杨五环2.0解析企业如何用AI打破增长边界?——附美的、理想、manus访谈原文

这些思考最终汇聚为一个经过反复验证的实践体系——“杨五环”2.0。从数智科技到产业重构，从战略布局到组织升级，再到变革领导力，这五个环节构成了企业AI落地的完整闭环。无论你处在转型的哪个阶段，这套框架都能帮你理清方向、避开陷阱，找到属于自己的增长路径。

2019年起，我调研了一大批积极寻求数字化转型的企业（如零售业的百丽、制造业的美的、房产中介贝壳等企业），提炼出“杨五环1.0”框架。其中的“五环”分别是：战略驱动、业务重构、科技赋能、组织升级、变革领导力。

AI、XR、数字孪生、机器人等更为前沿的技术已经成为新的技术引擎。为回应这一新趋势，我对理论框架进行更新，便有了“杨五环2.0”。在“杨五环2.0”中，我将五大环节概括为：数智科技（数实科技）、产业重构、战略布局、组织升级、变革领导力（见下图）。

“杨五环2.0”有以下三个变化。

其一，“数智科技”取代“战略驱动”成为理论起点，强调技术驱动的火车头作用。前沿科技不再仅仅是帮助企业降本增效的配角，而是改变产业竞争格局和商业模式的主角。

如今，一项前沿技术的突破往往会引发商业模式、产品和服务创新。因此，企业思考的第一步不再是“我想要什么”，而应该是“前沿技术能创造什么新物种”。企业也不应仅仅用技术去执行战略，而应首先关注新技术如何重塑产业，提供了哪些全新的战略机遇。

其二，视角升维，从“业务重构”升级为“产业重构”。“杨五环1.0”关注的是企业内部价值链的“业务重构”。“杨五环2.0”提醒企业家必须站在“产业重构”的高度去思考。前沿数实科技对产业的影响更深入，更具颠覆性，它会改写游戏规则。如果企业家只盯着内部流程的降本增效，忽视整个产业底层的变迁，那么即便内部做得再好，也无法抵御产业范式转移带来的冲击。

其三，在战略层面，强调面向未来的前瞻性布局。基于对产业重构趋势的判断，企业战略的核心不再只是应对当下，而在于围绕技术对即将重塑的产业版图进行提前布局。这种布局本质上是对未来的投资：在新产业结构尚未定型之际，尽早明确自身定位，抢占关键位置。对目标更宏大的企业而言，战略重点将更进一步，即通过提前布局，主动构建和塑造新生态。

在技术路径高度不确定的环境中，企业唯有以长期目标的确定性反推当下决策，才能避免被短期波动牵引。这一过程，将比以往更考验企业领导者的战略定力。

过去我们谈数智化，往往是大数据、云计算、AI、物联网等技术齐头并进。自通用生成式AI技术爆发以来，AI已经从一种单一的技术能力进化为一种通用能力，从特定场景到多种场景，带动具身智能、XR、脑机接口等前沿技术协同创新。因此在AI时代，“杨五环2.0”将突出AI在数智科技中的龙头作用。

对于应用AI的企业来说（不是推动AI技术发展的企业），数智科技、产业重构、战略布局、组织升级和变革领导力这五个环节，在AI时代都有各自的重点。

1.数智科技：产业智慧与AI基建

AI是“算力×算法×数据”三要素的组合。对于AI应用企业来说，一个越来越清晰的趋势是：算力可以买（通过GPU云租赁），算法可以借助开源模型（国内外优秀模型），但企业独有的高质量数据是不可复制的。

当通用模型的预训练几乎穷尽世界上所有公开文章、图像和数据后，下一步模型进化就在于后训练和强化训练。经过预训练的通用大模型好比一位已经接受了世界一流大学教育的大学生，后训练和强化训练则好比大学生毕业后在企业实践工作时不断积累行业、产品、运营和客户等知识。

哪种模型算法对企业更有实操价值？当然是能融入产业智慧和公司数据的模型算法，这就需要依靠散布在企业各处的高质量数据，以及多年对产业理解的关键“燃料”，它们正从业务副产品变成极为重要的战略资产。企业应该重点关注数据资产，注重企业内部的模型后训练。

