對話劉夜：OpenClaw 只是「手腳」，我們需要從「數位員工」到「數位組織」，從「造兵」到「布陣」

對話｜張鵬

當大家一窩蜂地去開發“數字員工”、“Agent 工具”，並在細分場景裡無休止地內卷時，AI 創業的真正護城河到底在哪裡？

近日，極客公園創始人&總裁張鵬與 VisionFlow 創始人劉夜在 OpenClaw 爆發後，進行了一場向前推演的討論。 作為 1979 年出生的中國第​​一代程式設計師，劉夜經歷了從底層硬體到軟體、從企業級整合（ToB）到線上教育（產業互聯網）的完整週期。 在閉關數月、與全球頭部 AI 公司的研究員和國內頂尖創業家「應聊盡聊」之後，他得出了一個冷酷的結論： 把 AI 當做「數位員工」來取代單一任務，是工程師思維對真實業務的過度簡化。

在這場對話中，劉夜拋出了「漸進式暴露」、「任務的高低維矩陣」等一系列極具啟發性的概念和框架。 在討論中，一種未來的可能性逐漸明確：AI 的下一步絕不是氾濫的工具人，而是建構具備協同、匯報、反思機制的「數位組織」。 當企業文化不再必要、低維度工作被徹底抹平，未來的 CEO 或許將不再是「執行長」，而是擁有極緻美學的「製片人」。

這是一次關於 AI 時代組織形態、商業壁壘以及新一代創業家生態位的探討推演。 希望引發更多創業家未來更深入的討論。

以下為極客公園整理的對話精編：

但該做什麼才是最重要的

張鵬如何探索自己的行動變化？

劉夜： 我是中國第一代程式設計師，從小就開始學程式設計。 經歷了從 BASIC 到 DOS，再到 Windows 和今天的 Mac 時代，也見證了三大門戶的崛起。 我做過企業資訊化，想做中國的 IBM；後來轉型作業盒子，深度參與了線上教育。 線上教育是一個非常深刻的產業，是產業互聯網的最高形態，也是「最後一班車」。 這段經歷讓我深刻感受到，產業互聯網的核心不是技術，而是產業本身，是業務。 產業互聯網的規律，是先做資訊撮合，再做標品，接著是供應鏈，最後是非標的複雜服務。 越往後毛利越高，也越難做。

所以，當 AI 浪潮來臨時，我做的第一件事，就是花了將近 6 個月的時間，什麼都不干，讓 HR 把所有能聊的人都聊一遍。 從各明星新創公司的首席科學家到各基模大廠的核心演算法、工程師和研究員，以及新銳 AI 創業者，應聊盡聊，大概攢足了近千個小時的交流密度。 聊到什麼程度？ 聊到對方說上半句，我就知道下半句是什麼，所有人的共識已經差別不大了。

聊完一圈後，結論驚人地一致：所有人都在做一樣的事－數位員工。 這讓我想起了當年某位大佬對雲端運算的一個戰略誤判，他說阿里做雲，本質不就是個網盤嗎？ 用舊框架去理解新事物，你永遠只能看到最淺的那一層。

今天所有人都覺得做個數位員工，用 Claude 寫個「數位銷售」或「數位客服」出來，科技壁壘在哪裡？ 護城河在哪裡？ 當一個人一天燒幾億 TOKEN 都變成常態，這更像製造業，根本飛不起來。 所以我問每個創業家同樣的問題：Why are you？ 憑什麼你行？ 你更年輕？ 更聰明？ 更能熬夜？ 在一個維度上競爭，那不就是「10 秒 69」和「10 秒 70」的差別嗎？

張鵬： 嗯，今天 能做的太多了，但該做什麼，才是最重要的。 這方面的思考有什麼嗎？

劉夜： AI 很不一樣，但我相信依舊有和產業互聯網的規律會有暗合的部分。 早期做工具，中期做業務，最後做諮詢。 技術不成熟時，第一波進來的一定是工程師，他們擅長把世界過度抽象，例如百度的「框架計算」，認為一切都是框架。 但行動互聯網的後半場是內容和服務，不是框框。

