绝大多数企业正在经历“假 AI 原生”的困境

我是如何发现自己"不AI原生"的？

我们 AI 圈里有一句行话，叫落地 AI，人是最大的障碍，但同时，人也是最大的驱动力。

AI 对于很多人来说都是一件既近又远的事情。说它近，是因为几乎人人都在用 ChatGPT、Claude、豆包等工具；说它远，是因为尽管全世界的 AI 大厂都在随着裁员而降低成本、拉高利润和市值，但这一切似乎跟大家没有什么关系——绝大多数普通企业的"三大表"（资产负债表、损益表、现金流量表）并没有因为使用 AI 而发生任何改变。

每一代新技术的出现，只有一小部分企业有机会登上诺亚方舟，绝大部分企业都是没有机会的，甚至会失败。

先从我自己的创业经历讲起：

阶段	时间	关键
第一阶段：作业盒子	2014 — 2024	100 万美元启动，五年内融资 3 亿美金，进了 10 万所学校，服务 1 亿多学生。本质上依然是横向的业务 AI 化。
第二阶段：VisionFlow	2023 — 2025	管理极其精细，团队都在使用各种 AI 工具。但三年踩坑后回头一看，发现做了一个"假的 AI 原生"。
第三阶段：HiPilot 重构	2026 — 至今	彻底摒弃"假 AI 原生"做法，重构业务与组织。团队从 70 人减到不足 15 人，却支撑起 2-3 条产品线、从原来两周一版提速到两天一版。

根据实战经验，我总结出"假原生"的三个维度，大家可以自我对照：

• 技术不原生——很多技术管理者依然习惯用上一代的开发工具、数据库，而没有破除旧有惯性使用最新的技术手段。
• 产品不原生——花太多时间讨论 GUI 的按钮、菜单和布局，而忽略了意图识别、意图表达、生成控制。全世界的 C 端用户已经被教育成了，不管产品多复杂，只要"聊"就好了。投资界半年前就有观点：我们或许不该去投 GUI 思维的公司。
• 组织不敏捷——所有需求层层提单、等排期、等开发，动辄耗时几周，做出来的 Demo 一分钟就被否决。而 AI 原生团队的最小作战单元可能只需要一两个人，几天乃至几小时内就能完成产品的发布与迭代。

---

五次范式转变：从"人"到"计算机"的主体迭代

AI 原生的鸿沟问题并不在于大家不知道该做成什么样子，而在于不知道从哪里开始下手。这就涉及到一个很重要的观念：AI 原生本质上是一种范式的转变，是世界运转的底层方式变了。

纽约港曾经是全世界最大的港口。当年发明集装箱的时候，纽约港也引进了集装箱，但最终真正崛起的是新泽西港。因为靠集装箱驱动的港口和靠人力搬运驱动的港口，道路结构、码头形状、接驳方式全都不一样。AI 转型没有改良，只有重新投胎。

时代	范式	核心交互	代表
门户互联网	一切都是类	分类导航，不断点击	雅虎
搜索互联网	一切都是框	搜索框，关键词检索	百度
移动互联网	一切都是流	推荐流，不断刷	抖音
初代 AI	一切都是聊	对话界面，拷贝粘贴	ChatGPT
Agent 时代	一切都是做	AI 独立感知、决策、行动	下一代 AI 原生公司

前四个范式，人类是行动和决策的主体，技术只是工具。第五个范式开始，主体变了。

今天绝大多数人使用 AI 的方式，本质上只用到了它的思考力和计划能力——感知、行动和反思这三个能力都没用上。你发现库存下降了，告诉 AI，AI 给方案，你再传达给各部门执行——人类沦为了 AI 的"肉体"，帮 AI 跑完最后一公里。

Agent 的范式与前四代最根本的区别：计算机第一次具备了独立思考和行动的能力。它运行的是一个完整的 OODA 循环——感知、计划、行动、观察——周而复始，自我迭代。

君子不器 AI——不要把 AI 当工具，把它当人来看。

AI 如何重写一线决策？三个案例说明：

案例一 · 经营决策——某公司营收连续两个季度下滑，业务线的人说是大盘消费疲软。但 Agent 扫描全网数据后发现，问题是结构性下跌——破壁机和空气炸锅增速 52%，份额却只有 9%，而旧型号占用了 30% 的营销预算。

