曾鸣谈 AI 新时代：伟大公司与新型组织如何诞生

Zhang Xiaojun 介绍曾鸣是一位观察过互联网完整发展周期的策略学者。曾鸣此前曾担任 Alibaba Group 的参谋长，并帮助建立了 Cheung Kong Graduate School of Business 和 Hupan University。对话将利用历史来审视 AI 的新产业范式以及随之而来的令人不安的商业规则。

曾鸣表示，一家企业可能很有价值，但仍然在严峻的经济形势下运营：当供应变得同质化时，竞争会压低利润。同样的原理也适用于 AI 基础设施。公司的技术成就本身并不能保证持久的业务优势；供应结构和客户可用的替代方案同样重要。

主持人问为什么曾鸣的思维影响了这么多创始人。曾鸣的回答基于他的双重经历：他在互联网快速发展的时期进入了 Alibaba，同时也借鉴了对策略的正式研究。这种结合使他能够将实际决策转化为框架，并根据行业的实际发展情况不断测试这些框架。

回顾 Alibaba，曾鸣指出了当时看来有风险的决定：建造 Taobao、创建 Alipay 以及投资 Alibaba Cloud。每项决定都挑战了公司内外的普遍观点。更广泛的转变是从在线市场向生态系统的转变，随后是从桌面互联网到移动互联网的艰难转变。

这些并不是孤立的赌注。例如，选择构建云基础设施会引发一些问题：要支持哪些工作负载、Alibaba 是否应该与搜索公司竞争，以及其系统应该有多开放。该公司还追求去 IOE，取代对 IBM、Oracle 和 EMC 的依赖。战略选择会产生一长串的运营选择。

曾鸣将战略描述为创造未来，而不仅仅是规划每个人都已经期待的未来。逆向思维对于伟大来说是必要的，但这还不够：许多非常规的赌注都失败了。成功的公司往往会挑战共识，但幸存者偏差使得每个逆向公司都会成功的结论是错误的。

主持人将这个想法与曾鸣有关 AI 的文章联系起来。曾鸣表示，早期信号令人困惑，但到 2026 年上半年，足够的趋势已经聚合，使更广泛的方向更容易看到。框架并不能消除不确定性；它可以使不确定性更加清晰，并减少对每一个新公告做出反应的焦虑。

曾鸣提出分阶段思考技术。首先，核心成就是让一项新技术真正发挥作用。只有当该功能变得可靠之后，人们才能发现以原始发明者没有预料到的方式使用它的应用程序。这些阶段之间的过渡很少是平滑的或可预测的。

第一波互联网公司就说明了这一点。Yahoo 和 AOL 变得非常有价值，而 Google 本身一度看起来像是众多竞争者中的年轻竞争者。Blackberry 也快速成长。第一代科技公司可以达到非凡的规模，但不一定会成为随后的原生应用时代的定义公司。

曾鸣将基础模型提供商与炼油厂进行比较：它们处理基础资源并将其提供给其他人。OpenAI、Anthropic、Kimi、DeepSeek 和类似公司部分属于 AI 云公司。他们可能会与传统的云提供商竞争，构建自己的基础设施，并可能开发应用程序，但这些是具有不同经济效益的不同活动。

关键的转变是从让技术可用到打造普通人喜欢的产品。一旦核心能力可调用，应用公司就会面临不同的问题：产品设计、同理心、长期上下文、记忆以及可靠地完成工作。曾鸣怀疑基础设施公司会自动成为应用公司，因为所需的组织和技术能力不同。

主持人问 OpenAI 是否会消失或者无法成为下一个时代的 Google。曾鸣表示这种可能性是真实存在的。基础设施业务可能规模巨大，但应用阶段可能会奖励完全不同的组织。打个比方，石油公司不会仅仅因为都依赖石油而成为汽车公司。

这种区别并没有削弱模型公司的成就。曾鸣表示，他们的竞争仍然至关重要：技术和组织能力可以创造有意义的差距，落后的公司可能会被淘汰。但最终的基础设施市场很可能只有有限数量的供应商，而不是无休止的无限制竞争。

他预计 AI 的基础设施将类似于其他公共基础设施：大量投资、一小群供应商以及强有力的监管，因为社会依赖于可靠且负担得起的服务。在市场形成过程中，竞争可能仍然激烈，但成熟的业务看起来更像是一种公用事业，而不是永远受欢迎的消费品。

