铃阅
❌

阅读视图

算力热潮之下,“乌兰察布们”还有三件事要做

巴九灵 2026-11-16 16:00 北京

作 者:巴九灵

来 源:吴晓波频道(ID:wuxiaobopd)

产业兴城,都写在路名里。

车沿着乌兰察布察哈尔高新区益武堂北区的大道行驶,几块格外醒目的路牌映入眼帘。蓝橙相间的底色之上,汉字和蒙古语印着颇有分量的道路名称:华为大道、苹果大道、阿里大道和优刻得大道。

这里也是乌兰察布较早形成的数据中心集聚区。过去十多年里,乌兰察布凭借电力价格便宜、天然冷源充足、与北京之间光纤往返延时仅4.2毫秒等条件,吸引了华为、苹果、快手、阿里、中金数据、优刻得、世纪互联等一批企业在此布局数据中心项目,逐渐形成了一个颇具规模的数据中心产业集群。

到了2026年,乌兰察布迎来了新一轮关注。今年8月,高盛发布中国数据中心行业报告,将乌兰察布列为中国及亚太地区规模最大、增长最快的AI算力集群之一。

随后,关于这座城市的报道密集出现,企业投资、项目签约、算力基地投产的消息接连传来。12.5GW、百万卡、GW级算力中心……一连串过去更多出现在全球科技巨头新闻里的数字,开始频繁与乌兰察布联系在一起。

立冬后的第一场雪落下,我们抵达了乌兰察布。走进新区的绿色算力产业发展展示厅,眼前的景象很快让人感受到这座城市当下的热度:展厅门口停满了车,来自各地的政府考察团、企业客户、行业专家和媒体记者接踵而至。

展厅内,一拨人刚刚进去,下一拨人便已经等在门口,人流几乎没有间断。这里俨然成了一个算力产业的打卡地。

站在凛冽的寒风中,吴晓波说了一句玩笑话:“宇宙的尽头是不是铁岭,我们不知道;但全球算力的尽头,很可能就在乌兰察布。”

今天的乌兰察布,究竟已经建成了多大的算力集群?放到全球范围内,它处在怎样的位置?当资本、企业和技术资源不断涌入,当地又将如何接住这场产业变革?

“都急着要缩短交付周期”

如果说路牌上的华为、苹果、阿里、优刻得,让人第一次直观感受到乌兰察布与算力产业的联系,那么当更近距离观察这片算力产业的建设现场,会有更细节的感受。

这里正在经历一场大规模的建设。

沿着道路行进,一栋栋数据中心建筑成片铺开。它们大多方方正正,外观简洁,像一个个巨大的盒子。已经建成的机房整齐排列,旁边还有不少工地正在施工。有些楼栋已经搭起主体骨架,工程车辆在道路上穿梭,施工现场不断有新的建筑拔地而起。

用吴晓波的话来说,“今天的乌兰察布就是一个巨大的建筑工地。”

这种感受并不夸张。《新华每日电讯》今年10月的一篇报道提到,仅察哈尔高新区,在建算力项目就有22个,建设工人接近3万人。

中午饭点,工地周边摆满了临时摊位,卖盒饭、水果和饮料;下午下班时,返城的道路上甚至出现了拥堵。对于一座常住人口只有100多万的城市来说,这样的建设场面并不多见。

但如果把视线从眼前的楼栋再往外推,乌兰察布正在承接的算力体量,还要大得多。根据媒体披露的数据,截至2026年10月中旬,乌兰察布已累计签约算力中心项目109个,签约机架规模超700万架,签约IT负荷超25GW,智算占比超90%。作为对比,摩根士丹利预计2026年底全球数据中心IT容量约为136GW。

当然,这还是一个面向未来的规划数字。眼下更紧迫的任务,是让已经签约的项目尽快建起来、投入使用。这意味着,建设速度本身就成了竞争力。

那么在乌兰察布建一个数据中心最快需要多久?

100天。

这是在今年云栖大会上,阿里云的答案。达成这种速度,企业们想出了一种非常智慧的建设方式。

走进乌兰察布的数据中心建设现场,可以看到一种颇为特别的景象:一栋三四层高的建筑,主体框架已经搭建完成,外墙和窗户还没有完全封闭,由此形成了一个个镂空的方形空间组成。

透过这些空出来的空间,可以看到里面已经放置了一个个集装箱。楼体周边的空地上,还有不少等待吊装的集装箱,整齐地摆放着。

已放置好集装箱的建筑楼体

工作人员告诉我们,这些看起来普普通通的集装箱,里面装着一套套预先组装好的数据中心设备。

机房、配电系统、制冷设备等在工厂完成安装和调试,再装进集装箱运到现场。等建筑主体框架建好,模块吊装就位、完成连接,再进行外围施工。

原本需要在现场依次完成的环节,由此可以在工厂和工地两边同步推进。模块运到后,只需吊装、连接和调试,就能缩短数据中心的交付周期。

这种方式的成本比传统从土建到机电逐步交付的方式更高,但在乌兰察布的建设现场已经相当普遍。不同企业的Logo印在集装箱上,一批批模块运抵现场,等待吊装。

“现在大家都很急,都想缩短数据中心交付的周期。”

数据中心和建筑工人

“一度电要创造三块钱的收益”

在热火朝天的建设现场之外,乌兰察布仍然是一座相当安静的小城。

我们住在高铁站附近的酒店,这已经是在乌兰察布城区的边缘,而数据中心所在地还在更外侧的产业片区。

晚上从产业区开往酒店的路上,沿途是大片的黑暗,除了偶尔经过的红绿灯,很少能看到其他灯光。这段路程往往需要二三十分钟。

当地出租车司机向我们介绍美食和特色时说:“吃饭就是羊肉、土豆,看风景就是去草原。”聊到最后,她笑了笑:“乌兰察布没什么东西的,就是一个小城。”

尽管全球算力产业的目光正在聚集于此,市区不少公交站牌上都打出了“Token之城”的标语,但对于许多当地人来说,二三十分钟车程之外正在发生的全球科技变革,似乎还没有与他们的日常生活产生太多联系。

“这座过去以土豆产业和旅游业为重要发展方向的城市,如今迎来了大规模的算力建设,成片的数据中心拔地而起,甚至开始进入全球算力产业的中心视野。但这场产业变革究竟能给当地带来多少实际收益?又能为当地就业和经济发展创造多大的价值?”吴晓波不止一次发问道。

在乌兰察布察哈尔高新区的园区沙盘前,乌兰察布市大数据管理局局长郭晓玲指着数据中心运行情况的大屏幕,笑着讲了一个目标,“我们希望未来数据中心能做到每消耗一度电,创造3元钱的收益。”

2026年前三季度,乌兰察布算力规模达到22万P,同比增长85%;数据中心用电量达到55.21亿千瓦时,同比增长84.1%。同期,算力产业实现营收69.71亿元,同比增长34%。

几组数字放在一起,能看到产业扩张的速度,也能看到一个矛盾:按数据粗略计算,前三季度乌兰察布每度电对应的营收约为1.26元,这与3元的目标还有不小差距。营收增长并没有跟上算力规模和用电量的增长。

这也是中西部算力小城在数据中心建设中面临的一个共性问题:算力规模增长,并不必然带来地方收益同步增长。

“不能只留轰鸣声”

问题的背后,和数据中心的商业模式有很大关系。梳理资金流转,数据中心在投资、运营和收入上存在三个特点:投资在外、收入有限、结算在外。

数据中心投资的大头是服务器、芯片和供配电设备,采购基本发生在乌兰察布之外。本地能够参与的主要是土建、机房外壳和部分配套施工,项目投资额虽然计入当地,但大量设备采购资金流向了外部供应商。

建成之后,数据中心的日常收入主要来自机房租金、电费和运维服务。服务器通常由客户自购,算力服务和业务增值收入则由客户获取。本地运营主体拿到的更多是相对固定的托管和电费收入,难以随着算力产出增加而分享更多收益。

此外,一些云服务业务由外地总部统一销售,收入和税收也可能在其他经营主体确认。项目所在地承担了土地、电力和基础设施投入,却未必能获得相应的税源。

在大规模的建设之外,很多地方政府面对的尴尬是:收益没有同步增加,土地、电力等资源却被实实在在地占用。

在乌兰察布的数据中心集群中,我们对资源利用最直观的一个感受是:土地供应已经开始紧张。

在已经建成和正在建设的数据中心园区走一走,会发现一个明显差异:新建片区的数据中心,排布得比早期园区更加密集。已经投运的楼栋之间,还留有相对宽松的间隔;到了新的建设片区,一栋栋数据中心紧挨着铺开,园区之间的空隙明显变小了。

当地工作人员指着沙盘,介绍这些年的建设变化:最早的一期数据中心集中在益武堂片区,园区用了七八年时间才逐渐建满。

后来,新的区域陆续拓展出来,面积与早期片区相近,项目进驻的速度却明显加快,新增片区只用了两三年,就已经有企业陆续入驻。如今,新的建设区域又在向外延伸,一些地方已经进入了基础施工阶段。

《经济观察报》今年8月的报道提到,2024年底当地签约算力中心项目是36个,而今数据已经增加到了109个,一些已经签约的项目仍然在等待用地指标。过去,这里拥有相对充足的土地资源;如今,随着项目集中落地,土地指标成为了影响建设进度的因素之一。

“用了地、用了电,不能只让轰鸣声留在这里,还得想办法把钱也留下来,不然就有点冤大头了。”在一家数据中心外围,一个在本地做基础运维的人,如此说道。

“到2030年要新增3万名IT人才”

土地、营收之外,还有一个与当地人息息相关的问题:大规模铺开的算力集群,能带来多少就业?

它有两个观察维度:一是能不能承载更多本地就业,二是能不能吸引更多高层次人才来到这里。

在乌兰察布的数据中心园区里,建筑规模很大,路上却很少看到人和车辆。进入楼栋后,里面也相当安静,日常运营所需的工作人员并不多,周边几乎找不到相关配套。

“我们想出去搓一顿,得开二三十分钟的车,去市区。外卖点不了的。”一位工作人员告诉我们。

乌兰察布察哈尔高新技术开发区航拍

数据中心是资本和技术密集型产业,建设投入很大,但长期运营所需的人员相对有限。据测算,算力中心每百亩土地可安置就业约100人。与制造业相比,这类项目的长期用工密度并不高。

所以长期就业还能从哪里来?IT专家、宝信数据总工程师牟笑迎在交流时给出的答案是:从日常运营和上下游产业中寻找。

一座大型数据中心建成后,每年都需要持续维护,电气、暖通、弱电、园林绿化、建筑修缮等工作,都需要专业人员参与。再往外延伸,服务器和设备需要定期更新,随之产生备品备件供应、设备维修、回收和物流等需求。随着乌兰察布的数据中心规模扩大,这些环节有机会逐渐形成新的本地服务市场。

与此同时,吴晓波也谈到了一个值得关注的方向:服务器通常有3至5年的更新周期,未来随着大量设备进入更换期,设备更新、回收和物流可能形成持续的业务需求。当地如果能够培育相应的服务企业,就有机会把数据中心的长期运营需求转化为本地就业。

另一层面,高层次人才的吸引,则可能进一步带动城市生活和服务业的发展。

“我们希望到希望到2030年前后,能够新增3万名IT相关人才来到这里。”及永乾说道。

“如果未来真的有3万名年轻IT人才来到乌兰察布,他们当中有人结婚、生育、组建家庭,连同家庭成员,可能带来接近10万人的人口规模。这批新增人口对教育培训、餐饮、住房、商业等领域都会产生新的需求,也可能带动一批围绕人才生活而生长的服务业。”吴晓波说。

换而言之,数据中心建设下的本地就业,最终应该形成的是一种生态型的就业,以数据中心为起点,向设备维护、供应链服务延伸,再随着人才定居,带动教育、餐饮、住房和商业等生活服务业。单个环节的用工未必多,但加在一起,能形成比机房本身更宽的就业面。

结语

我们带着很多问题走进乌兰察布,也在走访中得到了一些答案。但离开时,还有新的问题随之出现。

如吴晓波所言:“人工智能基础设施建设的背后,涉及更深层次的利益调整和制度创新。技术发展到一定阶段,如果缺少相应的制度变革,原有的规则和利益分配方式就可能成为进一步发展的阻碍。”

在吴晓波看来,对于今天的乌兰察布来说,有三件重点要做的事情:向国家要政策,向社会要人才,跟企业谈利益怎么分配。

三件事背后关系到的是这场大规模的产业建设,最终能惠及多少当地居民?如何让产业投资逐步转化为城市发展的动力,让更多人获得就业机会、增加收入,也让普通居民真切感受到生活的变化?

这不仅是乌兰察布之问,也是更多正在崛起的中国算力小城之问。

图片

排版 | 仲轩  

审校 | 正风主编 | 夏昆

图片

跳转微信打开

  •  

133亿!“国民火腿肠”要易主了

李晓天 2026-11-16 16:00 北京

以下文章来源于:中国企业家杂志

中国企业家杂志

讲好企业家故事,弘扬企业家精神

作 者:李晓天

来 源:中国企业家杂志(ID:iceo-com-cn)

金锣可能真的要卖了。

11月11日,“晨哨并购”独家披露,德弘资本(DCP Capital)已就收购金锣签署相关交易协议,交易金额约20亿美元,折合人民币超过133亿元。11月13日,多家媒体跟进这一消息,称双方已签署意向文件,但对于外界求证,金锣和德弘资本均未答复。

买家在消费圈并不陌生,去年从阿里巴巴手中接下大润发母公司高鑫零售的,正是德弘资本。如果最终交割,这家2025年营收308.59亿元、曾与双汇和雨润并称“中国肉制品三巨头”的国民级企业,将第一次真正易主。

“比一比,尝一尝,金锣火腿肠”,这句广告语陪着一代中国人长大,火车站的小推车、深夜的绿皮车厢、学校门口的小卖部,都摆过这根肠。如今,它的主人可能要换了。

这不是金锣第一次被摆上谈判桌。

2014年,媒体曝出中粮集团正在与金锣接触,当时金锣对外公布的总资产规模约108亿元。但中粮集团随后回应“无此事”,交易不了了之。2023年7月,又有消息称华润集团拟以120亿元收购金锣,金锣宣传部门很快出面,称这是“虚假消息”。

而这一次,传闻走到了签署意向文件这一步,是金锣成立三十多年来最接近易主的一次。

传闻之前,金锣已经悄悄“瘦身”。近两年,它的注册资本一减再减,眉山、德州、湘潭三家外地工厂相继注销,产能从全国撒网收缩回北方的几个核心基地。旗下多家牧业公司,则被转让给创始家族二代周颖控制的平台。

一手准备卖掉养了三十多年的主业,一手把新业务交到晚辈手里。这笔交易背后,是创始人周家兄弟从一家乡镇肉联厂起家的故事,和一盘没有下完的接班棋。

“烂摊子”

金锣的故事,从山东临沂兰山区半程镇开始。

半程镇地处鲁南沂蒙山区,离临沂市区二十多公里。1986年,镇上办起一家福利肉类加工厂,这是金锣的前身。所谓“福利厂”,带着安置就业的意味,效益从来不在第一位。厂子长期亏损,厂房闲置,没人愿意接这个烫手山芋。1990年,周连奎、周连良两兄弟回乡,接下了这个烂摊子,31岁的周连奎出任厂长。

周连奎

周连奎不满足只做屠宰。杀猪卖肉是辛苦生意,利润薄,价格还跟着行情上下波动。他看准了肉制品深加工的机会:把猪分割好,把肉做成制品,比整头卖肉值钱得多。厂子很快扭亏为盈,但厂子是集体所有制,赚来的钱,大半跟自己无关。

想干事,先得解决身份问题。1993年,周氏兄弟成立山东金锣股份有限公司,还跑到河南租赁商丘肉联厂,借别人的厂房向外扩张。一家乡办小厂,开始有了向全国扩张的野心。

真正改变命运的机会很快到来。

1994年,兄弟俩遇到了明金星,这是个和金锣老团队气质完全不同的合伙人。明金星曾是一名医生,上世纪90年代初下海,最开始就锚定了香港,也由此赚到了人生中第一笔大钱。三个人设立了离岸公司,两兄弟出人出管理,明金星出钱出思路,这个组合维持了三十年。借着这层架构,新成立的临沂新程金锣成了外资背景的企业,彻底跳出了集体厂的老框框。

金锣一次性从日本引进8条火腿肠生产线,在上世纪90年代中期,对一家刚从乡镇小厂转身的企业来说,这是一笔不小的赌注。1995年,金锣牌火腿肠正式推向市场。

周连奎看得很远。他很早就意识到,必须把摊子铺成闭环:上游自己养猪,下游自己开店,连火腿肠里的辅料大豆蛋白也自己做。数年后,金锣又进入了冷鲜肉领域,靠专卖店把冷鲜肉铺向全国,还建起了号称亚洲最大的单体冷鲜肉加工车间。后来人们说起金锣,总说是靠一根火腿肠起家,其实它很早就不是一家单纯的火腿肠厂了。

但在此之前,真正让金锣出名的,是一场“血战”。

缠斗

金锣进场时,火腿肠市场正打得凶。

1987年,洛阳肉联厂生产出国内第一根工业化火腿肠,春都凭着“会跳舞的火腿肠”这句广告语红遍全国。到上世纪90年代前期,同处河南的双汇、郑荣纷纷跟进,“河南肠”几乎独霸全国市场。

为了抢地盘,几家打起价格战。一边不断调低火腿肠里的猪肉含量,一边拼命压缩成本。火腿肠从1元一根降到5毛钱,消费者开始怀疑,自己买的到底是猪肉肠,还是淀粉肠。那场混战打到最后,春都、郑荣这些先行者,都淡出了大众视野。

金锣没有陷进价格战的最深处。它用质优价廉的定位撕开口子,再配上那句后来的国民广告语——“比一比,尝一尝,金锣火腿肠”。它还赶上了好时候。那几年正是人口大流动的年代,绿皮火车、长途汽车上,方便面配火腿肠是几亿人的标配。耐储存、便宜、顶饱,金锣火腿肠顺着人流卖到了全国。

1996年起,它的业绩连年翻番增长。到1998年底,行业洗牌结束,市场变成了金锣、双汇两家主导。

此后二十多年,金锣一直活在与双汇的缠斗里。

1998年,双汇推出王中王火腿肠,改走高端路线,同年底在深交所上市。

金锣则绕道海外,2001年以大众食品的名义登陆新加坡交易所,2002年又挂牌香港联交所。当时招股书里的数字,记录了它狂奔的样子:1999年公司营业额23亿元,2000年涨到32亿元;生猪屠宰量从1997年的110万头,冲到2000年的320万头。2005年,大众食品董事长明金星登上胡润百富榜,名列第34位,那是金锣在资本市场上最高光时刻。

但资本市场并没有给到金锣想要的东西。2006年,大众食品从港交所退市,2013年管理层提出私有化要约,到了2014年,金锣从新交所摘牌。管理层给出的理由很直白:维持上市地位不划算。

也是那几年,对手跑远了。2011年,双汇陷入瘦肉精事件,半个月销售额大跌15亿元,整个行业都跟着挨骂,坊间还传雨润趁机挖走了大批双汇的经销商。可两年之后,双汇以71亿美元收购美国史密斯菲尔德,一跃成为全球最大的猪肉企业,紧接着又把手伸向西班牙肉制品巨头,把金锣和雨润远远甩在身后。

2017年,双汇还就“王中王”等商标起诉金锣侵权,后者最终败诉赔钱。业内说起金锣,常带一句评价:活在双汇的阴影下。

三巨头里的另一家,结局更差。雨润靠低温肉制品起家,最风光的时候,在冷鲜肉市场,连双汇都不是它的对手。2015年,掌门人祝义财突然失联,随后被采取强制措施,公司一路滑坡,负债千亿,走到重整那一步。2019年,祝义财回归,把董事会主席的位置交给了女儿祝媛。

