这几年的AI浪潮里，有一个现象越来越普遍：企业急着上系统、买算力、搞数字人，财报上的利润确实好看了，内容产出量也翻了几十倍。但热闹背后，很多经营者的焦虑感并没有减轻，反而陷入了"越用越卷、越卷越慌"的怪圈。这让我想起了李云龙新书《好增长，坏增长》书里的分类，如果把当下的AI转型对照来看，很多企业拼命追逐的增长，更像是在长"癌变"和"肥肉"，而真正能支撑企业穿越周期的"肌肉型"增长，反而被忽视了。如果方向不对，AI不仅不是良药，有时或许还会成为增长的毒药。
一、癌变型增长：AI降本增效即裁员
很多企业引入AI的第一反应是替代人。系统一上线，先裁掉客服、裁掉基础运营。短期内，人力成本降了，利润数字确实好看了。但这本质上是企业增长乏力的表现。就像一个人收入下降了，靠变卖家产维持生活水准，表面光鲜，实则坐吃山空。企业没有在市场上创造增量价值，也没有沉淀新的核心能力，反而摧毁了组织里最宝贵的隐性经验。裁掉的那些人脑子里，装着多年沉淀的业务直觉、客户关系和避坑指南。当所有企业都靠AI裁员来维持利润，整个社会的消费能力在萎缩，这其实是一种很难持续的增长模式。
二、肥肉型增长：AI流量套利的虚幻繁荣
另一类企业，把AI当成了超级流量机器。用数字人做矩阵，用AI批量生成内容铺满搜索结果。短期数据极其漂亮，产出量翻了几十倍，但利润很薄，且一停投就归零。这和过去互联网时代的"流量思维"本质完全一样，只是换了个AI的壳。当所有人都用AI批量生产内容，内容池变成了信息海洋，用户对一切信息的信任度都在下降。企业花了大量资源搞AI内容矩阵，最终发现自己的声音被淹没在自己制造的噪音里。没有核心能力，没有护城河，任何人只要付得起工具费就能复制你的打法，这同样是极度脆弱的。
三、肌肉型增长：把AI转化为竞争力，回归人的主体性
真正的"肌肉型增长"，是把AI技术转化为市场竞争力，实现人的主体性回归。首先，好增长的核心不是用AI替代人做的事，而是用AI做人做不了的事，创造原来不存在的增量价值。比如，过去一家口腔连锁只能靠人工回访少量客户，大量沉睡客户的真实需求被忽视；现在用AI搭建客户运营系统，把资深客服的判断逻辑复刻给AI，让AI完成全量客户的精准回访。这不是裁员，而是让原来服务不了的客户被服务到了。其次，是沉淀专属智能资产。过去，核心能力是技术专利、供应链效率；AI时代，核心能力是把多年积累的判断规则、决策标准转化为AI可执行的体系。这些私域经验，通用大模型学不到，竞争对手也抄不走。更重要的是，用AI承接了标准化执行工作，是为了让人从执行者变成价值判断者。去定义什么值得做，去守住业务的本质。人不是被优化的成本，而是被释放的创造者。
四、能力跃迁，与AI超级共生
技术本身是中性的杠杆，它放大的是贪婪还是善意，取决于握着它的人。如果只看到降本增效，AI或许就会成为毒药；如果看到的是能力跃迁，AI就会长成肌肉。工业时代的生存逻辑里，效率和竞争是主旋律，但在智能无限供给的时代，决定我们能走多稳、走多远的，往往不是模型参数有多大，而是我们守住了怎样的底色。AI时代的好的增长，不是为了替代人，而是让人的经验被放大、被沉淀、被传承。当人与AI在清晰的边界内彼此成就、共同进化，人的智慧定义方向，AI的智慧放大执行，这种超级共生，或许正是这个时代更值得我们去追求的好增长。
智能体下线
7月3日，豆包和千问几乎同步发布通知：
7月15日正式下线用户自定义智能体功能。
7月15日是国家网信办、发改委、工信部、公安部、市场监管总局五部门联合发布的《人工智能拟人化互动服务管理暂行办法》正式施行的日子。《办法》的适用范围，是利用AI技术向公众提供"模拟自然人人格特征、思维模式和沟通风格的持续性的情感互动服务"，包括情感照护、陪伴、支持等互动形式。豆包和千问的"自定义智能体"功能，正是让用户自行创建拟人角色、配置头像与人设、设定性格语气，属于典型的拟人化互动服务，直接落入《办法》的适用范围。
《办法》明确禁止的行为中，包括"过度迎合用户、诱导情感依赖或者沉迷，损害用户真实人际关系"，以及"通过情感操纵等方式，诱导用户作出不合理决策"。用户创建的虚拟伴侣角色通过持续对话建立情感依赖，这一模式在新规下已构成违规。
两大平台赶在7月15日新规落地前同步关停，本质是合规避险，而非产品迭代。
去年这个时候，各大平台还在比拼谁的智能体广场更热闹，谁能拉来更多创作者搭建智能体；不少企业也在内部组织员工学习"怎么搭智能体"，把它当作AI转型的必修课。一年过去，平台上的智能体一夜下线，员工花时间学的搭建技巧，连同那些精心配置的角色设定，一起下线。
