AI 时代的发展趋势与转型

开场：今天讲什么

各位领导好，非常荣幸有机会给大家做这样一个分享。这是我这几年在人工智能方面的一些观察，我觉得可能有一些独特的、关于未来会发生什么的判断——不管是对我们个人，还是对整个产业和社会，可能都会带来一些变化。我讲话语速会快一点，信息量也会大一点，希望通过这一次能把我看到的、未来可能发生的一些变化，跟大家做个分享。这门课的主要内容，也是我在浙大管理学院 MBA 课上讲的东西。

对做管理的人来说，我们需要去了解 AI，不是了解它具体能做哪个工具、哪个技能点，而是 AI 会给我们带来一系列深刻的改变和思维方式上的认知。就像杭州过去十几年互联网的发展一样，回头看，恍如隔世。人工智能接下来几年的变化，又会给我们带来一次全新的冲击。

我看上去比较年轻，其实已经创业第 11 年了。过去十年我做过两个产业，后来在 2021 年和浙大几个老师一起合伙创立了第三家公司——因为在这一波 AI 来之前，我觉得传统产业对我来说已经没什么新机会了。几位老师提出来，人工智能会给设计领域带来很多改变，浙大也储备了不少技术，希望我帮忙一起做产业化应用。结果 2021 年刚开始做，2022 年这个领域就爆发了。所以我今天负责的，就是把人工智能加设计这个方向，跟产业做对接。

我今天从四个部分来讲：第一，先说我们在做什么；从我们做的事情展开，讲我看到的、随着这一代技术变化的过去和未来；当下我们认知和思维的改变；以及可能带来的产业更替。信息量会比较大。因为我们都有小孩，我也会讲到从人工智能推导出来的、教育的变化。

我们在做什么：让不学设计的人也能做专业设计

第一个部分，我们做什么。浙大很有意思，我们原来的老校长潘云鹤院士，其实就是这个方向的带头人。四十年前他硕士毕业的时候，做的就是“用计算机画美术图案”。为什么画美术图案？因为当时杭州的第一大支柱产业是丝绸纺织印染，丝绸需要大量的图案，图案以前都得请美术师傅手工绘画。他既读了设计，又在浙大做计算机和人工智能的研究，就提出来：能不能用计算机替代设计师，画出一些漂亮的图案，给这些产业去用。

他当年把敦煌壁画里的元素提炼出来，用人工智能去做图案的生成，生成完了再交给当时本地一家丝绸印染企业去印刷，这样图案就更多、更丰富。这其实是中国最早的、四十年前就在做的计算机图像生成，也就是今天这一代所谓生成式的人工智能。后来浙大就在这个背景下，先后创立了人工智能、图形学，再到设计学这几个方向。

为什么要做设计这个方向？因为他最后发现，一个图案创作出来，我们不能只看图案本身，更重要的是图案背后承载的文化，和那一层艺术抽象的东西——这就是设计带来的变化。所以他把这三个方向结合到一起。我们最近也在帮他做一个画大型油画的艺术家大模型。我们这个专业，一直沿着他四十年前开始做的这条路走下来：四十年前的人工智能跟现在的算法、性能差异很大，但做的事情是一样的——让人工智能辅助设计师，做出更多、更便宜、更好的设计方案，来支持制造业的发展。

那我们公司为什么叫造物云？我自己做了十年产业之后，觉得只做好一个产品，价值不大。怎么把价值放大？我想，假设有一天，义乌的老板娘也能给她的客户做设计，那我们中国制造业就太可怕了——老板娘能做设计，就意味着她能更好地拿下订单。

今天老板娘为什么做不了设计？因为他没学过设计，不专业。他只知道跟客户沟通、知道客户想要什么。我们这几十年一直在努力的事情，就是怎么让机器更好地理解设计、辅助设计，甚至替代设计师去做这件事——有了它，就能帮助更多不是学设计的人，也做出专业级的设计效果。

举个例子。某个饰品产业带有一家做首饰用品的企业，某 B2B 平台也跟我们说，如果把这样的能力嵌进去，客户一提需求，可能直接就识别了，然后给出图形化的方案让客户挑，客户挑中了就是订单。以前他们怎么做？要找人画图，画完打样，打样后拍摄，拍摄后做画册，再去参加展览会、做个展厅让客户来挑。而这几年的技术变化，可以建模、渲染、做虚拟的方案。

前几年讲元宇宙，是说我可以在里面看到更多虚拟仿真；但我们看到的变化是：AI 会改变全产业链的流程。怎么改变？就是让造一个东西变得——你只要想得到、看得到，就能做得到。中国制造的能力，其实只要看到效果图大家基本都能做出来，难就难在不知道客户想要什么，得做很多方案反复跟客户沟通。所以这个能力不只是研发能力，更是带来业务增长的能力。

我为什么有执念要做这件事？因为我家是温州的。我学了设计专业之后，反而帮不上家里——我们学的设计对他们来说太高端，他们做的是小五金、水龙头里的小修小改，我又看不上。本质上我没能反哺家乡的那个产业，可他们的制造水平、工艺其实都很好，只是面临很严重的同质化。问题在于：他们舍不得花三万、五万去做一个设计，而找我做设计起码要十几万、三十万，制造业花不起。但如果能把“邱懿武”变成一个虚拟的、有这个能力的人，哪怕一百多块钱就能给你干活——这就是人工智能能帮到的地方。

