在低增长时代，企业要想获得持续增长需要不断创新自己的经营策略。企业可以借助黑海战略模式，从“做深”“做高”两个方面创新经营策略，从而帮助企业应对低增长带来的挑战，找到新的增长路径。首先，做深用户。即利用产品和服务的组合持续加深与用户的关系，从而深耕用户，提高经营用户的“深度”；第二，做高价值。即利用高端产品或解决方案提升价值创造能力，从而提高价值的“高度”，并从用户身上获得高收益。

黑海战略“做深”和“做广”的策略不仅在许多中国的企业实践中得到验证，在世界上其他国家的卓越企业中也广泛应用。在最近一期的《哈佛商业评论》（2026年5-6月期刊）中，乌尔里西·皮敦等人发表了“增长并非唯一，稳定值得追求”的文章，作者们研究了过去20多年来自北美、欧洲和日本的1万多家企业，从中确定了172家稳定型企业，这些企业平均寿命接近100年，它们在整个期间内收入增长平稳且接近于零。从这172家企业中，作者们又挑选出了57家“稳定性绩优”企业，它们在股东总回报（TSR）方面跑赢了市场。

作者们经过研究，发现这些“稳定性绩优”企业在低增长时代，在营业收入没有出现明显增长的情况下反而取得了优异的业绩，主要得益于四种不同的策略：专注服务，轻资产策略；高端路线，毛利率策略；内部整合，资产负债表策略；稳如银行，股息策略。其中，前两项策略和黑海战略所倡导的“做深”和“做高”非常一致。

第一项策略：专注服务，轻资产策略。在低增长时代，不少企业的常规应对策略是开发新客户，但是，这会导致企业的成本大幅度上升。作者们发现，“稳定性绩优”企业反其道而行之，它们更倾向于“从现有客户关系中实现价值最大化。它们通过从需求不断下降的实体产品转向轻资产的服务和软件来达成这一目标，这种方法不仅加深了客户关系，还提高了利润率并降低了资产密集度。”

在黑海战略框架中，我提出了PaaS模式（产品服务一体化，product as a service），利用产品智能化，企业可以将软性的服务与硬件产品实现捆绑，在加深用户关系的同时，沿着用户的场景，深耕用户需求，找到新的价值增长点。企业还可以通过产品组合的持续优化，通过满足用户的更多场景来深耕用户。比如，老铺黄金覆盖了用户从婚嫁、自戴、收藏、送礼到投资的多个场景，打造了完整的黄金珠宝产品矩阵，从而全方位满足用户多元需求。

第二项策略：高端路线，毛利率策略。作者们发现，在20年的研究期内，“稳定性绩优”普遍选择了“高端路线”，通过创造不可替代性，这些企业可以增强定价权并进军高端市场，无论其生产的奢侈品还是工业零部件。得益于高端策略，“稳定性绩优”企业的利润率大幅增加，现金流也非常强劲，这使得企业的毛利率平均提高了12%，并实现了9%的年化股东回报率。

在黑海战略框架中，“高端化”策略是重要的内容，企业通过提供高端化的产品或者服务，提高为用户价值创造的能力，从而从用户获得更高的价值收益。老铺黄金擅长于层层沉淀高净值用户，并为这些高价值用户提供稀缺性产品，从而提高了高价值用户的收益。2025年，老铺黄金的营业收入为273.3亿元，归母净利润达到了48.7亿，净利润率高达17.8%。这都得益于老铺黄金实施的高端路线策略。

德国巨头西门子从2014年以来进行了深刻的战略转型，经过多次业务重组，西门子已经从 2014 年 “综合重工业集团” 转变为“数字化工业科技公司”，持续将软件和数据驱动的服务融入到核心产品中。下图展示了西门子自2014年至2025年营业收入与净利润的变化，2025年，西门子的营业收入为789亿欧元，净利润为104亿欧元。

从过去十多年的数据可以看出，西门子抵御了低增长带来的挑战，其盈利能力在逐年加强，净利润从2014年的8%提高到2025年的13%，这主要得益于西门子的产品服务一体化模式，以及公司从传统工业集团向数字工业创新领导者的转型策略。

文 | 魏玉琨、李东红

自人类社会步入工业经济时代，不同出资方式、治理机制与组织形态的企业应运而生。随着数量、规模、社会功能、价值贡献的节节攀升，企业成为社会经济系统中的微观主体，在推进物质财富与精神财富创造、产业与地区经济增长、技术进步、劳动力就业、公共收入增加等关乎社会进步的几乎所有方面，都发挥着关键支撑作用。

工业经济时代的兴起，源于企业大量使用机器设备，推动社会生产效率显著提高。在后续的整个工业化进程中，硬件设备不断丰富，并逐步实现软硬件结合，相关技术设备不仅为制造业等领域的各类企业广泛使用，还普及至政府、事业单位、社团、家庭等社会组织和个人，带动全社会运行效率持续提升，为人类社会的进步奠定了坚实的微观经济基础。可以说，工业经济时代本质上是一场发端于企业规模化应用机器设备的工具革命。在第一次工业革命爆发至21世纪10年代的200多年间，机械化、电气化、电子化、自动化、信息化、网络化依次迭代演进，不断将人类社会的工具革命拓展至新的领域、提升至新的高度。

自21世纪10年代中叶起，数字技术和智能技术加速迭代普及，人类社会正式从工业经济迈向数字经济时代。20世纪50年代便被提出的人工智能（AI），在经历了几代人数十年不懈探索与推进之后，近些年开始展现出强大的自主思维与决策能力、组织协调与资源调配能力、创新与创造能力。AI的智力水平与功能应用日渐超越普通公众乃至行业专家，进入快速更新迭代期。很显然，由量变走向质变的AI不再是传统意义上的工具，它正在颠覆工业经济时代的工具革命根基，加速人类社会向数字经济时代跃迁。

智能原生企业的新组织形态特性

企业是工业经济时代的微观经济主体，AI推动时代跃迁，同样推动各类企业发生脱胎换骨的智能化改变。这一转型进程存在两种基本路径：一是AI以渐进或者激进的方式改造传统企业，使之成为智能企业；二是AI从源头上催生一批又一批智能企业。我们把后一种路径下成长起来的、从创立之日起即为智能企业的新型社会组织，称为“智能原生企业”（Intelligent-Native
Enterprise）。工业经济时代的企业，无一例外都是人的智能的集合体。作为数字经济时代涌现出的新组织形态，智能原生企业的“智能”并非“人的智能”，还包括人之外的行为主体所拥有的智能，也就是AI；即便是AI与“人的智能”的融合，AI在其中也具有不可或缺的重要作用，而不只是辅助工具。简而言之，智能原生企业就是从创立之日起便由AI广泛参与甚至主导决策与运行、在为客户创造价值的全流程中发挥重要作用的企业。

AI以数据、算法和算力为核心构件。数据是AI的基础原料，算法是AI的神经中枢，算力是AI的发动机。AI以高质量海量数据、复杂精巧先进的算法、强大算力形成的虚拟智能体为思维与行为主体。当这些构件不再作为外部技术嵌入组织，而是作为内生逻辑重构企业组织形态时，AI就由单纯的技术要素跃升为企业的组织基因，决定企业的基本组织形态。循此逻辑，智能原生企业在创立之初便实现了AI核心构件的组织基因内化，展现出新型企业组织形态的显著特性。

作为AI基础原料的数据，是智能原生企业的第一原生生产要素。与资本和传统劳动力等要素相比，数据具有更高的价值、更低的替代性。首先，智能原生企业从创立伊始即围绕业务全流程搭建多维度、全场景的数据采集体系，以此打通内外部数据链，实现客户需求、生产运营、市场反馈、产业协同等各类数据的实时与全域获取，从根源上避免数据孤岛的形成。其次，与智能原生企业适配的全生命周期数据治理规则，将数据清洗、标注、存储、共享、应用等环节嵌入组织架构与运营流程，保障数据全流程的合规性及资产属性的明晰化，使其在组织内部能够实现高效、精准调用。再次，智能原生企业的商业逻辑与价值创造根植于对数据的深度挖掘。例如，通过数据驱动决策、数据产品化等方式，可充分释放数据的商业价值、产业价值。最后，智能原生企业还会推动数据价值在产业生态中流转与共享，以自身的数据原生能力链接上下游合作伙伴，实现生态内的数据价值共创，让数据成为驱动整个产业生态发展的核心要素。

作为AI神经中枢的算法，构成智能原生企业组织运行的中枢，是企业在决策、运营和创新等重要事项中的核心推动力量。首先，智能原生企业根据自身的商业定位与业务需求，设计并搭建专属的算法体系，将业务规则、决策逻辑、价值判断转化为算法模型，将算法作为企业运行的底层逻辑。其次，算法广泛参与智能原生企业内外部环境评测、战略抉择、产品研发、市场推广、供应链管理、客户服务等全流程决策与运行。小到日常办公、仓储管理等基础性常规性事务，大到企业长期战略布局、重大组织变革与技术突破，从研判形势、发掘问题到作出决策、推动运作与执行，算法模型都发挥着重要作用。在不少场景和环节中，算法模型甚至独立决策，自主协调人员及软硬件设备完成业务。最后，智能原生企业建立的算法模型始终处于即时迭代与优化进程中，运营过程中产生的新数据、新反馈即时融入算法模型，形成从业务响应、策略验证到模型调优的即时自适应循环。

