AI 会普及,Native 不会

问题里的两个语义陷阱

"未来是不是所有的组织都是 AI Native?" ——粗看是一个 yes/no 问题。仔细看,"所有"和 "AI Native" 各自都藏着一颗手雷。任何一颗不拆,讨论就跑题。

陷阱一:"所有"

全球有多少个组织?保守估计 ——光有营业执照的私营企业就 3.5 亿家,加上政府机构、非营利、宗教团体、合作社、家族作坊、自治村社,数量级是 5-8 亿。"所有"覆盖从苹果公司到加州一家 1948 年开的家族餐馆到梵蒂冈到云南乡村小学。

把 "所有" 当字面意思 ——立即可证伪。那家家族餐馆 2046 年会不会"从地基为 AI 重建"?几乎确定不会。它的核心业务是炒饭 + 收钱 + 老顾客关系,核心约束是房租和劳工。它可能用 AI 排班、用 AI 翻译菜单、用 AI 写社交媒体,但组织拓扑、决策权、产出方式不会被 AI 重塑。这家店属于"所有"的分母,但永远不会进入分子。

所以问题的可讨论版本只有两种:(a) 按公司数量计,大多数会不会是 AI Native?(b) 按 GDP 权重计,大多数会不会是 AI Native? 两个版本答案不同 ——(a) 几乎确定 no;(b) 30 年时间尺度上有些机会,但仍小于 50%。本讲稿后面统一按 (b) 来推。

陷阱二:"AI Native"

这条上一讲已经处理过,这里只压缩重述:AI Native 不是"用了 AI",而是"从地基重建"。判别标尺 ——拆掉所有 AI,组织能不能正常运转;能,就是 AI-enabled;不能,才是 AI Native¹⁴。HBS Online 直接写得明白:"AI-native business is one built from the ground up to leverage AI"¹⁴。

注意 "built from the ground up" ——这是描述事实,不是修辞。它直接排除了"既有组织转型为 AI Native"的可能性 (或至少,使这条路径成为概率极低的特例)。McKinsey 2025 年 11 月最新调查的数据印证了这点:虽然 88% 的组织"在某个业务功能用 AI",但任何一个具体功能里,只有约 10% 在规模化 AI agent ——三分之二的组织根本没开始 scale¹。🟢 high

把两个陷阱合并起来,原问题的精确版本是:"未来按 GDP 权重看,大多数组织会不会被 from-the-ground-up 围绕 AI 重设?" 这才是值得回答的命题。我对这个命题的答案是不会,理由分四层 ——下一节展开。

四种摩擦力让"所有"成为物理不可能

把存量组织重建为 AI Native,不是技术问题,是资本、监管、物理、组织四种摩擦力同时阻挡的复合问题。其中任何一种力都足以让单个组织停在 AI-enabled;四种叠加时,大多数组织连尝试都不会开始。

资本摩擦力

把一家 $50B 营收的存量银行从地基重建为 AI Native,工程成本估计 $10-30B,周期 5-10 年 ——期间业务必须并行运行不能掉链子,所以是改 + 跑两条平行线。同样的钱可以投资 100 家 AI Native 创业公司,期望值在风险调整后更高。投资人、董事会、CEO 任期结构都不会批准这种自残式重建。唯一例外是即将死掉、别无选择的公司 ——但这种公司通常已经没钱。

监管摩擦力

欧盟 AI Act 2024 年 8 月生效,2026 年 8 月全面执行⁸。对银行、保险、医疗等高风险行业,法律明确要求:数据血缘可追溯、风险分类标签、对任何影响安全、权利、财务的工作流强制 human-in-the-loop⁹。

注意"强制 human-in-the-loop"几个字 ——它直接禁止了 AI Native 的核心特征:human above the loop。🟢 high 一家欧洲银行如果要做 AI Native 的信贷审批,法律强制它把人重新插进每一笔贷款决策里。这条与 AI Native 的运营模型本质冲突⁹。美国 (FDA / SEC / CFPB)、英国 (FCA) 和中国 (人民银行 / 网信办) 的方向与 EU 大同小异 ——这不是 EU 单边监管,是全球共识。

