和曾鸣聊产业史观：我的非共识判断

访谈：张小珺 x 曾鸣 曾鸣教授曾经是阿里巴巴集团总参谋长，也参与过两所商学院创建（长江商学院和湖畔），但他更令人熟悉的身份是：一名对企业战略有许多深度思考的研究者。不少创业者和企业家都受到过他的启发。 作为观察过互联网完整周期的研究者，今天我们聊了聊他对AI新时代、新范式的完整思考，并和历史上关键转折时期做了对照——聊完让我有了更全局的视角。 对AI的产业化发展，曾教授提出了许多“非共识判断”。我们总结了他的11个观点： 观点1：原生应用与基础设施成熟之间，还存在一个过渡性阶段； 观点2：我两年前以为AI到了Yahoo阶段了，现在看来，产业化还没有到浏览器阶段； 观点3：Anthropic、OpenAI，大概率不是原生应用阶段的大玩家、大赢家； 观点4：公共基础设施，只有一种商业模式成立，叫寡头垄断加政府强监管； 观点5：旧平台大概率不能演变成新平台； 观点6：岗位消失了，层级消失了，公司终将走向消亡，新的组织形式会兴起； 观点7：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； 观点8：战略生成系统：实际上是人跟AI一起训练一个组织的小模型； 观点9：机器人更好的类比，是电器的发展； 观点10：巨浪面前，没有人是安全的，谁觉得安全，谁就是最不安全的； 观点11：AI时代，人和人的差异在于创造力，就是“无中生有”的能力。 以下是文字精简版，完整内容还是收看我们的播客吧:) 完整的播客视频已于小宇宙、Bilibili、小红书、视频号、微博等全平台播出。 观点1 “原生应用与基础设施成熟之间，还存在一个过渡性阶段” 张小珺：曾教授，像你这样长期制定战略的人，在面对AI时代巨大不确定性时，也会感到迷茫吗？你的真实感受是怎样的？ 曾鸣：的确非常困惑。你知道一定会有很多新东西，但你不知道哪些是稍纵即逝的小浪花，哪些代表未来的大浪潮；什么会变，什么不会变，这些非常让人困惑。 这是我为什么写这本书《智能：AI时代的商业、组织与战略的本质》。前几年，我一直琢磨这个问题，但很快又会把原来的想法否定掉。不过到今年上半年，情况开始明显：有一些趋势性信号开始converge（汇聚），出现相似信号。我看到一个可能的框架，可以解释当下很多事，甚至推演未来下一步的发展。我就不太焦虑了。 真正让框架浮现的，是我大概理解了AI产业化进入了哪一个发展阶段，以及每个阶段不同的运行规律。看清楚以后，对未来三、五年就有了清晰的指导意义。 张小珺：今天人工智能产业化发展到什么阶段了？你如何完整划分完整的周期？ 曾鸣：我做过比较系统的研究。从PC互联网到移动互联网，再到云计算，以及第一次、第二次、第三次工业革命历史，我都研究过一遍。大致看，新技术出现——我讲的是，巨大、通用技术颠覆性创新——都会经历三个阶段，很有意思： 第一个阶段，技术逐渐被社会接受，成为这个社会的基础设施； 第二个阶段，基于这个基础设施产生海量新应用，进入百花齐放的时代； 第三个阶段，当这些海量应用出现，大家发现需要一些更底层的方法运行新的世界，我把它叫作“原生应用阶段”。 张小珺：以移动互联网为例，到了抖音、拼多多的诞生时期，属于原生应用阶段。 曾鸣：是的。早期比如，今天年轻人听说黑莓手机很少了，但黑莓手机是第一款被称为智能手机的，而且它在很长时间是垄断地位，市场渗透率很高。一直到2010年，还是美国市场智能手机的百分之四十几的市场占有份额，iPhone只有百分之二十几。实际上到iPhone 4以后，iPhone才开始领先跑。有了iPhone以后有了App Store，App Store以后出现了新一代原生应用。 我那时候投互联网、移动互联网，还有墨迹天气啊什么的，一堆应用当时日活很快都过亿了，但会很快发现：它们不代表未来。真正是要解决核心需求的主流应用，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的时期，才能走到原生应用阶段？为什么原生应用不是诞生于第二阶段？ 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，它要寻找新的发展方向，但到底往哪方向发展，是不清楚的。 就像刚才讲的字节。它先做了今日头条，甚至在那之前还做了内涵段子等一系列小产品。因为在技术早期，你不知道哪个东西能work（奏效），必须不断尝试。第一阶段，文字内容已经成熟，才会出现今日头条。今日头条又探索出推荐算法——一种既是技术模式、也是商业模式的创新。之后，随着带宽、算力等条件发展，短视频才出现。短视频这一新的呈现形式，与推荐算法这一底层技术结合，才有了抖音这样现象级原生应用，真正成为国民级产品。 原生应用与基础设施成熟之间，还存在一个过渡性阶段。 张小珺：能把第二阶段叫做过渡阶段吗？——好多处在中间的创业者听了，可能会很伤心。 曾鸣：所以我会犹豫。第二阶段本身非常精彩，也非常有价值。我把原生应用称为第三阶段，是想告诉大家：第二阶段可能还有三到五年，是非常精彩的时间。你没办法跨越这个阶段。没有第二阶段的积累，就到不了第三阶段。 基于第一阶段的积累，现在该做的，就是第二阶段该做的事：让应用大爆发。 张小珺：我们今天在AI产业化周期的哪个位置？第一阶段已经结束了吗？ 曾鸣：2026年是第一阶段基本完成的一个标志性阶段。核心原因是，今年年初，围绕token（词元）这个词形成了广泛共识。有两三个月，相关讨论非常密集。黄仁勋在英伟达GTC大会上说，英伟达的未来是token factory；Sam Altman也很快表达，OpenAI的核心是卖token。 为什么token重要？因为当一种技术有了标准度量衡，它就能够被规模化、标准化使用。今天，我们会说一度电、一吨水、一个GB流量。这些度量单位，让我们可以很简单地使用一项曾经非常前沿的技术。现在大家都知道：我调用多少token，能完成多少工作，需要付出多少成本。到这个时候，智能就开始成为社会基础设施。 这意味着第一阶段进入尾声，也意味着它开始成熟。它当然还会继续发展：服务越来越好，智能越来越强，成本越来越低。但它已经形成了相匹配的商业模式，也成为了大家能够理解和接受的新概念。这个阶段已经成熟了。 张小珺：那么，我们已经来到第二阶段没有？ 曾鸣：今年有意思的在于，既是第一阶段基本完成的标志，也是第二阶段的开场。 今年春节前后，还发生了一件让大家特别兴奋的事：OpenClaw，也就是大家说的“龙虾”。很多人春节没睡好，天天都在疯狂研究、使用这些东西。“龙虾”让大家看到，一个能够独立完成任务的Agent（智能体）所蕴含的潜力。大家之所以如此狂热，正是因为看到了这种可能性。 所以我认为，AI正在进入第二阶段——智能体阶段。智能体，就是AI时代的新应用。 观点2 “我两年前以为AI到了Yahoo阶段了，现在看来，产业化还没有到浏览器阶段” 张小珺：这个类比或许有些刻舟求剑，但我们还是想试着做一下：如果把今天类比到互联网或移动互联网的发展阶段，大概相当于哪一年？ 曾鸣：这是我琢磨了两三年的问题。两年前，我做过一次演讲，“让我们拥抱Yahoo吧”。当时我的判断是：Yahoo很快要来了。但到今年初，我自己也有点纠结：怎么好像产业化还没有到浏览器阶段。 张小珺：也就是说，你的判断更加前移了。 曾鸣：是。看到OpenClaw这些东西出来，我的第一个反应是：我们还在等一个浏览器出现。不是浏览器出来以后发生了什么，而是浏览器本身都还没出现。 因为和Agent同时出现的，是skill（技能、能力）。我们去想，Agent本质是什么？其实就是分享能力。我们把自己懂的能力封装起来，分享出去，让别人也可以调用和使用。OpenClaw提供了一个框架和思路：原来能力可以这样被封装、调用。 我突然想到，1992年我最狂热的是什么？是建网站。所有人都在想办法建网站，而建网站的目的，是分享信息。 所以，这一轮AI创新正在让我们从信息时代进入能力时代。海量的信息和知识已经被处理、数字化，今天人们不再需要像过去那样四处检索信息，而是直接问ChatGPT要答案。但大模型之所以有今天的成就，正是因为1992年前后的建站运动，让人们把信息放到互联网上，完成信息数字化的过程。 所以，做类比的关键，不是拘泥于技术表现形式，而是理解其背后的抽象结构和底层运行规律。当我想到：一个时代里，大家都在建站，分享信息；而今天，大家都在建Agent，分享能力——我就觉得，这个结构对上了。 浏览器为什么重要？浏览器完成了两个核心功能。第一，它通过HTML等一整套标准，建立了极其简单、统一的建站方式。于是，建站不再只是专业工程师的专业工作；只要有信息的人，都可以建站。它极大降低了创造和开发门槛。第二，它把浏览网站的门槛降到了接近于零。用户只需要点击，就可以完成信息浏览。于是，用户端一下子爆发了，供给端也爆发了，无数网站每天涌现。 但网站太多以后，大家又不知道该看什么。这时，Yahoo出现了。Yahoo最早是一个目录：在当天出现的一百个网站里，它告诉你哪些最有意思。后来网站变成一万个，它就告诉你排在前面的十个是什么，再进一步进行分类：娱乐、新闻、股票…… 张小珺：Yahoo本质是在对信息进行结构化。