎么做模型。慢慢地，产业生态会更加清晰。

也就是说，开始有几个像样的To C Agent跑起来以后，大家就大概有感觉了。

为什么OpenClaw会火热一下，热情很快又下去了？

第1个原因，它的用户还是小众，毕竟极客和CEO最感兴趣，并没有扩展到大众。第2个原因，现在技术确实不成熟。

大部分敢于尝试的CEO，都被折腾得痛不欲生，真正能够把龙虾跑起来的没几个人。所以它做了一次很好的演练，让大家看到了潜力和方向，但产品本身还是早期产品。

按照企业发展周期，或者创新扩展周期，它就是最早让极客尝试的实验产品。

今天可以说，一个非常好的To C应用、To C Agent还没有出现吗？

在我有限的范围内，还没有看到。但它一定会出现，大家没有那么悲观。

其他人很悲观吗？今年都到了历史低点。

没有。只是从投资人的角度来说，他上一轮受了伤，这一轮又没有看到像样的产品，所以可能暂时不想看了。

你想，如果没有好的To C应用，我们要AI干什么？

有没有可能，应用最后其实就是几家模型公司做的？最大的机会有可能属于OpenAI？

OpenAI一直就想做。模型公司一定会想做，也一定会做，但能不能做到，要看它的组织能力和创新能力。它最后能不能成功，是另外一回事。

您有什么想对应用公司CEO说的吗？

现在苦苦挣扎的应用公司CEO，找到自己的发展方向，认真做好自己的事情就好。但融资是一个很现实的问题，这我也理解，没办法。

早期做一件全新的事情，本来就比较困难。

9. New Lab取代公司

2026年还有一个现象，除了这波应用公司，还出现了很多New Lab，不管在美国还是中国。它们的方向可能有AI for AI、世界模型等。您怎么看New Lab背后涌现的根本原因？为什么需要探索新的模型范式？

我觉得可能有几个方面。

一部分人看到了现有范式的天花板，或者像颜朗困这样，从原理上就认为这个事情存在偏差，天花板非常有限。现在他们终于有机会去尝试自己一直以来的想法。

另一部分人觉得，Scaling Law早晚会出现边际递减的趋势。不管现在发展得多好，早晚会出现这个趋势，这可能也是一部分人的共识，所以大家一起走出来了。

第3个原因，反而是因为大模型的基础能力已经到了一定程度，大家可以尝试和现有大模型技术路径不太一样、但同样非常底层的创新，比如AI for Science。

这些事情也需要大模型支持，但做的事情可能和现在的大模型技术路径不一样，所以这几大类都被统称为New Lab。

New Lab会成为过渡性现象，还是会成为长期的组织形态？

我觉得它们是新组织形态早期的雏形。

新的组织形态早期的雏形，还是会长期存在？

会继续演化。大家为什么叫New Lab？因为不满意公司。公司要被淘汰了。

公司会被淘汰吗？

肯定的。公司和工业时代一起产生，工业时代之前没有公司，只有手工作坊。

工业时代最大的制度创新，就是有了公司这种组织形式，让现代化管理可以运转起来，支撑公司的规模化扩张。这是一个配套制度。如果工业时代的很多基本经济规律被挑战，组织形态肯定也会被挑战。

所以大家更愿意叫Lab。但Lab更像一批研究员在一起工作的状态。我为什么说它是雏形？因为未来普通人也可能用这种更加AI原生的方式工作，所以它还会继续演化。

真正最早的New Lab是OpenAI，或者说加上Anthropic。所以这批企业可能应该叫New New Lab，因为它们借用了New Lab这种组织形式，但开始做不同的事情。

New Lab的本质应该是Lab，而不是公司？

对。

您觉得未来会成为常态吗？未来我们叫这种组织什么名字？

现在不确定，大概率也不会叫Lab。

你看我这本书里，我刻意从头到尾都在讲组织，特意不用“公司”这个词，就是因为我觉得，包括今年大家都在谈AI原生组织，为什么要用这么复杂的3个词？因为这个词还没有被定义出来。

这种组织形态还处在孕育期，可能5年以后会有一个新词，代表这种新的组织形态。但今天没有，所以大家叫AI原生组织，简称New Lab。

所以您觉得，公司作为工业革命的产物，有可能消失？

科层制管理的公司制度会衰亡。

但是人类的分工协作会继续。

组织永远会存在，因为有人的地方就有组织。但组织采用哪种形态，是一个历史演化的过程。

为什么AI革命会带来的变化如此剧烈，甚至感觉已经伤筋动骨，连组织这种形态都从公司向其他方向转变？为什么变化这么大？

讲两个类比就能理解。

第1个，至少把它类比为工业革命。工业革命基本颠覆了农业时代所有的东西。如果AI是超越工业革命的技术创新，那工业时代的大部分东西也会被淘汰。

第2个，从更底层的角度说，人类一直以自己是地球上唯一的智能动物而自豪，典型标志就是我们有语言、会说话。现在AI也能说话，能理解人类所有的知识，也具备了智能。

从这个角度说，未来世界发生的变化会超出我们的想象。过去很多习以为常的事情，20年以后完全可能不存在，这应该是大概率事件。

AI原生组织应该怎么搭建？

这是一个特别大的话题。我们先讲最底层的逻辑：岗位可能不存在了。

岗位是公司最基本的运行单元。我们应聘，都是应聘一个岗位。公司发展，要先确定一个岗位，写一份工作描述，然后去招人，公司才能发展。

有了岗位，就有汇报线、层级和相应的报酬，所有东西都和岗位连在一起。岗位是现在组织的基本单元。

但AI时代，组织的基本单元是任务，是要被解决的事情。大家是围绕任务流转的，这个组织肯定完全不一样。

如果从岗位变成任务，人应该怎么在这个组织里结构起来？

这是现在大家探索的最有意思的问题。

阶段性的产品，是大家所说的AI一定要嵌入工作流。但这只是阶段性产品，因为那个工作流是为人设计的，还是现有公司和组织加AI。

AI原生组织从第1天开始，就会定义任务、拆解任务、分配任务。所有人和AI，硅基员工和碳基员工，都是围绕任务流转、协同的。

这超出大部分人的想象，需要一点时间消化。以后找工作找什么呢？没有岗位了，去认领任务？

对。现在这几个大的Lab，都是发布任务，然后你去认领。你觉得自己能干，就接下来；你能交付结果，东西就上线。

公司只要发布任务，你去认领就行了。

它是一个更加网状的结构？

是的，层级会进一步减少，甚至不存在了。层级存在，是因为不知道谁说了算，所以先定一个层级，级别高的人说了算。

层级不是以判断力为标准的。当然，层级本身和判断力的积累有关，但原则上，在任何一个特定场合，还是级别高的人说了算。

未来是谁的能力强，谁就被调用。

那基层、中层、高层这种结构也就没有了？

中层、高层、低层，为什么叫科层制管理？因为它有垂直分工和命令线。当命令线被打破以后，未来的协同就不再靠命令，传统意义上的中层肯定会消亡。

怎么激励员工？设置层级，一部分原因也是作为激励线，让你在组织里不断晋升。

对。未来的绩效考评和人的驱动力，本质上是自驱。

为什么这半年硅谷最流行的词叫High Agency？就是主观能动性。你自己掌握自己的命运，有没有成长，没有人比你更了解。

你成长了、开心了，就继续做；没有成长、不开心，就换个地方。

而且，你的竞争对象似乎也不只是同事，也包括AI同事。

第1个非常重要的变化，是要更加向内看，你自己得找到驱动力。第2个，你要有主观能动性，要明白自己要培养什么样的能力。第3个，你要找到这个能力最适合应用的场景，跟着这个场景一起成长。

