第一章：AI的第三次叩门
第一章：AI的第三次叩门
一、同一项技术，方向决定一切
前言里我讲了作业盒子的故事——AI辅导让学生进步三倍，拍照搜题却让成绩退步4.2%。同一项技术，用对了是三倍进步，用错了是退步。差距不是线性的，是方向性的。 这件事我记了十年。今天站在企业AI转型的路口，我发现历史正在以惊人的精度重演。企业界正在重复教育界犯过的错——拿到一个时代级的技术，然后用最偷懒的方式去用它。 那段经历让我最深刻的认识是：AI最大的价值不是给强者锦上添花，是给弱者雪中送炭。 AI最大的社会价值是消除能力的不平等。而AI最大的商业价值，也遵循同样的逻辑——消除企业之间能力的不平等。一个小团队借助AI，可以拥有大团队才有的分析力、执行力和决策力。
二、三次叩门：肌肉、信息、能力
让我们把视角拉远，看一个更大的故事。 人类文明被技术革命敲过三次门。每一次，技术做的事情都是同一件：把原来属于少数人的能力，平权给所有人。 每一次，大多数人都在前半程不以为意，在后半程追悔莫及。
第一次叩门：蒸汽机——肌肉平权
1769年，瓦特改良蒸汽机。在那之前，体力劳动是一切生产的瓶颈，而体力是不可复制的。蒸汽机改变了一切——一台蒸汽机的力量等于几十匹马，一个普通人操作蒸汽机驱动的纺织机，产出可以顶五十个手工工人。 企业形态因此剧变。手工作坊消亡，工厂制度诞生。那些坚持"我们的工人手艺更好、做出来的布更精细"的作坊主说的也许没错——但产量是机器的五十分之一。当市场需要的是"大量的够好的布"而不是"极少量的完美的布"时，手工作坊就没有存在的意义了。 关键点：蒸汽机没有让所有人都变成大力士。它做的是让"体力强弱"不再是决定性的竞争维度。竞争从"谁的肌肉更强"变成了"谁更善于使用和管理机器"。
第二次叩门：互联网——信息平权
1990年代，互联网商业化。在那之前，信息是被高度垄断的。一个义乌的小商家想知道美国市场流行什么产品，要等外贸公司带回消息；一个创业者想了解竞争对手的定价策略，要花几万块请市场调研公司。信息不对称是整个商业世界运转的核心逻辑——谁掌握了信息差，谁就赚钱。 互联网把信息获取的边际成本打到了几乎为零。Google让每个人都能搜到全世界的知识，淘宝让每个小商家都能触达全国消费者。中间商被大规模淘汰，平台经济崛起——所有靠"我知道你不知道"赚钱的生意模式都被冲击了。 但同样，请注意：互联网没有让所有人都变成信息专家。信息是公开了，但大多数人并不具备分析和运用信息的能力。一个义乌小商家可以通过阿里巴巴看到全球的采购需求，但他未必知道该接哪个单、怎么定价、如何规避风险。竞争维度从"谁知道得更多"变成了"谁判断得更准"。
第三次叩门：AI——能力平权
2023年至今，AI大模型时代。这一次，被平权的不是肌肉、不是信息，而是能力本身。 一个三线城市的小企业CEO，以前想做一份像样的市场分析报告，有两个选择：花十万请麦肯锡，或者自己硬着头皮写一个粗糙版本。大多数CEO选了第三条路——不做分析，凭直觉决策。现在，他可以让AI在两小时内产出一份质量不输初级顾问的完整市场分析——有框架、有洞察、有建议。 一个四人创业团队，以前想同时做好用户增长、竞品调研、财务建模、法律合规，至少需要八个不同专业背景的人。现在，四个人加上AI Agent团队，可以把这些能力全部覆盖，质量不低于专业水平的七八成。 这不是"让人做得更快"。这是"让人做到原来做不到的事"。 核心洞察：AI的真正革命不是"让人更快"，而是"让不可能变为可能"。一个4人团队做到100人的事，不是因为这4个人更勤奋，而是因为AI重新分配了能力。 这里我要引用语嫣老师在《生成》中提出的一个精准区分——知识平权 vs 能力平权。这个区分是理解AI真正价值的钥匙。 知识平权，是帮人"知道更多"。ChatGPT回答你一个问题，Google搜出一篇文章——这都是知识平权。它的天花板很低："知道"不等于"做到"。你知道怎么游泳的原理，跳下水照样会沉。你知道巴菲特的投资理念，但你的投资回报率跟巴菲特差了几百倍。知识从来不是瓶颈。执行力才是。判断力才是。 能力平权，是帮人"做到原本做不到的事"。