【学习笔记】张小珺对话曾鸣：AI 产业史观的十一个非共识判断（全文总结）

这两天把张小珺《商业访谈录》第 153 期——《和曾鸣聊产业史观：残酷的真相、会消亡的公司、优秀≠卓越、“OAI、Anth 大概率不是原生时代大赢家”》（2026 年 9 月初上线，时长 2 小时 34 分）的官方文字稿通读了一遍。文稿 31572 字，发表在张小珺工作室的公众号「语言即世界language is world」，标题是《和曾鸣聊产业史观：我的非共识判断》（搜狗微信直达，认准公众号「语言即世界」）。这篇笔记是全文的完整总结——按官方文稿的十一个观点逐一展开，关键判断尽量保留原话。

先交代人物背景：曾鸣教授是阿里巴巴集团前总参谋长（首席战略官），参与创建过两所商学院（长江商学院和湖畔），新书是《智能：AI时代的商业、组织与战略的本质》。张小珺是财经媒体人，13 次获国内外新闻奖项，2022—2024 连续三届拿 SOPA（亚洲卓越新闻奖），她的《商业访谈录》以 2 至 7 小时长对话为形式。这期节目的主题，是曾鸣以「产业史观」——把 PC 互联网、移动互联网、云计算到三次工业革命全部研究一遍之后提炼的动力学规律——来给 AI 产业定位、推演终局。

一句话总结这期节目：用商业史的长镜头看 AI，2026 年约等于「1992 年建站运动」刚兴起、浏览器还没诞生的时刻；现在领跑的模型公司大概率只是未来的基础设施（AI 云），原生应用时代的 Yahoo、Google 还一个都没出现，而「公司」这种组织形态本身都会被改写。

一、定位：技术产业化三阶段，我们刚走完第一阶段

这是整期节目的骨架。曾鸣把巨大的通用颠覆性技术的产业化划分为三个阶段：

1. 第一阶段：基础设施化。技术逐渐被社会接受，成为全社会触手可及的基础设施。
2. 第二阶段：应用大爆发。基于成熟、低成本的基础设施，海量新应用涌现，百花齐放。
3. 第三阶段：原生应用阶段。海量应用出现后，大家发现需要更底层的方法来运行新世界，新的范式与新物种确立。

以移动互联网为例：黑莓是第一款被称为智能手机的产品，2010 年还有美国市场四成份额，iPhone 直到 iPhone 4 之后才开始领跑；有了 App Store 才有新一代原生应用，最终抖音、拼多多才是「原生应用阶段」的代表——短视频这一新呈现形式 × 推荐算法这一底层技术创新结合，才有国民级产品。

动力学规律（节目里最核心的判断）：

「我能看到的理论框架告诉我：第一阶段的企业，很难活到第二阶段；第二阶段的企业，很难活到第三阶段。」

为什么原生应用不诞生于第二阶段？因为应用大爆发给了技术下一阶段发展的方向——字节先做内涵段子、今日头条，探索出推荐算法，带宽算力成熟后才有抖音。第二阶段是绕不过去的过渡与积累，曾鸣估计「第二阶段可能还有三到五年，是非常精彩的时间」。

2026 年处在哪？ 曾鸣认为 2026 年是「第一阶段基本完成的标志性年份」，核心标志是年初围绕 token（词元） 形成了广泛共识：黄仁勋说英伟达的未来是 token factory，Sam Altman 说 OpenAI 的核心是卖 token。当一种技术有了标准度量衡（像一度电、一吨水、一个 GB 流量），能被规模化、标准化使用，智能就成了社会基础设施。同时，今年春节前后 OpenClaw（“龙虾”）的爆火让大家看到了能独立完成任务的 Agent 的潜力——所以 2026 年既是第一阶段收官，也是第二阶段（智能体阶段）的开场。「智能体，就是 AI 时代的新应用。」

