一期播客能同时回答"模型公司还值不值得投"、“公司会不会消失”、“个人该怎么活"这三个尺度完全不同的问题，是罕见的。这期访谈的嘉宾曾鸣（ASR 误作"曾明”，下同）是阿里巴巴前总参谋长、长江商学院与湖畔创研院的参与创建者，刚出版了一本关于智能时代战略与组织的新书。主持人小军（B站科技区UP主）与他进行了一场以产业史为坐标的长对话。核心结论可以概括为三句话：AI产业化刚刚走完基础设施阶段、站上智能体阶段的开端；巨头在巨浪面前无一安全，因为阶段跨越在商业史上几乎无人完成过；公司与岗位这种工业时代的制度形态本身将在AI时代衰亡，卓越的战略与卓越的组织必须一起重新发明。
一、三阶段框架：token共识是第一阶段的完成时，OpenClaw热潮是第二阶段的开幕
曾鸣判断产业周期的基本方法，是把每次通用技术的产业化都拆成三个阶段：第一阶段是技术被社会接受、成为基础设施；第二阶段是基于基础设施的海量应用大爆发；第三阶段是原生应用阶段——用这套技术独有的运行逻辑去重构世界的新物种出现。移动互联网的对应样本是：iPhone+App Store完成基础设施化，墨迹天气们（日活快速过亿但不代表未来）撑起应用爆发，抖音与字节才是原生应用。
按这个框架，他给出了一个相当明确的坐标：2026年是第一阶段基本完成的标志性年份。证据是年初关于token的密集讨论形成了社会共识——黄仁勋在英伟达GTC大会上讲"英伟达的未来就是token factory"，Sam Altman马上附和OpenAI核心就是卖token。曾鸣认为这个词的关键在于：当一个技术有了标准度量衡，它就能被规模化、标准化地使用，就像一度电、一吨水、一个GB的流量。“我掉多少token、能干多少活、产生多少费用"一旦成立，智能就成为了社会基础设施。
而2026年同样是第二阶段的开场，标志是春节前后OpenClaw（ASR 误作"Open Cloud/龙虾”，下同）的爆发。曾鸣说所有人"天天疯狂一样弄这些东西"的背后，看到的是一个能够独立完成任务的Agent的无限潜力——所以他的结论是：智能体就是AI时代的新应用。
他甚至拿自己当年的经历做类比来校准我们此刻的位置：1992年最狂热的事是建网站，建站是为了分享信息；今天大家狂热地做Agent，是在分享能力。AI这轮创新让人类从信息时代进入了能力时代——而且今天大模型能有这个成就，正是因为九二年的建站运动完成了信息数字化，海量的信息和知识被放到互联网上处理完了，“今天分享信息已经没有必要了，大家都直接问ChatGPT答案了”。
对居中协调的读者来说，最有用的判断是第二阶段的价值与时长：第二阶段本身非常精彩且必要，可能有八年十年，而且"没有第二阶段的积累，就跨不到第三阶段"。应用爆发是在给技术指方向——字节是先做今日头条探索出推荐算法（既是技术模式又是商业模式），再由带宽与算力发展催生短视频，两者结合才出现抖音。技术成为基础设施后并未停滞，但往哪个方向发展，要靠海量应用去试出来。
二、浏览器还没出现：下一个最大的机会是Agent的"商减"入口
框架落到当下，曾鸣给出了一组环环相扣的推演。他指出一个细节：Agent的本质是把能力封装起来分享出去，OpenClaw提供了一个"原来能力可以这样被封装、被调用"的框架。对照九十年代：浏览器做成了两件事——用HTML把建站门槛降到零（创造端爆发），把浏览门槛降到点击一下（用户端爆发），然后网站泛滥，才出现了做"商减"的雅虎——先是一个目录，告诉你一万个网站里哪十个最有意思，再分类娱乐、新闻、股票。“熵增的同时一定要有熵减，降低大家的认知压力。”