它是在熵减，而不是熵增。 曾鸣：熵增的同时，一定要有熵减，降低大家的认知压力。我们今天处在熵增的过程中：各种skill（技能、能力）正在爆发。 张小珺：那谁有可能做“熵减”这件事？你看到AI时代Yahoo的雏形了吗？ 曾鸣：我完全没看到Yahoo的雏形。所以我说，连浏览器都还没有出现。如果让我拍脑袋，我觉得下一个最大的机会，是一个类似浏览器的机会。它会把Agent标准统一起来，同时让用户用非常简单的方法调用Agent。然后，海量Agent才会爆发。这可能是未来两年最让人兴奋的一件事。 张小珺：假想一下，这样的产品可能是什么形态？先决条件又是什么？ 曾鸣：我们可以总结抽象规律，但一定推演不出具体的产品形态。这正是需要大家去创造的地方。 张小珺：从Yahoo到Google，中间还有几年，你既然没看到这个时代的Yahoo，应该也还看不到这个时代的Google？ 曾鸣：这是我现在没法回答的问题。我不太确定，这个时代是否一定会有Yahoo和Google之间那样巨大的鸿沟。因为Yahoo后来就没有了。我还看不清，也觉得讨论得太早。我们先等Yahoo出现，让Yahoo先辉煌三年，大概才能看到谁会去挑战它。 Yahoo在1995年成立，到2000年左右都非常辉煌。Google成立以后，最初只是给Yahoo提供To B服务，为它提供算法支持，像是Yahoo下面的一个“小弟弟”。 从这个意义上，是Yahoo孕育了Google。 观点3 “Anthropic、OpenAI，大概率不是原生应用阶段的大玩家、大赢家” 张小珺：这个时代最关键的变量是模型，你怎么理解模型？模型的本质是什么？可以类比于历史上的什么？ 曾鸣：有很多可类比的。大家讲数据是新时代的石油，模型是一个炼油厂。 从广泛提供基础设施的角度，它又有点像另一个已经消失了的公司——美国在线AOL。它是互联网基础接入服务商，让所有人都能够接到互联网上，这本身是一个很巨大的工程。今天，大模型则是让所有人都可以轻易接入智能的入口。从这个意义，它也是一个基础设施服务商。 张小珺：你认为，OpenAI、Anthropic、DeepSeek、Kimi这些模型公司，只是一个基础设施服务商？ 曾鸣：直白一点说，模型公司就是AI云公司——未来的AI云公司。 这也是为什么现在这几家大模型公司，和几家云厂商之间的博弈，在美国变得非常有趣、复杂。因为云厂商觉得，它们付出了太多，得到的太少；模型公司则大概率认为，自己将来要自建云服务，甚至自研芯片，像OpenAI这样的公司。 这两个生态之间，可能发生一些碰撞和重新整合，最后形成几个比较稳定的AI云公司。这个趋势，我觉得是确定的。 张小珺：大模型公司有没有机会从基础服务提供商，跃升为一家成功的应用公司？ 曾鸣：这是一个开放的问题。如果主观给一个结论，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现在做得很好啊，Claude Code做得很好啊，它们都是很成功的to C应用。 曾鸣：没有，这是大模型的一个基础延伸。Coding要成为基础智能的一部分。如果没有coding，我们今天都谈不上可以调用API，token就不会成立。是因为有了coding的能力，才让token变得这么有价值，因为它的智能程度、推理能力突破了。 张小珺：但你看，像Anthropic这样的公司，它成立才五年，短短几年就已经是估值万亿美金左右的公司，在人类历史上都非常罕见。你怎么解释这个现象？ 曾鸣：这个描述本身是一个幻觉和误解。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”。 我专门查过这个事情。回到我们刚刚讲的Yahoo，Yahoo在1995年成立，2000年达到了1,200亿美金的市值，五年时间。那个相当于什么呢？你把通货膨胀、纳指的涨幅算进去，那时候1,000亿美元，按大概8%年回报，就是今天1万亿美元的公司。 所以在2000年，五年时间能达到1,000亿美元市值，它对大家的震撼，不比今天Anthropic更不强烈。一样强烈。 我刚讲的那个后来消失掉的公司AOL，1988年开始提供服务，2000年高点的时候，是2,200亿美元估值，比Yahoo还高，是当时市值最高的一家公司。它再去收购传统媒体，收购华纳，达到3,000多亿美金，也是一个很恐怖的数据。 Google是1998年成立的，2005年达到1,000亿美元。黑莓公司在它的巅峰时期，也是一个硬件厂家，最快达到1,000亿美金估值的公司之一。 所以，当一个技术有这么大的冲击力，第一波成功跑出来的公司，就会有这么大价值。 我觉得，Anthropic、OpenAI是了不起的，无论是技术突破，还是商业成绩。但这样的先例，在历史上、在类似阶段都发生过。但是，它不一定能活到最后。它很可能会往后活得不错，但它大概率不是原生应用阶段的大玩家、大赢家。 即使回到我们讲的石油比喻，炼油厂跟化工厂也是两类企业。化工企业后面比纯粹炼油的企业要有价值得多。化工就是应用，炼油就是最基础的，把石油开采出来，再变成基础的油。 还有一个类比是汽车。汽车离开了石油肯定不转，但石油公司肯定做不了汽车。你没听说哪个汽车公司，是由石油公司转化而来的。 张小珺：我昨天刚好看了一下，陆奇博士在2024年说过一段话，他说：OpenAI这种AGI公司，未来一定会比Google大，只是大5倍还是大10倍的问题。 按你刚才的论述，我理解你不仅不认为“OpenAI是AI时代的Google”，甚至觉得它们可能只是历史上的过客，甚至会消失。是这么个观点吗？ 曾鸣：我是这个观点。 我相信未来一定会有一个10万亿美元的公司，但未必是现在领跑的这两家。 我理解陆奇博士想说的是，未来会有一家“AI时代的Google公司”，它很可能比现在的Google大10倍。 张小珺：不，他说的就是OpenAI。 曾鸣：我理解。但那个时候，大家大概只想得到OpenAI会代表未来。 我自己是一个商业史研究者，我研究的是商业世界的动力学规律。我能看到的理论框架告诉我：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。 张小珺：这是为什么？ 按理说，它们这么早就出现在市场上，对最前沿信息最敏锐，为什么不能及时转型？比如，我马上从一家基础设施公司转型成一家Agent公司，这个过程看起来很顺畅。 曾鸣：我觉得不顺畅。因为第一阶段的技术，核心是“可不可用”，它有很多原创性技术创新。第二阶段开始的标志，是第一阶段的技术发展渐渐缓慢下来，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。而第二阶段的应用，需要很强的洞察力。它要的是产品很强的原创力，跟普通用户的同理心，以及一堆新的应用技术。 第二阶段并不意味着技术创新结束了。只是技术创新不一定再沿着第一阶段“把基础模型做得更强”的单一轨迹发展。应用爆发以后，会出现一批新的技术问题。你也可以把解决这些问题的技术，理解为新时代的模型技术。它依然有很多前沿创新可以做。 比如上下文管理。Agent要完成复杂任务，怎么理解、保存、调用和组织上下文，本身就有很多技术创新空间。你很难严格界定：这些创新到底算不算“大模型”，其实没有那么清楚。 在这之后，AI还可能出现新的技术范式。现在出现的很多neo lab，其中一部分人可能会转向探索和开发：这个阶段的应用真正需要哪些新技术。技术依然会进步。只是未必沿着原来的轨迹线性增长，而可能发生技术范式的变化。 所以，未来第二阶段的王者，可能是把强大的应用洞察和新的技术能力结合起来的公司。 观点4 “公共基础设施，只有一种商业模式成立，叫寡头垄断加政府强监管” 张小珺：在你看来，不管是中国还是美国，最后模型公司格局会形成什么样的状态？ 曾鸣：非常简单。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。 第一，整个社会依赖于它，政府一定会强监管；第二，供给如此重要，不能只有一个供应商；第三，由于这个基础设施投入这么大，所以不会无序竞争，不会有很多供应商。 这就是经典的寡头竞争、政府强监管，保证社会有稳定、低成本的供给，这才叫基础设施，对吧？水电费能随便涨价吗？当然不能——我知道这个现实对很多现在创业的人很残酷。 张小珺：像OpenAI、Anthropic、Google这样的frontier前沿模型，如果它们最终会并存，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。我讲产业终局，并不否定现阶段这些竞争的重要性，也不否定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阶段性被甩下，其实就是组织能力和技术能力出现了一些差距。像xAI和Meta，直接退出竞赛了。寡头竞争的过程中，已经有人退场、掉队了。 张小珺：为什么xAI和Meta会掉队？看起来它们资源很多，创始人高度重视，也算是“一把手工程”吧。 