AI时代：DeepSeek引发的企业管理范式革命

编者按

在科技浪潮汹涌的当下，AI（人工智能）已成为无法忽视的变革力量，而DeepSeek更是其中的关键变量。它带来的影响，正从技术领域向企业管理的各个层面渗透，引发深刻变革。

在过往，企业管理范式历经多次演变，但始终围绕“人”这一核心。如今，硅基智能体的加入，彻底打破了原有的格局。DeepSeek的出现，进一步推动AI从工具向智能助理转变，人机交互与协同成为现实。企业的组织架构、决策模式、成本结构等方面，都在DeepSeek的影响下发生着前所未有的改变。这些改变既充满挑战，也蕴含着无限机遇。

对于企业而言，如何在这场管理范式革命中找准方向，成为制胜关键。是故步自封，等待被变革的浪潮吞没？还是主动出击，利用DeepSeek提升竞争力，进行人机协同管理？

AI时代，企业当积极拥抱变化，找到新的发展方向和管理逻辑。

1950年春，曾为英国军方工作，并在二战中帮助盟军破译德国密码系统（恩尼格玛密码机和金枪鱼密码机）的剑桥大学国王学院研究员艾伦·图灵（Alan Turing），在一篇题为《计算机器与智能》的论文中，提出了一个在当时看来纯属无稽之谈，但开启了后世AI（Artificial Intelligence，人工智能）研究与发展的问题：机器能思考吗？

在这篇论文中，图灵构想了一种被称为“图灵测试”的试验方式：让一台计算机与人类进行对话，如果受测者无法分辨出自己是在与机器还是人交流，那么这台机器就可以被认为是“有智能的”。后来，“图灵测试”被引申为最初的人工智能定义：如果一台机器输出的内容和人类大脑别无二致的话，那么我们就没有理由坚持认为这台机器不是在“思考”。

6年后，在1956年召开的达特茅斯会议上，美国计算机科学家约翰·麦卡锡（John McCarthy）正式提出了“人工智能”这一概念，标志着AI作为一门独立学科的诞生。AI时代开始了。

先别着急鼓掌，因为在此后的很长一段时间里，人们实际所体验到的，可能并不是人工智能，而是“人工智障（Artificial Stupidity）”。

从碳基到硅基，AI的前世与今生

AI的前世：从象牙塔到产业浪潮

为何说它是人工智障？因为图灵最初的构想，在此后相当长的一段时间内，根本无法实现。那些所谓的AI技术突破，都严重依赖于科学家所设定的明确计算规则，稍微模糊一点，AI就开始胡言乱语了。用现在的话讲，叫作“一本正经地胡说八道”，根本无法理解和处理现实世界中复杂的决策、选择与判断，更别提什么情绪价值了。

在麦卡锡命名AI之后的几十年里，AI领域经历了两次重大的热潮与寒冬。

第一次AI热潮（1956—1970）与寒冬（1970—1980）

这一事件，标志性技术突破是：专家系统、基于规则的推理程序开始崭露头角。于是，人们充满信心，认为AI很快能达到人类的智能水平。然而，在那个连计算机都是庞然大物的年代，在多用户访问同一台计算机都是个大问题的情况下，计算能力的限制与数据的匮乏，让AI仅仅停留在构想阶段。接下来的20世纪七八十年代，AI研究与发展遭遇了10年寒冬。科学家意识到，要是无法解决计算机的算力与数据问题，AI可能就只能停留在想象阶段而已。

第二次AI热潮（1980—1990）与寒冬（1990—2000）

随着计算机小型化的到来，芯片、内存、操作系统都迎来创新的爆发，计算机性能得到了极大的提升。这也为AI点燃了希望，“专家系统”兴起，标志着人工智能向实用化迈进，以知识库为核心，通过领域知识构建系统辅助决策，这样的“专家系统”在医疗诊断、生产制造等领域取得突破。然而，这个时候的“专家系统”仍然依赖人工获取知识，系统升级难，DARPA（被网友戏称为“神盾局”，全名为美国国防高级研究计划局）在经历若干项目失败后，“专家系统”问题层出不穷，此后的AI研究陷入新的低谷。

