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”

154 分钟的对话里，曾鸣说了至少三次「基本没有」。问的是同一个问题：上一个时代的企业，能不能过渡成下一个时代的企业。他的回答从「不是多不多，是有没有」，落到「基本没有」。

曾鸣是战略学者，做过阿里巴巴集团总参谋长，参与创建长江商学院和湖畔大学。他完整看过互联网从 PC 到移动的周期，也陪阿里做过淘宝、支付宝、阿里云这几个当年争议极大的决定。这期播客里，张小珺和他把 AI 产业放进工业革命、电力革命、互联网革命的坐标里对齐，聊出一组非共识判断：模型公司是未来的 AI 云公司；OpenAI、Anthropic 大概率不是原生应用阶段的大赢家；科层制公司会消亡；今天还处在浏览器诞生前夜。

曾鸣的态度不悲观。公司有生老病死，新公司才有机会，年轻人才能上桌。他把这轮变化看成一代人的事，20 年起步。

AI 产业化的三段路 0:03:08

曾鸣把通用技术的产业化拆成三个阶段。第一阶段，技术逐渐被社会接受，变成基础设施。第二阶段，基于基础设施长出大量新应用，百花齐放。第三阶段，应用多到一定程度，大家发现需要一套更底层的方法来运行这个新世界，他把这叫作原生应用阶段。

移动互联网是现成的样本。黑莓最早被称为智能手机，一直到 2010 年还占着美国市场四成多的份额，iPhone 只有两成多。真正的转折发生在 iPhone 4 和 App Store 之后。早期那批日活很快过亿的工具应用，墨迹天气之类，并不代表未来。抖音才是移动互联网的原生应用。

为什么原生应用不能跳过应用大爆发直接出现？曾鸣的解释是，应用爆发给了技术下一步发展的方向。技术成为基础设施之后不会停，但它往哪走并不清楚。字节先做今日头条，甚至更早做过内涵段子，都是在试。今日头条跑出了推荐算法，带宽和算力继续发展，短视频的呈现形式再和推荐算法结合，才有了抖音。

AI 现在走到哪了？曾鸣的判断是，2026 年年初，第一阶段基本成熟。标志是 TOKEN 这个词形成了广泛共识。黄仁勋在 GTC 上说英伟达的未来是 TOKEN 工厂，Sam Altman 马上说 OpenAI 的核心就是卖 TOKEN。一个技术有了标准的度量衡，就能被规模化、标准化地使用。就像一度电、一吨水、一个 GB 的流量，普通人不用懂背后的原理，也知道自己用了多少、要付多少钱。

同一年春节前后，OpenClaw 让很多人第一次看到 agent 独立完成任务的潜力。曾鸣认为，AI 进入了第二个阶段，智能体阶段。智能体就是 AI 时代的新应用。

如果非要和互联网做时间上的类比，他的判断比两年前更靠前。两年前他讲「拥抱雅虎」，今年年初他觉得，我们连浏览器都还没出来，比雅虎还要早。OpenClaw 出现时，他第一反应是想起 1992 年所有人都在建网站。建网站是为了分享信息，今天做 agent 是为了分享能力。信息时代把人能说的知识处理完了，接下来是把人做事的能力封装起来、调用出去。

浏览器当年完成两件事：用 HTML 把建站门槛降到普通人能接受，用点击把浏览门槛降到零。供给端和用户端同时爆掉，网站才无穷无尽地涌出来。今天的 agent 还缺这样一个东西。曾鸣说，他完全没有看到雅虎的雏形，更没有看到这个时代的谷歌。

模型公司就是未来的 AI 云公司 0:23:34

模型是什么？曾鸣给了一串类比。数据是新时代的石油，模型是炼油厂。从广泛提供基础设施的角度看，模型公司更像另一个已经消失的公司，美国在线 AOL。AOL 做的是互联网基础接入，让所有人能连上网，这本身是巨大的工程。今天的大模型让所有人能轻易接入智能，它也是基础设施服务商。

