从 AI 机遇到现实生产力

1. 从 AI 机遇到现实生产力

[!abstract] 速览

  • 当机器开始能够理解意图、拆解任务、调用工具并交付结果,AI 就从对话交互跨入了自主交付。
  • 决定 AI 生产力上限的,不再是单一模型的参数规模,而是承载模型持续、稳定、安全地完成真实工作的运行系统。
  • 好用是入场券,可信是通行证,可担是上岗证。三者缺一,智能体就进不了真实流程。
  • 衡量 AI 投入,要看的不是烧了多少,而是 Token 效率,即每一个 Token 换回了什么。
  • AI 不再只是替企业省钱,而是开始帮企业挣钱。
  • 个人提效是起点,组织提效才是终点。

本文立足大模型演进与中国产业升级的历史性交汇,系统阐述了 AI 从对话工具迈向现实生产力的四重框架,指出需通过模型与运行系统共建、安全可信制度设计、算清经营两本账以及重构群智协同的生产关系,真正释放 AI 的商业与社会价值。

1.1. 摘要

文章由腾讯研究院王强撰写,深度探讨了 AI 如何从对话交互跨越到自主交付,真正转化为千行百业的现实生产力。作者指出,当前正处于大模型技术成熟与中国庞大产业升级需求的历史性交汇期。要将 AI 转化为现实生产力,必须回答并解决四个层面的问题:第一,生产工具更替——不仅依靠模型参数,更需要构建包含运行环境、MCP 连接器与安全体系的开放运行系统(如 WorkBuddy),通过 Co-Design 推动模型与系统双向迭代;第二,生产力释放条件——将“好用、可信、可担”工程化写入制度架构,实现数据不出界、过程可回溯与责任明确;第三,生产力实际兑现——衡量标准从粗放消耗转向“Token 效率”,兼顾时间账与经营账,推动工程能力平权;第四,生产关系调整——克服“人才密度×AI 杠杆/组织摩擦”的算式瓶颈,由业务部门主导 AI 落地,重塑围绕任务交付的“群智协同”网络。最终,AI 的大规模应用应回归长期主义与以人为本,成为尊重人、成就人的温度力量。

1.2. 主要内容

序号 要点 展开
1 AI 转化为现实生产力的动力源于“技术演进”与“产业需求”的历史性交汇,依赖真实业务场景的闭环反馈。 基础大模型能力提升与中国庞大制造、零售、能源等产业门类的升级需求双向奔赴。用户使用场景直接参与大模型能力提升,需求侧第一次成为供给侧的重要组成部分。
2 决定 AI 生产力上限的是承载大模型稳定运行的架构系统,而非单一模型参数。 企业落地 AI 的难点在于系统断点。通过模型与运行系统的联合设计(Co-Design)及开放多元生态接入,建立涵盖 Agent Runtime、MCP 协议与安全体系的运行系统,才能真正打通业务闭环。
3 AI 跨越到数字员工搭子的关键门槛在于工程化的制度设计(好用、可信、可担),而非模型能力本身。 机构级智能体需要明确的权限隔离、沙箱执行机制、脱敏识别与审计追溯体系。通过工程化手段将安全与可信写进架构,智能体才能获授权进入核心业务流程。
4 衡量 AI 投入需计算时间账与经营账,推动 Token 使用从粗放消耗转向 Token 效率。 AI 正在从纯成本项向增收项转变。随着工程能力平权,业务人员用自然语言即可搭建系统,大幅降本增效并直接创造业务订单,实现商业价值兑现。
5 个人提效不等于组织提效,必须降低组织摩擦,推动生产关系向“群智协同”演进。 克服“组织摩擦”瓶颈的关键在于让业务团队而非单纯 IT 部门主导 AI 落地,围绕具体任务重塑人与智能体的高效分工协作,形成沉淀组织资产的网络效应。
全球数字生态大会展区现场,观众在展台间穿行,上方巨幅 LED 屏并列展示李宁、零跑汽车、蓝色光标、流形空间、美的集团、麦芽科技等企业的「AI 增效·有解法」案例

王强 腾讯研究院前沿科技研究中心主任

在 2026 腾讯全球数字生态大会上,一个变化已经很清楚:大家讨论的不只是模型更强、工具更好用,而是智能如何真正进入千行百业的流程,变成可运营、可进化的现实生产力。

1.3. 两条线的历史性交汇

过去几十年的信息技术,改变的主要是信息如何被传递与处理。这一轮不同,当机器开始能够理解意图、拆解任务、调用工具并交付结果,AI 就从对话交互跨入了自主交付。被改变的不再只是信息的流动,而是工作本身如何被完成。这件事的量级不仅在工具层面,更在生产和组织方式层面。

