一、从企业 AI 服务说起
今天为什么讲 OPC
各位同学好。这几年我来 MBA 课堂做分享,已经有三四年了,每年讲的东西都不一样。今天这套内容也是昨天刚备好的,都是我们在一线做的事情。
很多人请我讲 OPC,我反而不太愿意讲。因为一说 OPC,给人的感觉好像是公司做不大,只能做成一个人的公司。但这几年跟企业交流,我看到的是下一代组织的变化。包括大家读完 MBA,接下来的职业发展,也可能会遇到自己要成为超级个体的问题。我想把这些思考,以及今年看到的 AI 落地机会,跟大家分享一下。

我现在是半个创业者、半个老师,创业经验倒是很丰富,因为造物云已经是我第三家公司了。大学没毕业,我就开始创业,第一家公司融过一千万美元,做过电单车;后来也做过消费电子,经历过准备上市、撤回来,再把钱还给股东的过程。
到 2021、2022 年,我一度不知道自己还想做什么。再让我做一个新产品,好像也没有特别大的兴趣。我说,要不回到老本行吧。我在浙大学的是设计,老师们一直在研究人工智能与设计的结合,我们就从数字化设计软件开始,后来碰上了生成式 AI。
这两年,我们也在做学校和企业之间的产学研项目,做着做着,又觉得 AI 对教育的改变会非常大,所以我自己也实践了很多教育相关的事情。
今年最热的两个词,一个是 OPC,一个是 FDE。对我来说,这两件事碰到一起了:一边用 AI 做企业落地,一边把自己的组织拆得更小,让几个人就能服务一个客户。以前我们把它叫软件外包,后来才知道有 FDE 这个说法。本质还是帮客户搞定问题,把技术嵌进业务,创造价值。

同样是设计,客户要解决的问题不同
我们最早做的是 AI 与工业设计,后来发现服装企业的需求很多。
比如一家大型服装供应链企业,它的核心业务,是从海外客户提出需求,一直做到设计、开款,再到供应链交付。我们跟它合作了几年,要处理的是一条完整链路:客户提了需求,帮他做好设计,匹配供应商的款式,把款式变成工艺单,再下发到全球供应链。原来依靠 ERP 和各种工具串起来的环节,现在尝试用 AI 重新组织。

另一家服装品牌的需求就很聚焦。我们不用碰它的供应链,更重要的是能不能辅助判断下一季的爆款。因此,它对流行趋势和设计提案的要求非常高。对于服装企业,一款产品能不能成为潮流,可能会影响很大一部分生意。
我老本行里的家电行业,又有另一种情况。以前冰箱、洗衣机不用那么多款,现在尺寸、面板、渠道、人群都在细分。一个企业要同时面对很多产品型号,设计团队也很大,老板就会问:AI 能不能帮我把产品创新这件事做得更好?
所以虽然都叫 AI 设计,真正进入企业之后,你会发现每一家要的东西都不一样。要做的不是给他同一个画图工具,而是理解他究竟靠什么创造价值。
从工具提效,到产品创新大脑
有一家企业,三年前就给我提过一个目标:未来能不能员工减一半,业绩翻一倍?
工具带来的提效,当然很明显。以前设计师要出图、渲染,要等很长时间,新技术可以把这些等待缩短。但我们三年前就看到,更关键的可能还不是工具,而是企业经验能不能放进一个虚拟师傅、一个产品创新大脑。
以前一个徒弟进来,很多事要问老师傅。如果公司的经验都能沉淀进去,一个毕业生进来,可以先去问公司的产品创新大脑,整个产品创新流程就可能发生变化。
这件事我们三年前就在帮客户做。当时说三年以后可能做得到,结果到现在还没有完全做到,我们估计还得再过三年。因为里面的技术,也是在逐步成熟。

所以我看到有人说,FDE 可能是最后一个白领岗位,觉得很有意思。在我看来,各行各业的人最终都要具备一种能力:跟人、跟 AI 打交道,让它在真实业务中产生价值。今天读 MBA,大家把自己理解成经理人;未来经理人需要的能力,可能就会越来越接近这个方向。

