劉潤
這兩年聊AI的人太多了。有人興奮，說AI能讓一個人幹十個人的活；有人焦慮，說很多崗位會被替代；也有人很務實，問我到底要不要投，要不要招AI的產品經理，要不要把客服、銷售、運營都重做一遍。
說實話，這些問題都很對。但我最近看到摩根士丹利2026年4月6日發佈的一份報告，反而讓我覺得，很多人問小了。
這份報告叫做 《Lessons from the Five Innovation Waves that Preceded AI》（AI 之前的五次創新浪潮給我們的啟示）。它研究的是AI之前，美國在過去 250 年經歷的五次技術創新浪潮：工業革命，蒸汽、鐵路和鋼鐵，電氣化和內燃機，電子與航空，互聯網與數字網路。
為什麼值得看？
因為摩根士丹利不是在猜AI明天能漲多少，而是在問一個更大的問題：如果AI真的是第六次創新浪潮，那麼前五次浪潮到底給我們留下了什麼樣的規律？
這份報告的方法不是在做問卷，也不是在訪談幾家公司，而是把美國過去250年經濟史裡面的生產率、資本開支、勞動力結構、金融週期、教育變化和不平等問題都放在了一起。
它的邊界我們也要說清楚：這是美國的經驗，是宏觀歷史的比較，而不是中國企業的操作手冊。摩根斯坦利也是個金融機構，它天然會更關注資本市場和宏觀週期，但我沒有看到明顯的贊助商的污染。所以真正需要值得警惕的是：別把美國的歷史機械地套到中國的現實。
讀完之後，我的腦子裡只剩下一句話：技術革命不是工具升級，而是經營系統的重裝。
什麼意思？不是你買了AI的工具，公司就進化了。就像當年有了電，不是工廠立刻就變得高效了；有了互聯網，不等於企業自動長出了新的商業模式。真正的變化，是錢投到哪裡，人怎麼分工，流程怎麼重寫，組織怎麼學習，風險怎麼承擔，利益怎麼分配。
下面，我想和你分享這份報告給我的五個新的認知。
1
大技術一開始看起來像工具，但最後改掉的是整個經營系統。
報告裡有一個很有意思的對照。第一次工業革命，不只是多了蒸汽機和紡織機，它把生產從家庭作坊搬到了集中化的工廠，把美國從農業社會推向了工業社會。1800年，美國大約有74%的人還在農業裡；到了1850年，農業占比降到了55%，非農就業已經接近一半了。
鐵路，也不只是交通工具。美國鐵路里程從1860年的約3萬英里，增長到1900年的約19.2萬英里。你想像一下這意味著什麼？不是火車跑得更快而已，而是區域市場被接成了全國市場。庫存可以跨區域配置，原材料和產品可以更大規模地流動，現代管理層也開始出現了。
電氣化和內燃機也是一樣。1902年到1929年，美國發電量增長了10倍以上。福特T型車1908年投產，到1930年美國已經有了2300萬輛註冊汽車。車多了，路要修，石油管道要鋪，郊區會擴張，零售、物流、房地產都會變。
所以你看，每一次大技術，表面都是個新工具，底層都是個新系統。
這對今天的企業有什麼啟發呢？
如果你只把AI當成降本工具，你可能只會問：客服能不能少招兩個人？文案能不能寫得快一點？這當然有用，但太小了。
更大的問題是：你的業務流程是不是還按人手工處理信息的時代設計的？你的審批、銷售、研發、運營，是不是能被重新拆開再組合？你的組織是不是還在用舊崗位硬塞新工具呢？
技術革命真正的紅利，通常不在於工具本身，而在於你願不願意重裝經營系統。
但是重裝系統從來都不是立刻反映在利潤表上的，這就引出了第二個認知。
2
生產率提升是真的，但它常常遲到。
很多老闆對AI的期待是：最好這個季度投，下個季度效率就能上來。歷史會潑一盆冷水。報告說，生產率是每次創新浪潮的最終簽名，但早期擴張往往緩慢且不均衡。
第一次工業革命期間，1800-1850年，美國每位就業者的產出實際年均增長大約是0.84%，不算驚人。到了蒸汽機、鐵路、鋼鐵時代，19世紀後半葉生產率增速才接近每年2%，大約是上一波的兩倍。
