在小说阅读器读本章

去阅读

AI 进厂，救赎、排异、恐慌与一场组织效率大 PK。

文｜任晓渔

编｜徐鑫

AI 快速进步重塑白领工作已不是新闻。过去几年，科技公司们持续向社会许诺，AI 将创造前所未有的生产力价值。

人们普遍以为，这将是一件以十年为周期发生的事。但过去几个月里，这个许诺正以我们始料未及的速度快速兑现。

AI 像一个会传染的病毒，在各类组织里蔓延，并与不同工种、协作关系发生激烈反应。

如果把组织看成一个生命体，此刻在一些大型企业、中型公司和只有几个人的小团队里，不同烈度的感染同时在发生——有的在被重塑，有的组织在排异，当然也有的还没有意识到大感染已经开始。

我们接触和采访了若干家企业，发现与 AI 反应的方式，正在快速影响一个组织的效率。而这种反应也不可避免地在打工人身上荡起了涟漪。

"就像冰河时代来临，所有巨大的动物都要把自己变形才能活下去。"

AI 能写出技术团队写不出的代码

"过去这一个多月，AI 比想象中更疯狂。"云蝠智能 CEO 魏佳星谈及过去几个月他们内部用 AI 带来的组织变革和由此发生的连锁反应，忍不住感慨。

今年春节开工第一天，这家成立已经八年，百人规模的智能语音外呼技术服务商开了一场组织动员大会。在智能语音外呼行业里，云蝠智能是拥抱 AI 颇为迅速的一家，在国内较早基于大模型迭代智能呼叫产品，每次基模升级也能看到云蝠快速跟进的身影。

但最近几个月里，一切有了质变。

去年 9 月开始，云蝠智能的研发部门从 Copilot 和 Cursor 迁移到了某顶级模型上。11 月，CTO 用 AI 写出了一个针对不同人声的自动降噪模型——不只是写出来了，它上线了，能够承载高并发处理。魏佳星回忆这个过程，语气里有一种至今没有完全消化的震惊："我们现有的技术团队写不出来，然后它给写出来了。"

这和过去两年大家熟悉的" AI 提效"叙事不一样。过去的 AI 工具 Copilot、Cursor 及其他 AI 编程工具的使用效果的口径基本一致：帮助团队提升 20% 到 40% 的效率。但去年年底开始，魏佳星觉得技术进步到了另一个量级，"如果效果好了两到三倍，就不能称之为提效了。"

云蝠随后切换了整个研发工作流，在技术部门强制要求使用顶级 AI 工具，并且在年前启动了一波新的招聘，解决此前的产能不足问题。新加入的 30 名员工不论归属哪个部门全都是 vibe coding 狂热爱好者，"我们不仅没有裁员，反而增加了新血液"，魏佳星说。

云蝠还设计了一套奖励策略来推广 AI 应用——与 AI 协作的产品上线或在组织内应用后，公司给功能设计者发钱。每个需求按照难度和重要程度定价，魏佳星认为，按 Token 消耗量报销或奖励反映不了太多的真实价值创造，而追踪用 AI 创造了多少可以上线的东西更有价值。

这套机制在研发、产品、UI、测试四个岗位同时运行，由于一线员工基本都实现了涨薪，整个团队跟打了鸡血一样，"三月份前两周都在摸索和磨合 AI，但后两周明显加速，算下来公司相比去年同期人均提效约 40% "。

云蝠智能的尝试并非孤例。成立不到两年，员工规模不到二十人的的 AI 创业公司 remio，过去半年也经历了 AI 从辅助工具到真正生产力搭档的突变。

remio 研发负责人告诉数智前线，去年 11 月底之前，AI 在这家创业公司更多是辅助角色，比如作为个人提效的辅助工具，整理文档、补代码片段等。随着去年底模型厂商的一波基础模型能力升级，去年 11 月后内部从产研到市场团队里都开始大规模流行起 Vibe Coding。

一个具体的案例是，remio 在开发多端同步功能时，需要覆盖大量边界条件，团队为此准备了 500 多个测试用例——其中相当一部分是在团队都下班后，由 AI 自主完成的。春节期间，remio 整体从 AI 知识库向 Agent 版本转型的过程中，创始人汪源一个人就通过 vibe coding 把整个 agent 框架从零搭建完成。

汪源在创立 remio 之前是网易集团副总裁、网易杭州研究院执行院长，2024 年他开始投身大 AI 创业浪潮。去年 4 月，创业半年多的 remio 正式推出了 AI 知识库产品，最近整个产品又完成了从知识库到 Agent 版本的升级。remio 团队称，AI 极大加速了产品的研发与面市进程。