二、还没到浏览器时刻：从信息时代到能力时代

观点 2 是最反直觉的时间校准。曾鸣两年前演讲「让我们拥抱 Yahoo 吧」，判断 Yahoo 很快要来；今年初他反而把时间点前移了：

「产业化还没有到浏览器阶段。不是浏览器出来以后发生了什么，而是浏览器本身都还没出现。」

他的类比逻辑很妙：1992 年大家疯狂建网站，是为了分享信息；今天大家疯狂建 Agent、做 skill，是为了分享能力——把懂的能力封装起来给别人调用。所以这一轮 AI 创新的本质是从信息时代进入能力时代。大模型有今天的成就，正因为 1992 年前后的建站运动完成了信息数字化；今天海量的信息和知识已被数字化，人们不再四处检索，而是直接问 ChatGPT 要答案。

浏览器当年干了两件事：用 HTML 等统一标准把建站门槛降到「有信息的人都能建站」，又把浏览门槛降到接近于零——供给端和用户端同时爆发。网站多到看不过来，才有 Yahoo 做目录做结构化（熵减）。今天的 skill 正在熵增式爆发，但「我完全没看到 Yahoo 的雏形」。由此推论：

• 下一个最大的机会，是一个类似浏览器的机会——统一 Agent 标准 + 让用户极简调用 Agent，海量 Agent 才会爆发，「这可能是未来两年最让人兴奋的一件事」。
• 具体产品形态推演不出来，「这正是需要大家去创造的地方」。
• 不确定这个时代是否会有 Yahoo→Google 那样的鸿沟；当年的 Google 只是给 Yahoo 提供 To B 算法服务的「小弟弟」——是 Yahoo 孕育了 Google。

三、模型公司的终局：AI 云公司，不是原生时代的大赢家

观点 3 直接点名：Anthropic、OpenAI 大概率不是原生应用阶段的大玩家、大赢家。

怎么理解模型？数据是新时代的石油，模型是炼油厂；从基础设施角度，它更像已经消失了的 AOL——让所有人都能接入互联网的巨大工程，今天的大模型则是让所有人接入智能的入口。「直白一点说，模型公司就是未来的 AI 云公司。」模型公司与云厂商之间的博弈（云厂商觉得付出太多得到太少，模型公司想自建云、自研芯片），最终会碰撞整合成几家稳定的 AI 云公司。

对「Anthropic 成立五年估值近万亿美元史上罕见」的说法，曾鸣直接说这是「幻觉和误解」、典型的「这次不一样」：Yahoo 1995 年成立，2000 年市值 1200 亿美元（算上通胀和纳指涨幅约等于今天的一万亿）；AOL 2000 年高点 2200 亿美元，收购时代华纳后 3000 多亿；Google 1998 年成立，2005 年破千亿。**第一波跑出来的公司就有这么大价值，历史上都发生过——但不一定能活到最后。**他对照陆奇 2024 年「OpenAI 未来会比 Google 大 5 到 10 倍」的判断：他相信未来一定会有 10 万亿美元的公司，「但未必是现在领跑的这两家」。

为什么早起的领跑者难以转型？因为第一阶段的技术核心是「可不可用」，拼原创性技术创新；第二阶段开始，技术发展放缓、成为大家都能调用的基础设施，拼的是产品原创力、对普通用户的同理心和一堆新的应用技术（比如 Agent 的上下文管理、记忆、新交互方式）。第二阶段的王者，大概率是「强大的应用洞察 + 新技术能力」的结合体。模型会不会吞噬一切？不会——模型有阶段性天花板，智能「够用了」之后，会有一堆新技术去做不同场景的事情。

四、基础设施的商业模式：寡头垄断加政府强监管

观点 4 冷酷但简洁：**公共基础设施的行业，只有一种商业模式是成立的——寡头垄断 + 政府强监管。**社会依赖它所以政府强监管；供给重要所以不能只有一家；投入巨大所以不会有很多家、不会无序竞争。水电费能随便涨价吗？

