KeyFrame內部研究專用

曾鸣的AI时代非共识判断​ | 曾鸣 | AI时代 | 智能体 | Agent | 大模型 | OpenAI | Anthropic | 战略规划 | 原生应用 | 寡头垄断 | AI原生组织

最佳拍档18 min中文
觀看原始影片

三句話摘要

曾鳴分享對AI時代商業、組織與戰略的11個非共識判斷,認為AI正進入智能體時代,模型公司難以成為終極贏家,而創造力將成為人類在AI時代的終極競爭力。 曾鳣用歷史的抽象結構理解AI變局,揭示創造力將成為AI時代人類最後的競爭力,組織形態終將重構,而擁抱不確定性是把握這場變革的根本心態。 AI三階段論與產業發展判斷:曾鳴基於PC互聯網、移動互聯網與工業史研究,提出技術顛覆創新經歷「基礎設施化→海量新應用→原生應用」三個階段。2026年是第一階段完成的標誌——token成為行業共識的標準度量衡(如「一度電、一噸水」般的度量單位),智能開始成為社會基礎設施。AI正在進入第二階段的智能體時代,應用層有3-5年的精彩時間窗口。

重點整理

  1. AI三階段論與產業發展判斷:曾鳴基於PC互聯網、移動互聯網與工業史研究,提出技術顛覆創新經歷「基礎設施化→海量新應用→原生應用」三個階段。2026年是第一階段完成的標誌——token成為行業共識的標準度量衡(如「一度電、一噸水」般的度量單位),智能開始成為社會基礎設施。AI正在進入第二階段的智能體時代,應用層有3-5年的精彩時間窗口。

  2. 模型公司成為終極贏家的概率很低:歷史並無基礎設施公司跨越時代繁榮的先例。Yahoo 5年內從成立到1200億美元估值(相當於今天的Anthropic),AOL、黑莓都曾輝煌但最終落幕。曾鳣認為未來必有10萬億美元級公司,但不一定是現在的OpenAI或Anthropic。基礎設施行業終局只有一種商業模式——寡頭壟斷加政府強監管,不會有無序競爭。

  3. 最大機會是智能體瀏覽器產品:浏覽器完成了兩個核心功能——建立統一標準(HTML)讓建站民主化,降低用戶使用門檻到接近零。隨後信息爆發後Yahoo出現做結構化(「熵減」)。曾鳣認為連AI時代的浏覽器都還沒出現,最大機會就是一個類似產品——把智能體標準統一、讓用戶用簡單方法調用,這樣海量智能體才會爆發。

  4. 公司組織形態終將消亡,任務驅動制興起:AI原生組織的基本單元從「職位」變成「任務」。傳統組織因職位產生匯報線、層級、報酬結構;AI時代人圍繞任務流轉,層級消失(能力強的被調用),中層管理注定消亡。每個人都是「六邊形戰士」與他人協作,激勵本質轉向自驅與「高能動性」(掌握自己命運)。

實用技巧與重點

  • AI發展階段時間表:
  • 2026年:第一階段基本完成(token成為標準度量衡)
  • 2026-2031年:第二階段(3-5年精彩時間),智能體應用爆發
  • 第三階段:Agentic OS等,仍在更遠未來
  • 模型公司競爭動態:
  • 今年領跑者:Anthropic → OpenAI → Google(被甩下)
  • 中國市場:智谱領跑,Kimi已交卷,千問與MiniMax追趕
  • 淘汰線:年底前跑不到3T模型的公司出局
  • 現狀:做模型的窗口期已關閉,進入「智能飛輪」階段
  • 歷史對標數據:
  • Yahoo(1995成立)→ 2000年達1200億美元市值
  • AOL(2000年高點)→ 2200億美元,併購華納後3000多億
  • Google(1998成立)→ 2005年達1000億美元
  • 黑莓:巔峰期快速達1000億美金估值
  • 電力發展時間軸(應用層類比):
  • 1892年:愛迪生發明電燈泡(曼哈頓1平方公里)
  • 1910年:電網覆蓋美國主要城市,同年出現洗衣機、電冰箱
  • 1925年:空調出現
  • 1930年:電視出現
  • 汽車產業發展(機器人產業類比):
  • 1900-1920年:美國有幾千家汽車公司
  • 福特第一條電驅動流水線改變製造業
  • 大眾需求多元化後通用汽車出現
  • 戰略方法論轉變:
  • 舊:看十年、幹一年(工業時代線性推演)
  • 新:看十年、想三年、幹一年(核心在「想三年」的創造力,規劃里程碑)
  • OKR在AI時代才真正落地(AI系統能追蹤自然語言表達並給出偏離提醒)
  • 組織進化信號:
  • neo lab出現:新型實驗室,AI for AI、世界模型方向
  • 從職位制 → 任務驅動制
  • 層級消失 → 能力決定調用順序
  • 中層管理消亡、每人成為「六邊形戰士」
  • 巨頭適應困難預測:
  • 微軟:模型投入不足,已在該領域出局
  • Google:可能成為AI雲公司,但to C應用前景不確定
  • 字節:豆包不代表未來(否則不計成本投入)
  • 騰訊:社交關係定義會重構