二、我与 AI 一起进化的这些年
2017:机器开始具备设计表达的能力
我挑五个年份,讲讲自己这几年怎么跟 AI 一起进化。

先从 2017 年开始。那时还没有造物云,我前面的电单车业务遇到困难。有一天,老师给我打电话,说最近研究了一些新东西,要不要看看,行的话可以拿去创业。
他给我看了一个 pix2pix 的 demo。输入一张线稿,通过模型生成图像,可以画猫、画人物。老师说,既然能画猫,我们重新训练,是不是也能画工业设计里的鞋子和箱包?
那一天我很激动。机器居然开始具备我们设计师最宝贵的一部分能力,就是设计表达。我当时很想拿着技术创业,但跟股东朋友聊完,大家觉得还太早。后来就变成每年跟学校合作,让学弟学妹做一点,一直做到了 2021 年。等到技术逐渐成熟,我上一家公司也结束了,才把这个方向接过来,成立了造物云。
这几年我们积累的一项能力,是把结构化思维和设计洞察放进 AI。今天你随便让一个模型设计一双鞋,它也能给你画出来。但设计得好看,跟设计得准确,是两个维度的事情。企业要的不是一张漂亮图,而是适合它的需求、市场和产品定义的方案。
2023:倒逼自己重新学 AI
2023 年 ChatGPT 出来时,我确实有一点被打蒙了的感觉。那一年,大家看 AI 创业,关注的是刚毕业的年轻人,或者很强的科学家。我们这种创业多年的人,反而不知道应该怎么切换。
老股东也问我,会不会被年轻人打蒙?我说,还真有一点。我不知道底层到底发生了什么变化,那就重新学吧。

我去找当时刚读研的学弟学妹,说谁愿意到公司实习,工资照发,可以写论文、做研究,但我要跟着你们一起学 AI。我大概招了十个人,从让他们给我讲论文开始,倒逼自己重新理解。
在这个过程中,我又站在自己做产品的角度想:我想象中的 AI 应该是什么样?于是我们做过一个设计 agent 的 demo,让几个角色组成一个虚拟设计团队,去执行一个设计任务。师妹做了出来,也写了论文,但 demo 跟真正的商业产品,还有很大距离。
那时候我一直坚持一个想法:应该把 AI 当人看,而不只是当工具看。你会开始想,它在一个团队里应该承担什么角色,怎么跟其他角色合作,而不是只想给它一个按钮,让它替你完成某个动作。
2024:理解 AI 落地的 J 曲线
2024 年来 MBA 上课,我备课时看到一个关于工厂电气化的故事。它问的是:为什么新的动力出现以后,没有马上带来想象中的生产率变化?
过去的工厂,要烧煤、烧锅炉,再通过蒸汽和传动系统把动力送到各个环节。整个工厂,是围绕这种集中式动力组织起来的。

电机来了以后,大家本能地觉得,这是更先进的工具,那就把原来的动力换成电机。但如果工厂的布局、生产方式仍然是老的一套,新能力并没有被充分释放。等到大家意识到电力可以分布到不同环节,重新安排生产和总装,组织方式才跟着发生变化。
我拿这个故事看 AI,就一下子想明白了:先进的生产力,如果被束缚在旧的环境里,威力未必能爆发出来。而且组织改革会有阵痛,有学习期、适应期和低谷期。你不改,可能还觉得挺顺;一改,反而先碰到一些问题。
很多老板问我,怎么评估 AI 的 ROI?我会反问,你连 AI 都还没有理解,学习期都没有过,就拿成熟期的 ROI 来评估,是不是看错了它所处的阶段?理解这一点以后,我觉得企业 AI 落地,会是一个很长、也很痛苦的过程。
2025:从指点别人,到自己深度使用
在 2025 年以前,公司做 AI,我更多是站在别人背后指点江山的人。我经常走到同事背后问,做得怎么样了。他们让我好好用 AI,我也没有深度用,最多打开 ChatGPT 问几个问题,就觉得差不多了。
2025 年春节,DeepSeek 很热,我回家后想,那就认真测一测。我把几个 AI 放到一起,用它们来干自己真正想干的活,把过去几年没有想明白的事情,拿出来跟 AI 探讨。

有了推理模型以后,我一下子觉得它聪明了很多。那个春节,我写了几十篇文章,发在微信上,存在飞书里。后来我又很沉醉于写书,没有出版,但都放在自己网站上。我把很多自己理解的东西,世界观、人生观,重新梳理了一遍。
这个过程把我的思维方式转过来了。回公司后,我在门口贴了一句话:“珍惜每一分钟人与人碰撞的价值。”我还跟同事开玩笑,说我天天给你们讲这么多新东西,你们应该给我发工资,觉得讲得好,就给我打赏 token。
但那一年也有一个很明显的状态:有一段时间,我不太想见新朋友。因为跟 AI 讨论太顺了,再跟一个完全不了解背景的人解释,沟通成本很高。过了两三个月,我才缓过来,重新意识到,人和人碰撞,应该去追求更高的价值。
2026:我开始自己开发项目
到了今年,最大的变化是我开始动手了。
其实去年同事就跟我说,现在写代码不用自己敲,跟 AI 讲就行。我不太相信,他们帮我装好,我试了两下,不会用,就又放下了。
后来我们院长说,他过年带孩子背唐诗,顺便开发了一个 App,上架到应用商店。他已经十五年没写代码了,还亲自做这件事,告诉年轻老师和同学要重新学会写代码。我一看,那我也得回去认真试试。