曾鸣：这就跟我新书里讲到的“智能复利”有关。Anthropic从去年下半年，可能到今年上半年开始，让大家比较清楚意识到：它们开始用大模型训练大模型了，也就是AI进入了它们的主业——大模型训练。它们把AI这个工具，用到了自己的主业上，模型训练能力大幅提升。 这也是为什么今年上半年，大家如此兴奋。大家发现，大模型还可以用这么快的速度，提升这么高的性能。这就是因为大模型本身进入了训练过程。但还没有到现在又很火的那个词——完全自我驱动的self-learning（自我学习）。它只是局部被使用，但已经产生了很大价值。 这两家公司也有组织上的优势。所以，当组织优势和一种新的技术运营方式结合，它就产生了巨大领先优势。而这个领先优势，已经开始把比较弱的玩家甩出去了。 张小珺：这是美国模型，中国模型公司会如何进一步演化？ 曾鸣：中国和美国保持了两个不太一样的生态。中国模型公司会持续追赶和发展，但中国模型公司之间的竞争，也会有点类似美国公司。这几家大大小小的公司，最后比如说今年底，谁如果跑不到3T模型，估计谁就出局了。 它是淘汰赛，就像世界杯一样。你可能现在8进4，接下来4进2。最后留下有限的几家，成为基础设施。 张小珺：现在看起来谁淘汰了？美国我们知道了，中国呢？ 曾鸣：就看年底。年底3T，现在大家卯足了劲在搞这个。等于智谱有点领跑，Kimi在3T上先交卷，成绩基本满意，再接下来看MiniMax，千问肯定很快会发。差不多都在跑这个新的竞技线。 张小珺：不论中美，模型格局今年会稳定下来吗？ 曾鸣：还真不一定。可能要到前两三名的优势和后面拉大了以后，这两三家之间就不太容易再拉开了。要形成一个巨大的“黑洞效应”，让其他家很难超越。 在美国，Anthropic和OpenAI就从“智能复利”的飞轮开始，因为它们会继续往self-improving（自我改进）这条路上走，和其他人的差距会越拉越大。它们有点形成了“黑洞效应”。这也是为什么美国云厂商有点慌了：将来这两者之间会形成什么合作关系，变得非常重要。 张小珺：在你看来，做模型的窗口期关闭了没有？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，肯定关闭了。因为已经进入竞争接近、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：这些模型公司最后是会趋同，还是会分化？ 曾鸣：寡头竞争的特征是：有一定差异化，但又足够同质化。同质化保证可以被替代，差异化让大家还有钱赚。 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。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鸡。过个三五年，如果你真的没有进入下一个阶段竞争，你就成了一个大家都调用你服务的公司。大家只会在不稳定的时候complain（抱怨），不会天天夸你。 观点5 “旧平台大概率不能演变成新平台” 张小珺：如果按照你说的，模型公司是基础设施服务商，未来什么样的公司能成为新的时代性的公司？ 曾鸣：就是看谁是Netscape、谁是Yahoo，谁把Agent的标准建立起来，谁抢住Agent的用户入口——这个观点跟大家今天的想象很不共识。 你现在去WAIC大会，只有到地下一层一小块区域，才能看到做应用的公司。二、三层的大厂，做的都是现在已经有的东西。 未来三年，是有可能开始出现Agent入口的。因为Agent太多了。换一个普通人角度：你怎么知道哪个Agent能用？你敢不敢把一件重要的事交给Agent？你钱包敢交给Agent吗？你个人隐私敢交给Agent吗？这种信任从何而来？ 这些东西都需要一个新的服务商来建立信任，让我们愿意说："OK，我相信你定的标准，我相信你的推荐，我相信这个Agent我是敢用的。" 张小珺：新的时代，会诞生新的平台吗？ 曾鸣：肯定会，入口就是平台。上一代的平台，是因为信息效率不够高，需要一个平台来让信息流转。今天，可以用判断力代替信息不对称，但判断力也是稀缺资源。 所以一样会出现双边市场——海量Agent开发商跟海量用户之间，怎么完成匹配？我们看一个网站，很容易判断好坏。但用一个Agent，是有可能出现很大负面影响的，判断Agent的能力要求高得多。 在这个阶段，我们大概率会让渡判断力给一个独立第三方，认为它是值得信任的。这就是典型的双边市场结构，有中等程度的网络效应。 张小珺：新的平台和旧的平台，不一样的地方是什么？旧的平台能演变成新的平台吗？ 曾鸣：大概率不能。旧平台做的是简单信息匹配，新平台要做的是能力跟需求匹配，复杂度高了很多，两边的东西都发生了变化。这是新物种的匹配。 张小珺：所以还是会诞生新的公司？新平台的诞生，距离现在大概还有几年？ 曾鸣：会诞生新的公司。因为你如果不是Agent原生，你怎么能判断得了Agent？怎么能给Agent提供一个最好的通用开发平台？——大概就是三到五年。 张小珺：今年大家也在谈Agentic OS，在你看来这是什么？现阶段重要吗？ 曾鸣：我觉得没人能定义得了Agentic OS，我把它放在第三阶段。因为你是OS就开始调度资源，不再做匹配了——你只要告诉它一个意图，它直接调用市场上所有Agent，帮你把活干完，你都见不到那个Agent。 所以，只有到一个足够复杂的阶段，才需要直接调度Agent。Agentic OS，比我们想得要远。大家在第二阶段就容易去畅想第三阶段，这个讨论是有意义的，但大概率没法落地。 张小珺：Agentic OS的话语权，有可能被谁争夺到？——模型公司？应用公司？互联网公司？还是像苹果这样软硬一体的公司？ 曾鸣：照我的理论框架，肯定是一个谁都不知道长啥样的公司，这才叫大创新。要不然它不deserve未来的那个价值。因为Agent长成啥样，咱们现在都不知道，对吧？ 讨论第三阶段的好处是，你大概知道终局在哪个方向，做第二阶段的时候会更有针对性。 张小珺：今年Agent应用公司很惨淡，可以说是近两年的冰点。去年投资人投应用公司的热情高涨，但今年大家觉得"那不就是模型的一个skill吗"，应用公司就很难融资了。这个现象会是短暂的还是长期的？ 曾鸣：现在是应用领域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潜力，以及它该怎么做，大家都在摸索。 比如，视频生成是相对成熟的领域。做Agent的公司也很多，大家最终目标可能是做AI时代的TikTok。大家都知道离得很远，那你第一步到底做啥？这个非常考验功力。AI短剧、动漫，门槛太低，模型能力顶上来以后，基本上就干完了。 我们正好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任务，它自己就能干了；但我们又没有找到一个足够大的场景，可以用Agent的方法真正让AI做一件足够复杂又足够有价值的事情。 大部分人低估了Agent的难度。去年大家有点像小孩过家家——有个新玩具，就开始下场玩各种各样的东西。考核标准也很简单，只要有ARR就好。一个新技术当然有价值，总有人愿意付费。所以，我去年底在整个硅谷的感受，就像一个创业天堂，所有人都玩得很high。但今年，模型能力有了大的突破，原来那一批过家家的小孩就被淹没了。 今年我听到一个普遍的感受：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。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标志。 张小珺：模型公司会吞噬一切吗？ 曾鸣：模型吞噬一切的前提是，所有的东西都在模型射程内。按现在的范式发展，模型肯定会有一个阶段性的发展，智能够用了，然后会有一堆新的技术出来，去做不同场景下的东西，那你模型就不可能吞噬到所有的一切。 我举个直观的例子。1892年爱迪生发明电灯泡，照亮了曼哈顿一平方公里的地。1910年有一个实质性突破，电网覆盖了美国主要城市。在那一年，才出现了两个真正的to C大应用：洗衣机跟电冰箱。收音机也是那个时候。第三个离不开的家用电器，空调，到1925年才出现。电视机到1930年才出现。 应用的发展，有它自己的规律。 讲到公司层面，有一个很有意思的选择。爱迪生发明了电，他认为发电更重要，所以成立了通用电器，最早做发电设备。但他没意识到电网非常重要，所以他的助理离开了，成立了美国第一家送电公司。而通用电器真正成功，是因为它生产出了最早的电冰箱跟洗衣机——是因为一个to C的应用突破了，电网成了基础设施，大家不再关心电网公司的品牌，但通用电器繁荣了六十年。 张小珺：现在的应用公司，做着做着就会开始训模型，比如Cursor，否则应用公司在和模型公司竞争的时候没有竞争力。你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。Agent跟模型之间的边界会逐渐清晰。Agent公司的技术创新可能也非常大，只是它不一定跟现在大模型技术创新的轨迹一样。同时，因为大模型之间的竞争，会让大模型能提供的能力成为一个大宗商品、基础设施。