安筱鹏谈《智能化生存》：追问洋流的方向，在技术狂飙时代寻找底层规律

21世纪经济报道、21世纪经济研究院自2016年起持续打造好书榜，榜单以泛财经领域图书为主，同时优中选优收入产业、新知、公共决策、人文等领域的新书。“21好书面对面”是榜单延伸出的深度对话栏目，不仅回访上榜作者，也把目光投向榜单之外那些值得被认真讨论的佳作，为读者搭建深度与广泛阅读的桥梁。

近日，我们对话数字化转型专家安筱鹏，他的新作《智能化生存：AI时代的100个断言》对智能化底层规律的追问，与好书榜以泛财经视角审视时代命题的取向一脉相承。从“延长线思维”到AI落地摩擦，安筱鹏分享了他在技术狂飙时代寻找不变逻辑的思考。

生成式AI爆发三年有余，行业的迭代节奏早已从“年”压缩到“月”。大模型参数竞赛尚未落幕，智能体浪潮已接踵而至，新工具、新概念、新风口轮番刷屏，从业者在高速奔袭中既兴奋又茫然。人人都在追逐海面的浪花，却鲜少有人停下来追问，海面之下，真正驱动浪潮的洋流，究竟朝向何方？

对此，横跨政产学研多个领域的国内数字化转型专家安筱鹏给出了自己的回答。八年前，他所著的《重构：数字化转型的逻辑》曾成为国内数字化领域极具影响力的产业研究文本，影响了一大批企业的转型路径；时隔八年，他携新作《智能化生存：AI时代的100个断言》回归，通过拆解智能化变革底层不变的规律，试图为每个身处变局中的人提供一份生存答案。

近日，安筱鹏接受了《21世纪经济报道》的独家专访，他围绕新书的创作，为我们拆解了智能化时代的认知陷阱、产业变局与生存法则。

在变化中找到不变

新书的缘起，要从八年前那本《重构：数字化转型的逻辑》开始说起。在《重构》出版后，安筱鹏曾两次组织团队修订内容，却始终没能达到自己的预期。“主要的问题是，修订达不到我的要求。之前的书太专业，专业名词多、表达晦涩，对读者不够友好。”与此同时，出版社每隔一两年就催他更新，尤其是ChatGPT等生成式AI工具爆火之后催得更紧，甚至直接跟他说：“你再不出的话，这本书就过时了。”

这句话反而让安筱鹏停下来想清楚了一件事。如今，讲AI技术及应用的书已经很多，再多一本有多大价值？“越是在高度不确定中，越是在快速变化的技术市场竞争中，越要认识到什么东西是不变的，也就是事物发展的底层规律和逻辑。”安筱鹏说，浪花有的是人去追，他不想做这件事，“我需要的是看清洋流的方向”。因此，他给这本书定下的目标是：不需要保证所有观点都正确，但希望三五年后回头看，书里的观点仍能对读者有所启发。

但追问洋流并不容易，要把观点做成“穿越时间周期的判断”，就需要一个足够有力量的形式。最初他想叫“观点”“金句”，但觉得依然不够。后来在和智能体协作创作的过程中受到启发，凝结成了“断言”这种形式。

在写作的过程中，他用AI办公智能体做了一个“断言Skill”的技能模块，让它研究丘吉尔、德鲁克、马丁·路德·金、罗素等人提炼判断的方法，总结出好断言的几条标准：简短、有认知落差、果断、引发行动等，再用这套标准给自己的观点打分、打磨、迭代。最终，这本八年磨不出来的书，在18天内就完成了百分之六七十的工作。

他说自己有一个原则，叫“启发大于共识”。“我说的可能不对，但对错没那么重要，重要的是我不说正确的废话。哪怕观点不对，它也能帮大家往正确的方向再走一步。”这也正是他常说的“先开枪，后瞄准”。在不确定的环境里，人们不可能一次就找到目标，先迈出一步，再在迈出一步的基础上去迭代，“这是在今天这种不确定的技术商业变化中做事的方法，也是我写这本书的方法。”

智能化不是数字化的线性升级

书中最具冲击力的断言之一，是“智能化不是一个发展问题，而是一个生存问题”，这句话也被放到了书的封面上。安筱鹏解释，这背后是对环境的基本假设之变。

在他看来，数字化时代与智能化时代最大的差异可以从两个层面理解：一是技术原理本身的不同；二是人对技术原理的认知，以及由此带来的个体行为和组织行为的不同。

在技术原理层面，安筱鹏指出：“数字化是封闭问题的精准解，AI大模型是开放问题的最优解。”意思是，数字化时代的互联网，本质是信息的精准匹配；而智能化时代的AI，核心是为问题寻找最短求解路径。他举例：过去卖招聘软件，是按功能、使用人数、时长定价；如今的商业模式转向“为结果买单”——从一万份简历里挑出一百份企业最需要的，按份计费。这种商业模式的切换，将带动整个软件体系的重构。

