文 | 数智前线，作者｜任晓渔，编辑｜徐鑫

AI快速进步重塑白领工作已不是新闻。过去几年，科技公司们持续向社会许诺，AI将创造前所未有的生产力价值。

人们普遍以为，这将是一件以十年为周期发生的事。但过去几个月里，这个许诺正以我们始料未及的速度快速兑现。

AI像一个会传染的病毒，在各类组织里蔓延，并与不同工种、协作关系发生激烈反应。

如果把组织看成一个生命体，此刻在一些大型企业、中型公司和只有几个人的小团队里，不同烈度的感染同时在发生——有的在被重塑，有的组织在排异，当然也有的还没有意识到大感染已经开始。

我们接触和访问了若干家企业，发现与AI反应的方式，正在快速影响一个组织的效率。而这种反应也不可避免地在打工人身上荡起了涟漪。

“就像冰河时代来临，所有巨大的动物都要把自己变形才能活下去。”

AI能写出技术团队写不出的代码

“过去这一个多月，AI比想象中更疯狂。”云蝠智能CEO魏佳星谈及过去几个月他们内部用AI带来的组织变革和由此发生的连锁反应，忍不住感慨。

今年春节开工第一天，这家成立已经八年，百人规模的智能语音外呼技术服务商开了一场组织动员大会。在智能语音外呼行业里，云蝠智能是拥抱AI颇为迅速的一家，在国内较早基于大模型迭代智能呼叫产品，每次基模升级也能看到云蝠快速跟进的身影。

但最近几个月里，一切有了质变。

去年9月开始，云蝠智能的研发部门从Copilot和Cursor迁移到了某顶级模型上。11月，CTO用AI写出了一个针对不同人声的自动降噪模型——不只是写出来了，它上线了，能够承载高并发处理。魏佳星回忆这个过程，语气里有一种至今没有完全消化的震惊：“我们现有的技术团队写不出来，然后它给写出来了。”

这和过去两年大家熟悉的“AI提效”叙事不一样。过去的AI工具Copilot、Cursor及其他AI编程工具的使用效果的口径基本一致：帮助团队提升20%到40%的效率。但去年年底开始，魏佳星觉得技术进步到了另一个量级，“如果效果好了两到三倍，就不能称之为提效了。“

云蝠随后切换了整个研发工作流，在技术部门强制要求使用顶级AI工具，并且在年前启动了一波新的招聘，解决此前的产能不足问题。新加入的30名员工不论归属哪个部门全都是vibe coding狂热爱好者，“我们不仅没有裁员，反而增加了新血液”，魏佳星说。

云蝠还设计了一套奖励策略来推广AI应用——与AI协作的产品上线或在组织内应用后，公司给功能设计者发钱。每个需求按照难度和重要程度定价，魏佳星认为，按Token消耗量报销或奖励反映不了太多的真实价值创造，而追踪用AI创造了多少可以上线的东西更有价值。

这套机制在研发、产品、UI、测试四个岗位同时运行，由于一线员工基本都实现了涨薪，整个团队跟打了鸡血一样，“三月份前两周都在摸索和磨合AI，但后两周明显加速，算下来公司相比去年同期人均提效约40%”。

云蝠智能的尝试并非孤例。成立不到两年，员工规模不到二十人的的AI创业公司remio，过去半年也经历了AI从辅助工具到真正生产力搭档的突变。

remio研发负责人告诉数智前线，去年11月底之前，AI在这家创业公司更多是辅助角色，比如作为个人提效的辅助工具，整理文档、补代码片段等。随着去年底模型厂商的一波基础模型能力升级，去年11月后内部从产研到市场团队里都开始大规模流行起Vibe Coding。

一个具体的案例是，remio在开发多端同步功能时，需要覆盖大量边界条件，团队为此准备了500多个测试用例——其中相当一部分是在团队都下班后，由AI自主完成的。春节期间，remio 整体从AI知识库向 Agent 版本转型的过程中，创始人汪源一个人就通过vibe coding把整个agent框架从零搭建完成。

汪源在创立remio之前是网易集团副总裁、网易杭州研究院执行院长，2024年他开始投身大AI创业浪潮。去年4月，创业半年多的remio正式推出了AI知识库产品，最近整个产品又完成了从知识库到Agent版本的升级。remio团队称，AI极大加速了产品的研发与面市进程。