主持人问美国模型公司领军者是否都会共存？曾鸣将当前的竞赛与其最终的结束状态区分开来。随着技术和组织执行的变化，Anthropic、OpenAI 和 Google 的领先地位不断变化。即使该行业后来陷入寡头垄断，今天的相对排名也很重要。

曾鸣将 Anthropic 最近的部分成果归因于他所谓的智能复合：在训练 AI 的核心过程中使用 AI 工具。当模型帮助训练模型时，组织可以改进其研究过程本身。这并不意味着完全自主的自我完善，但即使是部分使用也产生了实质性的收益。

技术本身并不能解释这一差距。曾鸣表示组织重点和战略纪律可以增强技术能力。当一个组织将新的工作方式与强大的技术基础相结合时，优势就会复合，而实力较弱的竞争对手可能会落后。他认为中国企业将继续迎头赶上，尽管它们面临着同样集中的竞争。

讨论转向中国超大型车型的竞争。曾鸣将其描述为一场淘汰赛：能够维持最先进培训的公司将继续参与竞争，而其他公司可能会被淘汰。他提到 Kimi、Zhipu、MiniMax 和 Qwen 是值得关注的选手，同时强调最终的格局尚未确定。

获胜者可能会开发出自我强化的智能飞轮。随着模型能力的提高，这些公司可以利用它来推进自己的研究并进一步扩大差距。这有助于解释为什么云提供商正在密切关注：他们与模型公司的关系可能会从普通客户转变为战略合作伙伴或直接竞争对手。

曾鸣认为进入基础模型基础设施竞赛的窗口正在关闭，因为领先的公司已经积累了计算、数据、人才和学习循环。一个没有这些历史的进入者将难以迎头赶上。最终的提供商可能会保持足够的差异化来满足不同的需求，同时在基础设施层面仍然可以互换。

一个成熟的模型提供商仍然可以是一个好企业，但它可能不再是这个时代最令人兴奋的公司。在三到五年内，客户可能会将模型视为可靠的服务，并主要在模型失败时注意到它们。曾鸣预计新一代公司将通过在此基础上构建下一代产品来吸引人们的关注。

主持人问那些下一代公司可能是什么。曾鸣预测，关键的较量将涉及到 Agent 的切入点和标准：谁帮助用户找到合适的 Agent，谁赢得用户的信任，谁将能力与真实需求对接。这一预测与当前的会议场景不同，在当前的会议场景中，大多数知名公司仍然类似于成熟的科技企业。

为了使智能体市场发挥作用，用户需要知道哪些智能体有能力、安全且值得信任其金钱或私人信息。曾鸣希望有一个独立的服务来建立标准、推荐智能体并使费用和绩效更加清晰。这个值得信赖的中介机构可能成为新平台经济的起点。

当前的 Agent 生态系统充满了实验，但许多早期产品仅处理简单的任务，例如生成广告资产或投放广告。曾鸣表示，一家持久的公司需要承担足够复杂的工作，以建立反馈循环和有价值的技术知识体系，而不是可以复制的薄弱功能。

应用程序构建者应该假设智能将会变得丰富，并询问它可以做什么有意义的工作。任务越简单，就越有可能被吸收到处理整个工作的更广泛的 Agent 中。复杂的工作流程为规划、环境管理和从结果中学习创造了空间。

曾鸣表示，产品需要足够大的切入点才能有增长空间。演示文稿制作器或报告生成器可能很有用，但其范围太窄。创始人可以寻找教育或医疗保健等重要垂直领域，或者建立一个组织智能体来协调整个企业的工作。

在消费者应用中，曾鸣看到了解决问题的产品和情感陪伴的出现。在商业方面，他希望创始人能够推销组织大脑或操作系统。无论哪种情况，产品都必须执行有意义的工作，而不仅仅是展示聪明的模型功能。

曾鸣认为，数据飞轮正在演变成智能飞轮。智能体通过独立执行任务、接收现实世界的反馈并改进其算法、记忆、上下文或交互设计来学习。随着这个过程的重复，产品可以变得更加强大并扩展到相关任务。

一个强大的智能体最终可能会产生黑洞效应：更多的场景会产生更多的连接，这有助于它变得更加智能并吸引更多的使用。曾鸣将此与早期互联网的网络效应联系起来，但表示 AI 版本将数据智能与扩展到新应用程序的能力结合起来。

