杨斌谈企业AI转型:组织中年撞上技术青春期,企业需破执重构

数量1倍数特性.pdf 立即下载

企业困境:组织中年与技术青春期的矛盾

“湛庐CHEERS2026全民阅读周”大会上,清华大学经济管理学院教授杨斌发表演讲,探讨企业AI转型,强调真正的阻碍不在技术,而在组织心智与变革方式的深度错位。杨斌认为,全球企业当前的困境是“组织的中年”与“技术的青春期”的矛盾。“迷信一‘模’就灵,以为采购顶级大模型、交给IT部门就能完成转型,是典型的企业家智商税。”颠覆性创新往往来自边缘,而非“组织的中年”主导的中心地带。企业在AI时代的转向,AI大模型与组织心智两大“模”必须同步升级,缺一不可。演讲中,杨斌提及英伟达和柯达两个“极端”案例。英伟达押注“零亿美元市场”,最终实现非线性爆发;柯达因“组织中年”心智,束之高阁自家研发的数码相机技术,最终在数字时代倒下。‘组织的中年’追求即期绩效、主流一致等目标,与快速迭代、充满惊喜与不确定性的‘技术青春期’剧烈碰撞,要么压抑技术潜能,要么引发组织失序。

AI位置之辨:纠正流行观念

杨斌提出“AI次方变革”,纠正“+AI”或“AI+”给企业带来的误导。若把AI对组织的影响仅当作技术问题,依赖信息化条线推动变革,会给企业带来麻烦。“组织的中年撞上技术的青春期”这一隐喻,反映着全球企业的最大挑战。现在AI很热,但一些错误说法若影响企业家决策,会让企业选错方向。比如,企业相信AI一‘模’就灵,让信息官或IT条线主导转型,会带来大败局。新技术具有逆龄化,CEO认知上的问题不易纠正。杨斌分享了2013年清华经管学院顾问委员会上的案例,一位互联网企业家认为online education不会在顶尖大学诞生,揭示了颠覆性创新往往来自边缘。

“模”的涌现之美

如今提到“模”,人们常想到AI。每个AI大模型都压缩着一个世界,其中最奇妙的是涌现。AI有scaling law,大到一定程度的复杂系统,在压缩泛化中,智能涌现。不仅大模型内部有智能涌现,AI产业的发展也是一种涌现。涌现不能被计划,但有其规律,如生态各部分相互造就,达到“俱备度”。英伟达的案例启示我们,“AI次方变革”是context not control,emerging not planning。1943年,两篇文章分别成为大模型神经网络算法和心智模式的起点。这两个“模”,对组织取得AI变革的成功而言,智能大模型和心智模式缺一不可。

π日命题:新心智模式

“AI次方”是杨斌在去年3月14日(“π Day”)提出的,有别于“+AI”的心智模式。AI次方变革是在新心智模式上的新变革模式,受到不同行业的认同。当下技术发展迅速,但人和组织的心智模式跟不上。“组织的中年”心智模式顽固,抑制AI变革。在外部环境稳态时,组织的中年能保证业绩,但撞上“技术的青春期”,就会出现问题。

技术的青春期与组织的中年

“技术的青春期”隐喻最早来自卡尔·萨根的科幻小说《接触》。技术跃跃欲试,挑战现有体制,而与之匹配的成熟心智尚未准备好。杨斌提出“组织的中年”概念,其核心是“习得性保持正常”,有即期绩效、主流一致、线性稳进、认知窄化四个特征。组织的中年背着“五名”之累,难以接受新事物,常试图消灭“异”。真正的创新需要容异,耐心等待新事物生长。熊彼特说企业家是动词,一旦被定义成名词,就进入了“中年”。未来组织的核心特征还需更大的想象力和创造力。

两种冲突场景

当组织的中年撞上技术青春期,会出现两种冲突场景:一是中年心智压抑青春期身体的潜能,导致技术无法发挥力量;二是青春期心智在中年身体中横冲直撞,导致组织失序。企业想要基业长青,需让组织长期保持青春期状态,与技术的青春期动态适配,实现相互持续进化。组织的中年要“重生”,进行“破执重构”。

“+”号的陷阱

“+AI”或“AI+”背后隐藏着组织的中年心智,是量增式、可控、追求短期见效的思维,无法理解AI技术的青春期本质。真正的AI次方变革有不舒服、疼痛和冲突,要与“名”和“我执”决裂,进行“破执重构”,创造变革的“上下文”,实现“生成式涌现变革”。

