杨国安+杨斌：何以制胜？企业需要重构AI组织变革的操作系统

（杨国安教授在清华经管讲述《智在未来》的杨五环2.0理论）

AI变革的成功关键，是一号位（CEO）的信念与勇气，以及那份“非如此不可”的热爱。

文｜傅剑锋

ID | BMR2004

在AI大潮冲击之下，不少企业从观望变成了投身其中。可结果却劈成了两半：有的企业越做越⼤，把AI做成了新业务、新物种、新的收⼊结构；更多的企业忙活小半年，最后落得⼀个“局部提效”，客服快了⼀点，⽂案省了⼀点，员工裁了一点，但财报上看不出什么名堂，想象空间不大，未来发展不清晰。

企业同样用AI，命运为什么会分岔？

管理学界颇有盛名的杨国安教授在其所著的新书《智在未来》中，不但回答了这个问题，还总结了一套“杨五环2.0”的AI变革企业战略与管理的操作系统。

这是一套怎样的操作系统？有效吗？在清华⼤学经济管理学院的《智在未来》新书发布会上，杨国安教授介绍了其中精华。同时，杨国安也邀请了另一位杨教授——清华大学经济管理学院教授、领导力研究中心主任、清华大学可持续社会价值研究院院长杨斌教授。两位杨教授都认为，CEO如何转身决定着AI变革的成败，但对AI变革的操作系统，却有着迥异的理解，由此带来不同的启发。

01

CEO需要看见，科技怎样从“⼯具”变成“⽕⻋头”

杨国安现任腾讯集团高级管理顾问、青腾教务长，早前是中欧国际工商管理学院的名师。曾经成功推动腾讯数次组织变革，腾讯内部尊称其为“教授”，腾讯之外的人称其为“腾讯总办里的局外人”，他常以一名学者的超脱与理性，为腾讯提供管理的诊断与建议。

他擅长于在纷繁复杂的管理实践与调研中，提炼简洁有效的公式与模型，“杨三角”管理学至今在实务界有一大批企业家追随者，该方法也融入了腾讯管理的方方面面。

之后，杨国安有多本著作涉及移动互联网、数智技术之下的企业变革，并逐渐形成了“杨五环”模型，直至在深访与AI变革相关的8家企业之后，他的理论迭代出“杨五环2.0”，即数智科技→产业重构→战略布局→组织升级→变⾰领导⼒。在这里，数智科技不是配⻆，⽽是改变产业格局的⽕⻋头。在AI时代，如果你不先理解技术将如何重塑整个产业，那么你所有的战略，都可能建在⼀块即将塌陷的地基上。内部流程优化得再漂亮，也抵御不了产业范式转换时的⼀记闷棍。

理想汽⻋的战略布局，很好地诠释了CEO在理解技术可能带来的产业范式转换后形成的远见。这也是杨国安在书⾥反复拆解的案例。创始人李想不把理想公司定义成⼀家⻋企，⽽是确立了更大的愿景——成为“全球领先的具身智能企业”。在AI时代，他重构了理想汽车的技术底座，经数年投入，逐步转换为“全栈四位⼀体”的布局：⼤脑是算法，⼼脏是算⼒，神经⽹络是内外⼯具模型的⽆缝调度，身体是硬件。当L4级⽆⼈驾驶迈过⻔槛，未来的汽⻋不再以硬件为核⼼，整⻋会逐步变成移动的客厅、办公室、娱乐场所，它将成为全方位的智能管家，也可能将拥有智能空间的巨大市场份额。

这就是“先看技术能创造什么新物种，再定义⾃⼰是谁”的典型路径——它和“先想清楚⾃⼰要什么、再找个AI⼯具来配合”，是两套完全相反的思维⽅式与操作系统。

02

每个变革的环节，都在拷问⼀号位

“杨五环2.0”最容易被读成⼀份“AI落地说明书”。但如果逐环拆开看，会发现⼀件耐⼈寻味的事：这里的每一环，追问的其实是同⼀个⼈。

第⼀环，数智科技——“独家数据”在哪⾥？

AI是“算⼒×算法×数据”的组合。算⼒可以买（GPU云租赁），算法可以借（开源模型），但企业独有的⾼质量数据不可复制。杨国安有⼀个精准的⽐喻：通⽤⼤模型好⽐⼀个接受了世界⼀流⼤学教育的毕业⽣，⽽企业真正需要的，是理解企业运转的“实习生”，通过后训练和强化训练成为行家里手，这才是企业AI的真正壁垒。