火腿肠这门生意本身也在慢慢变小。雨润收缩了火腿肠业务,持续二十多年的三强争霸正式成为历史。

如今的线下商超里,双汇的份额超过六成,金锣守着近两成,稳居第二,但也只是第二。金锣官网上的介绍,早已不止火腿肠:生猪屠宰、肉制品深加工、大豆深加工、环保治污、农牧开发、医养健康六大板块,熟制品分了高温、中温、低温、休闲四大类,产品超过500种。

接班

金锣的另一条线,在周家女儿身上。

周颖出生于1991年,加拿大国籍。和外界想象的“企二代”不同,她的起点不在车间,也不在销售一线。2016年到2023年,她先后在临沂金锣医院、临沂金锣糖尿病康复医院担任院长助理,在父亲商业版图最“边缘”的医疗板块待了7年。

变化发生在2023年底。那一年12月,她出任艾德森董事长。第二年5月,她进入临沂连科董事会。同一个月,周连奎将自己持有的大笔临沂连科股份无偿赠予女儿,周颖以47.81%的持股成为第一大股东,并与创始人王成田签下一致行动协议,成为共同实际控制人。

这两家公司都在2024年登陆新三板,体量不大,但位置很妙。

艾德森在2012年成立,做卡拉胶、乳酸盐等食品添加剂,它的大客户就是金锣——女儿公司生产的卡拉胶,正是父亲火腿肠里的关键配料。临沂连科在2010年由法籍华人王成田创立,做食品加工自动化设备和畜牧养殖设备,客户名单里既有金锣,也有牧原。王成田至今仍担任董事长,周颖只是董事,持股最多,却不站在台前。

换句话说,周颖手里握着的,是围着金锣主业转了一圈的配套生意。

有意思的是,正是这两份公开文件,第一次让外界看清了金锣的股权结构:在最上层的持股平台中,明金星、周连奎、周连良分别持股65%、25%和10%。这家贴着周家标签的企业,真正的大股东,是那位医生出身的合伙人。

2024年底到2025年初,金锣又把云南红河、齐齐哈尔等地的多家牧业公司股权,陆续转进周颖控制的平台。

她自己还在孵化新业务。2026年7月,年产20万吨宠物食品的“宠爱佳”正式启动,由她实际控制的公司操盘。多数同行做宠物食品走的是合资、代工的路子,她偏要自己建厂。这个赛道如今很热闹,双汇、温氏、圣农这些肉制品巨头都在往里面扎。人吃的火腿肠卖不动了,猫狗吃的食品还在年年涨。

但金锣真正的核心主业——屠宰、火腿肠、冷鲜肉,始终没有交到周颖手上。2025年,周连奎还对外放过话,要带着金锣从传统肉制品制造商转型,到2030年再上一个台阶。话音刚落,传来的却是整体出售的消息。

接盘的人也有来头。德弘资本2017年由刘海峰和华裕能创立,两人都曾执掌KKR大中华区。这个团队投过蒙牛、中国飞鹤、乖宝宠物……几乎把中国人的餐桌投了一遍。去年,它刚刚完成对高鑫零售的控股收购,华裕能亲自出任董事会主席。

市场猜测,德弘资本看中的是金锣的屠宰产能、上游供应链和铺到乡镇的渠道,这些才是肉制品行业的硬底盘。

也有人为这笔交易捏把汗。中国食品产业分析师朱丹蓬对媒体说,金锣作为肉制品三巨头之一,必然有价值,但整个肉制品行业面临跟不上消费升级节奏的问题,资本介入能否起到促进作用,还有待观察——资本的“短平快”属性无法改变,对金锣这类重资产模式,如何坚守才是关键。

三十多年前,周连奎兄弟接手的是一家没人要的亏损小厂。三十多年后,这家小厂长成了年入300亿元的巨头,但又一次被摆上货架。而35岁的周颖,手里已经握着自己的牧业、工厂和新生意。主业卖给谁?她接不接?金锣的故事会不会换一种写法?都要等真正交割那一天才知道。

排版 | 仲轩  

审校 | 仲轩主编 | 夏昆

跳转微信打开

  •  

聪明人的8个具象化特征

Preston 2026-11-16 16:00 北京

以下文章来源于:缸中之脑cybernetics

缸中之脑cybernetics

心智觉醒。

作 者:Preston

来 源:缸中之脑cybernetics(ID:madthings)

我之前写过一篇文章,《蠢的八个具象化特征》。今天我想反过来,聊聊“聪明”这回事。

相比于蠢,聪明其实是更难总结的特质。我们经常能感觉到某个人很聪明,但如果要你讲清楚,他到底聪明在什么地方,你只能说出一些很模糊的词。类似于,脑子快、有想法、看得透、格局大。

但这些词的共同点是,全都没有办法具象地观察,更没办法复用、学习。

于是,我们只好退回到一些看起来更显性的指标上。比如反应速度,比如知识量,或者是智商。在这里,我们把聪明视为一种“内在属性”,像身高一样,可以测量。

但这些指标,其实也都不太靠谱。

认知心理学家基思·斯坦诺维奇做过大量的研究,得出来一个结论,就是智商测验测出来的那个数值,和一个人在真实生活中做出理性决策的能力,相关度相当有限。

他甚至为此造了一个词,叫“理性障碍”(dysrationalia)。简单来说,就是一个人明明拥有足够的认知能力,但依然在做蠢事。

你大概也在生活中见过不少这样的人,学历很好,考试能力很强,但是一遇到真实的决策,就开始凭情绪、凭直觉,靠一两句听来的话做判断。

斯坦诺维奇给出的解释是,智力提供的是“算力”,而理性依赖的是“调用算力的意愿和习惯”。这两者是两套完全不同的东西。

打个比方会更直观一点,智力像是电脑的硬件,而我们通常说的“聪明”,其实更接近操作系统。硬件会决定上限,但决定你日常体验的,是系统怎么调度它。什么时候该全速运转,什么时候该放进后台,哪些推送该拦截,哪些数据应该存下来。

硬件再强,如果系统一团糟,用起来依然会卡。反过来说,一件硬件普通但是系统干净的机器,往往要好用得多。

这就解释了,为什么有些很聪明的人,会一直做差不多的事情,很少有大的突破。而有些看起来不那么锋利的人,三五年后反而越走越远。

但是好在,聪明并非是一种状态,而是一套习惯。一个人怎么接收信息、怎么处理信息、怎么做决定,怎么对待自己的错误,这些全都会落在具体的动作上。而这些动作,是可被观测的,也可被练习的。

聪明人的8个具象化特征

下面我列的这8条,就是可以被观察到的,“聪明”的具体行为表现。

1. 他会先确认问题是什么,再去想答案是什么

大多数人听到一个问题,本能是,立刻在脑子里搜索答案。而有一类人,第一反应完全不同。他会先停一下,确认自己要回答的,到底是什么。

所以,面对一个问题,他往往不是先给结论,而是先给一句复述。“你的意思是不是说,现在的卡点是A而不是B?”“我们今天要定下来的,是方向,还是时间表?”

为什么这一步这么关键?因为一个被定义错的问题,后面所有的努力,都是沉没成本。你可以用极高的效率、极严密的逻辑,去解决一个根本不存在的问题。而且因为过程无可挑剔,你很难中途发现自己错了。

一个人愿意在搞清楚问题上,多花十分钟,就能在解决问题上少花十天。

2. 他说话会带“置信度”

这一条特别细节,但你一旦注意到,就会在每一次对话里看到它。

普通的表达方式是二元的,是,或者不是。而有一类人的表达里,始终带着一个刻度:

“这个我确定,数据我自己拉过。”

“这个我大概有七成把握。”

“这个是我猜的,你别当真。”

“这个我不知道,但我知道谁知道。”

说法不同,对应着完全不同的信息质量。

心理学家菲利普·泰特洛克,做过一项长期的预测研究。他发现,那些预测准确率明显高于平均水平的人(他称之为“超级预测者”),有一个共同的语言习惯:他们几乎不用“肯定”“绝不可能”这类词,而是习惯用概率说话。

为什么呢?因为能标出置信度,意味着他在说这句话之前,已经认真思考、仔细检查过自己的论据。这就是元认知能力,在语言上的留痕。

反过来,如果一个人所有的判断,听起来都一样确定,那大概说明,他从来不区分“我知道的”和“我以为的”。

分不清“我知道的”和“我以为的”的人,迟早会把后者当成前者,去做出一个错误的大决定。

3. 他能把复杂的事讲简单,而且不丢关键信息

注意后半句。讲简单不难,难的是不丢。

把事情讲简单,有两种截然不同的做法。一种是砍掉复杂性,留下一个漂亮但无用的结论。另一种,是理解了全部复杂性之后,找到那个能支撑它的核心结构。

前者的典型表现是,你听完觉得很有道理,但一追问细节,他就开始翻来覆去地重复刚才的结论。

而后者的典型表现是,你听完结论觉得很简洁直白,但一追问细节,他能往下拆解很多层。

具象的观察点是,你可以看他,是不是在用自己的话表述一件事情。

术语密度高、句式绕、拒绝打比方,这样的说话方式,往往不是因为说话人聪明,而是他只是保存了别人的表述,然后复述。他没有真正拥有这个概念。

4. 他习惯替自己找反例

这一条和直觉相反。我们通常觉得,聪明人的特征,就是论证能力强。但我觉得真正的差别,并非是有多能论证,而是愿不愿意证伪。

人的默认模式,是确认偏差。就是说,一旦有了倾向,就只去找支持它的证据。这几乎不需要努力,因为任何一种观点,在互联网上都有足够多的材料供你取用。

但有一类人,他们会主动做一件反本能的事,就是在他最看好某个方案的时候,他会花时间,去找这个方案最可能失败的理由。

你可以观察一下,这种人说完自己的判断,常常会紧跟一句“不过有一种情况我没想明白”,或者“如果反对我的人是对的,那他的理由会是什么?”

我有一个习惯,是从一个前辈那里学来的。每当我特别确信一件事,就逼自己写下三条“如果我错了,错在哪”。这个动作一定是很难的,因为它太违背本性了。人在兴奋的时候,根本不想听反面意见,哪怕是自己说的。

所有人都在为自己的判断找证据,但很少有人能主动为自己的判断找漏洞。而真正聪明人,可以做到。

5. 他做决定前,会先想“什么情况下我该退出”

绝大多数人做决定,想的是成了会怎样。而有一类人会多做一步,就是先把失败的样子想清楚。

我之前介绍过一个很实用的方法,叫“事前验尸”,就是在项目启动之前,先假设它已经彻底失败了,然后写下失败的原因。

这个方法的巧妙之处在于,它把“你觉得会出什么问题”,这种很容易被敷衍的提问,换成了“它已经死了,请解释死因”。前者是预测,而后者更像是在回忆。人能回忆起来的细节,总是会比预测得更具体。

聪明人,会给自己设定一个明确的退出条件。“如果三个月内还拿不到第一个付费用户,我就退出。”“如果这件事要动用我的全部积蓄,那我就不会考虑。”

这件事之所以重要,是因为人在投入之后会变得不理性。沉没成本会让我们一路加注,而“止损点”这种东西,几乎只能在我们还没动心动念的时候定下来。

6. 同一件事他做第二次,一定会比第一次更省力

你可以观察身边的人,那些一件事做了五年,每次都还从零开始的人,和那些第二次就拿出一份清单、一个模板、一套流程的人。

后一种人,做完一件事,他会花十几分钟,复盘一下,总结一下经验。这次踩了哪个坑、下次先确认哪几件事、哪些方法可以直接复用。

这个动作可能很简单,也可能就是在心里多想了一下,在纸上随意划了几笔。动作形式不重要,但有这个动作很重要。

这件动作的本质,是把一次性的经历,转化成可重复调用的结构。

反例我们都见过。有的人工作很多年,经验看起来很丰富,但每次遇到类似的问题,都还是靠临场反应。他也可能是最努力的那个,只是他的努力,从来没有被存下来。

7. 他承认犯错的时候,不觉得丢脸

前面六条,看的都是一个人怎么处理外部的信息和事情。而这一条,看的是他怎么处理自己的错误。

一个人要承认“我刚才说错了”,需要跨过一道很具体的坎。因为在那一瞬间,他必须接受自己,在别人眼里“显得不聪明”。

有意思的是,越是把聪明当成身份的人,越跨不过这道坎。因为对他来说,承认自己犯错,就是很丢脸的一件事。好像被否定的,不是他的想法和观点,而是他这个人本身。

你可以观察,有一种人,会在讨论的中途说,“你这么一说,我发现我刚才那个判断立不住脚。”而且说完之后语气里没有任何别扭,顺手就接着往下推。这就是聪明人。

与此相对的一种人,是不正面回应你的论据,而是开始绕来绕去。他会换一个角度重新论证原来的结论,或者把问题的范围悄悄转移。

8. 他愿意在人前显得笨

“这个我没听懂,你能再讲一遍吗?”

你可以回想一下,在你参加过的会议里,这句话出现的频率有多低。

更常见的场景是,一个新概念被抛出来,所有人都点头,会议继续往下进行。而散会之后,私下聊起来,才发现大家都没懂。

为什么没人问?因为所有人都在想同一件事:问了,我会不会显得很笨?

而有一类人从来没有一个想法。他只关心一个问题,那就是我现在到底懂了没有?

这里有一个很容易被忽略的事实,就是你在那一刻显得笨的程度,是以分钟计的,但你因为没问而留下的那个认知漏洞,可能是以年计的。

而且我想说,这种“显得笨”的时刻,往往只存在于提问者的想象里。我们总是高估别人对自己的关注程度。你以为全场都在嘲笑你提的这个问题,实际上大多数人,甚至会很感谢你替他们问了。

聪明的人之所以越来越聪明,不是因为他们懂得多,而是因为他们从不假装自己懂。

这八条标准怎么用?

我列了8条标准。我也想讲清楚,这8条应该怎么用,以及不应该怎么用。

1. 看模式,不看瞬间

任何人都会有糟糕的时刻。一个平时很清醒的人,可能因为连熬了三天夜,会在开会的时候,固执地守着一个明显错误的判断。

我在之前的文章也讲过,单个动作只是一个数据点,真正有意义的是反复出现的模式。一次是状态,三次才是习惯,而习惯才是一个人的底色。

2. 这8条全都是行为,所以全都可以练

这是我写这篇文章最想说的一点。

“聪明”之所以让人焦虑,是因为它听起来像是天赋,有就有,没有就没有。但如果你回头看这8条,会发现它们没有一条需要天赋。

先复述问题再回答,说话带上置信度,做完一件事复盘五分钟,这些都是可以练的,可以马上去改变的行为。在人前说“我没听懂”,也是可以练的。它只需要一点勇气,而且练几次之后,甚至连勇气都不太需要了。

3. 这几个标准,最好先用来衡量一下自己

读完一篇这样的文章,我们最自然的反应,是在脑子里给身边的人逐一打分。但更值得问的是另一个问题:这8条,我自己能做到几条?

你上一次主动去找自己观点的反例,是什么时候?你上一次说“我没听懂”,是什么时候?你上一次被说服之后,是爽快地承认自己错了,还是不得不勉强承认?

我还发现一件事,就是这8条里,只要有一条被你真正变成了习惯,其他几条都会跟着往上走。因为它们背后是同一个东西,就是愿不愿意,诚实地面对“我现在到底懂了多少”。

具象化的真正意义在于,当你把聪明从一种让人仰望的气质,还原成一串可以照着做的动作,它就从一个标签,变成了一条可实现的路径。

保持对问题的敏感,保持对自己的诚实,保持承认“我不懂”的那一点勇气。

在一段时间之后,你会发现,自己走到了一个当年完全想不到的地方。

排版 | 仲轩  

审校 | 仲轩主编 | 夏昆

跳转微信打开

  •  

被人遗忘的磁带,正在AI时代闷声发大财

发现明日产品的 2026-11-15 11:43 北京

以下文章来源于:APPSO

APPSO

AI 第一新媒体,「超级个体」的灵感指南。 #AIGC #智能设备 #独特应用 #Generative AI

作 者:APPSO

来 源:APPSO(ID:appsolution)

谁能想到,磁带竟然在AI时代迎来了第二春。

10月29日,日本富士胶片宣布投资约100亿日元(约合人民币4.22亿元),计划在2026至2028财年扩建神奈川县小田原工厂,将数据存储磁带的产能提升至2025财年的五倍,重点生产最新一代LTO Ultrium 10磁带。

Image

按照富士胶片的说法,这是近20年来针对LTO磁带专用设施规模最大的一笔投资,而推动扩产的主要原因,正是生成式AI带来的海量数据归档需求。

AI都用上了最先进的芯片,

为什么还需要磁带?

计算机行业流传着一个经典玩笑。

计算机科学家安德鲁·坦嫩鲍姆曾说过,永远不要低估一辆满载磁带、在高速公路上飞驰的汽车的带宽。听起来有些荒诞,但当需要传输的数据达到PB甚至EB级别时,把存储设备装上卡车,确实可能比通过网络传输更有效率。

Image

2016年,亚马逊AWS就曾推出Snowmobile服务,直接用重型卡车运输大型存储设备,一次最多可以搬运100PB数据。

虽然Snowmobile运输的并非磁带,而且该服务已于2024年停用,但它说明了一个长期存在的问题。当数据规模大到一定程度,如何以合理成本保存和搬运数据,本身就是一项工程挑战。

生成式AI的爆发,让这个问题越来越突出。

训练大模型需要GPU、HBM和高速SSD,但训练结束后,企业还会留下原始语料、清洗后的数据集、训练日志、模型检查点,以及不断迭代产生的历史版本。

其中,正在参与计算的数据需要高速存储设备,经常访问的大规模数据集可以放在机械硬盘上,而那些几个月甚至几年都用不到、却又不能随便删除的资料,则适合进入长期归档系统。

行业通常将访问频率很低的数据称为冷数据。

例如,一家AI公司训练完新模型,旧版数据集短期内可能已经没有用途,但未来复现实验、重新训练或者进行合规审计时,仍然可能需要重新调用。

问题随之而来。当数据越积越多,难道要让所有硬盘一直通电,花钱维护那些可能几年都不会访问一次的文件?

