當前關于AI時代的討論很多，但關鍵問題在于：

我們該如何真正邁向新時代？我們是否該放棄某些舊觀念？是否需要尋找新方向？過去的商業(yè)前提是否依然成立？比如企業(yè)追求盈利時尋找的各種路徑，其底層邏輯可能已發(fā)生根本變化。

這都是我們需要深入探討的。

今天我將結合對企業(yè)的長期觀察，與大家探討三個層面的思考：AI時代的新增長曲線、企業(yè)創(chuàng)新發(fā)展的行動框架，以及穿越周期的創(chuàng)新路徑，希望能幫助大家在AI時代建立更清晰的認知路徑。

人工智能、大數據、物聯(lián)網、云計算等新一代技術正在重塑各行各業(yè)，讓產業(yè)生命周期越來越短，突破性創(chuàng)新持續(xù)涌現。

在這種劇變中，最顯著的特征就是技術周期的大幅縮短。比如，過去的電話普及用了75年，互聯(lián)網花了7年；而現在，ChatGPT達到1億用戶只用2個月，Deepseek僅需7天。

這種加速度意味著，誰能搶占技術制高點，誰就能定義新時代的競爭規(guī)則。

改革開放后，中國民營企業(yè)不斷發(fā)展壯大，通過把握新一輪工業(yè)革命機遇實現了追趕。如今在AI領域，中國企業(yè)不僅參與度提升，更在部分賽道成為領跑者。

歷史經驗證明，企業(yè)能否持續(xù)領先，取決于創(chuàng)新能力的沉淀與突破。從工業(yè)互聯(lián)網到人工智能，中國企業(yè)的進步軌跡印證了，科技實力才是支撐長期競爭力的根本。

企業(yè)要跑到前面，就必須向上游突破，完成“從技術研發(fā)到應用轉化”的創(chuàng)新閉環(huán)。在這里，我們必須充分認知到一個根本性的變化：

AI革命的本質不僅是技術迭代，更是范式轉移，是技術體系、價值標準和競爭規(guī)則的系統(tǒng)性變革。

就像電車的出現不只改變了動力系統(tǒng)，而是重構了汽車產業(yè)鏈。

對企業(yè)而言，這種變革使過去強調的“一米寬、一公里深”的專用資產戰(zhàn)略成為一把雙刃劍。

以前是人無我有便能勝，如今比拼的是迭代速度。如果不能快速地創(chuàng)新迭代，就會被快速超越。

專用資產越強，越要加速迭代，創(chuàng)造新資產，否則專用資產就容易變成沉沒成本。

就像產能過剩的燃油車一樣，當技術迭代速度超過資產使用壽命時，設備就會出現遠超自然折舊的貶值。

在提升效率方面，人機協(xié)作提升生產率，通過流程優(yōu)化和自動化，提升企業(yè)運營效率，從線性增長轉向指數級突破。

這種突破不是原有生產力的漸進改進，而是由新生產力推動的質變。例如：

西門子成都智能工廠通過流程自動化，實現從機械執(zhí)行到智能躍遷，自動化率達到90%以上，人均產值提升370%，訂單交付周期從21天縮減為6小時；

亞馬遜AI倉儲通過數據閉環(huán)，提升決策效率與質量，AI助力全年運營成本降低13%，庫存周轉率高達8.9次（零售業(yè)平均為5.2次）。

AI作為通用技術的特殊性在于它深度融入生活和產業(yè)，本質上是在重構價值創(chuàng)造邏輯。

這里的結構主要指的是組織結構的變化。

企業(yè)本質上是通過有組織的活動創(chuàng)造價值，組織結構直接決定了企業(yè)的績效表現。

但現在很多企業(yè)都遇到了這樣的問題：過去信息不對稱與知識萃取能力薄弱形成的壁壘正在快速消失，這導致生產要素（物料、人才、資金、技術）的流動性顯著增強。

然而，傳統(tǒng)層級分明的組織結構決策遲緩、部門溝通不暢......跟不上這種變化，最終拖累了企業(yè)對市場的反應速度。

我認為，企業(yè)應打破組織邊界，讓組織應像水一樣流動，也就是建立"液態(tài)組織"。

關鍵是要讓組織結構更扁平、更網絡化，這樣才能適應要素高速流動的新環(huán)境。

AI時代，價值鏈的核心正在發(fā)生轉移。

產品只是入口，場景才是戰(zhàn)場。

當前制造業(yè)已進入與終端客戶無障礙溝通的新階段，這種變化要求企業(yè)必須從被動交付轉向場景驅動，主動感知用戶具體場景中的需求，而非等待用戶提出要求。

客戶的需求不再局限于單一產品或服務（例如一個零部件或一次檢測），而是需要覆蓋整體場景的解決方案。

其中，AI技術通過個性化和主動服務，提升客戶體驗。比如，AI技術通過分析用戶歷史數據（如購買記錄、行為偏好），提供精準的個性化推薦，讓用戶感到被理解，同時還能預測潛在需求，在問題發(fā)生前主動介入。

