曾鸣最新访谈：2026，像极了1995

内容来源：张小珺商业访谈录。

责编| 柒

第 9827篇深度好文：9345字 | 20 分钟阅读

商业趋势

笔记君说：

“在巨浪面前，没有人是安全的。谁觉得自己安全，谁就是最不安全的。”

这句话出自曾鸣，他是阿里巴巴前总参谋长、湖畔大学教育长。

所有人都在问AI到底走到哪一步了，他给出的答案有点反直觉：2026年不是爆发之年，只是第一阶段刚刚成熟、第二阶段刚刚开场的交叠点。

他把通用技术的革命拆成三个阶段发现：“第一阶段的企业很难活到第二阶段，第二阶段的企业很难活到第三阶段。”上一个时代的巨头，没有一个敢说自己一定过得去。”

但机会恰恰藏在这里：AI时代连“浏览器”都还没出现，下一个最大的机会，就是把agent的标准统一起来。

以下为张小珺商业访谈对话曾鸣的精编内容整理版，希望对你有所帮助。

一、AI的第一阶段刚刚成熟，
第二阶段刚刚开场

1.新技术发展的3个阶段

我做过一个很系统的研究，从移动互联网到PC互联网，再到PC，包括当时我做云计算的时候，把第一次工业革命、第二次工业革命、第三次工业革命，整个历史也都研究过一遍。

大致上，新技术都经历了三个阶段。

第一个阶段，技术成了社会的基础设施。

第二个阶段，基于基础设施产生海量的新应用，百花齐放。

第三个阶段，需要更底层的方法去运行这个新世界，我把它叫做原生应用的阶段。

拿移动互联网来说，黑莓2010年还占美国智能手机市场百分之四十几，到iPhone4以后才被反超。有了AppStore之后，才出现新一代的原生应用。真正要解决核心需求的主流应用，才是原生应用。

那为什么原生应用不能诞生于第二阶段？因为应用的爆发，给了技术下一阶段发展的方向。技术成为基础设施以后要寻找新的发展方向，但到底往哪发展不清楚。

就像字节，第一阶段只有文字成熟了，才出现今日头条。但今日头条探索出了推荐算法这样一种既是技术模式又是商业模式的新东西，又由于带宽、算力的发展，才出现了短视频。

短视频和推荐算法一结合，才出现抖音这样的现象级原生应用。

所以第二阶段本身非常精彩，也非常有价值。这也是为什么我说还有可能8年、10年是属于第二阶段的，但要注意，没有第二阶段的积累，跨不到第三阶段。

2.我们具体在哪个时间点上？

我觉得2026年应该是第一阶段基本完成的标志性阶段。核心原因是今年年初，关于Token（词元）这个词形成了广泛的共识。

黄仁勋讲英伟达的未来就是token factory（Token 工厂），山姆·奥尔特曼（OpenAI CEO）也表达OpenAI核心就是卖token的。

为什么重要？因为当一个技术有了一个标准的度量衡以后，它就能被规模化的、标准化的使用。就像一度电、一吨水、一个GB的流量。

有意思的是，今年也是第二阶段的开场。春节前后的OpenClaw，大家叫它“龙虾”。它让大家看到了一个能够独立完成任务的agent的无限潜力。

所以我认为，AI进入的第二个阶段就是智能体阶段，智能体就是AI时代的新应用。

如果类比到互联网，今天是哪一年？这是我琢磨了两三年的问题。我三年前做过演讲，题目叫“让我们拥抱雅虎吧，雅虎马上快来了”。今年年初我自己也有点纠结：怎么退回到了浏览器阶段。

我的判断更加前移了。因为我看到OpenClaw出来以后的第一个反应就是：我们还在等一个“浏览器”出来。

为什么？因为跟agent（智能体）同时出现的一个词是skill（技能），agent的本质就是分享能力。

我突然想到，1992年最狂热的是什么？是建个网站，目的就是分享信息。所以AGI（通用人工智能）这轮的创新，就是让我们从信息时代进入了能力时代。

我们做类比的关键，是我们去理解抽象建模以后的底层运行规律，而不是纠缠于技术的表现形式。一个在建站、一个在建agent，一个是分享信息、一个是分享能力，结构对上了。

浏览器在那个时代完成了两件事：通过HTML（应用于网页和应用程序的用户界面技术）树立了建站的统一标准，把创造的门槛极大降低；把浏览网站的门槛降到了零，你只需要点击。