而今天的现实是：你随便问身边任何人，都说不出两三个自己天天在用的Agent。所以他的判断是——连浏览器都还没出现，更没有看到雅虎的雏形。“如果你让我拍脑袋说，下一个最大的机会就是一个类似浏览器这样的机会：它会把Agent的标准统一起来，让用户用很简单的方法调用Agent，然后海量Agent爆发。这个可能是未来两年最让人兴奋的事情。”
这条推演继续往前走：雅虎与Google之间的鸿沟他坦言现在看不清，“等雅虎先辉煌三年，我们大概才能看到谁想去挑战雅虎”——毕竟Google起家时是给雅虎做算法服务商的，“在这个意义上，是雅虎孕育了Google”。三年后他预期开始出现Agent的路口：普通人怎么知道哪个Agent能用？敢不敢把重要的事、钱包、隐私交给Agent？它收的费用是不是真实的？“这种信任从何而来”——需要一个新服务商来建立信任机制，让用户相信标准、相信推荐、敢用里面的Agent。而更远的agentic OS（用户只需表达意图，系统直接调度市场上所有Agent干活）被他明确放到第三阶段：“Agent OS比我们想的可能要远”，因为前提是Agent真爆发、成熟到能被简单调用。
三、残酷的真相：OpenAI与Anthropic大概率不是原生时代的赢家
整场访谈最尖锐的部分，是曾鸣对当下明星模型公司的历史定位。他的底色来自商业史研究：“第一阶段的企业很难活到第二阶段，第二阶段的企业很难活到第三阶段。”
先给估值幻觉祛魅。主持人提到OpenAI市值万亿美金史所罕见，曾鸣说他专门查过：雅虎1995年成立，2000年市值达1200亿美元，按通胀与纳指回报折算约等于今天的万亿美元级别；消失掉的AOL在2000年高点市值2200亿美元、收购时代华纳后一度三千多亿，是当时市值最高的公司；谷歌1998年成立、2005年达到千亿美元；黑莓曾是最快达到千亿估值的硬件公司。“当一个技术有这么大冲击力的时候，第一波跑出来的公司就有这么大的价值”——但它们不一定能活到最后。
他对模型公司的定性是：“说的直白一点，就是未来的AI云公司。” 数据是新时代的石油，模型是炼油厂；但炼油厂跟化工厂是两类企业，化工（应用）后面比纯粹炼油（基础供给）有价值得多。他的类比很锋利：“汽车离开石油肯定不转，但你没听说过哪家汽车公司是由石油公司转化来的。“因此陆奇2024年说"OpenAI未来一定会比Google大，只是大五倍还是十倍的问题”，曾鸣的回应是：“我相信未来一定会有一家十万亿美元的公司，但未必是现在领跑的这两家。” 对于OpenAI是否会像过客一样消失，他明确说"我是这个观点”。
为什么先行者转不过去？他的机制解释是：第一阶段竞争的核心是技术"可不可用"，胜出者积累的是原创技术创新；第二阶段需要的是产品原创力、对普通用户的同理心、以及一大堆应用侧的新技术（比如上下文管理——你很难说它算不算大模型创新）。两套能力基因根本不同，所以转型不顺畅。新Lab出来的人里，一部分转向支持应用侧新技术，“这两个的结合可能就变成了第二阶段的王者”——技术依然在进步，但不再沿着原来的轨迹线性增长。
对模型行业终局，他的判断带着经典的产业经济学：“公共基础设施只有一种商业模式成立，叫寡头垄断加政府强监管。“社会依赖它所以强监管；供给太重要所以不能只有一家；投入太大所以不会无序竞争。“水电费能随便涨价吗？” 这对从业者残酷，但这是"基础设施"定义本身。今年的战况也印证了淘汰赛的展开：Anthropic先领跑、OpenAI再跟上、Google阶段性被甩下，xAI和Meta已经退出竞赛。