所以作为智能体公司，其实没必要再开发大模型了。 Cursor不是我们定义的这种主体。它只是在coding能力不够的情况下，在试模型能力的边界在哪。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。这是两个完全不同的阶段。 张小珺：所以Agent公司不用自己训模型？ 曾鸣：不用训传统意义上的模型。你可以稳定调用，不用担心模型公司切断你——有一个合理的替代品随时可以接上来。 张小珺：以Manus为例，Manus需要自己训模型吗？ 曾鸣：Manus看它接下来想训什么样的模型。它做Agent，也要做很大的技术投入，所以Manus正好卡在那中间，得去探索边界在哪。但这可能都是我们阶段性遇到的问题：模型公司要怎么做应用，应用公司要怎么做模型。慢慢的，产业生态可能会更加清晰。 张小珺：也有人说，这一波AI应用很难形成上一代互联网、移动互联网时代那样的“数据飞轮”，你怎么看？ 曾鸣：“数据飞轮”升级到了“智能飞轮”，这就是我讲的“智能复利”。 “智能复利”，是你调用了基础智能，让Agent具备更高的智能去完成特定任务，在这个过程中一定会有“数据飞轮”。“数据飞轮”的前提是真实世界反馈，真实世界反馈的前提是Agent要独立干活，离开人的参与。 这中间一定会有算法创新——包括上下文管理、记忆、新的交互方式。这会形成一个“智能复利”，在这个场景下变得越来越聪明，然后渗透延伸到其他场景，解决更复杂的任务。运气好撞上了最能规模化、最能泛化的那个场景的人，就最有可能形成黑洞效应，进入第三阶段的竞争。 张小珺：现在看到这样好的场景了吗？ 曾鸣：应该还没有，有的话就火了。我1993年在UIUC读书，是浏览器诞生的地方，我可能是全世界最早用浏览器的一万人之一。整个校园都疯了，天天晚上不睡觉，在用浏览器看各种各样的东西。大家就会觉得，网上能看的东西怎么这么少？就有人意识到，做个网站上传上去肯定是最有意思的事情，马上有人发现这是一个商业机会，飞轮就转起来了。 张小珺：刚才说的是“数据飞轮”，AI时代的“网络效应”会是什么样？ 曾鸣：“网络效应”会继续存在，成了这个时代的标配。因为最后还是要广泛连接的，越多元化、越差异化的数据越能产生新的洞察。同样类型的数据，规模到了一定程度，价值是边际效应递减。 “网络效应”的升级版是“黑洞效应”。“黑洞效应”就是应用场景越多，连接越复杂，你就更有可能拓宽你的智商。我在《智能商业》里讲过，DNA螺旋的两个组成，一个是“数据智能”，一个是“网络协同”——“黑洞效应”相当于这两个都升级了。 张小珺：可不可以说，到今天，一个非常好的to C Agent尚且没有诞生？ 曾鸣：我有限的范围内没有看到。但它会出现，没有大家想得那么悲观。 张小珺：有没有可能，应用到最后就是几个模型公司做出来的？ 曾鸣：有可能，OpenAI一直就想做。但能不能做到，那是看它的组织能力、创新能力。模型公司一定会想做，也一定会做，问题是最后能不能成。 张小珺：站在2026年AI应用的冰点时刻，你有什么想对苦苦挣扎的应用公司CEO说的？ 曾鸣：找到自己发展的方向，认真做好自己的事情就好。融资是个很现实的问题，但是做一件全新的事情，早期就是会比较困难。 观点6 “岗位消失了，层级消失了，公司终将走向消亡，新的组织形式会兴起” 张小珺：2026年还有一个现象，除了这波应用公司，不管是在美国还是在中国出现了好多neo labs。他们的方向可能有AI for AI，有世界模型。你怎么看neo labs背后涌现的根本原因？大家为什么需要去探索新的模型范式？ 曾鸣：可能几个方面。一部分人看到了现有范式天花板，或者像Yann LeCun（杨立昆），从原理上就认为这个事情有偏差，或者天花板有限，他终于有了机会去试一下自己一直有的想法。这是一类。 第二类是觉得scaling law有边际递减的趋势。不管它现在发展多好，早晚有这个趋势，大家才会一起都出来。 第三个反而是因为大模型的基础能力到了一定的程度，大家可以尝试一些跟现有大模型技术路径不太一样、但也非常底层的创新，比如像AI for Science，而且也需要大模型支持，但做的事情跟现在的大模型技术路径不太一样。这几大类都被统称为了neo lab。 张小珺：neo 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？ 曾鸣：我觉得它是新的组织形态的早期雏形。它会继续演化。它为什么会叫neo lab，就是因为不满意公司嘛——就是说，公司要被淘汰了。 张小珺：会吗？公司被淘汰。 曾鸣：肯定的。因为公司跟工业时代是一起产生的，工业时代之前没有公司，只有手工作坊。工业时代最大的制度创新就是终于有了公司这种组织形式，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。它是个配套制度。如果工业时代的基本经济规律被挑战了，它的组织形态肯定也会被挑战。所以大家更愿意叫lab。 但我为什么说它是雏形？是因为它更像这批研究员在一起工作的状态，但它会变成未来普通人也用这种更加AI原生的方式工作，所以它会有一些新的演化。 真正的第一个neo lab是OpenAI。这批企业应该叫neo neo lab，借用了neo lab这种组织形式，但开始做不同的事。所以neo lab的本质应该是lab，不是公司。 张小珺：你觉得这个未来会成为常态？未来我们会叫那个组织叫什么名字？ 曾鸣：现在不确定，大概也不会叫lab。你看我这本书里，我刻意从头到尾都在讲“组织”，特意不用“公司”这个词。 今年大家都在谈“AI原生组织”，为什么用这么复杂的三个词？就是因为这个词还没有被定义出来，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，但今天没有。 张小珺：你觉得公司作为工业化革命的产物，它有可能会消失、会消亡？ 曾鸣：科层制管理的这种公司制度会衰亡。但人类的分工协作会继续，组织永远会存在，因为有人的地方就有组织。但组织用哪种形态，是个历史演化的过程。 张小珺：为什么AI革命带来的变化如此剧烈，剧烈到连组织形态都已经从公司开始向其他的形态转变？ 曾鸣：讲两个类比就能理解。第一个，至少把它类比工业革命，工业革命基本上颠覆掉了以前所有农业时代的那些东西。那么AI如果是超越工业革命的技术创新，工业时代的大部分东西也会被淘汰掉。 第二个，从更底层说，人类一直很自豪自己是地球上唯一的智能动物，典型标志是因为我们有语言，会说话。那AI也能说话，AI能理解人的所有知识，AI也具备了智能。所以，我们未来世界发生的变化是超出我们想象的。过去很多我们习以为常的事情，在二十年以后完全可能不存在，这应该是大概率的事情。 张小珺：那么，AI原生组织应该怎么搭建？ 曾鸣：岗位可能就不存在了。岗位是公司最基本的运行单元，我们应聘都是应聘个岗位。公司要发展，先要定一个岗位，给一个工作描述，然后去招人。因为有岗位，所以有汇报线，有层级，有相应报酬，所有东西都跟岗位连在一起了，岗位是现在组织的基本单元。 但AI时代，组织的基本单元是任务，是什么是要被解决的事情。大家是围绕着任务流转，组织肯定就会完全不一样。 张小珺：如果从岗位变成任务，人应该怎么在这个组织里结构起来？ 曾鸣：这就是现在大家都在探索的最有意思的问题。阶段性产品是大家讲的，AI一定要嵌入工作流，但这只是阶段性产品，因为那个工作流是为人设计的。 所以AI原生组织会从第一天开始就去定义那个任务，去拆解那个任务，再去分配那个任务。所有的人和AI都是围绕着任务，硅基员工和碳基员工都是围绕着任务流转在协同的。 张小珺：如果没有一个岗位了，那以后找工作找什么？ 曾鸣：你去认领任务。现在这几个大lab都是在任务发布，你去认领——你觉得你能干你就接；你能deliver结果，你的东西就上线了。公司只要发布任务，你只要去认领任务就行了。 张小珺：它是一个更加网状的结构，层级会进一步减少？ 曾鸣：层级不存在了。 层级存在是因为不知道谁说了算，那就先定个层级，层级高的人说了算。它不是以判断力为标准，当然这个层级本身跟判断力的积累有关，但它原则上是谁级别高谁说了算。 但未来是，谁的能力强，谁被调用。 张小珺：所以基层、中层、高层这种结构也就没了？ 曾鸣：为什么叫“科层制管理”，它就是有这样的垂直分工，有命令线。当这个命令线被打破，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。 张小珺：企业怎么激励员工？当你设置这种层级，有一部分的原因也是作为激励手段让你有层级可以向上攀爬，未来的绩效考评和人的驱动力来自于哪里？ 曾鸣：本质是自驱。为什么这半年硅谷最流行的词叫high agency？我们讲主观能动性，你自己掌握自己的命运。你有没有成长，没有人比你更了解。你成长了，你开心了，你就继续做；你没成长，你不开心，你就换个地方。 张小珺：而且，人未来的竞争对象也不只是你的人类同事们，也包括你的AI同事们。 曾鸣：是啊。第一个，的确要向内看，找到你的驱动力。