AI 时代的产品创新与应用

开场：年前抛给团队的四个问题

同学们好，很高兴跟大家分享。今天讲一讲我看到的最前沿的 AI 时代里的一些做法。

简单说一句背景：我是浙大设计学出身，连续创业多年，这几年和浙大的老师一起做 AI，也在浙大人工智能学院做兼职老师。背景就不多讲了，我们直接进正题。

今天给大家分享几块：第一，年前我们自己是怎么思考一些问题的；第二，最近一款 AI 编程智能体这么火，我也在“养”我自己的这款智能体，它为什么能马上上岗；第三，讲讲背后更深层的原因——AI 时代里产品和应用的变化，以及我在思考的，产品和人的边界到底在哪里。

年前那阵子事情很多，但最后一天我还是把同事们拉到一起开了个会。我说我给大家几个问题，过年期间大家一起想，我自己也想。今天就把这几个问题拿出来分享。

第一个问题：AI 的窗口期到了

一月份，我看到一款 AI 编程智能体火了之后，有朋友问我怎么看这类产品。我说，三个举证成立了。

第一，过去几年里，AI 在 coding 上的能力已经非常非常强了，强到自然语言变成了这个世界新的底层语言——你只要能把话讲清楚，AI 就能把事情做好，就能把程序编出来。

第二，2025 年还有一个很大的技术范式在不断成熟，叫 skill：把专家的流程、SOP、knowhow 集成进一个文档，这个文档可以被 agent 调用。

第三是 agent。前几年大家一直在探索，说 agent 是 AI 时代里的大应用，但 agent 到底是个什么东西？很多人理解的 agent，就是它能自动干活——其实就是现在这款智能体的样子。这款智能体这次把它的架构开源出来之后，把这三个能力叠加在一起，才是真正 AI agent 时代的到来。我看到，这个机会来了。

把 coding、skill、agent 这三个能力叠加在一起，才是真正 AI agent 时代的到来。

第二个问题：AI 系统由谁来构建

我们 MBA 的同学来自各行各业，都是中高管，这几个问题大家也要一起想。

AI agent 的系统，毫无疑问是 AI 时代里最重要的智能单元。就像以前开工厂、开产线一样，现在是开一个 AI 工厂，让它去调度能力——这件事一定是成立的。那接下来最大的问题就是：这个智能、这个能力，用来干什么事情，投入产出比最高？这两年 AI 商业化最快的是漫剧，让 AI 全自动去做漫剧，ROI 非常高。也有很多人问我，邱懿武你怎么不去做漫剧？我说我看不懂漫剧，我不是那个受众，做不出我自己满意的。但我们一直在看，我们的能力结合之后，那个“大事情”到底是什么。我隐隐约约知道有这么一个点：要把 AI 近乎无限的产能拉满，像一个满负荷生产的工厂，同时还能带来经济效益，那才会带来大的 ROI。

第二个问题，是我问公司同事的：这样的世界真来了之后，AI 系统由谁来构建？我们现在做 ToB 业务，基本是一个小组几个人对一个客户，有人做技术服务，有人做设计服务。说实话，公司内部技术和业务的融合，还没到我理想的状态。但当我们真要干成一件事的时候，得把大家的能力整合到一起，这时候就会“打架”——到底是技术的人主导，还是业务的人主导？各有优劣。我服务过很多企业之后在想：未来是不是 IT 部的人直接去干业务，业务部的人直接去干 IT？旧世界的模式是业务提需求、IT 去开发系统；但在新世界，我看到的是这两者要融合到一起去。

第三个问题：AI 的能力和系统怎么构建

这一点在我们看来倒没什么疑问。过去三年我们干了太多这样的事，帮很多企业做 AI 化改造，全是 ToB，自己摸索出了一套流程和方法。只要企业愿意让我改，我都能帮他建立起 AI 的流程。

也正因为这样，才有了前面两个问题：很多企业的 AI 没发挥出那个“大事情”，是因为他们把新的能力，架在了老的系统上。而第二个问题的本质，其实是组织结构的问题——我对接过不同企业，有的对接 IT 部，有的对接业务部，对得多了才发现，原有组织结构里的隔阂有多大。

第四个问题：通用能力逼近边界后，人的价值是什么

当通用能力一直涨、涨到靠近所有能力的边界、大家都差不多的时候，人的价值到底是什么？我的看法是：通用能力决定下限，破壳能力决定上限。今天 AI 通用的知识能力，已经比我们每个人都强了；但强到最后，外面那一层独一无二的差异化才是关键。

比如去某家三甲医院，坐诊的都是主任医生，那主任医生之间又有什么区别？这背后的差异化点是什么呢？我说，就像一个老中医——配方不一样，品牌不一样，个人的履历不一样，那就不一样。

通用能力决定下限，破壳能力决定上限。外面那一层独一无二的差异化，才是人的价值所在。

最后我跟公司的人说：这个世界要开始抢新的增量了。26 年开始就是一个全新的世界。我说年轻人们，不管你是在我这里还是在别人那里，都抓紧去抢地盘——别只盯着眼前这一点，要往外去抢新的地盘。

就像刚才提到的那家科技公司，他们的创始人也看到了：用中国极致的科研效率，加上地方产业和工业的支持，在全世界范围内还有很大的地盘可以抢。他们做的相对偏制造、偏重资产，靠一个品类切进去，发现后面还有很大的空间可以收割。而我在 AI 世界看到的是——AI 正在完全重构这个旧世界，它的地盘就更大。

所以过年这段时间，我一直在想这几件事：我们那个“大事情”是什么？当它真的来了，谁来干、怎么干？以及最后的壁垒和边界是什么？我觉得各行各业，其实面对的都是同一个问题。后面讲的过程里，大家也会隐隐约约看到，我自己是怎么解答的。

三个礼拜，我手搓了三个产品

过完年回来大概三个礼拜，这三个礼拜我们干了超多的事情，我都感觉已经过了半年了，结果一看居然才开学。我先不讲三个礼拜之前的案例了，就说这三个礼拜做的。

第一件让我很震撼的事——这里没有照片。回来之后第一个礼拜，浙大开了一次人工智能的会，到场的全是各个学院的院长和大专家。学院一位老师给大家演示了两个东西。一个是一个叫 AI for AI 的项目，就是让 AI 自动去做 AI 算法的研究，直接写成 paper，代码也直接提交到 GitHub 上。据说是一位高校校友跟他的老师一起做的，做了两三百篇文章，都写得非常好——一个自动化的 AI 论文工厂。看完大家都很惊讶。不过我说，到今年下半年大概就不会觉得惊讶了，因为听说 OpenAI 在做一个类似的项目，让各行各业的科研都让 AI 自动化地去做。

虽然我早知道有这种东西，但第一次亲眼看到我们一位老师在台上演示，当场所有人都很震撼。

第二件事是，他为了鼓励现在的年轻老师都开始用 Vibe Coding 写应用，说了好多次大家都没主动动手。于是他过年前自己给孩子辅导作业的时候，顺手做了一个指导小朋友背唐诗的小应用，发到了 App Store 上。他说：我已经是十几年没碰过代码的人了，今天我自己用 Vibe Coding 把它做了出来。这对我冲击挺大的。这几年我们同事一直劝我，邱懿武你要体验一下 Vibe Coding，我说你们干吧，我动手能力没你们强，我站后面看就行。可当我看到院里老师都开始自己写应用了，我说不能再给自己找借口了。

