Cuộc trò chuyện | Trương Bằng

Khi mọi người đồng loạt lao vào phát triển "nhân viên số" và "công cụ Agent", đồng thời liên tục cạnh tranh khốc liệt trong các bối cảnh chuyên biệt, thì lợi thế thực sự của các startup AI nằm ở đâu?

Gần đây, sau sự bùng nổ của OpenClaw, Trương Bằng, người sáng lập và Tổng giám đốc của Geek Park, đã có một cuộc thảo luận mang tính dự đoán tương lai cùng Lưu Dạ, người sáng lập VisionFlow. Là một trong những lập trình viên thế hệ đầu tiên của Trung Quốc sinh năm 1979, Lưu Dạ đã trải qua toàn bộ chu kỳ từ phần cứng cấp thấp đến phần mềm, từ tích hợp doanh nghiệp (ToB) đến giáo dục trực tuyến (công nghiệp internet). Sau vài tháng cách ly và trao đổi rộng rãi với các nhà nghiên cứu từ các công ty AI hàng đầu toàn cầu cùng các doanh nhân hàng đầu trong nước, anh đã đưa ra một kết luận lạnh lùng: Việc coi AI như một “nhân viên kỹ thuật số” để thay thế từng nhiệm vụ đơn lẻ là sự đơn giản hóa quá mức của tư duy kỹ sư đối với các hoạt động kinh doanh thực tế.

Trong cuộc trò chuyện này, Lưu Dạ đã đưa ra một loạt khái niệm và khung lý thuyết đầy tính启发性 như “tiếp xúc dần dần” và “ma trận chiều cao-thấp của nhiệm vụ”. Trong quá trình thảo luận, một khả năng tương lai dần trở nên rõ ràng: bước tiếp theo của AI không phải là sự tràn lan của những công cụ vô hồn, mà là xây dựng các “tổ chức số” với cơ chế hợp tác, báo cáo và phản tư. Khi văn hóa doanh nghiệp không còn cần thiết và các công việc chiều thấp bị xóa bỏ hoàn toàn, CEO trong tương lai có thể sẽ không còn là “Giám đốc điều hành”, mà là những “nhà sản xuất” sở hữu thẩm mỹ cực đỉnh.

Đây là một cuộc thảo luận và suy diễn về hình thức tổ chức trong thời đại AI, rào cản kinh doanh và vị trí sinh tồn của hệ sinh thái doanh nhân thế hệ mới, mong muốn khơi gợi những cuộc thảo luận sâu sắc hơn về tương lai của các doanh nhân.

Dưới đây là bản biên tập cuộc trò chuyện do GeekPark tổng hợp:

Cuộc chiến 1 vạn A đã bắt đầu, có quá nhiều điều có thể làm,

Nhưng điều quan trọng nhất nên làm là gì

Zhang Peng: Từ hộp bài tập đến hôm nay, bạn đã trải qua những thay đổi gì khi say mê khám phá những biến đổi mà OpenClaw mang lại?

Lưu Dạ: Tôi là thế hệ lập trình viên đầu tiên của Trung Quốc, bắt đầu học lập trình từ nhỏ. Tôi đã trải qua giai đoạn từ BASIC đến DOS, rồi Windows và thời đại Mac ngày nay, đồng thời chứng kiến sự trỗi dậy của ba cổng thông tin lớn. Tôi từng làm về thông tin hóa doanh nghiệp, từng mong muốn xây dựng một IBM của Trung Quốc; sau đó chuyển hướng sang làm ứng dụng Hộp Bài Tập, tham gia sâu vào giáo dục trực tuyến. Giáo dục trực tuyến là một ngành công nghiệp vô cùng sâu sắc, là hình thái cao nhất của internet công nghiệp và cũng là “chuyến xe cuối cùng”. Kinh nghiệm này đã giúp tôi thấu hiểu sâu sắc rằng, cốt lõi của internet công nghiệp không phải là công nghệ, mà chính là ngành công nghiệp本身, là hoạt động kinh doanh. Quy luật của internet công nghiệp là: trước tiên là kết nối thông tin, sau đó là sản phẩm tiêu chuẩn, tiếp theo là chuỗi cung ứng, và cuối cùng là các dịch vụ phức tạp phi tiêu chuẩn. Càng về sau, biên lợi nhuận càng cao, nhưng cũng càng khó thực hiện.

Vì vậy, khi làn sóng AI ập đến, điều đầu tiên tôi làm là dành gần 6 tháng không làm gì khác, để bộ phận HR trò chuyện với tất cả những người có thể nói chuyện. Từ các nhà khoa học trưởng của các công ty khởi nghiệp nổi bật, đến các kỹ sư, nhà nghiên cứu thuật toán cốt lõi của các công ty lớn về mô hình nền tảng, cùng các nhà khởi nghiệp AI mới nổi—tôi đã trao đổi với tất cả những người có thể, tích lũy khoảng gần 1.000 giờ mật độ giao lưu. Trao đổi đến mức nào? Đến nỗi chỉ cần đối phương nói nửa câu đầu, tôi đã biết nửa câu sau là gì, và sự đồng thuận giữa mọi người đã không còn nhiều khác biệt.

Sau khi trò chuyện một vòng, kết luận thật sự nhất quán: tất cả mọi người đều đang làm cùng một việc — nhân viên kỹ thuật số. Điều này khiến tôi nhớ đến một sự đánh giá sai lầm chiến lược của một vị chuyên gia nổi tiếng về điện toán đám mây, ông ấy từng nói rằng Alibaba làm đám mây, bản chất chẳng phải chỉ là một chiếc ổ đĩa trực tuyến sao? Dùng khung tư duy cũ để hiểu những thứ mới, bạn sẽ mãi chỉ nhìn thấy lớp bề mặt mỏng nhất.

Hôm nay, mọi người đều nghĩ rằng trở thành nhân viên kỹ thuật số, dùng Claude để tạo ra một “bộ phận bán hàng kỹ thuật số” hay “bộ phận chăm sóc khách hàng kỹ thuật số” thì rào cản công nghệ nằm ở đâu? Lợi thế cạnh tranh nằm ở đâu? Khi việc tiêu tốn hàng trăm triệu TOKEN mỗi ngày đã trở thành chuyện bình thường, thì điều này giống như ngành sản xuất hơn, hoàn toàn không thể bay cao được. Vì vậy, tôi hỏi mỗi nhà khởi nghiệp cùng một câu hỏi: Vì sao bạn? Tại sao bạn lại làm được? Bạn trẻ hơn? Thông minh hơn? Kiên trì hơn? Khi cạnh tranh trên một chiều kích duy nhất, thì chẳng khác gì sự khác biệt giữa “10 giây 69” và “10 giây 70” sao?

Trương Bằng: Ừm, hôm nay có quá nhiều việc có thể làm, nhưng điều quan trọng nhất là nên làm gì. Bạn có suy nghĩ gì về vấn đề này không?