工程師出身的人對組織的想像，往往過度簡化了業務。 你看整個第一代網路三大門戶，那波跑到最後跑得最好的是騰訊和阿里，而他們離科技稍遠，但離產業很近。 今天也一樣，科技正變得越來越不重要。

張鵬： 這一波文科生挺開心的，不會寫代碼 似乎 也沒關係了。 但長期來看，到底 AI 時代對人的要求是什麼樣子的呢？ 什麼變化了？

劉夜： 在中國的人才結構中，我發現一個問題。 中國第一代程式設計師就是產品經理，因為當時並沒有產品經理這個職位。 產品經理變成一個被廣泛認知的職位，是在 2010 年前後，在賈伯斯發布 iPhone4、張小龍提出產品觀之後，才有了「人人都是產品經理」的說法。 在此之前，程式設計師同時承擔產品經理的工作，先有程式設計師，後有產品經理，所以第一代程式設計師都是產品經理。 第一代程式設計師學習程式碼並非為了工作，而是出於興趣，他們是憑藉熱愛投入其中。 正是這些不被定義、跳出常規的人，才最為出色。

但第二代的程式設計師但近十年的產業互聯網把程式設計師變成了「碼農」，產品經理成了建築師，碼農被馴化得不思考業務。 今天 AI 來了，「碼」的部分被幹掉了，不進化，他們真只剩下「農」了。 這批年輕人很優秀，但他們對產業的理解是空白的。 所以，當下的「萬 A 大戰」，本質上還是工具層的氾濫。

你看產業互聯網後期，阿里、美團這樣的公司，都是標配用頂尖諮詢公司（MBB）背景的人做商業分析，用諮詢公司的人帶著產品經理做業務流程，因為互聯網產品經理腦子裡天生沒有系統。 飛書就是這麼做的。 位元組雖然是純互聯網，但也大量用顧問公司建立內部流程。 AI 時代，這個規律只會加強，不會減弱。

張鵬： 所以， 你覺得 卷「數位員工」這個單點，意義不大。

劉夜： 這是我最核心的一個判斷： 數位員工不是終局，數位組織才是 。 如果數位員工氾濫了，連招募職位都不存在了，所有人都能擁有好的數位員工，那然後呢？ 那個公司就都能賺錢和成功了嗎？ 其實 所有公司的問題，都是策略問題和組織問題，從來不是員工問題 。

所以，今天的 Agent 還是在替人工作，而不是替人決策。 我們內部改造了 OpenClaw，做了個叫 MetaOrg 的東西。 它本質上是一個可以產生 agent team 的核心。 我們解決任何任務，都不是派一個員工，而是要建造一個「組織」去解決。 這個組織有協同關係、報告關係、有使命、有目標、有行動方式。

張鵬： 但 未來有沒有可能，一個人就是一個部門？ 甚至就是一家公司？

劉夜： 這是特別好的問題 。 我們還是微觀到任務，例如用 AI 做一個短影片、寫一個文件的時候，需要多輪對話。 你說一句，它回一句，再給它回饋，這就是工具人式的使用，它只是很聰明。

所以人和部門的概念，不是數量上的多和少。 我們描述一個高級職位的 JD 時，通常是：第一，能幹活，能幹各種活；能用各種工具。 高階職位則是能夠理解意圖、主動規劃路徑、主動執行、實現交付、定期報告、反思總結交付成果，並基於成果的偏差動態調整策略。 這就是高階能力。

張鵬：一個合格的部門，得是「L4 等級的自動駕駛」。

瀏夜：是的。 當給它一個技能，它可以完成複雜任務；給它一個技能係統，它能完成複雜綜合任務；當有一堆智能體（agent）編排時，就能完成更複雜的事，比如拍一部短劇。 我常跟員工開會說，你們用 MetaOrg 的時候，不要把自己當成主管，要把自己當董事長。 你要努力試探它的邊界。

未來年輕人創業，以前說家裡給 50 萬創業，未來說不定是給一個 TOKEN 預算去試錯。 你願意花多少 TOKEN，決定了它能做多高級的職位。 越高階的崗位，推理連結越長，越需要來回試誤、迭代和總結。