磁带恰好擅长做这件事。

首先是便宜,而且省电。磁带可以长期离线保存,闲置时无需持续供电,也不需要像在线硬盘阵列那样维持设备运行和散热。

富士胶片曾测算,在保存100PB数据、周期为十年的特定条件下,自动化磁带系统相比全机械硬盘方案,可以降低约86%的总体拥有成本,以及约95%的碳排放。

其次是安全。磁带能够从系统中取出并离线保存,即使服务器遭到勒索软件攻击,物理隔离的磁带仍有机会保留一份独立备份。

而且,现代磁带也没有想象中那么慢。LTO-10的原始连续传输速率最高可达1200MB/s,自动化磁带库还能利用机械手完成装载和读取。

Image

不过,磁带需要顺序寻找数据,随机读取一个文件可能需要较长时间,因此不适合频繁访问和实时计算。如果说AI数据中心的SSD负责让数据随叫随到,那么磁带更像一座成本低廉、容量庞大的数字仓库。

事实上,科学界早就在使用这种方案。

2025年12月,欧洲核子研究中心CERN宣布,大型强子对撞机累计保存的实验数据达到1EB,相当于100万TB,其中大部分数据保存在约6万盒磁带上。

Image

几十年前采集的实验数据,可能因为新理论的出现而重新获得研究价值。CERN预计,未来十年需要保存和处理的数据规模,将达到此前累计存储量的约十倍。

类似的逻辑,也适用于AI企业保存的历史语料、训练记录和模型备份。

而磁带市场的增长,已经有实际数据支撑。

根据LTO联盟2026年9月公布的数据,2024年全球LTO磁带出货容量达到创纪录的176.5EB,同比增长15.4%。2025年虽然有所回落,仍达到160.3EB。

进入2026年第一季度,随着LTO-10上市及归档需求增长,全球磁带出货容量又同比增长57%。这里统计的是磁带所提供的存储容量,并非磁带盒销量。

企业级磁带一直拥有稳定市场,而生成式AI对海量数据归档的需求,又让这项老技术获得了新的增长机会。

一盒磁带能存100TB,

26年容量暴涨400倍

磁带能在AI时代重新获得关注,还有一个容易被忽略的原因。

当普通消费者以为磁带技术早已停滞时,工程师其实一直在提高它的存储密度。

2025年6月,富士胶片推出LTO-10 30TB数据磁带,同年12月又发布40TB版本,并于2026年开始供货。最新产品的单盒原始容量达到40TB,如果按照理想条件下2.5:1的压缩比计算,理论容量最高可以达到100TB。

Image

LTO-10 30TB

作为对比,2000年推出的第一代LTO磁带,原始容量只有100GB。短短26年,单盒容量足足提高了400倍。不过,100TB是理论压缩容量,对于已经压缩过的视频、图片和模型权重,实际容量通常无法达到这个数字。

更有意思的是,LTO-10磁带盒只有约10厘米见方、2.15厘米厚,内部却卷着长达1337米的磁带,相当于三圈多标准田径跑道。

为了将长达1337米的磁带装进一盒仅约10厘米见方的卡带,富士胶片引入芳纶薄膜和新型薄层制造技术,将磁带整体厚度降低至仅4微米,同时采用结合钡铁氧体与锶铁氧体技术的超细磁性颗粒,提高单位面积能够记录的数据量。

至于存储原理,其实与几十年前的录音磁带一脉相承。

磁带表面覆盖着微小的磁性颗粒,写入数据时,磁头通过改变局部磁化状态记录数字信息;读取时,再检测磁场变化,通过解码和纠错还原数据。

现代LTO磁带采用线性蛇形记录方式,可以把它想象成一条拥有上万条车道的公路。磁头沿一组磁道从头写到尾,再调整位置反方向写回来。

最新LTO-10拥有15104条数据磁道,驱动器可同时读写32条磁道,依靠更精密的材料和伺服控制技术不断提高容量。

而且,磁带的容量增长远没有到头。

2020年,IBM与富士胶片就曾在实验室实现每平方英寸317Gb的磁记录密度,展示了未来单盒磁带达到580TB的技术潜力,相当于目前40TB商用产品的14.5倍。

Image

当然,580TB仍停留在实验室演示阶段,距离商业化还有很长一段路。

磁带还有一项经常被忽视的长期成本,那就是兼容性。

磁带介质可以保存很多年,却不意味着几十年后的新驱动器依然能够读取它。最新LTO-10驱动器只能读写LTO-10磁带,企业需要保留旧设备,或者定期将历史数据迁移到新介质。

对于管理数万盒磁带的数据中心而言,数据迁移、校验和设备维护同样是一笔不小的开支。

即便如此,在大规模冷数据归档场景中,磁带依然拥有很强的成本和能耗竞争力。富士胶片过去几十年积累的精密涂布、薄膜材料和磁性颗粒技术,也因此在AI时代重新获得商业价值。

磁带的故事,在机械硬盘行业同样上演。

今年1月,西部数据透露,公司2026日历年的硬盘产能基本售罄,部分大型客户的长期采购协议已经延伸至2028年。

Image

希捷的情况更加夸张。根据10月下旬的财报电话会议,公司绝大部分近线机械硬盘出货容量已通过长期协议分配至2028年,部分云服务商的采购协议甚至覆盖到2030年。

更值得关注的是,机械硬盘不光卖得多,价格也在上涨。

原因并不复杂。SSD的随机读写性能远超机械硬盘,但对于需要长期在线保存海量数据的云服务商而言,机械硬盘依然拥有每TB成本优势。

尤其是AI产业持续扩张,训练数据、模型文件和各类生成内容不断累积,数据中心需要的不只有更快的SSD,还有能够以合理价格提供数十PB、数百PB容量的机械硬盘。

Image

当然,HDD也存在性能和维护成本。随着单盘容量不断增加,随机访问能力并不会同比提高,故障后的数据重建时间也可能拉长。

但对于云服务商而言,只要存储成本、容量密度和访问性能能够满足业务需求,机械硬盘就依然有存在的价值。

从富士胶片宣布五倍扩产,到西部数据全年产能基本售罄,再到希捷与云服务商签订延伸至2030年的长期协议,一批在消费电子市场逐渐失去存在感的传统技术,正在AI数据中心找到新的增长空间。

不过,磁带未来也可能迎来新的竞争者。

2026年2月,微软研究院在《Nature》发表Project Silica的最新成果,研究人员利用飞秒激光将数据写入玻璃内部,在约12厘米见方、2毫米厚的玻璃中实现了4.8TB的存储容量。

Image

根据加速老化测试,研究人员推算,数据有望保存超过一万年。虽然距离大规模商业应用仍有距离,却展示了长期归档的另一种可能性。

某种程度上,AI时代的数据存储正在呈现出一幅颇为奇妙的画面。

一边,富士胶片还在改进延续几十年的磁粉涂布工艺,让小小一盒磁带装下数十TB数据;另一边,微软已经开始尝试像远古人类在石头上刻字一样,用激光把信息写进玻璃。

当全世界都在追逐更强大的GPU、更聪明的大模型时,那些负责保存数据的老技术,反倒迎来了属于自己的黄金时代。

风口从来不只属于新事物,也属于那些在新风口里找到自己位置的老手艺。

排版 | 仲轩  

审校 | 正风主编 | 夏昆

跳转微信打开

  •  

一座短剧之都的魔幻一年

值得关注的 2026-11-15 11:43 北京

以下文章来源于:腾讯科技

腾讯科技

腾讯新闻旗下腾讯科技官方账号,在这里读懂科技!

作 者:顾翎羽

来 源:腾讯科技(ID:qqtech)

2026年秋天,郑州一家AI内容制作公司——禄明映画的老板莹姐要处理几件事:把团队缩到70人,裁掉几名导演,减少自制项目,还要重新寻找公司接下来的收入来源。

半年前,她发愁的却要简单得多:招不到人。4月,AI短剧刚刚起量,市场上懂生成工具的人很少,她的团队很快做出一部播放量过亿的AI仿真人短剧,公司最多时扩张到120人。

变化来得很快。到了七八月,莹姐发现,自己越来越难判断一部AI短剧能不能赚钱。一部系列剧的第一部获得1800多万播放、约20万收藏,收入接近30万元。她沿用相近的制作标准做了第二部,剧本、剪辑和算力都没有降级,最终却只获得七八万播放,收入300多元。

同一个系列,两部作品的收入相差近千倍。

“崩坏了,我们经常说崩坏了,不知道怎么弄了。”莹姐说。她告诉我,其公司所在的AI园区里,年初以来陆续有了20多家AI短剧公司,到目前她知道的,就有5家撑不下去了。

这和市场需求恰恰相反。AI短剧正在以惊人的速度增加。DataEye研究院估算,2025年国内漫剧用户规模约1.2亿,到2026年上半年,AI剧漫剧用户规模已经突破6亿。

AI短剧的生产门槛正在迅速降低,流量和收入却并没有跟着变得容易获取。DataEye数据显示,上半年抖音端AI漫剧播放量破亿的作品不到千分之五,达到盈亏平衡参考线的只有1.3%,换句话说,平均每77部新剧,只有1部能够达到这一参考线。

11 月初,我来到郑州,这里是“短剧之都”。一套围绕真人短剧建立起来的生产体系,刚刚经历过一轮大规模扩张,AI又把它带进了新的生产周期。

几天里,我接触了影视基地经营者、制片人、演员和AI短剧公司的创业者。他们当中,有人正在离开,有人试图转型,也有人发现,即使自己已经学会了新的生产工具,也未必能在新的市场里找到赚钱的方法。

我们试图弄清楚一件事:AI正在制造短剧行业前所未有的繁荣,为什么行业里的人却越来越难赚钱?

这天,离开莹姐公司时,我们经过隔壁一间半黑着灯的办公室。莹姐露出一个无奈的表情,说:“看,这家也不过三四个月前刚开。”

郑州如何造出一座短剧工厂

见到莹姐的前一天,下午四点,我抵达郑州行通四海影视基地时,这栋20000平的建筑里只有一个剧组在拍戏。

这里原本是恒大的一处售楼中心,现在据说是郑州生意最好的短剧拍摄基地之一。我到的这一天,楼里大多区域都关闭着。运营负责人之一的爽哥一边带我往里走,一边摸索着去开灯。等他把灯打开,我才看清里面被隔成了一个个拍摄空间:中药房、法庭、霸总办公室,还有住宅、办公和商业场景。一个剧组可以在同一栋楼里完成不同故事的拍摄。

2025年9月,爽哥的老板决定接手这里,投入近2000万元重新装修。那时郑州的剧组越来越多,场地不够用,行通四海还没装修完,来预约的人就络绎不绝。他们采用了装好一片、开放一片的方式经营,最忙的时候,一天同时有12个剧组拍摄。“这里、这里,都是人!”爽哥站在空荡荡的大厅里,用力比划了下。

今年春节前,爽哥的团队还在赶工装修。按2025年的经营情况,他们估算不到10个月就有希望回本。这并不是他一个人的乐观。当时,这座城市的短剧产业已经狂飙了3年。

王伟就是这轮扩张的亲历者。2022年,王伟背着100多万元债务回到河南老家,开始接触网文信息流广告的拍摄业务。

王伟曾在韩国和北京做演出和艺人业务。20多岁时,他开着宝马,觉得等自己40岁,怎么也该换一辆保时捷。真正到了40岁,他却经历了几年的低谷,宝马都换成了宝来。

一位朋友把他介绍到网文信息流广告的拍摄业务里。那时,郑州是此类业务的一个制作中心。网文公司会从小说里挑出最有悬念、最容易吸引人的情节,找三五个演员拍成短视频,再投放到抖音等平台,引导用户去读原作。

一条广告的制作费用可能只有1000元左右,一天能拍好几个故事。王伟就负责选角和协调拍摄,刚开始一天只能挣一两百元、后来变成了几百元。

最初的短视频通常只有一集,后来制作公司发现,既然观众愿意看几分钟的剧情,为什么不把故事拍得更长?一个故事从一集变成三五集,再变成十几集、几十集。制作预算也从几千元、几万元,逐渐涨到十几万元、几十万元。很快,王伟一天就可以收入上千了。

郑州的短剧生态也逐渐成型。他记得,2022年底到2023年初,短剧行业还处在野蛮生长期,一些小团队用几万元做出一部剧,就有机会获得几十万元回报。到了2024年,大资本开始进入,单部剧的预算普遍提高。2025年,平台和制作公司继续扩张,郑州的剧组几乎连轴转。

根据郑州市公布的数据,2024年郑州微短剧从业人员约3万人,相关制作企业超过820家。2025年,郑州微短剧从业人员超过4.2万人,具有广播电视节目制作许可证的企业超过1020家;全年上线微短剧6900多部,拍摄基地和取景地31家,接待剧组7138个。

短短一年,演员、编剧、导演、摄影、剪辑、场地和制片公司,这套生产网络剧烈地膨胀开来。

短剧曾经是一门好生意

行业规模变大,利润却没有均匀地流向每个环节。

王伟告诉我,一些24 年每天片酬只有800元的演员,25 年报价就可以涨到上万元。平台给出的预算增加,制作公司为了抢人也不断加价。他算过一笔账,一部预算40万元的短剧,制作公司组织团队忙一个月,情况好的时候净利润可能只有1万元。男女主角的片酬加起来,却可能达到8万元。

他认为,2025年短剧制作“过于繁荣”,还和平台的采购方式有关。按他的回忆,平台曾通过年度合作框架向一批制作公司分配项目量,拿到年框的公司再组织团队完成制作。但有些公司接到的项目超过自身产能,就会把项目转给其他承制方。

层层转包之后,实际拍摄团队拿到的钱越来越少,平台按照一包预算采购,最后交付的却可能是三包的质量。

王伟自己的公司也试过靠增加项目数量扩大收入,一个月从拍五六部增加到十部,流水看起来大了不少,最后算下来,净利润却没有比原来多多少。团队越大,垫资、管理和协调的压力也越大。

他感慨,“泡沫没有吹在我们身上。”

但短剧繁荣带来的,并不只是制作公司的订单和演员的高片酬。剧组数量增加,也养活了一批围绕拍摄运转的生意:影视基地出租场地,道具和服化道公司提供设备,酒店、餐饮和交通服务剧组。只要剧组持续开机,这些生意就有机会跟着增长。

郑州竖店短剧基地,一部短剧正在拍大厅戏。

行通四海就是其中一家。但这门生意的前提,是剧组还愿意持续开机。

2026春节后, 行通四海的装修队复工了,剧组却不见了。原本预约的客户陆续取消,爽哥问了熟悉的剧组,才知道平台的保底和合作方式发生了变化。他向我解释,过去的平台合作更像代加工:平台提供项目和制作费用,制作公司组织人手拍摄,按要求交片;有些项目的制作款还会分阶段支付。

现在,制作方需要先拿出自己的钱,作品上线后再看能不能收回成本。

原来有人出钱、有人干活,现在变成“我干活,我再出钱”。剩下的装修先是放慢,最后干脆停了下来。

2025年,行通四海的场地日租报价是3588元;到了2026年,先降到3000元,后来还要再打八折。狂飙 3 年后,真人短剧留下了一套庞大的生产体系。而这套体系,往往是最先可以被AI代替的。

一部短剧,不再需要原来的剧组

2026年春天,短剧演员胥宁轲开始效仿同行,学习用AI制作短剧。

胥宁轲大学期间开始做模特,毕业后留在郑州拍广告和短视频。2023年,他开始拍短剧。2025年最忙时,他一个月至少能接三部戏,一部通常拍四五天,试妆、定妆加上拍摄,几乎把工作日排满。杀青后第二天进新组,是那一年很多演员的常态。

2025年年底,他在拍戏时受了伤,一直休养到2026 年春节。养伤期间,他从同行那里听说,郑州的真人剧组变少了。他也对通告变少和报价变低有心理准备。但真正等到复工后,他才意识到,自己熟悉的工作方式已经被颠覆了。

他复工拍的第一部戏,就遇到了一次长达25小时的连续工作。过去,演员超过约定工作时长,剧组通常需要支付超时费。到了2026年,他遇到的项目不再另付加班费。同时,报酬也在断崖式下跌。我在剧组见到胥宁轲时,他正在拍一部40集的短剧,计划用三天完成。3天拍这样一部40集的短剧,男二号的他日薪是三位数。

他告诉我,平均下来,行业今年的报酬甚至到不了去年的一半。一个角色如果不愿意接受降价,剧组很快就能找到其他演员。10月份,他实际拍摄的时间还不到10天。

对一个喜欢演戏、已经拍了几十部短剧的人来说,最难接受的不是某一部戏的片酬变低,而是自己能决定的事情越来越少:剧本、预算、拍摄周期都已经被安排好,演员只能在有限的选项里做选择。

胥宁轲也想过,既然真人短剧少了,能不能学着做AI内容。他找教程,试着生成脚本、写提示词,再接触视频生成和剪辑。他很快发现,让AI生成一段视频,和把几十集短剧从头到尾做出来,是两回事。试了一阵,他放弃了。

对演员而言,更直接的冲击来自AI仿真人技术。过去,一部短剧需要演员真正到场表演,摄影机记录下他的动作和表情;现在,制作方可以利用演员的数字肖像生成新的视频画面,人物的表情、动作、服装和场景,都可以通过AI生成或调整。演员不再一定需要进组,也可能成为AI内容生产中的一项数字素材。

目前,大量项目开始尝试真人拍摄与AI生成结合:演员先参与真人拍摄,再授权制作方使用数字肖像,由AI完成后续部分画面。

事实证明,胥宁轲确实不需要自己掌握AI工具,才能继续出现在短剧里。随着这种生产方式成为主流,他必须同意越来越多的制作方使用他的数字肖像——如果不愿授权,他就很难接到戏了。

尚未崩坏之前

另一些人更早看到了AI内容的商业机会。

莹姐原来在一家影视上市公司做长剧,后来负责收并购。2025年,她参与并购一家短剧公司时,在对方的财务报表里看到一项金额不大、增长却很快的收入。她问了才知道,那是公司刚开始尝试的AI业务。她当时判断,AI视频已经不只是影视公司的技术储备,而是开始具备商业交付能力。

莹姐向集团提交报告,希望把一部分实拍业务向AI倾斜,但集团内部的决策流程很长,甚至经过董事会讨论。AI短剧已经渐成气候,集团内部的业务却还迟迟未启动。

这背后是两种影视生意的差异。莹姐过去做长剧时,遵循的是“无预售不开机”:先确定订单、签好合同,确认回款,再投入拍摄,项目开机时收入已经有了相对明确的保障。AI短剧却更接近面向C端的内容生意,制作公司需要先做出作品,上线后再看用户是否买账。传统长剧公司的预算和决策逻辑,很难适应这种快速试错的节奏。

2026年初,莹姐决定离开大平台,回到郑州创业。

一部AI短剧从剧本拆镜头开始。编导把故事拆成一个个镜头,写清人物、场景和动作要求,再把提示词输入模型,生成几秒到十几秒的视频。人物表情不对、动作不自然,或者前后镜头接不上,就重新生成。这个反复尝试、筛选素材的过程被称为“抽卡”,负责操作的人被称为抽卡师。抽卡师往往是一部AI剧背后所需的最大的人力。

她选择郑州,一部分是因为人工便宜。在郑州,新入职的抽卡员工月薪约3000元,杭州要4000元左右;成熟员工在郑州约4000至4500元,杭州则可能达到5000至8000元。

更重要的是郑州已经有一批熟悉短剧制作的人。

她曾去云贵地区帮助另一家上市公司培养AI团队,当地人工成本更低,却几乎所有员工都是零基础,连远景、近景、中景和特写都分不清。三个月下来,团队仍然只能做一些简单的剧。

而郑州过去几年积累的演员、导演、剪辑师和制片人员,恰好构成了AI内容生产需要的底层能力。工具可以重新学习,影视制作的基本经验却不能在几周内凭空长出来。

2026年3、4 月份,团队很快摸索出用真人短剧的方式制作仿真人内容。4月,公司承制的一部AI仿真人短剧播放量过亿。她认为,团队在模型生成能力上并不领先同行,真正加分的是剪辑,“我们在抽卡环节,可能跟市场齐平,但剪辑是加分项。”

不过,好日子没有持续太久。

做得更好,反而赚不到钱了

很快,莹姐发现自己越来越难判断一部作品能不能赚钱。

刚开始,她觉得,过去在传统影视行业积累的经验仍然有效:理解人物关系、判断情绪点、把握剪辑节奏,至少能提高作品成功的概率。

直到一部系列剧的第二部上线。第一部获得1800多万播放、约20万收藏,收入接近30万元。第二部沿用相近的剧本、剪辑节奏和算力,播放量却只有七八万,收入300多元。

她每天看后台、看榜单,最初以为只是某一部作品没有跑出来,后来才发现,榜单上的内容已经换了一种样子。一些制作粗糙的AI漫剧开始获得不错的成绩。作品可以长达几百集、上千集,人物动作穿帮也不太在意,一条背景音乐从头铺到尾,剪辑不讲究节奏,画面也不必反复打磨。莹姐把这种做法称为“邪修”。

她告诉我,现在主流的做法是,团队把已经验证过市场的网络小说放进工具,让AI生成剧本,再进入一键生成流程。她听说,有的头部团队一天可以上线一百多部作品。

掌阅科技CEO孙凯9月在采访中表示,近半年来,AI短剧的供给增长了约300%,“仅7月抖音端就上线了7.43万部AI短剧,日均上新2400多部。现在AI短剧一天的上线量,相当于之前一个月的供给。”

这类团队并不是不懂内容,而是把内容生产变成了另一种生意。过去真人短剧的产量受到演员、场地和拍摄周期限制,一部戏要开机,就需要协调几十个人的时间;现在,AI把部分生产环节转移到电脑上,成本和时间都能压缩。

