《智能》复习笔记:一个循环,五个层面

曾鸣 著 · 微信读书 2026-09-10 至 10-25 读完 · 113 条划线 / 63 条想法 补充材料:张小珺 × 曾鸣播客文字版《和曾鸣聊产业史观:我的非共识判断》

我的评价(2026-10-24,西雅图):5 分给 3.5 到 4 分,扣分在车轱辘话多。观点不错,核心就一个:在智能体层、战略层、个人发展上,都建立「执行—分析—反馈」的循环,持续提升。对 AI 后续发展的预测很有意思。

0. 一张图记住全书

全书说的是同一个循环在五个层面各跑一遍:

行动/执行 ──→ 真实结果 ──→ 反馈 ──→ 更新理解 ──→ 能力提升 ──→ 接更难的任务 ──┐
   ↑                                                                   │
   └───────────────────────────────────────────────────────────────────┘

个人层面书里讲得少,播客补上了:创造力、high agency、自我变小(见第 6 节)。

1. AI 产业化三阶段(预测部分的骨架)

书里的划分

1. 基础设施阶段:大模型竞争把获取智能的成本打下来,智能像电力、云一样被稳定调用。判断标准是同时具备 可计量、可组合、可规模化。人类第一次把智力本身变成可大规模调用的能力。
2. 智能体大爆发:海量智能体涌现。智能体是价值创造单元,不是能力单元,要交付结果。
3. AI OS / 系统级重构:用户只说「我要什么结果」,系统自己拆任务、组能力、调度智能体。

规律:重大产业变化不发生在技术发明时,而在技术基础设施化之后(蒸汽机→工业体系,TCP/IP→平台经济)。早期竞争比能力,后期比谁围绕能力建立新系统。

播客补充(更具体、更大胆)

• 2026 年是第一阶段基本完成的标志:token 成了度量衡(一度电、一 GB 流量那样),黄仁勋讲 Token Factory,Altman 讲卖 token。
• 也是第二阶段的开场:OpenClaw(「龙虾」)让人看到能独立完成任务的 Agent。
• 播客里第三阶段叫「原生应用阶段」(移动互联网的抖音、拼多多),Agentic OS 放在第三阶段,「比我们想得要远」。
• 修正自己:两年前说「拥抱 Yahoo」,现在看连浏览器都还没出现。类比:1992 年大家建网站分享信息 ↔ 今天大家建 Agent / skill 分享能力。浏览器做了两件事:统一建站标准、把浏览门槛降到零。下一个最大机会是 Agent 时代的浏览器:统一 Agent 标准 + 让普通人简单调用。之后才轮到 Yahoo 做「熵减」。
• 第二阶段很精彩,不能跳过,大约还有 3–5 年。

我的批注:模型公司像发电厂,投入巨大但收入有上限;电价终将下来,不然电器没法普及。——播客的说法几乎一样:模型公司 = 未来的 AI 云公司 = 炼油厂,化工厂(应用)才更值钱。

2. 智能体层:智能复利、60 分奇点、黑洞效应

2.1 智能复利

• 过去高质量智力极度稀缺:好医生、好工程师、好投资人的判断都没法复制。互联网让专家更快被找到,但没让专家变多。
• AI 改变了这个约束,增长直接增强能力:做得越多 → 反馈越多 → 越聪明。这就是「智能复利」。

我的批注:「不就是数据飞轮吗?干嘛重新造词」 播客给的区别:数据飞轮升级成了智能飞轮。数据飞轮的前提是真实世界反馈,真实世界反馈的前提是 Agent 独立干活、离开人的参与;中间还要叠加上下文管理、记忆等算法创新,在一个场景变聪明后再泛化到其他场景。差别在于「能力在增长」,而不只是「数据在累积」。

2.2 智能复利不一定拉开差距

• 学习路径相似、数据结构相近时,更可能是大家同时变强,差距不放大。
• 技术路径未稳定时,后来者可能有后发优势:跳过先行者的试错,直接用更好的算法和系统结构。(我的批注:肉身沉重)

2.3 黑洞效应(两个条件)

