對話 VisionFlow 創始人劉夜：OpenClaw 這一波，關鍵是要找到合適的生態位

「把 AI 當做數字員工來替代單個任務，其實是工程師思維對真實業務的過度簡化。」

「AI 時代的競爭，數字員工不是終局，一個構建具備協同、匯報、反思機制的數字組織才是。」

VisionFlow 創始人劉夜，是一個把產業周期看得很透的人。

作為 1979 年出生的中國第一代程序員，他經歷了從底層軟硬件、企業級集成（ToB），再到創辦「作業盒子」洗禮產業互聯網的完整大周期。

OpenClaw 爆火之際，劉夜選擇了閉關。在與全球頭部 AI 公司的研究員、國內頂尖創業者攢足了近千小時的高密度交流后，劉夜給出了上邊的觀察。

劉夜認為，所有人都在跟風做 Agent 工具，在細分場景里無休止內卷時，AI 創業的護城河其實根本就不在這里。

年輕的 AI 創業者不要一味在現有流程上做 Skills 優化，關鍵是要跳出低維的高競爭，找到像 Notion、Slack 一樣合適的生態位。

近期，極客公園創始人 & 總裁張鵬和劉夜進行了一次深度對談，圍繞 AI 時代的組織形態、商業競爭、以及新一代創業者如何找到合適的生態位等等話題展開。

以下是二人的對談內容。

??關注 Founder Park，最及時最干貨的創業分享

超 22000 人的「AI 產品市集」社群！不錯過每一款有價值的 AI 應用。

邀請從業者、開發人員和創業者，飛書掃碼加群：

進群后，你有機會得到：

• 最新、最值得關注的 AI 新品資訊；
  

• 不定期贈送熱門新品的邀請碼、會員碼；
  

• 最精準的 AI 產品曝光渠道

01用舊框架理解新事物，永遠只能看到最淺的那層

張鵬： 從作業盒子到今天這么熱衷于探索 OpenClaw 帶來的變化，你自己經歷了什么變化嗎？

劉夜：我是中國第一代程序員，從小就開始學編程。經歷了從 BASIC 到 DOS，再到 Windows 和今天的 Mac 時代，也見證了三大門戶的崛起。我做過企業信息化，想做中國的 IBM；后來轉型作業盒子，深度參與了在線教育。在線教育是一個非常深刻的產業，是產業互聯網的最高形態，也是「最后一班車」。這段經歷讓我深刻感受到，產業互聯網的核心不是技術，而是產業本身，是業務。產業互聯網的規律，是先做信息撮合，再做標品，接著是供應鏈，最后是非標的復雜服務。越往后毛利越高，也越難做。

所以，當 AI 浪潮來臨時，我做的第一件事，就是花了將近 6 個月的時間，什么都不干，讓 HR 把所有能聊的人都聊一遍。從各個明星創業公司的首席科學家到各個基模大廠的核心算法、工程師和研究員，以及新銳 AI 創業者，應聊盡聊，大概攢足了近千個小時的交流密度。聊到什么程度？聊到對方說上半句，我就知道下半句是什么，所有人的共識已經差別不大了。

聊完一圈后，結論驚人地一致：所有人都在做一樣的事——數字員工。這讓我想起了當年某位大佬對云計算的一個戰略誤判，他說阿里做云，本質不就是個網盤嗎？用舊框架去理解新事物，你永遠只能看到最淺的那一層。

今天所有人都覺得做個數字員工，用 Claude 寫個「數字銷售」或「數字客服」出來，技術壁壘在哪？護城河在哪？當一個人一天燒幾億 TOKEN 都成為常態，這更像制造業，根本飛不起來。所以我問每一個創業者同樣的問題：Why are you？憑什么你行？你更年輕？更聰明？更能熬夜？在一個維度上競爭，那不就是是「10 秒 69」和「10 秒 70」的區別嗎？

張鵬：嗯，今天能做的太多了，但該做什么，才是最重要的。你有什么這方面的思考嗎？

劉夜：AI 很不一樣，但我相信依舊有和產業互聯網的規律會有暗合的部分。早期做工具，中期做業務，最后做咨詢。技術不成熟時，第一波進來的一定是工程師，他們擅長把世界過度抽象，比如百度的「框計算」，認為一切都是框。但移動互聯網的后半場是內容和服務，不是框。