说得再直白一点，模型公司就是未来的 AI 云公司。这也是为什么美国大模型公司和云厂商之间的博弈变得复杂。云厂商觉得自己付出太多、得到太少，模型公司觉得自己将来要自建云、甚至自研芯片。两边碰撞、重新整合，最后形成几家稳定的 AI 云公司，这个终局是确定的。

公共基础设施的行业，商业模式只有一种。

公共基础设施的行业，只有一种商业模式是成立的，叫寡头垄断加政府强监管。

社会依赖它，政府一定强监管。供给如此重要，不能只有一家供应商。基础设施投入巨大，不会有无序竞争。最后就是几家寡头，保证稳定的、低成本的供给。曾鸣知道这个判断对现在创业的人很残酷，但他认为规律如此。

沿着这个框架，他给出了这期播客里最刺耳的判断：Anthropic、OpenAI 大概率不是原生应用阶段的大玩家、大赢家。他相信未来一定会出现一家十万亿美元的公司，但未必是现在领跑的这两家。

有人拿陆奇的话来问他，OpenAI 未来会比谷歌大五倍还是十倍。曾鸣说，他理解陆奇想表达的是 AI 时代会有一家谷歌级别的公司，只是他不认为那家公司一定是 OpenAI。他自嘲硅谷现在最受尊重的是 researcher，他也可以自称 researcher，只不过研究的是商业世界的动力学规律。

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。

市值数据也被他拿来祛魅。雅虎 1995 年成立，2000 年市值 1200 亿美元，五年时间。按通胀和纳指回报折算，相当于今天的一万亿美元。AOL 1988 年开始提供服务，2000 年高点估值 2200 亿美元，比雅虎还高，后来收购时代华纳，冲到 3000 多亿美元。谷歌 1998 年成立，2005 年达到千亿美元。黑莓巅峰时也是最快达到千亿美元估值的硬件公司。技术冲击足够大的时候，第一波跑出来的公司就有这么大的价值。Anthropic 和 OpenAI 很了不起，但这样的先例在历史上发生过。

为什么第一阶段的企业很难活到第二阶段？曾鸣的解释是，第一阶段的技术核心是可用不可用，需要大量原创技术创新。第二阶段开始的标志，是第一阶段的技术发展渐渐慢下来，变成大家都能调用的公共品。应用公司需要的是产品洞察、用户同理心、上下文管理这类新的应用技术。技术还在进步，但未必沿着原来的轨迹线性增长。

美国市场的淘汰已经开始。Anthropic 先领跑，OpenAI 跟上，Google 阶段性被甩下，xAI 和 Meta 掉队。曾鸣用「智能复利」解释这个差距：Anthropic 开始用大模型训练大模型，把 AI 工具用在自己的主业上，模型训练能力大幅提升。再加上组织上的聚焦，领先优势就把较弱的玩家甩了出去。

中国是另一套生态。曾鸣的判断是，年底跑不到 3T 模型的玩家大概率出局。Kimi 的 K3 到了 2.8T，智谱在往前跑，MiniMax、千问都在冲这条晋级线。这是一场淘汰赛，八进四，四进二，最后留下有限的几家做基础设施。模型公司的创业窗口已经关闭，新公司再进来，完全没有积累。

模型公司是不是好生意？曾鸣说，是很好的成熟生意，但不再是当红炸子鸡。过三五年，如果没进入下一个阶段的竞争，你就变成大家调用你服务时才会想起的公司，不稳定的时候 complain，不会天天夸你。

新平台不来自旧平台 0:39:53

Agent 现在是什么状态？曾鸣用四个字：百花齐放。去年夏天他在硅谷参加 demo day，十个项目里三五个做广告素材生成、广告投放，任务特别简单。他当时就觉得长期价值有限。今年这批应用大多不怎么样了。他反而看好一家做增长的公司，因为增长复杂，复杂任务才能建立智能闭环，才不是搭脚手架。