这种产业带很多。有些产业带以前都是靠抄，这几年发达国家又通过全球化的品牌去收割全世界。制造能力提升之后，我们很多产业带赚的是微利，舍不得花三五万去尝试做设计。比如某炊具小家电龙头，每年在设计上花将近一千多万，所以它才能成为今天的样子。但更多做小家电的中小企业舍不得花三万块钱做设计——有没有办法让他用更低的成本先尝到甜头？这其实就能拉平我们的制造业跟全世界品牌之间的差距。

人工智能就能扮演这个角色：不是让邱懿武去给他打工，而是让“AI 邱懿武”给他们打工。这样这些企业的门槛就会降下来。

所以我们在帮一些大企业做设计数字化的改造。设计数字化，是制造业里新品开发、上新、和市场沟通非常重要的一个环节。比如帮某大型家电企业、某羽绒服龙头，还有接下来一些服装企业，去构建半自动化的数字化设计系统流程。这就是我们这家公司在做的事情。

AI 来了之后，这几年我也跟很多企业上过课，在浙大也讲。其实 AI 对我自己的冲击也很大。在这一代 AI 没来的时候，我对它的认知没那么深刻，觉得可能就是个能提高效率的计算机算法。但这几年 ChatGPT 激发了智能的涌现之后，让我们看到了一系列的变化。

电机的寓言：新技术要叠加组织变革，生产力才释放

我跟很多企业做咨询的过程中，慢慢感受到一个结论：现在的传统企业，几乎转型不了。为什么转型不了？思维不换，就永远转不了。这背后有个很重要的原因，是我看到一个历史故事之后才想通的——我做了一些公司的顾问，常常看到老板想推，却推不动公司里一些流程的变化。

电机刚出现的时候，前面三十年用在工厂里，并没有显著提升效率。这是前年斯坦福上课时，一位科技公司的高管做了演讲，讲完之后斯坦福的教授讲的一个故事：一种新的生产力出现的时候，为什么前三十年没带来变化？看看以前杭州的丝绸工厂就明白了——老工厂原来是烧煤的蒸汽锅炉在那儿烧，把蒸汽、把动力拉出来，所有的生产都围绕这一条动力线展开。

后来有了电力，工厂把动力换成电机，换完之后老板说：效率好像也没提升，没法量化。一直到三十年之后，大家才开始问：我为什么要用一个这么大的电机？为什么不把电机做小、做成分布式的电力和分布式的电机？有了分布式电机，组织结构突然就变了——以前大家围着一条产线干，现在分工，你干 A 线、他干 B 线、他干 C 线，最后总装。这就是一个新技术叠加组织变化之后，所带来的生产力改变。

这几年我给很多企业做咨询，为什么改变不了？老板有战略意识，也改变不了，原因就是组织结构固化在那里。AI 本质上是冲击人的，人固化在那里，组织改不掉、流程改不掉，AI 的效率就发挥不出来——人，才是限制 AI 产能最主要的瓶颈。

再看今天的自动化流水线改造：假设从头到尾全是自动化，只要中间有一个人站在那里忙不过来，整个自动化就会瘫痪。而今天的 AI 要做的，是“人脑的自动化”。所以很多企业难转型，原因就是组织结构、生产流程没发生变化，效率自然有限。大企业为什么往往只能小修小补、做不了大改革？其实就是流程、组织这些不变，那确实很难变。

而同时我们又看到：未来十年、二十年，中国科技真的是大爆发，而且是很多科技要素叠加在一起——不仅仅是人工智能，还包括未来的量子计算、可控核聚变这样的能源，加上计算、通信。这么多科技叠加在一起，未来到底会变成什么样？这必须要发挥我们极大的想象力。

AI 的本质：四个物理维度

我们现在看上去，社会好像没什么大变化，但你把时间压缩一下，十年、二十年来看，就会发现翻天覆地的变化，因为很多要素已经聚集到这一个点上了。我从七八年前开始看历史，把两三百年的历史压缩一看，能看出明显的节奏：工业革命的关键词是建设投资、固定资产；互联网时代你掌握信息权，数据和用户很重要；到了 AI 时代，我觉得关键词会变成“每天的进化”——既要有算法，又要有自动化决策的能力，很多范式会发生巨大改变。

就连“成长”这个词都变了。工业时代的建设是一次投资、十年二十年回本；互联网是每个月、每个礼拜甚至每天迭代；而 AI 是“进化”——有可能很长一段时间不变，但突然一次顿悟、一次突变，就突飞猛进。所以我们人类已经进入了一个人和机器共同进化的时代，而且这个时代可能会维持比较长一段时间。

那 AI 的本质到底是什么？这几年我一直在想这个问题。今年 DeepSeek 出来之后，我过年期间跟它聊了七天，聊完之后好多东西一下子顿悟了。以前我想一些深刻的问题，要花很大的脑容量，或者找人咨询沟通；现在跟这些聪明的 AI 一聊，我自己学习的深度就能变得更深。从物理的角度，我把 AI 本质的变化归成四个点。

