李鸿胜 腾讯研究院特约研究员
AI 的投入在持续，效果却难以兑现。对企业来说，“究竟该怎么做”成为根本问题。而当前 AI 所处阶段则进一步增加了难度，笔者称之为“分化带”——产品形态与竞争还开放，企业间的能力差异却已开始复合，判断的对错在当下得不到验证，窗口却在关闭。
本文是笔者《AI 时代企业变革的认知方法论与战略判断框架》（简称《认知方法论》）与《AI 产业演化的时间尺度：所处阶段与未来节奏》（简称《时间尺度》）之后的第三篇。前两篇分别回答“用什么框架看 AI”与“我们处在哪个时间坐标”，本篇尝试回答一个更进一步的问题：在分化带这个特殊阶段和时间窗口里，企业该如何思考、如何自我校准、如何行动。文章以“商业持续与商业成功”为起点和归宿，提出了一个 AI 时代战略推演框架——SPIRAL 商业持续螺旋（6+2），希望给企业在分化带做战略思考提供一种方法论选择。
三篇合起来，构成一个从认知框架 → 时间坐标 → 行动路径的完整体系。
本文约36000字，核心结构如下:
- 第一章 | 分化带的三大特征让建立 L4-L5 级的思考框架尤为重要
- 第二章 | SPIRAL 商业持续螺旋 —— AI 时代企业战略的六步推演（6+2）
- 第三章 | Step 1 · 起点 —— 商业持续起点分析
- 第四章 | Step 2 · 定位 —— 我在哪一层战场
- 第五章 | Step 3 · 鉴别 —— 在分化带，影响我商业持续的关键变量是什么
- 第六章 | Step 4 · 谋策 —— 深入分析关键变量，决定 AI 时代的竞争优势策略
- 第七章 | Step 5 · 推行 —— 在时间约束下把决策变成扎实的组织动作
- 第八章 | Step 6 · 评估 + 感知横切 —— SPIRAL 的反脆弱机制
- 第九章 | 使能横切 —— HR 与组织如何适配并驱动 SPIRAL 的高质量运行
- 第十章 | 三部曲收束与展望
开篇 | AI 时代最大的错配
先抛出本文最想强调的一个观点：
AI 让认知行为的边际成本趋近于零，但深度认知反而更稀缺、更值钱。这个不对称，是 AI 时代最容易被忽视、也最具战略含义的深层结构。
它在第一篇《认知方法论》里已经作为“一个统一的洞察”出现过，是三个本质变化（创新供给丰裕化、规模定义重写、人才产出方差扩大）的收束。本篇把它前置为起点：它不只是第一篇的结论，更是分化带阶段所有战略思考的前提。它有两层含义。
- 表层是正在发生的事实：分析、生成、翻译、编码……今天任何人都能交给 AI 很快完成。曾经需要专业人士才能完成的认知工作，“门槛”几乎被拉平。认知的表层供给很大程度上民主化了。
- 但深层是另一个容易被忽视的事实：正因为容易的事变容易了，难的事反而更值钱，比如：判断力、深度思考、远见、L4-L5 系统与元认知等。当所有企业都能用 AI 生成“还不错”的方案时，真正读懂客户未被满足的需求、在不确定性中做出正确判断、在喧哗中保持独立，这些能力的稀缺性被同一场变革推到了新的高度。
这个“表层民主化 × 深层稀缺化”的不对称，笔者认为是 AI 时代的典型特征和长久的恒定前提，而在分化带，它的影响最剧烈，它将是这个阶段最深层的认知动力学：当未来 2-4 年是关键的战略窗口，而能力差异又被复合放大时，正确判断的复利效应会远超任何时代。
回顾：从“用什么框架看”到“我们在哪里”
《认知方法论》从一个矛盾开篇：AI 资本支出已超万亿美元，但 80% 的企业没有获得生产力提升，95% 看不到投资回报（第一篇开篇引述的那组数据）。话语体系中的 AI 无比强大，数据中的 AI 尚在起步，这个矛盾背后的根本原因，不是 AI 不行，而是绝大多数企业的 AI 投入没有建立在正确的基本判断之上。
第一篇文章由此提出了一个明确的方法论选择：研究 AI，应当以“商业持续和商业成功”为起点，而不是以 AI 本身为起点。AI 是条件，不是原因；是关键变量，不是唯一变量。以此为起点，文章系统梳理了影响企业持续成功的 17 个变量，将企业对 AI 的认知划分为 L1-L5 五个层级，并进一步论证了技术平权后的六个竞争优势机制（AI 放大既有优势、重构价值链、专有数据复合效应、人机协作独特设计、加速学习、认知独立性）。最终归结为一个隐喻：AI 是乘号，不是被乘数。竞争优势 = 既有优势 × AI 放大系数。被乘数不改变，乘号越大，问题被放大得越彻底。
《时间尺度》向外看，追问一个前一篇文章没有回答但对企业决策者极为重要的问题：如果第一篇的认知体系成立，那在这场 AI 变革中，我们目前到底处于什么阶段？未来节奏如何？该文以两个经典的产业演化分析工具（Utterback 三阶段模型、Klepper 产业人口动态）为基础，延伸出面向数字/AI 时代的分析框架——包括主导设计五因素的综合归纳与检验、数字时代产业演化速度的底层逻辑与量化推理、以及“分化带”这一阶段命名，并结合 2026 年最新趋势做了反向验证。第二篇文章得出的核心判断是：AI 大模型及其应用目前处于“分化带”（晚期流动期向早期过渡期移动的阶段）。产品维度上，架构、形态、竞争维度都还开放；企业维度上，能力差异复合已经启动。
在此判断之上，第二篇文章通过对制造业与数字时代六个产业演化速度的对照，估算出数字时代产业演化的时间尺度比制造业压缩约 3-5 倍，并推演出 AI 大模型及其应用的分层时间坐标：主导设计可能在 2026-2032 年之间分档浮现（主体集中在 2027-2030）、深度洗牌显现在 2030-2035 年，留给企业的战略调整时间大致在 2-4 年量级。
说明：什么是主导设计——主导设计不是“某一家公司的产品胜出”，而是“某一套技术组合和产品形态成为整个行业的事实标准”，主导设计一旦确立，游戏规则将从“产品该是什么”转向“如何把产品做得更便宜、更可靠、更规模化”。
两篇合起来，回答了两个问题：企业面对 AI 应当以什么为起点思考（认知框架）？我们目前处在什么阶段、留给我们多少时间（时间坐标）？但两篇加起来，还留下一个更进一步、也更难的问题：
在这样的认知框架下、在这样的时间窗口里，一家具体的企业应该如何思考、如何自我校准、如何行动？
这是本篇文章要展开的内容。
本篇的核心结构
本文以【思考框架 → 自我校准 → 行动落地】三段递进为主线。
- 思考是框架层（第二章）：先基于企业整体视角，建立一套针对当前阶段的战略分析框架与思考工具：SPIRAL 框架（它以第一章的分化带认知为前提，并内含双轴分析模型等多个工具）。
- 校准是诊断层（第三章至第六章 Step 4 上半段）：将框架展开，先对企业的实际情形做出全面深入的分析诊断，回答“我是谁、我在哪、我强在哪、我弱在哪、我该扎根哪一层”。
- 行动是策略与落地层（第六章 Step 4 下半段至第八章）：再基于诊断得出的判断与洞察，在《时间尺度》给出的时间坐标下，形成有序、有节奏、有优先级的具体行动策略与行动路径，并以 Step 6 评估闭环收尾，让六步回到起点、螺旋上升。
三段之外还有三块：开篇 + 第一章给出核心命题、分化带三大特征，是全篇的认知前提；感知横切（三大监测）与使能横切（HR 与组织）两条横切贯穿三段；第十章为全篇收束。
三段的稀缺性和难度并不均等。思考承担的是“从零到一的建构”——从头搭建一个能穿透 AI 表象、直指商业本质的判断框架；自我校准和行动承担的是“从一到多的展开”——把已经建构好的框架应用到实际、落到具体动作。因此，思考的边际稀缺性更高，但真正形成针对性、独特性和有效性的，在于框架的深入展开，这其实更具挑战，高密度信息也集中于此。
这也是本文想强调的一件事：
AI 时代绝大多数投入无效的根源，来自“用浅层的思考，驱动了大规模的行动”。其影响可能不止于一两次投入，而是有可能损失整个战略窗口。
本文的三个原则性说明
其一，方法论前提沿用第一篇文章的路径 B——以商业持续和商业成功为起点，AI 是条件不是原因。本文所有关于“应该如何思考、校准、行动”的讨论，都建立在这个起点之上。
其二，时间坐标沿用第二篇文章，作为本文的工作前提（而非既成事实）——预设“AI 发展走 A 轨迹（最终形成主导设计） + 规模经济在 3-4 年内跨越”，任一前提生变，时间坐标需相应校准。本文不再重新论证其成立性及变动性，需要说明的是：这一时间坐标针对的都是以 AI 大模型及其应用为战略重心的企业，这是第二篇那个判断的辖域；本篇视野扩到所有企业，时间坐标会有不同，具体第四章会分析。
其三，本文提供的是一套“可操作的方法论 / 操作系统”，而不是“可照抄的标准答案”。SPIRAL 有明确的步骤、产出物与接口，能落地运转；但它要企业结合自身情境去推演，而不是一份填空式清单。操作系统的价值，在于帮使用者建立自己的判断，而不是替其做判断。
第一章 | 分化带的三大特征
让建立 L4-L5 级的思考框架尤为重要
关于本章：讲清分化带的三个特征，以及它们叠加指向的一条核心命题。三段递进从下一章才开始，这一章是它们共同的地基，后面六步才能在正确前提上精确推演。
企业在分化带里真正面对的，不只是《时间尺度》定义的产业现象——“产品分层还开放、能力分化已启动”，而是它与另一层结构的耦合：认知层级（即第一篇 L1-L5 所刻画的那条判断水位）的判断质量分化。两者互相驱动、互相放大：产业分化推着判断分化显性化，判断分化又反过来加速产业能力的复合。
这个耦合结构里，企业面对的关键特征有三条：判断分化、产业分化、时间不对称。它们叠加起来指向同一个战略事实，也是本章要论证的核心命题：
★ 分化带里，错误暴露的滞后期，往往长于错误可纠正的窗口期。等你知道自己错了，改正的门已经关了。
1.1 特征一 · 判断分化——企业之间判断质量的大规模分散
第一个是判断分化：企业与企业、决策者与决策者之间的判断质量，在这个阶段被大规模拉开。判断分化就是 AI 时代的认知不对称在分化带的显性化。判断门槛被抬高的同时，劣质判断被批量生产。为什么偏偏是这个阶段？两条原因：
- 噪音与门槛同时拉满：架构、路径、商业模式都还未定，没有“正确答案”可作参照，而新模型、新叙事每天都在加剧信号过载；同时，L1-L3 那些看起来自洽的浅层判断被批量生产、广泛传播，L4-L5 的判断却要顶住主流噪音。
