楊國安+楊斌：何以制勝？企業需要重構AI組織變革的操作系統

（楊國安教授在清華經管講述《智在未來》的楊五環2.0理論）

AI變革的成功關鍵，是一號位（CEO）的信念與勇氣，以及那份“非如此不可”的熱愛。

文｜傅劍鋒

ID | BMR2004

在AI大潮沖擊之下，不少企業從觀望變成了投身其中。可結果卻劈成了兩半：有的企業越做越?，把AI做成了新業務、新物種、新的收?結構；更多的企業忙活小半年，最后落得?個“局部提效”，客服快了?點，?案省了?點，員工裁了一點，但財報上看不出什么名堂，想象空間不大，未來發展不清晰。

企業同樣用AI，命運為什么會分岔？

管理學界頗有盛名的楊國安教授在其所著的新書《智在未來》中，不但回答了這個問題，還總結了一套“楊五環2.0”的AI變革企業戰略與管理的操作系統。

這是一套怎樣的操作系統？有效嗎？在清華?學經濟管理學院的《智在未來》新書發布會上，楊國安教授介紹了其中精華。同時，楊國安也邀請了另一位楊教授——清華大學經濟管理學院教授、領導力研究中心主任、清華大學可持續社會價值研究院院長楊斌教授。兩位楊教授都認為，CEO如何轉身決定著AI變革的成敗，但對AI變革的操作系統，卻有著迥異的理解，由此帶來不同的啟發。

01

CEO需要看見，科技怎樣從“?具”變成“??頭”

楊國安現任騰訊集團高級管理顧問、青騰教務長，早前是中歐國際工商管理學院的名師。曾經成功推動騰訊數次組織變革，騰訊內部尊稱其為“教授”，騰訊之外的人稱其為“騰訊總辦里的局外人”，他常以一名學者的超脫與理性，為騰訊提供管理的診斷與建議。

他擅長于在紛繁復雜的管理實踐與調研中，提煉簡潔有效的公式與模型，“楊三角”管理學至今在實務界有一大批企業家追隨者，該方法也融入了騰訊管理的方方面面。

之后，楊國安有多本著作涉及移動互聯網、數智技術之下的企業變革，并逐漸形成了“楊五環”模型，直至在深訪與AI變革相關的8家企業之后，他的理論迭代出“楊五環2.0”，即數智科技→產業重構→戰略布局→組織升級→變?領導?。在這里，數智科技不是配?，?是改變產業格局的??頭。在AI時代，如果你不先理解技術將如何重塑整個產業，那么你所有的戰略，都可能建在?塊即將塌陷的地基上。內部流程優化得再漂亮，也抵御不了產業范式轉換時的?記悶棍。

理想汽?的戰略布局，很好地詮釋了CEO在理解技術可能帶來的產業范式轉換后形成的遠見。這也是楊國安在書?反復拆解的案例。創始人李想不把理想公司定義成?家?企，?是確立了更大的愿景——成為“全球領先的具身智能企業”。在AI時代，他重構了理想汽車的技術底座，經數年投入，逐步轉換為“全棧四位?體”的布局：?腦是算法，?臟是算?，神經?絡是內外?具模型的?縫調度，身體是硬件。當L4級??駕駛邁過?檻，未來的汽?不再以硬件為核?，整?會逐步變成移動的客廳、辦公室、娛樂場所，它將成為全方位的智能管家，也可能將擁有智能空間的巨大市場份額。

這就是“先看技術能創造什么新物種，再定義??是誰”的典型路徑——它和“先想清楚??要什么、再找個AI?具來配合”，是兩套完全相反的思維?式與操作系統。

02

每個變革的環節，都在拷問?號位

“楊五環2.0”最容易被讀成?份“AI落地說明書”。但如果逐環拆開看，會發現?件耐?尋味的事：這里的每一環，追問的其實是同?個?。

第?環，數智科技——“獨家數據”在哪?？

AI是“算?×算法×數據”的組合。算?可以買（GPU云租賃），算法可以借（開源模型），但企業獨有的?質量數據不可復制。楊國安有?個精準的?喻：通??模型好??個接受了世界?流?學教育的畢業?，?企業真正需要的，是理解企業運轉的“實習生”，通過后訓練和強化訓練成為行家里手，這才是企業AI的真正壁壘。

