前途科技前途科技
  • 服务
  • 关于
  • AI
    • AI 大模型
    • 具身智能
    • 算力芯片
  • 科技
    • 智能终端
    • 软件·互联网
    • 汽车·出行
    • 科学前沿
  • 资源中心
    • 深度研究
      • AI 前沿
      • 教程
      • AI 知识库
      • 案例研究
    • 行业报告
      • 白皮书
      • 行业报告
      • 研究报告
      • 技术分享
      • 专题报告
    • 精选案例
      • 金融行业
      • 医疗行业
      • 教育行业
      • 零售行业
      • 制造行业
  • 服务
  • 关于
联系我们
AI 大模型/11.19 · 21:48/9 MIN/编译自 Barrons巴伦/1 阅读

同样拥抱AI,英伟达苹果微软为何市值差数倍

AI把标准化工作一批批接走,留给领导者的只剩判断。同样面对这轮技术浪潮,英伟达市值涨到2022年末的11.6倍,苹果约2.5倍,微软约2.2倍。差别不在用不用AI,而在用AI做什么、把AI放进什么样的决策框架。

AI正在改变企业创造财富的方式。检索、计算、起草、核对这些标准化工作,越来越多由工具完成。但技术能力普及,并不意味着企业之间的差距会自动消失。相反,当算力和信息更容易获得,领导者如何提问、如何配置资源、如何处理冲突、如何确定长期目标,更直接地决定了企业能否把技术转化为持续价值。

德鲁克曾把管理与领导分开:管理是把事情做对,领导是做对的事情。这句话在工业时代像一句提醒,在今天却成了分工的现实。"把事情做对"的活计正被 AI 一批批接走,留给领导者的是:什么事值得做,边界划在哪里,代价由谁承担。这类问题没有标准答案,只有判断。

戴维·鲁克与威廉·托伯特在《行动探询》及后续研究中,把管理者的行为逻辑分为七种:机会主义者、外交家、专家、实干家、个人主义者、战略家、炼金术士。这一模型来自对管理者长期行为的观察,描述人在压力之下如何理解权力、时间与冲突,而不是一张财富分级表。

先看两组数字。需求侧,Gartner 预测 2026 年全球 AI 模型与平台的终端支出将达 640 亿美元,同比增长 63.4%。供给侧,2022 年末至 2026 年 11 月,英伟达市值由约 3600 亿美元升至 4.19 万亿美元,苹果由约 2.05 万亿美元升至 5.17 万亿美元,微软由约 1.78 万亿美元升至 3.87 万亿美元。三家都在涨,涨法却差出数倍:英伟达约为 2022 年末的 11.6 倍,苹果约 2.5 倍,微软约 2.2 倍。

三家科技巨头市值变化对比

同一场技术浪潮,同一批客户,同一套代工产能,落到三家公司的报表上却是三种命运。差别不在于谁更勤奋,而在于谁把 AI 放进了自己的系统里。AI 时代真正的分野不是"有没有用 AI",而是"用 AI 做什么":技术是公共品,认知是私有的。同样的模型、同样的算力,放进不同的决策框架,产出的差距会随时间复利般拉开。

一、四条决策前提被重构

管理科学处理的是有限资源下的选择:建模、设约束、求解,再依反馈调整。工业时代市场相对稳定、信息传递缓慢、算力昂贵、目标单一,这四条前提把低阶与高阶行为逻辑的差别压在长期战略里,短期看不出来。AI 动的正是这四条前提。

算力普及:专业信息不再稀缺。 工业时代的专家靠长期经验与信息占有建立权威,决策方式是单维度的极值优化。检索、比对和数据推演的效率提高后,过去需要资深分析师耗费大量时间的工作,刚入行的年轻人借助 AI 也能在较短时间内完成。这不意味着专业能力不再重要。AI 能帮人更快获取信息、处理数据、比较方案,却不能代替有经验的专业人士判断数据是否异常、方案是否可行、决策背后要承担什么风险。信息获取能力的差距在缩小,专业人士之间的差别越来越体现在对问题的理解上。

