想象这样一个场景。

一个人早上打开电脑，向自己的AI团队下达任务。

研究Agent分析行业机会，产品Agent设计解决方案，开发Agent完成软件原型，营销Agent策划推广内容，财务Agent评估成本与收益。

几个小时后，一项过去可能需要多个专业岗位协同完成的知识性工作，已经形成了初步成果。

这不意味着AI已经能够独立经营一家成熟企业。但它揭示了一种正在形成的可能性：一个人可以调用的专业生产能力，正在逐渐突破其自身知识、时间和技能的限制。

如果未来一个人能够通过AI，完成一家100人公司绝大多数知识性工作，那么一个问题就变得不可回避：

传统企业为什么还需要100个人？又凭什么能够战胜这个人？

答案可能并不是“传统企业终将消失”。

恰恰相反，AI既可能创造前所未有的超级个体，也可能让率先完成AI原生重构的企业，拥有比过去更强大的竞争力。

真正值得关注的，不是谁取代谁，而是当知识生产能力越来越容易获得，个人、岗位与企业之间的关系将如何重新定义。

这背后，可能是一场远比办公自动化更深刻的商业变革。

关于AI对就业的影响，有一种广泛流行的判断：

AI不会取代岗位，只会取代岗位中的部分任务。

这个判断有合理之处，但并不完整。

我们首先需要理解，什么是岗位？

一名行业研究员需要检索资料、整理数据、建立分析框架、撰写报告、制作图表，并向客户解释结论。

一名产品经理需要研究需求、设计方案、编写文档、推动开发、协调资源，并最终对产品结果负责。

这些岗位并不是不可分割的整体。

它们本质上是企业在特定技术条件下，将一系列任务、技能和责任组合起来的管理单元。

岗位并不是天然存在的，而是某个时代生产力条件下的任务组合方式。

当技术条件改变，这种组合方式自然也会改变。

国际劳工组织在2025年发布的研究中指出，全球约四分之一的就业岗位具有一定程度的生成式AI暴露度。研究认为，现阶段更可能发生的是岗位转型，而非所有相关岗位整体消失。

但转型不等于岗位数量必然保持不变。

试想，当AI能够完成研究员大部分资料处理工作时，企业可能产生三种选择。

第一，让原有研究员处理更多课题，扩大服务范围。

第二，保留少量研究员，将标准化工作交给AI，减少相关岗位。

第三，重新设计业务流程，将研究、分析、报告生成和客户交付整合为新的工作单元，原来的部分岗位不再独立存在。

这三种结果都可能发生，取决于需求是否增长、技术是否可靠，以及企业如何重新组织生产。

岗位变化也已经出现值得警惕的早期信号。

斯坦福数字经济实验室2026年8月更新的一项研究发现，在美国22至25岁的年轻劳动者中，高度AI暴露职业的就业人数，相对于同龄低暴露职业的增长趋势存在约19%的缺口，主要表现为新招聘减少。

