赛马机制的话题，从字节AI播客说起。

前几天我在尝试用AI生成播客内容，用了两个字节的产品：一个是Coze，优点是有男女两个声音，但缺点是最多只能生成7分钟左右，而且经常识别不出来准确时间。

另一个是字节豆包里的AI生成播客，优点是一键完成，时间也可以达到30分钟，但缺点是声音不能调整，完全采用了《半拿铁》主播的音色。

我就吐槽，字节的两款产品，各有优劣，为什么不能结合一下呢？大厂的朋友说：不同团队、不同利益；而且，现在还是赛马阶段，还没有到分出高下、谁整合谁的时候。

赛马机制，在互联网领域非常流行。为什么巨头非得这么干？

从管理的角度来看，“赛马”这事能火起来，是符合商业逻辑和经典理论的。

首先，它满足了企业的“安全感”。传统的工程学和组织学告诉我们，要提高系统的可靠性和抗风险能力，必须在系统内建立冗余。

互联网领域，用户习惯、技术路径，都变化非常快，谁也不能保证一个团队的方向百分百正确。与其把所有宝都押在一个项目上，不如让两三个团队并行跑。

其次，赛马是加速创新的“催化剂”。鼓励冒险、允许浪费、快速试错。毕竟，创新从来不是顶层设计出来的，而是在混乱中长出来的。

在中国，腾讯是最早将赛马机制系统化并取得巨大成功的典范，当年的QQ秀、微信都是如此，内部多团队、多路线，最终市场检验。

字节跳动则堪称将赛马机制推向极致的“APP 工厂”，他们以极快的速度克隆、优化和测试产品原型，进行“数据驱动的赛马”，谁能通过 A/B 测试跑出最好的数据指标，谁就能获得后续全部资源。

海外欧美巨头，虽然不常使用“赛马”一词，但机制本质是相通的。

Google 内部的 AI 竞争就是典型的赛马，DeepMind 和 Google Brain 长期并行发展，直到近几年才进行战略性整合。其内部也出现过“为了完成同一个目标，两个团队同时投入资源，但互相不共享代码”的情况。

对于大厂而言，赛马机制，就是用钱买时间、买机会。

但是，并非所有企业都能驾驭赛马机制，其适用性与行业属性、组织发展阶段相关。

就像在台积电、英伟达内部，基本就没有“赛马机制”。因为每一款产品要投入的资源，都是巨大的。多条线路，也许不是冗余，而是浪费了，甚至会因为资源分散而无法实现技术突破。

所以，总结来看，最适合赛马的企业往往具备三大特征：

其一，处于高不确定性的创新赛道，有多路径探索的领域，此时赛马的试错成本远低于错失机遇的成本；
其二，拥有充足的资源储备，能支撑多团队并行投入；
其三，业务链条相对独立，如互联网产品研发，小团队即可闭环推进，无需跨部门深度协同。

反之，三类企业/领域，则应该警惕赛马机制的副作用。

比如，资源匮乏的初创公司，如果强行赛马，只会导致 “兵力分散”，最终在与巨头的竞争中败北；

再比如，那些深耕基础科学的科研机构，也不宜采用赛马。毕竟，基础研究需要十年磨一剑的专注，短期考核的竞争压力，会扼杀重大突破的可能性
另外，合作/供应链条较长的领域，像汽车销售公司，也不适合赛马。因为赛马会造成供应链协同紊乱，反而降低效率。

同样的，当需要内部研发、工程、制造等各部门的高度整合与协作才能有所突破的领域，也不适合用赛马。这就是 台积电、英伟达不赛马的原因。因为客户需要的是专业、可靠。

简单而言，当创新需要‘深度’时，赛马不如合力，当创新需要‘广度’时，赛马更能找到车路。
当然，管理好赛马，也不容易。赛马并非为赛而赛，真正的价值，不在于制造竞争，而在于通过竞争实现资源的最优配置。

如果内部恶性竞争、信息封锁、内卷，那不仅是内部创新的阻碍，也影响用户的体验。

没有规则的赛马，终将沦为内耗的泥潭。需要有清晰的退出机制。

就像谷歌的成功源于 “赛后整合” 机制，将各团队技术亮点融入最终产品；腾讯的精髓则是 “结果导向”，以市场反馈定胜负；字节把数据的作用，也是发挥到极致。

在充满不确定的时代，企业需要速度、需要试错的速度，毫无疑问，赛马机制能提供极速。

但速度的极限，则取决于其组织能否承受对应的代价。只管赛、不管养，也必然难以持续。

只有将赛马的活力与协作的稳定结合起来，企业才能在残酷的竞争中，持续奔跑。AI时代，也许更如此。