内容来源： 混沌十周年，决胜未来暨 2025企业赋能学习主题发布会。 分享嘉宾： 邱肃川，混沌创新领教，世界人工智能大会-AI与元宇宙论坛组织者。
高级笔记达人 | 了了 责编 | 金木研 排版 | 二月 第 8678 篇深度好文：7677 字 | 17 分钟 阅读
商业思维
笔记君说：
绝大数人，都低估了AI的力量。
最开始，AI只能做一些指令性工作，随着大模型的发展，它逐渐有了智慧，能够理解语言，甚至比你自己更懂你。
那么，我们如何抓住AI发展的机会？未来，AI会有哪些发展潜力？
今天这篇文章，我们就来聊聊这件事。
一、绝大数人，低估了AI的力量
一般而言，创新机会的出现有两个重要条件：
第一，来自于政策的管制。在由政策管制所带来的失衡中，重建秩序，就是一种创新。
第二，来自于技术的突变。因为技术的突变，对原有秩序的打破，就会给企业、组织、个人，带来大量的全新机会。
不言而喻， AI 就是那个打破旧秩序的，一种革命性的力量。
在 2023 年初，标志性的事件是ChatGPT 3.5到ChatGPT 4.0 的过渡，大家对AI有了全新理解。紧随其后，在整个AI产业中，发生了一连串的井喷式现象。
今年年初时，以Sora为代表的应用，掀起了一股热潮。还有基于公共平台或文本，就能构造出自己的数字人。
以及有的人具有特别好的音乐天赋，但是从来没有学过五线谱，居然也可以借助AI工具，生成自己的歌曲。
这些文生 3D 模型、数字人、Suon AI等一系列的新品，让人们发现自己在写文章、画画、做视频等方面，有着无限的可能。
1.AI，远远不只是解决效率的问题
AI 除了AIGC(Artificial Intelligence Generated Content)，即人工智能生成内容之外，还能干什么？
举个例子，秘塔AI搜索，它是在搜索技术领域利用 AI 大模型进行创新的一个案例。
一般搜索引擎的痛点，就是作为一种商业模式带有广告，即用户在甄别信息时，需要花费很多的时间。
比如你要做一份行业战略，传统的搜索是先拆解所属行业、战略问题、竞争因素、组织能力等一系列关键词。
搜出这些关键词后，选择那些在广告中偶尔出现的内容，然后仔细阅读，同时做小抄。
接着，再把分散在若干篇文章当中的观点，给整合起来成为你想要给老板看的，结论性的报告。
而秘塔的操作是这样的：
第一步，用最自然的语言，直接提出你的问题。 第二步，调用 AI 的大模型，把你的问题分解成专业的关键词结构。 第三步，用关键词结构，同步搜索全网的素材。 第四步，搜索完之后，提取出那些有价值的信息。 第五步，再次调用 AI 大模型，把那些搜索来的有价值的信息，整合成结构化的答案告诉你。
因此，秘塔打的广告都是，“没有广告，直达结果”。
这就是一种创新，在AI App的应用市场中，流量前三的居然不是一家AI技术企业，而整合了AI底层的能力，围绕着用户的需求解决问题。
过去大家用 AI来做图、作文、写报告，总是想利用新工具，来解决原有的效率问题。
比如给老板做 PPT 有点慢， 让AI先帮你做一遍总结；某会议纪要总结的不太好，就做成提示词模板，让AI帮你快速形成会议纪要。
但是，技术革命带来的能力，远远不只是解决效率的问题，而是更广阔的商业空间。
2.人类从不会在历史中汲取教训
非常不幸的是，人们总是低估商业空间的潜在价值。三五年之后，回头再体会这句话，你一定会发现，历史上一再出现的，在未来还会重现。
1998 年的时间节点，也许大家不太清楚，但 2000年是被人熟知的互联网的重要历史时刻，即第一次互联网泡沫的破裂。