知道是一回事，看到那个场景又是另一回事——看到了，就觉得自己还是得动手去做。

所以过年回来我自己开发了好多东西，做了三个产品，还训练了我自己的一款 AI 编程智能体。过年第一天我就找几个同事聊，说我们那件大事，我过年期间基本想明白了，马上开始做，叫深度加速孵化。这个项目虽然是我想的，但另一个朋友更适合操盘，他上班第一天直接从深圳拎个行李箱过来，到我办公室就开始上班，自己深圳的公司先放一放，直接在杭州租房，整个团队现在就搭在我办公室里。

这期间我还在策划一场展览，四月初在浙大校友总部办一个数字油画展；也面试了一些考研通过的同学，挺有感触。我观察到，同学们的能力结构已经完全变了：在纸上谈兵、做些虚拟作业可能不够了，真实地去做产品会变得很重要。其中给我印象最深的一位，是读书期间做了足够多外包项目的同学——他对真实业务、真实需求的理解就是不一样，自己又有动手能力，又有很好的产品理解力。

第一个产品：选课与投票系统

那我自己怎么试的呢？我说刚开始要开发一个系统，先做什么？我和某 K12 教育合作老师一直在合作，我说先帮你做一个选课系统吧，因为这个需求我能理解。他这边要开课，有点像给小朋友办那种一天的 AI 训练营——一天做一个 AI 项目、一个 AI 应用。但课太多了，就像浙大的选课系统一样，除了必修还有选修。那谁来决定开哪门课呢？我说给你做个投票加选课系统，家长投哪门，我们就优先开哪门。这个需求是我自己讨论下来觉得该这么做的。

原来这种系统要交给别人开发，五万、十万总得给，还不一定有我做的好。我大概花了四天，下班回家熬了两个夜，就把这个选课系统做了出来——能投票定课，能选课，选完还能和文章联动到一起。

这是我做的第一个。我原来是不会写代码的，虽然我们一直在搞技术，但我以前浙大的程序课都是抄作业才考过的。可有了这个感觉之后，那天回来我说，我终于不用求开发人员了——自己动手就能实现了。

第二个产品：会议深度洞察系统

做完之后，我又开始做一个心心念念两三年、一直想让团队帮我做出来、找过很多朋友都没做成的应用：会议深度洞察系统。我现在不管是讲课还是开会都会录下来。当然钉钉、飞书的会议总结现在都挺不错，但为什么同一次会议每个人解读出来的东西不一样？本质上每个人背后的决策模型不一样。比如我讲课，我最关心的是这堂课里我讲了哪些新观点、哪些能提炼成文章选题、哪些知识可以沉淀下来。这是我三年前就有的刚需，于是我自己手搓。

这几年我积累了九套分析会议的方法。第一个是常规的会议秘书，帮我从各个维度分析。第二个比较有意思，叫一针见血、问骨——一个“反派”角色去给每个人挑刺，直接打到骨头上，有点像给我们自己泼冷水，每次开完会我都让 AI 给我们泼泼冷水。还有写作选题挖掘、知识结构整理、执行力追踪、头脑风暴、第一性原理分析、麦肯锡分析法等等。这些方法我原本都在用，只不过每次都是把提示词单独发给 AI；当我把它们串到一起，就成了一个应用。

应用刚做完，有一天我那个合伙人跟我说：你试着问问 AI，假设你是全球最伟大的产品经理，基于这个产品你还能怎么迭代？我真问了。AI 告诉我，你完全可以做一个“知识汇通”。于是它帮我开发了几个功能——在会议与会议之间做关联，去找那些原来洞察不到的关联度。

第二个功能，是这几年我们会蹦出很多新概念、新词，比较难解释，所以把所有新概念、新词汇集成一个知识图谱。我回顾的时候就能基于这张图谱去挖掘、去寻找——AI 解读完之后，人类要干的就是去解读更深层的原因。

有了这款智能体之后，我把这些能力都给了它。比如第一个我给它起名叫“冷静”，定位是深度洞察分析师，剥离情绪，我给它设计的形象也很冷。第二个叫“杰克”，极客天才，我把整个技术团队的能力都配给了它。第三个本来想叫“老灯”，后来还是叫“小灯”，把很多战略洞察分析的方法都封装在它下面。

本质上，就是把我原来在做的很多事情的能力，分散到不同的 agent 背后。比如深度分析这一块：前两个礼拜我们开了一次家长研讨会，现在但凡开研讨会，我都用这套方法来分析。你看，每个人在不同场合讲了一大堆话，背后其实都有潜台词，自己不好意思说出来。我这套方法就是把每个人背后真实的动机和意图还原出来、推理出来。

那天十几个人发言，每个人发言背后想表达的都不一样。我就让 AI 把每个人真实的意图都提炼出来——我不想去揣摩人心，直接摊到桌面上来分析。

有时候五六个朋友聊完天，我直接让它一总结，我们自己都看笑了，因为它特别直来直往，话能讲得非常“刺骨”。

把方法封装进智能体

我现在重点在做的，是把这几年积累的各种思考和方法都封装进去。大家进我们那个飞书话题群也可以体验一下，我昨天搭了个外部版本，模型简单一点，但方法都在里面。第三部分我要讲的 AI 时代的很多方法，其实都来自这里。现在我给它配了大概十二个技能，还在不断加。

除了“小灯”，我还在打磨一个“灯姐”，是小灯的大姐。去年我们写了一本关于 AI 转型的书，我试着把整本书丢进去，它直接把书结构成了一个技能包——基于这本书的结构来评估一家企业转型的切入点。

这页 PPT 是我昨天加的，我说那你给大家介绍一下你自己吧，它叭叭就写了出来。我觉得这是 AI 时代很重要的一点——把知识通过智能体来结构化。我为什么都给它们设计这样的头像？因为我觉得虚拟世界和真实世界是一样的。它是不是挺有杀气的？就像公司里要来颠覆 HR、带领企业做转型的那种感觉。

我自己的学习流程，已经被 AI 重构了

我为什么要自己做这些东西？因为这几年我的工作流程随着 AI 发生了巨大变化。现在所有人面对的都是碎片化的输入——抖音短视频、文章、讨论，好一点的还有集中的课程。输入越来越碎。

而我这几年会自己跟 AI 做深度的思考探讨。以前是几个专家之间交流，现在我更多是跟不同的 AI 来推敲知识。还有一个加工知识的方法特别有意思：我平时跟豆包聊 idea，聊完让 ChatGPT 帮我脑暴，脑暴完再丢给 Claude 看一看。看完觉得这篇还可以，我就直接 copy，打开微信公众号和小红书后台，Ctrl+C、Ctrl+V 进去，一边排版一边看，看完也就大概知道我当时想的那个东西写成文章是什么样，然后发布。

我不是以自己的名义发的。一发出去，如果点赞量特别多、评论又多，我大概就知道社会的情绪和共鸣在哪，然后又会回头去深入思考这篇文章——我的知识可以反复来炒。为了积累更多知识，还要有消化的通路：会议、讲课、自媒体，把知识发散出去。