昨天我把自己的 GitHub 翻出来看,已经有 76 个项目库,提交了 2,150 次。前两天,我们还做了个工具,统计我最近几个月到底用了多少 token。我用的 AI 很多,本来不容易统计,统一算出来,过去四个月大概是一千多亿。公司的技术合伙人也统计了,他大概是五百亿。
我当时很感慨,自己终于能把许多想法直接做出来了。很多项目,我自己跟 AI 开发,比把需求交给同事再解释,反而更快。我也愿意接更多真实需求,因为只有真实需求,才会逼着我把各种能力串起来。
所以我看一个人用 AI,不只想知道他装了什么工具,还想看他真正投入了多少,做出了什么东西,最后把生产力转换到哪里去了。
重新看自己,也重新看公司
这些经历让我重新看待自己。我把现在的状态叫作“佛系且强势的乙方”。
佛系,是很多人找我谈 AI 转型,我反而劝他先等等。前两年我们还在给大家打鸡血,这两年发现,有些人的思维方式还没有变,那就先变过来,不必急着做。
强势,是因为我从毕业开始就是创业者,过去更多站在甲方的位置。现在做乙方,我也会把客户的公司当自己的公司看,站在老板、总经理的位置想这件事,而不只是接一张需求单。

前两天,我问一位同龄朋友,你有没有经历过中年危机?我隐约觉得自己曾经有一点,但今年这个感觉消失了。因为我又能直接创造东西了。
我甚至第一次冒出一个念头:为什么还要拖着一个原来形式的公司?我自己有 AI,一个人也可以做很多服务。过去觉得公司一定要招人、培养人、管理人,今年开始,我反而希望大家逐渐成为能独立经营的个体。
公司这个形式也许还会保留,大家可以使用公司的公共能力,一起接业务、分收益。但我想往前走的方向,是大家凭自己的本事合作。我也在帮同事找能独立养活自己的路径,希望最后大家叫我邱老师,而不只是把我当一个发工资的老板。
三、什么样的人更有优势
关键不是年龄,而是经验、判断和投入
我在课堂上问大家,AI 时代,老登、中登、小登,哪一类更有优势?前排同学说,年轻人接受新事物更快。
我前几年也很有感触。年轻同事比我懂 AI,我就得听他们的,还要叫他们老师。站在他们的角度,一个不懂技术的人天天在背后指点,只因为给他们发工资,他们当然也会难受。

但今年我越来越觉得,关键不在于年龄,而在于谁掌握了 AI 没有的东西。AI 最后要在真实业务里交付结果,谁来判断,谁来把关?有经验的人,能把真实场景的判断跟 AI 结合起来,就有优势。
从这个角度讲,MBA 同学是很有机会的。大家有行业经验,又处在承上启下的位置。如果把这些经验 AI 化,价值就会很大。

另一个条件,是你愿不愿意花时间。假设一个大学生也用掉很多 token,能不能在我的业务里产生同样的价值?我认为未必。因为我们对综合问题的判断不一样。有同事会问,公司给这么多 token,到底拿来干什么?他不是怕不会用,而是不知道什么事情值得做。
所以一个是经验和判断,一个是花时间把它转化。也有老师跟我开玩笑,你别只做 K12,去做个 K60 俱乐部。很多退休专家有经验、有时间,让年轻人帮他们把经验接进 AI,两种优势也可以结合起来。
从专业岗位,到能对闭环负责的人
过去为什么强调专业?因为在一个大的合作体系里,你只要把一项工作做好,就可以嵌进生产系统,成为一颗螺丝钉。
AI 的变化在于,它有各个领域的知识,能帮助个人拓展原来的边界。过去积累下来的经验和判断,再跟 AI 结合,就可能不只停在一个岗位上。

我看到有人提出 Mini CEO 的概念,名字叫什么无所谓,我觉得重要的是:你要具备一把手的视野,能够对一个闭环的结果负责。
很多人在大平台上,只负责其中一环。离开平台,自己做生意,反而可能做不好。哪怕开一家面馆,你要面对的也不只是某一项专业工作,而是一整条业务链路。
今天 AI 能承担一部分执行和劳动力,我们就要学着做那个安排任务、组织能力的人。OPC 背后的价值,不是倒逼你注册一家一个人的公司,而是把自己变成能带着一批 AI 产生价值的 CEO。
四、从个人 AI,走向组织 AI
个人用得很好,为什么公司没有变强
今年接触企业,大家经常跟我说:我们有些人 AI 用得很溜,可为什么公司没有明显变强?
这让我重新想,假设今天从第一天开始创业,完全按照 AI 原生的方式,我会怎么做?
前几年,我们典型的做法还是软件外包。企业的 IT 部门或业务部门提需求,我们作为建设者,开发应用、训练模型,再交给企业放到内网或平台里使用。这种事,我们反复做了几年。

