东北菜，也挤进了漂亮饭赛道
内容来源：曾鸣新书《智能：AI 时代的商业、组织与战略的实质》和曾鸣书院 " 智能经济和组织 " 果真课演讲 。责编? | 柒 ?排版? | 拾零第 9730 ?篇深度好文：5660 ?字 | 15 分钟阅读商业趋势条记君说：已往几年，AI 给大大都人留下的印象是效率革命：写代码更快、客服自动回复、内容批量生成 。但曾鸣指出，这些都只是表层变革 。更深层的改变，正在商业世界创立价值的方法上同时爆发：商业、战略、组织，正在经历同一场结构性厘革 。AI 时代与互联时代相比，究竟有什么差别？当智能成为一种随处可挪用的基础能力，驱动未来生长的底层纪律究竟是什么？旧的范式正在失效 。曾鸣发明，真正的分野不在效率，而在责任和能力的转移：AI 系统如果只卖力执行，就永远无法越用越强；一旦能够独立对结果卖力，它就会进入连续进化的复利循环 。本文从曾鸣提出的第一性原理出发，清晰揭示 AI 时代在商业、战略、组织三个维度上的根天性转变：商业，从 " 匹配商品 " 走向 " 实现意图 "，从 " 千人千面 " 升级为 " 一人千面 "；战略，从预先计划路径，转向在行动与反响中连续生成战略；组织，从高效执行的结构，转向认知共创的智能体 。今天这篇文章，希望对你有所资助 。一、世界正在从 " 执行结构 "转向 " 连续生成 "转头看工业时代和互联网时代，会发明它们有一个配合特点：系统一旦建立起来，最重要的任务就是不绝提高运行效率 。?工业时代如此，工厂、流程、层级、规�；┯α�，都是为了让既定的结构运转得更顺 �；チ贝嵘肆有�，也增加了系统庞漂后，但绝大大都商业系统，仍然建立在一套相对稳定的结构之上 。而从 AI 时代开始，泛起了差别 。当智能成为一种可以随时挪用的基础能力，系统就不再只是执行既定规则，而是在运行历程中不绝生成新的能力、新的关系、新的结构 。这种变革险些同时爆发在四个层面：技术，从执行既定功效，走向连续生成能力；商业，从匹配既有供需，走向动态生成供需；组织，从稳定执行，走向连续形成新认知；战略，从预先计划路径，酿成在行动中不绝生成路径 。它们都指向同一个趋势：世界正在从围绕既定结构运行，转向靠连续生成来创立新的价值 。而推动这一切的，是曾鸣提出的一个焦点看法：智能复利 。在他看来，AI 真正改变的不是效率，而是价值创立和组织协作的底层方法 。这是人类第一次开始创立智能自己，已往许多被默认建立的商业制度、组织理论和治理要领，可能都需要重新思考 。二、三个第一性原理AI 时代，价值从何而来、优势如何形成、以及飞轮如何被启动？曾鸣从三个层面来解释：1.智能复利：AI 时代新的价值创立机制每个时代都有一个界说性的经济纪律：工业时代是规模经济，互联网时代是网络效应 。曾鸣认为，AI 时代对应的则是智能复利 。它的逻辑是这样的：在某些条件下，一个 AI 系统完成的任务越多，接触的场景就越富厚；场景越富厚，获得的反响就越多；这些反响重新进入模型优化，又进一步提升系统能力 。也就是说，系统的使用历程，第一次同时成为系统的学习历程；这意味着，增长的寄义也爆发了变革 。这是一个根天性的变革 。在古板经济里，大大都资产都遵循 " 使用带来损耗 " 的纪律：机械会磨损，人会疲劳，组织会随规模扩大而缓慢 。增长能够带来规模，却不会直接提升能力 。AI 系统则差别，只要能够连续获得真实反响，它就有时机在完成任务的历程中不绝学习，越用越强 。增长不再只是结果，而是能力演化的一部分 。最典范的例子是特斯拉的自动驾驶 。古板汽车卖出去之后，车辆的能力基本牢固，驾驶经验属于驾驶者，而不会沉淀到汽车自己 。而特斯拉每一辆车在真实门路上的运行，都会连续爆发反� 。号雍噌榭觥⒓颂炱⒔缦蕹【啊⒓菔痪霾摺庑┦莶痪亓鞯较低�，用于模型训练和战略优化 。也就是说，每一次驾驶，不可是在完成任务，照旧在训练系统 。于是一个新的增长链条形成了：执行任务→获得反响→优化模型→能力增强→处理更庞大的任务→获得更高质量的反响……在已往，增长和能力是两件事；如今，增长开始推动能力连续演化 。