書中的案例公司美圖，積累了17年的?戶數據與審美理解，這是任何通??模型都替代不了的；書中的案例公司?途，也在多年教育運營中沉淀了各節點數據，是它AI時代的核?壁壘；書中的案例公司和睦家，對患者全?命周期健康數據的采集和醫學知識的沉淀，是它最寶貴的戰略資產。這些“散布在企業各處的?質量數據”，正從業務的副產品，變成最重要的戰略資產。

但這?環最后落到誰頭上？是誰來決定把這些數據當成成本，還是當成彈藥？是?號位。

第?環，產業重構——你的?業邊界還在嗎？

這?環最容易被讀淺。多數?理解的“產業重構”，不過是“把AI?進某個環節”。但楊國安提醒：AI對產業的重塑，是分三個由淺?深的層次發?的，企業看到的層次越深，轉身的幅度就該越?。

第?層，是價值鏈內部的重構。AI不再只輔助某個動作，?是橫掃研發、?產、物流、營銷、銷售到服務的整條鏈路。?途是典型：AI不只是幫著?成教學內容，?是全?介?教研、教學、答疑、運營多個環節，連“教”與“育”的組織?式都被改寫。停在這?層的企業，?少把AI?對了地?——但也才剛剛摸到?檻。

第?層，是產業邊界的打破。這才是“產業重構”四個字真正的分量。和睦家正在做的，是借AI整合患者在院內院外的全部數據，?舉打破不同專業、不同醫院、院內院外的三重邊界，通過智能體貫通全生命周期的健康管理各環節，再覆蓋到離院隨訪、家庭醫?“30秒響應”、跨城跨院系統對接。結果是上?護理量已是院內?診量的數十倍。醫療的主戰場，已經悄悄搬到了醫院的圍墻之外。

第三層，是價值分配邏輯的徹底重寫。在新書發布會上，明略科技創始人吳明輝認為，AI沖擊之下，企業軟件服務者已從“軟件即服務（SaaS）”?向“服務即軟件（Service-as-Software）”。明略科技過去在?告、零售領域做數據分析，現在明略科技新增了一塊業務，?脆不再向客戶賣軟件，?是直接下場，幫客戶做效果?告的代理與制作。當?告?可以?AI?成，當導演、編劇的決策與拍攝全?數字化，中間過程事實上被壓縮，價值體現在直接向客戶交付結果上。這就是被AI改寫的價值分配版圖，也考驗?號位的洞察力與危機意識。

第三環，戰略布局——你敢不敢從未來倒推現在？

AI落地必須是“?號位?程”，決策者要有?期投?的戰略定?。核??法論是“從未來看現在”的倒推思維：想象AGI充分發展時，你所在的產業會變成什么樣？

李想給出過?個具體到讓???冒汗的決策：與存儲供應商簽3年鎖價合同，?額巨?。不投，3年后就出局；投了，?不?定賺得回來。“最終考驗的是你的勇?，?勇?源?你的信念，你對AI改變你產業、企業信得多深。”

楊國安由此給企業分了三個層級：探索者（?現成外部?具試試）→創新者（??有數據訓練沉淀）→創變者（從未來反推現在、?上?下重寫結構）。多數企業停留在探索者階段，?勵全員“免費玩?玩”，看起來熱鬧，卻始終沒有?愿意真正投入。投入的決心，下面的人都在盯著一號位。

第四環，組織升級——“碳基+硅基”的新?產關系。

AI對?產?的解放，必然要求?產關系的變?。組織從“?+?具”向“?與AI共創”的AI原?模式演進。楊國安給了四條演進建議：其一，招聘或培養有“AI first思維”的原??才（能?AI的地?就不??）；其二，搭建?個碳基員?帶?群硅基員?的?機協作?作流；其三，包容失敗、獎勵創新的試錯?化；其四，扁平、具備閉環能?的敏捷團隊。

