刘圻教授微信号：liuqiyxjxlink
联系邮箱：liuqi_syqt@163.com
原创声明
作者：刘圻 | 编辑：杨杜凯
版权：本文为商业圻谈公众号原创文章，转载请务必先与我们微信取得联系（liuqiyxjxlink）并获得授权！然后注明作者与来源：商业圻谈（syqt2020）
商业模式画布是过去二十年全球应用最广泛的战略分析工具之一。然而，当AI从“效率工具”演变为“商业逻辑的重构者”，这张画布的九个格子正在被逐一改写。
本文旨在系统回答一个问题：在AI+时代，商业模式9要素的内涵应当如何刷新？ 全文分为五部分：首先追溯商业模式画布的思想渊源与时代背景；其次逐一对比9要素从传统定义到AI+时代内涵的演变；然后基于九要素商业模式画布重构内核，并结合中外优秀案例进行解读；继而揭示九要素之间的联动逻辑；最后以五组拷问收束，供经营者自检。
一、商业模式画布模型渊源
1.1 一个博士论文催生的全球工具
2004年至2005年间，瑞士洛桑大学博士生亚历山大·奥斯特瓦尔德（Alexander Osterwalder）在其博士研究中，系统梳理了已有学术文献中关于“商业模式”的各类定义，发现“有太多定义、太少结构”。他与导师伊夫·皮尼厄（Yves Pigneur）合作，基于商业模式本体论（Business Model Ontology），提出了9个“构造块”（building blocks）的初步框架。
2008年，奥斯特瓦尔德将这一框架正式命名为“商业模式画布”（Business Model Canvas）。2010年，他与皮尼厄合著的《商业模式新生代》（Business Model Generation）出版，被翻译成30种语言，商业模式画布从此成为全球商学院、咨询机构和企业战略部门的标准工具。
1.2 画布诞生的时代背景
商业模式画布诞生于Web 2.0浪潮的尾声。2008年前后，Facebook、Twitter、iPhone应用商店正在重塑互联网的商业模式，精益创业运动刚刚兴起。奥斯特瓦尔德意识到，企业需要一个“共同语言”来系统性地讨论和设计商业模式——不是几十页的商业计划书，而是一张可以让所有人站在同一张桌子前、用同一套词汇对话的画布。
这一工具的核心价值在于：它让商业模式从“模糊的概念”变成了“可视化的结构”。九个格子构成了一个因果链——谁是你的客户、你为他们创造什么价值、通过什么渠道、建立什么关系、依靠什么资源、做什么关键业务、与谁合作、如何赚钱、花什么成本——彼此咬合，构成一个完整的价值创造与捕获系统。
1.3 为何今天需要刷新
然而，这张画布诞生于“人决策、人执行”的时代。九要素的默认假设是：客户细分由人定义，价值主张由人设计，关键业务由人执行，收入来源由人定价。
AI+时代正在颠覆每一个默认假设。Gartner预测，到2026年底40%的企业应用将嵌入任务型AI代理，而2025年这一比例不足5%。同一时期，超过40%的agentic AI项目可能在2027年前被取消。这两组数字并置揭示了一个核心判断：赢的不是用得最多的，而是把AI嵌进商业模式因果链的。AI不是在旧画布上加一个模块，而是让画布的每一个格子从“静态规划文档”变成“实时运转的作战系统”。
二、“AI+时代”模型要素内涵刷新：
从静态结构到动态系统
AI+时代对商业模式画布的重塑，并非简单的“技术叠加”，而是一场从“产品-市场匹配”（Product-Market Fit）向“模型-场景匹配”（Model-Scenario Fit）的范式跃迁。
下表呈现九要素的内涵演变：
核心结论：传统画布是“结构图”，AI+画布更像是一个“演化系统”。九要素之间的连接方式从”串联”变为”飞轮咬合”——数据沉淀强化模型，模型优化提升价值主张，价值主张升级捕获更高定价权，定价权反哺资源投入。
三、“AI+时代”模型逐维重构