除了拥有更好的算法，调研中我还发现随着AI进入落地时代，与AI相关的工程能力的重要性日益凸显。谁能在受限的条件下，以更低的成本、更快的速度实现更稳定优质的智能体验，谁就具备竞争优势。

企业还应重视AI基础设施和平台建设。对于企业来说，构建AI基础设施就是在为组织建设一套面向未来的数智引擎。

2.产业重构：AI重塑产业边界与价值

AI不仅仅优化价值链条上的某个环节，更以前所未有的速度打破产业边界。在企业内部，AI正在重构从研发、生产、物流、营销、销售到服务的整条价值链。

在企业内部，AI正在重构从研发、生产、物流、营销、销售到服务的整条价值链。在AI落地时代，核心问题不再是哪个环节可以用AI，企业应该全面梳理业务工作流程，看哪些工作可由AI来做、哪些必须由人完成、人与AI如何协同。

3.战略布局：资源投入定力与生态构建

当下，生成式AI技术的研发和应用需要大量资源，这决定了AI落地必须是企业的“一号位”工程，决策者需要有长期投入的战略定力。

至于向哪些方向投入时间和资源，我的建议是企业决策者要有从未来看现在的倒推思维。也就是要能够想象未来AGI（通用人工智能）充分发展时，你所在的产业会变成什么样？你的企业会演变成什么样？

2024年，OpenAI曾将AI到AGI划分为五个阶段，这也成为业内近年的一种共识。这五个阶段分别是聊天机器人（chatbot）、推理（reasoner）、智能体（agent）、创新者（innovator）、组织者（organization）（见图2-2）。

我们正处在智能体阶段的早期，如果企业仅依据当前AI的能力边界来做战略布局，很容易在下一轮AI能力跃迁中被覆盖。企业要有面向未来的想象力，没有这个想象力是没法提前布局的。

另外，战略布局也比过去更强调生态配套。长期来看，全新技术的推广应用必定需要一系列生态配套，协同发展。不少领先企业开始主导构建生态，整合资源。

4.组织升级：AI时代组织与人才新特性

AI对生产力的解放，必然要求生产关系的变革。组织形态将逐渐从“人+工具”向“人与AI共创”的AI原生模式演进。

总体来说，AI时代的组织升级有以下四个特征。

其一，组织更多招聘或培养AI原生人才。AI原生人才的核心判断标准就是是否具有AIfirst思维：能用AI的地方就不用人，必须由人处理的地方也要由AI赋能。带来的变化就是个人的职能边界变宽，过去分明的职责和岗位定义被打破。业务与技术复合型人才将得到更高的薪酬回报，组织人数可能降低，但人才密度升高。

其二，工作流程被重构和缩短，更多人机协作。一个碳基员工带一群硅基员工组成一个团队将成为常态。超级个体会更普遍地出现。

其三，在文化价值观方面，强调自我驱动、鼓励创新、试错和迭代，以成长型思维拥抱新事物很关键。AI目前仍是具有高度不确定性的领域，只有建立起包容失败、拥抱瑕疵、奖励创新的文化，组织才能匹配AI技术快速更迭的速度。

其四，组织具有扁平化层级结构，以及敏捷的、具备闭环能力的任务型团队。AI时代的组织进化方向，与我过去研究的市场化生态组织（market or contented system，MOE）基本一致，企业主要组成部分包括任务导向的闭环敏捷团队、支撑AI落地的共享平台（含算力、算法和数据）和紧密合作的外部生态合作伙伴（含技术、内容、制造、渠道等伙伴）。

5.变革领导力：领导者的洞察、信念和坚韧

AI时代，企业注定面临不确定性更强的变局，这首先考验领导者的洞察力。洞察力从何而来？这需要领导者对技术趋势、产业痛点或用户未满足的需求有深入理解。只有两个方向的高质量信息的交汇处，才有可能涌现出洞见，进而形成企业战略。