• 当下的前沿竞争仍然有价值：今年 Anthropic 先领跑、OpenAI 跟上、Google 阶段性被甩下，是「组织能力和技术能力出现了差距」；xAI 和 Meta 已经退赛掉队。差距的来源是曾鸣新书里的核心概念「智能复利」——Anthropic 从去年下半年开始让大家意识到「用大模型训练大模型」，AI 进入了它自己的主业（模型训练），模型训练能力大幅提升，组织优势 × 新技术运营方式 = 巨大领先，已经开始形成「黑洞效应」。
• 中国赛道的判断：今年底跑不到 3T 模型的公司估计就出局了，「8 进 4、4 进 2」的世界杯淘汰赛。目前智谱有点领跑，Kimi 在 3T 上先交卷、成绩基本满意，接下来看 MiniMax 和千问。
• 做模型的窗口期已经关闭：智能飞轮已经跑起来，此时进场完全没有积累。
• 寡头竞争的特征是「有一定差异化，但又足够同质化」：同质化保证可被替代，差异化让大家还有钱赚。模型公司是好生意吗？「是个很好的成熟生意」——过三五年没进入下一阶段竞争，就变成一家大家只调用你服务、出了问题才抱怨的公司。

五、新平台不来自旧平台：等一个 AI 时代的浏览器/Netscape

观点 5 回答「什么是新时代的公司」：看谁是 Netscape、谁是 Yahoo，谁把 Agent 的标准建立起来、谁抢住 Agent 的用户入口。证据是体验层面的：WAIC 大会上应用公司只占地下一层一小块；普通人不知道哪个 Agent 能用、不敢把钱包和隐私交给 Agent——这种信任需要新的服务商来建立。未来三年有可能开始出现 Agent 入口，形态大概率是海量 Agent 开发商 × 海量用户的双边市场（中等网络效应）。

• 旧平台大概率演变成不了新平台：旧平台做的是简单信息匹配，新平台做的是能力跟需求的匹配，复杂度高了一个量级，「是新物种的匹配」。
• Agentic OS 属于第三阶段，比想象的远：OS 是直接调度资源——告诉它意图，它调用市场上的 Agent 把活干完。第二阶段就畅想第三阶段有意义但大概率无法落地。
• 今年应用公司冰点的解释：现在是应用创业者的「反共识阶段」。青黄不接——模型能力已溢出到简单任务自己就能干，但还没找到足够大、足够复杂的场景让 Agent 真正创造价值。去年硅谷像「创业天堂」，大家拿 ARR 考核、小孩过家家；今年的普遍感受是「智能真的能干活了，可以信赖了，开始想严肃地拿它干重要的活」——这才是应用阶段开始的真实标志。
• 历史锚点是电：1892 年爱迪生电灯照亮曼哈顿一平方公里，1910 年电网覆盖美国主要城市，那年才出现洗衣机和电冰箱两个 to C 大应用，空调 1925 年、电视 1930 年。应用有自己的规律。爱迪生重发电、助理出走创办美国第一家送电公司，而通用电气真正繁荣六十年靠的是最早的电冰箱和洗衣机。
• **Agent 公司要不要训模型？**不用训传统意义上的模型——大模型竞争会让模型能力成为大宗商品，「稳定调用，有合理的替代品随时能接上」。Cursor 不算例外：它在 coding 能力不够时试模型边界，模型一发展就被 fold into（包进）模型迭代里，成了养料。Manus 正好卡在中间，得自己探索边界。
• 数据飞轮升级为智能飞轮（智能复利）：调用基础智能 → Agent 高智能完成任务 → 真实世界反馈（前提是 Agent 独立干活、离开人）→ 算法创新（上下文、记忆、交互）→ 场景内越来越聪明 → 渗透到其他场景。网络效应的升级版是「黑洞效应」——应用场景越多、连接越复杂，越可能拓宽智能，相当于《智能商业》里「数据智能」和「网络协同」的 DNA 双螺旋同时升级。好的 to C Agent 目前还没诞生，「但没有大家想的那么悲观」。

六、公司的消亡：岗位消失、层级消失、任务流转

观点 6 是最大胆的社会预测。从今年美中两地涌现的 neo labs 说起：一类人看到了现有范式的天花板（如 Yann LeCun），一类人认为 scaling law 边际递减，一类人借够用了的基础能力做底层创新（如 AI for Science）。曾鸣判断 neo lab 是新组织形态的早期雏形——「它为什么叫 neo lab？就是因为不满意公司嘛，就是说，公司要被淘汰了。」

逻辑链：公司是工业时代的配套制度（工业时代之前只有手工作坊）；工业时代的基本经济规律被挑战，组织形态必然被挑战。真正的第一个 neo lab 是 OpenAI，现在这批其实是「neo neo lab」。

