曾鸣谈产业史观：三阶段框架、会消亡的公司、"OpenAI/Anthropic 大概率不是原生时代的大赢家"（张小珺第 153 期，2026-09-03）¶

嘉宾: 曾鸣（企业战略学者；阿里巴巴集团前总参谋长；参与创建长江商学院与湖畔大学；新书《智能》）
主持: 张小珺
来源: YouTube · 154 分钟
转录稿: sources/zhang-xiaojun/20260903-69iJSe2n3ls（无字幕，faster-whisper large-v3-turbo 本地转录）
说话人分离: speakers.md（补做的 sidecar，pyannote community-1，2 位说话人 / 1111 轮次；transcript.md 逐字节未动）

说话人认定依据：SPEAKER_01 = 张小珺（主持）、SPEAKER_00 = 曾鸣（嘉宾）。

转录稿本身没有标签（本地转录时未配 HF_TOKEN，分离被跳过），本页初稿的身份判定只靠内容：开场 [00:00:00] 主持人自报"我是小珺"并介绍嘉宾，其后短问长答的结构极为稳定。事后补做了说话人分离（sidecar 见上），结论与内容判定一致，现在有了机械依据：

说话占比 SPEAKER_00 83.3%（02:04:25）/ SPEAKER_01 16.7%（00:24:54）——访谈里占比低的通常是主持人。

开场 [00:00:00]–[00:00:46] 整段归 SPEAKER_01，正是"我是小珺 + 介绍嘉宾"那段自述。

轮次形态吻合：SPEAKER_00 是成段长叙述，SPEAKER_01 几乎全是 0–3 秒的插话（应答与追问），共 1111 轮。

⚠️ 标签是证据不是判决：分离在抢话与串场处会错配，与内容明显矛盾时以内容为准。本页凡引用主持方处写明"张小珺"，其余默认为曾鸣；少数快问快答段落（[02:29:30] 起）交替密集，本页只取语义明确的部分。

本地转录专名对照表（转录稿拼写 → 本页采用）：曾敏→曾鸣、黄灵勋→黄仁勋、OpenCraw/open cloud/龙虾→OpenClaw、Antropica/Anthoropics/Solopic→Anthropic、Nescape→Netscape、HTMI→HTML、科成制/科程制→科层制、编辑效应/编辑成本→边际效应/边际成本、商增/商减→熵增/熵减、客舟求见/可走求见→刻舟求剑、烧纵即逝→稍纵即逝、论务→任务、轻黄不接→青黄不接、巨生/聚生/巨森→具身、规机员工和探机员工→硅基员工和碳基员工、梯形车→T 型车（福特 Model T）、基业长期→《基业长青》、网飞→Netflix、全GPT→ChatGPT。

⚠️ 以下几处本库明确不裁决，照录存疑： - Elia（[02:13:06]）：原话是"Sam 是真的依赖 Elia，然后 Elia 是真能够驱动整个事情的"。字面指向 Ilya Sutskever，但他早已不在 OpenAI——可能是口误、可能指他人、也可能是转录错误。本库不替他认定这个人是谁。 - Aaron（[02:11:04]–[02:12:06]）：语境是 xAI 的一号位，几乎确定是 Elon Musk，但本库照录原拼写并标注。 - Mindus/Mindas（[00:41:44]–[00:42:48]、[01:02:05]）：语境是"去年做通用智能体的产品形态"，疑为 Manus，未核实。 - 前文/智杰/质朴（[00:35:41]、[02:14:09]）：中国模型公司名，转录含混（质朴疑为智谱、智杰疑为字节一侧），本库不逐个认领。同段 杨志玲/严俊杰 疑为杨植麟/闫俊杰。 - AFO AI（[01:04:06]）、土石（[01:59:58]、[02:22:22]）、AFS（[02:02:58]）：语义不明或疑为 AI for Science / 颠覆式 / all in AI，不猜。

概要¶

这是本库第一份完整的"商业史学者视角"材料。此前本库关于价值捕获与产业格局的材料，来源要么是投资人（a16z、All-In）、要么是从业创始人（Decagon、Kavak）、要么是分析师（Benedict Evans）。曾鸣的位置不同：他把当下放进一个跨越电力、汽车、PC、互联网、移动互联网的历史序列里去定位，并且给出了可以被证伪的阶段判据。

