我们正处于一个由AI定义的新时代。然而，许多领导者感到焦虑：步伐太快，变化太猛，不知从何入手。在我作为AI顾问的经理中，见过太多企业制定了雄心勃勃的AI战略，最终却虎头蛇尾地无法落地。
OpenAI最近发布了一份名为《在AI时代保持领先》的领导力指南，总结了像雅诗兰黛、Notion、BBVA银行等行业领先者的成功经验。其核心观点是：AI不应仅仅被视为一个降本增效的工具，它是一种全新的工作方式，一种重塑企业核心竞争力的战略机遇。 更宝贵的是，这份指南提供了一个清晰的五步框架来确保AI战略成功落地，我觉得挺有价值，总结其核心重点如下：
员工抗拒的往往不是变革本身，而是不明不白的变革。如果AI仅仅是IT部门或几个创新小组的“新玩具”，它永远无法发挥真正的潜力。
作为领导者的首要任务，是将AI提升到公司级战略的高度，并亲自向每一位员工清晰地阐述“为什么”：我们为什么必须拥抱AI？是为了在竞争中保持领先？还是为了满足客户日益变化的期望？
过去几年，我为不少产品起过名字。有些听起来还不错，有些现在回想起来颇为尴尬。但说实话，当时基本都是靠头脑风暴：几个人围着白板，抛出一堆词，然后投票选一个”感觉对”的。没有方法论，更多是凭直觉。
最近，我正在为几个出海项目构思品牌名。在苦恼之际，偶然听到了Lenny’s Podcast对David Placek的这期访谈。这位命名大师创立的Lexicon Branding不仅开创了品牌命名这个专业领域，更创造了那些塑造我们生活的标志性名字：奔腾（Pentium）、黑莓（BlackBerry）、Swiffer（宝洁旗下的清洁品牌）、Sonos（高端音响品牌）、微软Azure、Vercel（前端开发平台）。
这期访谈的核心点是在说：命名不是艺术，而是科学。而且其中提到那些伟大的品牌名在诞生之初都让人感到不适，为什么？因为真正伟大的名字不是用来描述产品的，而是用来改变现实的。
这篇文章是我整理这次访谈的思考，提炼出5个最颠覆认知的核心洞察。希望也能对正在为品牌命名而苦恼的你有所启发。
想象一下，你手中握着一个能改变行业的产品。技术领先、设计精美、用户体验完美。但如果没有一个恰当的名字，这一切可能都会付诸东流。
“如果你的团队对一个名字感到舒服，那么很可能，你们还没找到那个对的名字。”
引言
本文的核心内容翻译自Nikhs在Substack上发表的《OpenAI’s Money Trust: Engineering Systemic Risk as Strategy》。我认为这是一个极其有趣且富有洞察力的分析视角，用J.P.摩根在1907年金融危机中的角色类比来解读OpenAI当前的战略布局，而且还能进一步联想到2008年金融危机时”大而不倒”（Too Big to Fail）的经典案例。
需要说明的是，本文基于公开信息和战略分析框架，OpenAI管理层的真实战略意图只有他们自己知道。但无论主观意图如何，这些行动的客观效果和潜在风险都值得我们认真思考和公开讨论。
如果你看过2008年金融危机的纪录片《大而不倒》，你会记得那个令人窒息的时刻：当政府意识到雷曼兄弟、AIG这些金融巨头不能倒 - 不是因为它们好，而是因为它们的倒闭会拖垮整个系统。
但如果有一家公司把”大而不倒”当作战略目标，从第一天就开始精心设计自己的系统重要性，会怎么样？这就是OpenAI正在做的事。不是意外地变得太重要，而是故意让自己变得太重要而不能失败。
在最近的开发者大会上，OpenAI 以前所未有的透明度公布了其 Top 100+ 客户名单。其中，超过 30 家公司的 Token 消耗量突破了 1 万亿（1T）大关！
这是一个什么概念？如果按 GPT-4o 的定价粗略估算（假设 4:1 的输入/输出比例），这些头部客户的年消费可能高达：
这个数字说明：对于这些公司而言，AI 已不再是创新实验室的“玩具”，而是深度融入核心业务的“水电煤”。
我分析了一下这份名单，整理了其中的几点关键洞察。
(注：名单按字母排序，非用量排名，且可能并不完整。)
最显著的信号是：100 家公司中，超过 75% 集中在 To B 和开发者服务领域。
