商业趋势
笔记君说：
这两年所有人都在焦虑：AI到底会怎么变？什么是不变的？什么是拐点？
今天早上，在杭州湖畔创研中心，曾鸣做了第三次“看十年”公开课。这一次他开场就说：我这两个月越来越不焦虑了，因为很多东西越看越清楚。
他把这场变革拆成六个层层递进的命题：智能商业、什么是AI原生、AI的产业化阶段、价值创造与竞争、创智组织、智能战略。
核心判断是一个：AI刚刚进入第二阶段的开场，应用大爆发还没真正开始，浏览器还没有出现，所有人都在同一条起跑线上。
以下是精编整理，希望对你有所帮助。
一、智能商业：未来商业的本质，
是实现人的意图
1.AI先打开供给，再打开需求
在供给侧，AI正在变得越来越强大，而且成本一直在急剧下降，看得见的未来还会有百倍甚至更高的下降。它最重要的作用是，提高优质供给的数量和丰富度，彻底打破越来越多领域供给稀缺的历史瓶颈。
但因为AI还不够聪明、还太贵，我们今天看到的AI使用，都是在试图替代简单、重复、相对低价值的人工。这也是为什么这两年大家总觉得AI投入那么大、效果却不好，根本原因是从第一天开始，它产生的价值创造天花板就非常有限。
真正创造巨大价值的是打开新的供给。好的私人医生、好的老师、好的理财顾问，旅游时能给你真正建议的可信的信息专家，任何一个方面我们都觉得好的供给太少、太稀缺。如果将更多好的供给带给社会大众，它创造的社会价值会是巨大无比的。
任何一次大的技术创新，最开始都拿来做降本增效，而这个阶段产生的社会价值都不够，因为早期投入巨大无比，会有一个错配。
但这个阶段是必须的，只有在场景中技术才能得到更好的发展。我们即将迎来的拐点是，技术成熟到可以做真正的大价值创新。那时候AI带来的改变才更根本、更广泛，大家也会越做越舒服，因为你进入了一个正循环。现在我们整个还在艰苦摸索。
我们现在觉得供给已经内卷得一塌糊涂，所有能满足的需求都已经被满足了，实际上完全不是这样。从需求端来看，简单的同质化供给当然严重过剩，但人心是贪得无厌的，愿望是无穷无尽的。
AI带来的最大突破是它可以低成本、高效率、实时地一直陪伴我们。无论个人助手、家庭管家还是情感陪伴，未来产品的本质都是可以跟我们深度互动，所以它会比我们将来更了解我们。个性化需求会第一次被真正打开。
过去三十年商业进步背后就是两个技术突破，搜索和推荐，AI会带来第三次技术突破。
商业模式本质也会跟着变：从推荐算法带来的信息对注意力的争夺，走向真正的个性化。因为推荐本质上还是从人的行为、特别是和你相似的人的行为，来猜测你可能的需求，AI不用猜测，AI就是知道。
这才是个人化服务的开始，才是极致个性化的起源。所以，从这个角度来看，将来商业的变化将是根本的、非常深远的。
2.从“千人千面”到“一人千面”
每一次技术革命都会带来特别大的商业范式变革。
工业时代，150年前解决的是供给不足，找到的方式是标准化、流水线、科层制；
互联网时代解决的是生产过剩，80年代中后期美国基本就产能过剩了，所以它实现的是规模化匹配，让商品更好地找到合适的用户；
AI时代要解决个性化需求。
对应的就是从“千人一面”到“千人千面”，再到“一人千面”。2010年，我们做淘宝的时候就提出来，要利用平台解决信息不对称，做好商品和用户的匹配，最好能找到“千人千面”。经过十几年努力，这基本上实现了。
接下来是“一人千面”。每一个人都是变化无穷、非常丰富的，理解一个人在不同时间、不同场景中的真实意图，动态生成当下最适合的解决方案，这才是未来的商业，本质是越来越个性化。
3.商业的起点从产品，变成了意图
到目前为止，所有商业的起点都是产品，产品的研发和设计基于我们对用户需求的假象和推断。工具可能越来越先进，但本质还是对一群用户可能需求的事先揣测：先把产品做出来，再想怎么推广、怎么分销。商品是现代商业的起点。
未来将以消费者的意图作为起点。因为AI给了我们工具，终于能贴近消费者去理解他的真实意图，也只有以意图为起点，我们才能真正做到以消费者为中心。
我们一直讲的“客户至上”，原来是一个价值主张、企业价值观的体现。在未来，以客户为中心是所有商业模式的起点，因为你必须以它为中心。AI天天围绕它转、理解它，再根据它的需求产生方案。
