今天我在网上看见智谱创始人唐杰在微博发的一篇文章，AI时代：认知 > 格局 > 技术 > 管理。

大意是说，AI时代一切都变了。技术重新成为最重要的生产力，管理正在被扁平化和 AI 化冲击，产品打磨的重要性下降，而最终决定一个人或一家公司能走多远的，是认知。

读完之后，我想了很久。

我一直在想的不是他说得对不对，而是这几个东西之间，到底是什么关系？

模型，才是AI时代最直接的竞争力

这是我长期以来的观点。

AI 圈隔几个月就会冒出一个新概念。

Workflow、Agent 编排、Harness、Loop、各种框架……

每一次都会有人说：“这是下一波。”

但观察久了会发现一个规律。

这些东西能够发挥作用，都有一个前提：模型本身足够强。

模型不够强的时候，再复杂的 Harness，也只是把一个能力有限的模型组织得更精致一点；Loop 再花哨，也转不出真正有价值的结果。

反过来，当模型能力往前迈一步，很多过去需要大量工程技巧才能实现的能力，会突然变得简单。

以前需要复杂 Workflow 才能完成的任务，模型一句 Prompt 就能完成。

以前需要十几个 Agent 协作，现在一个模型就能解决。

所以，很多所谓”AI 应用层创新”，本质上都建立在模型能力不断提升的基础之上。

模型能力，才是 AI 时代最直接的竞争力。

当然，这里的”模型”并不是原因，而是结果。

模型能力来自数据、算法、算力、训练范式、Infra、组织能力等一系列因素共同作用。

但对于一家 AI 公司来说，这些因素最终都会体现在模型能力上。

你的模型能力从哪里来？

抛开上面所说的技术因素不谈，我觉得答案至少有两个，你的认知和格局。

认知，是看见未来的能力

很多人理解认知，就是懂得多。

我越来越觉得不是。

认知不是你读过多少论文，也不是跟过多少项目。

而是你能不能从大量碎片化的信息里，看见真正重要的方向。

例如，同样看到一篇新的 RL 论文。

有人觉得：“又是一个刷榜的工作。”

有人却意识到：“这可能代表着下一代训练范式开始出现。”

同样的信息，不同的人，会读出完全不同的未来。

这就是认知。

而真正困难的地方还不是这里。

认知不仅是知道什么重要，现在更重要的是知道什么不重要。

今天每天都会出现大量论文、开源项目、新框架、新 Agent。

如果什么都追，就意味着什么都学不好。

真正的认知，是能够主动过滤噪音。

知道哪些值得长期关注。

哪些可以暂时忽略。

很多人是在不断获取信息。

真正认知强的人，其实是在不断删除信息。

格局，是愿意为未来下注

如果说认知解决的是”方向”。

那么格局解决的就是”选择”。

很多人喜欢把格局理解成胆子大。

我觉得它更准确的含义，是愿不愿意为了更远的未来，放弃眼前更容易获得的东西。

认知告诉你，模型能力可能是未来 AI 的核心。

格局决定，你敢不敢把资源真正投入进去。

举一个例子。

两个人都决定做模型。

一个做 AGI。

一个做垂类模型。

如果两个人的信息量和理解深度差不多，却得出了不同的结论：

一个认为通用模型最终会覆盖绝大部分垂类场景，另一个认为垂类永远拥有自己的数据壁垒和行业深度。

这是认知的不同。

但如果两个人都认为 AGI 最终会赢。

一个说：“那我现在就做 AGI。”

另一个说：“AGI 太远，我先做垂类赚钱。”

这时候，区别已经不是认知，而是格局。

他们看到的是同一个终点。

只是，一个愿意为那个未来下注。

另一个选择了更确定的现在。

所以我更愿意把格局理解成：

你愿意为了自己相信的未来，付出多大的机会成本。

执行，才是认知真正落地的地方

不过，认知和格局还不足以决定结果。

真正把它们变成现实的，是执行。

很多人其实看到的是同样的趋势。

大家都知道 RL 很重要。

都知道 Agent 会越来越重要。

都知道模型能力决定未来。

真正拉开差距的，并不是谁先知道。

而是谁先开始做。

现实里最常见的情况是：

有人看完一篇论文，觉得很有意思，然后继续做原来的事情。

有人看完同一篇论文，第二天就调整团队方向。

认知是眼睛。

格局是愿意承担风险。

执行，是迈出去的第一步。

没有执行，再好的认知也只是观点。

技术，又会反过来改变认知

很多人容易把这几个东西理解成一条线。

其实它们更像一个循环。

认知影响方向。

格局决定投入。

执行推动技术。

而技术，又不断拓宽认知。

很多事情，只有真正做出来之后，你才会发现之前根本没有看到的问题，也会看到更大的机会。

所以真正优秀的团队，认知和技术会不断互相强化。

这是一个持续迭代的正反馈。

AI时代，管理没有变少，而是变难了

很多人觉得 AI 会削弱管理。

我的感觉恰恰相反。

AI 公司本质上还是一群人在协作。

而且，这群人的协作难度，比传统软件团队更高。

做模型的人。

做 Infra 的人。

做产品的人。

他们的节奏完全不同。

模型团队一个实验可能几天。

产品团队可能几个小时就收到用户反馈。

在这种节奏下，真正困难的已经不是流程管理。

而是如何让所有人始终朝着同一个方向前进。

过去可以依靠制度。

现在等制度制定出来，技术已经更新了一轮。

所以 AI 时代真正需要的，不是更少的管理，而是更高级的管理。

不是依赖流程。

不是依赖层级。

而是依赖共同目标、共同认知，以及团队之间高度一致的方向感。

技术变化越快。

管理的重要性反而越高。

只是管理的方式，彻底变了。

我更愿意把它们理解成一个系统

对于AI时代的认知、格局、技术和管理，我不认为它们之间存在一个简单的”大于号”。

模型是核心，一切产品和上层能力建立在它之上。

认知和格局决定你的模型能走多远，反过来技术进步也在不断拓宽你的认知边界。

管理贯穿整个链条，是确保一群人能在这种速度下持续协作的基础。

它们不是线性的上下级关系，而是各司其职，互相支撑，构成一个不断循环、自我强化的系统。