作为AI发动机的算力，是智能原生企业智能化运行的能力引擎，是数据获取与处理、算法落地应用与迭代优化的基础。首先，智能原生企业自诞生起便根据算法模型的运行需求、数据处理的规模与速度进行前瞻性规划与算力配置，包括建设自有算力中心，与公有云、算力平台深度合作，实现算力供给与企业业务发展的动态匹配。其次，智能原生企业搭建的智能化算力调度系统，能够根据企业内不同业务环节的需求，动态分配算力，将算力优先配置到高价值、高优先级的业务场景中，提升算力的使用效率，降低算力处理成本。最后，智能原生企业立足长期发展战略，构建可扩展的弹性算力架构，打破传统算力配置的刚性限制。根据业务规模扩张、算法模型升级、数据体量激增的动态需求，灵活扩容或收缩算力供给，从而既保障核心业务的算力支撑不缺位，又避免算力资源闲置浪费，实现算力供给与企业发展的动态平衡。

智能原生企业的新物种角色

智能原生企业以数据为原生生产要素、以算法为原生运转中枢、以算力为原生能力引擎，三者深度耦合、协同支撑，构建企业内部智能体，进而形成新型企业组织形态，成为一种“新物种”。这种新型企业组织形态在打破企业传统发展范式、推动产业智能化转型、构筑数字经济微观基础等方面扮演着十分独特的角色。首先，智能原生企业是数字经济时代以智能方式向客户高效精准提供个性化产品与服务的先锋。工业经济时代形成了以规模化生产、层级化管理、标准化运营为核心的发展范式，底层逻辑是基于机器设备的效率提升。智能原生企业打破规模化生产的路径依赖，依托AI精准捕捉客户个性化需求，从创立之初便具备个性化、定制化的生产与服务能力，有能力形成大规模定制的新型生产模式。智能原生企业还摒弃了工业经济时代层级化、科层制的管理架构，重构了企业组织管理范式。依托算法的实时调度与数据的全域共享，智能原生企业建立起网络化的组织结构，实现各部门、各环节的高效协同，降低了组织协调成本，使企业管理更具灵活性与时效性。智能原生企业也不再遵循传统意义上的标准化运营，而是将算法的动态迭代与数据的实时更新融入企业运营全流程，实现运营模式的动态调整与持续优化，从而适应数字经济时代市场快速变化的需求。

其次，智能原生企业是推动传统企业数智化转型，进而促进工业经济向数字经济跃迁的强大力量。一是高度智能化运作的智能原生企业可以从多个维度为传统企业数智化转型提供参照，发挥模式示范作用。智能原生企业探索出的价值创造模式、组织运行模式与商业竞争模式，能够为传统企业的智能化转型提供实践范本，助力传统企业清晰把握智能化转型的方向，避免转型过程中的盲目探索。二是智能原生企业可以通过技术输出赋能传统企业加速数智化转型。智能原生企业将自身在算法、数据、算力方面的技术积累与实践经验，通过技术服务、平台搭建、解决方案输出等方式，向传统企业赋能，帮助传统企业突破智能化改造的技术壁垒，快速搭建智能技术应用体系。三是智能原生企业可以在与传统企业的相互协同中促进其数智化转型。智能原生企业以自身为核心，构建起涵盖上下游企业的产业智能协同网络，通过数据共享、算法互通、算力协同，实现资源的优化配置与高效整合，推动传统企业的智能化升级与高质量发展。

最后，智能原生企业是数字经济时代典型的微观经济主体，与已完成智能化转型的传统企业共同构成数字经济时代微观经济的主导力量。工业经济时代，制造业企业是最为典型的微观经济主体。数字经济的发展需要与之适配的新型微观主体，智能原生企业正是数字经济微观基础的核心组成部分。一方面，智能原生企业重塑了数字经济的微观组织形态。作为数字经济时代企业的典型范式，这种以“数据—算法—算力”为原生架构的组织形态将不断发展壮大，推动数字经济微观主体迭代升级，使数字经济拥有更为适配的组织载体。另一方面，智能原生企业将推动数字经济市场体系的发展与完善。智能原生企业的发展不仅能催生数智产品、数智服务、数智平台等新数智业态，丰富数字市场的供给体系，还将带动数据、算法等数智要素的高效流通与市场化配置，让数字经济的市场运行更具活力、更为成熟。另外，智能原生企业也会推动数字经济与实体经济深度融合，进一步夯实数字经济与实体经济协同发展的微观根基。扎根实体经济的智能原生企业，将智能原生能力深度融入实体经济生产、流通、消费全环节，加速推动数智技术在实体经济中落地转化，持续推动数实融合向更深层次、更广领域迈进。随着智能原生企业的大量诞生，一大批传统企业也会转型成为智能企业，共同构筑数字经济时代的微观基础。

智能原生企业面临的新挑战

作为数字经济时代的新型组织形态，智能原生企业有着旺盛的生命力和市场竞争优势。与此同时，作为一种新生力量，智能原生企业也因其原生智能属性与技术架构等面临一系列新挑战。第一，数据的大规模、全场景采集与应用使得智能原生企业自创立之日起就要面对数据安全、数据伦理与数据权属三重挑战。数据安全方面，智能原生企业掌握着海量的内外部数据，包括客户隐私数据、企业经营数据、产业协同数据等。数据的全域采集与共享让数据暴露面大幅增加，因而面临网络攻击、数据泄露、数据篡改等安全风险。数据的原生性布局使得数据安全问题不再局限于单一环节，而是渗透到企业运营的全流程，形成系统性安全风险。数据伦理方面，如果企业追求数据价值最大化，可能会出现数据采集过度、用户隐私滥用、数据歧视等伦理问题。数字经济时代数据采集与应用的边界尚未形成明确的界定标准，因此，智能原生企业在数据应用过程中面临伦理抉择的困境。数据权属方面，智能原生企业的发展依赖于内外部数据的共享与融合，而数据的产生主体、采集主体、应用主体往往相互分离。目前，数据的所有权、使用权、收益权等权属界定尚未形成完善的法律体系与统一的行业规则，导致企业在数据共享与应用过程中容易产生权属纠纷，影响数据的正常流通与价值挖掘。

第二，算法的不透明性与自主性使智能原生企业面临算法黑箱、路径锁定与迭代失控的管理困境。算法黑箱方面，算法模型本身往往具备高度复杂性，其决策过程难以被人类理解和阐释。由于算法广泛参与智能原生企业的日常管理和全流程运作，算法黑箱问题导致组织活动失去透明度。这不仅会造成企业内部无法有效监督算法行为，还可能引发外部利益相关者对企业行为的质疑，甚至在算法出现失误时无法完成责任追溯。路径锁定方面，算法训练与优化有可能会基于企业初期数据形成固有运行路径，并在自强化特性作用下形成难以突破的路径锁定效应。与传统企业不同，智能原生企业的算法并非后期叠加的可独立调整模块，而是组织运行逻辑的底层部分，这使算法路径锁定效应被放大。一旦算法形成低效或与市场不适配的运行路径，便难以通过常规技术优化进行突破，进而导致企业在数字经济的快速发展中逐渐丧失创新与应变能力。智能原生企业通过技术重构、数据重置与组织调整打破这种原生绑定的算法路径锁定，成本远高于传统企业。迭代失控方面，智能原生企业的算法自主迭代机制深度嵌入组织架构，随企业全流程海量实时数据的持续输入实现常态化的自我进化，而不是人工主导的阶段性优化。因此，若企业未能建立与算法迭代机制相适配的全周期监督与校准体系，持续自主进化的算法模型就可能会逐渐偏离企业预设的发展战略、商业目标与社会价值导向，甚至出现失控。这种迭代失控并非单一算法模块的功能偏差，而是会依托企业深度耦合的原生架构在产品研发、市场布局、客户服务等各个环节引发连锁反应，最终威胁企业生存。

第三，算力需求的持续性与动态性使智能原生企业面临算力供给失衡，算力成本与算力协同的现实制约。算力供给失衡方面，智能原生企业的算力需求具有高算力、低时延、动态化的特征，而目前全球算力资源的布局存在结构性失衡。高端算力供给不足、边缘算力布局不完善，导致企业在部分业务场景面临算力供给短缺的问题。尤其是中小企业，难以承担高端算力的建设与获取成本。算力成本方面，算力的建设、运维与升级需要大量的资金与技术投入，智能原生企业从创立之初便需要持续的算力供给，这让企业面临长期的高算力成本压力。算力协同方面，智能原生企业需要实现企业内部、产业之间、区域之间的算力协同，目前不同算力平台、不同企业、不同区域的算力架构存在异构性，缺乏统一的算力调度与协同标准，导致算力的跨域融合面临技术壁垒，难以实现算力资源的全域优化配置。