书中的案例公司美图，积累了17年的⽤户数据与审美理解，这是任何通⽤⼤模型都替代不了的；书中的案例公司⾼途，也在多年教育运营中沉淀了各节点数据，是它AI时代的核⼼壁垒；书中的案例公司和睦家，对患者全⽣命周期健康数据的采集和医学知识的沉淀，是它最宝贵的战略资产。这些“散布在企业各处的⾼质量数据”，正从业务的副产品，变成最重要的战略资产。

但这⼀环最后落到谁头上？是谁来决定把这些数据当成成本，还是当成弹药？是⼀号位。

第⼆环，产业重构——你的⾏业边界还在吗？

这⼀环最容易被读浅。多数⼈理解的“产业重构”，不过是“把AI⽤进某个环节”。但杨国安提醒：AI对产业的重塑，是分三个由浅⼊深的层次发⽣的，企业看到的层次越深，转身的幅度就该越⼤。

第⼀层，是价值链内部的重构。AI不再只辅助某个动作，⽽是横扫研发、⽣产、物流、营销、销售到服务的整条链路。⾼途是典型：AI不只是帮着⽣成教学内容，⽽是全⾯介⼊教研、教学、答疑、运营多个环节，连“教”与“育”的组织⽅式都被改写。停在这⼀层的企业，⾄少把AI⽤对了地⽅——但也才刚刚摸到⻔槛。

第⼆层，是产业边界的打破。这才是“产业重构”四个字真正的分量。和睦家正在做的，是借AI整合患者在院内院外的全部数据，⼀举打破不同专业、不同医院、院内院外的三重边界，通过智能体贯通全生命周期的健康管理各环节，再覆盖到离院随访、家庭医⽣“30秒响应”、跨城跨院系统对接。结果是上⻔护理量已是院内⻔诊量的数十倍。医疗的主战场，已经悄悄搬到了医院的围墙之外。

第三层，是价值分配逻辑的彻底重写。在新书发布会上，明略科技创始人吴明辉认为，AI冲击之下，企业软件服务者已从“软件即服务（SaaS）”⾛向“服务即软件（Service-as-Software）”。明略科技过去在⼴告、零售领域做数据分析，现在明略科技新增了一块业务，⼲脆不再向客户卖软件，⽽是直接下场，帮客户做效果⼴告的代理与制作。当⼴告⽚可以⽤AI⽣成，当导演、编剧的决策与拍摄全⾯数字化，中间过程事实上被压缩，价值体现在直接向客户交付结果上。这就是被AI改写的价值分配版图，也考验⼀号位的洞察力与危机意识。

第三环，战略布局——你敢不敢从未来倒推现在？

AI落地必须是“⼀号位⼯程”，决策者要有⻓期投⼊的战略定⼒。核⼼⽅法论是“从未来看现在”的倒推思维：想象AGI充分发展时，你所在的产业会变成什么样？

李想给出过⼀个具体到让⼈⼿⼼冒汗的决策：与存储供应商签3年锁价合同，⾦额巨⼤。不投，3年后就出局；投了，⼜不⼀定赚得回来。“最终考验的是你的勇⽓，⽽勇⽓源⾃你的信念，你对AI改变你产业、企业信得多深。”

杨国安由此给企业分了三个层级：探索者（⽤现成外部⼯具试试）→创新者（⽤⾃有数据训练沉淀）→创变者（从未来反推现在、⾃上⽽下重写结构）。多数企业停留在探索者阶段，⿎励全员“免费玩⼀玩”，看起来热闹，却始终没有⼈愿意真正投入。投入的决心，下面的人都在盯着一号位。

第四环，组织升级——“碳基+硅基”的新⽣产关系。

AI对⽣产⼒的解放，必然要求⽣产关系的变⾰。组织从“⼈+⼯具”向“⼈与AI共创”的AI原⽣模式演进。杨国安给了四条演进建议：其一，招聘或培养有“AI first思维”的原⽣⼈才（能⽤AI的地⽅就不⽤⼈）；其二，搭建⼀个碳基员⼯带⼀群硅基员⼯的⼈机协作⼯作流；其三，包容失败、奖励创新的试错⽂化；其四，扁平、具备闭环能⼒的敏捷团队。

