一篇新文章！一本新书！杨斌教授的两次提醒

清华大学杨斌教授近期在《哈佛商业评论》撰文，提出了一个值得深思的新概念——"To A"。

他指出，当AI和智能体成为商业世界中新的需求主体、决策主体和价值创造主体，当越来越多的商业流程实现"Human not in the loop"，我们过去在互联网时代积累的那些经验，或许都需要重新学习，甚至主动遗忘。

To B、To C我们驾轻就熟，而To A，才刚刚开始。

在此之前，杨斌教授也为《吾辈如神》一书撰写过推荐序。那篇序言从斯图尔特·布兰德1968年那句掷地有声的"吾辈如神，自当善任"出发，探讨了一个更为根本的问题：当人类拥有了堪比神明的技术力量，为什么反而可能"把自己的未来给搞砸了"？

布兰德的警示并随着戴曼迪斯的指引，穿越半个多世纪，在AI狂飙的今天显得尤为刺耳——能力越"如神"，善任就越难，为善就越重要。

点击入手新书，限时65折

商业范式的剧变，科技伦理的底线，看似角度不同，实则指向同一个核心命题：当AI被放在指数位，作为底数的"人"和"人的组织"，该如何升级心智、重塑认知，才不至于塌陷成小于1的底数？

读《吾辈如神》，恰恰能帮你在"To A"的商业浪潮中，不仅看到机会，更看懂责任。

To A"的真正挑战，从来不只是在技术和战略上跟上节奏，更是在心智和认知上完成质变。

To A：AI次方变革带来新场域——大厂如何变回“小写”

互联网普及后，我们所熟悉的商业模式根据对象不同，分为面向企业（Business）的To B与面向消费者（Customer）的To C两类，由此区分开产品或服务是卖给企业采购部门，还是卖给终端用户。

无论创业、投资还是战略分析，这样的二元框架常被用于定义企业属性、市场赛道。但伴随今天的AI演进发展，一种全新的模式正在快速显现，重要性与日俱增，那就是To A 。

To A 中的A ，可以是 AI，也可以是 Agent（智能体），还可以是那些以 AI 为原生思维、原生生产力、原生工作方式甚至原生组织形态的企业，现在常被叫作AI native 或AI pilled 的企业。

过去讨论商业活动，出发点是“人类中心”的——默认“交易发生在人与人之间”，企业服务企业，企业服务消费者，消费者购买产品和服务。把AI放在指数位，底数的商业模式发生质变，越来越多的信息、数据及其界面由AI生成，也由AI读取，越来越多的决策由 AI 辅助甚至自主落地。

已经越来越成为现实的情况是：商业活动中的参与者不再只是人，Agent会成为不可或缺的重要角色。不同信源的最新数据都告知我们，“2025年底，最迟至2026年一季度后，AI智能体间的API调用量就已经超过人类用户的网络请求总量”。

AI能做的事情越来越多，不知不觉超出了我们的想象。

如果一个采购 Agent 能够自主完成供应商筛选、价格比较、订单谈判和履约管理；如果一个投资 Agent 能够独立完成信息搜集、模型分析和组合配置；如果一个家庭 Agent 能够代替用户完成大部分消费决策，那么企业面对的对象，究竟还是消费者，还是消费者背后的 Agent？企业竞争的对象，究竟是“人”的注意力，还是算法（巧的是A也是Algorithm的缩写）或智能体的调用权限、推荐权重与调度优先级？

许多企业、企业家或许尚未意识到，这片新场域正在加速崛起。我们过去时常讨论供给侧改革、供给侧创新、供给侧效率提升，但之于未来商业，首先需要认识到：一场需求侧革命正在发生——这场革命的源头，是承担需求表达、筛选和做出决策并执行的角色正在悄然发生变化，AI Agent成为越来越多需求的代理“人”、话事“人”。

甚至在某些场景中，Human not in the loop——这可能是 To A 最重要的商业逻辑之一。

传统商业流程中的很多瓶颈，都与人类（非常有限的）注意力、（非常稀缺的）时间和（带有局限性的）认知能力有关。商业世界的大量 loop，往往都卡在“等待一个人”的环节中，卡在“人类“的处理能力上。而在to A 的世界中，商业活动不再需要每一个环节都有人的介入，当人的经验、偏好和决策逻辑开始以 Agent 化的认知框架持续运行，loop才能真正飞起来。

商业系统第一次有机会摆脱 Human in the loop 的天然限制。新的需求侧在形成，新的市场主体已出现。

To B或To C，关注的是企业客户需要什么、消费者需要什么，本质上都是在理解和服务“人”的需求。而To A 的出现和快速增长意味着，企业需要认真思考如何服务一个“并非人类”的需求主体、决策主体甚至价值创造主体。这种变化不会彻底取代To B 和To C，就像电子商务没有消灭传统商业一样。但是会重塑相当一部分行业的底层逻辑。

To A 很可能会逐渐成长为独立的、规模与增长潜力都大于传统To B、To C市场的新场域和商业范式；也需要新增一种语言框架，来服务A 这种新的需求主体、决策主体、价值创造主体。