AI不只是告诉你"市场分析应该怎么做"（知识平权），而是直接帮你做出一份可执行的市场分析（能力平权）。它不只是告诉你"财务建模有哪些框架"，而是直接帮你建一个模型出来，你只需要调参数和做判断。 核心洞察：知识平权的天花板很低——让所有人都"知道"不会改变竞争格局。能力平权才是真正的颠覆——让每个人都"做到"，这改变一切。 90%的企业在做知识平权，却以为自己在做能力平权。给员工一个ChatGPT账号让他们"有问题就问AI"——这是知识平权。建立一个AI经营班子，让AI参与你的周会、审核你的数据、挑战你的决策假设、主动发现你没注意到的风险和机会——这才是能力平权。前者是"多了一个更聪明的搜索引擎"，后者是"多了一个不需要发工资的经营合伙人"。
三、从对话到行动：AI的三次跃迁
我总结出一个帮助判断AI浪潮位置的框架——AI发展的三阶段论： 第一阶段：对话。 以ChatGPT为代表，大模型成为基础设施。AI本质上是一个超级对话伙伴——你问它答。它帮你写文案、翻译邮件、解答知识问题。有价值，但本质是知识平权。对话阶段的AI，就像一个博学多才的朋友——聊完了你还是得自己去干活。 第二阶段：行动。 2025年Claude Code的发布是标志性事件。AI从"帮你想"进化到"帮你干"——从对话到解决任务，AI开始主动行动。它帮你写代码——直接写出来、测试通过、部署上线。它帮你分析数据——直接连接数据库、执行查询、生成报告、标注异常、给出建议。这就是我在Talkit实践的东西——6个Agent Team不是在"对话"，它们在"行动"。增长Agent不是告诉我"你应该关注Google Play的自然流量"，它直接去拉数据、做分析、出结论。 第三阶段：AIOS——AI操作系统。 最终AI将进化到能自主解决足够复杂任务的阶段。多个Agent协同、有持久记忆、有自主决策能力——像一个操作系统一样运转。就像Windows让普通人不需要懂DOS命令就能使用电脑，AIOS将让企业不需要懂技术就能拥有AI级的经营能力。 我在目的涌现做的事情，本质上就是在第二阶段和第三阶段的交界处工作。Talkit的6个Agent Team是行动阶段的实践。而HiPilot——我们为企业打造的AI经营班子平台——是在向AIOS阶段迈进。一个完整的AI经营班子，不就是一个企业级的AI操作系统吗？ 这个框架帮CEO判断自己的AI投入在哪个层次。如果你公司的AI还停留在"对话"——员工用ChatGPT查资料、写文案——你只是在享受第一阶段的浅层红利。如果AI已经在"行动"——Agent自己拉数据、做分析、执行任务——你正在进入最具商业价值的阶段。如果你开始构建多Agent协同的经营班子——你正在触摸第三阶段的门槛。 核心洞察：AI三阶段——对话、行动、AIOS——为我们提供了一张清晰的路线图。大多数企业还停留在"对话"阶段，真正的价值在"行动"和"AIOS"阶段。从对话到行动，不是效率的提升，是AI角色的根本转变——从"顾问"变成"执行者"。
四、SECI的瓶颈，AI的突破
这个底层逻辑解释了为什么AI能力平权的威力如此之大——大到可以让一个4人团队做出100人团队的产出。它关乎知识本身是如何在组织中流动和积累的。 1995年，日本管理学大师野中郁次郎提出了SECI模型，描述组织知识创造的四个阶段：
- S（共同化）：隐性知识到隐性知识。师傅带徒弟、手把手教。传递的不是可以写下来的知识，而是"感觉"——判断客户情绪的感觉，拿捏谈判节奏的感觉。
- E（表出化）：隐性知识到显性知识。把"只可意会不可言传"的经验变成文档和手册。
- C（联结化）：显性知识到显性知识。把多个分散的知识文档整合成体系化的知识系统。
- I（内在化）：显性知识到隐性知识。新人读了手册，在实际工作中反复练习，直到变成自己的直觉。