AI的今生：从Transformer架构到大语言模型破局

转折点来了。

2006年，加拿大计算机科学家杰弗里·辛顿（Geoffrey Hinton）提出“深度学习（Deep Learning）”的概念，并利用多层神经网络实现了对海量数据的高效学习。与此同时，计算机自身的芯片、硬件、软件、系统、网络等基础设施在过去10年获得了长足发展。算力的跃迁，再加上互联网带来的大数据，让AI终于有了足够的“燃料”来训练更为复杂的模型。

2012年，AI迎来了里程碑时刻。谷歌研究团队在ImageNet图像识别比赛中，使用深度神经网络（DNN）大幅提升了计算机的识别能力，远超以往的传统算法。这一成功，让世界重新认识了AI的潜力。4年后，2016年3月，谷歌旗下DeepMind公司开发的基于“深度学习”的阿尔法（AlphaGo）与围棋世界冠军、职业九段棋手李世石进行围棋人机大战，以4∶1的总比分获胜。这个不用吃饭、24小时不眠不休的AlphaGo，让人们重新思考“硅基智能体”（芯片的材料为硅，用硅基来称呼计算机系统驱动的智能体）与“碳基智能体”（以生物体为基础的智能体，比如人类和动物）如何在这个星球相处的问题。

会不会因此丢掉饭碗？人们开始正视这个灵魂之问了。

紧接着，2017年，谷歌提出Transformer架构，一举改变了AI行业的传统游戏规则。毕竟，相较于传统神经网络，Transformer具备更强的并行计算能力，能够高效处理海量文本、代码、音频等数据，从而让AI在自然语言处理（NLP）上取得质的飞跃。这项技术直接催生了大语言模型（LLM）。基于Transformer架构，2018年，谷歌发布BERT，开启预训练模型时代；2020年，OpenAI发布GPT-3，拥有1750亿参数，展现出超强的文本理解和生成能力；2022年，ChatGPT横空出世，让AI真正走进大众世界。

之后，我们看到了谷歌Gemini、Meta推出的Llama、XAI（马斯克旗下）推出的Grok，以及百度（文心一言）、阿里（通义千问）、字节（豆包）、腾讯（混元）、华为（盘古）等厂商参与的“百模大战”。然而，就在很多科技大佬认为“大模型之战结束了，没钱搞不了大模型，要烧钱堆GPU（图形处理器）”的时候，DeepSeek来了。

后来的故事，大家都知道了。我们看到了更高效的计算架构、垂直领域的轻量化、大幅降低的算力成本、多模态的快速响应等。对企业与个体而言，DeepSeek的到来，让AI从工具属性进化到智能助理属性，人机交互与协同正在成为现实。DeepSeek当然不是结束。甚至，我们很快就会见证下一个超越DeepSeek成为现象级产品的AI。只不过，无论是DeepSeek还是其他人或组织，都要找到自身在AI时代的新活法。

对职场中辛勤工作的打工人而言，DeepSeek是福音，总被吐槽和嫌弃的周报、月报、PPT总结、分析报告、统计报表等，一下子就显得没那么“烦人”了，到处都有模板，有一键生成，有“深度思考”的分析与结论。当然，DeepSeek是不是在“一本正经地胡说八道”，还有赖于提示词、知识库以及使用者的辨别能力。毕竟，在“谁负责”这件事上，DeepSeek可从来没承诺过你“以上内容真实可靠，赔钱我负责”，最终还是人买单。这是目前DeepSeek等AI不能“越俎代庖”（背锅）的，即便是近期成为热搜的Manus，也只能帮你把分析、方案、选项做得无比精细，到了“选A还是选B”，以及“付款”那一步的时候，还得你亲自出手或刷脸（至少你要授权）。