- 反馈机制缺失：这是分化带特有，也是最要紧的一条——判断做出后，没有多少有效反馈告诉你对错。产品未定 → 没有市场答案；商业模式未跑通 → 没有财务反馈；能力已分但差距尚未显化 → 没有可观察证据。这在互联网泡沫、区块链狂热、元宇宙热潮里同样成立；应该说“能力已分但反馈未到”是分化带最鲜明的挑战性特征，它决定了错误判断能长期存活、被广泛传播。
一个现场印证是 2026 年 7 月的 WAIC：图灵奖得主萨顿说“AI 还很弱小且不可靠”，一位头部大模型公司创始人同时说“行业正站在 AGI 高峰的山脚下”。分歧是这个阶段的属性——即使在最高判断水位上，反馈的缺席也让顶尖分歧无法收敛。
两条原因叠加，判断分化被大规模制造出来，并与产业分化互相放大：判断质量分散 → 一部分企业做对判断 → 能力复合 → 产业分化加深 → 判断分化再放大。这形成了一个复合回路：反馈缺失让错误在当下无法暴露，判断质量的差异因此长期潜伏、悄悄放大。
1.2 特征二 · 产业分化——产品未定 × 能力已分 × 商业模式未跑通
第二个是产业分化——《时间尺度》文章的一个核心洞察是：产品分层还开放，能力分化已启动。展开是三重叠加：
产品未定：架构、形态、竞争维度都还开放，多路线并存，主导设计尚未浮现（流动期未结束的部分）。
商业模式未跑通：训练与推理成本仍在剧烈变动，“投入-产出-再投入”的正向飞轮尚未确立，主导设计的“规模经济”因素因此尚不满足，距离收敛的临界点还很远。
能力已分：头部与非头部的能力差异复合已经在暗中启动，算力、分发、产品、客户、组织学习速度的差距在拉开。而分化带的能力差异复合可能远比想象中隐蔽和复杂，这也是本篇的一个核心观点：分化带的能力复合，跑的不是市场回路。经典产业演化理论里，能力差异靠“产品 → 商业能力 → 市场份额 → 商业与财务结果 → 资源 → 能力……”这条市场反馈回路复合；但分化带的前提恰恰是市场信号还没到位或不明确。所以这里的复合，主要走组织内部通道——学习速率、人才密度、数据资产、AI 素养与认知独立性（第一篇 17 个变量里的 V4 / V10 / V13 / V15 / V17）。
笔者把它称为“内生复合”，相对于过渡期（主导设计浮现、竞争转向效率与规模）之后的“外生复合”（市场收敛、飞轮转起来，复合转到份额、资本、品牌、生态这些外部通道上）。它的正反馈回路是：
V4 学习与适应速度的微小差异 → 每一轮技术进步的转化效率差异（同样一次模型能力跃迁，A 企业三周变成产品能力，B 企业三个月还在评估）→ 更快的组织吸引到顶尖人才（V10）→ 人才把数据资产（V13）的利用效率推上去 → 组织的 AI 素养（V15）随之渗透 → 认知独立性（V17）让这套复合始终朝正确方向 → 下一轮学习速率进一步分化，而且更准
回路基本在企业内部闭合，在市场、份额、资本等外部环节中显现很少，它在财报中没有显性痕迹、市场信号也往往缺席的情况下运转和发挥作用。分化带 2-4 年的战略紧迫期，足以把两家看起来差不多的企业推到“追不动”的鸿沟。
三重叠加的战略含义，正是核心命题的产业面来源：判断的对错在当下不会被验证，而判断质量的差异正在被内生复合悄悄放大——做错的代价不在当下体现，而是被延迟到复合完成之后，那时纠错的门已经关了。
1.3 特征三 · 时间不对称——两轴四极
第三个是时间不对称。这个阶段最容易骗过决策者的，是时间本身并不匀速，它在两个轴上同时不对称。
轴一 · 速度不对称：信号侧快，结构侧慢
产业信号侧压缩 5-10 倍（ChatGPT 约 2 个月达到 1 亿用户；主流大模型 Token 价格近 3 年下降约 2 个数量级）；产业结构侧只压缩 3-5 倍——主导设计的确立、深度洗牌、监管定型，仍受商业模式跑通、生态成熟这些慢变量约束。信号是被 AI 加速的，结构是被商业规律和制度节奏决定的，决策者很容易把信号的速度误当作结构的速度，这正是第七章要处理的行动节奏问题。
轴二 · 时序不对称：客观进程早于可观察证据
进入窗口的关闭早于洗牌信号的显现。这是 Klepper 在美国汽车产业研究中揭示的反直觉现象。从外部看产业还在快速增长、媒体还在报道繁荣，真正明显的洗牌要到几年之后。但实际上进入窗口早已关闭。这在制造业时代可能是 10-15 年之久，数字时代压缩 3-5 倍后，这个时间差缩到 2-5 年，但方向不变。
而能力分化的启动要早于财报变差。起于早期偶然，再自我强化，指数级放大，等能看见时，差距已经复合了三到五年。内生复合在财报和市场可能长期没有明显影响，等它变成可观察的外部信号，可能事情已经完成了。
两轴合流成一句话：看得见的时候，其实已经晚了。企业必须在“外部繁荣、结构未定、证据未到”的时段完成判断和入场。
1.4 三个特征意味着什么 · 二维矩阵：L1-L5 认知层级 × 产业演化阶段
三个特征叠加起来，究竟意味着什么？可以从一张位置图上看清楚——把认知层级（L1-L5）和产业演化阶段（分化带 / 过渡期后段 / 专门期）叠起来：
这张表最重要的是竖着看——分化带列里，L3 与 L4-L5 的结果分叉最大（押错战略位置 vs 建立结构性优势）；过渡期后段这两格的差距明显收窄（稳定运营 vs 影响行业标准）；到专门期就更是常规的经营水平差异。
★ 这就是分化带的独特之处：分化带是“认知层级的边际收益”最陡的阶段，L4-L5 相对于 L3 的边际优势在这个阶段最大。L4-L5 判断得到的是复利，远大于 L1-L3 的单次收益，差距的量级取决于方向和判断的准确性、复合的年数。换句话说，L4-L5 判断的高回报集中兑现在分化带里。
★而对企业来说，这张表则意味着一个进退两难的挑战：
做与不做可能都会产生差异复合。分化带里，内生复合悄悄拉开差距来自于正确的判断和行动，正确判断下，不做也许也是一种做。
而紧迫感并不统一。“现在必须 All-in”与“AI 还很远”可能都对，取决于你站在哪一层战场。
最大挑战是：判断质量难以在短期内通过结果校验，也很少有人会考虑建立明确的参照系来审视自己的判断是在 L3 还是 L4-L5；而 L1-L3 的判断看起来自洽、传播得更好、还有主流共识撑着，也让人更容易相信自己的判断。
1.5 “如何思考”在分化带成为最难、最稀缺的一段
结合第二篇的分析：财报、市场、客户这些洗牌信号的暴露，要滞后 2-5 年；而进入窗口在 2026-2030 年间分层关闭（前沿模型层最早，垂直行业整合层则可能开放到 2035 年之后）。在窗口先关的战场上，两个时长是错开的：错误暴露时，可纠正的窗口已经合上。
这也意味着判断质量是当下杠杆最高的可控变量，我们必须在证据到达之前完成判断。AI 技术本身是相对平权的、给定的，时间是约束；企业能改变的是两件事：被乘数（商业基本面）与自己的放大系数（用 AI 的方式），而决定这两者的，都是判断质量。
随之的追问是：如果稀缺的是判断能力，那“思考框架”的价值是什么？
严格来说，判断能力短期并不容易建构，但 L4-L5 层级的思考框架可以先立起来，让提问、思考和判断先发生在正确的层级上，在此基础上判断能力也将有更大机会提升。大量 L3 判断之所以停在 L3，往往不是决策者不够聪明，而是手上的框架只到 L3。
所以，“如何思考”作为三段递进的第一段，它不是引子，而是复利效应最长的那一段。下一章将回答：分化带里做企业 AI 战略判断，需要一个什么样的分析框架？
一个范围上的说明：第二篇《时间尺度》说的“2-4 年紧迫”，针对的是以 AI 大模型及其应用为战略重心的企业；本篇把视野扩到所有企业，紧迫度因此分层——同样在分化带，前沿模型层、协议层的门在快速关闭，γ 弱相关型却仍有从容观察的空间。第四章两张分层图会校准清楚。
第二章 | SPIRAL 商业持续螺旋
—— AI 时代企业战略的六步推演（6+2）
关于本章：回答第一章章末提问——分化带里做 AI 战略判断，需要一个什么样的框架。介绍 SPIRAL（6+2）整体框架和背后逻辑后，即完成“思考”这一段，后面七章都是其详细展开。
这个框架，笔者称之为 SPIRAL 商业持续螺旋（6+2 战略推演），它由前两篇分析洞察推演而来，与前两篇文章是强逻辑联系。与当下多数以 AI 为起点的框架不同，它以商业持续为起点和归宿。它的设计目标不是一次性的工具，而是一套可以持续演化的 AI 时代战略操作系统。
2.1 什么样的思考框架配得上 L4-L5 层的战略推演
在构建框架之前，首先要界定的是：一个优秀的 AI 时代战略思考框架应该具备的典型特征是什么？以下是笔者的见解：
这五条特征背后有一个根本立场——反技术决定论。当前的 AI 战略思考很多本质上会偏向于技术决定论，其特点是将 AI 作为起点，将 AI 转型作为主要目标甚至归宿，但实际上容易脱离商业本质，并陷入没有终点的无限循环（第一篇文章有论述）。
当然，不同视角会有不同的标准，欢迎读者加入探讨。
2.2 SPIRAL（6+2）的逻辑源头 —— 前两篇文章与第一章的合流
一是第一篇《认知方法论》中的一个重要判断。AI 时代的企业变革，持续成功需同时做对三件事：先判断对方向、再找对切入点、再在窗口期内建对能力，三者缺一不可，有顺序依赖。SPIRAL 的六步，就是把这三件事放到“分化带”这个具体时间坐标下，建构起六个可操作动作。
二是分化带的三大特征。这意味着框架的设计要能有效应对这些挑战：判断分化 → 意味着要洞察深刻以对抗随意性和表层判断；产业分化 → 意味着要做对“位置判断”以对抗盲目选择或一刀切；时间不对称 → 意味着要时刻监测变化以对抗判断滞后。
可以说，SPIRAL 的每一步、每一条横切，都是从这两个逻辑源头中推演出来的。
2.3 核心框架 · SPIRAL 商业持续螺旋（6+2）的完整逻辑
1．总体思考框架图
2．六步的具体内涵
3．六步各自的战略作用
· Step 1 起点 —— 看清“AI 这个乘号”要放大的是什么被乘数。跳过起点做 AI，就是给一个不清楚的底盘挂一个乘号，放大之后不知道会得到什么。
· Step 2 定位 —— 确认清楚所在战场是一切行动的前提。前沿模型层、协议层、应用层、垂直行业整合层的进入窗口不同、竞争逻辑不同、能力要求不同，一刀切或盲目选择都可能带来原点性误判。
