今年最贵的不是产品,而是一个未经验证的决定

你的决策架构,扛得住一份完美的AI报告吗

萃有集全球商业洞察总第245期,2026年第57期

你的决策架构,扛得住一份完美的AI报告吗
你的决策架构,扛得住一份完美的AI报告吗

你的数据可以很准。团队可以很强。AI可以很聪明。

但这个决定,仍然是错的。

更让人不安的是:当AI让分析和执行越来越快,一个未经验证的假设,也能以前所未有的速度,变成昂贵的现实。

这周我盯着一份刚跑完的AI分析报告看了很久。

数据齐整,推演顺滑,结论笃定得像一句格言。几乎挑不出毛病。

但我说不清哪里不对。

花了二十分钟翻回原始假设,发现了一个很小的、看起来很合理的、从头到尾没有被任何人质疑过的前提。

那一刻一个问题冒出来:

我是在做决定,还是在跑一段旧程序?

2026年,这个问题反复在我脑海里回想。

一位创始人刚关掉一轮大额融资。团队扩编,路线图加速,AI把执行速度抬到了从未有过的高度。一切看起来都在朝正确的方向走。

但执行力在变快,判断力也在以同样的速度变好吗?

创始人审计财务、技术栈、组织效率。投资人把市场规模、壁垒、增长翻来覆去地算。

但我们多久审一次「做决定这件事本身的结构」?

我把这套连接证据、假设、判断与行动的结构,叫做决策架构。

过去一年,三个AI进展让我越来越确信:这套架构,正在变成创始人和投资人最贵的战略资产。

一、三个 AI 进展,正在改写决策的经济学

进展一:一幅 108 万美元的机器人画作——谁的专业价值在被重新定价?

2024 年 11 月,纽约苏富比。人形机器人 Ai-Da 参与创作的图灵肖像,以 108.48 万美元成交。27 次竞价,远超 12 万至 18 万美元的拍前估价。

AI 进展一 : 专业贬值 萃有集
AI 进展一 : 专业贬值

公众在争论:这算不算艺术?

我更关心另一个问题:当机器也能产出令人惊叹的作品,人类的专业价值,还剩下哪一部分?

先说清楚一件事。这幅画不是一次简单的 AI 生成。从视觉感知、草图创作到最终呈现,人的设计、筛选与制作决策贯穿全程。它的高价里,也有艺术稀缺性与技术象征意义。

所以,这绝不是一个”AI 让专业贬值”的故事。

但它揭示了一个值得警惕的位移:

高水准产出的”外观”,正在变得越来越容易获得。

今天,一家初创公司可以用 AI 生成专业的战略报告、产品原型、市场分析,甚至一份令人印象深刻的融资材料。

它的竞争对手,也可以。

当所有人都能快速生产”看起来很专业”的东西,客户和投资人,究竟该为什么付溢价?

我把这里的风险称为专业贬值风险(Expertise Devaluation Risk)——把”产出专业结果的能力”,误认为”做出专业判断的能力”。

AI 拉低了生产一份优秀报告的成本。它没有拉低”这份报告的判断是对的”的成本。

给创始人: 当对手握着同样强大的工具,客户为什么仍然选你?

给投资人: 你投的,是一个擅长展示能力的团队,还是一个真正具备独特判断力的团队?

