{"id":51385,"topic":"ai","source":"新浪财经","title":"人工智能从干活到负责|自动驾驶|系统|复利|客服|曾鸣_手机新浪网 - 新浪财经","url":"https://finance.sina.cn/2026-08-02/detail-inikwkft5489442.d.html?vt=4&pos=108&his=0","url_hash":"f849808d43ec63eb6ec9c79a9d87b7205bf3933f","author":"","summary":"<a href=\"https://news.google.com/rss/articles/CBMiiwFBVV95cUxQTFpwVzNROHY1WV9jbUN2V3VXelB2cU9GRWRoalB5SjJ2Y1daQ3JHOUEzdEYtc0xsbk1xWjdrZEdnYm1IWjlxcUZTYVFNV3JRdGhaRmRQMXB3S1E3T3J2c0liT1BpdzhtYXFWdkJQRGllNm1kakdvRGRiTXI3THE4OEM3Qll5MEVGODZr?oc=5\" target=\"_blank\">人工智能从干活到负责|自动驾驶|系统|复利|客服|曾鸣_手机新浪网</a>&nbsp;&nbsp;<font color=\"#6f6f6f\">新浪财经</font>","content":"人工智能从干活到负责\n先想象一个场景：\n你买了辆车，开了5年。5年过去，你的驾驶技术越来越熟练，可车还是那辆车。它不会因为你开得更多就变得更好，相反，零件会磨损，动力会下降，漆面会老化，故障隐患也会越来越多。你积累的那些经验，比如雨天怎么刹车、山路怎么过弯，都留在了你的脑子里，和这辆车没有关系。\n过去几百年，我们熟悉的世界一直是这个样子：几乎所有东西都会越用越旧。但现在，人工智能（AI）打破了这个惯例——它越用越强。\n还是回到车的例子。\n自动驾驶汽车为什么不一样？它和传统汽车最大的不同在于，车卖出去之后，并没有停止“成长”。每辆自动驾驶汽车在真实道路上跑过的路，遇到的复杂路况、极端天气和异常情况，都会变成数据反馈给系统，用来训练模型、优化策略。也就是说，你每开一次车，不只是在用车，也是在帮自动驾驶系统变得更聪明。\n阿里巴巴集团前总参谋长曾鸣在其新著《智能：AI时代的商业、组织与战略的本质》中，将这种机制称为“智能复利”。其含义是，一个系统干的活越多，见过的场景就越多，获得的反馈也会越多。这些反馈会持续优化系统，让它的能力不断变强。系统越强，越能处理更复杂的任务，也能获得质量更高的反馈。这个循环一旦跑起来，系统能力就会像复利一样打着滚儿往上翻。\n在曾鸣看来，这正是AI时代最重要的底层机制之一。工业时代有规模经济，规模越大，成本越低；互联网时代有网络效应，使用的人越多，网络越有价值；到了AI时代，对应的就是智能复利：用得越多，系统就越强——过去，增长常常只是结果；现在，增长本身也成了动力。\n不过，在现实生活中，能收获智能复利的企业并不多。问题发生在哪里？\n曾鸣的回答是，很多AI只是在干活，并没有真正为结果负责。\n以AI客服为例，目前国内外大量直接面对终端用户的平台类企业都上线了AI客服。对于订单查询、物流状态、退款规则这类标准问题，AI客服通常能处理得非常好；可一旦遇到复杂情况，尤其是当用户带着情绪来沟通时，AI的表现大多不尽如人意。此时，许多AI会直接向客户提供一个新选项，“是否转接人工客服”——这正是大多数企业的处理方法：安排真人在AI旁边盯着，随时检查、纠正，必要的时候甚至直接接管。换句话说，看起来是AI在处理任务，但真正兜底的还是人。\n对于企业而言，这种情况当然无可厚非。在培育系统与服务客户之间，后者显然更加重要。但从AI本身的进化以及企业长期前景来看，这个选择会带来两大问题。其一，服务体量很难做大，因为每个任务都需要人盯着，AI做得越多，需要耗费在“看管AI”上的人就越多。其二，也是更严重的问题在于，AI拿不到完整、真实的反馈。它得到的，往往是被人工筛选、修改的结果。它没有机会从头到尾跟进项目是怎么出错的，用户真实反应是什么，最终结果又是怎样发生的。如果“行动—结果—反馈”这个闭环断掉，智能复利就无法真正运转起来。\n曾鸣认为，要实现“智能复利”，关键在于AI能不能从“让人替它兜底”走向“它为自己兜底”。这也是企业搭建智能系统时最难迈过去的坎儿。只有当企业敢把一部分结果责任交给系统，系统才有可能形成自己跑起来的完整任务闭环。","image_url":"https://n.sinaimg.cn/default/feedbackpics/transform/116/w550h366/20180409/G09t-fyvtmxe2860210.png","lang":"zh","published_at":"2026-08-01T22:04:03+00:00","fetched_at":"2026-08-01T22:15:07+00:00","status":"read","starred":0,"extract_state":"ok","summary_auto":"人工智能从干活到负责\n先想象一个场景：\n你买了辆车，开了5年。5年过去，你的驾驶技术越来越熟练，可车还是那辆车。它不会因为你开得更多就变得更好，相反，零件会磨损，动力会下降，漆面会老化，故障隐患也会越来越多。你积累的那些经验，比如雨天怎么刹车、山路怎么过弯，都留在了你的脑子里，和这辆车没有关系。\n过去几百年，我们熟悉的世界一直是这个样子：几乎所有东西都会越用越旧。但现在，人工智能（AI）打破了这个惯例——它越用越强。\n还是回到车的例子。\n自动驾驶汽车为什么不一样？它和传统汽车最大的不同在于，车卖出去之后，并没有停止“成长”。每辆自动驾驶汽车在真实道路上跑过的路，遇到的复杂路况、极端天气和异常情况，都会变成数据反馈给系统，用来训练模型、优化策略。也就是说，你每开一次车，不只是在用车，也是在帮自动驾驶系统变得更聪明。\n阿里巴巴集团前总参谋长曾鸣在其新著《智能：AI时代的商业、组织与战略的本质》中，将这种机制称为“智能复利”。其含义是，一个系统干的活越多，见过的场景就越多，获得的反馈也会越多。这些反馈会持续优化系统，让它的能力不断变强。系统越强，越能处理更复杂的任务，也能获得质量更高的反馈。这个循环一旦跑起来，系统能力就会像复利一样打着滚儿往上翻。\n在曾鸣看来，这正是AI时代最重要的底层机制之一。工业时代有规模经济，规模越大，成本越低；互联网时代有网络效应，使用的人越多，网络越有价值；到了AI时代，对应的就是智能复利：用得越多，系统就越强——过去，增长常常只是结果；现在，增长本身也成了动力。\n不过，在现实生活中，能收获智能复利的企业并不多。问题发生在哪里？\n曾鸣的回答是，很多AI只是在干活，并没有真正为结果负责。\n以AI客服为例，目前国内外大量直接面对终端用户的平台类企业都上线了AI客服。对于订单查询、物流状态、退款规则这类标准问题，AI客服通常能处理得非常好；可一旦遇到复杂情况，尤其是当用户带着情绪来沟通时，AI的表现大多不尽如人意。