一、时间的压缩

以前你想学东西，互联网已经把信息量提升了；但今天你借助大模型，学知识会变得极快，因为说白了没有它不知道的。据说最新发布的一些前沿模型，已经能答出“人类最后的考验”里相当一部分一直没解决的难题，照这个速度，再往后人类最难的那些问题大概都能被 AI 解决掉——这是个大致的判断。这些模型写出来的论文水平，据说已经接近一个普通博士生了。时间就这样被压缩了。

二、空间的折叠

以前你要跨到另一个领域，得从头学别人的知识；现在只要你学习能力好，借助人工智能，就可以把另一个行业的知识能力快速迁移过来。空间就这样被折叠了。

三、能量的跃迁

再叠加上量子计算、脑机接口这些新技术，能量就可以跃迁。想象一下——这是一种比较前沿的设想——假设给脑子装上一块芯片，把最聪明的模型放在你脑子旁边，你的知识就可以被快速地迁移给第二个人。知识能量被快速跃迁，这是第三点。

四、双面性

第四点，AI 还会带来双面性。我尝试用第一性原理去想：地球上出现人的时候，人有七情六欲，会生病，有很多缺陷，但人也有动机、有想象力。人为什么会变成智人？很重要的一点就是有想象力——原始人会想着把两块石头碰一碰，碰出了火，烧熟的东西更好吃、更有营养。

人就是这么靠对未来的想象去创造世界。又比动物聪明一点，用文字、语言把经验知识刻下来，一代一代传递，发明各种工具。到工业革命，大家知识程度到了一个点，能造的东西更多，生产力大爆发，于是有了我们今天生活里所有这些东西，也有了买卖、物流这种商业社会。

但工业化也留下很多不合理的地方。比如椅子、桌子这么设计，把人固化在那儿对着电脑，腰椎痛的一大堆，其实不符合自然规律；近视配镜片，是 25 度一跳的标准，可人眼的差异其实在两度左右，你得去适应那 25 度——这不合理，可为什么满足不了？因为给你单独做一副 198 度的太难了，机器一开得做一大批，备货卖不掉。我自己有个思维习惯：碰到任何一件事，就跳到两百年之前看看是怎么样的，再想两百年之后会怎么样，你就会发现现在很多习以为常的东西，从第一性原理看未必合理。这些工业时代留下来的约束，会随着生产力的变化慢慢被调整。

当万物都有了智能

那假设所有物体、所有机器都具备智能，会发生什么变化？我在家里用宠物来模拟——宠物也有一点情感和小智能，猫没水了、没猫粮了，它哪怕不会说话，也会过来蹭你、把你带过去，给你一个主动的反馈。那回过头看：如果水杯有了智能，它就该根据你喝水的习惯主动提醒你；如果医疗仪器有了智能，那我为什么还要在我和设备之间加一个医生？设备检测完直接给我结果就好。医生过去掌握的是“解读信息”这个权力，当机器能解读时，单纯垄断这个信息权的角色就没什么价值了，医生的角色得重新定位——他得提供机器给不了的人的价值，人和机器的价值会做一些分离。

反过来，如果这个机器会“使坏”、价值观不对呢？这就是双面性。人工智能是带价值观的——它想让你上瘾、想多赚钱，技术上它就能做到。所以它有好的一面，让信息传递更精准、更广泛；也有不好的一面，就是用价值观去影响甚至控制人。作为家长，我自己是会很注意不让小朋友过度沉迷短视频的。

未来的人也会分成两类：一类是“给 AI 加价值的人”，一类是“被 AI 加上去的人”。前者非常考验价值观和创造力，能不能创造出有价值的 AI、有价值的产品；后者可能享受红利和福利，也有可能在不知不觉中被顺从、被改变。

万事万物都会 AI 化

在我看来，接下来万事万物都会进入人工智能的时代。比如我现在每次讲东西都会录下来，录完让 AI 帮我整理，甚至以我第一人称的方式写成一篇文章发出去，已经写得很好了。所以每一页 PPT、每一次讲话都会变得“智能”——不一定真把芯片放进来，而是会议纪要 AI 化之后，知识本身可以互动了。以前的知识传递是死的，现在是活的：你可以问它“他为什么这么讲”“把这个观点迁移到另一个行业，你认为他会怎么讲”，AI 就能做到知识能量的迁移。所以一页 PPT、一段讲话、一本书、一个产品、一个组织、一个人，都会面临 AI 化。

这里还牵出一个更前沿的设想，叫“数字永生”——你想把自己的知识内容传承下去，一千年前靠写书，以后可能就是靠一个属于你自己的模型，被后人继续使用。这是一种比较远的想象，不是说现在就能实现。但有一个我已经亲身体验到的东西：ChatGPT 五月份上线了长期记忆功能。我用了很久之后，有一天让它帮我写一份商业计划书，没给什么提示词，它写出来七八成都超出我的预期。后来才知道是长期记忆在起作用——它把我平时和它工作沟通的过程都记住了，所以知道我的风格、知道我想讲什么。

