安筱鹏：与不确定性共舞，AI时代的组织进化与领导力重塑

题记

在每一轮时代变革浪潮中，人类始终在追问：谁能在剧变中存活？《人类简史》指出：“真正的进化，源于新共识与新组织方式。”2025年以来，在全球多场顶级AI峰会上，“组织进化与领导力重塑”已成为与技术产业紧密交织的核心议题，并决定了企业在AI时代的生存与竞争力。随着一批“高增长、高估值、高人效、高迭代”的AI“新物种”诞生，它们正在改写组织运行的四个基本假设：对“确定性”的假设、对“分工深化”的假设、对人类“有限理性”的假设和对组织基本单元的假设。AI时代，企业如何成长为进化型组织、领导力又如何迭代升级？对这一命题的认知高度与实践深度，正成为企业拉开新一轮差距的关键变量。

本文主要观点在2026年1月29日-31日瓴羊举办的“Data x AI”超级公司年会暨第三届“数据同学会”上，由阿里云智能副总裁安筱鹏进行了分享。

组织进化与领导力重塑是AI时代必然命题

2025年，全球举办了两场极具影响力的AI峰会，分别由红杉资本和YC主办，包括杰弗里·辛顿、山姆·奥特曼、埃隆·马斯克、比尔·盖茨在内的全球顶级AI意见领袖悉数出席。尽管会议主题聚焦于AI与技术产业，但两项关键判断尤为引人注目：

第一，当前AI大模型落地的核心瓶颈，并非技术性能不足，而是企业自身的组织流程与系统严重滞后；

第二，企业的组织管理逻辑正在被AI彻底重写。

值得注意的是，这两场原本以技术和投资为核心的会议，如今已无法回避对组织、战略、管理与文化的深入探讨。回望信息化与数字化时代，我们习惯将“技术与业务”视为一个议题，而将“组织、管理与文化”划为另一个独立维度。但在今天，二者已深度融合，不可分割。

ChatGPT发布之后的一年，谷歌作为Transformer架构的提出者，在这波生成式AI的浪潮中却处于落后者的位置，模型却屡屡“翻车”。但2025年以来，其股价开始持续上涨，Gemini 3模型广受好评，持续霸榜。同样，阿里在过去两年，市值也显著提升，股价翻倍。

这些变化背后，必然伴随着深层次的转型。其中最关键的因素在于组织与领导力的系统性重构——包括组织架构的调整、企业文化的迭代，以及对AI战略的“All in”投入。

这一切现象都指向一个我们必须直面的时代命题：在AI浪潮中，你的组织该如何演进？你的领导力又该如何进化？

组织新物种四大特征：“高增长、高估值、高人效、高迭代”

当我们看到AI这项技术到来时，要意识到它带来的远不止一场技术变革。事实上，讨论AI，不是在讨论一项技术，而是在讨论一个全新的时代。这个时代最重要的特征，是出现了一种“新物种”。新物种有着“四高”的特点：高增长、高估值、高人效、高迭代。从这个意义上说，今天我们讨论AI，已经不是一个发展问题，而是一个生存问题。

第一，高增长。

美国在线支付平台Stripe统计了2018年成立的SaaS公司中收入排名前100的企业：其中，达到500万美元收入的中位数所需时间为34个月。而到了2024年，AI公司达到同样收入水平的中位数时间缩短至24个月，快了整整10个月。进一步对比2020年前与2020年后成立的AI公司。在各自前100名中，达到500万美元收入的中位数时间分别为39个月和13个月。这说明，当今最具活力的企业群体正在以惊人的速度迭代和增长。

回顾过去，SaaS企业曾是成长最快的公司类型——一家SaaS公司从成立到年收入突破1亿美元，通常需要约五年时间。而在AI时代，像Manus仅用8个月就实现了这一里程碑，Cursor也只用了一年多。可见，小型AI公司的增长速度远超我们过去的预期。

那么问题来了：为什么AI公司与SaaS公司在增长速度上存在如此巨大的差异？

其中一个关键原因是：AI企业在与客户沟通和交互过程中，商业转化率约为SaaS企业的两倍。这种更高的转化率源于AI更容易证明其投资回报率（ROI），更少依赖对客户现有系统的深度改造，也更容易在早期就与客户形成共识。