第一步是这样：AI理解了意图以后去全网搜索有没有合适的解决方案或产品，没有的话你可以去招标，看谁愿意提供你想要的产品和服务，消费者确认以后AI还可以代为执行。
所以未来商业的竞争，实际上最重要的是抢夺人类表达真实意图的第一入口。你愿意跟谁聊，那个AI就掌握了你的真实信息，它可能就是你商业化开始的地方。
但第一步还是意图匹配，商品要从现成的商品库中去选。更长远的第二阶段，是需求与供给同时生成。因为“一人千面”不是无限地生成产品，而是在复杂的供给制约当中、在依然有性价比要求的前提下，为这个具体的人找到这时候最适合他的解决方案、服务和产品的组合。
4.供给侧一变，旧商业模式就被颠覆了
但要做到这一点，其实是需要从传统的供应链转向协同网络。传统供应链是一条线性的信息流通渠道，本质是固化的产品、固化的流程、规模化交付，参与的企业也是固化的。
未来的供应网络是一个协同网络，根据具体任务实时调用不同的能力节点，临时组成解决方案。这有点像今天的个人助理开始展现的状态。
大家用了Manus（通用智能体产品）这类个人助理后会发现，用户体验好像还没有那么大变化，本质上是因为供给侧还没变化，他们是用现有的存量产品和服务做效率提升。供给侧的变化才能带来体验的实质性飞跃。所以商业要做到突破、做到智能商业2.0，得在供给侧也完成AI化的表达和组合。
总结一下，智能商业实现的是从卖产品到实现人的意图这样一个商业本质的变化。而且它肯定会形成自己独特的竞争优势，因为基于场景的学习闭环会成为新的竞争优势。
稍微再补一点，为什么这个事情对我们这么重要？因为这是一个新的商业模式，而新的商业模式一定对过去是颠覆性的。过去二十年的商业变革基本就是推荐算法的不断升级优化，注意力经济、用户时长、曝光、DAU（日活跃用户数）是现在商业的基石。
AI商业的本质是对结果承担责任，直接交付结果。当你直接能交付结果的时候，中间的很多过程就都不存在了。这中间可能变成Agent对Agent的协同，怎么协同要在实践中探索。但很多过去的做法在未来都会面临实质性的挑战，新的商业是一套全新的模式。
二、什么是AI原生：拿掉AI，
这个产品还成立吗？
1.用AI不等于AI原生
AI原生的本质，不是把AI嵌入现有的产品和工作流，而是以可规模化调用的机器智能为起点，重新设计产品、工作流和组织，创造过去无法实现的客户价值，并由此释放巨大的商业价值。
“规模化调用的机器智能”，强调的是通用智能成了社会新的基础生产要素。历史上的生产要素是土地、劳动力和资本，现在多了一个智能，或者说劳动力变成了人加AI，整个社会都要以此为基础发生变化。
这里的几个层面是一起演化的：产品改变，工作流要跟着改变，组织也要改变，甚至商业模式都会重新形成。关键是把新技术的根本优势发挥出来。
一个直接的检验是：假如拿掉AI，这个产品和业务是否仍然成立？如果仍然成立，只是效率下降，大概率属于AI增强；如果产品价值、工作流或组织方式都无法成立，才更接近AI原生。
2.通用技术要走过三个阶段
从学术角度，AI是通用技术的创新。
通用技术有三个特点：
可以在各个层面广泛使用；
是一个大的创新，需要很长时间的发展；
会催生大量的互补性创新，因为它是基础创新，需要很多工程创新、应用创新，最后才能在最上面形成大的创新。
这也是为什么黄仁勋会讲“五层蛋糕”，讲AI从最底下的电力、能源、土地，到上面的芯片，再到云，最后才是应用服务。整个技术栈需要互补性的协同创新，所以它是一个漫长的生态演化过程。
AI刚出来时大家自然拿它跟互联网比，但很快就意识到它是一个如此重要的生产力突破，就跟工业革命比；再往前推，因为它是基于语言的、对人类所有知识的抽象和延伸，就要回到人类文明最原始的三个大的技术突破：火的应用、语言的发明、文字的流转。
通用技术的大变革基本都经过三个阶段：
第一，技术足够可靠、便宜、好用，成为社会的基础设施；
第二，在这之上出现原生的产品和服务创新，开始真正创造巨大的新价值，不再是在原有技术框架下做优化，而是按新技术的逻辑从底层重构商业和社会；
