张小珺对话曾鸣：从信息时代到能力时代
做一个快乐的研究员。—— 曾鸣
本文是 张小珺 Jùn｜商业访谈录 153. 和曾鸣聊产业史观 这期播客的笔记。
这期聊的是 AI，也是在聊技术变了以后，公司、战略和人的工作方式会怎样变化。
嘉宾介绍
曾鸣，企业战略研究者，阿里巴巴集团前总参谋长，参与过长江商学院和湖畔的创建。
AI 产业发展到哪一步了？
通用技术发展的三个阶段
曾鸣用三个阶段理解通用技术的产业化：
- 成为基础设施：技术逐渐被社会接受，能够被稳定、规模化地调用。
- 应用大爆发：基于基础设施，出现海量的新应用。
- 原生应用阶段：应用的发展提出新的技术要求，出现更底层的方法，去运行这个新的世界。
第三阶段不能凭空到达。第二阶段的尝试，会为技术指明下一步往哪里发展。
以移动互联网为例，曾鸣梳理了今日头条到抖音的路径：今日头条探索了以推荐算法为核心的产品与商业模式，后来带宽、算力继续发展，短视频这种呈现形式与推荐算法结合，才出现了抖音这样的应用。
新技术、新的呈现形式、核心需求，要一起长出来。
在他的判断里，2026 年是 AI 基础设施开始成熟、应用阶段打开的一个重要节点。
一个标志是 Token：当智能可以被计量、计费、调用，它就越来越接近一种基础设施。
另一个标志是「小龙虾」：让大家看到，Agent 可以独立完成任务。产品还很早期，但可能性已经被展示出来了。
从分享信息，到分享能力
早期的互联网，大家都想建一个网站，把自己知道的信息放上去。
今天，大家在做 Agent、写 Skill，把自己会做的事情封装起来，让别人也能调用。
- 网站：分享信息。
- Agent：分享能力。
互联网长期积累的数字内容，为大模型提供了重要的语料来源。而接下来的一个问题是：人的能力，怎样被封装、连接和调用？
笔者注：以前写一篇教程，是告诉别人这件事怎么做。现在把它做成一个 Skill，就有机会让别人直接把事情做成。知识的呈现方式和使用方式，都在变。
AI 时代的「浏览器」是什么？
🤔 如果 Agent 越来越多，普通人怎么用？
曾鸣借浏览器作类比：一方面降低供给端的门槛，让更多人能够创造；另一方面降低使用端的门槛，让普通用户很容易接入。
所以他期待的机会包括：
- 让 Agent 的开发和调用有更统一的标准。
- 让用户用很简单的方式调用能力。
- 让更多开发者和用户进入这个生态。
这会是什么交互形态？他没有给出答案。产业史可以帮助理解结构，但具体产品仍然需要人去创造。
模型公司会成为最后的赢家吗？
基础设施和应用，需要不同的能力
曾鸣把模型公司理解为未来的 AI 云公司：提供基础智能，让其他人基于它做事情。
模型厂商和云厂商之间，也可能发生新的整合。
但做出强大的基础技术，与做出一个被普通用户广泛使用的应用，能力要求并不相同。
- 基础技术阶段：首先解决能不能用。
- 应用阶段：需要产品原创力、对用户的同理心，以及新的应用技术。
因此，他判断 OpenAI、Anthropic 大概率不会自动成为原生应用阶段最大的赢家。
这个判断不等于它们会立刻衰落。它们可能继续是重要的基础设施提供者；只是下一阶段最有价值的机会，未必继续由今天的领跑者拿到。
笔者注：新技术会创造很大的价值，与今天哪家公司最终拿走这些价值，是两个需要分开想的问题。
Agent 要解决什么问题？
一个简单功能，很容易随着模型能力进步被覆盖。
在曾鸣看来，更值得探索的是：找到一个足够复杂、足够有价值的任务，并在解决它的过程中形成自己的积累。
例如，他把「生成一份广告素材」和「帮助企业实现增长」作了区分。后者需要理解更多变量、处理更长的过程，也可能积累更多能力。