第二，高估值。

例如，xAI成立三年后估值已达300亿美元；Anthropic在第三年估值为180亿美元，到第四、第五年已飙升至3500亿美元；而OpenAI当前的估值更是高达8000亿美元——这一数字超过了99%以上的港股/A股上市公司的市值。

这是否意味着存在泡沫？为何这些成立仅几年、规模尚小的公司能获得如此惊人的估值？

高估值的背后，是实实在在的高成长。2024年，OpenAI的收入为40亿美元，而2025年已飙升至130亿美元。Anthropic2024年的收入约为4亿美元，2025年收入则达到将近90亿美元。不同时间点的预测曲线——那些代表投资人和业界对OpenAI、Anthropic收入预期的红线——无一例外都严重低估了这些企业的实际增长速度。

这种现象不仅限于AI原生企业。自ChatGPT发布以来，美国“科技七姐妹”的平均市值增长了3.5倍，其在美股总市值中的占比从18.5%提升至30.9%，总规模约达21.3万亿美元——这一数字大致相当于整个欧洲所有上市公司市值之和。

第三，高人效。

当前进化型的AI原生组织，人均创收已达214万美元；像Anyscale、Cursor等公司，人均创收甚至达到约500万美元。这一水平，是全球财富500强中前30名企业的3.7倍，更是后30名企业的6.5倍。在过去一两年中，美国在AI编程、法律、客服、销售等领域的独角兽企业，团队规模普遍仅为80人到三四百人，但估值却已高达10亿至300亿美元。

第四，高迭代。

产品正在以前所未有的速度快速演进。最小可行产品（MVP）的理念并非AI时代首创，SaaS时代已有实践。正如吴恩达所说：“这套方法不是为了追求完美，而是为了尽早知道你错在了哪里。”一位上海的创业者更直言：“AI对我们这类小创业公司最大的价值，就是让我们‘死得更快’——从而能迅速调整产品和组织方案。”

我们看到，从传统软件、SaaS产品到AI产品，研发周期发生了根本性变化：AI产品的开发可能只需一两周，甚至几天；而过去的SaaS产品往往需要数月乃至数年。上线时间也从过去的几个月缩短到以“天”为单位。过去的产品迭代周期以季度或半年计，如今模型公司的核心能力则以“周”为单位进行迭代。

AI不是互联网的延长线、需进行业务快速迭代转向

从这个意义上说，如果仍用互联网的坐标系来评估AI，恐怕就找错了参照系。AI不是互联网的延长线，它的评价指标已经完全不同。互联网最核心的价值，在于通过信息的精准匹配催生各种商业模式；而今天的AI，则是直接为问题提供答案，给出解决问题的最短路径。

以谷歌和Perplexity为例：两者界面看起来很像，都是用户输入问题、系统返回结果。但背后的商业模式截然不同。谷歌约85%的收入来自广告，是典型的“羊毛出在猪身上”；而Perplexity 98%的收入来自订阅。Meta的收入中95%–96%也来自广告，而OpenAI这类公司则有约85%的收入来自订阅——真正做到了“羊毛出在羊身上”，用户为直接的结果买单。

有两个产品值得特别关注。一个是 Manus，其合伙人曾明确表示：“今天我们不追求 DAU（日活跃用户），而是追求高客单价和高使用深度。”为什么不追求 DAU？因为他“追求不起”。Manus 发布初期，每天在算力和 Token 消耗上支付给云厂商的费用就高达 50 万美元。如果放开用户规模，账上的资金很快就会烧光。

这说明，互联网与 AI 的成本结构完全不同。互联网产品遵循“零边际成本”逻辑，而 AI 的成本曲线更像制造业——每增加一次调用、每一个用户请求，都意味着真实的资源消耗和现金支出。

前段时间，阿里发布了千问APP。其负责人吴嘉也指出：“AI 不像传统互联网那样具有强网络效应。在智能时代，最关键的是能否跨过‘智能门槛’。”这一观点揭示了一个根本转变：传统互联网产品的核心指标（如流量、DAU、留存率）在 AI 时代已不再适用。AI 不是做“流量生意”，而是做“效益生意”。今天的 AI 产品，必须聚焦于为客户实现关键任务的自动化、个性化服务和效率提升，并最终转化为客户的时间节省、决策优化、生产力增长和业务创新。