掉队的原因，他把主要权重给了组织。Anthropic从去年下半年开始用大模型训练大模型——把AI工具用于自己的主业，训练能力大幅提升，这就是"智能复利"的起点（还没到完全自驱的self-learning，只是局部使用就已产生巨大价值），叠加战略聚焦与组织优势，领先优势开始把弱者往后甩。而xAI"在硅谷任何一群工程师的场合，那个人永远是最疲惫的”——过度消耗的组织没有创新，且研究员普遍不认为马斯克懂大模型，“他自己给不出答案，又不给底下人空间给出答案”；Meta则是"出头早消耗也早”，内部资源调度困难，研究员同样不觉得小扎懂模型。对照正面案例：Sam依赖Ilya、Ilya能驱动事情，是好的搭配；Anthropic组织能力强、Dario对Mission Vision把握准，展现出聚焦的Vision Driven公司的爆发力。
中国的格局判断类似但节奏不同：今年年底是一个清晰的晋级线——谁跑不到3T（万亿参数级）的模型，估计谁就出局。“K3刚到了2.8T，智谱有点领跑，Kimi在3T上先交卷成绩基本满意，接下来看MiniMax、千问（ASR 误作"前文”）"——像世界杯八进四，同质化竞争的根源是大家都从美国原型快速跟进、同时起步、都去硅谷撸一遍研究员，“必然变成百团大战”。跑在前头的杨植麟、闫俊杰和智谱，胜在认知深刻、原生度高。作为基础设施的大模型公司窗口已经关闭——智能复利飞轮已经跑起来，新进入者毫无积累。寡头竞争的终局形态是"有一定的差异化，但足够同质化：同质化保证可以被替代，差异化让大家还有钱赚"——所以模型是个好生意，但只是成熟生意：“过个三五年，你就是大家调用你的服务、只会不稳定时complain、不会天天夸你的那个角色。”
应用公司要不要自训模型？他的回答有层次：Agent公司不用训传统意义上的模型——因为大模型竞争会让模型能力成为大宗商品，且"可以稳定调用，不用担心被切断，随时有合理的替代品接上来"；但下一阶段应用公司的模型与应用技术边界并不清楚，所以小红书、米哈游训模型是"补齐基本能力、为应用发力做储备"，不参与API工厂的竞争——“棋还在开盘布局阶段”。至于Cursor，他的定性很冷静：那是在coding能力不够时试模型边界的产物，“当模型发展以后，它被fold into（包进去）了，成了模型迭代的养料”。
四、应用的青黄不接与机器人的"等T型车"时刻
对当下应用创业的惨淡（主持人称之为"近两年Agent应用的冰点"），曾鸣的诊断是结构性青黄不接：模型能力已经溢出到很多简单任务，自己就能干了；但还没找到足够大的场景，能用Agent方法让AI做足够复杂又足够有价值的事、把性价比好的智能用得充分、还形成独特技术积累。去年硅谷demo day上一半项目做广告（素材生成、投放），“我当时就觉得不太可能有长期价值”——智能能力不够时做应用，很大程度上是在搭脚手架，等着模型能力一涨就把脚手架淹没了。今年思路要完全反过来：假定智能是完全够用的，核心是干活，干复杂的活——越简单的活越容易被复杂的活吞掉。
由此他给出Agent创业的入场门槛：至少要找一个十倍以上的切入点——做PPT、出报告都不够大。方向上，To B端到今年年底会涌现"组织大脑/组织操作系统/CEO的Agent团队"赛道；To C端情感陪伴、解决问题类会重新出现。关于飞轮，他的升级表述是：数据飞轮升级到了智能飞轮（智能复利）——前提是Agent能独立干活、拿到真实世界反馈，叠加算法创新（上下文管理、记忆、新交互），智能复利能渗透到其他场景解决更复杂任务，“找到或撞上最能规模化、最能泛化场景的人，最有可能形成黑洞效应”。网络效应的升级版也就是黑洞效应：应用场景越多、连接越复杂，越有可能拓宽"智商"。他的《智能商业》里数据智能与网络协同的DNA双螺旋，在今天相当于双双升级——“黑洞效应相当于这两个都升级了”。