为何AI变革必须“破执”

杨斌提出“生成式涌现变革”,挑战科特式变革。科特式变革在AI时代很难行得通,因为AI时代需要unlearn,破执——破我执、破名执、破赢执。AI次方变革要求底数质变,倒逼底数破执重构。AI次方会放大底数差距,带来K型分化,催化涌现,未来组织可能是自由的“超强合体”共同体、动态社群网络。

AI+与AI次方的区别

“+AI”不挑战现有权利利益和文化假设,进行边际改善;而AI次方变革要求破执重构、生成式涌现变革,会导致权力转移和文化刷新,这让在位者难以接受。

AI次方变革的实践

传统的科特式变革在AI时代难行得通。黄仁勋对生成式涌现变革有形象描述,鼓励内部自发的AI原生小分队探索新业务,容忍某种程度的失控。“流人与边域”的案例彰显了“流人边域,涌现杰作”,这是AI次方变革的特色。

反事实商业史的思想实验

杨斌请大家做反事实商业史的思想实验,假设柯达在1975年给赛尚的发明提供发展机会,也许能改变其2012年倒下的命运。柯达表现出典型的组织中年,撞上技术的青春期后走向衰落。

保持好奇与包容

杨斌不喜欢“下半场”的定论,AI发展还处于早期,未来充满unknown unknowns。我们要保持好奇和包容,一起创造未来。

从“AI原生”到“AI次方”

“AI原生”一词让很多人有挫败感,抑制组织变革信心。杨斌提出AI次方变革,给大家信心,让移民也能通过变革再青春,岁数的中年也能有心智的长青。

企业家的AI次方

企业家在AI次方变革中的领导力,是为组织贡献使命、心力和品味。拥有成长型思维、无限游戏思维、赤子态、木鸡态和“从心慢”智慧的“心人”,在未来能与AI协同,找到自己的位置。AI次方变革以人为中心,让人的主体性更强。

__EF550.zip 立即下载

相关推荐

【高速互连技术】合规性测试规范:物理层信号完整性与链路均衡验证系统设计

内容概要:本文档介绍了分析工具进行实践对照,并关注后续规范版本更新以确保符合最终发布标准。

杨斌教授谈企业AI转型:“组织中年”撞上“技术青春期”,变革需“破执重构”

杨斌提出“AI次方变革”,纠正“+AI”或“AI+”观念,认为把AI对组织的影响仅当作技术问题,依赖信息化条线推动变革,会给企业带来麻烦。“组织的中年”是杨斌提出的隐喻概念,与组织年龄和规模无关,是一种心智,核心是“习得性保持正常”,有即期绩效、主流一致、线性稳进、认知窄化四个特征。“+AI”或“AI+”背后是组织的中年心智,代表量增式、可控、追求短期见效的思维,无法理解AI技术的本质。真正的AI次方变革会带来不舒服和冲突,要与“名”和“我执”决裂,创造变革的“上下文”,实现生成式涌现变革。

IT界那些事儿 75

万人睡眠健康与生活方式调查数据集

成年人群睡眠健康与生活方式研究数据集,合成模拟10000行20列单CSV文件,睡眠障碍标记人群占比约四分之一。设置双预测目标:睡眠障碍二分类字段与日间疲劳得分回归字段,可分别开展分类与回归建模。特征字段涵盖年龄、性别、十一种职业类别、每周工作时长、轮班工作标记、自我压力评分、身体质量指数BMI、吸烟状态、每周饮酒量、每日咖啡因摄入毫克数、睡前一小时屏幕使用时间、每周运动分钟数、日均步行数、静息心率、习惯就寝时间点、平均睡眠时长、睡眠质量自评等二十项。数据完整无缺失,结果列与特征列分离清晰,便于目标泄漏防范练习。适用场景:睡眠障碍预测建模、日间疲劳程度回归分析、咖啡因与睡前屏幕对睡眠时长的影响量化、不同职业群体睡眠质量对比研究、逻辑回归与梯度提升模型对比实战等。合成数据不含真实个人信息,适合健康数据分析教学、特征工程练习与机器学习课程实训项目使用。

考虑风光火储+需求响应+P2G多能源系统NSGA-II多目标优化调度(Matlab代码实现)

