商业趋势
笔记君说：
这两年所有人都在焦虑：AI到底会怎么变？什么是不变的？什么是拐点？
今天早上，在杭州湖畔创研中心，曾鸣做了第三次“看十年”公开课。这一次他开场就说：我这两个月越来越不焦虑了，因为很多东西越看越清楚。
他把这场变革拆成六个层层递进的命题：智能商业、什么是AI原生、AI的产业化阶段、价值创造与竞争、创智组织、智能战略。
核心判断是一个：AI刚刚进入第二阶段的开场，应用大爆发还没真正开始，浏览器还没有出现，所有人都在同一条起跑线上。
以下是精编整理，希望对你有所帮助。
一、智能商业：未来商业的本质，
是实现人的意图
1.AI先打开供给，再打开需求
在供给侧，AI正在变得越来越强大，而且成本一直在急剧下降，看得见的未来还会有百倍甚至更高的下降。它最重要的作用是，提高优质供给的数量和丰富度，彻底打破越来越多领域供给稀缺的历史瓶颈。
但因为AI还不够聪明、还太贵，我们今天看到的AI使用，都是在试图替代简单、重复、相对低价值的人工。这也是为什么这两年大家总觉得AI投入那么大、效果却不好，根本原因是从第一天开始，它产生的价值创造天花板就非常有限。
真正创造巨大价值的是打开新的供给。好的私人医生、好的老师、好的理财顾问，旅游时能给你真正建议的可信的信息专家，任何一个方面我们都觉得好的供给太少、太稀缺。如果将更多好的供给带给社会大众，它创造的社会价值会是巨大无比的。
任何一次大的技术创新，最开始都拿来做降本增效，而这个阶段产生的社会价值都不够，因为早期投入巨大无比，会有一个错配。
但这个阶段是必须的，只有在场景中技术才能得到更好的发展。我们即将迎来的拐点是，技术成熟到可以做真正的大价值创新。那时候AI带来的改变才更根本、更广泛，大家也会越做越舒服，因为你进入了一个正循环。现在我们整个还在艰苦摸索。
我们现在觉得供给已经内卷得一塌糊涂，所有能满足的需求都已经被满足了，实际上完全不是这样。从需求端来看，简单的同质化供给当然严重过剩，但人心是贪得无厌的，愿望是无穷无尽的。
AI带来的最大突破是它可以低成本、高效率、实时地一直陪伴我们。无论个人助手、家庭管家还是情感陪伴，未来产品的本质都是可以跟我们深度互动，所以它会比我们将来更了解我们。个性化需求会第一次被真正打开。
过去三十年商业进步背后就是两个技术突破，搜索和推荐，AI会带来第三次技术突破。
商业模式本质也会跟着变：从推荐算法带来的信息对注意力的争夺，走向真正的个性化。因为推荐本质上还是从人的行为、特别是和你相似的人的行为，来猜测你可能的需求，AI不用猜测，AI就是知道。
这才是个人化服务的开始，才是极致个性化的起源。所以，从这个角度来看，将来商业的变化将是根本的、非常深远的。
2.从“千人千面”到“一人千面”
每一次技术革命都会带来特别大的商业范式变革。
工业时代，150年前解决的是供给不足，找到的方式是标准化、流水线、科层制；
互联网时代解决的是生产过剩，80年代中后期美国基本就产能过剩了，所以它实现的是规模化匹配，让商品更好地找到合适的用户；
AI时代要解决个性化需求。
对应的就是从“千人一面”到“千人千面”，再到“一人千面”。2010年，我们做淘宝的时候就提出来，要利用平台解决信息不对称，做好商品和用户的匹配，最好能找到“千人千面”。经过十几年努力，这基本上实现了。
接下来是“一人千面”。每一个人都是变化无穷、非常丰富的，理解一个人在不同时间、不同场景中的真实意图，动态生成当下最适合的解决方案，这才是未来的商业，本质是越来越个性化。
3.商业的起点从产品，变成了意图
到目前为止，所有商业的起点都是产品，产品的研发和设计基于我们对用户需求的假象和推断。工具可能越来越先进，但本质还是对一群用户可能需求的事先揣测：先把产品做出来，再想怎么推广、怎么分销。商品是现代商业的起点。
未来将以消费者的意图作为起点。因为AI给了我们工具，终于能贴近消费者去理解他的真实意图，也只有以意图为起点，我们才能真正做到以消费者为中心。
我们一直讲的“客户至上”，原来是一个价值主张、企业价值观的体现。在未来，以客户为中心是所有商业模式的起点，因为你必须以它为中心。AI天天围绕它转、理解它，再根据它的需求产生方案。
第一步是这样：AI理解了意图以后去全网搜索有没有合适的解决方案或产品，没有的话你可以去招标，看谁愿意提供你想要的产品和服务，消费者确认以后AI还可以代为执行。
所以未来商业的竞争，实际上最重要的是抢夺人类表达真实意图的第一入口。你愿意跟谁聊，那个AI就掌握了你的真实信息，它可能就是你商业化开始的地方。
但第一步还是意图匹配，商品要从现成的商品库中去选。更长远的第二阶段，是需求与供给同时生成。因为“一人千面”不是无限地生成产品，而是在复杂的供给制约当中、在依然有性价比要求的前提下，为这个具体的人找到这时候最适合他的解决方案、服务和产品的组合。
4.供给侧一变，旧商业模式就被颠覆了
但要做到这一点，其实是需要从传统的供应链转向协同网络。传统供应链是一条线性的信息流通渠道，本质是固化的产品、固化的流程、规模化交付，参与的企业也是固化的。
未来的供应网络是一个协同网络，根据具体任务实时调用不同的能力节点，临时组成解决方案。这有点像今天的个人助理开始展现的状态。
大家用了Manus（通用智能体产品）这类个人助理后会发现，用户体验好像还没有那么大变化，本质上是因为供给侧还没变化，他们是用现有的存量产品和服务做效率提升。供给侧的变化才能带来体验的实质性飞跃。所以商业要做到突破、做到智能商业2.0，得在供给侧也完成AI化的表达和组合。
总结一下，智能商业实现的是从卖产品到实现人的意图这样一个商业本质的变化。而且它肯定会形成自己独特的竞争优势，因为基于场景的学习闭环会成为新的竞争优势。
稍微再补一点，为什么这个事情对我们这么重要？因为这是一个新的商业模式，而新的商业模式一定对过去是颠覆性的。过去二十年的商业变革基本就是推荐算法的不断升级优化，注意力经济、用户时长、曝光、DAU（日活跃用户数）是现在商业的基石。
AI商业的本质是对结果承担责任，直接交付结果。当你直接能交付结果的时候，中间的很多过程就都不存在了。这中间可能变成Agent对Agent的协同，怎么协同要在实践中探索。但很多过去的做法在未来都会面临实质性的挑战，新的商业是一套全新的模式。
二、什么是AI原生：拿掉AI，
这个产品还成立吗？
1.用AI不等于AI原生
AI原生的本质，不是把AI嵌入现有的产品和工作流，而是以可规模化调用的机器智能为起点，重新设计产品、工作流和组织，创造过去无法实现的客户价值，并由此释放巨大的商业价值。