书中案例美图，是这一模式的标准样本。它在内部孵化AI创新⼯作室，保持⼩团队、闭环敏捷、直⾯市场，同时⽤⼀系列AI中台建设，确保AI能⼒“像⾃来⽔⼀样随时取⽤”。⼩团队负责贴着市场快速试错，中台负责把每⼀次试错的成本压到⾜够低——这正是亚⻢逊“每年试1000多个项⽬、死掉⼤半也不⼼疼”那套逻辑的中国翻版：创新很多时候会失败，所以真正的功夫不在⿎励创新，⽽在把创新失败的成本降到最低。

理想则给出了最有冲击⼒的数字注脚：未来5年营收可能增⻓10倍，⽽⼈员规模最多控制在1.5倍。理想的挑战之处是，它需兼容传统硬件的流程化管理与互联⽹的⼈才密集两套模式，李想的答案不是“⼀国两制”，⽽是⽤“AI⾼密度打法去兼容传统汽⻋⾏业的做法”，靠AI⼈才去调动⾏业⾥已经沉淀的⼤量流程与⼯具。

但对那些结构稳定、偏线下、专业性极⾼的成熟组织（⽐如和睦家这样的临床科研机构），创始人吴启楠给出了另一种解法，绕开成熟业务，另设探索性的独⽴新公司、⽤创业⼩团队的⽅式去做。他最担⼼的不是⽅向选错，⽽是“等我们改完，世界都变了”。

而像书中提到的AI原生企业如Manus、乐奇、强脑科技，都重在建构人与AI的共生组织，创始人的极客精神与愿景驱动，与AI的增强与放大效应结合，形成了由极强创造力的超级个体融合而成的超级组织。

四个环⾛下来，每⼀环的答案，最终都会收敛到同⼀个变量。即第五环的变⾰领导⼒。

03

CEO的转身：信念⽐认知更重要，因为“先相信才能看⻅”

变革领导力，确实事关企业的⽣死：变革的成败，谁来扛？

杨国安在书中有明确的回答：在AI时代，CEO注定要直⾯更多决断和取舍。也许在数字化阶段，CEO还能把决定权和责任更多地交给CTO、CIO；但在AI时代，因为AI往往需要⾼额投⼊，牵扯⼈、事、利益的⼤幅变动，这些事只能由企业一号位决定。

他把变⾰领导⼒拆成三个递进的特质：洞察、信念、坚韧。

洞察，来⾃两个⽅向⾼质量信息的交汇，对技术趋势的理解，与对产业痛点、⽤户未满⾜需求的理解。只有在这个交汇处，才可能涌现出洞⻅。杨国安调研的8家AI领先企业，⼀号位⽆⼀例外⾼度重视AI、花⼤量精⼒学习AI。最让他印象深刻的是⾼途的陈向东：在推动变⾰的两三年⾥，他向国内外超过600名AI相关的企业家、技术⼈才、投资⼈请教，这个极致的求真过程，最终让他不再对AI感到焦虑和恐惧。

但杨国安话锋⼀转，点出了⽐洞察更稀缺的东⻄——信念：

“AI时代，信念更为重要。因为对AI的投⼊，是⾮常典型的‘先相信才能看⻅’的事。”

这句话值得反复咀嚼。我们这个时代崇拜“看⻅才相信”，要数据、要ROI、要确定性。可AI转型的残酷之处是，未来太不确定，你只有“先相信，才能看⻅”。你必须在还看不到产出的⿊暗期⾥，敢于投⼊资源和时间，押注⾃⼰相信的⽅向；甚至敢于放弃那些看起来也很好，但和未来⽅向相悖的旧业务。

