效率提升十倍后，整个行业都会重新洗牌

本报评论　11月9日，杭州一场产品发布会上，一组数字被反复引用：个人使用 AI 智能体，效率能提升三到十倍；但落到整个团队、整个企业，整体效率提升往往不到两倍。其中有一句话说得相当实在——一个人把报告写快十倍，并不能让另外三个部门提前给出确认。

几乎同一时间，浙江温岭一个泵厂的车间里，计划员说的是另一组数字：过去做一张排产表，要从 ERP 导报表、用 Excel 拼上半天，现在不到十分钟。

半天到十分钟，是三十倍。三到十倍与不到两倍，是同一个技术的两种结局。同样叫 AI，为什么有人算出三十倍，有人只算出两倍？

答案不在技术，在分母。

一、十倍进化法则的第一个动作：先定分母

十倍进化法则讲的是一件很朴素的事：当一项新技术让解决问题的效率提升十倍以上，或者让成本下降十倍以上，这个领域的游戏规则就会被改写。但「效率」这个词，如果没有分母，就是一句空话。

还是温岭那个案例，可以算出三个完全不同的倍数：按企业整体产出算，利欧泵业的生产效率从 69% 提升到 83%，是 1.2 倍；按流程周期算，订单准时达成率从 55.8% 升到 96.4%、等待时长下降 95% 以上，是 20 倍；按单个动作算，一张排产表从半天变成不到十分钟，是 24 到 30 倍。

三个数字都是真的，彼此并不矛盾。差别只在于：你把什么放在了分母上。

这就是十倍进化法则最容易被跳过的一步。绝大多数关于 AI 的讨论，分母都是最粗的那一层——公司总营收、行业总产出、国家 GDP。分母越粗，倍数越小，也越没人能验证。反过来，分母切得越细，倍数越具体，也越容易被记账、被验收、被复制。

所以这句话可以更准确地说一遍：十倍不是一个形容词，是一个分数。分子是新的做法，分母是你选的那个计量单位。想让十倍落地，先得找对一个能被计时的分母。

二、今天这条新闻，把分母换成了「智能体」

11月10日凌晨，Anthropic 发布新一代旗舰模型 Claude Fable 5.2 与 Mythos 5.2。官方给出的三个工程案例，恰好演示了三种不同精度的分母。

第一个案例精度最低、传播最广：一名工程师要求模型从空文件夹开始开发一套操作系统原型。模型调度超过一千个子智能体，连续八天编写、测试、审查代码，最终做出一套能在笔记本电脑上启动的系统——有内核，有磁盘、键盘和网络驱动，有文件存储、窗口界面、登录界面，甚至有安装程序。

这个故事听起来像「八天顶三年」。但请注意，官方没有给出「原本需要多久」的基线。一个原型操作系统和一个能日常使用的操作系统之间，隔着的不是八天，是十年。所以这个案例的正确读法是：它证明了一种新的组织形态——一个人可以同时指挥一千个执行单元。它并不直接证明十倍。

第二个案例精度最高：Anthropic 用早期版本的模型，把一项关键生产服务从 Python 迁移到 Rust，迁移后启动速度达到原来的约 26 倍。这里的分母极其干净——同一个服务、同一个指标、迁移前后自比。没有行业均值，没有估算，26 倍就是 26 倍。这个数字的分量还在于：它把一类「因为太贵太久所以一直搁置」的系统改造，重新放回了可执行清单。这是十倍进化法则最实质的形态——不是让旧事情变快，而是让原本不做的事情变得值得做。

第三个案例精度居中：与电路板企业 Diode 合作，模型根据一段文字要求设计三款电子设备——家用语音助手、USB 会议扬声器和掌上电子宠物。模型负责定规格、选元件、设计四层板布线、画外壳、写软件，每块板在少量人工介入下一天以内达到可交付制造状态，三款设备最终都能运行，且无需修改电路。这里的分母是一个明确节点：「可交付制造」。传统流程里，定规格、选型、布线、外壳、固件分属不同岗位、分几周推进，改板一次就是一轮打样周期；而一次成功、无需改板，意味着返工被大幅压缩。

三个案例，三种可信度。会读新闻的人，不该只记住「一千个智能体八天造操作系统」这句话，而该记住这条规律：分母越细，倍数越硬。

三、普通人怎么用：把工作切到能计时为止

十倍进化法则对普通人最大的用处，不是让你期待公司效率翻十倍，而是让你找到自己一天里那个「半天变十分钟」的动作。三步就够。

第一步，把工作切成动作，切到能计时为止。不要写「做市场调研」，要写「整理 20 家竞品的报价表」；不要写「管生产」，要写「核对 60 张订单的齐套率」。切不到能计时的粒度，就永远算不出倍数。

第二步，给每个动作标三个数：多久做一次、一次花多久、做错了赔多少。频率乘单次耗时，就是这件事一年吃掉你多少小时。这是分母最实在的部分。

第三步，只改那个「高频且长耗时」的动作。低频动作哪怕快一百倍，一年也只替你省下两小时。十倍进化法则真正值钱的地方，是它作用在重复上——每天跑一次的排产表，十倍是每天十倍的复利；一年做一次的项目评估，十倍只是一次性的烟花。