第二个，你要明白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，跟着这个场景一起去成长。第四个，因为你接了任务，你交了结果，这个东西非常透明，所以你一定会得到相应奖励。为什么这些top researchers转会费那么高呢？因为贡献很透明。 张小珺：所以我可以理解，neo lab不能算是一个阶段性产物，它可能算是一个新时代组织的早期孕育形态。 曾鸣：对。之所以叫lab，是因为现在主要的员工是研究员，研究员最能理解的是一个lab。他们不喜欢公司，也不喜欢大学，但他们喜欢lab，所以就叫neo lab。但将来，所有有创造力的人都会在现在的新型组织里存在，那个时候大家就不会局限于lab这样一个称呼。 张小珺：但也可能不叫“公司”。 曾鸣：肯定不叫“公司”。 张小珺：所以，公司会消失，公司会消亡？ 曾鸣：这没有什么可以遗憾的，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：对啊，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？ 张小珺：所以那个组织该怎么叫？ 曾鸣：Club，俱乐部？或者，大家喜欢球队的感觉。如果你是一个NBA明星球队，是明星球员，肯定是最大的成就。这批人会找到一个新的方法叫他们自己。 张小珺：如果“公司”终会消亡，现在的“公司”怎么办？它们已经形成了。 曾鸣：转型、升级，成为新物种。不换脑袋就换人。自己的认知先要升级。为什么现在在讲AI原生的认知和理念有价值，因为你得理解新物种会长成啥样，你至少要理解要跨的鸿沟有多大，才会去努力。要不然大部分人顺着惯性就是AI+，一路+下去了。等原生的公司真起来的时候，你会很绝望。 只不过转型非常困难，它本身是反人性的。 张小珺：在未来，“一人公司”会成为发展方向吗？ 曾鸣：不会。“一人公司”只是说，公司很多职能坍塌到一个人身上，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。所以一定要有组织，一定会有分工，一定会有合作。 “一人公司”是阶段性的产物。它只是让大家理解了，一个人由于有了AI的帮助，能够干原来一个公司花了那么大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“一人公司”，你就是个“六边形战士”，你在那个组织里再去跟其他的“六边形战士”合作。 张小珺：当下的这些neo labs有泡沫吗？ 曾鸣：大概率有吧。但早期的泡沫肯定是好事。重赏之下才有勇夫。大家都看到类似机会，这就是市场机制的价值。你事先没有一个上帝视角知道谁对谁错，你只能是让大家去试错。市场就是说，OK，我知道这是方向，我愿意投入这么大的资源支持大家试错。 这一轮neo lab之所以可以以这么高的估值开始，是因为大家认为它们至少起步是OpenAI和Anthropic。当你的潜在回报是这么高的时候，当下原意下的赌注就更高。 观点7 “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：好了，我们现在来聊聊创业人群吧。AI时代的创业者，呈现的特征和过去有没有发生变化？ 曾鸣：这个阶段的变化非常明显，就是科学家创业嘛。但它不会持续到下个阶段，下个阶段科学家创业的比例会大幅下降。 张小珺：你之前说过，优秀创始人和卓越创始人是不同的，他们分界和差异是什么？你能一眼识别哪个是卓越的创始人、哪个是优秀的创始人？ 曾鸣：识别不出来（笑）。为什么说卓越难？最重要的一句话：卓越是事后认定的。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先知。所以卓越的过程是一个逐渐展开的过程，优秀是一个持续有正反馈的成长过程，这两条路径完全不一样。 大部分人是优秀的人，因为优秀跟人的心态比较匹配。真正卓越、有疯狂想法、能走向卓越的人，是非常低的比例。狂想的人可以很多，也很容易；但你不但想对了，还能落实，是极为稀缺的能力。 而且你问这些人，他可能也未必认为自己有什么不同。这就是在《基业长青》/《优秀到卓越》书里讲到的，他看到的那些特别卓越的企业，当你真正问这批人，他们有个极大的特质——都是把成功归于别人，都认为自己是因为运气。他是搜集了这些人的访谈、对外沟通的信息。我一开始听起来觉得有点反常，但你真正去体会的话，应该是那样才有可能。 张小珺：为什么？ 曾鸣：因为事情大于人，你一定自我很小，才能走那么远。是时代成就了你。如果你只是为了证明自己，证明你有多牛，就是他书里讲的“第四级领导者”。在某一个时间点，世界会打你的脸来证明，你没有你想象的那么厉害。 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。 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。你大概率走的是一个普遍性正确的道路。因为你急着证明自己，所以你需要短期反馈。你是为了自己的ego，你不会去真正地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先入为主的判断的影响。 张小珺：那如果走的是另一条卓越的路呢？ 曾鸣：他想的是，我要怎么把这个事情最大化，我愿意听更多人不同的意见，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。这就是真正意义上的使命驱动的公司。 你如果问我，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？——这个可能只有你自己知道。 曾鸣：可能自己都不知道。经常有创业者过来跟我讨论战略问题，我问的第一句话往往把他们搞懵了。我会问：十年以后，你会对怎样的自己满意？这个问题是最能反映你对自己当下是什么期望的，你这一段的旅程是什么驱动的。 张小珺：但这个问题本身也是一个自我ego的问题。你有自我ego，你才会想十年后自己什么样。 曾鸣：比如说，有的人讲，我就是对这个事情特别感兴趣，我希望这个事情能成，这种肯定事情已经大于人了。有的人说，我就是好奇，这个也比证明自己要有意思。有的人说，我就是要做一个一百亿美金的公司。 张小珺：这是负分答案？ 曾鸣：因为这个基本上是自我驱动，就是要一个外部认可，他很多东西都会基于这个去做调整跟变化，他不是一个内在驱动，他受外部的衡量标准影响很大，每一轮的估值就容易对他有冲击。 张小珺：你听过最好的回答是什么？ 曾鸣：马老师（马云）最早创业之前讲的，“让天下没有难做的生意”，那是他自己发自内心相信的东西；马斯克去火星也是使命，这是一个脱离自我的事情，他要把人类带入外太空时代。 观点8 “战略生成系统：实际上是人跟AI一起训练一个组织的小模型” 张小珺：关于战略，我很好奇的是，当制定战略决定的那个时刻，你们怎么知道这是一个好战略？ 曾鸣：不知道。因为相信所以看见了。所有真正成为时代企业的，最后被证明了它那个反共识是成立的。 当然在这个过程中也有很多疯狂的想法，其实就没有了，这点是一定要去强调的。你看到的是survival bias（成功者偏差）。最成功的企业一定是反共识的，但反共识不一定成功。但是在当时，我们基于自己的能力，能看到而且也愿意相信的，就是那样一个图景。 战略很大程度上，是关于怎么创造未来的，它不是一个简单的规划。 张小珺：只有反共识的战略才能够大成吗？我在一个共识赛道，但我做的比所有人都强，它能大成吗？ 曾鸣：那就是优秀嘛。卓越一定来自反共识。 张小珺：对创业者来说，哪些是非共识，哪些是噪音，怎么辨别？ 曾鸣：这跟战略制定也有很重要的关系，因为你就是在判断信号跟噪音。一个是，尽量感知得全面一点，真实去体会外界发生什么变化；另一个是思考要更深入一点，这样你大概能慢慢分清楚噪音跟信号。 很多人是不太过脑的。思考不深的话，当下流行什么，你就跟着流行去了，会很累。因为你一直在追趋势，别人已经领跑两步了，你没看见，你只看见他冒出水面的第三步。你追肯定就是第一天就是输掉的。另一个，因为接触的面太窄了，你容易做出一个局部的最优判断，但你可能失去了一个更大范围的视角。 张小珺：听你说，感觉战略到最后好多都是心法。 曾鸣：我个人是比较爱琢磨心法层面的事情。理论反而容易把大家框住，因为你只记住了那句话，依葫芦画瓢，就容易出很多问题。但心法如果你掌握了，能够根据具体的情况随机应变。 张小珺：你强调，AI时代做战略首先要搭建组织，其次才是战略，战略也是实时变化。那么，今天制定战略还重要吗？你以前说要“看十年、想三年、干一年”，这个在AI时代还奏效吗？ 曾鸣：今天战略无比重要。你做错一个重要决定你就出局了，淘汰赛可能以几个月来计划的。 我为什么会讲，AI时代需要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非常高。越不确定的时候，越需要战略思考能力。如果都很确定，大家拼的就是执行能力，对吧？ “看十年、想三年、干一年”，是我对AI时代战略方法论的比较形象化的总结。