对跑量团队来说,重要的不是把每一个镜头都做好,而是尽可能多地测试故事、快速上线,再从数据里找出少数能够跑出来的作品。只有持续生产大量作品,才有机会用少数爆款覆盖其他项目的成本。

AI模型的价格竞争,也在降低这种生产方式的门槛。2026年6月,火山引擎推出轻量化视频生成模型Seedance 2.0 Mini。720P规格生成成本约为每秒0.5元,比标准版Seedance 2.0综合生成成本降低约50%。MiniMax H3的2K视频生成价格约为每秒0.8元,将其与同类旗舰模型相比,价格约为后者的三分之一。

模型市场正在形成不同的价格档位,制作公司也开始按照预算决定画面标准:便宜的模型负责批量生成初稿和普通镜头,价格更高的模型留给关键人物、复杂动作和需要突出质感的场景。

莹姐介绍,一部100分钟的低成本AI短剧,如果选择较便宜的模型、减少画面审核,算力费用可以压到2000至3000元,加上人工等支出,综合成本约1万元。她坚持制作的精品AI短剧,成本则可能达到10万至20万元。

莹姐也试过转向跑量。她要求团队减少画面细节的反复修改,优先选择更便宜的模型,调整审核流程。但她很快发现,自己培养的导演和抽卡组长并不适应这种方式。过去做精品项目时,人物动作不自然、镜头不够好看,他们会重新生成;转向跑量后,还是忍不住去“抠”那些不影响故事理解的细节。

一个月后,她放弃了。“跑量是个技术活,没有高低贵贱之分,但我们挣不了那份钱。”莹姐说。

DataEye研究院统计,2026年9月,抖音端原生AI剧漫剧新剧达到5.18万部,播放增量超过2093亿。不到1.5%的新剧,贡献了近三分之二的播放增量。换句话说,市场上有更多作品上线,但绝大多数作品没有获得相应的流量。

莹姐判断,整个行业真正赚钱的可能不足10%,其中还包括平台和剧本公司。她看到,仍然能够赚钱的公司,往往不只会制作内容,还掌握版权、渠道、发行、投放和运营能力。有的公司自己不生产内容,而是低价买入别人的作品,再凭借运营和投放能力放量;有的公司拥有成熟的网文版权和自动化生产流程,能够不断测试新内容。

郑州已经有制作公司开始将这种成本优势转化为具体项目。郑州市2026年的产业发展材料提到,当地一家短剧公司依托4000多部自有版权作品库,将真人爆款IP改编为AI剧漫剧,制作成本降低80%,制作周期缩短三分之二。

她不认为所有公司都必须做成大而全的机构,但在新的市场里,单靠制作能力已经不够。过去谁能组织起剧组、按时交片,谁就有机会拿到项目;现在,谁能让作品被看见、获得流量、产生收入,谁才更接近利润的中心。

内容数量的激增,也引来了监管部门的关注。11月6日,国家广播电视总局部署新一轮微短剧专项治理,治理时间从11月1日持续至12月底。通知明确提到AI微短剧质量良莠不齐、AI技术助长低俗化和同质化,以及盗脸、偷声等问题。今年以来,监管部门累计下架违规微短剧7.5万部,处置违规账号1500余个。

“短剧用三年跑完的长剧三十年的历程,AI三个月就跑完了。”莹姐说。

AI 开始淘汰自己的工人

市场变化最终传导到了制作公司内部。

2026年春天,莹姐的公司招聘几乎没有停过。3月、4月,来应聘的很多都是没有经验的新人,公司只能从头教他们使用工具、理解镜头和完成制作。AI短剧刚刚起量,市场上懂生成工具的人很少,做过影视的人也不一定会用AI。公司接连做出成绩,承制订单和自制项目都在增加,到了五六月,莹姐还考虑继续扩大团队。

几个月后,情况反了过来。一方面,市场上的低成本跑量内容开始增加,制作公司不得不重新考虑自己的成本结构。另一方面,模型迭代提高了生成成功率,Agent等工具又把剧本、镜头要求和视频生成连接起来,让部分流程可以自动完成。

莹姐说,3月份一部100分钟的AI短剧,从拿到剧本到完成制作大约需要20天。到了如今,如果不考虑甲方修改和主观需求,制作周期已经可以压缩到10天左右。精品项目的抽卡成功率也从 2 次提高到平均约1.2次,一段合格视频不再需要反复生成很多遍。

莹姐调整了抽卡等岗位,公司人力缩减了50%,甚至裁掉了几名导演。这在过去是一件难以想象的事。过去在真人剧组,导演要安排演员表演、镜头调度和现场拍摄。到了AI短剧公司,导演更多负责镜头设计、视觉风格和生成结果审核。但对于一些低成本跑量项目,抽卡组长检查生成结果,再交给后期修正,就能完成制作。

她保留下来的导演,主要负责网络电影和制作要求更高的项目。

莹姐的公司,空出来的座位在几个月前还坐满了人。

她也早就提醒员工,不要把自己局限在抽卡师的岗位上,应该逐渐学习剧本、镜头语言和导演工作。“如果你只会抽卡,你早晚会被淘汰。”但截至11月初,他们公司还没有人真正从抽卡师转型成能够独立负责高质量项目的导演。

更现实的变化是,AI短剧公司已经不再缺抽卡师。莹姐说,市场上有了大量熟手求职者,她现在招人不再需要从零培养新人,“短剧行业现在不需要小白。”

AI先创造了一批新工作,又在短时间内压缩了其中一部分。

有人转型,有人离场

市场变化最终传导到了制作公司内部。郑州亚琪影视产业有限公司创始人、董事长牛亚琪比许多同行更早考虑过,如果有一天剧组没有了,他还能靠什么赚钱。

他在郑州有 4 座影视基地。但是早在2024年,他就不满足于只靠场地出租,而是逐渐把业务扩展到短剧制作、发行、培训和企业定制。他不希望公司完全依赖平台下发项目,也不想把所有收入都押在作品上线后的分账上。

他告诉我,自己做的很多项目不是平台承制剧,而是文旅项目和企业定制剧。在他看来,如果能把产品和品牌放进一个故事里,短剧天然就可以成为企业营销的一种形式。

2026年春节后,牛亚琪把注意力转向 AIGC。

他认为,如果企业只想做十几集简单内容,过去一部真人短剧需要几十万元投入,中小企业很难轻易尝试。现在,部分内容可以用AI完成,客户可能只需要拿出一两万元,就能先做一套轻量的故事化宣传。

不过,这件事很快遇到了瓶颈。

郑州过去几年积累了大量真人短剧从业者,但在AI制作上,牛亚琪发现,本地缺少成熟优秀的实操人才。牛亚琪找来深圳一家AI短剧公司合作,请对方派老师到郑州培训。他想把深圳的AI技术和人才,与郑州原有的短剧制作能力结合起来。

我来到亚琪影视 AIGC 基地的当天,六名老师已经来到当地,分别负责六门课程,培训对象首先是牛亚琪自己的六名员工。课程计划持续14天,结束后,这些员工将转为内部培训老师,再负责培养其他制作人员。

牛亚琪的AIGC基地

他的想法是,培训不只是为了卖课,也是为了给自己的制作业务储备人手。

目前,已经有一家大型内容采购方在和他们洽谈年度供应合作,对方提出每年采购3000部短剧。如此大的交付量,需要持续补充制作人员。与其完全依靠招聘,他更希望把培训和生产连接起来,让学员学会之后直接参与项目制作。

他还计划把培训向社会开放,最贵的一档课程包含食宿,收费只要1万多元。此外,他还在与职业教育学校探索合作,希望先试点培养AI内容制作人才,如果顺利,未来在学校设立相关专业。

在他看来,AI内容生产不只是一个抽卡岗位。剧本、分镜、生成、剪辑和后期都需要人,自己要做的是尽可能把这些环节组织起来。原来的影视基地、演员和制作团队,也不必全部丢掉。

与牛亚琪希望端到端不同,莹姐选择更聚焦。她打算继续以制作能力为核心,靠承制业务维持现金流,再拿出一部分资金做自制内容。

她也在尝试把业务从竖屏短剧延伸到长视频平台,希望公司不只依赖一种内容形式。2026年3月起,她的公司开始筹备AI网络电影,希望进入长视频平台。她还参与了制作河南卫视IP改编项目《唐宫夜宴》和《洛神水赋》。

王伟则选择了另一条路:收缩。

2026年之前,他的常态是一个月只回家两趟,收拾下换洗衣服隔天就进组。今年5月,他的制片和选角业务基本停止规模化经营。合伙人负责的后期团队被一家上升期的AI公司看中,对方接收了部分人员和资产。

王伟没有跟着过去。他开始为一些真人剧组做制片的零工,有活就干,没活就歇着。他不想把自己重新放进另一种高强度的工作里。短剧行业的两年繁荣,让王伟还清了此前100多万元的债务。但他回头想起那段日子,总是愧疚自己在忙碌中错过了孩子成长的时间。

“我现在更享受真实的生活。”他说。

我问王伟,是不是就这样放弃了自己的事业。

他不同意。“我没放弃啊,我只是随着行情就大船变小船了,我在船就在。”

在他看来,风口总会变化。现在是AI的风口,谁知道有一天真人剧会不会重新回暖?

(爽哥为化名。)

排版 | 丘秋  

审校 | 正风主编 | 夏昆

跳转微信打开

  •  

清华教授李宁:AI强得可怕,人怎么办?

原创 李宁、孙允广 2026-11-14 12:05 北京

无论你是否愿意,AI正以前所未有的速度,全面介入人类生活。

2022年底,ChatGPT横空出世,大模型浪潮席卷全球,短短几年,我们充分感受到AI的强大,翻译、P图、写代码,AI短剧让6亿人沉迷。

一个更为现实的冲击是,一大批数字员工加速“入职”,成为人类新同事。这意味着基于工业革命,延续200多年的社会分工制度,正在悄然瓦解。

当AI越来越强大,组织还有必要存在吗?普通人又该怎么办?这是每个人都关心的时代命题。

前段时间,我们拜访了清华大学经济管理学院教授、组织研究学者李宁。他是最早研究AI原生组织的学者,他认为“岗位、层级、KPI”等工业时代的标配正在被颠覆和重构,人与组织将会从雇佣关系变成合伙关系,具备独立判断能力的“超级个体”将拥有更多筹码。

他还回答了一个“扎心”问题:AI让个人效率提升数倍,但95%的组织却没有获得显著回报,极具洞见。

以下为采访内容精编,希望对你有所启发。

嘉 宾:李宁 清华大学经济管理学院教授,《AI原生组织》作者

访 谈:孙允广 正和岛内容总监

编 辑:星辰

来 源:正和岛(ID:zhenghedao)

传统组织,正在崩塌

孙允广:在您看来,AI技术加速到来,对传统组织带来了哪些冲击?又是如何动摇了传统组织的根基?

李宁:传统组织聚焦点在人,主要建立在3个核心假设之上。

一是人的有限理性。人不是全知全能,时间和精力有限,造就了人的认知能力有限。这带来了分工,比如前端工程师专注于用户界面、后端专注于服务器逻辑。在一个大型组织中,分工带来了效率,但也带来了成本,人与人之间的协调成本和摩擦成本。所以,优秀的大企业都不可避免地患上大企业病。

第二个是人的不确定性。客观来讲,人有情绪,会疲劳和分心。所以组织设立了一套管理体系,比如激励和奖惩机制,确保人有动力把事情做好,员工每天上班不迟到。

第三个,最容易被忽略的是人的成长性。在现有的组织层级体系中,从实习生到资深员工,靠人的成长和经验驱动,提升组织的能力。

所以,管理的核心就是管人,所有管理制度围绕人来设计,泰勒的科学管理就是在解决这些问题。

现在,组织主体变成了AI。AI能力越来越强,特别是智能体,能很快地完成复杂任务。我举一个直观的例子,以前的组织形态是基于劳动分工,领导给员工派活,两周才能完成,现在拿AI一个小时就做完了,但很多人会在两个星期以后才汇报。人在使用AI的过程中,个人极致提效,但组织效率没有显著提升。

如何衡量新的生产力?人在这个过程当中应该形成怎样的劳动关系?任务应该如何分配?这些都是我们观察到的系统性摩擦。

企业需要围绕AI的特点去构架管理体系,把人放到体系之中,通过约束验证、设计冗余构架去管理AI的不确定性。企业还要考虑把隐性知识转化成 AI 可用的数据,管理skill,不断迭代AI智能体的系统。

这背后是工作主体的转变,从人到人机共生的模式。

孙允广:个人使用AI工具,DeepSeek也好,Claude也好,提高了个人效率,但没有转化为组织系统性的竞争力,整体效率为什么没有提高?

李宁:这涉及一个本质问题:组织为什么存在?组织是劳动分工的产物,最早追溯到亚当·斯密,他参观一家扣针厂时发现,一个工人独自完成所有步骤,拉丝、打磨……一天可能造不了20枚扣针,把这些步骤分给10个人,每人只做一个或两个步骤,10个人一天可以做48000枚。人的认知带宽有限,分工让每个人都变成某个环节的专家,这就是现代组织的基石。

这里面引出一个问题:劳动分工之后,最后的任务是整合,会形成很多协调成本。我干完后交接给你,交接成本高。一个典型的场景是,从前需要一个团队花数周完成的工作,现在一个人加上AI就能实现,但旧有的组织还在,这个人干完了还要等同事的进度,最后再统一开会。这样一来,AI的效率被现有的组织构架“吃”掉了。

孙允广:今天这个时代,很多企业用AI系统性提高组织效率,企业AI转型是一场关乎未来的生存之战。您认为企业如何进行AI改革?是技术的应用,还是调整组织?

李宁:这是一个系统性工程。在技术方面,门槛和成本越来越低,过去的大模型靠人驱动,提升单点效率,现在AI可以自主完成复杂工作。我在上课的过程中发现,很多企业一号位对于AI的认知存在欠缺,不知道AI究竟能做到什么程度。

第二个是人的问题,最大的缺口是驱动组织变革的种子员工很少。过去组织是金字塔结构,层级分明,员工是组织的一环。现在诞生了超级个体,一个人能改变一个团队、一个部门或整个流程,从而带动组织内部变革。不同于过去的人才画像,现在的超级个体不一定职级高或经验丰富。

AI变革还涉及到激励机制、薪酬机制、岗位竞争的机制和统筹。从微观上看,所有的管理问题还是人的问题。

AI真正的价值是创造,而非降本裁员

孙允广:AI时代之前,很多企业容易出现技术官僚,或者被技术人员所“绑架”的情况。您在书中提到,组织里最懂AI的人,往往是AI转型最大的阻力,为什么?

李宁:一般来讲,技术官僚往往经验丰富,但经验是一把双刃剑,改变了人们的工作方式,增强了人的判断力和品味。但在心理层面,人总归会有一种被威胁的感觉。

我接触到一些企业,在数字化转型时,IT部门是主要操盘手,把物理世界的东西信息化了,线下的流程搬到线上,业务不变,本质是“原子到比特”的过程。

AI出现之后,技术实现平权。转型不仅仅是技术的事情,而是一场由业务驱动的组织变革,与上一波数字化转型差异很大。本质上,这是一个谁掌握话语权的问题。

我在调研中观察到一个有趣的现象:最成功的AI应用往往不是来自IT部门的正式项目,而是来自影子AI,也就是非技术人员为了解决自己手头的问题而偷偷摸摸搞出来的工具。简而言之,谁更靠近需求,谁就能够创造新需求,这是‌AI变革的一个关键转变。

孙允广:孙正义说过一句话:iPhone是明治维新时的火枪。AI发展到今天,跨过了奇点,迎来iPhone时刻,它给所有人,无论是小孩,还是青壮年,让他们的能力一下子提升到“火药枪炮”的级别,就看你对前端需求理解的准确度。

李宁:我特别想说的一点是,真正吃到AI红利的企业,一定是创新,而不是降本增效。企业用AI做降本增效是一件很难的事情。

孙允广:现在很多老板用AI去“降本裁员”,您怎么看?

李宁:首先,这是一个开源和节流的问题。AI转型过程中,如果企业是为了节流,员工会产生抵触情绪,引发各方博弈。我见过一家企业,20人的部门只剩下一个人了,看似节省了人力成本,可一旦遇到突发的事件,AI没有办法涵盖掉,会出现其他问题。

降本增效是做已有的事情,新需求讲求创造力。真正吃到AI红利的企业,都创造新的需求。这个需求以前不存在或是技术达不到,没办法满足。有了AI以后,门槛降低了,可以做些真东西。小龙虾就是一个全新的品类,考验着组织的张力。当下很多爆火的APP之所以是个人做出来的,是因为大型组织天然会扼杀创造力。创造力本身就会偏离现有轨道。

很多企业做AI项目,评估标准是投资回报率(ROI),投资回报率是1914年杜邦公司发明的指标,它假设世界是线性的、可预测的、可归因的。它适用于衡量“改进”——换一台更快的机器,优化一条物流线路。ROI是一个历史锚定的指标,一个新事物很难计算。

那些获得成功的AI产品——OpenCore、Cloud Code等,没有一个是从计算投资回报率开始研发的,它们都是工程师业余时间的副产品,之后长成了庞然大物。新物种从来不是用旧物种“优化”出来的,它们是从旧物种无法理解的方向涌现的。

所以,组织要考虑的是充分利用AI去创造,而不是优化现有流程,用更少的人完成同样的任务。

孙允广‌:索尼前常务理事土井利忠写过一篇文章《绩效主义毁了索尼》,索尼有很多的部门,单项能力顶尖,电视部门有最好的屏幕,Walkman团队有最好的音效,但做出了一款平庸的手机,因为部门KPI、短期主义绑架了企业整体协调效能。在AI变革中,很多部门使用了AI工具,或是用智能体做人力流程,但最终没有形成系统合力,你怎么看?

‌李宁‌:我写过文章,核心观点是“ROI正在系统性扼杀AI创新”。传统模式里,开发成本很高,组织靠评审会,计算ROI,判定创新,但层层筛选后,留下的是平庸的保险方案。

AI时代,企业成本结构和决策流程变了。过去十个人开两小时评审会,花了220个小时,这些时间足够用AI跑出十个原型,拿到试点数据了。有价值的创新是没法用ROI衡量。

很多组织有误区,想利用AI让员工的工作量更饱满。在AI时代,这阻碍了生产力,因为它没有“留白”。一方面AI迭代速度极快,员工需要自学新工具;另一方面创新需要放空、去探索。DeepSeek内部就明确要求,员工用50%的时间完成既定项目,剩下的50%自由探索。

这其实是泰勒的后遗症——精准利用每一分钟,50%的时间不干活会很难受。进入AI时代,管理思想要发生变化。

孙允广:老板把思路打开,向外看,看到更多的新需求,而不是向内收缩,把AI当成降本增效的工具。

李宁:对。一家企业降本之后,其他企业也跟着降本,会造成“内卷”。企业创造一个新需求,因为没有竞争,也没有价格锚定,反而能获得更高的收益,这就是红海跟蓝海的一个区别。

被AI冲击最大的行业和岗位

孙允广:在很多行业里,比如游戏、传统制造业等等,哪个行业受AI的冲击最大?

李宁:从第一性原理来看,组织是完成“任务”的机器,不是完成“工作”的机器。“工作”是后来才有的概念。任务不是按难度分,也不是按“是否简单重复”分,真正维度有两个:一个生成,一个验证。

按照这两个维度来划分,AI短剧这类就是“高生成、高验证”,利用AI原生能力生成短剧,加上一些审核标准来验证,这是低垂的果实,也是AI最容易做、最卷的行业。而高端制造是“低生产、低验证”,形成潜在的壁垒。

我们要意识到,越是直接用大模型做出来的东西,壁垒越低。与之相反,如果一个行业,通过一些技术整合,比如文字、数学、代码等基础能力,以工程化的方式,把不能生成的东西变得自动化、可生成。这才是真正意义上的降维打击。

在验证方面,有些组织发生了新变化,出现了瓶颈位移。举例来说,AI短剧最大的成本不是生产端,是最后的投流环节,投哪个平台会更火,这是一个验证问题。AI主要是靠人的经验去判断。

所以,组织应当重新去思考,哪些任务适合AI,哪些适合通过人机结合的方式去做。我们要跟大模型有一个夹角,大模型是为我们提供弹药,而不是直接替代人。

孙允广:接下来问一个大家都特别关注的问题,AI最容易取代的岗位有哪些?