工程師出身的人對組織的想象，往往過度簡化了業務。你看整個第一代互聯網三大門戶，那波跑到最后跑得最好的是騰訊和阿里，而他們離技術稍遠，但離產業很近。今天也一樣，技術正變得越來越不重要。

張鵬： 這一波文科生挺開心的，不會寫代碼似乎也沒關系了。但長期來看，到底 AI 時代對人的要求是什么樣的？什么變化了？

劉夜：在中國的人才結構中，我發現一個問題。中國第一代程序員就是產品經理，因為當時并沒有產品經理這一崗位。產品經理變成一個被廣泛認知的崗位，是在 2010 年前后，在喬布斯發布 iPhone4、張小龍提出產品觀之后，才有了「人人都是產品經理」的說法。在此之前，程序員同時承擔產品經理的工作，先有程序員，后有產品經理，所以第一代程序員都是產品經理。第一代程序員學習代碼并非為了工作，而是出于興趣，他們是憑借熱愛投入其中。正是這些不被定義、跳出常規的人，才最為出色。

但第二代的程序員但近十年的產業互聯網把程序員變成了「碼農」，產品經理成了建筑師，碼農被馴化得不思考業務。今天 AI 來了，「碼」的部分被干掉了，不進化，他們真只剩「農」了。這批年輕人很優秀，但他們對產業的理解是空白的。所以，當下的「萬 A 大戰」，本質上還是工具層的泛濫。

你看產業互聯網后期，阿里、美團這樣的公司，都是標配用頂尖咨詢公司（MBB）背景的人做商業分析，用咨詢公司的人帶著產品經理做業務流程，因為互聯網產品經理腦子里天生沒有系統。飛書就是這么做出來的。字節雖然是純互聯網，但也大量用咨詢公司建內部流程。AI 時代，這個規律只會加強，不會減弱。

02數字員工不是終局，數字組織才是

張鵬： 所以，你覺得卷「數字員工」這個單點，意義不大。

劉夜：這是我最核心的一個判斷：數字員工不是終局，數字組織才是。如果數字員工泛濫了，連招聘崗都不存在了，所有人都能擁有好的數字員工，那然后呢？那個公司就都能賺錢和成功了嗎？其實所有公司的問題，都是戰略問題和組織問題，從來不是員工問題。

所以，今天的 Agent 還是在替人干活，而不是替人決策。我們內部改造了 OpenClaw，做了個叫 MetaOrg 的東西。它本質上是一個可以生成 agent team 的內核。我們解決任何任務，都不是派一個員工，而是要建一個「組織」去解決。這個組織有協同關系、匯報關系、有使命、有目標、有行動方式。

張鵬：但未來有沒有可能，一個人就是一個部門？甚至就是一家公司？

劉夜：這是特別好的問題。我們還是微觀到任務，比如用 AI 做一個短視頻、寫一個文檔的時候，需要多輪對話。你說一句，它回一句，再給它反饋，這就是工具人式的使用，它只是很聰明。

所以人和部門的概念，不是數量上的多和少。我們描述一個高級崗位的 JD 時，通常是：第一，能干活，能干各種活；能用各種工具。高級崗位則是能夠理解意圖、主動規劃路徑、主動執行、實現交付、定期匯報、反思總結交付成果，并基于成果的偏差動態調整策略。這就是高階能力。

張鵬：一個合格的部門，得是「L4 級別的自動駕駛」。

劉夜：是的。當給它一個技能，它可以完成復雜任務；給它一個技能系統，它能完成復雜綜合任務；當有一堆智能體（agent）編排時，就能完成更復雜的事，比如拍一部短劇。我經常跟員工開會說，你們用 MetaOrg 的時候，不要把自己當成主管，要把自己當成董事長。你要努力試探它的邊界。

未來年輕人創業，以前說家里給 50 萬創業，未來說不定是給一個 TOKEN 預算去試錯。你愿意花多少 TOKEN，決定了它能做多高級的崗位。越高級的崗位，推理鏈路越長，越需要來回試錯、迭代和總結。