进展二:一个不存在的人,唱哭了一群真人。

2026年4月17日,一首叫《Celebrate Me》的歌,登顶美国和全球iTunes销量榜。
演唱者IngaRose。不是真人。

据其账号自述,歌词由人写,编曲与人声用Suno处理。媒体调查把项目追溯到南卡罗来纳州的一位制作人。

需要说清口径:这是iTunes数字下载榜,不是Spotify那类流媒体播放榜。到2026年年中,还没有全AI艺人真正打进主流流媒体大榜。

但这恰恰让事情更有意思。

听歌的人不知道这一切。他们被打动了。那是真的心动。

这首歌最抓人的一句歌词是——「没有人为我鼓掌,那我就为自己鼓掌。」

一个不存在的人,在唱一首关于活下来的歌。而屏幕前的人,真的哭了。

情绪是真的。来源不是。

AI 进展二:信号失真 萃有集
AI 进展二:信号失真

现在,把场景换一下。

一位创始人讲了一个极其动人的故事。市场趋势清晰,增长曲线漂亮,融资材料几乎无可挑剔。你被打动了。

但你信的,究竟是经过验证的市场需求,还是讲述需求的方式?

一位高管收到一份AI生成的战略建议。逻辑严密,措辞笃定,排版干净得像顶级咨询公司出品。它看起来非常可信。

可它引用的资料是否独立?核心假设是否被验证过?有没有更合理的解释,被更顺滑的那一个挤掉了?

这些问题,不会因为报告足够漂亮而自动得到回答。

我把这叫做信号污染风险(Signal Corruption Risk)。把有说服力的表达,当成经过独立验证的证据。

AI正在把「表达」的成本打到接近于零。

这意味着两件事同时发生:好的创意更容易被看见;没有证据支撑的叙事,也更容易被相信。
过去,我们凭经验判断一份材料是否可信。感觉对不对,大概能兜住。

今天,你的直觉正在变成一个越来越不可靠的检验器。

给创始人: 一场漂亮的产品发布会,不能代替真实的客户采用。你的护城河是叙事能力,还是被验证过的需求?

给投资人: 一段动人的创业故事,不能代替独立尽调。你是在评估证据,还是在评估证据被包装后的样子?

进展三:机器不会累,也不会举手。

关于一种新的疲劳。不是身体的。

是那种你被一份很专业的东西带偏了、带远了、带到你都不知道自己在哪里的疲劳。

2026年3月,AI研究者Andrej Karpathy发布了一个叫AutoResearch的开源项目。人设定研究方向和评价标准,AI智能体修改代码、跑实验、看结果、决定保留还是放弃。每轮按预设时间预算执行。人休息的时候,系统仍在迭代。

这让人兴奋。

但我想到的是另一个问题:当AI可以不知疲倦地优化一个指标,谁来检查这个指标是否代表我们真正想实现的目标?

需要说清口径:AutoResearch本身是一个严谨的技术研究项目,不意味着它存在目标设定错误。但它揭示的持续自动化能力,值得放进商业决策里想一想。

AI 进展三:耐力不对称 萃有集
AI 进展三:耐力不对称

假设一家企业让AI智能体持续优化用户活跃度。

系统不断测试、分析、改进。活跃度确实涨了。但用户并没有因此更愿意付费。

如果管理层始终没有重新审视「活跃度增长等于商业价值增长」这个假设,AI就会持续、高效、不知疲倦地,优化一个与商业目标脱节的指标。

更高的执行效率,反而让错误持续得更久。

我把这叫做耐力不对称风险(Endurance Asymmetry Risk)。

机器能在设定条件下无限续航。人类决策者的注意力、时间和认知带宽,始终有限。

当自动化系统不断产出报告、建议、行动方案,你还有多少精力,回过头重新检查最初的方向?

它不会举手说「等一下,我觉得前提可能有问题」。

它会非常努力、非常持久、非常高质量地,把一个错误的起点执行到终点。

而真正的代价在这里:你要花多久才能发现自己被一份很专业的东西带偏了?你的注意力,在这个过程中还剩多少?