能力自己第一次进入了复利循环 。2.黑洞效应：为什么领先者会越来越领先？不过，曾鸣也特别指出，智能复利并不即是竞争优势 。系统连续变强，纷歧定即是企业能拉开差别 。在标准化、可复制的简单任务上，各家系统往往是 " 同时进化 " 。多家自动驾驶公司险些在同一时期进入真实门路学习，能力都在不绝迭代，但用户很难感受到明显差别，竞争最终照旧会回到价格、渠道和补贴 。真正的剖析，爆发在庞大任务上 。庞大任务的反响不可是一次简单的对错判断，而是一连勾通续、完整、带有因果关系的经验 。系统经历过哪些场景、犯过哪些过失、如何在庞大情境中做出权衡，都会沉淀为能力的一部分 。这些经验既买不到，也很难复制 。当能力差别开始影响任务分派，一个新的循环就泛起了：能力更强的系统，会接到更多庞大、重要的任务；更庞大的任务，又会爆发更高质量的反� �；这些反响继续强化系统能力，进一步吸引更多高价值任务……竞争优势就这样被不绝放大，曾鸣把这种现象称为黑洞效应 。这个比喻的要害不是黑洞不绝扩张，而是引力不绝增强 。当能力积累到一定水平，高价值任务、优质数据、开发者资源，以及用户信任，都会向少数系统聚集 。因此，AI 时代真正的竞争，不可是企业之间的竞争，更是整个生态流向的竞争 。也正因为庞大任务的学习有强路径依赖，纵然厥后者拥有同样的数据，也很难复制领先者经历过的完整学习历程 。曾鸣用了一个更形象的比喻：当预训练和推理一体化的闭环运转起来，私有知识的价值将会越来越大 。那个时候，AI 就酿成了一个巨大的知识黑洞，吸纳的知识愈多，其力量便愈发强大，随后就会爆发大爆炸 。宛如一场宇宙大爆炸，谁膨胀得最快，谁就是太阳，谁膨胀得慢一点就酿成了月亮，再小一点可能就酿成了陨石 。因此，真正推动 AI 智能体生长的，正是这个不绝吞噬知识的黑洞 。3.60 分奇点：飞轮为什么转不起来？如果智能复利这么强，为什么今天真正能够 " 越用越强 " 的 AI 系统仍然很少？曾鸣把原因归结为：绝大大都 AI 系统都在执行任务，却没有真正对任务结果卖力 。以 AI 客服为例 。它可以回覆订单盘问、物流状态、退款规则等大宗标准问题，但一旦遇到跨规则冲突、异常情况，或者用户情绪比较庞大，人工客服就需要介入，检查、纠正，甚至直接接管对话 �？雌鹄� AI 加入了整个历程，但真正对结果卖力的照旧人 。这会带来两个结果：第一，任务规模无法扩大，因为每个任务都需要人盯；第二，AI 拿到的不是完整的真实因果链，而是被人为筛选、修正之后的反响 。" 行动 - 结果 - 反响 " 这条链路被切断了，系统很难连续学习 。因此，真正重要的不是 AI 能不可完成任务，而是能不可直接对结果卖力 。曾鸣把这个临界点称为 "60 分奇点 "，它不是一个技术上的分数，而是一个结构性的转折点：责任从人转移到 AI，系统第一次能够建立完整的反响闭环 。而现在大大都至公司使用 AI 的目的仅仅是降本增效，他们将 AI 视为一种工具 。只要这个工具是为人类效劳的，那么它提高效率的能力就受限于人类效率的上限 。然而，当 AI 能够独立上岗时，它可以不间断地 24 小时学习，数据每完成一次闭环，AI 就会进化一次 。只有当 AI 智能体独立上岗后，它才开始进入学习的快速提升阶段，其上限是我们看不见的 �？绻獾揽�，增长的寄义就会爆发变革 。已往，增长意味着更多用户、更多收入；而在智能复利系统里，增长还意味着更多真实反响，以及连续提升系统能力的时机 。于是，企颐魅真正需要关注的问题也会爆发转变，与其只看收入、市场份额和用户规模，不如关注三个更基础的问题：AI 系统是否拥有真实的任务闭环？能否连续获得高质量反� �？这些反响是否真的在推动能力不绝进化？三、AI 时代的竞争战略：三个要害转变从竞争战略的角度，曾鸣梳理了 AI 时代与互联网时代的三个根天性转变：1. 从网络效应到黑洞效应互联网处理的是海量信息，解决的焦点问题是信息差池称，价值创立的源泉是网络效应 。