研究者同时强调，这属于描述性证据，不能直接将全部差异归因于AI，也不能将其理解为整体就业下降19%。

但这提醒我们：AI对岗位的影响，可能首先发生在企业招聘新人以及重新分配工作任务的过程中。

甚至还有一个更加长远的问题。

如果初级岗位承担的标准化工作大量消失，那么未来的资深专家又该如何积累经验？

过去，企业通过大量基础工作培养人才。

未来，企业可能需要重新设计人类从初学者成长为专业决策者的路径。

因此，我们不能简单地在“取代任务”和“取代岗位”之间二选一。

AI最先改变任务的执行方式，随后可能重构流程、重新组合岗位，并最终改变企业内部的分工与组织边界。

而这场变化的经济意义，远不只是减少多少员工。

现在回到那个假设。

一个人借助AI，能够完成过去一家百人企业的大部分知识性工作。

这家百人企业就必然失去竞争力了吗？

未必。

因为同样的AI能力，并非只有个人能够使用。

一家100人的企业完全可以重新组织自己：不再依靠传统职能部门之间层层传递任务，而是围绕客户需求和经营结果，拆分成多个敏捷经营单元。

每个单元由少量具备专业判断力、业务经验和客户服务能力的人员组成，同时管理一组能够承担研究、分析、开发、运营和流程执行任务的AI Agent。

企业总部则不再需要干预每一项具体工作，而是重点建设共享技术、数据、客户资源、质量标准、品牌信用和风险管理体系。

这样一来，一家百人企业有机会同时获得两种过去难以兼得的能力：

小公司的敏捷，与大公司的规模。

2025年9月，麦肯锡在关于智能体组织的研究中提出，未来组织可能逐渐围绕业务结果构建人机协同的小型团队。

其部分早期实践表明，2至5人的团队已经能够监督50至100个专业化Agent，完成客户入职、产品发布等特定端到端流程。

这一经验并不意味着几个人已经可以普遍替代几十名专业员工，而是说明一种新的工作组织方式正在被探索。

我们不妨进一步设想。

过去，一家百人服务企业可能划分为市场、销售、产品、研发、交付和客户运营等部门。

未来，它可能由多个具备端到端服务能力的AI敏捷单元组成。

每个单元能够自主识别细分需求、设计解决方案、组织交付，并对最终经营结果负责。

不同单元之间不必重复建设所有基础能力，而是共享企业统一的品牌、数据、AI平台与客户基础设施。

如果这种模式成立，企业增长就不再完全依赖增加员工人数。

它可以通过增加敏捷单元、复制成熟能力、扩大AI资源调度范围，提高业务覆盖和服务产能。

这意味着：

未来企业的规模优势，可能越来越不取决于直接雇佣多少劳动者，而取决于能够有效组织和调度多少生产能力。

在这一过程中，传统大型企业并非只能被动接受超级个体的挑战。

它们也有机会通过AI重构自身，成为更强大的商业竞争者。

但前提是，真正完成AI Native（AI原生化）转型。

AI Native并不是给所有员工购买AI工具，也不是在原有业务流程旁增加几个智能体。

它意味着重新思考：

哪些工作需要由人完成，哪些可以由AI执行，哪些决策必须由人负责，以及整个组织应该如何围绕客户价值重新协同。

把AI嵌入旧流程，是效率改良；围绕AI重新设计业务流程和责任体系，才可能形成新的组织竞争力。

不过，即便企业完成了AI原生重构，仍然需要回答一个问题：

如果个人和企业都能获得类似的智能生产能力，为什么客户还要选择企业？

答案可能隐藏在“信任”之中。

长期以来，企业的员工规模、办公场所、资本实力和经营年限，都是客户判断其可靠程度的重要线索。

一家拥有100名员工的公司，往往比刚刚成立的一人工作室更容易获得部分客户的初步信任。

但这种信任，并不真正来自员工数量本身。

人员规模只是过去商业信用和履约能力的一种外在信号，而不是商业信用的本质。

客户真正需要的，是企业能够持续提供质量稳定的产品和服务，并且在出现问题时，有明确的责任主体和可靠的解决机制。

一家企业能否按时交付？能否保障客户数据安全？能否长期维护产品？能否承担赔偿与售后责任？能否在关键时刻动用足够资源解决问题？

这些能力，无法仅仅通过生成更多内容、调用更多Agent而自动获得。

企业过去长期积累的客户关系、真实履约记录、行业声誉、合规能力、资金实力和供应链资源，仍然可能形成重要优势。

当然，这并不意味着超级个体永远无法获得同等信任。

