曾鸣：AI还在等“浏览器”，公司也会被时代淘汰
曾鸣把 AI 放进产业史中，解释为什么模型公司可能只是基础设施、下一 个入口仍在等待，以及公司如何从岗位和科层制转向任务和上下文。
这期节目在回答什么
《张小珺商业访谈录》第 153 期是一场关于产业周期的长对话。主持人张小珺请曾鸣把 AI 放回互联网、工业革命和组织制度的长历史里，追问三个问题：AI 现在走到哪一步？今天最值钱的公司会不会就是下一阶段最先被替代的公司？当“公司”与岗位都开始松动，组织还会留下什么？
曾鸣曾任阿里巴巴集团总参谋长，参与创建长江商学院和湖畔。节目官方简介把他定位为长期研究企业战略、观察过互联网完整周期的学者。1 这期访谈时长约 2 小时 34 分钟，适合想判断 AI 产业下一阶段、公司转型风险和个人工作方式的人收听；它更像一套带着历史参照的判断框架，而不是一份公司推荐名单。
先记住五个判断
节目最值得带走的内容，可以先压缩成五句话：
- AI 正从基础设施阶段进入应用阶段。曾鸣把产业化分成“基础设施—海量应用—原生应用”三个阶段，并认为第一阶段的企业很难活到第三阶段，第二阶段的企业也很难活到第三阶段。1
- 今天的 AI 还在等一个“浏览器”。大模型让人接入智能，Agent 让机器执行任务，但把技能统一起来、让普通用户低门槛调用 Agent 的标准和入口还没有出现。1
- 模型公司更像基础设施商。曾鸣把大模型比作 AI 云或 AOL 式的接入服务商，并据此判断 OpenAI、Anthropic 大概率未必是 AI 原生应用阶段的最终大赢家。这是访谈嘉宾的判断，不是事实性结论。1
- 公司会变，组织不会消失。在他的设想里，科层制公司的基本单元会从“岗位”转向“任务”，人与 AI 一起接入一个围绕任务流动的网络。
- 战略要从“规划”变成“生成”。“看十年、想三年、干一年”里，最难也最有创造力的是“想三年”：找到几个关键里程碑，让组织在共享上下文中持续生成下一步，而不是把未来拆成一张静态计划表。
下面按这五条线展开。公司命运、组织形式和个人选择，都会回到同一个问题：上一轮成功积累下来的能力，是否恰好把你锁在了上一轮？
一、AI 产业先走完基础设施，再进入原生应用
曾鸣给出的三阶段框架，是全场最重要的坐标轴。
第一阶段，技术从实验室走向社会，逐渐成为基础设施。市场首先关心“能不能用”，公司要解决的是模型能力、算力、数据、工程系统和调用成本。第二阶段，基础设施被更多人调用，应用开始百花齐放。竞争重点从“技术能不能工作”转向“谁能发现真实需求、把产品做出来、让普通用户持续使用”。第三阶段，海量应用形成新的世界之后，原有的基础设施已经不够用了，行业需要更底层的方法来运行新的环境，这才是他所谓的“原生应用阶段”。1
这个框架里的残酷之处，在于三个阶段需要的能力不同。第一阶段奖励原创技术和基础设施建设，第二阶段奖励产品洞察、同理心和应用速度，第三阶段奖励重新定义规则的能力。早期领先者拥有上一阶段最强的资源、客户和收入，也因此最难放弃原来的优势。
节目简介把这个判断说得很直白：第一阶段的企业很难活到第二阶段，第二阶段的企业很难活到第三阶段。1 这不是一句“巨头必死”的口号。曾鸣真正关心的是，企业有没有能力在产业的评价标准改变时，连同自己的组织、业务和收入来源一起改变。
“2026 年”在这个框架里意味着什么
节目把 Token（词元）看成一个产业成熟信号。Token 是模型处理和生成文本、代码等内容时使用的基本单位。曾鸣的意思是，当一个技术拥有类似“一度电”“一吨水”“一个 GB”这样的标准计量单位，社会才更容易把它规模化采购、定价和调用。第 153 期官方简介也把 Token 形成广泛共识，作为 AI 从第一阶段走向第二阶段的标志之一。1
从这个角度看，Token 的意义不只是模型公司的计费方式。它把“智能”从一个难以比较的研究对象，变成了可以采购、组合和嵌入业务的资源。智能一旦可以被调用，问题就会从“谁的模型更大”转向“谁能用智能解决更复杂的任务”。
二、为什么他说 AI 还在等一个“浏览器”
曾鸣把互联网早期的浏览器、Netscape 和 Yahoo 拆成三个不同角色：浏览器降低创造和访问的门槛，Netscape 一类产品让网页标准化，Yahoo 则在供给突然变多之后帮助用户找到内容。节目把这个历史类比移植到 AI：大模型已经提供了智能接入，Agent 正在把智能变成可以执行的能力，但连接“能力”和“需求”的统一入口还没有出现。1
这里的关键变化，是互联网主要解决信息匹配，Agent 要解决能力匹配。
信息匹配的对象是网页、商品、帖子或视频。能力匹配的对象是一个任务：替用户完成一份研究、改一套代码、安排一次旅行、操作多个软件，或者把一个组织里的知识转化成可执行的流程。任务往往需要上下文、权限、工具和持续反馈，所以复杂度比“给我一个链接”高得多。
Agent 在本期语境中，指可以感知环境、调用工具并多轮行动的智能系统；Skill 则是 Agent 能够调用的一项具体能力。Agent 数量增加以后，用户会遇到新的困难：技能从哪里找？怎样判断技能是否可信？不同技能怎样共享权限和上下文？曾鸣所说的“浏览器机会”，正是把这些分散的能力变成普通人可以低门槛使用的标准入口。这也解释了他为什么认为新的平台大概率不会诞生在旧平台里。旧平台擅长把既有信息撮合得更快，AI 原生平台要做的是让能力与需求相遇。后者需要重写供给方式、交互方式、信任机制和收益分配，旧平台的资产可以提供流量，却未必提供新平台的核心结构。
三、模型公司：接入智能的基础设施，还是下一代应用公司
曾鸣对模型公司的类比有三层。
第一层是 AOL。AOL 曾经把普通用户接入互联网。大模型则把普通用户接入智能。这个比喻强调的是“入口”和“基础设施”属性，而不是说两者的产品细节相同。
第二层是 AI 云公司。模型通过 API、聊天产品和企业服务被调用，用户为智能的使用量和质量付费。模型公司因此可能像云计算基础设施一样，成为许多应用的底座。
第三层是炼油厂。数据像原油，模型像把原油加工成可用能源的设施；下游的产品、行业流程和具体任务，才是把能源变成价值的地方。这个类比来自本期围绕模型公司定位的讨论，也被公开精编材料概括为“炼油厂 / AI 云公司 / AOL”。2
从这个位置出发，曾鸣对 OpenAI 和 Anthropic 的判断很尖锐：两家公司大概率未必是 AI 原生应用阶段的大玩家或大赢家。1 他的依据是产业阶段转换，而不是对两家公司当前技术能力的否定。基础设施公司可以非常有价值，却未必拥有下一阶段的用户入口；就像汽车离不开石油，石油公司却很难因此成为汽车公司。
他说，公共基础设施行业如果要形成稳定商业模式，往往走向“寡头垄断加政府强监管”。一旦底层智能趋于同质化，模型公司就会面对一个经济学问题：同质化供给很难长期获取高额利润。这个判断仍然是访谈中的产业推演，读者需要把它和已发生的市场事实分开。
公开精编材料对节目中其他公司的概括，可以帮助读者看出曾鸣的比较方式：他认为 Anthropic 的优势在于更早把 AI 用到自己的主业，OpenAI 的优势在于基础积累和追赶速度，Google 可能更像拥有完整基础设施的 AI 云公司；他对 xAI、Meta、字节和腾讯的评价，则分别落在组织、战略、产品入口和既有网络关系上。2 这些都是嘉宾在节目中的主观判断，文章保留它们，是为了呈现一位产业观察者如何用“阶段—能力—组织”三层模型看公司，而不是替读者验证每家公司的投资价值。
“模型公司能不能自己长成应用公司”
张小珺用 Codex、Claude Code 等例子追问：模型公司已经在做应用延伸，为什么不能顺势成为下一代应用公司？曾鸣的回答是，Coding 仍然是基础智能的一部分，是模型能力向数字世界延伸的方式。模型拥有调用 API、操控工具和完成更长任务的能力，才让 Token 具备更高价值；这依然可能属于基础设施的扩展，而不是原生应用阶段的终点。
判断一个产品到底是“基础设施延伸”还是“原生应用”，要看它是否重新定义了用户入口和供给结构。一个模型多做一个功能，解决的是能力覆盖；一个新的 Agent 平台让用户以完全不同的方式获得能力，解决的才是世界如何运行的问题。两者都可能成功，成功的条件却不同。
四、应用机会：黑洞效应和十倍切入点
曾鸣用“黑洞效应”描述 AI 时代网络效应的升级。
传统网络效应强调用户越多，网络越有价值。曾鸣认为，AI 时代还要看场景的多样性：场景越多，连接越复杂，系统越有机会吸收不同类型的数据、反馈和任务，进而提高自己的智能。相同类型的数据规模扩大到一定程度后，边际价值会下降；真正能带来新洞察的，往往是不同场景之间的差异。公开精编材料把这条线概括成“智能复利”：网络协同与数据智能同时升级，系统靠持续吞噬场景获得能力增长。3
这套逻辑改变了应用的切入方式。简单任务很容易被基础模型吞掉，因为简单任务通常只需要一个薄薄的脚手架。复杂任务才会迫使创业者处理真实环境、权限、反馈、数据闭环和失败成本，形成自己的技术积累。
曾鸣给出的应用判断是：今天做 Agent，要寻找“十倍以上”的切入点。这里的“十倍”不是一个可直接测量的统一指标，而是一个筛选问题：产品是否让用户完成此前几乎无法完成的任务？如果只是把一个已有流程做快一点，模型能力一更新，差异就可能消失；如果产品能让一个人第一次完成过去需要团队协作的复杂工作，产品才有机会沉淀独特的环境和经验。
这也是他为什么把 Cursor 一类 Coding 工具看作过渡性产品的原因之一。Coding Agent 证明了模型可以进入工作流，也为模型训练提供了大量真实反馈；但当模型和工具调用能力继续提升，独立工具可能被更大的模型平台吸收。工具的价值未必消失，工具公司需要证明自己拥有模型之外的环境、数据或用户关系。
机器人则被放在更早期的位置。曾鸣把机器人比作“电器”阶段的产业：形态、场景和商业模式还会分化，行业还没有出现一个类似汽车的统一主流形态。这个判断的重点是产业成熟度，而不是否定机器人本身的长期价值。
五、“公司”为什么会消亡
节目最容易被截成标题的一句话，是“公司会消亡”。把上下文补齐之后，曾鸣说的是：科层制管理的公司制度会衰亡，人类的分工协作和组织仍然会存在。第 153 期官方节目页也把这条判断列为本期 15 条非共识之一。1
工业时代的公司把岗位、汇报线、层级和报酬固定下来。公司要扩张，先定义一个职位，再写工作描述，最后寻找符合描述的人。这个体系适合重复生产和稳定分工，因为管理者需要通过层级把大量人的工作协调起来。
AI 让这个顺序开始倒过来。组织可以先出现一个需要解决的任务，成员再根据能力认领任务；AI 可以吸收大量结构化知识，承担一部分执行和协调；人的价值更多集中在定义问题、判断取舍、建立关系和创造新解法。岗位不再是组织唯一的基本单元，任务流才是。
这不是“以后所有人都自由接单”这么简单。一个任务网络至少还需要目标、上下文、权限、质量标准、责任归属和收益分配。没有这些条件，任务流只会变成混乱的临时协作。
从科层管理到合伙人企业
曾鸣把律师事务所、咨询公司和投行等合伙人企业当作参照。合伙人企业的特点是，成员的专业判断和共同结果比固定岗位更重要；少了关键成员，组织的能力会发生变化；组织的边界也比传统部门更有弹性。
他据此推测，AI 原生组织会越来越像“全员合伙人”或一支球队。这里的球队不是取消分工，而是让成员围绕共同任务重新组合。组织的核心问题，从“谁向谁汇报”变成“谁能在共享信息里交付什么结果”。
“
context not control”是节目里的一个关键短语。Context 是上下文，包括目标、背景、约束、数据和判断依据；control 是通过层级命令、审批和逐层汇报来控制行动。曾鸣的意思是，给成员足够完整的上下文，组织才可能让智能涌现；只给命令、不共享信息，成员只能等待上级下一步指示。公开精编材料也把这条组织变化概括为“透明的信息替代层级指令与审批”。3六、“优秀”为什么可能成为“卓越”的敌人
“优秀是卓越最大的敌人”并不是本期临时发明的标题。曾鸣早年公开文章把两者区分为两种不同的成长机制：优秀通常可见、可衡量，努力方向是更多、更好、更快，因此容易得到正反馈；卓越往往要实现近乎不可能的事情，在结果出现之前长期得不到认同，需要承受负反馈。4
本期对谈把这组区分放回 AI 时代。一个企业可以在既有评价体系里表现优秀：收入增长更快、模型更大、客户更多、流程更稳定。但当产业评价标准改变，原有的“优秀”可能变成沉没成本。它让团队更擅长把旧系统优化到极致，却更难承认旧系统已经接近终点。
“卓越”在这里不是更高分的优秀，而是换了一套问题。优秀问：“怎样把已知事情做得更好？”卓越问：“有没有一件事情值得用新的方法重新定义？”前一个问题能用 KPI、排名和同业比较推动，后一个问题往往缺乏早期证据。
曾鸣早年文章提到阿里曾经用超常目标打断团队对单一 GMV 增长的惯性，推动成员重新思考生态繁荣。这个例子不能直接证明一套 KPI 在今天仍然有效，却能说明他的判断：目标的作用有时不是预测结果，而是迫使组织发现原来没有被看见的变量。4
对个人来说，这个问题同样具体。一个人如果一直在既有岗位上获得认可，下一阶段最难的事情可能不是学习更多技能，而是承认原来的评价体系已经不再决定价值。AI 时代的“优秀”，可能是熟练调用工具；更难的“卓越”，则是提出一个工具还没有被问过、却值得解决的问题。
七、战略从“规划”变成“生成”
曾鸣给出的战略方法是“看十年、想三年、干一年”。它不是让创业者写一份十年计划，而是让三个时间尺度承担不同工作：十年用来确定方向，三年用来寻找关键里程碑，一年用来集中资源完成眼前任务。3
很多人会记住“看十年、干一年”，因为这两句话符合旧有的战略习惯：远处有愿景，眼前有执行。曾鸣认为真正的创造力在“想三年”。三年足够远，能容纳范式变化；三年又足够近，必须回答第一步做什么、第二个里程碑是什么，以及今年的资源如何为后面的跃迁准备。
他因此把“战略规划”换成“战略生成”。规划假设未来可以被提前看清，生成承认真正的战略洞察会在实验、反馈和组织协作中出现。组织的工作不是把所有答案写出来，而是搭建一个让答案不断出现的系统。
这套系统有三个条件：
- 共同目标。人和 AI 都需要知道要解决什么问题，不能把“更快”“更大”“更多”当成唯一目标。
- 完整上下文。成员需要看到足够多的事实、约束和历史判断，才能减少层级传递中的信息损耗。
- 快速反馈。一个想法必须尽快进入真实环境，接受用户、任务和结果的检验。
曾鸣把未来组织比作一张神经网络：人和 AI 都接入任务流，组织通过不断的行动和反馈形成自己的“小模型”。这不是把人变成模型里的一个节点，而是说组织的能力会越来越依赖连接质量，而不是职位数量。
八、创造力时代：智能充足以后，人还剩什么
曾鸣沿用德鲁克关于生产力革命、管理革命和知识革命的历史框架，把 AI 时代描述为创造力时代。这个观点的出发点是：凡是能够被清晰结构化、重复处理的知识工作，都会越来越容易交给机器；当智能可以从外部获得，人的稀缺性就会转移到定义问题和创造新解法上。2
创造力因此不只是写歌、画画或做出一个漂亮的创意。曾鸣在节目里强调的，是“无中生有”：在还没有现成任务、现成市场和现成答案时，先看见一个值得解决的复杂问题，再让资源、组织和技术围绕它形成。
这也是“能力匹配”比“信息匹配”复杂的原因。信息可以被检索，能力需要被组织；答案可以被复制，创造需要承担不确定性。AI 可以减少学习和执行的成本，却不能替人承担“这个问题值得被提出吗”的全部责任。
对读者而言，节目留下的现实问题不是“应该选择哪家公司”，而是三步自检：
- 现在的工作主要是在优化一个已经成熟的流程，还是在定义新的问题？
- AI 工具带来的是个人效率提升，还是让自己接触到过去无法完成的任务？
- 组织给了自己足够的上下文和反馈，还是只给了一个越来越窄的岗位描述？
这些问题没有统一答案，却能帮助读者把宏大的产业判断落到自己的工作环境里。
九、人物与术语速查
曾鸣：战略学者，曾任阿里巴巴集团总参谋长，参与创建长江商学院和湖畔。节目借他的经历，把阿里和互联网的长期演化作为观察 AI 的历史参照。1
张小珺：本期主持人，《张小珺商业访谈录》主理人。她在对话中不断追问曾鸣的类比是否成立，把“基础设施”“应用”“原生”这些宏观判断拉回 OpenAI、Anthropic、Coding、Agent 和组织管理。
AI 原生应用：在本期语境中，指围绕 AI 新能力、新交互和新任务组织起来的产品或系统，而不是给旧软件简单增加一个聊天框。
Agent：能够感知环境、调用工具、持续行动并完成任务的智能系统。本期把 Agent 看成 AI 进入应用阶段的主要形态。
Skill：Agent 可以调用的一项具体能力。Skill 越多，用户越需要统一的发现、权限、质量和组合机制。
Token：模型处理或生成内容时使用的基本单位。本期把 Token 的标准化看成智能开始被规模化采购和定价的信号。
AI 云公司：曾鸣对模型公司的类比，强调模型作为基础服务被不同应用调用的属性。
黑洞效应：曾鸣对 AI 网络效应升级的称呼。它强调场景和连接越多，系统越可能吸收多样数据并产生智能复利；这是访谈中的分析框架，不是一个已经得到统一定义的技术指标。3