这也是为什么我越来越关注AI时代一个被严重低估的成本:认知带宽。

你的团队可以处理越来越多的信息,却未必有能力审视越来越多的决定。

执行从来不等于判断。更多的执行,不会产生更好的判断。

它只会让你更快地、更自信地,抵达一个错误的终点。

而最终为那个终点买单的,仍然是人。

二、三层变化,指向同一个问题

把三个进展放在一起看,AI正在改变决策的三个层面。

第一层:产出。

高水准内容越来越容易生成。我们需要重新识别,什么才是真正值得付费的专业能力。

第二层:输入。

信息越来越精美、完整、富有说服力。我们需要更加谨慎地区分表达与证据。

第三层:过程。

AI可以持续分析、优化和执行。我们需要重新管理目标、注意力和停止条件。

三种决策风险 萃有集
三种决策风险

三层变化,最终指向同一个问题:

当执行能力不断扩大,支撑执行的判断机制是否足够可靠?

如果没有,企业可能拥有越来越强的技术能力,却在错误方向上投入越来越多的资源。

这也是我在Mans International战略研究中,持续发展决策架构这一命题的原因。

它关注的,是如何在重大承诺发生之前,让证据、假设、判断与行动之间的关系更加清晰。

三、决策架构的四根柱子

这一年我把这些想法攒在一起,慢慢拼出了一个东西。我管它叫决策架构的四根柱子。不是理论,是一张地图。

第一根:证据地基。 你的核心假设,是被独立验证过的,还是被同一份数据反复复述过的?

第二根:假设挑战。 你的团队里,有没有人敢当面推翻你的判断?

第三根:带宽预算。 你做这个决定时,注意力还剩多少?认知带宽是有限的,你给重大决定分配了多少?

第四根:止损机制。 什么证据出现,会让你推翻现在的方向?答不上来,你就是在惯性滑行。

决策架构的四根柱子:证据地基、假设挑战、带宽预算与止损机制 萃有集
决策架构的四根柱子

四根柱子缺任何一根,你的决策架构就是危房。不管你跑得有多快,楼随时可能塌。

具体的诊断练习和针对个案的适配,我保留在闭门会的私享环节。这里只说一件事:

给创始人——更快的执行,是在创造真实的战略进展,还是在加速一个未被检验的假设?

给投资人——除了增长曲线和叙事,尽调还应该问:什么证据,会改变这位创始人的判断?

四、三个问题,检验你的下一次重大决定

这一节是我从闭门会里放出来的公开部分。

给创始人:

过去90天,有没有人公开推翻过你看好的假设?如果答案是零,那不是共识度高,那是危险信号。

给投资人:

什么新证据出现,会让你翻空?答不上来,那不是投资,是站队。

最后一个问题,我也会问自己:

一份足够漂亮的AI分析摆在面前,我是被证据说服的,还是被排版说服的?

剩下的三个问题,留给闭门会。

五、知道何时不出手

我练太极。

练到后来发现,最难的不是快,不是发力。是忍住不出手。

老师说过一句话:你打得好不好,不看你在动的时候,看你不动的时候。

《易经》艮卦讲止。时止则止,时行则行,动静不失其时。

艮不是停摆。艮是分得清这一刻该动还是该停。

AI可以极大地扩张我们的分析能力和执行能力。但它永远不会替我们承担一件事:决定哪些目标值得追,以及一个已经做出的承诺,什么时候该被重新拿出来看。

对创始人而言,停下一项没有充分验证的扩张,可能比再提高20%的执行效率更有价值。

对投资人而言,放弃一个叙事动人但证据不足的项目,也是一种高质量的资本配置。

在无限续航的机器面前,真正稀缺的不是谁更能坚持。

是知道什么时候停下来的人。

如果你觉得这篇文章说中了你现在的状态,私信我。不一定能帮上忙,但我们可以聊聊。

事实与口径说明:

一、Ai-Da《A.I. God. Portrait of Alan Turing》,2024年11月纽约苏富比成交价108.48万美元,苏富比确认27次竞价,拍前估价12万至18万美元。画作由Ai-Da生成草图后经3D打印放大,苏富比称打印过程未改变图像。

