AI时代的组织重构与场景落地突围丨大零号湾·源创加速营

8月13-14日，以“源创未来·智汇硬核”为主题的大零号湾·源创加速营，在上海大零号湾科创成果转化中心成功举办。本次活动由上海市科委、闵行区人民政府、上海交通大学、华东师范大学共同指导，闵行区科委、上海大零号湾投资发展（集团）有限公司、上海闵行金融投资发展有限公司联合主办，旨在陪伴一批真正有技术壁垒的创业者，完成从“技术成立”到“商业成立”的跨越。

本次课程，出门问问联合创始人李媛媛，九识智能联合创始人周清，云从科技董秘、副总经理杨桦，穹彻智能AI科学家吕峻作为嘉宾导师，与大零号湾·源创加速营30余家企业在研讨与交流中，共筑产业生态新未来。

企业AI转型中的三个“反直觉”

当AI不再只是单人提效的工具，越来越多的企业开始思考：如何进一步搭建适配AI时代的协作模式，让零散的个人能力聚合成真正的“超级组织”？

出门问问成立于2012年，是一家以生成式AI和语音交互为核心的人工智能公司，公司2024年在港交所上市，为“AIGC第一股”，旗下拥有以TicNote为代表的AI Agent硬件及以CodeBanana为代表的AI原生组织操作系统。

出门问问联合创始人李媛媛带来“从超级个体到超级组织：AI时代的组织进化与协作重构”的主题分享，深度分享了企业AI转型中，她的三个“反直觉”实践经验。

出门问问联合创始人李媛媛

超级组织的文化重构——换Title比换工具更重要

2025年初，出门问问联合创始人李媛媛做出了一个看似“反直觉”的决策：在公司推动AI转型时，她没有先推行新工具，而是把所有人的Title都换了。她将自己的Title改为“人类沟通师”，整个公司只剩下两个职位——全栈工程师和人类沟通师。

“当时AI进入组织遇到很多阻力，工程师们觉得自己手写代码比AI好，非技术人员觉得AI离自己太远。”李媛媛回忆。她意识到，AI融入组织不是工具问题，而是文化问题、人心问题。强迫使用没用，必须从角色认知上重新定义每个人。于是她把所有细分岗位——算法、前端、后端、数据库工程师——全部归为“全栈工程师”。当新加入项目的人不知道对方原来是什么背景，只看到Title是“全栈工程师”时，就理所当然地让TA解决所有问题。在AI的辅助下，所有人一两个月就具备了全栈能力。

而“人类沟通师”这个Title，则是为了让团队记住：在AI负责所有执行的年代，人类最宝贵的能力是沟通、是赋予意义、是接受错误和团队共同成长。

AI是替代“中间商”，不是替代执行层

李媛媛分享了一个真实案例：以前海外众筹时，一个意大利客户半夜发邮件说信用卡被扣了三次款。传统流程下，第二天客服收到后，要拉上运营、财务、市场，可能还要拉工程师，七八个人、五六个群、开好几次对齐会才能解决。而AI融入“中间商”之后，流程变成了：客服把邮件截图丢给AI，AI在后台检索了一千多条数据，一个人加一个AI，两分钟就解决了。

“中间商”不是指人，而是指中间文档、中间会议、中间过程——这是一个企业最贵、最花时间的地方。李媛媛强调，AI要取代的不是执行层的人类，而是这些中间环节。“AI需要拥有企业完整的Context，否则它做的决定就是瞎的，或者产生幻觉。”

她的实践路径是：让AI参与每一场会议、每一次人与人之间的沟通、每一行代码的编写。为此，出门问问自研了会议录音硬件（录音卡片、录音耳机、录音手表）来积累企业Context，最终形成了“数据在哪里，智能就在哪里”的闭环。

超级个体是灾难，超级组织才是未来

“鼓动超级个体在团队里面就是一场灾难。”李媛媛直言。2025年，她和所有CEO一样组织全员用AI工具，结果发现每个人都在用不同的工具，多年积累的云端在线协同被破坏，变成了“上下文个体化、工作本地化、AI碎片化”——每个人都有一个看似聪明的AI，但只知道自己的那一点信息。人人能做出漂亮但空洞的内容，信息倒退，组织几乎不存在了。

