夜雨聆风核心人物/机构:快手技术 / AI 生产力体系 / L1-L2-L3 演进模型 / 万人研发组织
2026 年 8 月初,快手技术团队发布了题为《AI 研发范式升级新路径:从研发提效到组织跃迁》的万字长文。这篇文章详细回顾了快手从 2023 年到 2026 年间,AI 研发范式经历的三个阶段演进——L1(工具变)、L2(组织变)、L3(业务与组织同时变)。
文章在技术圈引起了不小反响。原因在于:大多数公司在过去两年讲"AI 研发",讲的都是"代码生成率提升多少""单元测试覆盖率提升多少"。这些数字看着漂亮,但和"公司业务是否真的变好了"之间,常常是脱节的。快手这篇长文的核心价值,不在于它给出了多少具体数字,而在于它承认了一个很少有大厂愿意公开承认的事实——单纯的工具普及,并不等于组织提效(来源:百度百家号"快手技术团队发布研发范式跃迁成果 AI 驱动研发提效进入组织级阶段",2026-08-07)。
这一点,可能是过去几年 AI 研发话题里最被低估的"反共识"。
二、什么是"协作摩擦"
快手在文章里提出了一个核心概念:"协作摩擦"。
它的具体含义是:一个需求从产品提出到最终上线,中间需要多少人参与、对齐、沟通、等待。每多一个人参与,AI 带来的"代码生成提效"就被稀释一次。极端情况下,一个 10 人协作的需求,AI 能把单个工程师的产出提升 2 倍,但因为协作摩擦的存在,整个项目的交付时间几乎不变。
这个观察是反直觉的。过去几年,行业的普遍叙事是"AI 让工程师变强了,所以组织变强了"。但快手的实测数据显示,"工程师变强"和"组织变强"之间,有一道被严重低估的鸿沟。这道鸿沟的名字,就叫"协作摩擦"(来源:51CTO"快手万人组织的 AI 研发范式跃迁和落地实践",2026-08)。
这个发现的意义在于:它把 AI 研发的瓶颈,从"技术"挪到了"组织"。技术可以靠买算力、训模型解决;组织,只能靠重新设计流程、重新定义角色、重新分配责任来解决——这件事的难度,比技术升级高一个数量级。
三、L1-L2-L3 的真正含义
快手提出的三阶段模型,L1/L2/L3,并不是按时间顺序的演进,而是按"变革深度"的阶梯。
L1 是工具变。这一阶段的典型动作是:给工程师配 Copilot、配 Cursor、配各种代码补全工具。目标是"让个体工程师产出更多代码"。L1 阶段的特征是"组织结构不变、流程不变、责任不变,只是单点的工具变了"。这一阶段的红利期通常 6-12 个月,然后迅速见顶。
L2 是组织变。这一阶段的典型动作是:重新设计团队结构,让"懂 AI 的人和懂业务的人"更紧密地协作;重新定义岗位(如 FDE/PDE 全栈化);重新分配责任(从"产品-研发-测试"链条改成"端到端交付小组")。L2 阶段的难度比 L1 高一个数量级,周期通常 18-24 个月。
L3 是业务与组织同时变。这一阶段的典型动作是:重新设计业务形态本身,让 AI 不仅能"加速旧业务",还能"做出新业务"。L3 不是"AI 让旧业务更好",而是"AI 让旧业务消亡、新业务诞生"——这是命题的根本转换,不是组织升级(来源:53AI"3 年、1 万人,快手技术团队首次系统披露 AI 研发范式升级历程",2026-02)。
快手的判断是:L3 才是 AI 化的终极目标,但目前国内大多数公司都还停留在 L1 和 L2 早期。L3 级别的变革,目前看到的案例极少,且都集中在少数几个有"重做业务"勇气的团队。
四、从"研发效能"到"AI 生产力"
快手在文章里还有一个重要转向:把"研发效能"这个 KPI 体系,改成了"AI 生产力"。
"研发效能"关注的是:单个需求从提出到上线用了多久,中间浪费了多少时间。"AI 生产力"关注的是:整个组织用 AI 创造出了多少新价值。前者衡量"效率",后者衡量"产出"。
这两者的区别,在 AI 时代变得非常重要。因为 AI 时代下,"效率提升"是相对容易做到的——给每个人配个 Copilot,效率数据立马好看。但"产出提升"是困难的——它需要组织结构、业务流程、人才结构同步升级。"研发效能"会让团队沉迷于"提了多少百分比",但忘了问"这些提效最后变成了什么"。
快手的做法是:把"AI 生产力"拆成几个具体的子指标——AI 完成的需求占比、AI 创造的新业务收入、AI 协作的覆盖率等。这些指标比单纯的"代码生成率"更难造假,也更能反映组织是否真的被 AI 改造了(来源:微博"快手 1.6 万字长文快手万人组织 AI 研发范式...",2026-08)。
这种 KPI 设计的转向,可能比技术升级本身更值得关注——因为它意味着大厂开始从"AI 让过程更快"转向"AI 让结果更好",这是认知层面的转变。
五、反面观点:快手的范式真的可复制吗?
