案例背景
2026年10月，经济观察网刊发观点文章《品牌AI投资学：模型可以租，学习租不到》，提出一个颇具启发性的判断：在人工智能时代，学习效应正在成为新的竞争优势来源，企业长期积累的决策历史正在沉淀为无法从市场购买的内部资产。无独有偶，同期资管行业在讨论AI应用边界时，也提出了人工智能能力的三阶段演进路径——从模仿人，到像人，再到行业专家。
两个判断指向同一个问题：当大模型能力可以通过API按量付费获得，当所有企业都能以相近的价格调用相近的智能，企业之间的差异从哪里来？这个问题触及了战略管理最核心的命题，即在要素可以自由获取的条件下，竞争优势如何生成与维持。
核心分析
一、模型能力的商品化：竞争优势的来源正在转移
资源基础观认为，能带来持续竞争优势的资源必须具备有价值、稀缺、难以模仿且组织可利用这四个条件。在AI发展早期，先进的模型能力确实符合这些条件，谁能率先用上更强的模型，谁就拥有优势。但随着模型能力以API形式被标准化输出、价格持续下降、替代品不断涌现，模型本身正在快速商品化，它越来越像电力而非专利。
这并不意味着AI投资失去意义，而是意味着优势的落点发生了转移。当模型可以租赁，企业之间的差距不再取决于用不用AI，而取决于用什么喂给AI、如何判断AI的输出、以及AI的产出能否转化为组织的能力沉淀。竞争优势的生成位置，从获取工具的一侧移到了使用工具的一侧。
二、学习曲线效应：决策历史如何成为不可交易的资产
学习曲线理论告诉我们，累计产量的增加会带来单位成本的持续下降，其背后的机制是经验的积累与流程的优化。在AI时代，这一机制有了新的内涵：企业每一次基于AI辅助做出的决策、每一次对模型输出的修正与反馈、每一个被验证或被否定的判断，都会沉淀为独特的数据与知识。这些沉淀无法通过采购获得，因为它们是企业特定历史的产物。
举例来说，两家同时引入AI辅助决策系统的资管机构，调用的是同一个基础模型，但三年后二者的系统会截然不同：一家的系统里沉淀了该机构对特定行业的判断框架、对风险的偏好边界、对客户需求的细分理解；另一家的系统如果只做调用而不做积累，三年后依然只是一个通用接口。前者的AI是资产，后者的AI是费用。这正是学习租不到的含义——租来的是算力与模型，租不来的是组织在试错中积累的认知。
三、能力演进三阶段：模仿人、像人、行业专家
资管行业提出的三阶段路径，为上述判断提供了可操作的框架。第一阶段是模仿人，即让AI学会完成人类已有的标准化动作，核心指标是替代率与效率提升，这一阶段的价值主要来自成本节约。第二阶段是像人，即AI不仅能完成任务，还能理解任务背后的意图、语境与约束，开始具备与人类协作的能力，这一阶段的价值来自工作方式的改变。第三阶段是行业专家，即AI在特定垂直领域达到甚至超越人类专家水平，能够处理非结构化、高不确定性的专业判断，这一阶段的价值来自能力边界的拓展。
关键在于，从第二阶段到第三阶段的跨越，无法靠购买更强大的模型实现，只能靠企业自身注入行业知识、业务流程与决策历史。这也解释了为什么AI应用边界的划定是管理问题而非技术问题：边界在哪里，取决于企业愿意并能够向系统注入多少自身的独特性。动态能力理论在此处的含义十分明确，企业需要培养的不是使用某个模型的能力，而是持续把业务经验转化为系统能力的能力。
管理启示
模型可以租，学习租不到，这句话对AI投资决策有三点直接启示。第一，评估AI投入时不能只看当期效率指标，还要看它是否在沉淀组织资产。一个只做调用的系统，投入再多也只是一次性费用；一个能够记录反馈、积累知识的系统，才具备资产属性。第二，要有意识地把决策历史结构化。散落在会议、邮件与个人经验中的判断如果不被记录，就无法成为训练与迭代的原料，组织学习也就无从发生。第三，选定垂直场景做深做透，比在多个场景浅层铺开更有价值。行业专家阶段的能力来自纵深的知识密度，而不是广度的应用数量。企业应当问自己的问题不是我们用了多少AI，而是三年后我们的AI比今天聪明多少，以及这份聪明是否只属于我们。
其他思考
- 请检视你所在组织的AI应用：有多少属于一次性调用，有多少具备反馈闭环与知识沉淀？如果没有沉淀机制，你打算从哪个环节开始建立？
- 决策历史要成为资产，前提是它被结构化地记录下来。你认为在业务流程中嵌入知识留痕，会不会增加一线人员的负担？如何设计激励使其可持续？
- 如果你的AI系统由第三方供应商搭建，沉淀下来的行业知识归属于谁？合同条款中是否已经明确了数据、模型与知识的权属边界？
关键词：组织学习、动态能力、AI投资决策
来源：经济观察网、中国证券报 | 整理：经管大课堂
原文链接：https://www.rcbom.com/aibps/6681.html
