你買了輛車，開了5年。5年過去，你的駕駛技術越來越熟練，可車還是那輛車。它不會因為你開得更多就變得更好，相反，零件會磨損，動力會下降，漆面會老化，故障隱患也會越來越多。你積累的那些經驗，比如雨天怎麼剎車、山路怎麼過彎，都留在了你的腦子裡，和這輛車沒有關系。

過去幾百年，我們熟悉的世界一直是這個樣子：幾乎所有東西都會越用越舊。但現在，人工智能（AI）打破了這個慣例——它越用越強。

還是回到車的例子。

自動駕駛汽車為什麼不一樣？它和傳統汽車最大的不同在於，車賣出去之后，並沒有停止“成長”。每輛自動駕駛汽車在真實道路上跑過的路，遇到的復雜路況、極端天氣和異常情況，都會變成數據反饋給系統，用來訓練模型、優化策略。也就是說，你每開一次車，不只是在用車，也是在幫自動駕駛系統變得更聰明。

阿裡巴巴集團前總參謀長曾鳴在其新著《智能：AI時代的商業、組織與戰略的本質》中，將這種機制稱為“智能復利”。其含義是，一個系統干的活越多，見過的場景就越多，獲得的反饋也會越多。這些反饋會持續優化系統，讓它的能力不斷變強。系統越強，越能處理更復雜的任務，也能獲得質量更高的反饋。這個循環一旦跑起來，系統能力就會像復利一樣打著滾兒往上翻。

在曾鳴看來，這正是AI時代最重要的底層機制之一。工業時代有規模經濟，規模越大，成本越低﹔互聯網時代有網絡效應，使用的人越多，網絡越有價值﹔到了AI時代，對應的就是智能復利：用得越多，系統就越強——過去，增長常常只是結果﹔現在，增長本身也成了動力。

不過，在現實生活中，能收獲智能復利的企業並不多。問題發生在哪裡？

曾鳴的回答是，很多AI只是在干活，並沒有真正為結果負責。

以AI客服為例，目前國內外大量直接面對終端用戶的平台類企業都上線了AI客服。對於訂單查詢、物流狀態、退款規則這類標准問題，AI客服通常能處理得非常好﹔可一旦遇到復雜情況，尤其是當用戶帶著情緒來溝通時，AI的表現大多不盡如人意。此時，許多AI會直接向客戶提供一個新選項，“是否轉接人工客服”——這正是大多數企業的處理方法：安排真人在AI旁邊盯著，隨時檢查、糾正，必要的時候甚至直接接管。換句話說，看起來是AI在處理任務，但真正兜底的還是人。

對於企業而言，這種情況當然無可厚非。在培育系統與服務客戶之間，后者顯然更加重要。但從AI本身的進化以及企業長期前景來看，這個選擇會帶來兩大問題。其一，服務體量很難做大，因為每個任務都需要人盯著，AI做得越多，需要耗費在“看管AI”上的人就越多。其二，也是更嚴重的問題在於，AI拿不到完整、真實的反饋。它得到的，往往是被人工篩選、修改的結果。它沒有機會從頭到尾跟進項目是怎麼出錯的，用戶真實反應是什麼，最終結果又是怎樣發生的。如果“行動—結果—反饋”這個閉環斷掉，智能復利就無法真正運轉起來。

曾鳴認為，要實現“智能復利”，關鍵在於AI能不能從“讓人替它兜底”走向“它為自己兜底”。這也是企業搭建智能系統時最難邁過去的坎兒。隻有當企業敢把一部分結果責任交給系統，系統才有可能形成自己跑起來的完整任務閉環。