戰(zhàn)略專家曾鳴：很多AI只是在干活，并沒有真正為結(jié)果負(fù)責(zé)

先想象一個(gè)場(chǎng)景。

你買了一輛車，開了五年。五年過去，你的駕駛技術(shù)越來越熟練，可車還是那輛車。它不會(huì)因?yàn)槟汩_得更多就變得更好，相反，零件會(huì)磨損，動(dòng)力會(huì)下降，漆面會(huì)老化，故障隱患也會(huì)越來越多。你積累的那些經(jīng)驗(yàn)，比如雨天怎么剎車、山路怎么過彎，都留在了你的腦子里，和這輛車沒有關(guān)系。

過去幾百年，我們熟悉的世界大多是這樣子：幾乎所有東西都是越用越舊的。機(jī)器會(huì)磨損，人會(huì)疲勞，公司做大了也常常變得遲緩。用曾鳴書院創(chuàng)始人、阿里巴巴集團(tuán)前總參謀長(zhǎng)曾鳴的話說，在過去，增長(zhǎng)往往意味著消耗。

但現(xiàn)在，有一類東西反過來了：它越用越強(qiáng)。

在新書《智能：AI時(shí)代的商業(yè)、組織與戰(zhàn)略的本質(zhì)》里，曾鳴討論的正是這個(gè)變化：當(dāng)AI技術(shù)繼續(xù)高速發(fā)展，商業(yè)、組織和戰(zhàn)略這些最重要的領(lǐng)域，會(huì)發(fā)生什么根本性的變化？

這本書是他繼《智能商業(yè)》《智能戰(zhàn)略》之后，面對(duì)AI時(shí)代的一次集中思考，他試圖從第一性原理出發(fā)，去推演未來商業(yè)世界背后的底層規(guī)律。

《智能：AI時(shí)代的商業(yè)、組織與戰(zhàn)略的本質(zhì)》

曾鳴 著

2026年6月

點(diǎn)擊書封，即可購(gòu)買

同樣一輛車，特斯拉為什么不一樣

還是回到車的例子。

特斯拉的自動(dòng)駕駛，和前面那輛普通汽車最大的不同在于：車賣出去之后，并沒有停止成長(zhǎng)。每一輛特斯拉在真實(shí)道路上跑過的每一段路，遇到的復(fù)雜路況、極端天氣、邊界場(chǎng)景和異常情況，都可能變成數(shù)據(jù)，反饋回系統(tǒng)，用來訓(xùn)練模型、優(yōu)化策略。也就是說，你每開一次車，不只是用車，也是在幫這個(gè)系統(tǒng)變得更聰明。

曾鳴把這種機(jī)制稱為“智能復(fù)利”。一個(gè)系統(tǒng)干的活越多，見過的場(chǎng)景就越多，獲得的反饋也越多。這些反饋會(huì)繼續(xù)優(yōu)化系統(tǒng)，讓它能力變強(qiáng)。系統(tǒng)越強(qiáng)，就越能處理更復(fù)雜的任務(wù)，也能獲得質(zhì)量更高的反饋。這個(gè)循環(huán)一旦跑起來，能力就會(huì)像利息一樣不斷累積。

在曾鳴看來，這正是AI時(shí)代最重要的底層機(jī)制之一。工業(yè)時(shí)代有規(guī)模經(jīng)濟(jì)，規(guī)模越大，成本越低；互聯(lián)網(wǎng)時(shí)代有網(wǎng)絡(luò)效應(yīng)，使用的人越多，網(wǎng)絡(luò)越有價(jià)值；到了AI時(shí)代，對(duì)應(yīng)的就是智能復(fù)利：用得越多，系統(tǒng)自己越強(qiáng)。過去，增長(zhǎng)常常只是結(jié)果?，F(xiàn)在，增長(zhǎng)本身也可能反過來增強(qiáng)能力。