接下来，我们逐一针对每一个模型要素展开重构方案。
每个要素按“传统玩法→AI+融入点→中外经典案例→未来展望→独有优势逻辑”五段式展开。
要素一：客户细分（Customer Segments）——从“人口统计标签”到“实时任务场景+机器客户”
传统玩法：按年龄、地域、收入做静态分层，一年更新一次，细分颗粒度到”群”。
AI+融入点：实时行为聚类、预测式需求识别、生成式客户画像；细分单位从”人群”变成”任务场景”甚至”单个客户的当下意图”。
经典案例：
- SHEIN：不按人群细分市场，而是按”实时需求信号”组织供给。首单100—200件投放市场，依据实时销售数据决定追单或停产，形成”需求洞察→小单测试→数据反馈→快速追单”闭环，滞销库存压到个位数，而传统服装业常见水平约三成。
- 字节跳动（抖音/TikTok）：其推荐系统本质上是对客户细分的极致重构——不再依赖用户填写的年龄性别标签，而是基于实时交互行为（停留时长、互动类型、内容偏好）在毫秒级重构”当下意图场景”，实现”每一个刷新动作都是一次重新细分”。
- 沃尔玛：按”供应链异常状态”而非部门边界识别服务对象：哪里库存失衡、哪里生鲜将腐损，系统实时识别并触发动作。
未来展望：
- 客户数字孪生：哥伦比亚商学院调研显示超40%的企业已在实验用生成式AI构建客户数字孪生；基于两小时访谈建立的个人数字孪生，复现真人问卷回答准确度可达85%。新产品、新定价可先在高保真合成客户群中试跑。
- 机器客户崛起：58%的消费者已用生成式AI替代传统搜索做产品推荐；Morgan Stanley预测到2030年智能体购物将占美国电商1900—3850亿美元、10%—20%份额。未来的客户细分里必须出现一个新类别：替你客户做决策的AI代理。
独有优势逻辑：静态细分谁都能买报告获得；实时意图数据+场景化响应能力只能从自己的交易闭环里长出来。过去这样的市场发现功能更多依靠经营者的洞察能力，而如今，市场数据背后的客户行为动机可以由AI更广泛地捕捉。AI时代的经营者需要把CRM里的人口字段升级为”意图→场景→任务”字段，并让自己的产品目录对机器可读。
要素二：价值主张（Value Propositions）——从”功能清单”到”可承诺、可度量的经营结果”
传统玩法：罗列产品功能与性能参数，客户自行换算成收益。
AI+融入点：AI使”结果”变得可预测、可度量、可担保，价值主张因此可以从卖功能升级为卖结果承诺。
经典案例：
- 罗尔斯·罗伊斯（Rolls-Royce）TotalCare：不卖发动机而卖”飞行小时推力”。DHL按每飞行小时付费，Trent 700机队25年累计6200万飞行小时、签派出勤可靠度99.9%；背后是新发动机每秒产生数百个数据点、逐台建立数字孪生，避免约5%非计划停场、维护间隔最多延长50%。
- 约翰迪尔（John Deere）See & Spray：2025年已在500多万英亩作业、平均减少约50%除草剂，并推出Application Savings Guarantee——按休耕每亩1美元、生长期每亩5美元收费，实现节省才付费。
- 葆德空压机的EMC能源管理策略：不卖设备而卖“压缩空气的节能效益”。客户无需前期投入，葆德免费提供一级能效空压站并负责运维，双方按实际节省的电费进行分成——节能率通常超过30%，年省电费可达70-100万元。其底气源自“葆德云”平台实时监测每台设备的能耗与运行数据，精确计量“省了多少电”，让“按效果付费”成为可验证的商业闭环。
未来展望：价值主张的下一站是”卖持续进化”与”卖任务完成”。特斯拉通过OTA让售出的车持续增值；更远处，AI代理将从”辅助人”变成”替人完成任务”——PwC调研中75%的高管认为AI代理将比互联网更深刻地重塑职场。届时客户购买的不是软件席位，而是“这件事被办成”。