战略生成：让战略在共享目标、完整上下文和快速反馈中持续产生，而不是只在年初制定一次计划。
结语：巨浪面前，旧优势也会变成负担
这期节目最冷酷的地方，不在于“OpenAI 和 Anthropic 大概率不是赢家”这句判断，而在于它把同一把尺子同时放到了所有公司和个人身上：上一轮的领先位置不能自动换来下一轮的入口。
曾鸣反复把问题推回产业阶段。基础设施会产生应用，应用会催生原生世界；岗位会组成公司，公司会让位于任务网络；管理会让位于上下文和协作；结构化知识会让位于创造力。每一次变化都先奖励最早适应的人，再淘汰仍用旧规则解释新环境的人。
所以，“公司会消亡”并不等于没有工作，“模型公司可能输”也不等于模型没有价值。更准确的说法是：形式会更替，能力会迁移，入口会重写。读者值得完整收听的，正是曾鸣如何用浏览器、AOL、Yahoo、公司制度和阿里历史，把这条迁移链条一段段接起来。
完整逐字转录
以下转录来自本期官方小宇宙单集页提供的完整音频，并使用自动语音识别保留原始识别结果。文字中的口语、重复、同音误识和术语识别误差均未按编辑稿修正。自动声纹识别出两条声音：片头先介绍张小珺与曾鸣，本文据片头身份和整段对话结构，将
SPEAKER_01 映射为张小珺、SPEAKER_00 映射为曾鸣；这一路线没有得到官方逐段姓名稿，个别短段的讲话人归属可能存在误差。节目原始入口：小宇宙官方单集页，官方 YouTube 视频。00:00:00
张小珺
Hello 大家好，我是小骏。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，也参与过两所商学院的创建，分别是长江商学院和湖畔。
不过一个他更令人熟识的身份是一个对企业战略有很多思考和研究的人，很多的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，并和历史上的关键时期都做了对照，听完让我觉得有了更全局的视角。
那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。
曾鸣
科程制管理的这种公司制度会衰亡。
张小珺
但也可能不叫公司。
曾鸣
肯定不叫公司。
张小珺
肯定不叫公司。
所以公司会消失，会公司会消亡。
曾鸣
这没有什么可以遗憾的呀。
就将来有更好玩的，你说多少人现在去公司上班是开心的？
张小珺
不开心。
曾鸣
我也讲的比较尖锐一点，就是这一批的创业者要过的一个很大的坎。
因为经济学的基本规律，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。
张小珺
Google 不一定会成为下个世代的 Google，字节会是下个世代的字节吗？
曾鸣
同样的，大概率也不会。
张小珺
字节今天模型做的也还不错，对吧？起码在国内是第一梯队吧？
曾鸣
没有啊，所以字节是有很大的机会成为 AI 云公司的，但是那个大的 2C 的应用是有非常大的不确定性的。
张小珺
豆包是吗？
曾鸣
豆包肯定不是，对吧？要不然它肯定不计成本就往里砸了。
它不砸了就是因为豆包不够那么未来。
张小珺
社交关系会重构吗？腾讯安全吗？
曾鸣
肯定重构啊，腾讯作为最安全的为什么最近这么恐慌？就是因为也有可能不安全。
张小珺
人和人的关系会被重构，人的社交关系会重构，那人和货物的关系呢？
曾鸣
一样会被重构。
我觉得阿里也一样有那个挑战。
张小珺
在这波巨浪面前，哪些巨头是安全的？
曾鸣
我从来觉得在巨浪面前没有人是安全的。
张小珺
你觉得他们 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？
曾鸣
挑战非常大。
张小珺
同历史里面有依据可言吗？有这个时代的企业过渡到下一个时代的企业还能做得非常好的，多不多？
曾鸣
不是多不多的问题，是有没有的问题。
张小珺
哦，有没有啊？
曾鸣
基本没有。
张小珺
所以这种不依赖于你怎么战略选择，你都很难一直在牌桌上是吗？就是这个是让人绝望的地方。
曾鸣
这一点都不让人绝望啊，就是人有生老病死，公司也有生老病死，没有比这更正常的嘛。
所以新公司才有机会，年轻人才有梦想啊。
张小珺
曾教授，我听很多企业家都提到过您，他们说自己某次的很重要的一个战略转型可能来自于在湖畔大学上过您的课。
那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，你觉得您和其他商学院的教授的不同是什么呀？
曾鸣
我觉得首先我特别特别幸运。
就在互联网发展最快的时候有机会加入阿里，参与了一个公司超高速发展的一个阶段，所以那段经历加上我原来有很好的学术的训练，这两个的结合就让我把理论跟实践给融合起来了。
因为我在做的时候我也经常想我以前自己讲的东西到底哪些东西能用，
然后在做的过程中也会去提炼有什么新东西是可以变成一个理论框架将来还能继续用的，
所以这个理论跟时间的结合是一个很大的突破。
然后第二点就是我一直在持续地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，你做什么样的战略决定可能更合适，所以把这两者结合到一起也是挺稀缺的一种能力。
张小珺
以阿里为例，因为这是您亲身参与最长时间的一个公司，过去 20 年您觉得影响阿里真正生死存亡的战略决策有吗？它会是哪几个？
曾鸣
我最近正好也在做个复盘，我对阿里前面 15 年比较一味完整地参与过，实际上可能最重要的决定就是三个，创立淘宝、创立支付宝、创立阿里云。
而且这三个决定不但当时在整个社会是不被认可的，公司内部的争议也非常非常的激烈。
大家可能对阿里云的这个争议已经有很多的了解了，但是淘宝宣布成立的时候，当时是有好几个高管是非常非常反对的。
张小珺
为什么呀？
曾鸣
我觉得原来阿里巴巴的业务都还没有成熟，然后你去打一倍的核心的主业务，风险太大了。
所以这个最重要的就是这三个决定，然后可能稍微次要一点的像淘宝怎么从一个商品买卖的平台变成一个支持电子商务发展的生态，
然后怎么 all in 无限，我觉得这两个决定其实也很重要，但是重要性可能没那么大。
但我刚刚讲的就是说后面还要补充一点，其实你做了这个战略以后还有一层一层的决定，刺激战略决定也很重要。
就比如说阿里云早期你是只服务于一个场景还是一开始架构就要是多服务场景，你服务的那个场景是服务淘宝还是服务搜索。
然后开源还是闭源，这个都是争论非常非常大的二级战略问题。
然后再往下还有你这个数据库变了，那你要不要自己做数据库？
然后计算也变了，然后存储也变了，所以才会出现当时喊出来的去 IOE,
就是改掉 IBM、Oracle 跟这个 EMC,EMC 就存储。
所以就像今天一样，计算完了以后发现存储成了一个新的瓶颈。
所以其实战略到落地的过程中，它有很多很重要的决定，越到下面越是战略跟战术结合很紧密的地方。
所以不是做了一个大的战略决定就可以了，它从一个决定到落地到最后看到成果是有非常非常大的一个挑战的。
张小珺
战略做决策的那个时刻，你们怎么知道这是一个好战略呢？因为当时的争议也非常多。
Generally，因为做了很多的战略，你们怎么判断它是一个好的战略？
曾鸣
不知道啊，因为相信所以看见啊。
所有的好的真正就是成为时代的企业的都是最后被证明了它那个反共时是成立的。
当然在这个过程中也有很多疯狂的想法其实就没有了，这点一定要去强调的，不是疯狂的想法，我们看到的就是所谓的 survival bias。
你看到的是这个成功者的偏差，最成功的企业一定是反共识的，但反共识不一定成功。
但是在当时呢，我们基于我们自己的能力，能看到而且也愿意相信的就是那样一个图。
所以战略很大程度上其实是关于怎么创造未来的，它不是一个简单的一个规划。
张小珺
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呢？
就是我在一个共识赛道，但是我做的比所有人都强，它能大成吗？
曾鸣
那就是优秀嘛。
张小珺
那就是优秀，不是卓越。
曾鸣
是的。
张小珺
卓越一定来自反共识。
曾鸣
是的。
张小珺
那今天这个 AI 时代，我们进入了一个全新的周期范式阶段，也像您说的就是一个新的文明，您会感觉到迷茫焦虑吗？
就是像您这样一个要制定战略的人看到未来的时候，你这个时候的感受是什么样的呀？
曾鸣
的确是非常的困惑，因为你知道肯定是有很多的新东西会出现，但你不知道哪一些是稍重即逝的小浪花，哪一些是代表未来的大的浪潮，什么东西会变，什么东西不会变，这个是非常非常让人困惑的。
张小珺
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？
曾鸣
这就是我为什么写这本书的原因，是因为前面几年都在琢磨这个事情，就经常会有一些观察和洞见，觉得还不错的，但是很快又被否定掉了。
但是今年上半年就比较明显，就有一些趋势性的信号开始
Converge 就是开始出现了类似的信号，然后我看到了一个可能的框架是可以去解释当下发生的很多事情，甚至去推演未来下一步的发展的。
所以我觉得这个时候我就不太焦虑了，因为我大概理解了我们在哪个发展阶段，然后知道到底该怎么做事情。
张小珺
对，我们这次聊天的缘由也是您最近出了一本新书《智能》，您也说就是这个书其实开始没有写作计划是自然涌现出来的，也是最近半年的通过了一系列的思考想清楚了很多的问题，您能不能给大家介绍一下这本书，然后以及你的创作过程。
曾鸣
我自己的本业是战略嘛，所以其实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？
00:10:00
曾鸣
所以这个是开始慢慢想得比较清楚的，但真正让整个框架浮现出来的是我觉得我大概理解了 AI 在产业化进入了哪一个发展阶段，然后每个阶段的不同的运行规律。
我觉得这个看清楚了，大概对未来三五年就有一个比较清晰的指导意义了。
张小珺
所以今天的人工智能产业化发展到什么阶段了？您是怎么划分这完整的阶段呢？
曾鸣
我其实做过一个很系统的研究，就是从移动互联网到 PC 互联网，然后再到 PC，然后包括当时我做云计算的时候，其实是把第一次工业革命、第二次工业革命、第三次工业革命其实整个历史也都研究过一遍。
所以大致的新技术的出现，我讲的都是巨大的通用技术的颠覆性创新，实际上都经历了三个阶段，特别有意思，第一个阶段就是这个技术，
主要的目标是在于 Agent 的成绩和优秀与卓越的成绩。
在 Agent 的成绩中，Agent 的成绩和优秀与卓越的成绩是在于 Agent 的成绩和优秀与卓越的成绩中。
在 Agent 的成绩中，Agent 的成绩和优秀与卓越的成绩中。
去运行这个新的世界，这就进入了第三个阶段，
我把第三个阶段叫做原生应用的阶段。
张小珺
像以移动互联网为例，到了抖音、字节它属于原生应用的阶段。
曾鸣
是的，对，就是说早期比如说移动互联网，
大家可能今天年轻的人可能听说过黑莓手机的可能都很少了，
但是黑莓手机是第一款被称为
张小珺与嘉宾的主持人张小珺与嘉宾的公司命运、公司制度和组织变迁、优秀与卓越的公司命运、公司制度和组织变迁、战略生成系统以及创造力时代。
实际上是到 iPhone4 以后，iPhone 才开始领先，开始跑起来的。
所以其实这个第一阶段第二阶段，然后有了 iPhone 以后有了 App Store,App Store 以后出现了这些新一代的原生应用。
然后早期的时候其实我那时候投互联网嘛，投移动互联网嘛，其实还有末期天气啊什么的，这个一堆的应用当时日活很快都过亿了，但是会很快的发现其实他们不代表未来。
真正是要解决核心需求的主流的应用才是那个原生应用。
张小珺
为什么要先经过一个应用大爆发再到原生应用呢？为什么原生应用不是诞生于第二阶段呀？
曾鸣
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，它要寻找自己新的发展方向，但到底往哪方向发展其实是不清楚的。
其实就像我刚刚讲的那个字节，其实是先做了今日头条，甚至在那之前还做了内涵段子一堆的小的产品，是因为在那个技术的早期你不知道哪个东西能 work。
所以你要试不同的东西。
第一阶段那个时候只有文字成熟了，
所以才会出现今日头条。
但是今日头条探索出了推荐算法，
这样的一种新的既是技术模式又是商业模式。
然后又由于带宽、算力各方面的发展，
才出现了短视频，然后短视频的这个新的展现形式和推荐算法这个底层技术，这两者一结合，才出现了抖音这样的现象级的原生应用，真正出现了国民级的应用。
张小珺
所以原生应用距离基础设施承受中间还有一个过渡性的阶段，能把第二阶段叫做过渡阶段吗？
你这样说好多中间那部分创业者好伤心呀。
曾鸣
所以我为什么会犹豫，第二阶段本身是非常精彩，也非常有价值的。
所以为什么我说原生阶段是第三阶段，其实就想告诉大家，其实还有可能八年也好十年也好，非常精彩的时间是属于第二阶段的。
你没办法跨越到第三阶段，跨不过去的，就没有第二阶段的积累。
你跨不到第三阶段，而且基于第一阶段积累，现在该做的就是第二阶段应用大爆发的事情。
张小珺
我们现在在 AI 的产业周期里是结束了第一阶段，还是在第一阶段，还是在第二阶段开始，具体在哪个时间点上？
曾鸣
我觉得 2026 年应该是第一阶段基本完成的一个标志性的阶段。
核心原因就是今年年初大家可能还记得，
就是关于 Token 这个词形成了一个广泛的共识，
有两三个月的讨论非常密集。
黄伦勋在英伟达的 GTC 大会上就讲，
英伟达的未来就是 Token Factory,
然后 Sam 也马上表达 OpenAI 核心就是卖 Token 的。
然后这个 token 为什么重要呢？就是包括词源这个新词被定义下来，是因为当一个技术有了一个标准的度量衡以后，它就能被规模化的标准化的使用。
所以我们今天会讲一度电，对吧？这个一吨水，一个 Gb 的流量，这些是让我们可以很简单的使用一个原来曾经很前沿的
这个技术。
今天大家都知道我掉多少 token，我能干多少活，它让我产生多少费用，这个事情它就成了社会的基础设施。
张小珺
所以这是第一阶段的尾巴。
曾鸣
第一阶段开始成熟的表现，它会继续发展，服务会越来越好，智能会越来越强大，成本会越来越低，但是它形成了一个匹配的商业模式，而且成了大家能接受的一种新概念，所以这个阶段是成熟了。
张小珺
我们到第二阶段了吗？
曾鸣
今年有意思的地方是它也是第二阶段的一个开场
因为今年春节前后同样发生的另外一个特别让大家兴奋的事情
就是 OpenCrow，龙虾，大家都在养龙虾，春节都没睡好
对吧？
对吧？
天天都疯狂样的在弄这些东西
那龙虾让大家看到了什么？
其实是看到了一个能够独立完成任务的
Agent 的无限的潜力，所以大家才会这么狂乐。
所以我认为 AI 进入的第二个阶段就是智能体阶段，智能体就是 AI 时代的新应用。
张小珺
所以第一阶段已经成熟，然后我们现在站在第二阶段的开端。
曾鸣
是的。
张小珺
如果类比到比如说互联网哪一年，移动互联网的哪一年，今天可以做一个这样的类比吗？
当然这个有点刻舟求家，但是我们还是想类比一下。
曾鸣
对，是，这个，这是我琢磨了两三年的问题，其实我三年，两年前还做过讲演，就是让我们拥抱雅虎吧，雅虎马也快来了，然后今年年初的时候我自己也觉得有点，有点纠结，是我们怎么退回到了浏览器阶段，好像比雅虎还要早了。
张小珺
就是您的判断更加潜移了。
曾鸣
是更加潜移了，就是因为我当时看到 OpenCloud 这些东西出来以后，我第一个反应，
就是我们还在等一个浏览器出来，这都不是浏览器出来以后，我们在等一个浏览器出来。
我为什么会有这样的一个洞察呢？就是因为后面跟 Agent 同时出现的词是 skill，能力。
那我们去想 Agent 的本质是什么？其实就是分享能力。
对吧，我们把我们懂得能力封装起来，然后分享出去，让别人也可以使用。
然后 OpenCloud 提供了一个框架和思路，原来能力是可以这样被封装被调用的。
我就突然想到，92 年的时候我最狂乐的是什么？是建个网站啊。
对吧，那时候就是建网站啊，就所有人都是想着建个网站。
然后建网站的目的是什么？就是去分享信息啊。
嗯。
所以 AGI 这轮的创新就是让我们从信息时代进入了能力时代，
海量的信息和知识都处理完了，
所以今天分享信息已经没有必要了，
大家都直接问 CHATGPT 答案了，
大家不再找信息了，
但是今天大模型能有这个成就是因为 92 年的建栈运动，
让大家把信息都放到互联网上了，
完成了信息的数字化的过程，
所以我们做类比的，
关键就是我们什么时候做类比没有刻舟求剑，是我们去理解抽象建模以后理解它的一个底层运行规律，而不是纠缠于技术的表现形式。
所以当我想到大家都是在建，一个在建在，一个在建 Agent，然后一个是分享信息，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是一个新的阶段，浏览器是完成了两个核心功能，通过 HTML 这一堆的事情，就是说树立了建站的一个非常简单的统一标准，所以建站就没有门槛了，就有信息的人就能建站，原来建站是一个专业工程师的专业工作，所以他把这个创造的门槛极大的降低了。