李宁:岗位是任务的集合。我们有一个判断标准,在一个任务集合里,自动化任务含量越高,越容易被AI冲击。比如投行或咨询公司里,整合资料的初阶研究容易被替代,这是AI所擅长的。

AI擅长两件事恰恰是人类不擅长的。第一件事是将非结构化信息转化为结构化信息。把一小时的会议录音扔给AI,它整理的要点比大多数人都做得好。第二件事是AI可以从大量文档中精确提取关键信息。

越是需要主观判断,需要隐性经验,或者与人打交道、跟物理世界接触比较多的岗位,不在AI生成和判断的曲线上,越不容易被取代。

AI写段子为什么难?因为段子没有客观真理。脱口秀是高度主观、高度动态、高度情景化的。它取决于观众当下的反应,同一个段子,在北京可能炸场,上海可能冷场,与讲述人的预期、停顿和表情有关。AI知道过去出现过的事物的共性,但它无法预测未来的社会反应。

这就造成了一个根本性困境:AI无法自我验证。它生成了一个段子,但它不知道这好不好笑。在AI写代码的时代,程序员最重要的能力不是写代码,而是定义什么样的代码是对的。

过去,我们用大量时间执行,用少量时间判断;未来,执行由AI承担,而人类的全部价值集中在判断上。验证、判断、定义标准,这些都是人的领地。这些能力在AI时代不是贬值了,而是急剧升值。

孙允广:从这个角度,AI最终是对人一种解放呢?还是对人的替代?

李宁:我认为是一种解放。很多超级个体借助AI,把想法变成了现实,就像打游戏通关,这些及时反馈带来愉悦感和满足感。如果一个人技能点和AI完全重合,就会变成替代关系。这是一个重新洗牌的过程。

孙允广:替代和放大人类主观创造力是同时发生、并行存在的。‌DeepMind创始人德米斯·哈萨比斯说过一句话,解决智能问题,然后用它解决一切。尤瓦尔·赫拉利在《未来简史》中提出过一个观点:未来1%的人成为神人,99%的人都是无用之人。你觉得AI会拉大这种差距,让更多的人变成“无用的人”吗?

李宁:人与人之间存在着原生差异,过去体现在智力、教育、背景,有些人被动成为了99%的“无用之人”。而AI起到了平权的作用,从这个角度看,大家站在一个更公平的起跑线上,看你能不能跑出来。

AI基本汇集了人类所有的知识,真正的差别在于内在动因,能否发现真实痛点,尽力去解决它。在解决的过程中,创造价值、实现自我。

前段时间有个短片叫《丧尸清道夫》,播放量上亿,创作者是一个中专生。从这个角度上来讲,每个人都有了“火药”和“枪”,身体差异变小了,要考虑的是如何激发潜力。

还有一个问题,未来能否释放出更多的社会需求。一百年前,很多岗位不存在,互联网和信息技术催生出大量岗位,未来AI可能会创造出更多可做的事情。

孙允广:您是偏向乐观的?

李宁:这是一种希望。短期来看,个人能否在技术浪潮中获益,依然是很大的挑战。我们观察到,很多人把自己封闭了,不去获得这样的一个外挂能力和资源。

孙允广:就像当年的马车夫不愿学习驾驶汽车,您的这份希望,其实建立在两个大的基本点上,一是技术本质上会带来社会总创造的增量;二是人性是不断向前的,人类文明在不断探索更多外部空间、往前走的过程中,消化掉短期阵痛。

李宁:我们很难测算AI会催生出怎样的新需求,毕竟人很难测算自己从未见过的东西。从人的角度来讲,现有的教育体系并非创新导向,绝大多数人追求稳定,岗位设置是为了就业,个体是社会分工的一部分。而今天的超级个体,几乎都是野生的,没有被培训过,靠自己去琢磨、去判断。所以AI对教育体系的冲击非常大。

孙允广:您觉得未来人类跨过AGI拐点,人人都有一个具身智能或者脑机接口,今天的九年义务教育、大学教育还有用吗?

李宁:那要看大学的定位是不是还需要这样的载体。现在很多大学从业者在思考这些问题,有些高校已经开始尝试新的教育研究,我自己也在做相关研究。未来的教育形式还没有明确答案,但绝不是今天这个样子。在未来,大学不见得是唯一选项。

我接触过很多超级个体,他们获取信息不是听讲座,更多是以问题为导向,与AI互动。这是一种自上而下的学习,基于一个目标,打通所有相关的知识点,天然实现跨学科的知识融合。人扮演的是催化剂的角色,用人的直觉、灵感火花、关键性指引,发现问题。

孙允广‌:其实通识教育和AI时代的探索并不冲突。只有足够的通识教育积累,才能去探索。 

‌

李宁‌:这是一个知识升维的过程。很多人都在问AI时代该学什么,或许可以学哲学。AI可以做大量具体的事务,但越抽象的领域,人的不可替代性就越强。

AI coding 出来后,人不需要学具体的函数怎么写,反而要去理解coding的指导思想、编程语言的演化史、不同语言的设计逻辑和解决的核心问题。把这些搞清楚后,你才能更好地判断一个项目用什么编程语言。这迫使人在一个更高维度的空间里去思考。

孙允广:万物大道相通,高维的知识好比登山,你通过哪一条路去登上山顶。

李宁‌:这让跨学科融合成为可能。过去的科学训练非常具体,每个学科底层、语言体系不同。但站在高维视角,人就能触类旁通,打通关键节点。

未来AI原生组织,如何分工?

孙允广:回到 AI跟组织上,您觉得AI原生组织与传统企业组织的区别有哪些?

李宁:一是组织里干活的主体发生了本质变化。AI 原生组织抛弃了基于技能分工和工作量分工的传统形态,不再是科层制金字塔结构。

二是在“生成”和“验证”环节,尽可能地让AI去做任务,人只在关键的边缘场景当中做验收。只不过,人要去构架系统、配合AI系统运行,而不是给所有人配一个AI工具,让AI去配合人,但组织结构没有实质性变化。

再一个是决策。过去是人在做各种各样的决策,处理不确定性,但所有的决策存在着一个模糊空间。生成式人工智能的优势在于概率性,可以配合人做决策。

现在很多组织用AI替代了大量中层岗位,通过上下文(Context),了解组织的状态,压缩信息流转的损耗。组织形态会从过去的大规模兵团作战,变成由超级个体驱动的“特种兵模式”。

孙允广‌:如果一家企业用AI的水平分成青铜、黄金、王者不同段位,您会怎么划分?

‌

‌李宁‌:最底层是不用AI;往上一层是没有系统性用AI,只有少数员工自发使用;再往上一个段位是每个人都使用AI工具,但组织方式不变。接着是有些业务线发生了变化,跑出AI落地的试点。更高一层是用AI改造现有的流程,做事方式发生改变。

最高的段位是AI原生组织,围绕AI重新设计整个组织,人配合AI运行,而且组织形态时刻变化,根据AI技术,迭代组织形态。

AI有点像进化的活体,新的大模型自带特性,围绕它设计的脚手架、Harness都会发生变化。业内的Harness Engineering(管控工程)就是在做这件事。这套体系是高度动态的。

孙允广‌:为什么很多企业的AI转型,是一个伪命题?

‌

李宁‌:第一是时间太短。ChatGPT问世到现在不过四年,AI大模型还没进入真正的技术收敛,沉淀出统一标准、成熟架构和最优落地方案。向组织渗透的时间自然更短。

第二是任务非常难。AI组织变革是一种进化,用鳃呼吸的水生生物上岸后,用肺呼吸,改变了整个器官功能,旧机制会强烈抵抗。大部分企业是满负荷运行,AI转型如同在一个满员的旧房子要搞装修,住在旧房子里面的人,还在做各种各样的事情,装修对他们来说就很麻烦,他们不愿意走,担心“装修”会影响正常业务。

最后是人才问题。有些AI成功的案例靠超级个体驱动,但它无法形成可复制的方法论。这里面有一系列的矛盾要克服。

孙允广:您刚才讲到一个案例,AI转型好比在一个住满人的屋子里搞装修,还有一些业务惯性。对于立志进行组织变革的企业家来说,该怎么去推进这个事情呢?是在某个部门做试点,还是重新开展一个新业务,或者是彻底推翻重来?

李宁:相对成功经验是做冗余和重建。一个几百人的部门,领导或超级个体判断业务线适合做AI,原有业务不动,单独拉出两三个人另起炉灶,相当于租个房子做AI试点,短期会有一个投入成本。

一旦做起来,积累了方法论和人才之后,传统业务的人再迁徙过去,裂变出更多业务,加之正常的人员流动,慢慢地完成转型。

这里有个重点是做好与超级个体匹配的激励机制。现在组织里出现了一个明显的逆向选择,过去是绩效差的人被末位淘汰,现在是头部人才主动选择离开。

孙允广‌:看您的书时,我有一个思考,AI会让科斯“企业的边界”变得模糊。其实AI也是有边界的,AI也构建了新的边界,比如人要管理多个智能体,人的注意力始终是有限的。AI在消解传统边界的时候,其实也是在构建新的边界。在控制论中,一个复杂系统的控制系统,要比这个复杂系统更复杂。同样,也有一个悖论,AI很复杂,但是是人类创造的。

‌

李宁‌:这涉及到新型分工方式。过去的分工是技能分工、工作量分工:你是美术、我是后端,语言体系不同,沟通摩擦成本大。现在智能体完成前后端的基础工作,所以新的分工逻辑变成“认知分工”,分担人的认知资源。

在AI原生组织中,核心是驱动智能体,人首先负责定义需求,告诉AI做什么,确保token 烧得有价值。其次是人要形成验收闭环,降低了交接成本。

孙允广:AI时代仍然需要分工,只是重新建构了分工逻辑和形式。

AI时代,最稀缺的两类人

孙允广:很多人很关注,AI时代人才的核心标准是什么?哪些能力会变得特别重要?

‌李宁‌:第一是挖掘真实需求、解决真实问题的能力。这与环境有关,背后涉及到品位、判断力,能精准识别出哪些问题值得解决,解决之后能创造怎样的价值。

第二是容易被忽略的能力是目标感和内驱力。认准一个靠谱的方向就能all in,砸进去所有的认知资源,利用AI边学边解决,持续推进。

过去的教育体系培养的大多是追求短期目标的人,最欠缺的是有内驱力的人,AI让跨界成为可能,哪怕你完全不懂数学,能不能靠AI砸穿,真正的去解决一个社会需求。

孙允广:更底层的能力变得重要了,愿力、领导力、共情能力、审美能力等等,而不是单纯语言能力、记忆力。那么,反过来看,什么样的人会被AI时代淘汰?

‌

李宁‌:第一是偏封闭的人,拒绝承认技术趋势和AI迭代速度,这是一个非常危险的信号。

第二是停滞的人。逆水行舟不进则退,人很容易停在某一个节点上,第一批率先使用AI的人可能会停止迭代。

孙允广:马斯克和黄仁勋有个著名辩论:马斯克认为AI会带来极大创造力,未来人不用工作靠发钱就能生活;黄仁勋认为每一轮技术革命都会让人更忙,AI医生出现之后医生反而更忙了。你怎么看?

‌

李宁‌:从我个人的状态看,实际上更忙了。过去脑子里无数想法,绝大多数都做不了。现在有的想法靠AI或多或少往前推一推,自然会更忙。

从社会层面看,新想法催生出新机会,创造出新的价值增长点,经济增长点,“盘子”做大了,物质越来越丰富。

从人本身来讲,人不是一个喜欢躺平的动物。有些人躺平是受外部环境影响,是一种习得性无助。现在很多人主动用AI,做更有成就感和影响力的事情。

AI越来越强,普通人该怎么办?

‌孙允广‌:AI时代,勤奋还值钱吗?几代人信奉 “努力干活就有回报” 的价值观是否受到了冲击?

‌李宁‌:勤奋依然值钱。过去的勤奋大多是重复苦力,花10小时做重复工作,非常折磨人;现在的勤奋是主动拓展认知边界,真正突破式的创新,人将两个领域不经意地结合起来,产生火花。

孙允广:从单纯的重复性苦力到创造性探索,其实是勤奋方向发生了改变。您如何看待最新出现的AI“新内卷”,本质原因是什么?

‌

李宁‌:我们跟一些企业家聊,大家有一个共识:AI要促进增长。

“新内卷”的本质是没有出口,没有创造价值。现在只是把流程AI化,十个人的活变成一个人干,总价值没有增长,自然变成一个新的内卷。

我们发现了一些成功案例,以前一个20人的团队服务1000个用户是亏损的,不划算。现在靠AI就能把这件事做成。1000个人释放出巨大的需求空间,曾经大量被忽略掉的长尾用户,变成了“小而美”的生意。这就是AI带来的全新增量空间。

孙允广‌:您提出一个观点:1个人+99个智能体,比100个人更好用。为什么?

‌

李宁‌:组织的边界,本质上是交易成本均衡的边界。在不需要大量核心认知资源的场景里,100个人协作有极高的沟通、协调成本,本质还是手工作坊模式,建立在“规模等于能力”的等式上。

AI正在把外部交易成本推向无限接近零,边界正在消融。一个人指挥一群智能体,就像搭建了一座自动化无人工厂,你只需要在关键节点做决策、做指引,剩下的工作全部自动流转,效率自然是量级的差距。1个人加上99 个智能体的能力,可能超过100个人的能力。

这就是为什么一个人可以成为一家公司。

孙允广‌:《管理百年》的扉页上有一句经典的话,管理没有最终的答案,只有永恒的追问。

李宁:翻译过来就是管理在不停地打补丁。人类发明了层级、会议、绩效考核、企业文化等等,我称之为打“补丁”。

孙允广‌:不是所有的隐性知识都能够被“提取”,有的凭借直觉。您在书中写道,尝试去给隐性知识打标签,但其实很难。

‌

李宁‌:显性知识和隐性知识不是零一关系,它是连续变量。最深处的隐性知识极难捕捉,比如一个段子为什么能让人发笑;昨天还成立的笑点,今天可能就完全失效。

很多行业顶尖的专家,把自己潜意识里的判断逻辑梳理出来,变成可传递的规则。就算完全没法言说,靠大量历史数据微调模型,最后AI判断的准确率超过行业专家。

很多你以为的“纯直觉”,其实只是你的大脑在潜意识里完成了思维链推理,你自己没意识到而已,本质上依然是可以被传递的。

孙允广‌:最后一个问题,很多企业家都有强烈的AI焦虑,您想对企业家说什么?

‌李宁‌:焦虑的来源分两种,一种是完全不了解AI,听别人说都在用就慌了;另一种是太懂前沿,被AI迭代速度吓到了。

对前沿的人来说,要意识到AI在全社会的渗透速度,远比你想象的要久得多,我们有一个调查,全世界绝大多数人没怎么用过AI,订阅过AI服务的人很少,真正用智能体的人极少,社会整体的进化节奏没那么快。

对完全不了解的人来说,要躬身入局,不能只让助理去研究,获得二手信息,必须自己上手用,建立对AI的真实体感和认知,拿到属于自己的AI时代上下文,你才能准确判断冲击有多大,制定出适合自己企业的调整策略。

图片

排版 | 莫莫

审校 | 莫莫 主编 | 夏昆

跳转微信打开

  •  

打爆全球的中国缝纫机,成了年轻人的时尚单品

巴九灵 2026-11-14 12:05 北京

作 者:巴九灵

来 源:吴晓波频道(ID:wuxiaobopd)

印象中的缝纫机,还是父母结婚的三大件,长黑色身体,脚踩时发吱吱声。

如今,缝纫机已经成了社交货币,线下与线上的“缝纫自习室”密集了起来。

一位杭州缝纫机自习室老板估计,周边已经出现50多家。

另一位郑州缝纫博主认为:“今年是大爆发的一年。”依据的是平台推流可观。

可佐证的是:京东数据显示,2026年上半年,缝纫机成交额同比增长超25倍,高于同比增长20倍的拼豆/玉米粒;抖音话题#缝纫日常#,播放次数已达598亿次。

家用需求爆发

智能缝纫机成了时尚单品

“我们对缝纫机固有的思想——枯燥中老年人补补衣服和裁缝谋生的手段,是低端的。”

吕天航说道,他是服装设计专业出身,在杭州经营一家150平方米的缝纫机自习室。

这一局面正在迅速改观。

一大批18—35岁的年轻女性,将缝纫机教室当成了新型解压与社交场所,在旧衣服上绣花、为毛孩子织便服、做包包、发圈,及各类玩意,玩得不亦乐乎。

“主要是抱着休闲态度,想学一门手艺只占了5%。”吕天航说道。

图源:受访者供图

不过,兴味正浓。其售卖三天速成课程,每周能接待十来个付费顾客,还设置了20分钟260元的进门参观费。

“这(指参观费)都收了几万块,全国来看的,每个月都有外国人。”他兴奋说道。

去年底,一位00后博主“一坨线团团”,租了郑州市中心位置的房子,投入十多万元购置布料与设备作为业余爱好及副业,顺带开放后,没曾想每周能接待4—5个学员。

“万一不想干我的工作了,还能从缝纫上赚点钱。”她乐观规划道,指的是私人定制业务,尽管当地很快多了五家自习室。

图源:受访者供图

缝纫爱好者成为服装制作者,并不容易。但想象空间十足——据该博主透露,之所以喜欢缝纫,主要是觉得女装太差了,其常用服装已经基本自制,而此前她每年购买服装需花费2—3万元。

放到整个产业链中,这些现象便不奇怪了:智能缝纫机快速普及,行业内外的边界基本被打破了。

图源:受访者供图

比如,据多位受访者总结,一千多元的智能缝纫机,已经具有调速、触屏、自动穿线等功能,数千元机型还提供自动绣花。且二手缝纫机,仅需六七百块。

“当年用的还是机械机,会卡顿,缝着缝着会‘吭愣’。”吕天航说道。2018年,他刚开缝纫机自习室时,需十天半月才能教会一个小白做衣服,如今则仅需三天。

他的三十多台缝纫机,以杰克工业缝纫机、麦嘉家用缝纫机为主,清一色的国产机。

“能调速的机器每一针可以非常慢,初学者手和脑子都能跟得上。”上述博主具体说道。

她早年用的是不到百元的便宜机子,如今一口气配置了三四台中高端缝纫机,主要是重机、兄弟等日本进口品牌,单价从一千多到数千元不等。

打爆全球的中国缝纫机

迎来了内需市场的机遇期

当我们把这一需求现象,放置于中国缝纫机产业,会发现它来得恰逢其时。

首先,缝纫机属于舶来品,而中国已经将全产业链收入囊中。

“国外已经没有产业链,大局被中国人掌控。”产业界资深人士阳志杰说,他从2013年开始带领中国缝纫机企业出海。

如今,中国整机产能约占全球85%,产业链年累计出口额近40亿美元。最具含金量的工业缝纫机,年产量超过600万台,占全球80—90%,年出口约500万台;民(家)用缝纫机年产量亦约400万台,绝大部分用于出口。

缝纫机产业肇始于美国,二战后向日本、德国全面转移,90年代初再向中国转移。长期以来,中国占据中低端市场,高端机及核心技术却被日德企业占领。但如今德企基本出局,只剩兄弟、重机等少数日企巨头,算是中企挑战。

当然,日企零部件与整机制造依赖中国供应链,且缺乏性价比。“同一技术水平,普通机型比中国贵20—30%,特种机贵一倍。”阳志杰补充说道。

其次,尽管服装产业不断向海外转移,但缝纫机产业链仍然会留在中国。

众所周知,缝纫机的下游行业是服装纺织业,而这是产业海外转移最显著的行业。

据已有的第三次至第五次全国经济普查公报数据:规模以上纺织服装、服饰业企业从业人员数从2013年底的750.8万下降至2023年底的449.2万,下滑超40%。

世界贸易组织数据显示:2015—2024年,中国在全球服装出口中的份额从38.5%降至29.6%;到了2025年,中国纺织服装出口额下降2.4%,而主要承接国越南的纺织服装出口额却增长6%。