最典型的是電。電氣化不是把蒸汽機換成電動機就完了。早期很多工廠只是把一個大電機接到原來的傳動軸上，佈局沒變，流程沒變，效率提升有限。真正的躍遷，要等到工廠重新設計成更靈活的佈局，連續流生產出現，流水線成熟，生產率才釋放出來。報告提到，1900年到1929年，美國非農企業實際每小時產出大約翻了一番。這不是通電的結果，這是通電之後，組織、流程、設備和管理一起重做的結果。
互聯網也是這樣。美國從1980年代中期開始大量投資計算機和外設，但生產率的明顯加速，要到1990年代中期才開始出現。勞動生產率從每年的1.5%，到2000年前後加速到約3%，然後又回落。
這對經營者非常重要。如果你今天開始做 AI，不要只看員工有沒有用起來，要看三個更硬的指標：流程有沒有被重新設計？決策有沒有變快？組織裡的知識有沒有沉澱成系統能力？
我見過一些公司，上了很多工具，但是流程還是原來的流程，員工先把信息錄入進系統，再複製出來發到群裡，再等領導拍板。如果這樣用AI就像給馬車裝導航，看起來先進，其實沒有改變交通的方式。
技術的投資回報，常常不是來自於“買”，而是來自於“改”。可是一旦大家都相信未來會變好，錢就會洶湧而來，於是第三個認知來了。
3
技術浪潮一定會伴隨資本浪潮，也幾乎一定會伴隨泡沫。
報告裡有一句話很直接：繁榮與蕭條週期不是創新的偶然產物，而是必要的伴生物。
運河時代：19世紀初，美國運河建設在高峰期約占每年GDP的1%，聽起來不大，但是按報告換算，相當於今天約3150億美元。後來很多項目在1837年的金融恐慌中崩掉了。
鐵路時代：1872年到1881年，美國鐵路投資平均占GDP的2.5%，相當於今天約7900億美元，並且經常超過資本形成總額的10%。融資靠債券，賣給美國，國內也賣給歐洲。故事很美，西部開發，貨運增長，全國市場一體化，但當運量不及預期，資本流反轉，高杠杆的資產負債表就扛不住了。1873年和1893年的恐慌都和鐵路過度建設關係很深。
互聯網時代：1999到2000年，美國IPO的數量、首日回報，極其誇張。報告列出， 1999到2000年，IPO首日平均回報高達64.6%。納斯達克沖上去又砸下來。但是泡沫破滅之後，光纖網路、數據中心、軟體系統並沒有消失，反而成了後來雲計算、移動互聯網的基礎設施。
這件事特別值得今天做AI的企業家琢磨。AI基礎設施很重，算力、數據中心、電力、模型、數據治理、工程團隊，沒有一個是便宜的。歷史告訴我們，大模型前置投資常常有兩面，它加速擴張，也會放大誤判。所以經營者不要只是問“AI 是不是趨勢”——當然是，但是，更要問：“我投的是基礎能力，還是估值故事？我花的錢，是能沉澱到流程數據、客戶體驗裡面，還是只買了一層漂亮的包裝？”
泡沫不是最可怕的，最可怕的是，泡沫破了，你發現自己什麼資產都沒有留下。
而當錢和系統一起變，人的位置就一定會被重新洗牌，這就進入了第四個新的認知。
4
技術不會簡單地消滅工作，但是會重寫崗位的價值表。
這可能是報告裡最值得普通管理者放心，但也最值得警惕的地方。
放心的是，過去五次浪潮裡，勞動力總需求沒有永久崩塌。報告說得很清楚，工人被重新配置，而不是被整體淘汰。即使在嚴重的衰退當中，也沒有證據證明技術進步永久性地提高了自然失業率。
但值得警惕的是，每一次浪潮都會讓一批崗位貶值，讓另外一批崗位升值。
工業革命削弱了傳統工匠，擴大了半熟練工廠勞動；鐵路和鋼鐵時代，城市化加速，現代管理層出現。
電氣化進一步減少了農業就業，擴大了文職和專業工作。1910年到1950年，美國文書勞動力大約增長了兩倍。到20世紀中葉，白領人數超過了藍領。
電子和航空時代，工程師、程序師、技術人員、航空航太專家，變重要了。
互聯網時代，中等技能、重複性崗位被擠壓，軟體發展、數據科學、網路安全、數字行銷、平臺零工快速增長。
報告還做了一個很有啟發的分類，從1983年到2007年，這些常規性高、容易被編碼和自動化的職業，就業需求明顯弱於中低暴露度崗位，這對管理者意味著什麼呢？
你不要籠統地問“AI會不會替代員工”，這個問題太粗了。你要把崗位拆成任務：哪些任務是重複的判斷？哪些任務是標準的回答？哪些任務是依賴跨部門的協調？哪些任務需要信任、審美、談判、責任承擔？
