AI 还在等一个浏览器：曾鸣的产业史观与 11 个非共识判断

来源：张小珺《商业访谈录》第 153 期嘉宾：曾鸣时长：2 小时 34 分整理：3.5 万字逐字稿 → 图文笔记

用商业史的长镜头看 AI：2026 年约等于「1992 年建站运动刚兴起、浏览器还没诞生」的时刻。今天领跑的模型公司大概率只是未来的基础设施（AI 云），原生应用时代的 Yahoo、Google 一个都还没出现——而「公司」这种组织形态本身会被改写。

PART 01核心框架：技术产业化的三阶段

整期访谈的骨架，来自曾鸣对三次工业革命、PC 互联网、移动互联网、云计算的系统复盘。他把巨大的通用技术颠覆性创新的产业化拆成三段，并据此给出全片最冷酷的一条动力学规律。

图 1：三阶段框架与「跨阶段死亡线」

「我只是研究商业世界的动力学规律，我能看到的理论框架告诉我：第一阶段的企业，很难活到第二阶段；第二阶段的企业，很难活到第三阶段。」

—— 曾鸣

为什么必须穿过第二阶段？曾鸣给的理由是：应用爆发给了技术下一阶段发展的方向。字节先做内涵段子、今日头条，才探索出推荐算法；带宽与算力成熟后，短视频这种新形式才与推荐算法结合，长出抖音。「没有第二阶段的积累，就到不了第三阶段。」

阶段一的核心能力

拼「可不可用」：原创性技术突破、算力与工程、成本下降。技术斜率陡峭，赢家是科学家与基础设施建造者。

阶段二的核心能力

拼洞察与产品：对用户与普通人的同理心、应用技术（上下文管理、记忆、新交互）、生态运营。完全不同的能力栈。

PART 02他凭什么这么说：五类引述依据

曾鸣的判断并非凭空推演，几乎每一条都挂着一条「依据」。把这些依据拆开看，会发现它们强度并不相同——这正是理解这期访谈的关键。

依据类型	典型用例	可信度	主要风险
历史类比（约 40%）	AOL / Yahoo / 网景 / 黑莓→iPhone / 电力与 GE / 福特 T 型车 / 电器品类	中	类比提供方向，不提供结论；选哪段历史本身带有立场
产业一线观察（约 25%）	token 共识形成；OpenClaw（"龙虾"）春节现象；WAIC 展位分布；中国 3T 淘汰线；xAI / Meta 掉队；ARR 幻觉	中高	2026 年当期快照；单点现象易被过度概括
经济学规律（约 15%）	同质化供给 → 无高额利润；公共基础设施 → 寡头 + 强监管；竞争初期按客户价值定价、竞争者增多后按边际成本定价	高	规律本身稳，但「是否真的同质化」是经验判断
亲身经历（约 10%）	阿里三个生死决定（淘宝 / 支付宝 / 阿里云）与「去 IOE」二级战略；早期投墨迹天气等应用；1993 年在 UIUC 成为最早用浏览器的一万人之一	高	样本量 = 1 家公司，且是时代的极端成功案例
他人理论框架（约 10%）	德鲁克三阶段（生产力→管理→知识革命）；《基业长青》《从优秀到卓越》；Netflix「context not control」；《智能商业》双螺旋	高	框架被延伸使用到原作者未覆盖的场景

PART 0311 个判断 · 逐条拆依据

标签说明：历史类比产业观察经济学亲身经历理论框架

原生应用与基础设施成熟之间，还有一个过渡性阶段

2026 年是第一阶段基本完成的标志年，也是第二阶段（智能体阶段）的开场。

—产业观察年初围绕 token 形成广泛共识：黄仁勋在英伟达 GTC 说英伟达的未来是 token factory，Sam Altman 说 OpenAI 核心是卖 token——「当一个技术有了标准度量衡，它就能被规模化、标准化使用」。

—产业观察春节前后 OpenClaw（"龙虾"）爆火，让人看到「能独立完成任务的 Agent」的潜力。

—历史类比移动互联网：黑莓 2010 年仍占美国智能手机 40%+，iPhone 4 后才领跑；App Store 之后才出现新一代原生应用。

—亲身经历他早期投的墨迹天气等应用「日活很快过亿，但很快发现它们不代表未来」。

「我两年前以为到了 Yahoo 阶段，现在看，连浏览器都还没出现」

1992 年人人建站是为了分享信息，今天人人建 Agent 是为了分享能力——结构对上了。下一个最大机会，是一个「浏览器级」的机会。

—历史类比Agent 的本质是分享能力，1992 年建站的本质是分享信息；大模型今天的成就，正来自当年建站运动完成的信息数字化。

—历史类比浏览器做对两件事：用 HTML 统一标准把建站门槛降到「有信息的人都能建」，把浏览门槛降到接近于零 → 供给端与用户端同时爆发，才有 Yahoo 这个「熵减目录」。

