吴晓波：新增长曲线，AI时代的企业竞争力

当前关于AI时代的讨论很多，但关键问题在于：

我们该如何真正迈向新时代？我们是否该放弃某些旧观念？是否需要寻找新方向？过去的商业前提是否依然成立？比如企业追求盈利时寻找的各种路径，其底层逻辑可能已发生根本变化。

这都是我们需要深入探讨的。

今天我将结合对企业的长期观察，与大家探讨三个层面的思考：AI时代的新增长曲线、企业创新发展的行动框架，以及穿越周期的创新路径，希望能帮助大家在AI时代建立更清晰的认知路径。

人工智能、大数据、物联网、云计算等新一代技术正在重塑各行各业，让产业生命周期越来越短，突破性创新持续涌现。

在这种剧变中，最显著的特征就是技术周期的大幅缩短。比如，过去的电话普及用了75年，互联网花了7年；而现在，ChatGPT达到1亿用户只用2个月，Deepseek仅需7天。

这种加速度意味着，谁能抢占技术制高点，谁就能定义新时代的竞争规则。

改革开放后，中国民营企业不断发展壮大，通过把握新一轮工业革命机遇实现了追赶。如今在AI领域，中国企业不仅参与度提升，更在部分赛道成为领跑者。

历史经验证明，企业能否持续领先，取决于创新能力的沉淀与突破。从工业互联网到人工智能，中国企业的进步轨迹印证了，科技实力才是支撑长期竞争力的根本。

企业要跑到前面，就必须向上游突破，完成“从技术研发到应用转化”的创新闭环。在这里，我们必须充分认知到一个根本性的变化：

AI革命的本质不仅是技术迭代，更是范式转移，是技术体系、价值标准和竞争规则的系统性变革。

就像电车的出现不只改变了动力系统，而是重构了汽车产业链。

对企业而言，这种变革使过去强调的“一米宽、一公里深”的专用资产战略成为一把双刃剑。

以前是人无我有便能胜，如今比拼的是迭代速度。如果不能快速地创新迭代，就会被快速超越。

专用资产越强，越要加速迭代，创造新资产，否则专用资产就容易变成沉没成本。

就像产能过剩的燃油车一样，当技术迭代速度超过资产使用寿命时，设备就会出现远超自然折旧的贬值。

在提升效率方面，人机协作提升生产率，通过流程优化和自动化，提升企业运营效率，从线性增长转向指数级突破。

这种突破不是原有生产力的渐进改进，而是由新生产力推动的质变。例如：

西门子成都智能工厂通过流程自动化，实现从机械执行到智能跃迁，自动化率达到90%以上，人均产值提升370%，订单交付周期从21天缩减为6小时；

亚马逊AI仓储通过数据闭环，提升决策效率与质量，AI助力全年运营成本降低13%，库存周转率高达8.9次（零售业平均为5.2次）。

AI作为通用技术的特殊性在于它深度融入生活和产业，本质上是在重构价值创造逻辑。

这里的结构主要指的是组织结构的变化。

企业本质上是通过有组织的活动创造价值，组织结构直接决定了企业的绩效表现。

但现在很多企业都遇到了这样的问题：过去信息不对称与知识萃取能力薄弱形成的壁垒正在快速消失，这导致生产要素（物料、人才、资金、技术）的流动性显著增强。

然而，传统层级分明的组织结构决策迟缓、部门沟通不畅......跟不上这种变化，最终拖累了企业对市场的反应速度。

我认为，企业应打破组织边界，让组织应像水一样流动，也就是建立"液态组织"。

关键是要让组织结构更扁平、更网络化，这样才能适应要素高速流动的新环境。

AI时代，价值链的核心正在发生转移。

产品只是入口，场景才是战场。

当前制造业已进入与终端客户无障碍沟通的新阶段，这种变化要求企业必须从被动交付转向场景驱动，主动感知用户具体场景中的需求，而非等待用户提出要求。

客户的需求不再局限于单一产品或服务（例如一个零部件或一次检测），而是需要覆盖整体场景的解决方案。

其中，AI技术通过个性化和主动服务，提升客户体验。比如，AI技术通过分析用户历史数据（如购买记录、行为偏好），提供精准的个性化推荐，让用户感到被理解，同时还能预测潜在需求，在问题发生前主动介入。