此时，许多AI会直接向客户提供一个新选项，“是否转接人工客服”——这正是大多数企业的处理方法：安排真人在AI旁边盯着，随时检查、纠正，必要的时候甚至直接接管。换句话说，看起来是AI在处理任务，但真正兜底的还是人。\n对于企业而言，这种情况当然无可厚非。在培育系统与服务客户之间，后者显然更加重要。但从AI本身的进化以及企业长期前景来看，这个选择会带来两大问题。其一，服务体量很难做大，因为每个任务都需要人盯着，AI做得越多，需要耗费在“看管AI”上的人就越多。其二，也是更严重的问题在于，AI拿不到完整、真实的反馈。它得到的，往往是被人工筛选、修改的结果。它没有机会从头到尾跟进项目是怎么出错的，用户真实反应是什么，最终结果又是怎样发生的。如果“行动—结果—反馈”这个闭环断掉，智能复利就无法真正运转起来。\n曾鸣认为，要实现“智能复利”，关键在于AI能不能从“让人替它兜底”走向“它为自己兜底”。这也是企业搭建智能系统时最难迈过去的坎儿。只有当企业敢把一部分结果责任交给系统，系统才有可能形成自己跑起来的完整任务闭环。","cluster_id":null,"extract_retries":0,"extract_error":null,"contract_version":"news_item.v1","format_contract_version":"news_item_formats.v1","dedup_url":"https://finance.sina.cn/2026-08-02/detail-inikwkft5489442.d.html?vt=4&pos=108&his=0","quality_profile":{"profile_version":"extraction_quality.v2","bucket":"high","confidence":0.9,"failure_kind":"none","retryable":false,"retry_after_attempts":0,"reason":"High confidence: full text extraction produced 1287 characters.","operator_guidance":{"severity":"ok","recommended_action":"trust_full_text","next_step":"Use the extracted full text as the primary article source.","operator_label":"Ready","can_retry":false,"can_use_summary":false,"diagnostics_required":false},"content_depth":{"contract_version":"content_depth.v1","category":"full_text","label":"Full text","has_full_text":true,"has_summary":true,"content_length":1287,"summary_length":1287,"usable_text_length":1287,"source_field":"content"},"legacy_collapsed":false,"signals":{"extract_state":"ok","extract_error":null,"extract_retries":0,"content_length":1287,"summary_length":1287}},"news_item":{"id":51385,"canonical_url":"https://finance.sina.cn/2026-08-02/detail-inikwkft5489442.d.html?vt=4&pos=108&his=0","source_url":"https://finance.sina.cn/2026-08-02/detail-inikwkft5489442.d.html?vt=4&pos=108&his=0","title":"人工智能从干活到负责|自动驾驶|系统|复利|客服|曾鸣_手机新浪网 - 新浪财经","source_name":"新浪财经","author":null,"published_at":"2026-08-01T22:04:03+00:00","locale":"zh","topic":"ai","tags":[],"rss_summary":"<a href=\"https://news.google.com/rss/articles/CBMiiwFBVV95cUxQTFpwVzNROHY1WV9jbUN2V3VXelB2cU9GRWRoalB5SjJ2Y1daQ3JHOUEzdEYtc0xsbk1xWjdrZEdnYm1IWjlxcUZTYVFNV3JRdGhaRmRQMXB3S1E3T3J2c0liT1BpdzhtYXFWdkJQRGllNm1kakdvRGRiTXI3THE4OEM3Qll5MEVGODZr?oc=5\" target=\"_blank\">人工智能从干活到负责|自动驾驶|系统|复利|客服|曾鸣_手机新浪网</a>&nbsp;&nbsp;<font color=\"#6f6f6f\">新浪财经</font>","full_text":"人工智能从干活到负责\n先想象一个场景：\n你买了辆车，开了5年。5年过去，你的驾驶技术越来越熟练，可车还是那辆车。它不会因为你开得更多就变得更好，相反，零件会磨损，动力会下降，漆面会老化，故障隐患也会越来越多。你积累的那些经验，比如雨天怎么刹车、山路怎么过弯，都留在了你的脑子里，和这辆车没有关系。\n过去几百年，我们熟悉的世界一直是这个样子：几乎所有东西都会越用越旧。但现在，人工智能（AI）打破了这个惯例——它越用越强。\n还是回到车的例子。\n自动驾驶汽车为什么不一样？它和传统汽车最大的不同在于，车卖出去之后，并没有停止“成长”。每辆自动驾驶汽车在真实道路上跑过的路，遇到的复杂路况、极端天气和异常情况，都会变成数据反馈给系统，用来训练模型、优化策略。也就是说，你每开一次车，不只是在用车，也是在帮自动驾驶系统变得更聪明。\n阿里巴巴集团前总参谋长曾鸣在其新著《智能：AI时代的商业、组织与战略的本质》中，将这种机制称为“智能复利”。其含义是，一个系统干的活越多，见过的场景就越多，获得的反馈也会越多。这些反馈会持续优化系统，让它的能力不断变强。系统越强，越能处理更复杂的任务，也能获得质量更高的反馈。这个循环一旦跑起来，系统能力就会像复利一样打着滚儿往上翻。\n在曾鸣看来，这正是AI时代最重要的底层机制之一。工业时代有规模经济，规模越大，成本越低；互联网时代有网络效应，使用的人越多，网络越有价值；到了AI时代，对应的就是智能复利：用得越多，系统就越强——过去，增长常常只是结果；现在，增长本身也成了动力。