AI 原生组织的运行方式：

• 组织的基本单元从「岗位」变成「任务」。岗位是现在组织的基本单元（岗位→汇报线→层级→报酬）；AI 时代大家围绕任务流转，硅基员工和碳基员工围绕任务协同。
• 找工作变成认领任务：大 lab 现在就是任务发布、能干就接、交付结果就上线。「谁的能力强，谁被调用。」
• 层级不存在了：层级存在是因为不知道谁说了算，只好用级别定；未来以判断力和能力为标准。传统意义上的中层肯定消亡。
• 激励靠自驱：这半年硅谷最流行的词是 high agency（高主观能动性）——你自己掌握自己的命运，成长和开心是自己最清楚的。
• 「一人公司」只是阶段性产物：一个人能干原来几十个人的活，但一个人能干的活永远有限；将来的每个人都是「一人公司」式的六边形战士，再在组织里跟其他六边形战士合作。
• 「老登」现象的产业解释：能转化成知识的经验都被大模型吸收了，年轻聪明人用 AI 杠杆瞬间成为任何领域的专家（AI 已达到主任医生水平，因为二十年的经验沉淀在模型里），所以经验溢价崩塌、负面称呼出现。「老年人怎么办？或者安心养老，或者变得重新年轻。」

曾鸣在新书里刻意从头到尾讲「组织」、不用「公司」这个词。未来组织叫什么不知道——「Club，俱乐部？或者大家喜欢球队的感觉」。至于「公司消亡」有什么遗憾：「你说多少人现在去公司上班是开心的？……将来可以有更开心的方法，那不就是技术进步给人类带来的价值吗？」

七、优秀≠卓越：卓越是事后认定的

观点 7 谈创业者。这一阶段最明显的变化是「科学家创业」，但它不会持续到下一阶段。核心分辨：

「卓越是事后认定的。是因为你克服了一次一次的负反馈，当所有人都不认可你的时候，你最后以巨大的成功证明你是时代最早的先知。优秀是一个持续有正反馈的成长过程，两条路径完全不一样。卓越一定来自反共识；但反共识不一定成功（成功者偏差）。」

《基业长青》《从优秀到卓越》里的观察：真正卓越的人都把成功归于别人、归于运气。因为事情大于人，自我一定得很小——

「利他、同理心和自我逐渐变小，大概是走向卓越必不可少的因素。」

Ego 大的人急着证明自己、需要短期反馈，走的是「普遍性正确」的优秀之路；使命驱动的人想的是把事情最大化，愿意听不同意见。曾鸣把公司分四级：机会驱动 → 战略驱动 → 远见驱动 → 使命驱动，只有真正发自内心相信的使命驱动（不是写在墙上激励别人的）才可能走向卓越。他辨别的第一问往往把创业者问懵：「十年以后，你会对怎样的自己满意？」——「我要做一个一百亿美金的公司」是负分答案（外部认可驱动，每轮估值都冲击他）；最好的答案如马云「让天下没有难做的生意」、马斯克去火星。

八、战略生成：人和 AI 一起训练一个组织的小模型

观点 8 信息密度极高。战略上，所有成为时代企业的反共识都是「因为相信所以看见」。AI 时代战略无比重要——「做错一个重要决定你就出局了，淘汰赛可能以几个月来计划」。