搭脚手架这个比喻很关键。智能能力不够的时候，做应用很大程度上是在模型外面搭一层临时结构，等模型能力一涨，脚手架就被淹没了。今天做应用，要假定智能完全够用，然后问它到底能干什么活。越简单的活越容易被复杂的活吞掉，因为简单活干完就干完了，没有成长空间。

Manus 去年做通用 agent，曾鸣觉得市场感觉非常敏锐，抓住了 coding 能力溢出的窗口。但通用 agent 当时能触达的是一批 prosumer 的生产力需求。今天一个 agent 要立足，至少要找到一个 10 倍以上的切入点。做 PPT、出报告都不够大。技术往前拱了一步，能不能把一个复杂任务真正解决掉，才是分水岭。

垂直还是通用？曾鸣说，这是接下来比创造力和天分的地方。教育、健康是典型的大垂类，足够你在里面耕耘。通用里头又分 TO B 和 TO C。他预测今年年底会听到一堆做组织大脑的 agent，组织的操作系统，CEO 的 agent 团队，这会是 TO B 的主赛道。TO C 则重新开始做情感陪伴、解决问题这类产品。

很多人说这一波应用很难形成移动互联网时代的数据飞轮。曾鸣的说法是，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。智能飞轮要跑起来，需要真实世界的反馈，反馈的前提是 agent 能独立干活、离开人的参与，中间还要有算法创新，包括上下文管理、记忆、新的交互方式。这个循环让 agent 在特定场景里越来越聪明，再渗透到其他场景解决更复杂的任务。谁找到或者撞上最有规模化、最能泛化的场景，谁就最有可能形成黑洞效应。

网络效应在 AI 时代会继续存在，成为标配。但曾鸣认为，网络效应的升级版是黑洞效应。应用场景越多，连接越复杂，越有可能拓宽智能。他在《智能商业》里讲过 DNA 螺旋的两条链，数据智能和网络协同。黑洞效应相当于两条链都升级了：数据智能还是数据智能，网络协同变成了内部快速吞噬场景的网络结构，不再是简单的连接。

新的平台一定会出现，入口就是平台。旧平台做的是简单信息匹配，新平台要做能力与需求的匹配，复杂度高了很多。所以新平台大概率不诞生自旧平台。你不是 agent 原生，就判断不了 agent，也做不出给 agent 用的通用开发平台。这个时间点，曾鸣估计在三五年。

至于 agentic OS，他把它放在第三阶段。OS 开始调度资源，不再做匹配。你告诉它一个意图，它直接调用市场上所有 agent 把活干完，你甚至见不到那个 agent。这要等 agent 真正爆发、成熟到可以被简单调用，所以还远。今年大家畅想它有意义，但大概率没法在这个阶段实现。

今天 agent 应用公司融资很难，很多人觉得应用不过是模型的一个 skill。曾鸣说，这恰恰是应用领域创业者的反共识阶段。没有好应用让大家看到潜力，大家都在摸索。视频生成相对成熟，做 agent 的公司很多，最终目标可能是 AI 时代的抖音，但第一步做什么非常考验功力。AI 短剧动漫门槛太低，半年就干完了。模型能力溢出了，简单的活它自己就能干，复杂的活又还没找到足够大的场景。大部分人低估了做应用的难度。去年像小孩过家家，有个新玩具就下场，考核标准只是 ARR。今年模型能力一突破，过家家的小孩就被淹没了。真正的标志是有人开始认真想，我能不能拿它干点重要的活。

模型公司会吞噬一切吗？曾鸣不这么看。模型吞噬一切的前提是所有东西都在模型射程内。智能够用之后，会有一堆新的技术要求出来做不同场景的东西。他举电的例子：1892 年爱迪生发明电灯泡，照亮曼哈顿一平方公里。1910 年电网覆盖美国主要城市，同年才出现洗衣机和电冰箱两个 TO C 大应用。空调到 1925 年，电视机到 1930 年。通用电气真正成功，是因为它做出了最早的电冰箱和洗衣机，不是因为发电。爱迪生认为发电更重要，他的助理离开后成立了美国第一家送电公司。电网后来成了 TO B 的基础设施，没人关心电网公司的品牌，通用电气却繁荣了 60 年。