崗位不會按名字消失，任務會按顆粒度重組。一個銷售，過去可能70%的時間在查數據、寫郵件、整理客戶紀要，AI來了，這70%會被壓縮，但他真正的價值，可能變成識別關鍵人，理解客戶組織裡的政治關係，推動複雜決策。
你看，崗位還叫銷售，但價值表已經換了。所以，企業的人力資源管理，不能再只是招聘跟考核了，要開始做任務盤點：哪些任務交給機器，哪些任務訓練人機協作，哪些任務必須留給人。
而一旦改為價值表變化，教育和培訓就不是錦上添花了。
5
再培訓不是員工福利，而是企業的生產系統。
報告反復強調，教育是每次創新浪潮最關鍵的適應機制。
第一次工業革命之後，美國推動公立學校運動，提升識字和計算能力。
蒸汽與鋼鐵時代，1862-1890年，莫尼爾贈地法案，推動工程、農業和機器教育，培養能管理大型工業系統的人。
電氣化和內燃機時代，高中運動和退伍軍人權利法案擴大中等和高等教育。
電子和航空時代，聯邦研發支出在1954-1964年之間占GDP比率翻了4倍，大學成為科研和人才供給的中心。
互聯網時代，Steam和計算機科學數據分析變熱，但大學成本也讓越來越多的人懷疑這張文憑還值不值。
你發現沒有，技術變一次，教育就要變一次，不是因為大家突然愛學習了，而是因為舊技能不夠用了。報告甚至說，AI可能要求的不只是傳統學位路徑，而是終身的學習系統。
對企業來說，這句話很重。很多老闆把培訓當成本，能省就省，但在AI時代，培訓可能變成生產線的一個部分。你的員工不會自動學會提示詞、數據理解、模型評估、流程重構、AI風險評判。你不訓練，他就只能用新工具幹舊工作，最後你還買了很貴的AI，卻只得到很便宜的效率提升。
更現實點來說，未來企業之間的差距，可能不只是誰買的模型更好，而是誰讓普通員工更快變成新型熟練工。過去工廠需要熟練工，今天公司需要熟練的AI協作者。
最後，還有更底層的問題：技術紅利到底會流向誰？
報告提醒，創新本身不決定不平等，制度和組織決定收益怎麼分配。
20世紀中葉是個例外。電氣化和大規模生產帶來大規模效率提升，同時工會、累進稅制、教育擴張讓美國出現了所謂的“大壓縮”，收入差距縮小了。可是到了數字時代，這個趨勢被逆轉。自1880年以來，收入和財富集中度顯著上升，到2020年前後，美國前10%的家庭控制了大約一半的家庭淨資產。
數字技術的規模效應、網路效應、數據回饋，讓贏家更容易拿走大部分的收益。AI可能會進一步強化這一點，因為它天然可複製、可規模化，依賴數據和算力，也依賴頂尖人才。
這對企業家不只是一句宏觀的感慨，而是一個組織問題。如果AI提高了效率，收益怎麼分？只變成股東的利潤嗎？只獎勵少數的技術骨幹嗎？還是能讓更多的員工分享效率的提升，並且願意參與到下一輪的流程改造？
很多技術轉型的失敗，不是因為技術不行，而是因為組織裡的人覺得這事和我沒有關係，甚至會傷害到我。所以經營AI轉型，本質也是在經營信任。
你要讓員工知道：哪些崗位會變，哪些能力會漲價，企業願意投入什麼樣的培訓，效率提升之後組織該怎麼分配收益。說不清楚，人就會用沉默抵抗變化。
總結
寫到這裡，我們再回到那句話：技術變革不是工具升級，而是經營系統重裝。
如果你是創業者，別只盯著AI的應用清單了，先問：我的客戶價值鏈裡，哪一段信息處理的成本最高？哪一段決策最慢？哪一段體驗最不穩定？AI應該從那裡先切進去。
如果你是管理者，別只盯著降本，先做任務的盤點，把崗位拆開，看哪些任務自動化，哪些任務增強，哪些任務需要重新定義責任邊界。
如果你是企業家，別只問今年投多少錢，要設計資本的節奏：哪些投入會沉澱成數據、流程、模型和組織能力的資產，哪些只是趕時髦的費用？
還有件事越早做越好：要把培訓當成基礎設施，像修路、鋪電網、建數據中心一樣，修一條讓員工不斷更新能力的路。
歷史不會簡單重複，但歷史常常押韻。
前五次技術浪潮告訴我們，真正穿越週期的公司，不是最早喊口號的，也不是買工具最多的，而是最早把技術翻譯成組織能力、經營流程和人才系統的。
AI來了，別只升級工具，重裝系統。