我当时的第一个判断是：如果一个小朋友从今天起就这么跟 AI 一起成长、合作很多年，以后他的账号是值钱的，因为它独一无二，可以分享给别人。我们公司有同事用另一个账号问同样的问题，写出来质量就不一样。我说两个原因：第一，他对这件事的认知没那么深，问不出足够深的问题；第二，他的账号没有积累我那么多的工作沟通记忆。这就是未来——任何事情本质上都会被大模型智能化，就像今天的电一样无处不在地藏在我们生活里。从地球的视角看，这种智能本质上已经是一个更高维度的存在了。

三代思维框架：碰到任何事，先问三个时代

人工智能现在被讲得很泛了——连大妈都在做 AI 培训，到底什么是 AI？简单说，从算法看，它就是一套解题思路；这一代模型基本都基于一个叫 Transformer 的架构，科学家用大量数据去模拟人的神经网络，从小版本训到大版本，再用海量算力训出全世界最大的模型。模型像什么呢？像一座火电站、水电站，搭好之后就能往外输出电力能量；再往外延伸，就有了各种应用功能点，串成不同的使用场景，分成不同的行业。所以只要是有脑袋的人，一定都跟人工智能相关。

这里我用一个思维框架给大家：每碰到一件事，我会问自己三个问题——它在工业时代是怎么样的？在互联网时代是怎么样的？在 AI 时代又会怎么样？把这三个时代对比着看。因为这三个时代的底层规则很不一样。

工业时代：标准化

过去两百年的工业化，给人最大的改变就是大规模制造和大规模消费。今天几块钱就能买到的玻璃杯，几百年前那种琉璃只有极少数人用得起。工业化背后的范式就是“标准”：我做不了 198 度的镜片，因为要 25 度一个标准；要有规模才有效率，有效率才有分工，才有更大的产值。所以福特用工业化造汽车，好莱坞用工业化做电影，快消品、时装也是工业化。其实今天的大学，是工业化时代的大学；今天很多社会治理，也是工业化的治理。

互联网时代：网络效应

过去二三十年，互联网解决的是信息和连接的效率。以前找信息、传消息很慢，现在检索一下就拿到，物流、信息各方面效率都变了——今天买根玉米，农民可以在田里直播，摘完写上名字寄给你。互联网为什么会产生平台？因为网络效应：使用产生行为，行为产生数据，参与的人越来越多，就有了头部效应，起来一大批平台型公司。比如我们今天离不开微信，就是因为哪怕你不在上面，别人也会把你拉上来。

制造业里也是这样。当年我去找一位知名投资人谈融资时，看过他很多报告，我说我想做的公司跟你的思路一样——我的公司叫造物云（云造），我相信互联网会改变制造。现在毫无疑问，小米用十几年证明了：用互联网快速跟用户沟通做传播，用互联网的组织效率做制造，效率就比传统工业制造高很多。后来它做汽车，我个人判断这会是它最后一次创业，这家公司会变成像三星之于韩国那样的国民级企业——你不一定用它的手机，但多多少少会用它的某一款产品。这本质上就是互联网改造了制造业的效率。（以上是我个人的观点。）

AI 时代：智能反馈

那 AI 又会带来什么变化？会出现一些新词，比如“模型”——它是把人的智慧汇集起来的一个载体，能自动生成、能跟你对话，所以它会像人跟人、人跟宠物之间那样，给你“智能的反馈”。当每个小朋友从小身边都有一个最聪明、价值观又好的 AI 陪着，只要他好奇心足够强，18 岁之前感兴趣的知识其实都能学完。所以知识的“获取”不再那么重要，反而是互动和知识的“深度”越来越重要。

还有一点：当模型像用电一样、成本趋近于零的时候，人们就不再关注成本本身，而是关注它会带来什么新的商业模式。比如当设计成本趋近于零，我就可以不收设计费，免费给客户做大量设计，你选中了，我就赚你制造的钱。商业模式会因此发生很多变化。所以我的思维方式就是：工业、互联网、AI 这三种范式一定不一样，碰到每一件事都拿这三面去照一照。

我会把问题丢给 AI，让它顺着这个逻辑推演，再来判断它说得有没有道理。比如我问：照这个逻辑推演，AI 时代哪些企业能存活、应该具备哪些特征？它给我总结了几个点：数据的结构要全面、要联通；学习能力和知识迁移能力要足够快、足够轻盈；组织结构要更敏捷，人财物的调度要更灵活；最后是战略视野、决策和判断的质量要更高。换句话说，未来的企业，数据要联通、学习要轻盈、组织要敏捷、决策要高质量。

AI 时代的教育：知识贬值之后，什么才重要

我最近给浙大的同学上课，想从第一性原理推演：AI 时代的教育会发生什么变化？我先没有问教育，而是问，按这个逻辑推演，AI 时代哪些企业能存活、要具备哪些特征？它给我总结了几个词，说白了就是：数据要联通，学习能力要轻盈，组织结构要更敏捷，人财物的调度要更灵活，战略视野和决策判断要更高质量。

那人呢？其实是相同的道理。未来的小朋友不要再单一学科了，因为单一学科太容易被迁移了，要的是多学科交叉的知识结构。第一是认知——你有认知，AI 才能给你想要的答案；你没认知，它给了你，你都不知道好不好。第二是迁移能力，也就是学习能力要足够快。第三是抗压能力，现在很多人时间被压得太满，抗压能力偏弱，就不太愿意去做改变。最终都指向一件事：能不能带来对自己的自我迭代，靠认知去提升决策的质量。