第四，作为一个高度AI化的复杂人机协同组织，智能原生企业面临的治理挑战不仅局限于内部管理问题，还涵盖人机权责与外部监管等系统性治理命题。智能原生企业并非仅依靠AI，人的智能同样发挥着重要作用，只是较之传统企业而言，在很多环节和层面被AI所替代。这种替代使“人机协同”成为重要的现实难题。一是工业经济时代很少遇到这样的问题，偶尔遇到也不会十分严重，而智能原生企业这一类问题较为普遍。二是这种替代仍在继续，尚未形成一个相对稳定的人机权责关系结构，持续变化使得问题更为复杂。在一定时期内，无论是企业外部的法律法规体系，还是组织内部的治理机制与运行规则，都会滞后于智能原生企业这一新型组织形态谋求快速发展所提出的要求。

智能原生企业的新未来

智能原生企业的兴起，是企业组织形态在AI时代系统性重构的起点，也是AI技术在数字经济时代重新定义企业的结果之一。作为一种新型组织，智能原生企业目前仍然处于发展早期阶段，数量少、规模小、功能发育不完全，力量普遍还非常弱小。未来，智能原生企业必然会持续进化，不断发展壮大。智能原生企业的演进，将沿着智能广度、智能深度与智能自主性三个维度展开。三个维度相互支撑、协同演进，形成立体演进空间，推动智能原生企业逐步向高阶形态迈进，演变为生态级智能共同体（见图1）。

智能广度的演进智能广度的演进是指智能技术的应用范围从智能原生企业内部向外部、从单一主体向产业生态的全域拓展，体现为智能覆盖的边界持续扩大、智能协同的主体持续增多。工业经济时代的单点智能仅覆盖企业的个别业务环节，智能应用相对独立，彼此之间缺乏数据共享与协同决策机制。智能价值主要体现在提升局部效率上，对企业整体战略与组织形态的影响有限。智能原生企业则是通过统一的企业大脑实现企业内部全流程的智能覆盖，未来智能原生企业将向生态智能迈进。生态智能是智能原生企业突破组织边界、重构价值网络协作模式的结果。区别于传统企业生态系统，由智能原生企业构建的产业生态能够实现各主体的智能协同与全域互联。智能原生企业共同搭建的产业智能协同平台有助于实现上下游企业、合作伙伴、行业平台、政府机构等生态主体的智能全链接，从而实现数据的全域共享、算法的互通互认、算力的协同调度。随着数字经济的发展，不同产业之间的边界逐渐模糊，智能原生企业将推动智能技术跨产业领域拓展，实现制造业、服务业、农业等不同产业的智能融合，形成跨产业的智能生态体系，挖掘跨产业的价值创造机会。此外，在社会层面，领先的智能原生企业将推动智能技术应用于社会公共服务领域，如智慧城市、智慧交通、智慧医疗等，实现企业智能与社会智能的协同发展，让企业的智能价值向社会价值延伸。

智能深度的演进智能深度的演进是指智能原生企业对事物发展规律的把握从表面的关联发现到深层的因果识别，再到主动的因果新路径创造，体现为AI认知能力与创新能力的持续提升。大多数企业的智能系统都擅长通过分析海量数据识别变量间的统计关联，并据此进行预测与推荐，构成智能决策的基础；部分企业智能能够通过深度的数据分析与算法建模识别事物发展的因果关系；未来智能原生企业将实现创造因果新路径的认知升级。创造因果新路径意味着智能原生企业不仅能够发现和解释已有的因果关系，还能基于对产业规律、市场需求、技术发展的深度认知，主动创造新的因果关系，挖掘全新的价值创造路径。一方面是对产品与服务创新的因果创造，即深度分析海量市场数据、技术数据、用户需求数据，结合算法创造出全新的产品与服务形态，实现从满足需求到创造需求的转变；另一方面是对技术融合突破和产业发展模式的因果创造。智能原生企业有望推动不同领域技术的交叉融合，创造出全新的技术组合与应用场景，进而打破传统产业的发展模式，创造出全新的产业协同模式、价值创造模式、商业竞争模式，推动产业更高质量地发展。

智能自主性的演进智能自主性的演进是指AI在企业决策与运营中的角色转变，即从辅助性决策到人机协同决策再到人机共生治理的转变，体现为企业权力的动态转移以及责任结构的持续调整。过去AI主要扮演智囊角色，为企业提供数据分析、情景模拟与方案建议，辅助人类决策，最终决策权仍掌握在管理者手中。随着技术的成熟与人机信任的建立，在人机协同阶段，AI与人类共同参与企业运营，企业决策权会按业务场景在人类与AI之间合理分配。未来智能原生企业将向共生治理迈进，成为新型分工共同体。共生治理的核心在于建立人机平等、权责清晰、协同进化的治理体系，让AI真正成为与管理者相互依存、相互促进的共生伙伴，二者共同参与企业治理，推动企业发展。一方面，要清晰界定人机权责，通过完善法律体系、行业规则与企业管理制度，明确AI与管理者在企业各环节的权责边界，实现责任可追溯、可界定，为共生治理奠定制度基础。另一方面，要实现人机能力的深度互补与融合，充分发挥AI在数据处理、逻辑判断、高效执行等方面的技术优势，人类在战略思考、价值判断、创新突破、伦理抉择等方面的核心优势，将二者有机结合并嵌入企业治理全流程，让人机协同成为企业常态化的核心治理模式，以此提升企业整体的治理效率与创新能力。

随着共生治理体系的成熟落地，智能体集群可在人类设定的严格边界内自主运营、竞争与进化，彼时AI将在绝大多数业务场景下拥有完全决策权，企业管理者则向“元决策”层面转型，核心职责从直接操作AI转变为治理AI，即专注于顶层制度设计、长期风险监控、伦理框架维护以及极端异常情况应对，确保智能原生企业的智能自治始终与人类整体利益、企业核心发展目标保持一致。共生治理体系将推动人机实现双向赋能的协同进化。人类对AI进行正向引导与动态监督，使其进化方向始终锚定企业核心价值与社会公序良俗，让智能发展始终服务于企业发展与社会价值创造。AI的持续迭代与智能的不断进阶，也会反向推动人类突破传统思维边界、提升认知与决策水平，从而持续强化企业的治理活力。

沿着智能广度、智能深度、智能自主性三个维度不断演进，领先的智能原生企业有望演变为一种生态级智能共同体，即一个以“数据—算法—算力”为组织形态特性、以可持续价值创造为核心、以人机共生为原则、具备自我进化与自我约束能力的开放复杂系统。智能原生企业的竞争优势不仅源于原生架构，更源于其驾驭智能深度、广度与自主性的管理智慧，以及在推动产业升级、探索商业新范式、解决社会复杂难题中展现出的领导力与责任感。这既是AI技术的发展趋势，也是智能时代对企业提出的全新战略命题。

结语

智能原生企业是一种新型企业组织形态，是数字经济时代的新物种，拥有强大的生命力。“数据—算法—算力”三位一体的原生组织形态特性，使得智能原生企业成为数字经济时代的先锋，并在传统企业向智能企业转型中发挥积极的示范和推动作用。数据、算法、算力带来的独特挑战以及三者耦合所衍生的系统性治理命题，也亟待智能原生企业在未来的演进中有效应对，妥善破解。放眼未来，智能原生企业将沿着智能广度、智能深度、智能自主性三个维度，向生态智能、创造因果新路径、共生治理的高阶形态演进。从中国制造到中国智造，再到中国智能，智能原生企业无疑是工业经济迈向数字经济的先驱力量，将为中国乃至全球的经济发展注入持续不竭的原生动力。

注：本文摘自《清华管理评论》

免责声明：内容仅供参考交流。

2026年5月15日，我到长沙参加湖南省人工智能赋能企业发展大会，大会采取了线下与线上相结合的方式，据承办方负责人告诉我，现场来了700人，还有很多人在线上观看，大家对人工智能如何与企业管理实践进行融合这个话题非常感兴趣。

最近一年多，我先后到不少企业调研人工智能在企业管理中的应用，和领导者们进行深入交流，一个感觉是：人工智能对传统管理模式、商业模式的冲击速度、深度、广度大大超出了企业的预期。这也验证了斯坦福以人为本智能研究所（Stanford
HAI）教授Erik Brynjolfsson的判断：AI正在引发经济史上最具颠覆性的转型浪潮，抢占战略制高点将是决胜关键。

事实上，AI进化的速度也很快，从早期的智能化工具到智能助手，再到今天的自主智能体，人工智能技术的快速发展使得AI不再仅仅是辅助人类工作的工具，而是进化为具备自主创造价值能力的“决策伙伴”。毋庸置疑，AI的进化和能力将彻底重塑生产力结构，带来颠覆性的效率革命。