本期最该被单独引用的七条：

⚠️ 三阶段框架，以及"2026 年同时是第一阶段的收尾和第二阶段的开场"（[00:10:17]–[00:16:25]）。判据非常具体：第一阶段的完成标志是"度量衡"被社会接受——token 成为共识（黄仁勋在 GTC 讲 token factory、Sam 讲 OpenAI 核心是卖 token），"当一个技术有了一个标准的度量衡以后，它就能被规模化、标准化地使用"，就像一度电、一吨水、1GB 流量。第二阶段的开场标志是 OpenClaw——它让人看到 agent 能独立完成任务的潜力。
⚠️ 本期最锋利也最可证伪的一条："OpenAI、Anthropic……大概率不是原生应用阶段的大玩家、大赢家"（[00:27:34]）。理由是理论化的：模型公司本质是 AI 云公司、是基础设施服务商；而"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"。
⚠️ 他对"Anthropic 不到十年做到万亿市值、人类历史罕见"的回应是直接否定："这个描述本身就是一个幻觉和误解"，并给了换算：Yahoo 1995 年成立、2000 年 1200 亿美元市值，按通胀与纳指折算"大概相当于今天的 1 万亿美元"；AOL 2000 年高点 2200 亿美元（收购华纳后 3000 多亿），是当时市值最高的公司。结论是第一波跑出来的公司就有这么大的价值，但"它不一定能活到最后"（[00:25:33]–[00:27:34]）。
⚠️ "我们现在连浏览器都还没出现，比雅虎还早"（[00:17:25]–[00:21:29]）。他两三年前讲过"让我们拥抱雅虎吧"，今年年初把自己的判断往前退了。结构对照非常干净：1992 年人人建网站是为了分享信息，今天人人建 agent 是为了分享能力——"AGI 这轮创新，就是让我们从信息时代进入了能力时代"。由此推出下一个最大的机会是"类似浏览器的机会"：统一 agent 标准 + 让用户极简调用。
⚠️ "科层制管理的这种公司制度会衰亡"，而且他给的是制度史论证：公司是工业时代的制度创新，工业时代之前没有公司，只有手工作坊（[01:06:06]–[01:08:08]）。配套的核心机制是组织基本单元从"岗位"变成"任务"（[01:10:08]–[01:11:09]），以及职级消失——"以前是谁级别高谁说了算，未来是谁的能力强谁被调用"（[01:12:10]）。
⚠️ 电力史那段，是本库目前最完整的一条"基础设施→应用"时滞证据（[00:56:57]–[00:59:59]）：1892 年爱迪生点亮曼哈顿一平方公里；约 1910 年电网覆盖美国主要城市，同年才出现洗衣机与电冰箱两个 2C 大应用；空调要到 1925 年；电视机要到 30 年后。而且有一个人物反讽：爱迪生成立通用电气做发电设备，没意识到电网重要（助理出走创办了第一家送电公司），但 GE 真正的成功来自它造出了最早的电冰箱和洗衣机——即靠 2C 应用而非基础设施。
⚠️ AI 与移动互联网的性质对照，是他判断巨头命运的总开关（[02:08:00]–[02:09:01]）：移动互联网对 PC 互联网是"1.5 的创新"——有很强颠覆性但也有很强延续性（同一套互联网架构、同样的网络效应），所以几家头部公司 all in 之后真的过渡成功了；而 AI"颠覆的不是互联网，是工业革命"——"互联网本质上是个生产关系的革命，AI 是生产力的革命"，延续性的部分没那么强，所以旧物种适应新物种会非常困难。

核心观点¶

一、三阶段框架：这是本期的骨架¶

他说自己系统研究过从三次工业革命到 PC、互联网、移动互联网的历程，巨大的通用技术创新都经历三个阶段（[00:10:17]–[00:11:18]）：

技术逐渐被社会接受，成为社会的基础设施。
基于这个基础设施，产生海量新应用——百花齐放的时代。
应用多到需要更底层的方法去运行这个新世界——他把第三阶段叫"原生应用阶段"。
移动互联网的对照：黑莓是第一款被称为智能手机的产品，2010 年仍占美国智能手机市场 40% 多（iPhone 只有 20% 多），要到 iPhone 4 之后 iPhone 才领先；有了 App Store 才有新一代原生应用（[00:11:18]–[00:12:19]）。⚠️ 早期日活过亿的应用（他举了墨迹天气一类）"很快会发现它们不代表未来"。
⚠️ 为什么原生应用不能直接诞生在第二阶段（[00:12:19]–[00:13:21]）：因为应用的爆发给了技术下一阶段发展的方向。 他的范例是字节：先有内涵段子、今日头条（那时"只有文字成熟了"）→ 今日头条探索出推荐算法这种"既是技术模式又是商业模式"的东西 → 带宽与算力发展带来短视频 → 短视频的展现形式 + 推荐算法的底层技术，两者结合才有抖音。
⚠️ 他明确拒绝把第二阶段叫"过渡阶段"（[00:13:21]–[00:14:23]）：主持人问"能把第二阶段叫过渡阶段吗"，他说这样讲"好多中间那部分创业者好伤心"——第二阶段本身可能有八年、十年"非常精彩"的时间，而且"你没办法跨越到第三阶段，没有第二阶段的积累就跨不过去"。
现在的位置（[00:14:23]–[00:16:25]）：2026 年是第一阶段基本完成的标志性时点（token 成为共识度量衡），同时也是第二阶段的开场（OpenClaw）。"我认为 AI 进入的第二阶段就是智能体阶段，智能体就是 AI 时代的新应用。"

二、互联网史类比：我们还在等浏览器¶

他自己的判断退了一步（[00:17:25]）：两三年前他做过题为"拥抱雅虎吧"的演讲；今年年初看到 OpenClaw 之后第一反应是"我们还在等一个浏览器出来"——"怎么退回到了浏览器阶段，好像比雅虎还要早了"。
⚠️ 他做类比的方法论，本库认为值得单独记（[00:18:27]）："我们什么时候做类比没有刻舟求剑？是我们去理解、抽象、建模以后，理解它的底层运行规律，而不是纠缠于技术的表现形式。" 他的结构对齐是：一个在建站、一个在建 agent；一个分享信息、一个分享能力——"这个结构上就对上了"。
浏览器为什么关键（[00:19:28]）：它同时干了两件事——用 HTML 树立统一标准，把"创造"的门槛极大降低（建站从专业工程师的工作变成有信息就能做），把"浏览"的门槛降到零（只需点击）。供给端和用户端同时爆炸。
雅虎是熵减（[00:20:29]）：网站爆炸后没人知道该看啥，雅虎作为目录做的是结构化信息、降低认知压力——"熵增的同时一定要有熵减"。⚠️ 他说当下还在纯熵增："随便问身边任何人，大家都不会随口跟你讲出两三个他天天在用的 agent。"
⚠️ 他对"雅虎雏形出现了吗"的回答是干脆的否定（[00:20:29]–[00:21:29]）："我完全没有看到雅虎的雏形，所以我说连浏览器现在都没出现。" 由此给出预测：下一个最大的机会就是一个类似浏览器的机会——统一 agent 标准 + 让用户用很简单的方法调用 agent，"这个可能就是未来两年最让人兴奋的一件事情"。
⚠️ 他主动承认这是反共识，并接受它可能很乐观（[00:21:29]）："大家都觉得好像 OpenClaw 也是昙花一现，好像现在也没人谈应用了。但我讲的这个可能非常乐观……基于历史的推演，形成一个抽象的模型去思考未来。所以在这个意义上我就不焦虑了，我就在等着这些发生就好了。"
⚠️ 但他同时拒绝推演形态（[00:22:30]）："我们能总结出一个抽象的规律，但是我们一定推演不出一个具体的形态。" 交互形态"这就是要大家去创造"。

