这个时代的流水线，生产的不是产品，是服务

要点速览

流水线真正的遗产不是让汽车降价，而是“规模化生产”这套思想蔓延到了所有行业——经济学把这类技术叫“通用技术”
科技投资人王煜全的判断：AI 是新一代通用技术，它规模化生产的不再是产品，而是人的服务，尤其是高端智力服务
好的智能服务有四个特征：专家级、个性化、普惠、持续——最值钱的是“持续”，因为持续意味着数据回路，数据回路就是壁垒
机会格局不是“超级模型吃掉一切”，而是 N 个领域各出巨头；对创业者，定义问题的能力比解决问题的能力更稀缺
中国的应用场景密度是智能服务的天然温床，TikTok 已经示范过“从中国扩散到全世界”的路径

先讲一个一百年前的故事

1913 年，福特把流水线搬进了汽车厂。组装一辆车的时间从十二个多小时压缩到九十来分钟，汽车从富人的玩具变成流水线工人自己也买得起的东西。

这个故事你大概听过。但海银资本创始合伙人王煜全在近期一场对谈里提醒大家注意它的后半段：流水线真正厉害的地方，不是它改变了福特，而是它没有停在汽车业。通用汽车学了它，电子厂学了它，家电厂学了它，连食品厂和化工厂也学了它。今天你见到的一切“规模生产”，追到根上都是流水线的思想。

经济学里给这类技术起了个名字，叫通用技术（general purpose technology）——它不是解决某一个行业的问题，而是给所有行业换一套底层打法。蒸汽机是，电力是，流水线是。

王煜全的判断是：人工智能就是下一个。它对每个行业的改造，不会比当年的流水线小。

小结：流水线的遗产，是“规模化生产”蔓延到了所有行业。AI 属于同一级别的技术。

冰箱的逻辑：把服务冻进产品里

要理解 AI 这次“规模化”的对象是什么，先看工业时代是怎么处理“服务”这件事的。

用王煜全举的例子。谁都想吃冰镇西瓜，但没有公司能给千家万户挨家挨户送冰镇西瓜——人力太贵，规模做不起来。工业时代的解法很聪明：我不送西瓜，我卖你一台冰箱，你自己冰镇。

你仔细想，冰箱是什么？它是“替你持续制冷”这项服务，被凝固成了一台可以量产的机器。洗衣机是凝固的洗衣服务，汽车是凝固的出行服务。✅ 工业时代的公式：把服务冻进产品里，让用户自我服务。

但有一类东西一直冻不进去：人的经验。名医的诊断、九段棋手的指导、资深译者的手艺——这些服务的载体是人本身，一个专家一天只有二十四小时。所以高端服务永远稀缺，永远贵。

小结：工业时代靠“产品化”规模化了体力服务，但专家经验始终无法量产。

这一次，轮到经验本身被复制

转折点是 2016 年 3 月，AlphaGo 战胜李世石。

王煜全从这盘棋里读出的信号跟多数人不一样：从那天起，围棋教练不再需要九段棋手了。顶级棋力——这种全世界只有几十个人拥有的“经验”——变成了一个可以无限复制的程序。

这就是他给这个时代下的关键词。当年美国变革的关键词是流水线，今天的关键词，他命名为智能服务：当人的经验可以被 AI 复制，我们就可以规模化生产人的服务，尤其是高端智力服务。一个职业能被 AI 做到的那天，就是人人都能享受这种服务的那天。

❌ 注意，这不等于“AI 让所有人失业”——被复制的是经验，新长出来的是别的岗位（持续服务需要人做界面和信任，这是另一个话题）。

小结：流水线复制的是动作，智能服务复制的是经验。

好的智能服务长什么样：四个特征

那怎么判断一个 AI 产品算不算“智能服务”？王煜全给了四个特征。拿自动驾驶出租车当标尺看最清楚：

专家级——服务水准至少到行业专家线。自动驾驶要开到老司机水平才有资格上路。
个性化——你去哪儿它送到哪儿，不是固定路线的公交。
普惠——人的成本消失后价格大降，人人用得起。
持续——它持续收集你的数据、持续更新对你的理解，用得越久越懂你，“你都不用眼神，它就知道你要什么”。

