一篇新文章！一本新書！楊斌教授的兩次提醒

清華大學楊斌教授近期在《哈佛商業評論》撰文，提出了一個值得深思的新概念——"To A"。

他指出，當AI和智能體成為商業世界中新的需求主體、決策主體和價值創造主體，當越來越多的商業流程實現"Human not in the loop"，我們過去在互聯網時代積累的那些經驗，或許都需要重新學習，甚至主動遺忘。

To B、To C我們駕輕就熟，而To A，才剛剛開始。

在此之前，楊斌教授也為《吾輩如神》一書撰寫過推薦序。那篇序言從斯圖爾特·布蘭德1968年那句擲地有聲的"吾輩如神，自當善任"出發，探討了一個更為根本的問題：當人類擁有了堪比神明的技術力量，為什么反而可能"把自己的未來給搞砸了"？

布蘭德的警示并隨著戴曼迪斯的指引，穿越半個多世紀，在AI狂飆的今天顯得尤為刺耳——能力越"如神"，善任就越難，為善就越重要。

點擊入手新書，限時65折

商業范式的劇變，科技倫理的底線，看似角度不同，實則指向同一個核心命題：當AI被放在指數位，作為底數的"人"和"人的組織"，該如何升級心智、重塑認知，才不至于塌陷成小于1的底數？

讀《吾輩如神》，恰恰能幫你在"To A"的商業浪潮中，不僅看到機會，更看懂責任。

To A"的真正挑戰，從來不只是在技術和戰略上跟上節奏，更是在心智和認知上完成質變。

To A：AI次方變革帶來新場域——大廠如何變回“小寫”

互聯網普及后，我們所熟悉的商業模式根據對象不同，分為面向企業（Business）的To B與面向消費者（Customer）的To C兩類，由此區分開產品或服務是賣給企業采購部門，還是賣給終端用戶。

無論創業、投資還是戰略分析，這樣的二元框架常被用于定義企業屬性、市場賽道。但伴隨今天的AI演進發展，一種全新的模式正在快速顯現，重要性與日俱增，那就是To A 。

To A 中的A ，可以是 AI，也可以是 Agent（智能體），還可以是那些以 AI 為原生思維、原生生產力、原生工作方式甚至原生組織形態的企業，現在常被叫作AI native 或AI pilled 的企業。

過去討論商業活動，出發點是“人類中心”的——默認“交易發生在人與人之間”，企業服務企業，企業服務消費者，消費者購買產品和服務。把AI放在指數位，底數的商業模式發生質變，越來越多的信息、數據及其界面由AI生成，也由AI讀取，越來越多的決策由 AI 輔助甚至自主落地。

已經越來越成為現實的情況是：商業活動中的參與者不再只是人，Agent會成為不可或缺的重要角色。不同信源的最新數據都告知我們，“2025年底，最遲至2026年一季度后，AI智能體間的API調用量就已經超過人類用戶的網絡請求總量”。

AI能做的事情越來越多，不知不覺超出了我們的想象。

如果一個采購 Agent 能夠自主完成供應商篩選、價格比較、訂單談判和履約管理；如果一個投資 Agent 能夠獨立完成信息搜集、模型分析和組合配置；如果一個家庭 Agent 能夠代替用戶完成大部分消費決策，那么企業面對的對象，究竟還是消費者，還是消費者背后的 Agent？企業競爭的對象，究竟是“人”的注意力，還是算法（巧的是A也是Algorithm的縮寫）或智能體的調用權限、推薦權重與調度優先級？

許多企業、企業家或許尚未意識到，這片新場域正在加速崛起。我們過去時常討論供給側改革、供給側創新、供給側效率提升，但之于未來商業，首先需要認識到：一場需求側革命正在發生——這場革命的源頭，是承擔需求表達、篩選和做出決策并執行的角色正在悄然發生變化，AI Agent成為越來越多需求的代理“人”、話事“人”。

甚至在某些場景中，Human not in the loop——這可能是 To A 最重要的商業邏輯之一。

傳統商業流程中的很多瓶頸，都與人類（非常有限的）注意力、（非常稀缺的）時間和（帶有局限性的）認知能力有關。商業世界的大量 loop，往往都卡在“等待一個人”的環節中，卡在“人類“的處理能力上。而在to A 的世界中，商業活動不再需要每一個環節都有人的介入，當人的經驗、偏好和決策邏輯開始以 Agent 化的認知框架持續運行，loop才能真正飛起來。

商業系統第一次有機會擺脫 Human in the loop 的天然限制。新的需求側在形成，新的市場主體已出現。

To B或To C，關注的是企業客戶需要什么、消費者需要什么，本質上都是在理解和服務“人”的需求。而To A 的出現和快速增長意味著，企業需要認真思考如何服務一個“并非人類”的需求主體、決策主體甚至價值創造主體。這種變化不會徹底取代To B 和To C，就像電子商務沒有消滅傳統商業一樣。但是會重塑相當一部分行業的底層邏輯。

To A 很可能會逐漸成長為獨立的、規模與增長潛力都大于傳統To B、To C市場的新場域和商業范式；也需要新增一種語言框架，來服務A 這種新的需求主體、決策主體、價值創造主體。

