魏炜：走进四种AI原生企业

本文来自微信公众号： 北大汇丰PFR ，作者：魏炜 张鹏程 张坤

2026年，两家企业不约而同地对外宣称自己“正在向AI原生演进”，可真要走进去看一看，两者几乎南辕北辙（本文所举案例皆为示意性场景）。

A公司刚刚完成一场声势浩大的组织重构：部门墙被打掉，业务按“价值闭环”重新组队，一桩需求从进入到交付，由一个端到端的小队全程贯穿——流程图焕然一新，协同成本一下子降了三成。可细看之下，干活的仍是清一色的人，AI不过是每个人手边的一件效率工具。组织的骨架已经端到端，AI却还停在工具的地位上。

B公司恰好相反。它的组织结构图几乎没动，部门、岗位、汇报线一切照旧。但在某些关键环节上，它让AI真正成了主体——一个AI系统能在规则框架内自主立项、自主调度，对一段完整的结果负责，人则退到锚定价值、划定边界的位置上。AI已被当作主体，承载它的组织却仍是分工的老底盘。

按第一篇的命名，两家都是AI原生企业——A是形先行型，B是神先行型。它们之间并不是“一个比另一个走得更远”，而是踩在了通往成熟形态的两条不同岔路上。要把这一点看清楚，单靠一条光谱不够，得请出那张两维的图。

两个维度，张开一张类型矩阵

这张图有两根轴。横轴是组织范式：一端是分工（把价值链打碎成岗位、再拼接起来），一端是端到端（同一个主体端到端地承担起整条价值闭环）。纵轴是AI的存在论地位：一端是工具（悬挂在岗位的关节上、由人来调用），一端是主体（被元规则治理、自主承担乃至与人融合）。两轴一交叉，四种类型便各就各位。

下面就逐一走进去，看看每一型里的人每天怎么工作、架构长成什么样、在各行各业是什么模样、比起传统企业强在哪里，又分别在什么状态下算健康、什么状态下算生了病。

走进①·赋能型AI原生企业：每个岗位都快了，组织还是那个组织

先从一间精密制造企业的质检车间说起。质检员还坐在原来的质检岗上，岗位说明书一个字没改——唯一的变化，是工位旁多了一块屏：AI视觉系统先把一万件产品扫过一遍，挑出三百件疑似瑕疵，她只需盯着这三百件细看。打卡、月度KPI、向质量部经理汇报，一切照旧。用她自己的话说，“我还是干我那摊活，就是快多了。”这就是赋能型的体感——人没挪窝，活还是那些活，只是每一件都更快、更准了。

往架构里看，原有的ERP、MES、OA全部原封不动，AI只是以插件的形态嵌在一个个流程节点上；组织结构图、审批链、静态权限统统照旧。它有一个一眼就能认出的判别特征：把所有AI一把拔掉，架构图一笔都不用改。

换一个行业，样子也大同小异。医院影像科里，AI先读片标出疑似病灶，医生再复核——医生还是医生，科室还是科室；律所里，AI做合同初筛与判例检索，律师做最终判断，合伙人制纹丝未动；城商行的信贷十二个环节各嵌一个AI辅助，可那条审批链还是原来那条；连锁餐饮总部用AI自动生成巡店报告，督导岗依旧是督导岗。和传统企业相比，赋能型的好处实打实：同一个岗位、同样的事，干得快上三到七成，错漏也更少，点上的提升真实可观。可只要把视线从“点”挪到“链”，就会发现部门间的移交、等待、扯皮一样没少——质检是快了，可质检报告送到生产部的排产会上，照样得等到下周一。点快了，链没变。

这一型是九成企业的所在地，也是高度标准化行业（规模制造、合规密集的金融后台、核电运营）的长期最优解——对它们而言，深耕赋能型不是落后，而是合身。它唯一的病，是该走而不走：业务环境明明已经高度多变、客户正在为迟缓的响应而流失，企业却还满足于“每个岗位都提效了”的那张漂亮报表。