在 1998年，正像今天AI产业一样，所有的技术供应商业、运营商，都在热火朝天的做着互联网的生意，忙着铺设光缆，建网站，觉得互联网要改变这个世界了。
而诺贝尔经济学奖得主米尔顿·弗里德曼在1998 年时却如同泼了一瓢冷水般的说，互联网增长将急剧放缓，因为人们会发现，互联网的网络价值公式是错的。
他还说，因为大多数人在网上无话可说，到 2015 年左右，人们会发现互联网对经济的影响，并不比传真机大。
然而，今天我们已经不再用传真机。2015 年已经几乎是移动互联网的成熟时代，可以说整个世界的商业和生活，都已经被重塑了。
同样的话题，其实也是一个道理。2007 年 iPhone的出现，标志着移动互联的开始。
当时微软的 CEO 鲍尔默，也讲了一句很有意思的话，他说这个手机是不是世界上最贵的手机？它有补贴吗？
他的结论就是，iPhone对商业用户没有任何吸引力，因为没有键盘，所以注定无法成为一个好的邮件收发工具。
当时，最好的手机是奥巴马为之代言的，Blackberry全键盘手机，那才是商务人士用的手机。
今天看，都已经被啪啪打脸。
世界上一些最聪明的头脑，当面对新技术浪潮时，往往都会低估对未来商业社会重塑的力量的宏大性。
所以，历史学家经常告诉我们，人类从历史中汲取的唯一教训就是，人类从来不会从历史中吸取教训！
二、AI带来了新的商业范式
1.AI是封装好的认知能力
布莱恩·阿瑟在《技术的本质》里讲了一句话，技术的本质就是对自然编程，对现象捕捉，并且驾驭这些现象，为我们的目的服务。
稍微换个场景来理解，第一次产业革命，称之为叫工业革命，以瓦特改良蒸汽机作为核心的标志性事件。
人类第一次知道了如何把热力转换成动力的知识，然后，用了一堆铁块、活塞、连杆，把这种热能转换成动能的机制，封装在一个铁疙瘩里面，称之为蒸汽机。
蒸汽机的出现，本质上就是对自然现象的编程，变成了一个通用的组件。可以把它安插到工业生产中的任何地方，从而发挥其作用。
比如，放到磨坊里，就是代替水流来推动石墨进行旋转的动力；如果在它两边加上两排轮子，就变成了火车。
所以，第一次工业革命，几乎就是以这样的逻辑进行腾飞的。
同样第二次的产业革命，也是因为电气化，因为我们驾驭了电和磁的现象，让电机这种更灵活的动力机制，能够在更多的地方去应用，来提升整个社会的能源利用的效率，从而催生了经济的大发展。
如果按照同样的逻辑推理，能不能把数字能源，通过人工智能通用技术，成为数字驱动的认知引擎。
正如之前提到的秘塔，两次调用了引擎，第一次解构你的意图，第二次重组你要的答案，就是一种认知引擎。这种认知引擎，以通用的自然语言进行调度。
其实，语言就是一种生产工具，在远古的时候，自然语言就是用来生产的。在那个时候，文字和语言几乎都还没有完全发明，却有很多有意义的口号，呼叫部落的人，对野生猎物进行围猎，以此完成生产。
随着农牧文明之后，人类开发了大量的专业语言。有人研究农业，有人研究军事，有人研究治国，直到今天我们研究的物理、化学、数学、生物等等。
事实上，就是用了专业分工的方法，让一部分人在一个特定的领域当中，扩展人类知识的边界，从而一步一步走到今天的社会。
然而知识大爆炸的模式，在今天又成为阻碍人类进一步发展的障碍。所谓隔行如隔山，各行各业所产生的知识，其实并不能被共享。
例如我没有学过金融学，当面对金融问题时，就有天然的障碍。我不懂得医学，所以就要完全听医生的安排和判断。
举个通俗易懂的例子，我有一位在微软工作的朋友，因为头痛在上海的三甲医院，挂了一个600块的专家号。