所以用户端爆了，供给端也爆了，出现了无穷的网站。

这时候出现了雅虎。它的本质是在做熵减，而我们今天还在熵增的过程中，表现形式就是各种skill能力的爆发。

我完全没有看到“AI时代雅虎”的雏形，所以下一个最大的机会就是一个类似浏览器的机会：把agent的标准统一起来，让用户用很简单的方法就能调用agent。

至于产品形态长什么样，想象不出来，这就是要大家去创造。

二、模型公司是未来的AI云公司，
不是终局赢家

1.这个时代的关键变量：大模型到底是什么？

大家讲数据是新时代的石油，那大模型实际上就是一个炼油厂。从广泛提供基础设施的角度讲，它又有点像消失了的公司美国在线AOL（美国最大因特网服务商之一），它让所有的人都能接到互联网上，今天大模型让所有人都可以很轻易地接入到智能。

那OpenAI、Anthropic、Kimi、DeepSeek这些公司，会变成什么？说得直白一点，就是AI云公司。

为什么现在大模型公司跟云厂商的博弈非常复杂？本质是云厂商觉得付出了太多、得到了太少；模型公司大概率认为自己将来要自建云服务，甚至自研芯片，最后会形成几个比较稳定的AI云公司。

很多人觉得，Anthropic用了不到10年就接近万亿美元市值，这在人类历史上都很罕见。这个描述本身就是一个幻觉和误解，让年轻人容易认为“这一次不一样”。

我专门去查过，雅虎1995年成立，2000年达到1200亿美元市值，那时候的1000亿美元大概相当于今天的1万亿美元。

AOL1988年开始提供服务，2000年的估值高点是2200亿美元。谷歌1998年成立，2005年时市值达到1000亿美元。

当一个技术有这么大的冲击力的时候，第一波成功跑出来的公司就有这么大的价值。

2.第一阶段的企业很难活到第二阶段

陆奇说过，OpenAI未来一定会比Google大，只是大5倍还是10倍的问题。我的观点是：未来一定会有一个10万亿美元的公司，但是未必是现在领跑的这两家公司（OpenAI和Anthropic）。

理论框架告诉我：第一阶段的企业很难活到第二阶段，第二阶段的企业很难活到第三阶段。

为什么？

因为第一阶段的技术核心是“可不可用”，所以它有很多原创的技术创新。

第二阶段开始的标志，是技术发展渐渐缓慢下来，变成大家都能调用的技术。

这个阶段，应用需要很强的洞察力，要的是产品力、跟普通用户的同理心，也需要应用技术的一堆新东西，比如上下文的管理。这两个的结合，可能就变成了第二阶段的王者。

至于最后的格局，非常简单：公共基础设施的行业，只有一种商业模式成立，叫寡头垄断+政府强监管。

因为整个社会依赖于它，政府一定会强监管；供给如此重要，不能只有一个供应商。所以它很可能往后活得不错，但大概率不是原生应用阶段的大玩家、大赢家。

回到石油的比喻，炼油厂和化工厂是两类企业。还有一个类比：汽车离开了石油肯定不转，但石油公司很难做汽车。

当然，现阶段当然有优劣之分。今年Anthropic先领跑、OpenAI再跟上、谷歌阶段性被甩下，是组织能力和技术能力出现了差距。

为什么Anthropic先领跑？跟“智能复利”有关，他们开始用大模型训练大模型了，把AI这个工具用到了自己的主业上。

而中国和美国是两个不太一样的生态，中国的模型公司会持续追赶，但竞争也类似美国：今年年底谁如果跑不到3T参数的模型，估计就出局了。

接下来会看什么？看谁是这个时代的Netscape（网景，最早的浏览器公司），谁是这个时代的雅虎。谁把agent的标准建立起来，谁控制了agent的用户入口。

我觉得三年内，有可能开始出现agent的入口，因为现在agent太多了。

你换一个普通人的角度想：你怎么知道哪个agent能用？你敢不敢把一件重要的事交给agent？这种信任从何而来？

这些都需要一个新的服务商来给大家建立这种信任。

三、agent是第二阶段的主体，
复杂任务才值得做

现在AI应用层就是百花齐放，大家都在找那个切入点。但是那些应用今年都不怎么样了，是因为去年做的都是特别简单的任务。

我看一场10个demo（演示产品），里头三五个是做广告的，有的做素材生成，有的做投放。这么简单的事情，我当时就觉得不太可能有长期价值。

做复杂任务，你才有可能建立自己的智能闭环，你才有可能做一堆自己有价值的技术积累。当智能能力不够的时候，你做应用很大程度上是在做脚手架，等着模型自然溢出，把你脚手架就淹没了。

