153. 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”

摘要

• 曾鸣的核心判断：OpenAI、Anthropic“大概率不是原生应用阶段的大玩家、大赢家”，甚至可能无法活到最后。 依据是产业史而非情绪：雅虎2000年市值1200亿美元（按约8%年化折算相当于今天一万亿）、AOL峰值2200亿、黑莓最快破千亿——每轮通用技术的第一波赢家都曾如此震撼，但“第一阶段的企业很难活到第二阶段”。类比是炼油厂与化工厂：“你没听说过哪个汽车公司是由石油公司转化来的。”
• 三阶段产业史观给出当下坐标：2026年是第一阶段（基础设施）收官、第二阶段（智能体应用爆发）开场。 token成为标准度量衡（黄仁勋的“token factory”、Sam说OpenAI核心是卖token）标志基础设施成熟；OpenClaw（“龙虾”）让他看到与1992年建站运动的同构——从分享信息到分享能力。最大的反共识机会是“我们还在等一个浏览器出来”：统一Agent标准、把调用门槛大幅降低的入口，“未来两年可能最让人兴奋的一件事情”。
• 模型公司的终局是AI云公司，商业模式只有一种：寡头垄断加政府强监管。 美国的xAI和Meta“已经退场掉队”，根因是Anthropic开始“用大模型训练大模型”的智能复利飞轮加组织优势形成黑洞效应；中国是淘汰赛，“今年年底谁如果跑不到三T的模型，估计谁就出局了”。传统大模型创业窗口已关闭，模型会成为“一个很好的成熟生意”——但不是下个时代的王座。
• 巨浪面前没有巨头是安全的，历史上跨时代成功“不是多不多的问题，是有没有的问题——基本没有”。 只有IBM和微软各算做到过一次，而微软“对模型的投入不够，模型这块其实已经出局了”；字节有很大机会成为AI云公司，但“豆包肯定不是”那个未来，“要不然它肯定不计成本地往里砸了”；腾讯的社交关系、阿里的人货关系都“肯定重构”。AI是颠覆工业革命的生产力革命，不是移动互联网那种“一点五的创新”。
• 公司作为工业时代的制度产物会消亡，New Lab是新组织形态的早期雏形。 组织基本单元从岗位变成任务，层级和中层消失，激励靠自驱（High Agency）和透明贡献——“顶尖研究员转会费那么高，是因为贡献很透明”；未来企业越来越像合伙人企业、像球队，第一个New Lab其实就是OpenAI，或者加上Anthropic。“你说多少人现在去公司上班是开心的？”
• 对创业者最残酷的真相是一条经济学基本规律：“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。” 这正是上周市场对模型同质化竞争恐慌、进而质疑capex的源头；技术创始人必须完成从“我技术这么牛”到理解商业世界运行规律的蜕变。同时优秀≠卓越：“卓越一定来自反共识”、是事后认定的，卓越者的共性是自我小、把成功归于运气和别人——使命驱动才可能走向卓越。
• 今年的Agent应用冰点恰是“应用领域里面创业者的反共识阶段”，而非终局。 去年硅谷的Agent创业像“小孩过家家”，被模型能力一出就淹没；今天的正确姿势是假定智能够用、去干十倍大的复杂活，建立自己的智能闭环而不是搭脚手架。模型不会吞噬一切——电灯1892年点亮曼哈顿，洗衣机、电冰箱约在1910年前后出现，空调到1925年，通用电气真正成功靠的是To C电器而非发电。
• 战略在AI时代“无比重要”，但方法论从战略规划变成战略生成。 “看十年、想三年、干一年”的创造力在看三年的里程碑张力上——线性外推“就不可能得出Anthropic今年八十倍的同比增长”，而ARR按当下外推十二个月是“增长的幻觉”，竞争一多定价就从客户价值滑向边际成本。组织先于战略：“只有用新的组织形态才能生成新的战略”，Context not Control重新火起来不是偶然。

精读

1. 阿里二十年只有三个生死决策，且个个反共识

• 曾鸣复盘亲历的阿里前十五年：“最重要的决定就是三个，创立淘宝，创立支付宝，创立阿里云”——三个决定不但社会不认可，公司内部争议也极激烈，淘宝成立时好几个高管非常反对：主业务未成熟就去打一个新的核心主业务，风险太大。
• 战略不止一层：阿里云的二级战略问题——服务单一场景还是多场景架构、服务淘宝还是搜索、开源还是闭源——争论同样巨大，再往下才有“去IOE”（换掉IBM、Oracle、EMC）。“不是做了一个大的战略决定就可以了，越到下面越是战略跟战术结合很紧密的地方。”

2. 好战略当时无法验证：“因为相信所以看见”