—产业观察「我完全没看到 Yahoo 的雏形。」各种 skill 正在熵增式爆发，却没有做熵减的人。

—亲身经历1993 年在 UIUC（浏览器的诞生地）读书，可能是全世界最早用浏览器的一万人之一，亲眼见过飞轮如何从「能看的东西太少」转起来。

「我们可以总结抽象规律，但一定推演不出具体的产品形态。这正是需要大家去创造的地方。」

Anthropic、OpenAI，大概率不是原生应用阶段的大玩家

直白一点说，模型公司就是未来的 AI 云公司。「万亿估值史无前例」这个说法，本身是一个幻觉。

—历史类比模型 ≈ AOL（互联网基础接入服务商，1988 年提供服务，2000 年高点约 2,200 亿美元估值，后收购时代华纳）——让所有人低成本接入智能的入口。

—历史类比Yahoo 1995 年成立、2000 年约 1,200 亿美元市值（折算通胀与纳指涨幅，约等于今天的 1 万亿）；Google 1998 年成立、2005 年破千亿。第一波跑出来的公司就是这么值钱，历史上发生过。

—历史类比炼油厂 ≠ 化工厂；「汽车离开石油不转，但石油公司做不了汽车。你没听说哪个汽车公司是由石油公司转化而来的。」

—理论框架直接对标陆奇 2024 年「OpenAI 未来一定比 Google 大，只是大 5 倍还是 10 倍」——曾鸣回应：「我相信未来一定有 10 万亿美元的公司，但未必是现在领跑的这两家。」

公共基础设施只有一种商业模式成立：寡头垄断 + 政府强监管

做基础设施的大模型公司窗口期已经关闭；模型公司最终是「很好的成熟生意」，而不是当红炸子鸡。

—经济学三条约束：社会依赖它 → 政府必强监管；供给重要 → 不能只有一家；投入巨大 → 不会无序竞争。「水电费能随便涨价吗？」

—产业观察寡头特征 =「有一定差异化，但又足够同质化」：同质化保证可替代，差异化让大家还有钱赚。

—产业观察Anthropic 先领跑、OpenAI 跟上、Google 阶段性被甩下，xAI 与 Meta 已掉队；中国是独立生态，年底 3T 是淘汰线（智谱略领跑、Kimi 先交卷、再看 MiniMax 与千问）。

—产业观察领先来源是「智能复利」：用大模型训练大模型，AI 进入自己的主业，组织优势 × 新技术运营方式 = 黑洞效应。

新平台大概率不诞生自旧平台

旧平台做的是简单信息匹配，新平台要做能力跟需求的匹配，复杂度高一个量级——「这是新物种的匹配」。未来 3 年可能开始出现 Agent 入口。

—产业观察WAIC 大会上做应用的公司只占地下一层一小块；普通人不知道哪个 Agent 能用、不敢把钱包和隐私交给 Agent——信任需要新的服务商来建立。

—经济学判断 Agent 的成本远高于判断网站 → 用户会让渡判断力给独立第三方 → 典型的双边市场，中等网络效应。

—历史类比电力：1882 年爱迪生点亮曼哈顿约 1 平方英里，1910 年电网覆盖美国主要城市，那一年才出现洗衣机与电冰箱；空调 1925 年、电视 1930 年。GE 真正繁荣六十年靠的是电冰箱和洗衣机。

—产业观察应用公司不必训传统意义上的大模型——「你可以稳定调用，有一个合理的替代品随时能接上来」；Cursor 是在试模型边界，模型一发展就被 fold into 模型迭代，成了养料。

岗位消失、层级消失，公司终将走向消亡

科层制管理的公司制度会衰亡；组织的基本单元从「岗位」变成「任务」；未来大概率不叫「公司」，可能更像俱乐部或球队。

—历史类比公司与工业时代一起产生，工业时代之前只有手工作坊；它是配套制度，工业时代的基本经济规律被挑战，组织形态必被挑战。

—产业观察neo lab 的涌现（LeCun 式原理派、scaling law 边际递减派、AI for Science 派）——「它为什么叫 neo lab？就是因为不满意公司嘛」。第一个 neo lab 其实是 OpenAI。