通过调研，我们发现，企业“一号位”无一例外地高度重视AI，花大量精力学习AI。“AI原住民”企业的“一号位”，更是无一例外地处在业务最一线。

我想进一步提出，AI时代企业家也必须有钻研能力，至少需要保有好学精神。我不是说企业的决策者都要扎进技术细节，但至少应该主动去了解技术底层的框架和理念、演进的方向，积极思考AI与自身业务的交汇点。认知升级是一切决策判断的起点。

关于了解AI，这个过程中至关重要的一点是管理好你的信息源。你的认知从哪里来？你还在看网上随处可见的信息吗？你是否主要依赖下属做报告给你“输入”，这些信息质量如何？还是与一群在不同行业有深刻认知的企业家在群里深度交流，开阔视野？你是否在借助AI学AI？你是否建立起自己的认知升级体系，让认知的迭代速度跟得上技术进化的速度？

AI时代，信念更为重要，因为对AI的投入是非常典型的“先相信才能看见”的事。在我调研的企业中，这些领导者都有Allin（全部投入）AI的信仰，敢于投入资源和时间，押注自己相信的方向。更关键的是，他们敢于放弃看起来也很好但和未来方向相悖的业务。

我理解他们的选择。现在很多企业也承受着比较大的压力，发展并不是顺风顺水的，对很多企业来说，拿出一部分资源投资未来，必须放弃另一些旧的方向，这就牵扯人、事的变动，再加上AI往往需要投入较高，因此许多事只能由最高领导者决定。

也许在数字化、智能化阶段，首席执行官（CEO）还能更多地把决定权和责任都交给首席技术官（CTO）、首席信息官（CIO）（虽然成功进行数智化升级的案例中，数智化基本都是“一号位”工程）。在AI时代，CEO注定要直面更多决断和取舍。

信念回应的问题是：为什么选这条路，而不是另一条？坚韧这个特质回应的则是：在选定的路上遇到阻力，你能不能顶住压力，继续前进？

回看商业史，所有的企业变革都要承受阵痛。在这个过程中，最高领导者的坚韧是支撑企业完成变革的一个重要因素。以美的为例，2013年起，方洪波发起美的数字化转型，所做的每个项目都要投入几亿元、十几亿元。

2021年，我在当时的数字化转型调研中曾与方洪波对话。他坦言，到2017年的时候，他有时也会困惑：这样巨大的投入究竟对不对？因为“数字化都是隐形的东西……无法以肉眼去判断，以经验去判断”，这种未知感也曾让他焦虑。但他深知自己在这场数字化变革中的任务，就是“推动、决策、不断往前推”。

他当时的话让我印象深刻。他说：“数字化的推动一定是一把手工程，如果一把手不推，那就永远推不动。一把手想推，再大的困难也会克服。有时候，这个过程当中就是一口气，一口气突破了、顶住了，可能就是一片新的天地。”

在这轮AI引发的变革中，这几句话同样适用。

2024年2月，我在前作《数实融合》中写道：“虽然前沿科技的影响力还未广泛出圈，但我相信3-5年后随着前沿科技的不断迭代，必定会有多个产业的基本面貌被重塑。”不到一年，我们就迎来了Deep Seek时刻，各产业被前沿科技重塑的速度远比我们想象中快。

未来已来——它首先降临在那些主动迎接变化、积极创造新变局的企业中。

1.未来智造：杨国安对话美的副总裁兼首席数字官张小懿

杨国安：基于AI技术的发展，美的的发展战略是否有调整？对AI的投入是怎样的？

张小懿：在业务战略方面没有大的调整，还是往海外走、从toB到toC并行发展、从ODM（原始设计制造商）到OBM（原始品牌制造商）发展这三个方向。但在技术层面，我们改变了一些策略。从原来自研很多项目，到现在更积极地去拥抱外部的科技发展。

从2024年将资金投入作为战略定义之后，我们花了十几亿元。我们在2022年没花什么钱，2023年也才花了一点点。

从效率提升上来讲，现在（截至2025年7月）已经收回了5亿元，2025年的回收肯定会超过5亿元，但我们觉得还不够。我们希望最终能够有非常明确的回报。

杨国安：AI方面最大的投入在哪里？

张小懿：我们现在投入最大的是人才投入。

我们已经招到几位顶级人才作为引路者，同时补充了一些内部数字化人才与毕业生作为中坚力量培养。我们2024年底招了一个AI研究院院长，他是从亚马逊过来的华人。现在AI研究院有200多人，10%左右是社招顶级人才，一大半是做AI相关工作转过去的，还有一小部分招的是毕业生。