独有优势逻辑：敢承诺结果的前提是有能力度量、预测和控制结果——结果承诺本身就是护城河声明，因为它把风险从客户转移到自己肩上，而只有数据能力足够强的企业才敢接。比如，百度萝卜快跑，其价值主张不是”卖自动驾驶汽车”，而是”承诺安全送达的出行结果”。通过车队实时数据闭环与V2X路侧感知，将价值交付单位从”车辆所有权”转变为”按里程计费的出行服务”，重构了汽车行业的价值锚点。 但是，武汉的一次“集体宕机”就让“萝卜下线”，，这意味着所有美好的“价值主张”都必须建立在可靠的数据基座上。
要素三：渠道通路（Channels）——从“人找货”到“对话即渠道、API即货架”
传统玩法：经销商、门店、电商搜索位，渠道是单向货架。
AI+融入点：渠道双向化——交付即连接、使用即回传；对话式入口取代搜索框；产品数据直接面向AI代理开放。
经典案例：
- 特斯拉：渠道本质是数据回路。卖车的同时建立了持续回传与OTA推送的双向通道，用影子模式在真实车队上测试算法。
- Adobe：把AI Assistant直接嵌入Acrobat文档工作流做附加订阅变现，渠道就是产品本身。
- 阿里巴巴（通义千问+AI电商）：2025年淘宝天猫全面接入AI大模型，推出”AI购物助手”。渠道不再是搜索框里的商品列表，而是对话式意图理解→商品推荐→比价→下单的闭环。商家商品信息通过结构化API直接面向AI代理开放，实现”API即货架”。
- 抖音电商：算法推荐本身就是渠道——不是人找货，而是货找人。内容交互数据实时反馈至供应链，形成”内容→交易→生产”的反向渠道。
未来展望：智能体商务（agentic commerce）已从概念进入运营现实。Shopify商家AI驱动订单一年内增长15倍。OpenAI与Stripe的ACP、Google联合Shopify/Target/Wayfair的UCP、Anthropic的MCP构成机器可读商务的地基。亚马逊Rufus已服务3亿用户、2025年贡献约120亿美元增量销售。2026年，你最重要的客户可能没有心跳——它有预算、偏好和高速API。
一个贯通的理解就是，在智能体商务的图景中，API（Application Programming Interface） 是一扇扇“门”，让AI可以进入不同的数据系统；MCP（Model Context Protocol） 是统一的门禁卡，让AI不需要为每扇门配不同的钥匙；UCP（Universal Commerce Protocol） 是店内的“商品目录和导购员”，让AI能浏览和比较；ACP（Agent Commerce Protocol） 是“收银台”，让AI能完成购买。简单来理解就是：API让AI“能调用”，MCP让AI“能操作”，UCP让AI“能找到”，ACP让AI“能买下”。
独有优势逻辑：
对AI代理而言，API就是它的“眼睛”：AI代理通过API“看到”的是一个由结构化数据组成的世界。商品信息的结构化程度，直接决定了它在AI世界中的“可见度”。那些无法被AI可靠解析的商品，在AI的世界里就是“隐形”的。
对商家而言，符合“机器可读”标准是新“上架”：商家的运营重点需要转变，从优化页面视觉效果，转为确保商品数据通过API的结构化、标准化和实时性。商家的商品信息需要被打包成AI能够理解和处理的格式。传统渠道争的是人的注意力，新渠道争的是AI代理的”可选择性”（agent legibility）：交付条款、库存、退货政策若对机器不清晰，代理直接跳过你的报价。AI时代的经营者需要把商品数据、库存、价格做成结构化、协议化输出——这是AI时代的“上架”。
要素四：客户关系（Customer Relationships）——从”售后响应”到”无感服务+持续共演”
传统玩法：CRM记录+客服响应，关系在交易完成后才启动。
AI+融入点：预测式服务（问题发生前介入）、千人千面的实时陪伴、客户使用数据反哺产品迭代。