信息透明:短期投机的空间收窄。 机会主义者之所以能靠信息套利获利,往往因为信息掌握在少数人手中,出了问题还能把责任推给别人,甚至设法掩盖痕迹。索维尔曾表达过一个观点:当错误的代价由别人承担时,人们就更容易继续犯错。数字技术正在改变这种局面。交易记录可追溯,信息传播更快,个人和企业的行为更容易被核查。过去可能数年才被识破的造假或概念炒作,现在往往很快暴露。一旦失去市场信任,付出的代价可能远超当初套利所得。

节奏加快:维稳的缓冲期变短。 "温水煮青蛙"常被用来形容组织在缓慢变化中丧失应变能力。环境一点点改变,组织却习惯维持原状,等到意识到问题时,调整时机可能已经错过。技术迭代加快后,这种情况更加突出。外交家型领导者重视团队关系和内部稳定,面对数字化改造、岗位调整和流程重组,往往担心引发冲突而一再推迟。短期看组织平稳了,原有问题却没有解决。等到市场变化迫使企业调整,往往要付出更大的成本。《道德经》所说"为之于未有,治之于未乱",强调的正是这一点。

目标上移:从效率最优到价值权衡。 传统企业管理通常围绕效率、成本和业绩展开。AI 承担了越来越多标准化工作后,单纯提高效率已不再是竞争的全部。领导者要思考的问题随之变化:追求效率是否会损害用户权益?降低成本是否会影响员工发展?追求短期业绩是否会牺牲长期利益?这些问题很难靠计算得出统一答案,不同目标之间可能存在冲突,领导者需要结合企业所处的环境和实际情况作出取舍。AI 可以帮着算清各方案的成本收益,却不能替管理者决定哪些目标优先。

七阶行为逻辑框架

二、前三种行为逻辑的财富后果

需要说明的是,行为逻辑并不能直接决定一个人的财富水平。管理者的判断会影响企业如何配置资源,但经营成果还受行业环境、市场周期等因素影响,偶然因素也不能忽略。正如有限理性理论所指出的,决策者不可能掌握所有信息,也无法预见所有结果。

七种行为逻辑特征对比

机会主义者:局部零和寻优,短期泡沫终局归零。 机会主义者做决策通常只看眼前的个人收益,其他人要承担什么代价、企业长期发展会受什么影响,并不在主要考虑范围内。这是一种局部零和求解:个人收益的增加不是通过创造新价值实现,而是以他人利益受损为代价。把系统成本、外部性和长期后果留给组织和其他利益相关方。

这种行为逻辑进入企业经营,就会表现出明显的短期化倾向。一些企业热衷追逐 AI 概念,公告里频繁提及接入大模型,却没有相应的技术团队、实际项目和研发预算。经营出问题,管理者首先向外找原因,而不是检视自身的决策和管理责任。问题没解决,组织却不断陷入救火和相互推诿,甚至要靠包装数据维持外界预期。

2023 年至 2024 年,国内 A 股市场曾出现一些公司,仅以接入通用大模型、优化办公流程为由发布公告,却没有相应的技术团队和落地项目。消息一度带动股价上涨,但随着市场情绪退去、业绩逐步披露,股价又明显回落,个别公司还被实施退市风险警示。一级市场也有类似情况:一些创业企业以 AI 为卖点获得融资,却迟迟做不出成熟产品,资金耗尽后只能清算离场。问题不只是技术没跟上,而是企业从一开始就没有形成与市场叙事相匹配的价值创造能力。

机会主义者能在一段时间内获利,往往也与信息不充分有关。格雷欣法则描述的劣币驱逐良币,正是建立在信息不对称之上。当外部参与者难以辨别企业真实经营状况时,缺乏价值支撑的企业也可能靠包装和信息差获益。但随着交易留痕、信息披露和行为追溯能力增强,这类做法越来越难长期维持。托伯特的研究也指出,把他人当作工具、以自身利益为中心的行为模式,在环境日益透明时最容易失去生存空间。

标签:英伟达苹果微软AI 战略企业管理

想了解 AI 如何助力您的企业?