平台仍然很重要，因为它们可以帮助用户和供应商找到彼此。但是，当用户需要信任智能体来完成后续工作时，判断质量比决定是否单击网页更困难。因此，第三方可以在智能体开发者和用户之间进行调解，从而产生一个新的双边市场。

旧平台不可能仅仅通过添加 AI 就成为新平台。早期平台匹配信息；智能体平台必须将能力与需求相匹配，并评估智能体是否可以交付。曾鸣相信匹配内容的这种差异将使智能体原生公司更有可能创建下一个平台。

主持人询问智能体操作系统。曾鸣将其置于后期阶段：操作系统将获取用户的意图并协调许多成熟的智能体，而无需暴露每个智能体。这要求智能体变得可靠且数量充足，以便用户可以委托整个结果，他认为这种情况还需要几年的时间。

曾鸣表示，现在预测哪种公司将拥有未来的接口还为时过早。它可能是一家模型公司、一家应用程序公司、一个互联网平台、一家计算提供商或一家硬件软件公司。真正的创新往往来自于最终形态在一开始并不明显的组织。

第二阶段对于创始人来说是困难的，因为还没有原生 Agent 应用程序为普通用户展示出突破性的体验。尽管如此，曾鸣仍然很乐观。在过去的技术变革中，一旦人们体验到新的可能性，甚至在周围的生态系统成熟之前，浏览器等产品就会通过口碑传播。

曾鸣回忆起 1993 年在伊利诺伊大学使用早期浏览器的情景。校园很快就被迷住了，然后人们开始问为什么网上可看的东西这么少。这个问题促使一些人创建网站，另一些人则认识到商业机会。新的基础设施可以触发自我强化的创造循环。

主持人询问 OpenClaw 的关注爆发是否类似于浏览器时刻。曾鸣表示，这个类比很有用，但目前的特工浪潮仍然受众有限，产品不成熟。它的早期演示揭示了方向和可能性；它们不应被误认为是大众市场成品。

网络效应将持续存在，但 AI 时代的版本可能比简单地连接用户更广泛。更多样化的数据可以创造新的见解，而越来越多的应用场景可以扩展智能体的智能。曾鸣将这种组合视为网络效应的升级形式，可以支持新的平台层。

曾鸣将新的 AI 研究组织称为不同工作方式的雏形。它们类似于实验室，因为研究人员正在熟悉的公司结构之外进行实验。他预计这种形式将不断发展，因为工业时代公司的兴起是为了支持工厂和大规模管理，而新的技术时代可以挑战这些机构。

他并不认为组织本身会消失：只要人们一起工作，某种形式的组织就会保留下来。可能会消失的是公司熟悉的等级制度。AI 对智能和知识的假设尚未确定，因此组织转变可能比在现有流程中添加软件更深入。

岗位是当今公司的基本运作单位。公司定义一个角色，编写工作描述，雇用某人，然后围绕该职位安排汇报关系和薪酬。曾鸣希望 AI 本地组织从需要解决的任务开始。

当任务成为组织单位时，人员和 AI 可以动态分配给工作。曾鸣表示，将 AI 嵌入到人工设计的工作流程中只是一个过渡步骤。原生组织将首先定义和分解任务，然后根据需要完成的任务将生物和硅基工作人员聚集在一起。

曾鸣想象人们通过申报任务来选择工作，并根据他们是否交付成果来评判。该结构将更像网络，永久层更少。等级制度存在的部分原因是组织需要最终决策者；如果可以直接调用具有相关能力的人，那么指挥链就变得不那么必要了。

传统的等级制度也提供了晋升阶梯，因此主持人询问如果没有阶梯，激励和绩效评估将如何运作。曾鸣强调自我导向：人们需要了解自己想学什么，自己的优势可以在哪里发挥，以及工作是否有助于自己成长。

在以任务为导向的组织中，贡献可以变得更加明显。当某人承担一项任务并交付成果时，结果和该人的角色就更容易看到。曾鸣指出，领先的 AI 研究人员的工作已经得到认可，而无需严重依赖公司头衔；网络本身可以使贡献清晰可见。

当前的实验室模式反映了研究人员的偏好，他们通常比企业或大学更重视研究环境。曾鸣期望未来的创意工作者以其他方式组织起来。他们可能类似于一支职业运动队：具有互补专业的人们围绕共同目标进行合作，拥有明星表演者，但每个角色都没有单一的模板。

曾鸣表示，围绕新实验室的早期泡沫可能会富有成效。没有人事先知道哪些组织实验是正确的，因此投资者和市场为许多尝试提供资金，并让证据揭示有希望的方向。高估值反映出这些团队之一有可能成为下一个决定性公司。