不过，对职场中的个体而言，更扎心的是：DeepSeek来了，你的岗位还会继续存在吗？你的工作会被取代吗？你的专业独特性还存在吗？这些是大多数职场人都应该严肃叩问自己的问题。

对企业而言，正如马太效应所讲的那样，DeepSeek的到来，让原本优秀的企业更加优秀（效率更高、质量更高、价格更优、体验更好等），让经营管理水平在平均线以上的企业有了加速追赶的机会，而对于那些原本就奄奄一息或者挣扎在破产亏损边缘的企业，DeepSeek未必是救命稻草，反倒可能是最后收紧的缰绳。

企业家和管理者更应该思考以下5个“DeepSeek之问”：

1.DeepSeek能让你的产品竞争力提升吗？

如果不能，请先冷静思考一下，DeepSeek和你的产品有什么关系？当下的商业模式会发生颠覆性改变吗？

2.DeepSeek能帮你优化业务流程与供应链吗？

如果不能，请先认真考虑一下，DeepSeek如何帮你提升生产力？

3.DeepSeek能帮你制订必胜的战略与策略吗？

如果不能，请先暂停一下，问一问自己的企业到底要做什么、不要做什么。

4.DeepSeek能帮你提升组织绩效吗？

如果不能，请先琢磨一下，在AI时代，什么样的组织架构与管理模式适合外部客户的需求？

5.DeepSeek的到来，能帮你吸引并留住优秀员工吗？

如果不能，那就要反省，DeepSeek果真能替代优秀员工吗？千万别被“一人公司”的概念所误导，“一人公司”也不是指一个人。更何况，AI时代的企业发展主流，未必就是无数个“一人公司”。

DeepSeek当然不是结束，它只是个代号。

这就不得不引出一个更严肃的话题：以DeepSeek为代表的AI时代的到来，会给企业带来哪些管理范式革命？

与硅基共舞，DeepSeek引发的企业管理范式革命

所谓管理范式，大家可以简单理解为“企业为了达成目标、解决问题、资源整合、各方协作等所遵循的相关规则、框架与体系”。当下的企业管理范式，根植于工业革命开启的大规模生产浪潮。

1911年，弗雷德里克·泰勒（Frederick Taylor）出版了《科学管理原理》，业界普遍认为，这标志着现代管理学的诞生。在泰勒所处的时代，工厂里充斥着低效与混乱。他提出的核心问题是：如何通过科学的方法提升工人的生产效率？泰勒的答案是“时间研究”和“动作分解”，将工人的每一步操作标准化，从而让生产变得可预测、可控制。他的经典案例是伯利恒钢铁公司的“装铁实验”：通过优化工人铲铁的动作，将每人每天的装载量从12.5吨提升到47.5吨，效率提升近3倍。

自泰勒以后，包括法约尔、韦伯、西蒙、贝尔纳、麦格雷戈、明茨伯格、赫茨伯格、德鲁克等一众管理学大师，尽管在观点上存在分歧，但关于目标、分工、计划、协作、效率、标准化、规模化、授权、降本增效、过程管理、科层制、客户价值等规则、框架和体系的认知，有着内在的一致性，这也深刻影响了近现代的企业管理范式。

只不过，从第一次工业革命到后来的电气时代、计算机时代、信息时代、互联网时代，生产力在狂飙猛进，但企业端的生产关系变化并不明显，科层制依然是很多企业管理的内核，流程依然是企业运营的骨架，绩效仍然是企业通行的评价方式，哪怕是近几十年流行过的阿米巴、精益管理、OKR（目标与关键成果法）、矩阵式管理、敏捷组织、事业合伙人等，其实企业管理范式的内在逻辑依然没变。

然而，随着ChatGPT与DeepSeek的崛起，这一次AI技术的突围，让越来越多的企业家和管理者意识到：近百年的企业管理范式，要改改了。从碳基智能到硅基智能，一场在新质生产力背景下，人机协同的企业管理范式革命就要来了。

这场管理范式变革包括三部分：