这一轮变革之所以对中国格外重要,是因为两条原本各自演进的曲线,正在同一个时间点交汇。

曲线 内容
技术的曲线 基础大模型从可用迈向好用,第一次达到可以进入各行各业生产流程的水平。
产业的曲线 中国制造、能源、零售、物流、金融等产业规模全球第一,正处在从规模走向质量的关口上,内生的升级需求前所未有地强烈。各行业设备不缺,产能不缺,缺的是把数据与经验变成高效运营、高水平决策的能力。

技术的供给与产业的需求,正在双向奔赴。国家战略对这一交汇作出了回应,提出深化拓展“人工智能+”,赋能经济社会发展和治理能力提升,促进生产方式的深层次变革和生产力革命性跃迁。

回望历史,技术的演进与市场的使用往往是两件先后发生的事,且间隔时间很长。但这次变革不同,智能的进化依赖真实任务的反馈,用户使用场景直接参与大模型能力的提升。也就是说,需求侧第一次成为供给侧的一部分。我国庞大的用户基数、完整的产业门类、深厚的数字化底座、充足的工程人才,恰好变成了这一轮技术演进最需要的土壤。

[!warning] 交汇只提供可能,不等于必然

但交汇只提供可能,还不等于必然的结果。高盛预测,到 2028 年全球 AI 投资将占全球 GDP 的 1.4%,这样规模的投入如果只停留在对话问答,进不了核心业务流程,终究只是一场昂贵的实验。

历史上每一次这样的交汇,都有人兑现了,也有人错过了。电力在 1880 年代就已商用,美国制造业生产率的跃升却要等到 1920 年代。为何要跨越中间的这四十年,不是在等发电技术变好,而是在等待工厂被重新设计。因为此前的工厂主要依靠一根蒸汽主轴带动所有机器,设备只能围着动力源排布;电力普及之后,每台机器可以配一个独立电机,布局终于能够按照工艺流程来安排。可见,生产力不是电本身带来的,是重新设计带来的。

当前,机遇在加快变成现实生产力。大量的案例和成果正在加速涌现,汽车零部件企业中鼎股份一份试验报告的校核从 2 到 4 小时压缩到 5 到 10 分钟;伊利借助 AI 打通了从经营分析到导购执行的链路,销售订单提升 26%;1药网用 WorkBuddy 做智能选品,累计贡献交易额超 9 亿元……

在这个过程中,我们看到,行业的先行者们,依次回答了几个根本性的问题。

关口 对应的层面
工具是否够用 生产工具的更替
能力是否敢用 生产力的释放条件
投入是否划得来 生产力的实际兑现
组织是否跟得上 生产关系的调整

这四问,恰好对应生产工具的更替、生产力的释放条件、生产力的实际兑现,以及生产关系的随之调整,一套 AI 新生产力系统呼之欲出。

1.4. 生产工具的更替:模型之上,还有一套运行系统

这一轮变革的起点,是生产工具的更替,而新工具不只限于模型本身。模型仍然是地基,这一点毋庸置疑。对 AI 科技企业来说,必须确保大模型的投入、突破最前沿的技术。智能的提升,不仅要靠预训练、后训练的优化,还有赖于各行业真实任务的反馈,共同带来的推理能力提升。

企业落地 AI,问题往往不是模型不够强,而是断点太多:AI 能写方案,却接不上业务系统拿数据;能做分析,却不了解企业的渠道和客户。中间差的是一套完整的工作环境:文件系统、工具调用、长记忆、反馈循环,再加上权限边界与结果验证等,行业里把它叫做 harness。

一家头部制造企业的经历很典型。它在售后、产品、市场 3 条业务线提出了 13 个落地场景,具体推进中,我们发现,难点不在模型,而在系统之间的断点。腾讯工程师驻场共建,让智能体通过 MCP 等直连经销商管理系统,每月自动初审 2 万单索赔发票,客服录音工单也从人工抽检变成 100% 全量质检。模型没有换,断点接上了,场景就跑通了。

一个共识正在形成:决定 AI 生产力上限的,不再是单一模型的参数规模,而是承载模型持续、稳定、安全地完成真实工作的运行系统。

支撑这套运行系统的,是一套 AI 原生技术架构,它要保障 AI 高效运行、可管可控。这套架构由三部分组成。一是资源管理,通过 TokenHub 接入和统一调度主流模型,配齐数据与训练工具;二是运行环境,由 Agent Runtime、智能体开发平台 ADP 和托管服务承接,让长任务跑得稳、高并发扛得住,运行过程看得清;三是安全可靠,把企业级安全与 AI Agent 安全体系前置到架构之中。