「公司」要被淘汰 1:06:15

曾鸣在书里从头到尾讲「组织」，刻意不用「公司」这个词。因为公司是工业时代的产物。工业时代之前只有手工作坊，公司是工业时代最大的制度创新，让现代化管理得以运行，支撑规模化扩张。如果工业时代的许多基本经济规律被挑战，组织形态一定也会被挑战。

他判断，科层制管理的公司制度会衰亡。人类的分工协作会继续，组织永远存在，有人的地方就有组织，但组织用哪种形态，是历史演化的过程。

为什么变化这么剧烈？两个类比。第一，AI 至少是工业革命级别的技术，工业革命颠覆了农业时代几乎所有的东西，AI 如果超越工业革命，工业时代的大部分东西也会被淘汰。第二，人类一直自豪于自己是地球上唯一的智能动物，标志是语言和智能。AI 也能说话，也能理解全部知识，也具备智能。过去很多习以为常的事情，20 年后完全可能不存在。

AI 原生组织怎么搭？曾鸣从最底层讲起：岗位可能不存在了。今天公司应聘的是岗位，定岗、写工作描述、招人，然后才有汇报线、层级、报酬。岗位是组织的基本单元。AI 时代组织的基本单元是任务，是待解决的事情，大家围绕任务流转。

现在大家讲 AI 要嵌入工作流，曾鸣说那是阶段性产品，因为工作流是为人设计的。AI 原生组织从第一天就定义任务、拆解任务、分配任务，硅基员工和碳基员工都围绕任务协同。找工作变成认领任务，公司发布任务，你觉得能干就接，交付结果就上线。层级不存在了，因为层级存在的前提是不知道谁说了算，先定个层级，级别高的人说了算。未来是谁的能力强，谁被调用。

激励靠什么？自驱。硅谷这半年最流行的词是 high agency，主观能动性，自己掌握自己的命运。你有没有成长，没有人比你更了解。成长了、开心了就继续做，没成长、不开心就换个地方。竞争对象也不只是同事，还包括 AI 同事。贡献变得透明，谁在做事、谁没做事很清楚，所以顶尖研究员转会费高，因为市场能快速识别谁创造了最大价值。

这也解释了 new lab 为什么叫 lab。曾鸣说，真正的第一个 new lab 是 OpenAI，后来的 Anthropic 这批可以叫 new new lab。他们借用了 lab 的组织形式，做不同的事情。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 lab，他们不喜欢公司，也不喜欢大学，但喜欢 lab。将来所有有创造力的人都会在这样的新型组织里，那时可能就不叫 lab 了。

人有生老病死，公司也有生老病死，没有比这更正常的了。

公司消亡没什么可遗憾的。曾鸣反问，多少人现在去公司上班是开心的？将来有更好玩的方式，这就是技术进步给人类带来的价值。

一人公司会是方向吗？他说不会，一人公司只是很多职能坍塌到一个人身上。一个人能干的活永远有限，一定会有分工合作，一定会有组织。一人公司是阶段性产物，让大家都理解了一个人加上 AI，能干掉原来一个公司花大量管理协调成本才能干的事。将来每个人都是一个六边形战士，再在组织里跟其他六边形战士合作。

传统公司怎么转？曾鸣的回答很直接：不换脑袋就换人。认知先升级，得理解新物种长成什么样，理解要跨过的鸿沟有多大，才会努力。不然大部分人顺着惯性，一路 AI 加下去。等原生公司起来，就会很绝望。转型非常困难，因为它反人性。

AI 原生组织里，全员合伙人会越来越普遍。曾鸣说，企业会越来越像合伙人制度。律师事务所、咨询公司、投行早期都是合伙人企业，特点是几个人的分工合作都很重要，少了谁都不行。未来招你，就是因为你的贡献必不可少，那你就是合伙人。人数会显著变少，每个人有差异化，互补，同质化的部分交给数字分身。