不过,快手的这套"L1-L2-L3 + AI 生产力"框架,并不是所有人都认为可复制。
一种反对意见认为,快手的样本是特殊的——它是万人规模的大厂,有足够的资源去做 L2、L3 级别的组织重设计;而对大多数中小公司来说,L1 都没做完,谈 L3 是"空中楼阁"。这种"大厂经验论"的批评有一定道理:快手的方法论,未必适用于 100 人以下的团队(来源:百度百家号"蒸发 320 亿、遭投行集体看空:快手百亿 AI 豪赌背后的'增长焦虑'",2026-07)。
另一种反对意见更尖锐:快手承认了"协作摩擦",但没有给出"如何减少协作摩擦"的可执行方法。"L2 是组织变"是一句正确但无用的话——具体怎么变?改 KPI?改汇报线?改团队规模?快手在文章里给出了方向,但没有给出可被其他公司照搬的"剧本"。这一点,让文章读起来更像"思考框架",而非"操作手册"(来源:百度百家号"从 1 亿到 5 亿:可灵 ARR 狂奔,快手 AI 进入'商业兑现期'",2026-08)。
还有一种反对意见针对快手的"AI 生产力"叙事:可灵视频的成功,主要靠的是模型本身的差异化优势,而不是"AI 生产力"体系。换句话说,快手的"AI 生产力"可能是事后归因——真正让快手 AI 业务跑出来的,可能是模型、人才、时机等多种因素的组合,而非一套精心设计的组织方法论(来源:PHP 中文网"快手 Q1 财报:AI 投入成'利润黑洞',可灵视频业务陷转型阵痛",2026-Q1)。
六、笔者锐评:快手长文的最大价值,是它把"组织"摆到了台面上
看完这一万字长文,我的判断是——它的最大价值,不是给出了某个具体方法论,而是把"组织变革"这件事,从 AI 研发的"附属话题"摆到了"中心话题"。
过去几年,关于 AI 研发的讨论,主要集中在"模型能不能更强""工具能不能更聪明""数据能不能更多"。这些话题当然重要,但它们隐含了一个假设:只要技术够强,组织会自动跟上。快手的文章,用实测数据否定了这个假设。
落到具体的行动上,有三条建议。
第一,对正在做 AI 研发的中小公司:不要被"代码生成率"这类指标绑架。这些指标好,不代表组织变好了;反过来,这些指标暂时不好看,也不代表 AI 没用。真正的指标应该是"AI 创造的新业务收入占公司总收入的比例"——这个数字才能反映组织是否真的被 AI 改造了。
第二,对正在做团队管理的中层:重新审视自己团队的"协作摩擦"。具体方法是:挑一个典型需求,把从提出到上线的所有沟通、等待、对齐时间记录下来,看其中真正"做工作"的时间和"等/沟通"的时间各占多少。如果后者占比超过 40%,那 AI 提效基本被摩擦抵消了。
第三,对正在做 AI 战略的 CEO:不要把 AI 战略当成"技术战略",要把它当成"组织战略"。过去几年的 AI 落地,最大的瓶颈不是模型不够好,而是组织不愿意变。这一点,快手在文章里讲得很克制,但其实是最值得讲的。
七、一个被轻描淡写的细节:FDE/PDE 全栈化
快手文章里有一个细节值得展开——FDE/PDE 全栈化。
FDE(Forward Deploy Engineer)和 PDE(Product Development Engineer)的全栈化,意味着原本被切得很细的角色边界,正在被重新模糊。过去一个需求,需要产品提需求、研发写代码、测试做 QA、运维做部署——四个人四个角色四段流程;全栈化之后,一个人或一个小组,可以端到端完成所有这些事。