这种服务不再是标准化的，个性化、智能化成为新趋势。

AI技术通过开放合作和资源整合，打破传统创新壁垒，促进跨领域知识融合与创新，打造创新生态。

比如，传统供应链通常是线性结构，资源方、生产商、分销商之间信息封闭，依靠固定订单执行。

但现在供应商不再被动接单，而是主动创新解决问题。例如，特斯拉选择供应商的标准就是“谁能解决问题谁参与”，原本做空调的三花智控通过帮特斯拉解决新能源汽车热管理问题，最终成为其核心供应商。

这种变化导致价值链分配反转：过去可能是整机厂占产业链产值的70%，而现在是零部件厂商贡献升至70%。因为产品分工更细，零部件企业通过技术创新创造了更大价值。

在AI技术重塑商业格局的今天，企业需构建五项核心能力以占据竞争制高点。

在周期更替的关键时刻，企业可借鉴“SST模型”（战略-组织结构-团队），构筑面向未来的竞争力。

著名管理学者钱德勒（Chandler）曾说过：“战略决定结构，结构跟随战略。”

当企业动态调整战略时，组织结构也必须跟着调整。如果企业的战略变了，但结构还停留在旧模式，管理人员可能会因为习惯或自身利益而抵制改变，最终导致效率低下。

实际上，战略变化通常很快，但结构调整往往需要时间，容易滞后。因此，企业在制定新战略时，必须同时考虑结构是否匹配，这样才能确保目标顺利实现。

其中，团队是组织结构中的“活灵魂”。过去，团队往往是固定的，成员在一个岗位上工作多年，主要依靠老师傅式的经验积累。

但现在情况不同了。现代团队更强调动态性，成员流动性更强，灵活性更高。这意味着团队需要快速适应变化，迭代知识成为主流。

这种变化要求团队具备一种特殊的能力：忘却学习。

忘却学习不是简单的忘记，而是主动放弃那些已经过时、不再适用的旧知识体系，这样才能更好地进入新场景。

尤其是在技术发生根本性转变的时候，根深蒂固的旧知识反而可能成为障碍，因为它会阻碍新知识的吸收。

因此，忘却学习实际上是一种战略行为，它帮助组织在动态环境中保持韧性，避免被旧体系束缚。

在过去的几十年里，企业发展的变化速度显著加快。

我们观察到，过去成功的企业（如专精特新企业）往往聚焦于生命周期较长的细分领域（如特定零部件或原材料），通过专业化经营、精细化管理和技术创新建立优势。

这些企业依靠稳定的环境实现持续优化，例如通过深耕细分市场规避竞争，或通过特色化产品建立壁垒。

然而AI驱动的变革正在打破这种稳定性。

技术迭代呈现多条并行曲线，企业无法预判哪条路径最终胜出。这种高度不确定性要求管理逻辑从“规避风险”转向“包容不确定性”。

因此，企业需要重新思考生命周期的演变逻辑。传统生命周期曲线（初创-成长-成熟-衰退）在AI时代可能被重塑：通过持续创新和敏捷调整，企业能延长成长周期，甚至跨越衰退阶段。

中国企业的管理实践告诉我们：当变革成为新常态，当打破平衡成为一种主动的管理行为，需要一种全新的管理理论指引。

基于华为、吉利汽车等企业的实践案例，我们总结出了一套创新的管理体系框架——C理论，即情境（Context）、基于能动性（Agency）的共演和战略（Strategy）。

首先要识别具体情景，接着分析能动性因素（比如技术、商业模式、客户、供应商、竞争对手的共演），最后确定落地策略，这三个环节形成闭环。

任正非先生经常提到的“灰度管理”，其核心在于包容不确定性。

但要注意：在确定性问题上采用灰度管理反而会产生问题。因此关键在于区分场景——针对不确定性，我们需要培养“忘却学习”的能力，同时重视资源互补性。