10 năm của công nghiệp internet, hôm nay sẽ được lặp lại một lần nữa

Liu Ye: AI rất khác biệt, nhưng tôi tin rằng vẫn có những điểm tương đồng ngầm với quy luật của internet công nghiệp. Giai đoạn đầu làm công cụ, giai đoạn giữa làm nghiệp vụ, cuối cùng làm tư vấn. Khi công nghệ chưa chín muồi, những người đầu tiên tham gia chắc chắn là các kỹ sư, họ giỏi trong việc trừu tượng hóa thế giới quá mức, ví dụ như “tính toán khung” của Baidu, cho rằng mọi thứ đều là khung. Nhưng giai đoạn sau của internet di động là nội dung và dịch vụ, không phải khung.

Những người xuất thân từ ngành kỹ thuật thường có sự tưởng tượng quá đơn giản hóa về doanh nghiệp. Hãy xem ba cổng thông tin đầu tiên của internet, những công ty đi đến cuối cùng và thành công nhất là Tencent và Alibaba, những công ty không quá gần với công nghệ nhưng lại rất gần với ngành công nghiệp. Hôm nay cũng vậy, công nghệ đang ngày càng trở nên ít quan trọng hơn.

Trương Bằng: Đợt này các sinh viên khối xã hội khá vui vẻ, việc không biết lập trình dường như cũng không còn quan trọng nữa. Nhưng về lâu dài, yêu cầu của thời đại AI đối với con người là gì? Những gì đã thay đổi?

Liu Ye: Trong cơ cấu nhân tài của Trung Quốc, tôi phát hiện ra một vấn đề. Các lập trình viên thế hệ đầu tiên của Trung Quốc chính là các sản phẩm quản lý, vì lúc đó chưa có vị trí sản phẩm quản lý. Vị trí sản phẩm quản lý mới trở nên được công nhận rộng rãi vào khoảng năm 2010, sau khi Jobs ra mắt iPhone 4 và Zhang Xiaolong đưa ra quan điểm về sản phẩm, mới xuất hiện khái niệm “mỗi người đều là sản phẩm quản lý”. Trước đó, các lập trình viên đồng thời đảm nhiệm công việc của sản phẩm quản lý — trước có lập trình viên, sau mới có sản phẩm quản lý, do đó các lập trình viên thế hệ đầu tiên đều là sản phẩm quản lý. Các lập trình viên thế hệ đầu tiên học mã không phải vì công việc, mà vì đam mê; họ tham gia vào lĩnh vực này dựa trên tình yêu dành cho nó. Chính những con người không bị định nghĩa, vượt ra ngoài lề thông thường, mới là những người xuất sắc nhất.

Nhưng thế hệ lập trình viên thứ hai, cùng với ngành công nghiệp internet trong thập kỷ qua, đã biến các lập trình viên thành “nông dân mã”, sản phẩm trưởng trở thành kiến trúc sư, và nông dân mã bị thuần hóa đến mức không còn suy nghĩ về nghiệp vụ. Giờ đây, AI xuất hiện, phần “mã” đã bị xóa bỏ; nếu không tiến hóa, họ thực sự chỉ còn lại “nông”. Những thanh niên này rất xuất sắc, nhưng hiểu biết của họ về ngành công nghiệp là trống rỗng. Vì vậy, “cuộc chiến vạn A” hiện tại về bản chất vẫn là sự tràn lan ở tầng công cụ.

Ở giai đoạn sau của internet công nghiệp, các công ty như Alibaba và Meituan đều sử dụng nhân sự có nền tảng từ các công ty tư vấn hàng đầu (MBB) để thực hiện phân tích kinh doanh, và để những người từ các công ty tư vấn dẫn dắt sản phẩm để thiết kế quy trình kinh doanh, bởi vì các sản phẩm viên internet vốn không có tư duy hệ thống. Feishu chính là được tạo ra theo cách này. Dù ByteDance là công ty thuần internet, nhưng cũng sử dụng rất nhiều nhân sự từ các công ty tư vấn để xây dựng quy trình nội bộ. Trong thời đại AI, quy luật này chỉ càng được củng cố, không hề suy giảm.

Vấn đề của doanh nghiệp không bao giờ là vấn đề của nhân viên, mà là vấn đề của tổ chức

Zhang Peng: Vậy nên, bạn cho rằng việc tập trung vào "nhân viên kỹ thuật số" này không có nhiều ý nghĩa.

Lưu Dạ: Đây là phán đoán cốt lõi nhất của tôi: Nhân viên kỹ thuật số không phải là điểm đến cuối cùng, mà tổ chức kỹ thuật số mới là. Nếu nhân viên kỹ thuật số tràn lan đến mức không còn vị trí tuyển dụng nữa, ai cũng có thể sở hữu những nhân viên kỹ thuật số tốt, thì sau đó sao? Liệu tất cả các công ty đều có thể kiếm tiền và thành công không? Thực ra, mọi vấn đề của các công ty đều là vấn đề chiến lược và vấn đề tổ chức, chứ chưa bao giờ là vấn đề nhân viên.

Vì vậy, hôm nay Agent vẫn đang làm việc thay người, chứ không đưa ra quyết định thay người. Chúng tôi đã cải tiến OpenClaw và tạo ra một thứ gọi là MetaOrg. Về bản chất, đây là một lõi có thể tạo ra đội ngũ agent. Khi giải quyết bất kỳ nhiệm vụ nào, chúng tôi không chỉ cử một nhân viên, mà xây dựng một “tổ chức” để giải quyết. Tổ chức này có mối quan hệ phối hợp, mối quan hệ báo cáo, có sứ mệnh, mục tiêu và cách thức hành động.

Trương Bằng: Nhưng liệu trong tương lai có khả năng một người có thể trở thành một bộ phận? Thậm chí là một công ty?

Liu Ye: Đây là một câu hỏi rất hay. Chúng ta hãy nhìn cụ thể vào nhiệm vụ, ví dụ như sử dụng AI để tạo một video ngắn hoặc viết một tài liệu, cần nhiều vòng đối thoại. Bạn nói một câu, nó trả lời một câu, sau đó bạn đưa phản hồi, đây là cách sử dụng như một công cụ, nó chỉ rất thông minh.

Vì vậy, khái niệm về người và bộ phận không phải là nhiều hay ít về số lượng. Khi mô tả JD cho một vị trí cấp cao, chúng ta thường nói: Thứ nhất, có thể làm việc, làm được nhiều loại công việc; sử dụng được nhiều công cụ khác nhau. Vị trí cấp cao là người có thể hiểu được ý định, chủ động lập kế hoạch đường đi, chủ động thực hiện, đảm bảo giao deliverable, báo cáo định kỳ, phản ánh và tổng kết kết quả giao deliverable, đồng thời điều chỉnh chiến lược linh hoạt dựa trên sự chênh lệch của kết quả. Đó chính là năng lực cấp cao.

Trương Bằng: Một bộ phận đủ tiêu chuẩn phải là “tự lái cấp độ L4”.

