王煜全：当下这5年，会定义下一个100年

摘要：1982年秋天，美国田纳西州一个小镇上，细雨纷纷。有个小学教师下班回家，顺道在杂货铺买点咖啡，门上新闻广播正嘶吼着AI——什么人工智能颠覆未来。先生推门进屋，回头望一眼，忽然觉得世界变了。咱们经历的，不就是传说中的“历史的拐点”？

1982年秋天，美国田纳西州一个小镇上，细雨纷纷。有个小学教师下班回家，顺道在杂货铺买点咖啡，门上新闻广播正嘶吼着AI——什么人工智能颠覆未来。先生推门进屋，回头望一眼，忽然觉得世界变了。咱们经历的，不就是传说中的“历史的拐点”？

看未来，往往要回望过去。王煜全就这么说。他觉得历史的“韵脚”坚硬得很，不轻易变。天翻地覆前，很多人都觉着自己没机会。市面上气氛紧绷，电视里都在讲经济下行、竞争残酷。你问普通人，他们脑子里只有这句话：能活着，不出局就谢天谢地。可是什么叫“下牌桌”？有人输光了被迫离场，也有人其实还手里留着一张王牌。

他说的“历史的韵脚”，也许本质就是这种悄无声息里的大转折。王看得明白，关键不是总结教训，而是眼光放远，看哪个边角还有没被注意到的新缝隙。普通人永远觉得机会距离自己太远，“人工智能会抢我的饭碗”。偏偏历史一次次证明，大机会恰恰开在最没人盯着的时候！谁不是这样呢？

王煜全总爱举一些“咸鱼翻身”的案例，好像非得辩解平民也能弄出大事来。比如1912年圣诞夜，Seattle夜风冷得刺骨，Jim Casey正数着手下的100个信使小孩。他呢，才十九岁，出身一般。辛苦打工了八年，后来拉兄弟凑了100美元，办起传信公司。“便利”市场一来，电话、摩托、汽车全扎堆冲击这个行当。可Casey没有一哭二闹三上吊，没事，收购竞争对手，用福特的T型小轿车改包裹递送。你说，这小子到底聪明还是纯粹命好？也有点说不清。反正人家最后变成UPS的创始人，干了CEO五十五年，名字刻进了城市记忆里——普通人做成了历史里的大人物。这是不是巧合？

说技术，别看那么玄。有人说人工智能一上来，普罗大众就要被踢飞，其实也不尽然。套用福特的话讲，绝大部分技术革命的本质是把门槛拉低，不是拉高。纺织机革命时，工厂要的其实不是顶级熟练工，而是能操作机械、听话的小孩。操作自动化之后，连十几岁的童工都能驾驭产线。塞缪尔·斯莱特就是另一例子，十岁进车间学技术，偷渡到美国建厂——美国工业革命之父，不是靠背景，也不是靠学历，就是动脑子而已，这不也给后来Jim Casey之流铺了路吗？

每当新技术上场，总有人害怕传统工种被毙掉，市场生变。其实路子一直都是——旧技能边缘化，新岗位大量创造出来。技术只有用起来才能满足市场需求，至于谁用谁成，完全看那几分胆子和脑子。王煜全说，如果这会儿你还天天读心焦虑，就是思想老化，不想学新玩意儿。说得直白点，要有小孩的好奇心，只管睁眼看新工具，管它别人怎么议论。

工业革命的关键其实不在“新机器”，而在规模化。你看看英国阿克莱特的纺织厂，water frame替代了土法纺织机，不是光能赚大钱那么简单，更是让流水线生产成为十八世纪工业文明的真正根。在英国工程师受尊重，反观法国讲哲理多，实践少，那套“keep us dirty”，脏点没事但有本事才重要。洛厄尔小镇的纺织工厂福利特别好，宿舍、学校、商店一条龙，这可不是慈善，而是算账出来最优解。毕竟，机器停摆一天损失巨大，你对工人越好，他们效率越高，老板赚钱才扎实。