优秀不等于卓越 1:31:10

曾鸣说，卓越没法一眼识别，因为卓越是事后认定的。你克服了一次又一次负反馈，所有人都不认可你，最后用巨大的成功证明你是时代最早的先知。优秀是持续有正反馈的成长过程。两条路径完全不同，大部分人是优秀的人，因为优秀跟人的心态比较匹配。跟卓越成比例的，是大量有疯狂想法但失败的人。狂想很容易，想对了还能做出来，极为稀缺。

他常问创业者一个问题：十年以后，你会对怎样的自己满意？这个问题最能反映当下是什么在驱动你。有人回答对这件事特别感兴趣，希望它成，事情已经大于人。有人回答好奇，这也比证明自己有意思。有人回答要做一家 100 亿美金的公司，曾鸣说这是负分答案，因为这是外部认可驱动，每一轮估值都会冲击他。

他听过最好的回答，是马云创业前讲的，让天下没有难做的生意。那是发自内心相信的东西。马斯克去火星也是使命，把人类带入外太空时代，脱离了小我。

曾鸣把公司分成四个层级：机会驱动、战略驱动、远见驱动、使命驱动。真正走到战略驱动已经很优秀，但卓越大概率得是使命驱动。有的人先有愿景，慢慢发展出使命；有的人天生使命驱动；也有人靠团队互补，一个人战略能力强，一个人动手能力强，像王兴和王慧文。

卓越的人往往把成功归于别人，认为自己靠运气。曾鸣的解释是，事情大于人，自我很小，才能走那么远。你只是碰巧在合适的地方、跟合适的人、做了合适的事情。如果为了证明自己有多牛，世界早晚会打你的脸。自我小一点，利他、同理心、自我逐渐变小，是走向卓越必不可少的因素。自我太大，就会一直想证明自己，一直待在正反馈循环里，走一条普遍性正确的道路，急着要短期反馈，不去感知真实世界，处理信息时先入为主。

怎么分辨信号和噪音？曾鸣给两条：尽量感知得全面一点，真实体会外界发生什么变化；思考更深入一点。很多人不太过脑，当下流行什么就追什么，别人已经领跑两步，你只看到冒出水面的第三步，追的时候第一天就输了。接触面太窄，也容易做出局部最优判断，失去更大范围的视角。

他说自己爱琢磨心法。理论容易把人框住，你只记住一句话，依葫芦画瓢，容易出问题。心法掌握了，可以根据具体情况随机应变。

战略生成系统 1:38:17

AI 时代战略还重要吗？曾鸣说，无比重要。做错一个重要决定就出局，淘汰赛可能以几个月为单位。越不确定，越需要战略思考能力。都很确定的时候，大家拼执行。

「看十年，想三年，干一年」是他对 AI 战略方法论的形象总结。大部分人记住了看十年和干一年，因为那是工业时代的习惯。在成熟、发展缓慢的世界里，每年增长 5% 到 8%，十年后大概什么样，没有新玩家，线性外推就够了。战略如此不重要，以至于大公司把战略外包给麦肯锡、BCG。80 年代到 2000 年左右，这些咨询公司井喷，就是因为企业认为战略可以外包。

今天的问题在于，干一年远远不够，线性外推得不出 Anthropic 今年 80 倍的同比增长。未来太不确定，看十年也帮不了太多，你还是不知道当下从哪下手。所以要想一个大概三年的图景，看两三步：第一个里程碑是什么，第二个是什么，第三个可能是什么。今年做的第一件重要事情，是为了满足哪个里程碑。短期、中期、长期之间有了动态张力，战略才有发生的环境。就像在三维空间找最优解，和在二维平面找最优解，完全不是一回事。

节奏可以变。看五年、想两年、干半年，或者看三年、想一年、干一个季度，根据行业调整。关键是中间那个节点，一定要看到至少三步。

曾鸣把这叫「战略生成」，对应大家熟悉的视频生成、文图生成。以前叫战略规划，现在叫战略生成。伟大不能被计划，公司真正要做的是一套体系、一个环境，让战略洞察涌现出来，成为一个不断生成的系统。最后战略就是一个自然而然的决定，合适的时间、合适的人做了合适的决定，公司往前走。