張鵬：如果未來所有人都能調用最好的底層 AI，商業競爭是不是又回到了上個時代的邏輯——拼「人才密度」？只不過這一次，是看誰的 agent 體系里拆解出的「原子級能力」更強。你的 bot 單點能力越高，整個 AI 組織的「人才密度」就越高，解決復雜任務的勝算也就越大。我不知道這個推導對不對？

劉夜：我認同這個觀點。企業內部有個部門，大企業通常叫 OD，也就是組織發展。衡量一個組織能不能打贏仗，通常的做法是把對方的所有人才拉出來進行對標，通過判斷人對崗、能力對崗的強弱，來預測戰爭的結果。所以一般企業打仗，靠的是組織能力，而不是業務策略。最典型的例子就是阿里。阿里非常重視組織建設，所以如今能迎來「第二春」。因為創始團隊會老化，但組織可以生生不息。本質上，如果有一天咱倆是競爭對手，我們都在用 AI。我建立了一個強大的 AI 組織，具備很強的 AI 組織發展能力。我該如何構建這個組織？我會把所有競對的 agent skill system 逐一打開，分析它們的技能代碼。然后在我自己的體系里編寫更優的技能，甚至去補齊它們缺失的職能。比如我有戰略部，我會先進行觀察分析。

華為有「五看三定」的方法論。我跟朋友開玩笑說，我們創業只要用這一套，就能干掉 99% 的競爭者。所謂五看，是看行業趨勢、看市場客戶、看競爭對手、看自身能力、看戰略機會；三定則是定控制點、定目標、定策略。這套方法論足以篩選掉絕大多數競爭者。因為大部分人下棋是亂下的，他們依賴快思考，而高手默認開啟的是深度思考與推理模式。第一反應是，我要作為統帥去思考這件事該怎么做。

張鵬：所謂「五看三定」本質上就是不要「應激反應」，要固化一個長推理的過程的意思唄。

劉夜：高手都是 deep research 加上 thinking 的模型，知道首先看全球的最佳實踐和信息，然后總結分析，進行深入思考推理，但是出答案，出手就是一招制敵。

所以我認為未來的競爭核心只有一件事，就是給傳統產業的業務進行建模，將其抽象成具備系統能力，且能夠做智能體編排的能力。這就是新一代的組織發展（OD）能力，且會升級為 AIOD，這是未來唯一的核心競爭力。

阿里的核心優勢就在于建組織，組織建設到位后，無論面對什么對手、開展什么業務，都能具備競爭力。而且馬云曾說，打仗的目的并非一定要搶占某個領域，而是通過打仗實現組織的成長。阿里是以組織成長為核心衡量標準，來判斷一場仗是否值得打，這是一種非常高階的思維。馬云本人就像一個超級信息樞紐，每年飛行 200 次獲取各類信息，回來后用于完善組織建設。他才是真正意義上的董事長，而非單純的首席執行官。

這就是我們所見到的最高級的組織形態——能夠跨越幾代人、覆蓋不同產業，既能連續獲得成功，在陷入衰退后還能調整回升。通常而言，一家公司如果十年內任命錯了首席執行官，大概率會走向衰敗。所以說，以史為鑒，用更高維度的視角降維看待當下的發展，即便對現有模式做一些裁剪和優化，也比從底層從零開始構建要高效得多。

現在任何人都能輕易搭建一個 agent，員工上手門檻極低，再加上開源社區的加持，行業已無太多秘密可言。在工具層面的內卷，是永遠比不過開源社區的。那么，什么才是開源社區所不具備、無法復制的核心競爭力？

03AI 組織的物理學：
分層拆解、「漸進式暴露」才是關鍵

張鵬：「上個時代」談論組織時，會強調例如組織文化、價值觀、KPI等一系列內容。當我們從上個時代的組織管理，過渡到 AI agent 組織的新時代，哪些內容可以徹底摒棄，哪些內容可以保留但需要轉化？

劉夜：Anthropic 之所以推出 skills，核心原因包括 AI 編碼領域的「漸進式暴露」理念——AI 若接收大量雜亂信息，會出現上下文腐化、注意力不足導致的混亂，漸進式暴露才能讓 AI 保持良好注意力并輸出優質結果。若依靠人工實現漸進式暴露，本質上就是全人工對話，效率低下。因此，skills 的核心價值的是將復雜任務分層拆解，實現對 AI 的漸進式暴露。