谈话回到了为什么现在组织优先于战略。曾鸣表示，AI 是一种范式转变，催生了新型组织和业务。未来的战略可能不适合从早期时代继承的结构；不同的组织形式可以使新的战略选择成为可能。

决策变得更加频繁，对质量的要求也越来越高，这给新的组织形式带来了压力。因此，战略和组织不能分开：公司现在需要做出更好决策的方法，而它制定的战略应该帮助它进入下一阶段的变革。

曾鸣表示，对于 AI 本土创始人来说，第一个要求是深入了解 AI 以及组织的运作方式。一些创始人亲自用 AI 重写了他们的内部操作系统。因为他们了解组织的原型并且可以编码，所以他们可以快速将他们的想法转化为工作系统。

相比之下，大多数公司可能会选择将 AI 添加到现有协作软件中，因为迁移成本高昂，而且他们缺乏构建新系统的信心。曾鸣将此称为一条分界线：最早的 AI 本地领导者可能会重新设计其组织的联系和决策方式，而不是简单地将聊天机器人固定到旧的工作流程上。

他将旧的 ERP 系统比作一条固定的道路：它标准化了工作，但可能会死板且反应缓慢。AI 原生组织的行为应该更像神经网络，具有适应任务的连接。想要保持领先地位的首席执行官必须认真投资于这一变革。

曾鸣预计组织的人员数量会减少，至少在早期阶段是这样，因为有效的 AI 协作需要异常主动、快速学习的贡献者。一旦团队发现使用 AI 的可重复方法，他们就可以向更多的人开放参与，并完成不太专业的任务。

随着模型功能成为基础设施，工作转向产品运营、用户连接和同理心。曾鸣认为，产品经理将变得更加重要，因为仍然需要有人决定构建什么、为谁服务、创造什么价值以及将有限的时间花在哪里。

技术创始人还需要了解商业经济学。当竞争对手可以提供同质供应时，优秀的技术并不能保证高利润。曾鸣表示，创始人必须了解价值、差异化和竞争是如何运作的；技术洞察力本身无法替代商业判断。

下一代应用程序创始人可能不需要来自研究，尽管这一代模型构建者通常需要来自研究。在机器人技术中，团队已经将模型专业知识与业务和应用知识结合起来。曾鸣预计未来的公司将类似于由贡献独特且难以替代的人员组成的合伙企业。

合伙企业为工业公司提供了历史性的替代方案。律师事务所和咨询团体长期以来一直依赖于一小部分人，而他们的作用至关重要。曾鸣预计这种模式会蔓延开来：人们会被雇佣，因为他们的贡献是不可或缺的，早期的成员被称为创始人，后来的成员被称为合伙人。

重点不是每个人都会单独工作。一个人的公司可以通过 AI 展示一个人可以完成多少工作，但人们仍然需要分工和协作来处理超出个人​​能力的工作。新兴的模型是由有能力、互补的人员和 AI 系统组成的网络。

老牌公司应该首先改变他们对 AI 原生组织的理解。当围绕任务、主动性和 AI 协作设计的组织开始竞争时，简单地将 AI 添加到现有层次结构可能会让他们措手不及。曾鸣承认这种转变之所以困难，正是因为它违背了熟悉的习惯。

曾鸣将当今的 Neo 实验室（主要是技术主导型和探索性的）与未来的组织区分开来，未来的组织也会在产品、客户体验和商业模式方面进行创新。技术可能只是他们工作的一部分。“实验室”这个标签是一种尚未找到其持久名称的组织形式的临时缩写。

主持人问新实验室是否是一个泡沫。曾鸣同意有些观点，但认为早期泡沫是为探索提供资金的有用方式：高潜在回报鼓励勇敢的团队测试想法，市场反馈有助于区分可行的方向和投机。

曾鸣指出，投资者并不一定认为今天的基础设施公司已经是最终的赢家。他们还在寻找有机会成为下一代 AI 原生公司的小型组织。组织实验本身就是机会的一部分。

主持人问优秀创始人和非凡创始人的区别是什么。曾鸣表示，这种差异事先是看不出来的：创始人在经历了反复的负面反馈并证明了早期的、不受欢迎的判断是正确的之后，才被认可为伟大。相比之下，卓越是通过稳定的积极反馈和大多数人都能理解的道路来成长的。