第5个，因为你承担了任务、交付了结果，这些东西非常透明，所以你一定会得到相应的奖励。

为什么这些顶尖研究员的转会费那么高？

因为贡献很透明。你看，现在采访的时候，很多人的Title都叫顶尖研究员，连VP之类的头衔都不写了。这个不需要写，大家也知道他们的江湖地位。

整个网络更加透明了：谁在做贡献，谁没有做贡献，很清楚。两家公司都有前30个人、前300个人、前1000个人，你在不在里面，大家都知道。

所以，New Lab不能算一个阶段性的产物，而可能是新时代组织的早期形态。

对。之所以叫Lab，是因为现在主要员工是研究员。研究员最能理解的就是Lab，他们不喜欢公司，也不喜欢大学，但喜欢Lab，所以叫New Lab。

未来，所有有创造力的人都可能存在于这种现代新型组织里。那时候大家不会局限于Lab这个称呼，也可能不叫公司。

肯定不叫公司。

对。

公司会消失、会消亡，这没有什么可遗憾的。现在有多少人去公司上班是开心的？

不开心。

那将来可以有更开心的方法，这不就是技术进步给人类带来的价值吗？

对。

一人公司会成为一个发展方向吗？

不会。一人公司只是说，公司的很多职能坍塌到了一个人身上。一个人现在能干原来几十个人能干的活，但一个人能干的活永远是有限的，所以一定需要组织、分工和合作。

一人公司是一个阶段性的产物，它只是让大家理解：一个人有了AI帮助以后，能够完成原来一个公司花很大管理和协调成本才能完成的事情。

未来每个人都像一个一人公司，是一个“六边形战士”，然后在组织里和其他六边形战士一起合作。

既然会产生这么多新的组织形态，传统公司怎么办？

转型、升级，成为新物种。

怎么转型？

不换脑袋就换人。

不换脑袋就换人？

对。自己的认知先要升级。

为什么现在讲AI原生的认知和理念有价值？因为你得理解新物种会长什么样。至少要理解要跨越的鸿沟有多大，才会去努力。

否则，大部分人会顺着惯性一路做AI加法。但当原生公司真正发展起来时，就会很绝望。

我原来理解，这一波New Lab其实还是早期探索阶段的一些组织形态。但也许未来到了应用公司，它的早期形态也有借鉴价值。

现在的New Lab的确都在做早期探索，而且偏技术性，所以被叫作New Lab非常自然。

未来的公司也会做非常有挑战的探索型事情，只是技术只是其中一个环节，甚至不是最主要的驱动环节。

这种组织会喜欢什么样的类比？Club，或者其他什么？

现在大家喜欢的是球队的感觉。它是一个职业球队。如果你是NBA明星球队中的明星球员，那肯定就是最大的成就。

我觉得这批人可能会找到一个新的方法来称呼自己。New Lab里Hacker和AI协作的方式，可能会延续下去。

现在这些New Lab有泡沫吗？

大概率有。但泡沫是好事，早期泡沫肯定是好事。重赏之下才有勇夫。

而且大家都看到了类似的机会，这就是市场机制的价值。你事先没有上帝视角，不知道谁对谁错，所以只能让大家去试错。

市场会说：我知道这是一个方向，所以愿意投入这么大的资源支持大家试错。

这一轮New Lab之所以这么值钱，或者说可以以这么高的估值开始，是因为大家认为它们至少起步是OpenAI和Anthropic。当潜在回报这么高时，投资人当下愿意下的赌注肯定更高。

从您认为OpenAI、Anthropic只是基础设施提供商的角度来说，New Lab是不是不应该值这么多钱？

不是。你依然可能得到一个10年内从0到1万亿美元的公司，那个回报是无比巨大的。

投资人只关心OpenAI和Anthropic未来3年能不能从1亿多增长到至少3亿，最好到5亿，否则他们连承担投资风险的抓手都没有。

但投资New Lab的人，更多是希望其中某一家最终有机会成为下一个OpenAI和Anthropic。

10. 组织生成新战略

您这本书把组织问题放在战略问题之前。为什么？您是战略专家，理论上不是应该先有战略，再定组织吗？

过去我们都是这么做的，但还是要回到那个基本判断。虽然这个词有点俗，但我觉得还是要讲：AI对于工业时代，是一次范式革命。

所以我们看到的是新物种。新物种的共性，比单独讨论其中一个环节更重要。

我后面两年为什么越来越多地关注组织？因为你会发现，想要的那种未来战略生成方式，和原有组织并不匹配。只有用新的组织形态，才能生成新的战略。这两个东西是阴阳和合的。

为什么会有新的组织形态？

因为它面对一个非常原生的大挑战：决策频率越来越高，对决策质量的要求也越来越高。

新的组织里最重要的决策就是战略决策，所以这两个东西分不开。你得一起摸索，怎么用新的方法做新的战略。这个战略帮助你进入下一个阶段，你才有机会尝试更多组织创新。

如果给一家AI原生公司的CEO提建议，搭组织最重要的是什么？

搭建原生组织，先天就有优势，也可以搭建原生组织。关键还是对AI理解的深度够不够，你自己够不够原生。

我碰到过几个在这方面走得足够远的创业者，他们基本都自己重写了公司内部的运行体系。因为他们编程能力很强，AI帮助很大，基本上都是李志飞讲的那种故事：把自己关在家里三天，基本上就把框架写出来了。

他们对组织运行的原型有深刻理解，AI最大的帮助，就是能够快速把原型实现出来，所以他们基本都做了一套自己的体系。

但大部分人今天可能满足于飞书的AI升级，觉得那已经够用了。而且原来就在飞书上，迁移成本也高。自己又做不出什么新东西，也没有能力判断别人做的东西是否可靠。

这中间就形成了一个分水岭。未来真正要做原生组织的第1批CEO，大概会自己动手重写组织运行方式，因为那就是未来组织的神经网络。

它的神经网络是怎么连接在一起的？

工作流、任务流，和神经网络的类比，本质上是一致的。

原来的ERP是一条固化的道路，固化的道路一定有僵化和局限，不可能是实时反应的网络。神经网络的适应能力远远超过任何东西，它天然对应任务。

对于已经有公司的CEO，您有什么建议？

如果你想继续在最前沿参与竞争，的确要在AI原生方面做更大的努力。

竞争都是相对的。你和兔子比赛跑，速度要求和你跟猎豹比赛跑，肯定不一样。

谈战略之前先谈组织，说明组织对CEO来说变得更重要了。但它们其实是阴阳两面，没办法完全剥离，因为都是基于同样的新DNA长出来的东西。

我讲战略时，一定会讲到组织。比如聊着聊着，我会问：你们公司到底有多少人？现在谁参与战略讨论？这就进入了组织部分。

聊组织时，又会问：你现在组织面临的最大挑战是什么？你的组织是为了解决这个问题的吗？它有没有机会解决这个问题？所以这两个东西结合得非常紧密。

未来组织的构想，除了中心从岗位变成任务，还有哪些不同？人会变得更少吗？

人变得更少，或者阶段性变得更少，这是肯定的。将来说不定有很多好玩的东西，大家可以一起玩，那是第3阶段的事情。我们只讲第2阶段。

第2阶段是因为AI杠杆作用足够大，对人的要求又相对较高。所以一开始能够适应新组织的，是相对少部分非常积极主动、愿意尝试新东西、学习能力非常强的人。

他们会摸索出一套和AI协同的方法。这套方法摸索出来以后，也许可以开放出来，吸引更多人用相对简单的方法参与进去。

太有意思了。我感觉现在正处在智能革命的开端，可以尽量把它往大了想，而不是往小了想。不要只想成互联网的变化，可能要想成比工业革命更大的变化。

是的。未来可能是翻天覆地的变化，而且一切才刚刚开始。接下来的想象力属于所有人。

第1阶段，所有团队和创业者都以研究员、技术专家为核心，因为要做早期特别大的技术突破。但当技术成为基础设施以后，各种各样的产品、运营、用户连接和同理心，就会变得非常重要。