案例二 · 组织管理——Agent 扫描全网招聘网站，提前预判竞争对手的区域布局意图。如果竞对在某区域招了一个阿里 P9，就意味着他们要打数据化策略——一个 P9 下面拖两个 P8、六个 P7，拖 100 个店长。

案例三 · 库存运营——Agent 结合内部数仓、小红书、大众点评数据，精准判断：多口味礼品别急着清仓（下季还有需求），瓜子仁小包果断清仓（需求衰退）。通过会员闪购、小袋换装、南货北调等策略，避免一刀切降价伤品牌。

不管是战略决策还是商业运营，AI 都可以发挥作用，而且越往上层，价值越大。很多企业习惯从执行层开始用 AI，但我的建议恰恰相反——应该尽可能先从战略和经营层切入。

---

从五大维度看 AI 原生问题

AI 原生不是"招个团队、上个工具、每天给员工开账号烧 token"。它可以从业务、产品、管理、组织、人才五个维度切开，一项项对照自查，看你到底原不原生、该怎么变。

业务

传统的模式是"业务跑在 SaaS 里，决策跑在办公系统里"——人到 SaaS 里看数据后，再到飞书钉钉里跟人讨论，讨论完形成决策再回来操作 SaaS，决策闭环天然很慢。

当你回到比特世界，请不要用原子世界的世界观思考问题。Agent 是比特世界的原住民，它可以直接在比特世界里完成感知、决策、行动的完整闭环。

我身边有个 CEO 让 vivo 给他定制了一款 AI 手机，专门为房产经纪和保险销售场景设计——AI 自动感知用户状态、发送沟通信息，视频的剪辑制作也由 AI 完成，人只负责拍摄和最后确认。可以预见，一线销售岗位都会被逐步替代。

产品

一个产品从定位、定义、设计，再到开发和测试——AI 已经完全能独立胜任后期的开发与测试工作，并极大地辅助前期的定位和定义。这意味着一个产品团队可以从 5-10 人压缩到 1-2 人，速度快 5-10 倍。

用 AI 做产品更像是"酿酒"，而不是"造桥"。造桥是确定性的工程，每一步都有公式。酿酒是手艺活，充满概率与变化——你只能不断调整尝试，没有捷径。

—— Notion CEO Ivan Zhao

所以现在科技公司招人时看重的是你一个月消耗了多少 token。消耗得多，说明你真的在用。

管理

过去面试管理者，问的是：管过多少人？会定 OKR 吗？有 PMP 认证吗？但在 AI 时代，这套评价体系需要重构。真正该问的问题只有一个：你管过 AI 吗？

Harness 可以理解为驾驭 AI 的能力——说清楚让 AI 干什么、干成什么样、按什么标准干。这件事没那么复杂，但凡你能跟下属交代清楚工作，你就掌握了 Harness 的 40%。剩下的——无他，唯手熟耳。

这背后有一个更大的趋势："个体户"经历会是未来的香饽饽。Notion 的 CEO 说，他们最优秀的人基本都是通过收购引进来的——只有做过全闭环的人，才有能力指挥 AI 干活。

组织

未来衡量组织规模的度量单位正在改变。上个时代看人头数量，AI 时代看你能管多少 Agent。如果一个人能撬动 50 到 200 个 Agent，所有公司的规模都应该压缩一到两个数量级。

企业规模	变化	说明
大型企业	10万 → 5千	10 万人组织降至 5000-10000 人
中型企业	1万 → 500	1 万人组织降至 500-1000 人
小型企业	100 → 5	几百人组织降至 5-10 人

硅谷 YC 的明确原则：天使轮公司超过 4-7 人，坚决不投。超过这个数字，说明你不懂怎么用 AI。

这就像"军乐团"与"爵士乐团"的区别——传统企业组织像军乐团，有指挥、有严密分工，整齐划一行进；AI 原生组织像爵士乐团，每个人都深谙乐理，彼此默契配合，能根据反馈即兴演出。