AI可以加速SECI循环的每一个环节。 共同化：AI可以同时从一百个顶尖员工的对话记录、CRM操作、会议录音中学习隐性知识——不需要物理共处，不需要占用师傅的时间。而且AI的"共同化"是并行的、全量的。 表出化：这是AI最神奇的突破。AI可以通过对话引导，帮高手把隐性知识表达出来。"你刚才为什么决定降价5%而不是3%？""嗯……我觉得对方的底线大概在这里。""你是怎么判断对方底线的？""他说了一句'我们还有其他供应商在谈'，但语气不太自信……"看到了吗？AI通过结构化追问，帮高手把那个"说不上来的感觉"变成了一条可以教给别人的规则。 联结化：把一千页散落的经验文档整合成一套有层次的知识体系——这是AI最轻松的工作，也是人类最头疼的工作。 内在化：AI可以创造无限的模拟场景让新人练习——不需要等三个月才遇到一个关键客户，AI现在就可以扮演各种类型的客户，让新人在安全环境中反复练习，并给予即时反馈。 SECI循环原来需要半年转一圈，有了AI，可能只需要一到两周。知识积累的速度被加速了至少十几倍，在某些环节甚至是几十倍。 这不是渐进式改善，这是质变。 这就解释了为什么一个4人+AI的团队能做到100人团队的事。AI没有替代96个人的劳动。它做的是让这4个人的知识积累和能力成长速度快了几十倍。每一个人在AI的加持下，都从"普通员工"变成了"超级个体"。
五、Talkit自证：4个人 + 6个Agent Team
我不太喜欢引用别人的案例。自己的公司我每天都在里面，每个数字我都清楚，每个坑我都亲自踩过。 Talkit是一款AI英语口语学习App。竞品多邻国全球员工超过800人，流利说最多时上千人。我们有几个人？4个。 然后是6个Agent Team——每个不是"一个AI机器人"，而是一组协同工作的AI Agent集群，像一个真正的部门一样运转。 增长Agent Team：负责用户获取分析、渠道效果追踪、转化漏斗优化。每天凌晨自动拉取全渠道数据——AppStore、Google Play、各广告平台、社交媒体——分析转化漏斗每个环节，识别异常波动。增长负责人每天早上8点看到的不是密密麻麻的数据表格，而是一份已分析、标注异常和建议的增长简报，附带优先级排序。比如有一天简报里写："Google Play自然流量昨日下降23%，非正常波动。可能原因：竞品Speak三天前更新了关键词策略，抢占了我们三个核心关键词的排名。建议：立即更新ASO关键词组合，附三组替代方案及预估效果。"这份简报的质量不输三年经验分析师的日报——但它是AI在凌晨三点自动生成的。 内容Agent Team：持续分析用户行为数据，每天生成200-300个候选场景，内容负责人筛选优化出50-80个高质量场景上线。产出效率是传统十人团队的十倍以上。 数据Agent Team：分析师Hank用自然语言描述需求，Agent直接连数据库查询，生成包含图表、异常标注和归因分析的报告。还有客服Agent Team（理解情绪、判断严重程度、80%自动解决）、运营Agent Team（推送策略、A/B测试）、质量Agent Team（崩溃率监控、投诉热点聚类）。 传统公司之所以需要那么多人，是因为大量工作是"信息搬运"——从这个系统导出数据，粘贴到Excel，写段分析，发给老板，等老板看完再讨论。另一大块是"等待"——等审批、等反馈、等跨部门协调。还有一大块是"重复"——每周做一样的数据报表，每月写一样格式的总结。有人统计过，一个典型白领每天真正需要创造力和判断力的时间不超过2小时，剩下的6个小时花在搬运、等待和重复上。 AI消灭的正是这三样。在大多数公司里，它们占了员工时间的80%。所以不是4个人做了100人的工作量，是100人的工作量里80%本来就不应该由人来做。我们只是第一批认清这个事实并付诸行动的团队。 有一次我跟一个VC朋友聊天，他问我："Leo，你们4个人的人效到底是怎么做到的？"我说了一个数字让他沉默了很久：我们4个人每天花在"信息搬运"上的时间，加起来不超过30分钟。而他投资的一家同类公司，50人团队每天花在"对齐信息"上的时间超过200人时。这些搬运工作在我们这里全部由Agent完成。人只做两件事：创造和判断。 我们没有什么特殊的技术优势。区别在于一个根本性的设计决策：我们从第一天就把AI当成"组织成员"来设计，而不是"效率工具"来采购。 这个区别看起来只是一句话，但它决定了后面所有的架构选择、流程设计和文化建设。
六、窗口正在关闭