\n不过，在现实生活中，能收获智能复利的企业并不多。问题发生在哪里？\n曾鸣的回答是，很多AI只是在干活，并没有真正为结果负责。\n以AI客服为例，目前国内外大量直接面对终端用户的平台类企业都上线了AI客服。对于订单查询、物流状态、退款规则这类标准问题，AI客服通常能处理得非常好；可一旦遇到复杂情况，尤其是当用户带着情绪来沟通时，AI的表现大多不尽如人意。此时，许多AI会直接向客户提供一个新选项，“是否转接人工客服”——这正是大多数企业的处理方法：安排真人在AI旁边盯着，随时检查、纠正，必要的时候甚至直接接管。换句话说，看起来是AI在处理任务，但真正兜底的还是人。\n对于企业而言，这种情况当然无可厚非。在培育系统与服务客户之间，后者显然更加重要。但从AI本身的进化以及企业长期前景来看，这个选择会带来两大问题。其一，服务体量很难做大，因为每个任务都需要人盯着，AI做得越多，需要耗费在“看管AI”上的人就越多。其二，也是更严重的问题在于，AI拿不到完整、真实的反馈。它得到的，往往是被人工筛选、修改的结果。它没有机会从头到尾跟进项目是怎么出错的，用户真实反应是什么，最终结果又是怎样发生的。如果“行动—结果—反馈”这个闭环断掉，智能复利就无法真正运转起来。\n曾鸣认为，要实现“智能复利”，关键在于AI能不能从“让人替它兜底”走向“它为自己兜底”。这也是企业搭建智能系统时最难迈过去的坎儿。只有当企业敢把一部分结果责任交给系统，系统才有可能形成自己跑起来的完整任务闭环。","excerpt":"人工智能从干活到负责\n先想象一个场景：\n你买了辆车，开了5年。5年过去，你的驾驶技术越来越熟练，可车还是那辆车。它不会因为你开得更多就变得更好，相反，零件会磨损，动力会下降，漆面会老化，故障隐患也会越来越多。你积累的那些经验，比如雨天怎么刹车、山路怎么过弯，都留在了你的脑子里，和这辆车没有关系。\n过去几百年，我们熟悉的世界一直是这个样子：几乎所有东西都会越用越旧。但现在，人工智能（AI）打破了这个惯例——它越用越强。\n还是回到车的例子。\n自动驾驶汽车为什么不一样？它和传统汽车最大的不同在于，车卖出去之后，并没有停止“成长”。每辆自动驾驶汽车在真实道路上跑过的路，遇到的复杂路况、极端天气和异常情况，都会变成数据反馈给系统，用来训练模型、优化策略。也就是说，你每开一次车，不只是在用车，也是在帮自动驾驶系统变得更聪明。\n阿里巴巴集团前总参谋长曾鸣在其新著《智能：AI时代的商业、组织与战略的本质》中，将这种机制称为“智能复利”。其含义是，一个系统干的活越多，见过的场景就越多，获得的反馈也会越多。这些反馈会持续优化系统，让它的能力不断变强。系统越强，越能处理更复杂的任务，也能获得质量更高的反馈。这个循环一旦跑起来，系统能力就会像复利一样打着滚儿往上翻。\n在曾鸣看来，这正是AI时代最重要的底层机制之一。工业时代有规模经济，规模越大，成本越低；互联网时代有网络效应，使用的人越多，网络越有价值；到了AI时代，对应的就是智能复利：用得越多，系统就越强——过去，增长常常只是结果；现在，增长本身也成了动力。\n不过，在现实生活中，能收获智能复利的企业并不多。问题发生在哪里？\n曾鸣的回答是，很多AI只是在干活，并没有真正为结果负责。\n以AI客服为例，目前国内外大量直接面对终端用户的平台类企业都上线了AI客服。对于订单查询、物流状态、退款规则这类标准问题，AI客服通常能处理得非常好；可一旦遇到复杂情况，尤其是当用户带着情绪来沟通时，AI的表现大多不尽如人意。此时，许多AI会直接向客户提供一个新选项，“是否转接人工客服”——这正是大多数企业的处理方法：安排真人在AI旁边盯着，随时检查、纠正，必要的时候甚至直接接管。换句话说，看起来是AI在处理任务，但真正兜底的还是人。\n对于企业而言，这种情况当然无可厚非。在培育系统与服务客户之间，后者显然更加重要。但从AI本身的进化以及企业长期前景来看，这个选择会带来两大问题。其一，服务体量很难做大，因为每个任务都需要人盯着，AI做得越多，需要耗费在“看管AI”上的人就越多。其二，也是更严重的问题在于，AI拿不到完整、真实的反馈。它得到的，往往是被人工筛选、修改的结果。它没有机会从头到尾跟进项目是怎么出错的，用户真实反应是什么，最终结果又是怎样发生的。如果“行动—结果—反馈”这个闭环断掉，智能复利就无法真正运转起来。\n曾鸣认为，要实现“智能复利”，关键在于AI能不能从“让人替它兜底”走向“它为自己兜底”。这也是企业搭建智能系统时最难迈过去的坎儿。只有当企业敢把一部分结果责任交给系统，系统才有可能形成自己跑起来的完整任务闭环。","extraction":{"state":"ok","confidence":0.9,"error":null,"explanation":"High confidence: full text extraction produced 1287 characters.","diagnostics_url":"/api/diagnose?url=https%3A//finance.sina.cn/2026-08-02/detail-inikwkft5489442.d.html%3Fvt%3D4%26pos%3D108%26his%3D0","quality_profile":{"profile_version":"extraction_quality.v2","bucket":"high","confidence":0.9,"failure_kind":"none","retryable":false,"retry_after_attempts":0,"reason":"High confidence: full text extraction produced 1287 characters.","operator_guidance":{"severity":"ok","recommended_action":"trust_full_text","next_step":"Use the extracted full text as the primary article source.","operator_label":"Ready","can_retry":false,"can_use_summary":false,"diagnostics_required":false},"content_depth":{"contract_version":"content_depth.v1","category":"full_text","label":"Full text","has_full_text":true,"has_summary":true,"content_length":1287,"summary_length":1287,"usable_text_length":1287,"source_field":"content"},"legacy_collapsed":false,"signals":{"extract_state":"ok","extract_error":null,"extract_retries":0,"content_length":1287,"summary_length":1287}}},"display_formats":["compact","card","full","digest_section","json"]},"daily_stack_record":{"title":"人工智能从干活到负责|自动驾驶|系统|复利|客服|曾鸣_手机新浪网 - 新浪财经","url":"https://finance.sina.cn/2026-08-02/detail-inikwkft5489442.d.html?vt=4&pos=108&his=0","summary":"人工智能从干活到负责\n先想象一个场景：\n你买了辆车，开了5年。