• 小珺问决策时刻怎么知道是好战略，曾鸣的诚实回答：“不知道啊。因为相信所以看见。”所有时代级企业最后都被证明反共识成立，但要警惕survival bias：“最成功的企业一定是反共识的，但反共识不一定成功。”
• 共识赛道做到最强能不能大成？“那就是优秀嘛。”“是不是卓越？卓越一定来自反共识。”这组区分贯穿全场。

3. 通用技术的三阶段史观：基础设施→应用爆发→原生应用

• 曾鸣系统研究过三次工业革命与PC/移动互联网，抽象出共同规律：技术先被社会接受成为基础设施；再基于设施出现海量新应用、百花齐放；最后大家发现需要更底层的方法运行新世界——原生应用阶段。
• 例证：黑莓是第一款被称为智能手机的产品，2010年仍占美国市场四成多份额、iPhone只有二成多，iPhone 4之后才跑起来；字节先做内涵段子、今日头条，头条探索出推荐算法，叠加带宽算力成熟出现短视频，两者结合才有抖音这个国民级原生应用。
• 为什么跳不过第二阶段？“应用的爆发给了技术下一阶段发展的方向”——没有第二阶段的积累就跨不到第三阶段，而第二阶段本身“可能八年也好十年也好，非常精彩”。

4. 2026年的坐标：token收官第一阶段，OpenClaw开启第二阶段

• 第一阶段基本完成的标志是token成为共识度量衡：黄仁勋说英伟达的未来就是token factory，Sam马上表态OpenAI核心就是卖token。“当一个技术有了一个标准的度量衡以后，它就能被规模化、标准化地使用”——如同一度电、一吨水。
• 同一个春节，OpenClaw（“龙虾”）让大家看到“一个能够独立完成任务的Agent的无限的潜力”，所以才会狂热到“春节都没睡好”。他的结论：AI的第二阶段就是智能体阶段，“智能体就是AI时代的新应用”，我们站在第二阶段开端。

5. Agent的本质是分享能力，我们还在等“浏览器”

• 曾鸣坦承判断在前移：两三年前他还讲“让我们拥抱雅虎吧”，看到OpenClaw后第一反应是“我们怎么退回到了浏览器阶段”——不是浏览器出来了，是“我们在等一个浏览器出来”。
• 结构对上了的类比：“Agent的本质就是分享能力”，把懂的能力封装、分享、被调用；1992年的建站运动是分享信息。“AGI这轮的创新就是让我们从信息时代进入了能力时代”——今天大模型的成就正建立在当年信息数字化之上。
• 浏览器的两个功能是钥匙：统一建站标准让创造门槛大降，点击让浏览门槛归零，于是供需两端同时爆发。类比的方法论：“理解抽象建模以后的底层运行规律，而不是纠缠于技术的表现形式。”

6. 下一个最大机会：Agent时代的雅虎还没有雏形

• 网站爆发后出现雅虎做目录、做分类——“它是在熵减，不是在熵增，降低大家的认知压力”。今天Skill爆发正是熵增，“随便问身边任何人，大家都不会随口讲出两三个他天天在用的Agent”。
• 他“完全没有看到雅虎的雏形”，拍脑袋的判断：下一个最大机会是类浏览器的东西——统一Agent标准、让用户用极简方法调用Agent，随后海量Agent爆发，“未来两年可能最让人兴奋的一件事情”。交互形态想象不出来：“我们能总结出一个抽象的规律，但一定推演不出一个具体的形态。”
• 这个时代有没有Google？“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”——太早了。历史注脚：Google成立后是给雅虎做To B算法服务的小弟，“在这个意义上是雅虎孕育了Google”。

7. 模型公司=AI云公司：炼油厂与AOL的双重类比

• 数据是新石油，“模型实际上是一个炼油厂”；从接入角度又像消失了的AOL——让所有人轻易接入智能的入口。直白结论：OpenAI、Anthropic、Kimi、DeepSeek这些“就是未来的AI云公司”。
• 这解释了美国云厂商与模型公司的复杂博弈：云厂觉得付出太多得到太少，模型公司大概率想自建云、自研芯片，两个生态会碰撞重整，“形成几个比较稳定的AI云公司，那个是确定的”。
• 模型公司能否变成成功的应用公司？“开放的问题。如果我主观给个结论，概率不会太高。”小珺举Codex、Claude Code反驳，曾鸣不接受：“这是Coding要成为基础智能的一部分”——没有Coding能力，token本身都不会成立。