結論

曾鳣用歷史的抽象結構理解AI變局,揭示創造力將成為AI時代人類最後的競爭力,組織形態終將重構,而擁抱不確定性是把握這場變革的根本心態。

完整解析

曾鳣從PC互聯網、移動互聯網、雲計算以及三次工業革命的系統研究出發,建立了一個解釋AI時代發展的完整框架。他認為,巨大通用技術的顛覆性創新會經歷三個必然階段:第一階段是技術逐漸被社會接受、成為基礎設施;第二階段是基於基礎設施産生海量新應用、百花齊放;第三階段是所謂「原生應用階段」,社會需要更底層的方法來運行新世界。

以移動互聯網為例,黑莓曾長期占據壟斷地位,2010年美國市場份額達44%,iPhone只有20%多。但iPhone推出及App Store建立後,新一代原生應用才真正涌現。曾鳣投資移動互聯網時發現,墨迹天氣這樣的應用日活快速過億,但後來發現它們並不代表未來。真正代表未來的是解決核心需求的主流應用。字節跳動先做今日頭條、內涵段子等小產品試錯,後來探索出推薦算法,隨著帶寬和算力發展、短視頻出現,兩者結合才誕生了抖音這樣的國民級產品。這說明第二階段存在無法跨越的過渡期,沒有它的積累就到不了第三階段。

進入2026年,曾鳣判斷AI已跨越第一階段的臨界點。核心標誌是token成為行業廣泛共識的標準度量衡——英偉達黃仁勳宣稱「token factory」,OpenAI表示核心是「賣token」。當一種技術有了標準度量衡,就能被規模化、標準化使用,就像我們說「一度電、一噸水、一個GB流量」一樣。現在大家知道調用多少token能完成多少工作、需要多少成本,智能就開始成為社會基礎設施。同時,OpenAI等發佈的O1等智能體能獨立完成任務的能力展示,讓大家看到新的可能性。因此,AI正在進入第二階段——智能體時代。

曾鳣用1992年建站運動類比當下變化。那一年他最熱情的事是建網站,所有人想辦法建網站分享信息。大模型今天的成就正源於那個時期的信息數字化。浏覽器之所以偉大,完成了兩個核心功能:通過HTML等標準建立極其簡單統一的建站方式,讓建站不再是專業工程師專利;其次將瀏覽網站門檻降到接近零。隨著網站爆發,人們開始不知道該看什麼,Yahoo應運而生。Yahoo本質是對信息進行結構化,做「熵減」。曾鳣坦言完全沒看到AI時代Yahoo的雛形,所以認為連浏覽器都還沒出現。他認為,下一個最大的機會是類似浏覽器的產品,把智能體標準統一,讓用戶用非常簡單的方法調用智能體,這樣海量智能體才會爆發,是未來兩年最令人興奮的事。

論及模型公司的未來,曾鳣直言其本質是AI雲公司,類似當年的煉油廠或美國在線(AOL)。AOL作為互聯網基礎接入服務商讓所有人接入互聯網,大模型如今讓所有人接入智能。但基礎設施提供商往往不是時代最大贏家。Yahoo 1995年成立,短短五年內2000年達1200億美元市值,震撼力相當於今天的Anthropic。但Yahoo最終沒成為互聯網最大贏家。AOL 2000年高點估值2200億美元,併購華納後也只3000多億。Google 1998年成立到2005年才達1000億美元。黑莓曾快速達1000億美金。曾鳣認為Anthropic和OpenAI固然了不起,但歷史上類似階段都發生過類似故事,它們不一定能活到最後。他相信未來必有10萬億美元級公司,但未必是現在領跑者。

他以阿里巴巴為例。創辦淘寶時多位高管強烈反對,認為原有業務未成熟就攻擊eBay核心業務風險太大。但戰略從決策到執行層層交織著戰術。第一階段企業很難活到第二階段,第二階段企業很難活到第三階段——這是商業史的動力學規律。第一階段技術核心是「可不可用」,有大量原創性技術創新。第二階段標誌是第一階段技術發展逐漸放慢、變成大家都能調用的技術,而此時應用需要很強洞察力、產品原創力、同理心,以及新的應用技術。

