OpenClaw冲击下,关于AI焦虑、FDE与组织OPC化|对话首席

OpenClaw引爆C端消费市场的同时，B端企业也在思考如何借鉴与引入。但一系列问题摆在企业面前：智能体平台架构是否需要重构？配置个性化的Claw还是通用Claw？

为了解OpenClaw在企业侧的实际影响与落地，我们邀请了中关村科金总裁喻友平进行了深入交流，核心讨论了未来市场格局、FDE、组织OPC化等问题。

访谈核心观点如下：

AI时代，习惯焦虑

DeepSeek与OpenClaw，有何异同？
焦虑感每年都有，大家慢慢会习惯
企业AI预算如何投，以避免因技术迭代废弃？

OpenClaw依然是过渡产品形态

记忆的产品化在OpenClaw框架下无法解决
是给每人配一个超级Claw，还是配擅长特定专业工作的Claw来服务多人？
企业大量的认知不在非结构化数据里，而是复杂的表结构里，AI还理解不了

有了AI，人还剩下什么能力？

AI真正先实现落地的，是知识量小的场景
对于FDE来说，最核心的是沟通能力
人的工作在于与物理世界连接、复杂认知和提供情绪价值

连接物理世界，是软件公司的长期壁垒

未来，软件公司销售的话语权更大

企业内部将OPC化

组织的价值是背书和信用，降低交易成本的价值可能被替代

以下为本次对话实录，在不改变原意基础上略有修改。

AI时代，习惯焦虑

爱分析：我们看到去年DeepSeek与今年OpenClaw均在春节前后破圈。除了对消费者的影响，这前后两次AI破圈热潮，有哪些相同点与不同点？

喻友平：这是一个很有意思的问题。我们做AI的都说注定过不好年，去年如此，今年也一样。每年过年期间总有热点，去年DeepSeek从过年前到过年后，这次OpenClaw也基本一样，热潮一点未退。

但两次有些不一样。DeepSeek去年展示了AI在回答问题和解决问题上的优美和深度思考能力。这次OpenClaw不仅仅是思考，还为从思考到执行提供了很好的框架和路径。从DeepSeek到OpenClaw，从只能想到可以做，对企业应用来说又喜又忧的一个过程，而对创业者、云厂商是狂欢，大量TOKEN使用找到了AI规模变现的路径。

国家层面非常开放，很多地区鼓励养龙虾。与此同时，监管层面，国家部委对OpenClaw可能带来的安全问题非常重视，引导银行、央国企在推进中审慎。

对我们企业级AI厂商，看到了新的空间和潜力。像OpenClaw这样的框架，被比作AI时代的Linux，用到企业级场景，需平衡安全合规和可靠性，这需要时间和过程。所以我们做企业级AI应用的厂商要全力投入，推动框架在企业中达到综合可用状态。

所以有一些不一样，但更令人激动。在企业级应用方面，需做的准备更多，对我们也是很好的机会。

爱分析：DeepSeek和OpenClaw对科技厂商带来的焦虑感是否不同？这会成为AI行业的未来惯例吗？

喻友平：焦虑感如果每年都有，大家可能慢慢会习惯。今年过年前是翘首以盼，肯定会有事。过年期间，国内外几家厂商都推出新的大模型。我们在此期间对这些大模型在我们的各种业务场景下一一做了评测，看效果如何。

这种焦虑可能以后会成为常态，因为AI整体落地还是万里长征第一步。现阶段不断有新事物冒出来很正常，习惯就好。

爱分析：去年DeepSeek热潮来时，国家和企业动作快、积极推动，这次相对审慎。除安全合规问题外，企业还在考虑长期规划。这背后有什么变化吗？

喻友平：

不光是面对OpenClaw比较审慎。从去年下半年开始，大企业在使用或落地AI时普遍进入考量效果阶段，不是简单部署DeepSeek试用。企业任何AI项目都要考量ROI，要求越来越高。

这次OpenClaw出来后，企业对AI不是探索过程，而是实际落地过程，所以考虑更审慎。去年很多企业在AI基础设施方面投资，无论是硬件或平台软件，而且投资可能未完全消化，现在又来新的。新东西与之前投资如何结合，是升级还是替换，很多企业还在理解过程中。

我们三月初发布基于OpenClaw的企业级解决方案PowerClaw后，有很多企业与我们交流。大家普遍在探讨、理解，在找场景、找切入口。这体现国内企业越来越成熟的心态,我觉得挺好的。