企业应该如何在AI时代抢占战略制高点呢？

首先，要抓住AI带来的机遇，首先必须打破固有的认知边界，深刻理解AI的本质。

AI不是简单的工具升级，而是一种全新的生产要素和思维范式，将从根本上改变企业创造价值的方式。我们都知道，数据是AI的燃料，企业必须把数据视为最重要的资产之一。在AI时代，数据即壁垒。数据的质量和规模直接决定了AI应用的效果，企业需要建立完整的数据驱动闭环，从采集到价值实现，不断挖掘数据潜能，掌握未来竞争的主动权。

其次，利用AI战略重塑竞争优势。
企业可以从三个层次上来塑造竞争优势。第一个层次是在运营层面，企业可以通过广泛而深入地应用人工智能技术，提高效率，降低成本，这种效果是最明显的，AI对运营优势的提升是显而易见的；第二，在产品创新层面提升竞争优势，一些医药企业在产品创新层面广泛使用了AI技术，大大提升了研发进度和研发的效率，从而在产品创新层面提高竞争优势，利用人工智能技术找到产品的差异化功能；第三个层面是模式优势，既包括商业模式，也包括管控模式。一些领先企业会应用AI重塑产业结构，构建智能生态，从而重塑企业自身在商业生态中的位置。

第三，利用AI 实现战略升维：从蓝海战略升级到黑海战略。

蓝海战略帮助企业发现新的市场，找到新的增长空间，这对企业而言是非常重要的，蓝海战略的核心是在产品功能上进行差异化创新，尤其是通过低成本实现差异化。这在现实商业环境中是非常难做到的，事实上，低成本构建出来的差异化几乎没有竞争壁垒，很容易被竞争对手模仿，这也是为什么企业刚进入蓝海市场不久，就被卷成了红海市场，其背后的原因就是没有构建出竞争壁垒，没有竞争护城河。

黑海战略的策略不同，它强调的是深耕存量市场。我对黑海战略的定义是：以用户需求为中心，以产品智能化、服务场景化、能力平台化、价值生态化为手段，构建共创、共赢、共生的数字生态系统，持续为用户创造全场景体验、全生命周期的价值。也就是说，在黑海战略框架下，企业的商业模式需要将好产品、全场景解决方案、全生命周期解决方案进行高度融合，从而拓宽为用户创造价值的空间和机会。

当然，我在多年的研究中，发现卓越的企业会把蓝海战略与黑海战略协同发展企业，我将这种模式比喻为“T模式”，即：用蓝海战略做广交易用户，用黑海战略做深终身用户。运用T模式的企业，可以通过三种核心策略实现业务的持续增长：首先，做广市场，以多品牌覆盖不同细分市场；其次，做深用户：以高端品牌深耕高价值用户；第三，做高价值：以整体解决方案提高用户价值收益。像海尔、美的、安踏、青岛啤酒等企业，都是通过这三条战略措施不断实现了持续增长。

总之，在AI时代，企业需要根据自身情况，制定抢占战略制高点的策略，从而能够抢占蓝海、卷出红海、做深黑海。越来越多的企业意识到，在AI时代，企业的竞争力是Token的使用量，这就需要企业构建基于AI的核心竞争力。面对未来的竞争，企业需要制定清晰的战略行动计划，从战略、技术、数据、人才、组织等多个维度入手，系统性地构建企业的AI核心竞争力，确保在未来的竞争中立于不败之地。

免责声明：内容仅供参考交流。

2026年5月15日，“AI+管理 成就不凡——湖南省人工智能赋能企业发展大会”在长沙隆重举行。本次大会由湖南省工业和信息化厅、湖南省人民政府国有资产监督管理委员会指导，中南大学商学院与湖南金蝶软件科技有限公司联合承办，吸引近千位政府领导、学者、企业管理者与技术专家齐聚一堂，共探人工智能与企业管理的深度融合之路。

香港商业模式创新研究院院长曹仰锋教授受邀出席并发表题为《AI战略：重塑竞争优势》的主旨演讲，引发与会嘉宾强烈共鸣。

AI不是工具升级，而是范式级重构

曹仰锋教授在演讲中指出，人工智能正从底层逻辑上重塑企业战略，“这不是修补，而是范式级重构”。他提醒企业界，AI的冲击速度、深度和广度远超预期，行业边界正在消失，传统资源护城河逐渐失效，竞争优势的持续时间越来越短，决策逻辑也正从“人主导”转向“人机协同”。

他强调，企业要抢占AI时代的战略制高点，首先必须打破固有认知边界，将AI视为全新的生产要素和思维范式，而不仅仅是工具的升级。尤其是数据，作为AI的燃料，必须成为企业最重要的资产之一，“数据即壁垒”。

利用AI战略重塑竞争优势：运营、产品、模式

曹仰锋教授系统提出了AI重塑竞争优势的三个层次：

1. 运营优势：通过AI提升效率、降低成本，效果最为直接明显；
2. 产品优势：利用AI重构产品体验，实现差异化创新；
3. 模式优势：重塑商业模式与管控模式，构建智能生态，成为行业规则制定者。

他指出，领先企业正通过AI重构产业格局，从“被动适应”转向“主动定义”。

利用AI实现战略升维：从蓝海战略升级到黑海战略

曹教授特别提出了“黑海战略”这一前沿理念。他指出，传统的蓝海战略虽然能帮助企业发现新市场，但因缺乏竞争壁垒，很容易被模仿，迅速沦为红海。而黑海战略则强调：“以用户需求为中心，以产品智能化、服务场景化、能力平台化、价值生态化为手段，构建共创、共赢、共生的数字生态系统，持续为用户创造全场景体验、全生命周期的价值。”

他将蓝海战略与黑海战略的协同发展比喻为“T模式”：用蓝海战略做广交易用户，用黑海战略做深终身用户。通过“做广市场、做深用户、做高价值”三大策略，企业可实现持续增长。海尔、美的、安踏、青岛啤酒等企业正是这一模式的典型代表。

曹仰锋教授最后总结道：“在AI时代，企业的竞争力就是Token的使用量。”他呼吁企业从战略、技术、数据、人才、组织等多维度入手，系统构建基于AI的核心竞争力，抢占蓝海、卷出红海、做深黑海，确保在未来竞争中立于不败之地。

2026年4月1-2日，和北京大学光华管理学院EMBA185班同学在大湾区参访学习，先后去了腾讯、格力学习交流，并于2日下午在珠海参加了“同光华、共湾区”活动，我在大湾区EMBA公开课上以《AI战略：重塑竞争优势》为题做了分享。在参访行程与分享期间，对AI如何塑造竞争优势略有心得。

第一，在AI时代，数据即壁垒。在传统的竞争优势理论中，核心技术、独特资源以及规模是竞争优势的来源，这些都可以为企业构建某种形式的壁垒。在AI时代，数据即壁垒，拥有大量的用户行为数据将成为企业之间竞争的焦点，这也是为什么在黑海战略Black模型中，我将用户行为数据视为该模型的核心维度。

数据可以通过数据飞轮为企业带来竞争壁垒。数据增长飞轮基本组件包括：更多的数据、更高的数据运算能力、更个性化的体验价值、更多的用户，从而带来更多的数据，一旦数据增长飞轮运转起来，就可以为企业带来竞争壁垒。

数据还可以形成一种独特的商业模式：PaaS模式，这是产品即服务（product as a
service）模式，这一模式的核心是通过智能化的产品，将产品与服务融合在一起，产品变成了服务的载体。在这种商业模式中，可以通过订阅服务来获得价值，这也是为什么年度递延收入（ARR）这一指标日益受到重视的原因。

第二，AI时代，竞争力的衡量标准是其消耗的Token量。这句话是我从腾讯的参访中得到的，当然，腾讯的分享人更加强调Token使用量在企业AI化中的作用，他使用的原文是：竞争力的唯一度量标准是其消耗的Token量。我认为，“唯一”这个词有点过重，其实，企业竞争力的衡量标准不止是Token量，还有诸如核心技术等其他要素。但是，将Token的使用量与竞争力结合起来是我以前没有想到的。

最近两年，企业员工是否拥有Token使用量成为衡量企业AI化的一个重要指标。Genspark 创始人景鲲曾经在一次分享中曾经提到：一家50人的公司，如果每个员工都可以无限使用 AI，已经可以跑赢一家没有这种能力的 500 人公司。这也就预示着，在 AI时代，给每一个人充分 Token
使用能力的公司，会以数倍的效率和速度进行运转。更有甚至，Token被视为未来商业模式的基石，这是Token经济学的核心思想。我也深刻地意识到，在AI时代，Token的消耗量、Token的成本、Token的效率，将直接决定企业的AI竞争力和竞争壁垒。