经典案例：
- 喜利得（Hilti）Fleet Management：把工具销售变成按月付费的”无忧使用”关系——客户不必买断设备，月费覆盖使用、维修与盗抢保障，超100万台工具在约、客户超10万；客户忠诚度提高5倍。
- 小米集团（人车家全生态）：小米的AIoT生态本质上是一种”陪伴式客户关系”。从智能手机到智能家居再到汽车，小米通过HyperOS实现跨设备数据贯通，AI助手”小爱同学”持续学习用户习惯，提供预测式服务（如提前开启空调、预判回家路线）。客户关系的深度不取决于客服电话频次，而取决于设备网络对用户的理解深度。
- 蔚来汽车（NOMI+用户社区）：NOMI车载AI助手不仅执行指令，更通过情感化交互建立”人车关系”；同时蔚来APP社区运营将客户关系从”售后”前移至”全生命周期共演”，用户反馈直接驱动OTA功能迭代。
未来展望：客户关系将出现”代理对代理”的形态：客户的个人AI代理与企业的服务代理直接交互，自动完成补货、退换、比价与忠诚度兑换；2026年起补货型消费正从”人记住要买”变成”代理自动续购”。Salesforce调研显示73%的消费者购物旅程中已使用AI、70%愿意让AI代为购买。同时要注意边界：AI情感陪伴与个性化persuasion会触及信任与监管红线，客户关系越深，治理责任越重。
独有优势逻辑：关系深度从”品牌情感”迁移到数据共演：客户用得越多，你的产品越懂他，切换成本越高。AI时代的经营者需要设计”使用即增值”机制，让客户每一次交互都沉淀为只有你能用的关系资产。一个更值得关注的演变趋势是：渠道即关系。
要素五：收入来源（Revenue Streams）——从”一次性交易”到”订阅、按量、按结果”的组合定价权
传统玩法：一单一价、一次性买断，收入确认即关系终点。
AI+融入点：持续使用产生持续数据，使订阅、按用量、按效果成为可能；定价从”标价”变为”动态定价权”。
经典案例：
- Adobe：FY2024总收入215.05亿美元中订阅收入205.21亿美元、占比约95%，Digital Media ARR 173.3亿美元，经营现金流80.6亿美元，剩余履约义务近200亿美元。
- 美团（动态定价与运力调度）：美团外卖的收入管理本身就是AI动态定价的复杂系统——基于实时供需（天气、节假日、运力饱和度、商家出餐能力）进行动态调价与骑手补贴分配，实现”每一单都是独立定价决策”，将收入来源从固定佣金升级为”智能匹配服务费”。
- 滴滴出行：高峰定价（动态加价）与实时供需匹配，将传统出租车的”固定里程费”重构为”场景化动态定价”，收入与实时运力效率强绑定。
未来展望：两条曲线同时展开。成本侧：GPT-4级推理成本从2023年的约30美元/百万token降至2026年的不足0.5美元，两年降约95%，使”按结果收费”在越来越多行业算得过账；但要警惕”token便宜、决策不便宜”——推理模型的多步思考与合规场景的多重校验，使单次有效决策成本可能高出标价10—50倍（Jevons悖论）。收入侧：AI动态定价走向精细化——达美航空目标2025年底让20%航班票价由AI定价。但个性化定价正遭遇强监管：美国已有40余项”监控定价”法案在24个以上州推进。
独有优势逻辑：未来的定价权=价值度量能力×客户信任。能证明结果的按结果收费，不能证明的只能打价格战。AI时代的经营者需要为每个收入来源回答三个问题——计量单位是什么？数据从哪来？监管与客户公平感知的边界在哪？
要素六：核心资源（Key Resources）——从”厂房专利”到”专有数据×场景入口×治理许可”
传统玩法：设备、专利、品牌、渠道网络。
AI+融入点：专有数据、模型能力、算力、场景入口（高频真实交互+行动权限）、以及被监管的”许可”。
经典案例：
- 特斯拉：核心资源是真实车队数据——超90亿英里Autopilot里程、影子模式边缘场景采集。