· Step 3 鉴别 —— AI 放大既有优势，同样也放大既有短板。不能忽略任何一个关键因素的影响，尤其分化带“内生复合速率”会悄悄拉开差距。
· Step 4 谋策 —— 核心一步，通过结构化的变量和竞争优势分析确定发展和竞争策略。在分化带，聚焦和不做可能带来更佳的复利。
· Step 5 推行 —— 战略窗口可能只有 2-4 年，让变革落地变得紧迫。分化带的执行需跳出常规，在时间紧迫和反馈回路缺乏情况下倒逼动作分解、关键路径与里程碑设计。
· Step 6 评估 —— 不能有效评估的执行不能验收。可观测的评估既复盘当下，也是下一轮起点的重新基础。
4. 六步之外的“+2”——两条横切
一 · 感知横切（三大监测）是“雷达”——如前所述，分化带的典型特征和挑战决定了内外部变化每天都在发生，六步推演所依托的条件、基础及分析可能随时都有变化或不成立。等六步完整走完一次可能就晚了。感知横切在六步推演之外平行运行，独立贯穿，通过【L4-L5 判断层级监测】、【AI 价值传导监测】、【产业演化监测】三大监测体系，持续监测和分析潜在的变化和趋势，不断校准和更新六步推演的条件和基础，以确保推演过程的准确性。
二 · 使能横切（HR 与组织）是“驱动”——如《认知方法论》中所述，HR 与组织是使能条件，一方面要通过自身的变革与行动，有效地承载、支撑及驱动企业的 AI 战略，确保其高质量落地。同样重要的是，从组织和人才视角为战略的选择提供输入，确保 HR 与组织服务于正确的方向、正确的切入点和战略。为此 HR 与组织嵌入公司业务战略前端、贯穿全六步过程，成为单独的使能横切。
两条横切一个“感知变化”，一个“驱动实现”，共同贯穿六步。在“6+2”框架中，六步是主体，两条横切是缺一不可的支撑。它们共同构成【SPIRAL 商业持续螺旋 —— AI 时代企业战略的六步推演（6+2）】。其中：
★ “SPIRAL”代表双重含义
其一，六步的英文首字母 Start（起点）· Position（定位）· Identify（鉴别）· Resolve（谋策）· Act（推行）· Learn（评估），恰好拼成 SPIRAL——中英文大多直译，只有两步有意取向不同：谋策的落点是决断（Resolve），评估的目的是学习提升（Learn）。
其二，SPIRAL 即“螺旋”，这套系统的核心动力学：6 步循环回到起点，2 横切实现感知、校准和有效驱动，形成商业上持续进步的正向飞轮。
★ 六步之中内嵌一个分析模型：双轴分析模型
Step 2 判断“我在哪一层战场”（横轴 · 战略位置），Step 3 判断“哪几个变量在这个战场上决定我的商业持续”（纵轴 · 能力位置），两者合在一起，天然构成一个“战略位置 × 能力位置”的双轴分析模型，这个模型将在 Step 2-Step 4 的详细介绍中逐步展开，将企业的关键变量一步步分析清楚。
小结：SPIRAL 是一台自锚定、自感知、自校正、自进化、自承载的战略操作系统，一个可以长期推动进步的运转体系。它不是某一时点的静态工具，不是一个无法校准和回收的清单式动作。
到这里，本文【思考 → 自我校准 → 行动】的三段递进结构中，“如何思考”已经讲述完。
接下来将把 SPIRAL 商业持续螺旋（6+2）详细展开，结合 AI 产业变革和企业实际，拆解 6+2 每一步的具体思路和实践，具体澄清如何自我校准和行动。
第三章 | Step 1 · 起点
—— 商业持续起点分析
关于本章：Step 1 · 起点回答“我们的商业持续到底靠什么”。这一步先不问“AI 变革该怎么做”，只问“我们靠什么存在下去”。被乘数看不清，乘号越大风险越大。
3.1 为什么起点分析必须先做，且不能敷衍
整个 SPIRAL 框架以商业持续为起点和归宿，推演的第一步就必须把企业自身的商业基本面分解清楚。这是锚定的一环，没有 Step 1，后面五步都会失去锚点，做出来的 AI 战略也将难以因地制宜。
而分化带的三大特征让这一步变得更重要，商业起点不清楚，后面每一步都会把偏差放大，代价成倍增加。典型有三种：
- 战略资源错配：产业分化让选择的容错率急剧降低，战场和方向选错，战略资源必然错配；
- 方向漂移：判断分化让起点更容易被外部叙事带偏，每次外部 AI 叙事更新都触发一次内部方向重新讨论并产生漂移；
- 窗口错过：时间不对称下，三年后回头看，做了很多事，但可能没有一件事真正推高商业持续水位。
这也是第一篇文章的核心观点：AI 是乘号，不是被乘数。企业能改变的，是被乘数（商业基本面）与 AI 放大系数；而看清被乘数的第一个动作，就是锚定起点。
3.2 起点分析 —— 四问结构
起点分析用四个递进的问题——从“是谁”到“靠什么赚”到“靠什么持续赚”，第四问在前三问中筛出可变量与不变量。四问按顺序答完，商业持续的底盘基本浮出水面。
问一 · 我们是谁？（业务定位）
主营业务是什么？核心赛道是什么？业务边界在哪里——哪些做、哪些不做？
问一最核心的一个判断：我们和 AI 的关系是什么？
- AI 产业玩家：业务本身就在 AI 产业内（前沿模型、协议/基础设施、应用、垂直整合），AI 是业务的核心组成，不是工具。
- AI 之外的企业：核心业务不在 AI 产业内（零售、制造、金融、医疗…），AI 是赋能工具，核心业务逻辑相对独立。
这个判断决定了后续五步的分析坐标完全不同——AI 产业玩家首先要问“我在技术栈的哪一层、进入窗口还开着吗”；AI 之外的企业首先要问“AI 如何改变我所在行业的价值链、我的竞争位置会变吗”。在错的坐标系里做正确的分析，答案仍然是错的。
问二 · 我们靠什么赚钱？（盈利模式）
本企业如何创造并捕获价值？这门生意的商业模式是什么？企业自己的生意怎么组织？它有两层。
- 先是商业逻辑：为谁创造什么价值、谁付钱、付的是什么、为什么付给你。
- 再是盈利结构：收入结构 / 成本结构 / 利润来源。
AI 对问二的冲击，先在商业逻辑上，再显现到账上。需求和产品的基本结构有没有变化、付费主体还稳固吗？单位经济还成不成立？如果这些变化了，收入端哪些被侵蚀或放大、成本端人力与算力如何此消彼长、利润率被抬升还是被拉平……会逐渐体现在盈利结构上。如果只盯三张表，会看见数字在动，看不见生意被重写。
核心要义：AI 冲击的第一步，不在技术本身上，而在你如何创造并捕获价值上——商业逻辑看不清，三张表再清楚也只是结果。
问三 · 我们靠什么持续赚钱？（核心竞争力）
问三追问一层——为什么这些钱能持续来？这些钱在 AI 时代还能持续吗？
这个问题的本质是看核心竞争力：客户为什么持续选你，以及别人为什么抄不走——不可复制的能力、独有的资产、结构性护城河。护城河往往是前两者的结果，不必三项并列穷尽；要分清哪些在 AI 冲击下仍稳固，哪些在松动。
核心要义：问三钉住的是持续——没有客户持续选择你、别人又抄不走的根基，问二写下的赚钱方式只是这一期的账。
问四 · 什么会变、什么不会变？（可变量与不变量粗筛）
针对问一写下的业务定位、问二写下的赚钱逻辑、问三写下的竞争力，逐条标出什么在变、什么不变。可直接用第一篇文章的 AI 时代的变量分类逻辑：
- 量变：AI 时代权重发生变化，但本质逻辑没变（如客户理解深度——含义没变，权重变大）
- 质变：AI 时代内涵完全重构的变量（如人才产出方差——从正态分布变为幂律分布）
- 基线变化：本质逻辑没变，但达到同等水平所需的能力门槛在改变（如内容生产效率——同样的产出水位，所需能力已完全不同）
再写下不变的基本盘。对许多企业，客户真正的需求、信任不会随模型迭代改写；领导者的战略判断力、愿景感召力等不但不变，权重还会上升……不用列全，起点分析必须有一份“这些是不变的”。
核心要义：起点必须同时写下可变量与不变量——分清这两类才分得清 AI 变革该做什么、不该做什么。
3.3 落地做法 · 一份《商业持续起点诊断》
建议组织一次高层集中讨论把四问答完，不追求穷尽，追求关键结论。建议由对商业底盘负责的人来主持，而不是从 AI 倒推。
Step 1 做完后将作为整轮锚定：以此为起点，启动 Step 2-6 的推演；后续每次 Step 6 评估再回到这份诊断书校准。
产出：一份《商业持续起点诊断》，至少是以下五层书面结构：前三层是自校正的最小集，后两层管节奏和咬合。
三个接口是六步咬合在这一步的具体落点：
- → 交给 Step 2 定位：业务/赛道 + 与 AI 的关系定位 → 决定用哪张坐标图分析
- → 交给 Step 3 鉴别：问二的商业逻辑与盈利结构 + 问四的可变量与不变量粗筛 → 决定 Step 3 筛选时该重点看哪些变量；不同赚钱方式，叠加变量组合不同
- → 交给 Step 4 谋策：问二的捕获方式 + 问三的核心竞争力初步识别 → 决定竞争优势通道的选择方向
这个五层结构也是后几步产出的标准结构：将答案、依据、边界假设写下来，Step 6 评估才能追问“当时的依据还在不在、边界有没有被击破”，而不只是看答案对不对。自校正从 Step 1 就开始启动。
3.4 常见陷阱
- 陷阱一 · 用“要不要做 AI”代替“我的商业持续靠什么”——要不要做 AI 是外部叙事推着你问的问题，商业持续靠什么才是该问的问题。
- 陷阱二 · 用产品清单代替业务定位——列一大堆产品，却没回答“我们在商业本质上是一家什么公司”。产品清单是结果，商业本质是原因。
- 陷阱三 · 用当前竞争地位代替核心竞争力——“我们市场份额第一”是结果，不是原因。一旦 AI 改变了竞争维度，当前地位会瞬间失去意义。核心竞争力是“为什么你能持续做到当前地位”，不是“你当前处于什么地位”。
Step 1 · 起点交出《商业持续起点诊断》，这是后几步所有分析的基础和锚点。
第四章 | Step 2 · 定位
—— 我在哪一层战场
关于本章：Step 2 · 定位回答“我在哪一层战场、时钟走到几点”。分化带没有统一的时钟，同一条紧迫命题，落到不同战场上是完全不同的紧迫度。
4.1 分化带的典型特点决定了明确自身所在位置很关键
分化带“产品分层还开放，能力分化已启动”的典型特点意味着：