爱分析：企业AI预算上涨，但AI技术频繁迭代。从您角度出发，企业投AI预算到哪些方向更有长期价值，避免因迭代废弃？从投预算角度，您有什么建议？

喻友平：这是CIO、CTO要重点考虑的问题。我们帮助企业落地，是要理解AI对企业的意义、价值、目标是什么，我们要抓住其中的不变量。核心不变的是，任何IT技术最终服务于企业综合目标，如增加收入、降低成本、提高效率、合规等基本业务目标，这点很长时间不会变化。

在过去，DeepSeek带来的平台或应用已看到效果。这些有效的成果在新技术框架来后依然有用，例如OpenClaw能更好地做自主执行任务。但企业任务多样，如在线获取信息、收集信息，或企业内部如金融、工业的核心系统。OpenClaw来后，我觉得一样有用。

OpenClaw有更强的大脑，操作能力更可控。过往有自动工作的手脚和不够聪明的大脑，现在大脑更聪明，连接更顺畅。

科技革命发展有天然逻辑，不必过于担心投资浪费。顺着科技浪潮把它应用好，自然能拿到技术浪潮带来的结果。

OpenClaw依然是过渡产品形态

爱分析：这次由OpenClaw带来的企业智能体产品升级，有哪些核心变化？

喻友平：首先要看OpenClaw的核心思想。OpenClaw一定程度上是一种理念革新，首先是其体验过程有很大革新。

过去使用AI需要进入特定APP，而OpenClaw提供了新的模式，直接进入如飞书等工作工具。单纯从技术看，它可能只是通过Gateway收发消息，但这种体验过程影响非常大，让用户感觉AI成为一个人，因为它藏在即时通讯工具后面，这种人格化感知就出现了。

另一个特征是它似乎在某台电脑上运作，像一个AI控制电脑干活。实际上，无论是一台电脑还是云端服务器都不影响，它从一开始的理念，都让人感觉AI能记住工作习惯，成为独有的助理。还包括定时任务能力，它不是被动响应，是可以主动工作。

所以OpenClaw在使用AI的方式上有所突破，在个人工作效率提升方面会带来革新。但将其放到企业级环境会有很多不同，企业环境需遵循很多规则。我认为要规划或思考其企业落地，首先要理解其核心思想，再看技术。

爱分析：在中关村科金发布的PowerClaw产品中，核心选择了哪些功能点？您认为这些点为何在短期内对企业落地最具价值，从而驱动了此次更新？

喻友平：落到企业级应用中，好的体验、好的记忆系统、好的主动工作能力同样需要，但其灵活性在企业环境要求会不同，企业不仅需要灵活，还需要拒绝能力，例如员工指挥企业内部某个Claw做不合规事情时，Claw需有拒绝行动的能力，这需要某些机制或专门的Skill进行调整。

此外，在企业落地还需思考场景。OpenClaw是一台服务于个人的电脑，但在企业里，是给每人配一个无所不能的Claw，还是配一堆分别擅长特定专业工作的Claw来服务多人？在企业场景中，很多人协同工作都需要Claw时，就会面临这个选择。用这两种不同思路去思考，企业使用OpenClaw的架构设计显然会有不同方式。这是我们将OpenClaw思想带入企业的重要考量。

还有，如果是专业性的Claw服务于多人而非一个人，它的记忆可能需要多份，不同Claw都要有。但如果是一个仅服务于某一人、什么都能干的Claw，如何保证每个Claw的能力都一样？若各自培养，成本也很高。在产品层面自然会衍生出许多不同问题。

爱分析：关于记忆模块，当前形态如MD文档并非完全产品化，设计也较开放。企业关心两个问题：一是如何利用此类工具萃取老专家经验；二是从企业角度，个性化的Claw与通用的Claw哪个更有价值？

喻友平：我与一些做AI的同事也讨论过。总体上，我认为在OpenClaw框架下，尚未能最好地解决这个问题，很可能需要新的技术革命才能完整解决。

企业在落地AI时，一个很大的问题是如何让AI理解企业知识或经验。我们看到现在讨论很多的方式，如以本体论为代表的方法去解决，但这个过程基本上对FDE的能力和水平依赖非常高。这就像通过人做咨询，把企业内的认知整理出来，但整理出来后交给的工具可能仍比较原始。