而 AGI 处理的是海量知识，解决的焦点问题是决策效率和本钱，焦点价值在于创立新的供应 。智能体上岗就是解决供应稀缺的问题，价值创立的源泉是黑洞效应，即如何高质量、高效率地消化、吸收、运用和创立知识 。但黑洞效应不会导致赢者通吃，未来竞争将抵达相对均衡的状态，会有多个智能体保存 。2. 从最低网络规模门槛到最低智能门槛互联网时代的竞争重要的是争取第一时间抵达最低网络规模门槛，这样网络效应就会被触发 。在智能时代，我们追求的是尽快跨越最低智能门槛 。从事 AI 智能体开发的人都明白，如果不可抵达 60 分的标准，这个产品就无法投入使用 。然而，一旦凌驾 60 分，抵达 90 分可能只需要两周的时间，因此必须第一时间让 AI 上岗 。3. 从高频碾压低频到高智商碾压低智商互联网时代是高频碾压低频，智能时代是高智商绝对碾压低智商，然后高维绝对碾压低维 。人类最大的痛苦是什么？我们获得的知识始终是有限的，我们的学习能力也是有限的 。可是，AI 从第一天起就拥有了人类历史上积累的所有知识，并且可以在秒级内挪用这些知识 。因此，各人可以看到这是一个维度上完全差别的竞争 。并且，未来的行业壁垒将被重新界说 。今天我们认为宁静的笔直行业的界说都是基于已往的知识和经验建立起来的壁垒，而这些壁垒很可能被 AI 突破 。未来的行业壁垒将凭据 AI 的认知模式和效率差别来重新界说，而不是基于人类的认知模式和经验差别 。四、AI 时代，三条最重要的变革1.商业变革：从 " 千人千面 " 到 " 一人千面 "把理论落回现实，我们先来看商业领域 。曾鸣认为，商业最大的变革，就是企业开始从 "匹配商品" 走向 "实现意图" 。曾鸣用一条清晰的脉络概括了商业文明的演进 。工业时代是 " 千人一面 "，供应有限，只能用标准化产品满足尽可能多的人 �？煽诳衫帧⒙蟮崩投际侨绱�，那个时代稀缺的不是理解用户，而是稳定、高效地供应 �；チ贝� " 千人千面 "，商品越来越富厚，商业竞争的重点从 " 如何生产 " 转向 " 如何匹配 " 。推荐系统不绝优化，开始大规模 " 区分人 " 。AI 时代则进一步走向 " 一人千面 "，商业关注的不再只是 " 你是谁 "，而是 " 你真正想解决什么问题 "，这两者有一个实质的区别：行为可以被捕获，但意图往往是隐藏的 。例如，一个用户重复浏览儿童绘本，推荐系统能够判断出他对绘本感兴趣，却很难知道他究竟想做什么——他可能是新手父亲想培养孩子阅读，可能是给朋友孩子买礼物，甚至可能是在研究市场准备进入这个行业 。相同的行为背后可能对应完全差别的需求 。曾鸣认为，AI 带来的基础变革，是商业系统第一次有时机通过连续、深入的互动，理解用户真正要解决的问题 。由此，商业的起点开始爆发迁移：从理解行为到理解意图；从匹配商品到资助用户实现目标 。沿着这条路径，需求不再是预先保存的，而是在互动中不绝生成的；供应也不再来自牢固库存，而是围绕新的需求实时组织 。当需求和供应都酿成动态历程，真正决定商业效率的就不再是谁拥有更多资源，而是谁能够更高效地组织资源；商业竞争的焦点，也会从 " 匹配商品 "逐渐转向 " 实现意图 " 。2.战略变革：从制定战略到生成战略战略也在爆发同样的变革 。越来越多企业发明，一套计划完整的战略，并不可包管未来依然有效 。原因在于战略范式的历史跃迁：工业时代是 " 计划未来 "，先看清，再行动；互联网时代是 " 适应变革 "，在变革中调解；而 AI 时代，未来不再是一个期待被视察的工具，而是在行动与反响中不绝生成的历程 。美国在线教育平台 Chegg 是个教科书式的案例 。它定位清晰、模式稳定、增长可预测，从古板战略视角看险些完美 。但生成式 AI 泛起后，它在几个月内迅速失去吸引力 。问题就在于 Chegg 的战略建立在这样一个前提上：学习支持的基本方法不会爆发结构性变革 。当这个前提被突破，再严密的战略体系也险些一夜失效 。