别只把AI当降本工具,它更是增长引擎

脉脉高聘人才智库发布的《Agent重置职场——AI人才流动报告》显示，2026年1—7月，新经济行业新发AI岗位量同比增长789.47%，新发AI岗位平均月薪达到63160元。34.09%的职场人自述所在公司已针对员工AI能力实施管理动作。其中，23.65%的公司已在新招聘岗位中明确设置AI能力门槛，22.63%已把AI相关能力纳入绩效考核，20.14%在围绕AI能力组织重新上岗或转岗评估。

这不是个别现象。

360集团周鸿祎8月发布全员信，要求每位管理者交出“三份作业”：至少推动一个AI产品或业务创新，至少跑通一条由AI重构的核心流程，至少拿出一项亲手用AI完成的实质性成果，全部纳入年度考核。

这些动作看起来像是在“逼人提效”，但深层逻辑是：当AI被写进招聘门槛、绩效考核和转岗评估，组织的运行方式就变了。而组织运行方式一变，新的岗位、新的业务、新的产业就会跟着长出来。

新职业不是“换了个名字”，是真的在长出新产业

很多人对AI的焦虑是“它要抢我的饭碗”。但另一面的事实是：AI正在造出很多以前不存在的岗位类型。

2026年9月，人力资源和社会保障部发布第八批新职业，新增11个新职业和23个新工种。其中，“具身智能机器人应用技术员”这个全新的职业下面，设了两个工种：具身智能机器人数据采集员和具身智能机器人训练师。同年还新增了“智能体开发员”这一工种。

在山东泰安泰山区，目前从事数据采集的已有200多人。一个46岁的阿姨，一个月前成为居家数据采集员，每天戴着设备为机器人采集动作数据，每月实习工资能拿到4000到5000元。觅蜂科技董事长姚卯青在公司第2万套设备下线仪式上说，数据采集已经推广到了社区，“不少宝妈、退休人员都在为公司生产数据”。

这不是“降本”逻辑——这是“造饭碗”逻辑。

机器人要干活，就得有人教它怎么干活；智能体要帮企业做事，就得有人训练它、调教它、管理它。一个新的技术形态出现，围绕它的数据、训练、运维、伦理、审计，都会长出全新的分工。

这个逻辑在全球范围内都得到了验证。

根据领英发布、世界经济论坛引用的数据，AI在两年内已催生超过130万个新就业岗位，包括AI工程师、前沿部署工程师、数据标注员等新兴职位，此外还创造了超过60万个AI数据中心相关岗位。

前沿部署工程师（FDE）就是一个典型的“新造”岗位。这种工程师被派进客户现场，把AI真正塞进企业的业务流程里。脉脉报告显示，2026年1—7月，FDE/现场部署工程师岗位量同比增长约15倍，发布FDE岗位的公司中37.3%是AI原生企业。OpenAI和Anthropic今年春天几乎同时成立了专门的“部署公司”。亚马逊宣布投资10亿美元组建“AWS前沿部署工程”团队。

脉脉报告将AI人才和岗位划分为三类。2026年1—7月，AI应用开发岗位占比达到60.97%，AI技术底座岗位占比为24.55%。脉脉创始人林凡说得很直接：“年薪千万的底座人才，大部分公司用不上。多数企业更需要能做Agent应用的人，以及能把Agent用进业务流程的人。”

换句话说，这轮AI增长的主角，不是在实验室里训大模型的人，而是在各行各业将AI深度融入业务场景的人。而这些人里，很多做的是一年前还无法想象的工作。

组织治理变革，让创新长出来的土壤

降本和创新的本质区别在哪？

降本是“把旧事做得更便宜”，创新是“做出以前做不了的事”。 当AI只是工具时，它的上限是省下来的钱。但当AI被写进考核和流程时，它的上限变成了组织能尝试什么新东西。

SharkNinja是打造出TikTok爆款Ninja Creami冰淇淋机的消费产品公司。CEO马克·巴罗卡斯担心员工AI转型太慢，做了一个前所未有的决定：让全公司暂停正常工作四天，全员投入一场名为“Jailbreak”的AI黑客松。

具体做法是：把来自不同部门的员工混编成10-15人的团队，去攻克约20项重大倡议。主管还鼓励那些工作不太需要跨团队协作的员工，为自己的部门提出挑战目标，最终额外产生了约400个创新项目。总部大厅挂着一面巨型横幅，写着：“如果东西没坏，就把它拆解重组。”

成果是什么？

一个团队用AI在一周内生成了两款新产品的创意和原型，把它们连接到云端，还开发了配套的食谱应用。另一个团队做出了挖掘全球消费者反馈（包括社交媒体数据）并可按国家或人口统计族群分类的工具。还有团队开发了能对产品概念进行评分并建议改进的AI工具。

一位员工的原话是：“过去在某些情况下需要数月或数季才能完成的工作，现在只需要几天就能达成。”

CEO巴罗卡斯对这件事的定性是：“AI是伟大的均衡器。无论你是大学生还是资深副总裁，你实际上可以贡献出相近水准的成果。”