这套系统长什么样？曾鸣说，像神经网络，像工作流，任务是流向，人和 AI 都接在里面，核心是涌现。相当于人和 AI 一起在训练一个组织的小模型。有没有原来没想到的洞察涌现出来，群体智慧有没有在演进，这是最终目标。

环境怎么建？需要新的文化，跟全员合伙人匹配的文化。这也是 context not control 重新火起来的原因。五年前讲奈飞、讲字节的案例，大部分人觉得挺牛，但跟自己没关系。今天所有人都知道，给够上下文，人就能做出正确决策。对齐目标、对齐认知，全员共享一个完整的上下文，事情会自然涌现。人和 AI 都共享上下文。人没有 AI 处理海量信息的能力，但人有瞬间的创造力和看见不存在连接的能力。

不同阶段的公司，战略方法不一样。大模型公司进入战略收敛期，战略方向清楚了，核心是组织效率和执行效率，从方向型战略变成可闭环的运营模式，因为发展期要规模化、要上量。具身机器人公司大多还在战略探索期，一号位必须带着大家做不同创新，有一套机制降低试错成本，逐步达成共识。这个阶段要有自己相信的东西，但不能过于执着，现实会打脸，别人的方向可能是对的。自我能不能让位给现实，能不能快速理解、消化、吸收别人最好的经验，再形成下一步创新的基础，这些决定探索期的成败。核心是创新效率，不是执行效率。

为什么组织要放在战略前面？曾鸣说，因为想要的那种未来战略生成方式，跟原有组织不匹配。只有新的组织形态才能生成新的战略。新组织形态的原生挑战，是决策频率越来越高、质量要求越来越高。组织和战略是阴阳两面，分不开。

他对 AI 原生公司 CEO 的建议是，先看自己对 AI 理解得够不够深。走得足够远的创业者，基本上都自己重写了公司内部的运行体系。有人把自己关在家里三天，把框架写出来。因为他们对组织运行的原型有深刻理解，AI 最大的帮助是快速把原型实现。大部分人满足于在飞书上升级，迁移成本高，自己做不出新东西，判断别人做的东西靠不靠谱也没能力，分水岭就在这里。最早一批 CEO 自己动手重写组织运行方式，那就是未来组织的神经网络。原来的 ERP 是固化道路，一定有僵化和局限，神经网络才能实时反应，天然对应任务。

已经有公司的 CEO 怎么办？如果想继续在最前沿竞争，就得在 AI 原生上做更大努力。竞争是相对的，跟兔子赛跑和跟猎豹赛跑，速度要求不一样。

没有巨头是安全的 2:02:48

这波巨浪面前，哪些巨头安全？曾鸣的回答是：

谁觉得安全，谁就是最不安全的。

巨头都在 AI first、all in AI，曾鸣说这是必要条件，够不够要看技术演化路径有多颠覆，新公司获取资源的能力有多大。上一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？他的回答从「不是多不多，是有没有」，落到「基本没有」。IBM 做到过一次，微软某种程度上做到过一次。微软错过了移动互联网，但保住了搜索的火苗，有了云计算积累，加上 PC 时代操作系统垄断，在 AI 时代起了个大早。现在看，微软对模型的投入不够，模型这块已经出局，虽然早期投了 OpenAI，今天已经买不起。Google 相当于微软的上一段，也许能成为很好的 AI 云公司，有 TPU、有大模型，作为云厂商活下来没问题，但能不能做出消费者入口级的大应用，不确定。

字节会是下一个时代的字节吗？曾鸣说，同样大概率不会。字节模型做得不错，在国内是第一梯队，视频生成、多模态世界一流，有很大机会成为 AI 云公司。做基础设施容易，有积累、有惯性。但大的 TO C 应用有非常大的不确定性。豆包不是那个应用，豆包是第一代 AI 产品，聊天机器人，没有行动力。智能体的核心是独立完成任务。把智能体内置进豆包，大家都想做 AI 时代的 OS，但上一代的入口能不能理解下一代的生态，挑战非常大。你不是 agent 的事实标准，就很难成为入口。你调的都是上一代服务，上一代服务可能被下一代颠覆。