但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。在工业时代，或者说从90年代开始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。你每年就5%、8%的增长，也没有新的玩家，十年以后大概会变成啥样，你大概是知道的。在这个情况下，你做今年的规划也很容易，基本是线性推演。战略如此不重要，以至于大公司把战略外包给麦肯锡这样的咨询公司了。 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，因为这些公司认为战略不重要，都可以外包给别人。麦肯锡过去就是，根据行业经验，根据战略方法论，我帮你制定一个十年的规划，你就按年去执行就行了，双方都很happy。 但我们今天的问题在于，看一年远远不够，你没法线性外推，线性外推就不可能得出Anthropic今年80倍的同比增长收入了。因为你是一个vision-driven的人，你放弃了线性外推的思考方式，你才可能有未来。但由于未来如此不确定，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图景——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——我第一个milestone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。 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更好地做出当下的战略选择。 所以，没有看三年的张力，战略就没有发生的环境。相当于在一个三维空间思考最优解，跟你在一个二维平面寻一个最优解，完全不是一回事情。 张小珺：应该以多长周期为频率来思考战略？ 曾鸣：“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、长期的冲突和矛盾、利益取舍。战略本质是关于取舍嘛。最核心的是这个取舍。 但你也可以“看五年、想两年、干半年”，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，但是一定要有中期的思考，一定要看到至少三步，而不能只看一步。所以，关键是中期的那个节点。 去年有一个做应用的创业公司问我，他们的公司发展很好，ARR涨得很快。我就问了他一句话，我说：“你啊，继续涨两年以后又怎么样呢？最后产业终局会怎样呢？你ARR有没有一个天花板呢？那个天花板多快会来呢？”他一下就明白了。他回去算了，发现天花板不高，赶紧就去做一些新的事情了。 但当你线性的看，我ARR每个月都在增长，年增长率多好。特别是ARR这是一个很虚幻的事情，它不但是一个线性外推，还是拿当下外推12个月，很容易让人产生一个增长幻觉。它很可能就突然到顶，后面直线变成一个线性增长，你做的事情是一个没有想象空间、没有多少价值的事情。 所以你短期内的价值，模型一溢出，就没人愿意付费了，或者是竞争太多了。大家刚开始竞争，按你的创造的客户价值来定价；但当竞争对手一多了，按你的边际成本定价。这是大部分人不理解的经济学基本规律。 张小珺：所以不管是短期、中期还是长期，衡量当下成长性的标尺是什么？ 曾鸣：这个指标是主观的。为什么有OKR？就是想解决当你的目标不能转化为KPI数字的时候，大家要用OKR协同。只是因为OKR落地对组织要求太高，大部分公司或者放弃了，或者OKR变成了变形的KPI。 为什么大家用“对齐”这个词越来越多？很大程度上就是对齐我们的目标，对齐我们对未来的判断，对齐我们背后不同的认知模式，这是变成了更第一性的东西。 张小珺：OKR还会延展到AI时代吗？ 曾鸣：AI时代才有可能让OKR落地。因为AI的组织系统，能追踪自然语言表达，神经网络是无所不在的。它大概率有可能给我们一个反馈：“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。”所以OKR可能真的是需要一套新的方法才能落地。 张小珺：总的来说，AI时代的战略规划，跟以往有哪些不同？ 曾鸣：最不一样的，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，大家习惯了说视频生成、文图生成。 我们讲组织设计的时候，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，成为一个战略不断生成的系统。最后战略就是个自然而然的决定，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。要把那套生成系统建起来。 张小珺：组织很关键。 曾鸣：对，我不得不（在书里）把组织先说。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系统。人跟AI都接到这个系统，核心是涌现。就跟大模型一样，实际是人跟AI一起在训练一个组织的小模型。 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，也就是一个好的组织？ 曾鸣：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 control”又重新火了起来。五年前我讲Netflix的案例，甚至讲字节的案例，大部分人觉得挺牛的，但跟我没啥关系。今天所有人都知道，就是要给context，给够了context，它就有那么牛，能做出正确的决策。所以对齐，是对齐目标跟认知，甚至就是全员共享一个完整的上下文，事情就会自然的涌现。 张小珺：那就是人和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。但是人有瞬间的创造力，和看见不存在连接点的连接的能力。 张小珺：在我们聊天中，我突然想到，这两年年轻人对“老登”或者“老登公司”出现了这么多负面情绪，是不是跟AI时代带来的组织变革、文化变迁的本质有一些联系？ 曾鸣：是的，这个特别有意思，“老登”这个词特别有意思。以前大家都尊老爱幼，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。这才是传承。 那为什么有老登呢？就是你刚刚讲的，宏观方面，原来那套东西看起来都没什么价值了，公司受到压力越来越大，谁也不愿意在科层制。姚顺宇讲的特别直接，“谁愿意陪老登玩，牺牲自己的青春年华”。所以这是个非常典型的心态。 但在个体上，这个事情能成立的原因，是因为能够转化成知识的经验都不再有价值——它都被大模型吸收了。这些年轻的聪明人，用好AI杠杆，瞬间就能成为任何一个领域的专家。 所以为什么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。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，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。 张小珺：这是不是意味着，新时代组织的文化也会发生巨大变化？ 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，但依然有明星、有前锋、有后卫的分工。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”，大家都明白自己是在共同创造一个新东西。合作跟协同的意愿跟能力也会大幅上升。 张小珺：在你看来，上一个时代“公司”这个体系，为什么让人这么不快乐？ 曾鸣：那没办法，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。我们自然会觉得那就是一份工作，是消耗性的——既不带来情绪价值，也不带来成长价值。公司为了管理，都是偏控制性的手段，盯你又盯得很死。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。 我自己非常乐观，我觉得AI在这个时代给了我们一个更大的自由度，去追求我们想要的更好的人生。 张小珺：乐观来说，以后的组织会让人更开心一点、更有创造力一点。 曾鸣：可能开心就成了必须品，情绪价值是必须品。 张小珺：那对于创业者、CEO的要求也变了。你不能是一个老板心态，不能PUA。 曾鸣：就谁还认你呀，对吧？我都不陪老登玩了，我还陪你老板玩啊。 你看现在所有的创业者都讲，他第一优先级是招人。招人是感召来的。 观点9 “机器人更好的类比，是电器的发展” 张小珺：你能不能分别说说，模型公司、应用公司、机器人公司，分别怎么做战略？ 曾鸣：你拿行业分，不如拿发展阶段分。我书里面讲到，战略摸索期、战略成型期、战略成熟期、战略执行期。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。