00:20:00
曾鸣
也就是我们今天讲的开发者的门槛大幅向低了。
然后另外一方面呢，他把浏览网站的门槛降到了零。
就是因为你只需要点击就能完成所有的信息浏览的过程。
所以你一下用户端就爆了，然后供给端也爆了。
然后就出现了无穷的网站天天涌现，然后大家都不知道该看啥了。
这个时候就出现了雅虎。
雅虎最早就是一个目录告诉你今天出现的这 100 个网站里头这个网站最有意思，到了后面出了 1 万个网站的时候就告诉你前面 10 个最有趣的是什么，然后再给你分类娱乐、新闻、股票这些就开始分类了。
张小珺
所以雅虎其实是一个结构化信息的一个过程。
曾鸣
对啊对啊它就是个目录。
张小珺
它是在商减它不是在商增对吧。
曾鸣
商争的同时一定要有商检，降低大家的认知压力。
张小珺
那我们今天还在一个商争的过程中，就是各种的 skill 能力的爆发。
曾鸣
对啊，因为我们随便问身边任何人，大家都不会随口跟你讲出两三个他天天在用的 Agent。
张小珺
那您觉得谁会有能做商检这个事情的潜质啊？
您看到一些雅虎的雏形没有？
是 OpenCloud 这种形态吗？
曾鸣
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没出现。
所以如果你让我……
拍脑袋说的话，我觉得下一个最大的机会就是一个类似浏览器这样的机会，是它会把 Agent 的标准统一起来，然后同时能够让用户用很简单的方法就能调用 Agent，然后会有海量的 Agent 爆发，这个可能就是未来两年可能最让人兴奋的一件事情。
张小珺
今天没有任何这样的雏形吗？
曾鸣
所以这也是个反共识嘛，大家都觉得好像龙虾也是昙花一现，好像现在也没人谈应用了，
但我讲的这个可能非常乐观，但我的确是说我们基于历史的推演形成一个抽象的模型去思考未来，
然后底层的我能看到的就是这样一个演化的路径，所以在这个意义上我就不焦虑了，我就在等着这些发生就好了。
张小珺
那假想一下这样的一个产品形态可能是什么样的呀？
它的先决条件可能是什么？
曾鸣
交互形态是想象不出来的，这就是要大家去创造的。
我们能总结出一个抽象的规律，但是我们一定推演不出一个具体的形态。
张小珺
雅虎到 Google 还有几年呢？
你没有看到雅虎应该也没有看到这个时代的 Google 对吧？
曾鸣
这是我现在没法回答的问题，因为我不太确定
我们这个时代是不是一定会有雅虎跟 Google 巨大的鸿沟，因为雅虎后面就没有了嘛。
这个我觉得我现在看不清，我觉得太早了，不用讨论。
我们等看到了雅虎，让雅虎先辉煌三年，我们大概才能看到谁想去挑战雅虎。
雅虎 95 年成立，一直到 2000 年都是辉煌的，这个……
Google 成立了以后是给 Yahoo 做 to-be 的服务商的，是给他们提供了一个算法的服务的，就是 Yahoo 下面一个小弟弟帮他提供一个技术支持而已。
在这个意义上是 Yahoo 孕育了 Google。
张小珺
那这个时代的关键的变量是模型啊，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？
曾鸣
有很多可以类比的，就比如说大家讲数据是新时代的石油，对吧？那模型实际上是一个炼油厂，广泛提供基础设施这个角度讲，它又有点像另外一个萧斯勒的公司，美国在线，AOL，它是互联网基础揭露服务商，它让所有的人都能够接到互联网上，这个本身就是一个很巨大的一个工程，那今天大模型是让
所有的人都可以很轻易地接入到智能的一个路口。
所以在这个意义上，它也是一个基础设施服务商。
张小珺
所以你觉得模型公司是一个基础设施服务商，它能类比为哪些公司？
就比如今天的 OpenAI、Anthropic、Kimi DeepSeek 这些公司。
曾鸣
我觉得说的直白一点就是 AI 云公司。
这就是未来的 AI 云公司。
然后这是为什么现在比如说这几个大模型公司跟几家云厂商的博弈在美国变得非常的有趣和复杂。
是因为云厂商觉得他们付出了太多，得到的太少，然后模型公司可能大概率认为他们自己将来要制建云服务，甚至要制研芯片，像 OpenAI 这样的。
所以这两个生态之间可能会发生一些碰撞跟重新整合，然后会形成几个比较稳定的 AI 云公司，那个是确定的。
大模型公司有没有机会从基础服务提供商变成成功的应用公司？
我觉得这是个开放的问题。
如果我主观的给个结论，概率不会太高。
张小珺
为什么？
曾鸣
没有历史上的先例。
张小珺
Codex 现在就做得很好啊，Cloud Code 做得很好啊。
曾鸣
没有啊，这是大模型的一个基础延伸啊，这是 Coding 要成为基础智能的一部分啊。
对吧，如果没有 coding 的话，我们今天都谈不上可以调用 API，就觉得 token 就不会成立了。
是因为有了 coding 的这个能力以后，才让 token 变得这么有价值的。
因为它智能程度，它推理这个智能突破了呀。
张小珺
但是你看像 Anthropic 这样的公司，它成立才不到 10 年吧，
短短几年就已经市值万亿美金的公司，这在人的历史上都非常的罕见，您怎么解释这个现象？
曾鸣
这个描述本身就是一个幻觉和误解。
就是因为年轻人容易认为每个时代这一次不一样，这就是典型的这次不一样，其实我去专门查过这个事情，回到我们刚讲雅虎，雅虎 95 年成立，2000 年的时候达到了 1200 亿美元的市值，5 年的时间，那个相当于什么呢？那时候的 1000 亿美元的市值大概相当于我们今天的 1 万亿美元。
你把通货膨胀，把这个 NAS 的基本算进去，就是那时候一千亿美元按大概 8%的年回报就是今天一万亿美元的公司。
所以在 2000 年能达到一千亿美元，五年，不比今天 Anthropic 对大家的震撼不强烈，一样强烈。
然后我刚讲的那个消失掉的公司 AOL,1988 年开始提供服务。
2000 年高点的时候是 2200 亿美元的估值，比雅虎还高，是当时市值最高的一家公司，然后他再去收购了传统的媒体，收购华纳，达到 3000 多亿美金，所以也是一个很恐怖的数据，然后谷歌是 98 年成立的，2005 年达到 1000 亿美元，黑莓公司就是它的巅峰，它也是一个硬件厂家，最快达到千亿美金估值的公司。
嗯。
所以其实当一个技术有这么大的冲击力的时候，第一波成功跑出来的公司就有这么大的价值。
所以我觉得就是说 Anthropic、OpenAI 这个是了不起的技术上的突破跟商业上的成绩，但是这样的先例在历史上在类似的阶段都发生过。
张小珺
但是它不一定能活到最后。
曾鸣
他很可能会往后活得不错，但他大概率不是原生应用阶段的大玩家、大赢家。
即使是回到我们讲的石油的这个比喻，炼油厂跟化工厂其实也是两类企业。
化工企业后面比纯粹炼油的企业要有价值的多。
化工就是应用，炼油就是最基础的把石油给开采出来，然后再变成一个基础的油。
对吧，然后就像还有个类比，就比如说汽车，汽车离开了石油肯定不赚，对吧，但是你石油公司肯定做不了汽车。
你没听说过哪个汽车公司是由石油公司转化来的。
张小珺
我昨天刚好还看了一下陆琦博士在 2024 年时候说过的一段话，OpenAI 就是这种 AGI 公司未来一定会比 Google 大，只是大五倍还是大十倍的问题。
以您刚才的论述的话，我觉得您不仅不认为 OpenAI 可能是新时代 AI 时代的 Google，甚至觉得他们可能只是一个类似于历史上的过客的这样的公司吗？他们甚至会消失，是这么个观点吗？
曾鸣
我是这个观点，我相信未来一定会有一个十万亿美元的公司，但是未必是现在领跑的这两家公司。
其实我理解陆奇博士想说的就是未来会有一家 AI 时代的谷歌公司，它很可能比现在谷歌大十倍。
张小珺
不，他说的是 OpenAI。
曾鸣
我理解，我只是说，但是那么时候大家大概只想得到 AI 会代表到未来，但是我是因为纯粹我自己……
张小珺是一个商业史的研究者，最近也有时候开玩笑，就是说因为硅谷现在最时髦的那个词或者说地位最高的词叫 Researcher 嘛，对吧，一讲 Researcher 大家就很尊重，然后我觉得我现在也可以 claim 我也是个 Researcher，我只是研究商业世界的。
动力学规律，然后我们能看到的，我能看到的理论框架告诉我的就是第一阶段的企业很难活到第二阶段，第二阶段的企业很难活到第三阶段。
00:30:00
张小珺
为什么第一阶段企业很难回到第二阶段企业回到第三阶段企业？按理说他们这么早就在这个市场上，然后他对最前沿的信息也是最敏锐的，他为什么不能及时转型呢？比如说我马上从一家基础设施公司转型成为一家 Agent 公司，这个很顺畅啊，我觉得。
曾鸣
不顺畅，是因为第一阶段的技术核心是可不可用。
所以它有很多的原创的技术的创新。
第二阶段开始的标志是第一阶段的技术发展渐渐缓慢下来，
然后才能变成大家都能调用的技术，
我就不用再去重新开发轮子了。
然后第二阶段的应用其实是需要很强的洞察力，
它要的是产品很强的原创力，
然后跟普通用户的那种同理心，
然后需要应用技术的一堆的新的东西。
嗯。
所以你可以把那个应用技术的那堆新东西叫做新时代的大模型也可以。
就是说它其实是有新的很多技术前沿的创新。
就比如说比如说这个上下文的管理这个事情它有很多的技术创新可以做。
这个你到底把它定义为大模型还是不是大模型。
嗯。
其实不是那么清楚的啊。
然后在这里后面。
其实包括 AI 也有很多新的范式会出来，就比如说现在出来很多新的 New Lab，对吧？
新的 New Lab 里面一部分的人可能就会去转向支持这个阶段的应用需要的新技术。
这两个的结合可能就变成了第二阶段的王者。
所以技术依然在进步，但是技术未必沿着原来的轨迹在线性的增长。
它可能也有一个技术的范式的变化。
张小珺
您觉得不管是中国还是美国最后模型公司的一个格局会形成什么样的一个状态？
曾鸣
非常简单，公共基础设施的行业只有一种模式，商业模式是成立的，叫寡头垄断加政府强监管。
因为整个社会依赖于它，所以政府一定会强监管。
第二个，由于这个供给如此重要，所以不能只有一个供应商。
然后由于这个基础设施投入这么大，所以肯定不会无需竞争，不会有很多供应商。
所以就是经典的寡头竞争，政府强监控，保证社会有稳定的低成本的供给，这才叫基础设施，对吧？
你现在水电费能随便涨价吗？当然不能啊。
我知道这个现实对很多现在创业的人很残酷。
张小珺
那像比如说 OpenAI、Anthropic、Google 的模型，您觉得他们都会并存吗？
这里面有优劣之分吗？
曾鸣
当然有优劣之分，这是这个阶段最有价值的竞争。
我讲的那个产业中具并不否定现阶段的这些重要性和这些企业了不起的地方。
而且今年特别是 Anthropic 先领跑，OpenAI 再跟上，Google 阶段性的被甩下，其实就是……
主持人张小珺与嘉宾的主持人张小珺与嘉宾的主持人张小珺与嘉宾的主持人张小珺与嘉宾的主持人张小珺与嘉宾的主持人张小珺与嘉宾的主持人张小珺与嘉宾的主持人张小珺与嘉宾的主持人张小珺与嘉宾的主持人张小珺与嘉宾的主持人张小珺与嘉宾的主持人张小珺与嘉宾的主持人张小珺与嘉宾的主持人张小珺与嘉宾的主持人张小珺与嘉宾的主持人张小珺与嘉宾的主持人张小珺与嘉宾的主持人张小珺与嘉宾的主持人张小珺与嘉宾的主持人张小珺与嘉宾的主持人张小珺与嘉宾的主持人张小珺与嘉宾的主持人张小珺与嘉宾的主持人张小珺与嘉宾的主持人张
这个可能就跟我新书里面讲到的那个智能复利有关，那个基本概念有关。
我觉得 Anthropic 从去年下半年可能到今年上半年开始，
让大家意识到比较清楚的是，他们开始用大模型训练大模型了。
也就是 AI 进入了，他们的主业叫大模型训练，
然后他们把 AI 这个工具用到了自己的主业上，
所以他们模型训练的能力大幅提升，这是为什么我们会这个今年上半年大家会如此兴奋，是因为发现大模型还可以用这么快的速度提升这么高的性能。
这个就是因为大模型本身进入了它的训练过程，
但是还没有到现在又开始很火的那个词叫完全自我驱动的那个 Self Learning,
还没到那个阶段，它只是局部的被使用了，
但已经产生了很大的价值。
实际上这两家公司也有组织上的优势，
像今年讨论的同样多的，
有很多的文章讨论 Anthropic 的组织优势，
战略上的聚焦，
然后这些呢是相对来说，
其他几个公司可能就比较弱的，
所以当你组织优势跟一个新的技术的运营方式结合在一起的时候，
它就产生了一个巨大的领先优势，
而这个领先优势真的已经开始把比较弱的玩家往后甩出去了。
张小珺
中国的这些模型公司呢，他们会怎么进一步演化？
曾鸣
中国跟美国是保持两个不太一样的生态，
我觉得中国模型公司会持续地继续地
张小珺与嘉宾的访谈论与 Agent 入口、OpenAI 与 Agent 入口、OpenAI 与 Agent 入口、OpenAI 与 Agent 入口、OpenAI 与 Agent 入口、OpenAI 与 Agent 入口、OpenAI 与 Agent 入口、OpenAI 与 Agent 入口、OpenAI 与 Agent 入口、OpenAI 与 Agent 入口、OpenAI 与 Agent 入口、OpenAI 与 Agent 入口、OpenAI 与 Agent 入口、OpenAI 与 Agent 入口、OpenAI 与 Agent 入口、OpenAI 与 Agent 入口、OpenAI 与 Agent 入口、OpenAI 与 Agent 入口、OpenAI 与 Agent 入口、OpenAI 与 Agent 入口、OpenAI 与 Agent 入口、OpenAI 与 Agent 入口、OpenAI 与 Agent 入口、OpenAI 与 Agent 入口、OpenAI 与 Agent 入口、OpenAI 与 Agent 入口、OpenAI 与 Agent 入口、OpenAI 与 Agent 入口、OpenAI 与 Agent 入口、OpenAI 与 Agent 入口、OpenAI 与 Agent 入口、OpenAI 与 Agent 入口、OpenAI 与 Agent 入口、OpenAI 与 A8 进 4 的时候大概率的确会开始淘汰。
张小珺
所以最后留下有限的几家成为一个基础设施，这是您的观念？
曾鸣
是的。
张小珺
现在看起来谁淘汰了？美国我们知道了，中国呢？
曾鸣
中国其实就是看年底嘛，年底 3T，现在大家卯足了劲都在搞这个嘛。
张小珺
K3 刚刚到了 2.8T。
曾鸣
对，差不多，第一是质朴有点领跑，然后 Kimi 在 3T 上先交卷，成绩基本满意，再接下来看 MiniMax，千文肯定很快回发，MiniMax 这些差不多就都在跑最基本的新的竞技线。
张小珺
模型的格局今年会稳定下来吗？
曾鸣
还真不一定，可能要到前两名前三名的优势。
基本跟后面拉大了以后，这两三家可能就不太容易再拉开了。
张小珺
就是你说的那个黑洞理论，要形成一个巨大的黑洞效应，让其他家很难再超越。
曾鸣
对，其实 Anthropic 跟 OpenAI 在美国其实就从智能复利的这个飞轮开始，
因为他们会继续的往 self-improving 的这个路上去走，所以这个差距是越来越大的，
所以他们其实有点形成了黑洞效应，这也是为什么美国的云厂家就有点慌了，
因为将来这两者之间的合作关系就变得非常重要了。
张小珺
那在您看来，做模型的窗口其实关闭了没有？新公司还应该再做模型吗？
曾鸣
以我们定义的作为基础设施的大模型公司的窗口肯定是关闭了。
因为已经进入到了竞争的接近，智能飞轮都已经跑起来的阶段了。
你这时候进来就完全没有积累了。
张小珺
那这些模型公司最后是会趋同还是会分化？
曾鸣
寡头竞争的特征就是有一定的差异化，但是又足够的同质化。
同质化是保证可以被替代，差异化是让大家还有钱赚。
张小珺
所以模型公司是好生意吗？
曾鸣
是个很好的成熟生意，就我们为什么说企业都是时代的企业，你肯定不会是当红炸子机了。
过个三五年，如果你真的没有进入下一个阶段的竞争，你就是成了一个大家都调用你的服务。
大家只会不稳定的时候 complain，不会天天夸你的。
张小珺
OK，你觉得未来三五年可能会看到这个新的迹象？
曾鸣
应该能看到。
张小珺
那接下来，如果他们是基础设施服务商，那接下来一个阶段我们会看见什么呢？
什么样的公司会成为新的时代的公司？
曾鸣
就是看谁是 Netscape，谁是 Yahoo。
谁把 Agent 的标准建立起来，谁抢住了 Agent 的用户入口啊？
张小珺
嗯，这个观点都跟我们今天想象的其实很非共识。
曾鸣
所以就像你现在去 WAC 大会里头，只有到地下一层，一小块区域才能看到做应用的这些公司。
张小珺
嗯。
曾鸣
就二层三层的大厂家全部都是做的是现在有共识的东西。
张小珺
嗯，这个有，其实是 2026 年的一个快照，WAC 大会的快照。
对啊。
你觉得三年后会变成什么样，你大胆预想一下。
曾鸣
我觉得三年是有可能开始出现 Agent 的入口，就是因为 Agent 太多了。
你想想看，咱们就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?