围绕这一整套的运行系统,我们有两个判断。一是它需要与模型联合设计,二是它必须开放。

1.4.1. 联合设计:智能是一圈一圈往外长的

第一个判断是,运行系统不能在模型之外独立生长,它需要与模型联合设计,这个机制我们称为 Co-Design。

为什么必要,可以从智能自身的生长方式看起。可以把智能想成一个圈。圈的边界越往外,能做的事情种类越多。而圈里的每一件事做得稳不稳、准不准,是另一件事。把圈画大,靠的是预训练和后训练等,这是模型团队擅长的;而把圈填实,靠的是产品在真实任务里反复打磨,这是产品团队擅长的。举个例子,一个模型可能已经会写财报分析,这件事落在圈内;但如何更好地获取企业内部上下文,更准确地反映企业特色需求,那就是如何把圈填实的问题。榜单往往测的只是圈有多大,而用户感受到的是圈里有多实。

所以能力的增长不是一条直线,而是一圈一圈地往外长。模型每往外推一圈,运行系统就跟上去,把能力在真实场景里填实。运行系统填不动的地方,比如反复出错的推理、调不准的工具,又交还给模型,成为训练优化的方向。混元过去一年平均 2 个月发布一个大版本,Hy4 定位为生产力而生,背后就是这样的节奏:模型推开边界,运行系统填实疆域,真实任务的反馈再推动模型优化迭代。

1.4.2. 开放生态:应用层的重点,是看能汇集多少能力

第二个判断是,这套运行系统必须是开放的。

首先,是模型多元接入。WorkBuddy 不仅支持腾讯混元,也支持 DeepSeek、GLM、MiniMax、Kimi、小米、阶跃星辰等国内主流模型,优秀开源模型发布当天即可接入,用户也可以接入自部署的模型。选什么模型、接什么智能体、用什么协同工具,选择权在用户,数据、上下文与记忆都留在企业自己手里。把选择权交回用户,让全生态之力都能帮助用户提质增效。

其次是内外部生态连通。在腾讯内部,企业微信、腾讯文档、腾讯会议、腾讯网盘、ima 已与 WorkBuddy 深度融合,沟通、文档、会议、知识与文件在授权范围内都能成为 Agent 干活的依据,用户一次提问就能整合已授权的内容并看到来源。在外部,用户还可以把钉钉、飞书、Slack 等各类即时通讯内容,以及自有的 ERP、CRM 等系统,通过 MCP 等连接器接进来。

当前,WorkBuddy 开放平台已汇聚超过 5 万家伙伴及开发者,上架技能超过 20 万项,今年合作伙伴已超过 2000 家,其中纯新伙伴超过 60%;在硬件侧,WorkBuddy 已覆盖录音卡、键盘、鼠标、眼镜、AI PC、手机等 10 多类终端,吸引 200 多家硬件开发者入驻,硬件用户体验超 100 万,并成为首个登陆华为鸿蒙的通用智能体应用。

开放促进了更多的用户使用,带来了生态级的生产力提升。自今年 3 月上线以来,WorkBuddy 已累计完成 90 亿次任务请求,企业版落地 50 多个行业,覆盖中国企业 500 强中的 50%、100 强中的 60%。

选择开放,不是一种竞争策略,而是一个产业判断。中国有最完备的产业体系和最密集的场景,也有最分散的系统现状,任何一家企业都不可能独自覆盖所有行业的业务逻辑。在应用这一层,开放才能把各家的能力汇集起来,一起把产业做大。

1.5. 生产力的释放条件:真门槛在制度,不在模型

从实践看,AI 进入组织大体会经历知识问答、办公智能体、数字员工搭子三步,实质是从对话交互走向自主交付。前两步的产出仍要由人转手,到了数字员工搭子,AI 才能在获得权限之后进入组织原有各类系统,直接交付结果。

今天多数产品还停在前两个阶段,要跨过去,难点已经不是模型能力,而是权限、责任和审计这些制度设计。个人用智能体,像请了一位能干的私人助理,好用就行;机构用智能体,更像招进来一支新团队,它要接触客户数据、进入业务系统、替一群人做事。如果权限没管住、结果没校验,影响的就不是一个人,而是一整条业务线。

[!important] 好用是入场券,可信是通行证,可担是上岗证

能用是一回事,能一起干活是另一回事。工具只需要好用,而搭子必须要能共事。从能用到可共事,要补齐三件事:好用,可信,可担。好用是入场券,可信是通行证,可担是上岗证。三者缺一,智能体就进不了真实流程。