第三，新技术渗透到社会的方方面面。
以美国的电气化为例。
1882年，爱迪生在曼哈顿一平方公里的街区内点亮了整个街区，这相当于一个产品化的试点，因为你需要电灯、电线、发电机、传电网络，它展示了电的完整雏形。
爱迪生在此基础上成立了通用电气公司，做发电设备和电灯泡这些硬件。但他的总裁助理认为电应该成为公用事业、成为基础设施，于是独立出去做中心化的发电厂和远程传输网络。
1896年，尼亚加拉大瀑布利用水的动能发电，远程输送到二十多公里外的布法罗，中间还有很多技术突破，像交流电、变压器、现代电网架构的形成，这里有真正的发明家特斯拉创造的交流电技术。
基础设施这个商业模式被发明以前，每个工厂要自己雇一个首席发电官，买GE的设备、建电厂、买煤，自己发电。
有了基础设施服务商以后，美国制造业用电比例急剧提高：1900年约10%，1909年25%，1920年超过50%，1929年约78%到80%。
1910到1920年就是基础设施成熟、应用开始大爆发的时候，于是出现了现代工业的标志性事件：1913年福特在Highland Park（福特工厂）的那条流水线。
3.应用一定会百花齐放
基础设施跨过某个可用性临界点以后，原生应用开始密集涌现，而且应用出现以后又反过来拉动基础设施的普及。
有了电灯，家庭才愿意接电；有了电熨斗、吸尘器、洗衣机，家庭接电的价值进一步增加；但有了收音机和冰箱以后，没有电就意味着你没有进入现代家庭生活。
这是一个正反馈循环：电跨过临界点，原生应用出现，用电价值提高，更多家庭接电，市场扩大，更多原生应用，技术进一步成熟，再去渗透到各行各业。
所以应用的第二阶段一定是百花齐放，因为这是一个社会大规模探索的过程。基础设施阶段相对集中，方向清楚以后就是砸钱、砸人，让最优秀的人攻克最难的技术难关。
但一到应用阶段就百花齐放了，因为大家不知道新技术到底拿来干什么、什么是真正有客户价值的、用户愿意为什么买单。
这时候就会出现典型的创业浪潮：大量企业家涌入，进行各种产品、商业模式、生产方式的实验；然后市场优胜劣汰，看谁代表未来的产品和模式；最后进入Consolidation（行业整合）。这本身没办法线性规划，需要长时间的社会协同。
4.从Web到移动互联网，原生也有1.0和2.0
第二个通用技术的创新跟我们现在更相关，稍微年纪大一点的同学经历过这中间的一些产品。这张图是对大家最有借鉴作用的，因为我最后的结论是，我们很快要迎来AI时代的应用大创新。
本质上就是1993年出现的两件大事：一是整个Web技术免费对外开放，HTTP这些对外开放；二是基于Mosaic以后，1994年出现Netscape（网景，最早的浏览器公司），第一次在PC和Mac上能跑浏览器。
1991、1992年的浏览器是给Unix上的专业玩家用的，1994年的浏览器普通PC和Mac用户都能用。
消费者端门槛急剧下降，点一下就能看到全世界的网站；开发者端也一样，由于HTML、WWW这些标准已经成熟，建一个网站变得很容易。
你可以看到，门户导航和最早出现的各种搜索公司，有点像今天的personal assistant（个人助理），是主流应用的最早突破，但后面很不幸都被原生应用2.0的Google给干掉了。
另一方面，1995年出现的那批大的垂类，零售、分类信息、在线婚恋、在线旅行，这些公司都活得很好，这中间有特别有意思的规律，大家回去可以琢磨。
最直观的是，1994年浏览器一出来，三年之内所有应用公司都出来了，1.0的公司基本到1996年就出齐了，后面冒出来的是2.0阶段的公司。
原生不是由企业出生的年代所决定的，而是由它在多大程度上发挥新技术的根本优势所决定的。所以生在AI时代不等于AI原生，使用AI的广度不代表发挥机器智能优势的深度。
5.原生应用2.0的四个标准
整个互联网的集大成者是Google，它是互联网原生应用2.0，最能帮我们理解未来的原生应用2.0呈现什么形态。将来大家考验自己是不是做得足够AI原生，同样是四个标准。
第一，有没有做到用户价值的巨大创新，创造的体验是不是以前从来没有过的。
