2026年4月21日,OpenAI发布GPT Image 2。
我手上刚好有一份现成的客户战略报告,直接拿来试了一下:给Image 2描述报告里几张核心图表的结构,让它生成对应的PPT页面。
结果出来之后,我的判断是:它基本上已经能完成从一份咨询报告到一套PPT的转换工作了。而且这已经不是草稿水平的版本,甚至可以直接带进会议室演示。
别忘了,咨询报告本身现在也已经实现让ai来构思,找资料,生成,这意味着整个工作流都已经实现了自动化,ai化。
(上面这套包含12页核心结构、图表和结论的战略诊断PPT,就是直接用Image 2转换生成的。数据与公司名已做脱敏处理。)
但如果你只把这件事理解成"图像生成技术又进步了",你就错过了这件事真正重要的地方。
先从更早的故事说起。
大约十到二十年前,中国有一个不小的市场:买MBB模板。麦肯锡风格的幻灯片、BCG的图表排版、波士顿矩阵的配色方案——这些东西在淘宝、知识付费平台上卖得很好。买家不一定是要冒充大公司,更多时候是为了借用那套视觉语言背后的专业感和安全感:只要PPT长得像麦肯锡做的,客户就会觉得"这家公司是认真的"。
这个逻辑支撑了相当一批国内咨询机构的早期发展——"专业外观"在客户做判断时,是一个真实有效的信号。
2022年,Midjourney和Stable Diffusion让普通人第一次能用自然语言生成图像。咨询行业的人普遍认为这跟自己无关——这些工具做不了专业图表,处理不了中文,更不理解"竞争格局对标表"是什么东西。
他们说得对,但只对了一半。
2023年起,随着DALL-E 3和各类生图模型的迭代,一个新的尝试开始出现:用AI生成"幻灯片风格"的内容。Google的NotebookLM上线了Slide Deck功能,底层调用的是Google自家的Nano Banana图像模型——给它一份文档,它能直接生成一套有布局、有配图、有文字层级的幻灯片。
很多人兴奋地拿它来做报告、做演示、做咨询风格的内容。
但很快遇到了一个问题:输出是图片格式,不可编辑,而且中文字体严重模糊。
放大看,汉字会糊成一团。数字和标签对不上。想修改任何一个字,只能重新生成一整张。这不是细节问题,对于一份需要反复校对数据的专业文件来说,这是根本性的不可用。
这个阶段的AI工具,更像是"能做出咨询PPT的草图",而不是真正可以交付的东西。
2025年3月,OpenAI发布Image 1,CJK字符(中日韩文字)渲染能力大幅提升。一年内迭代至Image 2,加入推理规划机制——它在生成之前会先"想":这张图应该如何布局,元素之间的关系是什么,哪里容易出错。
中文文字第一次清晰可读。数据表格第一次对齐正确。结论框、图标层级、颜色逻辑,全部在位置上。正如文章开头展示的那张全套PPT总图——它已经跨过了"可用"的门槛。
而且Image 2只是这波能力跃迁的一个节点。同期,Gamma、Tome等AI演示工具已经能生成可编辑的完整幻灯片;结合Claude、GPT-4o的文档生成能力,一份从结构到排版都接近顶级咨询公司水准的完整报告,今天已经是可以批量生产的东西——不是"草图",是可以直接交付给客户的成品。
从"买MBB模板"到"AI直接出图出报告",二十年。
这条线走到今天,有一件事变得无法回避:"做出专业外观"这件事,从来都不是咨询的核心价值,只是它的一层包装。现在这层包装可以被机器免费生成,里面装的究竟是什么,才成为真正的问题。
要理解这件事的含义,你得先想清楚一个长期被打包出售、因此从未被单独追问的问题:战略咨询到底在卖什么?
我把它拆成四层。
呈现物:把结论变成能放到会议桌上的东西。PPT、数据图、报告、框架页。这是可见的、可量化的交付,也是大量初中级顾问的主要时间去向。
框架:把复杂问题结构化。把一个混乱的战略困境翻译成2×2矩阵、价值链拆解、竞争分析三步法。框架让信息可以被比较和讨论。
洞察:在特定情境下,基于不完整信息,形成可辩护的判断。这家公司的问题出在渠道还是产品?这个市场的窗口还有多长?这一层需要的不是知识,而是在噪音里识别信号的经验。
合法性:CEO有时已经知道他想做什么,但需要一个外部背书让决定在组织内部站得住脚。"麦肯锡建议"这四个字,本身就是一种资源,与报告内容无关。
这四层从来不是分开卖的。你买"洞察",就要同时买"报告";你买"合法性",就要买整个项目流程。
这个捆绑从来不透明。客户不容易把四层的价值分开评估,所以整包的价格很难被细拆。
GPT Image 2把第一层的成本压至几乎为零。当第一层变得免费,捆绑的基础就开始松动——客户迟早会问那个他们以前从未需要问的问题:
我究竟在为什么付钱?