8. 万亿Anthropic不是“这次不一样”：雅虎、AOL、黑莓都干过

• 对“Anthropic不到十年万亿市值史上罕见”的说法，曾鸣直接定性：“这个描述本身就是一个幻觉和误解……这就是典型的这次不一样。”他查过：雅虎95年成立、2000年市值1200亿美元，按约8%年回报折算就是今天一万亿的公司；AOL 2000年高点2200亿、并购华纳后三千多亿，是当时市值最高公司；Google 98年成立、05年到千亿；黑莓是硬件最快破千亿。
• 结论如说：“它很可能往后活得不错，但它大概率不是原生应用阶段的大玩家、大赢家。”化工厂后来比炼油厂值钱得多，“汽车离开石油肯定不能运行，但石油公司肯定做不了汽车”。
• 小珺引陆奇2024年的话——OpenAI一定比Google大，“只是大五倍还是大十倍的问题”。曾鸣不让步：“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。”他自称也是researcher，“只是研究商业世界的动力学规律”，理论框架告诉他：第一阶段的企业很难活到第二阶段。

9. 为什么活不过阶段切换：技术会换轨，不沿原轨线性增长

• 第一阶段的核心是可不可用，靠原创技术创新；第二阶段开始的标志恰是第一阶段技术放缓、变成人人可调用；应用阶段需要的是产品原创力、对普通用户的同理心，以及一堆应用侧的新技术——比如上下文管理，“你到底把它定义为大模型还是不是大模型，其实不是那么清楚的”。
• New Lab里一部分人会转向支持应用阶段的新技术，与洞察力结合“可能就变成了第二阶段的王者”——技术依然在进步，“但技术未必沿着原来的轨迹线性增长”。

10. 终局：寡头垄断+政府强监管；xAI与Meta已经退赛

• 公共基础设施行业只有一种成立的商业模式：“寡头垄断加政府强监管”——社会依赖它所以必被强监管，供给太重要所以不能只有一家，投入太大所以不会无序竞争。“你现在水电费能随便涨价吗？我知道这个现实对很多现在创业的人很残酷。”
• 终局不否定当下竞争的价值：今年“Anthropic先领跑，OpenAI在跟上，Google阶段性的被甩下，其实就是组织能力跟技术能力出现了一些差距。像xAI跟Meta就直接退出竞赛了”——寡头赛中已有人退场掉队。

11. 智能复利与黑洞效应：领先者开始用大模型训练大模型

• xAI、Meta掉队的解释是“智能复利”：Anthropic从去年下半年开始让人看清“他们开始用大模型训练大模型了”，AI进入了自己的主业，训练能力大幅提升——还没到Self-Learning的完全自驱阶段，“只是局部的被使用了，但已经产生了很大的价值”。
• 组织优势与新技术运营方式结合，“真的已经开始把比较弱的玩家往后甩出去了”；OpenAI与Anthropic沿Self-Improving走下去差距越拉越大，“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”。

12. 中国是淘汰赛：年底3T晋级线，窗口已关

• “中国模型公司之间的竞争，比如说今年年底，谁如果跑不到三T的模型，估计谁就出局了。它是个淘汰赛，就像现在世界杯，八进四，然后四进二。”小珺报分：Kimi K3刚到2.8T；曾鸣说“Kimi在三T上先交卷，成绩基本满意”，接下来看MiniMax，通义千问肯定很快会发布。
• 格局今年未必稳定：要等前两三名优势与后面拉大后才不易再被超越——黑洞效应。新公司还该做模型吗？“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”，智能飞轮已跑起来，此时进场“完全没有积累”。
• 寡头的形态：“同质化是保证可以被替代，差异化是让大家还有钱赚。”模型是好生意吗？“是个很好的成熟生意”——但过个3到5年，如果没有进入下一阶段竞争，就会变成大家调用的服务，“大家只会在你不稳定的时候抱怨，不会天天夸你的”。

13. 第二阶段的赛题：谁是Netscape，谁是Yahoo

• 下个时代的公司看两件事：“谁把Agent的标准建立起来？谁抢住了Agent的用户入口？”这与当下共识相悖——Web Summit上，做应用的公司只在地下一层一小块区域，“二层三层的大厂家全部做的是现在有的东西”。
• 三年后有可能出现Agent入口，因为Agent太多带来信任问题：“你钱包敢交给Agent吗？你个人的隐私敢交给Agent吗？我怎么知道他收我的费用是真实的？”需要一个新的第三方服务商建立信任、定标准、做推荐——典型的双边市场结构，“双边市场是有中等程度的网络效应的”。

14. Agent方法论：干复杂的活，别搭脚手架

• 去年夏天硅谷Demo Day十几个项目里三五个做广告——素材生成、投放，“这么简单的事情，我当时就觉得不太可能有长期价值”；看到做增长的反而觉得有前途，“因为增长很复杂啊，得做复杂任务，你才有可能建立自己的智能闭环”。
• 关键警句：“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，然后等着模型下一次迭代把你脚手架就淹没了。”今天的切入点要完全不同：假定智能完全够用，去干复杂的活——“越简单的活越容易被复杂的活给吞掉”。
• Manus当时市场感觉敏锐，抓住了Coding能力出现后的机会窗口、触达Prosumer生产力需求；但今天一个Agent要立足，“至少要找一个十倍以上的切入点”——做PPT、出报告不够大。垂类如教育、健康是大垂类；To B今年会火“组织大脑”Agent主赛道，To C重新出现情感陪伴与解决问题类。