今天做应用的切入点需要完全不同：你要假定智能是完全够用的，它到底能干啥活？越简单的活越容易被复杂的活给吞掉，因为它没有多少成长空间。

Manus（通用智能体产品）当时市场感觉非常敏锐，抓住了coding（编程）溢出的一个难得机会窗。他们的定位是通用agent，当时能触达的就是一批prosumers（专业级消费者）的生产力需求，那个切入点是对的。

但是在今天，一个agent要再立住，至少要找个10倍以上的切入点，你才有发展的空间。

那做通用还是垂直？这就是大家接下来比创造力、比天分的地方。教育、健康是典型的大垂类，你只要在里面认真耕耘就够了。

通用里头又会分to B和to C。toB里，我觉得到今年年底你就会听到一堆要做“组织大脑”的agent，就是组织的操作系统，或者叫CEO的agent团队。toC端会有重新开始做个人情感陪伴、解决问题的。

1.智能飞轮与黑洞效应

网络效应在AI时代也会继续存在，它就像基础设施一样成了标配。从数据的本质来说，越多元化、越差异化的数据越能产生新的洞察，同样类型的数据规模到了一定程度，价值是边际递减的。

但我觉得网络效应的升级版，其实是黑洞效应：应用场景越多，你的连接越复杂，你就更有可能去拓宽你的智商。

我在《智能商业》里讲过DNA螺旋的两个组成，数据智能和网络协同。黑洞效应相当于这两个都升级了：数据智能升级成智能复利，网络协同变成黑洞的内部网络结构，看的是能快速吞噬多少场景。

新的时代还会出现平台，一样会出现一个双边市场：海量agent开发商跟海量用户之间怎么完成匹配？我们看一个网站很容易判断好坏，你用一个agent却是可能出现很大负面影响的，这对agent能力的判断要求很高。

所以在这个阶段，我们大概率会让渡这种判断力，给一个我们信任的独立第三方。

2.应用创业者的反共识阶段

我觉得现在是应用领域创业者的反共识阶段，因为没有一个好的应用让大家看到它有多大潜力、该怎么做，所以大家都在摸索。

比如视频生成，这个领域已经相对成熟，大家最终的目标可能都要做AI时代的TikTok，但都知道离现在很远，第一步到底做啥，非常考验功力。

所以我们处在一个青黄不接的时候：模型的能力已经溢出到很多简单任务，它自己就能干了。但我们又没有找到一个足够大的场景，可以让AI做一件足够复杂、足够有价值的事，还能形成自己独特的技术积累。

所以大部分人其实低估了agent的难度。

不过今年，我听到一个普遍的感受：大家都觉得智能是真的能干活了，可以信赖了，开始真有人想，我能不能严肃地拿它干点重要的活，这才是应用阶段开始的真实的标志。

3.模型公司会吞噬一切吗？

模型吞噬一切的前提，是所有的东西都在模型射程内。按现在的范式发展的模型，肯定会有阶段性的天花板。智能够用了，就会有一堆新的技术要求出来，去做不同场景下的东西。

举个例子，1892年爱迪生发明电灯泡，1910年有了发电厂、电网，覆盖了美国主要城市，那一年才终于出现洗衣机和电冰箱。到1925年才出现收音机，1930年才出现电视机，应用的发展有它自己的规律。

公司层面还有个有意思的选择：爱迪生认为发电更重要，所以成立了通用电气做发电设备，他没有意识到电网非常重要，所以他的助理离开，成立了美国第一家送电公司。

但是通用电气真正的成功，是因为它生产出了最早的电冰箱和洗衣机，toC的应用突破以后，电网就成了基础设施，大家就不再关心电网公司的品牌了。

四、公司会被淘汰，但组织永远会存在

1.科层制管理的公司制度会衰亡

2026年出现了好多New Lab（新型AI研究机构），为什么？

我觉得可能有几个方面：

一部分人是看到了现有范式的天花板，或者像杨立昆（深度学习领域公认的奠基人之一，深度学习三巨头之一）这样，从原理上就认为这个事情有偏差，终于有机会去试一直就有的想法。