随着第三方认证、合同保障、专业责任保险、平台信用体系和可验证的服务记录逐渐成熟，个人经营者也可能在越来越多的领域建立自己的商业信誉。

传统企业的信用优势并非不可瓦解。

但至少在相当长一段时间内，在高风险、长期服务和复杂履约场景中，经过市场验证的信用与责任承担能力，仍然具有实际商业价值。

由此可以看到一条重要的变化路径：

当知识和生产能力更容易获得，企业的竞争优势可能从“我有能力生产”，逐渐转向“客户相信我能够持续兑现承诺”。

这也解释了为什么，在未来商业世界中，品牌、信用和履约能力可能不会因为AI而失去价值。

反而可能随着同质化供给的增加，变得更加重要。

这里还存在一个容易被忽略的矛盾。

假设一家企业通过AI，让服务产能提升了5倍。

从企业内部看，这是巨大的效率进步。

但如果整个行业的竞争者都能使用同样的AI工具，那么市场供给也可能同步增长。

甚至部分客户会发现，原本需要向专业服务公司购买的工作，现在自己借助AI就能完成。

这意味着，企业虽然生产得更快、成本更低，却不一定能够维持原有价格和利润。

麦肯锡2026年8月发布的全球AI调查中，80%的受访者表示AI提升了个人工作效率，但只有37%报告AI对所在企业的息税前利润产生了正向影响。

两项数据的统计口径并不完全相同，也不能简单作因果比较，但它们揭示了一个值得重视的现实：个人生产力的提升，并不等于企业经营收益必然同步增长。

这与我们此前讨论的一个判断相互呼应：

AI让开展一门生意更容易，却不一定让保住利润更容易。

那么，真正有竞争力的企业应该怎么办？

我认为，关键是把AI带来的短期效率优势，尽快转化为更难被复制的长期商业资产。

首先是市场资源。

包括客户关系、渠道入口、分发能力、稳定供应链和真实业务场景。

其次是具有独特价值的数据资源。

不是简单积累更多数据，而是在合法授权和合规使用的前提下，形成竞争者难以获得、能够持续改进服务的业务数据与反馈体系。

再次是行业标准和生态规则的影响力。

当一家企业拥有足够多的客户、合作伙伴和交易活动，就有机会通过技术接口、服务规范、质量认证和协作机制，参与形成被市场广泛接受的商业标准。

当然，行业规则不可能仅凭一家企业的意愿就获得市场认可，其建立还取决于参与者利益、市场竞争和监管要求。

但可以肯定的是：

真正值得追求的，不只是AI带来的产能优势，而是将产能优势转化为市场优势、数据优势、信用优势和生态影响力。

前者可以让企业率先提高效率。

后者才可能帮助企业在技术逐渐普及之后，继续保留竞争优势。

这也是为什么，AI原生化应当是一项商业战略，而不仅仅是一项降本增效工程。

如果沿着这个逻辑继续推演，未来企业还可能发生一种更加深刻的变化。

当企业已经积累了AI生产能力、客户渠道、数据基础设施、品牌信用和业务标准，它一定要将这些能力全部用于自己的业务吗？

未必。

它完全可以将部分能力向外部开放。

例如，一家原本提供营销服务的公司，在完成AI原生重构之后，可能同时经营三类业务。

第一类，是传统意义上的自营业务。

企业继续直接为客户提供品牌策划、营销运营、内容生产等专业服务，通过AI提高效率和交付质量。

第二类，是能力服务业务。

企业将自己积累的智能体工作流、数据分析能力、营销工具和运营系统产品化，向其他小微企业或独立经营者收取订阅费、使用费和服务费。

第三类，则是生态经营业务。

企业进一步连接客户、独立创业者、专业服务商和技术开发者，为其提供客户入口、技术基础设施、信用保障与交易协作服务，并从平台服务和生态交易中获得收益。

这三种模式并非彼此排斥。

相反，它们可能形成相互促进的关系。

自营业务不断产生真实场景和经验，帮助企业改进AI能力。

AI能力产品化，扩大服务覆盖范围和收入来源。

外部生态进一步带来多样化的市场需求、创新尝试与合作资源，反过来增强企业的业务竞争力。

一家企业可以同时成为生产者、能力提供者和生态组织者。

这也让我们看到了OPC（One-Person Company，一人公司）生态可能带来的商业机会。

2026年9月，上海市发布OPC社区申报政策，将OPC界定为以AI驱动经营活动、员工人数在10人及以下的初创微型企业，并提出整合模型、工具、场景、资本、人才等要素，支持这些企业快速验证和实现商业落地。