所以，目前OpenClaw包括MD文档这样的工具，我并不认为是很理想的工具。它大概率只是一个过渡态。未来会过渡到什么状态？我们甚至认为，它可能不是Transformer架构就能很好解决的，或许需要新的架构才能真正实现良好的元认知对齐能力，或是大家都在讨论的世界模型要解决的问题。

企业级AI落地过程中最难的事情之一，就是如何真正让AI处理好企业认知。实际上，企业大量的认知不在非结构化数据里，而是在数据库里，在大量非常复杂的表结构里。

未来行业的关键突破点，在于让AI 真正精准理解传统关系型数据库的严谨逻辑，并有效吸收其中的知识。一旦这一点被攻克，企业级应用的整体水平将会迈上一个全新台阶。

对企业来说，OpenClaw在解决企业认知沉淀这件事上，目前离理想状态仍有差距，可能还需要新的技术升级，才能更好地解决问题。

爱分析：关于AI在企业内应用，其记忆形态应该是通用化？还是个性化？

喻友平：坦诚说，这个问题我们仍在研究，目前没有定论。在中关村科金内部，我们也在推动基于OpenClaw的创新探索。新技术到来后，企业若自上而下地思考能解决什么问题，不一定能立刻抓住最合适的点。

因此，前期一般会在企业内开展一些创新活动或竞赛。在这个过程中，我们更多是尽量降低工具的使用门槛，提升易用性，让每位员工都能以某种方式用起来，在使用中发挥众智，寻找场景。

所以，现阶段尚未明确哪些场景应用是高质量的，而是先让大家探索，这是一个沉淀和大浪淘沙的过程。我们接触到的一些企业也类似，他们可能也不知道具体要做什么，但会先动员一次，让大家都尝试，在过程中慢慢发现可落地的点。

此前，基于更强的AI能力，如DeepSeek，我们已经找到了非常典型的应用场景。例如办公领域我们主要看四件事：问答、写作、审核、问数。这四大场景是我们在接触众多客户后沉淀下来的，基本能覆盖一般性办公90%的通用能力。

在不同行业里，只是写作的内容、问答的内容、审核的内容不同而已。我认为OpenClaw经过几个月的沉淀，大家也会慢慢找到规律，它在企业里能干的活会浮现出来。

比如现在看到肯定可以做的：很多公司都有团队或员工负责市场调研，收集竞品动态并做好点评，作为竞争分析工作。这个工作显然适合由OpenClaw接手。

我们的销售运营团队就有类似工具，他们需要看线上已成交的订单，总结过去一周业内各厂商都有什么样的大单成交，并进行分析。这类信息收集、加工、处理的领域，显然有很多工作可以做。

此外，是否有一些更严肃的流程可以做？在ToB场景中，最重要的要求是三点：高准确度、良好的规则遵循能力、安全可控。这与ToC场景相比有区别。因此，我们首先寻找那些能在这三个方面达到较好平衡的场景先去落地。这就是我们在应用OpenClaw过程中的一些体会。

有了AI，人还剩下什么能力？

爱分析：关于AI在企业核心业务落地，尤其在中国市场，交付环节很重要。从FDE落地角度，中关村科金有哪些尝试的具体动作？您认为中国市场未来FDE会变成什么样？

喻友平：过去一年我们服务了很多企业客户。很多客户从过去要一个软件，到现在越来越需要得到一个服务，会为服务结果买单，这样的趋势越来越明显。

我们把原来分散在各个事业部、负责客户SaaS 交付的人员统一整合，成立了集中的 FDE 团队。经过半年多在不同行业的落地探索并取得一定成效后，我们现在开始做系统性整合，把 FDE 的能力和经验充分沉淀复用，从而全面提升客户服务效率。

在实际操作中，我们看到非常重要的一点是，智能体在落地时，往往先从比较通用的场景开始。通用场景无外乎营销、销售、服务、办公、运营等。更深一点可能到企业的生产以及核心的供应链等流程中去。

为什么是从营销服务到办公运营，再到生产过程？这有很多原因。其中一个关键是，这些智能体能做的工作，其所需的知识量大小不同。所需知识量越小的场景，可以优先落地。我们发现，真正先实现落地的就是那些知识量小的场景。