切入点既要现在做得进去，也要将来长得大。
🤔 应用公司要自己训练模型吗？
他的意思是，不必重复建设作为公共基础设施的通用大模型，但应用公司仍然需要技术创新。
上下文管理、记忆、交互方式，以及具体场景里的学习机制，都可能是积累的一部分。模型与应用之间的边界，也仍在演化。
智能复利与黑洞效应
调用了一个模型，不代表已经形成自己的智能复利。
按访谈的思路，可以把它整理成这样一个过程：
完成真实任务 → 获得反馈 → 改进技术和能力 → 完成更复杂的任务 → 进入更多场景。
当这样的循环持续发生，Agent 才可能在自己的场景里越来越有用。
曾鸣所说的「黑洞效应」，重点就在这里：能力积累与场景扩展相互促进，领先者可以不断扩大优势。
它不只是人才、资金、流量往一家公司集中，更关键的是组织有没有持续学习、提升智能、进入新场景的机制。
新平台，匹配什么？
旧平台主要解决信息匹配，新平台可能需要解决能力和需求的匹配。
看一个网站，觉得没意思，关掉就好。
但把一个任务交给 Agent，后果可能完全不同：它能不能做好？能不能接触隐私？费用怎么算？可以把钱包交给它吗？
判断一个 Agent 是否可信，本身就需要能力。
因此，曾鸣认为仍然会有平台：在大量 Agent 开发者与大量用户之间，建立标准、完成匹配、提供信任。
再往后，可能才是他理解中的 Agent OS：用户表达意图，系统直接调度各种能力，把任务完成，用户甚至不必看到背后的 Agent。
这里还有一个前提：先有足够丰富、成熟、可以被调用的 Agent，才谈得上大规模调度。
公司会变成什么样？
从岗位，到任务
这是这期最值得记下来的一组变化。
传统组织围绕岗位运行：先设岗位，写工作描述，招人，再确定汇报线、层级和报酬。
曾鸣设想的 AI 原生组织，则围绕任务运行：
- 定义需要解决的问题。
- 拆解任务。
- 由合适的人和 AI 承接。
- 交付结果，形成反馈。
谁有能力解决问题，谁就参与进来。
他所讨论的「公司会消亡」，具体指科层制管理的公司制度受到挑战。分工协作不会消失，组织仍然存在，只是运行方式可能不同。
Lab 是目前一些探索者习惯的名字，但未来未必一直叫 Lab。
主观能动性
High agency，主观能动性。
当组织围绕任务流转，人需要更主动地判断：
- 我想解决什么问题？
- 我需要培养什么能力？
- 这个能力适合用在哪个场景？
- 我认领的事情，能不能交付结果？
岗位不再替你定义全部边界，成长也更需要自己负责。
在曾鸣的设想里，未来的组织还会越来越像合伙人团队。每个人都有重要、互补的贡献，像一支专业球队。
CEO 重新设计组织运行方式
曾鸣提到，一些走得比较前面的创业者，已经借助 AI 重写了自己公司的内部运行体系。
他们先对组织应该如何运行有理解，再用 AI 把这个原型实现出来。
重要的是组织怎么运行，软件是把这种理解落地的方法。
这也是他对最早一批 AI 原生 CEO 的一个判断：他们可能会亲自动手，重新设计自己的组织系统。
笔者注：我想做一套这样的组织运行方式软件。它需要让目标、任务、上下文和结果连接起来，让人和 AI 都能在里面参与协作。任务派出去以后发生了什么、结果怎样影响下一步，也应该留在系统里。
开放透明，共享共创
Context, not control。
给足上下文，让参与者理解目标和判断依据，才有可能在具体场景中作出好的决定。
人需要上下文，AI 也需要。
曾鸣强调的文化包括：开放、透明、共享、共创。大家知道自己在共同创造什么，也知道别人为什么作出这样的选择。
这套文化，与全员合伙人的组织方式是配套的。
战略怎样产生？