雅虎的体验是把读报纸的行为搬到互联网上，而Google的搜索框出来时就一个框，你输入关键字，全世界的信息在秒级全部给你，这种体验以前从来没有过。
第二，体验的飞跃一定基于一个重要的原生技术突破。
跟雅虎同时出现的搜索公司都有好的概念，但一直没有真正的搜索技术，只有Google的PageRank（谷歌的网页排名算法）是基于核心算法，把整个互联网内容做了结构化重构才能检索。
第三，一般有前二者后都会倒逼出后二者，第三个创新通常有基础设施创新。
因为要用低成本稳定的方法服务海量用户，传统技术架构一定不太可行。所以Google是分布式计算的开创者，分布式计算后来被亚马逊包装成云计算，成了现代互联网的计算基础设施。
第四，一定会有原生的商业模式出来。
Google做了Pay for Performance（按效果付费）竞价排名的广告，这是一个广告模式的巨大创新。
三、AI产业化：
我们正站在应用大爆发的前夜
1.通用机器智能的基础能力已形成
我们今天处于怎样的阶段？我有几个判断可以跟大家分享。
第一，通用机器智能的基础能力已经形成，AI能力初步过关：无论是模型能力，还是这两年Coding（编程）带来的行动能力突破，使得Agent技术框架初步成型，再到产业基础设施以及商业模式。
2026年开年前半年，为什么所有讨论都集中在Token？当Token这个度量衡被提出来，就像一度电、一吨水、一个GB流量，我们现在知道有 token这样一个计量单位，就说明它开始标准化、成为社会的基础设施了，收费模式也有了。一个公共事业的商业模式和社会服务方式基本成型。
所以我们看到Hyperscaler（超大规模云服务商）和Neocloud（新型云服务商）的迅速发展，数据中心的基建狂潮，突破整个产业链规模化扩张的瓶颈，从今年年初的存储，到后面的光通讯，再到现在的电和土地。本质上是，人类第一次可以大规模低成本地调用通用智能。
通用智能服务商的商业模式也基本成熟了，包括传统的微软跟亚马逊，也包括Google、OpenAI、Anthropic，以及现在最凶猛的SpaceX，本质上都在卖Token，卖的是可以规模化调用的通用智能。
2.应用大爆发，还差两个前提
我们刚才反复讲的，当基础设施的性能过了一个初步的拐点之后，就是一个应用大爆发的阶段。所以2026、2027、2028，特别是2027、2028，应该是各种原生产品与服务层出不穷的阶段。
当然，根据我们刚才的研究可以看到，应用大爆发要有两个前提。我们假定Agent是接下来所有原生应用的基本产品形态和技术标准：第一，Agent的开发基础设施还要进一步成熟；第二，要找到低成本的用户交互方式，让普通用户容易表达意图、建立信任、使用Agent。
在这个意义上，我们还没看到一个标志性的产品，所以我才说现在大概就是1993年，“浏览器”还没有出现，但大家都在等着这样一个技术突破，让开发者和使用者的成本都急剧下降，然后才有应用大爆发的阶段。
3.Agent能力：从行动、主动，到负责
如果我们再展开讲，可以看到过去两年Agent能力有一个质的飞跃。Chat是对话，Agent的核心是行动。
从早期通用Agent能调用工具、完成具体任务，到今天所有公司都在努力让Agent自主拆解任务、跨步骤持续执行长程复杂任务，包括前一段时间OpenAI讲他们怎么破解数学题，一万多个Agent协同80多个小时持续攻克一个问题。所以AI可以越来越主动。
但Agent还有第三个在应用阶段必须克服的、最重要的技术创新，就是要能够负责任。如果AI不能对结果负责，我们还是不敢把任务交给它。
什么时候人可以信任一个Agent，愿意把什么任务交给它，它真的能交付，还能让你相信它的交付过程，最后还能通过你的反馈不断学习和提高。这第三步Agent能力还没有普及和突破，这是接下来产品和技术方面会看到的最重要的发展方向。
4.从Agent 商店到Agent 操作系统
我现在没有一个更好的词汇，所以还是暂时将它称为Agent Store（Agent 商店）。它肯定不是一个App Store，也不是雅虎那样的网站Marketplace（市场）。