更進一步看，To A 并不僅僅是人和 Agent 的交互，也意味著 Agent 與 Agent 的交互也在成為新的商業活動形態。作為To A的一種。隨著長程規劃的能力提升和更強的 agency 能力出現，Agent之間的交互帶寬、信任機制與協同節奏都將出現新的探索空間。

并非如一些看法所說，To A 將僅屬于管理科學與工程的范疇，其中也大有可能產生新的Agent管理學，與token經濟學相呼應；To A 并不是所謂的“美麗新世界“，A 終究源自于不同的人，他們有著多種多樣的差異，也會衍生出更多個性與例外，這同樣需要管理。

企業需要準備好，以面對A這個新的市場參與主體所帶來、所要求的種種變化。

而這，也正是我明確提出“To A ”這個概念的目的。

或許有人會認為To A 最終只是To B或To C中的一個組成線段，并沒有改變B和C才是需求表達與評價來源的本質。這種看似“萬變不離其宗”的表達，是低估“AI次方變革”所帶來的質變的一種典型推擋。即使從To A 作為一個組成線段、最終仍是人在主導的角度來看，To A 也會深刻地影響交易結構、效率與成效。

洞察并把握To A ，對于今天的大多數企業而言，挑戰在于從業者需要跨越的不僅僅是技術鴻溝，更是認知鴻溝。進入To A 時代的最大障礙，是放下舊經驗，甚至得完全反著來才行——To A 的第一步，是 unlearn to B 和 to C時代默認的做法。

來看這個場景：為什么在酒店當中服務的機器人，上電梯時并不伸手去按鍵？不管是上下樓鍵、樓層號鍵，都不需要（用手）按，卻能順利出入電梯并到達目標樓層？

希望這里能有個Aha Moment 。愣一下，然后想通：To B或To C時代中的很多理所當然，到了To A 就不只是繁文縟節，甚至是南轅北轍。傳統上習慣于認為用戶一定是人，因此產品設計強調界面友好、體驗流暢、情感共鳴；但對To A 而言，它并不關心頁面是否精美，而更關心接口是否開放、數據是否標準、響應是否穩定。

傳統上習慣于認為商業模式建立在人類時間和注意力的稀缺之上，因此廣告、訂閱、會員和流量一直是互聯網、移動互聯網時代關注的重點；但對To A 而言，真正稀缺的資源穩定的算力、可信的數據。

傳統上習慣于認為最終結果的呈現才是B或者C所期待的，也是B或者C有限的注意力便于吞吐的，因此過程的分支樹、細節枝杈都被丟棄，但To A 卻很樂于也很擅長去一股腦地汲取所有這些冗余，并沒有人類對于所謂“泔水”的嫌棄，這不僅更有利于Agent復現，也保留著Agent再有新發現的可能。

傳統上習慣于認為組織增長來自更好的內部分工和優化的業務流程，一個勁兒地想著怎么AI賦能，而AI原生企業證明，未來的企業需要 "目標對齊 + 能力開放 + 價值共享"的新能力組合，組織創新是涌現的、生成式的，組織的生態系統和決策機制都與過去截然不同。To A 首先得建立起“碳硅共生”的基本假設。

是故傳統業務模式和價值創造邏輯需要重構；商業活動的各個環節，交互范式不但是拓展、而要做顛覆式的轉變。這些變化，本質上都需要戰略揚棄創新、模式按照第一性原理重新設計。一些過去似乎是“唯一成立”的、也將“一直這樣下去”的被視為理所當然、天經地義的認知，在今天需要被系統性地改寫。

所以對組織來說真正困難的，又是“破執”，unlearn。破去那些To B和To C中的理所當然、天經地義，承認傳統的成功經驗與路徑無法延續，承認我們面對的是全新的業務模式、服務對象、價值標準，這樣才能全面扎根這全新的To A 的商業場域，并在To A 中重寫你的競爭優勢，擁抱AI次方變革帶來的無限游戲。

To B、To C，已駕輕就熟；而To A ，才剛剛開始。但打一開始，就要刻意地跟那“熟悉”說不，就要對互聯網時代的成功unlearn。unlearn，對贏過互聯網時代的“大廠”、大神尤為關鍵。這兩個帶“大”字的稱呼，讓我想起貢布里希在《藝術的故事》中對比的，首字母大寫的Art和普普通通也人皆可為的artists。《置身X內》的種種，說出來一個共通：對“大寫封神”的組織和領導者來說，如何能變回“小寫”，是場大考。

點擊入手新書，限時65折

那些在互聯網時代駕輕就熟的經驗——流量邏輯、界面思維、線性組織模式——正以前所未有的速度失效。贏過上一個時代的大廠和大神們，最大的挑戰恰恰是"unlearn"——放下舊地圖，才有機會找到新大陸。

而《吾輩如神》這本書，恰恰為這場商業變局提供了一個更深層的思考框架。

戴曼迪斯和科特勒用大量數據和案例，向我們展示了人類已經走到了哪一步——富足之上的富足，AI革命的爆發，這些"如神"的能力不是未來時，而是現在時。但全書的后半段，才是真正的重心所在：如何善任。

楊斌教授用"人的AI次方"這個公式說得很清楚，AI是指數位，人是底數。指數再大，底數若小于1，結果只會越來越小；底數若為負，指數越大，災難越深。

所以，"To A"的真正挑戰，從來不只是在技術和戰略上跟上節奏，更是在心智和認知上完成質變。