這與公司管理邏輯一致：董事會聚焦戰略問題，CEO 聚焦策略問題、管理高管，員工處理簡單事務。若 300 人同時參與同一會議，這個會就沒辦法開了。組織存在的核心意義，就是實現信息的分層處理，如同數據庫三范式通過信息壓縮分層提升效率，復雜問題必須分層拆解、漸進式暴露，而非一次性輸入大量上下文，這正是傳統企業組織形式的核心邏輯，畢竟特定時間內的算力是有限的。

張鵬：模型每次都要耗費巨大算力從頭開始創造，效率太低。

劉夜：不可能實現，核心還是依靠分層的漸進式暴露，該調用的資源必須調用，這是由 AI 模型的能力邊界決定的。此外，Anthropic 推出 skills 的另一原因，是復雜任務已超越基礎物理學定理，skills 能將復雜任務拆解為一個個低維簡單任務。任務的核心區分維度并非難易，而是復雜程度——存在低維難、高維難等不同類型，比如程序員編碼、解數學題，就屬于低維高難度任務。

地平線余凱提出過一個經典模型：所有工種可按「競爭程度」和「維度高低」分為四個象限，即高維高競爭、低維低競爭、低維高競爭、高維低競爭。其中，銷售和工程師屬于低維高競爭，產品經理和 CEO 屬于高維高競爭；科學家則屬于高維低競爭——這類課題可能全世界僅一人研究，競爭度低但維度極高。像優質短劇、好小說這類高維高競爭任務，目前 AI 尚無法完成；而代碼優化這類低維高競爭任務，AI 已能很好勝任。越高維的任務，數據源越少，但訓練模型所需的數據量反而越大，這也是文本模型先出現、圖片和視頻模型后出現，且短視頻模型難以落地的核心原因。這種高維任務與高維數據的供需矛盾，只能通過 skills 拆解任務來彌補，就像企業中找不到高級崗位人才時，會將其拆分為三個基礎崗位一樣，唯有 CEO 這類高維崗位不可替代。

張鵬：低維高競爭的任務，大概率會被 AI 完全替代。

劉夜：百分百會被替代，而且這種替代已經發生。

張鵬：確實如此，因此所有低維高競爭的事，都應盡快用 AI 解決，可將其拆解為 skills，再通過 agent 組織實現落地，這個過程中不一定需要人類參與。

劉夜：我有一個初步設想，IBM 和埃森哲作為全球最大的兩家咨詢公司，核心業務本質是提煉產業最佳實踐，并與數字化對齊，售賣的是流程而非工具。企業采購風險流程、IP 時，都會請咨詢公司落地實施。我們當前的核心工作，就是構建 skills 集群，找到各領域頂尖專家，提煉其能力并對齊，形成標準化 skill set。這與作業盒子的模式類似——作業盒子聯合北京四中、人大附、高考出題組及學而思的老師，提煉出題、講題、批改等核心方法，再聯合百度算法工程師搭建系統，本質也是對齊最佳實踐。而組織能力的核心，就是組建優質跨界團隊，既要懂產業、懂工程，也要能聯動各垂類頂尖行業專家，同時具備商務、人才招聘和管理能力，這也是新一代 AI SaaS 企業的核心構成。

張鵬：進一步推演，未來應從業務維度反推所需的組織形態。組織本質上是一種編排結構，類似業務操作系統——將人作為生產力單元放入適配的組織，就能發揮最大價值，反之則無法高效運轉。如今生產力要素已發生替換，從依賴人力變為可無限供給的 AI，且只要形成正循環就能持續擴容。過去的組織文化，如今可能轉化為目標和上下文，不再需要口號、三板斧會議、破冰等形式。

劉夜：文化是管理意圖而非業務意圖。上個時代，戰略始于愿景，愿景決定價值，組織服從于戰略，業務驗證一切，而文化只是治理組織的手段，不直接服務于戰略，甚至可能只是創始人的個人偏好。