那教育到底会怎么变？我想起十几年前我的老师跟我说的一句话——

教书育人，比教书更重要。因为书已经不重要了。

我觉得我的老师带我，其实就像孔子带学生一样。我去查孔子以前怎么带学生，那时候哪有什么人文地理这些学科，教的是怎么做一个更好的人。工业时代为什么做不到？说白了是老师精力不够，管不了那么多学生，没有那么多时间陪伴，只能标准化输出。而 AI 时代，如果老师不是教书，而是去解决同学们认知的问题，这才是老师真正的价值。我让 AI 总结教育的本质，它说了一句我挺认同的话：教育的本质，是构建一个人在真实世界里不断认知、进化的能力。

讲完我自己都很有感触：我们浙大正在做教育改革，新文科、新工科、新商科，每个学科都在拥抱人工智能。我去不同学院上课，有些老师意识到，未来的教育不该是纸上谈兵，要解决真实问题，要有团队合作、项目制、跨学科，不断把想法做出来。我说这不就是二十年前我老师教我的吗？我们设计学科本来就是这样：第一堂课布置任务，中间你自己去干，最后一堂课交作业、点评。实践出真知，你得快速做出来。

所以现在浙大里每个学科改革的方向都差不多：让同学不要坐着听，而是被引导之后去做、去实践，把想法表达出来、做出来；如果你觉得它足够有价值，就带着它去创业，去获得社会的认同。创意、创新、创业，十几年前就该连在一起。所以我看到更深刻的改变，是从教育开始的。

从下学期开始，有位同样推崇这个理念的老师请我开一门课，招一个初中班试试看，用这套教育理念去影响一批初中生。为什么是初中生？因为我觉得在 AI 时代，十五岁的孩子已经具备综合能力了。再往上，反而更难——我把上下都上完课之后发现，很多大学生其实状态并不好。我去浙大上课，有的同学比较沉默、不太回应，我也在想是不是过去几年压力太大、太辛苦了。最怕的是初中这一拨人开始叛逆、不愿意听了，所以这一拨人的改变，可能才是未来教育里最关键的点。

这一点也有现实约束。我跟老师们聊怎么办，大家也很无奈——放在十几年前同班同学之间还能直接说重话，现在不行了，一去投诉，老师评职称都受影响。在那个体系里其实很难改变，我们能做的，只是用一点微薄的力量去启发他，告诉他未来还有更多可能。

AI 不只是工具，它是一个新物种

想完这些我就明白，为什么传统行业特别难改变——思维不换，其实就转型不了。因为大部分人现在还认为 AI 是个工具。但 AI 是一种能力，而且是未来会超越我们人类的更强的能力。人和机器对比，人是很脆弱的，人反而才是 AI 的短板。在位的企业管理者如果不改变组织流程、不改变生产方式、不改变价值网络，是很难重新做起来的。

很多合作伙伴听完课说要跟我合作，我说第一个前提是：从明天起，你拿着笔记本电脑到我办公室来上班。不管你是多大的老板。为什么？因为变化太快了，过一个礼拜我都想不起上个礼拜技术变成什么样。它就像陪伴一样，大家一起办公、一起聊，才能共同进化。

我也发现，企业里上、中、下三层对 AI 的诉求完全不一样。我去很多企业做顾问，老板听了很多很兴奋，但落不了地：上面听我的，下面不配合；我帮下面干，老板又说这只是改了篇文章、没效果。所以 AI 既是一把手工程，也是基层的执行工程，上下游不打通，人就成了限制 AI 能力的关键点。外来的人顶多上上课、做做咨询，真正要落地，还得靠企业内部的人从内而外去做上中下各个流程的改造。

还有一个原因是，每个人对 AI 的想象都不客观：有人觉得它就是个写文字的工具，有人觉得它是五十年后无所不能的东西。其实都片面。我把大家对 AI 的理解分成三个层面：第一，AI 是一个降本增效的工具；第二，AI 是一种能赋能各行各业、各个部门、每一个人的新能力；第三，也是最终极的——

AI 是一个自动化、智能化的新物种。

举个例子，假设自动驾驶的车都能在马路上自动跑了，商业模式就变了：我们不一定需要买车，甚至买来的车带上了金融资产属性——它可能跑两年就回本，你就可以拿它来投资了。一个企业如果能自动化运营，经济模型也会发生巨大调整：几乎不需要人，一个人在那儿管着，就能产生经济效应。

所以人工智能最大的拐点，在 L2 和 L4 之间。L2 是辅助、以人为主导；L4 是以机器为主导。就像自动驾驶，这十年下来，我看美国最新 FSD 的路测数据已经基本达到 L4 的水准，也就是说，方向盘其实可以拿掉了。问题在于：我们到底是站在 L4 看汽车，还是站在 L2 看汽车？这是两种完全不同的视角。

组织结构剧变：六个人的蜂窝小公司

组织里的人也会被不同地影响。高层会保留，因为高层要面对更多不确定性、跨界竞争和风险，需要对 AI 战略有更多判断。中层和基层则会有大量调整——自动化的组织其实不需要那么多人。比如一家出租车公司买了一千台自动驾驶的车，为什么还要那么多管理和司机？可能一个人管一条产线就够了。