结果:受重监管的行业 (银行、保险、医疗、教育、能源、政府) 顶多能做到 AI-first,法律上无法 AI Native。这些行业占全球 GDP 多少?粗算 ——金融 7%、医疗 10%、教育 6%、能源 5%、政府服务 15%,合计 40%+。这一刀就把"所有组织"的可能性砍掉小一半。

物理摩擦力

制造业、物流、医疗服务、餐饮、零售、能源、农业 ——这些行业的核心瓶颈在物理世界:机器、库存、人体、电网、土地、燃料。AI 能优化但不能取代物理流程。一家钢铁厂的核心是炉子和工人;一家医院的核心是床位和护士;一家物流公司的核心是车队和仓库。AI 能让调度更聪明、维护更预测性、库存更紧致,但无法把这些组织 from-zero rebuild 成"软件公司"。具身 AI 与机器人会蚕食这一层,但 30 年时间尺度下不会完成。

组织重力

Conway's law 指出:系统架构镜像组织架构。一家 30 年的公司,组织已经凝固 ——工会合同、内部政治、董事会习惯、客户长期关系、监管 license 资产、品牌资产 ——任何一项都能阻止 from-zero rebuild。Christensen 的 Innovator's Dilemma 用 30 年案例说明:即便看到颠覆来临,大公司也无力转身 ——不是不懂技术,是结构上无法把现金牛切掉换新业务¹⁰¹¹。一份 2025 年的分析估算:在 AI 上,先发的 AI Native 公司有 5-7 年的复利学习优势,等存量公司达到基线 AI 能力时,数学上已经追不上¹²。🟡 med

历史类比:三个先例的弧

"未来所有组织都是 X" 这种命题,以前有过多次。看三个最相关的先例,能校准 AI Native 的预测时间尺度与终局形态。

术语	提出	顶峰	稀释/终局	~年限
Digital Native	Prensky 2001	2010-2012	"无意义术语",年龄歧视代码	~15 年
Cloud Native	CNCF 2014-2015	2020-2024	"用了 K8s",技术圈仍用	~10 年
Electricity-Native (factory)	1880s	1920-1940s	不再说,默认假设	~60 年
AI Native	2023-2024	2025-2027 (估)	TBD	~10-30 年

电气化:最有用的类比

1882 年 Edison 建第一座中央电站。1920 年美国家庭电气化率仍 < 35%。1936 年才有 REA 推农村电气化 ——因为私营 utility 算不过账。工厂从"蒸汽 native"到"电力 native"用了大约 60 年³。关键事实 :多数已存在的蒸汽工厂并未转型 ——它们衰落,被新建的电力 native 工厂替代。Henry Ford 的 Highland Park 工厂 (1913) 是真正的"电力 native"原型 ——它围绕电动机的连续可分配性重新设计了流水线,而 1880 年代的旧工厂只是把蒸汽机换成电动机,生产组织几乎没变。

这条对应到 AI 上太精确了:存量组织"把 AI 装上去" = 旧工厂"换电动机",得到 marginal 效率改善;新建组织"围绕 AI 重设" = Highland Park 模式,改变物种。AI 学界估计完整 societal integration 需要 30-40 年³ ——比电气化稍快,但远不是 "5-10 年" 这种媒体常见数字。🟡 med

Digital Native:最警示的类比

Marc Prensky 2001 年提出 "digital native",2010 年代成为教育、营销、HR 的高频热词⁴。然后 ——学术界 2006-2010 年开始批评其经验基础;到 2015 年,"digital native" 被广泛承认为"无证据支持的修辞标签"⁵。如今该词不仅没有判别价值,反而被指为年龄歧视的代码用语 (在招聘中用 "digital native" 排除年长应聘者)⁶。🟢 high