但今年的软件开发能力变化很大。有时候朋友给我一个需求,我把任务讲给 AI,让它晚上继续做,第二天再来验收。自动化程度越来越高,人更多在确认、修改和优化。

对我个人最大的感受,是终于不用花那么多精力搞管理了。我最多时管过两三百个人,每天有人投诉别人,渠道跟渠道又有利益冲突,心很累。我最希望的,就是这些事能不能少一点。
现在开会,先把录音和上下文整理好,再交给 AI。另一个人接手时,也带着上下文接过去,反复解释就会少一些。这是我自己已经感受到的变化。

业务人员也开始成为开发者
我们现在看到一个很有意思的现象:原来只是做业务的同事,有了 vibe coding 以后,也会自己开发软件和工具,先把自己的工作提效。
你今天是财务总监,明天是分析师,都可能变成组织里的建设者。大家借助 AI,把自己那一部分能力连起来,形成一个新的智能体网络。

我想象的组织,中间是 AI,旁边是一群会建设、会开发、能把业务经验放进去的人。再往外,是那些仍然需要在真实世界里行动的人,比如去拜访客户、去现场解决问题。
我们自己也在向这个方向走。公司里除了还保留一些必须有人审核的工作,其他同事都在逐渐变成开发者。这里的开发者,不只指原来计算机专业的程序员,而是能把自己的工作变成 AI 能参与的流程的人。
组织原来把聪明人的脑袋串起来,是为了共同完成大事情。但串起来以后,内耗也会很大。群体不一定天然有智能,有时候反而不智能。那有没有可能,让 AI 帮我们把上下文、经验和判断更好地汇集起来?
一次用 AI 拆 OKR 的经历
我有一次跟一位在互联网公司工作的朋友聊 OKR,聊完又去跟 ChatGPT 讨论。
我把公司每个人的岗位、我对他的期待,都跟它讲清楚。后来我试着问,这个人下个星期应该做什么?我发现,它帮我布置任务,比我自己有时候讲得还清楚。

我周末先把背景聊好,星期一同事过来,只要问:“我是谁,邱总希望我这个星期做什么?”它不只列任务,还会把前置条件、需要谁合作,一起讲出来。
那一天我就在想,未来企业里负责把大量上下文汇集起来、协调事情的角色,会不会由 AI 来承担?因为一个老板的脑子再好,也有记忆和处理能力的限制。AI 如果有足够的上下文,可能会帮助组织形成新的群体智能。
但我跟老板们讲完,大家都会继续问:听起来有道理,那到底怎么干?怎么从今天,走到下一代组织?
人、财、物、事,都围绕真实需求
我后来给企业上课,画了一张图。一个企业经营,无非围绕人、财、物、事:有人投入,有技术和资源,有要完成的目标,再通过业务去解决真实需求。这个循环转得好,企业就能活下来。

AI 带来两个变化,我把它叫作“物的觉醒”和“人的超能”。
过去的机器和工具,更多是等人去操作。今天 AI 进去以后,它开始具备生成、推理和行动的能力。但它要用得好,仍然需要一个主体来组织它。所以同样花 token,谁花、用来做什么,最后产生的价值会有很大差异。

当一个人真正掌握了这些能力,他会突然发现,原来的组织流程在束缚自己。
我做过一个项目,总预算十五万元。如果要做到设想中的使用状态,一个月服务器费用可能就要一万多元。我本身不赚钱,学校还要按原来的流程,把它登记成一个软件资产。它是用旧的软件采购和资产管理方式,理解一个需要持续投入的新系统。
还有一位产品经理,业余已经帮我们做了很多产品和应用,在自己的大组织里却做不了。因为对方说,这只是 demo,不能进生产,生产权限不给你。人和工具都强了,真正的业务却没有跟着变。
我看到的三条转型路径
所以我给老板的建议,大体会分成三种。
第一,原来的事情提效。做培训,立标杆,给用得好的人激励。我判断,这一层通常有机会获得百分之二三十的提升。但它还是在原来的组织方式里,把事情做得更快。
第二,原来的业务重构。如果老板真的理解了 AI,愿意改变原来的分工、流程和资源安排,就有可能释放出更大的能力。
第三,从第一天就用 AI 做一件新事情。不是背着旧流程去改,而是围绕新的能力,重新建立业务闭环。

这也解释了,为什么我会说,有决策权的人特别有优势。你有权调整真实的环境,又愿意深度用 AI,才有条件重构一件事情。
如果没有这种决策权,也可以充分利用新的资源去做自己的事。把 vibe coding 和 agent 用起来,不一定要先雇很多人,也可以尝试形成一个小的业务闭环。