我看到您书里也对研究员为什么值这么多钱，给了一部分合理化解释。因为他们和AI交互最多，最能理解AI的边界，也能够和AI进行最好的互动。

现在他们就是创造最大价值的人。市场又比以前更高效，能够快速、敏锐地识别出谁在创造最大价值，所以他们获得了市场认为他们应得的价格。

您觉得产品经理在下一个时代还重要吗？

当然重要，或者说会变得无比重要。做什么产品、服务什么客户、创造什么价值、使用什么技术，这些都是产品经理要做的决定。

有限的时间要投入到哪件相对最重要的事情上，也需要产品经理判断。

只是今天我们看到的大模型公司，因为必须由技术主导，所以基本都是研究员主导的。

但这里有一个特别有意思的现象。我也讲得比较尖锐一点：这一批创业者要过的一个很大的坎，是有没有足够开放的心态去理解商业世界的运作规律。

很多技术人员无法接受一个简单事实：我的技术这么强，创造了这么大的价值，为什么我的公司可能不值钱？

因为经济学的基本规律是，只要有同质化供给，就不可能获取高额利润，你就是一家不怎么值钱的公司。这和技术人员过去接受的整个模型训练完全不一样。

所以，极少数技术人员必须完成这种蜕变。作为CEO，他必须理解经济学基本规律和商业世界运行规律，才能成为合格的CEO，把公司带得足够远。

您觉得新时代的产品经理，或者CEO，需要有研究员背景、技术背景吗？

下一代大概率不需要。这一代需要，这一代模型公司肯定需要。但下一代由应用驱动，就不需要。

你到巨声这一代就已经看得到，基本都是联合创始人，一个有大模型背景，一个偏应用和商业背景。因为它们一开始就遇到了这个问题。

今天好像一个创始团队的联合创始人变得比以前更多，这也是AI原生组织越来越显著的特征，因为每个人都不可或缺。

对，否则就用Agent替代你。

所以我书里有一个很重要的判断：未来整个企业会越来越像合伙人企业。

公司是工业时代最大的制度创新，取代了手工作坊。但有一个制度一直平行存在，就是合伙人企业。律师事务所、大型咨询公司，甚至投行，早期其实都是合伙人企业。

合伙人企业的典型特点，是几个人的分工合作都很重要，少了谁都不行。所以未来的组织，会越来越普遍地出现全员都是合伙人的情况。

否则我就不招你。招你，是因为你的贡献不可或缺。你其实就是合伙人，只不过早期进来可能叫联合创始人，后来进来叫合伙人。

每个人都有不可替代性。

对。人数也会显著变少。只要是一个合伙人组织，就像一个球队，每个人都有差异化，不是同质化，每个人都要更强。

大家要互补。

对，大家肯定要互补。如果你的能力覆盖重复，那就靠数字分身去做。

多少人比较合适？

这和任务有直接关系。比如OpenAI，人数上升也很快，因为它解决的问题越来越复杂。

AI时代创业者的特征，和过去相比发生了什么变化？

这个阶段的变化非常明显，就是科学家创业。但它不会持续到下一个阶段。下一个阶段，我觉得科学家创业的比例会大幅下降。

您之前也说过优秀创始人和卓越创始人。您觉得它们的分界和差异是什么？您能一眼识别哪个是卓越创始人，哪个是优秀创始人吗？

识别不出来。为什么说卓越难？我讲过最重要的一句话：卓越是事后认定的。

因为你克服了一次又一次的负反馈，当所有人都不认可你的时候，最后用巨大的成功证明自己是时代最早的先知。所以卓越的过程是逐渐展开的。

优秀则是一个持续获得正反馈的成长过程，这两条路径完全不一样。

大部分人是优秀的人，因为优秀和人的心态更匹配。和卓越同样成比例的，是很多疯狂但失败的人。

真正卓越的人，往往有疯狂的想法，但能走向卓越的人比例非常低。狂想的人可以很多，也很容易，但不只是想对了，还能把它落实，这是极为稀缺的能力。

而且你问这些人，他们可能也未必认为自己有什么不同。

《基业长青》和《从优秀到卓越》都是同一个作者写的。书里讲到，那些特别卓越的企业，真正问这些人的时候，会发现他们有一个极大的共同特质：都把成功归于别人，也都认为自己是因为运气。

这是他收集这些人的访谈和对外沟通信息后得出的结论。一开始听起来有点反常识，但真正去体会，应该就是这样。

为什么？

因为事情大于人。你一定要自我很小，才能走那么远。是时代成就了你，你只不过碰巧在合适的地方，和合适的人一起做了合适的事情。

如果你只是为了证明自己、证明自己有多厉害，就像书里面讲的第四级领导者一样，到了某个时间点，世界就会打你的脸，证明你没有想象中那么厉害。

所以，自我小一点才有可能。

利他、同理心和自我逐渐变小，大概是走向卓越必不可少的因素。

因为你的Ego如果很大，就会一直想证明自己，一直处在正反馈循环里。你大概率走的是一条普遍正确的道路，因为你急着证明自己，需要短期反馈。

你是为了自己的Ego，所以不会真正感知和理解真实世界。你处理信息时，一开始就容易受到先入为主判断的影响。

如果是另一条路呢？想的是怎么把事情最大化，或者怎么把事情做好。愿意听更多人的不同意见，相信大家都很优秀，是为了成就共同的梦想。

那整个公司的凝聚力就不一样了，这才是真正意义上的使命驱动公司。

如果问我的话，我会把公司分成4个层级：机会驱动的公司、战略驱动的公司、远见驱动的公司、使命驱动的公司。

但这个使命必须发自内心，你真心相信、完全信任并拥抱它，而不是编出来写在墙上激励别人。这样的人非常少。

怎么辨别它是使命还是战略？

可能只有你自己知道，甚至自己也不知道。

经常有创业者来找我讨论战略问题，我问的第1句话往往就会把他们问懵：10年以后，你会对怎样的自己感到满意？

这个问题最能反映你对当下有什么期望，也能看出你这一段旅程是什么驱动的。

但这个问题本身也是一个自我异构的问题。你有自我异构，才会想10年后的自己是什么样。

有人会说：“我就是对这个事情特别感兴趣，希望这个事情能成。”这说明事情已经大于人。有人会说：“我就是好奇。”这也比证明自己更有意思。

还有人会说：“我就是要做一个100亿美元的公司。”这是负分答案，因为它基本是自我驱动，是想要一个外部认可。很多事情都会基于这个目标调整和变化。

它不是内在驱动，而是外部驱动，很容易受到外部衡量标准影响，每一轮估值都可能冲击他。

这都像在交答卷。您听过最好的回答是什么？

马云最早创业之前讲的“让天下没有难做的生意”，那是他发自内心相信的东西。

那是使命还是战略？

是使命。

还有更好的回答吗？

我觉得马斯克去火星也是使命。这是一个脱离自我的事情，他要把人类带入外太空时代。

对创业者来说，哪些是非共识，哪些是噪音？怎么辨别？

这和战略制定有很重要的关系，因为你就是在做判断，判断信号和噪音。

第1个，尽量让自己的感知更全面，真实地体会外界发生了什么变化。第2个，思考要更深入。这样才能慢慢分清噪音和信号。

很多人不太过脑。思考不深，当下流行什么就跟着流行，所以会很累，一直在追趋势。别人已经领跑两步了，你没看见，只看见他刚刚冒出水面的第3步，所以你去追，从第1天就输了。