第三，营造AI应用氛围。在AI应用上，华为的经验是各业务领域系统开展AI应用落地的探索，在公司内部要营造“人人懂AI、人人用AI”的氛围。

AI在企业的落地常常面临极大的挑战，其中一个重要的原因是业务部门的人员不懂AI，而将过度的AI应用责任压在数字化部门上。AI应用的核心是“AI+业务场景”，如果业务部门的负责人和员工不懂AI，就难以将AI和业务场景融合，AI工具的实施效果就会大打折扣。

早在2018年，任正非就明确指出：“AI 是未来十年最大变量”，将 AI上升为公司级核心战略。华为通过战略顶层设计、全员能力培养、场景化工具赋能、机制激励与文化渗透、开放生态共建五大核心路径，系统性塑造 “人人用AI、人人懂 AI” 的组织氛围与文化，将 AI 从技术部门能力转化为全公司的基础生产力与思维方式。

在最近的一次企业内部高管培训班上，我分享了《AI战略：重塑竞争优势》这一主题。在课程开始，我问了台下将近100位管理者一个问题：谁每天都会使用人工智能大模型？结果，超过90%的人都举起了手。

如今，AI正在深刻地重塑各行各业的发展模式，也对企业的决策模式产生重要影响，一个AI重塑战略的时代似乎正在来临。AI正在从底层逻辑上重塑战略，不是对传统战略模式的修修补补，而可能是重构和颠覆。

首先，传统的战略模式非常重视产业结构对企业战略模式的影响，这一战略模式的核心逻辑是“结构主义观”（the structuralist view），其战略观点根植于产业组织经济学，其遵循“结构-行为-绩效”的基本范式。其中，供给和需求会决定市场结构，市场结构会塑造买方和卖方的行为，而行为最终决定企业的业绩表现。竞争战略理论的基本假设是，产业的结构条件是给定不变的，企业被迫在其间互相竞争，竞争的最终目的就是要在产业中找到一个独特的战略定位，而这种战略定位会决定企业的利润水平。如今，AI催生行业边界逐渐消失，让跨界成为常态，数据与算法打通一切，竞争从“行业内”变成“全域生态”。

第二，传统的战略模式强调拥有难以模仿、难以复制的资源来构建竞争壁垒，修筑竞争护城河。如今，曾经稀缺、难模仿、不可替代的资源正在被AI瓦解，通用大模型等正在让智能能力可租用、可调用、可快速获取，想通过独特资源来构建竞争壁垒越来越难。

第三，传统的战略模式强调要构建长期竞争优势，这些优势可以来自规模经济、网络效应、核心技术等等。如今，在AI时代，企业的竞争优势越来越难以持久，好不容易形成的先发优势在很短的时间内就可能丧失。

第四，传统的战略模式强调高层管理者在战略制定中的重作用，尤其是高管们的直觉能力、预测能力对战略规划非常重要，如今，AI正在从人类的决策“参谋”升级为决策“主角”，基于大数据的实时模拟、推演、执行，正在把人类从数据分析中解放，AI在决策中的作用越来越大。

其实，还有更多的传统战略底层逻辑正在被颠覆。

总之而言，传统战略的本质，是基于相对稳定的行业环境与竞争格局，通过精准定位构建静态竞争壁垒、以长期规划实现资源最优配置，核心是在不确定性中寻找确定性，依托稀缺资源与经验决策争夺市场优势，其底层逻辑围绕“定位、壁垒、长期优势”展开，决策主体、竞争逻辑、价值创造方式均以人类经验与传统资源为核心。

AI的出现并非仅是战略管理工具的升级，而是从底层逻辑改变了战略的本质。战略的核心目标虽仍聚焦于企业生存、增长与竞争优势获取，但其底层内核已发生根本性跃迁：从“预测未来、固守壁垒”转向“实时感知、动态适应”，从“争夺有限稀缺资源”转向“依托智能能力创造无限价值可能”，从“人类单一经验决策”转向“人机协同的全域推演决策”。

越来越多的企业意识到，传统战略依赖的静态护城河、长期竞争优势、线性价值链逻辑正在被彻底打破，AI让战略从“结果导向的既定规划”变为“过程导向的自适应系统”，竞争优势的来源从“资源占有”转为迭代速度与智能能力，决策逻辑从被动应对转为主动预判与动态优化。

传统的战略希望能够“在不确定性里找确定性”，AI时代的战略是“和不确定性共生”。未来战略的核心，是用AI重构决策、组织、价值与竞争的底层逻辑，让企业在快速变化中保持自适应与领先。

简言之，战略的基本任务已从“通过规划与壁垒锁定优势”，转变为“通过智能与迭代持续创造优势”，这是战略范式层面的本质重构，而非战术层面的局部优化。战略的本质将从“争夺有限资源”升级为“用智能创造无限可能性”。

《易经》中说：时行则行，时止则止。但是，对我们来讲，在进退之间保持一种平衡是很不容易的，这需要高超的人生智慧。有的人，只知道勇进，结果落得个惨败，一蹶不振；有的人，只晓得退缩，结果一事无成，遗憾终生。

苏轼在官场的第一次“知止”发生在1071年，他当时36岁，这件事与王安石的变法以及北宋当时的“新旧党争”有关。熙宁二年（1069年）二月，宋神宗任命王安石为参知政事，以王安石为首的“新党”高举变法大旗，以“天变不足畏，祖宗不足法，人言不足恤”的魄力大力推行新政。但王安石的变法遭到以司马光为代表的旧党的猛烈攻击，这就是宋神宗时期的“新旧党争”。当时，苏轼对王安石推动的新政并不认同，他毫不客气地批评了青苗法、均输法，被王安石派视为变革的障碍，两人之间产生了不少的冲突。

熙宁四年（1071年），苏轼看到当时的朝廷上以王安石为代表的新党势力比较强大，自己的执政理念难以实现，便请求外调，去做个地方官，选择暂时避避风头。宋神宗任命他为杭州通判,通判是地方行政副职，辅佐知州处理地方政务，任期三年。这是苏东坡第一次来到杭州，从熙宁四年十一月到熙宁七年九月，他这次在杭州工作了约三年。在杭州期间，苏轼不仅参与了钱塘江海塘的修缮维护，还参与杭州的司法事务，处理一些案件，维护地方治安，缓解社会矛盾。

到杭州的第二年，也就是熙宁五年（1072）年的正月，苏东坡到杭州郊外游玩，写了这首《浪淘沙.探春》：

昨日出东城，试探春情。

墙头红杏暗如倾。

槛内群芳芽未吐，早已回春。

绮陌敛香尘，雪霁前村。

东君用意不辞辛。

料想春光先到处，吹绽梅英。

从现存的苏轼词集来看，苏轼自从任杭州通判之后，才开始填词。有学者认为，这首词或许是苏轼最早期的词作。《浪淘沙.探春》以“试探春情”为主题，既描写了早春的美好风景，又暗合了苏轼当时初做地方官的复杂心情。词中“试探”两个字用得非常精妙，它既说明了苏轼是在冬末早春到杭州郊外玩耍，此时，虽然地上尚有残雪，群芳的嫩芽尚未吐出来，但是，春天已经悄然来临了。又让我们联想到苏轼本人当时的处境，他何尝不盼望自己官场上的“春天”早日来临啊。杭州在开封的东南，苏轼也是从西边的开封“出东城”到了杭州，来这里“试探”自己未来的官场命运。

“东君用意不辞辛。料想春光先到处，吹绽梅英”  这句话暗合了苏轼对未来的寄托。在这里，“东君”是指“司春之神”，他主宰着春天的来临。春光一到，梅花绽放。当然，苏轼也意识到自己未来的命运和远在汴京的宋神宗有很大关系。

其实，宋神宗还是非常欣赏苏轼才华的，希望重用他，但是，当他看到苏轼与王安石之间的矛盾难以调和，外调苏轼也算是一个缓兵之计。他原本想让苏轼到外地任一个“知州”，但是宰相办公室不同意，提议任颍州通判（今安徽阜阳），宋神宗也不好驳回宰相的意见，最后改了批任，让苏轼任“杭州通判”。

也许，在苏轼的心里，这位“东君”也可能暗指宋神宗，“寒梅”暗喻自己。苏轼也时刻准备着，一旦宋神宗能够重新重用他，他就像迎春盛开的梅花一样，绽放自己的生命力，为朝廷效力。

“知进退存亡，而不失其正者，其惟圣人乎！” 苏东坡从汴京开封暂退到杭州，避免了在新旧党争之间陷入更深的被动局面，给自己找到了一个缓冲的时间窗口，也可以让他更进一步了解新党变法给百姓们带来的结果，为以后参政议政寻找更大的机会。看似是退，实则是进。正如布袋和尚所言： “手把青秧插满田，低头便见水中天。心地清净方为道，退步原来是向前。”