破局之道，是出门问问开发的企业级AI协作平台CodeBanana，一个云端可协作的Codex。这不是一个编程工具，而是超级组织的操作系统，核心理念是“沟通发生在哪里，执行就发生在哪里”。每个项目同时是一个群聊、一个Agent、一个Workspace，所有数据、对话、会议、代码都必须让AI看到。AI作为全职员工，能看到每一行代码、每一场会议、每一次聊天，人类以“接力棒”方式协作，AI负责全局上下文。结果：人数减半，产研效率翻四倍，新产品出两条生产线，Token成本占人力成本约10%-15%。

李媛媛总结：“我们要的不是一个人变强，而是整个组织一起进化。AI负责所有执行，人类负责定义需求、赋予意义——这才是AI时代组织的正确姿势。”

从试验田到规模化

穿越场景落地的痛点

当自动驾驶技术走出封闭测试区，面向真实物流场景的无人车，要跨过多少道坎，才能从试验品，变成跑在城市道路上、真正创造产业价值的规模化产品？

九识智能成立于2021年，是全球领先的自动驾驶科技公司，作为RoboVan（无人驾驶厢式货车）领域的开创者，九识智能打造了全球首台在城市公开道路实现无人驾驶的厢式货车，并率先落地轻地图方案，在全球300多座城市实现常态化运营，覆盖快递快运、商超零售、轮胎汽配、医药等领域。

九识智能联合创始人周清的分享围绕九识智能“RoboVan的成长之路”展开，分享了团队从无人车的原型研发起步，一步步穿越场景落地的诸多痛点，完成了RoboVan从技术验证到大规模商业化运营的完整跨越的经验。

九识智能联合创始人周清

无图方案量产——摆脱高精度地图依赖

2026年7月，九识智能在世界人工智能大会上宣布实现全球首个L4级无图自动驾驶方案规模化量产。长期以来，高精度地图高昂的采集成本和信息更新滞后，是L4规模化落地的核心瓶颈——“传统方案每落地一座新城需耗时近一个月建图，无法实现‘即买即用’”。

九识的无图方案以视觉感知为核心、激光雷达为辅助，通过多传感器融合实时识别车道、交通标志及周边参与者，结合道路级电子导航地图完成全局规划。相比轻地图方案，部署周期缩短至1天以内，实现“交付即运营”。周清此前也指出，行业正从依赖高精地图转向轻地图乃至无图方案——早期车少路线少时高精地图可行，但大规模运营下其成本较高，必须降本以适应商业化。

目前该方案在新增运营路线中渗透率已达30%，累计L4无图运营里程即将突破4万公里。

芯片国产化替代——算力够用但L4仍需时间

周清表示，九识的整车零部件和传感器已全部实现国产化，而芯片国产替代化也在正在加速推进：“降本是无人驾驶商业化的核心命题，九识无人车较传统燃油车模式可降低68%的成本，芯片国产化将进一步降低成本；再也是考虑到供应的安全。”

周清透露，九识已测试过一系列国产芯片，结论是“目前做辅助驾驶完全没有问题，算力和性能都非常可靠。但对于真正的L4级无人驾驶来说，还需要一定的空间和时间。我们跟各个大的国内芯片厂商在积极做测试，预期这两年也会做好国产化的替代。”

超级组织的AI逻辑——用规模化数据反哺技术迭代。

周清同样强调“让AI看每一行代码，人类不再写一行代码”。但他聚焦的是组织效率的另一种解法：用规模化数据反哺技术迭代。

截止2026年一季度，九识运营着超2.5万台无人车，根据中交协发布的行业报告，九识（含菜鸟无人车）占据国内RoboVan市场53.2%份额，与第二名拉开17个百分点。这些车辆每天在超300城复杂场景中跑出的海量真实数据，直接成为算法优化的“燃料”。周清的观点是：AI进组织的核心不是“每个人变强”，而是让组织的全部上下文被AI看见——每一场会议、每一次决策、每一行代码——让AI成为全职员工，人类只做需求定义和验收判断。

这一点在九识与东风股份的合作中体现得尤为明显。双方采用“Zelos Inside”模式——“让懂车的人造车，让懂L4的人保驾护航”。

走进云从科技：

感受AI领军企业的创新路径

云从科技，是首家在科创板成功上市的AI平台企业，长期深耕人工智能核心技术、行业智能体、可信数据空间与具身智能等方向，已在AI内容生产、AI电商增长、企业职能、AI研发协同、智慧金融、智慧治理、智能制造、口岸物流、内容治理、智慧交通和具身智能等方向形成应用积累。

