AI 时代的微笑曲线,两端换人了

　　——从微笑曲线到“责任曲线”:一次商业范式的升维

　　文 / 刘华雷(升维咨询创办合伙人)

　　1992 年,施振荣画了一条曲线,救了宏碁。三十四年后的今天,这条曲线还挂在几乎所有产业讨论的墙上。但墙上挂的是一张旧照片。只是墙上那张,是一张旧照片:照片之外,站位早已换人。

　　工业时代的微笑曲线:左端是研发,右端是品牌与营销,谷底是生产。AI 时代,形状没变,两端换人了:左端换成决策,右端换成体验与信任(那些离"人"最近的工作),谷底换成日常运营。

　　这不是一次工种的更新,也不止是商业模式的改良——而是一次商业范式的升维。这篇文章想把这件事的逻辑讲透,给这条新曲线起一个名字,并给你一套能落地的判断。

　　图 1 两条曲线量的是同一样东西——稀缺。变的不是形状,是稀缺的住址。

　　一、微笑曲线的真相:它不是规律,是价目表

　　回到 1992 年。为了让内部同仁和整个 PC 产业相信"制造不是长久之计",施振荣画了一条 U 形曲线:左端是研发与关键零部件,右端是品牌与营销服务,中间的谷底是制造组装。附加值高的在两端,低的在谷底。这就是后来被印进全世界商学院教科书的微笑曲线[1]。

　　它最有名的注脚是 iPhone。加州大学欧文分校的三位研究者 Kraemer、Linden 和 Dedrick 算过一笔账:一部 iPhone 的利润,苹果公司拿走 58.5%,中国组装环节只分到 1.8%[2]。曲线两端的美国公司笑,谷底的工厂陪着笑。这条曲线因此被反复引用,几乎成了产业界的物理定律。

　　但很多人把它读浅了。微笑曲线不是“产业规律”,它是一张价目表:一张按稀缺性计价的行业价目表。研发为什么在左端?因为稀缺。品牌营销为什么在右端?因为稀缺。组装为什么在谷底?因为谁都能干。曲线的纵轴,量的从来不是“技术含量”,而是“稀缺程度”。

　　有意思的是,施振荣本人并不觉得制造天生该待在谷底。2004 年,日本索尼中村研究所的中村末广提出过一条“武藏曲线”,形状正好倒过来:利润最厚的地方在制造环节[3]。日本制造业听了很受用:看,微笑曲线错了。但武藏曲线争来争去,争的只是“哪一环更值钱”,吵架的双方用的还是同一张价目表。

　　真正把这张价目表掀翻的,不是另一条曲线,是 AI。

　　二、底部先塌:日常运营正在被重新定价

　　AI 进攻的第一站,不是两端,是底部。

　　麦肯锡在研究报告《生成式 AI 的经济潜力》里估计,生成式 AI 每年可为全球经济增加 2.6 万亿到 4.4 万亿美元的价值。更值得注意的是它的分布:约四分之三的潜在价值集中在四个场景——客户运营、营销与销售、软件工程、研发[4]。麦肯锡《The State of AI》2025 年全球调查同时显示,88% 的组织已经在至少一个业务职能中用上了 AI[5]。

　　把这两条信息翻译成白话:AI 最先吃掉的,是日常运营。再翻译得狠一点:你公司里那些“按流程办事”的产出(文案、报表、初稿、跟单、常规客服),价格正在被打到地板。过去二十年,这些产出是白领的中产饭碗;未来十年,它们是水电煤。

　　最坦率的注脚来自瑞典。2024 年 2 月 27 日,金融科技公司 Klarna 发布新闻稿:上线一个月的 AI 助手处理了 230 万次客户对话,承担了三分之二的客服量,相当于 700 名全职客服的工作量;平均解决时间从 11 分钟压缩到 2 分钟以内,支持 35 种以上的语言,预计当年带来 4000 万美元的利润改善[6]。

　　一家公司的客服部门,一个月,被重新定价。

　　注意,这里藏着一个精细的区分,它是理解新曲线的钥匙:Klarna 被 AI 接管的,是客服里的事务层(查订单、改地址、走退款流程——规则明确、答案唯一、无需担责);而没有被接管的,是关系层:客户真正愤怒、真正委屈、真正要一个说法的那通电话。事务层在谷底,关系层从来不在——AI 能在一秒钟里查到你的订单号,但接不住你的一肚子火。

　　底部塌陷,稀缺性的尺子就开始重新排队了。排队的方向出人意料:两端的旧住客被拆开,一半被 AI 拉下马,一半被 AI 顶上天。

　　三、两端换人:研发变决策,营销变信任

　　先看左端。

　　研发在过去值钱,因为它意味着知识的生产能力:会写代码、会做结构设计、会出方案。但“知识生产”恰恰是生成式 AI 的主场:一份体面的方案、一张图纸、一段程序,AI 几秒钟就能给。于是左端被拆成了两半:其中的“执行”被商品化,剩下的“判断”被顶上天花板。