“规模化调用的机器智能”，强调的是通用智能成了社会新的基础生产要素。历史上的生产要素是土地、劳动力和资本，现在多了一个智能，或者说劳动力变成了人加AI，整个社会都要以此为基础发生变化。
这里的几个层面是一起演化的：产品改变，工作流要跟着改变，组织也要改变，甚至商业模式都会重新形成。关键是把新技术的根本优势发挥出来。
一个直接的检验是：假如拿掉AI，这个产品和业务是否仍然成立？如果仍然成立，只是效率下降，大概率属于AI增强；如果产品价值、工作流或组织方式都无法成立，才更接近AI原生。
2.通用技术要走过三个阶段
从学术角度，AI是通用技术的创新。
通用技术有三个特点：
可以在各个层面广泛使用；
是一个大的创新，需要很长时间的发展；
会催生大量的互补性创新，因为它是基础创新，需要很多工程创新、应用创新，最后才能在最上面形成大的创新。
这也是为什么黄仁勋会讲“五层蛋糕”，讲AI从最底下的电力、能源、土地，到上面的芯片，再到云，最后才是应用服务。整个技术栈需要互补性的协同创新，所以它是一个漫长的生态演化过程。
AI刚出来时大家自然拿它跟互联网比，但很快就意识到它是一个如此重要的生产力突破，就跟工业革命比；再往前推，因为它是基于语言的、对人类所有知识的抽象和延伸，就要回到人类文明最原始的三个大的技术突破：火的应用、语言的发明、文字的流转。
通用技术的大变革基本都经过三个阶段：
第一，技术足够可靠、便宜、好用，成为社会的基础设施；
第二，在这之上出现原生的产品和服务创新，开始真正创造巨大的新价值，不再是在原有技术框架下做优化，而是按新技术的逻辑从底层重构商业和社会；
第三，新技术渗透到社会的方方面面。
以美国的电气化为例。
1882年，爱迪生在曼哈顿一平方公里的街区内点亮了整个街区，这相当于一个产品化的试点，因为你需要电灯、电线、发电机、传电网络，它展示了电的完整雏形。
爱迪生在此基础上成立了通用电气公司，做发电设备和电灯泡这些硬件。但他的总裁助理认为电应该成为公用事业、成为基础设施，于是独立出去做中心化的发电厂和远程传输网络。
1896年，尼亚加拉大瀑布利用水的动能发电，远程输送到二十多公里外的布法罗，中间还有很多技术突破，像交流电、变压器、现代电网架构的形成，这里有真正的发明家特斯拉创造的交流电技术。
基础设施这个商业模式被发明以前，每个工厂要自己雇一个首席发电官，买GE的设备、建电厂、买煤，自己发电。
有了基础设施服务商以后，美国制造业用电比例急剧提高：1900年约10%，1909年25%，1920年超过50%，1929年约78%到80%。
1910到1920年就是基础设施成熟、应用开始大爆发的时候，于是出现了现代工业的标志性事件：1913年福特在Highland Park（福特工厂）的那条流水线。
3.应用一定会百花齐放
基础设施跨过某个可用性临界点以后，原生应用开始密集涌现，而且应用出现以后又反过来拉动基础设施的普及。
有了电灯，家庭才愿意接电；有了电熨斗、吸尘器、洗衣机，家庭接电的价值进一步增加；但有了收音机和冰箱以后，没有电就意味着你没有进入现代家庭生活。
这是一个正反馈循环：电跨过临界点，原生应用出现，用电价值提高，更多家庭接电，市场扩大，更多原生应用，技术进一步成熟，再去渗透到各行各业。
所以应用的第二阶段一定是百花齐放，因为这是一个社会大规模探索的过程。基础设施阶段相对集中，方向清楚以后就是砸钱、砸人，让最优秀的人攻克最难的技术难关。
但一到应用阶段就百花齐放了，因为大家不知道新技术到底拿来干什么、什么是真正有客户价值的、用户愿意为什么买单。
这时候就会出现典型的创业浪潮：大量企业家涌入，进行各种产品、商业模式、生产方式的实验；然后市场优胜劣汰，看谁代表未来的产品和模式；最后进入Consolidation（行业整合）。这本身没办法线性规划，需要长时间的社会协同。
4.从Web到移动互联网，原生也有1.0和2.0
第二个通用技术的创新跟我们现在更相关，稍微年纪大一点的同学经历过这中间的一些产品。这张图是对大家最有借鉴作用的，因为我最后的结论是，我们很快要迎来AI时代的应用大创新。
本质上就是1993年出现的两件大事：一是整个Web技术免费对外开放，HTTP这些对外开放；二是基于Mosaic以后，1994年出现Netscape（网景，最早的浏览器公司），第一次在PC和Mac上能跑浏览器。
1991、1992年的浏览器是给Unix上的专业玩家用的，1994年的浏览器普通PC和Mac用户都能用。
消费者端门槛急剧下降，点一下就能看到全世界的网站；开发者端也一样，由于HTML、WWW这些标准已经成熟，建一个网站变得很容易。
你可以看到，门户导航和最早出现的各种搜索公司，有点像今天的personal assistant（个人助理），是主流应用的最早突破，但后面很不幸都被原生应用2.0的Google给干掉了。
另一方面，1995年出现的那批大的垂类，零售、分类信息、在线婚恋、在线旅行，这些公司都活得很好，这中间有特别有意思的规律，大家回去可以琢磨。
最直观的是，1994年浏览器一出来，三年之内所有应用公司都出来了，1.0的公司基本到1996年就出齐了，后面冒出来的是2.0阶段的公司。
原生不是由企业出生的年代所决定的，而是由它在多大程度上发挥新技术的根本优势所决定的。所以生在AI时代不等于AI原生，使用AI的广度不代表发挥机器智能优势的深度。
5.原生应用2.0的四个标准
整个互联网的集大成者是Google，它是互联网原生应用2.0，最能帮我们理解未来的原生应用2.0呈现什么形态。将来大家考验自己是不是做得足够AI原生，同样是四个标准。
第一，有没有做到用户价值的巨大创新，创造的体验是不是以前从来没有过的。
雅虎的体验是把读报纸的行为搬到互联网上，而Google的搜索框出来时就一个框，你输入关键字，全世界的信息在秒级全部给你，这种体验以前从来没有过。
第二，体验的飞跃一定基于一个重要的原生技术突破。
跟雅虎同时出现的搜索公司都有好的概念，但一直没有真正的搜索技术，只有Google的PageRank（谷歌的网页排名算法）是基于核心算法，把整个互联网内容做了结构化重构才能检索。
第三，一般有前二者后都会倒逼出后二者，第三个创新通常有基础设施创新。
因为要用低成本稳定的方法服务海量用户，传统技术架构一定不太可行。所以Google是分布式计算的开创者，分布式计算后来被亚马逊包装成云计算，成了现代互联网的计算基础设施。
第四，一定会有原生的商业模式出来。