这种快速进化也体现在聚光灯下的 AI 创业公司身上——比如Lovable、Cursor、Windsurf、Manus等。它们今天的产品形态，与半年前甚至一年前已是天壤之别。Lovable仅用三个月就从开源网站搭建工具转向Vibe Coding方向；Anysphere早期是做 AI 驱动的 CAD 设计，九个月内也彻底转向 AI 编程领域。

我们观察到，约三分之二的 AI 明星公司至少经历过一次重大业务方向的转型。这种快速迭代和灵活转向的能力，正是 AI 时代产品创新与组织运行的核心特征。其背后驱动力在于：技术本身的快速演进、创始人的深度参与，以及对市场需求变化的敏锐感知。

可以说，AI 不只是一场“工具的革命”，它本身就是“革命的工具”。对企业而言，转型永远是一场增量革命。关键不在于你是否部署了 ERP、CRM 或客户系统，而在于——你是否比竞争对手跑得更快？《创新者的窘境》中有一句经典：“管理者倾向于将新技术视为改进现有产品、满足现有客户需求的工具。”过去我对这句话并无太多感触，近期越来越深刻地体会到这句话的分量—— “许多管理者错误的认为，技术进步只是现有业务的加速器，而非创造新的业务的催化剂。他们这种认知偏差导致他们用当前的市场去定义新的技术，而非从技术本身出发寻找新的机会。所以他们错过了技术引领的变革。”

我认为当前所有企业面临的最大挑战在于惯性思维——即“延长线思维”。我们虽然已经从过去走到了21世纪，但我们的思维方式仍然停留在过去。为了应对AI时代的变革，我们需要摆脱这种惯性思维。而真正危险的是，许多人甚至没有意识到自己正被这种延长线思维所束缚。

IBM的云转型失败的原因之一是对自身存量资产、组织结构、人才、产品及渠道优势过于迷恋；同时对新兴市场需求及新企业的崛起反应迟钝。例如，他们完全低估了亚马逊基于低端X86架构的竞争力，认为这样的技术不可能与其复杂的大型机竞争。在当前AI变革中，各行各业都需要反思自己是否也依然在用旧有的思维模式看待未来。

可以说，今天的“新物种”已不再是PPT上的概念，而是实实在在地出现在市场上，成为你的竞争对手。

AI不是改变了组织运行的结果，而是组织运行的四个基本假设

AI如何改变组织?尽管可以从多个角度观察这一变化，但有一个视角尤为重要：AI不仅改变了组织的结果，更重要的是它改变了组织运行的基本假设。这里有四个基本假设需要重新审视：

首先，技术正在以十倍速甚至百倍速迅猛发展，而组织的进化速度却相对缓慢。面对技术的颠覆性、涌现性和普适性，以及超级个体和超级组织的出现，我们应该如何加速自身的组织进化？这就要求我们深入思考并可能需要对组织的决策效率、架构设计及协同机制做出革命性的调整。

第一个基本假设是：组织如何认知所处环境的“确定性”？今天，我们必须从“应对确定性”转向“拥抱随机性”。

为什么要强调随机性？因为过去四五十年人工智能的发展，并非像“明年4月28日在西昌卫星发射中心把人送上火星”那样目标明确、路径清晰、任务可拆解。AI的突破，本质上是算法、数据、芯片和算力等要素在特定历史节点上的偶然相遇与必然融合。它无法被精确规划——正如OpenAI团队在《伟大不能被计划》一书中所强调的那样。特斯拉的一位合伙人斯特劳贝尔（Straubel）也曾说过一句非常经典的话：“我们最大的优势，是我们不知道自己到底不知道什么。”当你对外部环境抱持这样的谦卑与敬畏，你会对任何微小的公司、细微的变化、潜在的需求保持高度敏感，并主动感知前沿趋势。

对“复杂性”的理解，一直是管理学的核心议题。被誉为“管理学之父”的德鲁克曾指出：“组织面临的最大危险不是犯错，而是复杂性。”复杂性会耗尽管理者的时间与精力，使其深陷内部事务，丧失对外部现实的敏锐感知。图灵奖得主也曾指出：人类协作系统本质上呈超线性增长。增加一个人，协作复杂度可能不是增加一倍，而是五倍、十倍。沟通路径、认知差异等因素会导致复杂度呈指数级上升。那么，什么是高效协作？最高效的协作，其实是“没有协作”——由一个超级个体独立完成任务，而不是拉上多个团队反复对齐。贝索斯也持类似观点。那么，究竟该如何理解“复杂性”？