Lưu Dạ: Đúng vậy. Khi cung cấp cho nó một kỹ năng, nó có thể hoàn thành các nhiệm vụ phức tạp; khi cung cấp cho nó một hệ thống kỹ năng, nó có thể hoàn thành các nhiệm vụ tổng hợp phức tạp; khi có một nhóm tác nhân (agent) được sắp xếp, nó có thể thực hiện những việc phức tạp hơn, ví dụ như quay một bộ phim ngắn. Tôi thường nói với nhân viên trong các cuộc họp rằng, khi sử dụng MetaOrg, đừng tự xem mình là quản lý, hãy xem mình là chủ tịch hội đồng quản trị. Bạn cần nỗ lực thử nghiệm giới hạn của nó.

Trong tương lai, thanh niên khởi nghiệp, trước đây nói gia đình cho 500.000 nhân dân tệ để khởi nghiệp, nhưng trong tương lai có thể sẽ là cho một ngân sách TOKEN để thử nghiệm. Bạn sẵn sàng chi bao nhiêu TOKEN sẽ quyết định vị trí mà nó có thể đạt đến. Vị trí càng cao cấp, chuỗi suy luận càng dài, càng cần thử nghiệm và lặp lại nhiều lần, cũng như tổng kết.

Trương Bằng: Quay lại câu hỏi vừa rồi, nếu có một nhóm agent, nó có thể được chia nhỏ thành các đơn vị chi tiết hơn, giống như việc phân chia vị trí và năng lực. Khi nhóm này hình thành, trong quá trình đối mặt với nhiệm vụ cốt lõi, chất lượng của từng cá nhân sẽ quyết định thành bại. Điều này lại quay về logic cạnh tranh của tổ chức thương mại thời kỳ trước: mật độ nhân tài, tức là chất lượng nhân tài cao, sẽ giúp tổ chức dễ dàng hơn trong việc thực hiện và vượt trội so với đối thủ trong các nhiệm vụ cốt lõi.

Vấn đề cốt lõi ở đây là, nếu trong tương lai tất cả AI đều là vạn năng và chúng ta đều có thể truy cập vào AI tốt nhất, thì ngoài việc các tổ chức thương mại có thể tạo ra giá trị thông qua việc cung cấp các dịch vụ chuyên biệt hiệu quả hơn, thì trên một khía cạnh khác, liệu chúng ta có nên quay lại xem xét “mật độ nhân tài” không—chính là khả năng của agent, bot trong hệ thống này được chia nhỏ đến mức nguyên tử cao hơn, thì “mật độ nhân tài” cũng cao hơn, và trong các nhiệm vụ phức tạp, kết quả, hiệu suất thậm chí cả sự đổi mới sẽ tốt hơn. Tôi không biết đây có phải là suy luận đúng hay không?

Lưu Dạ: Tôi đồng ý với quan điểm này. Trong doanh nghiệp, thường có một bộ phận, các công ty lớn thường gọi là OD – Tổ chức Phát triển. Cách thông thường để đánh giá một tổ chức có thể chiến thắng hay không là đưa ra tất cả nhân tài của đối phương để so sánh, thông qua việc đánh giá mức độ phù hợp giữa người với vị trí và năng lực với vị trí để dự đoán kết quả chiến tranh. Vì vậy, nói chung, doanh nghiệp chiến thắng nhờ vào năng lực tổ chức, chứ không phải chiến lược kinh doanh. Ví dụ điển hình nhất là Alibaba. Alibaba vô cùng coi trọng xây dựng tổ chức, vì vậy hiện nay đang đón nhận “mùa xuân thứ hai”. Bởi vì đội ngũ sáng lập sẽ già đi, nhưng tổ chức thì có thể tồn tại mãi mãi. Về bản chất, nếu một ngày nào đó chúng ta là đối thủ cạnh tranh, và cả hai đều sử dụng AI. Tôi đã xây dựng một tổ chức AI mạnh mẽ, có năng lực phát triển tổ chức AI rất cao. Tôi nên xây dựng tổ chức này như thế nào? Tôi sẽ lần lượt mở ra hệ thống kỹ năng agent của tất cả đối thủ cạnh tranh, phân tích mã kỹ năng của chúng. Sau đó, trong hệ thống của chính mình, tôi sẽ viết các kỹ năng tối ưu hơn, thậm chí bổ sung những chức năng mà chúng thiếu. Ví dụ, tôi có bộ phận chiến lược, tôi sẽ bắt đầu bằng việc quan sát và phân tích.

Huawei có phương pháp luận "Ngũ Quan Tam Định". Tôi từng đùa với bạn rằng, nếu chúng ta khởi nghiệp chỉ cần áp dụng bộ phương pháp này, chúng ta có thể đánh bại 99% đối thủ cạnh tranh. "Ngũ Quan" bao gồm: xem xu hướng ngành, xem thị trường và khách hàng, xem đối thủ cạnh tranh, xem năng lực bản thân và xem cơ hội chiến lược; "Tam Định" là xác định điểm kiểm soát, xác định mục tiêu và xác định chiến lược. Phương pháp luận này đủ để loại bỏ đa số đối thủ cạnh tranh, vì phần lớn người chơi cờ đều chơi một cách bừa bãi, họ dựa vào tư duy nhanh, trong khi các cao thủ mặc định sử dụng chế độ tư duy sâu và suy luận. Phản ứng đầu tiên là: tôi phải suy nghĩ như một tổng chỉ huy, xem việc này nên làm thế nào.

Zhang Peng: Về bản chất, "năm nhìn ba xác định" có nghĩa là không nên có phản ứng tức thời, mà cần xây dựng một quá trình suy luận dài hạn.

Lưu Dạ: Những cao thủ đều là mô hình kết hợp nghiên cứu sâu và tư duy, biết trước tiên phải xem xét các thực tiễn và thông tin tốt nhất toàn cầu, sau đó tổng hợp, phân tích và suy luận sâu sắc, mới đưa ra câu trả lời, mỗi hành động đều là chiêu thức quyết định thắng bại.

Vì vậy, tôi cho rằng trọng tâm cạnh tranh trong tương lai chỉ có một điều duy nhất: mô hình hóa các hoạt động của ngành truyền thống, trừu tượng hóa chúng thành khả năng hệ thống và khả năng sắp xếp tác nhân thông minh. Đây chính là năng lực phát triển tổ chức (OD) thế hệ mới, và sẽ được nâng cấp thành AIOD – lợi thế cạnh tranh duy nhất trong tương lai.

Ưu thế cốt lõi của Alibaba chính là xây dựng tổ chức; khi việc xây dựng tổ chức được thực hiện tốt, bất kể đối thủ là ai hay kinh doanh lĩnh vực nào, họ đều có thể duy trì lợi thế cạnh tranh. Hơn nữa, Mã Vân từng nói: “Mục đích của chiến tranh không nhất thiết phải chiếm lĩnh một lĩnh vực nào đó, mà là thông qua chiến tranh để thúc đẩy sự trưởng thành của tổ chức.” Alibaba lấy sự trưởng thành của tổ chức làm tiêu chuẩn cốt lõi để đánh giá liệu một cuộc chiến có đáng để tiến hành hay không — đây là một tư duy cấp cao. Bản thân Mã Vân giống như một trung tâm thông tin siêu cấp, mỗi năm bay 200 lần để thu thập các loại thông tin khác nhau, sau đó sử dụng chúng để hoàn thiện việc xây dựng tổ chức. Ông chính là chủ tịch thực sự, chứ không chỉ đơn thuần là giám đốc điều hành.

