Usap | Zhang Peng

Kapag lahat ay nagmamadaling mag-develop ng mga “digital employee” at “Agent tools”, at nag-uumpisa sa walang katapusang kompetisyon sa mga espesipikong scenario, saan ba talaga ang tunay na pangalagaan ng AI entrepreneurship?

Kahit recent, ang founder at president ng Geek Park, Zhang Peng, at ang founder ng VisionFlow, Liu Ye, ay nagpanagpoon ng isang diskusyon na nagsisikap mag-advance pagkatapos ng paglabas ng OpenClaw. Bilang isang miyembro ng unang henerasyon ng mga programmer sa China na ipinanganak noong 1979, kinabuksan ni Liu Ye ang buong siklo mula sa pagsusuri ng hardware hanggang sa software, mula sa enterprise integration (ToB) hanggang sa online education (industrial internet). Pagkatapos ng ilang buwan na pagsasara at pag-uusap nang buo sa mga researcher ng mga pangunahing AI company sa buong mundo at sa mga pinakamahusay na entrepreneur sa bansa, natuklasan niya ang isang malamig na konklusyon: Ang paggamit ng AI bilang "digital employee" upang palitan ang isang tiyak na gawain ay isang sobrang pagsasimpleng istruktura ng mga inhinyero sa tunay na negosyo.

Sa usapan na ito, si Liu Ye ay ipinakilala ang isang serye ng napakalaking inspirasyon na konsepto at framework tulad ng "progressive exposure" at "hierarchical matrix of tasks." Sa pag-uusap, isang posibilidad para sa hinaharap ay naging malinaw: ang susunod na hakbang ng AI ay hindi ang pagkalat ng mga tool, kundi ang pagbuo ng isang "digital organization" na may mekanismo ng pagkakasundo, pag-uulat, at pag-iisip muli. Kapag ang kultura ng kumpanya ay hindi na kailangan at ang mga low-dimensional na gawain ay lubos nang nawala, ang hinaharap na CEO ay maaaring hindi na "Chief Executive Officer," kundi isang "producer" na may ekstremong pagkakaroon ng estetika.

Ito ay isang pagtalakay at pagpapalawak tungkol sa anyo ng organisasyon sa panahon ng AI, mga bantay na pangkalakalan, at ang ekosistema ng mga bagong entrepreneur. Inaasahan na ito ay magiging sanhi ng mas malalimang pagtalakay ng mga entrepreneur tungkol sa kinabukasan.

Narito ang pinagpilian na diyalogo mula sa Geek Park:

Ang laban ng 01 milyon A ay nagsimula na, maraming maaari gawin,

Ngunit ano ang dapat gawin ang pinakamahalaga

Zhang Peng: Mula sa Homework Box hanggang ngayon, nainggit ka sa pag-aaral ng mga pagbabago na dinala ng OpenClaw—may naging pagbabago ba sa iyo?

Liu Ye: Ako ang isang unang henerasyon ng programmer sa Tsina, nagsimula akong mag-aral ng programming mula pa noong bata ako. Nagdaraan ako mula sa BASIC hanggang sa DOS, pagkatapos sa Windows at ngayon sa panahon ng Mac, at naging saksi ako sa pag-usbong ng tatlong pangunahing portal. Nagtrabaho ako sa enterprise信息化, nais kong gawing ang Tsina ang IBM; pagkatapos ay nag-transform ako sa Youke Box, at malalim na nakilahok sa online edukasyon. Ang online edukasyon ay isang napakalalim na industriya, ang pinakamataas na anyo ng industrial internet, at ang "huling tren". Ang karanasang ito ay nagbigay sa akin ng malalim na pag-unawa na ang pangunahing puso ng industrial internet ay hindi ang teknolohiya, kundi ang industriya mismo, ang negosyo. Ang batayan ng industrial internet ay: una ay gawin ang information matching, pagkatapos ay ang standard products, sumunod ang supply chain, at huli ang mga kumplikadong non-standard na serbisyo. Mas malayo ka sa proseso, mas mataas ang gross margin, ngunit mas mahirap gawin.

Kaya nang dumating ang alon ng AI, ang unang ginawa ko ay nagpass ng halos anim na buwan, walang ginagawa, at pinag-usapan ko lahat ng maaaring pag-usapan sa HR. Mula sa mga pangunahing siyentipiko ng mga sikat na startup hanggang sa mga pangunahing algoritmo, inhinyero, at mananaliksik sa mga malalaking kumpanya ng base model, pati na rin sa mga bagong AI startup, pinag-usapan ko lahat—nagtipon ako ng halos libo-libong oras ng intensibong pakikipag-usap. Sa anong antas? Hanggang sa kapag sinabi ng kausap ang unang bahagi ng pangungusap, alam ko na ang susunod na bahagi—ang lahat ng kanilang pagkakasundo ay hindi na malaki ang pagkakaiba.

Pagkatapos ng isang buong pag-uusap, ang konklusyon ay nakakagulat na magkakasunod-sunod: lahat ay gumagawa ng parehong bagay—mga digital na empleyado. Ito ang nagpababalik sa aking isip sa isang pagkakamali sa estratehiya ng isang malaking eksperto tungkol sa cloud computing, kung saan sinabi niya na ang paggawa ng cloud ng Alibaba ay sa katotohanan ay parang isang online drive lang? Kapag ginagamit mo ang lumang framework upang maunawaan ang mga bagong bagay, palaging makikita mo lamang ang pinakamababang antas.

Ngayon, lahat ay nagsasabing magiging isang digital employee, gumawa ng isang “digital sales” o “digital customer service” gamit ang Claude—anong teknikal na hadlang ang mayroon? Anong kalakasan? Kapag ang paggamit ng ilang milyon na TOKEN araw-araw ay naging karaniwan na, mas parang manufacturing ito, hindi ito makakalikha ng real growth. Kaya tinatanong ko ang bawat entrepreneur: Bakit ka? Bakit ka lang ang makakaya? Mas batang ka ba? Mas matalino ka ba? Mas kayang magpahinga? Kung nagkakasalungatan ka sa isang dimensyon lamang, ano ang ibig sabihin nito kundi ang pagkakaiba ng “10 segundo 69” at “10 segundo 70”?

Zhang Peng: Hmm, maraming maaaring gawin ngayon, pero ang pinakamahalaga ay kung ano ang dapat gawin. Mayroon ka bang mga pag-iisip tungkol dito?

Sampung taon ng industriyal na internet sa 02, uulitin ngayon

Liu Ye: Ang AI ay iba, ngunit naniniwala ako na mayroon pa ring pagkakatulad sa mga batayan ng industriyal na internet. Sa unang yugto, gumagawa ng mga kasangkapan; sa gitna, gumagawa ng mga negosyo; at sa huli, nag-aalok ng konsultasyon. Kapag hindi pa matatag ang teknolohiya, ang unang grupo na papasok ay ang mga inhinyero, na nakakapagpapalit ng mundo sa sobrang abstrak—tulad ng “box computing” ni Baidu, na naniniwala na lahat ay isang box. Ngunit ang pangalawang bahagi ng mobile internet ay ang nilalaman at serbisyo, hindi ang box.