但是,中国缝纫机产业的海外转移并没有发生,近几年出口额增长了10亿美元。浙江台州已经拿下全国超过60%的产能,产业积聚效应拉满。

“无论国外的工业基础,还是我们的产业链要素,差距太大了。”一位行业资深人士如此说道。

第三,当前行业主要问题是内需不足,而国内家用市场的发展堪称神助攻。

受服装产业外移等因素影响,2025年,中国工业缝纫机内需销量降幅达29.7%,内销规模为近年最低水平。

真正的问题在于,据中国缝制机械协会副理事长刘敏在2025年初接受媒体采访时披露:“国内家用机市场大概年销量在二三十万台左右,远远低于年产量。”

日企恰恰擅长家用市场,正受益于此。据日本兄弟公司的中国市场负责人张燕的数据:“中国市场连续三年保持30—40%增长”,该公司在全球家用市场份额占比超过25%。

2026年1—8月,中国缝制机械产品进口额同比下降约26%,但家用缝纫机进口量15.8万台,增长52.76%,刺绣机进口量1099台增长73.07%,日本在进口额中占比达到了54%。

家用机主要分为普通机与多功能机,后者的年产规模在200万台左右,公认是未来增长点。

比如,中国缝制机械协会理事长杨晓京提到未来五年的发展规划强调:“中国多功能家用机产销占全球份额约20%,计划提升至30—40%。”

克服行业内卷

仍是抓住新需求与智能创新

当然,缝纫机产业和不少国内产业类似,全球压倒性产能优势下,并不自动使全行业受益。

一位行业资深人士描述的体感是:“行业亏钱的多,可能40%到50%都处于亏损边缘。”

起到一定佐证的是:2026年1—8月,中国工业缝纫机出口量355万台,同比增长0.87%,但是出口额11亿美元,同比下降4.98%。

一位受访的佛山缝纫机企业老板李俊的遭遇颇为典型:

他在2022年原创开发了全自动开袋机,凭此一个生手可完成3—5个熟练工的工作,被公认为中国本土难得的创新之作,中日大型企业蜂拥而至,他多次拒绝日企贴牌合作,但产品自打面世以来,不得不面对大面积抄袭与低价内卷。

“我还守在十二三万的终端价,但差不多有几十家在抄,已经卷到五六万。如果是日本、德国开发,卖到中国起码要40万左右。”他苦恼地说道。

一个引领全球的中国产业,当然并不都是悲观一面。

总体而言,行业K型分化明显。比如,全球工业机第一名的杰克科技,其年净利润达到8.56亿元。

全球首台国产人形缝制机器人“艾妮”上岗

图源:半月谈

李俊自打2012年入行后便见证了一个个缝纫产品的极致内卷,不得不且战且退,但也在不断开发新品中越挫越勇,终于成功。

“我当时做的模板缝纫机,成本是27000块左右,同行突然来了28000块的批发价,竞争不了,用的配件、标准件、整个机架都不一样。”他回忆道。

这几年,李俊公司的产品年出货量从90多台快速提升到近800台,员工从十人扩大到百人规模。

“做一个全球明星产品是有机会的,我对全球市场是有信心的。”他用力地说道。

当越来越多用户使用与购买家用缝纫机,将为后续发现用户痛点、完善产品创造机遇,促进民用细分市场,形成良性循环。

比如,部分产品颜值升级,富有改善空间。据多位受访者均指出:“国产机外观看起来像在工厂里,有股班味。”

比如,研发使用门槛更低的机型,仍然适用多数企业。“如果出现不用去学习绣花制版的绣花机,我会买。”上述博主举例说道。

“头部企业不是不能做好高端市场,更多是商业取舍。”阳志杰这样强调道。

排版 | 仲轩  

审校 | 正风主编 | 夏昆

跳转微信打开

  •  

黄仁勋卸任CEO,狠狠上了一课

原创 散人 2026-11-13 20:20 北京

作 者:散人

来 源:正和岛(zhenghedao)

黄仁勋,还是走了。

11月12日,英伟达发布公告:黄仁勋辞去公司总裁、CEO及董事职务,即刻生效。在董事会正式确认继任者之前,现任执行副总裁兼CFO科莱特·克雷将暂代CEO一职,董事会成员哈维·琼斯则出任公司首任董事会主席。

一边是创始人的离开,一边是首任董事会主席的诞生,英伟达要处理的,显然不只是CEO的更换,还包括如何理顺“后黄仁勋时代”的内部权力结构。

毕竟在过去的33年里,黄仁勋与英伟达深度绑定。从游戏显卡到通用计算,再到今天的AI基础设施,黄仁勋几乎参与并主导了英伟达的每一次重要战略转向。随着英伟达逐渐站至行业顶点,黄仁勋也成为英伟达最耀眼的一张对外名片。

对于过去的英伟达来说,这无疑是一大竞争优势,但黄仁勋的“暴雷”,也暴露了一个隐藏在水面之下的问题:当企业的各项发展都与创始人紧密相连时,组织本身的抗风险能力还剩多少?

换句话说,当企业的风险来自自家创始人时,离开创始人的企业,又是否已经具备“独立行走”的能力?

从个人风波演变为公司危机,只需五天

事件的起点,是黄仁勋“暴雷”的私人生活。

11月8日,黄仁勋在英伟达官网发表公开信,承认自己对妻子不忠,并向家人、同事、董事会、合作伙伴和股东道歉,表示愿意承担后续责任。同一天,英伟达董事会宣布启动独立调查。

11月9日-10日,随着多方媒体的持续报道,更多、更敏感、更惹人联想的信息被披露。处于风暴中心的黄仁勋,或许还深陷中、美两国的芯片暗战,事件持续发酵。到10日时,英伟达宣布:董事会独立成员已聘请外部律师参与调查。

11月11日,第二位与黄仁勋有染的女性(英伟达某高管)被曝光。同一天,英伟达董事会召开会议,讨论是否解除黄仁勋的CEO职务。据美国证券交易委员会透露,董事会已于当天接受黄仁勋的辞呈。

11月12日,黄仁勋离开英伟达的消息得到官方正式确认,科莱特·克雷和哈维·琼斯暂时抗起了“后黄仁勋时代”的公司大旗。

至此,这场由个人行为引发的舆论风波,只用了五天就演变为公司危机。

这起事件最后会发展到何种程度?我们不得而知。但有一点可以确定:眼下的英伟达必须与黄仁勋做出切割。

黄仁勋离开背后,值得关注的3件事

黄仁勋这次离开,表面看由个人风波触发,但不宜简单归为一条花边新闻,也不宜过早归结为某一个单一原因。

站在企业发展的角度来看,更值得关注的是:当创始人与公司长期深度绑定时,一次突然的人事变动会牵出哪些治理问题。目前来看,黄仁勋离开背后,至少有三件事值得关注。

1. 管理者的个人信誉,也是公司的经营资产

一家公司的信誉,不仅来自产品和业绩,也来自外界对管理者的信任。

客户愿意签订长期合同,员工愿意在公司长期发展,投资者愿意长期持有股票,都离不开对管理者的信任:当个人利益与公司利益发生冲突时,管理者不会损害公司的利益。

黄仁勋之前在公开信中向除了家人之外的同事、董事会、合作伙伴和股东道歉,恰恰说明他自己也意识到,个人行为已经影响到外界对公司的信任。

2. 创始人缺席时,公司靠什么维持决策连续性

而比起讨论私人关系本身,还有一个更值得追问的问题是:当创始人长期是公司最重要的决策节点和对外代表时,一次突然离开会不会让公司出现“决策真空”。

临时CEO可以稳住日常经营,但董事会需要尽快明确:哪些授权已经下放,哪些对外关系需要交接。真正考验公司的,不是如何评判私德,而是个人变量出现时,组织有没有制度化的决策连续性。

3. 董事会的职责是保护公司,而不是保护某一个人

对于英伟达来说,黄仁勋的贡献与重要性不言而喻。但创始人的贡献再大,也不能替代董事会的治理职责。

当个人争议可能影响到公司内部管理与公司信誉时,董事会必须独立判断风险,并有责任查清事实,判断公司还能否在现有管理者的带领下维持正常治理。

尤其是英伟达这样的全球性科技公司,业务涉及先进芯片、国际客户和出口管制,董事会的职责更是重要。而黄仁勋的离开,恰恰是董事会这层保险的“启动”:企业不能因为一个人过去足够成功,就允许他在今天不受规则约束。

暴露的问题值得深思

黄仁勋的离任,让英伟达面临的挑战不止是寻找一位新CEO。更深层的问题,是如何把过去集中在创始人身上的能力,转化为公司可以长期拥有的能力。

1. 创始人的个人判断,可以成为企业优势,也可能形成关键人物风险

英伟达的发展史,很大程度上印证了黄仁勋的战略眼光。

1993年,黄仁勋与Chris Malachowsky、Curtis Priem共同创立英伟达。早期公司主要服务于图形处理市场。2006年,英伟达推出CUDA,让GPU能够用于更广泛的通用计算。此后,随着深度学习和人工智能的发展,CUDA逐渐成为英伟达竞争优势的重要组成部分。

这项投入并非一开始就能带来巨额回报。它需要长期研发,也需要开发者、软件工具和应用场景共同成长。黄仁勋的坚持,帮助英伟达抓住了一个后来被证明极其重要的方向。

但一家企业越是依靠创始人的判断获得成功,就越容易形成对创始人的路径依赖。

管理学中有一个概念叫“关键人物风险”:企业的重要资源、知识或决策能力过度集中在少数人身上,一旦关键人物无法履职,组织就可能出现断层。

英伟达今天面对的,正是这种风险的集中体现。黄仁勋离开后,CUDA不会消失,研发团队不会解散,客户也不会立即离开。但那些涉及长期技术方向、产品取舍和资源配置的判断,能否由新的管理团队接续?这才是需要验证的地方。

2. 信息共享不等于权力分散,管理团队必须真正承担责任

2024年,黄仁勋在与Stripe CEO帕特里克·科里森的对谈中透露,自己有60名直接汇报对象。他不喜欢一对一会议,更倾向于让管理团队共同讨论问题,让大家同时获得信息。

这套管理方式有鲜明的黄仁勋风格。它减少层级,提升信息透明度,也让不同部门能够在同一张桌子上讨论问题。

但这里有一个容易被忽视的区别:所有人都能听到CEO的判断,不代表所有人都能独立作出判断;所有人都参与讨论,也不代表所有人都承担了最终责任。

如果重大决策长期需要创始人协调,管理团队就可能习惯于提供意见,却缺少独立统筹全局的机会。企业看起来层级很少,关键权力却仍然高度集中。

克雷斯目前担任临时CEO。她自2013年加入英伟达以来一直负责财务工作,熟悉公司的财务状况和资本市场沟通。由她暂时接任,有助于稳定日常经营和外部预期。

但临时接任不等于已经确定长期接班人。财务管理与技术战略、产品路线和组织领导是不同的职责。英伟达董事会表示将同时考虑内部和外部候选人,也说明正式人选尚未确定。

对英伟达来说,下一步不只是选出一个人,还要让更多高管真正承担跨部门决策责任。公司需要的不是一群能把工作汇报给新CEO的人,而是一支能够共同经营公司的管理团队。

3. 接班不是临时找人,而是提前完成权力与能力的转移

企业接班最容易出现的误区,是把它当作职位空缺后的招聘问题。

真正有效的接班安排,应该在创始人仍然掌舵时就开始。接班人要参与重大决策,建立外部关系,了解公司的关键业务,也要有机会独立承担经营结果。否则,即使坐上CEO的位置,也未必能够真正掌控公司。

伯克希尔·哈撒韦的交接提供了一个参照。

2026年1月1日,格雷格·阿贝尔正式接替沃伦·巴菲特出任CEO,巴菲特继续担任董事长。这次交接并非临时决定。阿贝尔此前长期负责伯克希尔非保险业务,逐步承担更大的经营职责;公司董事会也持续讨论继任安排。

两家公司业务结构不同,不能简单照搬。但伯克希尔至少说明了一点:接班不是某一天宣布谁来接班,而是通过长期授权,让接班人逐步获得经营经验和组织认可。

对很多中国民营企业来说,这个问题同样现实。创始人往往是企业最重要的客户关系维护者、资源协调者和决策者。企业规模越大,越容易形成“大小事情都要老板拍板”的惯性。

真功夫的控制权纷争就是一个值得警惕的案例。蔡达标与潘宇海两方围绕公司控制权长期争执,最终演变为持续多年的纠纷。蔡达标后来因职务侵占、挪用资金等罪名被判刑14年。

真功夫的情况与英伟达并不相同,但它说明,股权关系、家族关系和企业经营如果缺少清晰边界,内部矛盾可能对企业造成长期伤害。

企业家需要做的,不是等到必须离开时才寻找接班人,而是在企业仍然健康时,就逐步把权力、责任和能力交给下一代管理者。

4. 董事会不能只在危机发生时发挥作用

英伟达此次任命首任董事会主席,也值得关注。

一家企业的董事会,不应只是重大事项的审批机构,更应该持续关注公司战略、风险控制和管理层继任。尤其当创始人同时是CEO、公司形象代表和关键决策者时,董事会更需要保持独立判断。

这不是要削弱创始人的作用,而是要避免公司治理完全围绕创始人展开。

企业发展到一定阶段,创始人需要从“所有问题的最终答案”,转变为“组织能力的建设者”。董事会要有能力监督管理层,管理团队要有能力共同决策,接班机制也要在日常经营中不断得到检验。

这几件事做得越早,企业面对突发变化时,付出的代价就越小。

结语

黄仁勋的离任,不会让英伟达积累多年的技术、人才和客户关系一夜消失。但它会迫使这家公司重新回答:过去由一个人承担的判断、协调和代表职责,今后由谁来承担?

对英伟达来说,这是一场管理层交接,也是一场组织能力的检验。

对更多企业家而言,这也是一个值得提前思考的问题。创业时,企业需要一个敢于拍板的人;发展到一定阶段,企业更需要一套不因某个人缺席就失灵的机制。

创始人当然可以是企业最重要的人,但不能永远是唯一重要的人。

企业家的价值,不只在于亲手把企业带到多高的地方,也在于有一天自己不再掌舵时,企业依然有能力走下去。

图片

排版 | 仲轩

审校 | 仲轩 主编 | 夏昆

跳转微信打开

  •  

十五五开局,北控水务给出水务行业一个“AI+”新样本

原创 羡鱼 2026-11-13 20:20 北京

水务“AI+”的终局

作 者:羡鱼

来 源:正和岛(ID:zhenghedao)

“AI+”的风正快速吹到水务这个万亿行业。

就在11月4日,北控水务集团创新产品发布会暨北水生态园启用赋能活动在杭州北水生态园成功举行。

政府领导、行业专家、企业代表和从全国各地赶来的水务企业、生态伙伴等上百位嘉宾齐聚于此,他们共同探讨了“AI+水务”“水务数智化转型”“‘十五五’水务新范式”等行业热点话题,以期借助AI的力量实现水资源的高效利用。

但比“来了多少人”更值得注意的,是北控水务这家连续十六年位居“中国水业十大影响力企业”榜首的水务企业,在“十五五”开局之年亮出的底牌——一套用AI重新编排水务运营逻辑的系统方案。

北控水务集团党委书记、董事局主席王亮在欢迎辞中强调:“进入‘十五五’,水务行业的运行逻辑正在深刻改变:供水安全的标准在提高,减污降碳的要求在提高,数智化的门槛也在提高,数智化已从‘可选项’变为‘必答题’。”他把北控水务的作答概括为三个“焕新”:技术焕新、模式焕新、生态焕新。

十八年前,北控水务从四川绵阳塔子坝一座污水厂起步,一路走到总资产、总收入、水处理规模行业领先。北控水务走过的是一条典型的规模扩张路径,建更大的厂、铺更长的管网、拿更多的项目。

但到了今天,北控水务开始把自己重新定义为科技公司、平台型企业,这件事本身就揭示了水务行业正迎来一个“AI+”趋势。

这也是笔者参加大会后一个强烈感受:我们正在看到AI在重构乃至颠覆整个水行业,一场行业大变局即将发生。而那些能够与行业紧密结合,为行业带来更安全、稳定、高效体验的AI产品和方案,也很震撼,很颠覆认知。

在“十五五”开局当下,水务行业正在发生一场什么变革?这场变革中,水务行业的“AI+”起到了什么样的作用?北控水务给出的是一套可以拆开来看的样本。

十五五,水务行业为什么必须从“规模扩张”走向“价值深耕”

要理解北控水务的动作和选择,要先看清行业正在发生什么?

在过去几十年,水务行业的底层逻辑遵循的是规模经济的逻辑,即水厂建得越大,处理每吨水的成本越低;管网铺得越远,覆盖的用户越多。所以很多企业过去都在做同一件拿项目、上规模。

但这条路,走到“十四五”末期,已经基本到尾声了。

水务行业的底层增长逻辑已经变了。

据水利部数据,2025年中国完成水利建设投资12848亿元,连续4年超万亿元,“十四五”时期全国累计完成水利建设投资56841亿元,是“十三五”时期的1.6倍。

尽管数字本身并不难看,但水利建设投资的增量释放速度在不断下降,用行业研究者的判断来说:“以规模扩张或跑马圈地为主导的水务发展时代已经结束。”

随着城镇化率达到高位,污水和管网的新增空间持续收窄,行业的主战场从“建增量”转向“营存量”,从“谁建得更多”转向“谁运营得更好”。

并且这种收窄,不是周期性的放缓,而是整个行业迎来结构性的定局。

此外,需求侧也在同步发生变化:客户要的不再是单点项目的治理,而是城域级、系统化、一体化服务。

传统水务“建得越大、单位成本越低”的规模经济,在存量深水区里正在让位于另一套逻辑:运营效率、系统协同和智能密度,成为决定企业质量的核心变量。

政策层面,“十五五”国家战略报告也为水务领域划定了新的格局与方向。其核心可以概括为“三大核心部署”:

1、构建现代化国家水网,涵盖防洪及排水体系、韧性流域和水源保障体系建设;

2、碧水保卫战下沉,治理重心从一二线城市转向三四线,并纵深下沉至县乡,聚焦管网修复与面源污染控制;

3、强化水资源刚性约束,水资源承载力成为国土空间开发与产业布局的刚性红线,节水和漏损控制升级为决定区域发展上限的硬约束。

这三大部署共同指向一个方向:水务行业的价值重心,正在从“建多少”转向“管多好”。

并且如果说三大核心部署划定了“管什么”的边界,那么在北控水务看来,“十五五”期间水务行业还将出现更具深远影响的是三大系统性变革,即“怎么管”:

一是AI+数智化,全面实施“人工智能+”行动,推动全行业数智化升级;二是深化水价改革,建立可持续的公用事业价格机制;三是投融资提质,通过REITs常态化发行推动“资产盘活+资本循环”,未来行业巨头将是精于资产盘活、善用并购工具、主打轻资产运营的敏捷企业。

与此同时,技术侧也在逼近一个临界点,智慧水务建设正从基础系统搭建走向数据赋能、智能决策的深度跨越。

全球水管理中的AI市场2024年约为75.4亿美元,预计到2032年达到538.5亿美元,年复合增长率接近28%。

更关键的是行业内部的趋势,AI基底上的水务趋势正朝着小型化、集约化、边端无人、存量智驾、系统最优五个方向演进。

2026年被称为智能体应用元年,国务院《关于深入实施“人工智能+”行动的意见》也明确提出“智能体即服务”。

一个很容易被忽略的事实是,水务是所有工业流程里,最依赖老师傅经验的行当之一。

混凝、沉淀、过滤、消毒、生物活性炭、膜过滤,一串工艺段就像串糖葫芦一样串在一起,哪一段的参数出问题,出水就可能不达标。过去守着这些工艺段的,是一代代用时间熬出经验来的工艺技术员和巡检员。

而这也是AI创造高价值的场景,把老师傅的经验沉淀成Skill和知识图谱,把反复调试的工艺参数训练成模型,让系统自己盯着进水水质、能耗药耗、设备工况,主动找出最优解。

北京工业大学校长乔俊飞在发布会致辞中,把这种变化概括为水务治理的三个根本性转变:由规模化扩建向精细化运行转变,由污染物消纳向资源化利用转变,由人工操控向智能化运行转变。

“过去更多关注怎么把一个厂建设好,现在更多关注怎么把现有条件下的厂运维好。让每一度电、每一剂药、每一吨水都发挥出最大效益,这是头部企业要努力的方向。”

中国人民大学教授王洪臣则把话说得更直接:行业进入深水区,任务不是少了,而是更重了。

“溢流污染治理、深度控氮控磷,是基于生态文明、基于人水和谐、基于美丽河湖自然推导出来‘十五五’未来十年要好好干的事。到了最后攻克堡垒的时候,对科技的要求就很高。”

这也是为什么在当下这个节点上,北控水务把“AI+数智化”放到了“十五五”三大系统性变革首位。

AI+数智化不只是意味着技术更加先进,其包含的算法、软件与数据等要素将成为“十五五”期间行业核心利润驱动的底层变量。

也正如北控水务高级副总裁于立国在战略发布前所说:“一家企业的真正护城河,从来不是某一项资产,而是对大势的判断、对航向的把握。”

看清了行业往哪走,接下来要回答的问题是:这件事,为什么是北控来干?