五、OPC 的生意与协作方式
不要为了 OPC 而 OPC
我自己也在看,OPC 的商业模式,究竟怎样比较好。我大致看到三种类型。
第一种,一个人把全链路包下来。今天真去开一家面馆,比打一份工难得多,琐碎的事很多。除了软件开发这样的领域,AI 的手脚还没有充分伸进真实世界,一个人把实体生意全包下来,大概率还是一个小生意。
第二种,是专业的人有了 AI,变成更强的个体,但仍然嵌在原来的分工体系里。比如财务、法务、设计,过去就是专业服务,有了 AI 以后,一个人能承担更多工作,还是给别人的业务提供其中一段能力。

第三种,是把自己的能力产品化。你不只是做出一个东西,而是能把它分发给更多的人。做一瓶水不难,把它变成能持续、大规模交付的产品,就不是一回事。
第三种也是我想往前走的方向,但这一点我还没有做到,我也在努力。因为只有产品化,一个人的能力才有机会被更大规模地放大。
所以不是为了 OPC 而 OPC。先看你要做什么生意,再看应该把哪些能力放在自己手里,哪些借助 AI,哪些跟别人合作。
两个人的小组,和一间创造力客厅
我们自己也在试着缩小协作规模。原来一个开发小组可能有十个人,后来砍了又砍,有同事甚至觉得,三个人都太多,最好各做各的。
但完全各做各的,对我来说也有风险。所以现在会安排两个人一个小组,像 AB 角,一个人暂时不在,另一个还能接上。再加上我,三个人服务一个客户。我代表公司,他们作为具体承担业务的人,再来分业务收益。
做到这里,我也问自己:既然这样,为什么大家还要每天到办公室?人跟人聚在一起,到底创造什么额外价值?

今年我把公司一半的工位拆掉,改成客厅。我们每周抽半天,大家分享自己正在做什么。第一次办,我很惊讶,年轻人的想法很好,做了很多超出我预期的东西。
在 AI 面前,大家都可以创造。我也作为一个普通创造者,跟他们讲我最近做的项目。有些项目我们会开源,分享过程也录下来,通过这些事情去连接更多的人。

六、智能变成基础设施以后
一万个博士给你用,你让他们做什么
组织在变,那什么样的事情,是 AI 时代原生的事情?

说“智能变成基础设施以后的社会应用”,听起来很抽象。我换一个问法:如果有一万个博士免费给你工作,你准备让他们做什么?

我用这个问题,逼自己跳出过去的资源限制,去想新的场景。智能的成本下降,需求反而会被激发出来。原来做不起的事情,现在能做;做完一个项目,又会产生下一个想法,而不是需求就此结束。

我拿这个逻辑去跟 AI 推演,它给我找了一个铝的故事:以前是稀缺、昂贵的材料,生产技术变化以后,变成了日常随处可用的东西。我觉得这个类比很有启发,今天稀缺的专家智能,会不会也变得越来越容易调用?

那就不要只盯着原来的一点降本增效。既然有这样的能力,能不能找到过去根本没有条件提供的服务?
我在课件里列出的六类机会
沿着这个逻辑,我跟 AI 一起推导,整理出六类值得看的方向。

第一,是人人拥有专家团。过去专家稀缺,你要围绕他的时间、地点和交付体系去安排自己。未来一些专家能力可以通过 AI 被调用,交付体系就有重新组织的机会。

第二,是信任的基础设施。AI 生成的信息越多,虚假信息也越多。谁能提供可信的身份、背书、证明,反而会更重要。

第三,是智能和真实世界之间的桥梁。虚拟世界发展得越充分,人仍然要回到真实生活。具身智能,以及把数字能力接到物理世界的工作,都是这个方向。

第四,是编排智能的操作系统。各行各业的人都像一个工厂厂长,要重新安排自己的流程,调度不同的智能能力。谁占据了工作的入口,就可能参与这个编排过程。

第五,我把它叫作“意义制造业”。当 AI 能做很多事情,人要重新问,自己的意义和价值在哪里。好的学校、俱乐部、社群和旅行,都可能成为人寻找意义的一部分。

第六,是科学研究。一个博士借助大量 AI 能力,去探索人类还没有探索到的边界,可能会在生物、化学、材料这些过去进展很难的领域,打开新的可能。

七、我为什么在做个人 AGI
不是只使用一个应用,而是组织自己的能力
我今年最痴迷的一件事,是打造个人 AGI 系统。现在做到一半,大家到我网站看,可能还觉得那只是一个个人网站。但我想再花一些时间,把后面的东西串起来。

我有一个愿望:能不能以后每个月 200 元,就为愿意调用我能力的人工作?比如有人希望听一堂课,说出他想听什么,AI 就用我的逻辑,帮他组织一堂定制的课。我希望它讲出来的东西,跟我自己的质量有八九成接近。
大家可能会问,这跟个人 AI 有什么区别,是不是又造了一个概念?
我的理解是,个人 AI 往往还是站在消费者的角度,别人做了一个应用,你拿来用。个人 AGI 则是反客为主:把不同公司的 agent、工具和能力串起来,为我所用,做我想做的事。
我说的通用,不是把全人类的知识都通用起来,而是在我个人的知识和能力范围里,形成一个比较完整的系统。