• 能力差距必须被用户持续感知。只改边界条件、不改核心体验,用户行为不变,市场结构就不变。(我的批注:修修补补的提升不带来用户增量)
• 播客:黑洞效应 = 网络效应的升级版。延续《智能商业》的双螺旋:「数据智能」+「网络协同」两条都升级。场景越多、连接越复杂,智能越高。

2.4 60 分奇点(全书最值得记的概念)

• 60 分之前:AI 嵌在人的流程里,人决策、确认、兜底。扩张是线性的:任务↑ → 审核↑ → 成本↑。更糟的是 AI 只看到被人筛过、改过的结果,没经历完整的「行动—结果—反馈」闭环。
• 60 分奇点:从「人对 AI 负责」变成「AI 对结果负责」。不是技术分数,是结构转折点。
• 逻辑链:组织敢把结果责任交给系统 → 任务规模扩大 → 持续获得高质量反馈 → 智能复利形成。
• 最大门槛是信任。

我的批注:软件工程现在就卡在 60 分之前,最后一步还要人,没法 scale,人越干越累。解法是建仿真生产环境,AI 先自测,通过再部署,再让 AI 自己跟进部署后的情况,自己形成闭环。

2.5 给创业的方向

• 广告案例:文生图做素材 = 局部单点任务,效率高但难拉开差距;做投放 = 工作流长、需要行业知识;承诺对效果负责、直接管客户的用户增长 = 质变,才有智能复利,才可能产生黑洞效应。
• 核心战略挑战:在问题复杂度和智能体闭环能力之间找动态平衡。
• AI 时代增长的目的不是规模,是智能升维,看「谁在变强」。看市场(规模、份额、对手)的同时,要从系统内部看(学习机制、反馈结构、能力演化)。

我的批注:先主攻一个垂类,打磨 SOP,收集真实输入输出,持续迭代,才是真把飞轮跑起来。模型、harness、agent 各是一层。

3. 商业层:从卖商品到实现意图

3.1 三个时代

3.2 三级跳:意图理解 → 需求生成 → 需求判断力

1. 意图理解:多数需求本来就不是商品需求。买空气净化器是关心家人呼吸;疲惫焦虑的年轻父亲过去只能把问题压缩成「买个助眠枕头」,消费者承担了问题定义的大部分工作。现在可以直接说「最近总觉得很累」。商业从商品开始 → 从任务开始。谁成为人类表达真实问题的第一站,谁就占战略高地。
2. 需求生成:最重要的需求往往是模糊的「问题场」,商业机会是帮客户把模糊困境变成清晰目标。
3. 需求判断力:需求生成能力终会普及,稀缺的是判断什么值得解决,也就是帮客户给人生问题排序。低水平企业放大需求、制造焦虑;高水平企业帮你看清该先解决什么。商业由此进入原本属于教育、家庭、文化的领域。

我的批注:

• 个人 agent 解决的就是意图匹配,这也是个人 agent 突然火起来的原因。社交媒体天然适合做这个入口。
• 伦理问题:价值判断变成一家公司能定义的事很不好。不被主流认可但无害的价值观(比如国内对 LGBT 群体)谁来定义?
• 日常工作也一样:事情太多,要自己定优先级。

3.3 供需同时生成、实时协同、智能调度

• 一人千面的革命性在于需求生成和供给生成在同一个系统里同时发生:供给不再是预测结果,而是反馈过程的产物。
• 企业关系从长期固定的供应链,变成动态节点。
• 资源不再稀缺,稀缺的是组织资源的能力,即调度。例子:老公寓改造成适老空间、带父母去成都。订单变成不断被重写的动态任务流,客户关系从「获客—成交—复购」变成长期协同。
• 平台重新定义:互联网平台是数字市场,资产是流量;AI 平台是行业操作系统,资产是调度规则定义权。
• 工业时代积累成本优势,互联网时代积累连接优势,智能调度时代积累组织世界资源的能力优势。
• 行业边界让位于意图边界:老龄家庭健康系统同时调用医疗、营养、智能家居、陪护、出行五个产业。

我的批注(保留的怀疑):

