始于2010年前后的这次人工智能创业实际上是集体失败了。作为从业者我们固然可以讲它需要更长的启动周期，我们尽快的开始第二程就可以了，但就像抗日战争的时候如果没有论持久战的穿插到日寇力量薄弱区建立根据地等一系列基于过往教训的新战略，后续整个历史就会完全改写一样，我们还是要有一双偶尔往后看的眼睛。否则在大模型提供了新的历史性机会的前提下，我们真的不会重蹈覆辙么？

非惟天时抑亦人谋

因为行业普遍存在问题，所以最简单的归因就是时机不到，形式不好，但其实不对。

注：被打上AI标签的公司普遍亏损等事实和数据在琢磨事：AI大模型没有商业模式？等文章里有提，这里不重列了，否则太长。

不说英伟达这种基础设施的供应商，在应用层面上讯飞的业绩其实是一直在增长的，而基于上一波AI技术做产品的公司比如石头科技一样实现规模化和盈利。与此同时作为与AI相关但范畴更大一点的数字化，大概每年的复合增长率在10%+，在过去这些年里，实在不是太差的值。

这意味着固然技术自身成熟度不够是个原因，但商业成败的归因却又不适合单纯的归结于此，而是要回到商业本质寻找更关键的原因。

我们先从基础现象开始：

失败的核心表现是长期亏损，长期亏损是指如果活十年那就亏损十年或者没活十年直接倒闭了。次一级表现是亏损的同时并没在核心资产上做出沉淀。如果亏损的同时某种资产增加比如品牌、用户等也还可以，但显然的很多AI企业这点上做的也并不好。

这种表现是典型的经营管理问题，而经营管理高度复合，这就需要回到商业本质，才能看清脉络。

从本质上看，AI行业相当于在极其漫长的一段时间里用最贵的镐头挖一块贫矿。

各种模型、昂贵的科研人员、GPU等就是最贵的镐头，所从事的领域比如有些数字化的项目就是那个贫矿。

这是现实，但不能说是真的原因，原因还要再深入一层。

假设说地球就给了这两个刚性约束条件，你必须挖矿，必须做这类工作，那至少还有两个方式可以改变经营状况：

第一把黄金镐头卖一卖，升级成挖掘机这类便宜的效率更高的设备和方法。这不是就升级一个设备就行，任何挖矿都是系统工程，要尊重挖矿的专业性，要有和挖掘机等配合的内部保障体系。具体来说就是要在细节上优化、提高公司整体的运营流畅度和效率。这就是稻盛和夫说的把干的布拧出水来那类工作。

第二把矿的地址挪一挪，找找真能挖到东西的地儿。比如矿更富，或者金子不好挖就找找挖铁矿也行。这个问题看着容易其实特别有难度。还不是因为没有更富的部分，而是因为挪不动。发展到一定规模后会受发展节奏的影响，说通俗一点就是假如认为某地可能有矿，那那地儿能赚到钱么?能在一个财年的四个季度里面赚到钱么？能匹配资本的期望么？如果不能那财务表现怎么办？资本预期怎么办？

上面这两类调整在一个较长的周期里似乎并没普遍发生，或者说并未成功发生，那为什么？

这就变成战略问题了，我们可以从出发原点，视野，价值坐标系三个角度来看这种战略问题上到底发生了什么？

原点：到底相信什么？

如果我们相信技术一突破，商业自然就成立，很快就能赚到钱，那很可能就不会真的干实业，而是更想贴近互联网的逻辑或者资本的逻辑。而这两种冲动对我们上面说的换镐头或者换地儿挖都有关键影响。

如果说互联网是大水漫灌，快干就完了，只要获得用户可以快速成功，那整个AI就很像挖深井，必须在一个地儿使劲吭哧干活，如果选的对，干到一定程度，那可能就出水了。

这时候短期逐利的思维方式反倒是有害，快速行动也是有害的。

我们至少可以看三两种反面案例：

一种表现在智能音箱上的大干快上。我们希望快点砸出普及度，然后占领新入口。但其实音箱产品它不是入口，就是一个高级点的音箱。这会导致商业模式失衡。巨头一样吃这个亏。音箱大战其实把大家打怕了。在AI本来应该给一脚油的时候刹车了。如果没有chatGPT的出现，国内很多AI团队估计会彻底黄了。

一种则是为了保持增长而降低增长的质量。通过大量项目，来扩大营收规模，但亏损加剧。

相信什么是一个原点上的设定，而原点上的设定影响后续的所有行为，比如商业化的节奏和资本的节奏。

一种是“干就完了”式思维。

这个思维模式是新式的刻舟求剑，剧毒，谁吃谁死。很多没坚持到现在的团队与此有关，但不能细列。

在互联网兴起的时候出现了一个很少出现的局面。各个地儿都是富矿。你跑得快比思考重要。所以留下来一种思想叫：干就完了。

但你见那个铜矿是不管有铜没铜挖就完了的？

对于AI这种早期的赛道，想清楚比后面干活要重要一百倍。

核心原因是，你瞎挖很可能里面没铜或者说只有一点铜。

并且试错成本巨高。

这时候最适合从场景反向构建自己的价值链条，然后把有限资源投过去，干出类似当年IBM System 360的产品。

这种原点上的基础信念加上视野和反馈构成原点的最基础特征。

视野：局部视野与全局视野

局部思维无法解决全局性问题。

打个比方，如果最终目的是做个电脑，那就要搞定屏幕、键盘、内存、CPU、磁盘等一系列环节。

假如当事人最擅长做屏幕，那更可能是以一个比较高的投入，把屏幕越做越好，但最终做出的电脑可能就还是不好用。商业现实却是只有做出电脑才能卖给用户，因为电脑用户才能用起来，创造了原来没有的价值。