我觉得个人会比组织更快,一个原因就是反馈。别人的脑子不是你的脑子,你控制不了别人的判断。但自己的事情,自己最清楚,跟 AI 之间可以不断反馈、不断学习。所以我干脆把自己当成一个机器人,开始一项项拆解。

从感知、记忆,到行动和复盘
一个完整的人,应该具备什么?首先我要感知世界,再把外面的知识变成自己的知识和记忆。记忆会沉淀,会产生判断,形成标准;合作过程中,又会形成技能。技能拿去干活,干完再复盘,又回到下一轮。

我就在补这个循环。拿备课来说,今天来之前,这套 PPT 已经先由我的 AI 给我讲了一遍。我在路上听,听完大概知道等一下思路该怎么串。
等我自己讲完,还可以把两种讲法放在一起校对。AI 是怎么讲的,我是怎么讲的,哪些地方不像我,哪些地方我临场补了新的东西,再反馈回去。下一次,它就能更接近我。
所以虽然我每次都讲新东西,很多都是第一次讲,但我能把它们串起来,背后有这套学习方法,也有慢慢积累的模块。
前两天,一位老朋友来看,他也在做类似的事。我把自己的系统给他看,他觉得我做得很深。原因很简单,这是我自己的需求。本来我们也在帮企业做相关系统,但企业可能一个月才找我开一次会,我自己却每天都能用,每天都能反馈。
所以今天还有很多半成品,我就继续把自己 AI 化,继续把模块接起来。

一副与自己深度适配的机甲
个人 AGI 对我最大的帮助,就像我有了一副跟自己深度适配的机甲。我的想法和思考,可以借助它去实现。
以后人会老,记忆、精力都可能下降,但如果还有一个系统帮着我,我希望自己仍然能保持创造和行动的能力。
一个个体要放大能力,只靠肉身不够,需要装备。把自己的业务流程 AI 化,就是在慢慢造这副装备。
未来我们之间合作,也可能从今天的人跟人反复沟通,逐渐变成 AI 跟 AI 先协作。比如小组作业,各自的 AI 先把工作做出来,大家像导师一样提出意见、最后验收。我觉得这是接下来值得尝试的方向。

八、给有行业经验的同学
AI 应用人才,不只是会用工具
最后还是回到人。AI 时代,到底缺什么样的人?
过去几年,有几个误解。第一,会用 AI 工具,就算 AI 应用人才。我觉得不对,因为 AI 也会用工具,人真正要发挥的价值,不只在操作。
第二,觉得我用了 AI,就算做 AI 应用。第三,把 AI 教育理解成教工具。AI 成为我们的伙伴以后,组织关系、协作关系、人本位的思考,都需要重新理解。
第四,觉得 AI 只有科技机会。我认为技术跟管理结合,把新的生产力真正组织起来,在产业里的价值可能很大。
所以我给自己的定义是:真正的 AI 应用人才,是能把行业经验结构化,转换成 AI 可以处理的模型、工具和流程,再由自己像厂长一样监控它,让它产生业务价值的人。

借势修人,再从真实业务里长出产品
AI 时代才刚开始。在每个垂直行业,到底能找到什么机会,是大机会还是小机会,我觉得还有点看不准。
那怎么办?我现在的想法,就是先借势修人。带着大家做 FDE,把赚来的钱分给大家,把能力沉淀下来。万一哪一天长出一个不错的事情,我们就一起去做。
过去,我觉得需要很多刚毕业的年轻人,他们更 AI 原生。但到今年,只有 AI 原生能力、没有行业经验,也很吃力。反而 MBA 同学的专业经验跟 AI 结合,可能会更好。

我甚至在想,造物云未来能不能变得像一所学校:上游招想学习、想转型的人,下游直接帮企业解决问题。把我们的 AI 能力,跟他们原有的专业结合,赚钱以后再分钱。

我们内部也在试一些方式。对年轻人,前一两年的工资,我把它理解成对人成长的投入。公司接来的项目,收入扣掉成本后,给团队分三成。如果是同事自己带来的业务,公司全力支持,公司分三成,同事分七成。
前两天,两位刚毕业的同事做了一个教育应用,拿给一位教育信息化负责人看,对方很兴奋。她们回来后也很有热情,因为第一次强烈地感觉到,自己做的东西能被真实业务需要。

先把熟悉的专业与 AI 接起来
有一位上一届的同学,对教育很感兴趣。他听完课后,我们也一起试过一些教育项目,但发现,直接做面向家长的非补习课程,并不好赚钱。
后来碰到一个会计事务所的合伙人,需要审核大量业务,我就想起这位同学本来是注册会计师,有很深的财务背景。我反而劝他,先把财务做好。