但具身机器人的公司，大部分都在战略摸索期，都不知道该往哪收敛。在不同阶段，战略方法是不一样的。 张小珺：大模型公司进入了战略发展期，机器人公司还在战略摸索期，具体应该怎么制定战略？ 曾鸣：战略收敛期，要追求组织效率和执行效率，要从一个方向型的战略走到一个可以闭环的运营模式，才能高效规模化。发展期的核心是上量要快，能够规模化的原因，是因为你的原型已经很强壮了。 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，要有一套机制把试错成本降下来，逐步达成共识。这个阶段你要有自己相信的，但又不能过于执着，因为现实可能会打脸，发现别人的方向是对的。这时候就是你的自我能不能让位给现实——你需要不断调整，而且每个人的出发点都受制于过去自己的训练，能看到的东西都有路径依赖。所以大家一起去创造，你能不能快速把别人最好的经验理解消化吸收，再形成公司下一步创新的基础。 战略探索期，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。他们应该寻找非共识吗？ 曾鸣：非共识就是neo lab——不认这个共识的人就去创业了嘛。neo lab里面某一个反共识，可能就会成为三年以后的新共识。这就是市场特别有趣的地方，它是生生不息的，在中间不断往前演化。 张小珺：现有的lab会进入同质化竞争？ 曾鸣：现在就是同质化竞争。同质化竞争，打破了对大模型公司能长期享受高额垄断利润的预期。利润预期破了，才会有大家对“这些公司可能没有能力持续投入这么高的CapEx”的担忧。所以源头是这些公司还有没有实力、还值不值得为他们继续投入基建。基建都是为大模型公司服务的，如果最后他们创造价值有限，那干嘛投这些东西呢？ 张小珺：你现在的观点是，应该继续投入吗？ 曾鸣：大模型本身发展的空间还非常大，大概率基建的投入还会继续。但可能在某一个时间点会出现一个拐点，基建的投入由于周期性，会超过大模型的真实需求。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，进入门槛大幅降低了。智能的调用真的会变得非常便宜，又足够强大和稳定。 换句话，只要智能的供给还没达到大家想要的状态，基础设施就会持续投入。 张小珺：所以，应用公司还是要有希望，不要那么灰心。 曾鸣：绝对要有希望。而且他们下场，也是因为感受到了来自于未来的某种召唤，我们只是在外面，没有感受到他们那么强烈的相信。 张小珺：对于机器人公司来说，不管是从模型上还是本体上，今天还非常不收敛。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？ 曾鸣：机器人还在非常早期，还在摸索到底怎么落地。因为有一些很核心的制约，比如数据——不像大模型公司原来起来的时候有足够的数据，有些很现实的制约让他们还在非常早期的战略探索期。 张小珺：现在机器人公司有好几种做法：一种是先从大脑开始做，追求机器人大脑模型的泛化性；另一种是从一个场景开始做，做具身、做身体，在这个场景里通过数据跑通整个闭环，再反哺模型能力。你觉得应该先突破哪一边？ 曾鸣：逻辑上两条路都成立，没法事先判断到底哪条路能赢。泛化的挑战在于，泛化的空间有多大，以及在一个具体场景下效果够不够好。走场景路线的公司，挑战是现在能找到的场景都不够大，但它的能力能不能让它快速扩张到一个足够大的场景，既能做好，又有泛化的可能性。 原则上就像爬一座山，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ChatGPT的阶段的大模型公司。 张小珺：能跟更历史的一些产业做类比吗？ 曾鸣：车。 大概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，就能把一个车敲出来，反正马达都是买别人的。但后面出现了一个原生应用，就是福特汽车。1913年，福特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大众可以消费得起的汽车。那是汽车行业第一个to C的突破，福特就成了现代工业时代的一个代表。 但后面有个很有意思的插曲，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，每个战略都只有在当时的那个时期有效才有效，它不是一个亘古不变的事情。 曾鸣：对，现在相当于大家都能手搓一个机器人公司，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T型车阶段。 曾鸣：就是在等T型车阶段。T型车就很了不起了，你能够规模化量产。所以大家都觉得，谁第一个真的能够实打实地把一万台机器人卖出去，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，发展节奏会更像车，而不是类比大模型？ 曾鸣：你要这么类比的话，我们干脆把它放大到电出现以后电器的出现。因为基于电可以有n种电器，冰箱跟洗衣机谁更重要，就不好比了，大小也差不了多少。所以我们可能会出现n个不同的机器人，真的是适用不同大场景的。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，然后工业场景或者外面的各种各样的场景。 大家为什么这么看好机器人？是因为它是AI跟物理世界交互的一个基本界面，有点像电，什么东西都可以被电再重新干一遍。 机器人更好的类比是电器的发展——汽车的确是其中的主打，那是对外的场景；对内的场景就是洗衣机、冰箱，家庭场景。 观点10 “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：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，新公司获取资源的能力有多大。 张小珺：他们all in AI，还能够成为下一个时代的企业吗？ 曾鸣：挑战非常大。 张小珺：从历史里面有依据可言吗？这个时代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？ 曾鸣：基本没有。 IBM曾经做到过一次，微软算是做到过一次。微软某种程度上错过了移动互联网，但它保持住了搜索的火苗，然后有了云计算的积累，加上它在PC时代垄断积累下来的OS垄断，让它在AI时代还有一次机会。 但目前看，微软好像又有点吃不准它到底能不能走过去了，因为它的模型投入不够，模型这块已经出局了。虽然它有OpenAI的早期投资，但目前它已经买不起OpenAI了。即使微软已经算是维持了很长时间的领先，可能未来都不太确定了。 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。有TPU、有大模型，Google作为一个云厂商活下来，这个应该没问题。但入口级的应用，不太确定。 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——这个是让人绝望的地方。 曾鸣：这一点都不让人绝望。人有生老病死，公司也有生老病死，没有比这更正常的了。所以新公司才有机会，年轻人才有梦想，多好的一件事情！一直都垄断到今天，那不是世界太无趣了。 张小珺：Google不一定会成为下个时代Google，字节会是下个时代的字节吗？ 曾鸣：大概率也不会。 张小珺：字节今天模型做得也还不错，起码在国内是第一梯队吧。 曾鸣：字节是有很大的机会成为AI云公司的，包括Seedance做得那么好，在视频生成、多模态方面已经是世界一流的大模型公司，因为做基础设施是容易的。你有积累有沉淀，它有一定的惯性。但是大的to C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，要不然它肯定不计成本的往里砸了。它不砸了就是因为豆包不够，不够那么未来。豆包没有行动力，智能体的核心是独立完成任务。 张小珺：把智能体内置进豆包不行吗？ 曾鸣：这就是他们想做的。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，挑战非常大。因为你如果不是Agent的事实标准，你很难成为入口的。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颠覆的。 张小珺：社交关系会重构吗？腾讯安全吗？ 曾鸣：肯定重构。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。社交关系，人跟人的关系，都会被重新定义，Agent在里面的重要性会大幅上升。 张小珺：所以你不看好现有的产品+AI、+Agent？ 曾鸣：我觉得都是过渡产品。QQ也没有过渡到移动互联网时代，或者说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，人和货物的关系呢？ 曾鸣：一样会被重构，阿里也一样有那个挑战。 