越用越強(qiáng)，不等于一定能贏

不過，智能復(fù)利能創(chuàng)造價(jià)值，并不等于企業(yè)一定能建立競(jìng)爭(zhēng)優(yōu)勢(shì)。曾鳴特別提醒，系統(tǒng)變強(qiáng)和企業(yè)甩開對(duì)手，是兩回事。

在那些簡(jiǎn)單、標(biāo)準(zhǔn)、誰(shuí)都能做的任務(wù)上，大家其實(shí)會(huì)一起進(jìn)步。你在變強(qiáng)，對(duì)手也在變強(qiáng)，最后差距很難拉開，競(jìng)爭(zhēng)又會(huì)回到拼價(jià)格、拼補(bǔ)貼的老路上。

真正能拉開差距的，是復(fù)雜任務(wù)。

復(fù)雜任務(wù)很看重長(zhǎng)期積累的經(jīng)驗(yàn)。一個(gè)系統(tǒng)過去踩過哪些坑、犯過什么錯(cuò)、在困難情況下怎么權(quán)衡，這些都會(huì)影響它之后的表現(xiàn)。對(duì)于一個(gè)系統(tǒng)來說，這些都是無法直接復(fù)制的經(jīng)驗(yàn)。當(dāng)能力差距大到會(huì)影響“這件事到底交給誰(shuí)”時(shí)，事情就變了：人們會(huì)把最重要、最難的任務(wù)交給那個(gè)更可靠的系統(tǒng)。越難的任務(wù)，帶來的反饋越有價(jià)值；反饋又讓系統(tǒng)更強(qiáng)；更強(qiáng)之后，它會(huì)繼續(xù)吸引更多關(guān)鍵任務(wù)。

曾鳴把這種滾雪球式的優(yōu)勢(shì)增長(zhǎng)稱為“黑洞效應(yīng)”：一旦突破臨界點(diǎn)，領(lǐng)先優(yōu)勢(shì)就會(huì)不斷放大。你與其說是在和某一家公司競(jìng)爭(zhēng)，倒不如說是在和整個(gè)生態(tài)的流向競(jìng)爭(zhēng)。因?yàn)閺?fù)雜任務(wù)高度依賴一步步走過來的經(jīng)驗(yàn)，后來者即使拿到同樣的數(shù)據(jù)，如果沒有經(jīng)歷過同樣的過程，也很難復(fù)制出同樣的能力。所以在AI時(shí)代，領(lǐng)先一步，往往就意味著領(lǐng)先一個(gè)階段。

為什么很多公司用了AI，卻沒見變強(qiáng)？

智能復(fù)利聽起來很有吸引力，但回到現(xiàn)實(shí)，我們會(huì)發(fā)現(xiàn)，真正“越用越強(qiáng)”的系統(tǒng)并不多。很多公司明明已經(jīng)接入AI、上線智能客服、做了自動(dòng)化流程，可組織能力并沒有明顯提升。

問題出在哪？曾鳴的回答是：很多AI只是在干活，并沒有真正為結(jié)果負(fù)責(zé)。

以AI客服為例，回答訂單查詢、物流狀態(tài)、退款規(guī)則這類標(biāo)準(zhǔn)問題，它通常沒什么問題。但一旦遇到規(guī)則沖突、異常情況，或者用戶帶著情緒來溝通，系統(tǒng)就很容易出錯(cuò)。這時(shí)企業(yè)只能安排真人在旁邊盯著，隨時(shí)檢查、糾正，甚至直接接管。看起來是AI在處理任務(wù)，真正兜底的還是人。

兩方面的問題隨之出現(xiàn)。一是規(guī)模做不大，因?yàn)槊總€(gè)任務(wù)都要人盯著，AI處理得越多，需要看著的人也越多。更關(guān)鍵的是，AI拿不到完整、真實(shí)的反饋。它看到的，往往是被人工篩過、改過的結(jié)果。它沒有機(jī)會(huì)從頭到尾看清一件事是怎么出錯(cuò)的，用戶真實(shí)反應(yīng)是什么，最后結(jié)果又是怎樣發(fā)生的。一旦“行動(dòng)-結(jié)果-反饋”這個(gè)閉環(huán)斷掉，智能復(fù)利就無法真正運(yùn)轉(zhuǎn)起來。