5年过去，你的驾驶技术越来越熟练，可车还是那辆车。它不会因为你开得更多就变得更好，相反，零件会磨损，动力会下降，漆面会老化，故障隐患也会越来越多。你积累的那些经验，比如雨天怎么刹车、山路怎么过弯，都留在了你的脑子里，和这辆车没有关系。\n过去几百年，我们熟悉的世界一直是这个样子：几乎所有东西都会越用越旧。但现在，人工智能（AI）打破了这个惯例——它越用越强。\n还是回到车的例子。\n自动驾驶汽车为什么不一样？它和传统汽车最大的不同在于，车卖出去之后，并没有停止“成长”。每辆自动驾驶汽车在真实道路上跑过的路，遇到的复杂路况、极端天气和异常情况，都会变成数据反馈给系统，用来训练模型、优化策略。也就是说，你每开一次车，不只是在用车，也是在帮自动驾驶系统变得更聪明。\n阿里巴巴集团前总参谋长曾鸣在其新著《智能：AI时代的商业、组织与战略的本质》中，将这种机制称为“智能复利”。其含义是，一个系统干的活越多，见过的场景就越多，获得的反馈也会越多。这些反馈会持续优化系统，让它的能力不断变强。系统越强，越能处理更复杂的任务，也能获得质量更高的反馈。这个循环一旦跑起来，系统能力就会像复利一样打着滚儿往上翻。\n在曾鸣看来，这正是AI时代最重要的底层机制之一。工业时代有规模经济，规模越大，成本越低；互联网时代有网络效应，使用的人越多，网络越有价值；到了AI时代，对应的就是智能复利：用得越多，系统就越强——过去，增长常常只是结果；现在，增长本身也成了动力。\n不过，在现实生活中，能收获智能复利的企业并不多。问题发生在哪里？\n曾鸣的回答是，很多AI只是在干活，并没有真正为结果负责。\n以AI客服为例，目前国内外大量直接面对终端用户的平台类企业都上线了AI客服。对于订单查询、物流状态、退款规则这类标准问题，AI客服通常能处理得非常好；可一旦遇到复杂情况，尤其是当用户带着情绪来沟通时，AI的表现大多不尽如人意。此时，许多AI会直接向客户提供一个新选项，“是否转接人工客服”——这正是大多数企业的处理方法：安排真人在AI旁边盯着，随时检查、纠正，必要的时候甚至直接接管。换句话说，看起来是AI在处理任务，但真正兜底的还是人。\n对于企业而言，这种情况当然无可厚非。在培育系统与服务客户之间，后者显然更加重要。但从AI本身的进化以及企业长期前景来看，这个选择会带来两大问题。其一，服务体量很难做大，因为每个任务都需要人盯着，AI做得越多，需要耗费在“看管AI”上的人就越多。其二，也是更严重的问题在于，AI拿不到完整、真实的反馈。它得到的，往往是被人工筛选、修改的结果。它没有机会从头到尾跟进项目是怎么出错的，用户真实反应是什么，最终结果又是怎样发生的。如果“行动—结果—反馈”这个闭环断掉，智能复利就无法真正运转起来。\n曾鸣认为，要实现“智能复利”，关键在于AI能不能从“让人替它兜底”走向“它为自己兜底”。这也是企业搭建智能系统时最难迈过去的坎儿。只有当企业敢把一部分结果责任交给系统，系统才有可能形成自己跑起来的完整任务闭环。","source":"新浪财经","date":"2026-08-01T22:04:03+00:00","content":"人工智能从干活到负责\n先想象一个场景：\n你买了辆车，开了5年。5年过去，你的驾驶技术越来越熟练，可车还是那辆车。它不会因为你开得更多就变得更好，相反，零件会磨损，动力会下降，漆面会老化，故障隐患也会越来越多。你积累的那些经验，比如雨天怎么刹车、山路怎么过弯，都留在了你的脑子里，和这辆车没有关系。\n过去几百年，我们熟悉的世界一直是这个样子：几乎所有东西都会越用越旧。但现在，人工智能（AI）打破了这个惯例——它越用越强。\n还是回到车的例子。\n自动驾驶汽车为什么不一样？它和传统汽车最大的不同在于，车卖出去之后，并没有停止“成长”。每辆自动驾驶汽车在真实道路上跑过的路，遇到的复杂路况、极端天气和异常情况，都会变成数据反馈给系统，用来训练模型、优化策略。也就是说，你每开一次车，不只是在用车，也是在帮自动驾驶系统变得更聪明。\n阿里巴巴集团前总参谋长曾鸣在其新著《智能：AI时代的商业、组织与战略的本质》中，将这种机制称为“智能复利”。其含义是，一个系统干的活越多，见过的场景就越多，获得的反馈也会越多。这些反馈会持续优化系统，让它的能力不断变强。系统越强，越能处理更复杂的任务，也能获得质量更高的反馈。这个循环一旦跑起来，系统能力就会像复利一样打着滚儿往上翻。\n在曾鸣看来，这正是AI时代最重要的底层机制之一。工业时代有规模经济，规模越大，成本越低；互联网时代有网络效应，使用的人越多，网络越有价值；到了AI时代，对应的就是智能复利：用得越多，系统就越强——过去，增长常常只是结果；现在，增长本身也成了动力。\n不过，在现实生活中，能收获智能复利的企业并不多。问题发生在哪里？\n曾鸣的回答是，很多AI只是在干活，并没有真正为结果负责。\n以AI客服为例，目前国内外大量直接面对终端用户的平台类企业都上线了AI客服。对于订单查询、物流状态、退款规则这类标准问题，AI客服通常能处理得非常好；可一旦遇到复杂情况，尤其是当用户带着情绪来沟通时，AI的表现大多不尽如人意。此时，许多AI会直接向客户提供一个新选项，“是否转接人工客服”——这正是大多数企业的处理方法：安排真人在AI旁边盯着，随时检查、纠正，必要的时候甚至直接接管。换句话说，看起来是AI在处理任务，但真正兜底的还是人。\n对于企业而言，这种情况当然无可厚非。在培育系统与服务客户之间，后者显然更加重要。但从AI本身的进化以及企业长期前景来看，这个选择会带来两大问题。其一，服务体量很难做大，因为每个任务都需要人盯着，AI做得越多，需要耗费在“看管AI”上的人就越多。其二，也是更严重的问题在于，AI拿不到完整、真实的反馈。它得到的，往往是被人工筛选、修改的结果。它没有机会从头到尾跟进项目是怎么出错的，用户真实反应是什么，最终结果又是怎样发生的。如果“行动—结果—反馈”这个闭环断掉，智能复利就无法真正运转起来。\n曾鸣认为，要实现“智能复利”，关键在于AI能不能从“让人替它兜底”走向“它为自己兜底”。这也是企业搭建智能系统时最难迈过去的坎儿。