　　这一拆,拆出了一条锯齿状的分界线。哈佛商学院的 Dell'Acqua 团队在波士顿咨询公司(BCG)做过一个著名的实地实验:758 名顾问随机分组,一部分用 GPT-4 干活,一部分不用。结果,在 AI 能力边界之内的任务,用 AI 的顾问速度快 25.1%、成果质量高 40%;而在边界之外的任务(一道被刻意设计成 AI 会给出似是而非错误答案的题目),用 AI 的顾问,答对率反而比不用的低 19 个百分点[7]。

　　这条分界线,Dell'Acqua 称之为“参差的技术边界”(jagged technological frontier):线内,AI 让普通人变成超人;线外,AI 让自信的人变成事故。而“知道线画在哪里”,本身就是一种决策能力。

　　所以左端的新住客叫决策:看准往哪打、资源押在哪里、什么坚决不做。它比旧日的“研发”更值钱,因为道理很硬:执行越廉价,方向越昂贵。当所有人都能在一秒钟内生成一百个方案时,值钱的不再是方案,是选择。

　　再看右端。

　　营销在过去值钱,因为它意味着信息的传递与触达:渠道、广告、话术、内容。但内容的生产成本正在归零,消费者的决策入口正在从搜索框变成对话框——让 AI 替你说话,正在取代让你自己刷到。于是右端同样被拆成两半:“信息传递”被商品化,剩下的“信任”被顶上天花板。

　　还是 Klarna。2025 年 5 月,剧情反转:Klarna 宣布重新招聘人类客服,CEO 塞米亚特科夫斯基公开承认此前的成本削减“走过头了”——把人工服务压到底的代价,是客户体验和品牌信任的流失[8]。一年前抢着发“AI 顶 700 人”新闻稿的公司,一年后老老实实把人请了回来。

　　从谷底退出来的人,并没有回到谷底。他们被派去了右端,处理那些 AI 处理不了的事:一个真正委屈的客户需要的,是一句有人担责的道歉,而不是一次 2 分钟解决的标准流程。

　　商业史的幽默感,往往比段子手高级。

　　至此,新曲线站成形了:一端是决策,一端是体验与信任(接近人的工作),底部是日常运营。底部交给机器和流程,两端留给判断和托付。

　　先别急着沿用旧名字。微笑曲线的名字来自形状——像一张笑脸;给这条新曲线命名,不该看嘴型,该看纵轴:它的纵轴量的不再是工序的稀缺,而是责任的重量。底部,是机器承担得起后果的环节;两端,是后果必须由人来承担的环节。

　　所以,我把它叫作责任曲线。微笑曲线问你“站在哪一环”,责任曲线问你“敢为哪个结果负责”。

　　这条曲线不是预言——它已经写进了 Klarna 的招聘记录里。

　　四、为什么这是“升维”,而不是“转型”

　　“转型”这个词太温和了。转型是在同一个坐标系里换一种做法;升维是换掉坐标系本身。

　　先把两个常被混用的词分开:模式是企业之器,回答“你怎么赚钱”;范式是行业之尺,回答“价值怎么算”。微笑曲线换成责任曲线,变的不是哪一家的打法,是全行业量价值的尺子。范式一换,每家企业的商业模式都得重写——这就是“升维”的分量。

　　我给升维的定义是:跳出既定范式,重构底层规则,开辟全新空间。用这把刀来切,看得非常清楚:

　　旧曲线的底层规则是“工序”。它把企业理解为分工链上的一环,你的价值由你占据的工序的稀缺性决定。于是老板的终极追问是:“我在链条的哪一环?我能不能往两端爬?”

　　新曲线的底层规则是“责任”——它的名字就是从这儿来的。它把企业理解为一张判断与责任的分布图,你的价值由你愿意并且能够为哪些结果负责决定。于是老板的终极追问变成了:“哪些后果可以让机器承担?哪些必须由我承担?客户凭什么把信任押在我身上?”

　　微笑曲线量的是工序,责任曲线量的是担当。尺子一换,一批旧问题自动消失,一批新空间豁然打开:

　　“要不要上 AI”是个工序问题,换成责任问题就变成“哪些环节的后果我可以让机器承担”。很多企业的 AI 焦虑,本质上是坐标系焦虑。

　　“降本增效”是个工序问题,换成责任问题就变成“省下来的钱和时间,投给哪一端”。

　　“我们的核心技术是什么”是个工序问题,换成责任问题就变成“我们在哪个判断上敢说全行业第一”。

　　《孟子》说:“权,然后知轻重。”权是秤砣——一杆秤准不准,不看秤杆,看秤砣;一条曲线立不立得住,不看形状,看纵轴。责任曲线的纵轴只有一句话:后果由谁承担。

　　为什么“责任”成了新的稀缺?三个理由,一个比一个硬。第一,AI 的产出是概率,责任的承担是承诺——概率无法签合同,承诺可以。第二,决策的价值被杠杆放大:执行成本趋零之后,一个正确判断可以瞬间调动的资源是过去的百倍,一个错误判断的破坏力同样如此。第三,信任无法生成:内容可以量产,关系不能。这三条加起来,就是新曲线两端的高附加值从哪里来。

