深度 · AI Native

会用 AI 的人很多真正 AI Native 的人很少

超级个体与原生组织，差的不在工具，而在结构。

文 · 技术观察  |  案例来源见文末

去年这时候，大家还在比谁的 Prompt 写得溜。今年再聊，已经有人用一个人、一套 Agent，跑出了过去一个小团队的产出；也有公司在财报里写进了「60 天、90% 自动化、20 倍人效」——不是 PPT，是审计过的数字。

中间那条分界线，我越来越愿意叫它 AI Native：不是「上了 AI」，而是工作本身按 AI 可调度的方式长出来的。

「AI+」让人写得更快；「AI Native」让人干得更少、交付更多。

先撕掉两个标签

AI Native ≠ 全员会用 ChatGPT。 培训完写得更漂亮的周报，核心业务可以一动不动——这是很多公司卡住的地方。

AI Native ≠ 买一个 Copilot 席位。 工具在 IT 手里部署完，业务「可用可不用」，报表上看不见变化——这叫 L1，不是终点。

更值得追的状态是：你说清要什么结果，系统拆任务、调接口、跑流程；你只在判断、例外、担责的节点出现。对个人，这叫超级个体；对组织，这叫原生能力长在系统里，而不是锁在某几个「大神」脑子里。

很多人问我：这和「云原生」有什么关系？类比很准——云原生不是「服务器搬到了云上」，而是应用从设计之初就按容器、微服务、弹性扩缩容来构建。AI Native 同理：不是旧流程 + 聊天框，而是流程、数据、权限、验收标准，都按「可被 Agent 调度」来长。

四个档位，你对号入座

L0 尝鲜：个人偶尔问 AI，公司无流程、无度量。热闹完，核心业务不变。L1 赋能：买了 Copilot / 大模型账号，IT 部署完，业务「可用可不用」。这是当下多数公司的真实位置。L2 超级个体 / 试点团队：有人用 Agent 跑通了一条链路，能说出「这条线省了多少小时」。但经验还在个人 U 盘里，人走术消。L3 AI Native：全链路可调度、经验资产化、能 Demo 才立项、客户侧指标有变化。明略、传神、零犀公开披露的实践，都在往 L3 靠。

诚实自检：若三周后你说不出「自动完成率」「人效倍数」「客户哪项指标变了」，你还在 L0–L1，不必焦虑，但别骗自己说已经转型成功。

真正改变结构的，是五类「化」

甲子智库等机构在讨论「AI 原生组织」时，常用五个方向概括。不必背概念，但要理解每一件都在拆旧组织的墙：

系统接口化 — CRM、工单、代码仓、BI 若只有人能点，Agent 永远进不去。接口是 AI Native 的地基，比模型选型更优先。经验资产化 — 销冠的话术、老运维的排障路径，从「在他脑子里」变成 Prompt、Skill、工作流，新人第一天就能调用 80 分水平。交互意图化 — 少说「点这三个菜单」，多说「我要一份能过审的竞品复盘，缺数据就标红」。意图越清晰，Agent 越稳。协同流态化 — 项目组按任务临时组网，角色边界变动态；固定科层还在，但执行层越来越像「调度网络」。接入凭证化 — 人、Agent、外包伙伴用统一身份与权限接入，谁调了什么、动了哪条数据，可追溯。

五化齐头并进不现实。技术团队通常从接口化 + 资产化切入；业务团队从意图化 + 一条链路试点切入——这就够产生第一批可量化结果。

什么叫「全链路」？——以明略秒针为例拆开

秒针为品牌做社媒监测与营销复盘。传统模式：抓取 → 清洗 → 搭分析框架 → 提炼洞察 → 撰写报告，步步靠人。所谓 90% 自动完成，不是「写报告快了」，而是整条链的运转逻辑换了：数据抓取与处理由 Agent 跑，框架由 AI 动态搭，洞察与成稿由 AI 产出，人只在「AI 认为需要人工判断」的节点介入。界面新闻援引其披露：同质量下深度复盘报告人效约 20 倍；部分维度上 AI 在洞察稳定性、框架完整性上甚至优于纯人力——说明不是牺牲质量换速度。

三个被验证过的刻度

数字的意义：AI Native 可以用财报、合同、收购价来验收，而不是用「我们也很重视 AI」来验收。

超级个体：一个人，一支舰队

案例 · Maor Shlomo / Base44

2025 年 2 月，以色列开发者 Maor Shlomo 一个人上线 Base44——用自然语言描述需求，平台生成带数据库、登录、分析能力的完整应用。没有联合创始人，没有融资，没有办公室。

同年 6 月，Wix 以约 8000 万美元现金收购（另有业绩对赌）。收购前：注册用户约 40 万，年化收入约 350 万美元，月利润近 20 万美元，毛利率约 70%–75%。

超级个体的能力模型可以压成三句话：会拆意图（Agent 能执行）、会编排工具（代码、流程、消息渠道接在一起）、会沉淀资产（第二次比第一次快一个数量级）。飞书/微信里的 Agent、IDE 里的 Copilot、自建的 n8n 流程——都是载体，不是终点。