为什么是北控水务?北控水务的新解法

这里先分享一个很多人不了解的细节:北控水务的数智化,不是在大模型概念出来后才开始的。

北控水务高级副总裁于立国在发布会上回忆,2017年北控水务就确定了未来发展的四个阶段,明确提出要从投资型公司向服务型、科技型公司转变;2017年底提出生态战略,2018年底提出创新战略。“当时我们有一个说法,怎么才能不被超越、不被颠覆?有一个方法就是自己颠覆自己。你把行业颠覆了,就没有人能颠覆得了你。”

从2018年率先在业内构建系统性运营分级评价标准体系,到2019年发布BECloud智慧云平台,2021年发布数字化战略、研发出水务行业第一个智能控制机器人“北控小蓝”,2023年构建“云—链—端”运营新范式、首倡“未来新水务”,2024年发布“三平台”战略,2025年全面启动AI战略。

从标准化,到数字化,再到智能化,北控水务走了七年。

再来看当下的路线图。

北控水务集团行政总裁王助贫在发布会上发布了“十五五”规划《向新而行 价值共济》,把它概括为“12345”蓝图:

“1”是一个经营宗旨,客户为源、创新为道;

“2”是两类业务,基石业务和成长业务;

“3”是三大升级,从规模扩张向价值深耕升级、从单体项目运营向城域级系统治理升级、从末端治理向绿色资源循环升级;

“4”是四大主题,资产优化、数智赋能、科技创新、代差领先;

“5”是五大支撑,党建引领、战略管理、组织创新、人才发展、安全管理。

“十五五”末,北控水务要形成两大核心业务:

新服务,依托大体量存量资产,在主营主业上深耕,构建全新的服务体系,这是守正;

新发展,依托科技创新,在主营延展的新方向上打造“二次增长点”,这是出奇。

此外,运营、技术、工业、再生水、管网,也被北控水务明确为五大关键布局领域。

王助贫有一句表述:“北控水务将由一家投资型的企业转型为一家科技加持下的运营公司。”她还提出三个转变:从单点运营向城域最优转变,从合规运营向韧性运营转变,从被动响应向主动服务转变。“我们深知,只有在技术、效率、成本上持续保持代差化领先,才有可能服务于地方政府,与地方政府一起实现更高的价值。”

值得注意的是,新服务和新发展这两者之间不是并列关系,而是因果关系。

新服务是底盘,新发展是出口。

没有大体量存量资产的运营场景,AI就失去了最真实的训练场和验证场;没有在存量场景中被打磨到“代差化”水平的AI能力,新发展也无从输出。北控水务对此有一个清醒判断:重资产存量不是包袱,而是“科技创新的最佳试验场和高效孵化土壤”。

而这组关系的一个核心抓手,是“云—链—端”,它不是一个技术架构图上的三层模块,而是对传统水务生产关系的重新编排:

1. "端"是厂、管网、河道这些最底层的运营单元,被标准化、数据化,变成可远程感知、可远程调控的节点;

2. “链”是能力的集约,北控水务将工艺调控、设备维护、能耗优化等专业能力从单个水厂中抽离,集约到专业化链上公司,人不再被一座水厂锁定,能力也不再被一处资产锁定;

3. “云”则是智慧大脑和数字化平台,让“端”的数据和“链”的能力在系统层面完成最优匹配。

运营的核心单元,从“厂”变成了“系统”。

这套模式在北控水务内部已经跑过了验证期。北水云服总经理贾丕星把这条路分成三个阶段:

1. 2018年到2021年,打造水厂标准化运营体系,推出星级管理,解决基础、规范、工艺侧的销缺,“2025年我们所有水厂没有发生一单环保处罚”;

2. 2022年到2025年,全面部署污水运营管理系统SED,配套区域集约化变革,从9个试点、18家到56家城市级区域公司全覆盖;

3. 2026年开始,进入“AI IN ALL”的新阶段。

效果也很直接,人效在原有基础上再提升20%,夜间无人值守水厂超过50%,核心设备程控率接近90%,应急响应速度提高50%。绵阳塔子坝污水厂被集约化改造后,被央媒报道为“黑灯工厂”,白天高质运营,夜间无人值守。

某种程度上,新服务的本质是把一座水厂的能力,变成一张网的能力。

“云—链—端”范式下长出的最硬核的成果,是Enki。

Enki是污水行业垂类大模型,由北控水务2025年启动研发。它从一开始就不是聊天机器人,而是“懂工艺、善决策”的运营大脑:基于高质量数据集和固化专家经验的运营知识图谱,以小模型构建智能体、大模型统筹全厂运行最优解,目标是让污水处理厂从“人盯参数”走向自适应调控。

Enki要实现两个能力:自主控制,由工艺AI直接指挥标准化设备端,替代人凭经验拍板;自主迭代,系统自己寻优,逐步替代工艺专家和技改专家的职能。

围绕Enki,北控水务搭起了一个完整的数智化产品体系:污水运营管理系统SED(底座支撑)、Enki大模型(智慧大脑)、厂网协同运营管理平台(横向延伸)、产业互联平台云涟网(能力输出)。

贾丕星透露,2025年工艺AI试点已在山东枣庄、广东广佛启动,初步实现电单耗下降;2026年计划推广到30座三星级水厂——“选的不是差厂,而是已经较优的厂,验证AI还有没有空间”。在枣庄,低碳高效生化控制系统使吨水电耗降低11.9%、碳源投加量减少49.3%;在广州花都,曝气电单耗同比下降超过20%,除磷药剂单耗下降33%。北控水务的最终目标,是通过AI深度应用推动水厂电耗、药耗稳定下降20%到30%。

新发展也不只有软件。

发布会下半场,北控石犀总经理周俊芳发布了硬核科技产品:以自主研发的北控速粒(好氧颗粒污泥)工艺为“发动机”的万吨级污水综合体,把水处理功能和附属设施高度集成,用装配式罐体和钢结构实现“工厂预制、现场拼装”,像造汽车一样造水厂;面向海外市场的供水C-P-U系列产品,2024年已通过欧盟CE认证。

北控石犀从工程型企业向科创产品公司转型,2025年获批“专精特新小巨人”企业,两个产品获得“国际领先认证”。浙江工业大学教授李军在发言中评价,北控速粒突破了低浓度生活污水颗粒化的难题,并在十余个项目推广应用,“中国好氧颗粒污泥技术已整体进入工程应用阶段”。

如果我们再把Enki和北控石犀放回“新服务+新发展”的框架里看,意义就清楚了:新服务在存量场景中养出了AI能力,AI能力又成为新发展的产品内核。

两条腿走路的实质,是把“规模领先”兑换成“能力领先”,再把“能力领先”兑现为“价值领先”。

为了支撑这条路径,北控水务在发布会当天成立了战略咨询委员会和技术顾问委员会,分别由乔俊飞和王洪臣担任主任,首批11位外部专家覆盖水务、人工智能与数字化、环境产业、环境经济等方向。北控水务集团高级副总裁马韵桐说,双委会要帮企业“把方向、严把关、促转化”,让独立、专业、有分量的意见进入重大决策。这既是“科技北控”战略的承接,也是“一枢纽两委会”新模式的落地。

从经营资产到经营生态:水务“AI+”的终局

如果文章停在这里,北控水务的样本仍然只是一家头部企业的“自我升级”。但发布会传递出的更深一层信号,在于它选择把能力开放出去。

在北控水务“十五五”数智化布局中,最具行业外部性的不是某一款产品,而是云涟网。

这个产业互联网平台的核心工具是“数据沙箱”和“模型实验室”。

数据沙箱的逻辑是“数据可用不可见”:原始数据不出域,行业伙伴和算法团队可以在安全隔离的环境中调用脱敏数据、训练模型、验证算法,但无法下载或导出原始数据;

模型实验室则开放北控水务自研的工艺控制、能耗优化、故障诊断等经过项目验证的核心模型,供行业伙伴直接调用或二次开发。

据北控水务披露,平台已沉淀4.56万亿条真实运行数据,模型实验室已积累1700多个模型;云涟网首批上架732类数据指标体系、28个经过内部验证的成熟模型,以及产品和解决方案的评价评测体系、行业知识引擎。

这件事的意义在于:当行业里最有能力做AI的人,选择把能力开放出去,而不是锁进自己的护城河,水务行业的“AI+”就不再是少数头部企业的定制化游戏,而开始具备系统最优的可能性。

中小水务企业和创业团队不必从头建设数字化底座,不必用数年、多座水厂的数据去“喂”一个模型,而是可以在一个已经跑通的底座上做自己的事。

行业从“单点最优”走向“系统最优”,前提是能力可以流动。云涟网做的,就是让能力流动起来。

贾丕星用三个词概括这套逻辑:北控水务自己做数智化,追求的不是“单好”,而是“均好”;打造云涟网,是希望通过“均好”实现“都好”,把北控水务积累的能力向行业赋能。

“产业互联网平台的核心底座一定是数据。北控水务正因为有了优质的数据资产,才提出来要打造一个产业互联网平台。”

可以说,龙头的终极形态,就是要成为行业的操作系统。

但需要注意的是,如果水务行业的“AI+”只停留在降本增效和产品输出的层面,它终究只算得上一门更好的生意。

只有当它开始改变一座城市、一个流域的水资源调度方式和运营效率,它才配得上"新解法"这个词。

在“十五五”的布局里,有一个容易被忽略但分量很重的方向:厂网协同与城域级一体化。

“云—链—端”在“十五五”的延伸方向,正是把单厂层面的智能运营上升到厂网协同与城域级系统最优。当AI开始在厂、网、河、湖之间做统筹决策,水务的价值尺度就从“处理了多少吨水”,切换为“让一座城市的水系统以多高的效率运转”。

这也解释了北水生态园启用的深层含义。它不仅作为一个新落地的办公园区,更是一个“科技创新×生态协作×产业孵化”的物理载体。

北控水务想做的,不是在自己内部完成AI化,而是让AI化的能力在生态中生长,让更多行业伙伴在同一个底座上长出各自的产品和服务。不过这也需要主管部门的引导,需要行业上下游的相互支持,需要与更多伙伴展开合作。

相信当各方力量攒成一股劲,拧成一股绳后,人类对于水资源短缺、水污染等问题的解决能力,包括对水资源认识和使用方式都将上升到一个新的层次。

结语

科幻作家威廉・吉布森有句话被引用了无数次:“未来已来,只是分布不均。”

这句话放在水务行业,也格外地贴切。不得不说,当Enki在污水厂里自主寻优,当绵阳塔子坝的夜晚已经黑灯运行、而出水依旧稳定达标,当一家水厂运营企业,把污水垂类大模型连同数据沙箱一起向全行业开放调优,“AI+水务”听上去已经不像科幻,更像日常。

参加完这场发布会,除了对北控水务“AI+”样本的技术惊叹,更在心底涌起一份沉甸甸的感受。

无论是十八年从一座污水厂走到行业领先,还是在“十五五”开局之际选择把自己重新定义为科技公司、平台型企业;无论是把“云—链—端”范式从内部验证推向全行业开放,还是把云涟网的4.56万亿条数据变成行业公共品。坦白说,如果没有对水务行业结构性困境的清醒认知,如果没有对“让每一座水厂都运转得更好”这件事的执念,这些选择其实很难坚持做下来。

正如老子在《道德经》中所说:“上善若水,水善利万物而不争”“江海之所以能为百谷王者,以其善下之”。

那些最厉害的人和公司,往往不是最高调的,而是在看不见的地方、在不起眼的角落里,做了很多实事好事。

在北控水务身上,我们不仅看到了一家水务巨头的战略选择和转型决心,更感受到了一份来自行业头部企业的责任与担当;把能力变成公共品,把智能从单厂溢出为系统,让整个行业在同一个底座上向前走。

相信不久的将来,我们会看到更多这样的水厂,白天高质运营、夜间无人值守,出水稳定达标,而水处理的成本,比过去更低。水务行业终将被重新定义。

祝福北控水务,祝福中国水务行业。

排版 | 仲轩  

审校 | 仲轩主编 | 夏昆

跳转微信打开

  •  

98后,一个罕见天使轮诞生

吴琼 2026-11-13 20:20 北京

以下文章来源于:投资界

投资界

清科控股旗下创业与投资资讯平台

作 者:吴琼

来 源:投资界(ID:pedaily2012)

这也许是你从未见过的景象:一个长度达到67米、宽40米、高23米,外形酷似“飞艇”的白色巨物缓缓升起,最终抵达4000米高空。

其实这并非什么飞艇,而是临一云川研发的高空风力发电装备——依托浮空平台升至高空捕获稳定风能后转化为电能,通过系留线缆向地面持续输电。

时间回到2023年,曾是高中同窗的顿天瑞和翁翰钶意识到高空风能的巨大潜力,于是联手成立临一云川,自主研发平流层浮空风力发电系统(SAWES)。

临一云川创始人兼CEO顿天瑞(左一)

三年时间,临一云川从地面起步,升上4000米高空。现在他们拿到新一轮融资——临一云川已完成天使轮系列融资,由尚融资本领投,中信建投、湘江国投、坤榕投资、奥克斯、西上海集团、金宏气体、盛业股份等机构跟投,老股东中金资本旗下基金持续追投。

“好风凭借力,送我上青云。”透过临一云川,这条以往只存在于科幻想象中的赛道缓缓揭开面纱。

4000米高空,打破行业纪录

投资人集体押注

翻看本轮资方阵容,涵盖头部财务投资机构、国资平台和产业资本。如此多元化资本集体入局,印证了高空风能赛道的高成长确定性和巨大市场空间,以及临一云川技术路径和产业化节奏的兑现能力。

看似遥远的赛道,为何引来投资人集体下注?

实际上,虽然产品还处于技术研发与产品迭代的环节,但临一云川已完成数轮融资,累计获得多家顶级机构数亿元资金支持,当中不乏深圳华强新能源、中科创星、中金资本等创投圈熟悉的面孔。

早在2024年底,中科创星就独家投资了临一云川种子+轮融资。作为中国硬科技投资的标杆机构,中科创星此前已支持众多前沿科技项目成长。彼时中科创星的判断是,“人类对风能利用的演进趋势为陆风-海风-高空风,对高空风能的利用将极大拓展风能未来的市场空间。”

与此同时,临一云川在早期展现出的技术进展,让投资人看到其将技术路线转化为工程成果的能力。

某种程度上,这也解释了本次顺利完成天使轮系列融资的原因——就在上周,临一云川S4000在城市场景完成放飞,成为4000米级浮空风电系统首次在城市场景的放飞试验。

此次城市首飞,充分验证了在城市周边真实工况下,工程化交付的完整性与现场快速部署能力,标志着我国平流层高空风电技术正式从技术迭代走向工程化落地。

于投资人而言,一家企业能否不断突破技术瓶颈、把设想变成工程成果,决定着它能走多远。临一云川过去三年的实践,已经让投资人看到了持续进化的可能。

透过这一幕,我们也看到越来越多投资方看向高空风能赛道。比如,领投方尚融资本在私募股权、并购整合等领域拥有超过20年从业经验,此次投资也显示出其对高空风电作为新型能源方向的前瞻性判断。

湘江国投、中金资本、中信建投等国资代表为前沿技术的突破提供长期耐心资本支持。

而奥克斯、金宏气体等产业链企业的参与,则为公司后续探索应用场景、对接产业链资源和供应链协同提供基础——须知道,一只充氦浮空器的升空,背后是囊体材料、氦气资源、轻量化电机、系留缆绳等一整条产业链的配合。

临一云川的成长,正是得益于中国完备的工业体系。

聊起这次融资,临一云川创始人兼CEO顿天瑞还回忆起一个细节:尽调过程中,他们把投资人带到工厂和总装现场,实地看制造条件、产线准备和团队状态。技术专家在一线、关键环节自主可控、总装链路完整,这些现场能直接感受到的东西,打动了投资人。

接触下来,他有一个感触很深:“到了本轮,投资人的关注点已经不是能不能做出来、方案是否成立,而是在问能不能规模化、能不能快速实现订单交付。”

如此,也揭示了临一云川下一步发展方向——顿天瑞表示:“将以本轮融资为契机,继续加大研发投入、完善制造能力,推动浮空风电技术迭代与应用落地,向规模化商业应用迈进。”

下一幕,或许就是高空风能的爆发时刻。

两位98后同学

联手打造“空中电站”

透视下来,这是一个不同寻常的创业组合。

创始团队中,顿天瑞和翁翰钶均出生于1998年,来自深圳,是高中同班同学。学生时代,两人就常常在一起交流各自成果和想法。一个富有想象力,一个擅长落地,他们恰好成为创业最佳搭档。

直到2023年,经过长期调研与碰撞,二人将高空风力发电作为创业方向,正式成立临一云川。目前,公司已经组建了一支由资深专家组成的核心工程团队,平均从业经验超过十年,核心成员来自浮空器与电力系统两大专业领域。

细看临一云川核心产品——平流层浮空风力发电系统(SAWES),包括浮空平台、发电模块、电力传输和系留线缆。该系统的工作原理是,用充氦的浮空器把重量较轻的发电机组带到预定高度,利用涵道引射扩散原理高效发电,再通过系留线缆把产生的电能传输到地面。

在临一云川看来,打造SAWES过程中,最大的难点在于容错空间小。“高空风力发电在国内还是一个很新的方向,没有成熟范式可以参考。更现实的压力在于,这条路留给我们试错的空间很小”。作为走在前面的团队,系统最终要在真实环境里长期、稳定、安全地运行,每一步都必须验证扎实,不允许出现失败。

“我们能做的,就是保持很高的迭代效率,用一个个已经被验证过的节点稳步往前推。”几年下来,围绕发电平台姿态控制、轻量化发电、千米级中压直流输电等关键问题,临一云川团队持续攻关,逐步掌握了蒙皮、系缆、轻量化风电部件、系统控制等核心环节的技术。

支撑团队不断向更高空域探索的,是高空风能本身蕴藏的巨大潜力——据相关研究,6000米高空的风能密度均值是地表风能密度的20倍以上,高空中所蕴含的风能超过目前人类社会能源总需求的一百多倍。

而临一云川希望到达的高度是10000米,这也是团队过去几年持续迭代的方向:2024年,临一云川S500型完成公司首次公开测试,验证高空发电设想。该机型在湖北首飞至500米,打破了由美国保持了多年的297米世界纪录。