黄仁勋说："Are you insane? I want every task that is possible to be automated with AI to be automated with AI." 不是"用AI提高效率"，是"每一个能自动化的任务"。不是可选，是必须。 Dario Amodei预计"强大的AI系统将在2026年底或2027年初出现"。Sam Altman宣称"AI agents join the workforce in 2025"——不是作为工具被使用，而是作为"同事"参与工作。三个站在AI最前沿的人同时发出紧迫信号时，你至少应该认真听一听。 经济学家卡洛塔·佩雷斯研究了250年来五次技术革命，发现每次都遵循S曲线：安装期（技术发明、资本涌入、泡沫膨胀），然后是部署期（技术真正渗透各行各业，重塑商业模式和社会结构）。2023到2025年是AI安装期高峰。2026年开始，我们进入部署期。 部署期的核心特征是"窗口关闭"。 先行者积累了数据飞轮、AI流程、人机协作的组织文化。这些不是花钱就能买到的，它们需要时间生长。后来者追赶的代价可能是先行者的十倍。组织进化需要时间，而时间是唯一不可压缩的资源。 今天AI所在的阶段最像1992年PC互联网刚开始——没有Google，没有浏览器。Google要到1998年才创立，Facebook要到2004年。真正的巨头很多在浪潮开始十年后才出现。一切都不晚，但必须现在开始。 三五年的时间足够你进化，但前提是今天就开始行动。 每一次革命，窗口期都在缩短。蒸汽机时代40年，互联网时代15年。因为技术迭代的速度在指数级加快，信息传播在加快，资本流动在加快——整个商业世界的新陈代谢速度在加快。AI时代呢？我的判断是：窗口大约5-7年。从2023年算起，到2028-2030年，格局基本定型。 如果你在2026年还没有认真对待AI经营，到2028年再想追，可能已经来不及了。技术永远追得上，组织进化追不上。你的竞争对手已经在过去三年里训练出了一整套人机协作的肌肉记忆，而你还在开会讨论"要不要试一下ChatGPT"。 还有一个中国企业需要警惕的点：前两次技术革命，中国企业有"后发优势"——可以学习西方的先行经验。这一次不一样。AI革命是全球同步的，没有"先看看美国怎么做再跟"的空间。因为等你看到美国企业做成了，你的中国竞争对手已经先你一步跑起来了。 核心洞察：技术革命的S曲线告诉我们：窗口不会永远开着。前两次敲门（蒸汽机、互联网），大多数企业都开晚了。这一次，门已经在响了。
七、这一章的要点
第一，AI是人类文明的第三次能力平权革命。 蒸汽机平权了肌肉，互联网平权了信息，AI正在平权能力本身。这不是IT部门的项目，是CEO层面的战略决策。 第二，知识平权和能力平权有本质区别。 大多数企业在做知识平权，但真正的价值在能力平权——让AI成为经营伙伴，参与决策和执行。 第三，AI的三次跃迁——对话、行动、AIOS。 从对话到行动是AI角色的根本转变——从顾问变成执行者。 第四，AI突破了SECI模型的瓶颈。 组织知识积累速度被加速几十倍。SECI循环原来半年一圈，现在一两周一圈。 第五，窗口正在关闭，但一切都不晚。 AI时代的窗口可能只有5-7年。今天的AI相当于1992年的互联网——真正的王者还没出现，关键是现在就开始行动。 第六，Talkit的实践证明了这一切不是理论。 4个人+6个Agent Team，做到竞品100人团队的产出。不是未来的畅想，是正在每天运转的现实。 如果你只能记住一个：AI不是让你做得更快。AI是让你做到原来做不到的事。 如果你的AI策略是"让现有流程提速20%"，你大概率不会失败——但你会被那些用AI做到"不可能之事"的竞争对手碾压。
「CEO明天就能做的一件事」 找一个你每周花2小时以上做的决策——促销方案，关键岗位候选人评估，预算分配。 不要让AI帮你搜资料。让它直接给你一个决策方案。给它足够的背景信息，然后说："如果你是这家公司的COO，你会怎么做？给我方案，包括理由、风险评估和备选方案。" 把AI的方案和你自己的方案放在一起比较。感受一下"让AI帮你查资料"和"让AI替你做决策"之间的差别。前者是知识平权，后者是能力平权。你会在那一刻理解，为什么我说AI不是效率工具——它是能力的重新分配。