就诊时那个专家还带了三个规培生或是博士生，看过CT片后，发现她的脑子中间长了个东西，让再去拍一张深度的核磁共振。
女生遇到这种问题，一定是很慌的，就无助的问专家走后那三位还没离开的学生，她该怎么办？
这些至少都受了 10 年以上医学训练的，规培生或是博士生却面面相觑了一会，然后憋出了三个字“别摔倒”，我朋友当时听了就很崩溃。
幸好她是微软的，在第一时间拿到了 GPT内测版本，之后就把检查的所有结果输到机器里。
后来，她给我看了机器出的结论，写得非常详细，分析并谈到注意事项，而且每个注意事项当中都有相关的参考文献。
而且还做了一个让人吃惊的性质判断，说长的那个东西大概率是良性的，事后证明确实是良性的。
这个实例说明，一切基于专业分工的知识壁垒，将会被打破，用自然语言调度认知引擎发挥生产力的时代即将到来。
如今这个阶段，确实需要用更好的全人类积累的知识财富，为我们所调用，在生产与生活中发挥作用。
2.推动商业范式转移
AI 将会使认知虚拟化，每个人的头上，每个人组织头上，都会有一个认知的虚拟认知引擎。
如同引发工业革命与蒸汽机动力引擎一样，用自然语言作为结果，调用认知引擎，正在推动着工商业迈向一个新的高度，最直接的用处就是带来范式转移。
范式转移，就是人们对周围世界观和认知的根本性转变，涉及到支配性思维、基本假设和实践的转变。
今天大家都说马斯克很厉害，按照今天 AI进化的速度，未来让马斯克帮你管公司，有没有可能呢？
再试问，假如苏格拉底来做CEO，过去只是一个假设，今天看到的那个可能的未来，就是范式转移。
人是有思维惯性的，实行起来还是非常难。
我很喜欢的一位科幻作家，写《银河系漫游指南》的道格拉斯·亚当斯，他的“科技三定律”有点戏谑的成分，但是细细体会后，还是相当的有道理。
任何在你出生时已经有的科技，都是稀松平常的世界本来秩序的一部分。 任何在你15-35岁之间诞生的科技，都是将会改变世界的革命性产物，并且你可能会以此为生。 任何在你35岁之后诞生的科技，都是违反自然规律，要遭天谴的。
就像问我们单位的那些年轻人，为啥不去线下购物，他们反问我，为什么要去线下购物？
因为他们一出生，就身处于互联网电商时代。而在我与他们年龄相仿时，觉得电子商务只是个高科技。
所谓的进步就是重建均衡，其中最关键的点就是观念的上升；均衡会被打破，就是因为政策的管制和技术的突变。
从应用的本质上讲，人工智能就是一个用自然语言调度的认知引擎。
三、AI的阶段性价值
1.短期价值
今天主要的大模型厂商，都能解决和实施一些小功能，比如知识管理、流程自动化、客户交互的优化。
这些应用就是用自然语言调度认知引擎，在复杂的APP内部的功能结构和内容中，围绕客户的需求来解决问题。
在花费一定的成本之后，真正做到把简单留给客户，把复杂留给自己。
例如，混沌的某位同学自己做了一个平台，旨为淘宝电商管理私域用户，还可以解决过往的客服水平、质量、情绪效率低下等问题。
水平会比绝大部分的人工客服高，最关键还不会跳槽。
能够主动去和用户进行沟通，用大模型来理解对话框中用户的情绪。
能够垂直上下，对所有对话记录进行不间断的分析，来判别用户购买的意向，形成商单机会。
以上都是传统客服解决不了的，通过这个方式做，还省掉很多人工成本。
用 AI 处理问题的短期价值就是，对复杂信息的整理、复杂意图的理解、复杂任务的协同，以及内部价值链的协同等。
2.中期价值
年初OpenAI发布的Sora模型，震惊了所有人。它可以根据文本指令，创建出逼真且富有想象力的视频。
当 Sora 出来之后，很多人都认为它会提升影视制作的效率，这是一个事实。