接下来会发生的是，大量创业者开发各种Agent，有的很细分，有的很通用，有的昙花一现，有的越来越壮大；大量用户尝试不同的产品形态。这就是百花齐放的社会化大创新阶段，各种商业模式、应用形态、工作方法都会被创造出来。
1995年，雅虎上市时全球有400万个网站，2000年互联网泡沫时是2亿，今天常规状态下是20亿。2010年App Store开始爆发，2012年大概600万个App，今天活跃的大概400多万个，当然每个人用的大概10个左右。我们也许可以想象，说不定会有10万级左右的Agent。
如果有这个量级，用户怎么去发现、评判、管理、使用、计费、投诉，这一堆问题可能都会让Agent本身产生某种标准，形成某种入口。当然这个入口会依附在哪一种硬件上，会不会有一个多元化的硬件共同繁荣的阶段，这是另外一个更开放的问题。
未来三五年，核心是Agent的大爆发，本质是怎么找到Agent的通用产品形态，开发成本最低，用户使用壁垒最低。
在这样的海量Agent创新基础之上，我们也许会迎来原生应用2.0的阶段，我也暂且称它为Agent OS。
但Agent OS现在提太早了。它要有足够丰富的Agent以后，消费者那时候会越来越懒，我们可能只想表达一下意图，就要有某个主要的Agent去调用其他的Agent，帮我们一次性完成任务。我们自己已经不愿意再去找各种各样的Agent了，只愿意对少数的几个发号施令，它帮我们去整合其他的Agent，完成越来越复杂的任务。
这是十年左右的大蓝图。Agent进入2.0的原生应用，然后一直畅想的那个Super Personal Agent（超级个人助理）才会出现。
四、价值创造和竞争：
智能复利，智者恒强
1.AI的价值引擎是智能复利
人工智能正在成为越来越重要的生产要素：农业时代土地是最关键的生产要素，工业时代资本成为规模化生产的关键生产要素，智能时代是智能本身成为可以规模化生产和调用的生产要素。
我的讨论有两个前提。第一，ASI（超级人工智能）可能还需要相当长的时间才会实现，有人说十几年，有人说一百年，前沿争论不去管。
第二，人工智能跟人的智能，或者你把它称作人的创造力、人的生命力也好，本质上还是相对互补的，通用人工智能没法完全取代人的智能，它反而会释放人的创造力。
核心命题就是：当人可以规模化地调用通用人工智能的时候，价值创造的源泉是什么？
这个问题我想了三五年。工业时代靠规模经济，这是我们熟悉的。互联网时代靠网络效应。那AI时代靠什么？
我个人的一个初步思考是：既然是智能时代，就有它独特的价值创造机制和竞争壁垒来源，我把它称为智能复利。
本质上，AI和未来所有应用都是一个学习过程，智能系统在使用的过程中就会变得越聪明，它就越来越值钱。
这是一个非常自然的正反馈循环：你干的活越多，你变得越聪明；你越聪明，能接越多的活；接了越多的活，你能变得更聪明，更聪明以后就可以干更多的活。
它形成了传统意义上的“数据飞轮”，但更准确的表达是，一个学习的正反馈闭环带来的智能复利，就是越变越聪明。
2.“60分奇点”：AI能不能上岗
当你越变越聪明，特别是你切入的那个场景够复杂，你就能显示出强大的竞争优势。但要把智能复利的飞轮转起来，其实非常痛苦，目前能转的公司非常有限，基本就是头部几家模型公司。
今年最流行的那个词RCI（递归批评与改进），其实就是自我改进，而自我改进就是智能复利：我变得越来越聪明，就能自我改进、自我进化、自我提升。
但要把智能复利的飞轮转起来，最难的是我称为AI能否过60分，它能否上岗。只要AI一能上岗，它的学习飞轮就能转起来。但AI从智障变成智能的过程是非常痛苦的学习过程，人在里面要扮演非常大的作用。
我们要设计Agent，设计它需要的知识库，需要上下文，还要手把手教它，要把人所有的经验蒸馏给它，再给它一些学习场景、实验室场景，让它慢慢从30分到40分、50分，然后你再找一个不怕死的客户跟你一起试，让AI可以上线。
上线以后，它就进入了学习闭环：第一，这是端到端的任务，它能完整接过去；第二，它直接...