Đây chính là hình thái tổ chức cao cấp nhất mà chúng ta từng thấy—có khả năng vượt qua nhiều thế hệ, bao trùm nhiều ngành công nghiệp khác nhau, vừa liên tục đạt được thành công, vừa có thể điều chỉnh và phục hồi sau khi suy thoái. Thông thường, một công ty nếu sai lầm trong việc bổ nhiệm CEO trong vòng mười năm, rất có khả năng sẽ đi vào suy tàn. Vì vậy, lấy lịch sử làm bài học, nhìn nhận sự phát triển hiện tại từ góc độ cao hơn, ngay cả khi chỉ thực hiện một số điều chỉnh và tối ưu hóa cho mô hình hiện tại, cũng hiệu quả hơn nhiều so với việc xây dựng từ đầu từ nền tảng cơ bản.

Bây giờ bất kỳ ai cũng có thể dễ dàng xây dựng một agent, mức độ khó để nhân viên làm quen cực kỳ thấp, cộng thêm sự hỗ trợ từ cộng đồng mã nguồn mở, ngành này đã không còn nhiều bí mật nào nữa. Trong cuộc cạnh tranh về công cụ, không gì có thể vượt qua được cộng đồng mã nguồn mở. Vậy thì, điều gì mới là lợi thế cốt lõi mà cộng đồng mã nguồn mở không có và không thể sao chép?

Vật lý học của các tổ chức AI: Tại sao "tiếp xúc dần dần" là chìa khóa?

Trương Bằng: Khi nói về tổ chức trong thời đại trước, người ta thường nhấn mạnh vào các yếu tố như văn hóa tổ chức, giá trị cốt lõi, KPI và một loạt nội dung khác. Khi chuyển từ quản lý tổ chức thời đại trước sang thời đại mới với các tổ chức AI agent, những nội dung nào có thể bị loại bỏ hoàn toàn, và những nội dung nào có thể được giữ lại nhưng cần được chuyển đổi?

Liu Ye: Lý do cốt lõi Anthropic phát triển skills là dựa trên quan niệm "tiếp xúc từng bước" trong lĩnh vực mã hóa AI—nếu AI nhận quá nhiều thông tin hỗn loạn, nó sẽ gặp hiện tượng suy thoái ngữ cảnh và hỗn loạn do thiếu chú ý; chỉ có tiếp xúc từng bước mới giúp AI duy trì sự chú ý tốt và tạo ra kết quả chất lượng cao. Nếu dựa vào con người để thực hiện tiếp xúc từng bước, về bản chất đó chính là cuộc hội thoại hoàn toàn thủ công, hiệu suất thấp. Do đó, giá trị cốt lõi của skills là chia nhỏ các nhiệm vụ phức tạp thành các cấp độ, nhằm thực hiện tiếp xúc từng bước đối với AI.

Điều này phù hợp với logic quản lý doanh nghiệp: Hội đồng quản trị tập trung vào các vấn đề chiến lược, CEO tập trung vào các vấn đề chiến thuật và quản lý ban lãnh đạo, còn nhân viên xử lý các công việc đơn giản. Nếu 300 người cùng tham gia một cuộc họp, cuộc họp đó sẽ không thể diễn ra. Ý nghĩa cốt lõi của tổ chức là thực hiện xử lý thông tin theo cấp độ, giống như ba chuẩn hóa cơ sở dữ liệu tăng hiệu suất thông qua nén và phân tầng thông tin. Các vấn đề phức tạp phải được phân tách theo cấp độ và tiết lộ từng bước, thay vì nạp một lượng lớn ngữ cảnh cùng lúc — đây chính là logic cốt lõi của mô hình tổ chức doanh nghiệp truyền thống, bởi vì năng lực tính toán trong một khoảng thời gian nhất định là hữu hạn.

Zhang Peng: Mô hình mỗi lần đều phải tiêu tốn lượng tính toán khổng lồ để tạo ra từ đầu, hiệu suất quá thấp.

Liu Ye: Không thể thực hiện được; cốt lõi vẫn dựa vào việc phơi bày từng bước theo cấp độ, các tài nguyên cần gọi phải được gọi, điều này do giới hạn năng lực của mô hình AI quyết định. Ngoài ra, lý do khác mà Anthropic đưa ra các kỹ năng là các nhiệm vụ phức tạp đã vượt quá các định luật vật lý cơ bản; các kỹ năng có thể chia nhỏ các nhiệm vụ phức tạp thành từng nhiệm vụ đơn giản, chiều thấp hơn. Trục phân biệt cốt lõi của nhiệm vụ không phải là độ khó, mà là mức độ phức tạp—tồn tại nhiều loại độ khó khác nhau như độ khó chiều thấp, độ khó chiều cao, ví dụ như lập trình viên viết mã hoặc giải bài toán toán học đều thuộc loại nhiệm vụ chiều thấp nhưng độ khó cao.

Địa Bình Tuyến, Yu Kai, đã từng đưa ra một mô hình kinh điển: mọi nghề nghiệp có thể được chia thành bốn quadrants dựa trên “mức độ cạnh tranh” và “mức độ chiều cao”, bao gồm: cao chiều cao - cao cạnh tranh, thấp chiều cao - thấp cạnh tranh, thấp chiều cao - cao cạnh tranh, và cao chiều cao - thấp cạnh tranh. Trong đó, bán hàng và kỹ sư thuộc nhóm thấp chiều cao - cao cạnh tranh; sản phẩm và CEO thuộc nhóm cao chiều cao - cao cạnh tranh; còn nhà khoa học thuộc nhóm cao chiều cao - thấp cạnh tranh — những chủ đề này có thể chỉ có một người nghiên cứu trên toàn thế giới, mức độ cạnh tranh thấp nhưng mức độ chiều cao cực kỳ cao. Những nhiệm vụ cao chiều cao - cao cạnh tranh như phim ngắn chất lượng cao hoặc tiểu thuyết hay hiện nay AI vẫn chưa thể hoàn thành; trong khi các nhiệm vụ thấp chiều cao - cao cạnh tranh như tối ưu mã nguồn, AI đã có thể đảm nhiệm rất tốt. Nhiệm vụ càng cao chiều cao, nguồn dữ liệu càng ít, nhưng lượng dữ liệu cần thiết để huấn luyện mô hình lại càng lớn — đây cũng là lý do cốt lõi khiến mô hình văn bản ra đời trước, mô hình hình ảnh và video ra đời sau, và mô hình video ngắn khó có thể triển khai thực tế. Mâu thuẫn cung - cầu giữa nhiệm vụ cao chiều cao và dữ liệu cao chiều cao này chỉ có thể được bù đắp thông qua việc phân giải nhiệm vụ thành các kỹ năng, giống như trong doanh nghiệp, khi không tìm được nhân tài cho vị trí cấp cao, họ sẽ chia nó thành ba vị trí cơ bản; chỉ có các vị trí cấp cao như CEO là không thể thay thế.