Ang mga taong galing sa engineering ay madalas na sobrang pinapakaliwanag ang pag-iisip sa organisasyon. Tingnan mo ang mga三大 portal ng unang henerasyon ng internet—ang mga nagsulong hanggang sa dulo at nagtagumpay ay ang Tencent at Alibaba, na mas malayo sa teknolohiya ngunit mas malapit sa industriya. Sa kasalukuyan, pareho ito—ang teknolohiya ay naging mas maliit na mahalaga.

Zhang Peng: Masaya ang mga estudyante ng mga asignaturang panlipunan sa pag-usbong na ito; hindi makapag-code ay tila walang kahalagahan. Ngunit sa mahabang panahon, ano nga ba ang hinihingi ng panahon ng AI sa tao? Ano ang nabago?

Liu Ye: Sa struktura ng mga talento sa China, nakakita ako ng isang problema. Ang mga unang henerasyon ng mga programmer sa China ay mga product manager, dahil wala pang posisyon ng product manager noong panahong iyon. Naging kilala ang posisyon ng product manager sa paligid ng taong 2010, pagkatapos ng paglalabas ni Steve Jobs ng iPhone 4 at ng pagpapahayag ni Zhang Xiaolong ng kanyang pananaw sa produkto, na nagsanhi ng pahayag na “bawat isa ay product manager.” Bago pa ito, ang mga programmer ang nagtatanggol din ng mga gawain ng product manager—una ang mga programmer, pagkatapos ang product manager, kaya ang mga unang henerasyon ng mga programmer ay mga product manager. Ang mga unang henerasyon ng mga programmer ay natututo ng code hindi para sa trabaho, kundi dahil sa interes; sila ay nagpapakita ng pagmamahal sa kanilang gawa. Ito ang mga taong hindi nakadefinisyon at lumalabas sa karaniwan, na pinakamahusay.

Ngunit ang mga programmer ng henerasyon pangalawa, kasama ang industriyal na internet sa nakaraang sampung taon, ay nagbago sila sa mga “mangangalap ng code,” habang ang mga product manager ay naging mga arkitekto, at ang mga mangangalap ng code ay tinapay na hindi na nag-iisip tungkol sa negosyo. Ngayon, dumating na ang AI, at ang bahaging “code” ay nawala; kung hindi sila magbabago, totoo lang na iisa na silang “magsasaka.” Ang mga kabataang ito ay napakagaling, ngunit ang kanilang pag-unawa sa industriya ay walang laman. Kaya, ang kasalukuyang “Digmaan ng 10,000 A” ay sa katotohanan ay isang labis na pagkalat sa antas ng kasangkapan.

Sa huling bahagi ng industrial internet, ang mga kompanya tulad ng Alibaba at Meituan ay karaniwang gumagamit ng mga tao mula sa mga pinakamataas na konsultasyong kumpanya (MBB) para sa business analysis, at ang mga tao mula sa konsultasyong kumpanya ang nagdadala ng mga product manager sa mga proseso ng negosyo, dahil ang mga product manager sa internet ay naturally walang sistemang nasa isip. Ito ang paraan kung paano nabuo ang Feishu. Kahit na ang ByteDance ay isang pure internet company, sila ay malawak na gumagamit ng mga konsultasyong kumpanya upang itayo ang kanilang internal na proseso. Sa panahon ng AI, ang pattern na ito ay magiging mas malakas, hindi mas mahina.

Ang mga problema ng korporasyon ay hindi kailanman mga problema ng mga empleyado, kundi mga problema ng organisasyon.

Zhang Peng: Kaya, sa tingin mo, ang pagkakaroon ng isang "digital employee" ay hindi malaki ang kahalagahan.

Liu Ye: Ito ang aking pinakamahalagang pagtataya: Ang digital na empleyado ay hindi ang huling punto, ang digital na organisasyon ang huling punto. Kung masyadong marami ang digital na empleyado at wala nang posisyon para sa paghahanap ng trabaho, at lahat ng tao ay mayroon na ngang magagandang digital na empleyado, ano na ang susunod? Maaari ba nilang lahat makakuha ng kita at tagumpay? Sa katotohanan, ang lahat ng problema ng kumpanya ay mga problema sa estratehiya at organisasyon, hindi kailanman mga problema sa empleyado.

Kaya ang Agent ngayon ay patuloy na nagtatrabaho para sa tao, hindi nagpapasya para sa tao. Iminodify namin ang OpenClaw at gumawa ng isang bagay na tinatawag na MetaOrg. Ito ay isang kernel na nakakagawa ng agent team. Sa paglutas ng anumang gawain, hindi namin ipinapadala ang isang empleyado, kundi binubuo namin ang isang “organisasyon” upang lutasin ito. Ang organisasyong ito ay may koordinasyon, ugnayang pagsasaulo, misyon, layunin, at paraan ng pagkilos.

Zhang Peng: Ngunit may posibilidad ba sa hinaharap na isang tao ay isang departamento? Kahit isang kumpanya?

Liu Ye: Ito ay isang napakabuting tanong. Patuloy nating i-micro sa task, tulad ng paggamit ng AI para gumawa ng isang maikling video o pagsulat ng isang dokumento, kung saan kailangan ng maraming round ng diyalogo. Sabihin mo ang isang bagay, sasagot ito, at ibinibigay mo ang feedback—ito ang paggamit na parang isang tool, at simple lang ito ay matalino.

Ang konsepto ng tao at departamento ay hindi tungkol sa dami o kakaibang bilang. Kapag inilalarawan namin ang JD ng isang mataas na posisyon, karaniwan ito: Una, kayang gumawa, kayang gawin ang iba’t ibang gawain; kayang gamitin ang iba’t ibang kasangkapan. Ang isang mataas na posisyon ay kayang maunawaan ang intensyon, aktibong magplano ng daan, aktibong magpapatupad, makamit ang pagpapadala, magbigay ng regular na ulat, mag-isip at magsumaryo ng mga resulta ng pagpapadala, at dinamikong i-adjust ang mga estratehiya batay sa mga pagkakaiba sa resulta. Ito ang mataas na kakayahan.

Zhang Peng: Ang isang kwalipikadong departamento ay dapat na ang “Level 4 autonomous driving”.

Liu Ye: Oo. Kapag ibinibigay mo sa kanya ang isang kasanayan, maaari niyang matapos ang mga kumplikadong gawain; kapag ibinibigay mo sa kanya ang isang sistema ng kasanayan, maaari niyang matapos ang mga kumplikadong komprehensibong gawain; kapag mayroong maraming agent na naka-iskedyul, maaari nilang matapos ang mas kumplikadong bagay, tulad ng paggawa ng isang maikling pelikula. Madalas kong sinasabi sa mga empleyado ko kapag gumagamit sila ng MetaOrg, huwag kayong mag-isip na kayo ang mga tagapamahala, kundi mag-isip kayo na kayo ang mga pangulo. Kailangan ninyong subukan ang mga hangganan nito.