張鵬：過去人服務戰略的過程中存在大量間隙，AI 是否正在消除這些間隙？

劉夜：是的，文化在 AI 時代已不再重要。文化是人類組織的信念部分，但 AI 不需要。AI 沒有血肉之軀，無需文化牽引。AI 核心需求是算力。

張鵬：你的意思是說，AI 需要的是目標和原則。一份文檔就足以明確目標和原則，所有生產力單元都能立即同步、忠實執行，不會出現偏差。人類組織中很大一塊摩擦力就消失了。

劉夜：是的。原來的組織：戰略→文化→人才→執行，現在的 AI 組織：目標→原則→Skills→編排。整個管理鏈條被壓縮了一半。

04企業的新壁壘，應該是審美和編排

張鵬：企業新的壁壘是什么？人才質量被替換為 Skill Set，只要我有審美，就能從全世界獲取最好的 Skills。那再往上一層，就是「編排」（Orchestration），對嗎？這會發生什么變化？

劉夜：就像華強北能買到所有電子元器件，但為什么不是所有人都能做出蘋果？喬布斯傳中對審美的定義非常清晰：見過世界上足夠多的好東西，能分辨優劣，就是審美。若從未見過好產品、好流程、好組織，就無法做出優質成果。

張鵬：見識是審美的前提。

劉夜：見識加天賦，僅此而已。

張鵬：審美體現在兩種方式：一是主動設計、編排，二是在混沌中識別并選擇涌現出的優質事物，這兩種方式并不沖突。

劉夜：確實不沖突。蘋果的部分成果是自主研發，部分是收購第三方，核心是擁有審美——無需重復造輪子，必要時自主研發即可。

張鵬：核心在于，是讓 agent 在設定模塊內運行后再確認路徑，實現涌現式編排；還是直接設定好所有路徑，進行設計式編排？

劉夜：涌現是非操控性的，需要先設定種子規則和原則，這才體現一個人的審美。就像優秀工程師用 500 行、5000 行代碼就能做出好用的 Openclaw，而不合格的工程師寫 5 萬行代碼也無法達到同等效果，底層的種子規則仍需人類設定。

張鵬：所以不能在混沌中等候涌現，那需要極長的時間，編排依然至關重要。這種編排最終是否只能來源于創始人，或者說更像是「制片人」？

劉夜：我覺得制片人這個定義很好。確實如此，即便有涌現和規模效應，仍需要數據標注、數據清洗，以及算法的持續對齊，避免無序擴張。

編排者取決于業務復雜度——復雜業務一個人無法完成，比如拍攝短劇、撰寫提示詞，實際操作中會面臨諸多困難。「一人公司」的概念被濫用，世界無法被無限簡化。雖然電腦可由一人操作，但一個人難以掌握所有高維能力，像伊隆·馬斯克、李飛飛這樣能精通多個領域、接管任意崗位的超級人才，極為罕見。

張鵬：若我們能調用全球最頂尖的 agent 和 skill 體系，比如一個優秀編劇，理論上能否借助這些資源，拍出全球知名且盈利的電影？編劇雖有核心亮點（好劇本），但無法完成所有環節，這種「核心亮點+全球資源」的閉環是否可行？

劉夜：這本質是數據問題——是否存在存儲最高維信息的數據。比如訓練 CEO 的 skills，目前沒有足夠的數據支撐：任正非的萬字長文、馬云的口述，都無法完整呈現他們的高維認知；即便收集全球公司財報、CEO 的所有言論，也無法訓練出能勝任 CEO 的模型，因為 CEO 的核心能力是隱性知識，無法通過文本完全暴露。

張鵬：也就是說，CEO的核心能力目前還無法被向量化。這就約束了「一人公司」的理想構想——即便每個人都能發揮單一維度的優勢，搭配全球頂尖資源，仍缺少核心的編排者，本質還是編排能力的問題。歸根到底，擁有最好的「元件」，仍需具備強大的編排能力。

劉夜：產品經理也是如此，其隱性知識無法完全文本化。這也是當前 AI 伴侶、AI 生成內容不夠「鮮活」的本質原因——缺乏高維隱性知識的數據支撐。數據量少的時候，重點做 skill；數據量多的時候，再做模型。機器人目前無法落地，核心就是缺乏足夠的數據。