所以曾鳴認(rèn)為，真正的關(guān)鍵轉(zhuǎn)折，是AI能不能從“人替它兜底”，走向“它自己對(duì)結(jié)果負(fù)責(zé)”。這是搭建智能系統(tǒng)時(shí)最難邁過去的一道關(guān)。只有當(dāng)企業(yè)敢把一部分結(jié)果責(zé)任交給系統(tǒng)，任務(wù)規(guī)模才可能做大；任務(wù)做大了，真實(shí)反饋才會(huì)不斷涌入；有了反饋，智能復(fù)利的飛輪才可能真正啟動(dòng)。

這也提醒企業(yè)重新看待增長(zhǎng)。收入、市場(chǎng)份額、日活這些數(shù)字，正在從“原因”變成“結(jié)果”。真正重要的問題，是你的系統(tǒng)有沒有形成一個(gè)能自己跑起來的完整任務(wù)閉環(huán)。

從“千人千面”到“一人千面”

曾鳴把商業(yè)的演變分成三段。工業(yè)時(shí)代是“千人一面”，供給有限，一款產(chǎn)品賣給盡可能多的人，可口可樂、麥當(dāng)勞這樣的標(biāo)準(zhǔn)化商品和服務(wù)都是這個(gè)邏輯。互聯(lián)網(wǎng)時(shí)代是“千人千面”，平臺(tái)通過推薦系統(tǒng)把人分成不同類型，再把更合適的內(nèi)容、商品和服務(wù)推給他們。到了AI時(shí)代，曾鳴認(rèn)為商業(yè)會(huì)進(jìn)一步走向“一人千面”：商業(yè)系統(tǒng)不再只是判斷“你是哪類人”，而是開始理解“你當(dāng)下到底想解決什么問題”。

從類型到問題，關(guān)鍵的區(qū)別在于：一個(gè)人的行為看得見，但他真正的意圖往往藏在背后。

書里舉了一個(gè)例子。一個(gè)人反復(fù)看兒童繪本，從行為數(shù)據(jù)看，標(biāo)簽很清晰，就是對(duì)童書感興趣?？伤麨槭裁纯?？可能是剛當(dāng)上爸爸，想培養(yǎng)孩子的閱讀習(xí)慣；可能是要給朋友的孩子挑禮物；也可能是打算做童書生意，正在摸行情。行為看起來差不多，背后要解決的問題卻完全不同。

過去的商業(yè)模式只能推測(cè)“你大概是哪類人”，然后給你推一堆繪本。AI第一次有機(jī)會(huì)通過一次次深入互動(dòng)，真正理解你要解決的具體問題。正如《智能》中一書中所言，“誰(shuí)定義了需求，誰(shuí)就定義了市場(chǎng)”，當(dāng)需求和供給都能被實(shí)時(shí)生成，商業(yè)比拼的重點(diǎn)也會(huì)變化，不再只是占有多少資源，而是能不能把資源組織起來，持續(xù)滿足真實(shí)需求。

更深層次的變革：組織和戰(zhàn)略

AI對(duì)商業(yè)模式的沖擊，最終會(huì)引發(fā)兩個(gè)更根本性的變革。

變革之一在于組織。曾鳴提出了一個(gè)很現(xiàn)實(shí)的問題：為什么AI明明讓每個(gè)人都變強(qiáng)了，可組織卻常常沒跟上，還是層層開會(huì)、反復(fù)匯報(bào)、跨部門扯皮？在他看來，我們今天熟悉的公司制度，本來就是工業(yè)時(shí)代的產(chǎn)物。它的目標(biāo)，是讓一大群人高效執(zhí)行既定答案。但相比于執(zhí)行，AI最擅長(zhǎng)的其實(shí)是不斷生成新的解法。它還接手了很多過去靠中層完成的信息整理和協(xié)調(diào)工作。這樣一來，組織最重要的能力，就從能高效執(zhí)行躍遷為能不斷形成新的理解。未來的競(jìng)爭(zhēng)，很可能會(huì)變成組織和組織之間的智能高下。