坚韧，回应的则是另⼀个问题：在选定的路上遇到阻⼒，你能不能顶住压⼒继续前进？所有的企业变⾰都要承受阵痛。美的董事⻓⽅洪波从2013年起推动数字化转型，每个项⽬投⼊⼏亿、⼗⼏亿。到2017年，他坦⾔⾃⼰也曾困惑——“数字化都是隐形的东⻄，⽆法以⾁眼去判断，以经验去判断”，这种未知感让他焦虑。但他说，⼀把⼿的任务就是“推动、决策、不断往前推”，“有时候就是⼀⼝⽓，⼀⼝⽓突破了、顶住了，可能就是⼀⽚新的天地”。

李想在AI变革中，也展现出一位创始人的坚韧，他在书中讲道：“我最艰难的决策是到底怎么投资算力。它在短期并不会直接带来商业回报，但花的钱非常多。但如果不投资，你会发现AI是根本不可能做出来的”，“我如果不投60亿元，只投20亿元，虽然会多出40亿元利润，可能在股市上表现会更好，但是（智能）就可能永远停在猴子的阶段，进化不到人了。”

值得玩味的是，给出“信念论”的杨国安⾃⼰，正是⼀个“先相信才能看⻅”的活样本。他出身⾹港贫⺠窟，⼗⼀⼆岁就⽴下10年计划，从中学到博⼠每年靠奖学金得以继续学业，然后选择出国读博，直至成名成家，都在朝着⼀个当时还看不⻅的终点在努⼒。这个⽤⼀⽣在证明“信念先于看⻅”的⼈，来告诉企业家信念、坚韧⽐认知更重要，这本身就是有力量的。

04

“加号与指数”：让“改善”无法伪装成“变革”

杨斌教授的解读，从一个尖锐的思考坐标开始。

去年全国两会之后，“AI+”被写进大量政策文件，成为国家战略。杨斌却担心另一种误读，“AI+”一旦进入企业家的心智，容易误以为：把AI当成一种较成熟、好用的工具引进来，企业不必大改大革，就能降本增效甚至顺手创新，“这是错误的想象”。

（杨斌教授在《智在未来》新书发布会上讲述“AI次方”组织变革理论）

其实早在2025年的π日（3月14日），杨斌就写下《不是AI+，AI该放在指数位置上》，提出“AI次方”理论：把AI放到指数位上，把组织放到底数位上。他特别强调，“AI次方”的要害不在渲染AI的指数级威力，而在于——一旦AI进入指数位，它会“倒逼”底数上的那个组织发生质变。这个质变不是改善（improvement），而是重新设计（reinvention）。

加号与指数的分野，由此清晰：“AI+”背后是一种“操之在我”的中年心态——我不需要变，我只需要把技术拿来为我所用；而“AI次方”则意味着资源的再分配、组织的重写。优化客服、自动化报表、辅助写代码，都属于“AI+”，它在不触动核心业务逻辑与权力结构的前提下提效降本，安全、可控，完美满足中年组织对确定性的期待。打个比方，“AI+”是给马车换上更轻的轮子，“AI次方”是从零开始造一辆汽车。AI次方，让“改善”无法伪装成“变革”。

杨斌打了一个比方，一个成熟的组织，往往活得像个体面的中年人：追求稳定，厌恶风险，信仰可预测的线性增长，每一块肌肉都刻着对既有流程和权力结构的本能捍卫。而迎面撞上它的AI，尤其是生成式AI，正处在莽撞的青春期：带着不守规矩的野性活力，进化不是平滑曲线，而是突变与涌现。中年的组织心智，撞上青春期的技术活力，构成了AI时代企业变革的关键张力。

05

50年前的几段旧事，与一个思想实验

跟着杨斌的视角，把镜头拉到一段50年前的旧事。

1975年，柯达一位身处边缘电子部门的工程师萨森（Steve Sasson），用刚问世不久的光电技术，做出了人类历史上第一台数码相机的原型；1976年7月，这位入职仅一年多的年轻人向公司高层演示了他的“无胶卷相机”（filmless camera）。2009年，他被奥巴马授予“美国国家技术奖”，这是美国技术领域的最高荣誉；而柯达这家“大写”的组织，却没能让这项发明在自己体内长大，反而任由它成为让自身相机与胶卷业务出局的起因。