你钱包敢交给 Agent 吗？你个人的隐私敢交给 Agent 吗？然后这种信任从何而来？
对吧，然后我怎么知道他收我的费用是真实的，对吧，这些东西其实都需要有一个可能一个新的服务商来给大家建立这种信任，让我们愿意说 OK，那我相信你定的标准，对吧，我相信你的推荐，然后我相信里面的 Agent 我是敢用的，好用不好用那是我后面自己的选择。
张小珺
这是我们接下来要聊的一个话题，就是 Agent。
您觉得 Agent 现在应该已经爆发了，对吧？
你怎么看它现在的一个状态？
00:40:00
曾鸣
现在就是百花齐放，大家各显神通，大家都在找那个切入点。
因为…
真正的 Agent 去年就有人喊 Agent 元年嘛，对吧？
然后也有很多 Agent 的创业，我其实去年夏天在硅谷就已经经历了第一波 Agent 的火爆，就是说去任何的 demo day，基本上都是十几个项目，都是各种各样的 Agent 在那，偶尔有几个做 Info 的，做基础设施的，但是大部分都是做应用的。
但是那些应用其实今年都不怎么样了，是因为去年的应用真的做的都是特别简单的任务。
就我看一场十个 demo 里头大概会有三五个是做广告的，然后里头有的就是做一个素材生成，有的就是做一个投放。
就这么简单的事情，我当时就觉得不太可能有长期价值。
但是当时比如说我看到有家企业开始想做增长，我觉得这个事情可能就有前途。
张小珺
为什么？
曾鸣
因为增长很复杂。
张小珺
就它得做复杂任务。
曾鸣
得做复杂任务，你才有可能建立自己的智能闭环，然后你才会有可能做一堆的你自己有价值的技术积累，而不是搭脚手架呀。
当智能能力不够的时候，你做应用很大程度上是在做脚手架，然后等着模型自然一说把你脚手架就淹没了。
但是今天做应用的切入点和思路是需要完全不同，就是你要假定智能是完全够用的，然后它到底能干啥活。
今天的核心是干活，然后是干一个复杂的活。
越简单的活越容易被复杂的活给吞掉，因为它没有多少成长的空间，这个事干完了就干完了，那不就停在那边了吗？
张小珺
那像 Mines 这样去年说做通用智能体的产品形态，您怎么看呢？
曾鸣
我有一阵子没有接触他们了，不知道他们下一步发展的思路是什么。
但是 Manas 当时的确是市场感觉非常敏锐，因为他们其实抓住了 coding 溢出的特别难得的一个机会窗。
但是他们的定位就是通用 Agent。
那么通用 Agent 当时能触达到的就是一批 Presumer 的生产力的需求。
当时那个切入点是对的，在今天一个 Agent 要在力柱至少要找个十倍以上的切入点，你才有发展的空间。
张小珺
什么叫十倍以上的切入点？
曾鸣
就是比那个应用场景要大十倍以上。
就说比如说大家做做 PPT 啊，然后出个报告啊，那些都不够大。
而今天技术又往前拱了一步，智能程度又拱了一步，做长程规划这些都比以前进步了很多。
那你能不能够往前大大走一步，把一个复杂任务给解决了。
张小珺
那还需要进入一个垂直场景吗？就是要做通用的 Agent 还是做垂直的 Agent?
曾鸣
这个就是大家接下来。
比创造力、比天分的地方，就比如说教育、健康这是典型的大垂类，你只要在里面耕耘就够了，你是在这个垂类里面能不能找到一个足够好的切入点，现在能切得进去，将来能长得大的，但是通用的里头又会分 to be 跟 to see，然后 to be 里头哪个是关键？
这个又不一样了，我觉得到今年年底你就会听到一堆的要做组织大脑的 Agent，组织大脑就是个 Agent 嘛，组织的操作系统就不同的叫法了，操作系统或者是说 CEO 的 Agent 的这个团队，这个肯定是今年很火的一个主赛道了。
这是 2B 端的，2C 端的。
这些阶段从又开始重新做情感陪伴啊，然后解决问题的啦，这些就都开始出现了。
张小珺
很多人都说这一波的就是应用啊，它很难形成上一代互联网移动互联网时代那种数据飞轮，你怎么看这个现象？
你觉得他应该去追求数据飞轮吗？
曾鸣
数据飞轮升级到了自力飞轮。
就是智能的飞轮，就是这个讲的智能复利。
所以今天大家其实也在讲数据飞轮，数据飞轮是一直存在的。
其实互联网更特别的是网络效应，我们先讲这个数据飞轮到智能飞轮。
是因为就是说你要真正把数据飞轮跑起来，就像今天的这个巨声机器人一样的，
你其实相应也要有算法的创新，也要有应用场景。
这也是三结合的东西。
然后我们刚刚讲到的智能复利也是你要形成一个新的学习场景，就是你调用了基础智能，但是你是让 Agent 具备一个更高的智能去完成一个特定的任务。
然后在这个特定的任务过程中，它一定会有数据的飞轮。
然后因为数据飞轮的前提是真实世界的反馈嘛。
真实世界的反馈的前提是你这个 Agent 要能独立去干活嘛，要离开人的这个参与嘛。
然后这个中间的一定会有算法的创新，包括刚才讲到的广义的，就是包括上下文的管理，包括记忆，包括这个新的交互方式这些。
然后这个会形成一个智能的复利，它在这个场景下就变得越来越聪明，然后这个智能复利能够渗透延伸到什么其他的场景去解决更复杂的任务，那个就是它的发展路径。
然后找到了或者运气好撞上了最有规模化、最能泛化的那个场景的人，就最有可能形成黑洞效应，他就有可能跑出来进入第三阶段的竞争。
这需要好多的条件才能够达成一个原生应用的产生，对吧？
对啊。
张小珺
现在看到这样的好的场景了吗？应该还没有。
没有啊，没有啊，要有的话肯定就火了，大家就肯定都会抢着去用了。
就你看这个原生，即使是阶段性的原生产品，比如说第二阶段最好的东西，一定是口碑的。
曾鸣
因为它一定是在体验上有大突破的，就像龙虾也是自己抱的嘛，就没有人去做投放啊什么，然后雅虎也是一样的，就是口碑相传，夸一下就火了。
我 93 年在这个 UIUC 读书，就是浏览器诞生的地方，所以我可能是全世界最早用浏览器的一万人之一。
那整个校园都疯了，天天晚上不睡觉，就是在用浏览器看各种各样的能看到的东西，然后马上大家就会觉得网上能看的东西怎么这么少。
然后就会有人意识到做个网站上传上去肯定是最有意思的事情。
张小珺
然后马上会有人发现这个原来是一个商业的机会，我能赚钱，这个飞轮就赚起来了。
所以您在这个 OpenCloud 这个时刻感受到了 92 年 93 年浏览器爆发那个时刻的那种同样的感受。
大家装不上 OpenCloud 都感觉非常焦虑，感觉要被时代淘汰了。
曾鸣
对对对。
刚才说的是这个数据飞轮，那网络效应呢？在 AI 时代网络效应会是什么样？
第一个就是网络效应会继续存在，它是就像基础设施一样，它成了这个时代的一个标配了，因为最后还是要广泛连接的，就即使从数据的本质来说，越多元化的数据，越差异化的数据，越能产生新的洞察，就你同样类型的数据，其实规模到了一定的程度，其实它的价值是边际效应递减的，啊。
第二个呢，我觉得网络效应的升级版其实是黑洞效应。
黑洞效应其实就是应用场景越多，你的连接越复杂，你就更有可能去拓宽你的智商。
所以我觉得黑洞效应某种意义上是 AI 时代的网络效应的升级版。
其实我在智能商业那本书里面讲过 DNA 螺旋的两个组成，一个是数据智能，一个是网络协同。
其实黑洞效应相当于这两个都升级了，就是数据智能，其实现在 AI 还是数据智能，它并没有进入所谓符号的 AI 智能的这个阶段，我们还是在这个数据智能阶段，然后网络协同实际上是变成了这个黑洞的一种内部的网络结构，它能够快速的去吞噬多少场景，而不是我们原来的那种简单的连接。
新的时代还会出现平台吗？
肯定会啊，入口就是平台啊。
张小珺
因为我觉得上一代的平台很多都是因为就是我们的信息效率不够高，
所以它需要一个平台来让信息效率进一步的流转。
曾鸣
我们在今天我们可以用判断力代替信息的不对称，
但是判断力也是个稀缺资源，
所以就刚才讲到的一样会出现一个双边市场，
就是海量的
Agent 的开发商跟海量用户之间怎么完成这个匹配？
我们看一个网站很容易判断它好是坏，成本不高，不好就不再看了嘛。
00:50:00
曾鸣
但是你用一个 Agent 是有可能出现很大的负面影响的。
所以我们判断 Agent 的能力的能力要求是更高的。
所以在这个阶段我们大概率会浪度……
这种判断力给一个独立第三方我们认为是信任的，而这个其实就是个典型的双边市场的结构，双边市场是有中等程度的网络效应的。
那新的平台和旧的平台它可能不一样的地方是什么？旧的平台能变成新的平台吗？它能演化过来吗？
大概率不能，就是因为旧的平台做的是简单的信息匹配，新的平台要做的是能力跟需求的匹配，所以复杂度会高了很多。
就它两边的东西发生了变化。
张小珺
是的是的，是新物种的匹配，虽然还是匹配，但是匹配的东西是不一样的。
所以大概率会诞生新的公司。
曾鸣
是的，因为你如果不是 Agent 的原生的话，你怎么能判断得了 Agent，怎么能够给 Agent 提供一个最好的一个通用的开发平台，对吧？
张小珺
但是现在是不是走平台这一步还有点远，可能还要几年时间？
曾鸣
大概就是三五年的时间吧。
张小珺
今年大家也在谈 Agentic OS，首先什么是 Agentic OS，你有一个定义吗？
曾鸣
我觉得没有人能定义得了，Agentic OS 我把它放在第三阶段，所以我们可以与它去讨论一下，
因为你是 OS 就开始调度资源了嘛，它就不再做匹配了，你只要告诉它一个意图，
张小珺
我就直接调用市场上所有的 Agent 直接帮你给干完了，你都见不到那个 Agent。
曾鸣
那首先 Agent 得爆发，真正的爆发出来，所以一定要经历第二阶段这个时间。
张小珺
对对对，所以只有到一个足够复杂的阶段你才需要直接去调度 Agent，然后 Agent 也得成熟到那个阶段才能被简单的调用。
曾鸣
所以 AgentOS 比我们想的可能要远。
张小珺
我个人觉得是第三阶段的事情，是比较远的，但是大家在，因为在第二阶段就容易去畅想第三阶段可能是什么，所以这个讨论是有意义的，但是它大概率是没法落地的这个阶段。
您构想中的 Agentic OS 可能是什么样的？
然后它的话语权有可能被谁争夺到？
有可能是模型公司吗？
有可能是应用公司、互联网公司、算力公司
还是像苹果这样的软硬一体的公司？
曾鸣
你照我的理论框架的话
肯定是一个谁都不知道的长啥样的公司
这才叫大创新
要不然它不抵制它未来的价值
所以因为 Agent 长成啥样咱们现在都不知道
对吧，然后你再到第二阶段，Agent 的原生硬件是长啥样，我们也不知道。
所以得这两个东西得都足够的探索到硬的阶段，我们大概才会找到一个最自然的跟 AI 互动的方式，
然后那个 AI 真的能够给我们提供现在想象不到的便利性。
那个就是未来的科幻了，应该可以去问科幻小说家他觉得那个时候会是什么样的一个状态。
张小珺
这个很有趣啊，就是我们大概基于历史可能有三步的推演，但是每一步它具体 Agent 长什么样，Agent 的生态长什么样，然后下一步 AgentOS 长什么样，原生意义长什么样，其实都是问号。
是的，对，但是讨论第三阶段的好处是你大概知道最终的终局大概是哪个方向，所以你做第二阶段的时候会更有针对性，然后在第二阶段的中后期，
大家的有一部分人的注意力就会开始走向第三阶段了。
但是今年 Agent 应用公司都很惨淡，可以说是到了近两年来 Agent 应用的冰点，去年大家投资应用公司的热情还挺高的，但是今年大家觉得那不就是模型的一个 skill 吗，那应用公司都很难融资了，您觉得这个现象会是短暂的还是长期的，您有什么想对这个应用公司的 CEO 说的吗？
曾鸣
我觉得现在是应用领域里面创业者的反共识阶段，就是因为没有一个好的应用让大家看到它有多大的潜力以及它该怎么做，所以大家都在摸索。
就比如说视频生成，这个是已经相对成熟的领域，然后做 Agent 的公司也很多。
然后大家最终的目标可能都要做 AI 时代的 TikTok，抖音这些，但是大家都知道离得现在很远，那你第一步到底做啥，这个就非常考验大家的功力。
AI 短距动漫又有点门槛太低，所以很快的半年大家就都干完了，而且是 AI 模型能力顶上来以后基本上就干完了。
所以正好我们处在一个青黄不接的时候，模型的能力已经溢出到很多简单的任务他自己就能干了。
但是呢，我们又没有找到一个足够大的场景可以用 Agent 的方法去真正让 AI 做一个足够复杂又足够有价值的事情，
然后还能把性价比非常好的智能用得很充分的，然后又能形成自己的独特技术积累的。
所以就是大部分人其实低估了 Agent 的难度。
去年大家有点像，我当时的感觉就像小孩过家家一样的，就啊，我有个新玩具，有好多好玩的事情，然后大家就开始下场玩各种各样的东西，都没觉得他那个东西能做多大，因为大家那时候考核标准也很简单，你只要有 AR 就好，那 AR 嘛，你一个新技术当然是有价值的，总有人愿意付费，然后大家又有一个好的 AR，觉得大家都很开心。
张小珺与嘉宾的访谈论
小孩子就被淹没了，但是今年也许智能，我听到这个普遍的感受，大家都觉得智能是真的能干活了，可以信赖了，因为推理能力达到了一定的水平。
然后开始真有人想我能不能严肃地拿它干点重要的活，这才是应用阶段开始的真实的标志。
张小珺
所以模型公司会吞噬一切吗？您肯定也听到这个说法了吧，在今年模型吞噬一切。
曾鸣
模型吞噬器的前提是所有的东西都在模型设成内。
按现在的范式发展的模型，它肯定会有一个阶段性的发展阶段，智能够用了。
然后这个阶段就会有一堆的新的技术要求出来去做不同场景下的东西。
那你模型就不可能吞噬掉所有的一切啊。
就我有举个特别直观的例子，就是一个很好的例子。
就是 1892 年爱迪生发明电灯泡照亮了曼哈顿这一公里的范围内的这个平方公里范围内的这个地，这个大家都知道啊。
1910 年有一个实质性的突破，大概在那之后就开始有了发电厂、电网的概念。
大概 1910 年电网覆盖了美国可能主要的城市，然后在那一年终于出现了两个大应用。
张小珺
1910 年才出现了两个大应用，除了照明，电灯照明那是第一个大应用，家里头真正出现 2C 的两个大应用，洗衣机跟电冰箱，一直到 10 年出现。
他还使用了电。
对，还有一个很重要的收音机，然后我们第三个离不开的家用电器，实际上到 1925 年才出现，那个是空调。
曾鸣
这空调肯定离不开了，今年欧洲的库属已经让很多人意识到空调的重要性，到今天都离不开空调，30 年才出现电视机。
所以应用的发展它肯定是有它的规律的，然后我们今天离不开洗衣机、电冰箱跟空调，但是收音机跟电视机被压缩到了手机里面。
这两个就基本上没有了，电视机就稍微还有一点点存在感，但是基本上被电脑跟手机给取代了。
所以我想讲的就是说，公司层面很有意思的选择，就爱迪生发明了电，但是他认为发电更重要。
所以他成立了通用电气公司，最早是做发电设备的，但是他没有意识到电网非常重要，所以他的助理，
李卓人在 2013 年离开了，成立了美国第一家送电公司。
但是通用电器真正成功是因为它生产出了最早的电冰箱和洗衣机。
哦，这个很有意思。
对，所以它其实是因为一个 2C 的应用突破了以后，
然后电网就成了基础设施，成了一个 to be 的服务的一个基础设施，就大家不再关心电网的公司的品牌了，但是通用电器繁荣了 60 年，然后就把各种各样的应用就一步步做出来了。
张小珺
不过刚才说的是硬件的 2C 的产品。
曾鸣
那时候没有软件，因为那时候没有知识，没有数字化的信息。
张小珺
直到互联网这个时代来的。
曾鸣
不是，那时候也开始积累了，但是那个积累是很浅的。
01:00:00
曾鸣
IBM 成立于 1910 年，是因为开始有了这些设备，然后要开始处理数据，现代化的工厂出现了，所以才要人去管理信息。
但是 IBM 真正大发展是计算机出现以后才开始。
张小珺
所以要看在智能时代谁能更好的利用智能做出一个 2C 的、不管是 2C 的还是 2B 的这样的产品，也不管是硬件还是软件。
曾鸣
是的。
张小珺
你看现在的应用公司做着做着就会开始要去训模型了，因为他们觉得如果没有自己的模型，可能跟模型公司竞争起来没有竞争力，比如说 Cursor，那您觉得应用公司应该训自己的模型吗？
曾鸣
我还是澄清一下概念，就是我觉得我们还是把 Agent 或者智能体当作新时代的主体，创业的关键。
他们跟模型之间的边界会逐渐的清晰。
然后我刚才也讲到了 Agent 的公司的技术创新可能也是非常大的，只是它不一定跟现在大模型技术创新的轨迹是一样的。
然后同时呢，
因为大模型之间的竞争关系会让大模型能提供的能力成为一个大众商品、基础设施，所以做智能体的公司其实没必要再开发这样的大模型了。