書中案例美圖，是這一模式的標準樣本。它在內部孵化AI創新?作室，保持?團隊、閉環敏捷、直?市場，同時??系列AI中臺建設，確保AI能?“像?來??樣隨時取?”。?團隊負責貼著市場快速試錯，中臺負責把每?次試錯的成本壓到?夠低——這正是亞?遜“每年試1000多個項?、死掉?半也不?疼”那套邏輯的中國翻版：創新很多時候會失敗，所以真正的功夫不在?勵創新，?在把創新失敗的成本降到最低。

理想則給出了最有沖擊?的數字注腳：未來5年營收可能增?10倍，??員規模最多控制在1.5倍。理想的挑戰之處是，它需兼容傳統硬件的流程化管理與互聯?的?才密集兩套模式，李想的答案不是“?國兩制”，?是?“AI?密度打法去兼容傳統汽??業的做法”，靠AI?才去調動?業?已經沉淀的?量流程與?具。

但對那些結構穩定、偏線下、專業性極?的成熟組織（?如和睦家這樣的臨床科研機構），創始人吳啟楠給出了另一種解法，繞開成熟業務，另設探索性的獨?新公司、?創業?團隊的?式去做。他最擔?的不是?向選錯，?是“等我們改完，世界都變了”。

而像書中提到的AI原生企業如Manus、樂奇、強腦科技，都重在建構人與AI的共生組織，創始人的極客精神與愿景驅動，與AI的增強與放大效應結合，形成了由極強創造力的超級個體融合而成的超級組織。

四個環?下來，每?環的答案，最終都會收斂到同?個變量。即第五環的變?領導?。

03

CEO的轉身：信念?認知更重要，因為“先相信才能看?”

變革領導力，確實事關企業的?死：變革的成敗，誰來扛？

楊國安在書中有明確的回答：在AI時代，CEO注定要直?更多決斷和取舍。也許在數字化階段，CEO還能把決定權和責任更多地交給CTO、CIO；但在AI時代，因為AI往往需要?額投?，牽扯?、事、利益的?幅變動，這些事只能由企業一號位決定。

他把變?領導?拆成三個遞進的特質：洞察、信念、堅韌。

洞察，來?兩個?向?質量信息的交匯，對技術趨勢的理解，與對產業痛點、?戶未滿?需求的理解。只有在這個交匯處，才可能涌現出洞?。楊國安調研的8家AI領先企業，?號位??例外?度重視AI、花?量精?學習AI。最讓他印象深刻的是?途的陳向東：在推動變?的兩三年?，他向國內外超過600名AI相關的企業家、技術?才、投資?請教，這個極致的求真過程，最終讓他不再對AI感到焦慮和恐懼。

但楊國安話鋒?轉，點出了?洞察更稀缺的東?——信念：

“AI時代，信念更為重要。因為對AI的投?，是?常典型的‘先相信才能看?’的事。”

這句話值得反復咀嚼。我們這個時代崇拜“看?才相信”，要數據、要ROI、要確定性。可AI轉型的殘酷之處是，未來太不確定，你只有“先相信，才能看?”。你必須在還看不到產出的?暗期?，敢于投?資源和時間，押注??相信的?向；甚至敢于放棄那些看起來也很好，但和未來?向相悖的舊業務。

堅韌，回應的則是另?個問題：在選定的路上遇到阻?，你能不能頂住壓?繼續前進？所有的企業變?都要承受陣痛。美的董事??洪波從2013年起推動數字化轉型，每個項?投??億、??億。到2017年，他坦???也曾困惑——“數字化都是隱形的東?，?法以?眼去判斷，以經驗去判斷”，這種未知感讓他焦慮。但他說，?把?的任務就是“推動、決策、不斷往前推”，“有時候就是???，???突破了、頂住了，可能就是??新的天地”。

李想在AI變革中，也展現出一位創始人的堅韌，他在書中講道：“我最艱難的決策是到底怎么投資算力。它在短期并不會直接帶來商業回報，但花的錢非常多。但如果不投資，你會發現AI是根本不可能做出來的”，“我如果不投60億元，只投20億元，雖然會多出40億元利潤，可能在股市上表現會更好，但是（智能）就可能永遠停在猴子的階段，進化不到人了。”