三、模型公司的定位：AI 云公司，好生意，但大概率不是终局赢家¶

定位（[00:23:30]–[00:24:31]）：数据是石油 → 模型是炼油厂；也像 AOL（互联网接入服务商），"今天大模型是让所有人都可以很轻易地接入智能的一个路口"。说得直白一点就是 AI 云公司。
与云厂商的张力（[00:24:31]）：云厂商觉得付出太多得到太少；模型公司大概率要自建云、甚至自研芯片；两个生态会碰撞重整，最后形成几家比较稳定的 AI 云公司。
⚠️ 终局结构给得非常硬（[00:31:38]–[00:32:39]）："公共基础设施的行业只有一种商业模式是成立的：寡头垄断加政府强监管。" 三段论：社会依赖它 → 政府一定强监管；供给太重要 → 不能只有一个供应商；投入太大 → 不会有很多供应商。他补了一句现实提醒："你现在水电费能随便涨价吗？" 并承认"这个现实对很多现在创业的人很残酷"。
寡头竞争的双重要求（[00:37:41]）：足够同质化（保证可被替代）+ 一定差异化（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。"（[00:37:41]）——"你肯定不会是当红炸子鸡了……大家只会在不稳定的时候 complain，不会天天夸你。"
做模型的窗口（[00:36:41]）："作为基础设施的大模型公司，窗口肯定是关闭了"——因为已经进入智能飞轮跑起来的阶段，"你这时候进来就完全没有积累了"。
⚠️ 他对陆奇 2024 年那句话的回应（[00:28:34]）：主持人引陆奇"OpenAI 这种 AGI 公司未来一定会比 Google 大，只是大 5 倍还是 10 倍的问题"。曾鸣的回应："我相信未来一定会有一个 10 万亿美元的公司，但是未必是现在领跑的这两家公司。"
炼油厂 vs 化工厂（[00:27:34]–[00:28:34]）：化工（应用）比纯炼油更有价值；并补一句更硬的——"汽车离开了石油肯定不行，但是石油公司肯定做不了汽车，你没听说过哪个汽车公司是由石油公司转化来的"。
⚠️ 为什么第一阶段的公司转不到第二阶段（[00:29:36]–[00:30:37]）——这是他整个论证里最关键的机制：
第一阶段的技术核心是"可不可用"，需要大量原创技术创新。
第二阶段开始的标志，恰恰是第一阶段的技术发展慢下来、变成大家都能调用的东西。
第二阶段要的是洞察力、产品原创力、对普通用户的同理心，外加一堆新的应用技术（他点名上下文管理）。
⚠️ 他特意留了口子：这些应用侧的技术创新"你到底把它定义为大模型还是不是大模型，其实不是那么清楚的"，而且一部分 New Lab 的人可能会转向支持这个阶段所需的新技术——"这两个的结合可能就变成第二阶段的王者"。
主持人的反驳与他的回应（[00:24:31]–[00:25:33]）：张小珺举 Codex 与 Claude Code 做得很好，他不接受——"这是大模型的一个基础的延伸，是 coding 要成为基础智能的一部分"，并反过来论证 coding 能力恰恰是 token 变得这么有价值的原因。

四、竞争格局：智能复利、黑洞效应，以及两家掉队公司的组织诊断¶

⚠️ 智能复利（[00:33:40]）：他说 Anthropic 从 2025 年下半年到 2026 年上半年让大家看清了一件事——他们开始用大模型训练大模型，"把 AI 这个工具用到了自己的主业上"，模型训练能力大幅提升。但他明确设限：这还没到"完全自我驱动的 self learning"那个阶段，"它只是局部地被使用了，但已经产生了很大的价值"。
⚠️ 黑洞效应（[00:36:41]、[00:47:52]）：应用场景越多、连接越复杂，就越能拓宽你的智商——他把它称作 AI 时代"网络效应的升级版"，并接回自己旧书《智能商业》的双螺旋（数据智能 + 网络协同），说这两样都升级了。
他给的座次（[00:32:39]）：Anthropic 先领跑、OpenAI 再跟上、Google 现在被甩下；xAI 与 Meta"直接退出竞赛"/掉队。
⚠️ xAI 的诊断，是本期最具体也最需要标注的一段（[02:10:01]–[02:12:06]）：
战略上"没有特别明确的方向，不像 Anthropic 那么聚焦"。
组织上他给了一个亲身观察："我在硅谷只要是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人。" 他的推论是"已经不是一般意义上的卷，是被消耗得过度了"，并给出机制——"人太累的时候是没有创新的，你一定是在一个相对开放放松的状态才会有新的东西出来"。
⚠️ 他转述研究员的评价："也没觉得 Aaron 真正懂大模型"，所以那套偏硬件的、自上而下的方法论在 AI 时代失效："他自己给不出那个答案，他又不给底下的人那么大的空间去给出一个答案。"
⚠️ 本库标注：以上包含一条个人观感（"最疲惫的那个人"）和一条转述的他人评价，均无法核实，本库记录为曾鸣的判断而非事实。
Meta 的诊断（[02:12:06]–[02:13:06]）："不是小扎不年轻，是他出道早、消耗也早"——"被一代一代的这样的东西消耗你的认知的潜力"；Meta 大到这个程度内部调度资源非常困难；⚠️ 同样转述"大部分研究员也不觉得小扎懂模型"。
OpenAI 与 Anthropic 的组织读法（[02:13:06]）：OpenAI 是 Sam 依赖 Elia（⚠️ 见页首存疑标注）"而 Elia 是真能够驱动整个事情的"+"Sam 又是一个很好的 CEO"的搭配；Anthropic 是组织能力非常强 + Dario 给 mission/vision 把握得准 → "非常聚焦的、vision driven 的公司的爆发力"。他补一句：OpenAI 底子够厚，反过身来追的速度也非常快。