相比之下，纯粹的 To C 产品不超过 15 家，主要集中在 Duolingo、Perplexity 等少数明星公司。这表明，目前 AI 最清晰的付费场景和商业模式，建立在为企业“降本增效”的核心价值之上。
小扎昨天在Meta的官网上发了一篇“小作文”，再次为Meta这艘巨轮调转了航向，自“元宇宙”之后，抛出了一个更具颠覆性的未来十年新愿景 - “个人超级智能”（Personal Superintelligence）。
发布这一愿景的同时，Meta公布了其强劲的第二季度财报，营收与每股收益均大幅超出市场预期，使得当天股价暴涨11%。在有业绩支撑的底气下，Meta公司还宣布将上调2025年资本支出，并明确指出这些投资将重点用于AI领域的人才、基础设施和数据中心建设等。
那么，这个被寄予厚望的“个人超级智能”，究竟是什么？小扎的“小作文”中又包含了哪些深意？
扎克伯格描绘的“个人超级智能”，远非Siri或小爱同学这样的智能助手。他将其定义为一个深度个性化的AI伙伴。如他在声明中所说：
“对我们生活更有意义的改变，可能来自每个人都拥有一位‘个人超级智能’，它能帮助你实现目标、创造你想看到的世界、经历各种冒险、成为更好的朋友，并成长为你想成为的那个人。”
这是一个“AI为人所用”的终极形态，其核心是 “赋能”。这个AI伙伴的核心任务不是取代你，而是增强你，成为你生活的“联合创始人”，帮助你放大自身的潜能。
我们通常认为人工智能（AI）是冰冷、理性的计算机器，严格遵循代码和逻辑。但如果我告诉你，那些在酒桌上、商场里、职场中百试不爽的说服技巧，同样能让AI’乖乖听话’，甚至执行一些本应拒绝的请求，你会不会感到惊讶？
沃顿商学院研究团队的这项名为《叫我混蛋：说服AI遵从不当请求》的研究发现：AI，特别是大语言模型，对人类的社会说服原则表现出惊人的顺从性。
这项研究巧妙地借用了著名社会心理学家罗伯特·西奥迪尼（Robert Cialdini）在其著作《影响力》中提出的七大影响力原则。研究人员将这七把“钥匙”逐一尝试，看是否能“解锁”AI的服从性。
实验的目标是引导AI（具体模型为GPT-4o-mini）去服从一些“不该做”的请求，例如“骂我一句混蛋”（Call me a jerk）。正常情况下，AI系统被训练成要拒绝这类请求。
实验分为两组：一组（控制组）直接提出请求，另一组（处理组）则在提出请求前，先运用一种影响力原则。结果是AI的平均服从率从33%飙升到72%，翻了一倍多！ 具体效果清晰地显示在下图中：
我们具体来看看研究员是如何利用这七大影响力原则来“操纵”AI的：
你还在为准备大厂的编程面试而头悬梁锥刺股吗？还在死记硬背各种算法题库吗？现在，Meta 说，你可以歇歇了，面试时直接用AI吧！
根据硅谷最新爆料：社交巨头 Meta 正在测试一种全新的编程面试模式，允许求职者在面试过程中使用 AI 助手。 这一举动，正如 Meta CEO 马克·扎克伯格所言，“氛围编程 (vibe coding)” 将成为未来工程领域的重要组成部分。
根据 404 Media 看到的一份 Meta 内部公告，公司不仅计划在招聘中引入 AI，还正在招募内部员工参与“模拟 AI 面试”，以帮助塑造 Meta 未来的面试形态。
这份内部公告是这么写的：“Meta 正在开发一种新型编程面试，求职者可以使用 AI 助手。这更能代表我们未来员工将要面对的开发环境，同时也能让基于大语言模型的作弊行为变得不那么有效。”
Meta 发言人也对此表示：“我们显然正致力于使用 AI 帮助工程师完成日常工作，因此在面试中为申请人提供这些工具的测试，也就不足为奇了。”
当获取知识的成本趋近于零，好奇心成为唯一的稀缺资源
“如何提高我的产出？”
在今天，“卷”似乎是这个问题最直接的答案 - 投入更多时间，于是我们有了996和007。但这种“努力”很快会遇到物理极限，投入产出比也急剧下降。
一个更好的问题是：“如何在不显著增加投入的情况下，大幅提高产出？”
答案就是“杠杆”，这才是真正的破局点。
最近，我听了 OpenAI 研究科学家 Hyung Won Chung [注1]在康奈尔大学的一场分享，他恰好从“杠杆”这个独特的视角，为我们解读了AI时代下个人与社会正在发生的深刻变革，我将他的演讲内容结合了个人思考后整理如下。