張鵬：回到剛才的這個問題，如果有一個 agent 的群組，它可以被拆到更細的單元，或者說類似崗位與能力的拆解。 當它形成一個團隊，面對核心任務時，每個個體的人才品質就決定了成敗。 這又回到了上一個時代​​的 商業組織競爭 邏輯： 人才密度，也就是 人才品質高， 組織的 核心任務就更容易實現、跑贏。

劉夜： 我認同這個觀點。 企業內部有個部門，大企業通常叫 OD，也就是組織發展。 衡量組織能不能打贏仗，通常的做法是把對方的所有人才拉出來進行對標，透過判斷人對崗、能力對崗的強弱，來預測戰爭的結果。 所以一般企業打仗，靠的是組織能力，而不是業務策略。 最典型的例子就是阿里。 阿里非常重視組織建設，所以如今能迎來「第二春」。 因為創始團隊會老化，但組織可以生生不息。 本質上，如果有一天咱倆是競爭對手，我們都在使用 AI。 我建立了一個強大的 AI 組織，具備強大的 AI 組織發展能力。 我該如何建構這個組織？ 我會把所有競對的 agent skill system 逐一打開，分析它們的技能代碼。 然後在我自己的體系裡寫更優的技能，甚至去補齊它們缺少的功能。 例如我有戰略部，我會先進行觀察分析。

華為有「五看三定」的方法論。 我跟朋友開玩笑說，我們創業只要用這套，就能幹掉 99% 的競爭者。 所謂五看，是看產業趨勢、看市場客戶、看競爭對手、看自身能力、看策略機會；三定則是定控制點、定目標、定策略。 這套方法論足以篩選掉絕大多數競爭者。 因為大部分人下棋是亂下的，他們依賴快思考，而高手默認開啟的是深度思考與推理模式。 第一反應是，我要以統帥身分去思考這件事該怎麼做。

張鵬： 所謂「五看三定」本質上就是不要「 壓力反應 」，要固化一 個長推理的過程 的意思唄。

劉夜： 高手都是 deep research 加上 thinking 的模型，知道首先看全球的最佳實踐和信息，然後總結分析，進行深入思考推理，但是出答案，出手就是一招制敵。

所以我認為未來的競爭核心只有一件事，就是給傳統產業的業務進行建模，將其抽象成具備係統能力，且能夠做智能體編排的能力 。 這就是新一代的組織發展（OD）能力，且會升級為 AIOD，這是未來唯一的核心競爭力。

阿里的核心優勢就在於建組織，組織建設到位後，無論面對什麼對手、開展什麼業務，都能具備競爭力。 而馬雲曾說， 打仗的目的並非一定要搶佔某個領域，而是透過打仗實現組織的成長 。 阿里是以組織成長為核心衡量標準，來判斷一場仗是否值得打，這是一種非常高階的思維。 馬雲本身就像一個超級資訊樞紐，每年飛行 200 次獲取各類訊息，回來後用於完善組織建設。 他才是真正意義上的董事長，而非單純的執行長。

這就是我們所見到的最高級的組織形態－能夠跨越幾代人、覆蓋不同產業，既能連續獲得成功，在陷入衰退後還能調整回升。 通常而言，一家公司如果十年內任命錯了首席執行官，大概率會走向衰敗。 所以說，以史為鑑，用更高維度的視角降維看待當下的發展，即便對現有模式做一些裁剪和優化，也比從底層從零開始構建要高效得多。

現在任何人都能輕易搭建一個 agent，員工上手門檻極低，再加上開源社區的加持，行業已無太多秘密可言。 在工具層面的內卷，是永遠比不上開源社群的。 那麼，什麼才是開源社群所不具備、無法複製的核心競爭力？

張鵬：「上個時代」談論組織時，會強調例如組織文化、價值觀、 KPI 等一系列內容。 當我們從上個時代的組織管理，過渡到 AI agent 組織的新時代，哪些內容可以徹底拋棄，哪些內容可以保留但需要轉換？

劉夜： Anthropic 之所以推出 skills，核心原因包括 AI 編碼領域的「漸進式暴露」概念－AI 若接收大量雜亂訊息，會出現上下文腐化​​、注意力不足導致的混亂，漸進式暴露才能讓 AI 保持良好注意力並輸出優質結果。 若依靠人工實現漸進式暴露，本質上就是全人工對話，效率低。 因此， skills 的核心價值的是將複雜任務分層拆解，實現對 AI 的漸進式暴露 。