Sa hinaharap, kapag nagtataguyod ng negosyo ang mga kabataan, dati ay sinasabi na ibinibigay ng pamilya ang 500,000 yuan para sa pagpapalawak, ngunit sa hinaharap, baka ibigay na lang nila ang isang TOKEN budget para mag-try at mali. Ang dami ng TOKEN na handa mong gastusin, iyon ang masusukat kung gaano kalaking posisyon ang maaari mong abutin. Mas mataas ang posisyon, mas mahaba ang logic chain, at mas kailangan ng paulit-ulit na pagsubok, pagpapabuti, at pagsusuri.

Zhang Peng: Umuwi sa nakaraang tanong, kung may isang grupo ng agent na maaaring ihiwalay sa mas maliit na yunit, o katulad ng paghihiwalay ng mga posisyon at kakayahan. Kapag nabuo na ito bilang isang tim, habang nakikibaka sa pangunahing gawain, ang kalidad ng bawat indibidwal na talento ang magpapasya sa tagumpay o pagkabigo. Ito ay bumabalik sa lohika ng kompetisyon sa organisasyon sa nakaraang panahon: ang densidad ng talento, o kung saan mas mataas ang kalidad ng talento, mas madaling matupad at malampasan ang pangunahing gawain ng organisasyon.

Ang core ng tanong na ito ay, kung sa hinaharap lahat ng AI ay lahat-lahat, at lahat tayo ay maaaring magamit ang pinakamahusay na AI, kung gayon, maliban sa pagkakaroon ng halaga sa pamamagitan ng mas epektibong pagbibigay ng iba’t ibang espesyalisadong serbisyo ng mga negosyo, mayroon pa bang isa pang antas na dapat balikan sa “density ng talent” — na ang ibig sabihin ay mas mataas ang atomikong kakayahan ng iyong agent o bot sa sistema, mas mataas ang “density ng talent,” at sa mga kumplikadong gawain, mas magiging mas mahusay ang resulta, efficiency, at kahit paano ang inobasyon. Hindi ko alam kung tama ang pagdedebelop na ito.

Liu Ye: Sumasang-ayon ako sa pananaw na ito. May isang departamento sa loob ng isang kumpanya, karaniwang tinatawag na OD o Organizational Development sa mga malalaking kumpanya. Ang karaniwang paraan upang sukatin kung kaya ng isang organisasyon na manalo ay ang pagkuha ng lahat ng talento ng kalaban at paggawa ng paghahambing, at sa pamamagitan ng pagtataya sa kung gaano kalakas ang pagkakatugma ng tao sa posisyon at ang kakayahan sa posisyon, upang masukat ang resulta ng labanan. Kaya karaniwan, ang pagtatagumpay ng isang kumpanya ay batay sa kakayahan ng organisasyon, hindi sa estratehiya ng negosyo. Ang pinakakaraniwang halimbawa ay ang Alibaba. Napakahalaga ng Alibaba sa pagbuo ng organisasyon, kaya ngayon ay nakakamit nito ang “ikalawang pagkabuhay.” Dahil ang mga tagapagtatag ay magiging matanda, ngunit ang organisasyon ay maaaring magpatuloy nang walang hanggan. Sa puso nito, kung isang araw tayo ay magkakalaban, at pareho naming gagamitin ang AI. Nagtatayo ako ng isang malakas na AI na organisasyon na may malakas na kakayahan sa pag-unlad ng organisasyon. Paano ko ito bubuoin? Sasabihin ko ang bawat agent skill system ng aking mga kalaban, ayanalisa ko ang kanilang code ng kakayahan. Pagkatapos, isusulat ko sa aking sariling sistema ang mas mahusay na mga kakayahan, o kaya ay kumpletohin ko ang mga tungkulin na nawawala sa kanila. Halimbawa, mayroon akong ahensya para sa estratehiya, at magsisimula ako sa pagsusuri at pagsusuri.

Mayroon ang Huawei ng metodolohiya na "Limang Tingin at Tatlong Pagsasaayos." Nakikipagkwentuhan ako sa aking kaibigan na kung gagamitin natin ang sistema na ito sa pagtatatag ng ating negosyo, kakalabanin natin ang 99% ng mga kalaban. Ang "limang tingin" ay tumutukoy sa pagtingin sa mga trend ng industriya, sa merkado at mga kliyente, sa mga kalaban, sa sariling kakayahan, at sa mga oportunidad sa estratehiya; samantalang ang "tatlong pagsasaayos" ay ang pagtukoy sa mga kontrol na punto, pagtukoy sa mga layunin, at pagtukoy sa mga estratehiya. Sapat ang sistema na ito upang alisin ang karamihan sa mga kalaban. Dahil ang karamihan sa mga tao ay naglalaro ng chess nang walang plano—nag-iisa sila sa mabilis na pag-iisip—samantalang ang mga eksperto ay awtomatikong gumagamit ng malalim na pag-iisip at pagdedekta. Ang unang reaksyon ay: dapat kong isipin bilang isang kumandante kung paano gagawin ito.

Zhang Peng: Ang tinatawag na "limang tingin, tatlong pagtukoy" ay sa katotohanan ay ang pag-iwas sa "reaksyon na pagsisikap" at ang pagpapakatotoo ng isang mahabang proseso ng pag-iisip.

Liu Ye: Ang mga eksperto ay gumagamit ng modelo na deep research kasama ang pag-iisip—alam nilang unang tingnan ang pinakamahusay na praktika at impormasyon sa buong mundo, pagkatapos ay i-summarize, i-analyze, at i-apply ang malalim na pag-iisip at pagdedeklara, at kapag sila ay nagpapasya, agad nilang nalalabas ang solusyon na magtatagumpay.

Kaya naniniwala ako na ang pangunahang kompetisyon sa hinaharap ay isang bagay lamang: ang pagmomodelo ng mga negosyo ng tradisyonal na industriya, ang pag-abstrak nito bilang isang sistemikong kakayahan na kayang mag-organize ng mga agent. Ito ang bagong henerasyon ng organizational development (OD) na kakayahan, at ito ay magiging AIOD—ang iisang pangunahing kompetensya sa hinaharap.

Ang pangunahing kahusayan ni Alibaba ay ang pagbuo ng organisasyon; pagkatapos makamit ang tamang pagbuo ng organisasyon, kahit anong kalaban o negosyo ang harapin, may kakayahang makipagkompetensya. Bukod dito, sinabi ni Jack Ma na ang layunin ng pakikidigma ay hindi laging magtatagpo ng isang partikular na larangan, kundi upang makamit ang pag-unlad ng organisasyon sa pamamagitan ng pakikidigma. Ang Alibaba ay gumagamit ng pag-unlad ng organisasyon bilang pangunahing pamantayan upang matukoy kung值得 isang pakikidigma, isang napakataas na antas ng pag-iisip. Si Jack Ma mismo ay tulad ng isang super information hub, na naglalakbay 200 beses bawat taon upang makakuha ng iba’t ibang impormasyon, at ginagamit ito upang mapabuti ang pagbuo ng organisasyon. Siya ang tunay na pangulo ng board, hindi lamang ang chief executive officer.