這種服務不再是標準化的，個性化、智能化成為新趨勢。

AI技術通過開放合作和資源整合，打破傳統(tǒng)創(chuàng)新壁壘，促進跨領域知識融合與創(chuàng)新，打造創(chuàng)新生態(tài)。

比如，傳統(tǒng)供應鏈通常是線性結構，資源方、生產商、分銷商之間信息封閉，依靠固定訂單執(zhí)行。

但現在供應商不再被動接單，而是主動創(chuàng)新解決問題。例如，特斯拉選擇供應商的標準就是“誰能解決問題誰參與”，原本做空調的三花智控通過幫特斯拉解決新能源汽車熱管理問題，最終成為其核心供應商。

這種變化導致價值鏈分配反轉：過去可能是整機廠占產業(yè)鏈產值的70%，而現在是零部件廠商貢獻升至70%。因為產品分工更細，零部件企業(yè)通過技術創(chuàng)新創(chuàng)造了更大價值。

在AI技術重塑商業(yè)格局的今天，企業(yè)需構建五項核心能力以占據競爭制高點。

在周期更替的關鍵時刻，企業(yè)可借鑒“SST模型”（戰(zhàn)略-組織結構-團隊），構筑面向未來的競爭力。

著名管理學者錢德勒（Chandler）曾說過：“戰(zhàn)略決定結構，結構跟隨戰(zhàn)略?！?/strong>

當企業(yè)動態(tài)調整戰(zhàn)略時，組織結構也必須跟著調整。如果企業(yè)的戰(zhàn)略變了，但結構還停留在舊模式，管理人員可能會因為習慣或自身利益而抵制改變，最終導致效率低下。

實際上，戰(zhàn)略變化通常很快，但結構調整往往需要時間，容易滯后。因此，企業(yè)在制定新戰(zhàn)略時，必須同時考慮結構是否匹配，這樣才能確保目標順利實現。

其中，團隊是組織結構中的“活靈魂”。過去，團隊往往是固定的，成員在一個崗位上工作多年，主要依靠老師傅式的經驗積累。

但現在情況不同了。現代團隊更強調動態(tài)性，成員流動性更強，靈活性更高。這意味著團隊需要快速適應變化，迭代知識成為主流。

這種變化要求團隊具備一種特殊的能力：忘卻學習。

忘卻學習不是簡單的忘記，而是主動放棄那些已經過時、不再適用的舊知識體系，這樣才能更好地進入新場景。

尤其是在技術發(fā)生根本性轉變的時候，根深蒂固的舊知識反而可能成為障礙，因為它會阻礙新知識的吸收。

因此，忘卻學習實際上是一種戰(zhàn)略行為，它幫助組織在動態(tài)環(huán)境中保持韌性，避免被舊體系束縛。

在過去的幾十年里，企業(yè)發(fā)展的變化速度顯著加快。

我們觀察到，過去成功的企業(yè)（如專精特新企業(yè)）往往聚焦于生命周期較長的細分領域（如特定零部件或原材料），通過專業(yè)化經營、精細化管理和技術創(chuàng)新建立優(yōu)勢。

這些企業(yè)依靠穩(wěn)定的環(huán)境實現持續(xù)優(yōu)化，例如通過深耕細分市場規(guī)避競爭，或通過特色化產品建立壁壘。

然而AI驅動的變革正在打破這種穩(wěn)定性。

技術迭代呈現多條并行曲線，企業(yè)無法預判哪條路徑最終勝出。這種高度不確定性要求管理邏輯從“規(guī)避風險”轉向“包容不確定性”。

因此，企業(yè)需要重新思考生命周期的演變邏輯。傳統(tǒng)生命周期曲線（初創(chuàng)-成長-成熟-衰退）在AI時代可能被重塑：通過持續(xù)創(chuàng)新和敏捷調整，企業(yè)能延長成長周期，甚至跨越衰退階段。

中國企業(yè)的管理實踐告訴我們：當變革成為新常態(tài)，當打破平衡成為一種主動的管理行為，需要一種全新的管理理論指引。

基于華為、吉利汽車等企業(yè)的實踐案例，我們總結出了一套創(chuàng)新的管理體系框架——C理論，即情境（Context）、基于能動性（Agency）的共演和戰(zhàn)略（Strategy）。

首先要識別具體情景，接著分析能動性因素（比如技術、商業(yè)模式、客戶、供應商、競爭對手的共演），最后確定落地策略，這三個環(huán)節(jié)形成閉環(huán)。

任正非先生經常提到的“灰度管理”，其核心在于包容不確定性。

但要注意：在確定性問題上采用灰度管理反而會產生問題。因此關鍵在于區(qū)分場景——針對不確定性，我們需要培養(yǎng)“忘卻學習”的能力，同時重視資源互補性。