许多人可能有非常规甚至疯狂的想法，但很少有人能够成功地执行它们。曾鸣表示，这就是逆向路线风险如此之大的原因。人们很容易将正确的人浪漫化，而忽视许多追求同样不寻常想法却失败的人。

他引用了吉姆·柯林斯（Jim Collins）关于持久和伟大公司的书籍。杰出公司的领导者常常将运气和其他人归功于自己，而不是宣称个人的伟大。曾鸣认为这种谦逊很实用：当有人相信事业比自己更重要时，他们就更有能力学习和倾听。

专注于证明个人才华的创始人往往会寻求快速、积极的反馈，并且可能会陷入熟悉的道路。这种自我可能会扭曲他们所注意到的内容以及他们如何解释新信息。试图实现共同梦想的创始人更有可能听到不同的观点并了解世界实际上告诉他们的是什么。

曾鸣描述了四种类型的公司：机会驱动型、战略驱动型、愿景驱动型和使命驱动型。有使命，就必须有真诚的信念；它不能被发明作为激励员工的口号。他要求创始人考虑十年后他们希望成为什么样的人，这个问题可以揭示真正驱动他们的因素。

只想建立一家价值数十亿美元的公司的创始人可能会依赖估值和融资等外部验证。曾鸣与马云的早期使命“让天下没有难做的生意”以及埃隆·马斯克宣称的将人类带入太空时代的目标形成鲜明对比。这两个目标都超越了个人地位。

为了将有意义的非共识信号与噪声分开，曾鸣建议广泛接触和深入思考。那些在趋势变得明显之后才追随趋势的人已经晚了。创始人需要看到更多的世界，提前进行推理，并应用潜在的思维方式，而不是机械地重复理论。

主持人询问，当组织必须实时适应时，战略是否仍然重要。曾鸣表示，这比以往任何时候都更重要：在一场快速淘汰赛中，一个重要的错误选择可能会在几个月内结束一家公司。因此，旧的战略公式必须改变，以支持持续的学习和决策。

曾鸣的简写是“展望十年，思考三年，行动一年”。许多人只记得长期和短期的愿景，但三年愿景是创造性的中间：它迫使公司想象里程碑并决定今天的行动旨在实现什么。

在相对稳定的工业经济中，企业可以根据当前的增长情况进行推断并制定未来几年的计划。这使得年度执行变得可预测，并导致一些大公司将战略外包给咨询公司。AI 时代打破了这一假设，因为新的竞争对手和技术进步可以比线性计划预测的更快地改变市场。

三年展望可以帮助领导者了解下一阶段会是什么样子，以及在达到这些阶段之前必须发生什么。它在即时结果和长期目标之间造成了紧张。曾鸣将此与在三维空间中寻找最佳值进行比较，而不是简单地在一条直线上优化下一步。

确切的规划节奏因行业而异。有些公司可能会展望五年，并以半年为周期采取行动；其他人可能需要季度执行。重要的是要有中期视角，让领导者看到未来的几步，而不是只对最近的结果做出反应。

曾鸣讲述了询问一家快速增长的初创公司，再增长两年后会发生什么的情况。创始人计算了他们的潜在市场，发现上限将比当前的 ARR 增长所显示的更早到达。他们回来探索新的方向，而不是将势头误认为是持久的机会。

ARR 可以产生一种幻觉，因为它会将当前情况按年计算并向前预测。一家企业可能看起来正在快速增长，直到突然达到一个小天花板。一旦该模型的功能被广泛使用或竞争对手成倍增加，客户可能不再为相同的服务支付溢价。

经济学有助于解释这种变化：在市场早期，定价反映了公司创造的客户价值；而在市场早期，定价反映了公司创造的客户价值。随着同质竞争，它会走向边际成本。创始人需要了解他们当前的指标是衡量持久价值还是仅仅反映替代方案的暂时短缺。

主持人询问，当目标难以简化为数字时，公司如何衡量进度。曾鸣表示，OKR 就是为了解决这个问题而设计的，尽管许多组织在实施它们时遇到了困难，并将其变成了扭曲的 KPI。更深层次的任务是协调一致：共同的目标、对未来的判断以及潜在的心理模型。

曾鸣认为 AI 可以通过跟踪整个组织的自然语言工作来使 OKR 更加实用。系统可以注意到团队何时偏离商定的优先事项以及与数字 KPI 不完全相符的表面模式。该方法可能需要发展，但其核心目的仍然是围绕有意义的目标进行协调。