还有一种可能，是你接触的面太窄，容易做出局部最优的判断，但失去了更大范围的视角。

这些都像心法。我个人也比较爱琢磨心法层面的事情。

理论的东西反而容易把大家框住。你只记住那句话，然后依葫芦画瓢，就容易出很多问题。

但如果掌握了心法，就能根据具体情况随机应变。

您也说，现在做战略首先要看组织，而且战略是实时变化的。那今天战略还重要吗？您以前说过“看10年、想3年、干1年”，这在AI时代还有效吗？

今天战略无比重要。一个重要决定做错，你就出局了。这个淘汰赛可能几个月就发生，所以我才说，AI时代需要一套新的战略方法论，因为持续做出正确战略决定的重要性非常高。

越不确定的时候，越需要战略思考能力。如果一切都很确定，大家拼的就是执行能力。

“看10年、想3年、干1年”，是我对AI时代战略方法论的形象化总结。但大部分人只记住了“看10年、干1年”，因为那是他们习惯的工业时代战略方法论。

工业时代，或者从1990年代开始的传统企业方法论，面对的是一个相对成熟、发展缓慢的世界。看10年比较清楚，因为每年增长5%、8%，10年以后大概变成什么样，也没有新的玩家，所以大概知道。

在这种情况下，做今年的规划也很容易，基本就是线性推演、线性外推，战略也就不重要了。大公司甚至把战略外包给麦肯锡这样的咨询公司。

所以从1980年代到2000年左右，麦肯锡、BCG这些公司井喷式发展，就是因为大家认为战略不重要，可以外包给别人。

过去它们根据行业经验和战略方法论，帮你制定10年规划，你按年执行，双方都很满意。

但今天的问题是，看1年远远不够，没法线性外推。线性外推不可能得出Anthropic今年收入同比增长80倍这样的结果。

你是一个Vision-Driven的人，放弃线性外推，才可能拥有未来。但未来如此不确定，看10年也帮不了你太多，因为你还是不知道当下从哪里下手。

所以你得逼着自己想一个大概3年左右的图景。真正的创造力在于看3年。看3年，要求你大概看两三步：第1个里程碑是什么，第2个里程碑是什么，第3个里程碑可能是什么。

然后，我今年做的第1件重要事情，是为了满足哪一个里程碑？这样你就会有短期、中期、长期之间的动态张力，引领企业更好地做出当下的战略选择。

没有看3年的张力，战略就没有发生的环境。这相当于在三维空间寻找最优解，和在二维平面寻找最优解，完全不是一回事。

应该以多长的周期来思考战略？

所以我说“看10年、想3年、干1年”只是一个形象化比喻，本质是彰显看3年的创造力，以及短期、中期、长期之间的冲突、矛盾和利益取舍。

战略本质上是关于取舍，最核心的就是取舍。你也可以看5年、想2年、干半年，或者看3年、想1年、干1个季度。

节奏根据行业发展会有所不同，但一定要有中期思考，至少看到3步，不能只看1步。关键是中间的节点。

去年有一家做Agent应用的公司来问我。他们发展很好，ARR增长很快。我问了他一句话：“你的ARR继续增长两年以后又怎么样？产业终局会怎样？ARR有没有天花板？这个天花板多快会到？”

他一下就明白了，回去算了算，发现天花板不高，就赶紧去做新的事情。

但如果你线性地看，每个月都在增长，年增长率也很好，就很容易产生增长幻觉。它不只是线性外推，还是拿当下外推12个月，很容易让人产生错觉。

它可能突然到顶，后面就直线地变成线性增长，然后做的事情就没有想象空间，变成一件没有多少价值的事情。短期价值模型一旦出现，就没人愿意付费，或者竞争太多。

刚开始竞争时，大家按照你创造的客户价值定价；竞争对手多了以后，就按照你的边际成本定价。这是很多人不理解的经济学基本规律。

不管短期、中期还是长期，我们应该以什么作为指标，来衡量当下自己的成长性？

这个指标是主观的。为什么会有OKR？就是要解决目标不能转化为KPI数字时，大家如何协同。

只是OKR落地对组织要求太高，所以大部分公司要么放弃，要么把OKR变成变形的KPI。

未来组织里，大家越来越多地使用“对齐”这个词，很大程度上就是对齐目标、对齐对未来的判断、对齐背后不同的认知模式。这些东西变得更加重要。

OKR还会延展到AI时代吗？

我觉得OKR的基本理念是对的，但我们可能会找到新的方法。也可能是AI时代，OKR才真正有机会落地。

因为组织大脑、AI组织系统能够追踪自然语言表达，神经网络无处不在。它大概率可以反馈给我们：你们偏离了自己的OKR。同时，它可以看到一些更具体的趋势，未必是数字，但可以提醒我们。

所以，OKR可能确实需要一套新的方法才能落地。

AI时代，这些公司到底应该怎么制定战略？模型公司、应用公司、机器人公司，分别应该怎么做战略？

我觉得不能这样分。不同公司处在不同场景、不同发展阶段。

我书里讲了战略摸索期、战略成型期、战略成熟期和战略执行期。与其按行业分，不如按发展阶段分。

比如大模型公司基本进入了战略发展期，因为战略已经收敛，大家相对比较清晰。但具身机器人公司大部分还处在战略摸索期，不知道往哪里收敛。

不同阶段，战略方法不一样。

但回到更根本的问题，AI时代的战略生产方式和过去有什么不同？以前叫战略规划，现在叫战略生成。我特意创造这个词，因为它反映了AI时代。大家习惯了视频生成、文生图，也知道伟大不能被计划。

真正要做的，是建立一套体系、一个环境，让战略洞察涌现出来，成为一个不断生成战略的系统。最后，战略变成一个自然而然的决定：在合适的时间，合适的人做了一个合适的决定，公司就往前走。

所以，要把那套生成系统建立起来，这就是组织和环境。

所以您不得不先说组织。未来组织有能力生成战略，它是一个神经网络、工作流、任务流，是一个任务流导向的系统，人和AI都接入其中。

对，核心是涌现。就像大模型一样，实际上是人和AI一起在训练一个组织的小模型。

核心是有没有原来没有想到的洞察可以涌现出来，整个群体智慧有没有持续演进，这才是最终目标。

怎么构建一个好的环境？除了刚才讲的神经网络这样的系统之外，还需要什么？

需要新的文化，需要一种能和全员合伙人匹配的文化。这就是为什么“Context, not Control”又重新火了起来。

5年前我讲Netflix，甚至讲字节的案例，大部分人觉得很厉害，但觉得和自己没关系。今天所有人都知道，要给足Context，给够Context以后，员工就能做出很好的决策。