我认为有一个简单标准，就是对于问题和答案的假设—— 一个问题有几个答案？

清晰和显而易见（Clear/Obvious）：一个问题只有一个正确答案。比如汽车或飞机生产线上的工人，只需按SOP拧三圈螺丝再回半圈，不容差错。这是清晰、可控的世界。

复杂但可预测（Complicated）：一个问题有多个可能答案，但专家知道哪个最优。比如医生、律师、咨询师或阿里云的工程师，他们依靠专业知识库，在“if-then”逻辑下给出解决方案——你发烧了，指标如此，就开这个药。这是“有答案，只是你不知道”的世界。

复杂且不可预测（Complex）：AI时代面对的正是这种情形——问题本身没有现成答案，需要甲方和乙方共同探索、感知、反应，通过共创来寻找解法。

最后是混乱状态（Chaotic）：发生地震、泥石流了，能做的唯一的工作不是去分析判断，是干什么呢？先跑起来再说，回过头来再看，泥石流到哪了？

因此，AI时代的基本假设正在发生根本转变：我们过去认为环境总体是可预测的，但现在必须承认——至少有一部分业务场景已进入不可预测的领域。这种不可预测性，直接决定了我们的战略思路、管理方式和考核机制必须随之改变。

如果用一句话概括这一转变：AI正在将传统的“机械组织”转变为“有机组织”。过去，企业像一台精密钟表——结构清晰、部件可拆可装，遵循“还原论”逻辑：一辆拖拉机可以拆成轮胎、发动机，再重新组装。

而今天，AI引入的是一个具有上下文感知、持续微调、动态演化的智能系统。它更像一个生命体：拥有消化系统、免疫系统、神经系统……你无法把免疫系统拆下来单独优化，再装回去——各子系统深度耦合、相互依存。换言之，组织不再是机械系统，而是一个复杂的有机体。你的决策、运营和管理，必须适应这种有机性、涌现性和不确定性。这才是AI对组织底层逻辑最深刻的重构。

第二个假设是对“专业化分工”的假设，我们正经历从分工深化到超级个体。最近，前阿里员工毕玄有一个观点在朋友圈广泛流传：所有技术岗位应统一称为“agent工程师”。鉴于当前AI超级个体的出现，传统的前端、中端、后端和测试等职位划分已经过时。这意味着我们过去对职位分工的基本假设正在发生变化——不再区分前后端，而是统一为agent工程师。前不久，我也与一些创业者交流，借助AI coding两个人在三个月内的时间就做出了在大公司需要40人团队三个月完成的产品开发。

这背后反映出的趋势是：个性化服务的规模化交付。在过去20至30年中，制造业通过工业4.0和智能制造解决了个性化制造产品的规模化交付问题。而如今，AI使得个性化服务也能实现规模化交付，因为它具备这种能力。

回到组织结构的变化上来，我们今天的组织分工非常细致，包括客服、销售、产品经理、研发等多个部门。但在未来，这些部门的角色可能会大幅融合，原本由六个部门、每个部门10人组成的团队，可能只需一两个人就能完成同样的任务。这一转变意味着组织内部边界的逐渐消融，角色和流程将围绕agent工程师进行重组，催生出全栈型人才的涌现。尽管在不同的部门、企业及发展阶段中表现形式各异，但这一趋势无疑是明确且确定的—— 组织内部边界会不断模糊化，角色与职能的深度融合，以及新组织架构的形成。未来的工作模式将会更加灵活高效，适应快速变化的技术环境。

第三个假设，关乎组织结构的底层逻辑：我们为什么会有层级组织？又为什么会出现网络型组织？其根源在于人类有限理性的基本假设。

前几天，微软CEO萨提亚·纳德拉在达沃斯论坛上提出一个深刻洞察：AI不仅仅是替代某个岗位或某个人，它真正改变的是信息在组织内部流转的机制。过去，信息需要自下而上层层汇报；如今，系统可以实时将关键信息同步给所有相关方。理论上，当每个人全生命周期、全场景的多模态数据都能被沉淀下来，信息已具备近乎零成本流动的技术基础——但我们的组织结构却尚未适应这一变化。