- 约翰迪尔：壁垒是120英尺喷杆上36个摄像头与百万级作物/杂草图像库，田间试验做到除草剂减47%、杂草控制反升7%。
- 比亚迪（智能驾驶数据闭环）：比亚迪拥有全球最大规模的新能源车队之一，其”天神之眼”高阶智驾系统通过海量真实道路数据持续迭代。与特斯拉类似，比亚迪的核心资源不仅是电池和产线，而是“真实中国道路场景数据+垂直整合制造能力”的双重壁垒，数据不可爬取、可自我增强、可转化为决策权。
- 大疆创新（DJI）：其壁垒不仅是飞控算法，而是全球数百万台无人机在真实飞行中积累的场景知识库（地形、气象、避障路径），这些专有数据使其在农业植保、行业巡检等场景的AI决策能力难以复制。
未来展望：
- 模型本身商品化：我们需要意识到，”模型只是商品，护城河来自模型之外：专有数据、工作流所有权、分发”，开源模型让GPT-4级能力几近免费；
- 合成数据与世界模型成为稀缺真实数据的补充，但研究警示合成数据必须锚定真实数据、逐代校验，否则会模型坍塌；
- 数据资产入表与治理许可成为新型”牌照资源”——一流企业已经把数据影响评估、敏感用途审查前置为产品准生证，本质是把治理做成了准入资源。
独有优势逻辑：判断一项资源是不是AI时代核心资源，用三条标准：不可爬取（公开数据人人可得）、可自我增强（使用产生更多数据）、可转化为决策权（数据能直接驱动行动）。三者缺一不可，否则就只是成本不是资源。
要素七：关键业务（Key Activities）——从”生产制造”到”数据闭环运营+智能体编排”
传统玩法：研发、生产、销售、服务四条线。
AI+融入点：新增第五项关键业务：运营数据闭环（采集→分析→决策→行动→反馈），以及对AI劳动力的编排、评估与治理。
经典案例：
- 沃尔玛：把关键业务改写为实时决策运营——自愈库存、agentic AI动态决策，部署节奏从季度压缩到周。
- 三一重工北京灯塔工厂：以人机协同实现劳动生产率+85%、交付周期30→7天。世界经济论坛统计显示超80%灯塔AI用例从流程步骤级切入——先把一个环节的KPI打穿，再谈企业级推广。
- 美的集团（合肥/芜湖/广州灯塔工厂）：美的将关键业务从”制造执行”升级为”AI驱动的制造运营”。其芜湖灯塔工厂披露113个数字化用例、35%由AI驱动，端到端交付周期缩短39%、库存天数下降30%、市场缺陷率降低86%。关键业务的重心不再是”生产更多”，而是”让数据在产线上自动流转并自主决策”。
未来展望：关键业务的边界正在被两类技术力量外推。一个是智能体化：Gartner预测2028年15%的日常工作决策由AI自主做出，AI代理数量将达人类销售人员的10倍。另一个是具身智能化：Figure机器人在宝马Spartanburg以约25美元/机器人小时的RaaS模式运行；特斯拉工厂内已有超千台Optimus在岗。关键业务正在从”管理人的班次”变成”管理人+智能体+机器人的混合劳动力”。
独有优势逻辑：对手可以买到同样的模型和机器人，买不到的是你流程里沉淀的评估集、失败案例库和迭代速度。AI时代的经营者需要为每个关键业务设”代理负责人”，把评估覆盖率而非试点数量作为北极星指标。
要素八：关键伙伴（Key Partnerships）——从”供应链合同”到”协议互联的智能体生态”
传统玩法：供应商、经销商、物流商，靠合同与年度谈判连接。
AI+融入点：伙伴连接升级为机器对机器的协议互联：数据接口、模型能力、传感网络、合规互信都成为伙伴关系的内容。
经典案例：
- 沃尔玛与Wiliot：环境物联网传感器在500多个地点部署，伙伴提供的不是货而是”感知能力”。
- 海尔卡奥斯：把制造能力开放为平台，链接90万家企业、服务16万创业者，跨行业赋能通伊陶瓷实现销售和利润双增长。