张小珺：自己再造一个产品有可能吗？让下一个时代产品诞生在我这个公司里。 曾鸣：所有公司都会all in AI，就像移动互联网，大家都all in了一次移动互联网。 我一直在思考一个问题：移动互联网对PC互联网来说，到底是颠覆性创新还是延续性创新？那个决定了问题的本质。我当时的判断，是1.5的创新，它有很强的颠覆性，但也有很强的延续性，因为它都是基于互联网的基本架构，有网络效应，技术也有延续性，但是它也有非常颠覆性的地方。 所以你会看到，它的延续性的部分，让几家头部互联网公司都成功过渡成了移动互联网公司；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，我整体上更倾向于它是个颠覆性的技术。它是生产力的革命，互联网本质是生产关系的革命。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会非常困难，你的技术储备可能都不是那么线性的。所以我寄希望于下一代的产品也长在我的公司里，难度是很高的。哪怕我用的不是我现在这个产品，我用下一个产品去承接，让它诞生在我这个公司里，难度也非常高。 张小珺：这里面也有组织文化的原因吧？ 曾鸣：组织文化肯定是一个制约，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。这是非常重要的第一点。 第二点，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，你就没有办法提供基础设施，成为不了事实上的标准，也就成为不了入口。所以，你自己得在Agent上真正整明白了，你才有用户，才能吸引更多Agent开发者在你这上面开发。先有一个成功的Agent，是前置条件。 张小珺：它才能形成“黑洞效应”。 曾鸣：是的。 张小珺：我们再来看看几家海外巨头。你看过去两年，马斯克xAI也做了很多事情，你觉得他们是战略出错了吗？ 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。组织上肯定有问题。 我讲个细节：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。是被消耗过度了。可能跟Elon的工作方式也消耗人有关，他虽然让你成长，但特别消耗人。你看到他们来了以后，也没有什么力气说话。 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，才会有新的东西出来。当一个组织崩得那么紧，又非常高压，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Elon真正懂大模型。他原来那套方法论，偏硬件的那套方法论，到了AI时代，他没办法自己直接给答案，又没办法用一种共创的方式让组织来给答案。因为他以前都是自上而下的，他给了第一性原理的答案，逼着大家去超常规地完成。但在这个场景下，他自己给不出那答案，他又不给底下的人那么大的空间去给出一个答案。xAI是肯定卡在组织上。 张小珺：这个也就是你说的，组织和战略之间的关系做得很差。 曾鸣：是的，他没有通过组织去生成战略，都是他自己的意志。 张小珺：Meta呢？我每次都觉得小扎很年轻，他为什么跟不上？ 曾鸣：年轻，但是出道早，消耗也早，消耗也多。一代一代这样的东西，都在消耗你的认知的潜力。Meta大到这种程度，内部调度资源变得非常困难。而且大部分研究员也不觉得小扎懂模型，他没办法真正做非常重要的决定。 另外两家公司，Sam Altman（曾经）是真的依赖Ilya Sutskever，Ilya是真能够驱动整个事情，Sam又是个很好的CEO，这两个人就是个很好的搭配。Anthropic是整个组织能力非常强，Dario在给mission、vision这方面把握的又比较准，Anthropic就显示出了一个非常聚焦的、vision-driven的公司的爆发力。但是OpenAI因为底子够厚，所以它即使这一轮反过身来追Anthropic，速度也非常快。 这两家公司本质上是新时代的创业公司，组织文化各方面都更加匹配。到其他几家公司，都有各自问题了。 观点11 “AI时代，人和人的差异在于创造力，创造是无中生有的能力” 张小珺：我们最后来聊一些更关乎于个体的命题。如果智能能像能源一样从外部获得，在你看来，未来人和人的差异在哪里？ 曾鸣：我觉得是创造力的差别。 德鲁克有一个非常经典的分析框架，他把人类社会从工业时代以来划了三个阶段：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“管理的革命”，大概一百年前左右开始，有了泰勒这些科学管理方法，出现了商学院这个新物种，商学院的核心目的就是给现代化管理匹配足够多的管理人员；第三阶段是“知识的革命”，他观察到从七十年代开始，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方法。这是德鲁克，他大概1999年过世了，看到的是整个过去两个世纪的变化。 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”。所有可以被结构化处理的知识类型工作，都会被AI接管。人一方面被逼着去开发自己新的潜能，但你也可以讲，人终于被解放出来，可以去开发自己的潜能。 我认为这个空间是非常大的，这个方向就是创造力——AI做不了的创造力的事情。只不过我们对创造力要有一个更好的理解和重新的定义。创造力不是简单的会写首歌或者会画幅画，它可能是更多的原创的定义复杂问题的能力。 比如说电真正发明了以后，流水线出现了以后，才有产业工人、技术工人的概念，然后才有了白领。这些都是19世纪的人根本想象不到的事情。 我觉得未来所有人努力的方向就是开发自己的创造力。换句话来说，就是“无中生有的能力”。 张小珺：是因为如果是已经有的东西的话，机器都当作data获取到了。 曾鸣：这种创造，可能从机器的角度来说很无聊，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跟幸福感有很多帮助。 张小珺：未来作为一个社会来说，你能预见到将会出现一些什么样的变化吗？ 曾鸣：会发生天翻地覆的变化。我碰到的一些00后创业者，想做to C应用的，他们想象的世界完全不是我们现在能够理解的世界，很有意思。 张小珺：如果对人的能力的需求发生了变化，是不是会重塑整个教育体制？ 曾鸣：一定会的。以前的教育体制还是一种智商激励，智商的开发都是第二位，知识的灌输是第一位，那肯定是不行的。 你想想看，我们从小到大有多少兴趣被压抑了，我们并没有顺着一个开放探索的路径去开发潜能，我们都是在最早的时间，为了不输在起跑线上，被按在了原来世界的固定模式里头。我觉得最大的冲突就是教育系统的冲突。 其实年轻人已经知道，未来跟我们今天想象的完全不一样。你随便问高中生，他们大概都知道，用现在的方法，大学毕业以后找工作都找不着。他们可能有很多想象，但我们肯定不敢让他们去走他们的路，所以他们就卡在这了。 你问更年轻的家长，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，只是不知道用什么方法教育而已。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，未来会如何演变？ 曾鸣：在组织里头非常明确，是一个深度协同的关系。 社会层面，AGI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。将来每个人身上某个地方挂一个摄像头，有一个语音接收设备，可穿戴的东西满身都是，再上外骨骼之类，人就成了一个加强版的人——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？ 曾鸣：硬件产品也是这一两年的热点，各种各样的消费硬件层出不穷。就像1900年以后大家都在做家用电器，最后能立住的是那几个大品类，还有无数的小品类，不知道会是什么现在。 就像美国很早出现的那个烤面包机，大家现在还用，那个也是很早被发明出来的，但那个不够大，技术不够复杂，所以它没法养一个大公司。 所以有很多这种新的公司，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，谁用哪种方法找到了面向未来的密码，都是不确定的。 不过，有个基本态度要改变——原来我们倾向于降低不确定性，但在这个阶段，其实是要拥抱不确定性。不确定性就是最大的机会。 心态先得改了，不能恐惧。你见到不确定性、见到复杂性就恐惧，你就没法往前走。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——我觉得那才是年轻的一代的创业者的心态。 张小珺：最后我们还有一些快问快答，我们是为了在这个硅基生命到来之前，留下更多的碳基文明的印记。 全球范围内一道你喜欢的食物？ 曾鸣：辣椒炒肉。