15. 数据飞轮升级为智能飞轮，黑洞效应是网络效应的升级版

• 数据飞轮升级到“智能复利”：调用基础智能、让Agent在特定任务里具备更高智能，真实世界反馈（前提是Agent能独立干活、离开人的参与）加上下文管理、记忆等算法创新，形成场景内越来越聪明的复利，再渗透到更复杂任务——“找到或者运气好撞上最有规模化、最能泛化的场景的人，最有可能形成黑洞效应”。
• 网络效应会继续存在成为标配，但升级版是黑洞效应：“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能边界。”对照《智能商业》的DNA双螺旋：数据智能与网络协同都升级了——“现在AI还是数据智能，并没有进入符号AI的阶段”。

16. 原生产品靠口碑爆：93年UIUC的亲历者视角

• “第二阶段最好的东西一定是口碑的”——龙虾自己爆的，没人投放；雅虎也是口碑相传。曾鸣1993年在UIUC（浏览器诞生地）读书，“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”——很快有人意识到该做网站上传，再有人发现能赚钱，飞轮就转起来了。
• OpenClaw为何热度回落？“第一它是小众的用户，毕竟还是极客跟CEO最感兴趣；第二现在技术的确不成熟，敢于尝试的CEO都被折腾得痛不欲生”——它是一次很好的演练，但产品本身就是创新扩散周期最早期的极客实验品。
• 好的To C Agent至今没出现，但他“非常乐观，一定会出现”。投资人悲观只是“上一轮受了伤，这一轮又没看到像样的”。“你想想看，如果没有个To C的好的应用，我们要AI干嘛？”OpenAI一直想做应用、一定会做，“问题是它最后能不能成，那是另外一回事情”。

17. 新平台与Agentic OS：判断力代替信息不对称

• 新时代肯定还有平台：“入口就是平台。”上一代平台解决信息效率，今天“我们可以用判断力代替信息的不对称，但判断力也是个稀缺资源”——判断Agent比判断网站难得多、代价也大，所以大概率会把判断力让渡给可信第三方。旧平台能演化过来吗？“大概率不能”——旧平台做简单的信息匹配，新平台匹配能力与需求，是新物种的匹配，走到这一步大概还要三五年。
• Agentic OS没人定义得了，曾鸣把它放在第三阶段：OS开始调度资源，“你只要告诉它一个意图，我就直接调用市场上所有的Agent直接帮你把活干完了，你都见不到那个Agent”——前提是Agent真正爆发且成熟到可被简单调用，所以“比我们想的可能要远”。谁能拿下？“照我的理论框架，肯定是一个谁都不知道长啥样的公司，这才叫大创新嘛。”

18. 应用冰点是创业者的反共识阶段，不是终局

• 今年Agent应用融资惨淡，曾鸣的定性：“现在是应用领域里面创业者的反共识阶段”——没有一个好应用让大家看到潜力和做法。AI短剧、动漫门槛太低，“半年大家就都干完了，AI模型能力顶上来以后基本就干完了”。
• 处在“青黄不接”：模型能力溢出到简单任务自己就能干，但还没找到足够大的场景让Agent做“足够复杂又足够有价值”、能充分用上高性价比智能、又能形成独特技术积累的事。“大部分人其实低估了Agent的难度。”
• 对去年的回望毫不留情：像“小孩过家家”，考核标准只有ARR，“整个硅谷像一个创业的天堂，所有人都玩得很嗨”；今年模型能力一个大突破，“原来那批过家家的小孩子就被淹没了”。但真正的转折是“大家都觉得智能是真的能干活了，可以信赖了，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”。

19. 模型不会吞噬一切：电的百年应用史

• “模型吞噬一切的前提是所有的东西都在模型射程内。”智能够用之后，会有一堆新技术要求去做不同场景的东西——模型不可能吞掉一切。
• 他最爱的直观例子：1892年爱迪生电灯照亮曼哈顿一平方公里；约1910年前后电网覆盖美国主要城市，照明之外的To C大应用洗衣机、电冰箱以及收音机出现；空调到1925年、电视机到1930年。“应用的发展它肯定是有它的规律的。”
• 公司层面的选择题更有意思：爱迪生认为发电更重要而创立通用电气，没意识到电网重要，助理离开成立了美国第一家输电公司；“通用电气真正成功是因为它生产出了最早的电冰箱跟洗衣机”，To C应用突破后电网成了没人关心品牌的To B基础设施，而GE繁荣了六十年。IBM同理：1910年成立后管理信息，“真正大发展是计算机出现以后”。

