事件背景
美圖 CEO 吳欣鸻最近接受訪問時坦言：做 AI 產品「是一場難以提前策劃的遊戲」。這不是謙虛，而是對現狀的冷靜描述。
背後的數據支撐了這個觀察： - 2025 年美圖海外 MAU 重回 1 億、其中 AI 視頻編輯工具 Wink 與影像創作 Agent RoboNeo 在東南亞、墨西哥、巴西等地增長迅速 - 淨利潤達 9.65 億元、同比增長 64.7% - 經 AI 重構的影像與設計產品、收入占比從 35% 提升至 76.6% - 吳欣鸻 2026 年上半年飛行超過 23 萬公里、350 小時、跨越亞洲、北美、歐洲、南美
這一連串數字背後，藏著一個更深層的戰略悟悟：美圖沒有從上往下制訂「征服全球市場的 5 年計畫」，反而是在全球各地快速部署、觀察、迭代。
為什麼計畫失效了？
當 AI 技術仍在加速演進的時期，傳統戰略規劃的假設會快速老化：
1. Capability frontier 移動太快：今年能做 A、明年 B 變成標配、後年 C 反而成為必需品。一個 12 個月的產品計畫可能還沒執行完、技術假設就被推翻。
2. 市場回應無法預測：美圖沒有人能事先確定「Wink 在巴西會爆紅、在印度卻平庸」——這種地域性的市場信號，只能通過上線、觀察、快速調整才能獲得。
3. 競爭者與技術的雙重不確定：對手也在迭代、基礎模型也在迭代、用戶偏好也在轉變。三個變數同時動搖，計畫表的假設基礎就崩解了。
美圖的適應方式：小工作室 + 飛行迭代
吳欣鸻沒有選擇「強化中央規劃」，反而做了相反的事：
- **組織下沉**：在 2000 多人公司中設立「小型 AI 創新工作室」——每個工作室的目標是快速試錯、而非執行大計畫
- **管理者變成偵察兵**：CEO 本人每年飛行 30 萬公里、親臨各地市場、觀察產品實際表現、蒐集第一手信號
- **動態組合**：而非「一旦決策就 commit」，而是「持續觀察、持續重組資源優先度」
這種做法的邏輯是：在不確定環境下，計畫的精確度不如適應速度重要。
類似案例與模式識別
- **Amazon 的兩披薩團隊**（Two-Pizza Teams）：Bezos 刻意限制團隊規模在 10-15 人、讓每個團隊能快速決策、而非等待大組織審批
- **Netflix 的內容試錯**：內部有成千上萬個「小實驗」同時進行、而非預先排定「今年做 5 部劇」
- **特斯拉的生產線迭代**：不是在工廠啟用前完全設計好、而是通過「做中學」持續改進
這些案例有一個共同特徵：組織結構本身就是適應機制、而非執行機制。
為什麼這對創新很關鍵
在 AI 加速的時代，企業面臨的核心困境是： - 事前規劃越詳細、越可能被現實推翻 - 但無計畫又會浪費資源
出路不在「更好的計畫」，而在「更好的決策迴圈」。美圖通過： 1. 小型自治工作室（決策速度快） 2. CEO 親臨現場（市場反饋直接） 3. 動態優先度調整（資源跟著信號走）
這套做法在面對 AI 的高不確定性時，展現出比「五年計畫」更強的適應力。
言外之意
吳欣鸻說「如履薄冰」不是恐懼，而是清醒——他知道自己無法預知未來、所以設計了一套能快速回應未來的組織。這反而比那些聲稱「已經洞察 AI 未來」的公司，更有生存概率。