不同战场之间的差异可能很大。不同层的主导设计浮现节奏不同、进入窗口关闭时间不同、竞争维度演化速度不同。但媒体、咨询报告、行业峰会呈现出来的都是“AI 时代”，好像所有企业站在同一个时间点面对同一件事。这是分化带阶段最大的定位陷阱——不主动定位，战场就会被外部叙事代为定义。
一句话：分化带里，战场决定时钟，读错时钟，选对战场也会输。
4.2 两张分层图 —— 先选图，再定位
Step 1 · 起点问一已经把企业分成两类：AI 产业玩家 vs AI 之外的企业。这两类企业需要在完全不同的坐标图上做定位：
- 图一 · AI 产业内部的技术栈位置：面向 AI 产业内部玩家（前沿模型公司、AI 应用/产品创业者、协议层玩家、AI + 垂直行业整合者），关心“技术栈层位 + 主导设计浮现时间”。
- 图二 · AI 对既有企业的影响位置：面向 AI 不是主业但需判断如何应对的企业（绝大多数传统企业、垂直服务公司、区域型企业），关心“AI 对我核心业务的影响性质 + 我的战略窗口紧迫度”。
少数企业可能同时落在两张图上（如既有企业开始向 AI 原生转型），需要双图定位：按业务板块分别定位，以核心业务所在的那张图为主图；两图结论冲突时，以“哪块业务承担商业持续”为准。
图一 · AI 产业内部的技术栈位置
图一的分层严格沿用《时间尺度》文章中的时间坐标，并把其中分档并列的应用侧子层归总为“应用层与产品形态层”的四档，便于对比阅读。
判断原则：重点是看主导设计的浮现时间——不同子层的浮现节奏差异很大，据此判断自己应采取什么策略。
特别说明：这些档位给的是时间感，不是时间表，它依赖第二篇提到的两个前提（AI 走 A 轨迹 + 规模经济在 3-4 年内跨越），也正因为如此，它需要被持续复检，而不是一次性的既定时间。这也正是第八章产业演化监测要做的事情。
两个提示：
提示一 · 应用层不能笼统看：四档子层的浮现时间从 2026 到 2032+ 跨越六年，把它们放在同一“应用层”筐里只是层级表述，实际决策时必须精确到具体子层，按其主导设计浮现时间做判断。
提示二 · 收敛机制存在区别：第三档“办公桌面 Agent 工作台”靠生态平台聚合（入口、协同链路、场景绑定）；第四档“通用自主 Agent + 多 Agent”靠技术边界扩张（可靠性、成本、责任边界的深层突破）。同属应用层，收敛机制、玩家类型、进入门槛、风险类型完全不同。
图一小结：进入窗口不是一个统一的日历，而是分层展开的多个窗口——先看清自己在哪一层的哪一档，再看清这一档的时钟走到了几点。
图二 · AI 对既有企业的影响位置
图二把既有企业按 AI 对核心业务的影响性质分为三种位置：
三点说明：
说明一 · 三种位置不是三种行业，是三种业务性质：同一家企业的不同业务板块可能同时落在 α 和 γ（比如零售集团的电商业务在 α、社区门店业务在 γ）；同行业内不同企业也可能落在不同位置。归位需结合企业自身实际情况判断，不能按行业标签一刀切。
说明二 · 三种位置的战略窗口性质差异极大：α 的 3-5 年是能力复合的窗口：早入场的企业会拉开与后入场企业的距离；β 的 2-3 年是生存的窗口：不主动重构就被重构；γ 的观察窗口相对从容：不做 AI 战略同样是一种正确的战略选择，前提是判断准确。
说明三 · 图二是描述性工具而非精确分类：这是本文提出的分类框架，用来帮助既有企业快速找到自己的坐标系，而不是给出绝对答案。
图二小结：AI 不是一场对所有既有企业同等强度的冲击——先看清自己是深度受益型（要抢时间放大）、深度重构型（要抢时间重构）、还是弱相关型（可以从容观察）。
特别说明：第一章的核心命题“错误暴露的滞后期长于错误可纠正的窗口期”，在两张图中不同位置会呈现出不同的紧迫度：命题在门关得快的位置最强（前沿模型层、协议层、β 深度重构型），在 γ 与垂直行业整合层减弱。
两张图的价值，不是让你看清所有战场，是让你看清自己该站在哪里，找到自己在图上的具体位置，后面每一步就有依据。
4.3 落地做法 · 一份《战场定位判断》
可紧接 Step 1 那次讨论往下做，也可独立做一次。建议由对行业、赛道与竞争格局充分了解的人主持。
输入：Step 1《商业持续起点诊断》，加上主要对手的位置和动作，以及本战场进入门槛的变化。
与 Step 1 一样，这里也是一次锚定：先给出一个明确的位置判断，Step 3 在此基础上推演；窗口信号变化时，随 Step 6 回来校准。
产出：一份《战场定位判断》
这份定位判断是 Step 3 · 鉴别的坐标系——没有战场，就没有“这个战场需要什么能力”的评估标准，鉴别会变成对着 17 个变量泛泛打分，失去针对性。
4.4 常见陷阱
- 陷阱一 · 把行业趋势当作自己的位置——“AI 时代所有企业都要做 AI”是行业趋势，不是你的战场；把趋势当位置，后面每一步都缺针对性。
- 陷阱二 · 用“全栈布局”回避定位——听起来最稳，实际最漂；每个战场都投一点等于哪个战场都进不去；真正的定位需要“选一个战场，拒绝另外几个”的战略勇气。
- 陷阱三 · 定位随外部热点频繁调整——今天做大模型，明天做 Agent，后天做具身智能，每次调整都消耗组织的能力积累；分化带阶段最稀缺的是坚持一个战场足够久的定力。
Step 2 · 定位交出《战场定位判断》，与《商业持续起点诊断》一起构成后续所有分析的坐标系。
第五章 | Step 3 · 鉴别 —— 在分化带
影响我商业持续的关键变量是什么
关于本章：Step 3 · 鉴别回答“影响我商业持续的关键变量是哪些”，这是差异化战略的起点。本章只筛不诊，双轴分析与三层分析框架将给出初步的三组变量判断。
5.1 关键变量就是被乘数 —— 筛出它们是分化带最要紧的一步
Step 1 · 起点看清了商业底盘，Step 2 · 定位锚定了战场坐标，接下来的问题就变成：在这个战场上，构成本企业“商业基本面”的关键变量到底是哪些？这些关键变量，就是 AI 乘号真正要放大的被乘数。把它们筛选出来，是分化带阶段自我校准最要紧的一步。它决定了 Step 4 · 谋策要重点分析和推演的对象是谁。被乘数不清晰，乘号放大带来的将很可能是偏差和混乱。
这一步同时是双轴分析模型的具体落地：Step 2 + Step 3 天然合在一起构成一个内嵌于六步之中的分析模型：
特别说明：
其一，双轴交叉重点是鉴别三层变量结构里的“叠加关键变量”：通用组与内生复合组由分化带的阶段属性决定，不随战场与自身基础而变化；双轴交叉鉴别出差异化变量，阶段属性给共性变量，三层合起来构成完整清单。
其二，完整的双轴分析模型包括 Step 3（交叉鉴别出关键变量） + Step 4（对筛选的关键变量进行详细属性分析），其中战场需要、但零基础的变量，恰恰是 Step 4 需要重点分析的对象，它们往往差别很大。
分化带里，同样 17 个变量，不同企业筛出的关键组合完全不同。这才是差异化战略的起点。
5.2 17 变量骨架 —— 关键变量的基础库
在做筛选之前，先简要呈现《V1-V17 完整变量体系》，以下是第一篇中的五层结构：
三点说明：
说明一 · 五层是因果支撑关系：直接产出成功的是价值交付层，决定方向的是战略决策层，提供支撑的是能力基础层与支撑条件层，AI 时代新增层是 AI 时代新出现的关键变量层。
说明二 · 变量间没有“最重要”：不预设哪个变量“最重要”，不同情境下瓶颈变量不同，专业背景容易产生可得性偏差：HR 高估组织变量、技术人高估技术变量、CFO 高估财务变量……
说明三 · 这里只承担“基础库”作用：每个变量的详细定义、理论渊源与跨时代逻辑，第一篇有完整展开；这里只取筛选要用的骨架。
5.3 分化带影响商业持续的关键变量 —— 三个初步判断
以下三个判断构成一个完整的三层分析框架，三层各有侧重，合起来提供一个企业关键变量组合的完整参考：
- 通用组：回答“所有企业共同的关键变量是什么”（4 个，与战场无关）
- 叠加组：回答“不同战略位置的独有关键变量是什么”（3 个左右，随战场而变）
- 内生复合组：回答“分化带阶段哪些速率类变量必须动态跟踪”（5 个，与前两组有重叠）
三组去重后，一家企业的关键变量清单通常落在 8-10 个。当然这非绝对答案，使用者需结合本企业实际做筛选。
判断一 · 通用关键变量组 —— 对所有企业都是关键的四个变量
这四个变量对所有企业都成立，它们回应的是分化带最深层的动力学“表层民主化 × 深层稀缺化”：
关键说明：
——四个变量的选择，承接第一篇的统一洞察：“AI 让容易的事变容易，难的事变稀缺”。这 4 个变量是 AI 难以替代，但难度和权重反而指数级上升的变量。因此列为所有企业共同的最难项。
——V1/V2 是底层不变量（200 年商业史检验过），V4 是底层不变量但在 AI 时代扩展为“人+AI 共学”的质变，V17 是 AI 时代新增层变量，决定判断稀缺性和质量。
——V15 AI 素养未放入其中，因其有核心与基础两个层面（判断三详述），两个层面对不同战略位置的要求差异很大，更适合作为叠加变量按位置判断。
判断二 · 按战略位置的叠加关键变量组 —— 与通用组严格互斥
在通用组之外，不同战略位置的企业还有各自的叠加关键变量。叠加变量与通用组严格互斥，合起来构成本企业的完整关键变量组合：
关键说明：
——叠加变量即是【双轴分析模型】的分析结论，基于企业基本面（Step 1）与战略位置（Step 2）的交叉分析，识别出本战场独有的关键变量。不同商业基本面、不同赛道、不同商业模式，催生的叠加变量组合必然不一样。这正是 Step 3 · 鉴别要真正回答的问题。这里给出的是七种典型战略位置的参考组合，读者可结合本企业情况判断调整。
——应用层细分有四个子层，叠加组并不相同。第三子层“办公桌面 Agent 工作台”靠生态平台聚合，V12 生态位权重显著更高；第四子层“通用自主 Agent”靠技术边界扩张，V8 与 V10 需纳入。
判断三 · 分化带内生复合关键变量组 —— 加速这条回路
内生复合关键变量：它们是分化带能力分化的底层引擎，是在通用组和叠加组基础上，对能力加速和能力分化起决定作用的变量组合。它们与前两组并不互斥，其中 V4、V17 同时出现在通用组与本组，在部分战略位置下，V10、V13、V15 也会出现在叠加组里，一个变量被两层同时点名，进一步强调了重要度，Step 4 会优先处理。