變革之二在于戰(zhàn)略。有些公司看起來戰(zhàn)略特別清晰、規(guī)劃特別完整，反而更容易被變化打個(gè)措手不及。美國(guó)在線教育平臺(tái)Chegg就是一個(gè)典型例子。它長(zhǎng)期定位于學(xué)生學(xué)習(xí)支持市場(chǎng)，用戶群體清楚，訂閱模式穩(wěn)定，從傳統(tǒng)戰(zhàn)略眼光看，幾乎挑不出大問題。但生成式AI出現(xiàn)后，學(xué)生獲取知識(shí)的方式發(fā)生了根本變化。原來依賴的“內(nèi)容供給+訂閱服務(wù)”模式，在短時(shí)間內(nèi)失去了吸引力。

Chegg并非沒有戰(zhàn)略，但它的戰(zhàn)略建立在以下前提上：學(xué)生獲取知識(shí)的方式不會(huì)發(fā)生結(jié)構(gòu)性變化。當(dāng)前提被瓦解，再嚴(yán)密的戰(zhàn)略也會(huì)隨之失效。

反過來看，OpenAI和亞馬遜AWS的很多關(guān)鍵路徑，也并不是一開始就完全規(guī)劃好的，恰恰是在不斷行動(dòng)、反饋和調(diào)整中長(zhǎng)出來的。

于是曾鳴給戰(zhàn)略下了一個(gè)新的定義：戰(zhàn)略不是先制定好再執(zhí)行，而是在持續(xù)行動(dòng)中生成的。相較于手里有一個(gè)好戰(zhàn)略，真正厲害的公司，在于其擁有一套能不斷生成好戰(zhàn)略的機(jī)制。

我們正在進(jìn)入的，不只是一個(gè)新技術(shù)時(shí)代

在這些變化的背后，曾鳴看到的是同一件事：世界正在從依靠固定結(jié)構(gòu)運(yùn)轉(zhuǎn)，轉(zhuǎn)向在不斷的生成中自我增長(zhǎng)和創(chuàng)造。

由此他給出了一個(gè)更大的判斷：AI是人類第一次去創(chuàng)造智能本身。過去所有商業(yè)制度、組織和管理理論，其實(shí)都默認(rèn)了一個(gè)前提：人是這個(gè)世界上唯一會(huì)思考、會(huì)創(chuàng)造的主體。而AI的出現(xiàn)，第一次讓這個(gè)前提松動(dòng)了。

當(dāng)然，曾鳴也在書中提醒，這些思考都是面向未來的推演，真實(shí)世界只會(huì)比任何預(yù)測(cè)都更復(fù)雜?！吨悄堋窙]有給出某個(gè)確定的答案，它所提供的是一組坐標(biāo)，以幫助我們理解眼前這些混沌變化。在一個(gè)沒人能準(zhǔn)確預(yù)言未來的時(shí)代，理解變化背后的底層邏輯，或許本身就是參與未來的起點(diǎn)。

正如本書結(jié)尾的那句話：過去，創(chuàng)業(yè)者是在一個(gè)既有世界中尋找機(jī)會(huì)；今天，越來越多的人開始參與一個(gè)新世界本身的生成。

阿里巴巴曾鳴重磅新作

深入探討智能時(shí)代的商業(yè)、組織與戰(zhàn)略

看清未來十年的關(guān)鍵趨勢(shì)

↓更多曾鳴作品↓

-End-

2026.7.12

編輯：閃閃 | 審核：孫小悠