這與公司管理邏輯一致：董事會聚焦策略問題，CEO 聚焦策略問題、管理高階主管，員工處理簡單事務。 若 300 人同時參與同一會議，這個會就沒辦法開了。 組織存在的核心意義，就是實現資訊的分層處理，如同資料庫三範式透過資訊壓縮分層提升效率， 複雜問題必須分層拆解、漸進式暴露，而非一次性輸入大量上下文，這正是傳統企業組織形式的核心邏輯，畢竟特定時間內的算力是有限的 。

張鵬：模型每次都要耗費巨大算力從頭開始創造，效率太低。

劉夜： 不可能實現，核心還是依靠分層的漸進式暴露，該調用的資源必須調用，這是由 AI 模型的能力邊界決定的。 此外， Anthropic 推出 skills 的另一個原因，是複雜任務已超越基礎物理定理，skills 能將複雜任務拆解為一個個低維簡單任務 。 任務的核心區分構面並非難易，而是複雜程度－存在低維難、高維難等不同類型 ，例如程式設計師編碼、解數學題，就屬於低維高難度任務。

地平線餘凱提出過一個經典模型：所有工種可依「競爭程度」與「維度高低」分為四個像限，即高維高競爭、低維低競爭、低維高競爭、高維度低競爭。 其中，銷售和工程師屬於低維高競爭，產品經理和 CEO 屬於高維高競爭；科學家則屬於高維低競爭——這類課題可能全世界僅一人研究，競爭度低但維度極高。 像是優質短劇、好小說這類高維高競爭任務，目前 AI 尚無法完成；而程式碼優化這類低維高競爭任務，AI 已能很好勝任。 越高維度的任務，資料來源越少，但訓練模型所需的資料量反而越大 ，這也是文字模型先出現、圖片和視訊模型後出現，且短視訊模型難以落地的核心原因。 這種高維度任務與高維度資料的供需矛盾，只能透過 skills 拆解任務來彌補，就像企業中找不到高階職位人才時，會將其拆分為三個基礎職位一樣，唯有 CEO 這類高維崗位不可取代。

張鵬：低維高競爭的任務，大機率會被 AI 完全取代。

劉夜：百分百會被替代，而且這種替代已經發生。

張鵬：確實如此，因此所有低維高競爭的事，都應盡快用 AI 解決，可將其拆解為 skills，再透過 agent 組織實現落地，這個過程中不一定需要人類參與。

劉夜： 我有一個初步設想，IBM 和埃森哲作為全球最大的兩家諮詢公司，核心業務本質是提煉產業最佳實踐，並與數位化對齊，售賣的是流程而非工具。 企業採購風險流程、IP 時，都會請諮詢公司落地實施。 我們目前的核心工作，就是建立 skills 集群，找到各領域頂尖專家，提煉其能力並對齊，形成標準化 skill set。 這與作業盒子的模式類似——作業盒子聯合北京四中、人大附、高考出題組及學而思的老師，提煉出題、講題、批改等核心方法，再聯合百度算法工程師搭建系統，本質也是對齊最佳實踐。 而組織能力的核心，就是組成優質跨界團隊，既要懂產業、懂工程，也要能連結各垂類頂尖產業專家，同時具備商務、人才招募和管理能力，這也是新一代 AI SaaS 企業的核心組成。

張鵬：進一步推演，未來應從業務維度反推所需的組織形態。 組織本質上是一種編排結構，類似 業務 操作系統－將人作為生產力單位放入適配的組織，就能發揮最大價值，反之則無法高效運作。 現今生產力要素已發生替換，從依賴人力變成可無限供給的 AI，只要形成正循環就能持續擴容。 過去的組織文化，如今可能轉化為目標和上下文，不再需要口號、三板斧會議、破冰等形式。

劉夜： 文化是管理意圖而非業務意圖。 上個時代，策略始於願景，願景決定價值，組織服從於策略，業務驗證一切，而文化只是治理組織的手段，不直接服務策略，甚至可能只是創辦人的個人偏好。