考虑风光火储+需求响应+P2G多能源系统NSGA-II多目标优化调度(Matlab代码实现)内容概要:本文介绍了基于NSGA-II多目标优化算法对包含风能、光伏、火电、储能系统、需求响应及电转气(P2G)等多种能源形式的综合能源系统进行优化调度的研究,采用Matlab进行代码实现。研究综合考虑了系统运行成本、碳排放、能源利用率等多个优化目标,通过建立精确的数学模型,结合可再生能源出力不确定性、负荷波动以及需求响应机制,实现多能源协同调度的帕累托最优解集求解,旨在提升能源系统的经济性与环保性,并验证所提方法的有效性和实用性。; 适合人群:具备一定电力系统、优化算法及Matlab编程基础的研究生、科研人员以及从事能源系统规划与运行相关工作的工程技术人员。; 使用场景及目标:①应用于多能源互补的综合能源系统优化调度研究;②为实现低碳、高效、可靠的能源供应提供决策支持;③学习和掌握NSGA-II算法在复杂多目标优化问题中的实际应用方法。; 阅读建议:建议读者结合Matlab代码与文中模型描述逐步理解算法实现流程,重点关注目标函数构建、约束处理及Pareto解集的生成与分析,有条件者可进一步修改参数或扩展模型以深化理解。

FANUC-R2000iC165F-六轴机械臂码垛仿真

FANUC_R2000iC165F_六轴机械臂码垛仿真

frontend-design skills

frontend-design skills

16周全【Harness&Hermes】多智能体开发特训营

2026年的AI开发者圈子里,几乎没有人再怀疑多智能体的价值。Gartner预测年底40%的企业应用将内置智能体,LangChain、AutoGen、CrewAI等框架轮番登场,演示视频里的AI团队分工明确、配合流畅。然而,一个尴尬的现实是:大多数开发者手里跑通的多智能体项目,停留在Jupyter Notebook的最后一行。一旦试图把它塞进真实业务环境,问题便如潮水般涌来——长任务跑到一半崩了要重来,智能体之间的消息黑盒般不可追溯,换个场景就得推倒重写,上线之后连“刚才那次调用为什么花了三倍的钱”都查不出来。 这正是【Harness&Hermes】多智能体开发特训营试图回应的命题。它的切入点不在“再教你写一个Demo”,而在于一个更朴素却更稀缺的能力:让多智能体系统从演示玩具变成可交付、可运维、可演进的生产资产。 要理解这门课的价值,得先看清多智能体开发当前的断层在哪里。单Agent时代,提示词写得好、API调得通,基本就能交差。但多Agent协作的本质是编排:谁负责拆解需求,谁负责执行,谁负责校验,上下文如何在角色之间传递而不丢失,某个环节出错时整条链路如何回退。这些问题的难度不在模型能力,而在工程控制。市面上不缺讲LangGraph节点怎么连、RAG检索怎么做的教程,缺的是把“多个智能体在真实业务压力下稳定协作”这件事讲透的人。 Harness与Hermes的分工,恰好对应了工程控制的左右手。根据课程的设计逻辑,Harness管“流程”,Hermes管“记忆与进化”。Harness 负责长任务的流程治理:一个面试模拟流程跑了二十分钟,中途用户关掉页面,下次打开能不能接着上次的进度继续?某个Agent调用工具超时了,整条链路是崩溃还是优雅降级?线上出了问题,日志能不能精确到“第几轮对话、哪个Agent、调了什么工具、花了多少token”。这些听起来不性感,但任何一

政府科技管理者在推动区域科技成果转化过程中,如何解决成果供需匹配效率低的问题?.docx

政府科技管理者在推动区域科技成果转化过程中,如何解决成果供需匹配效率低的问题?

产业园区运营负责人如何利用数据智能化提升科技资源配置效率?.docx

科易网基于行业知识库+行业大数据+科技资源要素+AI模型,以AI,赋能技术转移、成果转化、技术经理人培训、知识产权管理、区域产业分析与布局、地方科技招商、创新创业大赛等场景,推出科技创新领域的AI工具、场景化服务和数智化解决方案,推动科技创新与产业创新智能化发展。

国企央企如何实现技术成果的精准对接与快速落地?.docx

科易网基于行业知识库+行业大数据+科技资源要素+AI模型,以AI,赋能技术转移、成果转化、技术经理人培训、知识产权管理、区域产业分析与布局、地方科技招商、创新创业大赛等场景,推出科技创新领域的AI工具、场景化服务和数智化解决方案,推动科技创新与产业创新智能化发展。