Ito ang pinakamataas na anyo ng organisasyon na nakikita natin—na makakapag-overcome ng ilang henerasyon, sumasaklaw sa iba’t ibang industriya, at nakakamit ng tuloy-tuloy na tagumpay, at nakakabangon muli pagkatapos ng pagbagsak. Karaniwan, kung isang kumpanya ay mali ang piliing CEO sa loob ng sampung taon, malaki ang posibilidad na magtatapos sa pagbagsak. Kaya, batay sa kasaysayan, gamitin ang mas mataas na pananaw upang tingnan ang kasalukuyang pag-unlad; kahit na gumawa ka ng ilang pagpapabuti at pagpapalit sa umiiral na modelo, mas epektibo ito kaysa magsimula mula sa pundasyon.

Ngayon, kahit sino ay maaaring madaling magtatag ng isang agent, mababa ang hadlang para sa mga empleyado, at kasama ang suporta ng open-source community, wala nang maraming lihim sa industriya. Sa pagkakaroon ng kompetisyon sa antas ng mga kasangkapan, hindi kayang labanan ng isang kompanya ang open-source community. Kaya, ano nga ba ang core competency na kulang sa open-source community at hindi maaaring kopyahin?

04 Pisika ng AI Organization: Bakit mahalaga ang 'Progressive Exposure'?

Zhang Peng: Noong panahon na iyon, kapag tinatalakay ang organisasyon, pinapahalagahan ang mga bagay tulad ng kultura ng organisasyon, mga halaga, KPI, at iba pang mga elemento. Kapag lumilipas tayo mula sa pagpapamahala ng organisasyon noong panahong iyon patungo sa bagong panahon ng AI agent organization, alin sa mga ito ang maaaring buong-buo nang itanggal, at alin sa mga ito ang maaaring panatilihin ngunit kailangang i-transform?

Liu Ye: Ang pangunahing dahilan kung bakit inilabas ng Anthropic ang mga skills ay ang konsepto ng "progressive exposure" sa larangan ng AI coding—kapag tumatanggap ang AI ng maraming kaguluhan, maaaring magkaroon ito ng context degradation at kawalan ng atensyon na nagdudulot ng kalituhan; ang progressive exposure ang tanging paraan upang panatilihin ng AI ang magandang atensyon at maglabas ng mataas na kalidad na resulta. Kung gagawin ang progressive exposure sa pamamagitan ng tao, ito ay katumbas ng buong manual na pag-uusap, na mabagal sa efficiency. Kaya, ang pangunahing halaga ng mga skills ay ang paghahati-hati ng mga kumplikadong gawain sa mga antas upang maisakatuparan ang progressive exposure sa AI.

Nakakatugma ito sa lohika ng pagpapatakbo ng kumpanya: ang board ay nakafokus sa mga estratehikong isyu, ang CEO ay nakafokus sa mga taktikal na isyu at pagpapamahala sa mga eksekutibo, habang ang mga empleyado ang nag-aangkop sa mga simpleng gawain. Kung 300 tao ang sumasali sa iisang pagpupulong, hindi magiging posible ang pagpupulong. Ang pangunahing layunin ng organisasyon ay ang pagpapakita ng paghahati-hati ng impormasyon, tulad ng paggamit ng three normal forms sa database upang mapabuti ang efficiency sa pamamagitan ng pag-compress at paghahati ng impormasyon. Dapat i-decompose at i-expose nang paunti-unti ang mga komplikadong isyu, at hindi ipasok ang malaking dami ng konteksto nang sabay-sabay—ito ang pangunahing lohika ng tradisyonal na anyo ng organisasyon, dahil limitado ang computing power sa anumang partikular na panahon.

Zhang Peng: Ang bawat model ay kailangang gumamit ng malaking computing power mula sa simula, masyadong mababa ang efficiency.

Liu Ye: Hindi posible ang pagpapatupad; ang pangunahing batayan ay ang pagpapakita ng paunlad na layer, kailangan mong tawagan ang mga mapagkukunan na kailangan, at ito ay tinukoy ng hangganan ng kakayahan ng AI model. Bukod dito, ang isa pang dahilan kung bakit tinatanggap ni Anthropic ang mga skills ay dahil ang mga kumplikadong gawain ay lumampas na sa mga pundamental na batas ng pisika; ang mga skills ay nakakapaghihiwalay ng mga kumplikadong gawain sa isang serye ng simpleng, mababang dimensiyonal na gawain. Ang pangunahing pagkakaiba sa gawain ay hindi ang kalaliman o kahirapan, kundi ang antas ng kumplikasyon—mayroong iba’t ibang uri tulad ng mababang dimensiyonal na mahirap, mataas na dimensiyonal na mahirap, atbp. Halimbawa, ang paggawa ng code ng isang programmer at pagsosolba ng mga matematikal na problema ay mga mababang dimensiyonal, mataas na antas ng kahirapan.

Ibinigay ni Yu Kai ng Horizon ang isang klasikong modelo: Ang lahat ng mga trabaho ay maaaring ipahiwatig ayon sa "antas ng kompetisyon" at "antas ng dimensyon" sa apat na kuadran, kaya ang mataas na dimensyon at mataas na kompetisyon, mababang dimensyon at mababang kompetisyon, mababang dimensyon at mataas na kompetisyon, at mataas na dimensyon at mababang kompetisyon. Ang mga negosyante at inhinyero ay nasa mababang dimensyon at mataas na kompetisyon, habang ang mga product manager at CEO ay nasa mataas na dimensyon at mataas na kompetisyon; ang mga siyentipiko naman ay nasa mataas na dimensyon at mababang kompetisyon—ang mga paksa na ito ay maaaring tanging isang tao lamang ang nag-aaral sa buong mundo, kaya mababa ang kompetisyon ngunit sobrang mataas ang dimensyon. Ang mga gawain na may mataas na dimensyon at mataas na kompetisyon tulad ng mga mahusay na maikling pelikula at magandang nobela ay hindi pa kayang gawin ng AI; samantalang ang mga gawain na may mababang dimensyon at mataas na kompetisyon tulad ng pag-optimize ng code ay kayang gawin nang maayos ng AI. Mas mataas ang dimensyon ng isang gawain, mas kaunti ang mga pinagkukunan ng data, ngunit mas malaki ang dami ng data na kailangan para sa pag-train ng modelo—ito ang pangunahing dahilan kung bakit una ang mga text model, sumunod ang mga image at video model, at kung bakit mahirap i-implement ang mga model para sa maikling video. Ang kontradiksyon sa suplay at demand sa pagitan ng mataas na dimensyon na gawain at mataas na dimensyon na data ay maaaring mapalitan lamang sa pamamagitan ng paghihiwalay ng mga kasanayan sa mga gawain, tulad ng paghihiwalay ng isang mataas na posisyon sa isang kumpanya sa tatlong pangunahing posisyon kapag wala kang kwalipikadong kandidato para sa mataas na posisyon; ang mga posisyong may mataas na dimensyon tulad ng CEO lamang ang hindi maaaring palitan.

Zhang Peng: Ang mga gawain na may mababang dimensyon at mataas na kompetisyon, malamang ay ganap na papalitan ng AI.

Liu Ye: Tiyak na papalitan, at ang ganitong pagpapalit ay nangyari na.