張鵬：過去 人 服務策略的過程中存在大量間隙，AI 是否正在消除這些間隙？

瀏夜： 是的，文化在 AI 時代已不再重要。 文化是人類組​​織的信念部分，但 AI 不需要。 AI 沒有血肉之軀，無需文化牽引。 AI 核心需求是算力。

張鵬： 你的意思是說， AI 需要的是目標和原則。 一份文件就足以明確目標和原則，所有生產力單元都能立即同步、忠實執行，不會出現偏差。 人類組織中很大一塊摩擦力就消失了。

瀏夜：是的。 原來的組織：策略→文化→人才→執行，現在的 AI 組織：目標→原則→Skills→編排。 整個管理鏈條壓縮了一半。

張鵬：企業 新的障礙是什麼？ 人才品質被替換為 Skill Set，只要我有美學，就能從全世界獲得最好的 Skills。 那再往上一層，就是「編排」（Orchestration），對嗎？ 這會發生什麼變化？

劉夜： 就像華強北能買到所有電子元件，但為什麼不是所有人都能做出蘋果？ 賈伯斯傳中對美感的定義非常清楚：見過世界上足夠多的好東西，能分辨優劣，就是美感。 若從未見過好產品、好流程、好組織，就無法做出優質成果。

張鵬：見識是美感的前提。

劉夜： 見識加天賦，僅此而已。

張鵬：美感體現在兩種方式：一是主動設計、編排，二是在混沌中辨識並選擇湧現的優質事物，這兩種方式並不衝突。

劉夜： 確實不衝突。 蘋果的部分成果是自主研發，部分是收購第三方，核心是擁有美學——無需重複造輪子，必要時可自主研發。

張鵬：核心在於，是讓 agent 在設定模組內運作後再確認路徑，實現湧現式編排；還是直接設定好所有路徑，進行設計式編排？

劉夜： 湧現是非操控性的，需要先設定種子規則和原則，這才體現一個人的審美。 就像優秀工程師用 500 行、5000 行程式碼就能做出好用的 Openclaw，而不合格的工程師寫 5 萬行程式碼也無法達到同等效果，底層的種子規則仍需人類設定。

張鵬： 所以 不能在混沌中等候湧現，那需要極長的時間 ， 編排依然至關重要。 這種編排最終是否只能來自創始人 ，或者說更像是 “製片人”？

劉夜： 我覺得製片這個定義很好。 確實如此，即便有湧現和規模效應，仍需要資料標註、資料清洗，以及演算法的持續對齊，避免無序擴張。

編排者取決於業務複雜度－複雜業務一個人無法完成，例如拍攝短劇、撰寫提示詞，實際操作中會面臨諸多困難。 「一人公司」的概念被濫用，世界無法被無限簡化。 雖然電腦可由一人操作，但一個人難以掌握所有高維能力，像伊隆馬斯克、李飛飛這樣能精通多個領域、接管任意崗位的超級人才，極為罕見。

張鵬：若我們能調用全球最頂尖的 agent 和 skill 體系，比如一個優秀編劇，理論上能否借助這些資源，拍出全球知名且盈利的電影？ 編劇雖有核心亮點（好劇本），但無法完成所有環節，這種「核心亮點+全球資源」的閉環是否可行？

劉夜： 這本質是資料問題－是否有儲存最高維度資訊的資料。 例如訓練 CEO 的 skills，目前沒有足夠的資料支撐：任正非的萬字長文、馬雲的口述，都無法完整呈現他們的高維認知；即便收集全球公司財報、CEO 的所有言論，也無法訓練出能勝任 CEO 的模型，因為 CEO 的核心能力是隱性知識，無法透過文字完全暴露。

張鵬：也就是說， CEO 的核心能力目前還無法被向量化。 這約束了「一人公司」的理想構想——即便每個人都能發揮單一維度的優勢，搭配全球頂尖資源，仍缺少核心的編排者，本質還是編排能力的問題。 歸根到底，擁有最好的「元件」，仍需具備強大的編排能力。

劉夜： 產品經理也是如此，其隱性知識無法完全文本化。 這也是目前 AI 伴侶、AI 生成內容不夠「鮮活」的本質原因——缺乏高維度隱性知識的數據支撐。 資料量少的時候，重點做 skill；資料量多的時候，再做模型 。 機器人目前無法落地，核心就是缺乏足夠的數據。