1.5.1. 好用:不仅是流畅对话,更在于把事做好

好用的标准不是对话流畅,是能不能把一件事做完整并交付出来。

这就是智能体与聊天机器人的根本区别。智能体由系统工具、专家经验、技能、机构知识等要素装配而成,可以持续在线,让专家经验被更多人复用,产出稳定,过程可控可追溯。

判断一个智能体是否好用,可以看三件事:能不能进入业务系统取到真实数据,能不能独立走完多步骤流程,交付物能不能直接验收。做不到这三点,提效就只发生在对话窗口里。

中国联通全资子公司联通华盛的开票场景是一个例子。过去,31 个省级公司的财务人员每月各花 2 天,核对打款、订单与开票 3 张表;现在把这 3 张表和匹配规则交给智能体,1 名财务人员仅需 2 个小时就能完成整月几万张发票的数据整理工作。

1.5.2. 可信:制度设计可以被写进架构

一家头部制造企业,接进系统之后遇到的第二道难题就是安全。这家全球化企业内部已有上千名员工在自发使用智能体,全面禁用会扼杀创新热情,放任不管又可能让数据流向个人终端。使用 WorkBuddy 企业版后,统一企业账号登录、管住敏感信息外发与产物随意分享等管控上线的第二天,企业就开放了 2000 多人测试,账号被一抢而空,随后启动全员推广,内部 AI 使用者预计将扩大 10 倍以上。边界不是约束,是前提。

可信不只是一句承诺,它是一整套可以写入服务水平约定、并被工程化实现的制度设计。它可以被写进架构,贯穿事前、事中、事后。

环节 做法
事前先划边界 智能体可以代人执行,但不应默认继承用户的全部权限。每个智能体拥有独立身份,纳入企业统一的账号与权限体系,权限不超出授权人的范围;任务在原生级沙箱中执行,文件读写与命令执行限制在授权目录内,密钥与云平台凭据等敏感路径默认受保护。外部能力同样要过关,技能与连接器上架前要经过风险文件检测、沙箱行为检测、开发者实名核验和真实任务评测,上架后持续动态检测。
事中拦住危险 删除数据、越权访问等高危操作直接拦截,不确定的操作交给人确认,任务进行中随时可以叫停;敏感信息在本地先识别,再按策略放行、加密或拒绝,识别与脱敏过程不出网,要求更高的机构可以选择机密计算。
事后能够恢复 智能体每轮修改文件前自动备份,删除的文件先进回收站,一次改动的文件超过阈值就自动暂停等待确认,一整轮任务产生的改动可以整体回滚。智能体看过什么数据、调用过什么工具、执行过什么动作,全程留痕。

1.5.3. 可担:责任要落到人机之间

可担当责任、可回溯是最后一道,也是最容易被忽略的一道。它要求回答四个具体问题:它以谁的身份行动,它能看到什么、不能看到什么,过程能不能被还原,出错责任归谁。以腾讯内部的经营服务智能体磐石小O为例,已接入腾讯 ERP 系统中的 9 个业务、300 多个接口,员工一句话就能查业绩、看回款、发起审批,80% 以上的员工已经切换过来。每次调用都继承员工本人的身份与权限,并保留审计记录。

最能检验好用、可信、可担这三件事的,是容错要求最高、数据最敏感、责任最明确的场景。广东省政务服务和数据管理局发布的湾擎 WorkBuddy,是全国首次在国产化环境下实现了全栈适配改造,首批 18 家省直单位试点,首次线下实践培训就涌现出 54 项可复制推广的政务场景,平均效率提升 70%,后续全省公务员将在上面办公。WorkBuddy VPC 专享版首批通过中国信通院政务领域智能体安全要求测评;WorkBuddy 还作为参编方参与深圳《人工智能可信办公智能体标准体系》制定,并发布《WorkBuddy 企业版安全白皮书》,首次系统公开全链路安全管控体系。深圳港集团采用私有化算力与执行环境,数据全程不出企业边界,已在人力、财务、企管、合规等部门上线。国家数据发展研究院上线 WorkBuddy 专享版,账号、权限、知识库都归院里管,不用自建机房,开通就能用。AI 在本人岗位授权的范围内取数干活,公文、院务、课题与标准这些活儿都在里面办,一份材料谁起草、谁核过都能追到人。中国地震局地球物理研究所用 SaaS 方式引入企业级 AI 办公能力,数据在服务商侧隔离存放,按部门与岗位分级授权,操作日志可回溯。

这些案例充分说明,可信是可以被工程化实现的一套制度设计。对可信要求最高的场景能跑通,其他千行百业的场景也就有了可以照着走的路径。

1.6. 生产力的实际兑现:从成本项到增长项

生产力能否兑现,核心是看到底带来多少降本增效,多少增收,以及产业的创新升级。

对此,可以看两本账。其中,时间账已经算清,省下的小时与天,在非常多的落地案例中都清晰可见;同时,组织最关心的经营账,也正在出现,AI 已经开始促进订单、获客与产能。