他又以自动驾驶举例，在特斯拉FSD V12之前，人类工程师训练自动驾驶是靠拍红灯、写代码、穷举各种极端场景（corner case）；智能化则是把老司机的视频给模型，让它自己学。“一个是在确定世界里穷举规则，一个是在开放世界里学习泛化。”正因如此，从数字化到智能化本质上是一次跳变，不是原有基础上的延长。技术变了，商业模式变了，认知和组织也必须跟着变。

而技术原理上的断裂，落到人的认知和组织行为上，最普遍的认知惯性正是他反复提及的“延长线思维”。安筱鹏指出，这种把智能化理解为数字化延长的想法，恰恰是面临重大技术变革时最大的风险来源。

所谓延长线思维，就是默认未来是过去的延伸，一个人去年干了什么，今年照着去年的思路接着干，把去年的工作计划拿出来增增减减。但转型最难的往往不是学会新工具，而是忘掉过去成功的旧逻辑。

安筱鹏举了两个案例。英特尔如日中天时，市值曾是英伟达的几十倍甚至上百倍，但它三次布局GPU都失败，根源在于大公司对边缘创新、对非核心客户天然不重视，投入的资源、管理模式、创新文化都与新业务不匹配；IBM则相反，它对云非常重视，但依然转不过去，“不是不知道，而是对存量资产极度痴迷，以及对新兴市场和小客户忽视。”他指出，这就是美国学者克莱顿·克里斯坦森所著的《创新者的窘境》一书中揭示的规律，本质上都是站在现在看未来，用存量业务的逻辑去评估新技术。“哪怕你知道这个道理，也很难冲破惯性。”

技术原理变了，商业模式变了，对环境的基本假设也必须变。他表示，如果说智能化是发展问题，这意味着这是一道选择题，可以快一点、慢一点；但生存问题意味着人们没有选择。“对个人来说，不拥抱AI，职业竞争力会持续衰减，迟早被职业市场淘汰；对企业来说，抱着‘等等看’的心态，很快就会被同行甩开。”安筱鹏说，这个断言想表达的正是这种紧迫感。

数字化惯性制约AI规模化落地

在安筱鹏看来，当前国内AI产业落地依然带有一定的数字化思维惯性，不少企业制度设计与商业模式还未能适配智能化时代的规律。

他指出，如今的企业在推动智能体落地时，跟过往最大的区别在于投入产出的不确定性。以采购和管理环节为例，过去买软件、买硬件是高度确定性的交易，花多少钱、买什么功能、达到什么效果，基本可以提前算清楚；但在AI时代，模型效果、数据适配、场景打磨都充满不确定性，它并非买回来就能用的成品，而是需要持续迭代的生长型系统。“现行的财务制度、招标方式，仍是买确定性产品的逻辑，这就和AI的落地产生了巨大的摩擦。”

更深一层的瓶颈，是部署模式带来的市场分散。他认为，目前国内不少企业和机构倾向于私有化部署，原本统一的市场在某种程度上被分割成一个个碎片化的私有部署项目。未来如果仍主要走私有化这条路，可能会陷入类似“加拉帕戈斯现象”的困境——每个项目都定制化交付，却难以沉淀出标准化产品，企业也就不容易做大。

部署成本又让这一困境在AI时代更加突出。他举例说，部署一个2.8万亿参数的最先进模型，私有化需要约3000万元人民币，公共云大约只要它的十分之一。他说：“这是今天制约中国AI大规模to B普及的一个重要瓶颈。”

人机协作是智能化生存的起点

聊完技术范式的底层切换、企业的认知惯性与产业落地的现实困境，这场AI浪潮最终的落点，始终是每一个身处其中的个体。那么，当“智能化生存”从产业命题落到每个人的日常，最核心的生存法则到底是什么？

安筱鹏把这一轮AI变革形容为“超音速海啸”，他给出的答案也朴素而有力：先跳进去。“很多人站在岸边观望，觉得海啸离自己还远。但实际上，这场浪潮没有旁观者，站在岸上也不安全。”在他看来，超级智能体的普及，正在把过去只有软件工程师享有的AI红利，扩散到全球12亿白领群体，“只要你愿意去用，工作效率提升五到十倍是确定的事”。

他还强调，智能化生存的核心也不只是简单地用AI提效，更是用AI拓展自己的能力边界。“过去你做不到的事，现在借助AI能做到了；过去你需要团队配合的事，现在一个人就能完成。这才是AI真正给普通人的馈赠。”而构建自己的专属Skills技能模块，把个人经验沉淀为可复用的数字资产，就是普通人建立竞争力的重要路径。

不过，Skills解决的是“怎么把能力交给AI”的问题，还有一个问题同样关键：人机协作的边界到底在哪里？这正是他下一本书要回答的问题。安筱鹏向记者透露，这本即将出版的新书记录的正是他与AI智能体协作写完第一本书的全过程，其中也包括他对人机协作边界的摸索。在他看来，人机协作从来不是单方面的替代，而是一个互相适配、动态调整的过程。哪些必须由人守住——观点、洞见、判断力，哪些可以交给AI——重复性、事务性、标准化的工作，每个人都要找到自己的答案。

更多内容请下载21财经APP