張鵬：由此可推導出，未來公司的競爭勝負點，不再是能否接觸到頂尖模型——初始 AI 資源看似一致，算力也與財力、業務閉環能力相關，最終的差異仍會回歸到「制片人」本身，即其編排能力和目標的創新性、意義，這兩點構成了公司的核心競爭力。

劉夜：麥肯錫前合伙人曾告訴我，麥肯錫的核心業務就是萃取最佳實踐、建立模型，再協助企業逐一實施。比如為中國汽車廠做咨詢時，會向日本同事了解豐田的做法，本質就是復制和落地最佳實踐。

咪蒙做短劇的案例很有參考意義。她是中文系出身，核心團隊卻由清北數學系、計算機系人才組成，專門拆解爆款短視頻的邏輯，最終實現極高的爆款率。這種思路本質上是給行業的社會工程建模，即便存在過擬合的可能，但建模的方向是正確的。

IBM、埃森哲、麥肯錫做的都是這類事——第一代麥肯錫將最佳實踐建模到合伙人身上，IBM 則將其轉化為數字化流程，本質都是「售賣管理和流程」。

張鵬：核心就是提煉最佳實踐，再反復驗證落地，這就是未來商業組織的勝負關鍵。只有拆解到位，才能實現高效編排。

05不要在現有流程上做 Skills 優化，關鍵是要找到合適的生態位

張鵬：所以你們接下來的核心方向，是繼續沿著這個思路推進嗎？

劉夜：過去三年我們主要做 AI ToC 業務，用 MetaOrg 的方式重建了整個教學教研體系。這不是一個簡單的「用 AI 提效」的故事。我們構建了一整套 Agentic 教研組織，背后跑著一個個虛擬的教研 team：語言學習研究團隊負責追蹤二語習得最新理論，垂直語料收集團隊從真實語境中抓取地道表達，對話評估團隊建立口語能力的多維評判標準，對話設計團隊把教學法轉化成自然的人機交互，題目容器設計團隊解決練習形式和內容適配的問題，數據分析團隊從用戶行為里挖掘學習效果的真實信號。每個 team 都有自己的 skills、自己的工作流、自己的評估標準。目前教材數據打標、監控評估、用戶洞察、產品迭代等 80% 左右的工作，都由 AI 完成。

我們的發展路徑是從「AI 作為功能」，升級為「AI 作為組織能力」。英語老師這個崗位處于中等復雜度，我們已將其抽象出來，通過 MetaOrg 生成其他崗位；若結合最新的 skill 架構，有望構建更高級的崗位。

目前我們已完成 AI tutor 的全流程搭建，包括編排能力的抽象和工程實現，未來大概率會從 Meta tutor 升級為 Meta 組織——其最小單元是崗位，而非員工，核心在于崗位間的協作與管理。我們當前的重點，是對接各行業最頂尖的 CEO，因為 CEO 才是核心「制片人」。

張鵬：所以你們推出的，更接近一個可擴展的部門？

劉夜：目標是朝著「公司」的方向推進，大公司本質也是由多個小公司構成，而最小單元是崗位。既要關注全產業戰略選擇，也要從崗位入手推進產品迭代——崗位做不好，即便管理者能力強，也無法形成高效組織。

張鵬：要做好一個部門，首先要拆解部門相關能力和崗位，再拆解崗位對應的 skills，且要追求這些 skills 達到 SOTA 水平。

劉夜：核心方法只有一個：與最頂尖的被服務企業共創。做出來的 skill，需要頂尖企業評估是否符合需求，就像下屬寫的方案需要上級審核一樣，不能自嗨。比如做短劇建模，需得到行業頂尖機構的認可，否則就不算真正的頂尖。一切都需要評估和衡量。

Midjourney 能做出優質圖片，核心是團隊由攝影師和工程師組成，具備頂尖的圖片審美；LV 用 Stable Diffusion 訓練的圖片模型，效果遠超普通模型，因為 LV 擁有全球最頂尖的圖像審美和數據。可見，評估能力才是核心。要做 AI 公司，需像 IBM、華為那樣——IBM 服務頂尖車企后，掌握造車的最佳實踐并輸出；華為花費 40 億購買 IPD 流程，既用于自身管理，也對外輸出，這才是核心競爭力。