社交关系会重构吗？腾讯安全吗？曾鸣说，肯定重构。腾讯作为最安全的公司，最近为什么这么恐慌？因为也有可能不安全。人跟人的关系会被重新定义，agent 在里面的重要性会大幅上升。QQ 没有过渡到移动互联网时代，真正承接移动互联网的是微信。人和货物的关系一样会被重构，阿里也一样有挑战。

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。曾鸣一直在想，移动互联网对 PC 互联网，到底是颠覆性创新还是延续性创新。他的判断是 1.5 的创新，有很强的颠覆性，也有很强的延续性，都基于互联网基本架构。延续性的部分让几家头部互联网公司成功过渡，颠覆性的部分成就了抖音和拼多多这两个更原生的移动互联网公司。AI 整体上更偏向颠覆性技术，它颠覆的不只是互联网，是工业革命。互联网本质上是生产关系的革命，AI 是生产力的革命。延续性没那么强，原有物种适应新物种就会非常困难，技术储备可能都不是线性的。

所以下一代产品长在自己公司里，难度很高。两个制约：组织文化，10 万人的公司转成 AI 原生，跟 10 个人的公司长成 1000 人的 AI 原生公司，难度不一样；对平台和生态的理解，没有做出第一个真正成功的 agent，大概率不理解 agent 怎么运行，就提供不了基础设施，成不了事实标准，也成不了入口。先有一个成功的 agent 是前置条件，才有黑洞效应。

xAI 战略错了吗？曾鸣说，战略上可能有问题，没有特别明确的方向，不够聚焦。组织上肯定有问题。他在硅谷碰到有工程师的场合，xAI 的人永远是最疲惫的那个。不是一般意义上的卷，是被消耗过度了。人太累的时候没有创新，组织绷得太紧、高压，要做特别大的创新非常难。他听到的研究员评价，也不觉得 Elon 真正懂大模型。他原来那套偏硬件的方法论，到了 AI 时代给不出答案，又不愿意用共创的方式让组织给答案。以前都是自上而下，他给地心原理的答案，逼大家超常规完成。这次他自己给不出答案，又不给底下人空间，就卡在组织上了。

Meta 呢？小扎年轻，但出道早、消耗也早。Meta 大到这种程度，内部调度资源非常困难。大部分研究员也不觉得小扎懂模型，他就没办法真正做重要决定。OpenAI 是 Sam 依赖 Ilya，Ilya 能驱动整个事情，Sam 又是很好的 CEO，两个人搭配得好。Anthropic 组织能力非常强，Dario 对 mission 和 vision 把握得准，显示出聚焦的、愿景驱动公司的爆发力。OpenAI 底子厚，反过来追 Anthropic 速度也很快。这两家本质上都是新时代的创业公司，组织文化更匹配。其他几家各有各的问题。

中国公司类似。Kimi 更原生一点，起步早，有大公司资源支持，能持续往前跑。字节在张一鸣反应过来 all in 下场之后，速度也非常快。中国竞争收敛慢，因为先发企业不像美国有两三年先发期，没有一个健康酝酿 DNA 的阶段。这一轮至少到现在，还是在美国原型上快速跟进。大家同时起步，必然百团大战。看到的图像差不多，都去硅谷把所有研究员撸一遍，每个人都能挖一两个人，容易出现同质化竞争。即使这样，认知比较深刻、早跑了一年半年的，像杨植麟、闫俊杰，也包括智谱，这一轮还是跑在前头。

现在还应不应该做大模型？曾鸣说，传统意义上的大模型没人做了，也不会有人投。米哈游这类公司做大模型，是为了补齐基本能力，为真正做应用发力，不是参加基础设施 API 工厂的竞争。下一阶段大应用公司，模型和应用技术的边界不清楚，这一代断代太厉害，下一代不一定接得住。所以做模型是一种能力储备，棋还没下到中盘，还在开盘布局。

