AI的范式跃升:你还没有意识到可能就太迟了1962年，科学哲学家托马斯·库恩在《科学革命的结构》一书中，赋予了“范式”（Paradigm）这个词全新的内涵。范式是一整套包括基本定律、理论体系、研究方法等所形成的完整体系。然而，科学并非匀速前进，会在“常规”和“革命”间形成交替。在常规科学时期，人们在一个公认的范式下工作。如果一旦观测到越来越多旧范式解释不了的反常现象时，既有的学术体系就会出现危机，旧的范式会崩溃，被一个不相容的新范式取代，从而形成范式转换。不同范式间不可通约，无法在一个通用的度量衡下比较，无法用旧范式去评判新范式。在我和AI的协同工作过程中，AI也会频繁地使用诸如“范式创新”等词汇，这是对范式概念的“泛用”（这个世界没有这么多范式级的创新，显然这是AI在训练过程中被训练数据“世俗化“和“波普化”了，当然也与其底层逻辑倾向于概率分布和友好回应有关）。而当AI说“这是一种范式创新”、“那是一种范式革命”的时候，自己可能并没有意识到，AI自身可能就是这个世纪我们将遭遇的第一次真正意义上的“范式跃升”。如果站在范式跃升的层面，那么AI做PPT、写报告、画画、自动驾驶等都是在更为表层的表现，更为关键的，是AI在认知底层可能带来的根本性冲击。我举一个例子。比如在分子生物学领域，蛋白质结构长期依赖于X 射线衍射或冷冻电镜这种物理观察方法来解析。但是，由于生物大分子极度脆弱，为了不被电子束击碎，成像必须在极低剂量下进行，这就导致原始数据被淹没在噪声中。每年能够被这种观察手段发现的蛋白质结构数量极其有限。然而，AI（如AlphaFold）正在系统性地用计算逻辑替代此前的观察逻辑，用预测代替实验，AI不再依赖X 射线衍射或冷冻电镜等物理观察来解析，而是根据进化序列和物理化学规则的逻辑，预测出蛋白质的折叠形态。最终的结果，就是发现蛋白质结构从过去手工作坊时代瞬间进化到全自动化的智能时代，数据库里的蛋白质结构数量在短短几年内，从十万量级猛增到超过2 亿个，几乎涵盖了已知科学界的所有蛋白质，生物学研究直接从过去“饿死”（没有结构）变成“撑死”（结构太多验证不过来），中间不带喘息。从观察到预测，认知模式的改变才是AI带来的最大冲击。这种认知底层的冲击，会直接撼动建立在认知模式基础上的整个“大厦”，从而形成范式跃升。认知模式的改变会重塑人类的知识体系：相关学科的研究重心会发生根本性变化，比如从此前的“静态结构”转变为未来的“动态模拟”；相关学科的研究方法会发生根本性调整，比如从此前的“还原”到未来的“涌现”；相关学科的价值评价会发生根本性变化，比如从此前的“发现”到未来的“验证”。在知识体系之上，又会进一步地重塑能力和资源体系，比如什么样的文章能够发在顶刊上，资金会向哪些领域倾斜，人才培养的方式和标准会如何变化等。这就形成了整个范式的跃升。回到我熟悉的商业和管理领域。企业的核心是创造价值，因此对价值和价值创造的认知是商业领域的底层认知，这关系到什么样的企业会消亡，什么样的企业又会站在价值链的顶端。那么，AI可能带来的范式跃升究竟意味着什么？一个具体的例子可能比任何抽象的描述更具有说服力。让我们站在AI的视角来审视当今的餐饮业。餐饮企业（餐厅经营者）所管理的，是一条从采购原料、到出品菜品、到服务的过程。对于连锁餐饮企业而言，供应链和餐品品质稳定性十分重要；对于高级餐厅，菜品的口味和创新则至关重要。你可能会认为，AI对连锁餐饮企业的影响会比高级餐厅的影响更大，因为前者更具标准性。而这种想法本身，就是站在旧范式的角度，将AI视为一种“效率增强器”。AI真正带来的挑战和冲击是在分子层面解构菜品口味和创新。过往厨师基于对“美味“ 的舌尖悟性被可计算和预测的分子结构取代，在各种原材料上的被动经验被基于种子基因筛选、土壤营养配比、生长周期控制等定义原材料可能性边界的主动算法替代。