他原来不太想继续干财务,我给他的理由是,先把自己的专业跟 AI 深度结合。一旦真正用通,之后迁移到法务、教育或其他领域,才会快。先把一只脚扎深,再横向走。
这也是很多 MBA 同学的机会。假设你已经是某个领域里,别人愿意请教经验的人,你就有专业基础。可以先从自己的工作 AI 化开始,再看能不能服务别人。
我们有 AI 能力,但到了另一个行业,我讲的也不够专业,仍然需要一个懂那个行业的主体。大家正好可以结合。微咨询小组也可以帮我们想,怎样建立这样的平台和合作机制。
九、课堂问答
个性化需求,和标准化产品怎么平衡
同学问:在企业 AI 落地里,需求越来越灵活、弹性越来越大,标准化产品应该怎么做?
我前两年先想清楚了一件事:AI 要深度适配,我就先让团队放下做标准产品的执念。内部也争论过,说我们创业不是为了服务别人,是想做标准化产品。但我说,先切换思维,客户第一,先看能不能为他创造价值。
多产生几次价值,再找其中可以沉淀的中间件、能力模块,而不是一开始就让所有客户迁就自己的产品。
我讲了一个眼镜的比方。人的视力需求可以很细,但为什么产品通常按一档一档的度数提供?因为不标准的成本太高。我觉得 AI 在应用层,有机会让个性化的适配成本降下来。而应用下面,token、工具和一些模块,又可以是标准化的。
所以我们现在也卖一些通用能力,但给企业服务时,会更强调服务本身。以前一谈软件的钱,客户就会按传统软件的方式砍价;谈我们投入的时间、咨询和持续服务,反而更容易理解。我们也在从交付半成品,转向交付服务、交付结果。
但我仍然觉得,OPC 最终应该努力产品化。我这几年一个很强的体会,是先解决自己的需求。自己的需求都解决不明白,要去懂别人,很难。
很多人想买我这套个人 AGI,可它还不成熟。今天如果要做,我还是得花很多时间服务,没有一个低成本、标准化的交付方式。我也在想,能不能从很贵的服务,逐渐变成更多人买得起的产品,但这个途径还在找。
合作、分成和退出,怎么考虑
另一位同学连续问了两个问题:如果专家合作以后,赚得越来越多,为什么还愿意继续分成?如果有兴趣合作,却担心不合适,能不能退出?要不要先离开原来的工作?
我先说一点:我肯定不建议大家马上辞职去做 OPC。今天 AI 用好了,业余也可能释放很大的能力,先从自己熟悉的事开始,不一定要马上全职。
刚才那位财务同学想做教育,我为什么还建议他先做财务?因为他的教育经验和 AI 经验都还没有扎深。先从真实、熟悉的工作切进去,把 AI 这只脚扎深,后面才有迁移能力。
至于合作,我觉得我们进入了一个连续博弈的时代。你想做一笔买卖,还是想做十年的朋友?如果想做十年的朋友,最低的交易成本,就是坦诚、合理。我跟客户也这么讲,商务反而会简单。
以前说,一个人培养好了,翅膀硬了,就飞了。我的看法是,如果你真能飞起来,愿意给我一点股份,我也可以把它当成天使投资。何况大家的能力未必完全独立,还会需要技术、公共模块,还是有互补的地方。
那位有财务背景的同学也补充,他现在仍有全职工作,正在做的第一件事,是把自己的本职工作整理成 AI 平台和流程,先提高效率、挤出时间,再探索新的合作方向,并不是先放弃原来的工作。
十、课后交流
从零散的工具,到企业内部的 AI 能力
课后,大家还在接着聊,企业到底怎么把 AI 用进去。
我说,我们在设计领域积累得比较深,有工作流、有模型,也有应用。但到了其他行业,我们也还在探索。我不可能招那么多人,把所有行业都覆盖一遍。
我现在看到的难点在中间。假设未来的企业中间有一个 AI 核心,外围每个人也开始用各种 AI 工具,这些人就像往外面添了很多块砖。但零散的点,跟中间未必是通的。
所以需要有人一块一块地建设,像部门总监一样,把业务里的 AI 接起来。不是所有人各自用好一个工具,就自然形成了企业的 AI。
选客户时,我先看对方能不能做决定
同学问:你怎么选公司?通常跟总经理谈,还是跟运营、IT、研发部门谈?
我最先看的,是跟我沟通的合作伙伴能不能聊得来,能不能对钱、对决策负责。双方像朋友一样,能够达成共识,我才觉得这件事能往下做。
他又问,传统制造业找你,能达到什么效果?减多少人,业绩增加多少?
我反而会先问老板,你想干什么?希望做到什么程度?准备怎么做?让他先许愿,再一起看能不能做到,做得到应该怎么做。我不是把自己的想法直接给他,而是先把他的需要问出来。