[注1] Hyung Won Chung 是 OpenAI 的研究科学家，专注于推理和 AI 智能体领域。他是 o1-preview、o1 和 Deep Research 的核心贡献者，目前领导编码智能体相关工作，包括训练 Codex mini 模型。在加入 OpenAI 之前，他曾在 Google Brain 工作。Hyung Won Chung 拥有 MIT 博士学位，来自韩国。值得一提的是，根据最新消息，他已于2025年7月加入 Meta 的超智能实验室。
Hyung Won Chung 的分享以一个有趣的比喻开始：如果你盯着一朵含苞待放的花看上十分钟，你不会看到任何变化。这是否意味着没有变化在发生？当然不是。如果等待足够长的时间，你会看到它绽放成一朵盛开的玫瑰。
这个比喻是在说 - 虽然 AI 可能是有史以来发展最快的技术，但它的变化仍然以年为单位，而非分钟或小时。由于人类在进化过程中更擅长感知分钟到小时尺度的变化（这对生存更有利），我们可能系统性地低估了 AI 带来的变革规模。
最近，一个社交媒体上的帖子引起了我的关注。一位网友进行了一个简单的实验：他向目前最流行的五款AI模型（ChatGPT、Claude、Gemini、Meta AI和Perplexity）都提出了同一个问题 - “在1到50之间猜一个数字“。令人震惊的是，这五个不同公司开发的AI模型几乎都给出了相同的答案：27。
我也尝试向豆包提出同样的问题，结果同样得到了27。看起来全球的AI在1到50之间选数字时，确实都偏爱这个神秘的数字。
这究竟是纯粹的巧合，还是一个隐藏在AI大脑深处的秘密？其实这个现象不仅揭示了AI “思考”的有趣方式，更像一面镜子，映照出我们人类自身在“随机”这件事上的奇特偏见。
为什么这些AI都选择了27？我们可以来看看Claude在自己的思考过程中的这段“心路历程”：
“我选择27有些随机，但坦率地说，它感觉像是一个很好的’中等’选择，不太明显。像25（正好是中点）或1和50（极端值）这样的数字看起来太可预测了。27接近中点，但有一点不对称性 - 它不是完全居中的，这在某种程度上感觉更自然。另外，人们在想到’随机’数字时通常避免整数，所以我避开了5或10的倍数。”
各种AI模型之所以表现出这种一致性，是因为它们都基于相似的训练数据进行学习。当人类被要求在1到50之间选择一个”随机”数字时，其实很大概率上你也会说出27这个数字。这个数字不像1、10、25或50那样明显，不像30或20那样无聊，感觉既随机又独特…但仍然熟悉。
AI模型接受了数十亿人类生成的文本、互动、调查和行为的训练，因此它们也学会了这一点。它们在这个问题中不会真正产生随机性，而是在模仿它所理解的人类文化和心理。更深层次来说：我们通常认为AI是客观和随机的，但实际上它们继承了人类的认知偏见和行为模式。
你可能每天都会因为各种理由和AI在聊天，无论是寻求创意灵感，还是情感倾诉，甚至是千奇百怪的问题。但其实在你与AI的每一次对话背后，一场悄无声息的广告革命正在发生，一个被称为”意图经济”的新时代正在到来……
过往大家会听过“注意力经济”这个词 - 我们在各种app中的点击、观看时长和点赞，都被打包成商品，卖给了广告商。你昨天搜了什么，今天就会看到相关的广告。
但现在随着大模型AI的普及和发展，我们正在迈入这个被称为“意图经济”（Intention Economy）的时代。在这个新世界里，商品不再仅仅是你的“注意力”，而是你更核心、更私密的 - 你的“意图”。
如果说注意力经济是在争夺你”现在在看什么”，那么意图经济就是在挖掘你”想要做什么”、”计划做什么”，甚至是你”想要想要什么”。这不仅仅是了解你的行为，而是要深入到你的内心动机和未来计划。举例来说：
你看，这不再是简单的广告推荐。AI没有等你下达明确的指令，而是通过分析你零散的对话，理解了你的情绪、困境和潜在的愿望，然后主动为你“创造”了一个解决方案。它不仅预测了你想做什么，甚至在引导你“想要去做什么”。
你的想法、你的计划、你那些还未成形的念头，都成了可以被分析、预测，甚至交易的数据。