20. 应用公司不必训传统模型：Cursor成了模型迭代的养料

• 概念澄清：把Agent当新时代创业主体，它与模型的边界会逐渐清晰；大模型竞争会让其能力变成大宗商品，“做智能体的公司其实没必要再开发这样的大模型了……你可以稳定地调用，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”。
• Cursor不是他定义的主体：“它只是当时在Coding能力不够的情况下去试模型能力的边界在哪，当模型发展以后，它被Fold in、包进去了，成了模型迭代的一个养料。”Manus正好卡在中间，“它得去探索那个边界在哪”——这些都是阶段性问题，生态会清晰化。

21. New Labs的三个成因，以及它们是新组织的雏形

• 涌现原因分三类：一类从原理上认为现有路径有偏差、天花板有限；一类判断Scaling Law有边际递减趋势；第三类反而因为大模型基础能力到位，可以做不同于现有路径但同样底层的创新，如AI for Science。
• 它们不是过渡现象而是“新的组织形态的早期的雏形”——叫Lab就是因为不满意公司。而“真正的第一个New Lab是OpenAI加Anthropic”，现在这批该叫New New Lab；五年后可能有个新词，“但也可能不叫公司，肯定不叫公司”。

22. 公司会消亡：从岗位到任务，科层制的终结

• 逻辑链完整保留：公司与工业时代一起产生，之前只有手工作坊，公司是工业时代最大的制度创新；“如果工业时代的很多基本经济规律被挑战了，它的组织形态肯定也会被挑战”。更底层：人类一直以自己是地球上唯一的智能动物而自豪，语言是典型标志；“那AI也能说话……我们习以为常的事情，二十年以后完全可能不存在”。
• 最底层的变化：“岗位可能就不存在了。AI时代组织的基本单元是任务”——汇报线、层级、报酬都挂在岗位上，改成围绕任务流转，组织就完全不一样。找工作变成认领任务：“现在这几个大Lab都是任务发布，你觉得你能干你就接，你能交付结果，你的东西就上线了。”
• 层级为什么消失：“层级存在是因为不知道谁说了算……但未来是谁的能力强，谁被调用。”命令线被打破后，“传统意义上的中层肯定是消亡了”。曾鸣对此毫无伤感：“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。”

23. 激励靠自驱与透明：High Agency、转会费与球队文化

• 没有爬格子后驱动力何来？“本质上是自驱啊”——这半年硅谷最流行High Agency：向内找驱动力、明白要培养什么能力、找到能力最适合的场景跟着成长；接任务交结果非常透明，“你一定会得到相应的奖励”。
• “为什么这些Top Researcher转会费那么高？因为贡献很透明啊……连VP之类的都不写了，不需要，大家也都知道他们的江湖地位。”这批人喜欢的类比是球队——NBA明星球队里的明星球员就是最大成就。
• New Lab有泡沫吗？“大概率有吧。但是泡沫是好事，重赏之下才有勇夫”——市场没有上帝视角，只能投资源让大家试错。估值逻辑：起步锚定OpenAI与Anthropic——“你依然得到了一个在十年内从零到了一万亿的公司”；投资前两家的人只关心其未来三年收入“从一亿多到至少三亿吧，或者最好要五亿”，投New Lab的人赌的是其中一家成为下一个OpenAI。

24. 组织先于战略：战略是生成出来的，不是规划出来的

• 为什么这本书把组织放在战略前面？“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。只有用新的组织形态才能生成新的战略，这两个是阴阳和合的。”新组织的原生挑战是“决策的频率越来越高，质量的要求越来越高”。
• 他特意造了“战略生成”这个词替代战略规划：“大家都习惯了视频生成、文图生成……伟大不能被计划。”组织设计真正要做的是一套让战略洞察涌现的体系，“实际上是人跟AI一起在训练一个组织的小模型”，最终目标是群体智慧有没有在演进。

25. AI原生组织怎么搭：CEO自己重写公司的神经网络

• 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”——李志飞式的故事：“我把自己关在家里三天，我基本上就把那框架写出来了。”分水岭在于：大部分人会满足于飞书的AI升级，迁移成本高、也没能力判断别人的东西。
• 为什么必须重写：“那个就是未来的组织的神经网络。”原来的ERP是“一个固化的道路，一定有僵化跟局限，不可能是一个实时反应的网络……神经网络的天然就是对应的任务”。聊战略必聊组织：“你们公司到底有多少人？现在谁参与战略讨论？”
• 第二阶段的组织人会更少：“AI杠杆作用足够大，对人的要求又相对比较高”，先适应的是非常积极主动、学习能力极强的少数人，摸出人机协同方法后再开放给更多人。