- 华为（鸿蒙生态+昇腾算力联盟）：华为的关键伙伴逻辑正在从”供应商管理”升级为”协议生态运营”。鸿蒙系统通过统一API与分布式软总线，让第三方设备即插即用；昇腾AI算力联盟则联合算力中心、模型厂商与行业ISV，形成”算力+模型+场景”的机器可读生态。这与传统供应链的本质区别在于：伙伴价值不仅来自货物交换，更来自协议层的数据与算力协同。
未来展望：伙伴关系的底层正在协议化。MCP已成为智能体连接工具与数据的事实标准，2025年12月捐入Linux基金会，2026年3月月SDK下载量达9700万；Google的A2A协议携50余家伙伴实现智能体间任务委派；商务层的ACP/UCP与Visa、Mastercard的代理支付协议让”智能体对智能体谈判下单”进入商用。但研究同时显示，生产环境多智能体系统失败率在41%—86.7%之间，约79%的失败源于协调与语义不一致——语义层标准（OSI）因此成为新的伙伴协作地基。
独有优势逻辑：未来的生态位之争是协议席位之争：你的系统能否被别人的智能体发现、调用、信任？经营者动作：把核心能力封装成标准化接口（可被代理调用），同时在别人的生态里争取”默认选项”位置——这与当年争搜索排名同构，只是裁判换成了机器。
要素九：成本结构（Cost Structure）——从”固定+变动”到”算力资本开支+持续推理+数据飞轮折旧”
传统玩法：固定成本+变动成本，软件时代边际成本趋零。
AI+融入点：高固定投入（研发/算力/数据建设）+ 不消失的边际成本（推理、评估、治理）+ 新资产类别（数据与模型的摊销）。
经典案例：
- Adobe：年报明确订阅收入成本中已包含AI推理成本——订阅模式并非”零边际成本”。
- 微软：FY2025收入2817亿美元增长15%，但Microsoft Cloud毛利率因AI基础设施扩张降至69%。
- 商汤科技/科大讯飞：中国大模型厂商的成本结构深刻体现了AI时代的”J型曲线”——前期算力与数据投入巨大，模型训练单次成本可达数千万至上亿元人民币。但随着模型能力跨越”智能涌现”阈值，边际服务成本快速下降。商汤”日日新”大模型与讯飞星火通过MaaS（模型即服务）输出，将固定成本转化为可摊薄的API调用成本。
- 字节跳动：其推荐系统的成本结构是AI时代的典型——海量GPU集群用于实时推理（固定+变动混合），但每一次用户交互产生的数据又反哺模型，形成”成本即投资”的飞轮。
未来展望：成本曲线呈剪刀差运动。单位智能价格崩塌（三年降约99.7%，预计2027年前仍以每年3—5倍速率下降），但总账单上升（推理链、合规多重校验、代理循环使”单次决策成本”远高于”单次token成本”）。同时组织成本结构剧变：AI原生公司人均收入达348万美元、约为传统SaaS的6倍、团队小40%；Midjourney以107人创造约5亿美元收入；英伟达内部已运行约100个AI代理对应1名员工。
独有优势逻辑：AI不是天然高毛利生意。真正健康的成本结构是：随规模下降的推理成本 + 随规模上升的数据资产价值，两者对冲后仍有扩张性毛利。AI时代的经营者需要把”每项AI功能的单位经济”（每次决策的完整成本 vs 产生的收入）纳入月度经营报表，警惕”用得越多亏得越多”的伪增长。
四、九要素的联动：从“九个格子”到“三条飞轮”
九要素不是九张独立幻灯片，而是一条因果链。AI+时代商业模式的独有优势，只可能来自三个相互咬合的飞轮：
飞轮一：数据飞轮（要素六核心资源×要素七关键业务）
机制：用得越多→数据越多→模型越准→用得更多。
案例：特斯拉90亿英里真实驾驶数据持续训练Autopilot；比亚迪数百万辆车的中国道路数据反哺“天神之眼”；约翰迪尔百万级作物图像库强化See & Spray识别精度。数据飞轮的护城河不在于数据量，而在于”场景→决策→反馈”闭环的产权与速度。
飞轮二：结果飞轮（要素二价值主张×要素五收入来源）