文 / 曹仰锋、李义雄

价值共创   从单向输出到多方协同

在传统的商业模式中，企业与用户、合作伙伴之间往往是单向的价值传递关系：企业生产产品，用户消费产品，供应商提供原料，渠道商负责销售。这种线性的价值链模式在工业时代是有效的，但在数字经济时代，其局限性日益凸显。用户需求的快速变化、市场竞争的加剧、技术创新的加速，都要求企业必须建立更加敏捷、开放、协同的价值创造模式。“价值共创”是黑海战略应对这一挑战的核心策略。它强调通过与用户、合作伙伴的深度协作，建立动态的价值创造网络，实现价值的共创和共享。

用户参与的价值共创是泡泡玛特最为突出的创新实践。在传统的玩具行业中，用户通常只是被动的消费者，企业根据市场调研和经验判断来设计产品，用户的参与仅限于购买和使用。泡泡玛特打破了这种传统模式，将用户转变为价值创造的积极参与者。UGC（用户生成内容）生态的建设是用户参与价值创造的重要体现。泡泡玛特的用户不仅是产品的消费者，更是内容的创作者和品牌的传播者。开箱分享文化就是一个典型的例子。用户自发创作开箱视频在各个社交平台上分享，累计获得了超过百亿次的播放量。这些内容不仅为其他用户提供了购买参考，也为泡泡玛特带来了巨大的品牌曝光和用户增长。

用户参与产品开发是价值共创的另一个重要维度。泡泡玛特建立了用户参与产品设计和优化的完整机制。在新品开发阶段，公司会邀请资深用户参与IP评估和产品设计讨论，收集用户对不同设计方案的意见；在产品测试阶段，公司会选择部分核心用户试用产品，根据用户的使用体验对产品进行调整优化；在产品上市后，公司会持续收集用户反馈，为后续的产品迭代提供参考。

艺术家合作的价值共创是泡泡玛特IP生态建设的核心。与传统的授权合作模式不同，泡泡玛特与艺术家建立的是深度的价值共创伙伴关系。公司不仅为艺术家提供IP商业化的平台和资源，更重要的是与艺术家共同创造和分享IP的价值。比如，泡泡玛特与王信明（Kenny Wong）、龙家升（Kasing Lung）等知名设计师建立了长期的独家合作关系，这种合作不是简单的一次性授权，而是基于共同价值创造的战略伙伴关系。艺术家不仅能获得IP授权的收益分成，还能够借助泡泡玛特的平台和渠道扩大自己的影响力，实现个人艺术价值和商业价值的双重提升。

新锐艺术家孵化计划更是价值共创理念的典型体现。泡泡玛特通过设计师平台发现和培养新兴创作者，为他们提供从创意孵化到商业化推广的全流程支持。这种孵化模式不仅为公司储备了丰富的IP资源，也为年轻艺术家提供了实现梦想的平台。许多原本默默无闻的设计师通过与泡泡玛特合作，成长为业界知名的IP创作者，实现了艺术价值和商业价值的同步提升。IP价值共创机制的建立，确保了艺术家与公司利益的深度绑定。公司与艺术家建立灵活的收益分享模式，不仅包括前期的授权费用，还包括后期的销售分成。这种利益共享机制能激发艺术家持续创作的动力，也保证了IP质量的持续提升。同时，公司还为合作艺术家提供品牌推广、市场营销、技术支持等全方位的资源赋能，帮助他们更好地实现艺术价值的商业转化。

此外，泡泡玛特还与供应商、渠道商等产业链伙伴实施价值共创。例如，泡泡玛特与渠道商不是简单的买卖关系，而是基于共同发展的伙伴关系。公司为渠道商提供全方位的支持，包括产品培训、营销支持、数据分析、运营指导等，帮助渠道商提升经营效率和盈利能力。

价值共创模式的实施效果是多方面的。首先是创新效率的显著提升，其次是生态价值的放大效应。价值共创不是零和博弈，而是正和博弈。通过与各方伙伴深度合作，泡泡玛特实现了自身价值的提升，也帮助合作伙伴实现了价值的增长：艺术家获得更大的影响力和商业收益，供应商提升了技术能力和市场地位，渠道商获得更好的经营效益，用户获得更丰富的体验和价值。这种多方共赢的价值创造模式，为泡泡玛特构建了更加稳固和可持续的竞争优势。

知识赋能   从经验驱动到智慧驱动

在黑海战略的五个核心要素中，知识赋能非常关键，但却往往最容易被忽视。如果说其他四个要素是企业战略转型的“招式”，那么知识赋能就是驱动这些“招式”不断进化和升级的“内功”。它不仅决定了企业能否成功实施其他战略要素，更决定了企业能否在快速变化的环境中持续学习、适应和进化。

内部知识管理体系的构建是知识赋能的基础工程。泡泡玛特建立了全面的知识管理体系。首先是IP运营方法论的系统化沉淀。公司通过对成功IP案例的深度复盘和分析，总结提炼出一套标准化的IP评估模型和运营流程。这套方法论不仅包括IP的艺术价值评估、商业潜力预测、目标用户分析等关键环节，还包括IP的生命周期管理、品牌化运营、跨界合作等高级策略。通过这种方法论的建立，公司能够更科学、更系统地进行IP投资决策，显著提高了IP运营的成功率和效率。
用户运营知识库的建设是另一个重要的知识管理项目。公司将多年来积累的用户运营经验进行了系统化的整理，形成涵盖用户分层运营、私域运营、会员体系运营等多个方面的标准化手册。这个知识库不仅是能让新员工快速上手的学习资源，也是经验丰富的员工持续改进和优化的参考依据。更重要的是，这些知识的标准化使得公司能够在不同区域、不同团队之间实现运营策略的快速复制和推广。

用户教育与文化传播是知识赋能在用户层面的重要实践。泡泡玛特深刻认识到，潮玩文化的普及和用户认知的提升，是整个行业健康发展的重要基础。因此，公司将用户教育作为知识赋能的重要组成部分，通过多种方式向用户传播潮玩文化知识和收藏理念。潮玩知识库的建设为用户提供了系统化的学习资源。

公司建立了专业的潮玩百科，涵盖IP背景介绍、收藏知识、保养指南、市场价值分析等多个方面的内容。这个知识库不仅为新用户提供了入门指导，也为资深用户提供了深度学习的资源。
知识赋能不仅仅是内部知识的管理和传承，更重要的是对外部生态伙伴的赋能和支持。泡泡玛特深刻认识到，在价值共创的生态模式下，合作伙伴的能力提升直接关系到整个生态系统的健康发展。因此，公司将知识赋能作为生态建设的重要策略，通过系统性的培训、指导和支持，帮助合作伙伴提升能力和效率。

创作者生态的培育是知识赋能在内容创作领域的重要体现。泡泡玛特通过UGC创作激励、技能培训、平台流量扶持等方式，培育了一个庞大的创作者生态。这个生态不仅为品牌提供了丰富的内容资源，也为用户提供了学习和交流的平台。创作技能培训项目为用户提供摄影、视频制作、文案写作等技能培训，帮助他们创作更优质的内容。平台流量扶持则通过官方渠道为优质创作者提供更多的曝光机会，激励更多用户参与内容创作。

艺术家培养赋能是这一策略的重要体现。泡泡玛特不仅为艺术家提供IP商业化的平台，更重要的是帮助他们建立商业化运营的知识和能力。公司建立了专门的艺术家培训项目，涵盖商业化运营培训、市场洞察分享、技术支持服务等多个方面。商业化培训项目帮助艺术家了解IP产业的运作规律、市场趋势、用户需求等关键信息，提升他们的商业敏感度和市场适应能力。市场洞察分享则定期向合作艺术家分享消费趋势、用户偏好、行业动态等信息，帮助他们更好地把握市场机会。技术支持服务提供3D建模、生产工艺、质量控制等技术培训和指导，帮助艺术家更好地将创意转化为商业产品。

知识赋能的实施效果是全方位的。首先是组织学习能力的显著提升。通过系统化的知识管理，泡泡玛特建立了更强的组织记忆和学习能力，能够更好地积累、传承和应用各种经验和知识。其次是决策质量的明显改善。基于知识管理的决策支持系统，使得公司能够作出更科学、更准确的商业决策。最后是生态协同效率的大幅提升。通过对合作伙伴的知识赋能，整个生态网络的协同效率得到了显著改善。

结论   CONCLUSION

泡泡玛特的快速成长给我们一个重要的启示：企业可以利用黑海战略来塑造增长引擎。我们的研究还发现，企业在实施黑海战略的过程中，需要将用户行为数据、价值锁定、集成方案、价值共创和知识赋能这五个要素视为一个整体，充分发挥五个要素之间协同创造价值的能力。

用户行为数据与价值锁定之间的协同效应是最为直接和显著的。行为数据为价值锁定提供了精准的用户洞察基础，使得价值锁定策略的设计和实施更加科学和有效。同时，价值锁定机制的实施又为行为数据的收集和分析提供了更多的触点和场景。集成方案与价值共创之间的协同效应体现在组织能力和资源整合方面。集成方案的实施需要强大的组织协调能力和资源整合能力，而价值共创模式为这种协调和整合提供了有效的机制。反过来，集成方案的成功实施也为价值共创提供了更强的平台支撑。