关键说明：
——这五个变量间存在一个复合回路，基本在企业内部闭合，构成了分化带阶段真正的能力分化机制：
V4 学习与适应速度快 → 吸引 V10 顶尖人才 → 加速 V13 数据资产利用效率 → 组织 V15 AI 素养跟着上升 → V17 认知独立性保证复合朝正确方向 → 下一轮 V4 学习与适应速度进一步加快、也更准
——这组变量不会直接显现在财报上，对外不可见，但对内企业可自建先行指标跟踪它们的变化。
核心判断：加速这条内生复合回路，是分化带阶段最关键的战略动作。启动越早，与不启动的企业距离越大，而且是指数级复合（看似平静，没有明显信号，但能力差距已经在指数级拉开）。除了启动越早越好外，持续的相对速率更为重要，要避免“起大早、赶晚集”的情况。同时，【组织学习曲线】也会构成速率的物理上限（第七章 7.1 挑战三）。
补充说明：
17 个变量中有 3 个变量未进三组，其中的考虑是：V3 资源配置效率与 V5 领导力是作用于全部变量的变量，对三组变量都会发挥作用；V16 速度-质量是把控节奏的平衡变量，各企业结合实际的选择并不一样。但读者可结合本企业灵活考虑。
5.4 落地做法 · 一份《关键变量筛选清单》
建议紧接 Step 2 往下做，参与者必须有业务侧的一线判断在场，“这个变量在我们这儿算不算关键”只有业务负责人答得准。建议由对商业结果负责的人主持，而不是最熟悉 AI 的人：技术视角越强、筛选可能越偏（见陷阱二）。
输入：Step 1《商业持续起点诊断》+ Step 2《战场定位判断》，可加上对本战场外部对标的粗略比对。
动作：
1.对照 5.3 三层参考结论：核对通用组是否成立、本战略位置的叠加组是否需要调整、内生复合回路的关键速率变量是否被纳入。
2.双轴交叉：用《战场定位判断》做横轴筛出本战场的叠加变量，用本企业《商业持续起点诊断》做纵轴标出各自起点；再与通用组、内生复合组合并去重，得到 8-10 个关键变量。
3.兜底扫描：对剩下的非关键变量做一次快速扫描，防止漏掉“本以为不关键其实关键”的变量。
备注：本步只筛出关键变量（双轴分析的粗成像）；对关键变量的深入分析（精成像）放在 Step 4 · 谋策完成——从深入分析到形成谋策决策一并展开，逻辑更紧密。
产出：一份《关键变量筛选清单》
5.5 常见陷阱
- 陷阱一 · 跳过筛选，对 17 个变量做统一扫描 —— 没有前面 Step 1 · 起点和 Step 2 · 定位的差异化分析，打分容易拉平，筛错关键变量。
- 陷阱二 · 只看自己熟悉的变量，忽视可得性偏差 —— 杜绝部门认领，把自己负责或熟悉的变量说成关键。HR 高估组织、技术人高估技术、CFO 高估财务……
- 陷阱三 · 遗漏内生复合变量组 —— 只筛出通用变量与叠加变量，忘了分化带阶段真正驱动能力差距的是内生复合回路；没有把 V4/V10/V13/V15/V17 这条回路纳入关键变量清单，后面 Step 4 · 谋策就无法针对分化带独有机制做谋策。
Step 3 · 鉴别交出《关键变量筛选清单》，与前两份产出物一起构成 Step 4 · 谋策的全部输入基础。
第六章 | Step 4 · 谋策 ——
深入分析关键变量，
决定 AI 时代的竞争优势策略
关于本章：Step 4 · 谋策把筛出的关键变量变成一份可执行的决策——对每个变量深入分析后形成整体策略基调，在此基础上决策走哪几条竞争优势通道。自我校准在这里收尾，行动从这里起步。
Step 4 · 谋策按三层动作建立分析路径，最终产出是一份可以直接指导行动的《谋策决策书》。
三层动作层层递进，先对关键变量逐个分析，确定“每个变量怎么做”；再合并形成一张关键变量矩阵，确定“行动基调和初步行动”；再以竞争优势机制验证、推导出完整的谋策决策。这是 SPIRAL 六步的核心一跳。
6.1 单个变量深入分析 —— 从差异化理解到二维诊断
对关键变量清单里的每一个变量，分两步深入分析：先差异化理解（输入），再二维诊断（输出）。
第一步 · 差异化理解（输入）
差异化理解是在完成变量分类（量变 / 质变 / 基线变化）的基础上，结合 Step 1 的《商业持续起点诊断》与 Step 2 的《战场定位判断》，对 Step 3 输出的 8-10 个关键变量在本企业具体业务中的表现形态与影响机制，形成分析和判断。同一种变量，在不同企业、不同业务里的具体表现可能完全不同。
这种差异化理解越具体越好，只有先看清变化形态，才能准确判断本企业当前的相对水位与内生复合速率。
第二步 · 二维诊断（输出）
在维度一的差异化理解之上，从两个维度诊断测出每个变量在战场或行业中的具体位置（双轴分析的精成像）：
- 相对水位：本企业这个变量在本战场的位置（高 / 中 / 低）。
- 内生复合速率：本企业这个变量的复合速度相对于竞争对手（或行业平均）的快慢（高 / 中 / 低），需结合外部可见信号间接判断。
在分化带，这种二维诊断比常规的“强弱”分析更具合理性和价值：相对水位看竞争起点，内生复合速率看竞争斜率。分化带阶段能力差异被指数级放大，起点决定当下，斜率决定终局。
两个维度各分三档，会形成九种诊断结果。按“其影响和结果”归并，这些变量会形成五种典型形态：
五种形态里最容易被忽视的有两处：
一是 B（领先-停滞）：用“强 / 弱”二分完全看不到，却是很多企业在分化带里失守的深层原因——起点强不等于终局强。
二是“落后 × 同速”：看起来没有掉队，实际上永远追不上，因此归入 D。分化带里，判断进退的标准是与主要对手的相对速度。
6.2 关键变量矩阵 —— 从策略基调到动作决策
单个变量分析完成后，把所有关键变量的诊断结果汇总到一起，就形成了整个公司的【关键变量矩阵】。一份完整的关键变量矩阵包含三层信息：类型标注、二维诊断、阶段形态。
1. 先确定策略总基调
基于关键变量矩阵的整体分布，先确定【未来策略基调】。它决定战略重点与整体资源分配的倾向，变量层动作决策在这一倾向下落地——前者决定并约束后者。一般有以下六种策略基调：
- 大部分变量落 A → All-in 主战场：集中资源加速复利
- 大部分变量落 D → 缩小战场：主动收缩清单，资源集中到少数还有复合机会的变量，均衡铺开很有可能最终导致失败
- B 较多 → 速率提升：起点优势不能替代速率
- C 较多 → 保持速率追赶：窗口内可能反超
- E 较多 → 择点突破：选 1-2 个相持变量集中提速、打破相持，其余维持，不做平均用力
- 混合分布（真实企业最常见） → 基调按变量分层，不做整企业单一基调
2. 再形成变量层的动作决策
在策略总基调指导下，确定将哪些关键变量作为下一阶段的战略重点，并形成动作决策和具体行动。
特别说明：
1. 并非每个关键变量都要投入资源作为战略重点，但必须做出动作决策。
2. 内生复合关键变量（V4/V10/V13/V15/V17）作为分化带能力分化的底层引擎，建议在确定策略总基调时，这一组变量单独拎出来分析判断。需确保其处于加速状态，提升斜率。
3. 动作决策之后还有具体行动，企业需结合自身实际做设计，本文不展开。
6.3 竞争优势检验与最终决策 —— 从变量层递进到整体视角
关键变量动作决策只是零件级决策，它只回答了“每一个变量做什么”，但当这些变量动作组合到一起，是否能在企业整体层面建立复合的、有效的、持续的竞争优势？还需要将这些变量决策递进到整体竞争优势的视角去进行验证，在此基础上才能形成更科学的决策。
竞争优势六机制作为完整性检验框
这来自第一篇文章《认知方法论》中的方法论思考：当 AI 平权后，效率提升是参与竞争的门票，不是赢得竞争的武器。竞争优势只能来自三个方向：起点不同（机制一）、路径不同（机制二/三/四/五）、终点不同（机制六）。
特别说明：
1. 依赖的关键变量：这里只是典型列举，并非将 17 个变量全部穷举对应到六机制。有些变量并不在内。读者可以结合企业实际，调整表格中关键变量——竞争优势机制的对应关系。
2. 竞争优势六机制：六机制并非绝对，读者可以此为基础，结合分化带的技术、产品和竞争趋势变化做更新补充。
这六个竞争机制在这里可以作为一个完整性检验框，把 6.2 已形成的变量层动作决策，对应到六机制上，回答两个问题：
- 哪几个机制被当前的变量动作决策覆盖？ —— 判断是否较好覆盖？
- 哪几个机制没有被当前的变量动作决策覆盖？ —— 判断缺口是否致命，是否要补充动作决策？
最终决策：主通道聚焦 —— 一般路径与例外
一般路径：建议先聚焦 2-3 个主通道，其他分阶段分步骤推进。这不是绝对答案，而是分化带三个约束决定了聚焦可能更有利：
- 资源有限约束 —— 均匀铺开等于稀释
- 窗口紧迫约束 —— 2-4 年内建立不起 6 个深度复利
- 复利机制约束 —— 深度复合 > 宽度覆盖
两个例外：
- 例外一 · 既有基础雄厚 —— 有资源同时启动，或已经在 4-5 个机制上有既有基础。
- 例外二 · 关键缺口必补 —— 完整性检验发现某机制战略位置必需，即使超出 3 个主通道。
做聚焦决策的同时，也意味着决策“哪几个机制我们这一轮不做”，这个战略取舍是为深度复利腾出资源与注意力。
6.4 落地做法 · 一份《谋策决策书》
谋策是六步中必须在决策层闭合的一步：它要同时决定“最终我们选择做什么”和“我们不做什么”。建议由对决策部署和资源分配负责的人主持。
输入：《关键变量筛选清单》、每个变量的二维诊断结果、主要对手在这些变量上的大致位置。
产出：一份《谋策决策书》
6.5 常见陷阱
- 陷阱一 · 用“强/弱”二分做变量诊断 —— 二分法看不见形态 B、C 与 E，而这三种恰恰是分化带的独有信号。
- 陷阱二 · 跳过完整性检验直接聚焦 —— 变量层决策做完就直接选 2-3 个主通道，没有先做六机制的完整性检验；结果是主通道选出来看似合理，但可能漏掉本企业战略位置的关键缺口；正确动作是先看全，再聚焦。
- 陷阱三 · 形态 D 变量过多时选择“全铺开”和“加速” —— 加速只会放大混乱，正确动作是缩小清单；分化带里最贵的错误，是在错误的清单上提高效率。