超级个体不是「加班狠」，是杠杆结构不同

可以把超级个体理解成三层杠杆叠加：时间杠杆 — Agent 7×24 跑长尾任务（监控、初筛、草稿、对账），你睡觉得时候它在干活。技能杠杆 — 你不会的领域，用模型 + 检索 + 工具调用补位；你会的领域，用资产复用放大。信任杠杆 — Base44 的公开构建、持续交付，把「一个人」变成可预期的品牌，降低客户与收购方的认知成本。

工作流资产（WaaA）：个人版的「组织记忆」

行业里有种说法叫 Workflow as an Asset：把你重复第三遍以上的操作，封装成可被调用的工作流——对个人是「我的包」，对组织是「公司的包」。封装得越标准，你越像生态里的一个能力节点：公司内同事可调，公司外甚至可计费调用（咨询、模板、垂直 Agent 都是形态）。

传神创始人何恩培提过：未来大概只剩两种人——生产 Token 的人（把知识、经验封进可被调用的单元），和用 Token 创造价值的人（用这些单元放大专业输出）。超级个体走在前头，组织要做的，是把个人的 WaaA 升级成可治理、可审计、可复利的系统资产。

另一条线索：Vercel 与「产品即 Agent」

不只独立开发者。Vercel 推出 v0 等能力，本质是把「做产品」这件事 Agent 化——描述界面与逻辑，系统生成可部署产物。Guillermo Rauch 一脉的公开叙事里，强调的不是「AI 写两行代码」，而是缩短从想法到可验证产品的时间。这与 Base44 同属「构建层 AI Native」：竞争点从「谁代码写得多」转向「谁验证假设更快」。

原生组织：个人再强，也绕不开机制

36 氪等报道里，传神、华为、联想、飞书、阿里 Token Hub 等实践指向同一件事：智能决策要变成默认能力，业务流和工作流不能两张皮，协同经验要能被拆解和复制。传神的打法更具体，值得拆开看。

传神：CAIO + 能跑的 DEMO

设立首席智能官（CAIO），成立 AI Native 决策委员会；「AI 联合舰队」立项必须带可运行 DEMO、对准真实业务。同事真实使用且满意，团队才攒「能量金」——好不好用，用户和数据说了算，不是 PPT 说了算。产品化输出 TSClaw 工作台，强调数据本地化与 Skill 安全审查：原生能力要「长」在流程里，不能裸奔嫁接。

明略：先拿自己开刀，再卖给别人

秒针系统 60 天做完全链路 Agentic 改造：抓取、清洗、分析框架、洞察、成稿都进调度；人只在关键节点审核。营销交付效率最高约 4 倍，工单解决时间压缩超 30%；全体员工 100% 接入 DeepMiner，可按岗位自建 Agent。对外 Agentic Services 首年营收超 1 亿——内部数字就是最好的销售材料。

零犀 & 金蝶：两种商业路径

零犀走垂直因果大模型 + 按业务结果付费，汽车、金融、保险、教育等场景深耕；公开报道称其智能体在部分金融/保险场景可靠性达 98%–99%+，2024 年实现首年规模盈利——在大模型应用公司里并不多见。客户为线索转化、审核通过率、成本下降买单，而不是为「多开 500 个账号」买单。金蝶则走第四条路：2025 年收入约 70 亿元、云服务占比约 82.5%，在财务、HR、供应链全链推出「AI 超级套件」——30 年行业知识 + 存量客户数据 + 已有系统生态，让老系统「长出智能」，而不是推倒重来。

鼎捷：活数据与多智能体协同

鼎捷在公开材料里强调「AI 原生企业」的三根柱子：活数据驱动的实时闭环（感知—决策—行动—反馈）、多智能体协同的系统能力、以及可信任前提下创造「合成人类智力小时」——本质是把分散在会议、邮件、表格里的判断，沉淀为系统可复用的智力单元。制造业、供应链的复杂度，决定了单点 Copilot 几乎无效；必须多条 Agent 在同一数据底座上分工协作。

阿里 Token Hub：平台方也在改组织假设

2026 年 3 月阿里重组设立 Alibaba Token Hub 事业群，定位 B 端 AI 原生工作平台，把大模型深度嵌进企业工作流。信号很明确：平台竞争从「模型 API 价格战」上移到「工作流与 Token 经济」——谁占住企业日常操作的接口，谁就占住 AI Native 的入口。对普通企业而言，不必自己造 Hub，但要意识到：选协同平台、选 ERP、选 DevOps 工具，都是在选未来 Agent 的「栖息地」。

组织转型的两条路

路径一：企业重构。 从流程、系统、岗位设计入手，走向意图驱动、流态协作——明略、传神、鼎捷偏这条，周期长，但壁垒高。路径二：个体外扩。 先出现一批超级个体，把经验封装为工作流资产，再被平台或大企业按需调用——Base44 是极端成功案例，更多人是「小团队 + Agent 网格」承接外包与垂直需求。两条路最终会汇合：个人资产需要组织的治理与规模，组织进化也需要节点上的创新。