然后 Cursor 不是我们定义的这样的主体，它只是当时在 coding 能力不够的情况下，它在去试模型能力的边界在哪。
所以当模型发展以后，它其实被 fold into，被包进去了，成了模型迭代的一个养料。
所以这是两个完全不同的阶段。
所以为什么过去两年不太容易找到那个规律，
是因为它这些东西都在动态发展，
但是当你理解了基础设施跟 Agent 的发展的一个根本的差别以后，
你现在问 Agent 的人，
张小珺
他们可能会认为自己将来的技术应该跟大模型的技术是有一个比较清晰的边界的。
所以 Agent 的公司不用自己训模型对吧？
不用训传统衣裳的模型，
曾鸣
因为你可以稳定的调用，
不用担心模型公司切断你，
因为有一个合理的替代品随时可以接上来。
张小珺
Mindus 需要自己训模型吗？
曾鸣
Mindus 看它接下来想训什么样的模型了，
因为就是你做 Agent 你也要做很大的技术投入的，
所以 Mindus 正好卡在那中间，
它得去探索那个边界在哪，
嗯，但这可能都是我们阶段性遇到的一些问题，就是模型公司要怎么做应用，应用公司要怎么做模型，慢慢的产业的生态可能会更加的清晰化。
是的，就是开始有几个像样的 To-Seed Agent 开始跑起来以后，大家大概就有感觉了。
为什么 OpenCloud 这个火热一下热情就下去了？
没有啊，就是第一个它是一个小众的用户啊，毕竟还是极客跟 CEO 最感兴趣嘛，它并没有扩大到大众。
第二个呢，现在技术的确不成熟，大部分的 CEO 都是敢于尝试的 CEO 都被折腾得痛不欲生，就真正能够把龙虾刨起来的没几个人。
所以就是说它是做了一次很好的演练，让大家看到了潜力和方向，但是那个产品本身就是一个早期的，就是我们讲的企业发展周期或者说创新扩展周期，它就是最早即刻尝试一下的实验产品。
张小珺
到今天可不可以说一个非常好的 2C 应用，2C Agent 还没有出现呢？
在今天这个阶段？
曾鸣
我有限的范围内没有看到。
张小珺
但是它会出现，也没有大家想那么悲观，是吧？
曾鸣
没有，我非常乐观，一定会出现。
张小珺
其他人很悲观吗？今天都到了历史低点了。
曾鸣
没有，那是因为从投资人的角度来说，他现在由于上一轮受了伤，然后这轮又没看到像样的，他可能不想看了。
你想看如果没有一个土石的好的应用，我们要 AI 干嘛？
有没有可能应用最后其实就是几个模型公司做的最大的机会？
张小珺
有可能 OpenAI 一直就想做啊。
曾鸣
对啊。
对啊，但能不能做到那是看它的组织能力，它的创新能力。
张小珺
所以模型公司一定会想做，也一定会做，问题是它最后能不能成，那是另外一回事情。
你有什么想对应用公司 CEO 说的吗？现在在苦苦挣扎的应用公司 CEO。
曾鸣
其实就是找到自己发展的方向，认真做好自己的事情就好。
但是融资是个很现实的问题，这个我也理解，这没办法，这个你早期你做一件全新的事情，早期就是比较困难。
张小珺
2026 年其实还有一个现象，除了这波应用公司出现了好多 New Labs，不管是在美国还是在中国，
他们的方向可能有 AI for AI，有世界模型，这几个是比较多的，您怎么看这个？
New Labs 背后涌现的根本原因，为什么会出现这个现象，为什么需要探索新的模型范式？
我觉得可能几个方面吧，一部分人可能是看到了现有范式的一个天花板，或者他从原理上，像阎朗昆这样，他从原理上就认为这个事情是有偏差的，或者说他的天花板是很有限的，那他终于有了机会去试一下自己一直就有的想法，所以这是一类。
曾鸣
一类的确是觉得可能就要 Skating Law 它有个边际递减的一个趋势，就不管它现在发展多好，那早晚会有个趋势，这个可能也是部分人的共识，所以大家才会一起都出来。
第三个呢，我觉得反而是因为大模型的基础能力到了一定的程度，大家可以去尝试一些。
跟现有大模型技术路径不太一样，但是也非常底层的一些创新。
比如说像 AI for Science，那个就是类似这样的难度，而且也需要大模型的支持，但是做的事情可能跟现在的大模型技术路径不太一样。
所以这一几大类都被统称为了新 Lab。
New Labs 会成为一个过渡型的现象，还是会成为一个长期的组织形态啊？
我觉得他们是新的组织形态的早期的雏形。
张小珺
新的组织形态的早期雏形，那还是会长期存在对吧？
曾鸣
会，它会继续演化，因为就是说你看大家为什么会叫 New Lab,
就是因为不满意公司嘛，公司要被淘汰了嘛。
会吗？
肯定的，因为公司跟工业时代是一起产生的，
工业时代之前是没有公司的，只有手工作坊。
所以工业时代最大的一个制度创新就是终于有了公司这种组织形式，然后让现代化管理可以被运营起来，才能支撑公司的规模化扩张。
所以它是一个配套的制度，如果工业时代的很多的基本经历规律被挑战了，它的组织形态肯定也会被挑战。
所以大家更愿意叫 Lab，对吧？
张小珺
但是 Lab 这个呢，我为什么说它是雏形的，是因为它更加像这批研究员在一起工作的状态。
曾鸣
但是它要变成未来，普通人可能也是用这种类似跟更加 AI 原生的方式工作，所以它会有一些新的演化。
就真正的第一个 New Lab 是 OpenAI。
所以这一批企业其实应该叫 New New Lab，因为他们还是借用了 New Lab 这种组织形式，但是它开始做不同的事情。
New Lab 的本质应该是 Lab 不是公司了，你觉得这个未来会成为一个常态吗？
未来我们叫那个组织叫什么名字，我觉得现在不确定，大概也不会叫 Lab。
就是你看我这本书里面，我刻意从头到尾都在讲组织，我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。
为什么用这么复杂的三个词，就是因为不知道这个词还没有被定义出来。
张小珺
这个组织形态也在刚刚的孕育期，可能五年以后我们会有个新词叫这个新组织形态，但是今天我们没有，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化革命的产物它有可能会消失？
科程制管理的这种公司制度会衰亡。
曾鸣
会衰亡。
是的，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，但是组织用哪种形态，这个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，剧烈到感觉已经伤筋动骨了，连组织这种形态都已经从公司开始向其他的方向开始转变，为什么变化这么大呀？
你讲两个类比就能理解嘛，第一个至少把它类比为工业革命，对吧？
那工业革命基本上颠覆掉了以前所有的农业时代的那些东西，
那么 AI 如果是超越工业革命的这样的技术创新的话，
那工业时代的大部分东西也会被淘汰掉。
第二个你从一个更底层的角度来说，
人类一直是很自豪自己是地球上，
01:10:00
曾鸣
唯一的智能动物，然后其典型标志是因为我们有语言，会说话，那 AI 也能说话，AI 能理解人的所有的知识，AI 也具备了智能，所以从这个角度来说，我们未来的世界发生的变化是超出我们想象的。
所以过去的很多我们习以为常的事情在 20 年以后完全可能会不存在，这个应该是大概率的事情。
张小珺
AI 原生组织应该怎么搭建？
曾鸣
这是一个特别大的话题了，我们讲个最底层的逻辑吧，岗位可能就不存在了。
或者说岗位是公司最基本的一个运行单元，所以我们应聘都是应聘一个岗位，对吧？
公司发展，要发展了先要定一个岗位，给一个工作描述，然后去招人，然后这个公司才能发展，对吧？
然后因为有岗位所以有汇报线，有层级，有相应的报酬，所有的东西都跟岗位连在一起了，岗位是现在组织的一个基本单元。
张小珺
但是 AI 时代组织的基本单元是任务，是什么是要被解决的事情，所以大家是围绕着任务在流转的，这个组织肯定就完全不一样了。
那如果从岗位变成任务，人应该怎么在这个组织里结构起来呢？
曾鸣
这就是现在大家都在探索的最有意思的问题，这个问题问得非常的好。
所以阶段性的产品是大家讲的 AI 一定要嵌入工作流，但这个只是阶段性产品，因为那个工作流是为人设计的。
张小珺
对，这个还是感觉是现有的公司和组织加 AI。
曾鸣
对，所以原生的组织会从第一天开始就去定义那个任务，然后去拆解那个任务，再去分配那个任务，所有的人和 AI。
都是围绕这个任务。
张小珺
归基员工和探机员工都是围绕着任务的流转在协同的，这超出大部分人的想象，这需要一点时间去消化，但是它是一个任务分解跟完成的。
曾鸣
那以后找工作找什么的，没有一个岗位了？
张小珺
你去论领任务，现在这几个大 lab 都是在任务发布，然后你去论领，你觉得你能干就接啊，然后你能 deliver 结果，你的东西就上线了，公司只要发布任务，你只要去论领任务就行了。
它是一个更加网状的一个结构。
曾鸣
是的，是的。
张小珺
他的成绩会进一步减少，不存在了？
曾鸣
不存在了，因为成绩存在是因为不知道谁说了算嘛，那就先定个成绩，成绩高的人说了算嘛，他不是以判断力为标准的。
当然这个成绩本身跟判断力的积累有关，但他原则上就在任何一个特定场合是谁级别高谁说了算，但未来是谁的能力强，谁被调用。
那这个基层中层高层这种结构也就没了？
张小珺
岗位中层、高层、低层都是叫科层制管理，它其实就是有这样的垂直的分工的，有这个命令线的，所以当这个命令线被打破以后，将来的协同就不是靠命令了，所以传统意义上的中层肯定是消亡了。
怎么激励员工呢？因为设置这种层级，它有一部分的原因也是作为一个激励线，让你爬格子嘛，在这个组织里。
对啊。
那以后的绩效、考评和人的这个驱动力来自于哪里啊？在一个组织里。
本质上是自驱啊。
嗯。
曾鸣
就为什么这半年硅谷最流行的一个词叫 High Agency。
张小珺
对吧，就是我们讲主观能动性嘛，你自己掌握自己的命运，你有没有成长没有人比你更了解的，对吧，所以你成长了你开心了你就继续做，你没成长不开心你去换个地方呗。
而且你的竞争对象似乎也不只是你的同事们也包括你的 AI 同事们。
曾鸣
第一个非常重要的，的确是要跟人家向内看，就是你自己得找到你的驱动力。
第二个，你要有为什么叫主观能动性呢？你要明白你要培养什么样的能力。
第三个，你要找到这个能力最适合应用的场景，然后跟着这个场景一起去成长。
第五个，因为你接了这个任务，你交了结果，这个东西是非常透明的，所以你一定会得到相应的奖励。
为什么这些 Top Researcher 转会费那么高呢？是因为贡献很透明啊。
张小珺
你看你们采访的时候，我看现在打 title 都叫顶尖研究员，那也没有 title，连 VP 之类的都不写了呀，这个不需要大家也都知道他们的江湖地位，是因为整个的这个网络更加透明了，就是说谁在做贡献，谁不在做贡献，很清楚，对吧，这两家公司都有前 30 个人，前 300 个人，前 1000 个人，你在不在那里头就都很知道，
所以 New Lab 它不能算是一个阶段性的产物，它可能算是一个新的时代的一个组织的早期形态。
曾鸣
对啊，因为之所以叫 Lab 是因为现在主要的员工是研究员，研究员最能理解的就是一个 Lab。
他们不喜欢公司也不喜欢大学，但是他们喜欢 Lab，所以就叫 New Lab。
张小珺
但是将来其实所有有创造力的人都会在这样现代的新型组织里面存在，那个时候可能大家就不会局限于 Lab 这样一个称呼了。
但也可能不叫公司。
曾鸣
肯定不叫公司。
张小珺
肯定不叫公司。
肯定不叫公司。
曾鸣
所以公司会消失，公司会消亡。
这没有什么可以遗憾的呀。
就将来有更好玩的，你说多少人现在去公司上班是开心的？
张小珺
不开心。
对呀，对呀，那你将来可以有更开心的方法，那不就是技术进步给人类带来的价值吗？
曾鸣
艺人公司会成为一个发展的方向吗？
不会啊，为什么一人公司，只是说公司的很多只能摊摊到一个人身上了，就一个人现在能干，原来几十个人能干的活，但是一个人能干的活永远是有限的，所以你一定要有组织啊，一定会有分工啊，一定会有合作啊，所以一定会有组织啊，所以一人公司是个阶段性的产物，它只是让大家理解了一个人，
由于有了 AI 的帮助，它其实能够干原来一个公司花了那么大的管理跟协调成本才能干到的事情。
所以将来的每个人就是一个一轮公司，你就这个六边形战士，然后你在那个组织里面再去跟其他的六边形战士一起去合作。
那要产生新的这么多的就是组织形态，那传统的公司怎么办呢？他们怎么办呢？他们这个公司已经形成了。
张小珺
转型啊升级啊成为新物种啊
怎么转？
不换脑袋就换人啊
不换脑袋就换人
曾鸣
对啊就是自己的认知先要升级嘛
所以为什么现在在讲 AI 原生的
这个认知和理念是有价值的
是因为你得理解新物种会长成啥样
你至少要理解
你要跨过的那个鸿沟有多大
张小珺
你才会去努力，要不然大部分人顺着惯性就是 AI 加，一路加下去了，但是原生的公司争起来的时候，你就会很绝望。
曾鸣
只不过是这个转型的确非常困难，因为它本身是反能性的。
张小珺
我原来理解这波 NewLab 其实还是在做早期探索的时候的一些形态，
曾鸣
但是也许可能未来到了应用公司，它这种早期形态也是有借鉴价值的。
现在的 NewLab 的确都在做早期探索的工作，而且是偏技术性的，
所以他们被叫为 NewLab 是非常自然的，
但是未来的公司也是在做非常有挑战的探索型的事情。
只是技术只是其中的一个环节，甚至不是最主要的那个驱动环节，所以那个组织该怎么叫，他们喜欢什么样的一个类别，Club。
或者是什么，现在喜欢的，大家其实喜欢的是球队的感觉。
嗯。
这个是一个专业的球队。
所以如果你是一个 NBA 的明星球队，
是其中那个明星球员，那肯定就是最大的成就嘛。
嗯。
我觉得这批人可能会找到一个新的方法来教他们自己的。
这些 New Lab 的 Hack,AI 协作的方式可能会延续下去。
对。
嗯。
对。
现在这些 New Lab 有泡沫吗？
大概率有吧。
但是泡沫是好事，早期的泡沫肯定是好事，因为中赏之下才有永福，而且大家都看到了类似的机会，这就是市场机制的价值，因为你不知道，你事先是没有一个上帝的视角知道谁对谁错的，所以你只能是让大家去试错。
然后市场就说 OK 我知道这是方向所以我愿意投入这么大的资源支持大家释出。
然后这一轮 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他们至少起步是 OpenAI 跟 Anthropic。
张小珺
那当你的潜在的回报是这么高的时候那你当下愿意下的赌注肯定就更高啊。
以您认为 OpenAI 只是一个基础设施提供商的角度来说，NewLab 是不是不应该值这么多钱呢？
没有啊，一样啊，因为你依然得到了一个在十年内从零到了一万亿的公司啊。
曾鸣
那个回报是无比巨大的，对吧？
01:20:00
曾鸣
所以从投资人的角度来说，他们只关心 OpenAI 跟 Anthropic 未来三年，从一亿多到至少三亿吧，或者最好要五亿吧，要不然他们投资连风险的这个 buffer 都没有了，对吧？
但是投 New Lab 的人更多是希望其中的某一家有机会最终成为下一个 OpenAI 跟 Anthropic。
张小珺
因为您这本书也是把组织问题放在战略问题之前，首先为什么呀？
就是为什么？因为您是一个战略专家嘛，为什么您把组织放在战略之前？
曾鸣
理论上不是应该先有了战略，然后我们再定组织吗？过去我们都是这么做的。
还是回到那个基本判断，就是
虽然这个词有点俗，但是我觉得还是要讲，就是说
AI 对于
工业时代是一次
泛式革命
所以我们看到的是新物种
新物种的共性
重要于单独讨论其中的一个环节。
所以我后面这两年为什么对组织看得越来越多，是因为你发现你想要的那种未来的战略的生成方式跟原有的组织是不匹配的。
他只有用新的组织形态才能生成新的战略，这两个是阴阳合合的。
为什么会有新的组织形态？是因为它有一个非常原生的大挑战，是决策的频率越来越高，质量的要求越来越高，所以才会有新的组织形态。
然后新的组织里面最重要的决策就是战略决策，所以这两个东西的确分不开。
就你得一起去摸索我怎么用新的方法做新的战略，然后这个战略帮助我进入了下个阶段，我才有机会去尝试更多的组织创新。
以一个 AI Native 的公司给他的 CEO 提建议，搭组织最重要的是什么呀？搭一个原生组织，先天有优势还可以搭这个原生组织。
其实还是对 AI 理解的深度够不够，你自己够不够原生。