走进②·形先行型AI原生企业：组织先变了形，干活的还是人

走进一家定制家居企业，你会找不到“设计部”“生产计划部”“安装部”的牌子——你所属的，是一个“订单闭环小队”，量尺、设计、报价、生产跟单、安装、回访，五个人对一批客户从头负责到尾。一位设计师这样描述前后的变化：“以前我画完图扔给报价的就不管了；现在客户是‘我们小队的客户’，他半夜想改柜门，我早上改图、中午报价就发出去。”AI在这里是小队手里的工具——出效果图、算开料、排安装路线，可真正做判断、真正担责任的，全是人。

这家企业的组织动过一场大手术：部门墙拆掉，按价值闭环重组成一个个网络化的小队，考核也从部门KPI改成了闭环结果——交付周期、客户满意、单均利润。但AI这一层并没有跟着升格，各种copilot仍是被人调用、被人编排。端到端的骨架，配着工具级的引擎。它最典型的实现，是一个真人牵头，驱动一条智能体工作流跑完整个闭环——人，始终是那个驱动者。

这样的形先行，在各行各业都能看到：财险公司把车险理赔改组成“一案到底”的小组，查勘、定损、核赔合署办公，一个案件经理对客户全程负责，理赔周期从十五天压到三天；广告公司取消媒介部、创意部、客户部的三分天下，改为“客户闭环组”；城商行把小微贷款做成“一个客户经理加一套AI工具跑全程”，审批从七个岗压成两道关。比起赋能型，形先行拿到了它拿不到的系统级提升：部门间的等待消失了（案子不再在缝里排队），移交的失真也消失了（根本没有移交这回事了），周期更是数量级地缩短（十五天变三天、四个月变二十一天）。

但代价同样真实：闭环的全部认知负担，如今都压在了人的肩上——案件经理一个人要懂查勘、懂定损、懂核赔，人累、培养慢、规模化难。组织会真切地感到“缺一个能自主扛起一段的AI主体”，而这种“缺”，恰恰是形先行型往融合型走的牵引力。所以它适合那些定制化高、变化快、客户看重全程体验的业务；它的病则叫“空转”——骨架已经端到端，AI主体却迟迟不补位，全靠人硬撑，于是倦怠、流失、协同成本回升。形换了，发动机没换，车是被人推着走的。

走进③·神先行型AI原生企业：AI真的自己干活了，组织还是原来的格子

一家头部电商平台的售后中心，退款这件事已经完全交给了AI——它自己读订单、查物流、判责任、做决定、执行打款，一天能自主处理上万单。一位客服员工这样描述自己工作的变化：“我现在不处理退款了，我盯着AI处理退款——看监控盘，接它升级上来的疑难单。”再走进一座“无人工厂”，产线上是机器人自主作业，监控室里坐着各环节的指挥与运维团队。人，从“干活的”变成了“看着AI干活的”。

神先行型的AI已经升为主体——能自主决策、对结果负责；可它被装进了原来的分工格子里：组织结构图没变，只是客服部的格子里如今是“退款AI”，财务部的格子里是“对账AI”，再配一个管理后台统一管着它们的权限、用量和审计。架构图还是那张架构图，只是其中一部分格子里的人，换成了AI。

物流的智能仓里，分拣、补货、调度由AI自主执行，人只做监控与异常处置；基金公司的量化交易，AI在风控框架内自主下单；制造企业给老师傅训练一个“数字分身”，7×24小时独立调工艺参数；集团的财务共享中心部署一组常驻的“领域智能体”，审核、对账、税务各管一摊。比起形先行，神先行拿到的是另一种提升——机器的速度与复制力：AI主体毫秒级运转、7×24不休，一套能力可以复制一千份（传统企业复制不了最好的老师傅，神先行型却可以复制最好的AI）。在被它接管的环节内，吞吐与成本都是数量级的改善。