他们的薪资是全集团最高的，管理方式和其他业务不同。他们的考核指标不一样，很多指标是创新的。给他们创造的工作环境也不一样，让他们自主选择自己有兴趣、对我们的业务又比较重要的场景去做研究。他们的组织是以项目制为主的虚拟组织。

我们面试的很多AI人才，上来会问：你们有多少张卡？算力是所有工作的基础，所以我们现在也补充了很多算力。

杨国安：为什么这些人才不去创业，而是选择美的？

张小懿：我们最吸引人才的地方是我们有很多场景，大模型要在这些场景里才能真正发挥作用。我们还有比绝大部分企业都好的数字化基础，有海量数据。

大语言模型已经几乎把互联网上能学到的知识穷尽了，模型智能要进一步发展，所需的数据和知识掌握在我们这些企业手里。工厂里的数据、售后服务的数据、产品的数据、销售的数据，企业不会把这些数据放出去，这是企业的核心竞争力。

所以，我们还是能吸引到一些人，他们愿意来做垂直类的大模型应用。AI发展的下一步一定是把这些扎扎实实用好，才能够产生效果。

杨国安：目前，实现美的AI战略最大的瓶颈是什么？

张小懿：最大的瓶颈还是人才。我们现在越来越发现人才不够，包括各个领域的专家人才。现在，我们发现专家也有顾虑，他们会想：我把这些AI培训起来，我又该做什么？所以要进一步留住、激励他们来做这个事情。我们很看重专业型的人才，AI替代不了专家，AI的能力取决于专家对它的培训。

未来，企业文化会更加扁平，更加尊重知识的力量。以前，你是经理，我是专家，你的地位肯定比我高。但以后不会是这样，专业度能决定你的地位。

2.未来智造：对话理想汽车创始人、董事长兼CEO李想

杨国安：你在2022年9月就已经明确提出：想要成为一家人工智能公司。是什么事情令你有这样一个想法？

李想：我希望用数字化科技改变物理世界。

我原来做的都是互联网相关行业，包括做汽车之家。我们当时想过很多商业方式，比如汽车电商，但是发现这些其实非常难。

因为一个汽车相关的完整交易需要供应链，制造、仓储、库存、物流、体验、服务，所有环节都发生在线下。仅靠我们在线上多一个收取用户线索的方式，是不能真正把电商打通的。

本质上，我们除了多花钱，并没有改造任何东西。

我创办理想汽车的时候，一个很重要的目的是用数字化改造物理世界。

所以你可以看到，我们会自建工厂，并采用直营的销售和服务体系，也会自己开发销售和服务背后的一些软件。纯粹靠IT方式去改造，能做的还是非常有限的。

我们最后发现人工智能是能够真正改变物理世界的，因为它会像人一样去感知，像人一样进行思考和判断，以及像人一样操纵机器或操纵工具去执行。所以，这是我们当时看到的一个最大的机会。

杨国安：比起一些互联网科技巨头、AI创业公司，你觉得理想做AI最主要的优势或者底气在哪里？

李想：我们拥有物理世界的数据、物理世界的本体、物理世界的算力和属于物理世界的模型。我们的愿景是成为物理世界领先的人工智能终端企业。

杨国安：你觉得物理世界的数据是能够帮助你把整个AI的能力不断升级的最核心的东西？

李想：对。

杨国安：理想要成功转型为一个人工智能公司，组织如何升级？

李想：汽车类企业其实都是重流程的，会把各种能力沉淀在流程上，这是我们的一个特点。你看不到哪家汽车企业花几千万美元去挖一个人，因为对它而言流程和体系更重要。

（不同的是）顶级互联网公司，它们讲的是人才密度，轻流程，所以在平台软件服务、人工智能方面做得都非常好，但是做硬件的时候往往会遇到挑战。

理想其实是一个交叉性质的企业，我们既要做硬件——因为汽车在物理世界里是终端——又要做人工智能。

所以，这时候就会面临一个重要问题：我们到底应该怎么做？我们讨论后的结论主要有这样两点：一是把人才密度当成主体，这跟互联网公司是一样的，否则做不了AI的事；二是不能放弃原有的流程体系化的东西。