杨斌为此设计过一个“反事实商业史”的思想实验：假如1976年萨森演示原型机之后，柯达在远离总部处（比如利用在日本收购的一家公司）组建起一个预算独立的数字研发平台，不必声张“无胶卷摄影”的颠覆愿景，却默默同步布局CCD成像、数字存储与回放探索——历史会不会改写？这个思想实验的要害在于：颠覆性创新未必需要总部的全面共识，但一定需要一块被保护起来的“边域”。柯达输掉的不是技术，而是为技术留一块自留地的组织想象力。

这一思想实验，在技术与商业创新史上有不少可验证的案例。现在被称为人类技术皇冠的阿斯麦极紫外光刻机，就是在这样的边缘中诞生的。20世纪70年代阿斯麦成立时，飞利浦仅投入30万美元现金，团队仅30余人，办公地点在飞利浦总部外一个漏雨的简易工棚里，被外界视为“飞利浦的弃儿”。当年谁会想到它的今天？

无独有偶，2007年的奈飞（Netflix）面对流媒体冲击，必须决定要不要把自己“从大写变成小写”。今天我们知道结局：奈飞敢于质疑自己起家的共识“DVD=未来”，选择革自己的旧命，才有了流媒体巨头的新机。但在当时，那个抉择的艰难，不亚于柯达的挣扎。类似的“破执”时刻，商业史上也并不罕见：微软质疑过“Windows=核心”，才有云时代的再造；谷歌如今必须质疑“搜索=一切”。

06

“AI次方变革”五步，与“组织的中年”病理

那么如何进一步理解变革烈度更大的“AI次方变革呢？”。杨斌把它拆成五步：

第一步，底数上的组织（X），先要从“大写”变成“小写”。已有一套行之有效成熟打法的组织，很难质变，必须先把自己变小、坐直；

第二步，unlearn（刻意把旧能力归零），亦即“破执”，这是组织进入中年之后还要刻意训练才能掌握的技能。破执有三个动作：识别执念——搞清楚自己的核心执念究竟是经验执念、身份执念还是价值执念；质疑共识——敢于对“理所当然”提出疑问；回归本质——剥离形式与表象，重新逼问企业存在的核心价值到底是什么；

第三步，把小写的x变成α，像理想汽车那样“从未来反推现在”；

第四步，rewire（重新连接），把过去频繁交互固化下来的连接打开、重新集结，商业模式、组织模式、心智模式一起重构；

第五步，新物种α′涌现。而再过一段时间，α′又会变回某种“大写的X”，周而复始，持续变革。

为什么第一步、第二步这么难？因为拦在前面的，正是杨斌所说的“组织的中年”。他对这种状态有一套精细的“病理学”描述：

它不同于“大企业病”，也不同于“在位者窘境”，并非只有巨头或在位者才会得，其本质是一种“习得性保持正常”，有四个典型症状——即期绩效导向，要担当、要表现、要出活；与主流保持一致，偏好秩序与共识、不能跳脱；线性稳进，重视改善、厌恶例外；认知窄化，基于信任获得反馈，回路自我增强，路越走越窄。

组织的中年不是年龄问题，而是心态问题。一家公司可以年轻得很傲慢，也可以年长得很谦卑。要摆脱“组织的中年”，就要看一号位的心态，有没有勇气把自己亲手缔造的那套成功逻辑，当众否定掉。

07

“流人”出奇，“边域”创新

杨斌提醒，不要忽视在变革中容易出现的认知误区，比如将来一次次让我们大跌眼镜的，可能不是成熟大公司的明星产品，而是初创公司甚至个体开发者的“研究预览”型作品。

如风靡一时的开源AI Agent平台OpenClaw，就出自程序员个体之手。创始人Peter Steinberger本以为大公司一定会做这个东西，结果没有。他在一档播客中说出了其中的原因：“Because they all take themselves too serious(ly)... I wanted it to be fun, I wanted it to be weird.（因为他们都太把自己当回事了……而我只想做个好玩的、奇怪的东西。）”

当你成了上市公司、业务牵一发动全身，推一个新产品要顾及安全与全局，远比光脚的初创公司沉重。杨斌甚至断言：越是互联网时代的成功者，越要小心自身的成功经验与底层逻辑，可能刚好成为AI变革的障碍。不扬弃过去的自己，就会犯“用旧地图去寻找新大陆”的错误。