蒙牛的做法是从28个一级事业部选拔出200位“AI先行官”——其中数科部门只有3人，绝大多数是业务人员。

低温事业部的设计师张思明，完全不懂代码，通过100多轮自然语言对话，让AI帮她从0到1做出了一个叫“牛图工厂”的网站——上传PS模板和Excel，自动批量生成电商主图，单张生成时间从3-5分钟缩短到几秒钟，出图速度提升25-35倍。她正在把这个工具改造成全员可用的Skill，目标是让公司里不会设计的同事也能一键生成电商物料。

奶源事业部的王国银把两本奶牛疾病学权威著作“喂”给AI做知识库，结合自己的牧场服务经验，封装出一套专属蒙牛的奶牛精准诊疗智能Skill。

蒙牛把这场大赛定性为“组织实验”：能否从内部生长出一支既懂业务又懂AI的FDE队伍，把员工的个人智慧沉淀为组织的AI资产。大赛共产出了199个潜在提效场景，覆盖研发、生产制造、供应链物流、销售等八大业务领域。

这就是组织治理变革作为创新引擎的逻辑：当公司把AI写进考核，逼的不是员工“用工具”，逼的是整个组织重新思考“我们还能做什么”。

创新发生在以前“做不了”的地方

如果说大厂在用考核“逼”创新，中小企业则直接“长”出了新业务。

吉宏股份是一家跨境电商企业，今年上线了自主研发的“Giikin AI+”全域智能运营平台。平台上线后，整体运营效率提升60%以上，但更值得看的是另一个动作：公司计划把内部验证成熟的AI能力，分层沉淀为可组合、可计费、可交付的产品货架，围绕内容生产、经营决策、业务履约、Agent调用等方向，构建可商业化的产品与服务矩阵。

这已经不是“用AI省成本”了，这是把AI能力本身变成一门新生意。

吉宏股份电商板块负责人说，AIGC的成熟为“千人千面、万人千面”的精准触达打开了新的战略天花板。翻译一下：以前做不到的个性化运营，现在能做了；以前没有的服务品类，现在能卖了。

阿里国际站上，一个20多岁的年轻人用Accio Work搭建了8个AI Agent，从市场调研、产品开发到设计、政策分析、业务复盘，全部交给AI员工完成，10分钟就能把挪威买家的一个需求变成9款原创设计。这个人没有工厂，没有设计师团队，但他用AI“跑通”了一条以前不存在的业务链路。

这些案例的共同点，并非AI技术本身有多先进，而是企业通过将AI写入流程和考核，或借助AI平台降低创新门槛，让组织具备了“做新事”的能力，然后新业务、新收入才随之而来。组织治理变革与平台赋能，共同构成创新涌现的土壤。

当AI开始“创造知识”，新产业的边界就被推开了

上面说的还是“用AI做业务”。而更深层的创新，是AI正在帮人类做出以前根本做不出来的东西。

最典型的是药物研发。

今年9月，一项发表在《Bioorganic Chemistry》上的研究展示了AI驱动的虚拟筛选工作流，通过图神经网络建模和分子动力学模拟，成功识别出三种全新的FLT3-ITD抑制剂候选分子，并经过实验验证。今年8月，PNAS发表了一项AI加速的PROTAC设计研究，开发出first-in-class的降解剂，能实现完全且选择性的蛋白质清除。

这意味着什么？

以前设计一种新的药物递送分子，科学家要凭经验和大量试错，可能花几年时间。现在AI可以在几周内完成海量筛选。这不是“降本”——这是让以前做不了的事变成可能。

不只是药物。

LG Display利用自主研发的“材料发现AI智能体”，成功开发出一种具有全新分子结构的OLED关键材料——“绿色主体（green host）”。在此之前，OLED材料的研发需要研究人员设计数百种候选结构，反复进行合成与性能评估，门槛极高，导致全球极少数公司垄断了这个市场数十年，LG Display自身也长期依赖从默克等外国公司进口。

AI改变了这个逻辑。LG Display用AI取代了分子生成和预测阶段的工作，在虚拟空间中设计海量分子组合，利用模拟器预测稳定性和性能，将1亿种候选材料缩小至约1000种，经过合成可行性模拟后，最终需要人工审核的候选名单缩减至约10种。一旦投入量产，预计每年可节省数百亿韩元。

这些创新的共同特征是：AI不仅在优化旧流程，更在推动人们开拓以前无法想象的新市场、新产品、新知识。

世界经济论坛在《2030年AI与就业四大情景》报告中预测，到2030年全球或将新增1.7亿个岗位，同时取代9200万个岗位。在“超级加速发展”情景下，传统岗位加速消失的同时，AI智能体协调者、生态设计师等新职业将形成规模化发展，人类工作重心从执行层面转向对AI系统的监督与设计。

公司为什么开始用“AI能力”来定岗定薪？

答案不在“降本”两个字里。降本能解释公司为什么买AI工具，解释不了为什么AI岗位量能涨近8倍，更解释不了一个46岁的阿姨能在家门口找到一份叫“具身智能机器人数据采集员”的新工作。

这里说的“增长”，不是把旧事做得更多，而是做出以前做不了的事。不是产能扩张，是新职业、新业务、新知识。

真正的引擎，是AI正在推动人们创造以前无法创造的东西。