二、IngaRose《Celebrate Me》,2026年3月31日发行,4月17日登上美国及全球iTunes销量榜第一(数字下载榜,非流媒体播放榜)。歌词由人创作,制作环节使用Suno,依据其账号自述,未见第三方工作文件核验。

三、AutoResearch为Andrej Karpathy于2026年3月公开的开源项目。文中企业活跃度优化场景为商业分析示例,并非该项目真实事件。

四、本文为方法论讨论,不构成任何投资建议。

大语言模型是霍金 Manus 竟成其 “轮椅” KellyOnTech

有没有人跟我一样坐等 Manus 拯救的?邮箱里堆了超过5800封邮件,私信天天爆满,我都感觉自己马上要被这些信息 “淹没”,直接进入想罢工摆烂的状态了。

现在,我已经迫不及待地搓手等待 Manus 的申请码了! 快来拯救我吧,Manus!

2025 年 3 月 6 日,AI 发展迎来重磅时刻 ——Manus 发布!这可是能脱离人工直接指导,独立完成复杂现实任务的自主 AI 代理,由中国初创公司 Monica 打造。

Manus 的名字源自拉丁语“Mens et Manus”(头脑与手),与麻省理工校训不谋而合,象征着创意与执行的完美结合。

“AI 界的六边形战士” 肖弘

提到 Manus 有必要先了解一下被誉为“AI 界的六边形战士” 的创始人肖弘。肖弘虽然是90后,但其实是创业老手,以其卓越的技术能力和商业化经验闻名。

图片来源:新浪科技 Monica 创始人 肖弘

2015 年创立夜莺科技,推出微信公众号运营工具 “壹伴助手” 和 “微伴助手”,服务超 200 万 B 端用户,2020 年项目被某独角兽企业收购。

2022 年他创立 “蝴蝶效应” 公司,推出 AI 浏览器插件 Monica,最初以 ChatGPT for Google 插件形式进入市场,快速积累超 1000 万用户,成为海外头部 AI 助手产品。

Manus 项目最早在2017年上半年开始融资,创始团队以 300万人民币出让10%的股权,但当时许多投资机构并不看好这一项目。然而,肖弘凭借其坚持和创新,最终将 Manus 打造成全球首款通用AI代理产品,重新定义了AI的能力边界。

Manus 到底解决了什么问题

我们常说,认知和见识决定生活的高度。很多人都有目标,比如“今年存一万元去旅游”,但往往缺乏清晰的规划路径。这就是 Manus 的用武之地!

Manus 作为 AI 代理(Agent),它不仅能提供建议,还能独立规划并执行复杂任务,直接交付完整成果。它的强大之处在于:

  1. 连续自主执行:无需反复提示,Manus 可以自主完成任务。
  2. 多任务处理:一次接收一堆任务,甚至能自动解锁压缩包!
  3. 智能拆解与规划:比如,当测试者麻宁让 Manus “给4岁孩子讲清楚伯努利原理”时,Manus 自动拆解任务,生成互动网页,用气球、飞机、泡泡等生活场景辅助理解,还附上了互动小游戏。相比之下,ChatGPT 或 DeepSeek 只能提供文字回答。

技术优势

Manus 采用 Multiple Agent 架构,能在虚拟机中调用多种工具(如编写代码、浏览网页、操作应用等),直接完成任务。在 GAIA 基准测试*中,它的性能甚至超越了 OpenAI的产品。

*GAIA基准测试是一项用于衡量AI代理在无需持续人类指导的情况下,独立规划、执行和完成现实世界任务能力的测试。

Manus比通用大语言模型厉害吗

Manus 和通用大语言模型并不是同一类产品。知名创业者傅盛的观点很有道理,大语言模型,比如 DeepSeek、ChatGPT,是智能的核心,如同拥有深邃思考的大脑。而 Manus 本质上是强化了 AI 的易用性,像是给这个强大的 “大脑” 加了加了一层“外壳”,帮助它与各种网站和工具无缝对接。