值得玩味的是，給出“信念論”的楊國安??，正是?個“先相信才能看?”的活樣本。他出身?港貧?窟，???歲就?下10年計劃，從中學到博?每年靠獎學金得以繼續學業，然后選擇出國讀博，直至成名成家，都在朝著?個當時還看不?的終點在努?。這個???在證明“信念先于看?”的?，來告訴企業家信念、堅韌?認知更重要，這本身就是有力量的。

04

“加號與指數”：讓“改善”無法偽裝成“變革”

楊斌教授的解讀，從一個尖銳的思考坐標開始。

去年全國兩會之后，“AI+”被寫進大量政策文件，成為國家戰略。楊斌卻擔心另一種誤讀，“AI+”一旦進入企業家的心智，容易誤以為：把AI當成一種較成熟、好用的工具引進來，企業不必大改大革，就能降本增效甚至順手創新，“這是錯誤的想象”。

（楊斌教授在《智在未來》新書發布會上講述“AI次方”組織變革理論）

其實早在2025年的π日（3月14日），楊斌就寫下《不是AI+，AI該放在指數位置上》，提出“AI次方”理論：把AI放到指數位上，把組織放到底數位上。他特別強調，“AI次方”的要害不在渲染AI的指數級威力，而在于——一旦AI進入指數位，它會“倒逼”底數上的那個組織發生質變。這個質變不是改善（improvement），而是重新設計（reinvention）。

加號與指數的分野，由此清晰：“AI+”背后是一種“操之在我”的中年心態——我不需要變，我只需要把技術拿來為我所用；而“AI次方”則意味著資源的再分配、組織的重寫。優化客服、自動化報表、輔助寫代碼，都屬于“AI+”，它在不觸動核心業務邏輯與權力結構的前提下提效降本，安全、可控，完美滿足中年組織對確定性的期待。打個比方，“AI+”是給馬車換上更輕的輪子，“AI次方”是從零開始造一輛汽車。AI次方，讓“改善”無法偽裝成“變革”。

楊斌打了一個比方，一個成熟的組織，往往活得像個體面的中年人：追求穩定，厭惡風險，信仰可預測的線性增長，每一塊肌肉都刻著對既有流程和權力結構的本能捍衛。而迎面撞上它的AI，尤其是生成式AI，正處在莽撞的青春期：帶著不守規矩的野性活力，進化不是平滑曲線，而是突變與涌現。中年的組織心智，撞上青春期的技術活力，構成了AI時代企業變革的關鍵張力。

05

50年前的幾段舊事，與一個思想實驗

跟著楊斌的視角，把鏡頭拉到一段50年前的舊事。

1975年，柯達一位身處邊緣電子部門的工程師薩森（Steve Sasson），用剛問世不久的光電技術，做出了人類歷史上第一臺數碼相機的原型；1976年7月，這位入職僅一年多的年輕人向公司高層演示了他的“無膠卷相機”（filmless camera）。2009年，他被奧巴馬授予“美國國家技術獎”，這是美國技術領域的最高榮譽；而柯達這家“大寫”的組織，卻沒能讓這項發明在自己體內長大，反而任由它成為讓自身相機與膠卷業務出局的起因。

楊斌為此設計過一個“反事實商業史”的思想實驗：假如1976年薩森演示原型機之后，柯達在遠離總部處（比如利用在日本收購的一家公司）組建起一個預算獨立的數字研發平臺，不必聲張“無膠卷攝影”的顛覆愿景，卻默默同步布局CCD成像、數字存儲與回放探索——歷史會不會改寫？這個思想實驗的要害在于：顛覆性創新未必需要總部的全面共識，但一定需要一塊被保護起來的“邊域”。柯達輸掉的不是技術，而是為技術留一塊自留地的組織想象力。