就比如说我碰到的好几个在这方面走得足够远的创业者，基本上都自己重写了自己公司内部的，
运行的体系，而且因为他们编程能力这么强，AI 帮助这么大，基本上都是李志飞讲的，我把自己关在家里三天，我基本上就把那框架写出来了，基本上是类似的故事，就是说因为他们对于那个组织运行的原型是有深刻的理解的，然后 AI 最大的帮助就是能够快速帮你把原型给实现了，所以他们基本上自己都做了一套体系，但是可能大部分人今天，
会满足于飞书的 AI 升级，觉得那个就已经够我用了，而且因为我原来已经在飞书上了，所以我的迁移成本也高，我自己也做不出一个啥新东西出来，然后我要判断别人做的东西靠不靠，我大概也没那个能力，所以这个中间大概就成了一个分水岭，就是未来真正 AI 原生组织的人，
最早一批 CEO 大概是自己动手重新写了自己的组织运行方式的，因为那个就是未来的组织的神经网络，
他的神经网络是怎么连接在一起的，而且我们讲工作流这些其实都跟神经网络这些它的类比本质上是一致的，
你原来的 ERP 就是一个固化的道路，固化的道路它就一定有各方面的
将化跟局限，它就不可能是一个实时反应的网络，对吧？但是神经网络的适应能力是远远超过任何东西。
张小珺
神经网络的天然就是对应的任务。
那对于现在已经有公司的 CEO 有什么建议？
曾鸣
如果你想继续在最前沿参与竞争的话，你的确就得在 AI 原生方面做更大的努力。
当然竞争都是相对的，如果你是跟兔子比赛跑，那你的速度要求跟猎豹比赛跑，那肯定速度要求是不一样的。
张小珺
所以谈战略之前要先谈组织，组织对于 CEO 来说变得更重要了。
曾鸣
其实是阴阳两面，就没办法完全不离开的，因为都是基于同样的新的 DNA 长出来的东西，所以还是我刚刚讲到的，就是说我讲战略一定会讲到组织，就比如说聊着聊着我就问一下你们公司到底有多少人。
现在谁参与战略讨论，对吧，这个就进入了组织的部分。
那你聊组织的时候肯定会问，那你现在组织面临最大挑战是啥？
你的组织是为了解决这个问题的，那你这个组织有没有机会解这个问题？
所以这两个东西是结合的非常紧密的。
张小珺
对未来这个组织的构想，您觉得可能和现在的组织这种公司形态不同，
或者什么，除了它的中心从以岗位为中心变成以任务为中心，还有其他的不同点吗？
曾鸣
可能人会变得更少？
人变得更少是肯定的，或者阶段性的变得更少是肯定的，将来说不定有太多好玩的东西大家可以一起玩，那是另外一个第三阶段的事情，我们只讲第二阶段，第二阶段是因为 AI 杠杆作用足够大。
张小珺与嘉宾的访谈讨论
这套协同方法摸索出来以后，也许可以开放、吸引更多的人可以用相对更简单的方法参与进去。
张小珺
太有意思了，我感觉这个处在智能革命的开端，就是你可以尽量把它往大了想，而不是往小了想，不要想只是一个互联网的变化，要想的可能比工业革命更大的一个变化，所以未来可能是翻天地覆的一个变化。
是的，而且一切刚刚开始，而且接下来的想象力是属于所有人，因为第一个阶段，就是你看所有的团队创业者都是以
研究员跟技术专家为核心的，因为他要做早期的特别大的技术突破，但是当技术成为技术设施以后，各种各样的产品运营跟用户的连接、同理心这些东西就变得非常重要了。
我看到您书里对研究员为什么值这么多钱给了一部分合理化的解释，因为他是跟 AI 交互最多的人，他最能理解 AI 的边界在哪里，他能够跟 AI 最好的互动。
曾鸣
现在他们就是创造最大价值的人，然后现在市场又比以前更高效，能够比较
快速敏锐地识别出谁是创造最大价值的人，所以他们就获得了市场认为他们 deserve 的这个价格。
你觉得产品经理在下一个时代还重要吗？
当然重要，或者说产品经理会变得无比重要，是因为你做什么产品，服务什么客户，创造什么价值，用什么技术，这都是你要做的决定。
有限的时间投入在哪一件相对最重要的事情上，这个都是产品经理要去判断的。
只是说今天我们看到的这些大模型公司，他们因为必须是技术主导，所以你会看到基本上是研究员主导的。
但这中间有个特别有意思的现象，就是
张小珺
我也讲的比较尖锐一点，就是这一批的创业者要过的一个很大的坎，是有没有足够的开放的心态去理解商业世界的运作规律。
曾鸣
我发现很多的技术人员没法接受一个简单的事实，就是我的技术这么牛，我创造了这么大的价值，为什么我公司可能不值钱？
因为经济学的基本规律，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。
所以这个跟技术人员以前的接受的整个的模型训练是完全不一样的。
所以极少数的技术人员必须完成这个蜕变，就作为 Founder，作为 CEO，他必须去理解经济学的基本规律，商业世界的运行规律，然后他才能够成为一个合格的 CEO，把公司带得足够远。
你觉得新时代产品经理或者是方的，他需要是 research 背景吗？他需要是这种技术背景吗？
下一代大概就不需要了。
张小珺
这一代需要对吧？
对，就模型这一代是肯定需要的。
但是下一代应用驱动就不需要？
对，然后你到巨声这一代就已经看得到，巨声基本上都是联合创始人，基本上一个是大模型背景，一个是偏应用跟商业背景，是因为他们一开始就碰到了这个问题。
对啊，今天好像一个创始团队它的联合创始人变得比以前多。
曾鸣
这也是一个 AI 原生组织的开始越来越显著的特征，是因为每个人都必不可缺啊，要不然就用 Agent 上了。
所以我书里面有一句很重要的判断，就是未来整个企业会越来越像合伙人。
有一个很有意思的补充，刚才讲的公司是工业时代最大的一个制度创新，然后它取代了原来的手工作坊，但是有一个制度是平行存在的，就是合伙人企业，就像律师事务所、大的咨询公司，甚至包括投行，早期其实都是合伙人企业。
01:30:00
曾鸣
合伙人企业的典型特点就是几个人的分工合作都很重要，少了谁都不行。
所以未来的组织你会发现全员都是合伙人的这种情况会越来越普遍。
要不然我就不招你，招你其实就是因为你的贡献必不可少，那你其实就是一个合伙人。
张小珺
只不过是可能你早期进来叫联创，后来进来就叫合伙人了，这个可能也会有非常大的变化。
曾鸣
每个人都有不可替代性，人数也显著变少，我们只要是一个合伙人的组织就可以，是一个球队。
张小珺
然后每个人也有差异化，不是同质化，每个人也要更强。
对啊，肯定互补啊，如果就是你的覆盖的话，那就靠数字分身去做了。
多少人是比较合适的？
曾鸣
这个跟任务有直接的关系，所以就像 OpenAI，他们的人数上升也很快，所以它解决的问题是越来越复杂。
张小珺
这个 AI 时代的创业者呈现的特征和过去有没有变化？
这个阶段的变化是非常明显的，就是科学家创业嘛。
但它不会持续到下个阶段？
下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，您觉得他们这个分界和差异是什么？您能一眼识别哪个是卓越的创始人哪个是优秀的创始人吗？
识别不出来，就是说卓越，为什么说卓越难？卓越，我讲的最重要的话就是卓越是事后认定的。
曾鸣
是因为你克服了一次一次的负反馈，当所有人都不认可你的时候，你最后会以巨大的成功证明你是时代最早的那个先知。
所以这个卓越的过程是一个逐渐展开的过程，而优秀是一个持续有正反馈的成长过程。
所以这两条路径是完全不一样的。
张小珺
大部分人是优秀的人。
曾鸣
因为优秀跟人的心态是比较匹配的。
但是跟卓越同样成比例的就是我开始讲到的，
很多人是疯狂的，失败的。
就真正卓越的人，就是有疯狂想法的人，
能走向卓越的人也是非常非常低的比例的。
狂想的人可以很多，也很容易，
但是你不但是想对了还能落实的那个是极为稀缺的能力。
而且你问这些人的话啊，
他可能也未必认为自己有什么不同。
这就是在那个《基业长情》那本书里面讲到的，
就是他看到的那些特别卓越的企业，
他就是另外一本书就叫《优秀到卓越》嘛，对吧？
两本书都是那个都是同一个作者写的。
他其实讲你真正问这批人的时候，
他们有个极大的特质，
都是把成功归于别人。
张小珺与嘉宾的访谈训练训练者与训练员与训练员与训练员与训练员与训练员与训练员与训练员与训练员与训练员与训练员与训练员与训练员与训练员与训练员与训练员与训练员与训练员与训练员与训练员与训练员与训练员与训练员与训练员与训练员与训练员与训练员与训练业与训练业与训练业与训练业与训练业与训练业与训练业与训练业与训练业与训练业与训�因为事情大于人，因为你一定自我很小才能走那么远，是时代成就了你，的确是，你只不过是碰巧在合适的地方跟合适的人在一起做了合适的事情。
所以如果你只是为了证明自己，证明你有多牛，就是他书里面讲的第四级的领导者，在某一个时间点，世界都会打你的脸来证明，你其实没有你想象的那么厉害。
张小珺
所以自我小一点才有可能。
曾鸣
是的，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。
张小珺
因为你 ego 大的话，你会一直想要证明自己，你就会一直在那个正反馈的循环里，所以你大概率走的是一个普遍性正确的道路。
曾鸣
是的，因为你急着证明自己嘛，所以你需要短期反馈嘛，你是为了自己的 ego 嘛，所以你不会去真正的去感知和理解真实的世界，你对信息的处理一开始就会容易受你陷入为主的判断的影响。
张小珺
那如果是另一条路呢？
他想的是我要怎么把这个事情最大化还是？
曾鸣
我要把这个事情做好，对吧？
就要我愿意听更多的人不同的意见，
我相信大家都很优秀，
我们是为了成就这个共同的梦想，
那整个公司的凝聚力就不一样了，
这就是真正意义上的使命驱动的公司。
所以你如果问我的话呢，
我也会把公司分成四个层级，
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。
但是这个使命是发自内心的，你真心 believe 的，你完全相信跟拥抱的，不是你编出来写在墙上激励别人的。
那样的人是非常非常少的。
张小珺
怎么辨别它是一个使命还是战略，这可能只有你自己知道，可能自己都不知道。
曾鸣
经常有创业者过来跟我讨论战略问题。
我其实经常问的第一句话往往把他们搞懵了。
我经常会问十年以后你会对怎样的自己满意？
这个问题就是最能反映你对自己当下是什么期望，你大概这一段的旅程是什么驱动的。
张小珺
但是这个问题本身也是一个自我依构的问题。你有自我依构你才会想十年后的自己是什么样的？
曾鸣
比如说有的人会讲我就是对这个事情特别感兴趣，我希望这个事情能成。
这种肯定事情就已经大于人了。
有的人是说，我就是好奇，那这个也比证明自己要有意思。
然后有的人就会说，我就是要做一个 100 亿美金的公司。
张小珺
这是负分答案？
曾鸣
对，因为这个基本上是自我驱动嘛，就是要一个外部的认可嘛，所以它很多的东西都会基于这个去做调整跟变化，它不是一个内在驱动，它其实是个外部的，它受外部的衡量标准影响很大，所以每一轮的估值就容易对它有冲击。
张小珺
这都像在交答卷。
曾鸣
对啊，对啊。
张小珺
您听过最好的回答是什么？
曾鸣
马老师最早创业之前讲的，让天下没有难做的生意。
那个就是他自己发自内心相信的东西。
张小珺
他那是使命还是战略？
曾鸣
那是使命。
张小珺
还有过很好的回答没有？
曾鸣
我觉得马斯克去火星也是使命。
张小珺
这是一个脱离于我自我的一个事情。
曾鸣
对啊，那是要把人类带入外太空时代。
张小珺
对创业者来说哪些是非共识哪些是噪音啊？怎么辨别？
曾鸣
这个跟这个战略制定也有很重要的关系，就是说因为你就是在判断嘛，对吧，判断信号跟噪音，一个可能是尽量感知的全面一点，就是真实的去体会外界发生什么变化，第二个呢就是可能思考要更深入一点，这样的话你大概能慢慢分清楚。
赵英跟这个信号，很多人是不太过脑的，就是说思考你不生的话，当下流行什么你就跟着流行去了，所以会很累，因为你一直在追，在追趋势，别人已经领跑了两步了，你没看见，你只看见他冒出水面的第三步，所以你追肯定就是第一天就是输掉的。
第二个呢，就是有可能你就是因为接触的面太窄了，所以你容易做出一个局部的最优的判断，但你可能失去了一个更大范围内的一个视角。
对对对。
张小珺
嗯，这好多都是心法感觉。
曾鸣
我个人是比较爱琢磨心法层面的事情，而且理论的东西容易反而被，大家容易被理论框住，因为你只对那句话，就记住了那句话，然后你自己可能一葫芦画瓢就容易出很多问题。
但是心法如果你掌握了的话，就能够根据具体的情况随机应变了。
张小珺
因为您也说现在做战略首先要组织，并且战略也是实施变化，那今天这个战略还重要吗？
您以前也说过要看十年想三年，干一年，这个在 AI 时代还 work 吗？
曾鸣
今天战略无比重要，你做错一个重要决定就出局了，这个淘汰赛可能以几个月就来计划的。
所以我为什么会讲 AIS 来学到一套新的战略方法论是因为你持续做出正确战略决定的重要性是非常高的。
就越不确定的时候越需要战略思考能力。
如果都很确定那大家拼的就执行能力嘛。
对吧。
那第二个呢就是其实看十年想三年干一年。
就是我对 AI 时代战略方法论的一个比较形象化的总结。
但是大部分人记住了看十年干一年，因为那是他们习惯的工业时代的战略方法论，因为工业时代或者说就从 90 年代开始的很多的传统企业的方法论是因为在一个相对成熟和发展缓慢的世界，看十年是比较清楚的，因为你每年就 5%、8%的增长，然后十年以后大概会变成啥样，
也没有新的玩家，所以你大概是知道的。
然后在这个情况下，你做今年的规划也很容易，基本上就是线性推演加一个，就线性外推嘛。
然后战略如此的不重要，以至于大公司都把战略外包给麦肯锡这样的咨询公司了。
01:40:00
曾鸣
所以 80 年代开始到 00 年左右，麦肯锡、BCG 这些公司有一个井喷式的发展。
就是因为这些公司认为战略不重要都可以外包给别人了。
所以麦克锡他们过去就是根据行业经验、根据我们的战略方法论，我帮你制定一个十年的规划，然后你就按年去执行就行了，双方都很 happy。
但是我们今天的问题在于开一年是远远不够的，你没法先行外退，对吧？
先行外退就不可能得出 Anthropic 今年 80 倍的同比增长的收入了。
就是因为你是一个 Vision-driven 的人，然后你放弃了一个现行外推的思考方式，你才可能有未来。
但是由于未来如此不确定，所以看十年帮不了你太多，因为当下从哪下手你还是不知道。
所以你得逼着自己去想一个大概三年左右的一个途径，所以真正的创造力在看三年。
看三年要求你大概看个两三步
就我第一个 Mars 洞是什么
第二个里程碑是什么
第三个里程碑可能是什么
然后我今年做的第一个重要的事情
是为了满足哪一个里程碑
所以你就会有短期、中期、长期之间的一个动态的张力
这个张力引领企业有可能
创造力时代
张小珺
这应该以多长周期为频率来思考战略？
曾鸣
好问题。
所以说看十年想三年干一年是一个形象化的比喻，
它本质是要彰显看三年的创造力以及短期中期长期的那个冲突和矛盾，利益取舍。
战略本质是关于取舍嘛，最核心的就是这个取舍。
但是你也可以看五年想两年干半年，
这个根据每个行业不同，甚至你可以看三年想一年干一个季度，这个节奏是根据行业发展可以有些不一样的，但是一定要有中期的一个思考，就一定要看到至少三步而不能只看一步。
张小珺
所以关键是中期的那个节点。
曾鸣
去年有一个创业公司，做 Agent、做应用的公司问我，他们的公司发展很好，ARR 涨得很快，我就问了他一句话，我说你 ARR 继续涨两年以后又怎么样呢？最后产业终据会怎样呢？你 ARR 有没有一个天花板呢？那个天花板多快会来呢？
所以他一下就明白了，他回去后来算了，就发现天花板不高，就赶紧回去，就是说去做一些新的事情了。
对吧，但是当你就是线性的看，啊，我呀，每个月都在增长，年增长率多，这个多好，特别是呀，这是一个很虚幻的事情，它不但是一个线性外推，而且还是拿当下外推 12 个月，是很容易让人产生一个增长的幻觉。
然后他很可能就突然到顶了。
嗯。
后面就直线的变成一个线性增长，然后你做的事情其实是一个很不…
张小珺
没有想象空间的事情。
曾鸣
对，没有多少价值的事情，所以你短期内的价值模型一溢出就是没人愿意付费了，或者是竞争太多了。
大家刚开始竞争的时候是按你的创造的客户价值来定价的，但是当竞争对手一多了就是按你的编辑成本定价的，也是大部分人不理解的一个经济学的基本规律。
张小珺
不管是短期、中期还是长期，我们应该以什么为一个指标呢？就是我们当下能够看自己的成长性的一个标识有可能是什么呀？
曾鸣
这个指标就是主观的。所以为什么会有 OKR?