后面美国整那一套大规模发展，说白了就是卷得比欧洲快，铁路、住房、劳动法什么都被拉进来。进了二十世纪，流水线、分工越来越细。福特为什么厉害？自动化的极致，工人动也不需要动，整个流水线前进，生产效率暴涨、成本击穿。到最后大萧条、战争一阵子就带过去，关键点还是锁住了“规模消费能力”。美国工人薪水能买自家生产的车，整个市场环起来──说巧又巧，说巧也未必。

技术换代太快，产业“古今”交替有点乱。王煜全往往跳过金融学家那些拗口术，把重点放回“谁来驱动需求谁获益”，倒也不贬金融，只是觉得生产和市场的根本动力，还是科技进步带来的新行为。

再跳回来，数字革命的展开，其实骨子里和工业革命有着奇怪的反差。流水线打通的是人人能用新产品，数字时代的AI等于是让人人能用专家服务。区别无非在：服务是实时的，标准产品是一次性的。智能助手可以帮助任意行业优化决策，降低试错成本，过去靠关系和经验的逻辑迅速松动。可你细想想，这种变化，有可能只是科技行业一厢情愿吗？工具门槛越来越低，创业和创新变得反而模糊，平民神话和资本博弈互为表里。

他举过游戏和新媒体的例子。今天短视频、AIGC、智能图片生成、自动驾驶这些，几乎都快要变成低门槛业务。比亚迪老板还觉得AI忽悠，因为自动驾驶没法绝对安全。可飞机一样有事故率，关键在商业模式和风险分散。百度那套“多人远控一万车”，听起来像把风险收拢到更专业的后台。其实一圈下来，核心结论却又矛盾了：业务创新永远不是技术迭代的必然产物，一定有场景先改用户习惯，然后文化悄然成型，最后谁最懂需求谁就成大赢家。

平心而论，光靠技术创新不一定能超车。过去的Model T不是最先进模型，却是最懂大众心思。乔布斯借了施乐院里的图形界面，造出苹果2；Netscape捅开了互联网的窗口纸，硬是从高校小圈跳到全球市场。王煜全有时也承认，也许一堆优秀科技成果常常在甲方团队里沉睡，直到哪位半路创业青年灵光一闪拍板商业化；创新原始积累后，做配套服务和商业模式优化才能持续变现。

聊到AI大模型与未来机会，他一面说开源模型像电力，“动力本地就位随叫随到”，更看好Meta的路径；一面又警告OpenAI虽炫酷但高度中心化，像蒸汽机初期，赶进步不如蹲稳场景铺设短跑耐力。或许五年后再看，结论已天差地别。

他对AI取代岗位的态度自相冲突。某一段里主张“领域智能淘汰专家，人机结合无敌”；又转头补一句“人机协作才是最优，总有AI干不了的事”。这种矛盾，也许并非全是推敲出的策略。一时兴起，他甚至把希望寄托在“变通、审美、批判、逻辑转换”这些软能力，仿佛未来所有的差异化全拼人和AI的新协同。

你说，与其等行业巨子“制定未来”，不如干脆先点爆具体场景。就像Airbnb不是技术门槛高，而是简单地切中了闲置房间与住宿需求的断裂。国内大佬一味追求技术壁垒，但往往错失了最接地气的痛点。Uber、滴滴也是，看似软件，实则抓深用户焦虑。

他偶尔纠结：中国制造牛气冲天，却始终难以形成立体型服务生态。你搞硬件，不叠加软服务、应用场景，顶多是OEM。智能服务运营商才是下一个浪潮，无论健康、教育、还是家政和金融。家电解放了家务，可现在健康“服务”还停留在自我管理。你要是能变成每个中国人信赖的虚拟健康管家，普惠式又个性化，规模有百亿级。教育更别提，大部分成绩标准化那一套迟早落后，未来一定得让孩子自己找领域AI去聊喜欢啥、擅长啥，再一点点定制成就曲线。张雪峰那只是个点，而这套系统终将是线和面。

他画的地图并不精准，也有模糊和犯迷糊的时候。有一回他谈到“习惯改变”的时刻带来的模式创新，说沃尔玛的诞生靠的是美国人批量迁往郊区，每周集中采购。可没隔几页又觉得这种宏观模式很难复制到另一国土。案例总是有局限。