2025年1月,S1000型飞至1000米,刷新行业纪录;9月,全球首台兆瓦级S1500型试飞成功,完成戈壁工况总装、构形保压测试、昼夜强风放收等一系列预定试验科目;今年1月,适用于城市环境的兆瓦级S2000型完成并网发电测试;8月,S4000型完成全球首次4000米海拔级浮空风电系统放飞。再到本月,S4000首次在城市场景完成放飞试验。

在临一云川的产品设计中,他们用每一款产品的飞升高度为产品型号命名。每一次产品迭代与验证,积累的数据和经验都将直接指导后一代的研发,也意味着距离他们的终极目标更近一步。如何让高空风能从技术验证走向规模化商业应用,或许是他们要攀登的下一座高峰。

能源下一站

能源,永远都是一条充满想象力的赛道。

纵观历史,无论技术如何更迭,能源始终是人类社会发展的底层支撑。从蒸汽机推动工业革命,到电力重塑现代社会,再到新能源成为全球能源转型的重要方向,每一次产业变革的背后,都离不开能源供给方式的变化。

新一轮科技浪潮下,这种需求被进一步放大。当AI数据中心高速扩张,决定算力能否继续增长的,不再只有芯片,也包括稳定、充足且高效的能源供应。正如那句话,“AI的尽头是电力。”如何扩大绿色电力供给、提升资源开发效率,成为能源技术创新的重要课题。

但长期以来,能源行业一直存在一个“不可能三角”:绿色、稳定、经济,三者难以兼得。高空风能的天然禀赋,让业界看到了同时满足这三个条件的可能:

第一,风能是绿色能源,SAWES全寿命周期(20年)零碳排放;

第二,高空风能量密度大、风速大且稳定、常年不断,属于可再生能源,稳定性极强;

第三,高空风能更强劲。根据风能公式,风速每提升1倍,风能提升至8倍,通过风机转化为电能的效率更高,能源价格随之降低,达到平流层后,理论度电成本可低至0.03元/kWh。

如此,高空风能渐渐进入投资人视野。

风向标已经出现——2026年7月,国家发展改革委、国家能源局印发《可再生能源发展“十五五”规划》,提出“探索研究高空风电等新型风能利用技术”,为这一前沿方向的持续探索提供了政策指引。

政策层面的支持,为高空风能行业指明了方向。未来,高空风能将适配并网供电等多元应用场景。

一方面,广阔的产业应用空间叠加政策端的明确指引,高空风能赛道的长期价值已逐步获得资本与产业端的共识。但也需要看到,作为前沿能源技术方向,其产业化落地仍处于稳步推进的蓄力阶段。目前国内掌握全链条核心技术、并完成多型样机实景验证的市场参与者较为稀缺。

从工程化验证迈向规模化应用,高空风能正处于产业能力持续夯实的关键阶段。设备运行可靠性打磨、空域管理协同适配、复杂气象条件下的系统稳定性优化,是行业产业化推进中需要逐步完善的共性方向。

作为先行者,这是临一云川正在努力的方向,也将成为临一云川日后面对竞争的优势。

回看每一项新技术的诞生,往往始于一些看起来大胆甚至有些冒险的想法。尤其是当中国硬科技创新逐渐走向深水区,产业发展需要的不只是对成熟技术的持续改良,也需要有人敢于探索尚未被充分验证的方向。

至少,关于能源的想象,从来不应该止步于地面。

排版 | 仲轩  

审校 | 仲轩主编 | 夏昆

跳转微信打开

  •  

从“可被替代”,变成“不可替代”

正和岛 2026-11-12 23:04 北京

很多做企业的,心里都清楚一个事实:客户随时可以换掉你。

尤其是做代工的。订单靠客户给,款式靠客户定,利润靠压价。做得再大,能力也长在别人身上。客户一走,公司剩下的,只有厂房和设备。

李肖静做了十几年外贸代工,有一天突然把这个问题摆到自己面前:

如果公司做10年、20年、30年,没有客户、没有销售人员了,公司还有什么?

这个问题,让她做了一个决定。

李肖静是做医疗护具出口的,如骨科固定护具、康复支具等,产品卖到了全球160多个国家和地区。

回顾做外贸十几年,她一直在OEM和ODM的圈子里打转。客户给图纸、给款式,按人家的要求做。做得越多,越发现自己没有真正属于自己的东西。

如果没有了客户、没有了销售人员,公司剩下的,似乎只有制造能力。

而制造能力,是最容易被替代的。

所以她决定:做自有品牌出海。

品牌出海不是换个包装那么简单。过去是客户给图纸、给款式,按人家的要求做。现在做自己的品牌,研发、设计、创新能力必须过硬。她搭建了自己的研发设计团队,从卖产品转向卖解决方案。

“我不想在价格战里卷,那样没有出路。”

转型很辛苦,两年下来,品牌体量还不大。但有一个变化让她挺高兴,有了研发设计能力,反而赋能了原来的B端大客户。客户觉得你有服务他的能力,更愿意合作了。企业的增长点,恰恰从这里长出来。

这大概就是代工和品牌最根本的区别:代工是在别人的链条上干活,品牌是长出自己能解决问题的能力。前者靠成本,后者靠能力。成本可以更低,但能力很难被替代。

如今,李肖静有了一个真切的心愿,那就是希望10年后公司能在全球护具行业占有一席之地。“这是奥非特所有人的梦想。”

说到底,有了护城河,梦就不会远。

#新质企业家 #医疗护具 #品牌出海

跳转微信打开

  •  

李彦宏,又一次走在了前面

原创 羡鱼 2026-11-12 21:56 河北

AI不只是一场技术革命,更是一场组织革命,而这个趋势是不可阻挡的。

作者:羡鱼

来源:正和岛(zhenghedao)

2026年,全球AI领域有两个并存的数字。

一个是:这一年全球企业在AI上的投入超过2500亿美元;另一个是:世界经济论坛联合科尔尼发布的白皮书中,只有25%的企业表示,AI真正带来了变革性影响。

剩下75%企业的AI投入去了哪里?

德鲁克在《21世纪的管理挑战》里提到:20世纪管理最重要的贡献,是把体力劳动者的生产力提高了50倍;21世纪管理需要做出的最重要贡献,是让知识工作者的生产力得到同样的提高。

放在当下这句话像提前埋好的伏笔,今天AI已经把大量“执行”的成本压到了接近于零,但知识工作者的生产力并没有真正得到解放。

问题不在技术,在别的地方。

就在11月12日,北京国家会议中心二期,百度世界大会2026举办。百度创始人李彦宏走上台的时候,外界期待的依然是熟悉的技术大戏:芯片、模型、参数、产品和AI领域的新进展。过去几年,技术突破始终是百度世界大会的主线,这次也不例外。

但在密集的技术发布之外,李彦宏将年度主题演讲的视野,延伸到了更深层的词:智能组织。

李彦宏谈到,“如果说人工智能是新电能,那么,智能组织就是AI时代的新厂房,是生产力真正发生的地方。”

他用一个比喻,点破了当下75%企业的AI投入困境:“AI没有产生预期的经济效益,是因为我们只是更换了电机,却还没有重新设计工厂。”

又一次,李彦宏走在了时代前面。

放在别人身上,智能组织看起来像是在炒作一个新概念;放在他身上,值得多想一层。

因为十年前,也是在这个舞台上,他说过一句略显不合时宜的话。

李彦宏,剑指“智能组织”

时间回到2016年百度世界大会,当时的大会主题是一句话:“AI is the New Electricity.”(AI是新电能。)

那一年移动互联网正烧得发烫。O2O补贴大战打得头破血流,共享单车的颜色不够用,直播短视频刚起势,所有投资人都在问:

下一个风口在哪?

但李彦宏却站在台上说,移动互联网的时代已经结束了,下一幕是人工智能。当时可能没多少人真正理解这句话意味着什么。

2016年那场判断,也成了百度此后十年所有动作的原点。

要理解他这次为什么又把“下一幕”指向组织,我们得把过去十年百度在AI领域的布局草蛇灰线汇聚在一起:

一张罚单。2017年,李彦宏坐智能驾驶车上了北京五环,收了一张罚单;同期,谷歌旗下Waymo在美国凤凰城启动无人驾驶早期载客测试;

一颗芯片。2018年,百度发布中国第一款云端全功能AI芯片;同期,亚马逊AWS推出首款自研CP;

一幅古画。2022年,文心大模型在现场补全《富春山居图》,李彦宏预测 AIGC将成为PGC、UGC之后的新内容生产方式。四个月后,ChatGPT发布。

一句话。2023年,“把所有产品都用大模型重做一遍。”同期,微软推出 Microsoft 365 Copilot,把AI嵌进办公软件。

五个智能体。2024年,百度现场演示智能体协作,几分钟搭出一套报名系统。半年后,Anthropic披露Research多智能体架构。

一把尺子。2026年5月,Create大会上,李彦宏提出DAA(日活智能体数)。之后Meta、亚马逊陆续撤下Token排行榜;Anthropic披露约3万个Agent参与内部研发。

某种程度上,百度探索AI的十余年,正是AI进入真实世界的十年缩影。

再把这六件事摊开看,会发现一条暗线:每次行业还在争论当下的命题,李彦宏已经在回答下一个问题了。

移动互联网正热时他谈AI,百模大战时他谈应用,硅谷沉迷Token数时他谈DAA,今天全球企业都在问“AI投了这么多钱为什么不赚钱”,他把答案指向组织。

这不是玄学。

技术出身、有多年企业管理实践的李彦宏,看AI的视角从来不局限在单项技术的突破上,而是技术怎么真正改变产品、产业和经济运行方式。

事实上,全球头部机构也在往这个方向跑。麦肯锡讲Agentic Organization,微软讲Frontier Firm,BCG讲AI-First Organization,IBM提出未来价值单元是跨部门的Agent工作流。

经济学家熊彼特讲“创造性破坏”:技术革命从不只更换工具,它会拆掉旧的协作结构。

组织层这道题,正是AI接下来要破坏的。

但百度站的位置,和这些机构有一个不容易复制的区别。

咨询公司讲组织,是从方法论出发;百度讲组织,是从一个跑了十余年的技术系统出发。

百度的芯片做了十几年,自动驾驶做了十几年,累计在AI上的投入超过1800亿。

“芯—云—模—体”全栈,本身就是一台已经装好并且转了很多年的电机。芯片给云提供算力,云给模型提供训练和部署环境,模型给智能体提供智能,智能体的任务数据又回到芯片和模型的迭代里。四层之间本身就是一个Looping。

当一个组织开始把自己的流程、知识和判断接入这台机器时,它就不是“纸上谈兵”了,而是在一个已经转动的系统上,重新安排人站的位置。

今天百度能谈“新厂房”,正是因为过去十年百度先把“新电机”一件件造了出来,智能组织也正是这台全栈电机在组织层面的自然延伸。

新厂房到底怎么盖

那么问题来了,新厂房怎么盖?

李厂长给了三条原则。单独看,每一条都不算石破天惊;合在一起,底层逻辑是一致的。

德鲁克说过,组织的目的是让平凡人做出不平凡的事。今天AI把“执行”的成本压到接近零:一张图、一段代码、一次数据分析,智能体几分钟就能交付。组织里真正稀缺的,是“谁知道该做什么、为什么这样做、上一次这样做对不对”。

这三条原则,是百度拿数万人的组织当试验场,跑出来的结论:

1. 打破岗位边界

明茨伯格曾说过:组织结构图是“公司最突出的人为产物”,它“从未认真考虑过实实在在的产品或服务”。

工业时代的组织,把人装进一个个格子,格子的边界定义了谁该做什么。

互联网时代,贝佐斯试图用“两块披萨团队”打破这个结构:团队小到两块披萨能喂饱,层级压扁。但再怎么扁平,格子还在。

AI时代,格子开始消融。组织开始从金字塔走向蜂窝,从以岗位为中心转向以任务为中心,未来组织是一个任务的网络,而不是一张岗位的表格。海尔的人单合一、Netflix的自由与责任,都有过探索,只是那时还没有Agent。

但现在不一样了,李彦宏在2026年5月的Create大会上说过一句话,以前最小生产力单元是一个团队,今天最小生产力单元是超级个体——一个人加上一支智能体编队。

在百度内部已经长出了一个新岗位,叫FDE,前沿部署工程师。过去百度智能云业务是三段式接力:前线销售和解决方案懂行业Know-how,交付团队在客户现场落地,产研在后方收反馈迭代产品。

三个环节之间是一道道部门墙。百度的FDE把这三件事打通,一个人带着智能体编队跑完整个闭环,目前已经在金融、能源、制造等行业落地了100多个场景。

在百度的数字人创新业务部,团队打破产品、研发、设计、测试的边界,全员向Builder转型。一名校招新人借助AI,用1天完成了原本需要5个角色、至少10天的工作。Apollo开源团队则是3个人加一支Agent编队,完成版本迭代,“人盯目标、Agent盯执行”。

很多时候,所谓岗位边界,并不完全是能力的边界,恰恰是知识和经验流动的边界。

2. 沉淀隐性知识

德鲁克提出知识工作者生产力的问题,卡点就在这里:一个老师傅的判断力,如果只存在于老师傅的脑子里,它就无法被组织复用,更无法被AI调用。

哈耶克1945年也讲过,知识天然分散在个体情境里,集中不起来。如今AI做的,是第一次让这种分散知识可以被批量归集。

真正的组织智能,是让知识显性化,沉淀到平台上,持续累积、随时调用、人人可用。

有意思的是,在百度内部有个叫dodo的AI助手。十来人的小团队做的,上线7个月覆盖99%的正式员工,推动300多个企业平台完成AI友好化改造,今年还拿了百度最高奖,一百万美金。

南方电网深圳供电局的“天璇”也提供了一个值得研究的样本。

南方五省两亿多人用电,配电网自愈线路能快速定位故障、恢复供电,但光是广西电网,2025年就发生了8215次永久性故障,传统人工研判一次要60分钟以上。

于是南方总调和百度搭子合作,学习上万条历史故障处理数据,把专家经验沉淀成可复用的专业知识,再把故障记录、开关信号、线路拓扑串成完整证据链,实现闭环研判。最后分析准确率70%以上,故障分析效率提升12倍,目前已在广西14个地市、112个县推广,且能在运行中持续自成长。

3. 设计流程闭环

如果说前两条解决的是“人怎么协作”“知识怎么沉淀”,第三条原则就是要回答最底层的问题:组织怎么自己持续进化?

客观上讲,闭环改善不是新概念。丰田的Kaizen和安灯绳,几十年前就靠一线反馈持续修流程。

区别在于,过去闭环靠人,AI让“反馈—优化”这一圈自己转起来。

李彦宏给了一个公式:可衡量+Looping=持续进化。

“未来,人和AI围绕一个任务形成一个Loop,迭代的方式我们把它叫做Looping。公司,就变成一个由无数Loops组成的、高度自动化运营的组织。组织,就变成一个不断学习和进化的系统。”

百度搭子自己就是这个环的第一个产物:上线以来完成160多次产品迭代,累计交付物超过2000万份。

在百度内部,DAA增长数倍,智能体周有效任务完成数增长11倍,组织Skill累计沉淀超2万个。

而在产业侧,百度伐谋3.0把这套逻辑锚定到业务结果上。在海高激光,百度伐谋进入生产经营核心流程,实现多机械臂智能排程,进入批量任务的泛化验证阶段。

可以说,未来,组织会逐渐演变成一个由无数Loops组成的、能够自己修正自己的系统。

要建立这个系统,企业需要真正把自己的流程拆开,让反馈真正跑起来。

智能组织时代,百度给出中国答案

如果再把时间拉长,企业的组织形态经历过几次大重构:

1855年,纽约与伊利铁路公司画出了世界第一张组织结构图,形状像一棵树,枝叶标注着各职能部门和人员分工。

那棵树定义了工业时代的组织逻辑:分工、层级、控制。

马克斯·韦伯后来把它系统化为科层制理论,机器隐喻从此成了组织的默认语言。

1911年泰勒《科学管理原理》把组织的分工与流程推向极致;钱德勒《看得见的手》则记录了现代大企业如何靠层级协调规模。

到了互联网时代,贝佐斯的“两块披萨团队”试图把树压平,用更小的单元和更短的决策链条对抗科层制的迟钝。但“两块披萨”解决的仍然是人的组织问题。

AI时代,组织的参与者第一次有了非人的智能体。命题从“如何更高效地组织人”,变成了“如何同时组织人和智能体,让判断力在两者之间流动”。

微软给出的答案是形态:Frontier Firm,投25亿美元建FDE团队帮企业设计流程。麦肯锡的答案是方法:Agentic Organization,一套重构架构和流程的框架;BCG主张“为AI重新设计公司”。

但各家讲的不是一回事。微软讲组织该长什么样,麦肯锡讲组织该怎么设计,BCG讲为什么要重新设计。

李彦宏给出的答案站在了另一个维度:机制。组织怎么自己长出来,而不是被设计成什么样。

为什么是李彦宏给出了一个如此不同的答案?

其中很关键的一点是,别人或多或少需要在一些环节上采购第三方工具,但百度从芯片到云到模型到智能体全链路自跑,四层之间相互加强、循环优化,所以它能讲Looping,讲组织级闭环,讲“可衡量”的反馈如何回到系统的上一层。

另外,李彦宏称,大模型产业正沿着两条路径发展,一条是向上突破,推高智能上限,一条是下实扎根。为此,百度将持续投入,研发下一代更前沿的基础大模型,另一方面会坚持“模体并行、协同进化”理念,让大模型为应用而优化。

大会现场,百度正式发布两款文心应用模型:文心闪电深度思考模型与文心一镜微表情大模型,同步上线百度智能云千帆平台,面向企业客户及合作伙伴开放API服务。

智能体层,百度搭子、库库、百度伐谋、百度一镜都有不少新升级。那段出圈的希加加采访李彦宏视频,其数字人正是由百度一镜生成。

值得一提的是,2026年二季度,百度AI业务收入占比连续两季过半,AI云连续六年中国市场份额第一。去年昆仑芯出货量国产第三,萝卜快跑覆盖全球28城。

这些数字的意义不在于证明百度“做得好”,而在于说明那台全栈电机已经在真实商业里转了足够久,久到可以支撑一个关于“新厂房”的判断。

李彦宏十年前种下的那颗种子,长出的不只是一棵树。它长出了一条从芯片到应用、从数字世界到物理世界的完整链条。

而智能组织,是这条链条终于开始回头改造它自己所在的组织时,必然要面对的那道题。

结语

“AI不只是一场技术革命,更是一场组织革命,而这个趋势是不可阻挡的。”

在百度世界大会上,李彦宏说出了这句话。

过去十年,李彦宏做过几次“不合时宜”的判断。但回过头来看,他的这些判断每一次都是在行业还在争论“当下是什么”的时候,他把答案推到了“下一步是什么”。

当知识工作者的“执行”可以被智能体无限复制时,组织还剩下什么不可替代的东西?

在2021年的《致股东信》,李彦宏曾写过这么一段话:

“过去的21年中,每当百度徘徊在十字路口,我都会问自己,什么能够让你真正制胜未来?

我认为就是两方面:一是你信仰什么(What do youreally believe in);一是你有多大的决心(your determination)。

从过去到现在,我们的信仰没有变,我们相信技术可以改变世界。我们也有决心,有耐心。我们熬得过万丈孤独,藏得下星辰大海……我们始终相信,科技为更好。

我们相信,技术的开放共享,让再微小的企业,都可以享受技术的红利,在创新面前机会平等;让再弱小的个人,都可以分享创新的果实,实现结果平等。”

当中国企业从“用AI提效”走向“被AI重构”,智能组织会成为所有CEO绕不开的必答题。

至于智能组织,还要由接下来十年更多企业的实践继续验证。而百度,也为观察AI时代公司的下一种形态,提供了一个值得参考和追踪的企业案例。

也祝福百度,智能组织所蕴藏的产业变革和社会价值,值得我们每一个人期待。

排版 | 仲轩  

审校 | 仲轩主编 | 夏昆

跳转微信打开

  •  
❌