這一思想實驗，在技術與商業創新史上有不少可驗證的案例。現在被稱為人類技術皇冠的阿斯麥極紫外光刻機，就是在這樣的邊緣中誕生的。20世紀70年代阿斯麥成立時，飛利浦僅投入30萬美元現金，團隊僅30余人，辦公地點在飛利浦總部外一個漏雨的簡易工棚里，被外界視為“飛利浦的棄兒”。當年誰會想到它的今天？

無獨有偶，2007年的奈飛（Netflix）面對流媒體沖擊，必須決定要不要把自己“從大寫變成小寫”。今天我們知道結局：奈飛敢于質疑自己起家的共識“DVD=未來”，選擇革自己的舊命，才有了流媒體巨頭的新機。但在當時，那個抉擇的艱難，不亞于柯達的掙扎。類似的“破執”時刻，商業史上也并不罕見：微軟質疑過“Windows=核心”，才有云時代的再造；谷歌如今必須質疑“搜索=一切”。

06

“AI次方變革”五步，與“組織的中年”病理

那么如何進一步理解變革烈度更大的“AI次方變革呢？”。楊斌把它拆成五步：

第一步，底數上的組織（X），先要從“大寫”變成“小寫”。已有一套行之有效成熟打法的組織，很難質變，必須先把自己變小、坐直；

第二步，unlearn（刻意把舊能力歸零），亦即“破執”，這是組織進入中年之后還要刻意訓練才能掌握的技能。破執有三個動作：識別執念——搞清楚自己的核心執念究竟是經驗執念、身份執念還是價值執念；質疑共識——敢于對“理所當然”提出疑問；回歸本質——剝離形式與表象，重新逼問企業存在的核心價值到底是什么；

第三步，把小寫的x變成α，像理想汽車那樣“從未來反推現在”；

第四步，rewire（重新連接），把過去頻繁交互固化下來的連接打開、重新集結，商業模式、組織模式、心智模式一起重構；

第五步，新物種α′涌現。而再過一段時間，α′又會變回某種“大寫的X”，周而復始，持續變革。

為什么第一步、第二步這么難？因為攔在前面的，正是楊斌所說的“組織的中年”。他對這種狀態有一套精細的“病理學”描述：

它不同于“大企業病”，也不同于“在位者窘境”，并非只有巨頭或在位者才會得，其本質是一種“習得性保持正常”，有四個典型癥狀——即期績效導向，要擔當、要表現、要出活；與主流保持一致，偏好秩序與共識、不能跳脫；線性穩進，重視改善、厭惡例外；認知窄化，基于信任獲得反饋，回路自我增強，路越走越窄。

組織的中年不是年齡問題，而是心態問題。一家公司可以年輕得很傲慢，也可以年長得很謙卑。要擺脫“組織的中年”，就要看一號位的心態，有沒有勇氣把自己親手締造的那套成功邏輯，當眾否定掉。

07

“流人”出奇，“邊域”創新

楊斌提醒，不要忽視在變革中容易出現的認知誤區，比如將來一次次讓我們大跌眼鏡的，可能不是成熟大公司的明星產品，而是初創公司甚至個體開發者的“研究預覽”型作品。

如風靡一時的開源AI Agent平臺OpenClaw，就出自程序員個體之手。創始人Peter Steinberger本以為大公司一定會做這個東西，結果沒有。他在一檔播客中說出了其中的原因：“Because they all take themselves too serious(ly)... I wanted it to be fun, I wanted it to be weird.（因為他們都太把自己當回事了……而我只想做個好玩的、奇怪的東西。）”

當你成了上市公司、業務牽一發動全身，推一個新產品要顧及安全與全局，遠比光腳的初創公司沉重。楊斌甚至斷言：越是互聯網時代的成功者，越要小心自身的成功經驗與底層邏輯，可能剛好成為AI變革的障礙。不揚棄過去的自己，就會犯“用舊地圖去尋找新大陸”的錯誤。