机器人被放在同一个框架里审视：它还在极早期的战略探索期，核心制约是没有足够数据。两条路线（先做大脑追求泛化 vs. 先在场景里跑通数据闭环再反哺模型）在逻辑上都成立，“像爬一座山，可以从南坡爬也可以从北坡爬”。他最认可的类比不是汽车业本身，而是电器——机器人是AI跟物理世界交互的基本界面，“就像电，什么东西都可以被电重新干一遍”；可能像冰箱、洗衣机、空调一样，出现N个适用不同大场景的机器人。汽车史的参照点是：1900-1920年美国有几千家车厂，1913年福特建成全世界第一条电驱动流水线，才有第一个To C突破——所以"谁第一个实打实卖出一万台机器人，就是了不起的成就"，而那个原生应用级别的"T型车时刻"，现在还没到。
他甚至给巨头们逐一判了"缓刑"：“在巨浪面前，没有人是安全的。谁觉得自己安全，谁就是最不安全的。” All in AI是必要条件但远不充分——移动互联网那次其实是他称之为"1.5的创新"（延续性+颠覆性并存），所以头部互联网公司all in成功过渡，但颠覆性部分依然成就了抖音和拼多多；而AI整体上更倾向于颠覆性技术——“它都不是颠覆互联网，它颠覆的是工业革命，互联网本质是生产关系的革命，AI是生产力的革命”，延续性部分没那么强，原有物种适应新物种会非常困难。具体到公司：微软靠PC垄断+云积累曾经跨过一次，但现在模型投入不够、模型这块已经出局，连"买不起OpenAI"都被点出来了；Google大概率能成为很好的AI云公司（有TPU有大模型），但入口级消费应用不确定；字节模型在国内第一梯队、有机会成为AI云公司，但豆包"肯定不是"下一个时代的入口——它不计成本往里砸，恰恰说明豆包还不够；腾讯的社交关系"肯定重构"，Agent在其中的重要性大幅上升，现有产品加AI加Agent都是过渡产品——“QQ也过渡了，但真正承接移动互联网的是微信”；阿里同样面临人和货物关系重构的挑战。为什么巨头难再造入口？他给了一个前置条件式的论断：“你如果没有做出第一个真正成功的Agent，你大概率不理解Agent怎么运行，就没办法提供基础设施、成为事实标准、成为入口。” 平台会重生但属于新物种——旧平台做简单信息匹配，新平台做"能力与需求的匹配"，复杂度高得多，大概率诞生新公司；时间上他判断三五年，“把判断力让渡给独立第三方"的双边市场结构会出现。
基建投资的宏观图景他也给了一个平衡的判断：大模型发展空间还很大，基建大概率继续投；但某个时间点可能出现基建投入超过真实需求的拐点——那对产业未必是坏事，应用公司可以用极低成本调用强大稳定的智能，进入门槛大幅降低。上周市场恐慌（K3引发的同质化竞争担忧）的传导链条，他的解读是：同质化竞争打破了大模型公司长期享受高额垄断利润的预期→怀疑这些公司没有能力持续投入高capex→进而怀疑为它们服务的基建值不值得投。源头始终是：基建都是为头部模型公司服务的。
五、公司会消亡：从岗位到任务，从规划到生成
如果说前半场是产业判断，后半场则走向制度层面，也是最超出直觉的部分。曾鸣在新书中刻意从头到尾讲"组织"而不讲"公司”：公司与工业时代是一起产生的——工业时代之前只有手工作坊，公司是工业时代最大的制度创新，让现代化管理可以支撑规模化扩张。如果工业时代的基本经济规律被挑战，组织形态必然被挑战。“科层制管理的公司制度会衰亡吗？““会衰亡。““但人类的分工协作会继续”——组织永远存在，有人的地方就有组织，但用什么形态是历史演化的过程。
新组织的底层变化他讲得非常具体：组织的基本单元从岗位变成任务。岗位是工业时代组织的最小单元——定岗位、写工作描述、招人，然后汇报线、层级、报酬全都挂在岗位上。AI原生组织从第一天开始就定义任务、拆解任务、分配任务，人和AI（硅基员工和碳基员工）都围绕任务的流转在协同。找工作变成认领任务——“现在这几个大Lab都在做任务发布，你觉得你能干你就接，能deliver结果，你的东西就上线。“层级随之消亡：“层级存在是因为不知道谁说了算，就先定个层级，层级高的人说了算——它不是以判断力为标准的。未来是谁的能力强，谁被调用。“传统意义上的中层肯定消亡，协同不再靠命令线。