曾鸣并没有为每个行业制定一种战略，而是按照发展阶段对公司进行划分：探索期、形成期、成熟期和执行期。基础型公司正在向战略方向靠拢，需要扩大规模；机器人公司仍在探索，因为他们还不知道哪种技术或市场路径会获胜。

在探索阶段，领导者应该鼓励不同的创新并降低实验成本。他们需要信念，但当现实与他们相矛盾时，他们必须愿意改变。该组织面临的挑战是从不同的实验中吸收最好的想法，并将其转化为下一轮的更强有力的基础。

在形成和扩展阶段，任务转向执行效率和可重复的运营模型。一个健壮的原型是可以扩展的；在此之前，优化执行可能还为时过早。曾鸣表示，战略方法应该符合公司当前的定位，而不是行业标签。

他将 AI 时代的方法称为“战略生成”，而不是战略规划。战略不能简单地提前制定并作为固定文件执行。公司需要一个能够产生洞察力、让合适的人在合适的时间做出决策以及让组织不断前进的环境。

这是组织和战略密不可分的另一个原因。曾鸣将未来的组织描述为一个连接人员和 AI 的任务流系统，几乎就像一个神经网络。其目的是产生新的见解并发展集体智慧，而不仅仅是处理来自高层的命令。

新的文化必须支持这种合作。曾鸣指出了“上下文，而不是控制”的原则：为人们和 AI 提供足够的上下文来做出正确的决策，而不是监督每一步。共享背景有助于协调目标并让有用的想法在整个组织中涌现。

人类和 AI 的贡献不同。AI 可以处理更多的信息，同时人们可以注意到尚未阐明的联系和可能性。一个让双方都能访问共享上下文的系统可以将广泛的分析与人类的创造力结合起来。

主持人询问对老公司和管理者的不满情绪。曾鸣将这种态度与那些经验和等级制度似乎不再有价值的组织联系起来。大型模型吸收了很多积累的知识，因此年轻人可以使用 AI 快速获得专业知识，并且可能不会将资历视为可靠的权威来源。

曾鸣表示，老年工人要么退休，要么再次学习。新组织的文化应该是开放、透明的，并围绕共同创造而建立。人们需要知道他们正在共同创造一些东西，并且独特的贡献很重要。

许多员工发现旧的系统让人筋疲力尽，因为知识工作可能是重复的、严格控制的，而且几乎没有成长的空间。曾鸣乐观地认为 AI 可以让人们自由地追求更有意义的工作，使幸福和情感价值成为未来组织的重要品质。

在这种环境下，创始人不能依赖传统的老板心态。人们被灵感和有意义的工作所吸引，而不是被迫服从。首席执行官越来越需要为团队服务，让人们能够尽其所能地工作。

对于战略趋同的公司来说，首要任务是高效执行和扩展经过验证的模型。对于仍在探索的公司，领导者应该鼓励多样化的实验，降低失败的成本，并对改变想法保持开放的态度。在这个阶段，创新效率比运营效率更重要。

曾鸣表示，非共识的想法经常在既定组织之外进行测试。随着新实验室和初创公司对领先公司的挑战，一代人的反共识想法可能会成为下一个共识。市场通过实验和更新的循环来自我更新。

主持人担心模型提供商之间的竞争可能会侵蚀利润并威胁基础设施投资。曾鸣预计模型开发和基础设施支出将继续，但智能需求仍未得到满足。然而，如果投资暂时超过需求，更便宜的产能可能有助于应用公司建设。

应用程序创始人不应只是等待模型改进。他们现在需要积累经验，因为尚未学会如何使用该技术的公司可能会错过重大应用机会出现的时刻。曾鸣对他们的前景仍然充满希望。

当被问及哪些巨人是安全的时，曾鸣回答说没有人是安全的。认为自己地位稳固的公司可能是最脆弱的。宣布 AI 优先战略是必要的，但生存还取决于技术的颠覆性程度以及新竞争对手是否能够聚集足够的人才、资本和用户。

主持人询问是否有公司从一个主要技术时代跨越到下一个技术时代并保持主导地位。曾鸣说例子很少。IBM 实现了转型，微软在错过了大部分移动互联网之后，通过保留企业软件并开发云计算，可以说也做到了这一点。