算账的尺子本身在变。国家数据局统计,我国日均 Token 调用量已从 2024 年初的约 1000 亿增长到超过 500 万亿。腾讯研究院在《Token 经济》中提出,Token 是第一个用来计量机器智力产出的单位,如同千瓦时之于电力。

[!tip] 用量不等于价值

同样数量的 Token,用来改一封邮件和用来发现合同漏洞,创造的价值可能相差上千倍。成本按 Token 线性计量,价值却按任务后果展开。所以衡量 AI 投入,要看的不是烧了多少,而是 Token 效率,即每一个 Token 换回了什么。

新华三借助可观测数据平台,看清了哪些团队用得深、用在什么场景,据此调整 Token 分配并设计激励,员工每天与智能体的对话达到 130 万次;苏宁易购逐条排查异常耗时的任务轨迹,Token 消耗降低 10%;云端执行环境空闲时休眠、毫秒级唤醒,综合部署成本降低 70%。文案任务不必调用最贵的模型,高价值任务才值得用最好的模型,从粗放使用转向按任务匹配,本身就是在算这本账。

1.6.1. 时间账:被压缩的小时与天

制造环节最先算清。产线车间的狭义工业智能体落地难度大,而制造业中大量泛办公场景,如研发、售后、采购、财务等,需求普遍、规则清晰、见效快,是当前的突破口。据腾讯研究院发布的《迈向自适应制造:制造业智能体实践白皮书》,排产插单、采购缺料预警这类场景的时间账已经算得清楚。

领域 主体 场景 改进
制造 生产计划排产插单 调整工单、通知各部门 从 3–4 小时降至人工投入 半小时,急单响应周期缩减到 15 分钟
制造 采购缺料预警 采购员的一次核查 从 半天到一天减少到约 1 小时,缺料风险提前约 2 天被识别
制造 广州视声智能 上万种 PCB 材料的采购决策 多维度评价从人工 2 天降到 半小时,供应链管理者的经验沉淀为每月自动运行的规则
制造 中鼎股份 出厂试验报告的校核 从资深工程师逐项比对 2–4 小时压缩到 5–10 分钟
专业服务 广东圳品律师事务所执行主任 林冰(执业近 30 年) 民间借贷诉讼文书 把经验炼成可复用的技能,上传借条后不到 20 分钟产出 16 份起诉文书,原本要走 1 周的流程大幅压缩
医药电商 1药网 药品对码 效率提升 10 倍
零售连锁 茶颜悦色 AI 面试系统与门店运营决策平台 推动连锁门店从经验驱动转向数据驱动
零售连锁 鸣鸣很忙 携手腾讯智慧零售推出 AI 巡检 覆盖门店设备、卫生、陈列等人货场全场景,持续提升巡店效率并节约人力成本
医药零售 海王集团 把药师专业知识导入 WorkBuddy 做成技能 导入 7000 多条知识,服务 5000 家药店,相关知识运营成本降低 80%
教育 深圳市第二高级中学 周建定 把经验与资料装进专属专家 26 年经验与 27 万份资料,成为学生的 7×24 小时专属历史导师
教育 成都七中初中学校 郑刚 一个人搭出校园管理系统 过去要在 20 多个系统里反复切换,现在一个入口全部办完;全校 490 余名用户中已有 487 人激活使用

1.6.2. 经营账:开始出现在收入一侧

更值得注意的变化,是 AI 开始出现在经营指标和收入一侧。

路径 主体 场景 结果
把交付变快 珠海天威飞马 采购智选、寻源比价 决策周期从数天缩到分钟级
把交付变快 投标宝 单份标书编制 从 36 小时压缩到 14 小时,标书内容自动生成比例达到 90% 至 100%
把交付变快 1药网 智能选品 供应商引进效率提升 83%,精准引进新品 7000 多个,平台缺货率由 4.9% 降至 2.4%,累计贡献交易额超 9 亿元
把交付变快 找钢网 客户聊天记录转给 WorkBuddy 自动录单 数字员工 2026 年上半年参与的交易额达到 11.07 亿元
把交付变快 长沙丁丁文化传媒 短剧生产,并已接入腾讯云的 API 与智能体模型推进全链路提效 人员规模基本不变,月产量从约 20 部提升到 100 部以上
把智能体用于客户交互 伊利 汇聚业务数据、分析生成经营策略,下发给上千名导购,再配合导购智能体生成商品推荐与沟通话术 运营提效超过 50%,A/B 测试显示销售订单提升 26%
把智能体用于客户交互 伊利 重新设计试用装参与链路 20 个城市 2 万多名消费者参与,90% 以上的目标消费者用 AI 产出了内容,优秀笔记的转评赞超过品牌自己发的笔记
把专业能力产品化 麦芽传媒 题材选题、剧本撰写、分镜脚本全链路封装 累计创作微短剧超 2000 部,一句指令就能拿到从故事梗概到分镜脚本的完整交付
指向决策本身 儒意电影 智能定价、数字店长向智能排片、经营模拟推进 报表从等 2 到 3 周变为随时向智能体提问