五、中国这一侧¶

淘汰线（[00:35:41]）："今年年底谁如果跑不到 3T 的模型，估计谁就出局了"——他说这是淘汰赛，像世界杯 8 进 4、4 进 2。⚠️ 同段提到 K3 刚到 2.8T、Kimi 在 3T 上"先交卷、成绩基本满意"，接下来看 MiniMax。（⚠️ 其余公司名转录含混，见页首。）
⚠️ 中国为什么每轮收敛都特别慢——本库认为这是本期对中美对照最有价值的一条（[02:14:09]–[02:15:09]）：美国的先发企业有两三年的先发期，有一个"健康、酝酿 DNA"的阶段；而中国企业至少到这一轮为止，还是在美国原型上的快速跟进，"大家同时起步的话，就必然变成百团大战"——"大家看到的都是差不多的图像，然后都去硅谷把所有研究员都撸一遍，每个人都能挖一两个人，所以就相对容易出现同质化竞争"。
⚠️ 他随即给了反例限定：即使如此，那些"认知比较深刻、早了一年或半年"的人，这一轮仍然跑在前头。
应用公司要不要做模型（[02:15:09]–[02:16:13]）：他说小红书一类公司做模型是为了补齐基础能力、为了真正做应用时能发力，"我不觉得这两家公司愿意参加大模型作为基础设施的 API 工厂这样的竞争"；理由是下一阶段大应用的模型与应用技术之间边界不清楚，"如果他们这一代断代太厉害，下一代不一定接得住"。⚠️ 他自己把这条标为开放讨论："这个棋是没有下到中盘的，还在开盘的布局阶段。"

六、巨头：没有人是安全的¶

⚠️ 总判断（[02:02:58]）："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。" all in AI 是必要条件，够不够"要看技术演化的路径有多么颠覆、新公司获取资源的能力有多大"。
⚠️ 历史依据（[02:03:59]）：主持人问"这个时代的企业过渡到下一个时代还能做得非常好的多不多"，他的回答是——"不是多不多的问题，是有没有的问题……基本没有。" 例外只有两个半：IBM 做到过一次，微软算做到过一次。
微软（[02:03:59]–[02:04:59]）：错过移动互联网但保住了搜索的火苗 + 云计算的积累 + PC 时代 OS 垄断，所以 AI 时代还有一次机会；⚠️ 但"它模型这块其实已经出局了"，"虽然有 OpenAI 的早期投资，但目前它已经买不起 OpenAI 了"。
Google（[02:04:59]）：作为 AI 云厂商活下来"应该是没问题"；但能不能做出消费者的入口级大应用"真的不那么确定"。
⚠️ 字节与豆包（[02:05:59]–[02:07:00]）："字节是有很大的机会成为 AI 云公司的"（视频生成、多模态已是世界一流）；"但是那个大的 2C 的应用是有非常大的不确定性的。" 关于豆包他给了一条行为证据式的论证：

"豆包肯定不是啊……要不然它肯定不计成本地往里砸了。它不砸了，就是因为豆包不够——不够那么未来。"
他对豆包的定性："豆包就是第一代 AI 产品，就是那个聊天机器人。豆包没有行动力。智能体的核心是独立完成任务。"
⚠️ "上一代路口很难成为下一代路口"（[02:07:00]、[02:10:01]）："你如果不是 agent 的事实标准，你其实很难成为路口——你调的都是上一代的服务，而上一代的服务有可能会被下一代颠覆。" 前置条件被他说得很硬：你必须自己先做出一个真正成功的 agent，否则"你大概率不理解 agent 是怎么运行的，你就没有办法提供那个基础设施"。
腾讯与社交（[02:07:00]）："肯定重构啊。腾讯作为最安全的，为什么最近这么恐慌？就是因为也有可能不安全。" 他的历史对照是 QQ 没有过渡到移动互联网，真正承接的是微信；并说阿里"一样有那个挑战"。⚠️ 对"加 AI、加 agent"的产品他一律定性为过渡产品。
⚠️ "让下一代产品诞生在我这个公司里"难在哪（[02:09:01]–[02:10:01]）：两条——① 十万人的公司转 AI 原生，与十个人的公司长成一千人的 AI 原生公司，难度不一样；② 平台与生态的理解需要你先真正做成一个 agent。

七、组织论：科层制会衰亡¶

⚠️ 本书与本期的一个结构性选择：他把组织放在战略之前讲，理由是"只有用新的组织形态，才能生成新的战略"，两者"阴阳和合"，因为决策的频率越来越高、质量要求越来越高（[01:20:16]–[01:21:18]）。