打个比方,大语言模型就像《时间简史》的作者、著名物理学家霍金——拥有深邃的思考和理性,却在和世界的互动上存在局限。Manus 就像霍金的轮椅,有了它,霍金才能自如地与外界交流。

A Brief History of Time Stephen Hawking

Manus 的独特之处在于,它将大语言模型的智能转化为实际的行动力,让 AI 不仅会“想”,更会“做”。

Manus 是通用人工智能代理吗

这句话本身值得商榷。大语言模型(如 DeepSeek,ChatGPT)才是“通用”的,而 AI Agent(如 Manus)更像是基于人类经验总结的模板,帮助大语言模型在特定领域增强能力。由于每个领域的模板不同,AI Agent 很难穷尽所有的领域,很难做到真正的“通用”。

畅想一下,未来我们可能会出现各种专用 AI 代理。就像人类虽然智力相近,但通过不同培训形成了不同的专业能力。我个人更加偏向 agent 是专业选手。

关于 Manus,你怎么看?欢迎留言分享!

视频版

English version

再不了解 AI 时代真正核心,你将被时代狠狠甩下!

我们正站在一个时代的十字路口,人工智能不再是科幻小说里的幻想,它已经渗透进我们生活的方方面面,悄然改变着游戏规则。

人工智能时代,什么才是真正的核心竞争力?

AI 时代的核心是什么?

是数据?算法?还是计算能力?虽然这些要素必不可少,但它们并不是人工智能时代的真正核心。真正改变游戏规则的是决策质量。

人工智能啥时候入了政府的 “法眼” 呢?以前,就算 2015 年微软算法让 AI 识别猫的准确率飙到 96%,把人类远远甩在身后,各国政府还是没把 AI 当回事儿。

围棋之战:AI决策的巅峰对决

还记得2016年那场轰动全球的围棋比赛吗?谷歌的AlphaGo对阵人类顶尖棋手李世石。从那以后,人类再未在围棋领域战胜过人工智能。

AlphaGo 为啥能赢?每下一步棋,都是在做决策。AI 不仅能计算眼前的局面,还能预测未来的几十步甚至上百步。

人类棋手靠经验和现场反应,而AI靠的是精确的计算和不断优化的策略。这场对决不仅是围棋的胜负,更是决策质量的革命。

最早意识到事情真正重要性的是中国政府,2017年,印发《新一代人工智能发展规划》,宣布要“到2030年人工智能理论、技术与应用总体达到世界领先水平,成为世界主要人工智能创新中心”。

自动驾驶:AI 决策的现实应用


AI 决策质量的提升不仅体现在棋盘上,更体现在我们的日常生活中。自动驾驶就是最好的例子。

自动驾驶的核心是什么?是感知系统和决策系统的完美结合。

人类驾驶的局限:我们靠眼睛观察路况,但视野有限,盲区常有;靠耳朵听声音,但车内音乐、车外噪音常常让我们分心。更重要的是,人类的学习能力有限。一旦学会开车,很少有人会不断优化自己的驾驶技术。疲劳驾驶、情绪波动(比如“路怒症”)更是让驾驶风险倍增。

AI驾驶的优势:相比之下,AI驱动的汽车搭载了多个摄像头、雷达和传感器,能够360度无死角感知周围环境。它不会分心,不会疲劳,更不会路怒。通过不断学习和优化,AI终将能够轻松应对复杂的道路环境,安全驾驶率不断提升,最终超越人类。

所以,AI 时代的核心,正是决策质量的不断提升。从围棋棋盘上的步步为营,到自动驾驶汽车在复杂路况中的游刃有余,AI 正以更高效、更精准的决策改变着世界的运行方式。

当 AI 决策逐渐渗透生活的每一个角落,我们又该如何在这浪潮中找准自己的位置,在这场由AI 引领的决策革命中,你,准备好了吗?

视频版

English version