卓越来自反共识，但反共识不保证卓越
曾鸣回顾阿里早期发展，认为最重要的三个战略决定是：
- 创立淘宝。
- 创立支付宝。
- 创立阿里云。
这些决定在当时都有很大争议，内部也不例外。
但这里有一个不能漏掉的前提：反共识不一定成功。
成功者的反共识容易被记住，失败的疯狂想法未必留下故事。卓越是事后认定的，还要经历落实、试错和长期的考验。
笔者注：不能为了反共识而反共识。真正困难的是看见别人没看见的东西，并把它做出来。
如何分辨信号和噪声？
曾鸣给了两个方向：
- 感知更全面：真实地接触外界发生的变化，避免只看到局部。
- 思考更深入：理解变化背后的过程，而不是跟着眼前的热点跑。
当一个趋势已经冒出水面，领跑的人可能已经走了好几步。只看见最后那一步，就容易一直在追。
看十年，想三年，干一年
这句话中，最容易被忽略的是「想三年」。
远期有一个大方向，当下知道要做什么，还不够。中间的路径怎么连接？
- 第一个里程碑是什么？
- 第二步要积累什么能力？
- 再往后，可能进入什么空间？
中期的思考，把眼前行动和未来方向拉到一起，迫使我们做取舍。
时间不必机械地定成十年、三年、一年。可以随行业节奏调整，但要看到两三步之间的关系。
从战略规划，到战略生成
在高度不确定的环境里，组织需要能够持续产生新的洞察。
真实反馈进入组织，人和 AI 共享信息、碰撞认知，再据此调整下一步。曾鸣把它称为战略生成。
所以组织和战略很难分开：什么样的组织，会影响什么样的战略能够产生；战略要解决的问题，又会改变组织的要求。
在探索阶段，要关注创新和试错的效率；方向逐渐收敛后，执行与规模化的效率才变得更重要。
人还需要什么能力？
原创地定义问题
曾鸣把 AI 时代从人的角度理解为创造力时代。
这里的创造力，不只指写歌、画画，还包括原创地定义复杂问题，发现以前没有被满足的需求。
访谈用「无中生有」来形容这种能力。
它也不必都表现为重大的技术发明。新的陪伴方式、新的情感体验，让人更快乐、更好地成长，同样可能有价值。
不要被效率耗尽
AI 能快速处理事情，人却未必跟得上它的速度。
曾鸣提醒：工具效率越高，也可能把自己弄得越疲惫，需要找到作为一个生物的人的合理节奏。
他谈到早期 Google 的文化时，强调的也是尊重差异、释放创造力，以及给人探索自己感兴趣事情的空间。
笔者注：要把自己从苦力中解放出来，更多思考战略、产品层面的事情。工具省下来的时间，总得有一部分用来想清楚，什么值得做。
参看
节目里提到的人生之书：
- 《基业长青》及相关系列。
- 德鲁克的著作。
- 弗里德曼关于市场运行机制的一本书，访谈未明确书名。
闲聊
听完最想做的，是一套组织运行方式软件。
当人和 AI 都能承接任务以后，很多默认设置都可以重新想一遍：为什么这样分工？为什么这一步需要等待？为什么信息只留在某个人的脑子里？一个人做过的判断，能不能帮助下一次协作？
我想先从一个小团队真正要完成的事情开始，让任务和反馈跑起来，再看哪些规则需要改变。关于组织的理解，也可以在使用中继续长出来。
AI 时代的社会组织形式，可能会和以前很不一样。老登的建议参考就好。更具体地说，要看建议成立的前提还在不在，不能因为一个人在旧环境里成功过，就默认他对新环境也有答案。这一点也适用于这期访谈里的判断。
过去的经验可以帮助提问，但新东西最后长什么样，还得下场去做。
延伸阅读
本文采用 CC BY-NC-SA 4.0 许可协议，转载请注明来自 ComyDream 。
本文链接：http://comydream.github.io/2026/09/09/zhang-xiaojun-zeng-ming-notes/