所以要对齐目标和认知，给够Context，甚至让全员共享一个完整的上下文，也就是Long Context。事情就会自然涌现。

而且人和AI都要共享。

对。人没有AI那样处理海量信息的能力，但人有瞬间的创造力，有看见原本不存在的连接的能力。

今年大家对很多“老登”不喜欢，反“老登”公司，您觉得这和AI时代带来的组织、文化变化，本质上有关系吗？可能他们口中的“老登”，就是上一个时代公司和科层制体系演化出来的遗留形态。

是的。这个“老登”的词特别有意思。

以前大家尊老爱幼，核心原因是老人的经验有价值，老的规范在延续，所以必须尊老爱幼，这样才能学到东西，才能传承。

为什么现在有“老登”？因为原来那套东西看起来没什么价值了。公司受到的压力越来越大，谁也不愿意再牺牲自己。姚顺雨讲得特别直接：谁愿意陪老登玩，牺牲自己的青春年华？

这是一个非常典型的心态。

在个体层面，这件事能够成立，是因为经验，特别是能够转化为知识的经验，相对来说已经不再有价值，因为都被大模型吸收了。

年轻的聪明人用好AI杠杆，瞬间就能成为任何领域的专家。为什么AI现在可以达到主任医生的水平？因为过去大量经验已经沉淀在大模型里。

所以，过去20年的经验还有什么价值？年轻人当然就不尊重老年人了，于是出现了这个带负面的称呼。

那老年人怎么办？

要么安心养老，要么重新变年轻。

新时代组织的文化应该是什么样？

文化的核心是创造。像一个球队一样，每个人都不可或缺，但依然有明星、前锋、后卫的分工差别。

文化一定是开放、透明、共享。还有一个非常重要的，我把它叫作共创：大家都清楚自己在共同创造一个新东西，所以合作和协同的意愿与能力都会大幅上升。

为什么上一个时代的公司体系让人这么不快乐？很少有人快乐吧？

没办法。大部分支持工作简单、枯燥、重复、繁琐，没有成长性，所以我们自然觉得那只是一份工作，是消耗性的，既不带来情绪价值，也不带来成长价值。

公司为了管理，就使用偏控制性的手段，把人盯得很死。整个环境越来越不符合今天大家对于文明的向往，也不符合大家对自我发展、幸福和快乐的理解。

我自己非常乐观。我觉得AI在这个时代给了我们更大的自由度，去追求更好的人生。

以后的组织可能会更开心、更有创造力。

我觉得开心可能会变成必需品，情绪价值也是必需品。

但对创业者的要求也变了，不能再是老板心态。

对，谁还认你？大家都不愿意陪老登玩，也不会愿意陪老板玩。

所以现在所有创业者都说，第一优先级是招人。

对。招来的员工不能被PUA，因为你PUA他也不会认。

服务型CEO。

对。

刚才战略的问题还没有聊完。您说大模型公司进入了战略发展期，机器人公司还在早期萌芽期。不同阶段的公司，具体应该怎么制定战略？

在战略收敛期，要追求组织效率和执行效率，从方向性的战略走向可以闭环的运营模式，才能高效发展。

发展期的核心是规模化，要上量、要快。但之所以能够规模化，是因为你的原型已经很强壮，可以被规模化。

战略探索期的核心，是一号位带着大家做不同的创新，同时建立一套机制，降低试错成本，逐步达成共识。

这个阶段，你要有自己相信的东西，但又不能过于执着，因为现实可能会打你的脸，发现别人的方向才是对的。这个时候就是看你的自我能不能让位给现实，因为你需要不断调整。

每个人的出发点都受制于过去的训练，所以能看到的东西都有路径依赖。现在大家要一起创造，你能不能快速理解、消化、吸收别人最好的经验，再形成公司下一步创新的基础？

所以在战略探索期，核心是创新效率足够高，而不是执行效率。

今天大模型公司不管美国还是中国，大家都在做Engineer Coding，这好像是一个很大的共识。他们没有非共识吗？应该有非共识吗？

非共识就是New Lab。不认这个共识的人就去创业了。

New Lab里的某个反共识，可能会成为3年后的新共识。这就是市场特别有趣的地方，它生生不息，不断向前演化。

现在大家进入了同质化竞争，会影响商业价格。上个礼拜大家很恐慌，不就是怕同质化竞争吗？Kimi K3？

对。因为同质化竞争打破了大家对于大模型公司能够长期享受高额垄断利润的预期。

预期一旦破灭，大家就会担心这些公司有没有能力持续支撑这么高的资本开支。源头是：这些公司还有没有实力，值不值得继续为它们投入基础设施。

基建都是为这些大模型公司服务的。如果最后它们创造的价值有限，那为什么还要投这些东西？

您现在的观点是，应该继续投入吗？

第1个，我觉得大模型本身的发展空间还非常大，所以基础设施投入大概率还会继续。但可能在某个时间点出现拐点，基础设施投入因为周期性原因，超过大模型的真实需求。

但从产业发展来说，这未必是坏事。应用公司可以用很低的成本使用现有基础设施，进入门槛会大幅降低，智能调用会变得非常便宜，同时足够强大和稳定。

换句话说，只要智能供给还没有达到大家想要的状态，基础设施就会持续投入。

所以应用公司可以再苟一苟、等一等？

也没法苟一苟、等一等，因为你不在这个厂里，就积累不了相应经验。等真正的大浪来了，你接不住。

我觉得应用公司还是要有希望，不要那么灰心。

绝对要有希望。他们下场，也是因为感受到了来自未来的某些召唤。我们只是在外面，可能没有感受到他们那么强烈的相信。

11. 机器人仍在早期探索

机器人公司不管从模型还是具身角度，今天都非常不收敛。您觉得什么时候会进一步收敛？它的产业周期可能有多长？刚才讲了从模型公司到Agent公司的阶段，那机器人现在是什么阶段？

机器人还在非常早期，还在摸索到底怎么落地。它有一些核心制约，比如数据不像大模型公司最初发展时那么充足，所以一些很现实的制约，让它还在非常早期的战略探索期。

现在有几种做法。一种是先从大脑开始做，追求机器人大脑模型的泛化性。另一种是从一个场景开始做，先做具身和身体，让它在这个场景里通过数据跑通整个闭环，再反哺模型能力。