但部门墙、审批链原封不动——退款AI干完的数据送到运营部，照样得排队走流程，各领域的AI隔着部门墙互相干等。神先行型的健康有一条铁律：AI主体必须保持“液态”（能力按任务激发、按需调用，由元规则管住边界），同时人要守住价值判断的回路。它的病有两种，且都常见：一是“憋屈”——AI本可以端到端地跑，每一步却要等审批，毫秒级的主体被硬生生拖回天级的节奏；二是更危险的“焊死”——把AI顺着组织架构图做成一个个常驻的领域智能体、岗位智能体（“AI财务部”“数字员工7×24在岗”），停得越久，“AI等于岗位”的责任挂靠、数据管道、心智锚定就焊得越死，将来想往融合型走，得先砸掉自己浇下的水泥。焊死是会“复利”的，越往后越难逆转——这正是神先行型区别于形先行型的特有风险。

走进④·融合型AI原生企业：没有固定岗位，没有“使用AI”，人融在判断里

一家零部件企业，一个海外客户的紧急定制需求半夜进来，系统当场激发出一个任务——自动调取工艺、成本、产能、物流的各路能力模块，临时组装出一条“接单—设计—试制—交付”的链路；其中“该不该接、用哪条工艺路线、要不要为它调整本周产能”这些判断密集的环节，则交给一位与系统融为一体的负责人来定。他的体感是：“我分不清这个方案是我想的还是系统想的，是我们一起想出来的。”——这，正是智慧体在工作。等交付完成，那条临时链路随即解散，新攒下的工艺经验自动沉淀进能力库。这家企业没有固定岗位——工作以任务的形式，因价值闭环被激发而临时出现；也没有“使用AI”这回事——人不是站在系统外面操作它，人就融在判断里。

再看一家设计服务公司：客户的品牌焕新需求进来，激发的任务自动集结调研、创意、视觉、落地四组能力包并行推进；创意总监与系统构成的智慧体，把握着“这个方向对不对、踩不踩品牌的价值红线”；三天就交付出传统模式三周的工作量，而每个项目沉淀下来的风格判断，又回流成下一个项目可以随手调用的能力。

这一型的架构，是“AI包着软件”——AI成了主干，旧的那些确定性系统（ERP、MES）降级为被它调用的可靠零件。底座仍是两层：一层管协同的形式（结构、协议、留痕），一层管语义，也就是企业的世界模型——它经营的对象、对象之间的关系、其中的规则与因果。能力以“能力包”的形态存放，液态调用、用完即散，没有任何常驻的领域智能体或岗位智能体——“财务”不再是一个部门、也不再是一个AI，而是任何任务执行时被自动调起的一组能力（业务一发生，财务就发生）。治理靠的是元规则三层（红线钉死、中层灰度、外层试错），而不是审批链。组织的“头”，是人机融合而成的智慧体，多个智慧体（不同的价值闭环各有各的融合体）网络化地协同——而不是某一个“主智能体”指挥一群子智能体的新科层。

融合型与传统企业之间，已经不是“快与慢”的对比，而是“物种”的对比：传统企业那六本账（信息传歪、案子排队、节奏被锁、能力复制不出、部门互相拆台、组织改得慢——详见第三篇）一本不落地全付，融合型则六本全销。它新付的是另一类成本——融合态的治理：如何确保人始终是价值锚定极、不被融合稀释掉主导权，价值排序如何持续校验以防漂移，多个智慧体之间如何对齐与仲裁，人类的价值又如何在持续的进化中传承下去。这些正是融合型的日常管理议题——成熟形态并不是没有管理，而是管理的对象换了。它健康的标志，恰恰是上面这些治理议题被认真地运转起来；它的病则是融合态特有的：价值中心在不知不觉中滑向了“系统算出来的最优”，而人浑然不觉，或者某个智慧体的判断力悄悄退化，整张网络却没能及时纠偏。

类型之别，是本体之别，不是价值高低

读这张矩阵，最容易犯、也最致命的一个错，是把它读成一道“价值阶梯”——以为赋能型最低、融合型最高，企业的使命就是一格一格往上爬。矩阵刻画的是企业的存在形态，而不是一条从低到高的价值阶梯。一家深耕赋能型、把AI赋能用到极致、业务蒸蒸日上的企业，完全可能比一家勉强爬进形先行型、却处处错配、内耗丛生的企业，活得好得多。类型上的位置，从来不等于经营上的优劣——一种形态好不好，取决于它与这家企业真实约束（业务的标准化程度、技术的成熟度、治理的需求）之间的适配度。