所以我判断，未来很多企业会变成三个高管、三个中层，剩下要么是实习生、要么是机器人，六个人的公司就能产生很大的经济效应，一个个像蜂窝那样的小模块。而基层最需要主动改变，让自己成为去建设、去改造 AI 流程的那种人。

最近有个实习生让我感触特别大。我师姐有个学生，浙大考研没考上要找工作，问能不能来我这儿，我说好，没面试就来了。来了问做什么，我说我也不知道，你先适应一下，给她看了几张我们怎么做的表格。结果她只花三天，生产效率就比我们原来的设计师高很多，我根本不用教她怎么用工具。后来才想明白：她读大二时我们去学校给他们上过 AI 课，再加上师姐带，她大二到大四其实就是 AI 时代的原生一代。

现在变成我只要给她提个目标，反而能从这些 00 后身上学到很多。我让她写报告、写 PPT，把我的框架给她，她拿去配合 AI，很快给我，实时就有反馈。我们账号是共用的，我去看她怎么用，常常发现一些不错的用法。对她来说这根本不算改变，因为她天然就是这样。我那些朋友现在都蹲在我们办公室问：还有没有这样的人？我觉得这些人会成为未来社会的主力。

行业洗牌的规律：最难的是“腰部”企业

这种改变会让企业格局发生很大变化。我列了一张中国最大的二十家互联网公司的图——从 PC 互联网到移动互联网，其实已经淘汰了很多公司，差不多二十年就是一个时代。我是 89、90 年的，面对 AI，我其实已经算是“老人”了，得跟我的 00 后去学习。

就拿大模型来看，目前国内具备大模型能力的，主要是阿里、字节这一类，再加上 DeepSeek。这是我个人的判断：有些公司即便有钱，技术路线上也未必领先；像 DeepSeek 这样的小公司做得很不错，但在大公司面前，未来能不能稳进前十的 AI 公司也不一定，命运也可能被更大的集团整合——这些都只是我个人的观点。

从 AI 的视角看，前二十名一定会洗牌。一些老牌互联网公司，从我认可的推演角度看，可能会慢慢掉队——这同样只是我的个人观点。不过即便掉队，也好比四十年前杭州最强的公司，今天仍然是杭州不错的一家公司，无非是它很难再成为下一个时代的领跑者罢了。

这就是行业格局洗牌的规律。我认为 AI 渗透到各行各业，会带来一到两个阶层的变化。我把企业按收入分成七档，从百万级、千万级一直到千亿级。这一代 AI 不会让大格局彻底翻盘，但会带来一两个量级的位移：一个十亿级的公司，做得好可能借这轮洗牌跨到百亿；做不好，离出局可能也不远。

我看到最难的，反而是中间这一档——大概十亿到一百亿收入的企业。在我看来，未来十年、二十年它们会比较困难，因为它们某种程度上处在一种“中年危机”里：上，不太上得去；下，不太下得来；资源投入相对不足，成本又偏高，离一线市场也容易有距离。被新力量冲击时，下面会涌进来更多灵活的新公司，上面的大企业只要战略对、反应过来，靠资源也仍有优势——人工智能本身也是不平衡分布的资源，大企业拿到的更多。相比之下，腰部企业要穿越这一轮，难度会更大一些。

白领工作的“工业化”，是这一波 AI 最大的新机会

工业化之后，美国现在就业最多的是哪些行业？你去查会发现，是律师、医生、金融——都是白领工作。这一波 AI，本质上是白领工作的工业化、机器化，这里面有大量的新机会。因为原来很多需求是满足不了的：比如说我们每个人其实都应该有一份顶级的专属医疗资源来管理身体，但社会资源不够、给不了。可这件事是可以通过科学被 AI 化的，医疗资源就能普及给更多的普通人。教育、医疗、金融、法律这些原来“重知识”的领域，会因此长出很多新的机会。

简单说，就是坐办公室的人，这一波最受影响。坐办公室这件事的工业化，会冒出很多新的点。而最容易被 AI 覆盖掉的，比如原来写公众号文章这一类——现在只要训练得好，AI 就能写得不错，产量还高。我们做设计的，这里也会产生大量机会。

公司的形态也会变。三个时代的公司组织逻辑是不一样的：工业型企业，你要有资产、要有标准；互联网型企业，估值方式都不同——比如 Facebook 在美国上市，它是按一个用户大概一百美金、按用户的生命周期去估值的，而不是按厂房、按资金估的。那到了 AI 时代，企业又该怎么估值？

从“加 AI 的企业”到“AI 加的企业”

过去两年我一直在给企业做赋能，后来我想，赋能其实是一件挺傻的事——你为什么要去改变人家呢？人家根本改变不掉。我把这个困惑丢给几个 AI 去聊，聊完它给我总结了一张图：“企业 + AI”和“AI + 企业”，是两种很不一样的范式。它举了个例子，我一下豁然开朗。

从技术的角度看，技术公司要么追求足够的通用性——比如做视觉识别，今天能用在摄像头上，摄像头又能用在安防、用在很多场景；要么就是能捕获足够高的价值——比如机器具备视觉、能去做手术，它虽然只完成一个任务，但这个任务捕获的价值极高。要么足够通用，要么足够精准、足够有价值。