我把自己过去二十年学知识的方式分成四个时期。第一个时期是在浙大读书、读研那几年，求知欲、探索欲特别强，看了很多书。我们这一代最大的价值之一是赶上了互联网，我在网上看了足够多的新东西——所以大二上课时，好多新课程老师都不知道怎么上，我说老师我来上，我去国外找了很多课程教给班里同学。

第二个时期是创业这十年。我现在回想还有点后怕：我是没工作过就直接创业的。所以这十年才知道真实的 MBA 是什么——全是交学费交出来的。人事、财务、法务、供应链、销售这些知识，原来我连最基本的常识可能都没有，就敢干。但这十年给我最宝贵的，是有了最直接的体感，知道每一个环节到底怎么回事。

最近这几年我之所以说自己脱胎换骨，是因为大概一年前有了 DeepSeek。我在家跟它聊了七天，写了三十五篇文章，把很多原来模模糊糊想不清楚的东西讨论了出来。讨论完回到公司，我第一件事就是不想见人了，觉得跟人交流没什么意思。我跟员工开玩笑说，理论上每次我来给你们上课，应该你们给我打赏才对——这当然是句玩笑话。这两年我顿悟了很多东西，把知识做了各种融合。有了 AI、有了刚才那个知识图谱之后给我最大的启发，就是知识开始涌现了：因为有足够多的前置经验，再加上这样的工具方法，就蹦出好多新东西。

第三个产品：意图知识工厂

既然有这么多新东西，我说要不给自己做个网站放上去。这几年我写的东西都丢在一个知识库里，那个知识库像宝藏一样，什么都有，而且都是公开的。去年我写了三本书发给出版社，现在都还在审，不知道今年什么时候能出来。

我说那就先自己做个博客吧。但我不想做普通博客，我直接让 AI 帮我写一个我自己认知里的博客。名字我都想好了——我十年前就注册了个域名叫“略懂”，我说我的气质挺符合略懂的，就是懂一点；去年我还给自己设计了一个 IP 形象，是一只很憨厚的猪，像诸葛亮一样，名字就叫“诸葛”。

前两个项目做完，我说要挑战一下，做个深入点的。我把一段话丢给 Claude，说我准备干这么件事，我有这么个形象，知识库是这个飞书链接。它分析完给了我一个挺好的建议：别简单做一个发文章的 CMS，能不能做成一个智能体？我说这正好符合我的想法。第一版做出来我觉得至少能跑起来挺好，然后我又给它提了很多思路，让它改成产品说明文档。文档我直接丢给扣子编程，让它开始编程，同时也让 Claude 来编程。

Claude 写完之后很多 API 不好换，所以我把它部署在扣子里。讲到这里，我脑子里突然蹦出开学时那次震撼——我认为 AI 时代不应该是人来写文章的。我想搭一个 AI for AI 的 agent 系统，跟它说：我有个新想法，做成全自动的 AI for AI。具体流程是，我平时在飞书上跟你瞎扯淡、给你各种信息，你就采集、结构化我这些数据，分析成我想表达的意图。

第三步，你再自动化地做选题、评分、写作。我说最后应该达到什么程度？应该是人只站在旁边围观，里面全是 AI 在干活，人只来验收就行。我给它提了这么个更高的要求，它一下子画出了结构图——这就是我想象中那个自动化生产高质量文章的知识工厂。它更新完架构，顺便给我做了个 demo，演示把一个想法丢进去，它怎么自动开始写、怎么评分、怎么筛选。这个过程我不断开发、不断打磨，最后做出来的就是一个意图知识工厂：AI 在后台基于我所有的聊天记录帮我写文章，写完再把前面的知识图谱结合进来，挖掘知识点。

整个后台我发给几个老师看，他们说，邱懿武这是你写的？你居然自己能写出这么多。大家都很震惊。其实我大概就花了一个礼拜的晚上，把这整套系统写了出来。

看板、90 分门槛与巡视者

这套系统里有两个最重要的东西。第一个是看板，就像工厂管工人的那种感觉：A 文章现在是哪个智能体在写？写到什么程度了？有没有返工？整个过程可追溯，我直接做成一个总看板。我提的要求比较高，定了个标准——90 分以下的文章全部 pass 掉，然后再让它自我学习、进化。

第二个是，系统里有很多节点，每个节点背后都有一个提示词 agent 在做推理处理。比如有一个叫“巡视者”，本质上是我随便给它扯了很多东西，它要从我扯的这些里面结构出很多结构化的意图种子——背后的算法是我提了想法之后，AI 帮我写出来的。

所以在这个过程里，AI 一步一步拆解。我最近在做的是净化系统：怎么让它越写越好、越来越知道我想要的。它给了我一些策略，让我能做好进化循环，以及每个环节的参数怎么优化，智能程度就会更高。我把这个能力做完，直接丢给我的这款智能体。所以它在公司群里，我每次开完会把记录丢给它，它就直接帮我拆解我的意图和金句——金句是写作时要强化、要凸显我自己风格的，意图是辅助我做选题的，哐哐哐一顿操作。

里面还有个模型叫 CCC 模型——核心变化、价值链重构、杠杆，用这三点来分析一件事。我随便问了它一个问题，说你怎么看待这款智能体爆火这件事？它分析了一通，下面还给意见：这个机会怎么抓？它说，比如技能市场。果然，腾讯、飞书这几家很快就把技能市场搭起来了。它给的另外两个切入点是创业训练营、以及企业化定制。我们本来就是做企业的，现在做得比较深、不做多。等一下大家会看到，有些同学是专家型的，要训练自己的智能体，我可以教大家怎么训练。

三点心得

最近一个月我把感触写成了三点。

一、AI 化的前提是数字化

为什么我能这么快把这些 AI 能力用起来？因为我大概两年前就开始做准备：所有讲课、公司所有开会的东西，我全都录了下来，数字化的底子都在。再加上我们知道 AI 能干什么、能带来什么价值，所以拿这些基础去加工成 AI 产品时，速度就比别人快很多。

二、AI 化的终极是认知化

终极是会进入到一个人机共生的状态，是自我认知的迭代。就像刚才那个意图知识工厂——里面写出来的文章到底算 AI 写的还是我写的，其实已经不重要了，就看署名属谁。

署名是我的，就是我的；不是我的，就不是我的。产品做到最后，灵魂是那个画龙点睛——我要不要它？要，它就是我的；不要，它就不是我的。

因为整个流程已经进入认知的自我进化、自我学习。所以我把 AI 化分成三个阶段：数字化的 AI 化、AI 产品化的 AI 化、以及 AI 认知化的 AI 化。

三、调整心态，像老板一样指挥 AI

第三个心得是调整心态、放权给 AI，像老板一样指挥它。过年前我跟某 K12 教育合作老师给小朋友办了个 IP 训练营，我观察到一个很有意思的现象：一个朋友的女儿，一年级送来的时候家长还很担心，说这孩子不会打字，怎么用 AI？结果观察下来，反而是这个小朋友把 AI 用得最溜。为什么？因为她在家里怎么指挥那么多大人，就怎么指挥 AI——这个给我改一改，那个不好，那个又不对，我要生气了。