另一类是觉得scaling law（规模定律，模型能力随规模提升的规律）有边际递减的趋势。

第三个，是大模型的基础能力到了一定程度，大家可以去做一些跟现有路径不太一样、但也很底层的创新，比如AI for Science（AI 驱动的科学研究）。

它们是过渡现象，还是长期的组织形态？我觉得是新的组织形态的早期雏形，会继续演化。大家为什么叫New Lab？就是因为不满意公司。

我认为公司早晚会被淘汰，因为它是跟工业时代一起出现的，工业时代之前没有公司，只有手工作坊。工业时代最大的制度创新，就是出现了公司这种组织形式。

如果工业时代的很多基本经济规律在今天被挑战，那公司这种组织形态肯定也会遇到挑战。

真正的第一个New Lab是OpenAI，或者是Anthropic，这一批组织应该叫New New Lab（新新实验室）。未来这种组织叫什么名字？我们现在不确定，因为这个组织形态还在孕育期。

准确地说，科层制管理的公司制度会衰亡。但是人类的分工协作会继续，组织永远会存在，因为有人的地方就有组织。

2.岗位消失，任务登场

讲个最底层的逻辑：岗位可能不存在了。

岗位是公司最基本的运行单元。我们应聘都是应聘一个岗位；公司要发展了，先定一个岗位、给一个工作描述，然后去招人。因为有岗位，所以有汇报线、有层级、有报酬。

但是AI时代组织的基本单元是任务，是要被解决的事情。大家围绕着任务在流转，这个组织肯定就完全不一样了。

以后找工作找什么？去认领任务，现在这几个大lab都是：任务发布，你去认领，你能交付结果，你的东西就上线了。

阶段性的产品是大家讲的“AI一定要嵌入工作流”，但那只是阶段性产品，因为那个工作流是为人设计的。

AI原生的组织会从第一天开始就去定义那个任务、拆解那个任务、再分配那个任务。硅基员工和碳基员工都是围绕着任务的流转在协同的。

所以，层级这些也不存在了。层级存在是因为不知道谁说了算，那就先定个层级，层级高的人说了算。它不是以判断力为标准的。但未来是谁的能力强，谁被调用了。

为什么叫科层制管理？它就是有垂直分工的，要有命令线。当这个命令线被打破以后，将来的协同就不是靠命令的，所以传统意义上的中层肯定要消亡。

传统的公司怎么办？转型升级，不换脑袋就换人。你得理解新物种会长成啥样、你要跨过的鸿沟有多大，你才会去努力。

3.未来企业更像合伙人企业

我发现，未来的战略生成方式，跟原有的组织是不匹配的。它只有用新的组织形态，才能生成新的战略。因为它有一个非常原生的大挑战：决策的频率越来越高，质量要求越来越高。

我碰到的好几个在这方面走得足够远的创业者，基本上都自己重写了公司内部的运行体系。

基本上就是李志飞（出门问问创始人）讲的那个故事：他把自己关在家里三天，就把框架写出来了。

AI最大的帮助就是能快速帮你把原型实现，但可能大部分人今天会满足于飞书的AI升级，觉得那个就够我用了，迁移成本也高，我自己也做不出啥新东西。所以这个中间大概就成了一个分水岭。