这些都是经营指标,不是工时指标,直接对应可实现的销售。过去只有专业团队能提供的能力,由此可以被规模化调用。在 AI 时代,速度本身就是竞争力。

这些变化的共同点是,AI 不再只是替企业省钱,而是开始帮企业挣钱。

1.6.3. 门槛下移:这两本账,过去只有少数人会算

过去数字化的收益主要被头部大行业和大企业吃到,因为只有它们负担得起自建信息化团队和购买系统的成本,中小企业数字化转型往往面临不会转、转不起、不敢转。

门槛下移的实质,是工程能力的平权。过去把一个想法变成可运行的系统,要先有预算、有团队、有排期;现在业务人员用自然语言描述需求,就能拿到可用的智能系统。能力不再只属于能雇得起大量工程师的组织。

长沙包子摊主任小轮原本在北京做设计,后面回乡卖包子。包子靠手艺,生意靠运营,预订群里上百条接龙,手抄订单要半小时,漏一单就影响口碑。他用智能体搭了订单工作台,自动整理接龙、生成订单日历,招牌、菜单、海报也让它设计。以前 3 个人的活,现在他一个人加智能体就能干完,日销从 300 个涨到 800 个。过去说产品迭代,想到的是互联网大厂;现在,一个包子摊也能做产品迭代。

北京市规划和自然资源委员会密云分局副局长谢陨石借助 WorkBuddy 与 CodeBuddy,用不到 1 个月开发了一款防汛叫应小程序,打通地灾预警、雨情与群众转移信息。过去要 20 多人逐户打电话、通话以万分钟计的工作,现在 1 名工作人员 1 小时就能完成 16 个镇的预警发布和转移统计。

这类个体不再是孤例。全国首个以园区为单元集中供给智能体能力的 OPC 合作社区落地成都,正逐步向全国更多城市和园区复制推广。

1.7. 生产关系的调整:一个人快,不等于一群人快

在生产力提升后,很多原有的组织方式已经不再适应 AI 时代的工作模式,组织升级势在必行。

麦肯锡全球 AI 现状调查显示,88% 的受访企业已在至少一个职能中使用 AI,但只有 7% 表示 AI 已在全组织范围内完全规模化。不少一线观察发现,个人用 AI 提效可达 3 到 5 倍,而机构整体只提升 10% 到 20%。

这是因为,个体提效不会自动传导为组织收益。它在个人手里是乘法,进到组织里要先过摩擦这道除法。这正是电力进厂的那几十年遇到的问题,早期电机虽然装上了,但设备布局却没有重新设计,导致工厂的生产率上不去;直到工厂按照工艺流程重新布局,生产组织方式随之改变,电力的价值才得以真正释放。

1.7.1. 分子之外,还有分母

腾讯研究院提出过一道算式:组织竞争力 = 人才密度 * AI 杠杆,再除以组织摩擦。

多数机构都在拼命做大分子,买更强的模型,接更多工具,提高使用率。但 AI 能产生多大价值,很多时候越来越取决于分母能否下降。当一个人拥有了过去一个团队的执行能力,原有的协作方式、汇报关系、审批机制等都需要跟着改。

我们接触的不少企业负责人,反复提到两个痛点:一个是用不好,员工各自提效,但彼此缺少协同;另一个是算不清,不知道如何量化 AI 投入的价值与成本。

个人提效是起点,组织提效才是终点。

形态 内涵
超级个体 一个人借助多个智能体扩大能力半径
超级团队 人与数字员工搭子围绕同一目标端到端交付
超级组织 通过统一底座管理智能体、工作流、记忆、权限、成本与安全,实现组织生产力的提升

协作本身的形态必须要改变,才能适应 AI 生产力的快速发展。过去的协作是每个员工各自改版本、来回传阅修改;现在变成团队讨论清楚后把需求交给智能体,内容由模型生成,由智能体整合,由团队验收,再沉淀进知识库。协作从围着文件流转,变成围着任务推进。多个智能体同时上岗、并网协作,把一段繁复流程接力执行到底。腾讯内部每天已有百万级的云端托管智能体任务在运行,人从每一步的执行者,变成全局的目标设定者与结果验收者。

