越用越强:AI时代出现了第三种增长引擎

规模降低成本，连接增加价值，真实反馈积累系统能力。

今年我问过几十位企业负责人同一个问题：你们公司的 AI，比一年前更强了吗？

大部分人的第一反应是："模型升级了，当然更强。"

这个答案有个问题。模型升级是所有同行共享的，你用，对手也用，能力一模一样。那不叫你的系统变强，那叫供应商变强了。

真正该问的是：过去这一年，你们公司自己的真实场景、业务数据、踩过的坑，有没有变成系统的能力？

想明白这件事，得先从一个更朴素的观察说起。

你买了辆车，开了五年。你的车技越来越熟练，可车还是那辆车。零件磨损了，动力下降了。你攒下的那些经验——雨天怎么刹车、山路怎么过弯——全留在你脑子里，跟这辆车一点关系都没有。

过去几百年，我们熟悉的世界一直是这样：几乎所有东西都越用越旧。

但有一类东西反过来了。

自动驾驶汽车卖出之后并没有停止成长。每一台车在真实道路上跑过的路、遇到的复杂路况和极端天气，都会变成数据回流给系统，用来训练模型。你每开一次车，不只是用车，也是在替它练级。

用他的话说：过去，增长常常只是结果；现在，增长本身也成了动力。

一、三种增长引擎

每个时代都有自己的底层增长逻辑。三者放在一起看，差别最清楚。

▲ 长按截图，发给正在选 AI 工具的同事

前两种引擎里，增长和能力是两件事。规模做大了，只是体量变大，核心能力不会自己升级。企业要进步，还是得靠外部调整、靠人去优化。

第三种不一样。增长的过程，第一次同时成了学习的过程。

二、这个飞轮是怎么转起来的

把智能复利拆开，是一条六段的链。

特斯拉是最典型的例子。传统汽车卖出去，硬件和能力就固定了，驾驶经验只能留在车主个人身上。而特斯拉的每一台上路车辆，都是一个实时数据采集终端。用曾鸣的话说：每一次行驶，都是一次训练。

真实路况 → 反馈回流 → 系统改进 → 再上路验证。

这条链能跑起来，靠的不是模型多贵，是反馈能不能原样回来。

这里有个容易搞混的地方：用得多，不等于攒得下。

一家公司每天调几十万次模型，如果没有一条反馈回流，它只是在多烧 token。用了两年，系统水平还是两年前的水平——变的只有账单。

三、为什么大多数企业的飞轮没转起来

道理不复杂，做到的企业很少。卡点和模型没关系。

眼下绝大多数企业的 AI，是这么用的：AI 干活，人在旁边盯着，出问题随时接管。AI 客服遇到带情绪的客户就转人工，AI 流程遇到异常就弹给管理员。

对服务客户来说，这么做无可厚非。但对系统自己的成长来说，它带来两个问题。

原始错误、修正过程和最终结果，都需要回到系统。

行动—结果—反馈这个闭环一旦断掉，智能复利就无从谈起。

这也是我们在第 1 篇讲的那个开关：60 分奇点。只有当组织敢把结果责任交出去，任务规模才可能做大；任务规模做大了，真实反馈才会源源不断进来；反馈进来了，飞轮才转得动。

不让 AI 摔跟头，它永远学不会走路。

四、让飞轮转起来的三件事

我们在企业里做落地，看的其实就是这三件事。

让客户是否接受、哪里返工、怎样修正，成为下一次报价的依据。

五、自检：你的AI是在攒复利，还是在攒工时

第 8 题值得多想一会儿。如果答案是否定的，说明能力长在供应商身上，不在你身上。

这张表适合发给正在选 AI 工具的同事。不用全看懂，先对齐一件事：我们花的钱，到底是在买工时，还是在攒复利。