用于计算系统状态的卡尔曼最优增益和最小均方误差(MMSE)估计研究(Matlab代码实现)

内容概要:本文围绕用于计算系统状态的卡尔曼最优增益和最小均方误差(MMSE)估计展开研究,深入探讨了卡尔曼滤波在动态系统状态估计中的核心作用。文章系统阐述了卡尔曼滤波的数学基础,包括状态空间模型的建立、先验与后验状态估计、协方差矩阵的递推更新,以及最优增益矩阵的推导过程,确保在高斯白噪声环境下实现对系统状态的最小均方误差估计。结合Matlab代码实现,完整展示了算法从理论建模到仿真实验的全流程,涵盖系统建模、噪声设置、滤波迭代、状态更新与误差分析等环节,并通过仿真实验验证了算法在噪声干扰下对系统真实状态的高精度跟踪能力。该研究为控制工程、导航系统、信号处理及自动化领域中的状态估计问题提供了坚实的理论依据与高效的数值实现方案。; 适合人群:具备一定控制理论、概率统计基础和Matlab编程能力,从事自动化、电子信息、航空航天、机器人、导航定位等相关领域的科研人员、工程技术人员及高校研究生。; 使用场景及目标:①掌握卡尔曼滤波的基本原理及其在状态估计中的数学推导过程;②学习如何利用Matlab实现卡尔曼滤波算法并进行系统仿真与性能评估;③应用于目标跟踪、传感器融合、惯性导航、故障诊断、时间序列预测等实际工程中的动态状态估计问题。; 阅读建议:建议读者结合文中提供的Matlab代码进行动手实践,通过调整系统模型参数、过程噪声与观测噪声强度,观察滤波效果的变化,深入理解卡尔曼增益的自适应调节机制与MMSE估计的收敛特性。同时可进一步拓展学习扩展卡尔曼滤波(EKF)、无迹卡尔曼滤波(UKF)等非线性滤波方法,以应对更复杂的非线性系统状态估计挑战。

一种具有实验验证的层级扰动抑制深度跟踪控制算法,适用于欠驱动型AUV(Simulink仿真、Matlab代码)

内容概要:本文详细介绍了一种专为欠驱动型自主水下航行器(AUV)设计的层级扰动抑制深度跟踪控制算法,该算法通过构建分层控制架构,有效应对海洋环境中复杂的外部扰动(如水流、波浪等)以及系统内部的非线性动态特性,显著提升了AUV在执行深度跟踪任务时的控制精度与系统鲁棒性。研究不仅涵盖了控制策略的理论设计与稳定性分析,还包括详细的Simulink仿真模型搭建、Matlab代码实现及参数设置,并通过对比实验验证了所提方法在抗干扰能力和跟踪性能方面相较于传统控制算法的优越性。资源包内含完整的可运行代码、仿真模型和详尽的文档说明,便于研究者复现结果并在此基础上进行二次开发与创新。; 适合人群:具备自动控制理论基础、海洋工程或机器人相关学科背景,且熟练掌握Matlab/Simulink仿真环境的科研人员、研究生及高年级本科生。; 使用场景及目标:① 深入学习和研究欠驱动AUV的先进运动控制技术,特别是深度跟踪控制策略;② 开展水下机器人抗外部扰动控制算法的设计、仿真与性能验证工作;③ 作为毕业设计、科研项目或学术论文的技术支撑与代码原型,加速研究进程。; 阅读建议:建议使用者结合提供的Matlab代码与Simulink模型,逐模块理解算法的实现逻辑与数据流,推荐从简单静态环境仿真入手,逐步过渡到复杂动态扰动工况,通过调整控制器参数与扰动强度,全面掌握算法的性能边界、鲁棒性特征及优化潜力。

高校技术转移办公室人员如何提升成果转化服务效率?.docx

科易网基于行业知识库+行业大数据+科技资源要素+AI模型,以AI,赋能技术转移、成果转化、技术经理人培训、知识产权管理、区域产业分析与布局、地方科技招商、创新创业大赛等场景,推出科技创新领域的AI工具、场景化服务和数智化解决方案,推动科技创新与产业创新智能化发展。

国央企如何构建高效的内部技术转移与创新协同机制?.docx

科易网基于行业知识库+行业大数据+科技资源要素+AI模型,以AI,赋能技术转移、成果转化、技术经理人培训、知识产权管理、区域产业分析与布局、地方科技招商、创新创业大赛等场景,推出科技创新领域的AI工具、场景化服务和数智化解决方案,推动科技创新与产业创新智能化发展。