模型公司的終局只有一種商業模式成立——寡頭壟斷加政府強監管。因為社會依賴於它政府一定強監管;供給這麼重要不能只一個供應商;基礎設施投入太大不會無序競爭。比如水電費能隨便漲價嗎?當然不能。今年值得關注的變化是Anthropic先領跑、OpenAI跟上、Google被甩下,這背後與智能複利有關——Anthropic從去年下半年用大模型訓練大模型,AI進入它們訓練主業,模型訓練能力大幅提升。相比之下xAI和Meta直接退出競賽。中國模型公司也進行淘汰賽,年底跑不到3T模型的估計出局。做模型的窗口期已關閉,進入「智能飛輪」階段。

關於舊平台能否演變成新平台,曾鳣大概率認為不能。舊平台做簡單信息匹配,新平台做能力跟需求匹配,複雜度高很多。智能體入口大概三到五年出現,而Agentic OS屬第三階段仍在更遠未來。應用領域現在處於反共識創業的青黃不接時期——模型能力已溢出到很多簡單任務它自己就能幹,但我們還沒找到足夠大場景讓智能體做足夠複雜又有價值的事。

曾鳣用電力發展做生動類比。1892年愛迪生發明電燈泡照亮曼哈頓1平方公里,1910年電網覆蓋美國主要城市,同年出現真正to C大應用——洗衣機和電冰箱。空調1925年才出現,電視1930年才出現。應用發展有自己規律。愛迪生認為發電更重要成立通用電氣做發電設備,沒意識到電網重要性。他助理後來離開成立美國第一家送電公司。通用電氣真正成功是因為生產出最早電冰箱和洗衣機,代表to C應用突破。後來電網成基礎設施大家不再關心電網品牌,但通用電氣卻繁榮六十年。這啟示我們——大模型競爭會讓其能力成為大宗商品和基礎設施,智能體公司沒必要開發大模型,穩定調用就行,也不用擔心模型公司切斷服務,因為有合理替代品隨時接上。

曾鳣提出更觸及本質的判斷——公司終將消亡。2026年出現許多neo lab(新型實驗室),做AI for AI或世界模型等方向,是新組織形態早期雛形。為什麼叫lab?因為大家不滿公司制想淘汰它。公司是工業時代産生的,工業時代前只有手工作坊。若工業時代基本經濟規律被挑戰,組織形態肯定也被挑戰。

AI原生組織基本單元可能不再是職位而是任務。職位是現組織基本單元,正因有職位才有匯報線、層級、報酬。但AI時代大家圍繞任務流轉,組織完全不同,層級也消失。層級存在因為不知誰說了算,所以先定層級然後級別高說了算。未來則誰能力強誰被調用。殘酷的是傳統中層注定消亡。

激勵問題上,曾鳣說激勵本質是自驅,硅谷流行詞是「高能動性」(high agency)——掌握自己命運,成長開心就繼續做,沒成長不開心就換地方。人未來競爭對象不只人類同事還包AI同事。一人公司會不會成未來主要方向?曾鳣說不會。一人公司只是階段性產物,讓大家理解一人加AI幫助能幹原來幾十人幹的活。但一人能幹的活始終有限,一定要有組織、分工、合作。未來每人都是「六邊形戰士」在組織裡跟他人合作。

戰略方法論上,曾鳣提出從「看十年、幹一年」向「看十年、想三年、幹一年」的轉變。工業時代相對緩慢看十年比較清楚可線性推演。但今天看一年遠遠不夠,無法線性外推(線性推演推不出Anthropic今年80倍同比增長)。想三年要求看兩三步里程碑,然後今年做第一件重要事是為了滿足哪個里程碑。沒看三年張力,戰略就沒發生環境。曾鳣還提到OKR在AI時代才真正落地,因為AI組織系統能追蹤自然語言表達,神經網絡無所不在,AI能給你反饋說你們偏離了OKR。

他聊「老登」流行原因。宏觀上原來那套東西看起來沒價值了,誰也不願在科層制裡陪老登玩。個體上成立因為——能轉化成知識的經驗都沒價值了被大模型吸收。年輕人用好AI槓桿瞬間成為任何領域專家,那過去二十年經驗還有什麼價值呢?