您觉得应该先突破哪一边？

逻辑上两条路都成立，所以无法事先判断到底哪条路会赢。

泛化的挑战在于，泛化的空间有多大。第二，在一个具体场景，特别是一个很大的场景下，效果到底够不够好？

从具体场景出发的公司，挑战在于现在能找到的场景都不够大。但它的能力能不能快速扩张到足够大的场景，既把它做好，又有泛化可能性？

原则上，就像爬一座山，可以从南坡爬，也可以从北坡爬，事先很难说谁能爬得快。

机器人现在这个阶段，可以类比为什么产业的什么时期？

最简单的类比，就是它们自己认为还在2020年左右，还没到ChatGPT出现的阶段。

还能和更早期的产业做类比吗？

汽车也可以。这个是一个很好的类比。

大概1900年到1920年，美国真的有几千家公司都在做汽车。有的人觉得自己有一个机械功能，就可以把车敲出来，反正马达可以买别人的。

但后来出现了一个原生应用，就是福特汽车。1913年，福特建立了全世界第1条由电驱动的流水线，现代制造业才进入新的阶段。

福特用极高效率生产出大众买得起的汽车，这是汽车行业第1个To C突破，福特也成了现代工业时代的代表。

但后面有一个很有意思的插曲。福特通过规模化、标准化，只卖黑色车，做到全美第1以后，大众需求开始多元化，于是出现了通用汽车，用7、8种车型去竞争下一个阶段。

这说明，每个战略只有在当时那个时期有效才有效，并不是亘古不变的。

现在相当于大家都能手搓一个机器人公司，但哪个机器人公司能完成规模化量产，谁都不知道。

也许我们还在等待那个T型车阶段。T型车很了不起，因为它能够规模化量产。

所以为什么大家都觉得，谁第1个真正把1万台机器人卖出去，谁就已经取得了了不起的成就。

有没有可能机器人产业的发展节奏，更像汽车，而不是大模型？

你也可以把它放大到刚才讲的电出现以后，电器的出现。基于电，可以有N种电器，所以冰箱和洗衣机谁更重要，不好比较，规模也差不了多少。

我们可能会出现N种不同机器人，适用于不同的大场景。家用机器人肯定是一个大场景，家用里面可能还有偏陪伴型、偏家务型。工业场景以及外部各种场景，也会普遍出现。

大家为什么看好机器人？因为它是AI和物理世界交互的基本界面，有点像电：什么东西都可以用电重新做一遍。

所以你的问题非常好。机器人可能更适合类比电器的发展。汽车是其中的主打，但主要面向外部场景；内部、家庭场景则是洗衣机、冰箱。

在这波巨浪面前，哪些巨头是安全的？

我从来觉得，在巨浪面前没有人安全。谁觉得安全，谁就是最不安全的。

它们有多不安全？应该都足够担心吧？它们的战略都是AI First、All in AI，这够吗？

这是必要条件。够不够，要看技术演化路径有多颠覆，以及新公司获取资源的能力有多大，主要看这些方面的挑战。

您觉得它们All in AI，还能够成为下一个时代的时代性企业吗？

挑战非常大。

从历史来看，这个时代的企业过渡到下一个时代，还能做得非常好的多不多？

不是多不多的问题，是有没有的问题。

基本没有？

基本没有。IBM曾经做到过一次，微软算是做到过一次。

微软某种程度上错过了移动互联网，但它保住了搜索的火苗，又有了云计算的积累，加上PC时代垄断下来的PC操作系统优势，所以它在AI时代还有一次机会。

但现在看，微软好像又有点不确定能不能走过去，因为它对模型的投入不够，模型这一块其实已经出局了。虽然它早期投资了OpenAI，但目前已经买不起OpenAI了。

即使微软已经算是维持了很长时间领先的公司，未来也不确定。

Google呢？

Google相当于微软的上一段。它也许能成为很好的AI云公司，但能不能成为消费者的大应用，确实不那么确定。

入口级的应用不确定。

对。但因为它有TPU、大模型等资源，作为云厂商活下来应该没有问题。

所以不依赖于战略选择，老公司都很难一直在牌桌上。这个是让人绝望的地方。

一点都不绝望。人有生老病死，公司也有生老病死，没有比这更正常的。所以新公司才有机会，年轻人才有梦想。

如果一直垄断到今天，世界不是太无趣了吗？

Google不一定会成为下个时代的Google，字节会是下个时代的字节吗？

同样大概率不会。字节今天模型做得也不错，起码在国内是第1梯队。

所以字节有很大机会成为AI云公司。

对。包括Seed做得那么好，在视频生成、多模态方面，已经是世界一流的大模型公司。

做基础设施是容易的，因为有积累、有沉淀，也有一定惯性。但那个大的To C应用，存在非常大的不确定性。

豆包吗？

豆包肯定不是。要不然它肯定会不计成本往里砸。它不砸，就是因为豆包还不够那么未来。

豆包更像一个上一代的移动互联网产品？

不是，豆包就是第1代AI产品，就是聊天机器人。它没有行动力。

智能体的核心是独立完成任务。

那把智能体内置进豆包里不行吗？

这就是他们想做的。大家都想做AI时代的OS，所以它肯定想成为入口，去调度OS。

上一代的入口能不能理解下一代生态的发展，做成下一代的入口？挑战非常大。

如果你不是Agent的事实标准，就很难成为入口。你调用的都是上一代服务，而上一代服务有可能被下一代服务颠覆。

社交关系会重构吗？腾讯安全吗？

肯定会重构。腾讯作为最安全的公司，为什么最近这么恐慌？就是因为它也有可能不安全。

社交关系肯定会重构，人与人的关系都会重新定义，Agent在其中的重要性也会大幅上升。

所以您不看好现有产品加AI、加Agent？

我觉得都是过渡产品。就像QQ也没有真正过渡到移动互联网时代，或者说虽然QQ过渡了，但真正承接移动互联网时代的是微信。

人的社交关系会被重构，那人和货物的关系呢？

一样会被重构。我觉得阿里也面临同样的挑战。

它特别努力，加AI、加Agent也不行？自己再造一个产品有可能吗？让下一个时代的产品诞生在自己的公司里？

所有公司都会All in AI，就像移动互联网时代，大家都All in过一次移动互联网。

我一直在思考一个问题：移动互联网对于PC互联网来说，到底是颠覆性创新，还是延续性创新？这个问题决定了本质。

当时我的判断是1.5的创新。它有很强的颠覆性，也有很强的延续性，因为都基于互联网的基本架构，都有网络效应，技术也有延续性。

所以你会看到，它的延续性让几家头部互联网公司都成功过渡到了移动互联网。但它的颠覆性，最后也成就了抖音和拼多多这两个更加原生的移动互联网公司。

但AI现在，我更倾向于它是颠覆性技术。它颠覆的甚至不是互联网，而是工业革命。

互联网本质上是生产关系的革命，AI是生产力革命。整个东西被颠覆以后，延续性没那么强，原有物种适应新物种就会非常困难，技术储备也未必是线性的。

所以，我寄希望于下一代产品长在自己的公司里，难度也很高。哪怕不用现在的产品，而是用下一个产品承接，让它诞生在自己的公司里，难度同样很高。