⚠️ 核心断言（[01:06:06]–[01:08:08]）："科层制管理的这种公司制度会衰亡。" 论证是制度史的：公司与工业时代一起产生，工业时代之前没有公司、只有手工作坊；公司是"工业时代最大的一个制度创新"，让现代化管理和规模化扩张成为可能。所以工业时代的基本前提被挑战，组织形态必然被挑战。
但他同时限定："人类的分工协作会继续，组织永远会存在，因为有人的地方就有组织"——变的是形态。
⚠️ 主持人追问"公司会消失吗"，他连说数遍"肯定不叫公司"，并补一句态度鲜明的话："这没有什么可以遗憾的呀……你说多少人现在去公司上班是开心的？"
⚠️ 最可操作的一条：基本单元从"岗位"变成"任务"（[01:10:08]–[01:11:09]）。他把岗位的连带结构点得很清楚——应聘是应聘岗位，有岗位才有汇报线、层级、报酬；而 AI 时代"组织的基本单元是任务"，"硅基员工和碳基员工都是围绕着任务的流转在协同"。
⚠️ 他把"AI 嵌入工作流"判为阶段性产品："因为那个工作流是为人设计的"——AI 原生组织从第一天就去定义任务、拆解任务、分配任务。
找工作变成认领任务（[01:11:09]–[01:12:10]）："公司只要发布任务，你只要去认领任务……你能 deliver 结果，你的东西就上线了。"
⚠️ 职级消失的机制（[01:12:10]–[01:13:10]）：职级存在是因为"不知道谁说了算，那就先定个职级，职级高的人说了算"——"它不是以判断力为标准的"；而未来是"谁的能力强，谁被调用"。命令线被打破 → "传统意义上的忠诚肯定是消亡"。
激励从哪来（[01:13:10]–[01:14:11]）：本质上是自驱——他把硅谷这半年最流行的 high agency 接到这里："你有没有成长，没有人比你更了解……你没成长、不开心，你去换个地方呗。"
⚠️ 他用"贡献透明"解释顶尖研究员的转会费："现在打 title 都叫顶尖研究员，连 VP 之类的都不写了"，因为"整个网络更加透明了，谁在做贡献、谁不在做贡献，很清楚"——"这两家公司都有前 30 个人、前 300 个人、前 1000 个人，你在不在那里头，大家都知道"。
⚠️ New Lab 与 "New New Lab"（[01:06:06]–[01:07:06]、[01:17:12]–[01:18:14]）：叫 Lab 是"因为不满意公司"，也因为现在主要员工是研究员——"他们不喜欢公司，也不喜欢大学，但是他们喜欢 Lab"。⚠️ 他做了一个本库此前没有的区分：真正的第一个 New Lab 是 OpenAI（加 Anthropic），所以现在这批应该叫 New New Lab——它们借用了这种组织形式但开始做不同的事。他给的定性是"新的组织形态的早期雏形"，且五年后大概会有一个新词，"大概率也不会叫 Lab"。
⚠️ 未来组织像合伙人企业（[01:29:32]–[01:30:32]）——本库认为这是本期最容易被低估的一条。他指出与公司制平行存在的另一种制度一直都在：律所、大型咨询、早期投行都是合伙人企业，特点是"几个人的分工合作都很重要，少了谁都不行"。推论："全员都是合伙人的这种情况会越来越普遍——要不然我就不招你。" 配套现象是联合创始人变多（"因为每个人都必不可缺，要不然就用 agent 上了"）。
⚠️ 他明确否定"一人公司"是方向（[01:16:12]）："一个人能干的活永远是有限的，所以你一定要有组织、一定会有分工、一定会有合作。" 一人公司是阶段性产物，真正的说法是"将来的每个人就是一个一人公司"（六边形战士），再去跟其他六边形战士合作。
⚠️ AI 原生组织的分水岭，他给了一个很具体的判据（[01:21:18]–[01:23:20]）：他碰到的几个走得足够远的创业者，"基本上都自己重写了自己公司内部的运行体系"——他引了李志飞的说法："我把自己关在家里三天，基本上就把那个框架写出来了"。他的解释是这些人对组织运行的原型有深刻理解，而 AI 最大的帮助是快速把原型实现。

"那个就是未来的组织的神经网络——它的神经网络是怎么连接在一起的。"
对照面：大部分人会满足于"飞速的 AI 升级"、迁移成本又高、也没能力判断别人做的东西靠不靠谱——"这个中间大概就成了一个分水岭"。
⚠️ 他把旧工作流称作"固化的道路"："它就一定有各方面的僵化跟局限，不可能是一个实时反应的网络。"
文化（[01:47:49]–[01:48:49]、[01:50:51]–[01:52:51]）：核心是创造；开放、透明、共享，外加"共创"；context not control 重新火起来——"给够了 context，它就有那么牛，能做出正确的决策"，而且人和 AI 都要共享完整上下文。⚠️ 他对旧组织为何让人不快乐给了直白的诊断：大部分知识工作"简单枯燥重复繁琐、没有成长性"，"既不带来情绪价值也不带来成长价值"，管理手段又偏控制。落点是"开心就成了必需品""情绪价值是必需品"。

八、战略方法论¶

⚠️ "看十年想三年干一年"，而重点在"想三年"（[01:38:41]–[01:42:45]）。他说大部分人只记住了"看十年干一年"，那是工业时代的方法论——在一个每年 5%–8% 增长、没有新玩家的世界里，看十年是清楚的，今年的规划基本是线性外推。
⚠️ 他给了一个尖锐的注脚：工业时代"战略如此不重要，以至于大公司都把战略外包给麦肯锡这样的咨询公司了"——这正是 80 年代到 2000 年前后麦肯锡、BCG 井喷式发展的原因。
今天的问题：线性外推不可能得出 Anthropic 今年 80 倍的同比增长；但"未来如此不确定，所以看十年帮不了你太多"。所以真正的创造力在看三年——逼自己看两三个里程碑，形成短期/中期/长期之间的动态张力。"没有这个看三年的张力，战略就没有发生的那个环境了。"
节奏可以换：也可以"看五年想两年干半年"、"看三年想一年干一个季度"，但一定要有中期思考、一定要看到至少三步。
⚠️ ARR 增长幻觉——本库认为这是本期对创业者最实用的一条（[01:42:45]–[01:43:46]）：去年有家 ARR 涨得很快的应用公司找他，他只问了一句"你 ARR 继续涨两年以后又怎么样呢？最后产业终局会咋样？你 ARR 有没有一个天花板？那个天花板多快会来？"对方回去一算发现天花板不高，赶紧去做新的事情了。
他对 ARR 这个指标本身的批评："它不但是一个线性外推，而且还是拿当下外推 12 个月"，很容易产生增长幻觉。
⚠️ 一条经济学机制，被他反复用来给技术人员降温（[01:43:46]、[01:28:27]）："大家刚开始竞争的时候，是按你创造的客户价值来定价的；但是当竞争对手一多，就是按你的边际成本定价的。" 由此得出那句最硬的话——