大零号湾·源创加速营企业现场观摩了云从科技基于“从容大模型”构建的行业智能体（AI Agent）解决方案，对其“技术+场景”的深度融合能力留下了深刻印象。

在随后的交流会上，云从科技副总经理杨桦带来了以“AI native时代背景下企业的价值重构”为主题的精彩分享。

云从科技副总经理杨桦

AI进组织的四级进化

杨桦提到，目前仅 6% 的企业实现 AI 深度落地应用，95% 的企业 AI 应用未达预期；多数企业仅聚焦单点工具使用，忽视组织体系的系统性重构，这正是 AI 降本增效沦为伪命题、转型收效甚微的核心症结。杨桦用一个招聘场景清晰区分了AI进组织的四个阶段：

第一层“AI赋能”：HR用AI写JD、做简历筛选，AI是工具，人还是原来的人，干原来的事。

第二层“单Agent”：简历初筛是一个Agent，薪酬评估是另一个Agent，任务被拆解但彼此独立，仍然是单点工具的组合。

第三层“单工位”：各种Agent可以组成一组，归一名HR驱动。

第四层“流水线”：从业务部门提出需求，到HR的Agent做Sourcing和初筛，到面试官的Agent生成纪要，到定薪Agent给出建议——四个真实人类，每人带一群Agent，分段接力，协同作战。

人做什么？看Agent工作。杨桦说，这才是未来常态——人类只做判断和决策，执行全部交给Agent。她总结，判断自己处在哪个阶段很简单：如果还在用AI做原来HR做的单点事，就还在第一层；如果你的AI已经能跨角色协同完成完整业务流程，就是虚拟组织。

组织升级三支柱——角色、流程、数据飞轮

很多企业使用AI的状态，有点像“给马车装发动机”——本体没变，只是跑得快一点，成本反而更高。真正要做的是从头造一辆汽车，围绕AI重构操作系统，关键就三件事：

一是角色分类。杨桦把人类分为四类：兜底人（对结果负责）、裁判人（判断对错）、架构师（设计产品和规则）、沟通人（商务、BD、对外资源导入）。“人的价值不是消失，而是放到了更有价值的事情上。”

二是流程拆解。必须把所有业务拆成最小节点，把规则、知识库、逻辑都梳理清楚。“不做这件事，内部工作和给客户的东西都不会有效果。”

三是数据飞轮。很多产品不够聪明，除了数据源不够，还因为每次交互完没有自我学习。“真正AI原生的组织，员工是永远不毕业的——学一个沉淀一个，持续迭代。”如果业务数据不能形成积累和再学习的闭环，就很容易被干掉。

AI组织变革的轻量化路径

杨桦给出了从实践里摸出来的具体路径：

第一步，一号位亲自用。 “如果你要做组织变革，创始人必须自己做AI变革官。”她建议自己先花钱用（报销制），体会爽感也体会坑，别扔给IT部门代劳，“大家会有依赖心”。

第二步，建花名册+固定AI时间。 给每个人设考核——“你搞了几个Agent？”每周固定一个下午做内部分享，每个部门讲“我的Agent解决了什么问题”。形成学习氛围比定制度更重要。

第三步，文档质量是前提。 “如果喂给AI的东西是垃圾，出来的就是垃圾。”

第四步，按部门依次推进，不搞一刀切。 先在一个部门跑通，做好再复制到第二。“一层一层过渡，不可能一下子全上，组织变化和业务风险都太大。”

她还特别提醒初创公司：“一开始就把自己当AI原生组织来设计，比传统的组织形式会来得更快。” 同时要提前明确资产归属——员工沉淀的Skill、数据、流程算个人的还是公司的？要做好法律风险防范。

走进穹彻智能

解密背后的“世界模型”与数据逻辑

穹彻智能于2023年由非夕科技战略孵化，以具身大模型为核心，实现从具身智能数据基础设施（Infra）到基座模型、再到机器人本体应用的全栈自研，通过构建物理世界通用智能，穹彻致力于打造全球领先的具身大脑生态，让机器人真正像人一样理解世界、自主完成复杂任务。

大零号湾·源创加速营企业，重点了解了穹彻智能自主研发的具身智能大模型和伴随式数据采集方案，现场观摩了穹彻具身大脑及CoMiner伴随式数据采集套件在多应用场景下的实际演示。