Step 4 · 谋策交出《谋策决策书》，与前三个 Step 的产出物一起构成 Step 5 · 推行的完整输入基础。
第七章 | Step 5 · 推行 ——
在时间约束下
把决策变成扎实的组织动作
关于本章：Step 5 · 推行回答“如何在窗口关闭前把决策变成扎实的组织动作”。从一份决策书到组织起来，行动落地，很多 AI 转型实际被困住的是这一段——它不是简单执行，是时间数学倒逼出来的策划工作。
7.1 分化带阶段执行落地的四大挑战
分化带阶段的执行落地，面临四个独有挑战，它们共同决定了这一步需要一套区别于常规变革推行的应对思路。
挑战一 · 时间紧张
分化带战略窗口 2-4 年，而大型企业单次战略变革的周期通常是 3-5 年：窗口短于常规变革周期。这意味着企业没有“试错一轮再来”的余量，战略主通道必须一次做对，决策、方案、执行质量在启动前就要前置到位；执行细节仍可短周期快速迭代。
挑战二 · “无人区”行动
AI 时代的很多变革具有探索属性，没有成熟的经验和最佳实践可参照，很多事情是在无人区里做。这意味着企业没有“抄作业”的选项，必须自己走出路径。
挑战三 · 组织学习曲线约束
新能力从“启动”到“扎实运转”需要一个过程，过程中的变量、条件和基础构成了组织学习曲线。在分化带阶段，组织学习曲线也就是内生复合速率的物理上限——组织的调整和学习能力限定了内生复合的速率，无法绕过，只能主动抬高。
挑战四 · 高不确定性
分化带的外部信号（主导设计、竞对突进、技术突破）在持续变化，不确定性很高。推行不能“闷头执行到底”，必须持续与外部感知联动（详见第八章 · 感知横切），保持敏锐。
小结：分化带里，执行速度差 → 学习速率差 → 能力复合差 → 下一轮的竞争位置差。推行不是行动段的“最后一步”，而是内生复合回路能否真正启动的关键一步。
7.2 四条应对思路
四条应对思路对应四大挑战，因项目管理成熟工具很多，任务分解、执行等具体动作本文不再展开。
应对一（对时间紧张）· 优先级刚性化 + 关键路径设计
推行阶段最容易犯的错，是让主通道之外的事再度稀释资源与注意力。优先级刚性化要求主通道资源分配比例严格纪律化，主通道之外的新事务默认“不做”，每季度复检资源是否真的投入主通道。
同时识别关键路径动作。那些“一旦延迟就阻塞后续多个动作”的动作，必须由核心管理团队直接跟进，不能层层下派。
应对二（对无人区行动）· 全新重构优先 + 小规模高质量试点
策略一 · 全新重构优先，不做夹生饭。在现有基础（AI 时代之前的假设、流程、组织惯性）上改良，AI 的价值常常被既有因素压制，产出“半 AI 半传统”的夹生饭，既没有既有优势也没有 AI 原生优势。当现有基础含有强的 AI 时代之前的假设时，应优先考虑全新重构，不受既有羁绊，以 AI 时代的思路重新设计整件事（呼应机制二“重构价值链”）。
策略二 · 小规模高质量试点 + 快速沉淀本地有效实践。无论走改良还是走全新重构，可以试点先行。试点结果快速沉淀为本企业的“本地有效实践”，再放大推广，形成企业的独有价值资产。试点必须高质量——最强人才、最好数据、最严谨设计，低质量试点得到的失败结论没有诊断价值。
应对三（对组织学习曲线约束）· 学习速率优先 + 内生复合回路启动
落实第五章 5.3 判断三，启动内生复合回路：每个主通道设计“学习闭环”（尝试→验证→沉淀→下一次更快）、关键岗位配置 L4-L5 级人才、数据资产在每次执行中持续沉淀，让 V13 数据资产 × V4 学习与适应速度形成飞轮。
应对四（对高不确定性）· 短期迭代 + 中期门控
短周期（3 个月一循环）：有明确季度目标 + 产出物 + 复盘，敏捷迭代和调整细节。
中期门控（每 6-12 个月一次）：承接 Step 6 · 评估的判断，设置“是否继续 / 是否调整 / 是否终止”三选一评估节点。
两者各有侧重：短周期管住细节的漂移，中期门控管住主通道的漂移。
7.3 落地做法 · 一份《推行清单与执行节奏》
建议有一位总负责人统筹整体的推进计划：基于整体视角做通盘部署和资源分配；协调安排各项目的顺序与衔接，这一点很重要。子项目责任到人，目标明确。
产出：一份《推行清单与执行节奏》
7.4 常见陷阱
- 陷阱一 · 主通道之外的事持续稀释资源 —— 分化带里最常见的推行失败模式：KPI 压力、跨部门请求、日常运营都在拉扯焦点。
- 陷阱二 · 把“频繁改方向”当作“短周期迭代” —— 两者的分界在应对四：细节可以每周变，主通道不可以每季度变。
- 陷阱三 · 只追进度，不建学习闭环 —— 推行阶段最容易漏掉的一件事；项目按时交付了，但没沉淀出下一次更快的能力；分化带里“交付一次的项目”和“启动内生复合回路的项目”是两件完全不同的事，后者为下一轮竞争积累加速能力。
Step 5 · 推行交出《推行清单与执行节奏》，与前四个 Step 的产出物一起构成 Step 6 · 评估的完整输入基础。
第八章 | Step 6 · 评估 + 感知横切
—— SPIRAL 的反脆弱机制
关于本章：Step 6 · 评估问“结果如何”，感知横切问“依据还成立吗”——两者一起配合运转，SPIRAL 才会在判断出错时及时调整和修正。到 Step 6，行动段闭环。
评估和监测是反脆弱设计的两个组件
在 SPIRAL 商业持续螺旋框架中，评估是周期动作，感知横切是持续机制，它们合起来构成了这套框架的反脆弱机制。反脆弱不是确保不出错，而是让错误尽早被感知，尽快被分析和吸收，转化为下一轮判断的输入和洞察，让决策和行动实现自我校准和进化。而分化带的高不确定性意味着：任何一次判断都可能是错的，任何一份决策都可能在半路失效。在分化带，反脆弱机制不可或缺。
8.1 评估怎么做 · 四个视角
本节评估 Step 1 到 Step 5 推演出的决策与行动，以及使能横切的行动：阶段性结果和效果如何？基于最终成效回溯，偏差在哪里？
视角一 · 关键结果与目标视角
Step 4 · 谋策和 Step 5 · 推行时设定的季度/年度关键结果与目标，是否达成？达成度多少？未达成的原因初步归因？
这是评估最显性的入口——组织内部最容易看到、最容易共识的一层。
视角二 · 商业增长 / 商业发展 / 商业引领视角
承认商业成效的多维性，用一个三层递进的分析框架，不追求单一指标的绝对精确，不追求所有指标都量化，不能量化的用半量化和判断类补齐。
- 商业增长（可量化） · 营收 / 利润 / 市场份额 / 单位经济 / ROE / AI 驱动的增量收入占比 / AI 提效带来的成本节省
- 商业发展（半量化） · 战略资产的积累——客户资产 / 数据资产 / 生态位
- 商业引领（判断类） · 行业内的方法论引领 / 产品与服务引领 / 模式引领，通过外部认可（定价与标准 / 客户主动传播 / 竞对模仿）与内部证据（方法论创新档案）综合判断
视角三 · 竞争优势构建视角
- Step 4 · 谋策选定的 2-3 个主通道，是否在形成实质竞争优势？
- 聚焦的六机制通道，是否在深化？整体覆盖是否完整？
- 与主要对手在同一通道上的差距，是在拉近还是拉开？
视角四 · 内生复合能力加速视角
- V4 学习与适应速度 · 新技术从“出现”到“变成组织可用形态”的时间是否在缩短？这里看的是它的速率侧面——每一轮技术进步的转化效率，而不是绝对快慢。
- V10 人才密度 · 关键岗位 L4-L5 级人才占比是否在提升？顶尖人才吸引与保留度如何？
- V13 数据资产 · 数据积累速度与利用效率是否在加速？
- V15 AI 素养 · 核心层（关键岗位 L4-L5）与基础层（全员使用能力）是否在双向提升？
- V17 认知独立性 · 在高噪音中是否守住独立判断、复合是否始终朝正确方向（而非越复合越偏）？
- 内生复合回路是否真正启动 —— V4 快 → 吸引 V10 → 加速 V13 → 提升 V15 → V17 保方向 → V4 更快也更准，这条回路是否在形成正反馈？
四个视角顺序上是从显性到隐性，但权重是相反的。
- 视角一 / 二（战术与商业）是“过去的成绩单” —— 已经发生的事实
- 视角三 / 四（战略与底层）是“未来的先行指标” —— 决定下一轮位置的能力
分化带阶段，未来的先行指标比过去的成绩单更重要，因为分化带的能力差距被指数级放大，过去的成绩单不能代表未来的位置。很多企业过去的成绩单看起来漂亮，但战略与底层已经在悄悄坍塌，3-5 年后才会在结果上暴露。评估必须四个都做，但战略与底层的权重不能被战术与商业的显性度掩盖——这是分化带阶段评估很容易犯的错。
四个视角最后合成一个答案
这一轮下来，我们的商业持续水位是升了，还是降了？
这就是自锚定——Step 6 不收在“AI 转型是否成功”，锚定在“这门生意是否更能持续”。四个视角各看一面，合起来只回答这一个问题；任何一次评估如果给不了这个答案，说明它看的是项目或手段，不是生意。
通过依据回溯归因出偏差
当四个视角发现结果偏离预期时，倒查思考链路：Step 1-5 的哪一步判断依据出了问题？哪一步的边界假设失效了？前面每一步的五层结构（答案 + 依据 + 边界假设 + 复检时点 + 接口）在这里发挥作用。依据回溯可以用来解释偏差、指导下一轮 Step 1 · 起点的更新和重新锚定。
8.2 监测怎么做 · 三大监测
三大监测用于校验思考判断所依赖的前提、条件与假设是否还成立。它们各盯一条依赖，任一监测信号发生变化，结论就可能不准。
监测 1 · L4-L5 判断层级监测
测什么：我们的判断本身，是在 L4-L5 层次上吗？
怎么做：组织认知复盘，不谈任务进度，只谈判断质量：
- 第一道：复盘上季度的 5-10 个重要判断和决策，用第一篇文章中对 L4/L5 的定义当标尺：①是否是基于整个商业逻辑体系做系统性判断？对公司商业持续和成功的逻辑关系是否清晰？②这个判断依赖哪些前提，以及前提被打破时怎么修正？
- 第二道：对判断来源的可信度进行验证，用第一篇文章提到的“接近真理三观察”：跨界有实操、有条件而非绝对、明确主流的适用边界做判断。