激励与治理的对应解法是自驱+透明：硅谷这半年最流行的词是high agency（主观能动性），你掌握自己的命运，接了任务、交了结果，贡献极其透明——“为什么top researcher转会费那么高？因为贡献很透明。“组织形态上，他把New Lab定义为新组织形态的早期雏形而非过渡现象：“真正的第一个New Lab是OpenAI或者Anthropic”，之所以叫Lab是因为现在的员工是研究员——“他们不喜欢公司，也不喜欢大学，但是他们喜欢Lab”；将来所有有创造力的人都会在这种组织里，名字大概率也不叫Lab，肯定不叫公司。文化参照系变成了专业球队：每个人都不可缺少，有明星有分工；他甚至预测未来企业会越来越像合伙制企业——律师事务所、咨询公司、投行式的组织，“全员都是合伙人的情况会越来越普遍。要不然我就不招你，招你就是因为你的贡献必不可少。“一人公司只是阶段性产物——它让大家理解一个人借助AI能干原来几十人的活，但"将来的每个人就是一个一人公司、六边形战士，再到组织里跟其他六边形战士合作”。对传统公司的建议只有八个字：”不换脑袋就换人"——认知先升级，理解要跨的鸿沟有多大，否则顺着惯性一路"AI加"下去，等原生公司争起来时会"很绝望”。
这解释了他为什么在新书里把组织放在战略之前：“你想要的那种未来的战略生成方式，跟原有的组织是不匹配的。只有用新的组织形态才能生成新的战略，这两个是阴阳一体的。” AI时代的战略制定，他从"战略规划"换成了一个新词——“战略生成”（类比视频生成、文生图）：真正要做的是建一套体系、一个环境，让战略洞察涌现出来。“跟大模型一样，实际上是人跟AI一起在训练一个组织的小模型，核心就是有没有原来没想到的洞察涌现出来。“配套的机制都齐了：context not control重新火起来（给够上下文，人就能做出正确决策，人和AI都要共享long context）；OKR的理念是对的，而且只有AI时代才可能真正落地——组织大脑能追踪自然语言表达、提示偏离趋势；文化核心是开放、透明、共享、共创。
连"反老登"的社会情绪都被他纳入这套解释：以前尊老是因为老的经验有价值；现在"能够转化成知识的经验都被大模型吸收了”，年轻聪明人用好AI杠杆瞬间就能成为任何领域的专家——“你过去二十年的经验还有啥价值呢？“所以老年人只有两条路：安心养老，或者变得重新年轻。至于工作的意义，他反问：“你说多少人现在去公司上班是开心的？“大部分知识工作简单枯燥、重复繁琐、没有成长性，公司为了管理偏控制性手段——而AI时代给了人类更大的自由度去追求想要的人生，“开心就成了必需品”。
战略方法论的更新同样具体。“看十年、想三年、干一年"在AI时代依然成立，但大部分人记住了看十年、干一年——因为那是工业时代的习惯：年增5-8%、没有新玩家的世界可以线性外推，战略不重要到可以外包给麦肯锡（八十年代到2000年咨询公司井喷的原因）。今天线性外推得不出AnySphere（ASR 误作"Ensoropic”）今年八十倍的同比增长，看十年也帮不了你从哪下手——“真正的创造力在看三年”：看两三步，第一个里程碑是什么、第二个是什么、第三个可能是什么，今年做的第一件事服务于哪个里程碑，让短中长期形成动态张力。“相当于在三维空间找最优解，跟在二维平面完全不是一回事。“周期可以按行业伸缩——看五年想两年干半年、看三年想一年干一个季度都行，但一定要看到至少三步。他举了个现成的案例：一家AR涨得很快的Agent应用公司来请教，他只问了一句"AR继续涨两年之后又怎么样呢？产业终局会咋样？AR的天花板多快会来？"——对方回去一算发现天花板不高，赶紧去做新的事情。“AR是个很虚幻的事情，它不但线性外推，还是拿当下外推十二个月，很容易让人产生增长幻觉。“配套的经济学规律是：竞争初期按你创造的客户价值定价，对手一多就按边际成本定价——短期价值一被模型溢出，就没人付费了。