不仅如此，AI甚至可能在分子层面带来喜悦，抚慰情绪，从而超越人类厨师的认知边界。这种认知突破改变的是整个餐饮业的价值函数，那些此前决定谁站在价值链顶端的要素，比如厨师的手艺、菜谱的秘方等开始丧失其在价值函数中的地位，农业生产的技术问题甚至变成了餐饮竞争力的前沿战场。过去的价值高地可能被削平，而价值洼地则可能升级成新的制高点。而且AI带来的冲击是系统级的，就如AI不止改变蛋白质研究这一个环节，而是会重塑整个学科体系。对企业高级管理者来说，在AI时代最核心的认知转变，不是从“不懂AI”变成“懂AI”，而是认知到这种认知革命所推动的范式跃升的意义至关重要。至今为止，很多管理者仍然是在旧范式认知体系下来认知AI，就好比用AI来增强电镜成像识别，而没有真正深入价值创造的最底层：行业未来的价值函数，即究竟未来什么才是有价值的。高级管理者要实现认知突破，需要在以下几个方面实现自我突破：第一、空杯心态。经验束缚是导致管理者无法真正认知到AI范式跃升的最大障碍。经验，本质上就是旧范式的基因惯性。管理者之所以为经验所束缚，是因为经验在过去具有极高的不可复制性和边际成本。然而，AI算力会让经验价值迅速归零，你的经验越复杂，越专业，反而越可能被取代（因为投入产出比最高）。依赖于经验运营和管理的企业，最终可能因为他们的资产负债表里全是“昂贵的经验”而消亡，新崛起的竞争对手则全是“可规模化的逻辑”。如果说被经验束缚的“固步自封”可能是未来高级管理者最大的负面素质，那么“空杯心态”可能是在AI时代摆脱经验束缚最核心的高级管理者素质之一：放下自己几十年建立起来的个人经验优势就是最大的优势。业务流程重组的一个重要原则是Break the china（打破瓷器）：新流程体系建立的前提不是修修补补，而是完全打破现有的流程体系。同样的，在价值函数重构的时代，最重要的是做到“空杯心态”：不是否定过往的经验，而是不以经验自重。第二、重拾初心。摆脱经验束缚是基础，重拾初心则是在AI范式跃升下重建个人竞争力和组织竞争力的关键。重拾初心首先是价值焦点的转移。管理者考虑的战略性问题，需要从现有价值创造的方式和效率，比如精益生产、质量控制、市场渗透、投资回报等，重新聚焦在价值底层：用户和客户的笑容（价值函数的定义者）。当效率和流程不再是竞争差异化点时，“对人性需求的定义权”才是企业最重要的底层价值。重拾初心还需要去中间化，完整地思考价值创造的全链，因为AI带来的范式跃升不会是割裂的环节。第三、逻辑构建。如果说‘空杯心态’是清理旧资产，‘重拾初心’是锚定新坐标，那么‘逻辑构建’则是AI时代高级管理者的核心生产工具。管理者必须清醒地认识到，经验价值正在归零，逻辑价值则会持续进化。所谓逻辑构建，是指管理者必须具备将业务中的隐性经验、模糊决策、复杂业务链路，通过“逻辑数据化”的方式拆解为一套能够运行的“价值算法”。高级管理者的核心价值，是变经验资产为逻辑数据资产，变价值创造的过程指挥为价值模型的逻辑架构，并持续优化这一逻辑体系。第四、范式敏感。传统上，“商业敏感性”是管理者十分重要的一种能力，但是这种能力本质上仍然是一种范式内能力：即一个优秀的管理者能够更快地发现哪个市场在增长、哪个产品会畅销、哪个渠道效率更高等市场信号，而价值创造的底层逻辑没有发生变化。当AI完全重塑认知体系，商业敏感性本身就会被AI商品化，对于高级管理者来说，范式敏感成为一种核心判断：哪些共识正在失效、哪些价值链正在断裂；哪些利润池正在迁移……企业间的竞争，一方面是AI认知能力的竞争，一方面是管理者新认知能力的竞争。范式跃升一旦发生，认知滞后就不再是“观点不同”的问题，而是生存问题。你现在赖以判断对错的标准、让你走到今天的所有经验资产，有可能在下一秒就变成资产负债表上最沉重的负债？那个在未来会淘汰你的东西，可能正是你现在深信不疑的那个东西。
夜雨聆风