Zhang Peng: Totoo, kaya ang lahat ng mga gawain na may mababang dimensyon at mataas na kompetisyon ay dapat agad na lutasin gamit ang AI; maaari itong i-decompose sa mga kasanayan, at pagkatapos ay isabuhay sa pamamagitan ng pag-organisa ng agent, at sa prosesong ito ay hindi kinakailangan ang pakikilahok ng tao.

Liu Ye: Mayroon akong isang unang ideya; ang IBM at Accenture, bilang dalawang pinakamalaking konsultasyon na kumpanya sa buong mundo, ang kanilang pangunahing negosyo ay ang pagpapakilala ng pinakamahusay na praktis sa industriya at pagpapagkasya nito sa digitalisasyon—ang kanilang ibinibenta ay ang proseso, hindi ang mga kasangkapan. Kapag bumibili ang mga kumpanya ng mga proseso sa panganib o IP, sila ay laging humihingi ng tulong sa mga konsultant upang i-implement. Ang aming pangunahing gawain ngayon ay ang pagbuo ng mga cluster ng skills, paghahanap ng mga lider na eksperto sa bawat larangan, pagpapakilala sa kanilang kakayahan at pagpapagkasya nito upang mabuo ang isang standardisadong skill set. Kapareho ito sa modelo ng Zuoyebang—ang Zuoyebang ay nagtatrabaho kasama ang Beijing No. 4 High School, Renmin University Affiliated High School, ang team na nagbuo ng mga pagsusulit sa College Entrance Exam, at mga guro mula sa Xueersi upang i-identify ang mga pangunahing paraan sa paggawa, pagsasalaysay, at pagsusuri ng mga tanong, at pagkatapos ay nagtutulungan sila sa mga engineer ng algorithm sa Baidu upang bumuo ng isang sistema; ang pangunahing layunin ay ang pagpapagkasya ng pinakamahusay na praktis. Ang pangunahing bahagi ng organisasyonal na kakayahan ay ang pagbuo ng isang mahusay na interdisciplinary team—dapat silang magkaroon ng pag-unawa sa industriya at inhinyeriya, makapag-ugnay sa mga lider na eksperto sa bawat sektor, at magkaroon din ng kakayahang magtrabaho sa negosyo, paghahanap ng talento, at pamamahala—ito rin ang pangunahing bahagi ng isang bagong henerasyon ng AI SaaS na kumpanya.

Zhang Peng: Sa mas malalim na pag-aaral, ang hinaharap ay dapat magsimula sa dimensyon ng negosyo upang balikan ang kinakailangang anyo ng organisasyon. Ang organisasyon ay isang uri ng pagkakasunod-sunod, tulad ng isang operasyonal na sistema para sa negosyo—kapag isinasama ang tao bilang mga yunit ng produksyon sa tamang organisasyon, makakamit nila ang pinakamataas na halaga; kung hindi, hindi ito makakapagtrabaho nang epektibo. Ngayon, ang mga elemento ng produksyon ay nagsalit-salit na: mula sa pagtitiyak sa tao patungo sa AI na may walang hanggang suplay, at kung makakabuo ito ng isang positibong siklo, maaari itong patuloy na palawakin. Ang dating kultura ng organisasyon, maaaring maging mga layunin at konteksto na lamang ngayon, at hindi na kailangan ng mga slogan, mga pagsusuri na tatlong hakbang, o mga gawain para sa pagpapalapit.

Liu Ye: Ang kultura ay isang pagmamahalaga sa intensyon, hindi sa intensyon ng negosyo. Sa nakaraang panahon, ang estratehiya ay nagsimula sa pangarap, ang pangarap ang nagpapasya sa halaga, ang organisasyon ay sumusunod sa estratehiya, ang negosyo ang nagpapatotoo sa lahat, samantalang ang kultura ay simpleng paraan ng pagpapahalaga sa organisasyon, hindi direktang naglilingkod sa estratehiya, at kahit na maaaring tanging personal na pagkagustuhan ng tagapagtatag.

Zhang Peng: Sa proseso ng paglilingkod sa tao, mayroong maraming puwang; nag-aalis ba ang AI ng mga puwang na ito?

Liu Ye: Oo, ang kultura ay hindi na mahalaga sa panahon ng AI. Ang kultura ay bahagi ng paniniwala ng mga tao, ngunit hindi kailangan ng AI. Walang laman at dugo ang AI, kaya walang pangangailangan sa kultura. Ang pangunahing pangangailangan ng AI ay ang computing power.

Zhang Peng: Ang ibig mong sabihin ay ang AI ay nangangailangan ng mga layunin at prinsipyo. Sapat na isang dokumento upang malinaw ang mga layunin at prinsipyo, at ang lahat ng mga yunit ng produktibidad ay maaagap na magkakasundo at masunod nang tumpak, walang pagkakaiba. Napapalitan ng malaking bahagi ng friction sa mga tao.

Liu Ye: Oo. Ang dating organisasyon: pagsasakop→kultura→talento→pagsasagawa, ang kasalukuyang AI na organisasyon: layunin→prinsipyo→Skills→pagsasama-samahin. Ang buong chain ng pamamahala ay napabawat ng kalahati.

05 Huling hadlang: Aesthetic at Choreography

Zhang Peng: Ano ang bagong hadlang para sa mga kumpanya? Ang kalidad ng tao ay napalitan ng Skill Set; kung mayroon akong pagkakaintindi sa estetika, maaari kong kunin ang pinakamahusay na Skills mula sa buong mundo. Kaya sa mas mataas na antas, ito ay ang “Orchestration,” tama ba? Ano ang magiging pagbabago dito?

Liu Ye: Tulad ng maaaring makabili ng lahat ng elektronikong komponente sa Huaqiangbei, bakit hindi lahat ng tao ay makakagawa ng Apple? Malinaw ang depinisyon ng estetika sa biograpiya ni Jobs: Kapag nakakakita ka ng sapat na maraming magagandang bagay sa mundo at kayang magbawas ng mabuti at masama, iyon ang estetika. Kung hindi ka pa nakakakita ng magagandang produkto, proseso, o organisasyon, hindi mo kayang gawin ang mga mataas na kalidad na resulta.

Zhang Peng: Ang pagkakaroon ng pag-unawa ay ang pundasyon ng pagkilala sa kagandahan.

Liu Ye: Pagsusuri at talento lamang.

Zhang Peng: Ang estetika ay ipinapakita sa dalawang paraan: una, ang aktibong disenyo at pag-ayos; pangalawa, ang pagkilala at pagpili ng mga mataas na kalidad na bagay na lumalabas sa kaguluhan—ang dalawang paraan ay hindi nagtatagpo.

Liu Ye: Totoo, walang pagkakatulad. Ang ilang mga resulta ng Apple ay自主研发, habang ang ilan ay akusisyon ng mga third-party; ang pangunahin ay ang pagkakaroon ng estetika—hindi kailangang muling maglikha ng gulong, sapat na自主研发 kapag kinakailangan.

Zhang Peng: Ang pangunahing tanong ay, dapat ba ang agent na patakbuhin muna sa loob ng nakatakdaang module bago matiyak ang path upang makamit ang emergent orchestration; o dapat ba ay agad na itakda ang lahat ng path para sa design-based orchestration?