六、优秀≠卓越：反共识、四层公司与无中生有的人
对创业者个体，曾鸣给出了一组近乎残酷的区分。“只有反共识的战略才能大成吗？那在一个共识赛道做得比所有人都强呢？““那就是优秀，不是卓越。““卓越一定来自反共识。““最成功的企业一定是反共识的，但反共识不一定成功——不是疯狂想法都能活，我们看到的只是survival bias。“当年阿里的判断标准是”因为相信，所以看见"。卓越与优秀是两条完全不同的路径：卓越是事后认定的——克服一次一次负反馈，当所有人都不认可时，最后以巨大成功证明你是时代最早的先知；优秀是持续有正反馈的成长过程，跟人的心态比较匹配。所以卓越者极少，且他们自己未必觉得自己有什么不同——《基业长青》与《从优秀到卓越》里那些卓越领导者共同的特质是把成功归于别人、认为自己只是运气。“因为事情大于人，你一定自我很小才能走那么远，是时代成就了你。你只不过是碰巧在合适的地方、跟合适的人、做了合适的事情。“ego大会一直想证明自己、需要短期反馈、走普遍性正确的路，“对信息的处理一开始就会受先入为主判断的影响”；自我小、利他、同理心，才可能走向真正使命驱动的公司。他把公司分四层：机会驱动、战略驱动、远见驱动、使命驱动——而使命必须发自内心，“不是编出来写在墙上激励别人的”。
他识别创业者有个私藏问题：“十年以后你会对怎样的自己满意？”——这个问题最能反映一个人被什么驱动，而且需要自我叙事能力才会想。有人说对事情特别感兴趣、希望它成，那是事情大于人；有人说就是好奇，也比证明自己有意思；有人说"我就是要做一个一百亿美金的公司”——“这是负分答案”，因为那是外部认可驱动，每一轮估值都会对它形成冲击。他听过最好的回答是马云创业前的"让天下没有难做的生意”（那是使命）和马斯克的去火星（把人类带入外太空时代，也是脱离自我的使命）。字节属于什么驱动？他说跟张一鸣交流不多没法判断其使命，但张一鸣"是有自己管理哲学的天才，至少是愿景驱动”，字节的文化跟Netflix非常相似——只是字节最后做成了一个效率工厂，“东西整明白以后，剩下的执行阶段就追求效率了，所以他的AI战略要张一鸣重新下场再定义”。阿里自身的样本也放在对话前段：过去二十年最重要的三个决定是创立淘宝、创立支付宝、创立阿里云——三个决定当时都既不被社会认可、公司内部争议也极大（淘宝宣布成立时好几个高管非常反对，理由是原有业务还没成熟就去打一个全新的核心业务，风险太大）；次要但重要的两个是淘宝从商品买卖平台变成电子商务生态、以及all in无线。而且战略之下还有一层层决定：阿里云早期服务单一场景还是多场景架构、开源还是闭源、要不要自研数据库——所以才有了"去IOE”。“不是做了一个大战略决定就可以了，从决定到落地到看到成果，有非常大的挑战。” 那当时怎么知道这是好战略？“不知道啊，因为相信所以看见。”
关于"模型时代"的创业者，他的预言分两段：这一代是科学家创业，下一代应用驱动时科学家创业比例会大幅下降；这一代创业者要过一个大坎——有没有开放心态去理解商业世界的运作规律。“我发现很多技术人员没法接受一个简单的事实：我的技术这么牛、创造了这么大价值，为什么公司可能不值钱？因为经济学的基本规律：只要有同质化的供给，你就不可能获取高额利润。“产品经理不但重要，而且会"无比重要”——做什么产品、服务什么客户、用什么技术、有限时间投在哪，都是产品判断；只是这一代大模型公司必须研究员主导，因为他们是跟AI交互最多、最能理解AI边界的人，所以值这么多钱。联合创始人变多也是AI原生组织的特征——每个人都必不可缺，“要不然就用AI卷不上了”，典型如聚生（ASR 误作，指国内某新模型公司）基本都是一个 大模型背景加一个应用商业背景。