五年内，agent 的入口有可能出现，第二阶段大家能看明白。像抖音、拼多多这样的原生应用，要等到第三阶段，可能是八年十年后。别忘了 OpenAI 已经 11 年了。

AI 成为新的生产资料和基础设施，社会需要多长时间消化？曾鸣说，一代人，20 年起步，因为他们才是原住民。智能像能源一样从外部获得，人和人的差异在哪里？创造力。德鲁克把工业时代以来分成三个阶段：生产力革命，流水线取代手工作坊；管理革命，泰勒的科学管理，商学院出现，为现代化管理匹配管理人员；知识革命，软件处理人类知识，把最优实践沉淀成标准执行方法。曾鸣借用这个框架，把 AI 时代定义为创造力时代。所有可以被结构化处理的知识型工作都会被 AI 接管，人被逼着开发新潜能，也可以说终于被解放出来。

创造力不是简单会写歌、会画画。它更多是原创地定义复杂问题的能力。电发明、流水线出现之后，才有产业工人、技术工人、白领，这些是 19 世纪的人想象不到的。未来所有人努力的方向，是开发自己的创造力，是無中生有的能力。有的东西机器都知道，已经被当作 data 获取了。无中生有，机器从它的角度可能觉得很无聊，可能是情感陪伴，是人跟人之间有的没的、以前没被开发的需求。它不一定贡献物理世界的巨大进步，但对人的成长和幸福感有帮助。

商学院会消失吗？曾鸣说，商学院已经不行了，都在衰落。围绕公司建立的办公室等可见的东西，都会发生巨大变化，虚拟世界的比例会越来越高。Metaverse 的方向没错，可能只是时间早了五年。

教育会是接下来最大的冲突。以前的教育体制本质是知识灌输，智商开发是第二位的。从小到大多少兴趣被压抑，大家没有顺着开放的探索路径开发潜能，最早被摁在原来世界的固定模式里，为了不输在起跑线上。年轻人已经知道未来跟今天想象的不一样，问高中生，他们大概都知道用现在的方法大学毕业找不到工作。但他们有很多想象，家长不敢让他们走。刚生小孩的家长知道要用新方法教育，只是不知道用什么方法。这是整个社会需要花很大资源去探索的方向。

人和 AI 的关系，在组织里是深度协同。社会层面，这一轮 AGI 会渗透到方方面面，像过去十年我们离不开手机。将来每个人身上挂着摄像头、语音接收设备，可穿戴的东西满身都是，加上外骨骼，人就成了加强版的人。硬件也是这一两年的热点，像 2000 年以后大家都在做家用电器，最后立足的是几个大品类，还有无数小品类。哪些是大东西，哪些是小东西，谁找到了面向未来的密码，都不确定。

基本态度要改。原来我们倾向于降低不确定性，这个阶段要拥抱不确定性，不确定性就是最大的机会。见到不确定性、复杂性就恐惧，肯定没法往前走。觉得特别好玩、特别有机会创造新东西，这才是年轻一代创业者的心态。

曾鸣给自己的定位是「快乐的研究员」。每天跟创业者聊，看最新资讯，看访谈，做信息输入，让自己不那么累。今年上半年大部分人都感受到，AI 工具效率太高，很容易把自己弄得极为疲惫，因为跟不上它的处理速度。大家开始反应过来，要有隔绝，找到生物的人的合理节奏，再跟 AI 找新平衡。

回到开头那个问题。上一个时代的企业能不能过渡到下一个时代，曾鸣的答案基本是没有。这个答案不让人绝望。公司有生老病死，新公司才有机会，年轻人才有梦想。对今天在牌桌上的巨头，这是残酷的规律。对刚下场的创业者，这是最大的好消息。对普通读者，能带走的判断有三条：别在模型层再挤，窗口已经关了；应用公司要找一个 10 倍大的复杂场景，做智能闭环，别搭脚手架；如果你是一个组织的负责人，先改组织，再谈战略，因为新的战略只能从新的组织里长出来。