張鵬：由此可推導出，未來公司的競爭勝負點，不再是能否接觸到頂尖模型——初始 AI 資源看似一致，算力也與財力、業務閉環能力相關，最終的差異仍會回歸到“製片人”本身，即其兩編和目標的創新、意義的，這兩點競爭力構成了這兩點競爭力。

劉夜： 麥肯錫前合夥人曾告訴我，麥肯錫的核心業務就是萃取最佳實踐、建立模型，再協助企業逐一實施。 例如為中國汽車廠做諮詢時，會向日本同事了解豐田的做法，本質就是複製和落地最佳實踐。

咪蒙做短劇的案例很有參考意義。 她是中文係出身，核心團隊卻由清北數學系、計算機係人才組成，專門拆解爆款短視頻的邏輯，最終實現極高的爆款率。 這種想法本質上是給行業的社會工程建模 ，即便存在過擬合的可能，但建模的方向是正確的。

IBM、埃森哲、麥肯錫所做的都是這類事——第一代麥肯錫將最佳實踐建模到合夥人身上，IBM 則將其轉化為數位化流程，本質都是「售賣管理和流程」。

張鵬：核心就是提煉最佳實踐，再反覆驗證落地，這就是未來商業組織的勝負關鍵。 只有拆解到位，才能實現高效編排。 所以你們接下來的核心方向，就是沿著這個思路前進？

劉夜： 過去三年我們主要做 AI ToC 業務，用 MetaOrg 的方式重建了整個教學教研體系。 這不是一個簡單的「用 AI 提效」的故事。 我們建構了一整套 Agentic 教研組織，背後跑著一個個虛擬的教研 team：語言學習研究團隊負責追蹤二語習得最新理論，垂直語料收集團隊從真實語境中抓取地道表達，對話評估團隊建立口語能力的多維的內容標準，對話設計團隊將教學法轉化為自然的人機挖掘，題目 每個 team 都有自己的 skills、自己的工作流程、自己的評估標準。 目前教材資料打標、監控評估、使用者洞察、產品迭代等 80% 左右的工作，都由 AI 完成。

我們的發展路徑是從「AI 作為功能」，升級為「AI 作為組織能力」。 英語老師這個職位處於中等複雜度，我們已將其抽像出來，透過 MetaOrg 產生其他職位；若結合最新的 skill 架構，有望建構更高級的職位。

目前我們已完成 AI tutor 的全流程搭建，包括編排能力的抽象和工程實現，未來大概率會從 Meta tutor 升級為 Meta 組織——其最小單元是崗位，而非員工，核心在於崗位間的協作與管理。 我們目前的重點，是對接各行業最頂尖的 CEO，因為 CEO 是核心「製片」。

張鵬：所以你們推出的，更接近一個可擴展的部門？

劉夜： 目標是朝著「公司」的方向推進，大公司本質也是由多個小公司構成，而最小單元是崗位。 既要關注全產業戰略選擇，也要從崗位入手推進產品迭代——崗位做不好，即便管理者能力強，也無法形成高效組織。

張鵬：要做好一個部門，首先要拆解部門相關能力和崗位，再拆解崗位對應的 skills，並且要追求這些 skills 達到 SOTA 水準。

劉夜： 核心方法只有一個：與最頂尖的被服務企業共創。 做出來的 skill，需要頂尖企業評估是否符合需求 ，就像下屬寫的方案需要上級審核一樣，不能自嗨。 例如做短劇建模，需得到業界頂尖機構的認可，否則就不算真正的頂尖。 一切都需要評估和衡量。

Midjourney 能做出優質圖片，核心是團隊由攝影師和工程師組成，具備頂尖的圖片美學；LV 用 Stable Diffusion 訓練的圖片模型，效果遠超普通模型，因為 LV 擁有全球最頂尖的圖像美學和資料。 可見，評估能力才是核心。 要做 AI 公司，需像 IBM、華為那樣——IBM 服務頂尖車企後，掌握造車的最佳實踐並輸出；華為花費 40 億購買 IPD 流程，既用於自身管理，也對外輸出，這才是核心競爭力。