从哪个部门切入,也不是固定的。不是说 IT 或研发一定更好,而要看哪一个场景值得做,哪一个总监愿意配合。很多时候,最后还是人的问题。
内部没有人推动,就先别勉强转型
同学问:如果内部的人都还是原来的思路,怎么办?
我有时会先给全员做一场培训,让大家开始用 AI。用起来以后,有人用得好,有人用不好,这时候就去观察,看看能抓住谁,把事情往下推。
如果内部完全找不到这样的人,我反而会劝老板,先别折腾组织转型。原来的业务收拾好,鼓励大家多用工具,用得好的给点奖金,也可以。
也有老板问,能不能介绍一个有 AI 能力的人。我会跟他讨论,能不能让这个人先从助理或一个新的业务角色开始,给他真正推动事情的机会。
前提是老板听懂这个逻辑,自己愿意变,而不是我替他安插一个人。每个企业都不一样。我自己办过企业,又做了这么多年 AI,很多时候跟老板聊一聊,就能大概判断他的问题在哪里。如果连基本认识都聊不到一起,我就不再往下做了。
先试三个月,再成为长期服务
同学问:你跟企业的合作是持续的,不是一次性的,对吗?
对。有一家客户已经合作三年,因为技术一直变,我们也要不断迭代。
以前做软件外包,双方先签合同、招标、报价,常常很麻烦。那家企业当时要解决一个问题,让我报价,我也不知道怎么报。后来我说,要不先做三个月?做多做少,大家一起承担,先看效果。
三个月做下来,对方觉得不错,后来就续。慢慢变成每年签一个合同,大概约定我们投入多少时间和精力,对方按月付款。我们持续做,双方也持续看是不是满意。
它不再是把一个需求单冻结下来,做完一个软件就结束,而是随着技术和业务一起往前走。
为什么回到咨询和服务
同学问,你前面两轮都是消费电子、硬件创业,为什么后来做了服务公司?
我的回答是,那时我确实不知道还有什么产品是自己特别想做的,就回到老本行。讲课、咨询,帮人看问题、解决问题,接一些服务。客户也不用很多,聊不来的就不做。
一位做财税咨询的同学说,他现在也是几个人一起做,心态有点像。我说,有时候你不是什么都想接,客户关系反而会更好。朋友说我这是姜太公钓鱼,我说,也可以这么理解。
但还有一点很重要,我想保持自己活跃的状态。不能真的就去度假、休息,什么也不干了。我还是要有事情做,还要继续思考。
专业服务里的哪些环节,可以先 AI 化
有同学接着问,像财税咨询这样的行业,要跟 AI 结合,是先把公司里的 Skill 提取出来,还是先做出一个老板自己的个人 AGI?
我说,如果一个人本来就是独立做专业服务,AI 化之后,他服务的边界就可能扩大。那位同学补充,他不是做记账,而是做合规、方案和对外沟通。有些对接税务、商务等机构的工作,没办法由 AI 直接替代。
我说,那可以先看看策略、分析、审核这些部分。比如我们最近接触一位做审计的人,他积累了很多经验和方法,员工做完以后,还要由他来终审,非常耗时间。他就愿意投入,把自己的一部分流程 AI 化。
同学说,事务性的动作可能可以替换,真实沟通还需要人自己做。我说,是这样。当你在组织里变得很强以后,另一个问题可能又出现了:原来的组织能不能让你的能力发挥出来。
公共 Skill 越来越多,人的价值在哪里
同学问,如果把企业里的 Skill 提取出来,它还是对方自己的资产;但市面上公共的 Skill 越来越多,能力也越来越重合,那会怎么样?
我举了一个比方:很多中医的知识、配方,书上都有,公开可查。那一个有经验的人,他的价值到底还剩下什么?
同样的,公共 Skill 会越来越多。但客户的信任、客户关系,还有那些隐性、模棱两可、AI 很难处理好的判断,仍然很重要。
同学说,这是隐性技能。我说,对。所以最后比较好的状态,是人跟机器融合。
大平台也在做,小团队怎样立住
最后还有同学问,大型云平台也在做 AI 场景化,你们跟它们有什么区别,会不会遇到它们的竞争?
我说,它们是大云,我们是小云。我们只能在某些点上做得更垂直、更细、更专业,才立得住。
他继续问,听起来你提供的是一种方法,再跟不同行业、不同场景结合。这套方法是已经成熟了,还是大家都在探索?
我说,大家都还在摸索。我也是积累了很多具体经验,像中医看一个场景,看到以后才比较好判断。不是说我现在已经有一套完全标准、什么行业都能直接套的方法。
延伸阅读:补充课件










© 邱懿武 · qiuyiwu.com