所以，我觉得这时候我们可以尝试这样一种方式，就是我们的主体拥有高密度的人才，用方法论将他们连在一起，但是我们仍然会使用像IPD（集成产品开发）这样有效的流程，并把流程工具不断优化。我们要形成这样一个整体。我觉得这可能是我们今天能找到的、要成为人工智能时代终端企业的一套有效管理方式。

杨国安：怎么才能推动大家在不同环节里应用AI提升效率，或者防止“大企业病”？

李想：我认为有一个误区，那就是认为使用聊天机器人和推理能提升效率。因为无数人天天都在用这些东西，最后只产生两个结果：第一个结果是每天的工作时间没有少一分钟，第二个结果是思维能力越来越差。

所以我觉得这里面临的一个很大挑战是如何开发一个类似智能体操作系统的系统，能让每一个专业人士自己创造属于他这个专业的智能体，让他自己去训练。所以他要有创造智能体的能力，也要有管理和使用智能体的能力，我觉得这才是根本。

杨国安：你还提出一个叫“硅基家人”的愿景，为什么提出这个愿景？这个愿景能够解决用户哪些更深层次的需求？

李想：整个AGI的竞争，我认为是五个阶段连在一起的：第一个阶段是聊天机器人，第二个阶段是推理，第三个阶段是智能体，第四个阶段是创新者，第五个阶段是组织者。必须到组织者那个阶段，才能决定胜负。

不能只看AGI的第二个阶段，到第三个阶段就要思考组织者怎么运行这些机器人，它面临的挑战跟人类是一样的。

杨国安：到达你说的第三个阶段、第四个阶段甚至第五个阶段，会有什么新产品形态出现？

李想：我刚才说把AGI的竞争分成五个阶段，其实产品落在第一个、第三个、第五个阶段。

第一个阶段的聊天机器人是增强我的能力，让我获得更多知识，更像是一个搜索的延伸。

第三个阶段的智能体是成为我的同事，要么跟我一起工作，要么变成我的员工，到用户的车上、用户的家里去工作。

第五个阶段的组织者，会成为我的家人。它会非常像电影《钢铁侠》中的托尼·斯塔克的人工智能系统“贾维斯”，我们甚至在《复仇者联盟4》中看到斯塔克为拯救世界去世了，但是贾维斯仍然在管理斯塔克的公司，而且经营得非常好，因为托尼·斯塔克的所有经验、认知能力都被贾维斯延续了，贾维斯仍然在帮着管理他的家，包括照顾他的女儿。

我觉得这是我们看到的AGI竞争的第五个阶段：它要么成为一个巨大的商业体的管理者，要么成为我们每个人的“私人管家”，连接我们所有的关系，帮我们调用所有的智能体。一个真正的“硅基家人”来帮我们管理着一切，我希望自己在有生之年能够实现。

3.未来效能：对话Manus创始人肖弘

杨国安：除了降本增效，你觉得AI智能体对企业或者个人有哪些更深层次的改变？

肖弘：我觉得未来人类的组织结构会发生很大的变化。一些大公司用好了AI会变得更强大，但是同时会出现非常多很小的个体。它们在AI的帮助下可能一两个人就能够做一个非常大的事业，不需要考虑怎么搭建组织、怎么做管理。

杨国安：Manus用的是产品驱动的增长模式，当时的思路是选择用最贵、最好的模型，创造出最让用户惊艳的体验，然后使其驱动产品口碑的传播。你觉得这种打法，它的持续性怎么样？

肖弘：我做Monica的时候发现，2024年时，1/3的成本用来付员工的薪资，1/3的成本用来付token的费用，1/3的成本在互联网广告平台上做投放、做增长。

我就在想，什么东西今天很贵，但是未来会很便宜？什么东西今天很便宜，但是未来会越来越贵？得出的结论是：token的成本今天很贵，但是长期来看一定会更便宜，这是一个摩尔定律驱动的产业规律。而互联网用户其实是越来越贵的，一旦有了PMF（产品市场匹配度），既有的玩家就会通过广告平台获取这些用户，推高整个行业的获客成本。