機器人領域上,曾鳣說更好類比不是大模型而是電器發展。1900-1920年美國有幾千家做車公司,後來福特建第一條電驅動流水線推動現代制造業進入新階段。之後大眾需求多元化通用汽車出現。現機器人公司就像當年大家都能手搓汽車公司一樣,但誰能率先完成規模化量産誰也不知道。也許我們還在等T型車階段。機器人被看好因為它是AI跟物理世界交互基本界面,有點像電——什麼都可被電重新幹一遍。未來可能有N種不同機器人適用不同大場景——家用、工業、陪伴、家務。

曾鳣提出讓巨頭坐不住的判斷——巨浪面前沒人安全。誰覺得安全誰就最不安全。歷史上跨時代還做得很好的企業基本沒有。IBM和微軟各做到過。微軟某程度上錯過移動互聯網但保持搜索火苗和雲計算積累,加上PC操作系統壟斷,AI時代還有一次機會。但目前微軟對模型投入不足,該領域已出局。Google也許成很好AI雲公司,但能不能成消費者大應用不確定。字節大概率不會成下個時代的字節,豆包肯定不是未來,否則不計成本投入。騰訊社交關係肯定被重新定義。

曾鳣認為AI整體上更傾向是顛覆性技術、生產力革命。互聯網本質是生產關係革命。因延續性沒那麼強,原有物種適應新物種會非常困難。

最後回到個體。若智能能像能源一樣從外部獲得,未來人和人差異在哪?曾鳣回答是創造力。他借用德魯克框架,工業時代經歷生產力革命、管理革命、知識革命。他提出AI時代可定義為創造力時代。所有可被結構化處理的知識型工作都會被AI接管,人被逼著也終於被解放出來開發自己潛能。這方向就是AI做不了的創造力——無中生有的能力。這不是簡單寫首歌、畫幅畫,可能更多是原創性定義複雜問題的能力。

未來教育體制一定被重塑。以前教育是知識灌輸第一位、智商開發第二位,以後肯定不行。基本態度也要改變——原來傾向降低不確定性,但這階段其實要擁抱不確定性。不確定性就是最大機會。一般人見不確定性就恐懼沒法往前走,但年輕創業者心態應該是面對巨大不確定性和複雜性,覺得特別好玩、特別有機會創造新東西。

12 min
企業管理中文10月8日

The Most Important Skill for Entrepreneurs Can't Be Taught—A Conversation with Yu Ying, Vice Dean...

凯莉彭 Kelly Peng看原片 ↗
  • 反思能力決定成長天花板:講者發現職場只有兩種人——遇到問題時,一種向外求(怪環境),一種向內求(找自己的因)。前者無論如何調整職位都不會進步,後者才有迭代與改善的機會。這種能力在青少年階段仍可塑,成人後幾乎無法逆轉。
  • 審美感必須靠大量接觸累積:審美是不可替代的創業必備素質,但不是天生的。看過百件、兩百件產品後自然能感知共性。此能力需要浸潤式學習,短期內無法突擊。
11 min
AI 技術中文10月8日

2026年10月8日|24小時世界AI新聞台-重溫|OpenAI 合約 AI 測試、Reka Rho-1、Google Earth AI

文恩澄 Rannes Man看原片 ↗
  • AI 代理從輔助進化到流程參與:OpenAI 與 Ironclad 的研究表明 AI 代理已能設定表單、建立審批規則並確保多步驟工作流合規,但人工監督仍不可或缺。這標誌著 AI 在企業軟件中的角色從簡單任務輔助升級到複雜業務流程的參與者。
  • 多模態統一正成為主流方向:Reka 的 Rho-1 展示單一模型處理文字、圖像、影片和動作的可行性,減少使用者在不同工具間切換的負擔。但技術仍面臨長時間生成穩定性與跨影片物件定位的挑戰,目前輸出解析度上限為 672×384 像素。
13 min
AI 技術中文9月26日

万亿美元AI资本开支的回报在哪里 | 黑石Jon Gray | 数据中心 | AI算力 | 工业革命 | 投资回报 | 超大规模云厂商 | 芯片短缺 | 电力基础设施 | 生产率 | AI应用场景

最佳拍档看原片 ↗
  • AI不是泡沫,而是範式轉移:喬恩·格雷用1870-1900年工業革命類比今日AI浪潮,強調這是勞動生產力翻倍、GDP與製造業產出成倍增長的機遇期,但並非所有公司都能從中獲利。
  • 投資報酬率已被驗證:黑石旗下公司已看到實際案例——印度鑽石公司提效、通訊鐵塔公司租約處理快五倍、軟體編碼模型每投1美元回報18美元,證明AI開支的合理性。