行动信号：如果两道中任何一道的复盘结论是否定的，则带着结论回到 Step 1-5，校准全过程分析和决策。如果反复卡在第一道，要分析是否要更新认知框架，而非受信息误导；反复卡在第二道，要提升前提假设的严谨性和甄别能力。
监测 2 · AI 价值传导监测
测什么：我们的 AI 投入，到底有没有传导成商业结果？
这是“可被观测”的落地，它的分量不止于一项监测，AI 价值传导的可测量性，是 AI 时代企业经营管理的重要命题。分化带里，企业若说不清自己 AI 举措的价值传导，不仅会造成资源浪费，也难以建立持久的 AI 竞争优势。
怎么做：以下是笔者的初步思路，分微观、宏观两层：
- 方法论：盯的是第一篇文章《认知方法论》中提出的两个断裂点（微观提效 ≠ 宏观提效）：①省下的时间有没有被再投入到高价值动作？②AI 是否真的突破了原有质量瓶颈，还是只是“更快地做原来的事”？
- 微观层 · 事件级传导预设 —— 每个 AI 举措启动前先做“价值传导路径预设”（影响哪个 ROE 分子分母 · 预设量化影响 · 时间滞后 · 归因隔离），每季度追踪预设与实际的一致性。不追求精确量化，追求“预设与实际的偏差”作为线索
- 宏观层 · AI 密度 × ROE 分解 —— 追踪 AI 密度指标（举措数量 + 资本开支占比 + 关键岗位使用度）与 ROE 三因子（净利率 / 资产周转率 / 权益乘数）的相关性趋势。不追求精确因果，追求趋势关联，比如：AI 密度持续上升 vs ROE 持续下滑，可能就是价值传导失效的强信号
行动信号：微观层——预设持续偏离实际，该重新评估是否继续该举措；宏观层——如果出现相关性趋势持续的反差信号，要回到 Step 4 · 谋策，追问行动举措是否选错。
特别说明：这是一个仍在探索的开放性课题，初步思路不完美，没有统一方法，需要各家公司结合自身实际设计。笔者对这一命题也将持续研究。
监测 3 · 产业演化监测
测什么：“当前处于分化带”这个判断，产业分层发展的时间尺度，它的基础还成立吗？
怎么做：通过三组产业信号监测（三组信号的完整定义与依据见第二篇《时间尺度》，本文不重复展开）：
- 主导设计五因素完成度：技术层面的可行性/互补资产的成熟/规模经济的显现/主导厂商的推动/政府或监管的介入，这 5 个因素至少满足 3 个，说明主导设计正在收敛、进入窗口即将关闭。
- 两个反向信号：Scaling Law（缩放定律）是否失效？分阵营是否走出独立轨迹？任一出现，即 A 轨迹前提失效，直接触发《谋策决策书》边界假设复检。
- 反向验证六信号：架构开放 / 多阵营并行 / 分层集中 / 时间压缩 / 商业模式未成型 / 顶尖分歧。若 4 个及以上在，分化带仍然成立；降到 3 个，进入预警并提前复检；降到 2 个及以下，分化带正在结束。
行动信号：三组中任一组出现临界信号，立即触发下一轮 Step 1 · 起点的重新锚定，不必等待。
8.3 落地做法 · 一份《周期评估与监测报告》
最好交给独立团队负责，避免监测者与决策者是同一拨人。
周期：季度做轻监测，半年做全面评估，若必要可考虑按月，并尽量与企业自己的经营节奏合在一起。
输入：前五份 Step 产出物 + 第九章《HR 与组织使能路线图》，重点是针对这些产出物中的依据与边界假设进行复盘和校准。
产出：一份《周期评估与监测报告》
8.4 常见陷阱
- 陷阱一 · 评估变成绩效考核 —— Step 6 · 评估是判断质量与决策成效的复盘，不是对人的绩效评价；一旦评估导向为“追究谁做错了”，组织就会隐藏错误、粉饰依据。评估最应该保护的是错误的可暴露性。
- 陷阱二 · 只看视角一/二（过去成绩单），漏掉视角三/四（未来先行指标） —— 分化带阶段最常见的评估失败；战术目标漂亮 + 商业指标不差，但战略与底层已经在塌陷，3-5 年后才会在结果上暴露。等结果暴露时，窗口可能已合。
- 陷阱三 · 评估结束后不启动下一轮 —— 评估报告写完归档，下一轮工作照旧运转；这让 SPIRAL 退化为“每半年做一次形式主义的复盘会”，反脆弱机制彻底失效。
Step 6 · 评估交出《周期评估与监测报告》。它不是终点——这份报告回扣《商业持续起点诊断》，触发下一轮 Step 1 · 起点的重新锚定，螺旋由此闭合，也由此重新打开。
同时，SPIRAL 的六步 + 感知横切已经完整介绍，该框架的五大属性中的四条也在本章兑现：自锚定在这里收拢（起点=归宿=商业持续），自感知靠三大监测，自校正靠偏差归因，自进化靠重新锚定。第五条自承载，交给第九章使能横切（HR 与组织）。
第九章 | 使能横切 ——
HR 与组织如何适配
并驱动 SPIRAL 的高质量运行
关于本章：在分化带，使能横切要做哪些根本调整，SPIRAL 才能在企业里真的跑起来？决策推演决定“要做什么”，HR 与组织作为使能条件，支撑、驱动和决定“是否能做成”。
9.1 HR 与组织是 SPIRAL 高质量运行的使能条件
使能横切与感知横切一起构成 SPIRAL 的 +2：感知横切让六步持续感知外部变化，使能横切保障六步真正在组织里落地。这一观点承接第一篇文章中对 HR 与组织的定位分析：组织变革（与 HR）是“使能条件”（enabler），它是“让正确的事情能够被执行”的载体、支撑或驱动因素。它不是目的，是必要条件但非充分条件。
在这一定位下，AI 时代产业发展的底层逻辑叠加分化带的当下特征，决定了 HR 的战略与思路必须做根本调整，才能更好地适配业务需要、驱动战略达成。其归宿包括三重：
- 强化和驱动 AI 时代企业竞争优势的构建
- 支持和保障 SPIRAL 思考框架的高质量执行与落地
- 有利于具体发展战略、变革目标与关键举措的达成
这三重归宿本质上是以【商业持续与商业成功】为底层锚点，这也是三篇文章所有论述的起点。本章重在思路，不在具体方案（AI 时代 HR 与组织变革足以独立成篇，将另文展开）。
9.2 底层特征变化与 HR 战略应对
综合前两篇文章的分析与洞察，笔者认为以下 10 个底层特征，共同驱动了 AI 时代人力资源战略与思路必须做出根本性调整。表格按“底层特征变化 → 特征性质（AI 通用 / 分化带独有） → HR 战略与思路的调整应对”三列结构逐条展开。
关于“特征性质”术语：
- AI 通用：在整个 AI 时代都成立的底层特征，不因产业阶段而变化
- 分化带独有：只在分化带这个特殊阶段叠加出现的特征，进入过渡期或专门期后会减弱
十项应对合起来，可以归纳为 HR 战略与思路的四层根本调整：
- 组织层 · 应对 1、10 —— 生产/管理方式的全新重构；任务型敏捷组织
- 能力层 · 应对 2、6、8 —— 新型规模优势；数据资产沉淀；内生复合速率组织化建设
- 人才层 · 应对 3、4、5、9 —— 领军人+人才密度；深度认知选择前置；人机协作能力模型；能力建设前置
- 文化层 · 应对 7 —— 专业主义作为组织进化的原动力
这十项应对本质上也意味着 AI 产业巨变的时代下 HR 自身角色的根本升级——从“战略确定后的承接与执行者”，升级为前置到战略前端的战略伙伴。这是机遇，也是挑战。
9.3 必要的双重回归检验
十项 HR 应对思路是否能有效承接三重归宿，必须做两个方向的回归检验：
- 回归一 · 六机制回归 —— 验证 HR 应对是否完整覆盖对竞争优势构建的支撑
- 回归二 · SPIRAL 回归 —— 验证 HR 应对是否完整覆盖战略体系高质量运转的支撑
表一 · 六个竞争优势机制回归检验
表二 · SPIRAL 环节回归检验
检验结论：6 个竞争优势机制和 SPIRAL 每一环节均有明确的 HR 应对支撑，没有明显缺口。（若考虑更严谨论证，可再做延伸思考：这些 HR 举措是否已覆盖完全？是否还有其它必要举措？）
小结：通过两个回归检验，可初步验证这十项应对思路。同时这套逻辑也构成了一个 HR 战略的归宿性判断框架：
每一个 HR 动作都需穿透四层锚定到最顶端以检验其必要性和价值，HR 战略永远从“业务需要什么”出发，而不是“HR 本身想要做什么”。
9.4 落地做法 · 一份《HR 与组织使能路线图》
建议 HR 负责人深入参与 SPIRAL 推演全程，从组织和人才视角为战略方向的选择提供输入，在此基础上做出行动决策，让使能横切更有效地适配和驱动 SPIRAL。
产出：一份贯穿 SPIRAL 全程的《HR 与组织使能路线图》（以 9.2 的十项应对、9.3 的覆盖性自检结论为基础，结合企业自身的 SPIRAL 推演分析）
9.5 常见陷阱
陷阱一 · 管理本位 —— 把组织变革本身当目标，而不是服务和驱动业务的手段，在逻辑关系及最终价值不明确的情况下就展开行动。破解是永远将“商业持续”作为组织变革的归宿，也作为思考和验证的核心尺度。
陷阱二 · 主流思潮盲从 —— 跟风外部各种 AI 新叙事，不结合本企业实际情况及需要，盲目将外部实践和主流思潮当作组织变革目标。破解是回归企业实际量体裁衣，商业基本面与战场定位不同，方案必然不同，不能照搬，也不能追随主流。
陷阱三 · 改良夹生饭 vs 无效重构 —— 一端在旧土壤上改良（加个 AI 工具、给几个岗位加 AI 要求），产出半 AI 半传统的夹生饭；另一端为重构而重构，说不清解决什么问题。全新重构不是行动姿态，也不是目的，而是解药，但只有对症的解药才是解药。
至此，SPIRAL 的六步 + 感知横切 + 使能横切已全部展开，在分化带这个特殊阶段和时间窗口里，企业究竟应该如何思考、如何自我校准、如何行动？【SPIRAL 商业持续螺旋 —— AI 时代企业战略的六步推演（6+2）】是本文的答案。
同时，AI 时代企业变革三部曲也至此全部阐述。第十章将回到本文开篇，把三部曲串联起来，完整收束这三篇文章。
第十章 | 三部曲收束与展望
10.1 SPIRAL 全景图
三到九章拆解完毕，SPIRAL 商业持续螺旋（6+2）的完整形态就此成型。
回到文章开篇提出的观点：AI 让认知行为的边际成本趋近于零，但深度认知反而更稀缺、更值钱。“表层民主化 × 深层稀缺化”的不对称，就是分化带这个阶段最深层的认知动力学。