Google做了Pay for Performance（按效果付费）竞价排名的广告，这是一个广告模式的巨大创新。
三、AI产业化：
我们正站在应用大爆发的前夜
1.通用机器智能的基础能力已形成
我们今天处于怎样的阶段？我有几个判断可以跟大家分享。
第一，通用机器智能的基础能力已经形成，AI能力初步过关：无论是模型能力，还是这两年Coding（编程）带来的行动能力突破，使得Agent技术框架初步成型，再到产业基础设施以及商业模式。
2026年开年前半年，为什么所有讨论都集中在Token？当Token这个度量衡被提出来，就像一度电、一吨水、一个GB流量，我们现在知道有 token这样一个计量单位，就说明它开始标准化、成为社会的基础设施了，收费模式也有了。一个公共事业的商业模式和社会服务方式基本成型。
所以我们看到Hyperscaler（超大规模云服务商）和Neocloud（新型云服务商）的迅速发展，数据中心的基建狂潮，突破整个产业链规模化扩张的瓶颈，从今年年初的存储，到后面的光通讯，再到现在的电和土地。本质上是，人类第一次可以大规模低成本地调用通用智能。
通用智能服务商的商业模式也基本成熟了，包括传统的微软跟亚马逊，也包括Google、OpenAI、Anthropic，以及现在最凶猛的SpaceX，本质上都在卖Token，卖的是可以规模化调用的通用智能。
2.应用大爆发，还差两个前提
我们刚才反复讲的，当基础设施的性能过了一个初步的拐点之后，就是一个应用大爆发的阶段。所以2026、2027、2028，特别是2027、2028，应该是各种原生产品与服务层出不穷的阶段。
当然，根据我们刚才的研究可以看到，应用大爆发要有两个前提。我们假定Agent是接下来所有原生应用的基本产品形态和技术标准：第一，Agent的开发基础设施还要进一步成熟；第二，要找到低成本的用户交互方式，让普通用户容易表达意图、建立信任、使用Agent。
在这个意义上，我们还没看到一个标志性的产品，所以我才说现在大概就是1993年，“浏览器”还没有出现，但大家都在等着这样一个技术突破，让开发者和使用者的成本都急剧下降，然后才有应用大爆发的阶段。
3.Agent能力：从行动、主动，到负责
如果我们再展开讲，可以看到过去两年Agent能力有一个质的飞跃。Chat是对话，Agent的核心是行动。
从早期通用Agent能调用工具、完成具体任务，到今天所有公司都在努力让Agent自主拆解任务、跨步骤持续执行长程复杂任务，包括前一段时间OpenAI讲他们怎么破解数学题，一万多个Agent协同80多个小时持续攻克一个问题。所以AI可以越来越主动。
但Agent还有第三个在应用阶段必须克服的、最重要的技术创新，就是要能够负责任。如果AI不能对结果负责，我们还是不敢把任务交给它。
什么时候人可以信任一个Agent，愿意把什么任务交给它，它真的能交付，还能让你相信它的交付过程，最后还能通过你的反馈不断学习和提高。这第三步Agent能力还没有普及和突破，这是接下来产品和技术方面会看到的最重要的发展方向。
4.从Agent 商店到Agent 操作系统
我现在没有一个更好的词汇，所以还是暂时将它称为Agent Store（Agent 商店）。它肯定不是一个App Store，也不是雅虎那样的网站Marketplace（市场）。
接下来会发生的是，大量创业者开发各种Agent，有的很细分，有的很通用，有的昙花一现，有的越来越壮大；大量用户尝试不同的产品形态。这就是百花齐放的社会化大创新阶段，各种商业模式、应用形态、工作方法都会被创造出来。
1995年，雅虎上市时全球有400万个网站，2000年互联网泡沫时是2亿，今天常规状态下是20亿。2010年App Store开始爆发，2012年大概600万个App，今天活跃的大概400多万个，当然每个人用的大概10个左右。我们也许可以想象，说不定会有10万级左右的Agent。
如果有这个量级，用户怎么去发现、评判、管理、使用、计费、投诉，这一堆问题可能都会让Agent本身产生某种标准，形成某种入口。当然这个入口会依附在哪一种硬件上，会不会有一个多元化的硬件共同繁荣的阶段，这是另外一个更开放的问题。
未来三五年，核心是Agent的大爆发，本质是怎么找到Agent的通用产品形态，开发成本最低，用户使用壁垒最低。
在这样的海量Agent创新基础之上，我们也许会迎来原生应用2.0的阶段，我也暂且称它为Agent OS。
但Agent OS现在提太早了。它要有足够丰富的Agent以后，消费者那时候会越来越懒，我们可能只想表达一下意图，就要有某个主要的Agent去调用其他的Agent，帮我们一次性完成任务。我们自己已经不愿意再去找各种各样的Agent了，只愿意对少数的几个发号施令，它帮我们去整合其他的Agent，完成越来越复杂的任务。
这是十年左右的大蓝图。Agent进入2.0的原生应用，然后一直畅想的那个Super Personal Agent（超级个人助理）才会出现。
四、价值创造和竞争：
智能复利，智者恒强
1.AI的价值引擎是智能复利
人工智能正在成为越来越重要的生产要素：农业时代土地是最关键的生产要素，工业时代资本成为规模化生产的关键生产要素，智能时代是智能本身成为可以规模化生产和调用的生产要素。
我的讨论有两个前提。第一，ASI（超级人工智能）可能还需要相当长的时间才会实现，有人说十几年，有人说一百年，前沿争论不去管。
第二，人工智能跟人的智能，或者你把它称作人的创造力、人的生命力也好，本质上还是相对互补的，通用人工智能没法完全取代人的智能，它反而会释放人的创造力。
核心命题就是：当人可以规模化地调用通用人工智能的时候，价值创造的源泉是什么？
这个问题我想了三五年。工业时代靠规模经济，这是我们熟悉的。互联网时代靠网络效应。那AI时代靠什么？
我个人的一个初步思考是：既然是智能时代，就有它独特的价值创造机制和竞争壁垒来源，我把它称为智能复利。
本质上，AI和未来所有应用都是一个学习过程，智能系统在使用的过程中就会变得越聪明，它就越来越值钱。
这是一个非常自然的正反馈循环：你干的活越多，你变得越聪明；你越聪明，能接越多的活；接了越多的活，你能变得更聪明，更聪明以后就可以干更多的活。
它形成了传统意义上的“数据飞轮”，但更准确的表达是，一个学习的正反馈闭环带来的智能复利，就是越变越聪明。
2.“60分奇点”：AI能不能上岗