Liu Ye: Ang pagkakaroon ay hindi manipulatibo; kailangan muna magtakda ng mga patakaran at prinsipyo ng buto, at sa ganitong paraan ipinapakita ang isang tao’s estetika. Tulad ng isang mahusay na inhinyero na makakagawa ng isang magandang Openclaw gamit ang 500 o 5,000 linya ng code, samantalang ang isang di-mahusay na inhinyero ay hindi makakamit ang parehong epekto kahit isulat niya ang 50,000 linya ng code—ang mga patakaran ng buto sa ilalim ay kailangan pa ring itakda ng tao.

Zhang Peng: Kaya hindi mo maaaring hintayin ang emergence sa kaguluhan, dahil kailangan nito ng napakalaking oras—ang pagpaplano ay patuloy na mahalaga. Ang ganitong pagpaplano ay maaari ba lamang mula sa founder, o mas katulad ng isang “producer”?

Liu Ye: Naniniwala ako na magandang depinisyon ang producer. Totoo nga, kahit anong emergence at scale effect, kailangan pa rin ng data annotation, data cleaning, at patuloy na alignment ng algorithm upang maiwasan ang walang kontrol na paglago.

Ang pagkakasunod-sunod ay depende sa kumplikadong kalikasan ng negosyo—hindi kayang gawin ng isang tao ang mga kumplikadong negosyo, tulad ng paggawa ng maikling dula o pagsusulat ng mga prompt, dahil sa maraming hamon sa praktikal na pagpapatupad. Ang konsepto ng “isang tao na kumpanya” ay sobrang ginamit, at ang mundo ay hindi maaaring mapasimple nang walang hanggan. Bagaman maaaring gawin ng isang tao ang isang computer, mahirap para sa isang tao na matutunan ang lahat ng mataas na kakayahan; ang mga super talento tulad ni Elon Musk at Fei-Fei Li, na kayang magkaroon ng kahusayan sa maraming larangan at makatanggap ng anumang posisyon, ay napakakakaunti.

Zhang Peng: Kung makakapag-call tayo ng pinakamahusay na agent at sistema ng kasanayan sa buong mundo, tulad ng isang mahusay na manunulat ng skrip, teoretikal bang makakagawa tayo ng isang kilalang at napapalitan na pelikula gamit ang mga mapagkukunan na ito? Bagaman mayroon ang manunulat ng skrip ng pangunahing kahusayan (magandang skrip), hindi niya kayang gawin ang lahat ng mga hakbang—ang isang pagsasara na “pangunahing kahusayan + global na mapagkukunan” ba ay maaaring gawin?

Liu Ye: Ito ay isang problema sa data—mayroon bang data na nag-iimbak ng pinakamataas na dimensyon ng impormasyon. Halimbawa, sa pagtuturo ng mga kasanayan ng CEO, wala pa ring sapat na data: ang mga mahabang sanaysay ni Ren Zhengfei at ang mga pagsasalita ni Jack Ma ay hindi kayang buong-pusong ipakita ang kanilang mataas na pagkakaunawa; kahit na kumalap ang lahat ng financial reports ng mga kompanya sa buong mundo at lahat ng mga pahayag ng mga CEO, hindi pa rin maaaring ituro ang isang modelo na kayang maglingkod bilang CEO, dahil ang pangunahing kakayahan ng isang CEO ay ang implicit knowledge, na hindi maaaring buong-pusong maipahayag sa pamamagitan ng teksto.

Zhang Peng: Ibig sabihin, ang pangunahing kakayahan ng CEO ay kasalukuyang hindi maaaring ilarawan bilang vektor. Ito ang nagpapaliit sa ideal na konsepto ng “isang tao na kumpanya”—kahit na bawat tao ay makapagpapakita ng kanyang kahusayan sa isang dimensyon at makapag-ugnay sa mga pinakamahusay na mapagkukunan sa buong mundo, kulang pa rin ang pangunahing tagapagsama; sa puso nito ay isang problema sa pagpapagsama. Sa huli, kahit mayroon ka na sa pinakamahusay na mga “mga komponente,” kailangan pa rin ng malakas na kakayahan sa pagpapagsama.

Liu Ye: Ang mga product manager ay ganun din—ang kanilang implicit na kaalaman ay hindi maaaring buong-textualize. Ito ang pangunahing dahilan kung bakit ang mga AI companion at AI-generated content ay hindi pa sapat na “mabuhay”—kawalan ng suporta ng data mula sa mataas na dimensyon ng implicit na kaalaman. Kapag maliit ang dami ng data, ang pagkakaroon ng skill ang dapat bigyang-pansin; kapag malaki na ang dami ng data, maaari nang gumawa ng model. Ang mga robot ay hindi pa maaaring maisagawa ngayon, at ang pangunahing dahilan ay ang kakulangan sa sapat na data.

Zhang Peng: Mula dito, maaaring makakuha ng konklusyon na ang susi sa tagumpay o pagkabigo ng isang kumpanya sa hinaharap ay hindi na kung makakakuha ito ng access sa mga pinakamataas na modelo—ang mga initial AI resources ay tila magkakapareho, at ang computing power ay nauugnay sa yaman at kakayahan sa pagbuo ng isang closed-loop na negosyo; sa wakas, ang pagkakaiba ay babalik sa sariling “producer”—ang kanyang kakayahang mag-organisa at ang orihinalidad at kahalagahan ng kanyang layunin, na ang dalawang ito ang bumubuo sa pangunahing kompetensya ng kumpanya.

Liu Ye: Sinabi sakin ng dating partner ng McKinsey na ang pangunahing negosyo ng McKinsey ay ang pagkuha ng pinakamahusay na praktika, pagbuo ng modelo, at pagtutulungan sa mga kumpanya sa pagpapatupad nito nang isa-isa. Halimbawa, habang nagtataguyod ng konsultasyon para sa mga Chinese car manufacturer, tinatanong ko ang mga kaibigan kong Hapon tungkol sa paraan ng Toyota—ang pangunahang layunin ay ang pagkopya at pagsasagawa ng pinakamahusay na praktika.

Ang kaso ni Mi Meng sa paggawa ng maikling dula ay may malaking kahalagahan bilang gabay. Isang graduate ng Departamento ng Chinese Language siya, ngunit ang pangunahing tim ay binubuo ng mga propesyonal mula sa mga departamento ng Matematika at Computer Science ng Tsinghua at Peking University, na espesyalisado sa pagpapakita ng lohika ng mga viral na short video, at nakamit ang napakataas na rate ng pagiging viral. Ang ganitong pagkakaintindi ay pagsasalaysay ng sosyal na inhenyeriya sa industriya—kahit na may posibilidad ng overfitting, ang direksyon ng pagmomodelo ay tama.

Ang ginagawa ng IBM, Accenture, at McKinsey ay ganitong uri ng gawain—ang unang generation ng McKinsey ay nagmodel ng mga pinakamabuting praktis sa mga kasosyo, samantalang ang IBM ay isinaproseso ito bilang digital na proseso; ang pangunahing layunin ay ang "pagbebenta ng pamamahala at proseso".