这是一种新的生产关系,可以称之为群智协同。它之所以属于生产关系而非生产工具,是因为它改变的不是某个人手里的效率,而是人与人、人与智能体之间如何分工、如何衔接、如何担责。

1.7.2. 让懂业务的人直接拥有工具

跑出来的机构有一个新的共同特征:它们没有让信息技术部门先改架构,而是让业务同事直接拥有了工具。

企业 做法 结果与判断
晶科能源 200 人规模的员工训练营 提效幅度在 20 到 44 倍之间,最终有近百人成为深度用户,AI 已进入财务、IT、知识产权、生产等多个业务场景。CIO 王兴旺的判断:以前靠招人扩张,现在开始靠算力扩张
珠海天威飞马 训练营 28 位学员全部来自业务一线,没有一个是程序员;业务主导,技术陪跑,信息技术团队只做支持而不代劳 半年之后 5 个业务智能体从一线长了出来,累计沉淀 50 多个应用场景,横向覆盖 6 大职能。企业把这种范式叫做“一个人就是一个部门”
东阿阿胶 先让员工在各自业务里把智能体用起来找价值 内部 AI 共创营报名增长到 800 多人,应用由业务部门自己创造出来
中顺洁柔 1200 多名员工在日常工作中使用 WorkBuddy,总裁高波带头参加培训和考试 把从销售订单、发货、选仓到生产排产的供应链链路交给智能体,去求最优解;原本分散在外包团队和信息技术部门手里的业务规则,开始沉淀在企业内部
泰康保险集团 AI 原生不是在传统系统上叠加 AI,而是用 AI 重构业务流程和运行模式 标准化场景交给自有系统合规收口,长尾需求交给智能体,代理人不必懂 AI,说一句话就能搭好工作台

在这个过程中,人的角色正在变化。员工以前主要负责执行。现在越来越多的工作变成:训练 AI、检查 AI、处理异常、确认结果。晶科内部甚至开始重新思考岗位本身。以前是产品经理、设计师、工程师。未来,一个员工可能更像 AI 的训练师和审核师。

腾讯自己也在走同一条路。在这次数字生态大会上,有一个特别的论坛,就是分享了腾讯自己在人力资源、法务、财务、采购、客服等线如何用 AI 提效。其中,人力资源团队的 400 多人,在 3 个月内自己动手上线了 3600 多款应用;法务把合同起草、审查与条款价值提炼交给智能体承接;客服团队经过 101 次迭代,把评估智能体的准确率从 50% 提升到 97%,团队经验由此沉淀为可复用的知识资产;内部还定期组织跨部门案例分享和黑客松,在识别超级个体的同时,探索新的组织方式。这些变化的共同点是,提效的主体不是技术部门,是业务部门自己。

落到各行各业,大家关心的往往不是又一套工具清单,而是同类组织的 AI 转型走过的路径、趟过的坑:谁来提需求、如何设验收、责任怎么划、哪些环节敢交出去。腾讯把这些经验摊开,本身也在成为服务产业客户的一种独特能力,即先在自己身上把制度与流程跑通,再把可迁移的方法交给伙伴与客户。

把这些做法放在一起,一个产业判断浮现出来。中国制造业不缺设备,缺的是把数据与经验变成运行、决策的能力。过去,大量不写在手册里的关键判断依赖老师傅,经验难以转化为组织资产。而 AI 在这里的价值不是替代人工经验,是让经验第一次可以被沉淀、被传承、被规模化调用。

这种沉淀还会自我强化。每一次智能决策都在产生新的数据,这些数据回流到智能体,让下一次判断更准,更准的判断又带来更多被交付的任务。组织由此获得一个自循环的飞轮:用得越多,沉淀越厚,能力越强。苏宁的新品发布团队把布展、会展、接待做成模板,过程文件纳入知识库,下一场发布的筹备从 3 个工作日缩短到 4 小时,苏宁的组织级智能体平台已覆盖 14 个部门,沉淀出 36 个可复用的智能体。省下的是一次的时间,留下的是下一次还能用的方法。过去的系统只记录结果,不生产能力;而 AI 生产力系统会自己长,这是组织能力的结构性增量,也是与传统数字化最大的区别之一。