她就是用人的本能在跟 AI 沟通。我们成年人可能还在想“我会不会说错”，她不会。所以我说未来就该是这样：我们公司现在的指挥室，每个人都站起来，按住语音键就这么指挥 AI，AI 在那边干活，我们再嗑点瓜子、聊聊天，聊的过程又被记录下来——工作方式完全变了。

我们这一代很多人要做自己的 AI 产品，我认为最重要的，就是训练自己专业的模型。

大家感兴趣的话，我也可以分享一些怎么训练自己这款智能体的机会。我觉得很好的一点是：未来专家模型都能变成有价值的产品。下一部分，我们就来讲产品到底是怎么回事——先给大家讲个故事。

AI 产品和 AI 应用，是两件不一样的事

讲产品之前，我先给大家讲个故事。有两个男孩，十几岁的时候在西雅图创立了一家公司。一开始他们干什么呢？十几岁还没读书，就买了自行车，帮当地人送信、送报纸。后来摩托车来了，他们就换成摩托车；再后来美国电报公司起来了，电话普及了，不太需要送信了，他们就开始帮大家送东西，有点像今天的闪送。到了 1919 年，福特大规模量产了廉价车，他们又采购了很多福特的车来送货，于是业务版图就从西雅图扩到了更多地方。

这家公司是谁呢？是 UPS。你看，技术在不断地变，他做的那个业务一直在吃技术的红利，他自己也跟着不断地变。

我们再来看，福特的廉价车工业化之后，除了 UPS，还诞生了哪些影响到我们今天生活的应用？有了便宜的车之后，今天的很多品牌和生活方式，都是这么诞生出来的。大家随便说几个——因为有了便宜的汽车，后来诞生了什么？大家来推演一下。

有学员答：大型超市。对，大型超市。还有出租车。再想想，因为有了廉价车，会带来哪些新的商业机会？有学员说到供应链、快递，说到石油配套，米其林轮胎肯定也起来了。

还有麦当劳。麦当劳原来就是这样一个店——因为有了汽车，就有了美国的大公路；有了大公路，公路周边就需要很多业态配套，麦当劳就有了机会做标准化连锁。再往后，7-Eleven、沃尔玛、假日酒店、汽车旅馆、租车……其实最早的那个导火索，就是便宜的车有了，商业就此发生了巨大的变化。

所以在 AI 时代，我等一下要讲的 AI 产品和 AI 应用，我认为是两个不一样的东西。

我们今天站在商业的角度，要去看 AI 时代到底会带来什么样的新应用——而这个新应用，可能就是我说的那个还没有被挖掘的大事情。它可能是在位的人有机会，也可能是新的人有机会。就拿 UPS 来说，车来了他就把车换上，自己跟着升级，因为他的目标就是更快更好地把客户托付的东西交付出去，所以他受益于过去一百年工业物流不断的变化，水涨船高。

AI 产品和 AI 应用有一个非常大的区别：AI 产品有点像那辆车，是产品本身；而 AI 应用不一定是 AI 产品的应用。就像工业革命一样，因为受技术影响，社会各方面发生一系列变化之后，诞生了新的应用形态——可能是组织，可能是业务，可能是模式，也可能是一个具体的产品。

所以对我们商学院背景的同学来看，除非你这几年是搞技术的、能抓住 AI 产品的短期机会，不然我们要放长远一点。这一代的商业，是基于工业时代的商业、互联网的商业来的；那 AI 时代的商业，会涌现出哪些可以被改造的新机会？当然，产品形态本身也在发生巨大的变化。我认为某新锐智能硬件公司，其实就是在用互联网的打法来打智造，维度就不一样了。

工业时代的产品，我们更多指的是一个具体的东西；互联网时代的产品，可能是个软件、是个平台；那 AI 时代原生的 AI 产品，更多会是什么呢？有点像是一个被数字化了的专家模型。大家现在叫它智能系统、叫 agent。这里会涌现出大量新的机会——也就是说，你原来是财务专家，自己开个咨询公司给别人做财务咨询，那是人力输出；但今天有没有可能，你这个财务专家变成一个 AI 驱动的财务专家，就可以服务更多客户，未来甚至可以服务更多机器人？你的专家知识，是可以被其他 agent 调用的。

所以这款 AI 编程智能体出来之后，前两天曾鸣发了一篇文章，他说再也不投 GUI 的产品了。因为 GUI 软件是什么？是人类历史上的过渡性产品。很多软件做出来是给人用的，但未来交互界面会发生变化，很多东西最后是要让机器用的。

我自己的网站里也写了一个小应用：每一篇文章，当大模型过来抓取的时候，我主动给它一份结构化的、大模型能理解的语言，还顺便给大模型“加个鸡腿”鼓励一下——多谢你把我这篇文章抓走。你看，未来设计的机制就会发生很大的变化。

当智能成为基础建设，世界会怎样

那么，AI 时代驱动产品和应用的本质到底是什么？蒸汽时代是蒸汽机，燃油机时代是燃油机，电力时代是电力，互联网时代是互联网——那 AI 时代是什么呢？我已经总结出来了，其实就是这一句话：

当智能成为基础建设的时候，世界会发生什么变化？

就像电气革命的时候，用电成为基础建设。我们回过头看，今天有多少生活是离不开电的？那从今年开始，当智能成为基础建设，世界会发生一系列什么样的变化？

我们来看看 OpenAI 是怎么回答这个问题的。OpenAI 有一位专门负责商业化的负责人，上任第一天写了一篇文章，叫《AI 将成为全人类最伟大的赋能力量》。他讲了六个点：第一是知识，第二是健康，然后是创意表达、经济自由、时间、持续。其实在这篇文章里，OpenAI 基于他看到的世界，已经把这个世界会发生的几个最大变化都说出来了。第一个毫无疑问——因为这一代是知识大模型驱动的，所以知识高密度相关的行业，教育、金融、法律，所有白领在做的事情，改变会是最大的。

过年期间我一直在思考一件事。去年大家都在担心，AI 是不是有泡沫，算力堆了这么多，怎么没看到多少人用？为什么据一些报告说大量企业的 AI 落不了地？奥特曼讲过一个观点，我认为对我们寻找 AI 时代的机会非常重要。他说，蒸汽机出现的时候，并不是因为动力多了就进入瓶颈期，反而激活了很多行业——因为有了廉价的动力，需求反而被越挤越多。

所以同样的道理，AI 时代的逻辑是什么？就是当智能成为基础建设、当智能成本趋近于零的时候，什么需求会被极大地爆发出来——这才是 AI 时代真正的机会点。

我让 AI 推演的六大结构性机会

按照这个逻辑，过年期间我就让 AI 帮我推演了一下。我跟它讲了很多我的想法，我说：那按照这个理论，结构性的机会在哪里？它给我讲了六个点。

第一个，也是最普适的，叫“人人拥有专家团”。当智能成本趋近于零的时候，专家服务可以无限扩容，接下来就要重构交付的架构。比如我们今天的医院，是基于“优质医生资源稀缺”这个前提来构建的，一线城市、二线城市不一样；教育、金融也一样，很多事情都是被所谓的专家为核心圈住的。但当专家知识可以变得扁平化的时候，整个世界的交互流程会发生巨大变化，这是巨大的商业机会。