这是组织文化的原因吗？

两个方面。组织文化肯定是其中一个制约。一个10万人的公司转成AI原生，和一个10个人的公司长成1000人的AI原生公司，难度不一样。

第2个，是大家对平台和生态的理解。如果你没有做出第1个真正成功的Agent，大概率不理解Agent如何运行，也就无法提供基础设施，成为事实标准，成为入口。

你自己得先把Agent真正搞明白，才有用户，才能吸引更多人和更多Agent开发者在你的平台上开发。

所以，先有一个成功的Agent，是前置条件，才会有黑洞效应。

过去两年，xAI也做了很多事情，您觉得它们是战略错了吗？

战略上可能有问题。它没有特别明确的方向，不像Anthropic那么聚焦。组织上肯定也有问题。

我在硅谷只要碰到有一群工程师的场合，xAI的人永远是最疲惫的那一批。他们已经不是一般意义上的卷，而是被过度消耗了。

这可能和Elon工作的方式有关。他可能让你成长，但也特别消耗人。所以你看到他们来的时候，基本没有力气说话。

任何组织的创新都像人一样。人太累的时候没有创新，一定是在相对开放、放松的状态，才会有新的东西出来。

一个组织绷得那么紧，又处在高压环境下，要做特别大的创新非常困难。

而且我听研究员的评价，也没觉得Elon真正懂大模型。他原来偏硬件的那套方法论，到了AI时代没办法直接给答案，又没有办法用共创的方式让组织产生答案。

因为他以前都是自上而下的。

对。他给出第一性原理的答案，然后逼大家超常规完成。但在这个场合下，他自己给不出答案，又不给底下的人足够空间去提出答案。

我觉得xAI肯定卡在组织上了。

也就是组织和战略之间的关系处理得很差。

对。他没有通过组织生成战略，都是他自己的意志。

Meta呢？我总觉得小扎很年轻，他为什么跟不上？

不是因为小扎年轻，而是因为他出道早，消耗也早。你被一代又一代的东西消耗了认知潜力。

而且Meta大到这种程度，内部调度资源变得非常困难。大部分研究员也不觉得小扎懂模型，所以他没办法真正做非常重要的决定。

另外两家公司，比如Sam，他确实依赖Ilya，而Ilya确实能够驱动整个事情。Sam又是一个很好的CEO，这两个人是很好的搭配。

Anthropic则是组织能力非常强，Dario在使命、愿景方面把握得比较准。所以Anthropic显示出了一个非常聚焦、Vision-Driven公司的爆发力。

OpenAI因为底子够厚，即使这一轮反过来追Anthropic，速度也很快。但这两家公司本质上都是新时代的创业公司，组织文化等各方面更加匹配。

其他几家公司都有各自的问题。

中国的公司呢？您有没有一些观察？

中国公司其实也类似。Kimi可能更加原生一些，但因为起步比较早，又有大公司的资源支持，所以一直能够持续往前跑。

字节在张一鸣自己反应过来要All in、亲自下场以后，速度也非常快。

中国的竞争为什么每次收敛起来都特别慢？

因为先发企业不像美国企业那样有两三年的先发期，所以缺少一个健康孕育DNA的阶段。

中国企业至少到目前这一轮，还是在美国原型上的快速跟进。大家同时起步，就必然变成百团大战。

大家看到的图像差不多，都去硅谷把研究员挖一遍，每个人都能挖来一两个，于是很容易出现同质化竞争。

但即使如此，真正认知比较深刻、早了那么一年或半年的人，比如杨植麟、闫俊杰，也包括智谱，这几家更加原生，不太是跟随者，明显跑在这一轮竞争的前面。

现在不应该再去做大模型了吧？

我也没觉得还有谁在做传统意义上的大模型，也不会有人投资，除非是新的New Lab。

小红书、米哈游，不都在做吗？

没有。它们核心都是做应用。它们做大模型，是为了补齐基本能力，为了真正做应用时能够发力。

这和其他几家公司不一样。你没有看到它们的团队天天出来晒参数，因为模型只是未来的基础能力储备。我不觉得它们愿意参加大模型作为基础设施API工厂的竞争。

但它们至少认为，做应用的前提是要有一个很强的模型。下一阶段，大应用公司的模型和应用技术之间，边界是不清楚的。如果这一代断代太厉害，下一代不一定接得住。

对。所以这就是前面讨论的应用公司要不要做模型。它是一种能力储备，但事情本身也是开放讨论，要看实际进展会演化到哪个阶段。

相当于棋局还没有下到中盘，还在开盘布局阶段。

您对今年的模型、Agent、机器人，有没有一些预测？

到2026年底，我从来不做短期预测，只提供一些规律性的理解供大家参考。

比如5年呢？

5年，我觉得Agent入口肯定有可能出现，第2阶段大概大家都能看明白。

移动互联网时代，出现抖音、拼多多这样的产品，要到第3阶段。Google、抖音、拼多多都是类似的产品，而且拼多多出现得非常晚。

现在可能距离我们还有多少年？

可能是8年、10年以后。

好漫长，但这也给应用创业者提供了很多希望。

你别忘了，OpenAI已经11年了。只是这两年我们感受到的加速度太快。

12. 创造力成为新稀缺性

当人工智能成为新的生产资料和基础设施，社会需要多长时间来消化这场技术革命？

一代人，20年起步，因为他们才是原住民。

如果智能可以像能源一样从外部获得，未来人与人的差异在哪里？

我觉得是创造力的差别。

德鲁克有一个非常经典的分析框架。他把人类社会从工业时代以来划分为3个阶段。

第1个阶段是生产力革命，流水线取代手工作坊。第2个阶段是管理革命，大概从100年前开始，有泰勒的科学管理方法，出现了商学院这个新物种。

商学院的核心目的，是给现代化管理匹配足够多的管理人员。第3个阶段，他叫知识革命。从1970年代开始，软件变成非常重要的发展方向，软件的核心是处理人类知识，把知识和最佳实践通过软件沉淀下来，变成标准化的执行方法。

德鲁克大概1999年去世，所以他看到了过去两个世纪的变化。

借用他的框架，我认为从人的角度来看，AI时代可以定义为创造力时代。所有可以被结构化处理的知识型工作，都会被AI接管。

人一方面被逼着开发新的潜能，另一方面也可以说，人终于被解放出来，可以去开发自己的潜能。我认为这个空间非常大。

未来的方向就是创造力，做AI做不了的创造性事情。但我们要重新理解和定义创造力，它不只是写一首歌、画一幅画，也可能是原创地定义复杂问题的能力。

比如电真正发明以后，流水线出现以后，才有产业工人和技术工人的概念，后来才有白领。这些都是19世纪的人根本想象不到的事情。

所以我觉得，未来所有人努力的方向，就是开发自己的创造力。

这种创造力还是原创造力？

当然，是无中生有的能力。

因为已经存在的东西，机器都通过数据获取到了。

对。已经存在的东西，机器都知道。

这种创造可能从机器角度看很无聊，比如各种情感陪伴，以及人与人之间各种以前没有被开发的需求。它未必会推动物理世界巨大进步，但可能帮助人类成长，提升幸福感，出现很多以前没想过的方法。