基于这个思考，如果我们能够做出一个用户觉得非常厉害的产品，他们再告诉他们的朋友，那么其实在某种程度上，我们就把这个token成本转化为我们的获客成本。所以当时给团队的目标就是做出一个让大家感觉非常厉害、愿意告诉别人的产品，并且是零市场预算。

我觉得不同的阶段还是有不同考虑，gotomarket（推向市场）的手段不应该有原教旨主义，还是要根据市场情况、竞争情况去动态调整。但是我觉得，以零市场预算造出让大家有新奇体验和向往的产品，以此作为创业公司的起点，是一个比较好的开始。

杨国安：Manus的一个生存战略是跟巨头合作共生，Manus如何差异化定位？

肖弘：我们跟这些模型厂商的关系其实是很不错的，主要体现在：第一，我们的用量特别大，厂商提供的折扣力度更大，我们服务单个用户的价值成本是更低的；第二，我们能拿到一些模型的“早鸟权限”，可以比其他公司提前看到新版本模型在哪些用户痛点上解决得更好；第三，其实也是最重要的，当我们的用户规模已经扩张到是主要的token用量玩家之一的时候，这些模型厂商就会听取我们的用户意见。几家模型厂商都跟我们分享它们的技术路线图，我们告诉它们哪个看起来不错，哪个暂时没有需求。我们虽然没有自己训练模型，但是对模型厂商有影响力。

我一直有个类比，我们跟模型厂商的关系就像手机厂商跟芯片厂商。比如小米在刚创业的时候，没有自己造芯片，但是对于高通来说，它的反馈可能是很重要的：

我们确实也观察到Cursor规模更大之后，就会面对一些挑战，比如说Anthropic发布了Claude Code，GPT发布了Codex.都是它的直接竞争对手。但是这种竞争不是某个模型厂商不让Cursor用它的模型这种恶意的竞争，之所以今天Codex可能比Cursor更火，是因为Codex做出了好的创新。所以对我们来说，可以暂时忽略所谓的“断供”之类的可能性。要持续问自己能不能在模型能力发生变化的时候抓住，我觉得这个可能是更本质的

杨国安：AI智能体技术下一个突破口或者应用的临界点会出现在哪些地方？

肖弘：我觉得这个答案分为两部分。第一部分是既有的能力，比如说成本、速度、更长上下文下的指令遵循，这些能力我觉得都是非常关键和重要的。

第二部分，我个人比较期待的是通用的计算机运用能力，就是AI自己看到一个软件，就知道怎么去用好它。这个能力突破之后，像Manus这种带虚拟机的产品，就能够完成更多的专业软件或者特定行业软件的应用。我们可以想象，在未来，你拿起手机，在手机上用Manus，就能够让它完成一个你本来要在电脑上用你所在行业的专业软件才能完成的事情。

杨国安：变成智能体与软件之间的交互，跟人无关吗？

肖弘：是的。从更长期看，外部环境也会变成由API协议主导，但是短期来看，实际上有很多存量的软件服务，不可能瞬间全部改造成API的方式。但AI有了更好的计算机运用能力，就能够把这些软件迅速用起来。

我记得2024年在开发Manus的过程当中，我第一次觉得Manus有点像人，是看到它遇到一个问题的时候，去GitHub（软件项目托管平台）把一个开源项目下载到自己的电脑上，然后开始解决问题。那次给我的震撼是很大的，因为我们说人和动物的区别就是人会使用工具。Manus当时的这个行为，让我觉得它已经像人一样，在用别人做好的工具解决问题。

我觉得给AI配虚拟机的好处就是使它可以用人类已经开发好的软件，或者给它写代码提供好的运行环境，让它去解决问题。虚拟机的劣势可能是速度慢一点，消耗的资源更多一点。但是我觉得长期来看，这些问题都是可以解决的，它的速度会更快，成本会更低。又因为它能够解决很多长尾问题，这反过来塑造了我们的品牌和护城河。