这不是扯淡，IT这行业早期就这样。

IBM System/360这类大型机就是这么干的。那时候人们不太知道什么是IT技术和现在人们不知道人工智能到底干什么的类似。所以那时候的大型机是一种复杂整合，从硬件到系统到应用。最终以一种方案的形式去解决大型机构的问题，比如银行、保险等。

在贵的领域完整整合新技术创造此前没创造过的价值，让价值的表现明显。然后再围绕着这个基点完善售前、产研、供应链、售后等各方面，这就构建了起点上的商业模式。当然后来行业大分工让这个体系变落后了，但不影响它给行业早期商业模式提供参照。

对比之下AI的情形就尴尬了，既没有综合技术突破打造出类似System/360这种突破性的产品，也没能在核心环节创造核心价值。

大多产品都是大路货，你能做我也能做，创造一种极其浅的价值。这些产品比如摄像头和技术的映射是直接的，但和价值的映射则是残缺的，只解决小问题。

这就是上面说的用金镐头用错地儿了的另一个原因。想着电脑做电脑会越做越像，觉得自己是做屏幕的，顺道做电脑，相当于让游击队干决战的事，越干越不行。

这就是为什么说是视野问题，导致的后果就是花钱花错地儿了。

投贵的算法研发人员和设备在这个商业逻辑下资源配置是非常失衡的。应该按场景确定价值，然后做出真正有创新也创造核心价值的产品。

找到核心价值则要回到场景，典型的是海康甚至比特大陆，回到场景则要打破局部视野，拓展到更为综合的全局视野。

有这种突破后，再配合上极其麻烦的、大量搬砖的活，做精细化的管理运营才能真的构建这种新的商业模式。

如果说相信什么和视野问题更像是内因，那价值坐标系的失衡就像一个被外因促成的放大器，让前面说的问题变的更严重。

价值坐标系：资本的节奏与产业节奏的失衡

OpenAI拿了很多钱，但这种钱的属性和我们很多公司融的钱的属性是不一样的。

对于OpenAI他们更像拿了一个大号的天使。对于一个起点上是非盈利机构的公司，你希望它多快变现是离谱的。

但我们基本不是这个节奏，我们的钱是有退出周期的。而我们因为自身的不盈利，那就需要持续融资，持续融资就需要某种增长，和更为良好的预期，而这种增长预期显然会带节奏。

它所需要的节奏和上面说的打深井构建新产品，围绕核心价值创造自己的配套体系是不一样的。

随着融资量上来后，反向倒逼收入增长，AI这种业务不成熟领域怎么整？就只能做简单的横向扩展。这让腾挪会更难。资本内定的节奏和产品节奏的偏离强化上一节说到的错配。

这就会抽走最应该投入资源地方的精力和资源。

战略与AI分期

原点、视野、价值坐标系：这就是我们说的战略问题。

公司有几种状态，一种是本能状态，本能状态被短期的经济理性驱动着走。对于已经赚钱的领域也还维持生存，但对于需要从井底构建一条通路走到阳光下的公司，基础经济理性驱动会导致在井底转圈。

只有战略思维才反本能。

战略需要一种四维的思维模式。在整个时空之外观察可调度的一切力量和变量。

（比如刘邦不是某个时间点的刘邦而是过去现在未来综合在一起的刘邦，每个要素都变成这种四维概念，然后调度）

我们拿AI分期的视角来举个例子。

在相当长一段时间内，在模式上把AI看成传统的IT行业最靠谱。分析起来就用五力模型。一定不能用平台模式。所以前面才提到IBM System 360。

但发展到一定程度后则会逆转。

AI潜力的关键在于其背后的技术具有共通性。当累积到一定量之后就具有变成系统型超级应用的机会。这在过去一样发生过。微软当年给IBM配套的时候，其实就是供应链的一环，等到Windows平台化之后，产业中心就转移。PC厂商被边缘化，大型机没落。

过去十年其实处在第一个阶段，但大家总是尝试做第二阶段的事，然后对场景价值贡献就小。

大模型与昔日重来

如果不真的认识这种错误，那很可能所有事情再来一遍并且结果更为惨烈。

因为大模型需要的投入更多，同时现存的资金量变小了。

前两天很多群里流传下面这样一张图：

看到后并不让人真的很愉快，因为这真的可能在重复过去的故事。

在这个时间点电脑或System 360这种大型机是有价值的，但大模型相当于CPU，不是电脑。更多的人应该研究怎么在各个场景下做出对应的电脑或者大型机（老外管这个叫AI Agents）打通技术和场景，创造新价值，而不是一堆人去做CPU。

小结

如果论人才密度恐怕很少有其它行业比AI高，但从创造的价值角度看则正相反，这一定是哪里错了。在错误处寻找到真实，在沮丧的时候寻找希望，在怀疑处构建信任，在混乱处构建秩序，撒切尔说的这个缩小下，其实挺适合创业者的，当然可能更适合AI行业的创业者们。

关于自己，我干这个差不多10年了，所以还算有资格来说说这事。并且我们真的在一定规模上把公司做到盈利，应该是还行的战绩。但不管怎样上面写的也还是个人的观点，仅供参考吧。

关于思维模式，这个不展开先贴俩图意思下，否则太长：

（战略要思考的对象，往往是这样的）

（一般的思维模式这样的，所以需要变成上面那种四维的思维模式）

其它与此相关的参考文章：

2023，临界之年，从人工智能到超导

未来十年最确定的事

开源大模型LLaMA 2会扮演类似Android的角色么？

chatGPT 和AlphaGo下围棋，谁赢？垂域大模型有戏么？

到底什么是OpenAI成功的关键点，到底谁能干好大模型？