知识赋能作为底层驱动力，对其他四个要素都产生了重要的支撑和提升作用。在行为数据方面，知识赋能提升了数据分析和应用的专业化水平。在价值锁定方面，知识赋能优化了锁定策略的设计和执行效果。通过对用户心理、行为经济学、消费文化等领域知识的深入学习和应用，公司能够设计出更加精巧和有效的锁定机制。在集成方案方面，知识赋能增强了组织学习和适应能力。面对复杂多变的市场环境，公司需要不断调整和优化集成方案。强大的知识管理和学习能力，能够让公司快速识别问题、分析原因、找到解决方案，保持集成方案的有效性和适应性。在价值共创方面，知识赋能提升了价值共创的质量和创新性。通过系统化的知识积累和传播，公司不仅提升了自身的共创能力，也提升了合作伙伴的共创水平。

更重要的是，五个要素之间还可以形成动态的正反馈循环，推动整个战略体系不断优化和升级。行为数据的丰富为价值锁定提供更好支撑，价值锁定的深化又产生更多行为数据；集成方案的完善为价值共创提供更强平台，价值共创的深入又推动集成方案不断优化；知识赋能的提升促进其他要素更有效地实施，其他要素的成功实践又丰富了知识资产。这种螺旋式上升的发展模式，使得企业的战略优势不断强化和巩固。

总之，回顾泡泡玛特黑海战略的系统性实践，我们可以清晰地看到，这不是一个简单的战术调整或业务优化，而是一次深刻的战略转型和商业模式革新。从传统的产品销售企业转向数据驱动的平台企业，从单向的价值传递转向多方的价值共创，从经验驱动的运营转向知识赋能的智慧运营，这一系列转变使得泡泡玛特在数字经济时代找到了自己的增长引擎。

2024年，泡泡玛特创始人王宁在年终总结中这样描述公司的变化：“过去我们是在卖产品，现在我们是在经营一个生态系统。这不是简单的业务扩张，而是一种根本性的思维转变。我们不再问‘用户需要什么产品’，而是问‘用户需要什么样的价值体验’。”这段话深刻地揭示了泡泡玛特战略转型的核心逻辑——从产品思维向用户价值思维的根本转变。

泡泡玛特的实践验证了黑海战略理论的适用性。无论是传统制造业还是新兴的创意服务业，都可以通过系统性地应用黑海战略的核心要素来实现商业模式的创新。在不确定性成为新常态的商业环境中，企业需要构建和运营一个动态适应、持续进化的战略模式，持续深耕用户，不断提升为用户创造全场景和全生命周期价值的能力。唯有如此，企业才能在激烈的竞争中立于不败之地，在快速变化的环境中把握发展机遇，实现可持续的价值创造，并寻找到自己的增长引擎。

注：本文摘自《清华管理评论》

文 / 曹仰锋、李义雄

价值锁定   从一次性交易到终身价值经营

在传统的商业模式中，企业与用户的关系往往止步于一次性的买卖交易，用户购买了产品，交易即告完成，双方的连接随之中断。在黑海战略的框架下，交易只是用户关系经营的开始，企业的核心任务是通过多层次、多维度的价值锁定机制，将一次性交易用户转化为终身用户，最终实现用户全生命周期价值的最大化。在黑海战略框架中，我们发现了三种价值锁定机制——功能性锁定、约束性锁定和情感性锁定。泡泡玛特充分利用这三种价值锁定机制，构建了一个环环相扣的用户价值锁定体系。

功能性锁定主要是通过产品和服务的独特功能来增加用户的转换成本。泡泡玛特最核心的功能性锁定机制是独特的盲盒收集机制设计。与普通的玩具销售不同，泡泡玛特每个IP系列都包含12个常规款和1个隐藏款，用户无法预知自己购买的盲盒是哪个款式，这种不确定性激发了用户的探索欲和收集欲。更重要的是，隐藏款的设计（通常设置为1:144）创造了强烈的稀缺价值，驱动用户重复购买。这种设计的巧妙之处在于，它将单次购买行为转化为一个持续的收集过程。用户一旦开始收集某个IP系列，就会产生“收集完整性”的心理需求，即使已经获得大部分款式，也会继续购买直到集齐全套。收集驱动的购买行为使得用户的平均购买频次和总消费金额都远高于普通的玩具消费。

泡泡值积分体系是约束性锁定的核心机制。用户每消费1元人民币即可获得1个泡泡值，不同等级的会员还能享受不同的积分倍率加成。积分不仅可以抵扣现金，更重要的是可以兑换专属商品和个性化服务。泡泡玛特专门设计了一系列只能通过泡泡值购买的限量商品，包括特别版手办、周边产品、线下活动门票等。这种“纯积分商品”的设计，使得用户必须在泡泡玛特的体系内完成价值循环，无法将积分转移到其他平台使用。此外，泡泡玛特还建立了四级会员权益体系，基于泡泡值累积量将用户分为潮玩萌新（0～499泡泡值）、进阶玩家（500～1999泡泡值）、娃圈新贵（2000～7999泡泡值）和收藏大亨（8000泡泡值以上）四个等级。不同等级会员的权益配置完全不同，这种递进式的权益设计激励用户持续消费以获得更高级别的会员身份和更丰富的专属权益。

情感性锁定是价值锁定体系中最高级、最持久的机制。功能性和约束性锁定主要依赖外部机制，情感性锁定则是通过与用户建立深层的情感连接，使用户从内心深处认同品牌价值和文化理念。泡泡玛特在情感性锁定方面的实践可以说是业界的标杆。IP情感化运营是泡泡玛特情感性锁定的核心策略。公司为每个IP角色都构建了完整的世界观和人格特征，通过故事化的内容营销将抽象的艺术形象转化为有血有肉的虚拟伙伴。比如，MOLLY被塑造为一个“治愈系少女”，她的人物设定是繁忙都市中寻找内心平静的年轻女性，这种设定很容易引起都市白领女性的情感共鸣；DIMOO被设定为一只热爱探险的小恐龙，它的好奇心和勇气吸引了众多年轻用户；SKULLPANDA则是一个酷炫的熊猫形象，代表着个性和叛逆，深受追求个性表达的年轻人喜爱。

这种IP情感化运营的效果是惊人的。许多用户不再将泡泡玛特的产品视为普通的玩具，而是看作“精神伙伴”或“情感寄托”。在社交媒体上，用户经常分享自己与这些IP角色的“日常生活”，包括为它们拍摄生活照、购买服装配饰甚至为它们过生日。深度的情感投入使得用户与品牌远远超越了简单的买卖关系，更像是一种情感伙伴关系。更重要的是，泡泡玛特将“创造快乐”确立为品牌的核心理念，将潮玩定位为用户表达个性、释放压力、寻找快乐的生活方式载体。这种品牌理念的塑造，使得购买泡泡玛特的产品不仅仅是一种消费行为，更是一种生活态度的表达。用户购买和收藏这些IP产品，实际上是在选择一种生活方式和价值主张。

价值锁定机制的综合效果是显著的。截至 2024 年底，泡泡玛特在中国内地累计注册会员数量超过了 4608 万，会员贡献销售额占比超过 91%，会员复购率大约为 50% 。

集成方案   从单一产品到全生态布局

在黑海战略的理论框架中，集成方案强调系统性地整合多元化的产品和服务，为用户提供全场景、全生命周期的解决方案。这不是简单的产品线扩展，而是基于对用户需求的深度理解，构建一个能够满足用户多层次、多场景需求的综合性生态系统。

在早期发展阶段，泡泡玛特的产品线相对简单，主要集中在59～79元价格区间的盲盒产品上。虽然IP种类在逐步丰富，但产品形态相对单一，用户的选择空间有限。在市场培育期，这种产品结构能够让用户快速理解和接受盲盒这一新的消费形态，但随着市场日渐成熟和用户需求日益多元化，单一产品结构的局限性开始显现。

为了解决单一产品结构局限性的问题，泡泡玛特开始了全面的产品矩阵构建。在核心的手办产品线上，公司建立了覆盖不同价格区间的完整产品体系。在传统盲盒基础上，推出MEGA
COLLECTION大娃系列，这是一种大型收藏级手办，主要面向高端收藏用户。MEGA
COLLECTION系列成为提升产品线层级、拓展中高端消费市场的重要突破口。这类产品的推出不仅满足了高消费能力用户的需求，也显著提升了客单价和利润率。购买这类产品的用户往往也会购买相关IP的其他产品，可以产生显著的关联销售效应。