Trương Bằng: Các nhiệm vụ có chiều thấp và cạnh tranh cao rất có khả năng sẽ bị AI thay thế hoàn toàn.

Liu Ye: Hoàn toàn sẽ bị thay thế, và sự thay thế này đã xảy ra.

Zhang Peng: Đúng vậy, do đó mọi việc có chiều thấp và cạnh tranh cao đều nên được giải quyết bằng AI càng sớm càng tốt, có thể chia nhỏ thành các kỹ năng, sau đó tổ chức thông qua agent để triển khai, trong quá trình này không nhất thiết cần sự tham gia của con người.

Liu Ye: Tôi có một ý tưởng ban đầu: IBM và Accenture, hai công ty tư vấn lớn nhất thế giới, bản chất công việc cốt lõi của họ là khái quát hóa các thực tiễn tốt nhất trong ngành và kết nối chúng với số hóa, bán ra các quy trình chứ không phải công cụ. Khi doanh nghiệp mua các quy trình rủi ro hoặc IP, họ đều nhờ các công ty tư vấn triển khai thực tế. Công việc cốt lõi hiện tại của chúng ta là xây dựng cụm kỹ năng, tìm ra các chuyên gia hàng đầu trong từng lĩnh vực, khái quát hóa năng lực của họ và đồng bộ hóa để tạo thành bộ kỹ năng chuẩn hóa. Điều này tương tự mô hình của ZuoYeHeZi — ZuoYeHeZi hợp tác với Trường Trung học số 4 Bắc Kinh, Trường Phổ thông Trung học Nhân Đại Phú, nhóm ra đề thi đại học và các giáo viên từ Xueersi, khái quát hóa các phương pháp cốt lõi như ra đề, giảng bài, chấm bài, sau đó hợp tác với các kỹ sư thuật toán của Baidu để xây dựng hệ thống, bản chất cũng là đồng bộ hóa các thực tiễn tốt nhất. Năng lực cốt lõi của tổ chức chính là组建 một đội ngũ đa ngành chất lượng cao, vừa hiểu ngành công nghiệp, vừa hiểu kỹ thuật, đồng thời có khả năng kết nối với các chuyên gia hàng đầu trong từng lĩnh vực chuyên môn, đồng thời sở hữu năng lực kinh doanh, tuyển dụng và quản lý nhân sự — đây cũng là cấu thành cốt lõi của các doanh nghiệp AI SaaS thế hệ mới.

Trương Bằng: Khi suy luận sâu hơn, tương lai cần phản tư từ chiều kích nghiệp vụ để xác định cấu trúc tổ chức cần thiết. Tổ chức về bản chất là một cấu trúc sắp xếp, giống như hệ điều hành nghiệp vụ—khi đặt con người như các đơn vị năng suất vào trong tổ chức phù hợp, chúng sẽ phát huy tối đa giá trị; ngược lại, sẽ không vận hành hiệu quả. Hiện nay, các yếu tố năng suất đã thay đổi, từ phụ thuộc vào lao động con người sang AI có thể cung cấp vô hạn, và chỉ cần tạo thành vòng lặp tích cực là có thể mở rộng liên tục. Văn hóa tổ chức trước đây, hiện tại có thể chuyển hóa thành mục tiêu và bối cảnh, không còn cần các khẩu hiệu, các cuộc họp ba bước, hay các hoạt động phá băng hình thức.

Liu Ye: Văn hóa là ý định quản lý, chứ không phải ý định kinh doanh. Trong thời đại trước, chiến lược bắt đầu từ tầm nhìn, tầm nhìn quyết định giá trị, tổ chức tuân theo chiến lược, kinh doanh xác minh mọi thứ, trong khi văn hóa chỉ là công cụ quản lý tổ chức, không trực tiếp phục vụ chiến lược, thậm chí có thể chỉ là sở thích cá nhân của người sáng lập.

Trương Bằng: Trong quá trình thực hiện chiến lược phục vụ con người, đã tồn tại rất nhiều khoảng trống, liệu AI có đang xóa bỏ những khoảng trống này không?

Lưu Dạ: Đúng vậy, văn hóa trong thời đại AI đã không còn quan trọng nữa. Văn hóa là phần niềm tin của tổ chức con người, nhưng AI không cần nó. AI không có thân xác hữu hình, không cần văn hóa dẫn dắt. Nhu cầu cốt lõi của AI là sức mạnh tính toán.

Trương Bằng: Ý anh là AI cần mục tiêu và nguyên tắc. Một tài liệu duy nhất là đủ để xác định rõ mục tiêu và nguyên tắc, tất cả các đơn vị năng suất có thể đồng bộ ngay lập tức và thực thi trung thành, không có sai lệch. Một phần lớn lực ma sát trong tổ chức con người sẽ biến mất.

Lưu Dạ: Đúng vậy. Tổ chức trước đây: Chiến lược → Văn hóa → Nhân tài → Thực thi; tổ chức AI hiện tại: Mục tiêu → Nguyên tắc → Kỹ năng → Sắp xếp. Toàn bộ chuỗi quản lý đã được rút ngắn một nửa.

05 Rào cản cuối cùng: Thẩm mỹ và sắp xếp

Trương Bằng: Rào cản mới của doanh nghiệp là gì? Chất lượng nhân lực đã được thay thế bằng Skill Set; chỉ cần tôi có thẩm mỹ, tôi có thể tiếp cận những Skill tốt nhất từ khắp nơi trên thế giới. Vậy cấp độ cao hơn nữa là «sắp xếp» (Orchestration), đúng không? Điều này sẽ thay đổi như thế nào?

Liu Ye: Giống như ở Huaqiangbei có thể mua được mọi linh kiện điện tử, nhưng tại sao không phải ai cũng có thể tạo ra Apple? Trong cuốn sách về Jobs, định nghĩa về thẩm mỹ rất rõ ràng: Đã từng chứng kiến đủ nhiều thứ tốt đẹp trên thế giới, có khả năng phân biệt được ưu khuyết điểm, đó mới là thẩm mỹ. Nếu chưa từng thấy qua sản phẩm tốt, quy trình tốt hay tổ chức tốt, thì sẽ không thể tạo ra kết quả chất lượng cao.

Zhang Peng: Kiến thức là điều kiện tiên quyết của thẩm mỹ.

Liu Ye: Chỉ có sự trải nghiệm và thiên bẩm mà thôi.

Trương Bằng: Thẩm mỹ thể hiện qua hai cách: một là thiết kế và sắp xếp chủ động, hai là nhận diện và lựa chọn những thứ chất lượng nổi lên trong hỗn loạn, hai cách này không mâu thuẫn nhau.