就是要想解决当你的目标不能转化为 KPI 的数字的时候，大家要用 OKR 的方式协同。
只是因为 OKR 落地对组织要求太高了，所以大部分公司或者放弃了，或者 OKR 变成了变形的 KPI。
为什么实际上未来的这个组织，大家现在用对齐这个词用的越来越多，
就是很大程度上其实就是对齐，对齐我们的目标，对齐我们对未来的判断，对齐我们背后不同的论知模式。
这个是变成了一个更低性的一些东西。
张小珺
OKR 还会延展到 AI 时代吗？
曾鸣
我觉得 OKR 的基本理念是对的，
但是我们可能会找到，
或者说 AI 时代才有可能让 OKR 落地，
因为那个组织大脑，
那个 AI 的组织的那套系统，
是能够追踪自然语言的表达的，
然后它基本上这个神经网络是无所不在的，
所以它大概率有可能给我们一个反馈说，
你们都偏离了你们的 OKR,
我看到了一些更具体的，未必是数字，但是是一些趋势，我可以提醒你们的。所以 OKR 可能真的是需要一套新的方法才能落地。
张小珺
那 AI 时代到底这些公司应该怎么制定战略呢？你们能不能分别说说模型公司、应用公司、机器人公司，他们分别应该怎么做战略？
曾鸣
我觉得那个分不开了，就不同的公司是不同的场景，而且不同的发展阶段。
所以我书里面也讲到战略摸索期、战略成型期、战略成熟期和这个战略执行期。
所以你拿行业分不如拿发展阶段分，就比如说。
大模型公司基本上进入了战略发展期，因为战略都收敛了，大家相对是比较清晰的，但是巨声机器人的公司大部分都在战略摸索期，都不知道该往哪收敛，所以在这个不同的阶段的战略的方法是有不一样的地方。
但是回到那个更根本的，就 AI 时代的战略生产这个方法跟以前有什么不一样，我觉得最不一样的就以前叫战略规划。
现在叫战略生成，我特意创了这个词，因为这个词本来就反映 AI 时代，大家都习惯了视频生成，这个文图生成。
张小珺
而且现在大家说伟大不能被忌坏。
曾鸣
对啊，所以就是真正它其实是生成，所以公司就我们讲组织设计的时候，其实真正要做的是一套体系，一个环境，可以让战略洞察涌现出来，对吧？
然后成为一个战略不断生成的系统，最后战略就是一个自然而然的决定，在合适的时间有合适的人做了一个合适的决定，公司就往前走，所以是要把那套生成系统给建起来。
张小珺
那就是组织和环境？
曾鸣
对，所以我为什么不得不把组织先说，就是说你如果不理解，因为未来的组织有这个能力做这个事情，它是一个神经网络，它是一个工作流，任务流，它是一个任务流导向的一个系统，然后人跟 AI 都接到这个系统里面。
核心是涌现，就跟大模型一样，实际上是人跟 AI 一起在训练一个组织的小模型。
所以核心就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在演进，这是最终目标。
张小珺
怎么构建一个好的环境？
曾鸣
除了刚刚讲到的类似神经网络这样的系统之外，
这就是为什么需要新的文化，需要一个跟全员合伙人能够匹配的文化。
这就是为什么 Context Not Controlled 又重新火了起来。
五年前我比如说讲 Netflix 的案例，甚至讲自己的案例，大部分人觉得挺牛的，但是跟我没啥关系。
但是今天所有的人都知道，就是要给 Context，给够了 Context，他就有那么牛，能做出正确的决策。
所以对其目标跟认知，然后就是给够，甚至就是全员共享一个完整的上下文。
张小珺
Long contest。
曾鸣
对，然后事情就会自然地涌现。
张小珺
而且人和 AI 都要共享。
曾鸣
对，因为人没有办法像 AI 那样有处理全海量信息的能力，
但是能有瞬间的创造力和看见没有不存在的连接的能力。
张小珺
您觉得今年大家对于就是好多老灯的不喜欢反老灯公司，
你觉得跟这种 AI 时代带来的这种组织变化、文化变化的本质是不是也有一些关系？
因为可能他们口中的老灯是上一个时代公司的这个组织体系、
科层制的体系演化而带来的一些形态遗留下来的。
曾鸣
是的，这个特别有意思，老灯这个词特别有意思，
以前大家都尊老爱幼嘛，对吧？
对啊。
那核心原因是什么？
是因为老的经验有价值，老的规范在延续，所以你必须尊老爱幼，这样你才能学到东西嘛，对吧？
这才是传承嘛。
那么为什么有老灯呢？
01:50:00
曾鸣
就是你刚刚讲的宏观方面，原来的那套东西看起来都没什么价值了，对吧？
公司受到压力越来越大，谁也不愿意再刻成字。
就姚顺宇讲的特别直接嘛，对吧，谁愿意陪老灯玩牺牲自己的这个青春年华，所以这是个非常典型的这个心态，但是在个体上这个事情能成立的原因是因为经验相对来说，特别是能够转化成知识的经验都不再有价值，因为它都被大模型吸收了，所以这些年轻的聪明人用好业杠杆，你瞬间就能成为任何一个领域的专家。
为什么 AI 现在也可以达到一个主任医生的水平？
是因为所有的经验都被沉淀在大模型里头了，
所以你过去 20 年的经验还有啥价值呢？
年轻人当然就不尊重老年人了，
然后就会有相对带点负面的这样的称呼就出来了。
张小珺
那老年人怎么办？
曾鸣
或者安心养老，或者变得重新年轻吧。
张小珺
所以新时代组织的文化应该是什么样的呢？
曾鸣
文化的核心就是创造，就像一个球队一样的，每个人都不可缺少，但是依然有民心，有前锋，有后卫的分工的差别，所以它的文化一定是开放透明，然后共享。
还有一个非常重要的，我把它叫做共创，就是说大家都明白自己是在共同创造一个新东西，所以合作跟协同的这种意愿跟能力也会大幅上升。
张小珺
你觉得为什么上一个时代的公司这个体系让人这么不快乐呢？很少有人快乐吧？
曾鸣
这没办法，因为……
大部分的知识工作是简单、枯燥、重复、繁琐、没有成长性的。
所以我们自然会觉得那就是一份工作，它是消耗性的，然后既不带来情绪价值，也不带来成长价值。
然后公司为了管理就都是偏控制性的手段，对吧？然后盯牛盯得很死。
所以整个的那个环境是越来越不符合今天大家对于文明的向往或者自我发展的。
什么是幸福，什么是快乐的一种理解。
所以我自己是非常乐观的，我觉得 AI 在这个时代给了我们一个更大的自由度去追求我们想要的那种更好的人生。
张小珺
所以以后的组织可能会更开心一点，更有创造力一点。
曾鸣
我觉得可能开心就成了必需品。
张小珺
对，其实价值是必需品。
但对于创业者的腰腿也变了呀。
曾鸣
是变了。
张小珺
不能是一个那种老板心态，对吧？
曾鸣
谁还愣你呀？对吧？我都不陪老灯玩了，我还要陪你老板玩？
这是完全一个不同的环境了。
所以你看现在所有的创业者都讲他第一优先级就是招人。
然后招人的时候都是赶招来的，都不是你说不能 PUA。
对啊，但 PUA 也不愣啊。
张小珺
服务型 CEO。
刚才我们聊战略的问题那个地方没有聊完，就是您说像比如大模型公司它进入战略发展期，然后机器人公司还没有收敛，还是在早期萌芽期，那他们具体来说他们这个在不同阶段的公司应该怎么制定战略呢？
曾鸣
在战略收敛期的话就要追求组织效率和执行效率，然后要追求从一个方向性的战略到一个可以闭环的运营模式。
所以它才能高效的，因为发展期的核心是规模化，你要上量，要快，但是你能够规模化原因是因为你的原型已经很强壮了，所以它可以被规模化。
那么战略探索期的核心是一号位必须带着大家去做不同的创新，然后要有一套机制把这个试错的成本给降下来，然后逐步地达成一个共识。
所以这个阶段你要有自己相信的，但是可能又不能过于执着，因为可能现实会给你打脸，发现别人的方向可能是对的。
这个时候就是你自我能不能让位给现实，是因为你需要不断的调整，而且每个人的这个出发点都受制于过去自己的训练，所以你能看到的东西都有路径依赖，所以现在大家一起去创造，那你能不能快速地把别人最好的经验给人。
理解、消化、吸收，然后再形成公司下一步的创新的基础。
所以在战略尝试期，核心是创新的效率要足够高，而不是执行的效率。
张小珺
你看今天大模型公司不管是美国还是中国，大家都在做 agentic coding，这好像是一个很大的共识。
他们没有非共识是吗？他们应该非共识吗？
曾鸣
非共识就是 New Lab，不论这个共识的人就去创业了嘛。
然后 New Lab 里面某一个反共识可能就会成为三年以后的新共识了。
这就是市场特别有趣的地方，它是深深不息的在这个中间不断的往前演化。
张小珺
现有的还不会进入同质化竞争？
曾鸣
请不吝点赞 订阅 转发 打赏支持明镜与点点栏目
然后是因为这个预期破了，那就才会有大家对于这些公司可能就没有能力持续去投高的 CAPEX。
所以源头是前面这些公司还有没有实力，还值不值得为他们继续投入基建。
基建都是为了这些大模型公司服务的嘛，如果最后他们创造价值有限，那我干嘛投这些东西呢？
张小珺
您现在的观点是应该继续投入吗？
曾鸣
第一个我觉得大模型本身发展的空间还非常大，所以大概率基建的投入还会继续，但是可能在某一个时间点会出现一个拐点，就基建的投入由于周期性会可能超过大模型的真实的需求。
但那件事情从产业发展来说未必是坏事，因为应用公司就可以用很低的成本去用现有的基础设施，所以他们的进入门槛是大幅降低了的，就是智能的调用真的会变得非常的便宜，又足够的强大和稳定。
或者换句话说，只要这个智能的供给还没达到大家想要的那个状态，基础设施就会持续投入。
张小珺
所以应用公司可以再苟一苟等一等。
曾鸣
你也没法苟一苟等一等，因为你不在这场里头，你积累不了相应的经验，等真的大浪来了你接不住啊。
张小珺
我觉得应用公司还是要有希望，不要那么灰心。
曾鸣
对，那我是觉得绝对要有希望的。
而且他们下场也是因为他们感受到了来自于未来的某些召唤嘛。
我们只是在外面可能没有感受到他们那么强烈的这种相信。
张小珺
您觉得机器人公司不管是从模型上还是巨声上，因为今天还非常不收敛，您觉得什么时候可能会出现进一步收敛，它的产业周期发展可能有多长？
刚刚讲了这些模型公司到 Agent 的公司，它的一个阶段，那机器人现在是什么阶段？
曾鸣
我觉得机器人还在非常早期，就还在摸索到底怎么落地，因为有一些很核心的制约，比如说数据，
不像大木星公司原来起来的时候有足够的数据，所以有些很现实的制约让他们还在一个非常早期的战略探索期。
张小珺
因为现在有好几种做的方法，一种是先从大脑开始做，然后追求机器人大脑模型的泛化性，另外一种是从比如说一个场景开始做，然后做巨身，做身体，然后它能在这个场景里通过数据来跑腾整个的臂环，然后这个臂环再反补它的模型能力，您觉得应该先突破哪一边呀？
曾鸣
我觉得在逻辑上两条路都成立了，所以你没法事先判断到底哪条路能赢。
因为泛化的挑战是在于泛化的空间有多大，第二个你在一个具体场景下，特别是一个很大的场景下，你的效果到底够不够好。
走这个场景的那些公司呢，它的挑战是在于现在能找到的场景都不够大。
但是它的能力能不能让它快速扩张到一个足够大的场景，既能把它做好，然后又有泛化的可能性。
所以原则上就像爬一座山，你可以从南坡爬，可以从北坡爬，事先很难说谁能爬得快一点。
张小珺
机器人这种阶段可以类比为什么产业的什么时期吗？
曾鸣
最简单的类比就是他们自己认为的还在 2020 年左右的阶段，还没到全 GPT 的阶段的大模型公司。
张小珺
能跟更历史的一些什么早期的产业能来做类比吗？车？
曾鸣
也可以这么类比，但是车的话呢，前面也是几千家公司，这还真是个好的类比，就是大概比如说 1900 年到 1920 年，真的有几千家公司在美国都是做车的，有的人觉得我有一个机械功能，就我能把一个车敲出来，反正马达都是买别人的嘛，但是后面是出现了一个原生应用，就是福特汽车，1913 年福特
02:00:00
曾鸣
是建了全世界第一条由电驱动的流水线。
现代制造业才进入了一个新的阶段。
福特才能用极高的效率生产出一个大众可以消费得起的汽车。
所以那是汽车行业的第一个 2C 的突破。
然后福特就成了现代工业时代的一个代表。
但是后面有个很有意思的插曲，
就是当福特通过规模化、标准化、只卖黑色车做到了全美第一以后，
大众的需求开始多元化，
然后就出现了通用汽车有七八种车型去竞争的下一个阶段。
张小珺
说明每个战略都要在当时那个时期有效才有效，它不是一个亘古不变的事情。
曾鸣
对，现在大家都能手戳一个机器人公司，但是哪个机器人公司能完成规模化量产，谁都不知道。
张小珺
也许我们还在等待那个梯形车阶段。
曾鸣
就是在等梯形车阶段，梯形车就很了不起了，你能够规模化量产。
所以为什么大家都觉得谁第一个真的能够实打实的把一个一万台机器卖出去，机器人卖出去就已经是个了不起的成就了。
张小珺
有没有可能机器人这个产业它可能发展的节奏会更像车，去类比大模型对吗？我在想。
曾鸣
你要这么类比的话，我们干脆把它放大到刚才讲到的，就电出现以后，电器的出现，因为基于电可以有 N 种电器。
所以你说冰箱跟洗衣机谁更重要，就不好比了，大小也差不了多少，对吧？所以我们可能会出现 N 个不同的机器人，真的是适用不同的大场景，家用机器人肯定是一个。
但家用里头可能也有一个偏陪伴型的，一个偏家务型的，然后这个工业场景或者外面的各种各样的场景，它是一个普在的一个事情。
大家为什么这么看好机器呢？是因为它是一个 AI 跟物理世界交互的一个基本的界面，所以就有点像电，什么东西都可以被电再重新干一遍。
所以我觉得你的问题非常好，机器人可能更好的类比就是电器的发展，那个可能是一个更好的类比，然后汽车成了中间的主打。
张小珺
因为 Token 类比的是电嘛。
曾鸣
对对对，汽车的确是其中的主打，但是那个是对外的场景，对内的场景就是洗衣机、冰箱。
张小珺
家庭场景。
曾鸣
对。
张小珺
在这波巨浪面前，哪些巨头是安全的？
曾鸣
我从来觉得在巨浪面前没有人是安全的。
谁觉得安全谁就是最不安全的。
张小珺
他们有多不安全？
曾鸣
应该都足够的担心吧。
张小珺
他们的战略都是 AI first、all in AI，这个够吗？
曾鸣
这是必要条件。
够不够要看技术演化的路径有多么颠覆，
然后新公司获取资源的能力有多大。
主要是看这些方面的挑战。
张小珺
你觉得他们 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？
曾鸣
挑战非常大。
张小珺
挑战非常大。
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的企业还能做得非常好的，多不多？
曾鸣
不是多不多的问题，是有没有的问题。
张小珺
有没有啊？
曾鸣
基本没有。
IBM 曾经做到过一次。
然后微软算是做到过一次，就是微软某种程度上错过了移动互联网，但是它保持住了搜索的火苗，然后有了云计算的积累，所以加上它在 PC 时代垄断积累下来的 PC 的 OS 的垄断，所以让 AI 时代 Google
起了个大早，还有一次机会，但是目前看微软好像又有点吃不准它到底能不能走过去了，因为它对模型的投入不够，它模型这块其实已经出局了，虽然它有 OpenAI 的早期的投资，但是目前它已经买不起 OpenAI 了，即使算微软这个已经算是维持了很长时间的一个领先的公司，可能未来都不太确定。
张小珺
Google 呢？
曾鸣
Google 就相当于微软的上一段，也许它能成为一个很好的 AI 云公司，但是它能不能成为一个消费者的大应用，这个还真的不那么确定。
张小珺
入口？
曾鸣
对对对，入口级的应用，那个不太确定，但是因为它有 TPU，有大模型，有那些，我觉得 Google 作为一个云厂商活下来，这个应该是没问题。
张小珺
所以这种不依赖于你怎么战略选择，你都很难一直在派桌上是吗？
就是这个是让人绝望的地方。
曾鸣
这一点都不让人绝望啊，就是人有生老病死，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，年轻人才有梦想啊，这多好的一件事情啊。
对吧，一直都垄断，到今天这世界太无趣了。
张小珺
Google 不一定会成为下个世代的 Google，字节会是下个世代的字节吗？
曾鸣
同样的大概率也不会啊。
张小珺
字节今天模型做的也还不错对吧？起码在国内是第一梯队吧？
曾鸣
没有啊，所以字节是有很大的机会成为 AI 云公司的，
包括 Cdance 做的那么好，在视频生成方面、多模态方面，
它都已经是世界一流的大模型公司。
因为做基础设施是容易的，你有那个积累有沉淀，它有一定的惯性的，
但是那个大的 2C 的应用是有非常大的不确定性的。
张小珺
豆包是吗？
曾鸣
豆包肯定不是啊，对吧？要不然它肯定不计成本就往里砸了。
它不砸了就是因为豆包不够那么未来啊。
张小珺
豆包更像一个上一代的移动互联网产品？
曾鸣
不是，豆包就是第一代 AI 产品，就是那个聊天机器人。
豆包没有行动力，智能体的核心是独立完成任务。
张小珺
那它把智能体内置进豆包不行吗？
曾鸣
这就是他们想做的嘛，就是大家都想做 AI 时代的 OS 嘛，所以他肯定是想做入口去调度 OS。
上一代的入口能不能够理解下一代的整个生态的发展，做成下一代的入口。
那个挑战是非常大的，因为你如果不是 Agent 的事实标准的话，你其实是很难成为入口的，你调的都是上一代的服务，但你上一代的服务有可能是会被下一代的服务，就是他们要被颠覆的嘛。
张小珺
社交关系会重构吗？腾讯安全吗？
曾鸣
肯定重构啊，腾讯作为最安全的，为什么最近这么恐慌，就是因为也有可能不安全啊。
张小珺
肯定重构，社交关系。
曾鸣
人跟人的关系都会被重新定义，Agent 在里面的重要性也会大幅上升。
张小珺
所以你不看好这种现有的一个产品，它加 AI 加 Agent，你不看好？
曾鸣
我觉得都是过渡产品，就像 QQ 也没有过渡到移动互联网时代，或者说就是说 QQ 过渡到了，但是真正承接移动互联网时代的是微信。
张小珺
人和人的关系会被重构，人的社交关系会被重构，那人和货物的关系呢？
曾鸣
一样会被重构，我觉得阿里也一样有那个挑战。
张小珺
她特别努力，她加 AI 加 Agent 也不行。
那自己再造一个产品有可能吗？
就让我，让下一个时代产品单身在我这个公司里。
曾鸣
所有的公司都会 all in AI，就像我当时讲的移动互联网的时候大家都 all in 了一次移动互联网。
我其实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？
我觉得那个是决定了问题的本质的。
我当时的判断，
我觉得是 1.5 的创新，就是它有很强的颠覆性，但它也有很强的延续性，因为它都是基于互联网的一个基本架构嘛，有网络效应啊这些，技术也是有这个有延续性的，但是它也有它的这个非常颠覆性的地方。
所以你会看到呢，因它的延续性的部分让几家头部的互联网公司都过渡到了 all in 成功过渡到移动互联网公司。
但是它的颠覆性的部分最后也的确成就了抖音和拼多多这两个更加原生的移动互联网公司。
AI 现在呢，我可能整体上更倾向于它这个颠覆性的技术。
张小珺
他都不是颠覆互联网，他都颠覆的是工业革命了。
曾鸣
对对，整个的就颠覆了，所以它是个生产力的革命，互联网本质上是个生产关系的革命，所以它整个都颠覆了以后，延续性的部分没那么强，那么在这个意义上，原有的物种去适应新的物种就会非常困难，你的技术储备可能都不是那么线性的。
张小珺
所以我寄希望于下一代的产品也长在我的公司里，难度也是很高的。
