吕斯恬：追寻AI时代的创新“黄金准则”WAIC香港对接会主旨演讲

吕斯恬（Stan）

OR10 Ventures 创始合伙人 福布斯中国创新发展顾问

“2022福布斯中国·青年海归菁英100人评选”入选者

从十年前布局AI初创企业的早期投资，到近年深度参与跨国巨头的增长战略转型，我感触最深的一个字是：快。

• 2015年，AI被视为“单任务工具”，局限于人脸识别、自动驾驶等特定领域的垂直应用。

• 2019年，前瞻性创业者试图构建AI Agent，当时的难题是如何通过工程手段让机器显得不那么“智障”。

• 2021年，先锋艺术家开始尝试用早期的GPT模型创作，大众仍将其视为学术圈或艺术界的“风花雪月”，缺乏商业落地可能。

• 2023年，FOMO（错失恐惧症）席卷全球，企业界达成共识，AI是重塑运营效率的潜在强大工具。

• 今天，我们已置身于第四次工业革命的中心。AI不再是“锦上添花”，而是Must have（必选项）。

但这里有一个巨大的挑战，技术跑得太快了，快到应用还没做出来，技术就又更新了。所以我们必须去寻找一些更本质的东西。

一些不会随技术版本更新而过时、超越技术迭代步伐的东西。我称之为创新的“黄金准则”。

通过近期我参与的三个实战案例，这一准则的轮廓正逐渐清晰。

一、AI消除“意图损耗”，让决策即执行

在传统商业逻辑中，“创新”与“实现”之间隔着一条名为“意图损耗”的大河。

如果你是产品设计总监，你脑子里一定有一个“100分”的产品概念。但你要把它做出来，得依赖谁？依赖公司里那些资历较初级的执行团队。问题就在这里。资历较初级的执行团队，往往无法精准捕捉决策层的意图，导致了冗长的内耗——来来回回的修改、加班，最后做出来的，通常只是一个60分的、被迫妥协的“模棱两可”作品。在商业效率上，这不仅是人力资源的浪费，更是品牌价值的稀释。

如果企业的产品少，尚能集中饱和的投入人力和脑力来打磨产品。但如果你有1000个SKU呢？你根本顾不过来，确保每一件产品达到60分的及格线都已是巨大的组织挑战，更遑论追求极致。这种“规模化平庸”往往是企业在扩张进程中失去产品灵魂的开始。

引入AI后，这一看似无解的痛点迎来了颠覆性的解决方案。决策层不再依赖漫长的“口述-理解-草图-反馈”循环，而是通过直接与AI对话，一杯咖啡的时间即可将脑内的概念转化为精准的视觉雏形。AI作为拥有极高理解力的“超级执行手”，确保了决策层脑中形成的创新思路能够不打折扣地渗透到产品的每一个细节中。

当创新的实现障碍被AI移除，创新的上限便彻底转移到了创新思考本身。

二、AI超越学科局限，启发创新思考

当你想设计一个美妆店，你是不是只看别的美妆店？如果是，那你永远做不出创新。

当我们在重塑线下美妆的零售空间时，如果用咖啡馆的思路做一遍会是怎样的？或是用画廊、甚至手工作坊的思路重新做一遍，会产生怎样的化学反应？再举个案例，用做酒吧的方式重新做一遍重卡司机的公路休息站，又将是怎样的体验创新？

人很难对这样的创新做具象化思考，但AI却可轻而易举做到。AI没有学科的局限，它能在海量的、跨领域的数据中，捕捉到人类的传统“学科局限性”经验难以察觉的相关性（Correlation），它能看到牛顿看到的那个相关性——苹果掉落和天体运动，它能看到海洋生物和火箭发动机的相关性。

所以，我一直说，跨学科是个伪命题。

其实，跨学科在字面上具有很大的误导性，一个普遍的认知误区正阻碍着企业的创新突破：许多组织盲目组建由各领域专家构成的“跨学科团队”，试图通过学科堆砌实现所谓跨学科来助力创新。然而实践证明，这类团队的产出往往不尽如人意。其核心悖论在于“学科系统”本身的局限性。

学科并非世界原生的分类方式，而是人类基于既有研究成果人为建构的归类体系。

尽管这一系统能帮助新手快速掌握前人智慧，但其负面效应也同样显著：长期深耕于此的专家，极易被特定学科的框架所禁锢，产生严重的认知惯性。这使得他们往往只能看到学科内部的逻辑，却忽视了学科系统与真实世界之间的巨大鸿沟，最终导致认知与现实的脱节。

因此，

更精确的创新路径并非简单的“跨学科”，而是“超越学科”（Go-beyond-disciplinary）

。

“超越学科”的本质是回归真实。它要求创新者摆脱人为划分的界限，直接洞察到不同领域间数据的深层相关性。这种能力指向的是事物发展的底层逻辑，即“第一性原理”。

真正的创新交付者，并不是各领域专家的简单加总，而是那些能够打破学科藩篱、直抵本质真相的跨界个体。

AI能帮你看到这些相关性，但前提是，用AI的那个人，必须先有超越学科的认知。

三、真实的力量

在AI加速渗透的今天，一个深刻的商业命题摆在我们面前：

随着AI应用的普及，价值链的中间环节——那些基于逻辑处理、标准执行甚至创意的工作，将全面被AI接管。这必然导致价值链的显著缩短与生产效率的指数级飞跃。在这一进程中，传统岗位将不可避免地消亡，取而代之的是由算法驱动的高效自动化流程。那么，人还剩什么？

这场效率革命并未消减人的意义，反而映射出未来经济的新增增长点。

我最近在硅谷参与了一个叫Mastera的项目，给了我深刻启发。它是一个AI音乐视觉应用。但它真正的定位不是工具，它是一个鼓励全球创作者讲述真实故事的数字经济生态，是一个在算法时代守护“人类创意真实性（Authenticity）”的空间。

回归商业本质，每一条价值链的终点、每一个经济活动的终极服务对象，始终是“人”。

即便AI能提出超越人类的创意，但在洞察同类内心深处的渴望、复杂动机与情感细微差别方面，人类依然拥有AI无法企及的壁垒。

未来，人们会不断意识到各种各样“到底还是人更了解人”的情形，这些情形的不断涌现将逐渐勾勒出AI时代新经济的轮廓。对比当前经济中的价值链结构，新的经济结构将有两个主要变化：

1. 由AI接管并大幅缩短的、极度高效的价值链；

2. 由人类真实性需求驱动的、能够深度触及人类需求的新价值链。

这种由人类真实性需求驱动、并由AI大幅简化中间环节的大量短价值链，将构成未来经济的基本结构，也为AI的“超级对齐（Super Alignment）”提供了可行的方向。

OR10 Ventures 创始合伙人 福布斯中国创新发展顾问吕斯恬

回到最初的“黄金准则”。

当AI消除了实现的障碍，创新的上限取决于决策者的眼界；

当AI抹平了学科的边界，创新的深度取决于使用者的认知；

当AI重构了价值的链条，商业的核心取决于对人性深处的洞察。

眼界、认知、洞察。这些东西加在一起，我们叫它什么？

我们叫它品味。

技术在变，品味超越技术的改变——Ultimately, it comes down to taste.