更进一步看，To A 并不仅仅是人和 Agent 的交互，也意味着 Agent 与 Agent 的交互也在成为新的商业活动形态。作为To A的一种。随着长程规划的能力提升和更强的 agency 能力出现，Agent之间的交互带宽、信任机制与协同节奏都将出现新的探索空间。

并非如一些看法所说，To A 将仅属于管理科学与工程的范畴，其中也大有可能产生新的Agent管理学，与token经济学相呼应；To A 并不是所谓的“美丽新世界“，A 终究源自于不同的人，他们有着多种多样的差异，也会衍生出更多个性与例外，这同样需要管理。

企业需要准备好，以面对A这个新的市场参与主体所带来、所要求的种种变化。

而这，也正是我明确提出“To A ”这个概念的目的。

或许有人会认为To A 最终只是To B或To C中的一个组成线段，并没有改变B和C才是需求表达与评价来源的本质。这种看似“万变不离其宗”的表达，是低估“AI次方变革”所带来的质变的一种典型推挡。即使从To A 作为一个组成线段、最终仍是人在主导的角度来看，To A 也会深刻地影响交易结构、效率与成效。

洞察并把握To A ，对于今天的大多数企业而言，挑战在于从业者需要跨越的不仅仅是技术鸿沟，更是认知鸿沟。进入To A 时代的最大障碍，是放下旧经验，甚至得完全反着来才行——To A 的第一步，是 unlearn to B 和 to C时代默认的做法。

来看这个场景：为什么在酒店当中服务的机器人，上电梯时并不伸手去按键？不管是上下楼键、楼层号键，都不需要（用手）按，却能顺利出入电梯并到达目标楼层？

希望这里能有个Aha Moment 。愣一下，然后想通：To B或To C时代中的很多理所当然，到了To A 就不只是繁文缛节，甚至是南辕北辙。传统上习惯于认为用户一定是人，因此产品设计强调界面友好、体验流畅、情感共鸣；但对To A 而言，它并不关心页面是否精美，而更关心接口是否开放、数据是否标准、响应是否稳定。

传统上习惯于认为商业模式建立在人类时间和注意力的稀缺之上，因此广告、订阅、会员和流量一直是互联网、移动互联网时代关注的重点；但对To A 而言，真正稀缺的资源稳定的算力、可信的数据。

传统上习惯于认为最终结果的呈现才是B或者C所期待的，也是B或者C有限的注意力便于吞吐的，因此过程的分支树、细节枝杈都被丢弃，但To A 却很乐于也很擅长去一股脑地汲取所有这些冗余，并没有人类对于所谓“泔水”的嫌弃，这不仅更有利于Agent复现，也保留着Agent再有新发现的可能。

传统上习惯于认为组织增长来自更好的内部分工和优化的业务流程，一个劲儿地想着怎么AI赋能，而AI原生企业证明，未来的企业需要 "目标对齐 + 能力开放 + 价值共享"的新能力组合，组织创新是涌现的、生成式的，组织的生态系统和决策机制都与过去截然不同。To A 首先得建立起“碳硅共生”的基本假设。

是故传统业务模式和价值创造逻辑需要重构；商业活动的各个环节，交互范式不但是拓展、而要做颠覆式的转变。这些变化，本质上都需要战略扬弃创新、模式按照第一性原理重新设计。一些过去似乎是“唯一成立”的、也将“一直这样下去”的被视为理所当然、天经地义的认知，在今天需要被系统性地改写。

所以对组织来说真正困难的，又是“破执”，unlearn。破去那些To B和To C中的理所当然、天经地义，承认传统的成功经验与路径无法延续，承认我们面对的是全新的业务模式、服务对象、价值标准，这样才能全面扎根这全新的To A 的商业场域，并在To A 中重写你的竞争优势，拥抱AI次方变革带来的无限游戏。

To B、To C，已驾轻就熟；而To A ，才刚刚开始。但打一开始，就要刻意地跟那“熟悉”说不，就要对互联网时代的成功unlearn。unlearn，对赢过互联网时代的“大厂”、大神尤为关键。这两个带“大”字的称呼，让我想起贡布里希在《艺术的故事》中对比的，首字母大写的Art和普普通通也人皆可为的artists。《置身X内》的种种，说出来一个共通：对“大写封神”的组织和领导者来说，如何能变回“小写”，是场大考。

点击入手新书，限时65折

那些在互联网时代驾轻就熟的经验——流量逻辑、界面思维、线性组织模式——正以前所未有的速度失效。赢过上一个时代的大厂和大神们，最大的挑战恰恰是"unlearn"——放下旧地图，才有机会找到新大陆。

而《吾辈如神》这本书，恰恰为这场商业变局提供了一个更深层的思考框架。

戴曼迪斯和科特勒用大量数据和案例，向我们展示了人类已经走到了哪一步——富足之上的富足，AI革命的爆发，这些"如神"的能力不是未来时，而是现在时。但全书的后半段，才是真正的重心所在：如何善任。

杨斌教授用"人的AI次方"这个公式说得很清楚，AI是指数位，人是底数。指数再大，底数若小于1，结果只会越来越小；底数若为负，指数越大，灾难越深。

所以，"To A"的真正挑战，从来不只是在技术和战略上跟上节奏，更是在心智和认知上完成质变。