第二个维度是资本投入的密集度。我花一百万把技术搞出来，可能还要花三五百万才能把它推广出去给别人用——要去改造别人、做培训、做应用、做运维。一倍研发出来的东西，让别人学会去用，往往更痛苦、更难，从头到尾可能要十倍的投入。

所以 DeepSeek 很聪明。它花一倍的钱把 AI 研发出来，然后说：我不跟任何人合作，我就开源给你们用，你会用就用，不会用你自己改造，与我无关。它不做应用场景，因为它判断 AI 还在迭代，还没到真正做商业化、做应用的时候。科学家本来就不太希望太早商业化，因为一商业化，屁股就得坐到“怎么赚钱”那一边去了。梁文锋愿意把钱花在最刀刃上、能量密度最高的 AI 本身——这说明他对 AI 的思考很深。

过去我太笨了，傻乎乎去帮着改造别人。其实应该拿着 AI 去重构——找一个自己的行业，重做一遍。

这就像十几年前的字节：它就做对了一个推荐算法，把新闻推得更精准这一个点。后来大家才反应过来，今日头条和传统新闻客户端不一样的，就是那个推荐算法。所以你会发现，这一代新企业的老板有个共同点——大多是工科出身、读计算机的。他们更深刻地理解技术拐点在哪，然后去找那个点。只要找对了，增长爆发会很快，长成一家全新的“AI 驱动型”公司。

什么是面向未来的“新物种”企业

今天不是说“我用一个 AI 工具做了个什么东西”，而是能不能用 AI 的能力，形成一整套企业自动化的运营逻辑。比如抖音，就是用工业化加 AI 化的方式来做内容分发；像 SHEIN 这样的企业，把媒体、AI 和服装产业协作到一起，本质上就成了一个新物种。一家面向未来的新公司，大概有这么几个特点：

第一，有没有策略性获取数据的能力。你每天刷，它就在获得用户行为数据，反过来就能知道该让供应链生产什么。第二，是不是真正数字化——有没有统一的数据仓，而不是一堆分离的数据，这样 AI 的决策和认知才会更精准。第三，有没有普遍的自动化流程：不是靠人去改、去判断，而是把权限授权给机器去做决策，就像拼多多调价不靠人工、自动驾驶你只要把权限交给机器。第四，有没有长出很多新岗位。

说个我自己的感触：前阵子 HR 帮我招内容策划，发来的简历都不太行。后来我让 AI 帮我重写了岗位描述，名字就叫“AI 驱动的内容策划师”，又写清楚需要哪些能力。看不懂的人自己就被过滤掉了，不会再投；看得懂的人来了会直接问“你们为什么这么做、我哪段经历和你匹配”，精准了很多。所以未来的公司，可能会放出很多过去从来没听过的新岗位——这对教育也是不小的冲击：你将来要去就业的岗位，现在可能还不存在。

我的判断是：企业竞争会进入一种越来越强的马太效应。掌握了 AI，本质上就握住了一件先进武器——既是心智，也是生产力。大企业会越来越强；中小企业会被普惠，以前请不起专家，现在想做一个几百万的生意其实很容易。最难的是中间——做到几个亿的企业会特别难，上不去下不来，容易在转型里被慢慢淘汰。我个人判断，大概五到十年，产业就会进入一轮这样的洗牌。

AI 时代的产业洗牌

每一次大的技术变革，都会在某个地区、某个学校先表现出来：工业时代有它的中心，互联网时代有它的中心。到了人工智能时代，我自己的个人观点是，国内大致有几个地方有机会。

有的地方很国际化、高端人才多，可能更偏向精尖的科技方向发展，相应的人工智能实验室会做得很好；有的地方虽然每逢新技术来时都很热闹，但热闹过后，因为缺少落地的产业，往往承接不住。而南北之间、产业又多、融合性又好的地区，人才有、土壤有、应用场景多，会很有优势。

我提了一个概念，叫“AI 华尔街”。意思是：美国当年是通过金融、通过华尔街、通过资本去运作全世界；而 AI 这个时代，洗牌靠的可能不再是资本输出，而是 AI 的能力、AI 的科技去做输出。AI 是能重构产业、重新洗牌的——谁能把全国甚至全世界的资源和要素“洗”到自己这边来，谁就占据了先机。

怎么理解这种生态？假设各地龙头企业、十亿级百亿级公司的 AI 创新中心，都愿意落在一个地方——哪怕一开始没人也没关系，只要愿意来，再面向全国去招这一波原生的 AI 人才，他们就会聚集过来。我自己的公司虽然才十几个人，但已经在承接一些百年服装贸易集团、羽绒服龙头、大型家电企业的 AI 设计与研发中心，最近也在和一些运动品牌谈他们的 AI 研发中心。

办法可以是：让这些企业先在本地注册一个“AI 创新中心”，在这里招人、和本地企业与人才合作，再给一个考核维度——你的经济贡献里“含 AI 量”有多少，就给相应的激励，把因为 AI 化改造产生的新经济体量留下来。这是我个人的一个判断和建议：只要把头部企业的 AI 中心，围绕这样一个生态组织起来，其实就是产业格局的一次大洗牌。