当你越变越聪明，特别是你切入的那个场景够复杂，你就能显示出强大的竞争优势。但要把智能复利的飞轮转起来，其实非常痛苦，目前能转的公司非常有限，基本就是头部几家模型公司。
今年最流行的那个词RCI（递归批评与改进），其实就是自我改进，而自我改进就是智能复利：我变得越来越聪明，就能自我改进、自我进化、自我提升。
但要把智能复利的飞轮转起来，最难的是我称为AI能否过60分，它能否上岗。只要AI一能上岗，它的学习飞轮就能转起来。但AI从智障变成智能的过程是非常痛苦的学习过程，人在里面要扮演非常大的作用。
我们要设计Agent，设计它需要的知识库，需要上下文，还要手把手教它，要把人所有的经验蒸馏给它，再给它一些学习场景、实验室场景，让它慢慢从30分到40分、50分，然后你再找一个不怕死的客户跟你一起试，让AI可以上线。
上线以后，它就进入了学习闭环：第一，这是端到端的任务，它能完整接过去；第二，它直接面向结果负责，所以反馈相对清楚，因为它不是“我帮你做了什么”，而是“我做到了什么”，到底有没有做到可以有清晰的表达。
最终形成了行动、结果、反馈、学习，再行动、再反馈这样一个闭环。
所以对所有人的最大挑战就是想清楚，你第一个要让AI Agent上岗、要解决的那个端到端的真实问题是什么。
第二，你怎样才能让它真正独立上岗，需要什么技术、什么产品、人的什么样的经验蒸馏、什么样的客户，最有可能迈出第一步。这是能让飞轮转起来的关键。
如果智能复利的飞轮转起来了，我们能看到的就是“黑洞效应”：聪明的人会越来越聪明，特别是你跨过了一些复杂任务的智能门槛，能力差距反而会越拉越大。
这中间也会产生信任问题。越复杂、越高价值的工作流，大家越愿意交给强大的AI，开发者也越来越多地在这些平台上开发，数据都沉淀在这些平台上。
3.新的竞争规律：高维吞噬低维
AI时代价值创造的引擎是智能复利，那新的竞争规律是什么？
移动互联网最后总结成高频打低频，AI时代大家最需要注意的是高维吞噬低维，你能量无法逃逸。
所以接下来的三年，如果做AI创业、做AI智能体，进化速度是高于一切的指标。你能否进入一个智能进化的循环，远远高于你的盈利能力等各方面。因为你只有不断智能扩张，才能接更多高端有价值的业务，最终形成进入壁垒。
互联网时代是网络效应创造了“赢者通吃”的格局，智能复利和黑洞效应会创造“智者恒强”。AI时代不会是赢者通吃，也不会是遍地开花，最后也会进入行业整合阶段，而这个整合者就是进化速度最快的那一家公司。
五、创智组织：从岗位走向任务，
组织要整体变聪明
1.每次生产力革命，都跟着一场组织革命
前面是从技术角度看AI对组织的冲击，但本质上我们要回答：未来的组织会长成什么样？它的组织原则是什么？当AI取代的工作越来越多，人未来的价值到底体现在什么地方？当人都可能成为超级个体，组织又长什么样、拿来干什么用？
所以我会从三个层面来介绍我的思考：第一，个人的价值在哪；第二，社会宏观我们看到的是什么样的变化；第三，组织到底会长成什么样子。
本质上AI原生组织提出的问题，是在一场新的技术革命之后，人类到底如何分工与合作。
因为人类社会的进步就是分工与合作：分工让专业能力越来越强、生产力越来越高，但分工的前提是合作，自给自足的模式已经被打破了，这两者一直是阴阳两面、共同演化。分工越精细，越需要有制度保障的合作；合作越强大，大家就越愿意做精细化的分工和经验积累。
这个分工合作的模式一直在变。农业时代是土地，基本组织单元是家庭、自给自足，社会化组织方式是血缘与地缘关系的扩张。工业时代是资本与机器，所以有了岗位、流程和科层化管理。信息时代有了专业技能、更好的信息匹配、SaaS和知识库管理，所以出现了知识型企业。
核心问题就是：智能时代，当智能可以规模化调用，我们需要什么样的分工与合作？
借用德鲁克的框架，他把工业革命从管理学角度划成三个阶段。
第一阶段是生产力革命，技术上从经验走向工程，表现是工厂取代基于经验的手工作坊，生产效率大幅提高。
第二次是管理革命，你不仅有了大规模生产，还有大规模分销、大规模零售，所以需要组织去管理越来越复杂的白领性质的工作，这就出现了现代公司制度，核心是提高管理效率。这也是为什么商学院在1900年左右兴起，它的本质是大规模生产有共同语言的初级管理人员，去填充正在大规模扩张的现代公司。
到了70年代，由于IT技术的发展、底层计算能力的提升，包括PC第一次完成了计算和通讯在互联网时代的二合一，生产效率又一次巨大提升，就出现了IT与软件时代，也出现了知识工作者的提法。
在这个框架之上，我个人认为，AI释放的是人类的创造力，我们将迎来一个创造力革命的时代，对应的就是创智人才的批量涌现。
当然，还需要新的教育革命，从源头上理解教育要发生什么样的改变，才能让创造力从第一天就成为教育体系的终极目标。像“填鸭式”教育面临的挑战，已经显而易见和无可回避了。
所以我简单地播报一段：从宏观的角度，从文明和人类的角度来说，接下来的时代是一个创造力革命的阶段，真正需要的人才是创智人才。
2.创智人才：AI放大的是创造力
我们先来看看个体。我们需要长成什么样子？我们要招揽的合伙人和员工要长成什么样子？
我们在焦虑的时候，很多人已经在新的浪潮中如鱼得水。
去年Meta在六月、七月用一亿美金以上的价格雇了小十个左右的华人，其中余家辉上了福布斯还是时代周刊的封面，因为这是第一次有研究员的年薪超过了足球明星。真的就是二十多岁、三十岁，正确的人在正确的时间干了正确的事情。
另外一批特别年轻的创业者，这四家公司非常有代表性，都是二十二、二十三岁。
这批年轻人为什么这么如鱼得水？他们肯定代表的是未来。我们能看到什么样的趋势？说起来也非常简单，有两层。
第一是高能动性。刚开始看到这个词我也很不以为然，不就是积极主动吗？但当别的东西都不那么重要的时候，积极主动的态度、这个起点，就变得无比地重要。
第二，他们真的会学习。像我见过的这几个人，就是超级好学，不断问你问题，本身就是一台学习机器。机器学习是模拟人的神经元网络，这些顶尖的人又把机器学习的有效方法用到自己的学习上，要有反馈和结构化思考，理解自己是怎么思考和决策的、怎么快速迭代，基本都会从第一性原理的角度去重解问题。所以它思考有深度，学习迭代力又快，成长非常快。
再往上就是顶尖人才加上巨大的AI杠杆。因为AGI消化吸收了人类所有已知的知识，顶尖人才的学习成本大幅下降，加上他们超强的学习能力和AI工具，可以快速学习越来越多领域的知识，又有建模原创思考的能力，往往出现意想不到的好解决方案。
历史上丰富的经验是重要壁垒，所以大家尊老爱幼。但因为这个时代高认知碾压高经验，有经验的人就成了“老登”，核心原因是经验不再值钱了。