• 企业不可能今天生产奶嘴、明天生产猫粮,供应商应该还是相对固定。
• 大平台都想吃上下游,凭什么把数据分享给你?
• 不会一下子形成垄断,更可能先形成行业标准和共识,像 MCP 和 skill。(播客里曾鸣也说下一步先是「浏览器式」的标准统一)
• 定制刀具之类的例子太遥远;物理世界的供给很难被生成,数字产品容易得多。

4. 组织层:公司是认知压缩结构

4.1 传统组织为什么失效

• 传统公司是认知压缩结构:高层定方向,中层把战略翻译成任务、把一线信息压缩上报,基层执行。层级就是认知流动的通道。
• 过去组织的任务是围绕已理解的问题稳定执行答案;现在最重要的能力是持续形成新的理解。

4.2 人的新位置

• 知识可无限获得,优势从「掌握知识」变成提出好问题、构建判断框架、在变化中修正认知。人从知识的拥有者变成认知的创造者。(我的批注:good taste;get hands dirty)
• 人是认知过程的设计者与约束者:设问题边界、判断哪条路值得走、对结果做校正取舍。(我的批注:重点是 focus,AI 把人从事务里解放出来,注意力要放到 ROI 更高的地方)

4.3 认知共创与组织 OS

• 信息越充分、工具越先进,决策反而越慢,是因为用信息协同的方式处理认知生成的问题。
• 认知共创中,反馈修正的是认知本身:一次用户流失可能说明问题定义错了。
• 智能体多了以后,难点是每个智能体都要上下文、每次授权都是新的风险边界。
• 以 Claude Code 为代表的工作系统让工作过程被完整记录 → 认知可以沉淀 → 组织有了持续学习的基础,这是组织 OS 的起点。

我的批注:

• 「大家都能提方案」取决于组织是否取消了一两个人拍板;要是他们有执念,照样难搞。
• 传统组织只要 checkpoint 定细,反馈也能及时收到,说到底是组织架构问题。快速迭代的场景早就这么做了,不是因为有了 AI 才成立。
• 上下文切换很费劲,手里同时给好几个 agent 布置和跟进任务,脑子忙不过来。
• 沉淀分两层:最后生成的文档进知识库;和 AI 来回的对话与操作过程用来提升 AI。
• 组织会像 agent 一样从任务和反馈中迭代认知;区别是 agent 处理相对确定的问题,组织还要持续探索。

4.4 领导者 = 系统架构师

• 从管理人转向设计认知演化机制:信息怎么流动、反馈怎么进系统、哪些信号被放大、哪些路径值得继续探索。
• 典型病症:局部创新越来越多,系统整体越来越乱。每个团队都在做局部优化,没有共同理解就会认知发散。

我的批注:大组织里很常见:各团队拼命提 initiative 给自己挣业绩,局部最优不等于整体最优。

4.5 播客补充(比书更激进)

• 岗位消失:组织基本单元从岗位变成任务,人和 AI 都围绕任务流转,去认领任务、交付结果。
• 层级消失:层级是因为不知道谁说了算;未来是谁能力强谁被调用,传统中层消亡。
• 公司(科层制)会衰亡,组织永远在。neo lab 是新组织的雏形,将来可能叫 club 或球队。
• 「一人公司」是阶段性产物:每个人都是六边形战士,但仍要和其他人分工合作。
• 驱动力是自驱(high agency);任务交付透明,贡献透明,回报就透明。
• 文化:context, not control。全员共享完整上下文,决策自然涌现。
• 「老登」现象:能转成知识的经验都被大模型吸收了,年轻人用好 AI 杠杆瞬间成为专家。

5. 战略层:从制定战略到生成战略(和我的 loop 最直接相关)

5.1 愿景:解释框架 + 方向约束

• 信息越多越乱,选择越多越被短期机会牵引,反馈越密集越容易在局部信号里迷失。
• 解释框架:同一个信号,把 AI 当效率工具的公司想到降本增效,把 AI 当新入口的公司想到意图、任务、供给重构。愿景不是预言未来,是「我们选择相信什么样的未来」。
• 方向约束:在有限资源下决定做什么、放弃什么。没有它,今天追热点开项目,明天看竞品改方向。
• 愿景化(visioning)> 愿景(vision):愿景是结果,容易固化;愿景化是过程,在行动和反馈中不断被校正。
• 强愿景的最大风险是越来越难承认现实在挑战自己。一句话版:方向必须有,但不能变执念;判断必须做,但不能被神化;行动必须坚定,但行动之后必须学习。