但是，有一个观点认为 AI 不只是降本增效，而是探索更多全新内容的可能性。
在内容行业，效率从来就不是真问题（全国每年要拍 7000多部电视剧，请问你看过几部？）。做好的内容，与用户互动才还是真问题。
今天是一个从搜索时代，过渡到个性化推荐的时代。但新一代用户的期待，并非只是你做好了推荐给我，让我看而已。
而是希望对内容有更强、更多、更好地参与感。所以，随着 AI 的进化，我们必将从一个个性化推进的时代，走向个性化生成的时代。
基于成熟的数字化基础基建和 AI 的能力，在营销领域，可以通过对复杂数据的分析、复杂场景的洞察、复杂市场的洞察，提升市场资源配置效率问题。
“百货商店之父”约翰·沃纳梅克，有句名言：“我知道我花在广告上的钱有一半是浪费的，问题是我不知道浪费的是哪一半。”
今天的技术就在解决这个问题，只有戳中用户当前的热点和痛点，围绕它制定策略，才有可能用较少的资金撬动更大的效果。
除了营销领域，也可以迁移到比较硬核的生产制造业，除了用图像识别的方式做质检之外，还可以解决一些具体的问题。
例如万事利集团，是杭州的一家生产制造业公司，主要做国内的丝绸文化创意产业。
当AI出来之后，他们马上跟浙江大学合作，研究丝绸印花的大模型。学习丝巾的构图比例，研究丝巾的套色逻辑，帮助快速生成丝绸面料的图案，来解决设计工时的问题。
丝巾这个品类，可不是看上去好看就行，而是得上身搭配，穿在身上好不好看才重要。
因此，他们建立了 3D虚拟试穿。不同的模特，不同的身形，搭配不同的丝巾，让用户直观看到美与协调性。
而且丝巾还要搭配场景穿戴，做数字化的构建。不同的人群有不同的需求点，是公务风还是旅游风，都有一定的属性，需要在不同的场景中用不同的丝巾突出主题。
以上的操作在逻辑上很能被理解，也是正常跟着时代潮流前进的步伐。让人为之惊叹的是，他们十年前做的两个重要决定。
一个决定是，在十年前定战略的时候，坚定的把自己定义成一家礼品公司，而不是一家丝绸服装面料公司。
也正因为是一家礼品公司，送礼的核心就是要送出与众不同的心意。做这么多图案、花色的丝巾，就想让用户送出独一无二的专属心意。
他们把这个问题的逻辑推演到极致，得出的结论就是如果送礼送的是心意，那当然送给你想送的那个人的东西，最好是世界上仅此一件。
如果用户能参与设计，就可以确保用户的心意的表达，能得到极致的体现。那么既然AI的大模型可以帮设计师画画了，为何不把这种能力，封装到小程序里，推给用户参与呢？
通过引导程序，让用户用提示词的方式，生成独一无二的丝巾，确认后会在5至7天内，拿到想要的成品。这就是制造业中的一种思考，与用户连起来，让用户参与制造。
另一个决定是，十年如一日的完成数字化建设。持续完善前后台数据的结果，就是拥有整个一套敏捷和柔性的数字化生产系统。
这给我们的启示是，一开始是从提升设计效率开始的，但是真正的亮点在于用 AIGC （Artificial Intelligence Generated Content）驱动了 UGC（User Generated Content） 参与产品的定制，用户的共创强化了用户对品牌的心智粘性。
而且他们觉得，既然是一种数据资产，加之本身就是一种艺术表达，有没有可能成为数字藏品呢？
把它变成一种数字资产，来提升产业价值和创作维度。所以他们也做了自己的数字收藏品系列，还有万事利的数字艺术博物馆。
一家传统的企业，从最早的生产制造开始，到今天利用技术能力在不断迭代、不断进步。利用AI的能力，用AIGC来驱动UGC，来完成C to M 的用户定制生产。
因此，AI的中期核心价值是，可以帮我们进行一些商业模式的创新。