在产品形态上，泡泡玛特也进行了大胆的创新和扩展。毛绒玩具系列的推出，满足了用户对柔软触感和治愈体验的需求，特别受到女性用户和亲子用户的欢迎。这类产品不仅扩大了用户群体，也为IP价值的多元化表达提供了新的载体。生活周边产品的开发，将IP价值延伸到用户的日常生活中，包括文具用品、家居装饰、服装配饰、数码配件等多个品类。这些产品虽然单价不高，但购买频次高，复购率高，是维持用户黏性的重要工具。更具战略意义的是，泡泡玛特尝试IP价值的跨界应用，比如与优衣库合作推出联名服装系列，与麦当劳合作推出玩具套餐。与其他品牌进行跨界合作，不仅扩大了IP的影响力，也为公司开辟了新的收入来源。

体验层面的集成是泡泡玛特战略创新的重要体现。公司不满足于销售产品，而是致力于为用户创造全方位的IP文化体验，泡泡玛特乐园的建设是这一战略的重要实践。位于北京朝阳公园的旗舰乐园提供了沉浸式的IP主题游乐体验，用户不仅可以购买产品，还可以参与互动游戏、主题展览、艺术家见面会等各种活动。服务层面的集成也同样具有特色。泡泡玛特建立了涵盖售前咨询、售中服务、售后支持的全流程服务体系。专业的客服团队不仅处理常规的咨询和投诉，还为用户提供收藏建议、保养指导、鉴别服务等专业支持。线下门店的店员都经过IP文化培训，能够为用户提供专业的产品介绍和文化解读。会员专享的个人收藏管理服务，帮助高价值用户建立个人收藏档案，提供专业的收藏建议和市场价值评估。

集成方案的实施效果是全方位的。首先是用户价值的深度挖掘得到显著提升。通过丰富产品矩阵，不同消费能力和需求偏好的用户都能找到适合的产品。其次是用户黏性和生命周期价值的显著改善。全渠道、全场景的触点布局，确保了用户与品牌的高频互动，用户的月活跃度和复购率都有明显提升。最后是抗风险能力的增强。多元化的产品组合和渠道布局，有效分散了单一产品或渠道的经营风险，提高了业务的稳定性和可持续性。更重要的是，集成方案的实施为泡泡玛特构建了难以复制的独特竞争优势。竞争对手也许能模仿单一的产品或服务，但很难复制一个完整的生态系统。这种系统性的竞争优势，为泡泡玛特在激烈的市场竞争中获取竞争优势奠定了坚实的基础。

注：本文摘自《清华管理评论》

文 / 曹仰锋、李义雄

当下，橙色产业正在成为推动全球经济可持续增长的重要力量，尤其是在我国，创意产业的蓬勃发展推动我国成为全球最大的创意产品出口国。例如，作为橙色经济的重要产业之一，“潮玩产业”从2016年到2024年经历了爆发式增长。数据显示，潮玩产业的市场规模从2015年的63亿元增长到2024年的500多亿元，年复合增长率超过25%。

伴随着潮玩产业的快速发展，泡泡玛特从一家经营困难的“潮玩产品零售商”成长为“潮玩平台企业”，在市场上取得了巨大的成绩。在2016年到2024年期间，营业收入从1.58亿元飙升至130.38亿元，增长超过80倍；净利润实现巨大翻转，2016 年尚处于净亏损状态，到2024 年，经调整后的净利润突破 34 亿元人民币。更令人瞩目的是，泡泡玛特在2020年12月11日成功登陆香港联交所，成为“潮玩第一股”。2025年8月20日，泡泡玛特股价大涨12.54%，创下历史新高，达到316港元，总市值为4244亿港币（见图1）。

泡泡玛特为什么能够快速增长，并且在资本市场上受到追捧？我们系统研究了泡泡玛特的成长模式，发现这家企业采用的战略发展模式与我们提出的“黑海战略”理论高度吻合。过去若干年，我们跟踪研究了数十家践行黑海战略的企业，将黑海战略的本质确定为两点：第一，在战略思维上，黑海战略以用户体验价值为中心；第二，在战略目标上，黑海战略以为用户创造全场景体验、全生命周期的价值为基本目标。

首先，黑海战略强调要以用户体验价值为中心，这与传统战略模式以产品价值为中心的思维有很大的不同。传统战略模式中，产品卖给顾客即可认为交易完成了，战略的基本任务是提高产品竞争优势，更好、更快地将产品销售给顾客。在黑海战略中，产品销售给顾客是创造价值的开始，而不是结束。企业重视用户在产品使用过程中的体验，战略的基本任务是提高产品体验价值。简言之，黑海战略是以用户为中心的战略。其次，黑海战略的基本任务是为用户创造全场景体验解决方案和全生命周期解决方案，分别从空间维度和时间维度上拓展价值创造的范围。这种从时空两个维度上形成的“两全”价值组合将极大地拓宽为用户创造价值的范围、挖掘为用户创造价值的深度。

泡泡玛特作为一家特别善于深耕用户的企业，成功地建立了以用户体验价值为中心的商业模式。2024年底，泡泡玛特的会员超过4600万。泡泡玛特将这些用户精准地分为不同的群体，针对每一个群体提供不同的产品或者解决方案，用户复购率达到50%左右。如今，泡泡玛特已经成为涵盖IP生态、用户运营、全球化布局的平台企业。我们将从用户行为数据、价值锁定、集成方案、价值共创和知识赋能五个方面来解析泡泡玛特是如何践行黑海战略的。

用户行为数据  从直觉驱动到数据驱动

在黑海战略框架中，用户行为数据是企业最重要的数字资产。企业可以通过深入分析用户行为数据来创造全新的决策模式，实现从直觉驱动决策到数据驱动决策的转变。在泡泡玛特的早期发展阶段，由于积累的用户行为数据较少，公司更多地依赖市场直觉和经验判断来作出商业决策。什么样的IP会受欢迎、什么样的价格区间最具竞争力、在哪个城市开设门店等关键问题往往通过管理层的讨论和投票来决定。这种决策方式在市场规模较小、竞争相对简单的阶段是有效的，但随着业务的快速扩张和市场竞争的加剧，其局限性日益凸显。

正是在这样的背景下，泡泡玛特开始了全面的数字化转型。公司首先投入大量资源建设数据收集和分析基础设施，包括升级门店POS系统、优化官方APP和小程序的数据收集功能、建立社交媒体监测体系等。更重要的是，公司成立了专门的数据分析团队，引入一批具有互联网和零售行业经验的数据科学家，建立起从数据收集、处理、分析到应用的完整体系。

在数据收集方面，泡泡玛特构建了一个全渠道、全触点的数据收集网络。线上渠道方面，公司的官方APP、微信小程序“泡泡玛特抽盒机”、各大电商平台旗舰店等都成为重要的数据来源，记录着用户的浏览轨迹、搜索关键词、购买行为、评价反馈等详细信息。同时，公司建立了覆盖小红书、抖音、微博、B站等主要平台的数据监测系统，实时追踪用户对不同IP、产品、服务的讨论和情感倾向。线下渠道方面，泡泡玛特的智能门店系统不仅能够记录用户交易数据，还能通过热力图分析、停留时长统计等技术手段，深入了解用户在实体空间中的行为模式。

数据收集只是第一步，更重要的是如何从海量数据中提取有价值的信息来支持商业决策。泡泡玛特建立了一套复杂的用户画像体系，基于消费金额、购买频次、品类偏好、渠道选择、社交行为等多个维度，将4600多万会员精细划分为核心收藏家、深度玩家、休闲玩家、尝鲜用户等不同的群体。基于这种精细化的用户分层，泡泡玛特能够为不同用户群体提供差异化的产品和服务。

更为重要的是，泡泡玛特将数据分析能力应用到了产品创新与决策的全过程。在IP评估阶段，公司建立了一套基于多维数据的IP价值评估模型，综合考虑艺术家的知名度、作品的社交媒体热度、类似风格IP的市场表现、目标用户群体的规模和购买力等因素，对潜在合作IP的商业化前景进行科学评估。在产品设计阶段，公司会分析用户对不同色彩、造型、材质的偏好趋势，指导设计师进行创作优化。在生产规划阶段，公司运用机器学习算法预测不同SKU的市场需求，优化生产计划和库存配置，将存货周转天数从133天降低到102天。

数据驱动的决策模式显著提高了泡泡玛特的营销效率并提升了区域市场拓展决策质量。通过分析不同城市用户的消费偏好、购买力水平、渠道选择习惯等数据，泡泡玛特为不同区域制定差异化的市场策略。例如，在一线城市，公司更多地布局大型旗舰店，提供全品类产品和沉浸式体验；在二、三线城市，公司更多地通过购物中心店和智能售货机进行布局，重点推广爆款IP和入门价位产品；在下沉市场，公司则更多地依赖线上渠道和社交电商模式，通过KOL种草和社群营销进行用户教育和市场开拓。

数据驱动战略的实施效果是显著的。泡泡玛特的用户满意度和复购率都有了明显提高。更重要的是，基于数据分析的商业洞察帮助公司更好地理解用户需求的变化趋势，为战略决策提供科学依据。