人才

过去说一个优秀的工程师能顶 5 个普通员工。但在 AI 时代，这个杠杆率从 5 变成了 500——一将顶千军的时代真的来了。

关键是 Closer 和 Doer 的区别：

• Closer（闭环者）——能独立跑通全流程，从想法到交付一个人搞定。
• Doer（执行者）——只能完成链条中某一环，依赖协作才能产出。

很多老板觉得团队里产出不高的 Doer 只是"低成本"，留着干点脏活也无妨。但这个判断在 AI 时代是危险的——Doer 的存在会把 Closer 本来 100 倍的杠杆压缩到 10 倍、3 倍甚至 2 倍。流程越复杂、协作节点越多，效率衰减越严重。

我们过去三年见了两三千人，最终留下的 10 个人里，没有一个来自大厂，他们也不选择去大厂。要么在 Kimi、MiniMax 这些 AI 公司，要么在没什么名气的地方默默把事情做成了。

---

高薪不等于安全：什么样的人会被 AI 替代？

最危险的不是最底层的员工，而是高薪但本质上重复性强的工作。

象限	判断	典型角色
高薪 × 低维	风险最高	初级投行分析师、四大审计、初级律师、中层 PM、翻译
高薪 × 高维	相对安全	CEO、顶尖销售、创意总监（高维判断 + 复杂博弈）
低薪 × 低维	逐步替代	客服、数据录入、银行柜员、行政文员、收银员
低薪 × 高维	被低估的安全区	护士、中小学教师、社工、心理咨询师（情感不可替代）

还有一个视角，把员工分为三类，最先被 AI 大规模替代的正是第三类：

• Builder（建造者）——工程师、产品、设计。
• Seller（销售者）——销售、市场，靠人际关系，相对难替代。
• Measurer（度量者）——财务、法务、审计、中层管理；AI 本质上就是个信息处理器，这一类最容易被替代。

被替代的 Measurer 有个共同特征：高薪、结构化、可重复。

Notion 采用"哑铃策略"——只招最资深的高级工程师和刚毕业的年轻人，中间层基本不招。经验丰富的人能衔接物理世界和数字世界，年轻人没有路径依赖、上手 AI 更快。夹在中间的中层，反而是最尴尬的位置。

---

三道障碍与三个起点

范式的跃迁带来的是非连续性——两个范式之间没有平滑的过渡，你没办法靠改良从旧范式走到新范式，只能跳跃。

因为相信所以看见，因为看见所以相信。我自己是先相信，然后去干，干了之后看见结果，闭环就形成了。

从看见到行动，中间有三道障碍需要跨过：

• 障碍一：CEO 的心智障碍——CEO 跑到一线干活，传统观念叫"抓小放大"。但今天 Spotify、Airbnb、Google 的创始人都在亲自写代码，马斯克直接坐在工厂一线和工程师讨论。你不亲自到一线，就永远看不清楚真实状况。
• 障碍二：流程障碍——旧流程是为人设计的，新流程要为 Agent 设计。产品经理直接出动态 demo，不写 PRD；AI 直接给决策建议和行动方案，CEO 拍板；AI 做超级大脑和调度中枢，中层的传统上传下达职能正在被替代。
• 障碍三：人才障碍——旧组织在批量制造 Doer。2014 年的百度只有几千个工程师，一个人既做产品又做开发还做增长，这批人离开百度后撑起了中国互联网的半壁江山。而今天的字节有十万人、中台极其完善，天然不是 Closer——所有离开字节的人都说管理方式很好、想复制过来，却交付不了没有资源、没有中台环境下的结果。

CEO 该怎么开始？三个字：断、短、深。

起点	含义	做法
断	让 AI 做重要判断	不要从客服、报表这类边缘事情开始。让 AI 介入战略决策、经营决策、关键人才评估——让一号位自己去摸。
短	快速闭环见效	选一个能迅速见效的场景先跑通。找一个两周内能看到结果的事情，先让自己相信。
深	核心团队参与	不要委托给 IT 部门——那等于 CEO 放弃了形成判断的机会。CEO 自己有了体感，才知道该投多少资源。

当然，有一件事 AI 替代不了——理解真实世界，做出判断。AI 可以生成海量信息，但它不能替你感知现实在发生什么，不能替你理解事物背后的原理，也不能替你做真正的取舍。这恰恰是人最不可或缺的地方。

---

这个时代不缺技术，不缺焦虑，不缺方法，不缺知识，也不缺意愿。

缺的是行动。 AI 是下一个时代的电。希望大家都能用上电。