作为创业团队，云蝠智能和 remio 都重视控制 token 成本。在云蝠，魏佳星提到，他们通过账号共享再配合分级使用策略，将 40 人团队的月度 AI 投入控制在 2 万元人民币。

而 remio 报销政策则是每人每月报销 400 元人民币，超出部分公司报销 90%，剩下 10% 由员工自己承担。因为如果全额报销，有员工可能会"开着 loop 一直在那里跑"，一个月几万美金都能烧出去，但产出和消耗可能会完全不成比例。

有大厂招实习生和外包要 CEO 来批

实际上，不只是这些 AI 创业公司在积极拥抱 AI，Token 预算正在越来越多的组织里成为一种新的组织共识。大型科技公司称得上这项计划的积极践行者。

今年年初，英伟达 CEO 黄仁勋在 2026 GTC 大会上预测："未来，每位工程师都需要年度 Token 预算。他们的年薪可能是几十万美元，我会额外再给他们相当于薪资一半的 Token 配额，让他们实现 10 倍的效率提升。"

开春后，国内头部互联网大厂也相继将 AI 工具和 Token 预算纳入员工福利体系。

阿里、腾讯、字节都公布了与 token 预算相关的政策或计划。以阿里淘天集团发布的 AI 生产力计划为例，全体员工（包括实习生）可免费使用悟空、Qoder 系列等内部付费 AI 工具，覆盖技术研发和通用办公场景。同时员工购买内外部开发工具的费用，可申请全额报销。

而腾讯也被报为员工配备了 Token 套餐，有报道甚至称额度夸张地达到了年度约 22 万元 / 人的覆盖标准。数智前线则获悉，腾讯员工的 token 报销额度为每人每月 1000 美金和腾讯旗下 AI 企业办公产品 workbuddy 的十万积分。

字节则在本月初宣布了一项新的激励政策，除了在工作场景提供的大量 AI 工具且不限具体额度的基础上，还可为员工业余时间学习体验优秀软硬件产品提供总价格 50% 的报销额度，其中产品 / 技术团队上限在 1000 美元，其他部门上限为 300 美元 / 年。

在这些豪横的 token 预算之外，许多中大型科技公司今年也加速在组织内推广各种 AI 工具。

例如小红书年初后大力推动全员用"虾"（内部开发版类 Openclaw 工具），有员工称上午刚培训完如何用"虾"，回来发现办公电脑上已经出现了虾。而如果没有打开软件使用，"虾"还会主动提醒员工使用。

这些企业所涉及到的工作流，覆盖了研发、设计、招聘、数据分析和市场投放等多个场景和环节。一些大厂还在最近的产品更新上线宣传中专门提到代码的 AI 贡献率。比如字节的 TRAE SOLO 上线时专门提到，Solo 独立端的开发中 AI 代码贡献率达 93%，有 100 万行代码、9000 多次提交，均由 AI 完成。

为了克服组织上的惯性，加速推进 AI 落地，大型公司在流程规则上有一些举措，比如降低 AI 应用门槛，增加扩张新人手的流程难度。

有巨头企业金融业务线员工告诉数智前线，他们现在招聘一个外包都要报批到 CEO，这与公司内大力鼓励员工用 AI 来完成业务流以及充裕的 Token 预算形成了鲜明对比。

"遇到问题，你应该第一反应去用 AI 解决，而不是问其他部门或寻找其他资源"，有公司的 CEO 称，他现在希望改变员工的思维方式和协作方式，这样才能充分发挥 AI 的价值。

数智前线获悉还有一些大型企业里提出了一些 OKR 指标，设定了有一定比例工作必须要与 AI 协作完成。当然也有一线员工反映，由于目标设定相对含糊，员工其实也不明确目标最终会如何落地，"怎么量化，怎么考核具体的比例，其实很难有明确的数据"。

虽然一些人士指出，大型组织存在重重汇报关系，包括领导层可能不熟悉业务一线，相比更扁平的团队在用 AI 的效果感知、灵活性上可能会差，但不可否认的是，大厂也有其固有的优势。这些组织资源充足，有非常充足的 Token 预算，同时他们自身也有能力去封装工具，一旦"大象转身"，有时候使用前沿工具的速度可能比小型公司更有资源优势。