而且顶尖人才的时间稀缺性部分被打破，原来任何人在时间面前是公平的，现在看起来不那么公平。所以我前天碰到一个创业公司的老总，他说这两年下来，公司研发部门的活他一个人基本都干了。
这就是一将顶千军，一个人可以干很多岗位，原来所谓辅助岗位的事，他用AI Agent就处理掉了。
还有一层，原来的专业壁垒是很清晰的，但现在创业公司的创始人基本都是多面手。我遇到一个创业者，问你怎么能招到这么优秀的人，他说招之前先用AI把这些人所有的论文和工作都自己学了一遍，出去聊的时候基本是以行业顶尖专家的身份在聊，你才能跟他们产生共鸣和认同。
但这个趋势会继续下去，也会富集越来越多的人。所以我自己的初步结论是，过去几十年最重要的知识工作者，现在正在被创智人才取代。
创智人才是我新创造的一个词，我是指能够选择值得追求的方向、定义有价值的问题、创造新的认知，并能够组织人类智能和机器智能去落地的新型创造性人才。
大家传统上认为的画画、作曲这类创造力，反而被AI取代得厉害，本质是提出原创问题、解决复杂问题的能力。
反过来还有一个更重要的话题：AI把我们从那些简单重复的低级脑力劳动释放出来以后，我们能成为什么样的人，能不能成为创智人才，能不能与AI共同进化。
当然，我也非常清楚，智能的发展是第一次挑战到了人类作为崇高物种的底线。但历史上我们发明创造的每一次工具，我们都比较好地适应了：体力劳动被机械取代以后，我们开发出了脑力劳动；当常规的脑力劳动被取代以后，我们的创造力能否释放出来，让我们变成完全不一样的人才？我自己对这个事情还是相对比较乐观的。
不过讲到创智人才，除了很强的主观能动性和超强的元认知之外，还有一点需要补充：他们还需要一个越来越稳定的内在系统。
这有两个原因。其一，当你的能力被AI的杠杆巨幅放大时，你的情绪缺陷也会被巨大地放大。心理学有研究指出，我们自认为的理性决策很大程度上也受情绪影响。
其二，团队变小以后，任何一个人的负面作用对整个团队的冲击也非常大。我碰到过一个创业公司，两年前特别着迷各类金牌奖得主，一口气雇了五个，最后整个人也疯了、团队也崩了，因为三个都是没法工作的人。
团队意识在这个时代依然非常重要。具体有几项修炼。
第一个，判断力。大部分时候人是因为自己的内在心理模式在逃避，但逃避的东西往往最后会用更大的冲击让你不得不面对它，所以不逃避反而是决策的前提，是更少的自欺欺人。
第二，冲突面前也不逃。关系债欠得越久，协作成本越高，所以你敢不敢有建设性的冲突，对很多孤僻的理工男挑战非常大，回避问题会让隐藏的问题积压到最后爆发。
第三，失败之后不碎。做科学实验可能错了九万九千九百九十九次，对一次才正常，但大部分人一遇挫折就变成自我攻击，这是教育里形成的对成功和外部认同的渴求。所以能否把失败当成一次系统负反馈，这是一个新的训练。
3.组织的基本单元，从岗位变成任务
有了以上背景，我们再来看：人是这样的人，社会是这样的社会，那组织会演化成什么样子？
经过这一年多，大家已经试过了公司内部的各种AI创新，谁有好AI谁就有未来，所以都在找什么样的方法才能创造最大的价值。我让大家体会两个新的创业公司，他们思考问题的角度。
第一个是招聘。它的第一反应可能不是岗位JD、招什么人、向谁汇报，而是：我们到底要完成什么任务？这个任务需要什么样的能力组合？这个能力组合多快能由Agent自动完成？剩下的能力现有人能否提供？
再不行才是我需不需要招人。这样的人招进来，大概率也不会在固定的岗位上。
所以现代组织的基本单元从岗位开始变成了任务。能变成任务，是因为AI技术可以把公司的运行放在颗粒度更细、更具体、更实时的任务流上，不需要把重复的任务固化到一个岗位上。
传统公司创新难，正是因为大部分事情都固化在岗位上了，跨部门的衔接、超越流程的动作都变得非常困难。
第二个角度是人调用Agent，还是Agent调用人。大家现在习惯想“我怎么调用Agent”，但更原生的思路是，能否都让Agent干了，实在干不了，它能否短暂地调用人的能力，在这个场景下人是被调用的工具。
根本的差别在哪？只要AI移交给人，能干的活就不在AI的学习闭环中。只要你的流程是按AI的需要、按它完成全部工作流来设计的，它完成不了时能主动判断再调用人类专家，人类专家的能力在这个过程中就成了学习数据库的一部分，再用AI学习的方式把人类经验消化吸收，去快速迭代进步。
所以，AI发展的核心是怎么让人越来越out of the loop（在闭环之外），而不是in the loop（在闭环之内）。
当然，这就要求你对AI技术发展到什么阶段、未来它在哪些方面能力上会有突破、哪些事情它能接得过去、它会不会主动地要求人的帮助，都要有判断。因为如果要人来判断什么时候介入，这件事又不work，它又不是自循环了，这个循环又被人打断了。
所以AI原生组织就是用AI去重构组织的基本运行方式，任务、权责、流程、协作反馈都要围绕人和AI的紧密协同重新设计。
未来组织会从今天的岗位、部门走向任务单元：左边传统的Organization Chart（组织结构图）看的是岗位、部门、汇报线；未来更多的是工作流程图，头部的人定义问题、分解问题，然后再去分发问题。
这里有个新词，DRI（直接负责的那个人）。这个人与岗位脱钩，因为岗位已经不存在了，但总要有人对结果负责，这个结果可能由AI完成，也可能由人完成。所以它的组合是人与Agent、与Skill、与新的工作流。
即使在Anthropic和OpenAI这样相当庞大的前沿公司，研发部门千把人，最核心的只有二三十个人定义方向、架构和进展，然后分解任务；剩下的三百人外面还有一圈，更像环形结构，再有两三百人进一步认领、拆解任务，外围可能还有两三千人处理很具体的任务。
从三十个人到三百个人的分发过程中，可能有60%、70%都是主动认领的：我认为我有能力、这个任务重要、我能解决、我能对结果负责，我就把它认领了。
所以它没有传统的组织结构，就是任务全部扔在那边，全部认领完，认领完了以后再分配，整个的组织逻辑发生了很大的变化。
认领本身就要求人的主动性在那儿，因为你认领了就承担了责任。但这也是最快的成长方式和最好的匹配方式，因为你最知道自己想做什么、有什么能力。它又是一个不断迭代循环的过程，有真实的反馈数据，出了偏差就能纠正。所以这是从静态的汇报关系，走向动态的任务完成协作网络。
管理也在变。传统管理更加偏人，是怎么管好人、处理团队互动、招聘；未来的管理越来越表现为能力结构的设计、能力与任务的匹配，一个任务需要多少单元，所谓的编排能力变得越来越重要。一个优秀的管理者更需要做的是，让正确的能力在正确的时点以正确的顺序被调用。