第二个，当 AI 可以无限生成和增强的时候，真实性反而成了稀缺。所以未来在你的数字人当中——就像我刚说的那篇文章——我现在是有意去区分“AI 写的”和“邱懿武写的”。如果署上是邱懿武写的，那我就要用我的信任、我的背书，为这个内容的输出质量负责。信任的基础建设，在数字层、在商业层，都会发生巨大的变化。

第三个，因为智能足够多了，就会想要溢出到真实世界里来。所以物理 AI，以及用 AI 去改造这个世界、发挥每个人的创意、把想法变成真实，会成为社会新的基础建设。就像去超市就能买到我想要的东西一样，未来可能是——我想到，我就能做到。

第四个，是 AI 时代的智能体操作系统。像这款 AI 编程智能体、像扣子编程，本质上就是这种操作系统，这是大平台型公司都想抓住的机会。就好像阿里最近的战略，把这么多部门打包到一起，成立某头部平台的 AI 事业部，本质上就是在做 AI 时代的操作系统。因为当模型能力足够商品化之后，接下来就是“用模型”的阶段，而怎么用模型，你是需要一套操作系统的。

第五个，叫“意义制造业”。这里的制造业，不是我们说的制造业，而是制造意义的场所。比如教育、疗愈，都是意义制造业里非常重要的点。为什么？因为当这一代人的能力都趋同的时候，人们的焦虑、人类存在的价值，都会被反复地提问，于是会涌现出更多对人的意义、生活的意义、成长的意义的追求。

最后一个非常确定，叫“生物智能”。这一代 AI 会给人类在医疗上带来巨大的突破。随着抗癌技术、靶向药物研发跟着 AI 技术一起突破，未来可以做到千人千面的诊断方案。我个人有一个很乐观的判断——只是个人判断，不构成医学结论：二十年之后，如果你身体没出大问题，大概率能活到一百岁、一百二十岁。

我为什么一直在思考这些？因为每个人的背景不一样。我今天没办法去做生物智能，也没办法去做操作系统，那我就一直在探索：我们的能力会在哪里涌现出来？我们就在小朋友身上做了很多尝试。

少儿 AI 创意营：小学生的创造力，可能比大学生更强

节前节后，我们做了几期“AI + 创意”去教小朋友的营。大家来看看小朋友们做得怎么样。

我教每一个小朋友，从一年级到初三，我说：你们创作一个属于自己、独一无二的形象，只做你自己喜欢的东西。这是第一期的，这是第二期的，每个小朋友都不一样。在这个过程里，我真的看到了千人千面——好多小朋友做出来的形象，都很像他自己。

第三期里有一个孩子让我印象最深。我们问他：你怎么只做了一个普通的人物形象，还写了“我最棒”三个字？他说，我的创作灵感来源于——我爸喝了酒回家，总是只对我妈和我说，谁是这个世界上最帅的男人。他就把这个动作做成了“我最棒”。他爸平时是个挺严肃的人，看了之后，整个人就很温和。这就是人跟人之间意义的价值——我让技术同时赋能了小朋友去创作，还能在家庭里增加更多的话题。

这件事其实是去年 7 月份，我给浙大的同学上课时开始的，到现在还不到一年。第一次的尝试是这样：我说，这些 AI 技术能不能让一个没学过艺术的大一学生，在两周时间里，学会过去视觉传达专业可能要教四年的内容？后来我又做了一个尝试，因为我还有一个假设和判断——在创造力这件事上，小学生的能力可能比大学生更强。所以我就邀请了几个朋友的孩子，包括我外甥女，让小朋友跟大学生一起学，我也一起教。他们听不懂，我就让他们去问豆包，最后他们也都做出来了，而且大家相互评价，作业能达到中上以上的水平，很多还更有意思。

后来又给高中生做，三个月之后发现，高中生能做到接近大学生的水平了。过年期间我们又给小学生和初中生试，结果小学生、初中生做出来的完整度反而更高。我们自己复盘：这背后到底发生了什么？人还是那个人。我认为最大的变化是——AI 的能力变了。去年 7 月份，角色的一致性、角色的质量，我们还要单独训练一个模型去控制；但今天的豆包、即梦就能做到了。

到了 10 月份之后，豆包就能做得很好了。现在豆包的自然语言理解、上下文理解，再跟图像多模态能力结合到一起，就进入了一个新的周期。所以“创意”这件事，开始真正属于有创意的人了——而小朋友，有可能比成人更有优势。

你看，我的办公室都被小朋友整成了托儿所，大家就很开心地沉醉在创造的过程里。有一天我回来，看到办公室被整成这个样子；可就在那一天，当每一个小朋友把自己的作品拿出来路演，我们所有人去看的时候，都觉得特别感动。这在过去是根本想象不到的——这些小朋友居然能做到。这背后，其实就是刚刚那六个要素里发生的一次很大的重构。

AI 先改造谁：先捏软柿子

AI 会改变哪些行业？我自己总结了一个规律：并不是任何一个行业、任何一个环节都适合被 AI 改造，要先切软柿子，先捏软柿子。什么是软柿子？大概有几个判断维度——你在做的这件事情，数据是不是高度聚集？是不是要做结构化的决策？是不是人力密集型的？比如我刚刚演示的会议总结这件事，每一次会议录音都是结构化的数据，一次会议我可能要做五六次决策，以前可能要招一个助理来写，现在这笔助理的钱就省下来了。我自己这个应用是这个道理，从行业的角度来说也是相同的道理。

什么行业会最早被 AI 改造？我把它叫做“智能有密度”的行业。总结来说，就是一个企业原来白领人数足够多、流程足够标准化、决策足够标准化的环节，特别适合用 AI 来改造。

木桩还是船

在改造的过程当中，还有一个理论，是用来评估你改造得对不对的：你做的这件事情，到底是一个木桩，还是一条船？这个理论最早是我一个做投资的朋友提出来的。我们这几年在 AI 创业的过程当中，看到了太多的木桩——所谓木桩，就是你今天做的东西，明天可能就被行业、被时代的变化覆盖掉了。你能不能做一条船？随着智能程度的上升，你自己也跟着上升。

比如当年福特发展的过程当中，一定掩盖了很多很多炮灰，有哪些炮灰，历史可以考究一下；但福特的发展毫无疑问推动了 UPS 这类业务的发展。所以在 AI 时代，大家可能要去找 UPS 一样的位置——随着智能程度提升，你的能力、你的产品、你的业务会被不断抬高，而不是跟智能去做对抗。

高人力密集的白领岗，正是机会

我大概总结了一个特点：过去那些依赖人的高级服务，一旦把价格打下来，就会发生一系列变化。比如咨询、法律、创意、内容营销、客服、招聘、私人医生——这些差不多就是美国去工业化之后保留下来最多的那些白领岗位。分析一下，它们原来都是高人力密集、不可规模化、高成本的。这种传统模式有没有可能 AI 化？如果能把过去非标的服务，靠 AI 做到千人千面的大规模个性化，这里面就蕴含着下一个独角兽的机会。