AI 给了一切以可能。而这个变化，会比我们任何一个人想象的，都来得更激烈。

现场问答

问答一：如果你是教育主管，或一个初中生的家长，你会怎么用 AI？

一位与会的同志问：你课上讲了很多 AI 在教育上的应用案例，但我们现在还是比较传统的教育方式——老师集中授课、学生听课。你也提到传统企业 AI 转型几乎不可能，我觉得传统教育的 AI 转型其实也很难。那我想请教：如果您现在是教育主管，会怎么用 AI 来赋能教育？还有，如果您是一个初中生的家长，又会怎么引导孩子去用 AI？

邱懿武：好问题。如果我是教育主管，今天有个年轻人跳出来说想办一所用全新方法的学校，我会让他试——一定要用全新的方法，才有可能带来变化。但说实话，可能连教育主管自己也很难改变，因为问题出在更深的地方：大家还是在意那张文凭、在意学校那块牌子。哪一天家长不那么在意了，教育才会真正变过来。

大疆的创始人之一李泽湘老师，当年在南方科技大学想做教育改革，招了大概三十七个学生，提了一个很关键的设想：这些学生能不能不走高考？最后教育部出面说，如果他们不参加高考，哪怕进了南科大，也拿不到教育部颁发的毕业证。家长于是分成两派，一派愿意孩子不要文凭，一派接受不了、回去高考了，最后留下十七个不要文凭的学生。今天回头看，这十七个人在世界各地都很优秀。但这件事也让李泽湘老师很挫败——体制改不动。后来他卖了一些大疆的股票，自己在深圳办了一家深圳科创学院。

它其实不是传统意义上的学校。但很多企业认这个：哪怕学生没有文凭，毕业时校长签个字、给一张“我认可你”的纸，也能帮他找到很好的工作。我身边也有老师说孩子考不上、怎么办，我说换做是我，我就让他别这么读了——你既然是大学老师，直接让他来旁听上课不就行了？你真那么在意那张文凭吗？当然，老师们大多还是挺在意的。

第二个问题，关于做家长。我自己还没孩子，但我想过：如果是我，我可能会像马斯克带小儿子那样，直接把孩子带在身边。很多朋友说我太不现实，说孩子到那个年纪最抵触这个。前两天我和一位高校的管理者吃饭，他说自己已经管不了上初中的儿子了，当场就说要买张机票，下周让孩子来我们公司“上班”，看看能不能在这里找到他自己的兴趣点。

我这种想法肯定是少数，一百个人里可能才有一个。但我会拿二十年的尺度去看：二十年前的教育，和现在很不一样；再过二十年，孩子的教育很可能就跟我现在说的差不多了。所以六年级以下的小朋友其实不用太担心，该玩玩——因为我判断，六年之后高考或者招生方式一定会有大变化，教育部门的老师们其实也都感受到了，未来会有更灵活的招生机制。最需要担心的，反而是现在正读初中、高中的这一批人怎么办，这特别考验家长对孩子的判断，以及对未来的研判。

我自己也想做点尝试。我在大学里碰到的一些情况让我挺挫败——这一代年轻人内心世界很丰富，但对外界有点索然无味，可能也和前几年的特殊经历有关。所以我打算从九月开始，和一个朋友一起带一个初中生的班，先试一试。如果能把孩子带出我想象中那种“面向未来”的样子，说不定我会去申请：能不能办一所 AI 时代的新学校，做一个试点。在我看来，未来的产业和教育，本来就是要融合到一起去的。

问答二：AI 对统计和数据工作会有什么影响？

一位领导问：我们的数据基本都在云上。你觉得今后 AI 对我们的数据统计、分析这些工作，会有怎样的影响？

邱懿武：结构化的数据，恰恰是 AI 最擅长的地方。这也是为什么梁文锋十几年前创业是先做金融——股票市场里有大量历史数据，又能从里面挖出变化。所以数据统计这条线，AI 的发挥空间非常大。站在理性的角度看，今天数据线上的很多工作，是不是可以构建更多自动化的统计、分析逻辑模型，让决策变得更快？

举个例子。我有个朋友的公司是做电商的，过去他们每家店的财务靠人工核算，配了好几个会计天天算，工作量极高。后来他们搭了一套数据处理流程，请了几个做 RPA（自动抓数据）的工程师，把数据公式写出来，做到自动抓取、自动分析、自动出结果。有意思的是，他们原本亏钱的一个业务部门后来开始赚钱了。复盘下来，很重要的一个原因，就是财务数据每天自动统计好、反馈更快了，于是调整策略、调整投放都更快，业务就转正了。

这就是数据处理变快之后，给业务带来的实实在在的变化。所以我相信，对很多需要高质量决策的统计工作来说，自动挖掘数据之间的关联、挖掘潜在的可能，这些正是 AI 特别擅长的点。但具体落到每一个环节，还是要各位自己去搭那套流程。你自己搭起来了，就能成为驾驭 AI 的人；如果没有，未来某个系统、某条流程一旦上来，可能就得考虑转岗了。

现场也有政府部门的同志谈到，AI 对未来数据工作可能带来的冲击，以及在岗位上主动学习、主动求变的紧迫感。