免费获取企业 AI 成熟度诊断报告,发现转型机会

置顶文章

自己动手做模型:ML Intern 低成本定制小模型实战
置顶

自己动手做模型:ML Intern 低成本定制小模型实战

微软和Meta收紧Claude:被削掉的是入口,不是模型
置顶

微软和Meta收紧Claude:被削掉的是入口,不是模型

前途科技前途科技
服务关于快讯技术商业报告
微信咨询二维码

咨询微信

扫码添加微信咨询

前途科技微信公众号

微信公众号

扫码关注

Copyright © 2026 AccessPath.com, 前途国际科技咨询(北京)有限公司,版权所有。|京ICP备17045010号-1|京公网安备 11010502033860号|隐私政策|服务条款

机会主义者获得的往往是一次性的利益转移,而非通过产品、技术和组织能力创造的新增价值。零和收益无法形成复利,也沉淀不成竞争壁垒。信息越透明,套利窗口越窄,过去可反复使用的手段,越容易在某次风险暴露后失效。企业可能一时得利,最终却付出信誉受损、市场地位丧失甚至经营难以为继的代价。

外交家型:约束优先妥协求解,存量维稳持续缩水。 外交家型领导者非常重视团队关系和组织内部稳定,倾向把避免冲突作为重要管理原则,有时甚至置于业务目标之上。遇到需要调整人员、改变流程或重新分配资源,他们往往担心引发内部矛盾,宁愿放慢改革进度,也不愿打破现有平衡。为了维持团队和谐,业绩要求可以适当降低,该推进的改革一再推迟。时间一长,维稳手段反而成了组织目标,这正是管理学所说的目标置换。

国内一家老牌线下零售企业的经历可以说明这种管理方式的后果。管理层担心中台改造和线上业务重构会影响原有团队,连续数年推迟供应链数字化和选品系统升级。但外部市场不会因为企业内部需要稳定而停下来。2015 年,实物商品网上零售额占社会消费品零售总额的比重为 10.8%;到 2024 年,这一比例已升至 26.8%。消费渠道和流量结构明显变化,企业原有经营模式受到冲击,门店数量和市场份额随之下滑。等到管理层不得不启动转型,企业已经失去部分市场空间,可用于改革的资源也比过去少了许多。

类似问题并不限于零售。制造、零售、金融等传统行业中,一些企业也以"维稳"为由推迟数字化转型和 AI 改造。管理层担心改革打破原有利益格局,引发人员调整和内部矛盾,于是不断延后决策。但市场不会等企业内部达成一致。技术在迭代,对手在调整,客户需求也在变化。原本可以在经营尚有余地时逐步完成的改革,等到压力真正显现时往往更困难,调整成本也随之上升。

默顿提出的"目标置换"概念解释了这种现象:组织在追求某种管理手段的过程中,容易逐渐忘记最初的目标。团队和谐、内部协调原本是为了更好地实现业务目标,如果把维持和谐本身当成最终目标,组织就容易失去纠错能力。德鲁克也对协调者与领导者作过区分:协调者更关注维持现有秩序,领导者则需要为组织确定方向。企业管理当然需要协调,但协调不能代替决策,更不能成为推迟改革的理由。

古人说"小乱不疏,必生大乱",讲的也是这个道理。内部出现分歧并不可怕,真正值得警惕的是为了维持表面平静而长期回避问题。企业如果迟迟不愿调整,原有业务又无法形成新的增长曲线,就只能靠消耗存量维持经营。随着对手不断改进产品、渠道和管理方式,企业的市场份额和竞争优势也会逐渐减弱。这种淘汰往往不是突然发生的,而是在一次次错过调整机会之后,盈利能力和组织活力被逐步侵蚀——没有巨响,只有缓慢的稀释。

专家型:单维极值优化,线性增长遇天花板。 专家型领导者习惯从自己熟悉的专业领域出发解决问题,倾向围绕单一领域、单一变量寻求最优解,并以个人专业判断作为决策的主要依据。在他们看来,专业能力往往比协同能力更重要。这种思维容易使管理者陷入局部最优、全局次优的困境:个人可能把负责领域做到极致,却没考虑这一做法是否有利于整个组织。凡事亲力亲为、不愿充分授权,对团队协作和人机协同缺乏兴趣,也不重视跨部门配合与组织体系建设。时间一长,团队习惯于等待领导者作判断,其他人的意见和创造力难以发挥,企业发展越来越依赖领导者个人。