我的批注:很多团队就是这样:这里找个 initiative 那里找一个,短期数字好看,长期看东一榔头西一棒子。

5.2 行动 → 反馈 → 理解(战略生成三步)

1. 行动:分析替代不了行动带来的认知增量。行动不是战略的后续步骤,是战略浮现的前提。(我的批注:get hands dirty,只有真去做才有第一手资料,才能降低不确定性)
2. 反馈:反馈不是评估行动成不成功,是揭示未来怎么形成。需要的不是一开始看对未来,而是进入真实世界后能不断从用户行为中重新理解未来。
3. 理解:数据多不等于有理解。没有更深的理解,组织会被反馈牵着走,陷入局部最优。新技术刚出现时总被放进旧框架理解(能不能提高写作效率?),更重要的问题可能是「AI 会不会成为新的任务入口」。亚马逊讲 mechanism-based understanding、六页纸叙事文档:难的不是写结论,是写清楚「为什么」。

我的批注:

• 小的 A/B 实验改进满天飞,没有统一连贯的 goal,注意力一直在分散。
• 在用文档代替 PPT 的环境里待过,文档写得比 PPT 多得多。write to learn。
• 人不可能永远判断对。把自己当成可优化的系统:成功了分析哪里对了(也可能是运气),失败了总结教训。不把成败当成对自己的评判,而是对方法论的一次校准;一次失败对校准的帮助可能远大于一次成功。

5.3 战略生成系统

• 战略从「某阶段的决策结果」变成持续运行的认知能力。目标不是永远判断对,而是持续提高判断质量。
• 为什么必须系统化:反馈量和复杂度远超个人处理能力。依赖个人判断,要么集中处理太慢,要么信息被过滤失真。
• 播客:战略生成系统 = 人跟 AI 一起训练一个组织的小模型,核心是洞察能否涌现。
• 轻量落地三招(最实用,建议照做):
• 重要实验前,写下要验证的核心假设,以及被否定意味着什么;
• 复盘时不只问结果好不好,要问原来对问题的理解是否需要重写;
• 做资源决策时,说明这笔投入强化了对未来的哪个判断。

我的批注:这和前面的 visioning 不是同一件事吗?——是同一件事,书在这里换了个角度又讲了一遍,属于车轱辘话的典型。

5.4 张力机制:看十年、想三年、干一年

• 传统战略靠规划、预算、KPI 拆解未来,前提是未来可以拆。未来本身在生成,先拆再执行就会失效。
• 看十年是为了约束当下选择;干一年是为了获取反馈;想三年是为了不断校正两者关系。只有长期没反馈 = 口号;只有短期没方向 = 机会主义。
• 让张力进入每个决策:这个决策是否强化了长期判断?是否基于当前真实反馈?资源评审除了 ROI,还要说明投入如何强化对未来结构的理解。
• 定期战略会不汇报进度,而是问:继续当前路径三年后到哪?最近的关键反馈是否挑战了我们的理解?有没有新变量?资源配置是否仍反映方向选择?
• 创始人的作用:不是替组织消除不确定性,是让组织在不确定性中持续运转。一手强化方向,一手引入现实。

播客补充

• 大部分人只记住「看十年、干一年」,那是工业时代的方法论;真正的创造力在「想三年」:看两三步里程碑,今年做的事服务哪一个。
• 节奏可以按行业缩放(看五年想两年干半年),关键是一定要有中期,至少看三步。
• ARR 是线性外推的增长幻觉。要问:天花板在哪?多快到?竞争一多,定价从「按客户价值」掉到「按边际成本」。
• AI 时代 OKR 才有可能真正落地:AI 能追踪自然语言,提醒你们偏离了目标。
• 战略按阶段分而不按行业分:摸索期要创新效率(降低试错成本,自我让位给现实);收敛/成熟期要组织和执行效率。大模型公司已收敛,具身机器人还在摸索。