头部实践的共同逻辑（归纳自多家公开报道）

一，智能决策是默认能力，不是专项课题。 数据流过底层，预警与建议主动找人，而不是月底才有人做 Excel。二，业务流与工作流合一。 销售在 A 系统填数、在 B 软件问审批，AI 无法介入。合一之后，项目进展、纪要、审批皆结构化，Agent 才能插在节点上。三，协同力可沉淀、可复制。 某环节处理得好，规则进系统；坑被填平，约束进流程。经验从「人走茶凉」变成组织复利。

AI+ 与 AI Native，差在哪里？

四个坑，浪费过最多预算

坑一：全员培训，核心业务不动。 学会写更漂亮的周报，客户交付周期不变，等于安慰剂。培训必须绑定具体流程和 KPI，例如「评审纪要 30 分钟内出初稿」。坑二：只买模型，不打通系统。 Agent 调不了工单、查不了库、改不了配置，就永远停在聊天框。技术团队的第一优先级往往是 OpenAPI、webhook、只读账号与审计日志。坑三：内部热闹，客户无感。 传神强调：一切内部重构的终点，是更快理解客户、服务客户。若交付周期、错误率、响应速度没有变，转型不算数。坑四：能执行，不控权。 第三方 Skill、过大权限、明文 API Key，一次事故足以让项目停摆。原生不是裸奔；数据本地化、权限分级、上线前安全审查，是及格线不是加分项。

技术人怎么切：别从 PPT 战略开始

后端、全栈、架构师往往最适合当「组织里第一个 L2」：你们离系统接口最近，也最清楚哪条链路重复劳动最多。建议按下面节奏推进，比一上来就「公司级 AI 中台」务实得多。

第 1 周 · 选链： 线上告警初判、发布 checklist、接口回归说明、Code Review 摘要、故障复盘模板——选一条你每周做 ≥3 次的。第 2–3 周 · 跑通： 写清输入（日志格式、仓库路径）、输出（结论分级、是否升级）、禁止事项（禁止直接改生产）。接到飞书/钉钉/终端，记录耗时与差错率。第 4 周 · 资产化： 把 Prompt、脚本、调用步骤放进团队 Wiki；第二个人 10 分钟能复现。第 2 月 · 接口化： 为 Agent 开放只读查询（工单、监控、文档检索）；关键写操作必须人工确认或走审批流。第 3 月 · 立项规则： 推动「无 DEMO 不排期」；用自动完成率、节省人时向管理层换扩大试点的预算。

对 Java 团队：优先把稳定、可测、有边界的自动化交给 Agent（生成单测骨架、根据异常栈写初版分析、按模板生成变更说明）；核心业务规则与资金类操作，坚持人审 + 单测 + 灰度。约定大于过度防御，但权限与审计不能省——这是企业客户与合规部门的底线。

能量化，才配谈扩大

明略能对外的底气，是内部先量出了 90%、20×。个人与团队至少跟踪这些指标：

自动完成率 — 这条链路上，多少步骤无需人工触碰即可完成。单位交付人时 — 同质量下一单活要几个人·几小时（复盘报告、工单关闭最典型）。差错率 / 返工率 — AI 介入后是否反而增加返工；若上升，说明验收标准或边界没写好。资产复用次数 — 你的工作流被第二、第三个人调用了几次。客户或可观测业务指标 — 响应时长、交付周期、NPS、成本——至少选一项与 AI 试点绑定。

若你本周只想做一件事

别从「公司级 AI 战略」开始。挑一条你每周至少重复 3 次的工作流，写清输入、输出、验收标准，接到你天天用的渠道，连续两周记录「省了多少分钟 / 少错了几次」。有数字，再谈扩大；能封装给同事 10 分钟上手，才叫资产。

装第三方 Agent 能力前做安全审查——传神的 TSClaw 强调 Skill 筛选与风险评估，OpenClaw 生态可用 Skill Vetter（npx clawhub@latest install skill-vetter）。能执行，就必须能控权。

最后一句实话：AI Native 不是名词，是生产力结构。个人可以先成为超级个体，组织再把能力制度化；但无论如何，别用「我们也上了大模型」代替「我们的客户更快拿到了结果」。

未来大概只会剩两种人：把智慧封装成 Token 的人，用 Token 放大价值的人。

传神创始人何恩培的这句话，我越来越觉得不是口号。AI Native 的终点，从来不是内部热闹，而是客户多快收到结果、组织少绑在「必须某人在场」才能推进的事上。

参考与延伸阅读

· 明略科技 2025 年报、界面新闻《60天、90%自动化、20倍人效》

· 传神 AI Native 组织实践（36氪）

· 甲子智库等机构「AI 原生组织」讨论

· Base44 / Maor Shlomo（Lenny's Newsletter、Grey Journal）

· 零犀科技商业闭环（中国日报网）

· 金蝶 2025 业绩与 AI 超级套件公开报道

· 鼎捷 AI 原生企业公开材料

· 阿里巴巴 Token Hub 事业群相关新闻

· Vercel v0 等产品公开信息