Lưu Dạ: Thực tế không xung đột. Một số thành quả của Apple là tự phát triển, một số là mua lại từ bên thứ ba, cốt lõi là sở hữu gu thẩm mỹ—không cần phải tái tạo lại bánh xe, khi cần thiết thì tự phát triển là được.

Trương Bằng: Cốt lõi nằm ở việc để agent chạy trong mô-đun đã thiết lập rồi mới xác nhận lộ trình, nhằm thực hiện sắp xếp phát sinh; hay là thiết lập sẵn tất cả các lộ trình để thực hiện sắp xếp thiết kế?

Liu Ye: Sự nổi bật là không bị thao túng; cần phải thiết lập các quy tắc và nguyên tắc ban đầu trước, điều này mới thể hiện thẩm mỹ của một người. Giống như các kỹ sư xuất sắc có thể tạo ra Openclaw hữu ích chỉ với 500 hoặc 5.000 dòng mã, trong khi các kỹ sư không đủ năng lực viết 50.000 dòng mã cũng không thể đạt được hiệu quả tương đương—các quy tắc hạt nhân nền tảng vẫn cần được con người thiết lập.

Trương Bằng: Vậy nên không thể chờ đợi sự xuất hiện tự phát trong hỗn loạn, vì điều đó cần thời gian cực kỳ dài; sự sắp xếp vẫn cực kỳ quan trọng. Cuối cùng, sự sắp xếp này có chỉ có thể đến từ người sáng lập, hay giống hơn là một “nhà sản xuất”?

Liu Ye: Tôi cho rằng định nghĩa về nhà sản xuất này rất tốt. Đúng vậy, ngay cả khi có sự xuất hiện và hiệu ứng quy mô, vẫn cần ghi chú dữ liệu, làm sạch dữ liệu và liên tục căn chỉnh thuật toán để tránh mở rộng hỗn loạn.

Người thực hiện phụ thuộc vào độ phức tạp của công việc—các công việc phức tạp không thể do một người hoàn thành, ví dụ như quay phim ngắn, viết prompt, trong thực tế sẽ đối mặt với nhiều khó khăn. Khái niệm “công ty một người” đã bị lạm dụng; thế giới không thể được đơn giản hóa vô hạn. Mặc dù máy tính có thể do một người vận hành, nhưng một người khó có thể nắm vững tất cả các kỹ năng cấp cao; những nhân tài siêu việt như Elon Musk, Fei-Fei Li, có thể thành thạo nhiều lĩnh vực và đảm nhận bất kỳ vị trí nào, cực kỳ hiếm có.

Trương Bằng: Nếu chúng ta có thể huy động hệ thống agent và kỹ năng hàng đầu toàn cầu, ví dụ như một biên kịch xuất sắc, về lý thuyết liệu có thể sử dụng các nguồn lực này để sản xuất một bộ phim nổi tiếng toàn cầu và sinh lời? Mặc dù biên kịch có điểm nổi bật cốt lõi (kịch bản hay), nhưng không thể tự mình hoàn thành tất cả các khâu, liệu mô hình đóng vòng “điểm nổi bật cốt lõi + nguồn lực toàn cầu” này có khả thi không?

Lưu Dạ: Đây thực chất là vấn đề dữ liệu—liệu có tồn tại dữ liệu lưu trữ thông tin chiều cao nhất hay không. Ví dụ, huấn luyện kỹ năng của CEO, hiện tại không có đủ dữ liệu để hỗ trợ: bài viết dài vạn chữ của Ren Zhengfei, những lời kể của Jack Ma, đều không thể hiện đầy đủ nhận thức chiều cao của họ; ngay cả khi thu thập tất cả báo cáo tài chính của các công ty trên toàn cầu và mọi phát ngôn của CEO, cũng không thể huấn luyện được mô hình có thể đảm nhiệm vai trò CEO, vì năng lực cốt lõi của CEO là tri thức ẩn, không thể hoàn toàn bộc lộ qua văn bản.

Trương Bằng: Nói cách khác, năng lực cốt lõi của CEO hiện vẫn chưa thể được vector hóa. Điều này hạn chế ý tưởng lý tưởng về “công ty một người” – dù mỗi cá nhân đều có thể phát huy lợi thế trên một chiều duy nhất và kết hợp với các nguồn lực hàng đầu toàn cầu, vẫn thiếu người điều phối cốt lõi; bản chất vẫn là vấn đề về năng lực điều phối. Rốt cuộc, dù sở hữu những “bộ phận” tốt nhất, vẫn cần có năng lực điều phối mạnh mẽ.

Lưu Dạ: Các sản phẩm cũng vậy, kiến thức ẩn của họ không thể được văn bản hóa hoàn toàn. Đây cũng là lý do cốt lõi khiến các trợ lý AI và nội dung do AI tạo ra vẫn chưa đủ “sống động” – do thiếu dữ liệu hỗ trợ từ kiến thức ẩn cấp cao. Khi dữ liệu ít, tập trung vào kỹ năng; khi dữ liệu nhiều, mới xây dựng mô hình. Hiện tại, robot vẫn chưa thể triển khai được, cốt lõi là do thiếu dữ liệu đầy đủ.

Trương Bằng: Từ đó có thể suy ra, điểm then chốt cạnh tranh của các công ty trong tương lai không còn là khả năng tiếp cận các mô hình hàng đầu—nguồn AI ban đầu dường như đồng đều, năng lực tính toán liên quan đến tài chính và khả năng tạo thành vòng lặp nghiệp vụ, nhưng sự khác biệt cuối cùng vẫn sẽ quay trở lại chính “người sản xuất”—tức là năng lực sắp xếp và tính sáng tạo, ý nghĩa của mục tiêu, hai yếu tố này tạo nên lợi thế cạnh tranh cốt lõi của công ty.

Liu Ye: Một cựu đối tác của McKinsey từng nói với tôi rằng, lĩnh vực cốt lõi của McKinsey là rút ra các thực tiễn tốt nhất, xây dựng mô hình, sau đó hỗ trợ doanh nghiệp từng bước triển khai. Ví dụ, khi tư vấn cho các nhà sản xuất ô tô Trung Quốc, chúng tôi sẽ tham khảo cách làm của đồng nghiệp Nhật Bản tại Toyota, bản chất là sao chép và áp dụng các thực tiễn tốt nhất.

Ví dụ về Mi Mông làm phim ngắn rất có ý nghĩa tham khảo. Cô ấy tốt nghiệp chuyên ngành Ngữ văn Trung Quốc, nhưng đội ngũ cốt lõi lại gồm các nhân tài đến từ khoa Toán và Khoa học Máy tính của Đại học Thanh Hoa và Đại học Bắc Kinh, chuyên phân tích logic của các video ngắn viral, cuối cùng đạt được tỷ lệ viral cực cao. Tư duy này về bản chất là mô hình hóa xã hội học cho ngành công nghiệp; dù có khả năng quá khớp, nhưng hướng mô hình hóa là chính xác.

IBM, Accenture và McKinsey đều làm những việc như vậy—McKinsey thế hệ đầu tiên đã mô hình hóa các thực hành tốt nhất vào các đối tác, trong khi IBM chuyển đổi chúng thành các quy trình số hóa, bản chất đều là “bán quản lý và quy trình”.