AI 是教育驱动的：认知的认知革命

我还有一个判断，AI 时代有一个特点，叫做 AI 是教育驱动的——教育方式有点像是 AI 的市场部。这里面有两个很重要的点。

第一，每一次技术变革，本质上都是一场认知革命；但这一次更不一样，这次是“认知的认知革命”，因为它是在颠覆我们脑子里这件事情本身。

第二，AI 不是一个纯粹的技术问题。前两年，很多人担心 AI 对文科、商科的人机会不大，好像都是技术人的机会；但接下来会涌现出新的机会空间。原因之一是，过去所有的科技动的都是人的非核心部分。什么叫人工智能？人工智能其实就是“人工做出来的智能”，是人造出来的智能。那智能里面最核心、最值得标准化的是什么？是你的 know-how，是你的 SOP，是这些东西。

达里奥也讲过一大段话，我大概翻译了一下：他看到这个社会带来的最大问题是，AI 不一定会带来财富的巨大变化，但会带来巨大的人与人之间的差距——认知能力、判断能力、学习能力都会进入一个特别大的分化周期，而只有教育可以很好地去拉平这个过程。

产品能力为王

在这样的背景下面，我认为有一种能力变得特别重要，叫做产品能力。这是我去年给某大型电信运营商做培训时的体会：他们整个班，我本以为来的都是产品经理，结果来了才发现没几个人是产品经理，但大家都想来学产品经理。那天上完课，我自己回去总结了一下，为什么产品能力在这个时候变得这么重要。

我们给这家运营商上内训班的时候很有意思：一节课讲完，同学们马上疯狂组队，开始动手开发自己的应用。选题自己选。我们看到有一位同学，给 HR 做了一套公司内部的简历筛选系统，三天时间就做出来了。我问他原来是做什么的，他说原来是搞技术的，于是他直接跟他们 HR 一起把这套系统给做了出来。

为什么 AI 时代产品能力就变得这么重要？因为产品能力是一个“大集成”的东西：当技术变得商品化之后，很多差异、很多 know-how 会沉淀在产品层。而且这一代有了 AI 之后，产品开始参与到决策过程当中去了。以前产品经理是一个“背锅”的中间角色——市场部把需求给他，他整理一下交给开发，做不好大家都让产品背锅。但今天，产品经理有可能反过来把市场、把开发这些环节都重新统起来，自己做产品，所以产品成了一个动态平衡的交叉点。

还有非常重要的一点：产品经理知道 AI 背后是怎么回事之后，AI 产品才会更有竞争力。因为 AI 产品都会面临一个巨大的问题——信息大爆炸。你怎么把信息大爆炸里面真正有用的东西过滤出来、压缩出来？背后是要有很多思考和算法的。

最后一点，好的产品在企业组织里面，是能扮演“压缩组织”这个角色的。我们最近在讨论供应链怎么建设，我直接提出来：我们不能靠堆人。能用机器干的，千万别招人；人招过来，也是来看机器、给机器输出 know-how 的。我宁可去招一些年轻人，从头开始教。

学习进入生产环节：OPC 与学习型组织

这一代 AI 产品有一个最大的特点：产品内部不只是一个简单的产品，而是自带学习方法——“学习”第一次进入到了生产力的环节当中。过去的学习是为了获取经验、掌握技能、跟上规则；而 AI 时代的学习，变成了你要去制定 AI 驱动能力本身。

从这个角度看，未来特别吃香的会是两类人。一类现在比较流行的说法叫 OPC——一人公司，一个学习型的个人，借助 AI 自己快速迭代。另一类是学习型的组织。

但说实话，我这几年接触了几千家企业，绝大部分企业是改不掉的，因为绝大部分企业是顽固型的组织结构和文化。它看似很包容新东西，但受制于原来的利益、原来的权力结构，对新东西天然是抵触的。别说是成熟企业，就连我们创业公司，我自己去改都很难，这是人性——有很多“壁垒”，本来就是用来抵抗外来侵入的。但未来的组织应该是什么样的？应该是一个流动型的、AI 学习型的组织，产品和人进入到一种类似“太极”的状态里。这两年我把我们自己的组织改造了一下，改得比较偏 AI 了，我觉得挺好。

AI 时代最缺的人：编排智能的人

AI 时代的人才到底是什么样的？我这几年大概有几个总结。第一，AI 应用人才绝对不是“会用 AI 工具”的人。第二，AI 应用不只是 AI 工具的应用，AI 教育也不是去教 AI 本身，AI 更不等于只有科技的机会。

我自己定义了一下，AI 时代最缺最缺的，是这样一种人——他像一个工厂产线的厂长，能根据业务去“编排智能”。所以 AI 产品的核心就是这四个字：编排智能的人。

怎么才算编排智能？关键是要能根据真实世界的问题、行业经验去解决，而不是自己凭空想一个课题、纸上谈兵。你做的 AI 应用如果只是一个 Demo，那有什么用？要能把真实世界的问题结构化出来、模型化出来，再做到自动化、规模化、优化，你的效率才会真正提升。所以理论上，我们 MBA 的同学是有优势的：你们手里有真实世界的问题、行业经验和方法，要做的就是借助 AI 把它结构化、模型化，最后产品化。

现在最好的产品化载体是什么？就是把你自己的经验、知识、方法智能体化，做成一款 AI 编程智能体。未来你的数字分身就可以被别人调用。

算力，就是 AI 时代的“用电量”

那一开始怎么算进入状态了呢？打个比方：哪天你发现自己的电脑不够用了，可能就进入 AI 状态了。我现在大概有三四台电脑同时在用——A 在跑一个 AI，B 在跑另一个，C 又在跑一个，三个屏幕都还不够，旁边还放着一台笔记本。工业时代，哪家企业用电用得多、而且用对了，说明它生产力强；AI 时代非常重要的一个指标，就是你花了多少算力、产生了多少价值。这是衡量 AI 时代经济很重要的一个指标。

还有一点：当你把所有模型都用下来之后，你会慢慢能感受到模型与模型之间的差异。我这两年碰到两件事。第一，跟小朋友交流，他们都能天然地感受到豆包和 ChatGPT 聊出来的东西是不一样的，智能程度是不一样的。第二，我画完这张图之后，一位朋友的女儿——在某海外名校读哲学——过来跟我说，他们在国外也都是这么用的。我觉得，只有当你真正感受到模型不一样的时候，你对“编排智能”这件事的体感才会特别明显。

人类最后的东西：那口气、那点品味

最后给大家总结几页。我先讲“人类最后的东西”是什么——我觉得有个词起得挺精妙，叫 Vibe Coding。Vibe，我认为就是人类最后的东西。

Vibe 这个词，在英文里可以翻成“氛围”。现在的编程叫氛围编程，还可以延伸到氛围工作、氛围学习。你看，MBA 的知识其实你在网上都能学到，为什么还要来线下学呢？因为有时候那个氛围很重要，那个场域很重要。

Vibe 这个词还可以有更多的翻译，我把它进一步翻成：品味，翻成那种模糊的、直觉的、感觉的、形象的、意图性的东西。人最后的价值，就是那口气。那口气是个什么东西？气和神——其实就是人“还想干点事情”的那个意图到底是什么。这可能会成为最后做出差异化非常重要的点。