1.7.3. 组织提效的下一程,取决于网络效应

组织提效能走多远,还取决于能否形成个人与 Agent 的网络效应。

首先,在于能力生产与分工新网络的形成。WorkBuddy 开放平台上线了生态资产商业化能力,支持开发者价值变现:开发者可以发布付费的技能(Skill)和专家,设定资产买断、订阅付费两种收费模式,用户在购买后即可使用。如,投研服务商通达信将 65 项专业能力带入 WorkBuddy,累计调用量超过 3000 万次;贸易服务平台 NextB2B 贸易通覆盖贸易全流程,AI 带动 GMV 达 11.05 亿元、累计提效 16000 小时;销售易 CRM 连接器已服务 1600 余家企业客户。深圳市标准技术研究院把 16 项专家能力、10 项核心技能封装成首个标准化行业智能体,帮助企业查标准、管标准、用标准。

其次,在于链接已有运营数据的深度协同效应。当办公工具与企业原有的客户管理、办公协同、资源计划等系统打通,员工 IM 沟通、文档和会议记录,企业研产供销服各类数据等在授权范围内都能成为智能体干活的依据。机构不用换系统、搬数据、重做流程,就能把沉淀多年的数字化资产变成 AI 的生产资料。接入越深,智能体获得的业务上下文越完整,沉淀的组织资产越厚,产生的价值越大。

对大多数机构来说,起点是耗人力、易核验的办公类和数据类任务,把这些任务先跑通,再复制到更多岗位。

1.8. 不变的两件事,和一个邀请

工具在变,组织在变。但越往下走,越觉得有两件事不会变。

1.8.1. 长期主义

这不是一句姿态,而是由生产力本身的性质决定的。技术迭代越快,噪音越多。真正把能力变成生产力,靠的是在同一个问题上反复打磨:模型要一圈一圈往外长,制度要一条一条写进架构,组织要一层一层重新设计,这些事都没有捷径。

所以技术变革越快,越需要定力。生成变得容易之后,判断与验证成为新的稀缺环节,架构能力与验收标准的价值随之上升;稳定性与可用性是长期资产,不因生产方式改变而让渡。各种新提法、新概念,最终都要用第一性原理去思考与批判。思考清楚,聚焦核心,化繁为简,这句话在今天比以往更值钱。

1.8.2. 以人为本

这其中蕴含了两层意思:一层是让人放心,一层是把人放大。

让人放心是底线。智能体进入真实工作,意味着它接触的是机构的数据、客户的隐私、员工的日常。所以边界要清楚,权限要最小,过程要留痕,出了错要能恢复,责任要有人担。安全不让位于效率。安全不是 AI 落地的刹车,而是油门,因为只有放心,才会让人真的把重要的事交出去。

把人放大是目的。这一轮技术最值得珍惜的地方,是它第一次把过去只属于专业团队的能力,交到了普通岗位的人手里。前面那些例子里真正跑出来的,不是最先进的系统,而是一个个具体的人:卖包子的摊主、不会写代码的老师、基层干部、业务一线的骨干,等等。

能力的结构也因此迁移。真正稀缺的,不再是重复执行任务的能力,而是提出问题、作出判断和理解人的能力。标准答案几秒钟就能生成,所以提问更重要;工作成果的下限与模型有关,上限由人的审美决定;而真正理解人的需求、感知复杂社会关系的能力,目前仍是 AI 难以替代的。

人是起点,更是目的。人是起点,因为提出什么问题、接受什么结果、承担什么责任,这三件事都只能由人来做。人更是目的,因为工具更替、生产力跃升、生产关系调整,最终都要落到人的处境是否变好。智能被大规模生产之后,人应当调用智能而不是依附智能,使用效率而不是被效率吞没。落到终局,是让智能时代的绝大多数人都能获得能力、尊严与富足,让最弱势的群体也能被看见、有机会。让 AI 成为尊重人、成就人和有温度的力量。

1.8.3. 一个邀请

模型会继续变强,工具会继续变好。但把技术的爆发力翻译成千行百业确定的、高价值的生产力,没有谁能够独自完成。中国有最完备的产业体系和最密集的场景,也有最分散的系统现状,行业的业务逻辑藏在无数个具体的车间、门店、办公室和窗口里。真正可规模化的路径,是在公共的、可被接入的 AI 生产力系统上,让千行百业把各自的能力接进来、把业务跑上来,让 Agent 真正沉淀为业务流程中的内生力量。

[!success] 创造价值,才是永恒的

机遇正在交汇,要从热度之下走出来,回到最朴素的问题:你在帮谁解决什么问题。迈过这一步,就会拿到下一轮迭代与演进的先机。创造价值,才是永恒的。

文章末尾的小型蓝色标志图形,与文末腾讯研究院标志同形 一图读懂《从 AI 机遇到现实生产力》:左侧梳理两条曲线的历史性交汇,中部列出机遇兑现要穿过的四道关口(工具够不够用、能力敢不敢用、投入划不划算、组织跟不跟得上),下方归纳四问合成的 AI 新生产力系统