温岭还有一条数据可以对照：爱科赛智能把 AI 算法嵌进电机设计系统，过去算一套参数要七八个小时，现在不到一秒出结果。这不是「设计变快了」，是「算参数」这个动作变快了。设计师的一天因此从「等结果」变成「改方案」——变化的不仅是时间，还有他一天里真正在做的事的种类。这是十倍进化最容易被忽略的第二层收益：省下的时间会被重新分配给别的动作，而那往往才是新价值产生的地方。

四、创业者怎么用：卖一个动作的十倍，别卖整体效率的十倍

把这套思路倒过来，就是一张商机清单。去找这三类活。

第一类，没人愿意在凌晨干的活。利欧的排产表是智能体在凌晨跑完的，计划员早上八点打开，结果已经按红橙绿排好优先级。凡是「必须有人在岗等着」的环节，都藏着十倍。

第二类，需要等一个人点头才能往下走的活。审批、复核、确认、签字——这些环节的耗时往往不在工作本身，而在等待。等待时长下降 95%，说的就是这件事。十倍在这里省的不是劳动，是在制品在流程里躺着的时间。

第三类，同一份数据要搬三次以上的活。ERP 导报表、Excel 拼表、再贴进汇报材料，同一批数字走三遍。凡是数字被搬来搬去的路径，都是 AI 最擅长的地方。

反过来，有三个信号要警惕。

警惕一：十倍省在你这儿，钱被别人赚走。AI 短剧就是现成的例子——制作成本降到传统短剧的 2% 到 10%，十倍达标；但同期流量投放成本同比涨了超过 100%，行业里能做到 5000 万播放量回本的比例只有 1.3%。十倍的成本下降，被下游的流量价格吃干净了。判断方法很简单：问一句这十倍省下来的钱，最后落在谁的账上。

警惕二：这十倍能不能被客户复制。温岭一位企业家说得直白：「这个行业复制粘贴特别快，今天还是秘密，过两三个月就摆在市场上了。」能被复制的十倍，只能赚窗口期的钱；能赚长期钱的，是复制成本比自研还高的部分——数据、工艺参数、老师傅的手感。这也是为什么利欧的改造里，重点不止是智能体，还有把老师傅的判断变成可训练的规则。

警惕三：把「生成一次」当成「交付一次」。生成一张图是十倍，交付一个能用的方案可能只有一倍。中间那九倍，是人的活——也是你收费的地方。

五、冷静的边界

这条新闻需要几个必要的说明。

Anthropic 正在冲刺美股 IPO，市场估值区间 1 万亿到 1.5 万亿美元，路演最早本周启动。在这样一个窗口发布「最强模型」，商业动机是明确的。公司同时重申「大多数日常编程和知识任务仍可从 Opus 5.5 开始」，这句话本身也说明：旗舰模型是用来证明能力的，不是用来日常使用的。

几个案例的口径也要分清。八天造出的操作系统是原型，能启动不等于能用；三款电子设备由 Diode 工程师参与制造、测试和装配，并非全自动；费马大定理的形式化，每款模型只测了一次，官方亦承认这一局限；价格下调 20%，离十倍还很远——这条新闻里的十倍在组织形态和工程效率上，不在价目表上。

最能说明问题的是开头那组数字：同一场发布会上，个人提效三到十倍，企业整体不到两倍。这不是 AI 不行，这是分母还没切对。十倍进化法则从来不是一句承诺，它是一把尺子。尺子的用处不是让你相信一切都会快十倍，而是让你在别人说「十倍」的时候，先问一句：你的分母是什么。

回到温岭那个车间。答案藏在深夜里的那句话，其实说清了十倍进化法则的全部：过去是人熬着夜等结果，现在是机器在夜里把结果准备好，人早上八点来看。变的不是人有多快，是「等」这件事被删掉了。

十倍进化，很多时候不是把一件事做得快十倍，而是把一件事变短，短到不需要等。

【附】十倍进化法则简介

十倍进化法则是指：当一项新技术让解决问题的效率提升十倍以上、或让成本下降十倍以上时，相关领域的竞争规则、商业模式与人才结构将被重新洗牌——原来不可能做的事变得可能，原来靠人力堆出来的优势被清零。

判断一个技术是否带来真正的十倍进化，看三个硬指标：一是单位产出效率是否提升十倍以上，或单位成本是否下降十倍以上；二是这个倍数有没有明确的分母，能不能被客户的账本记下来；三是这个倍数能不能重复发生，而不只是一次演示。此外要区分「技术可达的倍数」与「已被采用兑现的倍数」——前者决定想象力，后者决定生意。

顿磊激光 就是在这个思想下孕育成功的品牌。传统除锈靠打磨、酸洗、喷砂，多道工序、多人协作、还要处理废水与后续返工；激光清洗把这几道工序合并成一道光束，一个人、一台设备就能完成，同时把「要不要上设备」这个决策的验证成本压到接近零——先免费试洗，看效果再谈钱。这正是十倍进化法则的典型路径：不是把旧工艺做得更快，而是把工序变短、把验证变便宜。

（免责声明：此文内容为本网站刊发或转载企业宣传资讯，仅代表作者个人观点，与本网无关。仅供读者参考，并请自行核实相关内容。）