对话晨兴资本张斐：不迷信规模，不划定边界

我们常常陷入事物的表象中，被市场焦虑的情绪所裹挟，做出短期行为及决策，但我们是否想过：当我们谈论某个企业在开展更多业务线时，并不意味着它进入了自己无法掌控的领域；当我们谈论某个企业规模扩张超过一个多年积淀的企业时，并不意味着有护城河效应；当我们谈论某个项目投资回报的高倍数时，并不意味着高回报收益...

近期，晨兴资本合伙人张斐接受了捕手志的采访，希望通过探讨表象下的商业本质来启发大家。张斐拥有逾20年风险投资经验，专注通讯、社交网络、消费者服务、媒体及人工智能领域的投资，也是快手、脉脉、雪球、一下科技、商汤科技等公司的投资人。

1 智能商业

一个公司的边界由它的智能和计算能力所决定，智能适用的领域，并不存在边界。科技公司拥有通用的核心能力，就像一个放大器，使得公司对于某一类产品业务线的拓展变成一件特别简单的事。

李曌：无论公司多么强大，也适用于熵增定理，但现在互联网巨头似乎没有边界或者受边界影响很小了。

张斐：今天互联网公司的规模，以及它们所创造的财富与带给社会的有序性是历史上从未见到过的，我们已经看到有一万亿美金公司的出现，虽然比较短暂，但它创造财富之大超过很多国家加起来的总和。打一个形象的比喻，就像历史上第一次出现恐龙的时候，它的出现一定是所处的环境和基因发生了重大变化。

李曌：到底是哪些「环境」或「基因」的变化导致了公司边界的模糊化？

张斐：其实一个公司的边界是由它的智能和计算能力所决定的。在互联网公司出现之前，所有公司的核心边界是管理人的边界，而人的管理是非常复杂的，人交换信息的速度很慢，基本上经过几层传递后效率就已经非常低了，所以每个人管理的人数是有限的，全世界员工最多的沃尔玛也就管理着200多万人。在这种情况下，每个人脑创造的相应价值也是非常有限的，这样你大致可以算出一家公司的边界来。

到了如今的互联网时代，你会发现管理的核心要素不再是人脑而是服务器。今天成功的科技公司市值和它们拥有的服务器数量是成正比的。全世界最优秀的一类公司拥有服务器的数量都在百万量级或以上这个水平，所以当你去问一家科技公司有多少服务器，就大概知道它能创造多少价值。

李曌：这些科技公司不仅市值高，并且奇怪的是如果以传统管理的标准来看，它们的管理能力似乎都不强，美团点评的王慧文就说中国互联网公司除阿里外组织能力都不及格。

张斐：传统管理理论有很多，更讲究分工和层级，但现在科技公司没有太多层级，CEO可以直接管到产品线上，管理变成了被智能定义好且由数据驱动执行，人的管理权重被大幅降低了，但对软件和智能的管理要求却提升了很多。这也是为什么有些传统工业的人发现有越来越多看起来似乎什么都不懂的年轻小孩占据了财富排行榜，因为这些人其实是懂软件懂机器智能的一批人。

今天管理机器的智能还没有达到无限放大的阶段，它受限于软件的智能，因为今天软件的智能仍是被世界上最聪明的某一类人所定义。但如今全世界有个数字一直在放大，就是单一员工创造的市场价值（公司市值除以员工数），全世界单人创造最高市场价值的公司应该是脸书，它整体的软件智能与机器智能在不断提高。

李曌：那科技公司边界拓展的极限在哪里？

张斐：智能适用的领域，并不存在边界。过去在传统经济，分工导致每个公司都很专注，基本上是鼓励大家专注行业将公司做大做强，但科技公司完全不是这样，它们有一些非常强大的核心能力是通用的。

比如，腾讯拥有对消费者的超级智能，它有无数台服务器来计算消费者的喜好，它可以做游戏也可以做影视，虽然看起来公司的业务线在不断增多，但这背后所利用的智能是一脉相承的，毕竟对于机器来说这些业务都一样，这是有别于传统公司的地方。

李曌：今日头条呢？现在大家称它为APP工场。

张斐：头条的机器智能做得非常好，它建立了一个比较强大的中台业务，包括工程能力、AI的能力、增长能力与变现能力，这些能力对所有业务是通用的，新业务可以直接接入这些能力。它的这个中台是个强大的机器智能，更是一个放大器，这使得公司对于某一类产品业务线的拓展就成了一件特别简单的事。但头条做某些新产品时还是会遇到挑战，比如社交，那它的中台系统就不一定特别有效。

李曌：但它做了抖音。

张斐：张一鸣可能会有不同的观点，但我觉得抖音还是一个偏媒体的产品。抖音和今日头条的产品逻辑与模式非常像，还是那个推荐系统，只是把文字图片换成了视频，中台的工程、AI、增长、变现能力都是一样的。

李曌：AI正在融入各行各业，随着算法的继续优化和创新，智能商业时代的终局是否意味着人类的思考被机器取代？

张斐：人类其实也是算法。人类的DNA就是一种算法，法律也是一套定义好的算法，管理也是一种算法，只是这当中存在算法层次的高低，所以这个世界的文明是被算法定义的，它是普世的。

过去很多年人类生成的数据非常有限，这主要是受限于人脑的有限输出，我们需要将脑中的东西通过某种形式输入到媒介或网络中。但今天最新的算法自己产生数据并不断迭代进化，其速度和规模超出我们人类的能力，超越我们的想象，最终它会走向一个非常高的智能阶段。

举个例子，AlphaGo的第一个版本是靠学习所有人类下的棋谱，成为了世界冠军。但AlphaGo Zero的所有棋谱是算法自动产生，它自己产生下棋策略，然后通过两个机器来互相对抗，生成更强大的棋谱，这一代的AlphaGo算法比人类下围棋的算法就高出很多了，以至于所有人类棋手都已经无法理解AlphaGo Zero，这也让我们明白了以前所认为的棋法定势被证明是有局限的。

DeepMind官方博客上介绍，AlphaGo Zero从零开始学习，3天超越AlphaGo李世石版本

李曌：但机器不具备抽象化的能力，所以它更多是在我们设定的游戏规则内进化，比如下棋的胜负规则是由人类来制定的，在这个逻辑下机器能超越人类吗？

张斐：说机器永远不能超越人类，这个假设太奇特了。理论上来说，当地球毁灭的时候，我们碳基生命仍会面临很多挑战，但机器的适应性比我们要强大很多，它是可以带着我们走向智能的。上次我和商汤CEO徐立聊天时，我们两人都不认为人类无法超越。

现在的AI有能力通过GPU去完全模拟一个小鼠的神经活动，用一个AI搭的计算机，只要两边输入同样的信号，小鼠的反应和这个机器的反应可以做到一模一样。你如果把人类数字化后，也不是那么复杂，人脑大概有1000亿个神经元，虽然小鼠和人类的神经元数量和链接数差距非常巨大，但这是一个可解的计算问题，并且解决的路径已存在，只是需要时间，所以我偏乐观。

李曌：个人认为超人工智能短期无法实现。

张斐：人类和机器的共生会是一种长期过程，所以我们要做好准备。人在更高层级的计算方面是有优势的，比如人类对艺术的鉴赏，对社交的决策能力，这些都是经过漫长时间演化而成的。

机器也会经历类似的演化路径，但因为生理机制或不具备某些条件，有些东西他们就学不会，比如我们的家庭系统、情感依赖、情绪等，这当中一些被认为是人类的弱点最后