值得注意的是，这里的OPC并不严格等同于只有一名员工的法律主体，而是代表一种以少量核心人员结合AI开展经营的新型微型企业形态。

随着这类经营主体的发展，围绕它们的专业工具、服务能力和产业基础设施，也可能出现新的市场需求。

但并不是所有传统企业都应该转型为平台。

对于拥有独特技术、工艺、实体资产或专业服务能力的企业，持续经营自己的产品和服务，仍然可能是最合理的选择。

对于具备标准化服务能力和产业连接优势的企业，能力平台化可能产生新的收入来源。

而对于同时拥有自营业务优势和广泛生态资源的企业，双轨发展可能更具价值。

真正的战略问题不是“每家企业是否都要成为平台”，而是：

哪些能力适合自己经营，哪些能力适合对外开放，哪些价值需要通过更广泛的生态协作才能创造？

需要强调的是，经营生态并不意味着可以无限制获取参与者的数据与利润。

如果平台不能为外部经营者创造持续价值，或者利用自身优势损害合作伙伴利益，那么所谓生态也难以长期成立。

一家企业要从经营业务走向经营生态，需要改变的不仅是收入模式，还包括利益分配、信任机制和商业治理方式。

讨论至此，我们或许还低估了AI带来的另一种变化。

过去，创业者想开展一项业务，往往需要先考虑组织问题。

需要什么专业人员？如何组建团队？如何分工？如何管理？是否有足够资金承担持续运营成本？

很多商业机会并不是没有客户需求，而是因为潜在收入不足以支撑传统的经营成本，最终无法成为一门可持续的生意。

AI可能改变其中一部分经济约束。

例如，一家小型线下门店过去可能负担不起长期的专业经营分析服务。

但如果AI能够以较低成本持续分析销售、库存、会员和周边市场信息，那么原本只适合大型连锁企业使用的经营辅助能力，就可能逐渐进入小微商家的日常经营。

再如，一家规模很小的跨境品牌，过去可能没有能力长期配置多语言营销、海外市场研究与全天候客户服务团队。

但借助AI与外部专业服务的组合，它可能以更低的固定成本进入更多细分市场。

需要指出的是，这些机会能否真正成立，仍取决于数据质量、获客成本、技术可靠性和客户支付意愿。

AI只能降低部分供给成本，不能凭空创造真实需求。

但它确实可能让过去不具备经济可行性的服务，第一次接近商业化门槛。

由此带来两种不同的商业变化。

第一种，是旧生意的重新分配。

原本需要一家几十人公司完成的业务，现在可能由几个人甚至一个人结合AI完成。

成本下降，供给增加，原有市场中的竞争关系和利润分配发生变化。

第二种，是新需求的商业化。

过去没有得到充分满足的长尾需求、个性化需求和持续性服务需求，因为供给成本下降而形成新的市场。

前者主要改变现有商业价值如何分配。

后者则可能创造新的商业价值。

从长期看，第二种变化的意义可能更值得期待。

因为AI真正改变的，不只是已有生意需要雇佣多少人，还可能是人类能够以什么成本、通过什么方式，获得此前难以享有的产品和服务。

商业模式创新由此不再只是为已有产品设计新的收费方式。

它还可能意味着重新发现需求、重新定义产品，以及重新组织整个价值创造过程。

将这些变化放在一起，我们可能会看到两条同时发生的演化路径。

一方面，个人的经营能力正在扩展。

一个具备专业判断力和商业意识的人，可以通过AI调用越来越多的知识、技术和执行能力。

他未必需要先组建完整团队，才有资格进入一个商业市场。

另一方面，企业的经营边界也可能变得更加灵活。

它可以将内部拆分为多个AI敏捷单元，也可以将成熟能力开放给外部创业者，逐渐从一个相对封闭的生产组织，演化为连接更多市场主体的协作网络。

前者让个人拥有更多过去属于企业的生产能力。

后者让企业获得更多过去只能通过市场交易调动的外部资源。

AI可能让个人越来越像一家企业，也让企业越来越像一个市场。

这并不意味着传统组织会失去存在的必要。

经济学家罗纳德·科斯曾从交易成本的角度解释企业存在的原因：在某些情况下，通过企业内部组织协调资源，比完全依靠外部市场交易更有效率。