　　历史早就给过预演,只是当时没人往这个方向想。

　　柯达 1975 年发明了世界上第一台数码相机,2012 年 1 月申请破产保护[9]。注意,柯达输掉的不是研发(旧曲线的左端它一直是霸主),它输掉的是决策:知道数码影像是未来,却始终不敢把胶卷的利润机器停下来。

　　诺基亚的工程师文化无懈可击,专利墙厚到能防核弹。2013 年 9 月,微软以 72 亿美元收购它的手机业务[10]。诺基亚在旧曲线上两端全占:技术强在左端,渠道强在右端。它输掉的是范式转换处的那个判断:把宝押在 Windows Phone 上的决定。

　　在旧曲线的坐标系里,柯达和诺基亚都是优等生。尺子换了,满分卷变成了废纸。

　　正面的例子是比亚迪。2022 年 4 月 3 日,比亚迪宣布自当年 3 月起停止燃油汽车的整车生产,成为全球第一家这么做的车企[11]。外界看是豪赌,内行看是必然:垂直整合的制造体系、刀片电池、DM-i 混动,它把“日常运营”的效率做到了行业最深处,才攒出了把旧曲线左端的技术资产(发动机产线)一键清零的决策资本。它的尺子早就换成了“每公里成本”——尺子换了,燃油车那端的优势一夜之间变成无效资产。

　　这就是升维的全部含义:不是在旧价目表上换一环,而是换一张价目表;不是把对手打趴下,而是让对手的优势无处安放。

　　五、给中小企业的一页纸:三个动作,三个自检

　　写到这里,必须回答最实际的问题:一家年营收几千万到几个亿的企业,怎么办?

　　好消息是:这次范式转换,是中小企业罕见的结构性利好。旧曲线的两端(重研发、重渠道)拼的都是资本和规模,那是大企业的主场。责任曲线的两端(决策快、离客户近)恰恰是中小企业的生理优势。决策链短,意味着“判断”这一端你天然占优;老板还站在柜台前,意味着“信任”这一端你还没丢。而需要人海和体系堆出来的谷底优势,恰恰是 AI 正在重新定价的部分。

　　光脚的先换鞋。具体三个动作:

　　第一个动作:把运营“缴械”。列一张清单,把公司里所有重复性事务分进三栏:可以全交给 AI 的、必须人机协作的、必须真人的。90 天内,把第一栏吃干净。目标不是裁员,是把人的时间从谷底腾出来——腾出来的时间投去哪里,是下一个动作的事。判断标准就一条:这件事的后果,机器承担得起吗?

　　第二个动作:把决策“上膛”。运营省下的每一块钱,只有两个去处:投给决策端(情报、沙盘、一把手的思考时间),或者投给信任端(一线的授权、老客户的深度经营)。投回运营端是浪费。特别提醒一句:一把手最大的风险不是不会用 AI,而是把自己的决策权外包给 AI 的流畅幻觉——BCG 实验里那 19 个百分点,就是幻觉的价格。

　　第三个动作:把信任“做厚”。AI 能生成一切内容,你的对手也能。能让客户留下来的,只剩 AI 生成不了的东西:这家店的人对我好。河南许昌的胖东来,2024 年销售额 169.64 亿元、纳税超 6 亿元、员工平均月收入九千多元[12]——在一个普通地级市,靠的不是任何一件独家商品,是委屈奖、是经营透明、是“人与人之间那点古典的好”。胖东来不卖 AI 替不了的东西,它卖的所有东西哪里都能买到;它真正卖的是“买”这件事本身。在 AI 时代,这件事反而越来越值钱——因为稀缺。

　　三个自检问题,建议每季度问自己一遍:

　　一问:过去一年,我最重要的三个决定,是机器建议的,还是人拍的?(决策端是不是真的在你手里)

　　二问:客户愿意为“是你”多付钱吗?愿意为哪一点?(信任端有没有厚度)

　　三问:我的运营成本里,AI 已经吃掉了多少?省下的钱去哪了?(底部塌陷是灾难还是红利,取决于这一问)

　　三个问题,问的是同一件事:你在这条责任曲线上,站在哪里。如果三个问题都答不上来,不必恐慌,但需要清醒:你的公司还在旧价目表上排队,而排队的位置,每天都被重新定价一次。

　　六、结语:尺子换了,问题就换了

　　三十四年前,施振荣画微笑曲线,是想告诉台湾制造业:别在谷底拼,往两端爬。

　　今天,AI 把谷底的价格打穿了,同时把两端的入场券重新发放。谷底塌陷不是灾难,是一笔被强制退还的固定成本——谁把这笔成本投到两端,谁就赢得这一轮。

　　微笑曲线告诉你:你在哪一环。

　　责任曲线问你:你敢为哪个结果负责,你能让谁记住你。

　　这两个问题,AI 都替你答不了。决策的后面是后果,信任的后面是人——这两样东西,恰恰是技术越强大,就越往人手里聚拢的东西。

　　这就是升维:不是爬得更高,是换一把尺子;尺子换了,问题就换了;问题换了,同样的一家企业,看到的就是一片新的空间。