举个例子，比如外呼。外呼只要智能体知道产品是什么，知道要面对的客户的基本信息，知道客户可能会问什么问题，对不同的人要怎么说，它需要的知识量其实不大，真的用一个文档就能描述清楚，歧义性也不强。经过工程化后，确实能达到较高的准确性。你希望它有一定灵活性，又能按照要求来，这确实可以做到。因为它的互动过程不复杂，需要的知识量也没那么高。所以我们先跨越这些知识量要求不高的地方。

而对于更核心的场景，比如金融的风控环节、工业的生产、物流的线路规划、零售的配货策略等，其实很多这类场景在传统的结构化数据下已经有了一些解决方案。在这些流程中，我们可以把过往已经用小模型或数理模型打造好的一些能力，嵌入到新的OpenClaw这个大的结构里。就是按照它的指挥系统，在企业的核心业务流程里发挥作用。

这也是我们对PowerClaw的定位，企业的一个指挥中枢。任何一次新技术到来，都要理解新技术与老技术的关系，我认为都不是简单的替换，更多的是一个叠加、深化、结合的过程，特别是在企业级应用里常常如此。

所以，要把OpenClaw融入企业核心业务流程并跨越鸿沟，最核心的还是要理解这项新技术到底带来了什么。它带来的技术，在企业级场景里映射之后，应该形成什么样的愿景？应该是什么样的工作场景？我们的需求与技术边界能带来什么样的新变化？CIO和CTO把这些东西很好地把握之后，企业就能够吃到这个红利。只要把这些把握好了，就能逐步引入到企业的核心场景中，达到增收提效等目标。

爱分析：从FDE团队构建角度，FDE是复合型人才，哪些能力是可弥补的，哪些是做FDE的基础要求？您认为FDE最核心的能力点是什么？哪些点是OpenClaw补充不了的？

喻友平：对于FDE来说，我认为最核心的是沟通能力。FDE有点像咨询顾问角色，他是通过人的大脑去理解现实世界，然后将其转化为一个有能力但缺乏认知的AI能够运转的过程。

当然，现在无论是AI本身，还是其发展，都还有很大的进步空间。如果AI真的发展到非常极致的状态，可能就不需要FDE了，因为AI可以自己去咨询，咨询完之后就学会了，然后就可以去工作。这当然是我们认为最理想的状态。

现在根本原因还是AI能力不够强，它还没有能够通过与人交流、提问这个过程，然后学会怎么干活的能力。我们都知道这个差距。你能多快适应环境并做出成绩，就取决于你提问的能力。

对AI来说也完全一样，它就跟个新员工一样。FDE就是帮AI这个新员工在提问。问完问题之后，让它能够理解，然后把知识转化为AI可以理解的方式，让它去做工作。在整个过程中，我觉得最核心的就是FDE提问的能力。

所以我们有时也讲，在AI时代，人还剩什么能力？我觉得在这方面，AI可能还没那么发达，人还能起作用。人还得理解客观世界，然后把它转化出来。所以我觉得这是最核心的。

其次，在对业务形成深刻理解后，要把它输入给AI。在企业级环境里，这肯定不只是一个简单的Prompt。因为在企业很多场景中，它需要听、说的能力，以及中间的工程化配合。这其中有很多企业级AI落地的工程平台。因为AI还不够聪明，所以需要人去调试它。所以你需要对当前AI的技术边界有了解，知道该怎么调。

这个过程虽存在经验积累与试错，但核心前提始终是对业务的深度理解—— 只有精准把握业务逻辑与痛点，才能让技术调试、工程化适配更具方向，最终实现 AI 与企业场景的高效融合。

连接物理世界是软件公司的长期壁垒

爱分析：您觉得在当前行业趋势下，产研方面有哪些较好的策略和思路，以应对频繁的技术调整以及企业侧定制化开发需同步更新升级所带来的较大压力？

喻友平：关于智能体、OpenClaw对软件企业的影响，最近有很多文章，普遍认为对软件行业形成较大冲击，很多软件企业市值大幅下降，甚至大规模裁员。

我认为趋势上肯定会有影响，分几个层面讲：

第一个层面，对于研发环境来说，现在这种Vibe Coding的形式肯定越来越多，越来越常见。软件公司要适应这一点是毫无疑问的，要从原来的“古法编程”转向用新的工具去实现价值。