可以看到，传统的中层，特别是做信息中转、工作分配、进度汇总、绩效考核、简单上传下达、解决信息不对称的中层管理者，这批人的职能结构化地就在消亡。当然，人才的成长与能力建设、不同项目之间的协调还是存在的，甚至更重要，管理者还要兜底，做最后的责任承担。
4.真正重要的是组织整体变聪明
这是我今天要讲的最重要的概念。大家今天都卡在：AI做了那么多投入、干了那么多事情，为什么组织整体效率未提升？
两个原因。一是你还没有找到AI原生的产品和服务，所以创造的价值不够大；二是真正要做的是整个组织的智能化，不是其中每个人效率提高了多少。
一个研发工程师效率提高了50%，他还是被整个传统的很多环节卡死了。所以真正重要的是，整个组织有没有变聪明。
AI时代所有的事情都是关于两件事的，学习和变聪明，这中间我把它称为群体智慧的涌现。传统组织的核心问题就是高质量人才不够，而且有限的高质量人才也用不好，因为他的认知不能被组织调用。
所以一方面你觉得没人可用，另一方面有一大堆怀才不遇的人，因为它是固化结构，不以能力成长为核心，也不以组织整体判断力的进化为主要目标。
换言之，AI原生组织从技术角度讲是未来组织要用好AI技术，但本质上是要整体变得越来越聪明。因为组织最重要的就是决策，大大小小的决策质量上去了，组织效能自然就提升了。
这中间有两件事是传统组织做不到的。第一，每个个体的感知、理解、发现、洞察、认知，能否成为群体智慧的有机学习养料，不要浪费任何人的信号和他大脑产生的价值。
第二，当我处理当前具体任务时，整个组织网络的群体智慧可不可以被调用？给我合适的上下文，给我该有的认知框架，给我所有其他人已经交的学费，以及某些人虽然不在这个任务链上、但可能有的独特洞察。能不能把真正有价值的、不仅仅是信息、更重要的是认知能力和高端思考的能力调用起来。
说个简化版：如果你能成为每一个员工的副身，你们俩在任何场景下共同处理一件事，公司的质量是不是会有一个质的飞跃？你得到了一线的信息，员工得到了你的全局思考和多年积累的所有直觉与判断。未来真正的AI组织，就是要建这样一套系统，让双向的认知流动起来。
过去一百多年，公司是组织的基本形态，管理是最核心的任务：在人类专业能力稀缺的条件下，通过分工、流程和协作，管理要把有限的能力转化为规模化的产出。
标准化、规模化、一致性，头部的人思考，中间的人传达，底部的人执行，其实是一个效率很低的模式。但在人的认知有限、带宽有限、注意力有限的情况下，你只能牺牲创造力换取相对确定性的执行。
但未来的组织本质是群体智慧的演化，是创造组织新的认知，围绕真实任务连接人的创造力与机器智能，解决问题后再把经验沉淀下来。
这个经验是每个个体的经验，沉淀为可复用的组织认知，然后每个人处理自己的具体问题时，又能调用相关的组织能力，再用于下一轮决策。所以组织本身也是一个学习机器，不断消化、吸收、迭代、进化，这是一个智能复利的组织内部版。
总结一下我对未来组织本质的理解：未来AI原生的组织，本质是一个创智型组织，是能持续观察和理解、协调个体行动、不断自我进化的组织智能体，是AI和人的协同网络。它通过系统化的数据接入、索引和检索，把分散的信息连接起来，从而获得组织的全局视野。
说得直白一点，AI帮助人可以大脑联网。AI为什么这么牛？就是能把十万个GPU连在一起并发处理。人类个体为什么这么局限？因为受物理条件制约，沟通带宽太低、对齐太难。所以AI能极大提高我们共同创造的能力。
所以真正需要的不是每个人的Copilot（AI 辅助助手），也不是一个局部的AI硅基员工上岗，虽然这些是必备条件，但真正重要的是搭建一个组织的操作系统。组织OS是这个智能体运转的制度机制和技术底座，让信息、决策、认知、背景、反馈都在统一的智能体框架下被处理。所有组织未来最核心的就是探索组织OS，在我这个公司要用什么样的方法落地。
组织OS目前我也没看到谁真正做出来了，但能看到片段化的落地努力和整体趋势。比如记忆：组织记忆变得非常重要，要把不同的事实、判断、分歧、历史决策以及来源组织起来，让需要的人和AI在正确的时刻可以调用。这是最基础的第一步。
为什么大家现在讨论都很愿意录音？因为讨论本身就是最强大的决策信息来源。不录音就不能数字化，不能数字化AI就不能处理。所以怎样提高人类工作和决策的可见性，让重要信息能被智能体正确获取，才能让智能体作为一个隐形的大脑无处不在。
真正需要突破的是，假如AI看到了十二个高管过去半年的决策思考，它能否成为第十三个合伙人，提出独立的观察与判断？这才是质的飞跃。
同时要把AI学习的超强能力用起来：AI有无限的算力、无限的记忆带宽、无限的并发处理能力，相对人脑都是无限的。把这些作为背景处理，跟人的直觉创造力、对具体场景的感知和无中生有的能力结合起来，这才是组织真正的进化过程。
当然，这中间一定牵扯到非常多的具体问题要处理，像权限。大公司做这个事情很难，但我也遇到十个人左右的创业公司，所有的东西全透明，CEO也知道自己在“裸奔”，但十个人知根知底，生产力的好处远远大过泄密的风险，所以他暂时就不做权限设置。
另外，我也看到有的创业公司，不要说PPT了，Word文档基本就禁用了，你要分享就直接分享MD（Markdown文档）或者跟GPT的完整对话，因为看到你的完整对话，我就知道你的思考过程，你基于什么样的上下文做了当下的决策，我可以在认知模式层面跟你互动，而不是只给我两页纸的决定、我却完全不知道你是怎么做出来的，这两个合作的效率完全不一样。
5.未来领导者的新职责
在这样的新要求下，未来领导者的职责非常不一样。
第一，核心是建设一个能自我进化的人机协同系统。
第二，日常工作中与人的互动变得非常重要。因为AI兜了底以后，人与人真正的线下深度互动反而是另一个重要的洞见来源。沟通过程中最核心的是试图对齐大家的认知模式：上下文原则上AI都可以提供，但线下深度沟通时，为什么要做这件事、我的思考过程是怎样的、我隐含的决策模型是怎样的，这个东西非常有价值。
第三，你要有一个开放分享的组织，文化就必须非常透明、信息充分流通、高度信任，所以共创的场域营建变得非常重要。
Context not Control（透明的信息替代层级指令与审批）是我们几年前就强调的，它在网飞（Netflix）文化中是最重要的价值观，前提是相信人够聪明，他们强调的另一个概念是人才密度：我招的人已经够聪明了，只要给他正确的Context，他就能作出正确的决定。
