当智能变成水电,科层制就失去了存在的理由
曾鸣在新书《智能:AI 时代的商业、组织与战略的本质》里给出了一个颇具穿透力的判断:工业时代发明出来的公司制度和科层制管理,正在走向衰亡。
这不是一句情绪化的预言。在他的商业动力学框架里,每一次生产力的大跃迁,都会连根拔起旧时代的组织容器。蒸汽机拔掉了手工作坊,流水线重塑了工厂;而当大模型把通用智能变成像自来水和电一样的基础设施,商业世界底层的运行逻辑就不得不改。
公司只有两百多年历史,它不是天经地义
很多人把“去公司上班”当成天经地义的生存方式。但从商业史看,现代公司制度的出现不过两百多年。工业革命之前,人类社会只有分散的手工作坊;蒸汽机和电力流水线出现后,为了把成千上万的工人组织起来进行标准化生产,科层制公司才应运而生。
彼得·德鲁克曾把工业时代以来的历史划分为三个阶段。第一是生产力革命,流水线取代手工作坊,体力劳动效率大幅提升。第二是管理革命,约一百年前,现代管理学与商学院诞生,培养专业经理人,支撑跨国巨头的规模扩张。第三是知识革命,从上世纪七十年代起,软件产业兴起,核心是把人类的经验与最佳实践沉淀为代码。
到了 AI 时代,商业世界正在跨入第四个阶段:创造力革命。
过去所有能被结构化、流程化处理的知识工作,大模型都在以极快的速度接手。行业经验能够被全面压缩进模型,过去依靠信息差加层级汇报运转的公司,其高昂的协调成本就失去了经济学上的合理性。换句话说,科层制公司的衰亡,是生产力冲垮旧生产关系的必然结果。
组织的最小单元,从岗位变成了任务
传统公司能够运转的最小物理单元是岗位。一家公司要扩张,先要设定组织架构、明确岗位职责,也就是 job description,再按图索骥去招人。因为有了岗位,才有了汇报关系、晋升通道、KPI 与薪酬梯队。
而在 AI 原生组织里,最基本的运行单元是任务,而非岗位。
今天前沿的 AI 团队,比如 Anthropic,没有冗长的人事层级,连副总裁、总监这类 title 都不要了,大家统一被称为“技术研究员”。组织每天的起点是一个个具体目标:跑通一个新模型、搭一套评测、优化某个算法。这些任务挂在透明的内部网络上,不需要一层层分发指派,谁有能力解决谁就主动认领。接了任务,带着自己的 agent 去跑测试、改代码,交付可验证的结果,功能直接上线。
组织结构也将由固化的科层金字塔,转变为动态自适应的神经网络。团队规模会急剧缩小,每个人都必须具备极高的主观能动性,也就是 agency——通过 AI 杠杆把自己武装成超级个体,再与其他人深度协作。
中层为什么首当其冲?因为层级最原始的功能,就是信息的汇总与转发。当上下文可以在组织内共享、任务可以在网络上被直接认领,纯粹做“信息二传手”的岗位就失去了存在的理由。这不是管理风格的选择,而是协调成本被技术重新定价后的结果。
战略不是规划出来的,是长出来的
在不少企业家的传统认知里,顺序是先定战略、再搭组织。曾鸣在新书里反其道而行之,把组织问题排在战略问题之前。
原因很简单:旧组织无法长出新战略。
当外界环境的变化以月甚至周为单位计算时,靠董事会几个月出一份五年规划,或者花重金请咨询公司做一套战略报告,在 AI 时代已经失效。战略无法依靠自上而下的封闭规划,它必须由组织系统自发生成。优秀的战略洞察,来自组织神经网络内部的高频碰撞与实时反馈。
CEO 需要做的,是构建一个给足上下文的环境,也就是 “context, not control”:让所有人与 AI 共享长上下文,对齐愿景与认知,让最佳决策自然涌现。
对于 AI 时代的战略思考节奏,曾鸣提出了一个核心框架:看十年、想三年、干一年。
看十年,是看清技术的底层终局与文明走向,确保方向在大趋势上正确。干一年,是专注于当下最小可行的闭环,敏捷执行。想三年,则是最难的那次思维跃迁。
身处指数级变革期,线性外推必然失效。你必须逼自己推演出未来两到三步的里程碑,看清短期利益、中期生存与长期目标之间的剧烈冲突与取舍。战略的本质是取舍。缺乏“想三年”的推演,创业者极容易掉进两种误区:要么沉浸在虚幻的短期指标增长里,直到撞上天花板断崖跌落;要么好高骛远,空谈十年后的星辰大海,却找不到当下的切入点。
AI 产业走到哪了:基础设施已成,应用还在等它的“浏览器时刻”
把视角从微观组织拉远,放到通用技术演进的长周期里,当前的 AI 产业究竟走到了哪一步?