只有当企业敢把一部分结果责任交给系统，系统才有可能形成自己跑起来的完整任务闭环。","confidence":0.9,"diagnostics_url":"/api/diagnose?url=https%3A//finance.sina.cn/2026-08-02/detail-inikwkft5489442.d.html%3Fvt%3D4%26pos%3D108%26his%3D0","quality_bucket":"high","failure_kind":"none","retryable":false,"quality_reason":"High confidence: full text extraction produced 1287 characters.","quality_profile":{"profile_version":"extraction_quality.v2","bucket":"high","confidence":0.9,"failure_kind":"none","retryable":false,"retry_after_attempts":0,"reason":"High confidence: full text extraction produced 1287 characters.","operator_guidance":{"severity":"ok","recommended_action":"trust_full_text","next_step":"Use the extracted full text as the primary article source.","operator_label":"Ready","can_retry":false,"can_use_summary":false,"diagnostics_required":false},"content_depth":{"contract_version":"content_depth.v1","category":"full_text","label":"Full text","has_full_text":true,"has_summary":true,"content_length":1287,"summary_length":1287,"usable_text_length":1287,"source_field":"content"},"legacy_collapsed":false,"signals":{"extract_state":"ok","extract_error":null,"extract_retries":0,"content_length":1287,"summary_length":1287}},"tags":[]},"fallback_formats":["markdown","json","html"],"actions":{"read":"/item/51385","export_markdown":"/api/items/51385/export?format=markdown","export_json":"/api/items/51385/export?format=json","diagnose":"/api/diagnose?url=https%3A//finance.sina.cn/2026-08-02/detail-inikwkft5489442.d.html%3Fvt%3D4%26pos%3D108%26his%3D0"},"formats":{"full":{"id":51385,"title":"人工智能从干活到负责|自动驾驶|系统|复利|客服|曾鸣_手机新浪网 - 新浪财经","url":"https://finance.sina.cn/2026-08-02/detail-inikwkft5489442.d.html?vt=4&pos=108&his=0","source":"新浪财经","author":null,"published_at":"2026-08-01T22:04:03+00:00","locale":"zh","topic":"ai","tags":[],"excerpt":"人工智能从干活到负责\n先想象一个场景：\n你买了辆车，开了5年。5年过去，你的驾驶技术越来越熟练，可车还是那辆车。它不会因为你开得更多就变得更好，相反，零件会磨损，动力会下降，漆面会老化，故障隐患也会越来越多。你积累的那些经验，比如雨天怎么刹车、山路怎么过弯，都留在了你的脑子里，和这辆车没有关系。\n过去几百年，我们熟悉的世界一直是这个样子：几乎所有东西都会越用越旧。但现在，人工智能（AI）打破了这个惯例——它越用越强。\n还是回到车的例子。\n自动驾驶汽车为什么不一样？它和传统汽车最大的不同在于，车卖出去之后，并没有停止“成长”。每辆自动驾驶汽车在真实道路上跑过的路，遇到的复杂路况、极端天气和异常情况，都会变成数据反馈给系统，用来训练模型、优化策略。也就是说，你每开一次车，不只是在用车，也是在帮自动驾驶系统变得更聪明。\n阿里巴巴集团前总参谋长曾鸣在其新著《智能：AI时代的商业、组织与战略的本质》中，将这种机制称为“智能复利”。其含义是，一个系统干的活越多，见过的场景就越多，获得的反馈也会越多。这些反馈会持续优化系统，让它的能力不断变强。系统越强，越能处理更复杂的任务，也能获得质量更高的反馈。这个循环一旦跑起来，系统能力就会像复利一样打着滚儿往上翻。\n在曾鸣看来，这正是AI时代最重要的底层机制之一。工业时代有规模经济，规模越大，成本越低；互联网时代有网络效应，使用的人越多，网络越有价值；到了AI时代，对应的就是智能复利：用得越多，系统就越强——过去，增长常常只是结果；现在，增长本身也成了动力。\n不过，在现实生活中，能收获智能复利的企业并不多。问题发生在哪里？\n曾鸣的回答是，很多AI只是在干活，并没有真正为结果负责。\n以AI客服为例，目前国内外大量直接面对终端用户的平台类企业都上线了AI客服。对于订单查询、物流状态、退款规则这类标准问题，AI客服通常能处理得非常好；可一旦遇到复杂情况，尤其是当用户带着情绪来沟通时，AI的表现大多不尽如人意。此时，许多AI会直接向客户提供一个新选项，“是否转接人工客服”——这正是大多数企业的处理方法：安排真人在AI旁边盯着，随时检查、纠正，必要的时候甚至直接接管。换句话说，看起来是AI在处理任务，但真正兜底的还是人。\n对于企业而言，这种情况当然无可厚非。在培育系统与服务客户之间，后者显然更加重要。但从AI本身的进化以及企业长期前景来看，这个选择会带来两大问题。其一，服务体量很难做大，因为每个任务都需要人盯着，AI做得越多，需要耗费在“看管AI”上的人就越多。其二，也是更严重的问题在于，AI拿不到完整、真实的反馈。它得到的，往往是被人工筛选、修改的结果。它没有机会从头到尾跟进项目是怎么出错的，用户真实反应是什么，最终结果又是怎样发生的。如果“行动—结果—反馈”这个闭环断掉，智能复利就无法真正运转起来。