基于這樣的觀察，楊斌給企業AI組織變革的方向是八個字：流人出奇，邊域創新。

“流人”的意象，來自英劇《流人》（Slow Horses）。在劇中，英國軍情五處的總部與流人所蜷縮的斯勞屋面貌迥異：總部代表著光鮮與權力中心；斯勞屋則象征著破敗與邊緣化。但耐人尋味之處在于——總部野心昭彰、照章辦事、個體可以被犧牲掉，決策失誤被掩飾掉；而斯勞屋里那些被主流嫌棄的“棄子”，反而掙扎求索、不拘一格，各有個性，最終各擅勝場。

放到組織語境下，“流人”就是那些想法超前、不被理解、游離于核心權力圈之外的個體；“邊域”則是容納這些流人的“法外之地”——可能是一個不受重視的創新項目、一個擁有高度自治權的實驗室，甚至一個松散的開源社區。在那里，不受企業既有規則的束縛，主流KPI和僵化流程失效，探索和試錯被默許，甚至被鼓勵。

為什么突破性創新總誕生在這里？因為組織的核心地帶本質上是一個“共識熔爐”：為了維持穩定和效率，它會無情過濾掉所有不確定、不合群的異質性想法；而邊域恰恰相反，它保護了異質性，讓非共識的種子得以發芽。回頭看，薩森當年所在的柯達邊緣電子部門，正是一塊沒有被善待的“邊域”；今天那些讓大公司大跌眼鏡的“研究預覽”型作品，也幾乎無一例外誕生在主流視野之外。

08

涌現，是“放”出來的

所以，真正的涌現，往往不來自一號位的要求，而是來自一號位某種程度的“放任”——刻意鼓勵試錯、包容失敗，允許邊緣與多樣性的存在。“涌現”不是“指哪兒打哪兒、打哪兒贏哪兒”的線性過程，而是往往依賴不同部分碰撞出的可能性智慧。

這是因為，AI技術仍在高速發展與變化中，組織的未來生意和未來的組織形態，仍是“未知的未知”（unknown unknowns），你無法為它制訂周密計劃。更好的做法，是借鑒“流人”與“邊域”：讓自發的“AI原生”小分隊（流人），自驅地去創建AI原生的新業務（邊域）；讓一千朵花開放，忍受住某種失控，不著急收斂修剪。你并不知道未來會是什么樣子，就要更好奇、更包容，讓新認知、新組織在生成式涌現的變革中自己長出來。

這背后，是組織變革的操作系統的切換：從“控制”（Control）切換到“情境”（Context）。這本是奈飛提出的管理哲學——給員工足夠的上下文（戰略目標、市場環境、挑戰與假設），然后相信他們能做出正確決策，而不是用嚴密的流程和審批摁住他們。

在AI時代，它從一種“軟”的文化倡導變成了“硬”的工程原則：與AI協作的本質就是提供Context，我們無法也不必控制模型內部億萬參數的激活方式，能做的只是構建足夠豐富的上下文，讓涌現發生。

從這個視角看，“邊域”正是組織里最大、最自由的Context，“流人”是最善于利用Context進行創造的行動者，而層層審批的科層制，則是Control的極致——靠切斷信息流、割裂上下文來維持權力的穩定。如果一個組織的工作流與AI的“思考”模式背道而馳，它就不可能真正釋放AI的指數級潛力。

當然，“放”不等于甩手。一號位仍要做那個下注的人：不能對Token投入背太重的現實包袱，必須有“下注（bet）的勇氣”，讓團隊去試、去自由研究。支撐這份勇氣的，是楊斌所說的五種底層“心件”——成長型思維、無限游戲、赤子態、木雞態、從心慢。說到底，“AI次方變革”考驗的不是技術采購能力，而是一號位的使命、心力與品位。

由此也可看到，“楊五環2.0”聚焦于AI時代下要建什么、建多深，需要什么樣的架構與節奏，更多是幫助企業家達成變革的確定性；而楊斌的“AI次方變革”與“組織的中年”，是提醒企業勢在必變，并點出變革難在哪里——難在把成熟組織變小，以未來反推當下，否定過時的自我，在“邊域”中養出“流人”，在放任中等待涌現，重構新認知、新組織。但這兩位楊教授也有一致共識，即他們都認為AI變革的成功關鍵，是一號位（CEO）的信念與勇氣，以及那份“非如此不可”的熱愛。