然而，微软的未来并没有得到保证。曾鸣表示，尽管很早就投资了 OpenAI，但它在基础模型方面已经落后了。Google 有更大的机会继续成为 AI 云提供商，因为它拥有模型、基础设施和自己的芯片，但作为领先的消费应用程序的成功还不确定。

曾鸣表示，公司的诞生、成熟、最终衰落是正常的，就像人一样。新公司和年轻创始人需要出现的机会。如果每个在位者都永远保留自己的位置，那将是一个沉闷的世界，没有人可以认为 Google、ByteDance、腾讯或 Alibaba 将定义下一个时代。

ByteDance 可能会成为一家强大的 AI 云和模型公司，但曾鸣不太确定它将创建下一个定义性消费产品。像豆包这样的聊天机器人属于早期阶段；智能体必须更进一步并独立完成任务。从聊天机器人到智能体的转变不仅仅是界面的变化。

主持人询问现任者是否可以将智能体添加到现有产品中。曾鸣表示每个人都会尝试，但挑战在于公司能否理解新的生态系统并成为其标准切入点。如果智能体依赖的服务本身正在被替换，则旧网关可能无法控制新市场。

随着特工扮演更重要的角色，社会关系和商业可能会被重组。曾鸣期望人与人之间以及人与商品之间的关系发生变化。他认为向现有社交产品添加 AI 功能是过渡性的：QQ 在移动领域幸存下来，但微信成为了那个时代的本土产品。

主持人问现任者是否可以在自己的公司内部创造新产品。曾鸣说这是可能的，但极其困难。移动互联网既具有早期互联网的连续性，又具有颠覆性，因此，即使 Douyin 和 Pinduoduo 等原生公司出现，一些现有企业也进行了调整。

在曾鸣看来，AI 更具颠覆性，因为它挑战的是工业革命的生产体系​​，而不仅仅是互联网的通讯渠道。现有的技术优势可能不会线性转移。与可以成长为 AI 原生组织的小团队相比，大公司还面临着更困难的文化转型。

要成为智能体平台，公司首先需要了解智能体的实际工作原理。曾鸣表示，它必须构建一个成功的智能体，向用户学习，然后吸引开发人员使用其基础设施。如果没有这种实际的理解，现任者就无法轻易成为事实上的标准或下一个切入点。

对话评估了 xAI 和 Meta 可能落后的原因。曾鸣看到了战略和组织问题：焦点较少、内部协调需求巨大，以及领导者可能对模型开发了解不够深入，无法做出关键决策。他还听说这些组织的研究人员已经筋疲力尽。

曾鸣认为创新需要人们思考的空间。持续的压力会让研究人员疲惫不堪，几乎没有精力进行创造性工作。在领导者不能简单地根据第一原则给出正确答案的领域中，他们必须为团队共同制定答案留出空间，而不是仅仅依赖自上而下的方向。

他将这些挑战与 OpenAI 和 Anthropic 进行了对比。Sam Altman 与 Ilya Sutskever 的合作将强大的首席执行官领导力与深入的技术研究结合起来，而 Anthropic 则拥有专注的使命和强大的组织能力。曾鸣认为这两家公司都是本土初创公司，尽管它们的历史和优势不同。

中国公司面临着类似的竞争，但通常从美国原型开始，这可以导致许多团队汇聚到相同的想法上。曾鸣认为 Kimi、Zhipu 和 MiniMax 在某些方面更加原生，而 Alibaba 的 Qwen 和 ByteDance 受益于深层资源和执行。他预计模型竞争将继续集中。

一些应用程序公司构建自己的模型是为了确保以后需要的功能，而不是成为基础设施 API 工厂。曾鸣表示，应用技术和模型技术之间的界限仍然不确定，因此企业正在建立储备并观察该领域的发展。棋局仍处于开局阶段。

曾鸣避免短期预测，更喜欢可能持续数年的模式。他预计智能体入口将在五年内变得可见，而真正定义时代的原生应用可能需要更长的时间。Google、Douyin 和 Pinduoduo 等移动产品的历史表明，最有影响力的应用程序往往在第一波浪潮之后出现。

主持人问社会需要多长时间才能吸收 AI 作为一种新的生产资料。曾鸣表示至少一代人——大约二十年——因为伴随新技术成长的人将是它的原住民。他预计人们的差异将更少地取决于信息的获取，而更多地取决于创造力。

曾鸣借用了 Peter Drucker 的框架，描述了早期从生产力到管理再到知识工作的转变。工业时代用装配线取代了手工艺生产；科学的管理催生了职业经理人的需求；软件开始标准化和处理知识。