\n曾鸣认为，要实现“智能复利”，关键在于AI能不能从“让人替它兜底”走向“它为自己兜底”。这也是企业搭建智能系统时最难迈过去的坎儿。只有当企业敢把一部分结果责任交给系统，系统才有可能形成自己跑起来的完整任务闭环。","full_text":"人工智能从干活到负责\n先想象一个场景：\n你买了辆车，开了5年。5年过去，你的驾驶技术越来越熟练，可车还是那辆车。它不会因为你开得更多就变得更好，相反，零件会磨损，动力会下降，漆面会老化，故障隐患也会越来越多。你积累的那些经验，比如雨天怎么刹车、山路怎么过弯，都留在了你的脑子里，和这辆车没有关系。\n过去几百年，我们熟悉的世界一直是这个样子：几乎所有东西都会越用越旧。但现在，人工智能（AI）打破了这个惯例——它越用越强。\n还是回到车的例子。\n自动驾驶汽车为什么不一样？它和传统汽车最大的不同在于，车卖出去之后，并没有停止“成长”。每辆自动驾驶汽车在真实道路上跑过的路，遇到的复杂路况、极端天气和异常情况，都会变成数据反馈给系统，用来训练模型、优化策略。也就是说，你每开一次车，不只是在用车，也是在帮自动驾驶系统变得更聪明。\n阿里巴巴集团前总参谋长曾鸣在其新著《智能：AI时代的商业、组织与战略的本质》中，将这种机制称为“智能复利”。其含义是，一个系统干的活越多，见过的场景就越多，获得的反馈也会越多。这些反馈会持续优化系统，让它的能力不断变强。系统越强，越能处理更复杂的任务，也能获得质量更高的反馈。这个循环一旦跑起来，系统能力就会像复利一样打着滚儿往上翻。\n在曾鸣看来，这正是AI时代最重要的底层机制之一。工业时代有规模经济，规模越大，成本越低；互联网时代有网络效应，使用的人越多，网络越有价值；到了AI时代，对应的就是智能复利：用得越多，系统就越强——过去，增长常常只是结果；现在，增长本身也成了动力。\n不过，在现实生活中，能收获智能复利的企业并不多。问题发生在哪里？\n曾鸣的回答是，很多AI只是在干活，并没有真正为结果负责。\n以AI客服为例，目前国内外大量直接面对终端用户的平台类企业都上线了AI客服。对于订单查询、物流状态、退款规则这类标准问题，AI客服通常能处理得非常好；可一旦遇到复杂情况，尤其是当用户带着情绪来沟通时，AI的表现大多不尽如人意。此时，许多AI会直接向客户提供一个新选项，“是否转接人工客服”——这正是大多数企业的处理方法：安排真人在AI旁边盯着，随时检查、纠正，必要的时候甚至直接接管。换句话说，看起来是AI在处理任务，但真正兜底的还是人。\n对于企业而言，这种情况当然无可厚非。在培育系统与服务客户之间，后者显然更加重要。但从AI本身的进化以及企业长期前景来看，这个选择会带来两大问题。其一，服务体量很难做大，因为每个任务都需要人盯着，AI做得越多，需要耗费在“看管AI”上的人就越多。其二，也是更严重的问题在于，AI拿不到完整、真实的反馈。它得到的，往往是被人工筛选、修改的结果。它没有机会从头到尾跟进项目是怎么出错的，用户真实反应是什么，最终结果又是怎样发生的。如果“行动—结果—反馈”这个闭环断掉，智能复利就无法真正运转起来。\n曾鸣认为，要实现“智能复利”，关键在于AI能不能从“让人替它兜底”走向“它为自己兜底”。这也是企业搭建智能系统时最难迈过去的坎儿。只有当企业敢把一部分结果责任交给系统，系统才有可能形成自己跑起来的完整任务闭环。","reading_time_min":1,"extraction":{"state":"ok","confidence":0.9,"error":null,"explanation":"High confidence: full text extraction produced 1287 characters.","diagnostics_url":"/api/diagnose?url=https%3A//finance.sina.cn/2026-08-02/detail-inikwkft5489442.d.html%3Fvt%3D4%26pos%3D108%26his%3D0","quality_profile":{"profile_version":"extraction_quality.v2","bucket":"high","confidence":0.9,"failure_kind":"none","retryable":false,"retry_after_attempts":0,"reason":"High confidence: full text extraction produced 1287 characters.","operator_guidance":{"severity":"ok","recommended_action":"trust_full_text","next_step":"Use the extracted full text as the primary article source.","operator_label":"Ready","can_retry":false,"can_use_summary":false,"diagnostics_required":false},"content_depth":{"contract_version":"content_depth.v1","category":"full_text","label":"Full text","has_full_text":true,"has_summary":true,"content_length":1287,"summary_length":1287,"usable_text_length":1287,"source_field":"content"},"legacy_collapsed":false,"signals":{"extract_state":"ok","extract_error":null,"extract_retries":0,"content_length":1287,"summary_length":1287}}},"quality_profile":{"profile_version":"extraction_quality.v2","bucket":"high","confidence":0.9,"failure_kind":"none","retryable":false,"retry_after_attempts":0,"reason":"High confidence: full text extraction produced 1287 characters.","operator_guidance":{"severity":"ok","recommended_action":"trust_full_text","next_step":"Use the extracted full text as the primary article