在非夕展厅演示环节，负责人向大家展示了自适应机器人在精密组装、表面处理、自动化生产等多种场景下的实际应用能力，自适应机器人凭借高精度力控与实时AI调整能力，正在执行一系列以往必须依赖熟练技师的复杂作业。

值得一提的是，非夕机械臂能够高度还原真人的操作手感。在现场演示中，无论是机器人按摩还是精准抓取各类物品，它都能将力度控制得恰到好处，动作流畅自然，充分展现出极致的柔性与灵巧。

随后，穹彻智能AI科学家吕峻博士系统阐述了公司为何选择“世界模型”技术路线，以及其背后“全链路无本体采集”数据方案的核心逻辑，并回应了关于传感器配置的行业关注。

穹彻智能AI科学家吕峻博士

为什么押注世界模型？

谈及为何采用世界模型架构，吕峻引用了穹彻智能联合创始人卢策吾教授的观点解释到，“VLA本质是模仿学习，类似概率模型，存在巨大不确定性。而世界模型的引入，能够通过预测视频下一帧的训练方式，迫使模型在生成过程中学习物理规律，逐步收窄这种不确定性。当模型“看”到足够多的物体和场景时，便能自主解析该如何操作。”

此外，世界模型直接以视频流为输入，天然构建起了短期记忆能力，这对于提升机器人在连续操作中的流畅度和连贯性直接有益。吕峻强调，真实世界的数据采集涵盖场景极为丰富，唯有通过视频生成这类高容量的预训练任务，才能让模型有效吸收这些数据，并学会其中蕴含的动作多样性。

全链路无本体采集：数据分布一致是关键

针对行业中长期存在的一个争议——即“无本体（脱离实体机器人）采集的数据能否训好模型”，吕峻给出了穹彻明确的答案与信号：不仅可行，而且是打通全链路的最优解。

他介绍，在预训练阶段，采用无本体采集方案（如公司推出的可搭载手机的数采终端及其配套应用程序RoboPocket），数据来源于真实现场，动作更自然、场景更多样。传统的数采工厂模式受限于人的想象力，场景单一，无法支撑大模型对数据海量性和多样性的根本需求。

更关键的一步在于后训练（微调）阶段。吕峻特别指出，在针对具体demo任务进行微调时，穹彻依然坚持使用无本体方案采集数据。这样做的目的是为了保证数据分布的全链路一致——如果预训练用的是流畅自然的人类动作，而微调时突然换成卡顿的遥操作数据，模型此前积累的物理理解能力将遭到严重破坏。只有全链路都采用自然动作数据，最终产出的模型效果才能最接近人类的真实行为表现。

传感器方案：场景驱动，而非技术预设

在被问及未来泛化场景，尤其是室外复杂光线环境下的传感器配置时，吕峻给出了公司的战略思路：场景决定传感器，而非反过来。

“我们的目标是”将能力生产在真实现场”，因此传感器方案需服务于具体任务需求，而非预设标准答案。他认为，没有必要为所有场景预设一套固定的传感器“标配”。穹彻的宗旨是将机器人的能力生产直接放在真实的现场环境，而不是从搭建操作工位开始。因此，针对室内精细操作、室外强光环境等不同需求，多传感器融合（如结构光、RGB视觉、深度传感器等）是必然的技术趋势。

吕峻透露，公司的数据采集方案已支持通过手机等设备灵活接入多种传感器，并致力于构建一个可插拔、可扩展的融合框架。在实际部署中，将根据药房、家庭、室外等不同任务对精度和鲁棒性的具体要求，灵活配置传感器组合，以最大化模型的泛化能力。

吕峻的分享清晰地描绘了穹彻智能的技术路径：以世界模型为引擎消解物理不确定性，以全链路无本体采集为燃料保证数据质量与一致性，以场景驱动的灵活传感器方案为桥梁，最终实现将真实任务能力高效转化为机器人能力的愿景。

在两天的参访与交流中，大零号湾·源创加速营导师及学员，讨论了AI时代团队进化的实操指南，也在硬科技落地的现场，感受一款产品从试验走向规模化的完整成长脉络，交流AI+硬科技企业的源头创新与未来发展。这恰恰就是大零号湾·源创加速营的初衷：源头创新·未来可期！

AI+硬科技赛道从来不是孤军奋战的旅程，大零号湾·源创加速营的课程，旨在让不同领域的实战经验互相碰撞，让更多技术找到落地的同路人，助力AI+硬科技企业将更多源头创新，变成实实在在的产业生产力。