第二个层面，企业本身的壁垒，软件企业的壁垒很可能越来越取决于几个方面。第一个方面是它连接物理世界的能力，很多传统软件依然会占据很多关键性的要素连接节点，这些节点的价值依然在。当然，连接比较弱的一些节点的价值可能会被AI替换，但与物理世界、现实世界连接的很多节点，我觉得依然还是会存在。

第二个方面，我觉得越来越多的企业能力会朝刚才说的FDE，或者说咨询、行业认知理解去转移，甚至是客户关系去转移。因为所谓的客户关系好，本质上是更理解客户。当客户跟你交代想完成什么任务时，沟通成本比较低，工作成本低。这其实意味着软件企业慢慢地会成为一个服务性企业。过去的服务方式是写一段代码，帮企业完成信息流的流动，让人的协作和工作效率更高。未来这部分很多工作由AI处理。当然，还需要人去操作AI。

在一定程度上，软件企业越往后，我感觉销售的话语权或价值会更大。所以，我刚才为什么讲企业级AI应用未来一个很大的挑战，就是对企业知识、认知、经验的挖掘总结理解的能力。这方面如果未来AI把它攻破了，那软件企业的挑战确实会大很多。现在这个问题还没有能够突破，还是需要人来做。

爱分析：您提到软件企业未来壁垒的一个关键点是“连接物理世界的能力”，能具体举例说明下，哪些类型的软件与物理世界节点连接更紧密，从而具有更高的长期价值和壁垒吗？

喻友平：比如工业软件，“连接物理世界的能力”的价值肯定还存在，因为它要去操作这些物理实体。在工业生产中，这类软件需要知道如何去操纵所有的物理设备，比如机械、加工流程等。这一部分，就算以后AI再怎么强大也需要。它依然需要“手”和“脚”，所以手脚之间的连接器肯定依然是需要的。

爱分析：我们看到许多软件，无论是C端还是B端，都在向线下硬件拓展，例如钉钉和飞书都有自己的录音笔。从企业级市场出发，与物理世界的连接被视为核心壁垒，这是否意味着“向线下走”也是一个必须的方向？

喻友平：我们可以看到，每一次IT技术的发展，在中间都有一个插曲，即信息收集与处理端的变化。每次新技术出现后，都会催生信息采集端的技术变革。当信息加工处理的能力增强后，人们自然会想到线下某些场景的数据或信息收集。

业内最近已有一些公司在此方向做得很好，将硬件与手机等设备结合，去采集信息并进行处理加工和洞察。这个趋势是必然的。

因此，在企业级应用中，包括与未来的智能眼镜、工牌或无处不在的各种小型智能硬件结合，其本质仍然是收集特定场景下的信息，以进一步实现数字化。

智能化反过来也会推动数字化的进一步深化。在这个场景下，这些硬件与大模型的结合，会有一个相互促进的过程。

事实上，中关村科金在最近就成立了一个专门探索“大模型+硬件”方向的小团队。我们过往在这个方向上的探索，在场景上还有些局限。但最近我们看到，当OpenClaw这类能力如此强大之后，其实有更多的线下场景通过数字化后，其价值得以浮现出来。我认为这个趋势会越来越强。

爱分析：从卖License转变为卖调用量，这种软件商业模式与业务模式的变化对厂商有何影响和变化？

喻友平：这种模式确实会起到促进作用。我们以前常说中国SaaS市场规模总是不大，多数企业更倾向于选择私有化部署。但随着TOKEN成本越来越低，未来企业使用大模型时，自己购买服务器可能不如直接调用TOKEN来得便宜。这会促使一部分企业向云端迁移，这是一个比较正向的影响。

但肯定还会有大型企业，无论如何都不希望其TOKEN调用经过公网或被第三方知晓。因此，即便市场格局发生变化，企业级软件及AI Agent 赛道中，头部企业的专属化、高安全需求依然刚性存在，这正是我们的核心业务聚焦方向。其他部分确实会越来越多地被大模型厂商、云厂商占据更核心的产业链位置。

爱分析：对中国软件产业而言，未来定制开发的部分会下降吗？收入模式会如何变化？服务部分是否仍是必须且占大头？

喻友平：我认为定制开发的需求依然会长期存在，只是定制开发的内容和过去不一样了。以前是对业务流程进行定制开发，现在随着AI能越来越多地自主处理流程，定制开发的部分就向上层迁移，这是一种必然的过程。