source.","operator_label":"Ready","can_retry":false,"can_use_summary":false,"diagnostics_required":false},"content_depth":{"contract_version":"content_depth.v1","category":"full_text","label":"Full text","has_full_text":true,"has_summary":true,"content_length":1287,"summary_length":1287,"usable_text_length":1287,"source_field":"content"},"legacy_collapsed":false,"signals":{"extract_state":"ok","extract_error":null,"extract_retries":0,"content_length":1287,"summary_length":1287}},"actions":{"read":"/item/51385","export_markdown":"/api/items/51385/export?format=markdown","export_json":"/api/items/51385/export?format=json","diagnose":"/api/diagnose?url=https%3A//finance.sina.cn/2026-08-02/detail-inikwkft5489442.d.html%3Fvt%3D4%26pos%3D108%26his%3D0"}},"digest":{"id":51385,"title":"人工智能从干活到负责|自动驾驶|系统|复利|客服|曾鸣_手机新浪网 - 新浪财经","url":"https://finance.sina.cn/2026-08-02/detail-inikwkft5489442.d.html?vt=4&pos=108&his=0","source":"新浪财经","topic":"ai","published_at":"2026-08-01T22:04:03+00:00","excerpt":"人工智能从干活到负责 先想象一个场景： 你买了辆车，开了5年。5年过去，你的驾驶技术越来越熟练，可车还是那辆车。它不会因为你开得更多就变得更好，相反，零件会磨损，动力会下降，漆面会老化，故障隐患也会越来越多。你积累的那些经验，比如雨天怎么刹车、山路怎么过弯，都留在了你的脑子里，和这辆车没有关系。 过去几百年，我们熟悉的世界一直是这个样子：几乎所有东西都会越用越旧。但现在，人工智能（AI）打破了这个惯例——它越用越强。 还是回到车的例子。…","quality_bucket":"high","quality_reason":"High confidence: full text extraction produced 1287 characters.","reading_time_min":1,"cluster_id":null},"card":{"display_title":"人工智能从干活到负责|自动驾驶|系统|复利|客服|曾鸣_手机新浪网 - 新浪财经","subtitle":"新浪财经 · 2026-08-01","summary":"人工智能从干活到负责 先想象一个场景： 你买了辆车，开了5年。5年过去，你的驾驶技术越来越熟练，可车还是那辆车。它不会因为你开得更多就变得更好，相反，零件会磨损，动力会下降，漆面会老化，故障隐患也会越来越多。你积累的那些经验，比如雨天怎么刹车、山路怎么过弯，都留在了你的脑子里，和这辆车没有关系。 过去几百年，我们熟悉的世界一直是这个样子：几乎所有东西都会越用越旧。但现在，人工智能（AI）打破了这个惯例——它越用越强。…","badges":["quality:high"],"links":{"read":"/item/51385","original":"https://finance.sina.cn/2026-08-02/detail-inikwkft5489442.d.html?vt=4&pos=108&his=0","diagnose":"/api/diagnose?url=https%3A//finance.sina.cn/2026-08-02/detail-inikwkft5489442.d.html%3Fvt%3D4%26pos%3D108%26his%3D0"},"quality_warning":null},"export":{"title":"人工智能从干活到负责|自动驾驶|系统|复利|客服|曾鸣_手机新浪网 - 新浪财经","url":"https://finance.sina.cn/2026-08-02/detail-inikwkft5489442.d.html?vt=4&pos=108&his=0","summary":"人工智能从干活到负责\n先想象一个场景：\n你买了辆车，开了5年。5年过去，你的驾驶技术越来越熟练，可车还是那辆车。它不会因为你开得更多就变得更好，相反，零件会磨损，动力会下降，漆面会老化，故障隐患也会越来越多。你积累的那些经验，比如雨天怎么刹车、山路怎么过弯，都留在了你的脑子里，和这辆车没有关系。\n过去几百年，我们熟悉的世界一直是这个样子：几乎所有东西都会越用越旧。但现在，人工智能（AI）打破了这个惯例——它越用越强。\n还是回到车的例子。\n自动驾驶汽车为什么不一样？它和传统汽车最大的不同在于，车卖出去之后，并没有停止“成长”。每辆自动驾驶汽车在真实道路上跑过的路，遇到的复杂路况、极端天气和异常情况，都会变成数据反馈给系统，用来训练模型、优化策略。也就是说，你每开一次车，不只是在用车，也是在帮自动驾驶系统变得更聪明。\n阿里巴巴集团前总参谋长曾鸣在其新著《智能：AI时代的商业、组织与战略的本质》中，将这种机制称为“智能复利”。其含义是，一个系统干的活越多，见过的场景就越多，获得的反馈也会越多。这些反馈会持续优化系统，让它的能力不断变强。系统越强，越能处理更复杂的任务，也能获得质量更高的反馈。这个循环一旦跑起来，系统能力就会像复利一样打着滚儿往上翻。\n在曾鸣看来，这正是AI时代最重要的底层机制之一。工业时代有规模经济，规模越大，成本越低；互联网时代有网络效应，使用的人越多，网络越有价值；到了AI时代，对应的就是智能复利：用得越多，系统就越强——过去，增长常常只是结果；现在，增长本身也成了动力。\n不过，在现实生活中，能收获智能复利的企业并不多。问题发生在哪里？\n曾鸣的回答是，很多AI只是在干活，并没有真正为结果负责。\n以AI客服为例，目前国内外大量直接面对终端用户的平台类企业都上线了AI客服。对于订单查询、物流状态、退款规则这类标准问题，AI客服通常能处理得非常好；可一旦遇到复杂情况，尤其是当用户带着情绪来沟通时，AI的表现大多不尽如人意。此时，许多AI会直接向客户提供一个新选项，“是否转接人工客服”——这正是大多数企业的处理方法：安排真人在AI旁边盯着，随时检查、纠正，必要的时候甚至直接接管。