这个问题,客户以前不需要问,因为四层价值总是捆绑在一起交付的。现在,捆绑开始松动,问题就浮出来了。而面对这个问题,这个行业最自然的第一反应,暴露了一种根深蒂固的思维惯性。
1865年,英国颁布《红旗法案》,规定汽车上路时必须有人步行在车前举旗引路。立法者不是蠢人,这个规定在当时有真实的安全考量。
真正的荒诞在别处:他们用一套为马车设计的框架,去管理一种完全不同的事物。
引路员是马车时代的道路礼仪在汽车上的延伸。问题不在于引路员走得不够快,而在于整个逻辑起点就错了——把"人走在前面"当成了交通系统的本质,而不是马车时代一个特殊条件下的解决方案。汽车需要的不是更快的引路员,它需要的是一整套重新设计的基础设施。
今天,面对AI图像工具和AI报告生成能力,战略咨询行业最自然的第一反应是:
用AI把报告做得更漂亮、更快、更省钱。分析师成本降低,项目交付提速,同类竞争中赢得更多预算。
这是引路员的逻辑。它解决的问题,是"如何在这个产品形态里做得更好",而不是"这个产品形态本身是否还有未来"。
正确的问题不是"怎么用AI做出更好的咨询报告"。正确的问题是:当报告可以被机器无限量生产时,这个行业的产品应该长成什么样?
我之前写过一篇文章:《80%的战略咨询公司,将在五年内消失》[1]。
核心判断是:AI能低成本完成咨询的"核心交付物"——信息整合、框架分析、报告生成。靠这条流水线生存的公司,价值根基被掏空了。麦肯锡在过去两年里将全球员工从约45,000人缩减至约40,000人,裁减集中在数据、软件、设计等专业岗位——这不是行业巨头在做周期性调整,是在对同一股力量做出应激反应。
但那篇文章留了一个更深的问题:那剩下的20%,靠什么活?
我当时的答案是:靠更深的洞察、靠成为"战略系统架构师"。
这个区别是关键的。
现在的咨询产品是项目制的:客户提出问题,顾问用数周时间收集信息、形成判断、制作呈现、汇报结论。项目结束,关系结束。
这个形式的底层逻辑是:信息稀缺,框架稀缺,报告稀缺。顾问的价值,在于他在一段时间里集中调用了客户无法独立获取的资源,做出了客户无法独立形成的判断,然后用一份报告把这个价值打包交付。
现在,信息不再稀缺,框架不再稀缺,报告不再稀缺。
这个产品形式的底层前提,已经不成立了。
但大多数咨询公司的反应,是想办法把项目做得更快、更便宜、质量更高。这没有错,但它是在更卖力地制造一个正在贬值的东西。
真正值钱的东西是什么?
客户的战略决策不发生在一次汇报会上。它发生在CEO凌晨盯着竞争对手的动态新闻时,发生在董事会上一个意外的问题让他语塞时,发生在市场突然出现变化但年度预算周期还有半年时。
这些时刻,一份三个月前交付的战略报告帮不上忙。
能帮上忙的,是一个对你的业务、你的竞争格局、你的组织现实了如指掌的人——在你需要的时候,能在一小时内帮你想清楚这件事,而不是说"我们可以启动一个新项目"。
这不是"做顾问的同时顺便回答几个客户消息"。这是一种完全不同的产品形态。
从"交付结论"到"陪伴决策"。从按项目收费到按深度关系收费。从"你有问题来找我"到"我是你决策过程的一部分"。
汽车出现之后,真正理解新事物的人想的不是"怎么让马车跑更快",而是:有了汽车之后,人与空间的关系如何重组?然后出现了高速公路、郊区住宅、驾驶文化——整套围绕汽车重新设计的生活方式。
对咨询行业,这个问题是:有了AI之后,顾问与客户的关系,应该重组成什么样?
这个转型,不同规模的玩家面对的阻力不同。
大型咨询公司有几件事是真实的优势:与大客户高层的长期信任关系、品牌带来的合法性背书、在特定行业积累了大量真实案例和判断经验。如果有人能做陪伴式战略,大公司的合伙人层级其实天然具备这个条件——他们本来就是客户CEO的长期对话伙伴。
但大公司同样有一道真实的阻力:整个机构的商业模式是为"生产报告"设计的。几百人的团队、标准化方法论、按项目计费的收入结构——这台机器的每一个齿轮都在为交付一份报告而运转。转型意味着否定这套机器的存在逻辑,而不只是给它换个配件。有意愿转型的合伙人,会面对来自整个组织结构的惯性。
小型机构的问题不一样。阻力更小,但"陪伴式战略"所需的情境深度,不是工具能补足的。你必须真正了解客户的业务——不是通过访谈,而是通过长期在场积累的那种感知。这种理解是时间和关系的产物,不是换个产品定价模式就能速成的。
所以问题不是"谁能做",而是谁先想清楚自己在卖什么,并且真的愿意为此重构自己的工作方式。
那些已经在某个行业或某类客户里积累了深度关系、但一直用项目制交付的人,有一个真实的窗口期:重新定义自己在卖什么。不是报告,是长期的判断陪伴。
GPT Image 2让这个窗口变得更短——因为它把最后一个支撑"项目制报告"存在感的技能壁垒也压平了。
那道墙不在了。站在原地继续盖墙的人,会越来越快地感受到这件事。
还是同一个问题留在那里,只是比以前更直接了:
当AI能完美完成你过去80%的工作,你独一无二、不可替代的那20%,究竟是什么?
本文核心逻辑图解:

[1]《80%的战略咨询公司,将在五年内消失》: https://mp.weixin.qq.com/s/0bGQ0V-GgUAj7Dj34uhGbQ