—理论框架层级存在是因为不知道谁说了算；未来是「谁的能力强，谁被调用」→ 传统中层消亡。激励靠自驱（硅谷热词 high agency），贡献透明所以定价透明。

—产业观察「老登」现象的产业解释：能转化成知识的经验都被大模型吸收，年轻人用 AI 杠杆瞬间成为专家 → 经验溢价崩塌。

「这没有什么可以遗憾的，将来有更好玩的。你说，多少人现在去公司上班是开心的？」

优秀 ≠ 卓越：卓越是事后认定的

卓越来自反共识并穿越负反馈；优秀是持续正反馈的成长。利他、同理心和自我逐渐变小，是走向卓越的必要条件。

—理论框架《基业长青》《从优秀到卓越》：真正卓越的人把成功归于别人和运气——「因为事情大于人，你一定自我很小，才能走那么远」。

—亲身经历他的经典第一问：「十年以后，你会对怎样的自己满意？」——「我要做一个一百亿美金的公司」是负分答案（外部认可驱动）；最好的答案是马云「让天下没有难做的生意」、马斯克去火星。

—历史类比公司四层级：机会驱动 → 战略驱动 → 远见驱动 → 使命驱动。严格讲要使命驱动才可能卓越。

战略规划 → 战略生成：人和 AI 一起训练一个组织的小模型

「看十年、想三年、干一年」里，最难也最有创造力的是「想三年」。战略不是规划出来的，是从一个系统里涌现出来的。

—历史类比工业时代看十年靠线性外推 → 战略不重要到可以外包给麦肯锡（80—00 年代咨询业井喷）；但线性外推推不出 Anthropic 今年 80 倍的收入增长。

—经济学ARR 是增长幻觉：拿当下外推 12 个月，很可能突然到顶。定价规律——竞争初期按客户价值定价，对手一多就按边际成本定价。

—理论框架「context, not control」重新变热：给够上下文就能做正确决策；AI 时代才可能让 OKR 真正落地（组织大脑能追踪自然语言、提醒偏离）。

—产业观察他的 killer question：你继续涨，两年以后呢？产业终局呢？天花板多快到来？

机器人更好的类比，是电器的发展

机器人还在战略摸索期，相当于「还没到 ChatGPT 时刻的大模型公司」，也相当于 1900—1920 年美国几千家手搓汽车公司，我们在等它的 T 型车。

—历史类比福特 1913 年建成第一条电驱动流水线 → 现代制造业新阶段；后来需求多元化才出现通用汽车的多车型竞争。

—历史类比终局不是单一通用机器人垄断，而是「n 个不同机器人适配不同大场景」——就像电出现后有 n 种电器。

—产业观察核心制约是数据——不像大模型起来时有足够数据。

巨浪面前没有人是安全的

「不是多不多的问题，是有没有的问题——基本没有。」IBM 做到过一次，微软算一次，但微软现在也吃不准。

—历史类比移动互联网对 PC 是「1.5 次创新」（延续 + 颠覆），所以头部都过渡成功了，但颠覆部分仍成就了抖音和拼多多；AI 是生产力革命，互联网本质是生产关系革命，延续性没那么强 → 旧物种适应会难得多。

—产业观察Google 能活成 AI 云公司，但消费者入口级应用不确定；字节有很大机会成为 AI 云公司（Seedance 已是世界一流），但豆包「肯定不是」——「豆包不够那么未来，豆包没有行动力」。

—产业观察组织复盘：xAI 卡在组织（马斯克自上而下，「给不出答案又不给底下空间」）；Meta 是「出道早消耗也早」+ 内部调度困难；对照组是 Sam + Ilya 的搭配、Anthropic 的组织能力 + Dario 的 vision。