張鵬：本質上就是順著最佳實踐拆解 skill，實現 skill 的 SOTA，再升級為崗位和部門的 SOTA，最終編排成業務的 SOTA，這是通往業務頂尖的明確路徑。 還有一個關鍵問題：如何保持 skill 的與時俱進？ 就像地球生物圈的變異，每個時代的 SOTA，在下一個時代可能會被淘汰，如何應對這種變化？

劉夜： 核心邏輯與人類和生物進化一致，即感知、規劃、行動、反思。 保持組織的高人才密度和跨界屬性 ，一端對接技術前沿（研究者），一端研究業務模式，同時與行業頂尖客戶共創，在真實場景中持續評估和優化，這是唯一的方法。

張鵬：由此反推，頂尖公司的最佳實踐形成的體系，能幫助中檔公司實現跨越式提升，但這類體系大概率只有有資源、有財力的公司才能使用，中小企業和年輕創業者難以負擔。 顧問業已從傳統服務升級為工具化產品，新生代的機會是否只能在 skill 層面？ 如何在 skill 層面實現顛覆性創新，避免產業陷入「貴族循環」？

劉夜： 上一代 SaaS 行業中，Salesforce、Palantir、Notion、Slack 等企業，有的做通用工具，有的做集成服務，證明 年輕創業者仍有機會——遠離自身不具備優勢的業務，聚焦通用技能，找到合適的生態位 。 Notion 就是典型，不涉及具體業務流程，只抽象文字記事功能，成為通用工具。 世界最終會是無數智能體（agent）的分工協作，年輕人需先找到生態位，再結合自身優勢發力，錨定未來趨勢，避免成為時間的敵人。 過去十年，第一代網路創業家多為海歸（靠認知優勢），第二代多為程式設計師（靠工具爆發），第三代產業網路多為二次創業家，規律清晰，年輕人需看清中局和自身優勢。

張鵬： 所以你認為 skill 層面的局部創新和優化作用有限 ，那麼 新生代的 最大 機會可能在於目標創新——識別時代湧現的新目標，結合優質 skill 並持續進化，才能在新目標上構建新體系，實現突破。

劉夜： skill 的競爭非常微妙，當前 skill 雖火，但若有人對齊更頂尖的人類專家，做出更優的 skill，現有 skill 就會被替代。 這就回歸到護城河的問題：早起者未必能笑到最後，很可能成為更高維度對手的「土壤養分」。

張鵬： 害怕就 害怕 成為 「加載程式」，只是幫更高維的對手完成了基礎鋪墊。 若只是在現有目標上做效率優化，沒有意義，且效率優勢最終會被抹平。 所以新生代要實現突破，必須在目標上做出根本差異。

劉夜： 沒錯，自身無法成長為核心力量，只是滋養了更高維度的對手。 商業的本質很樸素，核心是明確客戶是誰、如何服務客戶、如何讓客戶離不開你。 任何年輕人若想不清楚客戶是誰，就無法實現優化。

張鵬：也要關注增量市場，在存量市場中競爭難度極大。 若你們的業務取得成功，會將對應領域的公司拉到同一先進水平，這些公司既有財富也有認知，年輕人很難在存量中與之競爭。

劉夜： 上一代 SaaS 產業中，Notion、Slack 等企業的成功，核心就是目標差異化。

上一代 SaaS 發展初期，中國基金多傾向投資科學家，後來發現，科學家更適合交流合作，而非創業——科學家所處的高維低競爭領域，與商業世界的高維高競爭邏輯不同，領域維度越高，切換到新領域的難度越大，核心思維模式完全不同。 任何領域早期都是技術競爭（低維度高競爭，技術不成熟），技術成熟後，就進入商業競爭（高維高競爭，由產業人、產品經理、業務從業人員主導）。 例如蘋果手機剛推出時，排行榜應用多為程式設計師開發；幾年後產業互聯網興起，排行榜上的程式設計師主導的產品就全部被取代。

AI 時代若延續行動互聯網的邏輯，矽谷的核心力量仍會是有經驗的從業者，就像中國產業互聯網多為二次創業者一樣。 年輕人的機會，仍在於找到差異化目標。