AI时代，AI本身就有Context一词，自然Context not Control成了硅谷新一代AI公司的基础文化特征，就是上下文充分共享。
但在这个基础上我往前推了一步：共创。不仅是授权，还有一个共创的过程，是认知的对齐。所以组织的激励机制也会从管控行为转向激发探索。这也是黄仁勋为什么反复强调英伟达不做末位淘汰、不会因为失败而淘汰员工，因为对他们来说，失败就是一次系统反馈，就是最好的学习机会。
但最终领导者还是要做兜底：你要做重大的取舍，明确风险边界，承担最终的责任。
6.AI原生组织的五个特征
总结一下我们对AI原生组织的理解，它有五个特征。
第一，组织整体的智能化，比任何个体用上了AI工具要重要得多得多。
第二，只有建设成拥有强大学习闭环的学习型组织，公司才能变得越来越聪明。
第三，组织的基本形态是任务驱动的能力协同网络，而不是传统的科层制管理体系。
第四，创智人才合伙人化，没有传统意义上的员工了。换言之，有限责任制的公司制度越来越走向合伙人制度，就像律师事务所、管理咨询公司偏合伙人制一样，因为每个个体的贡献都足够重要。
第五，组织的最终目的是以共创为原则，以群体智慧进化为目标。
当然，现在能看到的还是新的AI创业企业在不同方面的尝试，还没有特别完整的案例可以分享，但这些方向、信号已经变得越来越清楚。
六、智能战略：从战略规划到战略生成
1.传统的战略规划，为什么今天不灵了
传统的战略流程大家都很熟悉：五到十年战略规划。因为这事儿隔这么久才做一次，公司内部就不需要这个能力，都外包给咨询公司，每年开个战略会把明年的任务布置一下就好了。所以战略是制定以后拆解，分解成可以具体执行的目标，因为很明确，就强调执行、强调KPI考核。
这套体系从1970年开始非常火，到90年代成为主流，到互联网起来以后压力越来越大。本质上是因为颠覆性大创新带来商业大变革的漫长转型期，大家都困惑，没有特别成熟的经验可分享，所以咨询公司无“米”下“锅”。
在这样一个高度不确定、快变化、巨复杂的外部环境下，传统的战略体系受到了巨大挑战。
我们看到几个新的现象。
第一，战略成为组织的日常工作，你要持续做高质量的战略决策，连着两三次做错基本上就出局了。
第二，因为环境变化快，不是做了决策就了了，之后还要不断修正、改变、优化。
第三，战略跟战术的结合程度高了很多：你的战略要落实到产品、技术、运营各个方面，它不是容易被分解的战略，而是要在各个环节体现出来的战略精神，这对组织的压力一下就放大了。
另外，由于战略的复杂性越来越超出个体的能力，创业公司从最早一个人创业变成两三个合伙人，现在一拉出来就是五六个、七八个合伙人。因为每个人的角色都那么重要又不可或缺，所以大家得共同承担战略决策的任务。
2.愿景驱动的战略发现
我自己总结AI时代的战略模式，称为Vision Driven Strategy Discovery（愿景驱动的战略发现）。
战略在今天的环境下是一个探索、创新的过程，重要的是探索创新的体系，因为没有人有能力拍脑袋就得出一个好结论。但战略创新过程中一定要有愿景指导，因为没有方向你都不知道往哪个方向去努力、去试错、去积累，这两个是相辅相成的。
它的核心是一个学习闭环。我们先有一个面向未来的思考，这个愿景提供方向指导和价值基准，愿景是刚才强调的Working Hypothesis（工作假设），是我们面向未来的初步判断、是我们决策的基础。基于Vision（愿景）制定三年左右的战略框架，核心是路径选择、里程碑、重要突破、关键能力的积累、某一个客户价值的真正创新。
基于这个框架做当下的行动组合。更重要的是，尽可能收集这些行动带来的各种反馈，基于反馈产生各种解释、理解，更重要的是产生真正的洞察。
所以我跟创业者聊天问得最多的一句话是：讲了这么多，你独特的洞察是什么？独特的洞察可以用来校验你的Vision，修正你的战略框架，指导你当下的行动。洞察不太像传统战略规划那样能线性推导出来，它更多是基于一个战略生成系统涌现出来的，就像机器学习的大模型一样。
为什么还需要愿景驱动？是因为它让组织在变化中保持方向。复利的源头是战略的一致性。在一个方向上持续积累，你才会有客户的认知、技术的积累，以及自身认知和经验的积累。方向可以有一些调整，但过程中路会越走越清晰，如果你一会儿南、一会儿东、一会儿北，肯定走不到未来。
Vision在今天非常重要。比如你今天相不相信未来三年是一个应用大爆发的阶段？这就已经把一类人和别人区分开了。你还相不相信这是创业公司的机会，而不是大模型公司的机会？这又把很多人区分开了。
当然你的Vision错了肯定就完蛋了。所以大创新时代是一个社会化创新的尝试，一定是市场主导的，因为大部分人的想法可能是错误的，大部分人的想法没机会落地，只有少数一开始起点是对的，又在实践中越来越清楚、越来越积累，最终时势造英雄。
所以我常说，成功的案例事后看，它的选择都暗含了时代的精神，最开始不一定是他主观上这么想的，但市场优胜劣汰，活下来的肯定都体现了时代精神，没得到时代加持的都淘汰了。所以Vision的正确、大方向的正确，是一切的前提。
3.看十年、想三年、干一年的张力
新的战略观中，第二个比较重要的是获得反馈。因为认知进化的速度是第一重要的，所以你有时候要有意地多做一些战略实验，你不知道哪个方向对，就只能去试，而试的目的是获得反馈，再决定下一步怎么做度。
我把Vision Driven Strategy Discovery用一句通俗的话表达，就是看十年、想三年、干一年。本质是迭代的学习闭环，是认知不断升级的过程。
看十年是Visioning，看远的过程也是逼着你看本质的过程，因为远就要看深，它逼着你用第一性原理去思考，什么是真正驱动未来变化的基本驱动力，什么只是暂时的噪音。它本质是给你一个思考框架，去理解未来可能演化的路径和方式。
在此基础上，想三年就是战略，核心是以终为始，基于对未来的想象，谨慎地选择定位与发展路径。最起码你要告诉我，未来的两个里程碑是什么，一定要延伸至未来。有时候你顺着惯性做很容易，最容易跟风、赶时髦，但逼着你多想两步棋，你就会比一般人好很多，会意识到很多的选择并不为未来做积累。
难点在于保持三者的张力。过于强调长期视角，组织会变成“空想型”公司：如果你是一个Vision Driven的创始人，前三年会非常辛苦，因为你要找到未来在当下的投射点，再从这个切入点切进去，而这个切入点非常难找。
反过来，机会驱动的创业者难的是能否看到这一阵风刮过去以后，第二阵风、第三阵风从哪刮过来。你能否走向下一个要刮起来的风口，而不是恨不得把第一阵风的最后一滴油也榨干，因为等你榨干的时候，你就跟着第一阵风消失了。所以从机会切入的人，一定要把自己拉出来看一看未来。