如果公司会消失，商学院会消失吗？

商学院已经不行了，都在衰落。

现在围绕公司建立的办公室等可见形态，也会发生巨大变化吗？

都会。虚拟世界的比例会越来越高。Metaverse的方向没有错，可能只是时间早了5年。

未来作为社会来说，会发生什么样的变化？

会发生天翻地覆的变化。我碰到的一些零零后创业者，想做To C应用，他们想象的世界，完全不是我们现在能够理解的世界。

我觉得今天我们还是带着对未来非常积极、乐观的态度。

我比较乐观。我一直觉得未来有巨大的发展空间。

会不会改变整个教育体制？如果对人的能力需求发生变化，一定会改变吧？

一定会。

过去的教育体制是一种智商激励，本质上是知识灌输，智商开发是第2位，知识灌输是第1位。这肯定不行。

你想想看，我们从小到大有多少兴趣被压抑？我们没有沿着开放探索的路径开发潜能，而是在最早的时候，为了不输在起跑线上，被固定在原来世界的模式里。

所以接下来最大的冲突就是教育系统的冲突。年轻人已经知道，未来和今天想象的完全不一样。你随便问高中生，他们大概都知道，用现在的方法，大学毕业以后可能找不到工作。

他们可能有很多想象，但我们肯定不敢让他们走自己的路，所以他们就卡在这里。

你问更年轻的家长：“我刚生下来的孩子该怎么教育？”他们肯定知道要用新的方法教育，只是不知道用什么方法。

这是接下来整个社会特别需要投入资源和精力去探索的方向。

无中生有的能力。

对，这个总结得很好。有的东西AI都有，人需要做无中生有的事情。

人与系统的关系、人与AI的关系，未来会怎么演变？

在组织里，我觉得会是非常明确的深度协同关系。

社会层面，至少我们先不谈ASI，也就是超级人工智能会长什么样，大家还没有共识。就这一轮能够看到的AGI时代，它肯定会渗透到社会的方方面面。

过去10年，我们已经离不开手机。未来每个人身上某个地方，可能都挂着摄像头，有语音接收设备，满身都是可穿戴设备，再加上外骨骼，人会成为加强版的人。

这个完全可以想象。

您看到好的硬件公司、硬件产品了吗？

硬件产品也是这一两年的热点，各种消费硬件层出不穷。

就像2000年以后大家都在做家用电器，但最后真正能够立足的是几个大品类，还有无数小品类。

现在还不知道哪些会成为大品类。美国很早就出现了烤面包机，现在还在使用，但它不够大，技术也不够复杂，没法养出一家大公司。

很多新公司其实都在重新做一遍，但哪些是大东西，哪些是小东西，哪些是主、哪些是辅，谁用什么方法找到面向未来的密码，都是不确定的。

不过有一个基本态度需要改变。过去我们倾向于降低不确定性，但在这个阶段，需要拥抱不确定性。不确定性就是最大的机会。

心态得先改变。你一见到不确定性、复杂性就恐惧，肯定没法往前走。面对巨大的不确定性和复杂性，如果觉得特别好玩，觉得有机会创造新东西，这才是年轻一代创业者应该有的心态。

我们有点杞人忧天，替他们担心太多了。

对。

曾鸣老师，您自己的使命是什么？

做一个快乐的研究员。

快乐的研究员。

对。我觉得在现在的语境下，这是一个挺有趣的定位。

AI会让人类更快乐吗？

我至少是这么希望的。大家讲AI向善，但它肯定会带来一系列新问题。

抛开哲学层面，文明进步就是技术不断带来新的可能性，人类驾驭好新技术，进入新的文明发展阶段。

新文明相比旧文明，对人来说，快乐指数会提升还是降低？

哲学层面不好说，但从一般衡量指标来看，肯定是进步了。

假如现在没有空调，你会是什么感觉？农业时代，温饱是持续了几万年的问题；工业时代基本把温饱问题规模化解决了；消费时代解决了消费不足的问题，但现在基本都是供给过剩。

至少在物理产品上，我们处于供给过剩阶段。互联网解决了信息不对称，让全天下的人可以共享信息，又向前进了一大步。

AI时代，当我们有了这么多智能解决方案以后，就可以做更有趣的事情。

以后，一个组织的评判标准之一，是不是能让身处其中的人更快乐？

从Google开始就是这样。大家现在可能没有体感，2007年、2008年的Google在硅谷是神一样的存在，影响力比今天的两家公司还大。

很多人去参观Google，就是为了去食堂蹭一顿饭，感受他们的氛围。所有最优秀的人都想去Google。

它当时的氛围，本质上是尊重人的差异化，释放人的创造力，让员工有20%的时间做自己想做的事情，还提供最好的食堂。

Google最早隐约感受到了未来：互联网时代其实需要新的文化和新的组织方式。这个趋势会继续延续。

我很好奇，典型的曾鸣教授的一天是什么样的？

做一个快乐的研究员，第1件事就是和创业者聊天，看看他们最新的想法。第2件事是看最新资讯，也看你们这样的访谈。

你们的访谈帮我省了很多事情，因为现在能够看到很完整的思想对话，等于有很多信息输入，可以做数据训练，让自己不那么累、不那么辛苦。

今年上半年，大部分人都有一个深刻感受：AI工具效率太高，很容易把自己弄得极度疲惫，因为根本跟不上它的处理速度。

所以现在大家开始意识到，需要一些隔绝，找到作为一个生物的人的合理节奏，再和AI寻找新的平衡。

我这边还有一些快问快答。

全球范围内，您喜欢的一种食物？我们是想在硅基生命到来之前，留下更多碳基文明的记忆。

辣椒炒肉。

全球范围内，您喜欢的一个地点？

目前可能还是上海。

您平时会读AI论文吗？您觉得影响过AI进程的重要论文是什么？

我没有读AI技术论文。

基于当下的认知，一个关键的BET是什么？

出现一个足够好用的To C Agent。

我们公司叫“语言即世界工作室”。您第1次听到这个名字时，会想到什么？

你们可能要改成“智能体即世界”。

可以分享几本书吗？您的人生之书，真正对您产生过很大影响的书。

管理学上比较基本的，比如《基业长青》系列的几本书，还有德鲁克的书。

本科的时候，我基本上全文抄过一本书，因为摘录太多了，几乎把它抄下来。那是弗里德曼关于市场基本运行机制的一本书。

书不厚，但特别精彩，建立了我对市场基本运行机制的理解。

什么让您对管理学产生这么深厚的兴趣？

其实是战略学。

我高中时就放弃了理科，也没有参加奥数竞赛。我们那时候大概是第1届文理分科，我更喜欢历史、人文这些东西。虽然当时也算年级第1，可以走理科那条路，但我觉得自己不感兴趣，所以高中时就放弃了。

大学以后选了经济学，发现经济学的数学要求超过大部分工科，我觉得太无聊了。后来读博士时，最后选了商学院。

战略是一门比较宏观、又不得不在真实世界和理论世界之间建立连接的学科，我觉得这比较好玩。

战略是组织的大脑，必须由CEO来做。战略做得好的人，和CEO之间有什么关系？CEO一般是什么样的人？

创始人里面，有战略能力的人并不多。

真正走得远的，刚才讲的使命驱动、愿景驱动、战略驱动，能走到战略驱动就已经很优秀了，但还不是卓越。严格来说，使命驱动的人才有可能走向卓越。

有的人可能先有愿景，慢慢发展出使命；有的人天生比较使命驱动；也有人是在一个难得的团队里，和其他人形成很好的互补。

一个人战略能力强一点，一个人动手能力强一点，就像王兴和王慧文的组合，也是很难得的组合。

字节属于什么驱动？

这个还不好说，因为我和张一鸣个人交流不多，无法判断他有没有使命的那一段。

但张一鸣是一个了不起的天才，有自己的管理哲学。他至少是愿景驱动，并且有完整的组织理解，包括最早提出“公司级产品”，这已经非常领先。

我以前讲Netflix，也就是奈飞的文化，大部分人的第1反应是中国人做不到，因为那个文化太美国、太硅谷。但字节是最早跟上的公司之一，和Netflix的文化非常相似。

不过，字节最后做成了一个效率工厂。东西都弄明白以后，在战略执行阶段就追求效率。

所以它的AI战略，需要张一鸣重新下场、重新定义。任何公司到了最后都会追求效率，因为战略越来越清晰，剩下的就是执行任务。

但我们刚才讲过，组织的宿命是时代一定会变化，原来的组织方式一定会变得不适合。你要么彻底转型，要么被时代淘汰。

对每个人都很公平。新的时代，听起来是个好消息。

对。