我的批注:

• 世界本来就一直在变,不是 AI 来了才需要张力机制,而是 AI 让变化更快。
• 短期收益要和长期对齐,否则短期收益越大,长期损失越大。
• Amazon LP「Are Right, A Lot」:不是每个决定都对,而是把大部分重要决策做对。
• 不确定性永远在。建自己的机制,收集数据,验证猜测,make your bet,再用结果优化机制,而不是把结果当成对自己的价值判断。

6. 个人层(播客为主)

• 创造力时代:借德鲁克的框架(生产力革命 → 管理革命 → 知识革命),AI 时代是创造力革命。所有能被结构化处理的知识工作都会被 AI 接管。创造力不是会写歌画画,而是原创地定义复杂问题,「无中生有」的能力。
• 优秀 vs 卓越:优秀是持续正反馈的成长;卓越是克服一次次负反馈,只能事后认定。ego 大的人急着证明自己,需要短期反馈,于是走普遍正确的路,对信息的处理也被先入之见扭曲。利他、同理心、自我变小是走向卓越的必要条件。
• 四类公司:机会驱动 → 战略驱动 → 远见驱动 → 使命驱动。曾鸣问创业者的第一个问题:十年后,你会对怎样的自己满意?
• 个人四步:向内找驱动力 → 想清楚培养什么能力 → 找到能力最适合的场景,跟着场景成长 → 接任务、交结果,回报自然透明。
• 心态:过去倾向于降低不确定性,现在要拥抱它。不确定性就是最大的机会。

7. 德鲁克的影子(对照着读)

曾鸣在播客里说自己的人生之书是《基业长青》系列和德鲁克。书里能对上的地方(下面是我做的对应,不是书里的原话):

如果想把书里的 loop 落到个人身上,德鲁克的回馈分析法是现成的操作版本,比书里写得更具体。

8. 预测清单(留着以后对答案)

时间均以 2026 年秋的访谈和成书为准。

9. 车轱辘话地图(重读时可以跳)

• 「需求判断力」那段教育例子(数学薄弱、英语词汇……)在同一节里原文出现了两次。
• 「数据越多越容易局部最优」在「理解」一节连续出现两遍。
• 「愿景化」「战略是持续运行的认知能力」「想三年是让长期与短期对话」「战略化比战略描述重要」是同一个意思,在第 5 部分讲了四遍。
• 「技术基础设施化之后才有产业重构」用蒸汽机、互联网的例子讲了三轮。
• 新造词和旧概念的对应:智能复利 ≈ 数据飞轮 + Agent 独立闭环;黑洞效应 ≈ 网络效应 + 数据智能双升级;AI OS ≈ Agentic OS / 调度层;一人千面 ≈ 意图驱动的极致个性化。

精读建议:第一章(三阶段 + 智能复利 + 60 分奇点)和战略部分的「行动—反馈—理解」「张力机制」值得精读;「一人千面」的商业部分看小标题即可;组织部分配合播客的「岗位 → 任务」一起看。

10. 复习自测

1. AI 成为基础设施的三个特征是什么?为什么说产业变化发生在基础设施化之后?
2. 智能复利和数据飞轮差在哪?智能复利在什么情况下拉不开差距?
3. 60 分奇点之前,系统扩张为什么是线性的?反馈质量为什么也差?
4. 广告领域三种切入方式(做素材 / 做投放 / 对增长负责),为什么只有最后一种有黑洞效应?
5. 千人千面和一人千面的本质区别是哪一句话?
6. 意图理解、需求生成、需求判断力,哪一个最稀缺?为什么?
7. 互联网平台和 AI 平台的核心资产分别是什么?
8. 为什么说传统公司是「认知压缩结构」?它在 AI 时代哪里失效?
9. 愿景的两重作用是什么?为什么要说「愿景化」?
10. 「看十年、想三年、干一年」三者各自的作用是什么?关键在哪一个?
11. 战略生成系统的三条轻量落地做法是什么?(这周能用在工作里的是哪条?)
12. 曾鸣说的浏览器、Yahoo、Google 三个阶段分别对应 Agent 时代的什么?