这里有一个故事。乔布斯回到苹果之后有一次采访，这段采访丢了二十年，后来找回来了，叫《遗失的采访》。有人问乔布斯：你怎么知道你做的方向是对的？乔布斯说，到最后，一切取决于品味。他怎么讲“品味”这两个字呢？他说，就是尽量让自己去接触人类最好的东西，然后尝试把这些东西带进你自己做的事情里，你自然而然就知道什么是对的——有点像“自有神明引路”的感觉。他还引用了毕加索的一句话：优秀的艺术家抄袭，伟大的艺术家窃取灵魂。灵魂，就是那口气，就是那个意图。

到最后，一切取决于品味。

所以我们在这个时代，会迎来真正有意图、有氛围、有品味的东西。它从哪里来？就来自真实的业务、真实的场景、你自己的需求，然后再 AI 化。

我有个朋友来我办公室，他说他在深圳开会根本不用录音，因为讨论的那些东西没营养，录下来干啥，那个意图是没价值的。但在我的办公室，我们都在做高密度的人与人的碰撞，那个意图被解读出来，每个人都在这个场域里持续学习。

to G、to B、to C 的第一性原理

我这几年做过 to G、to B、to C，也总结了几个点。我认为未来比较大的机会，其实是 to C。为什么 OPC 这么火？因为未来你自己能给自己做一个自己满意的 to C 产品，顺便分享给这个世界，会越来越成为主流——因为“企业”这个组织本来就是工业时代诞生的，很多企业会在 AI 时代慢慢被肢解掉。

这背后是几个第一性原理。to G 的第一性原理，我总结下来是“领导满意”——领导满意，所有人都满意。to B 是“客户满意”，这是最难的，因为你的客户到底是谁？老板满意了下属不满意，下属满意了执行的人又不满意，所以企业 AI 转型很难。to C 的核心，一定是先做一个自己满意的东西——你自己满意了，才能更好地传递给更多人。

从被消费，到去创造

AI 会把我们带进一个新的时代。我看到的这个世界，已经从这两年开始拉开了一个思想、文化、科技大爆发的时代，就像一场文艺复兴。同时，一个“爱自己”的时代也到了：与其取悦别人，不如取悦自己。我们几个朋友现在越来越明显，越来越爱自己，都不太想为了社交而社交了——没什么好聊的，还不如两个人打个电话；甚至把语音记录下来，发给你的 ChatGPT 和我的 ChatGPT，两边拉个群总结一下就好了。

那未来人在无聊的时候要去干什么？我一直在思考：人类历史上，到底哪些事情是有永恒魅力、做不腻的？AI 帮我总结了几个规律——做不腻的事情有几个特点：第一，要有稳定的内核，能持续和你产生共鸣；第二，它的形式要不断变化，不断刺激你的好奇和兴趣；第三，要有很多留白的空间，让你自己可以不断映射、不断循环。

我觉得这个世界最重要的转变，就是我们个人、企业、产品，都要发生这样一个转向：以前太多的人是被这个世界“消费”掉的，而做产品，本质上就是“创造”的开始。商学院里讲了很多战略、方法、理念，下一步我们要做的，是能不能把这些东西变成产品。以前要变成产品，你得找个写代码的人；今天不用了——你用好一款 AI 编程智能体，它就能帮你把这些变成产品，你也就开始学会向这个世界输出更多的价值。

不管是小朋友还是我们成年人，这都是一个非常重要的临界点：你是在被这个世界消费，还是你想去创造、去改变这个世界？

而我认为，比“创造”更高级的，其实是艺术鉴赏和寻找意义的能力。为什么有这种感觉？因为我们做了一套人工智能系统，给几位艺术家看，他们指着这些东西说这不好、那不好。我们觉得他们说得好像有道理，但他们自己又不会动手操作——那我说，我就是背后那个“大 AI”，但他们说的很多确实是对的。品味这个东西很真实：你在对的方向上赋予它的意义，它就是对的。所以，人去创造是一种工程能力，但比创造更重要的，是那个意图、那个意义，是那一口气——其实就是你的品味，和你构建意义的能力。

今天大概就讲到这里。前面提到的很多方法论，我其实都把它们压缩进了一个智能体里。如果有同学本身就是某个领域的专家，你的专家知识又适合被 AI 化，又想未来自己创个业、做个副业，其实非常适合把自己的专家知识变成一款智能体。感兴趣的同学，我也可以教大家怎么训练自己的这款智能体，训练完之后还可以一起商业化。谢谢大家。

现场问答

主持人在总结时提到，希望把这套方法论延伸到大家各自的行业，未来也想借助微咨询、孵化平台的方式，把同学们的想法和邱懿武正在做的事情结合起来——比如有同学正处在“是留在原公司继续干，还是自己出来做一件新事情”的节点上，或许就能在交流中碰出新的机会。他还举了一个例子：之前有一位做外贸的学员，因为对机器人赛道感兴趣，去了一家四足机器人公司实习，后来留了下来，一路做到了管理岗。

机会很多，但个人独立去做很难，所谓的“根基”“主页”是什么？

一位做金融的学员问到：按你的分析，未来确实有很多机会，但如果是这样，一个人独立去做就很难。他需要依托的那个“根基”“主页”到底是什么？像 UPS 那样，背后是现实世界里持续存在的物流需求、消费需求，是上个时代沉淀下来、有硬底子的大企业；而我们现在很多所谓的行业，可能一两年、三五年就转过去了。或者说，是不是要深入到具体行业去分析——因为工信部对不同行业的要求其实也不一样。

我的回答是：现在看下来能比较快把平台级的事情做起来的，就是阿里、字节、腾讯这几家。尤其是腾讯，它的用户基础非常厚，只要它想干，是能很快做起来的。这三家之外，再剩下来就是一些“小而美”的角色，比如小红书就做得不错。小玩家就只能做小而美。

“一个月干半年的事”，会不会跟不上这个时代？

这位学员接着说：就像你刚才讲的，现在一个月就能干过去半年的事情，我会有一种“是不是要跟不上这个时代”的感觉。

我说：你看今年比如做漫剧——什么是好漫剧？你的用户是谁？你有没有 IP？你能不能分发？这些才是核心问题，下面这些技术只会越来越好。前两年很多公司为了“做 AI”，花大量时间自己去搞 IP、搞模型，结果绕了一大圈。所以理论上讲，AI 转型优先属于谁？优先属于原来这个行业里有经验、有知识、能快速转型、能脱胎换骨的人，机会是优先给他们的。反过来说，我为什么自己没去做漫剧？因为我对漫剧没感觉，知道它是对的，但没感觉，就做不好。

i 人是不是可以多跟 AI、跟“名人星球”聊，还需不需要跟人交流？

一位偏内向的学员问：我也是 i 人，那我们现在是不是可以多跟 AI、跟那些“星球”聊？比如让它扮演柏拉图、苏格拉底、乔布斯，我去跟他聊——那我还需不需要跟人类交流？

我说：可以呀。关键是你怎么通过这些智能体给自己获取能量。i 人和 e 人获取能量的方式不一样：e 人要靠参加活动、跟人互动来获取能量；i 人是要让自己冷静下来、思考，才能获取能量。像我，表达的时候其实很兴奋、很强力输出，但讲完了我就不想再讲了——我其实是个 i 人。所以你不必担心，把对话当成你思考和汲取的方式就好。