就是哪怕我用的不是我现在这个产品吧，我用下一个产品去承接，让它诞生在我这个公司里，这个难度也非常高。
这是组织文化原因吗？
曾鸣
不，两个方面，组织文化肯定是其中的一个制约，因为你一个十万人的公司转成 AI 原生，跟一个十个人的公司长成一个一千人的 AI 原生公司，难度是不一样的。
02:10:00
曾鸣
这是非常重要的第一点，第二个就是说，这是大家对平台跟生态的理解，就是你如果没有做出第一个，
真正成功的 Agent，你大概率不理解 Agent 是怎么运行的，你就没有办法提供那个基础设施，成为不了那个事实上的标准，也就成为不了路口。
所以你自己得在 Agent 上得真正诊明白了，你才有用户才能吸引更多的人，吸引更多的 Agent 的开发者在你这上面开发。
所以先有一个成功的 Agent 是前置条件。
张小珺
才有那个黑洞效应。
曾鸣
是的，是的。
张小珺
你看过去两年 XAI 也做了很多事情，你觉得他们是战略错了吗？
曾鸣
战略上可能也有问题，他们没有特别明确的方向，不像 Anthropic 那么聚焦。
然后我觉得组织上肯定是有问题的。
我讲个细节吧，我在硅谷只要是碰到有一群工程师的场合，XAI 的那个人永远是最疲惫的那个人。
张小珺
哦，他们要自己卷。
曾鸣
对，他都已经不是一般意义上的卷，就是他就是被消耗的过度了，可能跟 Aaron 工作的那种方式也消耗了，他虽然可能让你成长，但是可能特别消耗了人。
你看到他们来了以后也是没有什么力气说话的。
任何一个组织的创新其实是就像人一样的，人太累的时候是没有创新的。
你一定是在一个相对开放放松的状态，你才会有新的东西出来。
当一个组织绷得那么紧，然后又非常的高压的环境下，
要做一件特别大的创新是一件非常难的事情。
而且我听研究员的评价，也没觉得 Aaron 真正懂大模型。
所以他原来那套方法论，就是他比较偏硬件的那套方法论，其实到了 AI 这个时代，
他没办法自己直接给答案，然后又没办法用一种共创的方式让组织来给答案。
张小珺
因为他以前都是自上而下的，对吧？
曾鸣
是的，他给了地心原理的答案，然后逼着大家去超常规的去完成。
但是在这个场合下，他自己给不出那个答案，他又不给底下的人那么大的空间去给出一个答案。
我觉得 XAS 肯定卡在组织上了。
张小珺
所以他这个也就是你说那个组织和战略之间的这个关系做的很差。
曾鸣
是的。
张小珺
他没有通过组织去生成战略，他都是他自己的意志。
Meta 呢？我每次都觉得小扎很年轻啊，他为什么跟不上？
曾鸣
不是，你年轻但是你出头早，消耗也早啊，消耗的也多啊，因为你被一代一代的这样的东西其实都在消耗你的认知的潜力。
而且 Meta 大到这种程度，它内部调度资源啊这些就变得非常的困难，而且我觉得大部分的研究员也不觉得小扎懂模型。
所以他就没办法真正去做非常重要的决定。
然后另外两家公司，就比如说 Sam，他真的是依赖 Illia，然后 Illia 是真能够驱动整个事情的。
然后 Sam 又是一个很好的 CEO，所以这两个人就是一个很好的搭配。
然后 Anthropic 是整个的组织能力非常强。
Darrell 给 Mission Vision 这方面把握的比较准，所以 Athropic 就显示出了一个非常聚焦的、有 Vision-driven 的一个公司的爆发力，但是 OpenAI 因为底子够厚，
所以他即使这一轮反过身来追 Anthropic 速度也非常快
但这两家公司本质上都是新时代的创业公司
所以它的组织文化各方面其实都更加匹配
然后你到其他几家公司就都有各自自己的问题了
张小珺
中国的公司呢？你有没有一些观察？
曾鸣
中国公司其实也类似，本质上也类似
就 Kimi 可能就比如说更加原生一点
但是这个前文一位起步的比较早，而且有大公司的这个资源的支持，所以他一直能够持续的往前跑。
然后自洁当张一鸣自己反应过来要 all in 下场的时候，那自洁的速度也非常快。
中国的竞争为什么每次收敛起来都特别慢，是因为先发的企业就不像美国的企业，它有两三年的先发期。
所以它有一个健康、运量、DNA 的阶段。
然后中国的企业至少到目前这一轮为止还是在美国原型上的一个快速跟进。
所以大家同时起步的话，就必然变成百团大战，因为大家看到的都是差不多的图像，然后都去硅谷把所有研究员都撸一遍，然后每个人都能挖一两个人，所以你就变成了相对容易出现统治化竞争的，但是这里面即使是这样，这里面真正认知比较深刻的。
然后可能早了那么一年跟半年的，对吧，像这个杨志林跟这个严俊杰也包括这几个其实更加远深，不太是那么跟上来的这批，那明显的这一轮竞争还是他们跑在前头。
张小珺
现在不应该再去做大模型了吧，再去参与这种。
曾鸣
传统意义上的大模型我也没觉得有人在做了，也不会有人投了，除非你是一个新 lab 吧。
张小珺
小红书啊，你还有啊，不都在做吗？
曾鸣
没有啊，他们的核心都是做应用啊。
张小珺
他们都在做大模型？
曾鸣
不，他们做大模型是为了补齐一些基本能力，是为了真正去做应用的时候能够发力。
这个跟其他两家公司是不一样的，所以你没看到他们的团队太多出来在参数那些，对吧？它是作为未来的一个基础能力在储备的。
我不觉得这两家公司愿意参加大模型作为基础设施的 API 的工厂这样的竞争。
张小珺
但是他们起码认为做应用的前提是我要得有一个很强的模型。
曾鸣
就下一阶段大应用的公司，
那个模型跟应用技术的那个边界是不清楚的，
所以如果他们在这一代断代的太厉害，
他下一代不一定接得住。
张小珺
对，所以这个就是我们前面讨论的，
应用公司要不要做模型吗？
曾鸣
所以它是一个能力的储备，
但是这个事情本身也是一个开放的讨论，
它是在看实际的进展会演化到哪个阶段。
就相当于，
这个棋是没有下到中盘的，还在开盘的布局阶段。
张小珺
您对今年的就是不管是模型也好，Agent 也好，机器人也好，有没有一些预测？
到今年底 26 年。
曾鸣
我从来不做短期预测，我只提供一些规律性的理解供大家参考。
张小珺
比如说 5 年呢？
曾鸣
五年我是觉得 Agent 入口肯定有可能出现了，第二阶段大概大家都能看明白了。
张小珺
反而移动互联网时代出现像抖音、拼多多这样的产品要到第三阶段。
曾鸣
对，Google、抖音、抖音跟拼多多我觉得都是类似这样的，而且你想拼多多出来的非常晚。
张小珺
对，现在可能距离我们还有多少年？
曾鸣
那个可能是八年十年以后的事情了。
张小珺
好漫长，但是给应用创业者提供了很多的希望。
曾鸣
你别忘了 OpenAI 已经 11 年了，只是这两年我们感受到的加速度。
张小珺
你觉得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？
曾鸣
一代人，20 年几步，因为他们才是原住民。
张小珺
那如果智能能像能源一样从外部获得，你觉得未来人和人的差异在哪里啊？
曾鸣
我觉得是创造力的差别。
所以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画了三个阶段，
第一个阶段是生产力的革命，
也就是流水线取代了手工作坊。
第二个阶段是管理革命，大概 100 年前左右开始，就是有泰勒的这些科学管理方法，然后出现了商学院这个新物种。
商学院的核心目的就是给现代化管理匹配足够多的管理人员。
第三阶段它叫做知识革命的阶段。
就是他观察到从 70 年代开始软件变成一个非常重要的发展方向，而软件的核心是处理人类的知识，把知识跟最优实践通过软件的方法沉淀下来，变成一个标准的执行的方法。
这是德鲁克他 1999 年大概过世的，所以看到了整个过去两个世纪的变化。
那么我借用他这个框架，我自己认为如果从人的角度来看，AI 时代可以被定义为创造力时代，
就是所有可以被结构化处理的知识。
这样类型的工作都会被 AI 接管，然后人一方面被逼着去开发自己新的潜能，但是你也可以讲人终于被解放出来，可以去开发自己的潜能，而我认为这个空间是非常大的，这个方向就是创造力。
02:20:00
曾鸣
AI 做不了创造力的事情，只不过是我们对创造力要有一个更好的理解和重新的定义，可能创造力不是简单的会写首歌或者会画画，它可能是更多的原创的定义复杂问题的能力。
就是比如说像这个电真正发明了以后流水线出现了以后才有产业功能这个概念技术功能的概念然后才有了白领这些都是 19 世纪的人其实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。
张小珺
这个创造力还是一种原创造力。
曾鸣
对，当然了，当然，就是无中生有的能力，有的东西机器都知道啊。
张小珺
一种无中生有的能力，因为如果是已经有东西的话，机器都已经当作 Data 获取到了。
曾鸣
对啊，对啊，这种创造可能从机器的角度来说很无聊啊，因为它可能就是各种各样的情感陪伴，人跟人之间有的没的，想要的各种各样的，以前没有被开发的需求。
也许不贡献给物理世界的巨大进步，但它可能对人类的成长和幸福感有很多的帮助。
所以这个东西是可能有很多种以前我们没想过的方法。
张小珺
刚才说如果公司会消失，那商学院会消失吗？
曾鸣
商学院已经不行了，都在衰落。
张小珺
现在的整个围绕着公司建立的比如说办公室啊，就这些可见的是不是都会发生巨大的变化？
曾鸣
都会啊，都会啊，因为虚拟世界的比例会越来越高啊。
张小珺
虚拟世界的比例会越来越高？
曾鸣
对啊，就 Metaverse 的那个方向是没错的，可能只是时间早了五年而已。
张小珺
哦，那未来人作为一个社会来说，您能看到什么样的变化吗？
曾鸣
是会发生天翻地覆的变化。
就我碰到了一些 00 后的创业者想做这个吐息应用的，
那他们想象的世界完全不是我们现在能够理解的世界。
张小珺
嗯，太有意思了，我觉得今天还是带着对未来非常积极乐观的能量。
曾鸣
我是比较乐观的，我一直觉得就要有巨大的发展空间。
张小珺
会不会改变整个的教育体制呢？如果对人的能力的需求发生了变化，以前的教育体制还是一种智商激励？
曾鸣
它本质是知识的灌输嘛，智商的开发都是第二位的，知识的灌输是第一位的，那这个肯定是不行的，你先看我们从小到大有多少兴趣被压抑了。
然后我们并没有顺着一个开放的探索的这条路径去开发我们的潜能。
我们都是在最早的时间为了不输在起跑线上被摁在了原来世界的固定模式里头。
所以我觉得接下来最大的冲突就是教育系统的冲突。
因为其实年轻人已经知道未来跟我们今天想象的完全不一样。
嗯。
所以你随便问高中生，他们大概都知道用现在的方法大学毕业以后找工作都找不着。
他们可能有很多的想象，但是我们肯定不敢让他们去走他们的路。
所以他们就卡在这了。
但你问更年轻的家长，那我刚生下来的小孩该怎么教育，他肯定知道要用新的方法教育，他只是不知道用什么方法教育而已。
所以这是一个特别需要接下来整个社会花很大的资源跟力气去探索的方向。
张小珺
人和系统的关系，人和 AI 的关系未来会怎么演变？
曾鸣
我觉得会是一个在组织里头非常明确是一个深度协同的关系。
社会层面至少我们不谈 ASI 就是超级人工智能会长成啥样，反正大家也没共识，我们也先不谈那些，就是在这一轮能看到的 AGI 时代。
他肯定会渗透到社会的方方面面。
就像这过去十年我们已经离不开手机一样的，
就要将来每个人身上某个地方挂一个摄像头，
有一个语音接收的设备，
然后可穿戴的东西满身都是，
加上外骨骼之类的人就成了一个家乡版的人，
这个我觉得是完全可以想象的。
张小珺
你有看到好的硬件公司吗？硬件产品。
曾鸣
硬件产品其实也是这一两年的乐点，各种各样的消费硬件都在层出不穷。
就像我们讲的就是 00 年以后大家都在做电器，家用电器，但是最后能立足的是那几个大品类，还有无数的小品类。
张小珺
不知道会是什么现在？
曾鸣
就像美国很早出现的烤面包机的那个，大家现在还用的，那个也是很早被发明出来的，但那个不够大，技术不够复杂，所以他没法养一个大公司。
所以有很多这种新的公司其实就是讲的一切都会被
重新来一次，但是哪些是大东西，哪些是小东西，哪些是主，哪些是辅，然后谁用哪种方法找到了面向未来的密码，这个都是不确定的。
但是我觉得有个基本态度要改变，就是原来我们倾向于降低不确定性，但是我觉得在这个阶段其实是要拥抱不确定性。
不确定性就是最大的机会，所以心态先得改了，就不能恐惧。
你一见到不确定性，见到复杂性就恐惧，你就肯定没法往前走。
但是面对巨大的不确定性跟复杂性，你觉得特别好玩，特别有机会去创造一些新东西。
我觉得那才是年轻人一代的这些创业者的心态。
我们有点杞能忧天了，我们他们担心的太多了。
张小珺
字明老师，您自己的使命是什么？
曾鸣
我觉得就是做一个快乐的研究员，快乐的研究员，对，我觉得在现在的这个语境下是挺有挺有趣的一个定位，嗯，快乐的研究员，对，AI 会让人类更快乐吗？
我至少是这么希望的，这是大家讲 AI 相参这些，但是就是说它肯定会带来一系列的新的问题了，但是整体上有些更哲学的层面上我们可以去探讨，但是抛开哲学层面，文明的进步就是技术不断地带来新的可能性，然后能驾驭好了新的技术进入一个新的文明发展阶段。
张小珺
新文明比旧文明对人来说快乐指数是提升的还是降低的？
曾鸣
如果在哲学层面上来说，不好说，但是从一般的衡量指标上来说，肯定是进步的。
就你想看你假如现在没有空调，你会是啥感觉？
然后当你在农业时代温饱一直是几万年的问题的话，那工业时代基本上把温饱这个问题在规模化的解决掉了。
然后消费时代解决了消费不足的问题，现在基本上都是供给过剩，我们现在的核心至少在物理产品上基本上都是供给过剩的阶段。
然后互联网解决了这个信息不对称的问题，解决了全天下的人都可以共享的这个问题，所以又往前进了一大步。
那 AI 肯定是当我们有了这么多智能解决方案以后，我们就可以做一些更有趣的事情。
张小珺
好，以后一个组织的评判标准之一是能不能让人更快乐，能够身处其中的人。
曾鸣
从 Google 开始就是这样啊，就是说大家现在可能没有体感，就是说其实 07、08 年的 Google 在硅谷是神一样的存在，比今天的那两家公司还要影响力大。
有那么多人去参观谷歌，为了去食堂吃顿饭，感受一下他们的氛围，然后所有最优秀的人都是要去谷歌。
其实当时他的氛围本质上就是尊重人的差异化，释放人的创造力，让你有 20%的时间可以干你自己想干的事情，给你们提供最好的食堂。
所以当时的文化，Google 是最早提出来的，隐隐约约地感觉到了未来的。
所以他们是最早提出来的，那还叫互联网时代，其实是需要新的文化，需要新的组织方式的。
那个趋势会继续延续下去。
张小珺
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。
曾鸣
其实第一个就是跟创业者聊。
张小珺与嘉宾的访谈训练，创造力时代。
要不然的话，我觉得今年上半年大部分人都已经有个深刻的感受，就是说你很容易因为 AI 的工具如此高效率，把你自己弄得极为疲惫，因为你根本跟不上它的处理速度。
所以其实现在大家都开始反应过来要有一些隔绝，然后怎么找到作为一个生物的人的一个合理的节奏，再去跟 AI 找一个新的平衡。
张小珺
我这边还有一些快问快答。
全球范围内一道您喜欢的食物，
我们是为了在这个归基生命到来之前留下更多的探机文明的记忆。
02:30:00
曾鸣
辣椒炒肉。
张小珺
全球范围内一个您喜欢的地点？
曾鸣
目前可能还是上海。
张小珺
您平时会读 AI 论文吗？
您觉得影响过 AI 进程的重要的论文是什么？
曾鸣
我没有读 AI 的技术论文。
张小珺
基于当下的认知，一个关键的重要的 BET 是什么？
曾鸣
出现一个足够好用的 to see agent。
张小珺
我们公司叫语言集世界工作室，当您第一次听到这个名字的时候，您会想什么？
曾鸣
你可能要改成自能体集世界。
张小珺
可以分享几本书吗？就是您的人生之书。就是真的对你产生过很大的影响。
曾鸣
我觉得就管理学上比较基本的，像这个《记忆长青》的系列的那几本书。
然后像德鲁克的书，然后还有我本科的时候基本上全文抄了的一本书，就是因为载入太多了，基本上抄了这本书，是弗里德曼的关于市场基本运营机制的一本书，不厚，但是特别精彩，所以那个建立了我对市场的基本运行机制的理解。
张小珺
您觉得是什么让您对管理学发生了这么深厚的兴趣？
战略学。
曾鸣
我其实高中的时候就放弃了理科的这个参加这些奥数竞赛那些，因为我们那时候大概是第一届文理分科，
然后我其实更加喜欢历史啊，人文啊这些东西，所以我虽然当时也算年纪第一可以去走那条路，
但我觉得那个是对我来说我不感兴趣，所以我其实高中时候就放弃了。
然后到了大学以后选了经济以后发现我们学的经济学的数学要求超过大部分的工科，
我觉得太无聊了，所以我后面读博士的时候最后就选了商学院，
而且战略这样的比较宏观的，然后在真实世界跟理论世界有不得不建立连接的一个学科，我觉得这个就比较好玩。
张小珺
战略是一个组织的大脑，就必须要 CEO 来做，你觉得战略做的好人，CEO 一般是什么样的人，之间有关系吗？
曾鸣
所以创始人里面有战略能力的并不多。
就真正走得远的，就刚刚讲的使命驱动、愿景驱动、战略驱动，就能走到战略驱动的就已经是很优秀的了。
张小珺
但不是卓越的？
曾鸣
卓越的可能严格讲得是使命驱动的，才有可能走向卓越。
有的人可能是先有愿景，然后慢慢发展出使命，有的人是天生就比较使命驱动。
或者就是你形成非常难得的一个团队里面有那么一两个人形成很好的互补，
就一个人可能战略能力强一点，一个人动手能力强一点，
就有点像王兴跟王慧文的这种组合，也是很难得的一个组合。
张小珺
字节属于什么驱动啊？
曾鸣
这个还不好说，因为我跟张一鸣个人交流不多，所以我对他使命的那一段我没法判断。
但是张一鸣是一个了不起的天才，是属于他有自己的管理哲学的，然后他至少是愿景驱动，然后有完整的自己对组织的理解，包括他最早提出来公司级产品。
这个已经非常领先了，包括比如说我原来讲 Netflix 就是奈飞的文化，大部分人第一反应是中国人做不到，因为那个文化太美国跟硅谷了，但是字节是最早，基本上在跟上跟这个网飞的文化是非常非常相似的。
张小珺
但字节最后做成了一个效率工厂。
曾鸣
因为他东西都整明白了以后，剩下的在战略执行阶段就追求效率。所以他的 AI 战略要张一鸣重新下场，再重新定义。
就任何一个公司到了最后都是追求效率，因为你战略越来越清晰，剩下的就是执行任务。
但是，就我们刚才讲的组织的宿命就是时代一定会变化，让你原来那套不适合，所以你要不就彻底转型，要不就被时代淘汰。
张小珺
对每个人都很公平，新的时代，这个听起来是个好消息。
References
- 1第153期小宇宙官方节目页
xiaoyuzhoufm.com
- 2曾鸣访谈公开精编：模型公司与AI云
finance.biggo.com.tw
- 3曾鸣最新访谈精编：黑洞效应与智能复利
163.com
- 4曾鸣：优秀是卓越最大的敌人
developer.aliyun.com
This story was produced automatically by a channel. One sentence is all it takes for Neodrop to keep producing for you.