DeepMind 早期的发展经历值得观察。AlphaGo 与 AlphaFold 取得了影响深远的技术成果,但技术突破并没有立即转化为清晰的商业化路径,相关业务长期面临较大的投入压力。随着 DeepMind 纳入谷歌的产业体系,获得算力、资金和商业资源支持,其技术成果才有了更广阔的应用空间,商业价值逐步释放。国内也有类似情况:一家以计算机视觉技术起家的 AI 企业,曾在学术研究和竞赛中成绩突出,但上市后由于商业化体系相对薄弱,长期未能盈利,市值较上市初期明显回落。两个案例说明同一个问题:技术领先不等于商业成功,从技术研发到市场应用,还需要产品、渠道、资本和组织管理等多方面能力配合。

从公开的 AI 创业企业来看,由单一技术背景创始人主导、缺少商业化和生态建设能力的公司,往往难以充分释放技术优势。相比之下,拥有互补型管理团队、能把技术研发与市场需求结合的企业,更容易形成完整的商业化体系。当然,企业估值还受行业周期、市场环境和融资条件影响,不能简单归结为创始人的专业背景,但团队结构和组织能力确实会影响技术成果转化为商业价值的速度与空间。

洛伯定理强调,衡量管理者的能力,不能只看他在场时能解决多少问题,还要看他不在场时组织能否正常运转。专家型领导者恰恰容易在这一点上遇到局限:企业许多事情都要依赖他的专业判断,一旦离开他,团队就难以独立决策。托伯特的分析也指出,过度依赖已有的专业知识和判断框架,会使管理者难以跳出认知边界,看到整个组织还有哪些改进空间。依靠个人专业能力,企业可以在一定时期内保持技术或业务优势,但这种能力很难无限复制,增长也容易受个人精力和专业领域的限制。一个人越是习惯亲自解决所有问题,组织就越难建立起不依赖他的能力。个人能力最终可能不再是推动力,反而成为企业成长的上限。

三种行为逻辑各不相同,但都可能限制企业的组织能力和进一步发展。企业要实现持续增长,仅靠个人专业能力、内部协调或短期利益驱动都不够,管理者还需要建立能持续运转的执行体系,在必要时打破既有框架,并从整个组织和产业的角度考虑资源配置与长期发展。

领导者如何从解决眼前问题转向建设组织能力?个人的专业优势如何转化为团队和系统的能力?企业又如何从局部创新走向产业生态的构建?下一篇将继续讨论另外四种类型——实干家、个人主义者、战略家和炼金术士。

谷歌Playground的账本:做游戏的人付钱,玩游戏的人免费
置顶

谷歌Playground的账本:做游戏的人付钱,玩游戏的人免费

//

24小时热榜

台积电称正评估美国AI芯片出口新规
TOP1

台积电称正评估美国AI芯片出口新规

银行推出Token贷:烧掉的算力账单变成贷款额度
TOP2

银行推出Token贷:烧掉的算力账单变成贷款额度

3

AI 衣橱 Alta Daily 借 SAM 数字化千万件衣物

13小时前
AI 衣橱 Alta Daily 借 SAM 数字化千万件衣物
4

Meta 发布 Muse Spark:迈向个人超级智能

13小时前
Meta 发布 Muse Spark:迈向个人超级智能
5

Meta 发布高级 AI 扩展框架与安全报告

13小时前
Meta 发布高级 AI 扩展框架与安全报告
6

全美三大校区考虑弃用谷歌搜索

15小时前
全美三大校区考虑弃用谷歌搜索
7

Altman 警告勿把未来交给 AI

15小时前
Altman 警告勿把未来交给 AI
8

谷歌发布Gemini 4 Neon,每百万输入3美元

15小时前
谷歌发布Gemini 4 Neon,每百万输入3美元
热门标签
大模型AgentRAG微调私有化部署Prompt EngineeringChatGPTClaudeDeepSeek智能客服知识管理内容生成代码辅助数据分析金融零售制造医疗教育AI 战略数字化转型ROI 分析OpenAIAnthropicGoogle

关注公众号

前途科技微信公众号

扫码关注,获取最新 AI 资讯

免费获取 AI 落地指南

3 步完成企业诊断,获取专属转型建议

已有 200+ 企业完成诊断