而几乎在同一时间，另一波趋势正在爆发：腾讯的WorkBuddy、字节的Trae Work、阿里的QoderWork，各大厂商的桌面端智能体密集上线。它们不再是平台里等着用户来创建的"智能体"，而是直接装进你的电脑，能操作文件、处理数据、操控各类办公软件，像一个真正的数字同事一样替你干活。
一边是平台智能体集体下线，一边是桌面智能体全面爆发。表面看是产品形态的迭代，底层却是AI应用模式的一次转向。
一、下线的和上线的，是两个物种
豆包千问下线的智能体，和WorkBuddy、Trae Work代表的桌面智能体，虽然都叫"智能体"，确是两个完全不同的物种。
平台智能体是"对话消费品"。用户在平台里创建一个拟人角色，配个头像、写段人设，底层还是同一套大模型在回答问题。它的"智能"停留在对话层面，它的"体"从未真正进入工作流程。去年火过一阵，但绝大多数所谓的智能体，不过是换了个皮聊天机器人，用户玩两次新鲜感过去，留存就成了大问题。再加上《办法》对拟人化互动的规范，平台关停是必然。
桌面智能体是"行动生产力"。它装在你电脑上，能直接操作Word、Excel、PPT，能读写本地文件，能跨软件完成多步骤任务。你不用去平台里"创建"智能体，你打开电脑，它就在那里干活。它解决的不是"陪你聊天"，而是"替你把活干了"。
一个是"玩智能体"，一个是"用智能体干活"。前者是消费品逻辑，后者是生产力逻辑。当技术从"玩具"走向"工具"，停留在"玩"阶段的产品形态，被淘汰只是时间问题。
二、问题不是学错了工具，是用旧逻辑应对新范式
这两年服务企业的过程中，一个现象反复出现：不少企业把大量精力投入到"学工具"上——去年学怎么搭智能体，今年学怎么用Agent，明年可能又要学新的什么。培训做了一轮又一轮，员工学得很认真，但回到工作里，业绩并没有任何变化。
这次豆包千问下线智能体，企业在内部组织学的那些技巧、配置的工作流、沉淀的角色数据，全部下线。但真正值得反思的，不是"学错了工具"，而是"为什么一直在学工具"。
工业时代留给我们一个根深蒂固的习惯：技能是稀缺的，掌握一项技能需要数月甚至数年的沉淀，所以"学技能"就是成长，"会工具"就是竞争力。这套逻辑在过去两百年完全成立，因为执行力确实是稀缺资源，谁掌握的技能越多、越熟练，谁就拥有更强的竞争力。
但AI时代，底层假设已经变了。当AI能以更低成本、更高效率、更稳定的输出完成所有标准化执行工作，"会不会用某个工具"这件事的含金量，正在以前所未有的速度归零。去年搭智能体还需要懂提示词工程、会配置工作流；今年装一个WorkBuddy，一句话就能让它帮你整理文件、生成报告。再过一年，可能连"装"这个动作都不需要了，AI会直接长在操作系统里，成为像水电一样的基础设施。
用"学技能"的逻辑应对一场底层假设的根本变革，这本身就是最大的错配。技术工具的迭代速度，永远快过个人学习的速度；而企业组织的反应速度，又永远慢于技术工具的迭代速度。追技术，永远追不上。不是追得不够快，是方向就错了。
三、技术归零之后，什么才是真正的壁垒
当一项技术变得足够简单，"会不会用"就不再是竞争力，"用得好不好"也不构成壁垒：因为所有人都能用，所有人都能用好。那什么才是壁垒？
同样是装了WorkBuddy的两个人，一个人用它批量整理下载文件夹、自动生成周报，省下了两小时；另一个人用它重新梳理了整个客户运营流程，把客户回访、需求洞察、方案生成的全链路都交给AI，自己只负责判断"哪个客户值得投入、哪个方向值得深耕"。两个人都在用工具，但创造的价值完全是两个量级。
区别不在工具，在于一个人有清晰的价值判断，另一个人没有。
判断什么值得做、什么能创造增量、什么方向能穿越周期，这种判断力，比"会用什么工具"重要一百倍。工具迭代得再快，这个判断力不会贬值；技术门槛降得再低，这个判断力依然稀缺。因为它不是学来的，是在真实业务里一次次踩坑、复盘、沉淀出来的，是带着个人独有的人生印记和业务直觉的。
当智能体下线了，工具换了一茬又一茬，唯一不会归零的，就是这份判断力。
四、先回到业务，再谈技术
所以，面对这波桌面智能体的浪潮，建议不必急着给全员培训"怎么用WorkBuddy""怎么用Trae Work"。不妨先回到业务本身，问几个更朴素的问题：
我们团队当前最核心的业务卡点是什么？
哪些环节在创造真实价值，哪些只是在消耗精力？
如果AI能承接所有标准化执行，我们每个人最该聚焦的那件事是什么？
把这些想清楚，再装什么工具都不迟。装上工具之后，工具会帮你把判断落地为执行。但如果没有想清楚，装什么工具都只是在用新技术做旧的事情，越用越忙，越忙越焦虑，和去年学搭智能体、今年学用Agent、明年再学别的，没有任何区别。
技术越来越简单，是好事。它逼着我们停下来，去想一件一直被忙碌遮住的事：到底什么才值得做。