Trương Bằng: Cốt lõi là đúc rút các thực tiễn tốt nhất, sau đó kiểm chứng và triển khai lặp đi lặp lại—đó chính là yếu tố quyết định thắng bại của các tổ chức kinh doanh trong tương lai. Chỉ khi phân tích kỹ lưỡng, mới có thể thực hiện sắp xếp hiệu quả. Vậy hướng đi cốt lõi tiếp theo của các bạn là tiếp tục theo tư duy này?

Liu Ye: Trong ba năm qua, chúng tôi chủ yếu tập trung vào lĩnh vực AI ToC, tái xây dựng toàn bộ hệ thống giảng dạy và nghiên cứu theo cách thức MetaOrg. Đây không phải là câu chuyện đơn giản về “sử dụng AI để tăng hiệu suất”. Chúng tôi đã xây dựng một tổ chức nghiên cứu giảng dạy Agentic hoàn chỉnh, với từng đội nghiên cứu ảo chạy phía sau: đội nghiên cứu học ngôn ngữ theo dõi các lý thuyết mới nhất về tiếp nhận ngôn ngữ thứ hai, đội thu thập ngữ liệu chuyên ngành thu thập các cách diễn đạt tự nhiên từ bối cảnh thực tế, đội đánh giá hội thoại thiết lập tiêu chí đánh giá đa chiều cho kỹ năng nói, đội thiết kế hội thoại chuyển đổi phương pháp giảng dạy thành tương tác tự nhiên giữa người và máy, đội thiết kế container câu hỏi giải quyết vấn đề phù hợp giữa hình thức và nội dung bài tập, và đội phân tích dữ liệu khai thác tín hiệu thực tế về hiệu quả học tập từ hành vi người dùng. Mỗi đội đều có kỹ năng riêng, quy trình làm việc riêng và tiêu chí đánh giá riêng. Hiện tại, khoảng 80% công việc như gán nhãn dữ liệu giáo trình, giám sát đánh giá, hiểu biết người dùng và cải tiến sản phẩm đều do AI thực hiện.

Con đường phát triển của chúng tôi là từ “AI như một chức năng” nâng cấp lên “AI như một năng lực tổ chức”. Vị trí giáo viên tiếng Anh nằm ở mức độ phức tạp trung bình, chúng tôi đã trừu tượng hóa nó và sử dụng MetaOrg để tạo ra các vị trí khác; nếu kết hợp với kiến trúc skill mới nhất, có tiềm năng xây dựng các vị trí cấp cao hơn.

Hiện tại, chúng tôi đã hoàn thành toàn bộ quy trình xây dựng AI tutor, bao gồm việc trừu tượng hóa và thực hiện kỹ thuật các khả năng sắp xếp. Trong tương lai, khả năng cao sẽ được nâng cấp từ Meta tutor thành Meta tổ chức — đơn vị nhỏ nhất là vị trí, chứ không phải nhân viên, trọng tâm nằm ở sự hợp tác và quản lý giữa các vị trí. Trọng tâm hiện tại của chúng tôi là kết nối với những CEO hàng đầu trong mọi ngành nghề, vì CEO mới là những “nhà sản xuất” cốt lõi.

Zhang Peng: Vậy nên những gì các bạn triển khai gần như là một bộ phận có khả năng mở rộng?

Liu Ye: Mục tiêu là thúc đẩy theo hướng trở thành một “công ty”. Một công ty lớn về bản chất cũng được cấu thành từ nhiều công ty nhỏ, và đơn vị nhỏ nhất là vị trí công việc. Cần quan tâm đến lựa chọn chiến lược toàn ngành, đồng thời bắt đầu từ các vị trí công việc để thúc đẩy cải tiến sản phẩm – nếu không làm tốt vị trí công việc, ngay cả khi nhà quản lý có năng lực mạnh mẽ, cũng không thể tạo ra một tổ chức hiệu quả.

Zhang Peng: Để xây dựng một bộ phận hiệu quả, trước tiên cần phân tích các năng lực và vị trí liên quan đến bộ phận, sau đó phân tích các kỹ năng tương ứng với từng vị trí, đồng thời phải hướng tới việc đạt mức SOTA cho các kỹ năng này.

Liu Ye: Chỉ có một phương pháp cốt lõi: cùng tạo ra với những doanh nghiệp hàng đầu được phục vụ. Kỹ năng tạo ra cần được các doanh nghiệp hàng đầu đánh giá xem có đáp ứng nhu cầu hay không, giống như kế hoạch do cấp dưới viết cần được cấp trên xem xét, không thể tự hài lòng với chính mình. Ví dụ, khi xây mô hình cho phim ngắn, cần có sự công nhận từ các tổ chức hàng đầu trong ngành, nếu không thì không thể gọi là đỉnh cao thực sự. Mọi thứ đều cần được đánh giá và đo lường.

Midjourney có thể tạo ra những hình ảnh chất lượng cao, cốt lõi là đội ngũ gồm các nhiếp ảnh gia và kỹ sư, sở hữu khả năng thẩm mỹ hình ảnh hàng đầu; LV sử dụng mô hình hình ảnh được huấn luyện bằng Stable Diffusion, hiệu quả vượt xa các mô hình thông thường, vì LV sở hữu khả năng thẩm mỹ và dữ liệu hình ảnh hàng đầu thế giới. Có thể thấy, năng lực đánh giá mới là cốt lõi. Để trở thành một công ty AI, cần học theo IBM, Huawei — sau khi phục vụ các hãng xe hơi hàng đầu, IBM nắm bắt được thực tiễn tốt nhất trong sản xuất xe và đưa ra các giải pháp; Huawei chi 4 tỷ USD để mua quy trình IPD, vừa áp dụng cho quản lý nội bộ, vừa xuất khẩu ra ngoài, đó mới là lợi thế cạnh tranh cốt lõi.

Trương Bằng: Về bản chất, đó là phân tích kỹ năng theo các thực hành tốt nhất, đạt được SOTA cho kỹ năng, sau đó nâng cấp lên SOTA cho vị trí và bộ phận, cuối cùng sắp xếp thành SOTA cho doanh nghiệp—đây là con đường rõ ràng để đạt đến đỉnh cao về doanh nghiệp. Còn một vấn đề quan trọng khác: làm thế nào để giữ cho kỹ năng luôn cập nhật? Giống như sự biến dị trong hệ sinh thái Trái Đất, SOTA của mỗi thời đại có thể bị loại bỏ ở thời đại tiếp theo, làm thế nào để ứng phó với sự thay đổi này?

Lưu Dạ: Logic cốt lõi phù hợp với sự tiến hóa của con người và sinh vật, tức là cảm nhận, lập kế hoạch, hành động và phản tư. Duy trì mật độ nhân tài cao và tính chất liên ngành trong tổ chức, một đầu kết nối với ranh giới công nghệ (các nhà nghiên cứu), đầu kia nghiên cứu mô hình kinh doanh, đồng thời cùng tạo dựng với khách hàng hàng đầu ngành trong các bối cảnh thực tế để đánh giá và tối ưu liên tục — đây là phương pháp duy nhất.