"只要有同质化的供给，你就不可能获取高额利润，你就是一家不怎么值钱的公司。"
⚠️ 他把这条明确指向技术创始人："这一批的创业者要过的一个很大的坎，是有没有足够开放的心态去理解商业世界的运作规律"——"我发现很多技术人员没法接受一个简单的事实：我的技术这么牛、我创造了这么大的价值，为什么我公司可能不值钱？"
⚠️ "战略生成"而非"战略规划"（[01:45:47]–[01:47:49]）：他说这个词是自创的，对应 AI 时代大家熟悉的"生成"，也呼应"伟大不能被计划"。含义是：组织设计真正要做的，是搭一套体系与环境，让战略洞察涌现出来，"最后战略就是一个自然而然的决定——在合适的时间，有合适的人，做了一个合适的决定"。
⚠️ 他把这件事直接类比成训模型："实际上是人跟 AI 一起在训练一个组织的小模型"，核心是涌现——"原来没有想到的洞察可以涌现出来，整个群体智慧有没有在演进，这是最终目标"。
战略的四个阶段（[01:45:47]）：摸索期 / 成型期 / 成熟期 / 执行期，并明确"拿行业分不如拿发展阶段分"——大模型公司已进入战略发展期（收敛），具身机器人大部分还在战略摸索期。
两个阶段的打法不同（[01:53:51]–[01:54:51]）：收敛期追求组织效率与执行效率、从方向型战略走到可闭环的运营模式；探索期核心是"创新的效率"而不是执行效率，一号位要带着大家做不同尝试、把试错成本降下来，并且"你能不能快速把别人最好的经验理解消化吸收"。
OKR（[01:44:46]–[01:45:47]）：他认为 OKR 的基本理念是对的，但落地对组织要求太高，所以大部分公司要么放弃、要么把 OKR 变成变形的 KPI。⚠️ 他的新判断是"AI 时代才有可能让 OKR 落地"——因为"那个组织大脑……能够追踪自然语言的表达"，可以提醒你们偏离了 OKR。

九、反共识、优秀与卓越¶

⚠️ "卓越一定来自反共识"（[00:07:12]–[00:08:12]）：主持人问"在共识赛道做得比所有人强能不能大成"，他的回答是"那就是优秀，不是卓越"。
⚠️ 但他立刻给了幸存者偏差的限定："最成功的企业一定是反共识的，但反共识不一定成功"——"很多疯狂的想法其实就没有了，这点一定要去强调"。
战略的定性："战略很大程度上其实是关于怎么创造未来的，它不是一个简单的规划。" 当年怎么知道是好战略？"不知道啊，因为相信所以看见。"
⚠️ "卓越是事后认定的"（[01:31:32]–[01:32:34]）：卓越是"克服了一次一次的负反馈"、最后以巨大成功证明自己是"时代最早的那个先知"；而优秀是持续有正反馈的成长过程。"大部分人是优秀的人，因为优秀跟人的心态是比较匹配的。"狂想的人可以很多，但是想对了还能落实的，那个是极为稀缺的能力。"
⚠️ 自我要小（[01:32:34]–[01:34:34]）：他引《基业长青》《从优秀到卓越》——那些真正卓越的人把成功归于别人、认为自己是因为运气。他给的机制很具体："因为你急着证明自己，所以你需要短期反馈；你是为了自己的 ego，所以你不会去真正感知和理解真实的世界，你对信息的处理一开始就容易受先入为主的判断影响。"
公司的四个层级（[01:34:34]）：机会驱动 / 战略驱动 / 远见驱动 / 使命驱动——能走到战略驱动"已经是很优秀了，但不是卓越"，卓越"严格讲得是使命驱动的"；而这个使命必须发自内心、是你真信的，"不是你编出来写在墙上激励别人的"。
⚠️ 他问创业者的第一个问题（[01:34:34]）："十年以后你会对怎样的自己满意？" ——"这个问题最能反映你对自己当下是什么期望，你这一段的旅程是什么驱动的。"他举的正面回答是马云的"让天下没有难做的生意"和马斯克的去火星（"这是一个脱离自我的事情"）；反面是"我就是要做一个一百亿美金的公司"——那是外部衡量标准驱动。
噪音与信号（[01:36:35]–[01:37:37]）：两条——感知更全面、思考更深入。⚠️ 他对"追趋势"的批评很直接："别人已经领跑了两步，你没看见，你只看见它冒出水面的第三步，所以你追肯定第一天就是输掉的。" 另一条风险是接触面太窄 → 局部最优。
⚠️ 他自陈偏好"心法"而非理论框架："理论的东西反而容易被框住……但是心法如果你掌握了，就能够根据具体情况随机应变。"

十、应用与 agent 的现状诊断¶

⚠️ 去年硅谷那波 agent 创业，他的评价很不客气（[00:39:43]–[00:40:43]）："去任何一个 demo day，基本上十几个项目都是各种各样的 agent"，其中三五个是做广告的（素材生成、投放），"我当时就觉得不太可能有长期价值"。他的整体比喻是"像小孩过家家"——"我有个新玩具，有好多好玩的事情"，而当时的考核标准也很简单："你只要有 ARR 就好"。
⚠️ 脚手架陷阱（[00:40:43]–[00:41:44]）："当智能能力不够的时候，你做应用很大程度上是在做脚手架，然后等着模型自然而然把你脚手架就淹没了。" 今天的切入点必须完全不同——"你要假定智能是完全够用的，然后它到底能干啥活"。