机制：敢承诺结果→获得深度场景数据→承诺能力更强→定价权上升。
案例：罗罗按飞行小时收费，本质是把“出勤保障能力”写进合同；迪尔“节省才付费”的Application Savings Guarantee，将除草结果与收入直接挂钩；百度萝卜快跑按出行服务收费，将自动驾驶风险内化为平台的数据能力。结果飞轮的本质是：用合同形式把“模型置信度”转化为“商业定价权”。
飞轮三：生态飞轮（要素三渠道通路×要素八重要合作）
机制：接口被越多智能体调用→越成为默认选项→越多伙伴接入。
案例：Shopify超100万商家接入ChatGPT Shopping；华为鸿蒙生态设备超10亿台，成为IoT场景的“默认连接协议”；海尔卡奥斯链接90万家企业，跨行业复制制造能力。生态飞轮的胜负手在于协议席位：你的API是否被主流AI代理默认为“可信任选项”。
联动公式：
价值主张（卖什么结果）→决定收费单位（怎么定价）→决定核心资源（需要什么数据与模型）→驱动关键业务（如何运营闭环）→沉淀数据资产→强化模型能力→提升议价权→反哺价值主张升级。
竞争对手可以复制你任何一个格子里的技术，但复制不了九个要素在你企业里长出来的那条活的因果链。
五、创建者的拷问：画布自检五问
作为商业模式的创建者与守护者，经营者必须定期以以下五问拷问自己的组织。这五问可直接用作战略会议议程：
拷问一：你的客户细分里，是否为”AI代理”这类机器客户留了一格？
若你的商品数据对机器不可读、不可选，下一代客户（AI代理）将直接跳过你。
拷问二：你的价值主张能否从功能改写成可担保的结果？定价单位敢不敢跟着改？
从”台/套/license”改成”小时/亩/节省额/成交额”，这不仅是定价变化，而是商业模式的跃迁支点。
拷问三：你的渠道是单向货架，还是双向数据回路？产品数据对机器是否可读可选？
传统渠道争的是人的注意力，新渠道争的是AI代理的”可选择性”。
拷问四：你的关键业务里，谁是”AI代理负责人”？评估覆盖率是多少？
大多数代理项目烂尾，不是因为AI不够聪明，而是因为公司没有为AI建立“有人管、有人看”的组织机制。 设置一个“有名有权”的AI代理负责人、建立“每次变更都自动评估”的机制——二者兼备，AI项目才敢从试点真正走向生产，才可能成为那12%的幸存者。
拷问五：你的成本结构里，每次AI决策的完整成本是多少？规模扩张时毛利在变好还是变坏？
警惕”token便宜、决策不便宜”的Jevons悖论——用得越多，亏得越多，是最隐蔽的伪增长。
结语：从“格子内的经营效率”到“格子间的数据因果”
传统商业模式画布优化的是“格子内的经营效率”——如何在每个模块里做到最好；
AI+商业模式画布重构的是“格子间的数据因果”——如何让九个要素形成自我强化的数据飞轮。
在这个“AI+”的时代，企业的竞争优势不再来自单一技术的领先，而来自将AI能力编织进商业模式每一个要素、并让要素之间形成基于数据的实时咬合的系统能力。当竞争对手还在讨论“要不要上一个客服机器人”时，真正的赢家践行的是：“我的商业模式，是否已经成为一个自我学习的活体？”
“AI+”时代的经营者需要意识到：九要素画布的AI化改造，应该是探索一条基于数据的更紧凑的因果链——从客户意图的实时感知，到价值主张的即时生成，到收入结果的自动捕获，再到数据资产的持续沉淀。这条链越短，商业模式的迭代动能就越大，模式的优势就越不可复制。
全新推出的10期《公司价值管理：模式创新与协同进化》微咨询视频课程，超越线下EMBA总裁班4天课程的丰富度。
文稿课件一应俱全
长期有效
订阅课程赠送签名书《创新的逻辑》。
欢迎细品与分享😇
阅完点击右下角的“在看”，就是鼓励；
你的赞·转·赏，就是力量。
作者简介：刘圻，中南财经政法大学教授，博士生导师，专注于财务思想与商业构建之间的交叉研究。
长按下方二维码关注我们
▼
在学术研习中传播商业思想
在商业践行中沉淀学术智慧