—历史类比「QQ 也没有过渡到移动互联网时代，真正承接移动互联网时代的是微信。」→ 旧产品 + AI + Agent 都是过渡产品。

AI 时代，人和人的差异在于创造力——「无中生有」的能力

沿用德鲁克框架再往前推一格：生产力革命 → 管理革命 → 知识革命 → 创造力时代。所有可被结构化处理的知识型工作都会被 AI 接管。

—理论框架德鲁克的三阶段划分（流水线取代手工作坊 / 泰勒科学管理与商学院 / 软件沉淀知识），曾鸣补上第四格。

—产业观察最大的冲突将发生在教育系统：现在知识灌输第一、智商开发第二；「你随便问高中生，他们大概都知道，用现在的方法大学毕业以后找工作都找不着」。

—历史类比硬件热像 1900 年的电器热，最后立住的是少数大品类；人也一样，将来是「加强版的人」（摄像头、语音、可穿戴、外骨骼）。

「原来我们倾向于降低不确定性，但在这个阶段，其实是要拥抱不确定性——不确定性就是最大的机会。」

PART 04历史对照：他拿什么当尺子

图 2：三条历史时间轴的对位——是结构对位，不是年份对位

维度	上一轮（互联网 / 电力）	这一轮（AI）	他的判断
度量衡	一度电、一吨水、一个 GB 流量	一个 token	有了标准度量衡 = 进入基础设施
接入服务商	AOL（互联网基础接入）	大模型公司	终局是 AI 云公司
创作爆发	1992 年全民建站（分享信息）	全民建 Agent / skill（分享能力）	从信息时代进入能力时代
门槛降低器	浏览器（HTML 标准 + 点击即浏览）	还没出现	未来两年最大的机会
熵减者	Yahoo 目录	还没看到雏形	「连浏览器都还没出现」
增长飞轮	数据飞轮 / 网络效应	智能复利 / 黑洞效应	前提是 Agent 独立干活、拿到真实世界反馈
组织单元	岗位 → 汇报线 → 层级	任务（碳基 + 硅基协同）	中层消亡，公司消亡

巨头	曾鸣的判断	给出的理由
OpenAI / Anthropic	大概率不是终局大赢家，但会活得不错	无历史先例；能力栈从「技术原创」切到「产品洞察 + 同理心」
Google	能成为 AI 云公司，入口级应用不确定	有 TPU、有模型，但没有消费者入口证据
微软	模型已出局，买不起 OpenAI	靠搜索火苗 + 云积累 + PC 垄断换来一次机会，但模型投入不够
字节	有机会成为 AI 云公司；豆包「肯定不是」	豆包没有行动力，智能体的核心是独立完成任务
腾讯 / 阿里	社交关系、人与货的关系都会被重构	「QQ 没过渡到移动时代，承接移动时代的是微信」
xAI / Meta	已掉队，卡在组织	马斯克自上而下但给不出答案；小扎出道早消耗也早，调度困难

PART 05事实核查：需要修正 / 标注的地方

⚠ 曾鸣口述里值得订正的细节

「1892 年爱迪生发明电灯泡，照亮曼哈顿一平方公里」→ 应为 1882 年。爱迪生珍珠街（Pearl Street）中央电站于 1882 年 9 月 4 日投运，为曼哈顿下城约 1 平方英里区域供电照明；1892 年是爱迪生通用电气与汤姆森-休斯顿合并成 GE 的年份，两件事被记串了。结论不受影响：从通电到洗衣机、电冰箱出现，隔了约 28 年——订正后这个时间差反而更大。
AOL 的估值口径需要注明。「2000 年高点 2,200 亿美元」与市场常见的 2,220–2,240 亿美元峰值相符；但「收购华纳达到 3,000 多亿」指的是并购后实体的规模口径（并购交易本身对 AOL 的估值通常在 1,650–1,820 亿美元区间），两个数字不是同一把尺子。
Yahoo 1,200 亿、Google 2005 年破千亿：成立。Yahoo 在 2000 年峰值市值约 1,250 亿美元（另有 1,150 亿口径）；黑莓 2010 年在美国智能手机份额 40%+、iPhone 20%+ 与当期统计数据大致相符，但出货量与存量口径会略有出入。

PART 06这套框架的六个软肋（反向检验）

类比是可选的。他为模型公司挑的隐喻是 AOL、Yahoo、炼油厂——都是消失者或上游；同一段历史里也有 Microsoft、Amazon 这种跨越者。他自己的解释是「移动互联网是 1.5 次创新所以能过渡，AI 延续性更弱」——这个解释成立，但它是事后归因：我们只能在知道结果后，才能判断一次革命的「延续性」有多强。
幸存者偏差的自指。他提醒别人「反共识不一定成功，你看到的是 survivor bias」，但三阶段规律本身也是从成功样本里归纳的，缺少对同期失败者的对称统计。
「原生应用阶段」缺少可操作的判定边界。什么条件满足才算进入第三阶段？他没有给出可证伪的标准；「浏览器还没出现」同样难以被短期证伪。
低估了模型公司的垂直整合。OpenAI / Anthropic 同时握有模型、终端应用与分发，这与 AOL 那种纯接入管道并不相同；而他自己强调的「智能复利」，恰恰可能构成跨阶段的能力。
从「科层制衰亡」滑到了「公司消亡」。前者是组织学判断（证据较充分），后者是制度判断（证据薄弱），他在对话中把两者合并表述了。
尺度不一致。用二十年产业史观讲终局，却用「年底 3T 淘汰线」讲中国格局——后者是季度级参数，一旦被证伪，会不必要地拖累长期框架的可信度。