除非有一天AI变得无所不能，否则，在达到那一步之前，人类的角色是慢慢往后移，但包括AI在内的整个IT系统能够完成的工作边界会持续拓宽。因此，这种个性化的、定制的部分应该依然还会存在，只是在具体的工作内容上会变得不同。

企业内部将OPC化

爱分析：从企业内部实践和未来趋势看，OPC对企业或组织会产生哪些影响？

喻友平：OpenClaw的出现确实对OPC有很大的促进作用。很多从事内容创作、咨询等工作的个人或小型组织会非常受益，但这需要一个过程。我近期与一些OPC公司交流，发现有的TOKEN花费很多但效果不佳，有的效果很好，有的仍在摸索，但这个趋势不可阻挡。

对于企业内部而言，未来的员工也越来越会成为OPC。这并不是说他会独立成为一个企业，而是指每个人会成为一个超级员工，能够调动许多AI员工。这实质上是硅基员工与碳基员工协同的过程。如何用好硅基员工，将成为企业员工能力的重要组成部分。

如果你能运用好硅基员工，你就是一个超级员工；那么在企业里，即便是CEO或董事长，未来也可能需要掌握这项能力。如果我们依然将人类智慧视为核心，那么AI就是我们的手脚，是我们智慧和能力的延伸。因此，人将越来越多地去承担AI做不了的工作。

这些工作主要集中在这几个方面：与物理世界连接的部分、复杂认知层面的任务，以及提供情绪价值的部分。所以，体力劳动者反而不容易被替代，原因就在于此。此外，处理高度模糊性的认知任务，以及提供情绪价值的工作，也相对不容易被替代。

爱分析：如果企业内部也在OPC化，每个员工都成为能调动AI的超级个体，那么组织本身原有的价值会受到什么挑战？在人员规模下降的趋势下，组织长期的价值还将存在于哪些方面？

喻友平：首先，组织存在的价值，很多时候其实是一个信用问题，它起到背书和信用的作用。这一点价值依然会在，甚至是OPC难以替代的部分，特别是在企业级服务领域。但对于那些对企业背书要求不高的行业，组织的价值确实会下降。

组织，在过去它是降低交易成本的存在，而在未来，这种交易成本可能很多时候被AI替代了。我们现在有时甚至觉得，企业里人多反而可能带来沟通内耗、效率偏低的问题，借助AI 辅助干活，反而能提升效率。把任务分配下去，让AI来执行可能更快，这种感觉肯定会客观存在。

因为AI相对没有情绪，虽然现在有些AI也会模拟互动，但毕竟是少数。相比人与人之间有时沟通半天说不清楚、还可能有情绪波动。所以，AI在相当程度上大幅降低了我们过去认为很高的交易成本。

爱分析：我们观察到，在IT或新技术行业，无论是ToB还是ToC，头部的寡头效应越来越集中。如果OPC成为趋势，这是否意味着未来的虚拟经济或新技术产业，将呈现头部几家寡头，腰部业态消失，底层是大量类似OPC组织的趋势？

喻友平：我们首先要看过去存在大量腰部企业的原因是什么。我认为，这主要是由于信息不对称。无论是ToB还是ToC市场，过去都是一个信息高度不对称的市场。客户难以调研所有厂商，厂商也难以找到所有客户，中间的鸿沟非常大，因此就形成了大量局部的小型交易。这是过往腰部企业大量存在的重要原因。

然而，有了AI之后，情况会发生变化。AI的能力会呈现强者愈强的马太效应。某些特别强大的AI，如果发展速度很快，事实上会在一定程度上垄断生产力。同时，由于其足够强大的品牌和网络效应，信息不对称的程度会下降。这会使得腰部企业的生存空间受到挤压和收缩。

与此同时，OPC能够越来越多地兼顾和满足一个个细分市场的需求，冗余的人员减少了。即使不是严格意义上的OPC，也可能出现越来越多只有几个人的微型公司。这种大的趋势确实会朝这个方向发展。

但是，我认为即使在没有信息不对称的情况下，每个细分市场需求的差异性，依然会让很多不同的组织找到其相应的定位。这一点无论在什么时候都还是会存在，因为世界是丰富多彩的。大、中、小企业可能会形成一个新的层级结构，这种结构肯定会重新布局。以我现在的想象，应该也不至于纯粹地只有头部寡头和底层OPC这两端，中间形态可能依然会以新的方式存在。

注：点击左下角“阅读原文”，查看更多洞察内容。