05
第五章 · 全书最长的一章

智能战略

愿景驱动的战略生成
在生成性世界里，未来不是等着被分析的对象，而是在行动与反馈中不断长出来的过程。战略因此从"一次性制定"转向"持续生成"——真正的战略能力不是做对某个判断，而是让组织在高度不确定中，持续做出高质量的选择。
本页末附 · 读书会：对我们的启发 ↓

框架详解

从规划到发现：战略范式的三段演化工业时代的战略是"先看清未来，再组织行动"，靠预测加规划；互联网时代变成"在变化中快速调整"，靠敏捷迭代；AI时代则是在参与中生成未来。三段最大的区别不在工具，而在对未来的假设。用旧范式定义新世界是最危险的失效方式：Chegg 的战略并非不严密，而是整套体系建立在"学习支持方式不会结构性变化"这个前提上——前提一旦被大模型击穿，再精致的规划也一夜归零。
愿景的三重角色：解释框架 + 方向约束 + 持续重构愿景首先是解释框架：同一个AI信号，把它当效率工具的公司看到降本增效，把它当新商业系统入口的公司看到任务完成与平台重构——看见什么，取决于用什么框架看。其次是方向约束：资源永远有限，愿景是取舍的判断标准，防止把"可能正确"误认为"应该投入"；判断一个机会，不看市场空间和短期回报，而看它是否强化长期判断、是否积累面向未来的关键能力。第三，愿景本身是被持续重构的过程。
愿景化（visioning）优于愿景（vision）愿景是结果，容易固化；愿景化是过程——表述可以稳定，理解必须不断深化。阿里"开放、协同、繁荣的电子商务生态"这句话十年没改，但对每个词的理解在持续演进；Anthropic 对"安全"的理解，也从风险控制走到对齐机制，再走到大规模可控性。管理者要警惕的是另一面：一句话贴在墙上十年不动，理解也十年不动，那不是坚定，是认知停摆。愿景不靠预判的正确性活着，靠理解的持续深化活着。
行动 · 反馈 · 理解循环这是战略生成的核心机制。行动不是执行环节，而是起点机制——关键变量藏在真实使用场景里，调研和推理无法提前穷尽，行动是组织连接未来的唯一接口。反馈不是执行评估，而是未来显现的信号，最值钱的恰恰是偏离预期、与预期矛盾的那部分：Prompt Engineering、AI编程工作流都是用户"用出来"的，不是谁规划出来的。理解是战略真正发生的地方：一要能重新定义问题，二要能穿透反馈表面、识别背后的结构。
战略生成系统 = 算法 + 算力 + 数据类比大模型的能力构成。算法是战略方法论，要固化成可重复的决策协议，而不是留在老板脑子里；算力是参与决策的能力规模，从高层几个人的稀缺算力，扩展为组织级认知网络——黄仁勋五十多个直接汇报是在减少层级损耗，AI智能体则以"硅基员工"身份加入信息处理和初判；数据是持续输入的真实反馈，从绩效指标变成未来结构显现的信号源。这套系统过去建不起来，是因为运营成本太高；大模型加智能体，才第一次让它可行。
张力机制：看十年、想三年、干一年这个框架的价值不在分层规划，而在把张力显性化。看十年是方向约束，约束当下选择而非定死未来；干一年是现实行动，目的是获取反馈而非完成任务；想三年是两者之间的张力区，持续校正长期判断与短期行动的关系——战略生成真正发生在这里。落地有三招：把双问嵌入每个重要决策；用周期性战略会持续校正中期层；创始人从选择者转型为张力维护者，一手强化方向，一手不断引入现实、鼓励反常的声音。
战略共创：从少数人判断到全组织参与两个硬约束决定了这个转向：关键反馈在一线，层层过滤后高层拿到的只是加工过的摘要；同时反馈更新的速度已经超过集中决策的处理速度。Anthropic 的"篝火式"资源流动，让员工主动加入项目来决定资源流向；DeepSeek 先有人觉得问题值得做、再围绕问题聚人，不前置分工。冷启动可以用共创会：二十多人、五类角色、三天高强度碰撞，副产品是最强的团建。
生成战略 vs 制定战略制定战略假设未来可以被分析清楚：阶段性决策、少数人判断、多数人执行，战略与执行两分。生成战略承认未来在参与中生成：战略是持续运行的认知过程，愿景给初始方向，行动触达真实世界，反馈揭示信号，理解修正判断。两者的分野不在文本质量而在生死方式——制定出的战略死于前提，生成中的战略活在循环。有用的不是做出一个更好的战略，而是打造一个能持续生成好战略的系统。
这个决策是否强化了我们对长期方向的判断？是否基于当前真实反馈，而不是抽象假设？
—— 第五章

这两问就是"战略双问"。看着朴素，实践里极少见——多数决策会上，大家要么只谈短期指标，要么只谈长期愿景，张力根本没有进入真正的决策过程。把双问变成每个重要决策的必答题，张力才算嵌进了系统。