Trương Bằng: Từ đó suy ngược lại, hệ thống được hình thành từ các thực tiễn tốt nhất của các công ty hàng đầu có thể giúp các công ty trung cấp đạt bước nhảy vọt, nhưng hệ thống này rất có thể chỉ phù hợp với các công ty có nguồn lực và tài chính, trong khi các doanh nghiệp vừa và nhỏ cũng như các nhà khởi nghiệp trẻ tuổi khó có khả năng chi trả. Ngành tư vấn đã được nâng cấp từ dịch vụ truyền thống sang sản phẩm công cụ hóa, vậy cơ hội của thế hệ mới có chỉ nằm ở cấp độ kỹ năng? Làm thế nào để đạt được sự đổi mới đột phá ở cấp độ kỹ năng, tránh để ngành rơi vào vòng lặp “quý tộc”?

Lưu Dạ: Trong ngành SaaS thế hệ trước, các doanh nghiệp như Salesforce, Palantir, Notion, Slack—một số làm công cụ phổ quát, một số làm dịch vụ tích hợp—đã chứng minh rằng các nhà sáng lập trẻ vẫn còn cơ hội—tránh xa những lĩnh vực không có lợi thế, tập trung vào kỹ năng phổ quát và tìm kiếm vị trí sinh thái phù hợp. Notion là ví dụ điển hình, không can thiệp vào các quy trình kinh doanh cụ thể, mà chỉ trừu tượng hóa chức năng ghi chú văn bản, trở thành công cụ phổ quát. Thế giới cuối cùng sẽ là sự phân công và hợp tác của vô số tác nhân (agent); người trẻ cần trước tiên tìm ra vị trí sinh thái của mình, sau đó phát huy lợi thế cá nhân, neo đậu vào xu hướng tương lai và tránh trở thành kẻ thù của thời gian. Trong thập kỷ qua, các nhà sáng lập internet thế hệ đầu tiên chủ yếu là người du học (dựa vào lợi thế nhận thức), thế hệ thứ hai chủ yếu là lập trình viên (dựa vào sự bùng nổ của công cụ), và thế hệ thứ ba của internet công nghiệp chủ yếu là những người khởi nghiệp lần hai—quy luật rõ ràng, người trẻ cần nhận thức rõ giai đoạn trung kỳ và lợi thế bản thân.

Trương Bằng: Vậy nên bạn cho rằng sự đổi mới và tối ưu hóa ở cấp độ kỹ năng có tác dụng hạn chế, thì cơ hội lớn nhất của thế hệ trẻ có lẽ nằm ở sự đổi mới về mục tiêu—xác định các mục tiêu mới nổi lên trong thời đại, kết hợp với kỹ năng chất lượng cao và liên tục tiến hóa, mới có thể xây dựng hệ thống mới trên các mục tiêu mới và đạt được đột phá.

Lưu Dạ: Cạnh tranh về kỹ năng rất tinh vi; dù kỹ năng hiện tại đang rất hot, nhưng nếu có người kết hợp với các chuyên gia con người hàng đầu để tạo ra kỹ năng tốt hơn, thì kỹ năng hiện tại sẽ bị thay thế. Điều này quay trở lại vấn đề về lợi thế cạnh tranh: người đi trước không nhất định sẽ chiến thắng cuối cùng, mà rất có thể trở thành “chất dinh dưỡng” cho đối thủ ở cấp độ cao hơn.

Trương Bằng: Điều đáng sợ là trở thành “người tải chương trình”, chỉ giúp đối thủ ở cấp độ cao hơn thực hiện nền tảng cơ bản. Nếu chỉ tối ưu hiệu suất trên các mục tiêu hiện có, thì không có ý nghĩa, và lợi thế hiệu suất cuối cùng sẽ bị xóa bỏ. Do đó, thế hệ mới muốn đạt được đột phá, phải tạo ra sự khác biệt căn bản về mục tiêu.

Lưu Dạ: Đúng vậy, bản thân không thể phát triển thành lực lượng cốt lõi, mà chỉ nuôi dưỡng đối thủ ở cấp độ cao hơn. Bản chất của kinh doanh rất đơn giản, cốt lõi là xác định rõ khách hàng là ai, làm thế nào để phục vụ khách hàng và làm thế nào để khách hàng không thể rời xa bạn. Bất kỳ thanh niên nào không rõ khách hàng là ai thì đều không thể thực hiện tối ưu hóa.

Trương Bằng: Cần chú ý đến thị trường tăng trưởng mới, vì cạnh tranh trong thị trường hiện có cực kỳ khó khăn. Nếu doanh nghiệp của bạn thành công, bạn sẽ nâng các công ty trong lĩnh vực tương ứng lên cùng một trình độ tiên tiến, những công ty này vừa có tài sản vừa có nhận thức, người trẻ rất khó cạnh tranh với họ trong thị trường hiện có.

Lưu Dạ: Trong ngành SaaS thế hệ trước, thành công của các doanh nghiệp như Notion, Slack cốt lõi nằm ở sự khác biệt mục tiêu.

Trong giai đoạn đầu phát triển của SaaS thế hệ trước, các quỹ đầu tư Trung Quốc thường thiên về đầu tư vào các nhà khoa học. Sau đó, họ nhận ra rằng các nhà khoa học phù hợp hơn với việc hợp tác và trao đổi, chứ không phải khởi nghiệp — lĩnh vực chiều cao, cạnh tranh thấp mà các nhà khoa học đang ở khác biệt hoàn toàn với logic cạnh tranh cao chiều của thế giới kinh doanh. Càng ở chiều cao, việc chuyển đổi sang lĩnh vực mới càng khó khăn, vì mô hình tư duy cốt lõi hoàn toàn khác biệt. Ở giai đoạn đầu của bất kỳ lĩnh vực nào, cạnh tranh đều là công nghệ (chiều thấp, cạnh tranh cao, công nghệ chưa chín muồi); khi công nghệ đã chín muồi, cạnh tranh sẽ chuyển sang thương mại (chiều cao, cạnh tranh cao, do người trong ngành, sản phẩm và người làm kinh doanh dẫn dắt). Ví dụ, khi iPhone mới ra mắt, các ứng dụng trong bảng xếp hạng chủ yếu do lập trình viên phát triển; vài năm sau, khi internet công nghiệp bùng nổ, tất cả các sản phẩm do lập trình viên dẫn dắt trong bảng xếp hạng đều bị thay thế.

Nếu thời đại AI tiếp tục theo logic của internet di động, thì lực lượng cốt lõi của Thung lũng Silicon vẫn sẽ là những người có kinh nghiệm, giống như internet công nghiệp tại Trung Quốc chủ yếu do những người khởi nghiệp lần hai dẫn dắt. Cơ hội dành cho giới trẻ vẫn nằm ở việc tìm ra những mục tiêu khác biệt.