思考

AI

AI的第二张账单：效率红利开始进入治理阶段

过去一年，关于AI的讨论有一个共同的底色：先把它用起来。能不能写材料，能不能做代码，能不能查数据，能不能替代一部分分析和客服。很多组织的AI实践，本质上还停留在“工具扩散”阶段——给员工账号，做几场培训，鼓励大家多试。 但最近几条新闻放在一起看，味道已经变了。 一方面，AI正在更深地嵌入行业工作流。6月30日，FactSet与Google Cloud宣布战略合作，要把Gemini模型、企业搜索和金融数据能力嵌入FactSet Workstation，并共同开发面向组合管理、交易顾问、公司金融等场景的AI agent。这不是再做一个通用聊天入口，而是把AI放进金融专业人士每天使用的数据、研究和决策系统里。 另一方面，企业也开始面对AI的第二张账单。7月初，有报道称，UBS近期接触到的企业中，不少已经开始给AI支出“踩刹车”，原因不是不看好AI，而是token消耗、预算上限和投资回报开始变成现实问题。更早一些，关于AI agent token消耗的研究也指出，在复杂任务中，agent的消耗可能呈现高度波动，甚至同一任务不同运行之间成本差异很大，而且更高消耗并不必然带来更高准确率。

AI

AI红利的下一站，是把组织变成可调用的系统

导语 有时候，一个宏观数据比一篇热闹的技术报道更能说明问题。 6月30日，国家统计局公布的数据显示，中国制造业PMI回到50.3，重新站上扩张区间。路透社在同一天的报道里，把这个变化和全球AI投资需求联系起来：芯片、计算机和其他AI相关产品的出口需求，正在对中国制造形成支撑。7月1日，RatingDog中国制造业PMI继续处在51.7的扩张区间，二季度平均值达到2020年四季度以来最高。 这组数据并不意味着经济已经全面转暖。恰恰相反，它更像是在提醒我们：今天的增长并不是均匀发生的。AI相关产业链在跑，地产和部分消费仍然偏弱；高技术出口在提供增量，但价格和就业端仍有压力。宏观上看，这是一次“结构性恢复”；组织上看，这是一次更深层的分化。 AI红利已经不再只是技术公司的事情，也不只是制造企业多接几笔订单的事情。它正在变成一个更朴素的问题：一个组织能不能把外部技术浪潮，翻译成内部的流程效率、人才结构和决策速度。 一、AI正在从“需求故事”变成“产能故事” 过去两年，很多人谈AI，谈的是模型、参数、算力、应用入口。那是技术供给侧的语言。今天从PMI和出口链条里看到的AI，则更接近产

AI

AI红利不是订单，而是组织再设计

导语 昨天公布的6月PMI有一个值得放在一起看的细节：制造业PMI回到50.3的扩张区间，外部报道把这一轮改善与AI相关硬件和高技术出口联系在一起；同一天，AWS宣布投入10亿美元建立一支面向客户现场的“嵌入式AI工程师”团队，把工程师直接派进客户组织，帮助客户把AI写进真实流程。 这两件事看似一件在宏观，一件在企业服务，其实讲的是同一个主题：AI红利正在从“有没有模型、有没有算力、有没有订单”，转向“一个组织能不能把新技术吸收到自己的流程、岗位和决策机制里”。 主体 一、AI正在托起一部分增长，但增长的质地并不均匀 6月制造业PMI重回扩张，表面看是一个温和的景气修复信号。生产指数、新订单指数同步改善，说明制造端和需求端都有边际好转。但更值得关注的是结构：高技术、AI相关硬件和出口需求更强，小企业、就业、价格等指标仍然偏弱。 这意味着我们面对的不是传统意义上的全面复苏，而更像是一种结构性托底。AI产业链、绿色技术、智能终端相关环节在向上走；地产链、传统消费、低端制造和部分服务业仍在承压。宏观数据好一点，不等于所有企业都好一点；产业有增量，不等于组织自然获得红利。 这也是

AI

AI 的下一站，不是替代人，而是重新定义消费

这几天看到一条新闻：商务部等 8 个部门发了一个关于“人工智能+消费”的文件。 这种新闻平时很容易被扫过去。因为标题看起来像政策文件，里面又是智能手机、智能电脑、智能家电、AI 眼镜、智能网联汽车、养老机器人、陪伴机器人、AI 生活助手这些词。每一个都听过，每一个好像也都不新鲜。 但我觉得，这件事还是值得多看一眼。 过去两年，我们谈 AI，更多是在企业里谈。它能不能帮我们写材料、写代码、做会议纪要、做客服、做培训课件、做人力数据分析。说到底，大家最关心的是一件事：它能不能帮组织提效。 这是很自然的。企业总是先从效率看技术。一个新工具，如果能少花时间、少用人、少返工，就有价值。 但“AI+消费”讨论的其实是另外一个问题：AI 能不能让普通人重新产生购买理由？ 这就不一样了。