AI 跟银行隔着很厚的壁垒，未来银行会怎么发展？

一位银行业的学员问到：对于 AI 这个东西，我总觉得它跟银行之间隔着很厚的一层壁垒，AI 很难真正进到银行这个行业里来，不知道未来银行会怎么样。

我说：其实银行背后的 IT 系统，早就在大量做 AI 化、数据化了，比如风控、客户管理。所以这一波里所谓“金融行业的 AI 化”，反而是一个非常大的需求。要说替代，对员工来讲，前台员工确实是比较容易被替代的那部分；但后台这些，其实这几年银行都投入了很大的费用在做 AI。

这位学员补充说，数据上跟客户也有不少关联，现在一些机构出于数据合规的顾虑，已经开始限制某些 AI 应用的使用。我说：现在这些其实都不是根本性的障碍，我个人觉得很多都是阶段性的问题，会慢慢解决的。

我们对 AI 是不是还不够激进，该不该更拥抱它？

有学员说：听你分享下来，我觉得我们对 AI 还是不够激进，其实应该再激进一点、再拥抱 AI。

我说：很多朋友问我要怎么拥抱 AI。我的第一感受是——第一，你的心要先进来；进来的第一步，就是先把 ChatGPT 用起来。进来之后，你不要急着做大投入，可以慢慢放权。我自己肯定是很激进的人，因为我是要彻底改变的；但对大多数人，一定要先“感受到”。为什么这一波 AI 这么火？它是一个“养”的过程，你要亲眼看着 AI 从刚出生一路长到成人。如果你不看，等它突然长大了你才回过神来，那种落差感会特别大；而你一路看着它过来，你就心里有底——它当年是怎么回事、现在为什么变好、下一步会变成什么样，你都清楚。

我自己也是这么走过来的：前几年给很多企业做项目，常常是交付的那一刻，做的东西就已经被新的 AI 技术替代掉了。但好的地方在于，有些客户跟我们建立了长期合作，本质上是积累了信任——信任是“船”，具体做的某个东西可能只是“转”。所以现在第一选择就是先用起来，先花二十美金开个账号。

这位学员说：那我们现在就相当于陪着 AI 一起成长、深入地见证它。我说：对。（我开玩笑说，开了账号你可能会觉得“连 MBA 都不用读了”——当然这是句玩笑。）

家电行业的商品、营销、销售三大职能，怎么用 AI 切进去？

一位做家电营销的学员问：我是家电行业、做营销相关的，我们现在职能主要分三块——商品、营销、销售。从这三大职能里，我们要怎么通过 AI 切进去？

我说：AI 的渗透是全方位的，只要现在还有人参与的环节，都可以 AI 化。至于具体从哪个环节切，要看 AI 当前的能力强在哪——比如在营销的内容制作、文案策划上，AI 已经很强了。所以你要去匹配：人的哪个技能环节，可以用什么样的智能体去编排、去解决。每家企业多多少少都有点不一样，没有一个绝对统一的答案，但原则上——只要有人的地方，全都可以有 AI。

从业务到产品到技术的全链路构建，做出来偏“畸形”、迭代又难，现在该推还是该等？

一位物流行业的学员问到：我们现在对 AI 的需求其实挺大，比如把内容策划沉淀成 AI 可执行的流程。但节奏很急——二月份说要做，四月份就想上线。从项目推进和方案评估来看，会发现 AI 还不够成熟：你跟它讲清楚标准和思路，让它去实现，它输出的东西还是很“笨”，理解上有偏差，对内容表达和迭代速度都有影响。

我说：这是个非常好的问题，我在很多企业都碰到过。AI 作为一种生产力，是有“启动期”的——绝大部分人在它产能还没爬上来的时候就放弃了。因为过去所有的系统、方法都追求确定性：我花一百万做一件事，马上要看到回报。但 AI 不是这样。你刚才说的那些问题，在我看来其实都不是问题，都是工程能解决的。

这位学员追问：我们也认定这是未来方向、一定要做。但现在的组织架构是业务发起、产品翻译、技术开发，这样全链路构建出来的东西不一定是最终形态，现在做出来偏“畸形”、还很难用；等下一次迭代，难度反而更大。那我到底是该再等半年，还是现在就一定要往前推？

我说：这恰恰是企业 AI 化最难的点——难的不是 AI 技术本身，而是组织结构的模式。在 AI 时代，理想状态其实是一个人从业务一路干到技术、捅到底；可你真这么干，往往还会被人觉得“你管太多了”。这跟当年的互联网转型是同一个道理：比如金融行业的互联网转型也扯了十年，最后一定是扯到一个平衡点。我们自己公司为什么干得特别快？因为马上就能调度、说怎么干就怎么干；而很多企业是这里扯完扯那里，我只能说你们先扯完，我们再来谈怎么做。

说到这，我也回应了“现在到底推还是等”：这是个组织问题，取决于你愿意投入多少。如果你觉得自己能捅到底，却发现组织适应不了你，那有些人可能就会想自己出来干了——本质上是你和组织的匹配问题，压根不是技术问题。

不同行业的壁垒不一样，现在是该推还是该等？

有学员问：不同行业的壁垒差别很大，这件事现在应该去推，还是再等一等？

我说：金融行业的好处是它有天然的壁垒——牌照之类的，留给你的窗口期会比较宽。相对而言，我个人的观察是，中腰部的民营企业在 AI 时代会比较难，因为它几乎没有什么壁垒可依托。所以推不推、推多快，最终还是取决于你愿意投入多少钱。

关于在大企业里怎么办，我给的建议是：先利用好 AI，把企业的知识充分“榨干”、沉淀下来，给自己赋能；榨干之后再跳出来思考——我应该怎么办、我能干什么。然后从第一性原理、从最原生的角度去看：AI 时代的一个组织、AI 时代的一个人，竞争机会到底在哪。在这个过渡期里，把知识榨取出来、把 know-how 变成自己的，会是最重要的价值。当然，除非你愿意一直做职业经理人。像大型物流企业这样的公司，数字化意识肯定很高，老板们诉求也强、要求也高，是会去推动的；只是大企业的通病，就是“扯”——同一件事，老板、中层、基层三个人的看法常常都不一样，搞定了这层、那层又没搞定。所以也得给它一点空间和时间。

知识碎片化，个人怎么快速学 AI，又怎么把这套理念传给孩子？

一位做材料相关的学员问到：现在大家都想学 AI，但知识又很碎片化。对个人来说，怎么快速学到比较前沿的 AI？退一万步说，就算公司暂时不好做，孩子的教育也该往这个方向去引导，这个理念得传下去。但我自己在做的时候会遇到很多问题，怎么探索出一套适合自己的模式？

我说：其实学 AI 很简单——你一想到问题，就去问它。碰到哪一步不会，就直接把问题发给它：我遇到这个情况了，该怎么办？基本上都能解决。就把它当朋友一样问，问它最近有什么新进展，自然而然就上手了。

还有读书也是。别人推荐我读哪几本书，我不会直接看，而是先写一个“一分钟榨干一本书”的提示丢进去，问它：这本书讲的是什么？站在我的角度，你觉得对我最有价值的三个点是什么？它一说，我觉得有道理，再追问：这个点跟我手头的那件事是什么关系？这么聊下去，知识才被真正深加工过了。千万别它给你一个东西，你看一遍就完了。碰到问题就左边问、右边问、后边问，从各个角度去问那块知识，你就很容易找到那个解法。