比如在去年许多企业还没有大规模用上 Ai 赋能时，字节、腾讯等大厂里已经有不少封装的供内部使用的 Agent 工具。

  救赎、排异和恐慌

AI 如同一场大感染，在组织内的代码、数据分析、投放策略、设计、招聘等一连串场景快速攻城略地。

但这个过程，并不完全是高歌猛进的故事。从市场竞争、技术进步和个体生存等不同维度，你能看到企业和打工人各有自己的叙事框架。

有人在这个过程里感受到了技术进步带来的好处。魏佳星面试过一个候选人，对方上一份工作是在一家土木建筑公司里坐办公室的。过去两年他一直在学 AI 编程，在工地上用手机刷文档、跑代码，周围没有人理解他在做什么。

而由于是 Vibe Coding 狂热分子，他得到了一个加入 AI 智能体公司工作的机会。"他在此前的组织里可能格格不入，而新的机会感觉像是在救赎他。"魏佳星回忆那次面试，认为拥抱 AI 的人和拥抱 AI 的组织之间会互相吸引，同时，企业组织对 AI 不同的态度，可能也会形成排异反应。拥抱 AI 的人在保守的组织里留不住，而会用 AI 的人会获得更高的市场回报。

就业和招聘市场，立竿见影的变化已经发生了。在我们接触的许多公司里，企业招聘对于候选人的 AI 使用能力已经是共性要求。

澎湃新闻此前梳理了腾讯、字节跳动等 5 家互联网公司发布的 2026 春招岗位，共统计到 10221 条招聘信息，分析后发现，47% 的岗位都有 AI 要求。普华永道在 2025 年 6 月 发布的《2025 年全球 AI 就业晴雨表》 ( 2025 Global AI Jobs Barometer ) 中明确指出：" 2024 年，拥有人工智能技能的从业人员平均工资溢价 56%，是前一年 25% 的两倍。"

但不可避免，在不同的工种、使用不同的 AI 工具乃至不同的角色间，对 AI 能力的态度也存在差异。

在某家中型科技公司品牌市场团队，一位资深市场人士告诉数智前线，在老板的大力推动下，他们目前在各种场景里疯狂找 AI 可落地的场景。许多场景有免不了"为了 AI 而 AI "的嫌疑，往往 AI 并不能真正交付符合要求的内容，但老板却经常质疑结果达不到预期。

例如一些文案，涉及到复杂的场合要求和需求对齐，而 AI 缺乏相关的知识背景和素材积累，即使有很复杂的提示词要求，最终完成的结果也达不到场要求。但技术出身的老板经常有一句口头禅，"如果用不好，不是 CC（claude code）的问题，是人的问题"，这让这位资深市场人颇为苦恼。

而云蝠智能魏佳星也感慨过，"如果用不好，不是 AI 的问题，是人的问题"。他发现的是，研发代码场景里 AI 产生了巨大的生产力价值，并且拥有全栈思维，能从全局来思考产品功能的 CTO 来用顶级模型产生的效果远超一般的普通研发。而如果对产品和需求无法做精准定位，讲不清要什么的人，用了 AI 可能也很难产生很好的结果。

硅谷大牛 Andrej Karpathy 前两天针对人们对 AI 能力的理解差距扩大给出了一个解释。他认为根源在于两件事：时效性和使用层级。很多人用免费版 ChatGPT 就形成了对 AI 的全部判断。而即便每月花 200 美金订阅如果不是在编程、数学或研究等场景深度使用，冲击其实依然是有限的。因为强化学习在编程这类有可验证答案的领域里效果最好，天然容易优化。而搜索、写作、建议这些普通人最常用的场景，并不是科技公司优先优化的方向，" 金矿在别处，注意力就跟着走 "。

remio 汪源则坦言，目前 Agent 在企业内的许多场景，在关键决策和质量把控环节，人的介入仍然不可或缺。例如，在市场投放场景，业务团队发现 AI 能完成自动投放的工作流，但真正运行得是否符合实时的业务要求，还需要由专业人士来校验。

但不管 AI 是否在所有的场景里奏效，一场大感染已经在发生。

一位大厂的养虾大户曾对数智前线提到自己的纠结，在龙虾热的那段时间里，他每跑通一个业务流程，沉淀初一个 skill，都很犹豫要不要向上汇报。因为 Skill 沉淀的可能就是身边同事的工作内容。

与这位大厂打工人的纠结相呼应的是，过去两周里 github 上有两类 skill 在同时流行。"同事 .skill "通过分析员工工作记录生成 AI 技能插件，可将离职员工的工作能力数字化保存，教人让 AI 接管某类同事的工作。与之相对的，有人则推出了"反蒸馏 Skill "，反过来教人如何系统性地防止自己的经验被 AI 蒸馏。