这种全栈化的本质,是"让离业务最近的人拥有全部决策权"。这是组织变革中最难的一步,因为它会冲击现有的汇报线、KPI 体系、晋升通道。很多公司想做但做不成,就是因为这一步会"得罪"既得利益的中层管理者(来源:微博"迈向 AI Native:技术团队的范式跃迁与组织...",2026-08)。
快手能做成这件事,部分原因是它的组织文化相对扁平;但更关键的原因是,它在 2023-2024 年间做了几次"主动重构"——也就是说,它在 L2 阶段并不是渐进式改良,而是带有一定激进色彩的主动革命。这种"主动革命",是大多数公司做不到也不愿做的。
八、未来 12 个月的三个判断
第一,"AI 生产力"会成为新的 KPI 流行词。 接下来 12 个月,会有越来越多公司在内部引入"AI 生产力"相关指标。这些指标的标准化程度会逐步提升,最终可能形成行业共识。
第二,"L2 阶段"会成为 AI 落地的最大瓶颈。 过去两年卡在 L1 阶段的公司,接下来会被推到 L2 阶段。能完成 L2 转型的公司,会进入新一轮增长;卡在 L2 阶段转不过去的公司,会在 18-24 个月内被同行超越。
第三,"激进式组织重构"会变成头部公司的标配动作。 渐进式改良无法跨越 L2 → L3 的鸿沟;只有主动重构,才有可能进入 L3。接下来 12 个月,会看到更多头部公司公布"主动重构"的案例——这既是行业信号,也是市场拐点。
快手这篇文章,本质上是在重新定义"AI 研发"这件事——不是"用 AI 写代码",而是"用 AI 重新做业务"。后者需要的不是工具升级,而是组织勇气。这种勇气,是接下来几年,真正决定一家公司能不能跑出来的关键变量。
九、写在最后:为什么"L2 → L3"才是真正的难关
快手文章里有一个判断值得反复咀嚼——L3 是"业务与组织的同时变"。这句话听起来简单,但实操起来极其困难。
过去 L1 到 L2 的转变,本质上是"组织适配技术"——也就是让团队结构、汇报线、KPI 配合 AI 工具的变化。这种变化虽然复杂,但路径相对清晰:你可以照搬其他公司的成功经验,逐步调整。
但 L2 到 L3 的转变,是"重新定义业务本身"。这一阶段没有现成的路径可以照搬,因为它要求团队主动放弃一部分现有业务,以便腾出资源做新业务。这种"自我革命",在大多数公司是不可能完成的任务——因为现有业务的既得利益者会强烈反对,而新业务的支持者往往还没积累够话语权。
快手能做这件事,有几个特殊的背景:它的可灵视频业务是从 0 到 1 跑出来的,不属于"现有业务的既得利益者";它的创始人宿华虽然退居二线,但对"主动革命"的态度相对开放;它在过去几年经历过多次组织调整,文化上已经习惯了"变"。
但对大多数公司来说,这些条件都不具备。所以"L2 → L3"在大多数公司,可能永远不会自然发生——除非有外部力量推动,比如投资人施压、市场份额被夺走、或者新业务跑出来之后倒逼旧业务重组。
这一点,是快手文章里被轻描淡写但其实最值得讲的部分:大多数公司,可能都到不了 L3。承认这一点,比假装"L3 是必经之路"更诚实。