"越简单的活，越容易被复杂的活给吞掉——因为它没有多少成长空间。"
⚠️ 十倍切入点（[00:42:48]）："今天一个 agent 要立足，至少要找个十倍以上的切入点"——比原来的应用场景大十倍以上。"做 PPT、出个报告，那些都不够大。"
Cursor 的定性，是本期最容易引起争议的一条（[01:01:04]）：他说 Cursor "不是我们定义的这样的主体"，"它只是在 coding 能力不够的情况下去试模型能力的边界在哪"；当模型发展以后"它其实被 fold into、被包进去了，成了模型迭代的一个养料"。
⚠️ agent 公司不用自己训模型（[01:02:05]）：因为大模型之间的竞争会让能力成为大众商品，"你可以稳定地调用，不用担心模型公司切断你，因为有一个合理的替代品随时可以接上来"。⚠️ 但他同时说 agent 公司自己的技术创新"可能也是非常大的，只是不一定跟现在大模型技术创新的轨迹一样"。
⚠️ 今年应用公司惨淡的诊断（[00:53:57]–[00:55:57]）："我们正好处在一个青黄不接的时候"——模型的能力已经溢出到很多简单任务（AI 短剧、动漫这类"门槛太低，半年大家就都干完了"），但又没有找到一个足够大的场景，能让 agent 做一件"足够复杂又足够有价值、还能把性价比很好的智能用充分、又能形成自己独特技术积累"的事。
⚠️ 但他给出了今年真正变化了的东西："大家都觉得智能是真的能干活了、可以信赖了，因为推理能力达到了一定的水平，然后开始真有人想：我能不能严肃地拿它干点重要的活。这才是应用阶段开始的真实的标志。"
对应用公司 CEO 的话（[01:03:05]–[01:04:06]）："找到自己发展的方向，认真做好自己的事情就好"，并承认融资困难"这个我也理解，这没办法"。⚠️ 他不接受"大家很悲观"的框架："那是因为从投资人的角度，他上一轮受了伤，这轮又没看到像样的，他可能不想看而已。你想想，如果没有 2C 的好的应用，我们要 AI 干嘛？"
模型会吞噬一切吗（[00:55:57]–[00:56:57]）："模型吞噬一切的前提是所有的东西都在模型射程内。" 他的反驳路径是智能"够用"之后会冒出一堆针对不同场景的新技术要求，那时模型不可能吞掉一切——紧接着他就讲了电力史那段。
数据飞轮 → 智能飞轮（[00:43:51]–[00:45:51]）："数据飞轮升级到了智能飞轮"，链条是——调用基础智能 → 让 agent 在特定任务上有更高智能 → 任务过程中产生数据飞轮；而数据飞轮的前提是真实世界反馈，真实世界反馈的前提是 agent 要能独立干活、离开人的参与，中间"一定会有算法的创新"（他点名上下文管理、记忆、新的交互方式）。
平台与双边市场（[00:48:52]–[00:50:52]）："路口就是平台。" 旧平台做的是简单的信息匹配，新平台要做的是能力与需求的匹配，"复杂度高了很多"，所以旧平台"大概率不能"演化成新平台，大概率会诞生新公司。
⚠️ 他给出判断 agent 比判断网站难得多的理由："我们看一个网站很容易判断好坏，成本不高，不好就不再看了；但是你用一个 agent，是有可能出现很大的负面影响的。" 所以大概率会把这种判断力让渡给一个可信的独立第三方——典型的双边市场结构（[00:38:43] 那段的具体化："你钱包敢交给 agent 吗？"）。
agentic OS（[00:50:52]–[00:52:56]）：⚠️ "我觉得没有人能定义得了 agentic OS"，他把它放在第三阶段——"比我们想的可能要远"。OS 的含义是不再做匹配而是调度资源："你只要告诉它一个意图，我就直接调用市场上所有的 agent 帮你把活干完了，你都见不到 agent。"前置条件是 agent 先真正爆发、并且成熟到能被简单调用。
⚠️ 谁会拿到 agentic OS 的话语权，他拒绝点名："照我的理论框架的话，肯定是一个谁都不知道长啥样的公司。这才叫大创新——要不然它不抵它未来的那个价值。"

十一、时间表与人¶

时间判断（[02:16:13]–[02:17:18]）：⚠️ 他明确拒绝做短期预测——"我从来不做短期预测，我只提供一些规律性的理解供大家参考"。五年尺度上：agent 的路口"肯定有可能出现了"，第二阶段"大概大家都能看明白了"；但抖音、拼多多那种原生产品要到第三阶段，"那个可能就是 8 年 10 年以后的事情"。
⚠️ 主持人感叹"好漫长"，他的回应是："你别忘了 OpenAI 已经 11 年了。"
社会消化这场革命需要多久："一代人，二十年起步——因为他们才是原住民。"
⚠️ AI 时代 = 创造力时代，他把这条接在德鲁克的框架后面（[02:18:18]–[02:20:19]）。德鲁克的三阶段：生产力革命（流水线取代手工作坊）→ 管理革命（泰勒的科学管理，催生商学院这个新物种）→ 知识革命（70 年代起软件把知识与最佳实践沉淀成标准执行方法）。他补的第四段是：

"所有可以被结构化处理的知识类型的工作都会被 AI 接管"，人被逼着（也被解放去）开发自己的潜能，方向就是创造力。
⚠️ 他对"创造力"做了收窄：不是"会写首歌、会画幅画"，而是"更多的原创的、定义复杂问题的能力"，是"无中生有的能力"——"因为如果是已经有的东西，机器都已经当作 data 获取到了"。他举的历史例子是：电与流水线出现之后才有"职业经理人"和"白领"这些 19 世纪的人根本想象不到的概念。
⚠️ "老登"现象的机制解释——本库认为这是本期与既有材料咬合最紧的一条（[01:49:50]–[01:50:51]）：他先指出尊老的前提是"老的经验有价值、老的规范在延续"，然后给出这个前提失效的原因：