26. 全员合伙人：一人公司是阶段性产物，科学家创业将退潮

• 书里的重要判断：“未来整个企业会越来越像合伙人企业。”与公司平行存在的制度一直有——律所、咨询公司、早期投行，“典型特点就是几个人的分工合作都很重要，少了谁都不行”。招你就是因为贡献必不可少，“要不然就用Agent替代你”；联合创始人变多正是AI原生组织的显著特征。
• 一人公司不是方向：“一个人能干的活永远是有限的，所以一定会有组织”——但“将来的每个人就是一个一人公司，六边形战士，再去跟其他的六边形战士合作”。
• 科学家创业是这个阶段的特征、不会持续：“下个阶段科学家创业的比例会大幅下降。”巨声这一代已见雏形：联合创始人一个大模型背景、一个偏应用商业背景。产品经理会“变得无比重要”。

27. 残酷的真相：同质化供给注定不值钱

• 讲得“比较尖锐一点”的坎：“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。”
• 这与技术人员受过的全部训练相悖，“极少数的技术人员必须完成这个蜕变”——作为CEO必须理解经济学与商业世界的运行规律，才能把公司带得足够远。

28. 优秀≠卓越：卓越是事后认定的，自我要足够小

• 能一眼识别卓越创始人吗？“识别不出来。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那个先知。而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。”疯狂想法者众，“想对了还能落实的是极为稀缺的能力”。
• 引《基业长青》《从优秀到卓越》：真正卓越的人“都是把成功归于别人，都认为自己是因为运气”。为什么？“事情大于人啊，你一定自我很小才能走那么远……如果你只是为了证明自己，在某一个时间点，世界都会打脸，证明你没有你想象的那么厉害。”Ego大的人需要短期反馈，“你就会一直在那个正反馈的循环里”，走的是普遍性正确的路。
• 他把公司分四级：机会驱动、战略驱动、远见驱动、使命驱动——“但这个使命是发自内心的，不是你编出来写在墙上激励别人的”。

29. 十年之问：“我就是要做一个一百亿美金的公司”是负分答案

• 曾鸣问创业者的第一句话常把人问懵：“十年以后你会对怎样的自己满意？”——最能反映当下期望和旅程的驱动力。“我对这个事情特别感兴趣，希望这个事情能成”——事已大于人；“我就是好奇”也比证明自己有意思；“我就是要做一个一百亿美金的公司，这是负分答案”——外部衡量驱动，“每一轮的估值就容易对它有冲击”。
• 听过最好的回答：马云创业前的“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——“他是要把人类带入外太空时代”。
• 信号与噪音的心法：感知全面一点、思考深入一点。“很多人是不太过脑的，当下流行什么你就跟着流行去了……别人已经领跑两步了，你只看见了他冒出水面的第三步，你追肯定第一天就是输掉的。”

30. 看十年、想三年、干一年：创造力在中间那步

• 战略今天重要吗？“无比重要。你做错一个重要决定你就出局了，这个淘汰赛是以几个月来计的。越不确定的时候，越需要战略思考能力。”历史反面：工业时代增长线性、战略不重要到“大公司都把战略外包给麦肯锡了”——八十年代到零零年麦肯锡、BCG的井喷正因于此。
• 今天线性外推失效：“线性外推就不可能得出Anthropic今年八十倍的同比增长的收入。”看十年帮不了当下下手，“真正的创造力在看三年”——想清两三个里程碑，让短中长期形成动态张力，“相当于在三维空间思考最优解，跟在二维平面寻优完全不是一回事”。节奏可变：看五年想两年干半年，甚至看三年想一年干一个季度。
• 一个案例：去年一家ARR涨得很快的Agent公司来问，他只问一句“你ARR继续涨两年以后又怎么样？天花板多快会来？”对方回去一算天花板不高，赶紧做新事情。“拿当下外推十二个月，很容易让人产生一个增长的幻觉……竞争对手一多，就是按你的边际成本定价的。”

31. Context not Control：对齐、OKR与“老登”现象

• OKR落地对组织要求太高，大部分公司或放弃或把它变成变形KPI；AI时代才可能让OKR真落地——组织大脑能追踪自然语言表达，“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”。
• “为什么Context not Control又重新火了起来”：五年前讲Netflix、字节的案例大家觉得牛但与己无关，“今天所有的人都知道，给够了Context，他就能做出正确的决策”——对齐目标、对齐认知，全员共享完整上下文；人没有处理海量信息的能力，“但人有瞬间的创造力和看见不存在的连接的能力”。
• “老登”现象的机制解释：以前尊老是因为老的经验有价值，“能够转化成知识的经验相对来说已经不再有价值，因为它都被大模型吸收了，所以这些年轻的聪明人用好AI杠杆，瞬间就能成为任何一个领域的专家”。老年人怎么办？“或者安心养老，或者变得重新年轻呗。”新文化是开放透明、共享、共创；旧公司不快乐是因为工作消耗性、管理控制性，未来“开心就成了必需品，情绪价值是必需品”，CEO是服务型——“PUA你也不认啊”。