关键概念

概念含义
生成性世界未来在行动与反馈的互动中不断生成，而非预先存在、等待被分析。
认知对齐生成性世界的共识形式：不求答案一致，而求认知模式互相理解——知其然，更知其所以然。
机制性理解不只问"发生了什么"，更问"为什么会发生"；亚马逊叙事文档的内核。
问题重构把"云计算市场有多大"换成"开发者为什么愿意放弃自己管理服务器"——问题一变，战略就变。
结构性理解从碎片化甚至互相矛盾的洞察中提炼稳定结构：用户"乱用"对话框，背后是想用自然语言直接表达意图。
决策协议把战略算法固化为可重复执行的机制：叙事文档、实验前写下核心假设、复盘时先问"问题是否需要重写"。
创智人才有能力也有意愿参与重要决策的人；AI替代一般脑力劳动后，其占比与重要性持续上升。

心智模型

战略不是被行动执行的，而是在行动中被生成的。愿景给初始方向，行动触达真实世界，反馈揭示信号，理解修正判断——是循环，不是流水线。没有愿景，行动只是机会主义；没有反馈，愿景就是自我迷信。

一个强愿景最大的风险不是不坚定，而是组织越来越难承认现实在挑战原有理解。所以高质量的理解从来不是"证明我原来判断对"，而是"发现我原来的判断需要怎样被修正"。这一条对越成功的团队越难。

张力不是不稳定，而是更高层的稳定：方向稳定、路径动态；原则稳定、选择演化。组织天然想消除张力——要么死守长期不理会短期信号，要么被短期反馈拖着走。两种都舒服，两种都是放弃战略。

张力并不是战略中的问题，而是战略的引擎。
—— 第五章

书中案例

AWS 生成式战略 vs CHEGG 前提崩塌

AWS 的起点不是一场战略规划会，而是内部技术能力在实践中的积累——团队在真实使用中意识到这些能力有对外开放的潜力。行动上，它以传统标准看"信息不充分、风险过高"的有限功能版本先进场；反馈回答的是行动前无法回答的问题：开发者到底愿不愿为基础设施付费？在意成本、灵活性还是稳定性？哪些是刚需、哪些只是技术团队的想象。关键一跃是问题重构：从"云计算市场有多大"（导向TAM测算和收费模式讨论），换成"开发者为什么愿意放弃自己管理服务器"（导向弹性扩展、API化调用、计算资源从资产变服务的机制性理解）。战略在迭代中逐渐清晰——行动不是战略的后续步骤，而是战略显现的前提条件。对照组是 Chegg：教科书式的定位、体系与订阅增长模型，样样严密，却因"学习方式不会结构性变化"的前提被生成式AI击穿，数月内失效。

亚马逊六页叙事文档：一个决策协议样本

禁PPT、开会先安静读完六页叙事文档，很多公司学过形式，少有人学到内核：这是一份强制执行的战略算法。写作者必须明确问题定义、写清假设、区分事实与判断、解释因果——PPT可以靠气氛和口才把逻辑漏洞滑过去，连贯的叙事滑不过去。贝索斯在会上连续追问"为什么"，暴露的往往不是执行问题，而是团队还在用旧世界的逻辑理解新世界。对管理者的启发在于：方法论只有固化成人人必须走一遍的决策协议，才算进入了战略生成系统；停留在理念层面的"深度思考"，会在日常节奏里被第一个牺牲掉。

反模式

反模式 · 对照自查

本章要点

  1. AI时代战略的本质，是在高度不确定中持续做出高质量选择；组织靠愿景确定并保持方向，而不是靠更精细的预测模型。
  2. 战略能力从"制定能力"转向"生成能力"：从阶段性决策、少数人判断多数人执行，变为持续运行、全组织参与的认知过程。
  3. 有用的不是制定一个更好的战略，而是打造一个能持续生成好战略的系统——算法（决策协议）、算力（参与规模）、数据（真实反馈）三者统一。
  4. 连续决策质量与快速纠错能力，比单次判断正确更重要——前面的决策会严重影响后面的选择空间。
  5. 深层竞争是组织智能之间的竞争：单次判断优势会被迅速复制，嵌入系统的学习能力难以模仿。
读书会 · 对我们的启发
吴总的角度 · 销售管理
  • BP、POA 的做法可以从「年度制定」往「持续生成」挪一步：季度内让真实反馈修正打法，而不是年底一次性复盘
  • 战略双问直接可用于计划评审：这个动作是否强化长期判断？是否基于真实反馈而非假设？两问不过，先别投资源
  • 亚马逊六页纸值得在管理会试一次：先写清问题、假设与因果，集体静读再讨论——专治「PPT 结论文化」
Vera 的角度 · 市场部
  • 品牌计划同理：偏离预期的信号（异常高留存的小群体、被绕开的路径）比达标数据更有战略价值
  • 「愿景 = 解释框架 + 方向约束」给品牌故事一个新角色：不只是对外表达，更是内部筛选机会的透镜