管理

HR进入战略核心之后，为什么反而更难？

* 原文：使命驱动（Mission）——特斯拉7任人力资源负责人深度研究 读完那篇特斯拉七任 HR 负责人的梳理，我没有被“使命驱动”四个字打动，反而是一个数字让我停了一下：七任。 二十年，七任人力资源负责人。有人干了八年，有人只待了一年多。这个频率本身就说明了一件事：特斯拉的 HR 不是在一个稳定制度里自然运转，而是在一家高度依赖创始人意志的公司里，反复寻找那个“此刻最合适的人”。 这件事比特斯拉那些经典管理语录更值得看。 使命不是口号，是一套筛选机制 很多公司都讲使命。 但在大多数组织里，使命更像墙上的一句话。开会时会念，年会时会讲，招聘页面上也会放。但它很少真正进入人的选择、评价和淘汰。 特斯拉不太一样。 它把“加速世界向可持续能源转变”这句话，变成了人才筛选的第一道门槛。不是先筛学历，不是先筛大厂背景，而是先筛一个人愿不愿意为了一个长期目标，承受短期的高压、不确定性和反常规节奏。 这不是鸡汤。 这是很硬的一套机制。 Arnnon Geshuri 从 Google

管理

缩量淘汰赛里，腰部车企最怕把“活着”误认为“赢了”

李斌在重庆汽车论坛上给了一个判断：2026 年国内汽车零售量可能同比下滑 15% 到 20%。 这个判断之所以值得看，不只是因为数字难看。乘联分会的数据已经把背景铺出来了：今年前五个月，国内乘用车零售累计销量同比下跌约 19.5%；6 月第一周零售 22.8 万辆，同比下降 23%，环比 5 月同期也下降 11%。 更值得玩味的是，新能源渗透率还在继续往上走，6 月第一周已经到 66.7%。也就是说，行业不是简单地“新能源不好卖了”，而是在一个总量收缩的市场里，新能源继续挤压燃油车，主机厂之间再重新分配更小的需求池。 这时候，腰部车企和供应商面对的问题，就不是“保利润”还是“拼份额”这么简单。 真正的问题是：自己还有没有资格参与下一轮牌桌。 如果有资格，短期可以流血，但必须有边界、有目标。 如果没有资格，

AI

黄仁勋的极简 AI 经济学

黄仁勋那句“买得越多，省得越多”，第一次听起来很像一个顶级销售的促销话术。 问题是，他卖的东西并不便宜。GPU 很贵，数据中心很贵，电力、网络、散热、土地和资本成本也都不便宜。如果只按传统 IT 采购的口径去看，这句话甚至有点反常：买得越多，明明花得越多，为什么会省？ 这里真正要拆开的，不是价格，而是单位产出。 黄仁勋讲的“省”，不是供应商给了多少折扣，而是加速计算把一件事的时间、电力、人力和机会成本同时压下来。原来要十小时跑完的任务，现在十分钟完成；原来不值得单独自动化的流程，现在可以被低成本推理覆盖。这个时候，贵的不是 GPU，贵的是继续用低效方式处理同样的问题。 所以，这套“极简 AI 经济学”的第一层，其实很简单： 电力 + GPU + 模型 = token。 把电力送进数据中心，用

AI

SpaceX 上市，真正上市的不是一家火箭公司

刷到 SpaceX 上市的消息，最容易被那些数字带着走。 募资规模、估值、市值，个个都大。大到最后，人反而容易只记住一个结论：马斯克又赢了一次。 但我觉得，这件事不能只当成一家火箭公司敲钟。 SpaceX 上市，本质上是一个过去长期处在封闭系统里的东西，第一次被放到公开市场里定价。 这个系统里，有私人资本的耐心，有政府订单的支撑，有可回收火箭带来的工程冲击，也有马斯克个人叙事的放大。过去它可以在相对少数人的共识里运行，现在要接受每天开盘、收盘、财报、事故、延误和监管的共同检验。 这才是最值得看的地方。 第一层，是技术和商业的关系变了。 SpaceX 最早打动市场的，是可回收火箭。它把“上天”这件过去高度依赖国家预算和少数承包商的事，做成了一门可以持续迭代的工程生意。 但现在支撑估值的，已经不只是发射本身。 真正被定价的，是发射之后的那一整层空间基础设施：Starlink、卫星互联网、未来的轨道算力，甚至更远的火星叙事。 说白了，市场买的不是一支更便宜的火箭队，而是一个产业链上移的可能性。 从运载工具，

