本期访谈中，曾鸣教授分析了在AI时代企业命运与组织变迁的挑战。企业需要完全重构以适应AI时代的高主观能动性。产业演化分为基础设施化、应用大爆发、原生应用三个阶段，目前AI正进入第二阶段。基础设施公司如OpenAI和Anthropic可能短期成功，但未必长期胜出。成功取决于大量细节决策，真正创新需经过逆境考验。未来的组织形态将更趋向合伙制，岗位与层级逐渐弱化，创始人与核心成员需互补。曾鸣指出，AI公司应寻找复杂垂直场景以创造长期价值，并共享战略及长上下文来替代传统规划。 #### 内容简介 本期访谈请到战略与产业史学者曾鸣，讨论产业阶段论下公司命运与组织变迁，聚焦大模型/通用AI的产业演化与企业战略。核心观点包括：产业通常经历基础设施化、应用爆发（过渡）与原生应用三阶段；曾鸣判断通用AI已完成第一阶段并正进入第二阶段，预计到2026年可视为第一阶段基本完成的标志。大模型厂商更像“炼油厂”或基础设施提供者，历史经验提示基础设施提供者不必然成为应用端长期赢家，因此像OpenAI、Anthropic大概率不是原生应用时代的最终霸主，但短期或市值上可能取得巨大成功。战略成败不仅取决于大战略，还取决于大量二级与战术决策（云服务定位、开源策略、自研存储/计算等）；Agent/智能体将成为新创业主体，但要持续创造价值需找到“十倍以上”的复杂垂直场景（如教育、健康），真正的 agent‑OS 与双边市场可能在3–5年内逐步成型。组织形态将趋向合伙制与任务中心化，弱化传统岗位与科层，团队更小且成员“不可或缺”。文中并引用阿里关键决策、参数规模门槛（约3T参数）与多项历史类比来支持论点，并提出若干影响未来成败的实操性议题。 #### 社区观点 支持者认为阶段论清晰，帮助把握从基础设施到原生应用的节奏；有人赞同曾鸣对组织形态的判断，认为科层制确实难以适应高主观能动性的AI任务；也有观点质疑“3T参数”这一硬门槛，认为算法、数据与训练技巧同样关键，不应只看参数规模；部分评论关注“炼油厂不等于化工企业”的比喻，认为历史上也有基础设施公司通过生态策略成为终端价值捕获者；有人担心“黑洞效应”会导致算力与数据高度集中，带来竞争与监管风险；另有观点强调战术决策（开源、云定位、自研堆栈）才是真正决定胜负的变量，应被放在公司治理的核心位置；还有评论建议创业者重点寻找复杂垂直场景并组建互补创始团队，而非盲目复制大模型打法。 #### 内容导读 阅读这期内容时，可从三条主线把握要点：一是用“基础设施→应用爆发→原生应用”的阶段论看通用AI的发展节奏：如果把AI产业当成三段式演化，就能理解为何现阶段重在能力沉淀而非直接决出最终赢家；二是分清“角色”——大模型厂商更像基础设施/炼油厂，能否成为原生应用时代的长期赢家取决于能否横向延伸到应用端并掌握生态关键要素；三是组织与落地战略更决定成败：大量二级与战术决策（云服务策略、开源与否、自研基础设施、产品定位）以及组织从科层向任务/合伙制转变，是能否在下一阶段胜出的关键。结论性建议：创业者与企业高管应既要有十年级别的视野（看十年、想三年、干一年），也要把握近期的战术决策；优先寻找复杂垂直问题以构建难以复制的长期价值，并在组织设计上强化小团队、互补创始人与任务驱动的激励机制，以适应AI时代的“高主观能动性”要求。