SPIRAL 商业持续螺旋（6+2）是笔者构建 L4-L5 级深度思考框架的一次尝试，它在设计上是一套能自我进化，推动持续进步的战略操作系统，但其有效性最终需在商业实践中检验。期待在帮助企业建立 AI 时代的战略思考与行动，实现商业持续和商业成功方面，这套框架能带来些助益，并在实践中继续完善和丰富。
10.2 最锋利的认知独立性 —— 四个“不做”
这不是抽象告诫，近两年，包括 MIT、麦肯锡、NBER、IBM 等机构和学者的研究分析表明：在 AI 领域大量的“做”，并没有产生对应的价值。因此，本文以四个“不做”收拢全篇：
- 不做拍脑袋的战略决策（元陷阱）：事实不完整、本质不清晰、逻辑难以严谨自洽的情况下，尽量少做关键决策。每一次关键判断可以试着走完一遍 Step 1-4 的完整推演。切忌用拍脑袋的思考驱动大规模行动。
- 不做主流共识裹挟的选择：主流共识出错，在历史上反复上演——1999 年的互联网泡沫、2017 年的区块链狂热、2021 年的元宇宙热潮。分化带阶段的主流叙事，同样需要独立判断一遍。
- 不做节奏错配的投入：Amara 定律说，人往往高估短期、低估长期。分化带里的错误节奏有两种：短期跟着热点追，长期观望到窗口关闭——两种错误，代价都是错过窗口。
- 不做前提失效仍不校准的坚持：判断依赖的前提一直在动（主导设计五因素 / 两个反向信号 / 反向验证六信号），一旦失效就必须重启 Step 1 · 起点而非盲目坚持。感知横切持续检验和敏锐至关重要。
“保持独立判断，敢于决定不做什么”是认知独立性最锋利的表现形式，AI 时代让“做”的门槛变得越来越低，甚至也更容易；真正把企业分开的，是那些明明可以做、却判断出不该做的时刻。
10.3 三部曲的收束 —— 认知、时间、行动，归到同一处
到这里，关于【AI 时代企业变革】的三篇文章阶段性写完，三篇前后递进构成一个三部曲系列思考：认知给出方向，时间给出坐标，行动给出路径。它们本身也是一个逻辑框架。
三篇文章有一个共同的逻辑支点：要以商业持续与商业成功为起点和归宿。AI 是条件不是原因，是关键变量不是唯一变量，因此：AI 是乘号，被乘数始终是商业基本面本身；AI 不是起点，也不是归宿。
同时，在分化带的特定时期，笔者想再提一下前文的一个观点：在分化带，L4-L5 级的思考和决策将兑现出最高回报——分化带是产业变革和不确定性最大的时期，不同判断产生的结果差异会被指数级放大，L1-L3 与 L4-L5 在此阶段将产出最大的结果分叉。因此，在当下构建 L4-L5 级的思考和战略框架不仅重要，也更具价值。
这也是笔者利用工作外时间写这三篇文章的动机。当 AI 产业变革以超出想象的速度扑面而来的时候，关注和探索是研究者自然的反应。尝试把这件事想清楚本身，对笔者就很有吸引力，剩下要做的就是尽可能往更深、更开阔的维度走一走……
10.4 最后 —— 一件不会过期的事
希望这三篇文章能为当下的 AI 产业变革研究提供一种视角、洞察和理解，在深度、合理性和实践上展现出一定的价值和生命力。但必须理性认识到：
这只是一种视角与逻辑的选择，SPIRAL 商业持续螺旋只是一种思考框架。从时间维度看，任何思考与判断都有时限性和条件约束，这几乎是绝对的事情；而从多样性角度，多元而丰富的思想的碰撞、交锋、相互吸收本身就很有价值，往往能催生出更具价值的思考。
面对 AI 产业革命的浪潮，保持开放、拥抱变化、持续思考、独立判断——是永不过期的事。
（全文完）
关于作者:腾讯研究院特约研究员，长期深耕组织治理、战略变革与人力资源管理领域，持续关注研究商业逻辑、技术变革与企业经营管理之间的交互关系。相信深度思考和判断力的稀缺性。
本文的适用边界与可能盲区
边界一 · 定位与抽象性：本文交出的是“如何思考、如何自我校准、如何行动”的思考与行动框架，不是可照抄的执行清单。从 SPIRAL 到一家具体企业的具体决策之间，存在必须结合企业自身情境填补的距离。这与第一篇一样，是笔者有意为之的取舍：提供思考工具，而非具体答案。
边界二 · 对前两篇的依赖：本文的变量体系与认知层级来自第一篇，时间坐标来自第二篇，并沿用其两个前提——“AI 走 A 轨迹 + 规模经济在 3-4 年内跨越”。前两篇各自的适用边界，对本文同样成立；任一前提生变，本文的紧迫度判断与节奏设计需相应校准。本文不再重新论证其成立性。
边界三 · 参考组合而非定论：第五章的三层分析框架、七种战略位置的叠加变量参考组合、“去重后 8-10 个关键变量”的数量口径，是笔者基于当前产业结构做的结构化归纳与估算，用途是给读者一个马上可用的参考，不是普适清单。同理，第六章六机制表中的“依赖变量”列是典型依赖而非穷举，读者应当按自身商业基本面增减，而不是照单执行。
边界四 · 两处尚未闭合的证据与方法：其一，内生复合回路是本文的原创机制，目前建立在逻辑推演之上。它无法通过财务结果及时检验，但可以通过企业内部的先行指标做过程性观测；不足在于尚缺可公开验证的跨企业证据；文中“人才产出方差从 3-5 倍扩大到 30-50 倍”一类量级判断，以及第四章图二 γ 弱相关型“观察窗口 5-10 年+”这一时间量级，均属于笔者的估算而非实测。其二，AI 价值传导的可测量性（第八章监测 2）给出的只是笔者的初步思路，没有统一方法，需要各家企业结合自身实际设计。这两处是本文最需要被后续检验、也最欢迎被证伪的部分；笔者对它们将持续研究，进展成熟后会单独展开专题。
边界五 · 案例与数据的性质与时效：文中的案例均基于公开报道，不构成对相关企业整体经营的评价；所引 2024-2026 年数据是一个时点的快照，会随 AI 能力演进而更新，但 SPIRAL 框架结构本身不依赖这些具体数据点。
边界六 · 所有具体判断都会过期：分化带会结束，窗口会关闭，主导设计会浮现，17 个变量的权重会重排；SPIRAL 本身也将跟随变化迭代其逻辑和框架。第八章三大监测存在的全部理由，就是检验这些判断什么时候不再成立。框架的价值不在于它永远正确，而在于它自带发现自己不再正确的机制。
参考文献：
一、本三部曲前两篇
① 李鸿胜（2026）。《为什么 80% 的 AI 投入看不到效果——AI 时代企业变革的认知方法论与战略判断框架》。
——本文 17 变量五层体系、L1-L5 认知层级、六个竞争优势机制、三个本质变化、“AI 是乘号”四推论、“组织是使能条件”、杜邦公式两个断裂点、接近真理三观察的来源。
② 李鸿胜（2026）。《AI 产业演化的时间尺度：所处阶段与未来节奏》。
——本文“分化带”阶段判断、主导设计五因素、3-5 倍时间压缩、2-4 年战略窗口、进入窗口关闭早于洗牌信号、A/B 轨迹两个前提的来源。
二、实证数据
③ MIT NANDA(2025). The GenAI Divide: State of AI in Business 2025.
——约 95% 的企业 AI 试点无法转化为业务价值。（用于第十章“大量的‘做’并没有产生价值”）
④ McKinsey & Company. The State of AI 系列调研（2024-2025）。
——仅约 6% 的企业能证明 AI 举措带来了明确的营收或利润提升。
⑤ Yotzov, I., Bloom, N., Davis, S. J., et al. (2026). “Firm Data on AI.” NBER Working Paper 34836.
——近 6,000 名 CEO / CFO 受访，80% 以上企业报告 AI 对就业和生产力无影响；高管 AI 使用时间平均仅 1.5 小时 / 周。
三、战略与产业演化理论
⑥ Rumelt, R. (2011). Good Strategy Bad Strategy: The Difference and Why It Matters. New York: Crown Business.
——战略的本质是判断“什么做、什么不做”；诊断、指导方针、连贯行动的结构。本文第六章“主通道聚焦与明确不做”、第十章“四个不做”的理论依据。
⑦ Porter, M. E. (1996). “What is Strategy?” Harvard Business Review, 74(6), 61-78.
——运营效率不等于战略。本文第六章“效率在 AI 平权后只是门票、不是武器”的依据。
⑧ Taleb, N. N. (2012). Antifragile: Things That Gain from Disorder. New York: Random House.
——反脆弱：好的判断系统不依赖对未来的具体预测。本文第八章“SPIRAL 反脆弱不是确保不出错，而是让错误尽早被感知，尽快被分析和吸收，让决策和行动实现自我校准和进化”的依据。
⑨ Utterback, J. M. (1994). Mastering the Dynamics of Innovation. Harvard Business School Press；及 Klepper, S. (1996; 2002) 关于产业人口动态与美国汽车产业能力演化的系列研究。
——产业演化三阶段与“进入窗口关闭早于洗牌信号”的原始来源，经第二篇整合后在本文作为时间坐标使用。
⑩ Amara, R.（曾任 Institute for the Future 主席，1971-1990）—— Amara 定律。
——“我们倾向于高估技术的短期效应，而低估其长期效应。”本文第十章“节奏错配”的依据。（注：此格言由科技作家 Robert X. Cringely 转述传播，Amara 已发表著作中无原始书面出处，但被普遍接受为其核心思想的精确表述）
四、案例与产业信号来源
⑪ 失败案例均来自公开报道：Klarna 关于 AI 客服替代与后续重新招聘人工的公开表态与媒体报道（2024-2025）；IBM Watson Health 资产出售的公开披露（2022）；Facebook 更名 Meta 及元宇宙投入的公开财报与报道（2021 起）。正文缩略描述，未直接展开。
⑫ 产业信号（MCP / A2A 等协议进展、主流大模型 Token 价格变化、WAIC 2026 现场观察）来源见第二篇文末所列公开报道，本文不再重复列举。