32. 分阶段的战略打法与capex的拐点

• 按发展阶段分而非按行业分：大模型公司基本进入战略发展期，战略已经相对收敛——追求组织效率、执行效率、可闭环的运营模式，核心是规模化；探索期（如具身）核心是“创新的效率要足够高，而不是执行的效率”，一号位带队试错、降低试错成本，“你自我能不能让位给现实”。共识之外自有出口：“不认这个共识的人就去创业了嘛，New Lab里面某一个反共识，可能就会成为三年以后的新共识。”
• 上周的恐慌他看得很透：同质化竞争“打破了对于大模型公司能长期享受高额垄断利润的预期”，预期一破，才有对capex可持续性的质疑——“基建都是为了大模型公司服务的，如果他们创造价值有限，那我干嘛投这些东西？”
• 他的观点：大模型发展空间还非常大，基建大概率继续，“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可能超过大模型的真实的需求”——而这对产业未必是坏事，应用公司进入门槛大幅降低。但应用公司不能“苟一苟等一等”：“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。”

33. 机器人：南坡北坡都成立，最好的类比是电器而非汽车

• 具身还在“非常早期”的战略摸索期，核心制约是数据。两条路——先做大脑追求泛化，或从场景做闭环反哺模型——“在逻辑上两条路都成立……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”。行业自认还在2020年左右、ChatGPT之前的阶段。
• 汽车史类比：1900—1920年美国几千家造车公司，1913年福特建了全世界第一条电驱动流水线，才有大众消费得起的汽车——第一个To C突破；福特靠只卖黑色车做到全美第一后，需求多元化又成就了七八种车型的通用汽车。“每个战略都要在当时那个时期有效才有效。”“谁第一个实打实把一万台机器人卖出去，就已经是个了不起的成就了。”
• 被小珺的问题触发的更好类比：“机器人可能更好的类比是电器的发展”——基于电可以有N种电器，家用有陪伴型、家务型，工业与外部场景也会普遍出现，“它是AI跟物理世界交互的一个基本的界面，就有点像电，什么东西都可以被电重新干一遍”。

34. 巨浪面前没有巨头是安全的：跨时代先例“基本没有”

• “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。”All in AI只是必要条件。时代企业过渡到下一个时代还做得非常好的多不多？“不是多不多的问题，是有没有的问题。基本没有。”IBM做到过一次；微软算一次——错过移动互联网但保住搜索火苗、积累云计算，加上PC OS垄断，AI时代仍有一次机会，但“它对模型的投入不够，模型这块其实已经出局了……目前它已经买不起OpenAI了”。
• Google“也许能成为一个很好的AI云公司”——有TPU、有大模型，作为云厂活下来没问题，“但它能不能成为一个消费者的大应用、入口级的应用，这个还真的不那么确定”。这让人绝望吗？“一点都不让人绝望……一直都垄断到今天，那不是世界太无趣了。”

35. 字节、腾讯、阿里：豆包肯定不是那个未来

• “字节会是下个时代的字节吗？同样的，大概率也不会。”字节有很大机会成为AI云公司，视频生成、多模态已是世界一流，“因为做基础设施是容易的，有积累有惯性，但那个大的To C的应用是有非常大的不确定性的”。豆包呢？“豆包肯定不是啊。要不然它肯定不计成本地往里砸了。它不砸了就是因为豆包不够那么未来。豆包就是第一代AI产品，就是那个聊天机器人，没有行动力。”
• 小珺追问把智能体内置进豆包是否可行，随后提出的机制判断是：大家都想做AI时代的OS，上一代入口若不是Agent的事实标准，就很难成为下一代入口；调用的上一代服务可能被下一代服务颠覆。该判断属于小珺的追问和 framing，并非曾鸣单独提出的结论。
• 腾讯与阿里同样面临挑战：“社交关系肯定重构，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”——QQ没有真正承接移动互联网，或者说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，我觉得阿里也一样有那个挑战”。现有产品加AI加Agent？“我觉得都是过渡产品。”

36. AI是颠覆性创新，不是移动互联网的“一点五”

• 他长期思考移动互联网对PC互联网是颠覆还是延续，结论是“一点五的创新”：延续性（互联网基本架构、网络效应）让头部公司成功过渡，颠覆性最后也成就了抖音和拼多多两个原生玩家。“但AI我整体上更倾向于它是个颠覆性的技术，它都不是颠覆互联网，它颠覆的是工业革命——它是生产力的革命，互联网本质上是生产关系的革命。延续性部分没那么强。”
• 所以“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”：一是十万人公司转AI原生与十人公司长成千人AI原生难度不同；二是“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，就成为不了事实上的标准，也就成为不了入口”——先有一个成功的Agent是前置条件，才有黑洞效应。