AI的特殊性在于，它可能同时降低企业内部的协调成本，以及个人参与市场交易的成本。

因此，AI并不必然推动所有企业缩小，也不必然让所有业务走向平台化。

在某些行业，它会让小型经营者更具竞争力。

在另一些行业，它可能帮助大型企业充分发挥资本、渠道、品牌、数据与规模优势。

还有一些行业，由于实体生产、复杂协同、合规责任和稀缺资源的限制，传统组织结构可能长期保留重要价值。

未来商业世界未必只有一种胜利者。

我们可能同时看到超级个体、AI原生小型企业、大型平台和经过AI重构的传统产业巨头共同存在。

而这些主体之间，也不再只有竞争关系。

超级个体可以成为大型企业的供应商、合作伙伴和生态参与者。

大型企业则可以通过开放能力，帮助更多小型经营者进入市场。

竞争与合作可能在更细的业务环节上同时发生。

不过，这一切仍然有一个重要前提。

AI生成的结果需要校验，复杂决策仍然需要责任主体，真实世界的交易必须处理合同、质量、资金、风险与信任问题。

AI的使用本身也存在成本，并非能够无限制地低成本扩张。

更重要的是，当越来越多的工作交给智能体，人类的判断力、专业能力和责任意识不仅不会自动失去价值，还可能成为决定整个系统能否可靠运行的关键。

AI可以帮助我们完成越来越多的工作，但商业活动最终仍然需要有人理解客户、承担风险，并对结果负责。

回到文章开头。

当一个人拥有一支AI团队，传统企业还剩下什么优势？

我们或许已经可以给出一个更完整的回答。

对于个人来说，AI可能让曾经难以跨越的专业能力和组织成本门槛逐渐降低，使更多人拥有独立创造商业价值的机会。

对于企业来说，AI并不意味着规模优势必然消失，而是要求企业重新定义规模的意义。

未来，真正重要的可能不是拥有多少员工、多少Agent，而是能够组织多少有效生产能力，连接多少真实需求，积累多少难以复制的商业资产，并持续兑现多少值得客户信任的价值。

对于整个商业世界来说，变化可能更加深刻。

当大量标准化知识生产能力逐渐普及，企业间的竞争或许会越来越多地围绕需求洞察、稀缺资源、市场信用、生态协作和价值分配展开。

一些传统岗位会被重组，一些企业会失去过去的竞争优势，一些新的经营主体则可能获得前所未有的发展机会。

但最值得期待的，不只是用更少的人完成过去的生意。

而是那些过去因为成本、能力和组织门槛而无法成立的商业机会，终于有机会被创造出来。

下一种商业，不一定属于员工最多的企业，也不一定属于拥有最多AI Agent的个人。

它更可能属于那些最先发现真实需求，并能够有效组织人类、AI与各类商业资源，持续创造和兑现价值的人。

也许，未来真正值得追问的，不再是：

“一个人能够替代多少个岗位？”

而是：

“当每个人都可能拥有一家企业的部分生产能力，我们还能够创造出多少过去不可能成立的生意？”

这或许才是AI时代商业变革最值得期待的部分。

下一种商业｜关注AI、技术创新与商业世界的下一次重构。

本文基于截至2026年10月的公开研究与政策资料展开分析。文中关于未来商业形态的描述属于趋势推演，并非已经普遍实现的商业事实。

研究与资料来源

• 国际劳工组织（2025）：Generative AI and Jobs — A Refined Global Index of Occupational Exposure
• 斯坦福数字经济实验室（2026）：Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence
• 麦肯锡（2025）：The Agentic Organization — Contours of the Next Paradigm for the AI Era
• 麦肯锡（2026）：The State of AI in 2026 — On the Road to ROI
• 上海市经济和信息化委员会（2026）：关于开展2026年度OPC社区申报工作的通知