曾鸣将每一次通用技术颠覆性创新的扩散,归纳为三个阶段。第一阶段,技术被社会广泛接受,逐步成为基础设施。第二阶段,基于基础设施产生海量应用探索,走向百花齐放。第三阶段,在海量应用繁荣之后,底层运行方式被彻底重构,诞生真正的原生杀手级应用。
2026 年,正是第一阶段基本完成、第二阶段刚刚开场的历史拐点。标志性的信号,是 token 作为度量衡形成了共识。
正如一度电、一吨水、一个 G 的流量,当技术有了标准化的度量单位,它就正式变成了公共基础设施。在商业格局上,大模型公司的终局也因此变得明确:走向寡头垄断加政府强监管的 AI 云公司。经济学有一条铁律——只要供给出现同质化,任何企业都无法维持超额垄断利润,价格终将跌向边际成本。随着模型能力差距逐步收敛,大模型本身会成为随调随用的公共水暖电。
很多技术人员难以接受:自己的模型技术如此前沿,利润却如此微薄。根源在于,这违背了经济学规律。
今天的智能体应用,正处在第二阶段的拂晓。曾鸣把当前的 Agent 热潮类比为 1992 至 1993 年的互联网早期。1992 年的浪潮是建网站,核心是分享信息,最终促成了全人类知识的数字化;当下的浪潮是建 Agent,核心是分享能力,把专家的工作流程封装成即开即用的智能体。
很多人焦虑,今天还没看到杀手级 Agent 应用的爆发。但如果回到历史坐标系,我们甚至还没等到这个时代的“浏览器”。
当年网景浏览器的诞生,完成了两件关键大事。一是通过 HTML 树立了统一标准,让所有人都能低门槛建站;二是把普通人浏览网页的门槛降到了零。供给端和需求端瞬间爆发,才有了随后的雅虎与谷歌。但在今天,仍然缺少一个统一的 agent 交互与调用标准的超级入口。
在曾鸣的推演中,真正的原生杀手级应用——类似移动互联网时代的抖音、拼多多——往往诞生在第二阶段充分繁荣之后的第三阶段。距离今天,可能还有八到十年。
在这场持久战里,应用层创业者最该做的,是脱离过家家式的简单工具拼凑。假定基础智能完全够用,扎进垂直且复杂的真实业务场景,通过解决难问题,建立起自己的智能壁垒。
知识被淹没之后,人只剩下无中生有的创造力
当科层制消退、组织重组、基础智能人人可得,人与系统的关系究竟会走向何方?
如果一个人过去二十年积累的行业经验,本质上都是可被归纳的规则与套路,那么在大模型面前,这些经验的溢价正在趋向于零。
但这恰恰是人类文明最值得兴奋的转折点。
工业时代的大量白领工作,充斥着枯燥、重复、繁琐的数据搬运与流程审批。人们之所以在公司里感到被消耗、不快乐,是因为被固定在了工位螺丝钉的模式里,用有限的精力去迎合自上而下的控制。
AI 接管结构化知识之后,人类终于可以从枯燥的流程执行中抽身,直面真正无法被计算的核心资产:无中生有的创造力。
这种创造力超越了写代码或画图等执行动作。它的核心,在于深刻理解人类的情感与需求,敏锐地定义复杂问题,并在看似无关的要素之间建立起前所未有的连接。
面对这样的巨浪,历史将会一再证明:旧巨头很难天然拿到新时代的船票。对个人而言,放下虚幻的自尊与确定性,以高自主性拥抱动态变化,在真实世界的任务中重塑个人价值,才是这个时代唯一的生存之道。