曾鸣将 AI 时代称为创造力的时代。结构化知识工作越来越多地由机器处理，这可能迫使人们发展他们尚未培养的能力。他并没有将创造力狭隘地定义为写作或绘画；而是将创造力定义为写作或绘画。它可能意味着构建以前未曾认识到的复杂问题。

他将原创创造力描述为从无到有。机器可以访问已经存在的数据，但人们可能会发现尚未开发的需求和价值形式。有些可能不会直接推进物理技术，但可以改善人类的成长、联系或幸福。

主持人问，如果企业改变的话，商学院和办公室是否也会改变。曾鸣表示，围绕传统企业建立的机构已经面临压力，而虚拟世界将不断扩大。他开玩笑说，虚拟宇宙的想法可能在方向上是正确的，但在人们准备好之前几年就出现了。

曾鸣预计社会变革将是深远的，并表示年轻的创始人经常以老一辈人尚无法理解的方式想象消费产品。主持人说这次谈话让他感到乐观。曾鸣同意存在巨大的发展空间，并相信教育必须随着人类能力的变化而改变。

曾鸣认为，现有的教育体系强调死记硬背知识和智商测试培训。当 AI 可以检索和应用知识时，这种方法就没那么有用了。儿童的兴趣常常受到严格期望的压制，而家庭现在认识到他们需要新的教育方法，但还不知道应该是什么。

主持人重申人们需要创造新的东西，而不是仅仅复制 AI 已经知道的东西。曾鸣表示，组织内部的人与 AI 协作将是深入而普遍的。他避免预测超级人工智能，但预计当前的 AI 将像过去十年的手机一样进入社会的各个领域。

曾鸣想象人们使用相机、语音接口、可穿戴设备，也许还有外骨骼，就像 AI 延伸到物理世界一样。消费类硬件公司正在进行广泛的试验，就像许多公司在电力到来后生产电器一样。一些大的产品类别和许多较小的产品类别可能会生存下来，但现在判断是哪一个还为时过早。

由于未来是不确定的，曾鸣表示人们需要改变对不确定性的态度。前几代人经常试图减少它，但现在不确定性本身就是一个机会。如果创始人只将复杂性视为恐惧的根源，那么他们将难以采取行动；那些觉得令人兴奋的人可以创造出尚不存在的东西。

当被问及自己的使命时，曾鸣回答说他想成为一名快乐的研究员。他希望 AI 能让人们更快乐，同时也承认它也会带来新的问题。纵观技术史，他将文明视为人们学会使用的一系列新能力，尽管幸福本身更难以从哲学上衡量。

按照一般标准，曾鸣认为技术进步是真实的：工业生产帮助解决了基本生存问题，消费市场解决了商品稀缺问题，互联网减少了信息不对称。如今，许多实体市场的供应充足。AI 可能会让人们把注意力转向更有趣、更人性化的工作形式。

未来的组织还应该看里面的人是否幸福。曾鸣让人回想起 Google 的早期文化，尊重差异，让员工有时间思考自己的想法，并创造一个人们愿意工作的环境。这种文化帮助公司感知变化并开发新的组织方式。

曾鸣将平凡的一天描述为与企业家对话、阅读新材料、观看采访，帮助他学习而不累坏自己。他还认识到，AI 工具会让人们以不可持续的速度工作，因此个人需要界限和节奏，让生物人类能够与 AI 一起工作。

在一轮简短的个人问题中，曾鸣将辣椒炒肉列为最喜欢的食物，将上海列为最喜欢的地方。他不阅读 AI 技术论文，但推荐基础管理书籍、德鲁克以及 Milton Friedman 撰写的关于市场如何运作的简明书籍。他早期对历史和人文学科的兴趣引导他走向战略这一介于理论与实践之间的领域。

曾鸣表示，具有战略能力的创始人相对较少。战略驱动的领导者是优秀的，而真正杰出的领导者往往是使命驱动的；很少有互补的创始团队能够将战略和执行结合起来。他将张一鸣描述为一位杰出的、以愿景为导向的领导者，他将公司本身视为一种产品，并帮助将 ByteDance 打造成为一个注重效率的组织。

随着公司的战略变得更加清晰，执行力和效率就变得至关重要，但时代的变化可能会让旧的策略变得过时。组织必须要么转型，要么落后。对话以更新周期结束：每个时代都为新团队提供了打造上一个时代无法想象的东西的机会。