基于这样的观察，杨斌给企业AI组织变革的方向是八个字：流人出奇，边域创新。

“流人”的意象，来自英剧《流人》（Slow Horses）。在剧中，英国军情五处的总部与流人所蜷缩的斯劳屋面貌迥异：总部代表着光鲜与权力中心；斯劳屋则象征着破败与边缘化。但耐人寻味之处在于——总部野心昭彰、照章办事、个体可以被牺牲掉，决策失误被掩饰掉；而斯劳屋里那些被主流嫌弃的“弃子”，反而挣扎求索、不拘一格，各有个性，最终各擅胜场。

放到组织语境下，“流人”就是那些想法超前、不被理解、游离于核心权力圈之外的个体；“边域”则是容纳这些流人的“法外之地”——可能是一个不受重视的创新项目、一个拥有高度自治权的实验室，甚至一个松散的开源社区。在那里，不受企业既有规则的束缚，主流KPI和僵化流程失效，探索和试错被默许，甚至被鼓励。

为什么突破性创新总诞生在这里？因为组织的核心地带本质上是一个“共识熔炉”：为了维持稳定和效率，它会无情过滤掉所有不确定、不合群的异质性想法；而边域恰恰相反，它保护了异质性，让非共识的种子得以发芽。回头看，萨森当年所在的柯达边缘电子部门，正是一块没有被善待的“边域”；今天那些让大公司大跌眼镜的“研究预览”型作品，也几乎无一例外诞生在主流视野之外。

08

涌现，是“放”出来的

所以，真正的涌现，往往不来自一号位的要求，而是来自一号位某种程度的“放任”——刻意鼓励试错、包容失败，允许边缘与多样性的存在。“涌现”不是“指哪儿打哪儿、打哪儿赢哪儿”的线性过程，而是往往依赖不同部分碰撞出的可能性智慧。

这是因为，AI技术仍在高速发展与变化中，组织的未来生意和未来的组织形态，仍是“未知的未知”（unknown unknowns），你无法为它制订周密计划。更好的做法，是借鉴“流人”与“边域”：让自发的“AI原生”小分队（流人），自驱地去创建AI原生的新业务（边域）；让一千朵花开放，忍受住某种失控，不着急收敛修剪。你并不知道未来会是什么样子，就要更好奇、更包容，让新认知、新组织在生成式涌现的变革中自己长出来。

这背后，是组织变革的操作系统的切换：从“控制”（Control）切换到“情境”（Context）。这本是奈飞提出的管理哲学——给员工足够的上下文（战略目标、市场环境、挑战与假设），然后相信他们能做出正确决策，而不是用严密的流程和审批摁住他们。

在AI时代，它从一种“软”的文化倡导变成了“硬”的工程原则：与AI协作的本质就是提供Context，我们无法也不必控制模型内部亿万参数的激活方式，能做的只是构建足够丰富的上下文，让涌现发生。

从这个视角看，“边域”正是组织里最大、最自由的Context，“流人”是最善于利用Context进行创造的行动者，而层层审批的科层制，则是Control的极致——靠切断信息流、割裂上下文来维持权力的稳定。如果一个组织的工作流与AI的“思考”模式背道而驰，它就不可能真正释放AI的指数级潜力。

当然，“放”不等于甩手。一号位仍要做那个下注的人：不能对Token投入背太重的现实包袱，必须有“下注（bet）的勇气”，让团队去试、去自由研究。支撑这份勇气的，是杨斌所说的五种底层“心件”——成长型思维、无限游戏、赤子态、木鸡态、从心慢。说到底，“AI次方变革”考验的不是技术采购能力，而是一号位的使命、心力与品位。

由此也可看到，“杨五环2.0”聚焦于AI时代下要建什么、建多深，需要什么样的架构与节奏，更多是帮助企业家达成变革的确定性；而杨斌的“AI次方变革”与“组织的中年”，是提醒企业势在必变，并点出变革难在哪里——难在把成熟组织变小，以未来反推当下，否定过时的自我，在“边域”中养出“流人”，在放任中等待涌现，重构新认知、新组织。但这两位杨教授也有一致共识，即他们都认为AI变革的成功关键，是一号位（CEO）的信念与勇气，以及那份“非如此不可”的热爱。