"经验，特别是能够转化成知识的经验，都不再有价值，因为它都被大模型吸收了……所以你过去 20 年的经验还有啥价值呢？"
配套现象：年轻的聪明人用好 AI 杠杆"瞬间就能成为任何一个领域的专家"；"为什么 AI 现在也可以达到一个主任医生的水平？因为所有的经验都被沉淀在大模型里头了"。
⚠️ 他直接点名引用了姚顺宇："就姚顺宇讲得特别直接嘛——谁愿意陪老登玩、牺牲自己的青春年华？"（本库已收录姚顺宇本人的表述，见他那期）。
他给老一代的出路只有两条："或者安心养老，或者变得重新年轻。"
产品经理与下一代创始人（[01:26:25]–[01:29:32]）：
研究员为什么值钱："他是跟 AI 交互最多的人，他最能理解 AI 的边界在哪里"，而市场现在更高效，能快速识别谁在创造最大价值。
⚠️ "产品经理会变得无比重要"：做什么产品、服务什么客户、创造什么价值、用什么技术、有限时间投在哪件最重要的事上——"这都是产品经理要去判断的"。
⚠️ 下一代创始人不需要研究背景："模型这一代是肯定需要的，但下一代应用驱动就不需要了。"他观察到具身这一代基本都是联合创始人搭配：一个大模型背景 + 一个偏应用与商业背景。
New Lab 的泡沫（[01:18:14]–[01:19:16]）："大概率有吧。但是泡沫是好事，早期的泡沫肯定是好事，因为重赏之下才有勇夫。" 他给的机制是市场的价值在于"你事先没有上帝视角知道谁对谁错，所以只能让大家去试错"。⚠️ 而 New Lab 能以高估值起步，是因为"大家认为他们至少几步是 OpenAI 跟 Anthropic"——⚠️ 主持人追问"那按你的框架，OpenAI/Anthropic 只是基础设施商，New Lab 是不是不该值这么多钱"，他的回答是不矛盾："你依然得到了一个在十年内从零到一万亿的公司，那个回报是无比巨大的。"
New Lab 涌现的三类成因（[01:04:06]–[01:06:06]）：① 看到现有范式的天花板、或从原理上认为有偏差；② 认为 scaling law 存在边际递减趋势；③ ⚠️ 反过来是因为大模型基础能力到了一定程度，才能去尝试"跟现有大模型路径不太一样但也非常底层"的创新——他点名 AI for Science 属于这一类。
机器人（[01:57:55]–[02:01:58]）：他认为还在非常早期的战略探索期，核心制约是数据不像大模型当年那样现成。两条路线——先做大脑追求泛化 vs 从一个场景做具身、用数据跑通闭环再反哺模型——⚠️ 他明确说"逻辑上两条路都成立，你没法事先判断"，像"从南坡爬还是从北坡爬"。
⚠️ 他给了一个比"汽车"更好的类比（[02:01:58]）：机器人更好的类比是"电器"而不是"汽车"——因为 token 类比的是电，而"基于电可以有 N 种电器"，"冰箱跟洗衣机谁更重要就不好比了"。汽车是其中的主打，但那是对外的场景；对内的场景就是洗衣机、冰箱。
汽车史那段本身也值得记（[01:59:58]–[02:00:58]）：1900–1920 年美国真的有几千家做车的公司；1913 年福特建成全世界第一条电驱动流水线，现代制造业才进入新阶段，福特才能高效造出大众消费得起的汽车。⚠️ 但插曲是：福特靠规模化、标准化、只卖黑色车做到全美第一之后，大众需求开始多元化，于是出现了通用汽车用七八种车型赢下一个阶段——"说明每个战略都要在当时那个时期有效才有效，它不是一个亘古不变的事情"。
他自己（[02:25:25]–[02:30:33]）：使命是"做一个快乐的研究员"；日常是跟创业者聊 + 看最新资讯与访谈（"我有很多的信息的输入可以做数据训练"）。⚠️ 快问快答里的关键 bet 是"出现一个足够好用的 to C 的 agent"；他说自己不读 AI 技术论文。
⚠️ 一条关于人机节奏的观察，本库认为值得单记（[02:28:29]–[02:29:30]）："因为 AI 的工具如此高效率，把你自己弄得极为疲惫——因为你根本跟不上它的处理速度。" 所以"大家都开始反应过来要有一些隔绝，然后怎么找到作为一个生物的人的一个合理的节奏，再去跟 AI 找一个新的平衡"。
教育（[02:22:22]–[02:23:23]）：现行体制本质是知识灌输，智商开发是第二位的；⚠️ "接下来最大的冲突就是教育系统的冲突"——"你随便问高中生，他们大概都知道用现在的方法大学毕业以后找工作都找不着……但是我们肯定不敢让他们去走他们的路，所以他们就卡在这了"。

与本库其它观点的关系¶

AI 商业化与价值捕获：三阶段框架、模型公司 = AI 云公司 = 寡头垄断 + 政府强监管、"OpenAI/Anthropic 大概率不是原生时代大赢家"、Yahoo/AOL 的市值换算、边际成本定价与 ARR 增长幻觉。⚠️ 这条与本库既有的 SaaS 之死那条线方向一致但论证来源完全不同：Airtable、Garry Tan 讲的是旧软件在塌，曾鸣讲的是新基础设施本身就不该期待高额垄断利润。
AI 实验室文化与组织：科层制衰亡、岗位→任务、职级消失、全员合伙人、New Lab vs New New Lab、"自己重写公司运行体系"作为分水岭、context not control；以及 xAI 与 Meta 的组织诊断（⚠️ 含无法核实的个人观感与转述）。
中美 AI 生态对照：⚠️ "中国收敛慢是因为缺少先发期" 这条机制、字节能成 AI 云但 2C 不确定、豆包"不砸了就是因为不够未来" 的行为证据式论证。
AI 与就业：AI 时代 = 创造力时代（接在德鲁克三阶段之后）、"无中生有的能力"、以及 ⚠️ "老登"现象的经验贬值机制——与本库已收录的姚顺宇那条直接对接，且曾鸣本人点名引用了他。
物理 AI 与机器人：机器人应类比"电器"而非"汽车"；两条技术路线"事先无法判断"；福特 T 型车与通用汽车的战略时效性插曲。
实践中使用 LLM：⚠️ "AI 太快反而把人弄得极为疲惫" 与"需要隔绝、找回生物节奏"。
⚠️ 与本库同日收录的 Greg Brockman 那期构成一组罕见的正面对撞：Brockman 说"我们现在在 AGI 时代"、瓶颈是分发与安全；曾鸣说"我们连浏览器都还没出现"、瓶颈是还没有人找到足够大的应用场景。两人对模型能力的判断并不冲突（都认为智能已经够用），冲突在于"这意味着产业到哪了"——而且 ⚠️ 曾鸣的框架直接预测了 Brockman 所在公司的结局（第一阶段的企业很难活到第二阶段）。本库并列不裁决，但认为这两期应当被一起读。