换句话说，看起来是AI在处理任务，但真正兜底的还是人。\n对于企业而言，这种情况当然无可厚非。在培育系统与服务客户之间，后者显然更加重要。但从AI本身的进化以及企业长期前景来看，这个选择会带来两大问题。其一，服务体量很难做大，因为每个任务都需要人盯着，AI做得越多，需要耗费在“看管AI”上的人就越多。其二，也是更严重的问题在于，AI拿不到完整、真实的反馈。它得到的，往往是被人工筛选、修改的结果。它没有机会从头到尾跟进项目是怎么出错的，用户真实反应是什么，最终结果又是怎样发生的。如果“行动—结果—反馈”这个闭环断掉，智能复利就无法真正运转起来。\n曾鸣认为，要实现“智能复利”，关键在于AI能不能从“让人替它兜底”走向“它为自己兜底”。这也是企业搭建智能系统时最难迈过去的坎儿。只有当企业敢把一部分结果责任交给系统，系统才有可能形成自己跑起来的完整任务闭环。","source":"新浪财经","date":"2026-08-01T22:04:03+00:00","content":"人工智能从干活到负责\n先想象一个场景：\n你买了辆车，开了5年。5年过去，你的驾驶技术越来越熟练，可车还是那辆车。它不会因为你开得更多就变得更好，相反，零件会磨损，动力会下降，漆面会老化，故障隐患也会越来越多。你积累的那些经验，比如雨天怎么刹车、山路怎么过弯，都留在了你的脑子里，和这辆车没有关系。\n过去几百年，我们熟悉的世界一直是这个样子：几乎所有东西都会越用越旧。但现在，人工智能（AI）打破了这个惯例——它越用越强。\n还是回到车的例子。\n自动驾驶汽车为什么不一样？它和传统汽车最大的不同在于，车卖出去之后，并没有停止“成长”。每辆自动驾驶汽车在真实道路上跑过的路，遇到的复杂路况、极端天气和异常情况，都会变成数据反馈给系统，用来训练模型、优化策略。也就是说，你每开一次车，不只是在用车，也是在帮自动驾驶系统变得更聪明。\n阿里巴巴集团前总参谋长曾鸣在其新著《智能：AI时代的商业、组织与战略的本质》中，将这种机制称为“智能复利”。其含义是，一个系统干的活越多，见过的场景就越多，获得的反馈也会越多。这些反馈会持续优化系统，让它的能力不断变强。系统越强，越能处理更复杂的任务，也能获得质量更高的反馈。这个循环一旦跑起来，系统能力就会像复利一样打着滚儿往上翻。\n在曾鸣看来，这正是AI时代最重要的底层机制之一。工业时代有规模经济，规模越大，成本越低；互联网时代有网络效应，使用的人越多，网络越有价值；到了AI时代，对应的就是智能复利：用得越多，系统就越强——过去，增长常常只是结果；现在，增长本身也成了动力。\n不过，在现实生活中，能收获智能复利的企业并不多。问题发生在哪里？\n曾鸣的回答是，很多AI只是在干活，并没有真正为结果负责。\n以AI客服为例，目前国内外大量直接面对终端用户的平台类企业都上线了AI客服。对于订单查询、物流状态、退款规则这类标准问题，AI客服通常能处理得非常好；可一旦遇到复杂情况，尤其是当用户带着情绪来沟通时，AI的表现大多不尽如人意。此时，许多AI会直接向客户提供一个新选项，“是否转接人工客服”——这正是大多数企业的处理方法：安排真人在AI旁边盯着，随时检查、纠正，必要的时候甚至直接接管。换句话说，看起来是AI在处理任务，但真正兜底的还是人。\n对于企业而言，这种情况当然无可厚非。在培育系统与服务客户之间，后者显然更加重要。但从AI本身的进化以及企业长期前景来看，这个选择会带来两大问题。其一，服务体量很难做大，因为每个任务都需要人盯着，AI做得越多，需要耗费在“看管AI”上的人就越多。其二，也是更严重的问题在于，AI拿不到完整、真实的反馈。它得到的，往往是被人工筛选、修改的结果。它没有机会从头到尾跟进项目是怎么出错的，用户真实反应是什么，最终结果又是怎样发生的。如果“行动—结果—反馈”这个闭环断掉，智能复利就无法真正运转起来。\n曾鸣认为，要实现“智能复利”，关键在于AI能不能从“让人替它兜底”走向“它为自己兜底”。这也是企业搭建智能系统时最难迈过去的坎儿。只有当企业敢把一部分结果责任交给系统，系统才有可能形成自己跑起来的完整任务闭环。","confidence":0.9,"diagnostics_url":"/api/diagnose?url=https%3A//finance.sina.cn/2026-08-02/detail-inikwkft5489442.d.html%3Fvt%3D4%26pos%3D108%26his%3D0","quality_bucket":"high","failure_kind":"none","retryable":false,"quality_reason":"High confidence: full text extraction produced 1287 characters.","quality_profile":{"profile_version":"extraction_quality.v2","bucket":"high","confidence":0.9,"failure_kind":"none","retryable":false,"retry_after_attempts":0,"reason":"High confidence: full text extraction produced 1287 characters.","operator_guidance":{"severity":"ok","recommended_action":"trust_full_text","next_step":"Use the extracted full text as the primary article source.","operator_label":"Ready","can_retry":false,"can_use_summary":false,"diagnostics_required":false},"content_depth":{"contract_version":"content_depth.v1","category":"full_text","label":"Full text","has_full_text":true,"has_summary":true,"content_length":1287,"summary_length":1287,"usable_text_length":1287,"source_field":"content"},"legacy_collapsed":false,"signals":{"extract_state":"ok","extract_error":null,"extract_retries":0,"content_length":1287,"summary_length":1287}},"tags":[],"format_contract_version":"news_item_formats.v1"}}}