管理

清官之害：读《老残游记》想到的组织灰度

有些书，年轻时读是看故事，隔几年再读，就会看到人和权力之间更隐秘的关系。 《老残游记》给我的这种感觉尤其明显。它不像很多晚清谴责小说那样，把矛头主要对准贪官污吏。刘鹗真正写得用力的地方，反而是那些看起来更“正确”的人：清廉、刚直、有名声，也自认为站在正义一边。 所以那句“赃官可杀，清官更可杀”，读起来才让人心里一沉。 它不是在替贪官开脱，而是在提醒我们：有一种恶，不是从欲望里长出来的，而是从自以为正确里长出来的。前者容易识别，后者更难防范。 清官为什么更难纠偏 《老残游记》里写刚弼，很值得反复看。 他不是传统意义上的坏人。他不收钱，不徇私，也不贪图享受。放在任何一个组织里，这样的人都很容易被视为“可靠干部”：不犯错、守规矩、有原则，甚至有一点让人放心的 कठ。 但问题也正出在这里。 刚弼办案时死扣教条，刚愎自用。他相信自己的判断，也相信自己的清名。越是这样，他越没有退路。

AI

拿破仑的得与失：一个天才如何把成功模式变成失败陷阱

看拿破仑，最容易落入两个陷阱。 一个是把他当战神。奥斯特里茨、耶拿、意大利战役，地图上箭头一画，仿佛欧洲大陆只是他手里的棋盘。另一个是把他当暴君。称帝、扩张、战争、流放，一切都可以归结为个人野心失控。 这两种说法都没错，但都太省事。 拿破仑真正值得研究的地方，不只是他如何赢，也不是他如何输，而是他如何把一种时代能量变成制度，又如何把这些制度重新押回自己的个人意志。前半段是现代国家的诞生，后半段是强人政治的自我吞噬。 他的最大成就，不是打赢了多少场仗，而是把法国大革命释放出来的混乱能量，装进了法律、官僚、财政、学校和军队这套国家机器里。 他的最大失败，也不是输掉滑铁卢，而是无法在胜利之后停下来。他把有限目标打成无限战争，把制度成果押上个人荣耀，把一个本来可以稳定下来的新秩序，推向了持续扩张和最终崩塌。 所以拿破仑这本账，不能简单算成成功或失败。 作为帝国缔造者，他失败了。作为现代国家制度的加速器，他成功了。他输掉了自己的帝国，却把旧欧洲拖进了现代世界。 他不是凭空出现的天才 天才需要时代给他开口子。 如果没有法国大革命，拿破仑这样一个科西嘉小贵族，大概率不会进入欧洲

AI

WindClaw 之后，金融入口的护城河可能要重算了

试用了万得的 WindClaw 之后，我脑子里一直有几个问题。 万得 To C 一直不如同花顺，这次会不会是一次弯道超车的机会？各家券商手里的牌照，还是不是足够坚固的护城河？如果 AI 让数据变得更容易使用，最终掌握“数据 + 交易 + 用户决策入口”的公司，会不会出现某种赢家通吃？ 这些问题现在都没有确定答案。但 WindClaw 至少让我感受到了一件事：金融产品的竞争，可能正在从“谁的数据更多”，转向“谁能让数据更顺手地进入决策”。 一站式入口的惬意感，容易被低估 我最直接的感受，是“指哪打哪”。 行情、财报、资讯、研报，以前这些东西当然也都能找到。问题不在于有没有，而在于路径太碎。你看行情是一套入口，查财报是一套入口，翻研报又是一套入口。每一次切换，都是一次注意力损耗。 很多产品经理会把这件事理解成“功能聚合”。但我觉得更准确的说法是：它在减少决策摩擦。

AI

读任正非与 ICPC 选手座谈：站在时代脉搏上的三个判断

* 原文：任正非与ICPC主席、教练及获奖选手座谈会纪要 读完任正非与 ICPC 主席、教练及获奖选手的这篇座谈记录，第一感受不是“振奋”，而是“清醒”。 它没有太多宏大的口号，也没有对 AI 未来做过度渲染。更像是一群真正在做事的人，围坐下来，聊年轻人怎么选路，AI 到底怎么落地，一个国家的创新能力又靠什么支撑。 很多话听起来朴素，但背后是几十年产业实践沉淀出来的判断。我把它拆成三条主线：青年与人才，AI 与产业，开放与分工。最后再落回一个问题：我们怎么知道自己有没有站在时代的脉搏上。 青年与人才：能摸高，就不要过早摸低 这篇座谈里，最值得记住的一个词，是“摸高”。 任正非说，每个人的人生道路不同，有人摸高，有人摸低，都是社会贡献。但如果一个人有能力摸高，就不要过早摸低。 这句话很容易被理解成“年轻人要奋斗”。但我觉得，它的重点不在奋斗，而在选择。 人在年轻的时候，