未来真正AI原生组织的第一批CEO，大概是自己动手重新写了自己的组织运行方式。因为那个就是未来组织的神经网络。

原来的ERP（企业资源计划系统）就是一个固化的道路，它就不可能是一个实时反应的网络。

未来的组织还有一个不同，人变得更少是肯定的。

能够适应新组织的，刚开始是相对少部分人：非常积极主动、学习能力非常强的人。

但联合创始人会变多，如果一个人不是必不可少，那就不如用agent了。

所以我书里有一句很重要的判断：未来整个企业会越来越像合伙人企业。

公司是工业时代最大的制度创新，但有一个制度是平行存在的，就是合伙人企业。律师事务所、咨询公司、投行，很多其实都是合伙人企业。

4.未来组织的评判标准之一：能不能让人更快乐？

年轻人反感“老登”，本质上和AI时代的组织变化有关系。

以前大家都尊老爱幼，核心原因是因为老的经验有价值。

为什么有老登呢？原来那套东西看起来都没什么价值了，公司受到的压力越来越大，谁愿意陪老登玩、牺牲自己的青春年华？

在个体上，这个事情能成立的原因，是因为能够转化成知识的经验都不再有价值，它都被大模型吸收了。

年轻的聪明人用好AI杠杆，瞬间就能成为任何一个领域的专家。

为什么现在AI可以达到一个主任医生的水平？因为所有的经验都被沉淀在大模型里了，所以你过去20年的经验还有啥价值呢？

为什么上一个时代的公司让人这么不快乐？因为大部分的知识工作是简单、枯燥、重复、繁琐、没有成长性的，既不带来情绪价值，也不带来成长价值。

而公司为了管理，都是偏控制性的手段，盯你又盯得很死，所以整个环境越来越不符合今天大家对于自我发展的理解。

所以，以后一个组织是否优秀的评判标准之一，是能不能让人更快乐。

从Google开始就是这样，它的氛围本质上就是尊重人的差异化，释放人的创造力，让你有20%的时间可以干自己想干的事情。

五、从战略规划到战略生成，
关键在“想3年”

经常有创业者过来跟我讨论战略问题，我经常问的第一句话往往也把他们搞蒙了：10年以后，你会对怎样的自己满意？

这个问题最能反映你这一段旅程是什么驱动的。

有的人会讲，我就是对这个事情特别感兴趣，我希望这个事情能成，这种肯定事情就已经大于人了。有的人会说，我就是要做一个100亿美金的公司。

我听过最好的回答是什么？

马云最早创业之前讲的“让天下没有难做的生意”，那个就是他自己发自内心相信的东西，那是使命。

我觉得马斯克去火星也是一种使命。

1.看10年、想3年、干1年

今天战略无比重要。你做错一个重要决定，你就出局了。越不确定的时候，越需要战略思考能力。如果都很确定，那大家拼的就是执行能力。

“看10年、想3年、干1年”，就是我对AI时代战略方法论的一个比较形象化的总结。但是大部分人记住了“看10年、干1年”，因为那是他们习惯工业时代的战略方法论。

在一个相对成熟、发展缓慢的世界，看10年是比较清楚的，你每年5%、8%的增长，也没有新玩家，所以做今年规划很容易，基本上就是线性外推。

我们今天的问题在于：看一年是远远不够的，你没法线性外推。线性外推就不可能得出Anthropic今年80倍的同比增长。

但是由于未来如此不确定，看10年也帮不了你太多，因为当下从哪下手，你还是不知道。所以你得逼着自己去想一个大概3年左右的图景。

真正的创造力在看3年，它要求你大概看个两三步：我第一个里程碑是什么？我今年做的第一个重要的事情，是为了满足哪一个里程碑？

所以你就会有短期、中期、长期之间的一个动态的张力，这个张力引领企业更好地做出当下的战略选择。在一个三维空间思考最优解，跟你在一个二维平面寻一个最优解，完全不是一回事情。