前三个特征决定这个服务好不好用，最后一个特征决定这个服务归谁。因为“持续”意味着数据回路：谁在持续服务你，谁就持续积累你的数据，谁的模型就对你理解最深——别人再想抢走你，就得从零开始。这就是壁垒本身。

拆到底，智能服务的配方只有六个字：数据，加，模型。

小结：四特征 = 专家级、个性化、普惠、持续；前三条决定体验，“持续”决定归属。

机会有多少：不是一个巨头，是 N 个领域各一个

聊到这，一个自然的担心：这么大的变革，会不会最后被一两个超级模型全吃掉，没别人什么事了？

主持人在对谈里问的正是这个问题。王煜全的回答是：每个领域会出巨头，但会有 N 多个领域——机会不是更少了，是更多了。每个行业的智能服务都需要有人把场景钻透：知道这件事做成了有价值，知道怎么把数据、模型、行业资源组织起来。门槛不是资源，是行业洞察。

他还给了一个能力排序，值得抄下来：在 AI 时代，定义问题的能力，大于提问的能力，大于解决问题的能力。解决问题这件事 AI 越来越擅长，值钱的是“看出该解决什么”。定义的问题越大，这件事越性感。

顺着这个排序，他给创业者留了一句提醒：技术革命刚开始，每个行业都将被改写、但还没被改写——所以“大革命时不要占小山头”。教育一定最大，医疗一定最大，每个人的自我实现一定最大，这些领域才装得下这个时代的杠杆。

中国还有一张天然好牌：应用场景密度。智能服务需要场景来养——在应用中完善、收集数据、迭代模型，而中国是应用场景最容易长出来的地方。这条路 TikTok 已经走通过一次，从中国出发扩散到全世界。他的解释很朴素：中国人喜欢的，外国人也喜欢——人性是共同的。

小结：格局是 N 个领域各出巨头；能力排序 = 定义问题 > 提问 > 解决问题；选领域要选大的。

如果你只能记住三件事

AI 是通用技术，和流水线同级别。每个行业都将被改写、但还没被改写——还没被改写的行业，就是时间窗。
智能服务四特征里，“持续”最值钱。做产品先想清楚：你的数据回路在哪，用户用得越久你是不是越懂他。
定义问题的能力最稀缺。AI 负责解决，你负责发现值得解决的问题——而且尽量去大领域里找。

一百年前，流水线把产品做便宜了；这一次，智能服务要把专家做便宜。

每个行业都将被改写，但还没被改写。这就是你的窗口。

常见问题

Q：智能服务和普通的 AI 产品有什么区别？

A：对照四个特征看是否齐全：专家级水准、个性化交付、价格普惠、持续服务。很多 AI 产品只做到前两条——一次性给你个结果就结束，没有“持续”，也就没有数据回路和壁垒。判断一个 AI 生意能不能长久，先看它是不是越用越懂你。

Q：不会训练模型的普通人，怎么参与智能服务的机会？

A：这一轮的门槛是行业洞察，不是模型技术。模型能力可以通过 API 获得，稀缺的是“知道某个行业里哪件事值得做、数据从哪来、服务怎么交付”。深耕过一个行业的人，离机会反而比纯技术背景的人更近。

Q：AI 把专家经验复制了，专家岂不是要失业？

A：被复制的是可标准化的经验，新增的是服务界面的岗位——AI 能生成方案，但长期互动、建立信任、组织社群仍是人的事。参照工业革命的剧本：流水线减少了产业工人，却催生了规模更大的白领阶层。方向是转岗，不是消失。

王煜全系列