回顾组织管理的发展史：工业时代建立在“经济人完全理性”的假设之上——认为决策者掌握全部信息，能准确预测所有概率与偏好。但诺贝尔经济学奖与图灵奖双料得主赫伯特·西蒙早已驳斥了这一观点。他指出，人类受制于认知带宽和技术限制，无法获取完整信息，也难以穷尽所有方案，在信息约束下追求“最优解”几乎不可能。因此，现实中人们追求的是“满意解”。

今天，人类的有限理性依然存在。但“人+AI”的系统并未消除这种局限，而是通过人机耦合，在系统层面向完全理性迈出了一大步。

换个角度看，组织本质上是一个信息处理系统，其演进历程就是信息处理模式不断优化与升级的过程。正因人类无法掌握全部信息、无法精准预测、无法遍历所有选项，我们才不得不依赖专业化分工、层级过滤和标准化流程来应对复杂性。

而AI带来的根本变革，不在于取代某个岗位，而在于重新定义了“有限理性”的边界。当环境复杂度远超个体处理能力时，组织需借助分布式网络，动态分配注意力、压缩信息冗余，在有限理性下快速达成集体“满意解”并立即执行。

具体而言，AI带来了三重跃迁：

● 信息处理能力的指数级提升；

● 对动态环境的实时适应能力；

●从“满意解”向逼近“最优解”的系统性跃迁。

这标志着组织的信息处理范式正在发生质变——从机械过滤走向智能协同，从静态结构走向动态响应。

最后一个基本假设，关乎组织的基本单元，从人与人的协作到人与机的协作。

什么是组织？组织是一群人围绕一个共同目标协作，以达成该目标。过去，我们默认的协作关系是“人与人”之间的；而今天，协作已演变为“人与智能体”“人与机器”“机器与人”之间复杂的协同决策。

过去的分工基于人的能力、专业、经验和时间，管理的核心在于协调人际关系与有效激励。如今，你身边多了一个7×24小时在线待命的执行者——AI智能体。你的角色不再是执行琐碎任务，而是负责判断、审核、创新和设定逻辑。

协作关系发生了根本性变化：过去链条长、信息在传递中层层衰减，人们需要不断补位、弥补彼此短板；而今天，在人机协作中，人类负责“想做什么”——定义问题、做出价值判断、进行审美与伦理决策；AI则负责“怎么做”——处理数据、生成代码、执行任务。

正如Notion创始人近期在《蒸汽、钢铁与无限的心智》一文中所指出：我们正试图用层级制、流程化的传统管理方式，去应对市场的快速变化——这无异于“用手工作坊的管理模式，去解决工业级的复杂问题”。

可以预见，AI对组织的变革才刚刚开始。当前阶段，就像把一台新式蒸汽机简单嫁接到旧式水车上——动力变了，但纺织厂的空间布局、生产逻辑尚未重构。真正的组织变革，远未到来。

从另一个角度看，当AI与人开始深度协作，另一个基本假设也随之改变：你开发的操作系统、软件，究竟是为谁设计的？

过去，一切系统为人而建；今天，越来越多的系统是为AI而建。设计范式正从“以人为核心”转向“以AI为核心”。各方正在重新定义流量入口——其核心不再是图标或页面，而是“意图理解操作系统”。这一系统将决定未来人机交互的底层逻辑，也重新定义了流量的起点。

当前，手机厂商、APP开发者、AI公司都在做同一件事：既要管道化别人，又要防止自己被管道化。谁能率先构建起真正以意图为中心的操作系统？尚待观察。

以电商为例：过去，用户产生需求后，需打开购物App，搜索、浏览、比价、下单——整个过程充满广告展示和营销触点；而今天，用户只需说一句：“帮我买件衣服、一块手表、一部手机”，任务即刻完成，中间页面彻底消失。那么，曾经“羊毛出在猪身上”的互联网商业模式，还存在吗？答案是：它正在瓦解。这正是AI对商业与组织带来的深层冲击。