七、创造力时代：一代人的消化与无中生有的能力
访谈的最后收束到文明尺度。社会消化这场革命需要多久？“一代人，二十年起步——因为他们才是原住民。” 他借用德鲁克的三阶段框架（工业时代以来：生产力革命→管理革命→知识革命），给出自己的定义：AI时代是创造力时代——所有可以被结构化处理的知识型工作都会被AI接管，人被逼着、也可以说终于被解放出来，去开发自己新的潜能。而且他对创造力做了重定义：“不是简单的会写首歌画幅画，而是原创的定义复杂问题的能力，一种无中生有的能力——已有的东西机器都当成data获取到了。“甚至很多创造从机器角度看很无聊：情感陪伴、人和人之间有的没的、以前没被开发的需求——也许不贡献物理世界的巨大进步，但对人的成长与幸福感有很多帮助。就像电之后才有产业工人、技术工人、白领这些十九世纪无法想象的职业。
教育的冲突被他称为"接下来最大的冲突”：现在的教育体制本质是知识灌输、智商开发第二位，“我们从小到大有多少兴趣被压抑了”。年轻人已经知道未来跟今天想象的完全不一样——“随便问高中生，他们都知道用现在的方法大学毕业找不到工作”，但他们不敢走自己的路，家长知道要用新方法却不知道是什么方法。商学院已经不行了、在衰落；办公室、元宇宙（“方向没错，只是时间早了五年”）、人的增强（摄像头、语音设备、可穿戴、外骨骼——“人就成了一个加强版的人”）都会随之改变。
对未来的态度他只给了一条元建议：“原来我们倾向于降低不确定性，但在这个阶段，要拥抱不确定性。不确定性就是最大的机会。你一见到不确定性和复杂性就恐惧，就肯定没法往前走了。” 这和开头的判断首尾呼应——人有生老病死，公司也有生老病死，这没什么可遗憾的：“所以新公司才有机会，年轻人才有梦想。一直都垄断到今天，那世界太无趣了。”
结语：这套史观该怎么用
曾鸣的整个分析框架，本质上是一台"产业周期定位仪”：先用三阶段模型定位当下（第一阶段完成、第二阶段开端），再用阶段跨越的历史规律（基础设施企业极少活到应用时代）给所有当红公司标定风险，最后用组织与战略的共生关系（任务单元、战略生成、智能复利）说明新物种长什么样。对读者的可操作启示至少有三条：其一，判断任何一家AI公司的前景，先问它处于哪个阶段、它积累的能力基因属于哪个阶段，再判断跨越的概率——万亿估值与"大概率不是原生时代赢家"完全可以同时成立。其二，在第二阶段做事，评价标准要换：不看共识热度看切入点大小（十倍以上）、不看简单任务完成看复杂任务闭环、不追数据飞轮追智能复利。其三，个人层面，知识的溢价正在消失（已被大模型吸收），透明协作体系里"谁被调用"就是谁的估值——培养定义问题的创造力与high agency，比在现有梯子上再爬一级更符合这个时代的定价逻辑。
当然，这套框架也有它自己的边界：它是从三次工业革命与互联网史归纳的抽象模型，曾鸣自己也承认"具体形态推演不出来”——浏览器长什么样、雅虎是谁、Google在哪里，都要等发生才知道；三阶段的时间坐标（8-10年、三五年、八年十年）都是毛估；且作为阿里前总参谋长，他对平台与生态的洞察天然带着亲历者的视角。但正如他自己说的：类比的关键不是刻舟求剑，而是在抽象建模后理解底层运行规律。至于要不要信——按他自己的标准，这本身就是一个需要你独立完成的反共识判断。
（本期音频约154分钟，本文基于ASR转写稿整理；ASR误识别已按上下文校正，无法确认处已在文中标注。“OpenClaw"即节目所述2026年春节爆火的编程Agent热 Muse/龙虾现象，曾鸣原话中以其指代Agent能力封装框架的普及事件。）