Zhang Peng: Ang pangunahin ay ang pagpapakilala ng mga pinakamahusay na pamamaraan, at pagpapalit-lit ito nang paulit-ulit upang masiguro ang pagpapatupad—ito ang susi sa tagumpay ng mga organisasyon sa hinaharap. Kailangan mong masuri nang maayos upang makamit ang epektibong pagkakasunod-sunod. Kaya ang inyong pangunahing direksyon mula ngayon ay magpapatuloy sa ideyang ito?

Liu Ye: Sa nakalipas na tatlong taon, pangunahing ginawa namin ang AI ToC business, at gamit ang MetaOrg approach, binago namin ang buong sistema ng pagtuturo at pag-aaral. Hindi ito simpleng kuwento ng “paggamit ng AI para sa pagpapabilis.” Binuo namin ang isang buong Agentic teaching and research organization, na pinapatakbo ng mga virtual na teaching and research team: ang team para sa pag-aaral ng wika ay nagtatrabaho sa pagsubaybay sa pinakabagong teorya sa second language acquisition, ang team para sa pagkolekta ng vertical corpus ay nagsasaliksik sa mga totoong konteksto para makakuha ng mga natural na ekspresyon, ang team para sa pag-evaluate ng diyalogo ay nagtatayo ng maraming dimensyon na pamantayan para sa pagtataya ng kakayahan sa pagsasalita, ang team para sa pagdidisenyo ng diyalogo ay nagpapalit ng pedagogical methods sa natural na human-computer interaction, ang team para sa pagdidisenyo ng container ng tanong ay naglutas ng mga isyu sa pagpapadapt ng anyo at nilalaman ng pagsasanay, at ang team para sa pag-analyze ng data ay nagmumula sa user behavior upang makahanap ng totoong signal ng epekto ng pag-aaral. Bawat team ay may sariling skills, sariling workflow, at sariling pamantayan sa pagtataya. Sa kasalukuyan, higit sa 80% ng mga gawain tulad ng tagging ng instructional data, monitoring at evaluation, user insights, at product iteration ay ginagawa ng AI.

Ang aming landas ng pag-unlad ay mula sa «AI bilang isang tampok» patungo sa «AI bilang isang organisasyonal na kakayahan». Ang posisyon ng guro sa Ingles ay nasa katamtamang kumplikado, at aming inabstrak na ito, at ginawa ang iba pang mga posisyon sa pamamagitan ng MetaOrg; kung isasama sa pinakabagong arkitektura ng skill, maaaring makabuo ng mas mataas na antas ng mga posisyon.

Kasalukuyan nating natapos ang buong proseso ng AI tutor, kabilang ang abstraksiyon at pagpapatupad ng kakayahang mag-organisa; sa hinaharap, malamang na iuupgrade natin ang Meta tutor patungo sa Meta organization—ang pinakamaliit na yunit ay ang posisyon, hindi ang empleyado, at ang pangunahing diwa ay ang pakikipagtulungan at pamamahala sa pagitan ng mga posisyon. Ang ating pangunahing pagtutuon ngayon ay ang pagkonekta sa mga pinakamahusay na CEO mula sa bawat industriya, dahil ang CEO ang pangunahing “producer.”

Zhang Peng: Kaya ang inyong ipinakilala ay mas malapit sa isang scalable na departamento?

Liu Ye: Ang layunin ay patungo sa direksyon ng “kumpanya”; ang mga malalaking kumpanya ay binubuo rin ng maraming maliit na kumpanya, at ang pinakamaliit na yunit ay ang posisyon. Dapat pansinin ang buong estratehiya ng industriya, ngunit dapat magsimula rin sa posisyon upang mapagbuti ang produkto—kung hindi maganda ang posisyon, kahit gaano kalakas ang kakayahan ng mga tagapagmaneho, hindi makakabuo ng isang epektibong organisasyon.

Zhang Peng: Upang mapagtagumpayan ang isang departamento, unang i-decompose ang mga kasanayan at posisyon na kaugnay ng departamento, pagkatapos i-decompose ang mga kasanayan na kaugnay ng bawat posisyon, at dapat ipaglaban ang pagkamit ng SOTA level sa mga kasanayang ito.

Liu Ye: Ang iisang pangunahang paraan ay magtagpo sa mga pinakamataas na kalidad na kumpanya na binibigyan ng serbisyo. Ang mga kasanayan na nabuo ay kailangang isuri ng mga pinakamataas na kumpanya kung tama ito sa pangangailangan, tulad ng kailangang suriin ng tagapag-ugnay ang isang plano na isinulat ng isang empleyado—hindi dapat mag-isa ang pagkakaroon ng pagkakataon. Halimbawa, sa pagbuo ng modelo para sa maikling dula, kailangan ng pagkilala mula sa mga pinakamataas na institusyon sa industriya; kung hindi, hindi ito totoong pinakamataas. Lahat ay kailangang masuri at matukoy.

Ang Midjourney ay makakagawa ng mga mataas-kalidad na imahe dahil ang core team ay binubuo ng mga photographer at engineer na may pinakamataas na pag-unawa sa imahe; ang LV ay nag-train ng image model gamit ang Stable Diffusion, at ang resulta ay mas malaki kaysa sa karaniwang model, dahil ang LV ay may pinakamataas na pag-unawa sa imahe at data sa buong mundo. Kaya, ang pag-e-evaluate ay ang pangunahing kakayahan. Upang maging isang AI company, kailangan mong gawin tulad ng IBM at Huawei—pagkatapos ng IBM na magbigay ng serbisyo sa mga pinakamataas na automotive company, natutunan nila ang pinakamahusay na praktis sa paggawa ng kotse at inilabas ito; ang Huawei ay nagbili ng ₱4 bilyon para sa IPD process, na ginamit nila para sa kanilang sariling pamamahala at ipinaglabas din ito sa iba—ito ang pangunahing kompetensya.

Zhang Peng: Sa pangkabuuang pagkakaunawa, ito ay ang pag-decompose ng skill ayon sa pinakamahusay na pamamaraan, pagtatamo ng SOTA ng skill, pagpapalawig nito sa SOTA ng posisyon at departamento, at huli ay pagpapalikod nito sa SOTA ng negosyo—ito ang malinaw na landas patungo sa pinakamataas na antas ng negosyo. May isang mahalagang tanong pa: Paano mapapanatili ang pagkakasunod-sunod ng skill sa panahon? Tulad ng pagbabago sa biosphere ng mundo, ang SOTA sa bawat panahon ay maaaring mawala sa susunod na panahon—paano malulutas ang ganitong pagbabago?

Liu Ye: Ang pangunahang lohika ay tugma sa pag-unlad ng tao at biyolohikal na evolusyon, na ang pagpapansin, pagpaplano, pagkilos, at pagsusuri. Panatilihin ang mataas na densidad ng talento at ang interdisciplinary na katangian ng organisasyon—isang dulo ay nakakonekta sa mga hangganan ng teknolohiya (mga mananaliksik), at ang isa pang dulo ay nag-aaral ng mga modelo ng negosyo, habang nagkakaisa kasama ang mga pinakamataas na kliyente sa industriya upang maglikha ng mga solusyon, at patuloy na masuri at mapabuti sa mga totoong sitwasyon. Ito ang tanging paraan.