張鵬：本質上就是順著最佳實踐拆解 skill，實現 skill 的 SOTA，再升級為崗位和部門的 SOTA，最終編排成業務的 SOTA，這是通向業務頂尖的明確路徑。還有一個關鍵問題：如何保持 skill 的與時俱進？就像地球生物圈的變異，每個時代的 SOTA，在下一個時代可能會被淘汰，如何應對這種變化？

劉夜：核心邏輯與人類和生物進化一致，即感知、規劃、行動、反思。保持組織的高人才密度和跨界屬性，一端對接技術前沿（研究者），一端研究業務模式，同時與行業頂尖客戶共創，在真實場景中持續評估和優化，這是唯一的方法。

張鵬：由此反推，頂尖公司的最佳實踐形成的體系，能幫助中檔公司實現跨越式提升，但這類體系大概率只有有資源、有財力的公司才能使用，中小企業和年輕創業者難以負擔。咨詢行業已從傳統服務升級為工具化產品，新生代的機會是否只能在 skill 層面？如何在 skill 層面實現顛覆性創新，避免行業陷入「貴族循環」？

劉夜：上一代 SaaS 行業中，Salesforce、Palantir、Notion、Slack 等企業，有的做通用工具，有的做集成服務，證明年輕創業者仍有機會——遠離自身不具備優勢的業務，聚焦通用技能，找到合適的生態位。Notion 就是典型，不涉及具體業務流程，只抽象文本記事功能，成為通用工具。世界最終會是無數智能體（agent）的分工協作，年輕人需先找到生態位，再結合自身優勢發力，錨定未來趨勢，避免成為時間的敵人。過去十年，第一代互聯網創業者多為海歸（靠認知優勢），第二代多為程序員（靠工具爆發），第三代產業互聯網多為二次創業者，規律清晰，年輕人需看清中局和自身優勢。

張鵬：所以你認為skill 層面的局部創新和優化作用有限，那么新生代的最大機會可能在于目標創新——識別時代涌現的新目標，結合優質 skill 并持續進化，才能在新目標上構建新體系，實現突破。

劉夜：skill 的競爭非常微妙，當前 skill 雖火，但若有人對齊更頂尖的人類專家，做出更優的 skill，現有 skill 就會被替代。這就回歸到護城河的問題：早起者未必能笑到最后，很可能成為更高維對手的「土壤養分」。

張鵬：怕就怕成為「加載程序」，只是幫更高維的對手完成了基礎鋪墊。若只是在現有目標上做效率優化，沒有意義，且效率優勢最終會被抹平。所以新生代要實現突破，必須在目標上做出根本性差異。

劉夜：沒錯，自身無法成長為核心力量，只是滋養了更高維的對手。商業的本質很樸素，核心是明確客戶是誰、如何服務客戶、如何讓客戶離不開你。任何年輕人若想不清楚客戶是誰，就無法實現優化。

張鵬：還要關注增量市場，在存量市場中競爭難度極大。若你們的業務取得成功，會將對應領域的公司拉到同一先進水平，這些公司既有財富也有認知，年輕人很難在存量中與之競爭。

劉夜：上一代 SaaS 行業中，Notion、Slack 等企業的成功，核心就是目標差異化。

上一代 SaaS 發展初期，中國基金多傾向投資科學家，后來發現，科學家更適合交流合作，而非創業——科學家所處的高維低競爭領域，與商業世界的高維高競爭邏輯不同，領域維度越高，切換到新領域的難度越大，核心思維模式完全不同。任何領域早期都是技術競爭（低維高競爭，技術不成熟），技術成熟后，就進入商業競爭（高維高競爭，產業人、產品經理、業務從業者主導）。比如蘋果手機剛推出時，排行榜應用多為程序員開發；幾年后產業互聯網興起，排行榜上的程序員主導的產品就全部被取代。

AI 時代若延續移動互聯網的邏輯，硅谷的核心力量仍會是有經驗的從業者，就像中國產業互聯網多為二次創業者一樣。年輕人的機會，仍在于找到差異化目標。

轉載原創文章請添加微信：founderparker