更耐人寻味的是 ——Prensky 本人已放弃此说,改提"digital wisdom"⁴。如果一个概念的原创者都不再用它,这个概念基本可以宣告死亡。"AI Native" 大概率走同样的弧:今天是术语顶峰,五到十年内被滥用稀释到失去判别价值。

Cloud Native:最近期的对照

2024 年 CNCF 年度调查显示,在 CNCF 调查样本里,89% 的组织"已采用 cloud native 技术"²。看上去 cloud native 已经一统天下了 ——但要小心样本偏差:CNCF 调查的对象本身就是 cloud-native-friendly 的技术组织;全球所有企业的 cloud native 率,业内估算只有 30-50%。🔴 low (估值) 大量传统企业仍 hybrid 或纯 on-prem ——尤其银行、政府、医疗。

更重要的语义观察:"cloud native" 一词已经被稀释。今天大多数自称 cloud native 的组织,实际只意味着 "在 AWS/Azure 上跑了 Kubernetes"⁷。原本"为分布式假设设计"的严格含义已经丢失。这是术语的死亡方式之二:不是消失,而是被掏空。

三类组织、三种结局

把 2046 年 (20 年后) 的全球组织按结局分类。粗估的 GDP 占比仅作为讨论基线,不要当精确数据。

类别	典型构成	是否 AI Native	~GDP 占比	20 年走向
A. AI Native by birth	2023 年后成立的创业公司,以及它们 20 年内做大的	是	15-30%	规模扩张,蚕食 C 的份额
B. AI-first 混合体	转型部分成功的存量科技与服务公司	否 (AI-first)	25-40%	稳定占据中间地带
C. 永久 laggard 或被替代	物理重、监管重、政治复杂的存量;政府;小型服务业	否 (AI-enabled 顶配)	40-60%	苟活或被 A 取代

三个类别相加:AI Native (A) 在 GDP 上占 15-30%。这是"按 GDP 权重计大多数"问题的真实答案 ——不是大多数,是少数,但是高速增长的少数。

A:新生的 AI Native

这一类必然 AI Native ——它们就是定义本身。Cursor、Midjourney、Cognition、ElevenLabs、Anthropic、Perplexity 都属于这一类¹³。未来 20 年里,这一类会爆发性增长,但增长有上限 ——它们的总和必然是创业经济的总和,而创业经济在 GDP 里的份额历史上长期稳定在 20-30% 区间 (US 数据)。所以这一类结构上无法独占未来,只能占据未来的一块。

B:AI-first 混合体

这是最大的灰色地带。Spotify、Shopify、Microsoft (作为公司整体)、Salesforce、Adobe 这些公司在 2026 年都已是深度 AI-first ——AI 嵌入产品与运营,但治理、问责、整体组织结构仍是 SaaS 时代设计。它们不会变成"严格 AI Native",但也不会被替代。它们会是混合体的稳定形态 ——这条对应到上一节的"严格定义"标尺:拆掉 AI,Spotify 还能放音乐,Salesforce 还能记录销售 lead,所以这些是 AI-enabled 与 AI-first 的强版本,不是 AI Native。

C:laggard 或被替代

政府机构、传统制造、能源公用事业、地方银行、小型服务业、宗教组织、大学、医院的非教学非研究部分 ——这类组织或者长期苟活 (政府永远不会消失),或者被 A 类的 AI Native 替代品蚕食 (出版业被 Substack/Patreon 类替代;旅行社被 Booking/Airbnb 替代;数据录入业务直接消失)。这一类是数量上的多数,GDP 上的中位 ——它们既不变 Native,也不被瞬间消灭,而是在 30 年时间尺度上慢慢被边缘化。

反方:让"所有"成真要发生什么

诚实做法不是单边宣告"不会",而是 ——steelman 反方,把"会"的最强论据陈述出来,看哪些条件必须满足。

要让"所有 (或绝大多数) 组织在 30 年内都是 AI Native"成真,以下五条必须同时成立:

1. 模型 + agent infrastructure 极端平价化:重建一家公司的工程成本从 $10-30B 降到 $100-300K (≈10万倍下降)。这条 partial-yes ——开源模型与开源 agent 框架在 2025-2026 年已经在快速逼近闭源,Llama / DeepSeek / 阿里通义等让 base model 接近免费。但 organization-level 重建涉及的不是模型,是数据迁移、流程重设计、合规改造,这部分成本不会跌 10000 倍。
2. 监管全球放松:EU AI Act、美国行业法规、中国网信办规则被撤销或绕过。这条 hard-no ——2026 年趋势是更严不是更松⁸。
3. 代际更替完成:50 年内,所有现任 CEO、董事会、监管者被 AI-native 出身的人替代。这条 partial-yes ——30 年内能完成大约 70%,但 50 年外的预测可信度极低。
4. 经济压力强迫:每个不 from-zero 重建的公司被竞争淘汰。这条 partial-yes ——A 类 AI Native 公司确实在替代 C 类,但 B 类的稳态吸引力 (AI-first + 既有客户基础) 会让"压力"在中段衰减。
5. 物理-数字融合突破:具身 AI + 通用机器人能 1:1 替代物理流程,从制造到医疗到农业。这条 partial-yes ——技术方向对,但 30 年内不会到通用替代水平。

五条中,只有 1 高概率成真;2 几乎不会;3、4、5 partial。"所有"需要 5/5,而我们最多得到 ~2.5/5。这就是为什么"所有"是物理不可能。

这个 counter 同时回应另一种常见反方:"也许"AI Native"的标准会下调,门槛降低后所有公司都符合"。这正是 cloud native 已经发生的事 ——标准下调,词被掏空。但这不证明"所有组织都是 AI Native",只证明"AI Native 这个词没意义了"。详见下一节。

术语本身的十年宿命

把镜头从组织挪到这个词本身。"AI Native" 是个标签 ——所有标签都有生命周期。可能的终局有三种,可以按概率排:

A:Inflation 死亡 (~50%)

最常见的命运。所有公司自称 AI Native,词义归零。这条路 digital native 已经走过 ——Prensky 自己都放弃了原概念⁴。2026 年看,marketing 部门已经在大量滥用 AI Native,The New Stack 在严肃技术媒体里直接定性为"aspirational marketing"¹³。这条弧大概 5-8 年走完。

B:Substrate 吸收 (~30%)

最哲学的命运。想象 2040 年 ——所有手机有本地 LLM,所有软件能调用 agent,所有员工默认用 AI 协作。在那个世界,"AI Native" 与 "electricity-powered" 一样无意义 ——我们不会说"这家公司是 electricity-powered 公司",因为电是默认假设。AI 真正普及之后,distinguish "native vs not" 这件事本身失去价值³。这条结局 ironically 是反方"所有组织都 AI Native"的真正实现方式 ——但实现的同时,这个词就死了。

C:Subsegment 化 (~20%)

cloud native 走的这条路。在技术圈内部仍保留较精确含义 (CNCF 项目、特定架构模式),但对大众变成 buzzword。AI Native 走这条的概率较低,因为它的含义比 cloud native 更难形式化 (cloud native 至少有 CNCF 这个标准组织,AI Native 没有)。

四个结局都没有意义保留

注意我列出的三条 ——A、B、C 都让 "AI Native" 失去判别价值。缺一条:"词义保留并普及"。为什么这条没出现?因为历史上没有先例。digital native、cloud native、electricity-native 都没走这条。原因是结构性的:一个术语越普及,它的边界就越被新加入者污染;它能保留严谨含义的唯一方式是停留在小圈子里。

所以"未来所有组织都是 AI Native"这个问题在 15-20 年时间尺度上可能本身就不再有意义 ——你问的那个词到那时已经不再是有判别力的词。