3.长期价值
从长期价值和战略的角度，需要关注的是二维走向三维。
互联网开始 3D 化，一定会带来数字人货场的重大的变革。
具身智能，即人形机器人正在大爆发中，未来是空间智能与四元社会交织的一种新的载体。
机器人要理解我们的空间，需要和我们互动来解决我们人的问题，它需要大量的空间数据进行AI 的训练，使得 AI 更好的服务于人。
在此基础之上，我们将会进入一个所谓的四元社会。
以前我们是人和物理世界的二元社会，未来必将是一个人、物理世界、数字世界以及机器人的四元社会。
未来利用人工智能的步骤，从感知到洞察，从洞察到理解，从理解到行动。感知是基于我们用传感器、用数字世界，把互联网 3D 化之后，能够看到更多的东西。
看到之后，就会从中洞察到过去所洞察不到的机会，从洞察中形成机器人对这个世界的理解，从理解变成行动以驱动商业的进步，就是空间智能的概念。
机器人的爆发，就是给机器的四肢，装上了 AI认知引擎的大脑。
过去，机器人的走路都要通过复杂的算法实现，而今天用机器学习，是通过大量的语料，比如人怎么行动、怎么走、怎么避障、怎么拿东西，以及拿苹果和拿铅球时的用力。
通过数据训练，一旦学会了之后，可以瞬间共享给所有类似的机器人，就比人高效太多了。
今年世界人工智能大会中的一场演讲，有提到对未来机会的思考。
1）机器人硬件平台。例如各种各样的人形机器人、轮轨机器人，各种各样的异形的机器人。
2）机器人操作系统。通过硬件调用的操作系统，叫大模型神经系统，加上电子元器件和机械设备互动的问题。
3）机器人应用商店。买回去的机器人仅是通用组件，例如通用机器给你做大众饭菜，但当你想吃川菜时，就可以去机器人应用商店里下载川菜师傅大礼包。
在此回顾一下，美国经济学家、未来学家、“数字时代”三大思想家之一的乔治·吉尔德讲的，“财富就是知识，增长就是学习，货币就是时间，信息就是意外”。
信息经济学里讲，在数字世界里，主观性和偶发性就是这个世界的本质。信息带来的意外，是对元素重组的机会，打破均衡再建均衡的机会。
所以对组织的要求是，必须具备组织灵活适配性，能够抓住那些偶然的信息所带来的意外机会。
鲍勇剑教授也提出一个理论，他说未来的企业，战略模糊、战术清晰，要学会去拥抱那些有意义的偶然。
克里斯坦森说“技术无法预测，但是代办任务可以预测”。只要企业始终聚焦于发现客户的代办任务，就能预测技术会来自于哪里，创新不会超越人类本身。
代办任务就是，因为我要生活进步，我要更好地成为了我自己，所以要把这些产品和技术拉到我的生活当中，以解决我的问题。
永远不要以人的方式，去考虑机器的感受和机器的思维方式。要用人的意图，但是要用机器的方式和机器沟通，锻炼自己用AI处理问题的能力。
通过使用AI，在信息爆炸的时代，要学会提出好问题，就是未来的常态。
*文章为作者独立观点，不代表笔记侠立场。
主办方简介——
混沌学园是一所面向未来的创新学园，多年来深度打磨创新学科，邀请全球名师，通过“一”思维等独特的思维模型+刻意练习学习方法，为管理者、职场人提供各类认知升级、能力的提升培训。
混沌在线产品已经成为多家央企、国企、外企和民企的共同选择，为各类企业团队提供体多元化、系统化解决方案与培训服务，不仅致力于应用创新思维，为企业提供所需的创新好课、线上练习、企业内训，还依托其丰富的海内外师资库，持续生产各种主题、专业领域的优质、前沿课程，助力每一个职场人领先半步认知世界。截至目前，已为超2000家企业用户提供学习服务，覆盖21万企业员工，其线上线下培训广受好评。
好文阅读推荐：