伴随人机协作深化，组织形态也在进化：科层制正被“任务网络”取代，公司本身正演变为一个超级智能体。组织更像一个神经系统——根据任务动态重组资源与能力。

展望未来，人与机器的协作将呈现三种典型形态：

● AI作为自主代理（Agent）：直接扮演人类角色，端到端自动化业务流程；

● AI作为协作者（Copilot）：与人类并肩工作，辅助完成特定任务；

● AI作为新接口（Interface）：成为人与系统、系统与系统之间的智能交汇点。

这三种形态，将共同塑造下一代组织的基本运行方式。

如何实现AI时代的组织进化和领导力重塑

在AI时代，要成为AI时代的进化型组织，企业必须完成从“应对确定性”到“适应随机性”的根本性转变。这不仅是一场技术升级，更是一次组织系统的全面重构。我们需要重新审视责任、流程、任务、权限以及文化重塑等各个方面：

第一，认知重启：告别“完美计划”的执念，拥抱“模糊目标”的勇气。最优解不在起点，而在于一次次偏航、校准、再出发的动态路径中。在不确定性中前行，是AI时代的基本生存能力。

第二，能力重建：筛选并培养更多“超级个体”，通过组织操作系统支持AI Agent实现自我学习与自我优化。构建“进化飞轮”——任务执行→数据反馈→模型迭代→能力升级→再执行，推动人与Agent共同成长，形成持续进化的能力闭环。

第三，协作重构：AI时代的协作不再是“人+机器”，而是“人×机器×人”的复杂协同网络。需要重构权责流程，让信息、任务、决策在组织内部自然流动，整个组织运行于“智能操作系统”之上，实现高效、灵活的分布式协作。

第四，文化重塑：建立创新、容错机制与激励体系，允许“变异”发生。设计“奇思妙想”的机制，鼓励快速试验、失败宽容与资源倾斜，通过“变异—筛选—复制”的演化逻辑，让组织具备自组织、自适应的进化能力。

对于今天的企业而言，我们称之为“AI原生企业”。那么，什么是真正的AI原生？原生并不只是通向罗马的道路，而是在罗马出生——即从一开始就融入AI思维。这就好比学会游泳的人懂得呼吸和蹬腿，而在水中用鳃呼吸的鱼则是天生的“原生”形态。

今天的AI原生企业应当具备以下四个特征：

● 客户运营商：实时洞察客户需求，感知并满足这些需求，追求极致的客户体验。

● 数据运营商：数据应实时在线、精准且端到端流动。更重要的是，基于数据完成关键能力的提升。

● 进化型组织：必须是敏捷的、自组织的、生态协同的，不断迭代改进。

● 拥有一个AI原生的基础设施平台，如阿里云等AI云平台，作为支撑转型的基础。

对于所有的企业高层管理者来说，现在的问题是：你们是否为这场变革做好了准备？你们的理念是否已从工具思维转向革命性认知？面对确定性和随机性的挑战，你们的目标、执行方式和协作模式是否已经调整到位？是全面投入（all in），还是选择局部探索？你们的一号位领导者是袖手旁观还是积极介入？快速行动接受偏差并迭代改进，还是迟缓应对从而错失良机？

路径和组织变革都是C级管理层需要深思熟虑的问题。至于当前是否有明确的答案，坦白说，答案尚未出现。但正是这种不确定性，要求我们持续探索未来的转型之路。

版块介绍 —产业之声

紧跟产业发展脉搏，阿里研究院汇集行业领袖与企业的真实声音，在算力基础设施的规划与布局、能耗优化、大模型能力发展、大模型评测体系、产业应用案例深入研究、新技术与应用趋势前瞻探索等方面，剖析成功案例背后的逻辑与挑战，并提供基于产业深度洞察的策略建议。同时，阿里研究院依托于阿里巴巴集团在人工智能领域的全面布局，分享阿里的AI产业生态和应用的实践落地，探讨技术如何重塑产业格局并推动社会经济的转型升级。

Reading

1、

2、

3、

4、

5、

6、

7、

8、

9、

10、

11、

12、

13、

14、

15、

16、

17、

18、

19、

20、

21、

22、

23、

24、

25、

26、

27、

28、

29、

30、

31、

32、

33、

34、

35、

36、

37、

38、

39、

40、

41、

- 如需转载，请在文章下留言 -