还是那句话：蝌蚪不是失败的青蛙。四种类型，都是这同一条生命的合法形态，融合型只是其中的成熟态——可成熟态并不是什么道德高地，蝌蚪在水里，活得比一只被硬拽上岸的“准青蛙”好得多。

②③不是陷阱，而是有牵引力的中转——但停留的代价并不对称

横轴与纵轴看似各管各的，其实暗暗地相互牵引。端到端范式在逻辑上就预设了AI是主体——因为“同一个主体端到端扛起整条闭环”这件事，本就是AI成为主体之后才头一回成为可能；反过来，让AI真正作主体，又会持续地把组织往端到端的方向拉。两根轴之间存在着这样一股内在的牵引力，这也就决定了形先行型与神先行型的真实身份：它们都是只完成了一根轴的切换、停在对角线之外的“半程位”。形先行型有了端到端的骨架，这副骨架便不停地“召唤”AI主体前来补位；神先行型有了AI主体，这个主体便不停地“撑胀”着原有的科层边界。

正因如此，这两型都不是死胡同，而是带着方向感的中转站。它们各自的那点效率折扣——形先行型要用人力去填闭环里本该由AI承担的部分，神先行型的AI总被审批拖慢——也不是什么“次品”的毛病，而是两根轴还没同步时，合情合理的协调成本。

可是，一旦打算把形先行型或神先行型当成长期的驻地，就得看清楚：这两种停留的代价，结构上截然不同。长期停在形先行型，付的是“搁浅”的代价——端到端的底盘配着人力的引擎，结构里蕴含的潜能被闲置着，可这笔潜能是能够回收的：哪一天AI主体补位进来，它就在哪一天兑现。长期停在神先行型，付的却是“焊死”的代价——一个个常驻的智能体，把分工的结构焊进了智能层，这笔代价会“利滚利”，而且越来越难逆转，停得越久，将来想转身就越贵。所以，倘若迫不得已非要在对角线之外长期扎营，形先行型是一处比神先行型安全得多的营地——这个结论，和“神先行型看起来更先进”的直觉正好相反，却是一笔真实的账。

两条上行之路：形先行与神先行

从赋能型走到融合型，是两条岔路，而不是一条直线。（顺带说一句，从形先行型直接横跨到神先行型这一步，在几何上根本不存在：那意味着要把刚拆掉的墙再砌回去、同时又把AI升格——半进半退，没有谁会这么走。）一条是形先行之路，从赋能型经形先行型抵达融合型：先动组织，把墙拆掉、按闭环重组，再让AI主体逐步补位——这正是开篇A公司走的路，特点是“先重组、后注智”，风险则是形先行型的那个“空转”。另一条是神先行之路，从赋能型经神先行型抵达融合型：先抬升AI的地位，在关键环节让它真正作主体，再倒逼组织换形——这是B公司走的路，特点是“先注智、后重组”，风险是神先行型的“憋屈”与“焊死”。

至于该选哪一条，取决于禀赋：组织变革的阻力小、AI应用还浅、平时又以项目制运作的企业，宜走形先行；AI能力已经很深、组织惯性却极强、科层短期内难以撼动的企业，宜走神先行。而且这种“选择”往往并不自由——大多数企业的真实处境，是一条路天然可走、另一条路天然走不通。所谓选择，不过是诚实地辨认出：你的禀赋，已经把你推上了哪一条路。

四型一页对照

把这一切收进一张表，便是四型的一页速览：

结语

开篇那家A公司与B公司，一个是形先行型、一个是神先行型——它们都是AI原生企业，都不是失败者，也都还不是成熟的融合型。它们不过是同一张矩阵上的两个真实坐标，各自踩在通往融合型的不同岔路上。

但认清“自己是哪一型”，只是诊断的第一步。这一型对这家企业到底合不合身？四种类型与传统企业之间的绩效差异，究竟从哪里来、又有多大？该不该动、往哪动、怎么动？这些，正是下一篇要系统回答的问题。