Zhang Peng: Mula dito, ang mga sistema na nabuo mula sa pinakamahusay na praktika ng mga top company ay maaaring tumulong sa mga intermediate company na makamit ang isang malaking pag-unlad, ngunit malamang na ang mga ganitong sistema ay maaaring gamitin lamang ng mga kumpanya na may sapat na yaman at mapagkukunan, kaya't mahirap para sa mga maliit at katamtamang negosyo at mga batang entrepreneur na maabot. Ang industriya ng consulting ay nagsilbi na mula sa tradisyonal na serbisyo patungo sa mga produktong tool; ang pagkakataon para sa bagong henerasyon ay maaaring limitado lamang sa antas ng kasanayan? Paano makakamit ang disruptive innovation sa antas ng kasanayan upang maiwasan ang pagkakasakop ng industriya sa isang “贵族循环”?

Liu Ye: Sa nakaraang henerasyon ng SaaS industry, ang mga kumpanya tulad ng Salesforce, Palantir, Notion, at Slack, ang ilan ay nagtataguyod ng mga pangkalahatang kasangkapan, habang ang iba ay nag-aalok ng integrasyon service—nagpapatotoo na mayroon pa ring pagkakataon para sa mga batang entrepreneur—alisin ang mga negosyo kung saan hindi kayo may kakayahan, at tumutok sa mga pangkalahatang kasanayan upang makahanap ng tamang ekolohikal na posisyon. Ang Notion ay isang klasikong halimbawa: hindi ito nakikisalamuha sa mga partikular na proseso ng negosyo, kundi nag-aabstract lamang ng pagpapalit ng teksto, at naging pangkalahatang kasangkapan. Sa huli, ang mundo ay magiging isang malaking pagkakasundo ng maraming mga intelligent agent; kailangan ng mga kabataan na muna makahanap ng kanilang ekolohikal na posisyon, tapos gamitin ang kanilang sariling mga kalakasan, at i-anchore ang kanilang pagkilos sa mga hinaharap na trend upang maiwasan ang pagiging kaaway ng oras. Sa nakaraang sampung taon, ang unang henerasyon ng mga entrepreneur sa internet ay karamihan ay mga balikbayan (nakabatay sa kanilang pag-unawa), ang pangalawang henerasyon ay karamihan ay mga programmer (nakabatay sa pag-usbong ng mga kasangkapan), at ang pangatlong henerasyon ng产业互联网 ay karamihan ay mga pangalawang beses na entrepreneur—malinaw ang pattern; kailangan ng mga kabataan na maunawaan ang gitnang bahagi at ang kanilang sariling mga kalakasan.

Zhang Peng: Kaya naniniwala ka na ang lokal na inobasyon at pagpapabuti sa antas ng kasanayan ay may limitadong epekto, kaya ang pinakamalaking pagkakataon para sa bagong henerasyon ay maaaring nasa pag-iinnobasyon sa layunin—ang pagkilala sa mga bagong layunin na lumalabas sa panahon, ang pagsasama-sama nito sa mataas na kalidad na kasanayan, at ang patuloy na pag-unlad upang makabuo ng bagong sistema sa mga bagong layunin at makamit ang pagtemo.

Liu Ye: Ang kompetisyon sa skill ay napakadikit; bagaman kasalukuyang sikat ang skill, kung may makalikha ng mas mahusay na skill na nakakatugon sa mga pinakamataas na eksperto, maaaring palitan ang umiiral na skill. Ito ay bumabalik sa tanong tungkol sa moog: ang mga una ay hindi nangangako na magtatagumpay sa huli; maaari silang maging “pataba” para sa mga mas mataas na antas ng kalaban.

Zhang Peng: Ang takot ay maging isang “loader” lamang, na nagpapagawa lamang ng mga pangunahing pagsasaprepara para sa mga mas mataas na dimensyon na kalaban. Kung ang iyong ginagawa ay pagpapabuti lamang ng epekto sa umiiral na layunin, walang kwenta, at ang pangunahing kahusayan ay hahawakan nang higit pa. Kaya upang makamit ng bagong henerasyon ang pagtemo, kailangan nilang gawin ang isang fundamental na pagkakaiba sa layunin.

Liu Ye: Tama, ang pagkakaroon ng sariling kapangyarihan ay hindi makakatulong sa pagiging pangunahing lakas, kundi lamang ang nagpapalakas sa mas mataas na dimensyon na kalaban. Ang kalikasan ng negosyo ay simpleng simple: ang pangunahin ay malinaw na malaman kung sino ang customer, paano serbisyuhin ang customer, at paano gawing hindi makakalimbas ang customer sa iyo. Anumang kabataan na hindi makakapag-isip nang malinaw kung sino ang customer ay hindi makakamit ng pagpapabuti.

Zhang Peng: Dapat din ninyong tandaan ang mga bagong merkado; sobrang mahirap makipagkompetensya sa mga umiiral na merkado. Kung matagumpay ang inyong negosyo, iuunlad ninyo ang mga kumpanya sa parehong mataas na antas sa nasabing larangan—ang mga kumpanyang ito ay mayaman at may malawak na kaalaman, at mahirap para sa mga kabataan makipagkompetensya sa kanila sa mga umiiral na merkado.

Liu Ye: Sa nakaraang henerasyon ng SaaS industry, ang tagumpay ng mga kumpanya tulad ng Notion at Slack ay batay sa pagkakaiba ng target.

Sa mga unang yugto ng pag-unlad ng nakaraang henerasyon ng SaaS, maraming Chinese fund ang nagiging mas nakatuon sa pag-invest sa mga siyentipiko, ngunit natuklasan nila na mas angkop para sa pakikipag-ugnayan at pakikipagtulungan ang mga siyentipiko, kaysa sa pagtatatag ng negosyo—ang mataas na dimensyon at mababang kompetisyon na larangan kung saan nasaan ang mga siyentipiko, ay iba sa lohika ng mataas na dimensyon at mataas na kompetisyon sa mundo ng negosyo; ang mas mataas ang dimensyon ng larangan, mas mahirap mag-switch sa isang bagong larangan, dahil sa ganap na iba ang pangunahing paraan ng pag-iisip. Sa unang yugto ng anumang larangan, ito ay kompetisyon sa teknolohiya (mababang dimensyon, mataas na kompetisyon, teknolohiya ay hindi pa nakapag-iisa); pagkatapos matatag ang teknolohiya, papasok sa kompetisyon sa negosyo (mataas na dimensyon, mataas na kompetisyon, pinamumunuan ng mga industriyalista, product manager, at mga practitioner ng negosyo). Halimbawa, nang unang ipinakilala ang iPhone, ang mga app sa leaderboard ay karaniwang gawa ng mga programmer; ilang taon pagkatapos, nang umusbong ang industriyal na internet, lahat ng mga produkto na pinamumunuan ng mga programmer sa leaderboard ay napalitan.

Kung patuloy ang lohika ng mobile internet sa panahon ng AI, ang pangunahing puwersa ng Silicon Valley ay magiging mga propesyonal na may karanasan, tulad ng maraming产业 internet sa China na binubuo ng mga second-time entrepreneurs. Ang pagkakataon para sa mga kabataan ay patuloy na nasa paghahanap ng mga natatanging layunin.