• 「看十年、想三年、干一年」的正解：大部分人记住了看十年和干一年（那是工业时代线性外推的方法论，以至于战略曾被外包给麦肯锡），但看十年帮不了你太多，真正的创造力在看三年——看到两三个里程碑，让短期、中期、长期形成动态张力，「没有看三年的张力，战略就没有发生的环境」（三维空间找最优解 vs 二维平面找最优解）。节奏可以变：「看五年、想两年、干半年」甚至「看三年、想一年、干一个季度」，关键是至少看到三步。
• ARR 是增长幻觉：线性外推 + 拿当下外推 12 个月。他问一个 ARR 涨得很快的创始人「继续涨两年以后又怎么样？天花板多快会来？」对方回去一算，天花板不高，赶紧转型。经济学基本规律：竞争少时按创造的客户价值定价，竞争多了按边际成本定价。
• OKR 只有在 AI 时代才可能真正落地：AI 组织系统能追踪自然语言表达，主动提醒「你们偏离了 OKR」。对齐（alignment）对齐的是目标、判断和认知模式。
• 从「战略规划」到「战略生成」：真正要建的是一套让战略洞察涌现出来的体系——组织是个神经网络、任务流系统，人和 AI 都接入，「实际是人跟 AI 一起在训练一个组织的小模型」；有没有原来没想到的洞察能涌现、群体智慧有没有在演进，是最终目标。这就是为什么「context, not control」重新火了起来：给足上下文、全员（人和 AI）共享完整上下文，事情自然涌现。人有瞬间创造力和看见不存在连接点的能力，AI 有处理海量信息的能力。
• 字节追问：张一鸣至少是愿景驱动，「公司即产品」提得很早，字节文化跟 Netflix 非常相似；字节变成「效率工厂」是因为进入战略执行期，而「组织的宿命就是，时代一定会变化，让你原来成功的那套不适合」。

九、机器人：更好的类比是电器，不是大模型

观点 9 给具身智能定位：机器人公司大多还在战略摸索期（大模型公司已进入战略发展期）。战略探索期核心是创新的效率而非执行的效率——一号位带着大家做不同创新，把试错成本降下来，自我能让位给现实。

• 现状类比：行业自认在「2020 年左右的大模型阶段」，还没到 ChatGPT 时刻。历史类比是汽车——1900 到 1920 年，美国真有几千家做车的公司（马达都是买别人的）；1913 年福特建了全世界第一条电驱动的流水线，第一个 to C 突破（T 型车）才让现代制造业进入新阶段。现在大家都能「手搓」机器人公司，但谁第一个实打实卖出一万台，就已经是了不起的成就——我们在等机器人产业的 T 型车时刻。
• 更好的类比是电器：基于电可以有 n 种电器，冰箱和洗衣机谁更重要没法比。会有 n 个适应不同大场景的机器人（家用陪伴型、家务型、工业、户外……）。大家看好机器人，因为它是 AI 跟物理世界交互的基本界面，「有点像电，什么东西都可以被电再重新干一遍」。
• 大脑派（泛化优先）vs 场景派（数据闭环优先）：逻辑上都成立，像爬一座山可以从南坡也可以从北坡，事先难说谁快。

十、巨浪面前没有人是安全的

观点 10 逐家点名巨头。「我从来觉得在巨浪面前没有人是安全的。谁觉得安全，谁就是最不安全的。」历史战绩：跨代际还能做得好的企业，「不是多不多的问题，是有没有的问题」——基本没有。IBM 做到过一次，微软算做到过一次（靠 OS 垄断 + 搜索火种 + 云积累），但微软模型投入不够已经出局、买不起 OpenAI，未来也不太确定。

• Google：也许能成为很好的 AI 云公司（有 TPU、有大模型、作为云厂商活下来没问题），但入口级的大应用不确定。
• 字节：有很大机会成为 AI 云公司（Seedance 世界一流，「做基础设施是容易的，有惯性」），但大的 to C 应用不确定性非常大。豆包不是——「它不砸了就是因为豆包不够未来。豆包没有行动力，智能体的核心是独立完成任务」。上一代入口理解不了下一代生态：你调用的都是上一代服务，而上一代服务会被下一代服务颠覆。
• 腾讯：社交关系、人和人的关系都会被重新定义，Agent 在其中的重要性大幅上升。QQ 没有真正过渡到移动互联网，承接它的是微信——「产品 + AI」「产品 + Agent」都是过渡产品。
• 总判断：移动互联网对 PC 互联网是「1.5 的创新」（延续性让头部公司成功过渡，颠覆性成就了抖音和拼多多）；AI 是彻底的颠覆性创新——互联网本质是生产关系的革命，AI 是生产力的革命，延续性部分没那么强，所以原有物种适应新物种非常困难，「寄希望于下一代产品长在我这个公司里，难度是非常高的」。十万人公司转 AI 原生 vs 十人公司长成千人 AI 原生，难度完全不同；而且没做出第一个成功 Agent，就不可能理解 Agent、提供不了基础设施、当不成入口。
• xAI：战略上没有 Anthropic 那样明确的方向，组织上肯定有问题——「我在硅谷碰到有一群工程师的场合，xAI 的那个人永远是最疲惫的那个」。Elon 原来那套自上而下的硬件方法论失效了：自己给不出大模型的答案，又不给底下人空间，「xAI 肯定卡在组织上，他没有通过组织去生成战略」。
• Meta：年轻但出道早、消耗多，公司大到内部调度资源非常困难，大部分研究员不觉得小扎懂模型。
• OpenAI / Anthropic：本质上是新时代的创业公司。OpenAI 曾是 Sam（好 CEO）× Ilya（真技术驱动）的好搭配，底子厚所以这轮反身追赶很快；Anthropic 整个组织能力非常强，Dario 在 mission/vision 上把握准，显示了聚焦的 vision-driven 公司的爆发力。