37. 组织决定成败：xAI的疲惫、Meta的困局、Sam与Ilya的搭配

• xAI的一手观察：“我在硅谷只要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……他已经不是一般意义上的卷，是被消耗过度了。人太累的时候是没有创新的。”更深一层：研究员评价“没觉得Elon真正懂大模型”，他偏硬件的第一性方法论给不出答案，“又没办法用一种共创的方式让组织来给答案……xAI肯定卡在组织上了，他没有通过组织去生成战略，都是他自己的意志”。
• Meta：“你年轻，但是你出道早，消耗也早”，内部调度资源困难，“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”。对照组：Sam确实依赖Ilya这个能驱动整个事情的人，自己也是很好的CEO；Anthropic组织能力极强，Dario把mission与vision把握得准——“这两家公司本质上都是新时代的创业公司，组织文化更加匹配”。
• 中国类似：Kimi可能更加原生一些，但因为起步比较早、又有大公司的资源支持，所以一直能够持续往前跑；张一鸣自己反应过来All in、亲自下场后，字节速度也很快。中国收敛慢的结构性原因：“先发的企业不像美国有两三年的先发期……还是在美国原型上的快速跟进，同时起步就必然变成百团大战，都去硅谷把研究员挖一遍。”即便如此，认知深刻、早了半年一年的杨植麟、闫俊杰、智谱，“明显这一轮竞争还是他们跑在前头”。小红书、米哈游做模型不是参加API工厂竞争，“是作为未来的一个基础能力在储备”——“这个棋还在开盘的布局阶段”。

38. 时间表：不做短期预测，原生大应用在八到十年后

• “我从来不做短期预测，我只提供一些规律性的理解。”五年内“Agent的入口肯定有可能出现了，第二阶段大概大家都能看明白了”；抖音、拼多多量级的原生应用属于第三阶段，“可能是八年、十年以后的事情了”。小珺叹漫长，曾鸣提醒：“你别忘了，OpenAI已经十一年了。”社会消化这场技术革命要“一代人，二十年起步，因为他们才是原住民”。

39. 创造力时代：无中生有的能力，与教育系统的大冲突

• 借德鲁克的框架（生产力革命→管理革命→知识革命），他把AI时代定义为创造力时代：“所有可以被结构化处理的知识类工作都会被AI接管”，人被逼着也被解放去开发潜能。创造力要重新定义——“不是简单的会写首歌或者会画幅画，是更多的原创的定义复杂问题的能力”，就像十九世纪的人想象不到产业工人、白领这些概念。小珺的总结他欣然接受：“有的AI都有，人需要做无中生有。”
• 教育是接下来最大的冲突：“以前的教育本质是知识的灌输……我们都在最早的时间，为了不输在起跑线上，被摁在了原来世界的固定模式里头。”高中生大概都知道用现在的方法毕业找不到工作，年轻家长知道要用新方法却不知道是什么方法。商学院？“已经不行了呀，都在衰落呀。”虚拟世界比例会越来越高——“Metaverse的方向是没错的，可能只是时间早了五年而已”。
• 心态要反转：“原来我们倾向于降低不确定性，但这个阶段其实是需要拥抱不确定性，不确定性就是最大的机会……我们有点杞人忧天了，我们替他们（年轻创业者）担心的太多了。”

40. 快乐的研究员：使命、书单与字节的宿命

• 曾鸣自陈使命：“做一个快乐的研究员。”AI会让人更快乐吗？哲学层面不好说，但“文明的进步就是技术不断带来新的可能性，人驾驭好了新技术，进入一个新的文明发展阶段”——工业时代解决温饱、消费时代解决消费不足、互联网解决信息不对称。组织的评判标准会包括让人更快乐——07、08年的Google“在硅谷是神一样的存在”，最早隐约感到新时代需要新文化、新组织方式。
• 快问快答存档：不读AI技术论文；当下最关键的BET是“出现一个足够好用的To C的Agent”；听到“语言即世界”工作室名，“你可能要改成智能体即世界”；人生之书是《基业长青》系列、德鲁克，以及本科几乎全文手抄的弗里德曼关于市场基本运行机制的一本书。
• 收尾落在字节的宿命上：张一鸣“至少是愿景驱动”、最早提出公司级产品、最早跟上奈飞文化，“但字节最后做成了一个效率工厂……它的AI战略要张一鸣重新下场再重新定义”。普遍规律：“任何一个公司到了最后都是追求效率……组织的宿命就是时代一定会变化，你要不就彻底转型，要不就被时代淘汰。对每个人都很公平，新的时代。”