真正的落脚点就是中期的那个战略。我跟不少创业者深入讨论战略时，切入点一般是：三年目标到底是什么？
很少有人真正考虑过这个问题。这个目标最好尽可能具象化，但它又不是你CFO线性推导出来的三年预算，而是真正基于你对业务的理解，觉得三年的目标怎样最合适。它一定要有足够的张力和牵引力，带领大家持续创新，又要有现实的可行性，保证你有机会往未来一步一步落地。
4.建立战略生成系统
所以如果你问我今天战略该怎么做，我觉得建立一个战略生成系统，比你天天拍脑袋苦思冥想下一个战略突破从哪来，要重要得多。
借用机器学习的体系，机器学习的核心就是算法、算力跟数据。战略生成系统的重要前提是，公司内部参与战略讨论的人有没有一个相对共同的方法论。
战略还是一个学问，有一套最本质的思考方式，就是刚才提到的短期和长期利益的平衡与取舍。对战略方法论的普遍理解和使用，能否成为组织的一套通用语言？这就是算法。
第二是算力，有多少高质量的人才参与了这个战略的思考与讨论。我为什么讲战略要先讲组织？因为讲完组织大家就明白，战略不过是群体智慧涌现过程中那几个重要的洞察。
所以战略生成系统就是组织OS的子系统，目的是让单个大脑感受到的鲜活一线信息、你自己独特的思考，能够被组织整体消化吸收，变成一个共同的认知、组织的智慧，而不是每个人脑子里的智慧。这个是真正的算力，是人的大脑的联网。
第三是数据，数据够不够充分、实时、完整，是不是闭环数据。因为只有真实的反馈，才能带来真正的学习，才能逼着你有洞察的突破。
有了战略生成系统，才会有生成式战略。如果说公司管理与战略规划是一个旧范式，那么创智、协同网络、生成式战略、群体智慧就是未来新范式的有机组成部分。
生成式战略的核心是战略共识。这个过程我自己的习惯称为“拼图”与“建模”：大家一起来拼这张图，我们能否拼出一张更完整的关于未来的图。
它同时又是分布式决策与学习：拼出来的这张图有点像预训练，是组织的认知预训练，也有点像云端，它一直就在那儿，但又支持每个个体的决策，群体的认知可以被调用，赋能每个个体做决策。分布式决策的效率也大大提升了，没有AI技术支持是做不到的。所以本质上形成了一个新的协同网络，要求有新的协同工具，某种组织OS的雏形。
讲到现在已经讲得足够清楚了。真正的战略共识不仅仅是“走哪条路”，更重要的是认知对齐，是大家如何做判断。
以前大家交流的是决策和结果，现在要尽可能交流决策的依据和认知模式之间的碰撞，这才是根上的对齐。即使拿到同样的信息，每个人的决策也不一样，为什么你这样思考、他那样思考？如果把这些整合在一起，就是群体智慧的一个突破。
5.战略共创会：极度求真，身心灵的极限运动
除了强调组织OS、AI赋能之外，我还想强调线下真实互动的重要性。AI越重要，线下的高质量互动就越重要。
几年前我参加过两三个公司的内部战略会。第一次参加挺壮观的，几十个人在一个房间里，所有人都对着飞书敲，没有人面对面讨论。一方面能看到信息化工具带来的效率提升，大家在一个文档里共享；另一方面，人与人面对面的真实交流、深度交流失去了意义，没有形成真正激烈的争论。
所以我们后面自己推的共创会，真的是人与人的深度互动，以共同创造新的认知、形成战略共识为目的，一般以三天为一个小的学习闭环，需要参与者之间有深度的情感链接和对公司的认同。
我把战略会称为最高效的团建。因为你要赤裸坦诚相见，要真正对真实的问题毫不退缩地争论，这是要“刺刀见红”的。不像一般的团建以个性的了解、团队浅层次合作为基础，战略合作是最难的深度合作。
所以要以极度求真的心态，真诚、开放、勇敢、深刻，全身心投入。我把它称为身心灵的极限运动，每次搞完一个月以后不歇一个月都缓不过来，经常头一两天搞到半夜两三点钟，因为人只有物理上崩溃的时候才会放开，才会讲一些平时不会说的话。
当然谁来参与也变得很重要。我们挑人就挑得非常认真，很大程度上跳出了岗位和层级的限制，要有真正有认知的、有不同背景的、愿意思考的，有时候就是有人愿意来搅局的，各种人的组合，有碰撞才有突破。
这样的线下深度战略共创会，最大的价值就是参与感与拥有感、认知的突破、共识的涌现，能够大幅提升执行效率，是真正的磨刀不误砍柴工。
6.未来的战略竞争：谁的战略系统更强
随着AI技术的进步，未来的战略竞争不再是“谁的战略更好”，而是“谁的战略系统更强”。
因为运营的决策越来越智能化，人要做的决策其实就是越来越战略化的。能够运营化的东西就应该交给AI，但战略决策跟重要的产品、技术、运营决策越来越紧耦合，是战略的精神无处不在，所以战略决策也要越来越精细和实时。战略生成系统输出战略决策，获取反馈，持续演进。
这就回到刚才讲的组织：一个随时间不断升维的智能体，战略成为组织智能的天然产物。
你可以看到这些跑在最前沿的人，讲的话都差不多。
黄仁勋讲，未来的竞争不是去预测未来，而是在不停地适应未来的展开。
乔布斯很早就说过，你不能从计划开始，你要从Vision开始、从客户开始，计划会浮现出来。
Sam Altman（OpenAI CEO）说，我们不知道未来长成什么样，唯一能Figure Out（搞清楚）的方法就是去建设与迭代。
Netflix说他们的Strategy基本都从实验来，是实验直接告诉他们市场，再基于反馈不断改变投入。
七、结语
总结一下今天的所有讨论，如果要带回去一个词，就是Learning Loop（学习闭环）。
AI就是学习，但学习一定要闭环。机器学习的本质就是基于反馈闭环，所以整个时代都是基于闭环的，是学习的闭环。创智人才比我们强，就是因为他习惯性地检验自己的学习闭环是不是够高效，他就是一台学习机器。
对团队最形象的比喻是球队：虽然有超级明星，但每个人都非常强，大家都非常互补，在学习和实战中不断成长。
组织也一样。一方面要赋能其中的AI Agent、创智人才和团队形成学习闭环；另一方面组织自己也要升级为一个能不断形成学习闭环的智能体复杂系统，OS只是这个复杂自学习系统的基建过程。而我们说的所有业务，都要变成基于场景、基于用户价值的学习闭环，它才能提供更好的服务。
有学习闭环，才能推动智能复利的飞轮，才能建立AI时代的竞争优势。
*文章为作者独立观点，不代表笔记侠立场。
笔记侠AI十倍增长营03期，10月29日即将在杭州开课，这次课程就是专门带着大家把这些真问题一个个跑通的实战训练场，实现业务提效。
开课在即，名额有限，欢迎点击下方链接了解详情。
分享、点赞、在看，3连3连！