面对「这让人绝望」的感慨，曾鸣的回答是全场最豁达的一段：「这一点都不让人绝望。人有生老病死，公司也有生老病死，没有比这更正常的了。这样，新公司才有机会，年轻人才有梦想，这多好的一件事情啊！」

十一、创造力时代：人和人的差异是「无中生有」

观点 11 落到个体。曾鸣借用德鲁克的框架——工业时代以来三个阶段：生产力的革命（流水线取代手工作坊）→ 管理的革命（泰勒科学管理、商学院这个新物种）→ 知识的革命（软件沉淀知识与最优实践）——认为 AI 时代从人的角度可以被定义为「创造力时代」：所有可被结构化处理的知识型工作都会被 AI 接管，人被逼（也被解放）去开发自己的潜能。创造力不是会写首歌画幅画，而是原创地定义复杂问题的能力——「无中生有的能力」。就像电和流水线之后才有产业工人、技术工人、白领这些 19 世纪人想象不到的岗位。

• 教育一定会被重塑：现行体制知识灌输第一位、智商开发第二位，「我们从小到大有多少兴趣被压抑了」。年轻人自己最清楚——高中生都知道按现在的方法大学毕业找不着工作，但社会不敢让他们走自己的路。
• 人与 AI 是深度协同；社会层面 AGI 无处不在——可穿戴满身、外骨骼，「加强版的人」完全可以想象。硬件会像 1900 年后的家用电器一样百花齐放，大品类立住大公司，小品类（烤面包机）养不活大公司。
• 心态要先改：从降低不确定性转向拥抱不确定性，「不确定性就是最大的机会」。见到复杂性就恐惧就没法往前走；觉得特别好玩、有机会创造新东西，才是年轻一代创业者的心态。
• 快问快答彩蛋：喜欢的食物是辣椒炒肉；地点是上海；人生之书是《基业长青》系列和德鲁克，以及本科时全文抄过的弗里德曼讲市场运行机制的小书；当下最重要的 bet 是「出现一个足够好用的 to C 的 Agent」；听到工作室名字「语言即世界」的第一反应——「可能要改成，智能体即世界」；自己的使命是「做一个快乐的研究员」。

附：节目与文稿信息

视频版章节时间轴：

记录者按：三个让我停下来想了一会儿的点

1. token 成为度量衡这个标志选得极好。「一度电、一吨水、一个 GB」的类比把「基础设施化」这个抽象概念落到了可以观察的信号上——当一项前沿技术有了计价单位，它就完成了社会化的第一步。回头看今年初各家言必称 token 的密度，这个判据确实成立。
2. 「从信息时代到能力时代」的抽象。1992 年建站分享信息 → 2026 年建 Agent 分享能力，这个对应关系是我觉得全篇最有解释力的一个框架——它同时回答了「OpenClaw 为什么重要」和「skill 生态为什么会爆发」，也暗示了下一波机会在「能力的标准化调用」而非「模型本身」。
3. 对「豆包没有行动力」的评价。把「智能体的核心是独立完成任务」当作评价入口产品的标尺，比我见过的多数产品分析都锋利——聊天机器人再高频，不能独立闭环干活就不是 Agent，也就撑不起下一代入口。

照例声明：本文是对公开访谈文稿的个人学习总结，观点归曾鸣教授与张小珺，转述误差归我；内容不构成任何投资建议（原节目也有同样声明）。