你也可以看5年、想2年、干半年，节奏根据行业不同。但是一定要有中段的思考，一定要看到至少三步，而不能只看一步。

去年有一家做agent的创业公司问我，他们ARR（年度经常性收入）涨得很快。我就问了他一句话：你继续长两年以后，又怎么样呢？

他回去算了，发现天花板不高，就赶紧去做新的事情。因为ARR是一个很虚幻的事情，它是拿当下外推12个月，很容易让人产生一个增长的幻觉。

2.从战略规划到战略生成

AI时代的战略生成，方法跟以前有什么不一样？以前叫战略规划，现在叫战略生成。我特意创了这个词，因为这个词本身就反映AI时代。

为什么说“伟大不能被计划”？因为真正要做的是一套体系、一个环境，可以让战略洞察涌现出来，成为一个战略不断生成的系统。

最后战略就是一个自然而然的决定：在合适的时间，有合适的人做了一个合适的决定，公司就往前走。

未来的组织是一个神经网络，是一个任务流导向的系统，人跟AI都接到这个系统里面，核心是涌现。

就跟大模型一样，实际上是人跟AI一起在训练一个组织的小模型。

除了系统之外，还需要新的文化，一个跟全员合伙人能够匹配的文化。这就是为什么context not control（透明的信息替代层级指令与审批）又重新火了起来。

5年前我讲Netflix奈飞的案例，大部分人觉得挺牛的，但是跟我没啥关系。今天所有的人都知道，给够了context（上下文），他就有那么牛。

所以对齐是对齐目标和认知，然后就是给够，甚至就是全员共享一个完整的上下文（Longcontext），事情就会自然地涌现。

人和AI都要共享，因为人没有办法像AI那样有处理海量信息的能力，但是人有瞬间的创造力和看见不存在的连接的能力。

文化的核心就是创造，就像一个球队一样，每个人都不可缺少，但是依然有明星，有前锋、有后卫的分工差别。所以他的文化一定是开放、透明、共享，还有一个我把它叫做共创。

3.在巨浪面前，没有人是安全的

在巨浪面前没有人是安全的，谁觉得安全，谁就是最不安全的。

战略都是AI first、all in AI，这个够吗？这是必要条件。够不够要看技术演化的路径有多颠覆，新公司获取资源的能力有多大。

从历史上看，上一个时代的企业能过渡到下一个时代并保持领先吗？不是多不多的问题，是有没有的问题。

IBM曾经做到过一次，微软算是做到过一次。微软某种程度上错过了移动互联网，但它保持住了搜索的火苗，有了云计算的积累，加上PC OS（电脑操作系统）的垄断，让它在AI时代还起了一次机会。

但目前微软好像又有点吃不准能不能走过去了，因为它模型这块其实已经出局了。

Google呢？也许它能成为一个很好的AI云公司，但它能不能成为一个消费者级的大应用？这不确定。

人有生老病死，公司也有生老病死，没有比这更正常的了。Google不一定会成为下个时代的Google，字节会不一定是下个时代的字节。

六、当智能可以外购，人只剩下创造力

如果智能能像能源一样从外部获得，未来人和人的差异在哪里？

我觉得是创造力的差别。

德鲁克有一个非常经典的框架，他把人类社会从工业时代以来划了三个阶段。

第一个是生产力的革命，流水线取代了手工作坊。

第二个是管理革命，大概100年前开始，有泰勒的科学管理方法，出现了商学院这个新物种。

第三阶段他叫做知识革命，从70年代开始，软件的核心是处理人类的知识。

我借用他这个框架，如果从人的角度来看，AI时代可以被定义为创造力时代，所有可以被结构化处理的知识，这样类型的工作都会被AI接管。

人一方面被逼着去开发自己新的潜能；但你也可以认为，人终于被解放出来，可以去开发自己的潜能，这个方向就是创造力。

我们要对创造力有更好的理解和重新的定义，可能创造力不是简单的会写首歌、会画幅画，它可能是更多的原创的定义复杂问题的能力。

就像电真正发明了以后、流水线出现了以后，才有产业工人、技术工人、白领这些概念。这些都是19世纪的人根本想象不到的事情。

这是一种元创造力，无中生有的能力。

这种创造可能就是各种各样的情感陪伴，关于人的各种以前没有被满足的需求，它们也许不会让世界有巨大进步，但它们可能对人类的成长和幸福有很大帮助。

参考资料：《和曾鸣聊产业史观：残酷的真相、会消亡的公司、优秀≠卓越、“OAI、Anth大概率不是原生时代大赢家”》，张小珺商业访谈录，哔哩哔哩。
文章为作者独立观点，不代表笔记侠立场。

如何第一时间感受 AI 氛围和 AI 转型文化？硅谷肯定是全世界最前沿的 AI 舞台。

笔记侠PPE书院国际美国站26级「创新英雄・AI+出海专题」课程，将于2026年9月26日正式启程。

这一次，我们把课堂带到创新现场，与你一起来一次真正的认知跃迁。

10天时间里，我们将带你走进美国硅谷与西雅图，深度参访英伟达、谷歌、微软、亚马逊等全球顶尖公司。

我们还将邀请斯坦福名师、硅谷行业实战派、华人科技与出海领域专家，围绕AI产业趋势、企业AI落地、组织重构、全球市场规则和中国企业出海机会，做一手分享和深度交流。

这趟行程会帮你建立一套判断框架：未来三年，你的企业该如何使用AI，哪些流程必须被重写，哪些能力必须保留，哪些出海机会值得下注，哪些风险必须提前看见。

如果你正在思考AI转型、企业出海、组织升级和下一轮增长，这一次美国站，值得你带着问题亲自去看一次。

欢迎了解课程详情，提交报名信息。