PART 07可以带走的行动清单

如果你是应用创业者

1假定智能完全够用，不要再搭「等模型变强」的脚手架。

2找 10 倍以上的切入点。做 PPT、出报告这类场景不够大；找足够复杂、能形成智能闭环的场景。

3不要训传统意义上的大模型。稳定调用、随时有替代品可接，把资源投在上下文管理、记忆、新交互上。

4主动戳破 ARR 幻觉。问自己：继续涨，两年以后呢？天花板多快到来？

5盯住那个「浏览器」。统一 Agent 标准 + 把调用门槛降到接近于零 + 建立信任。

如果你在大公司 / 是中层

1把组织的基本单元从岗位改成任务，先在一小块业务里跑通硅基 + 碳基协同。

2先做出一个真正成功的 Agent——这是成为入口的事实前置条件。

3context, not control：把共享上下文做厚，让决策在信息充分处发生。

4不换脑袋就换人：满足于「办公软件 AI 升级」和「自己写组织神经网络」，是完全不同的两件事。

如果你是个体

1经验溢价正在崩塌。能转化成知识的经验都已被模型吸收——要么安心养老，要么变得重新年轻。

2high agency：成长与开心只有自己最清楚，贡献越透明，定价越透明。

3把创造力当主业练：不是会写歌会画画，而是原创地定义复杂问题。

4从降低不确定性，切换到拥抱不确定性。心态不改，后面都走不动。

PART 08新词表

概念	含义	替代了什么
原生应用阶段	海量应用之后，需要更底层方法运行新世界的第三阶段	——
AI 云公司	模型公司的终局形态：公共基础设施服务商	「AGI 公司」叙事
智能复利 / 智能飞轮	调用基础智能 → Agent 独立干活 → 真实世界反馈 → 算法创新 → 外溢	数据飞轮
黑洞效应	场景越多、连接越复杂，越可能拓宽智能	网络效应
neo lab	新组织形态的早期雏形；第一个 neo lab 其实是 OpenAI	公司
战略生成	建一个让战略洞察涌现的系统和环境	战略规划
看十年、想三年、干一年	核心在「想三年」：两三个里程碑形成短中长期张力	线性外推式十年规划
context, not control	给够上下文，正确决策会自然涌现	科层命令线
high agency	高主观能动性，自驱取代层级晋升作为激励	职级攀爬

KEY POINTS回顾

一个坐标：基础设施 → 应用爆发 → 原生应用；2026 年在一、二阶段交界处。
最反直觉的时间校准：不是 Yahoo 时刻，是浏览器还没诞生——未来两年最大的机会在这里。
最冷酷的规律：第一阶段企业难活到第二阶段，第二阶段难活到第三阶段；时代企业跨代「基本没有」。
最硬的依据：经济学规律（同质化 → 无高利润；基础设施 → 寡头 + 强监管）；最软的依据：历史类比与主观概率。
最激进的推论：岗位 → 任务，科层制消亡，公司 → lab / 俱乐部 / 球队。
最实用的方法论：战略规划 → 战略生成；看十年想三年干一年；用「两年后呢」戳破 ARR 幻觉。
留给个人的答案：创造力 = 无中生有；不确定性就是最大的机会。

参考资料

1. 张小珺《商业访谈录》第 153 期《和曾鸣聊产业史观》｜B 站 BV1XNtJ6UEmm｜2026-09-03｜时长 2:34:18
2. 「语言即世界」工作室官方文字精简版《和曾鸣聊产业史观：我的非共识判断》（约 3.1 万字，11 个观点）
3. 官方小宇宙单集页完整音频 ASR 转录（时间轴与开场补全）
4. 事实核查：美国国家公园管理局 Edison Biography、纽约市地标保护委员会 Pearl Street 报告、澎湃新闻《AI 热潮与互联网泡沫》等

本笔记的判断归属曾鸣，分析、归类、核查与反向检验由笔记作者补充。内容不构成投资建议。