国央企创新负责人如何利用平台实现技术需求的精准挖掘与匹配?.docx

科易网基于行业知识库+行业大数据+科技资源要素+AI模型,以AI,赋能技术转移、成果转化、技术经理人培训、知识产权管理、区域产业分析与布局、地方科技招商、创新创业大赛等场景,推出科技创新领域的AI工具、场景化服务和数智化解决方案,推动科技创新与产业创新智能化发展。

自适应多机器人编队规划,以包围和跟踪具有运动和可见性约束的目标(Matlab代码实现)

内容概要:本文提出了一种自适应多机器人编队规划方法,旨在实现对具有运动能力和可见性约束目标的高效包围与持续跟踪,采用Matlab进行算法实现与仿真验证。该方法综合考虑了多机器人系统在动态环境中的协同控制、编队形态生成与保持、障碍物规避以及目标可见性维护等关键问题,通过设计分布式控制律使编队能够根据目标行为和环境变化自适应调整队形与运动轨迹,确保稳定包围并最大化目标观测质量。文中详细阐述了系统的数学建模过程、控制策略设计原理及约束处理机制,并提供了多场景下的仿真实验结果,验证了所提方法在复杂条件下的鲁棒性、灵活性与有效性。; 适合人群:具备自动化、机器人学、控制理论或人工智能等相关领域基础知识的科研人员及研究生,熟悉Matlab编程环境并致力于多智能体系统、协同控制、路径规划或智能无人系统研究的专业人士。; 使用场景及目标:①应用于多机器人系统在监视、围捕、搜救等任务中对移动目标的协同包围与跟踪控制;②为研究分布式编队控制、可见性优化、动态避障与多智能体协同决策等核心技术提供可复现的算法实例与理论支撑; 阅读建议:建议读者结合提供的Matlab代码逐模块分析算法实现细节,重点关注控制律设计、约束建模与仿真结果对比部分,宜在仿真环境中调整参数配置以深入理解系统性能边界与优化潜力。

圆柱形永磁体的磁场建模研究(Matlab代码实现)

内容概要:本文围绕圆柱形永磁体的磁场建模展开系统性研究,基于毕奥-萨伐尔定律建立了有限尺寸圆柱形永磁体的物理模型,推导出其在空间任意点产生磁场强度的数学表达式,并采用数值积分方法结合Matlab编程实现磁场分布的精确计算与三维可视化。研究深入探讨了磁体的几何参数(如半径、高度)和磁化方向对磁场分布特性的影响,实现了磁场矢量的多维度仿真分析,为电机设计、磁传感器开发、磁悬浮系统等工程应用提供了坚实的理论依据与高效的仿真工具支持; 适合人群:具备电磁场与电磁波、大学物理等相关理论基础,并熟悉Matlab编程语言的高校理工科学生、科研人员及从事磁性器件设计与仿真的工程技术开发者; 使用场景及目标:①掌握基于经典电磁理论的磁场建模方法与数值求解流程;②学习并实践Matlab在科学计算与物理场仿真中的高级应用技巧;③为永磁材料相关装置的结构优化与性能评估提供可靠的仿真手段;④服务于高校课程教学、科研项目验证及工程原型开发; 阅读建议:建议读者在学习过程中紧密结合电磁学基本原理,逐步理解公式推导逻辑,动手运行并调试所提供的Matlab代码,通过调整磁体参数观察磁场变化趋势,从而深化对永磁体空间磁场分布规律的认识,并尝试将其拓展应用于实际工程项目中。

在Jetson orin NX上安装部署Yolov8

1、环境准备与依赖安装2、安装PyTorch和Torchvision:从NVIDIA官方论坛或开发者下载中心获取与你的JetPack版本兼容的PyTorch wheel文件。例如,对于JetPack 5.1.2,可以安装PyTorch v2.1.0 8。:需要编译安装与PyTorch版本匹配的Torchvision。这里自己编译没有成功,下载了一个现成的可以用torchvision-0.16.2+c6f3977-cp38-cp38-linux_aarch64.whl。

xxxcccvvvbbb的博客 778
上一篇: 摩尔线程财报:营收高增、亏损收窄,但盈利拐点与商业化突围仍待解?
下一篇: OpenAI转投亚马逊,微软Azure增长势头将减缓,云计算市场格局生变!
IT界那些事儿
博客等级 码龄6年 2万+粉丝 22原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值