某种程度而言，这也是我们这个时代里组织效率焦虑和个体生存焦虑的真实写照。

消失，融合与组织效率的竞争

还有一些更长期的变化苗头已现。

随着 AI 可以胜任一些非常初阶且重复性很强的工作，初阶的招聘需求正不可避免地消失，"行政发票报销跟人事的筛选录用这些环节都可以使用 AI，企业可能不再需要招聘实习生"，一家企业负责人提到。

当然也有人认为，即使从打工人视角看，这些重复性的工作消失并不是一件坏事。

一家企业市场部的负责人就告诉数智前线，以前她很难招在各个平台发文章的人，因为这个环节成长性不高，但对企业来讲又是必须要投入且确保水准，招来的人由于很难有职业发展空间，经常流失。AI 现在能完成这部分工作，原来有可能在这个岗位蹉跎的人，就有机会进入到更有挑战性的环节工作。

人要去做更有创造性的工作，这个畅想正在变成就业市场更刚性的要求。至于一个缺乏经验的初阶人士如何走到有创造性有职业 taste 那一步？当下还没有具体的解法，它有赖包括教育机构及企业在内的就业市场的共同调整和改变。

同时，在职业市场里，岗位也正在"融合"，在各个部门里岗位的分工不会再那么细化。

Remio 创始人汪源举例，比如市场部可能不会再有专门的投放工种，所有人都能与 AI 协作兼顾这个环节。在研发部门，一些企业当下已经没有严格意义上的产品经理，大家都是既是产品经理又是工程师。协作已经在发生变化，原本需要产品经理、前端工程师、后端工程师、测试工程师相互协作的工作流程，会变成了一个人从需求到上线的全链路完成。并且，Vibe Coding 压缩了执行的成本，而判断力、系统思维和产品直觉，反而变得比以前更值钱。

除了职业市场里工作和人才画像发生的变化，不同的组织在这场巨变里的效率也有所差异。

一家创业公司 CEO 认为，一些顶尖代码工具对项目复杂度是敏感的。越边界清晰、逻辑独立的任务，它发挥得越好——比如一个算法功能，一个局部业务闭环。但如果让它处理一套完整的业财一体化系统，那种历史代码堆叠十年、模块之间耦合不清的东西，效果会急剧下降。

这个特性，在他看来对大公司有一种结构性的不利。因为大公司产品体系越庞大越老旧，遗留问题越多，AI 能够释放的空间就越小，而小公司，尤其是从零开始用 AI 搭建产品的团队，效率提升更为显著。

并且，大公司的人力成本天然更高，小公司可以用月薪两万以内的人，发挥原来五六万的人才能做的事。这使得同等产出下，小公司的成本结构正在变得越来越有竞争力。"未来可能很难有几万人的大厂，而几百人的团队正长出巨型公司"。

这位 CEO 告诉数智前线，他们现在警惕的，已经不只是和他们体量相近的竞争对手，而是 OPC 类组织。十个人左右，三四个研发，配两三个销售，服务一个极细分的局部市场。他们比百人级别的创业公司更灵活，AI 给了他们同样的武器，运营负担却小得多。

当然，事情可能也会出现另一个版本。大厂携体系化的资源优势，用 AI 来覆盖此前因人力成本高而无法服务的利基长尾市场。大型组织和小型企业都拥有了核武器之后，压力将在不同的组织之间传导。

一场关于组织效率的重新排位已经展开。

有的组织这场感染中完成了变形，有的还在排异，还有的企业可能还没有意识到感染已经开始——但这些不同的阶段，可能在未来一两年内会左右不同组织的命运。

© 本文为数智前线（szqx1991）原创内容

未经授权，禁止转载

进群、转载或商务合作联系后台

文章精选

龙虾围城：大企业如何跨过安全、部署与成本三道鬼门关

DRP 是 ERP 的升级，还是绕开西方的"中国式突围"？

三次"进窄门"，MiniMax 走向 AGI 深处

每天 2 起融资、3 亿入场，具身智能上演资本核爆

充电宝新国标发布，有哪些企业参与？

AI 时代体验成为必选项，网络厂商如何解题

千亿之后，华为与伙伴的下一场战役

靠减法盈利的腾讯云，凭什么敢在 AI 赛道做加法？

140 万亿 Token "唯快不破"：京东 AI 飞轮全景解构

龙虾这么火，为什么企业市场还没买单 ?

万亿外贸市场，为何成了 AI 应用富矿

刘强东做了一件雷军该做的事

除夕夜，阿里云扔出了一颗开源"王炸"

历史进程中的浙大

松下电视的结局，藏着日本家电的宿命

大模型五大"标王"与六边形战士

枪响在 2018：神秘东方力量，为何扎堆杭州