作为创业团队，云蝠智能和remio都重视控制token成本。在云蝠，魏佳星提到，他们通过账号共享再配合分级使用策略，将40人团队的月度AI投入控制在2万元人民币。

而remio报销政策则是每人每月报销400元人民币，超出部分公司报销90%，剩下10%由员工自己承担。因为如果全额报销，有员工可能会”开着loop一直在那里跑“，一个月几万美金都能烧出去，但产出和消耗可能会完全不成比例。

有大厂招实习生和外包要CEO来批

实际上，不只是这些AI创业公司在积极拥抱AI，Token预算正在越来越多的组织里成为一种新的组织共识。大型科技公司称得上这项计划的积极践行者。

今年年初，英伟达CEO黄仁勋在2026 GTC大会上预测：“未来，每位工程师都需要年度Token预算。他们的年薪可能是几十万美元，我会额外再给他们相当于薪资一半的 Token 配额，让他们实现10倍的效率提升。”

开春后，国内头部互联网大厂也相继将AI工具和Token预算纳入员工福利体系。

阿里、腾讯、字节都公布了与token预算相关的政策或计划。以阿里淘天集团发布的AI生产力计划为例，全体员工（包括实习生）可免费使用悟空、Qoder 系列等内部付费AI工具，覆盖技术研发和通用办公场景。同时员工购买内外部开发工具的费用，可申请全额报销。

而腾讯也被报为员工配备了Token套餐，有报道甚至称额度夸张地达到了年度约22万元/人的覆盖标准。数智前线则获悉，腾讯员工的token报销额度为每人每月1000美金和腾讯旗下AI企业办公产品workbuddy的十万积分。

字节则在本月初宣布了一项新的激励政策，除了在工作场景提供的大量AI工具且不限具体额度的基础上，还可为员工业余时间学习体验优秀软硬件产品提供总价格50%的报销额度，其中产品/技术团队上限在1000美元，其他部门上限为300美元/年。

在这些豪横的token预算之外，许多中大型科技公司今年也加速在组织内推广各种AI工具。

例如小红书年初后大力推动全员用“虾”（内部开发版类Openclaw工具），有员工称上午刚培训完如何用“虾”，回来发现办公电脑上已经出现了虾。而如果没有打开软件使用，“虾”还会主动提醒员工使用。

这些企业所涉及到的工作流，覆盖了研发、设计、招聘、数据分析和市场投放等多个场景和环节。一些大厂还在最近的产品更新上线宣传中专门提到代码的AI贡献率。比如字节的TRAE SOLO上线时专门提到，Solo 独立端的开发中AI代码贡献率达93%，有100 万行代码、9000 多次提交，均由AI完成。

为了克服组织上的惯性，加速推进AI落地，大型公司在流程规则上有一些举措，比如降低AI应用门槛，增加扩张新人手的流程难度。

有巨头企业金融业务线员工告诉数智前线，他们现在招聘一个外包都要报批到CEO，这与公司内大力鼓励员工用AI来完成业务流以及充裕的Token预算形成了鲜明对比。

“遇到问题，你应该第一反应去用AI解决，而不是问其他部门或寻找其他资源”，有公司的CEO称，他现在希望改变员工的思维方式和协作方式，这样才能充分发挥AI的价值。

数智前线获悉还有一些大型企业里提出了一些OKR指标，设定了有一定比例工作必须要与AI协作完成。当然也有一线员工反映，由于目标设定相对含糊，员工其实也不明确目标最终会如何落地，“怎么量化，怎么考核具体的比例，其实很难有明确的数据”。

虽然一些人士指出，大型组织存在重重汇报关系，包括领导层可能不熟悉业务一线，相比更扁平的团队在用AI的效果感知、灵活性上可能会差，但不可否认的是，大厂也有其固有的优势。这些组织资源充足，有非常充足的Token预算，同时他们自身也有能力去封装工具，一旦“大象转身”，有时候使用前沿工具的速度可能比小型公司更有资源优势。

比如在去年许多企业还没有大规模用上Ai赋能时，字节、腾讯等大厂里已经有不少封装的供内部使用的Agent工具。

救赎、排异和恐慌

AI如同一场大感染，在组织内的代码、数据分析、投放策略、设计、招聘等一连串场景快速攻城略地。

但这个过程，并不完全是高歌猛进的故事。从市场竞争、技术进步和个体生存等不同维度，你能看到企业和打工人各有自己的叙事框架。

有人在这个过程里感受到了技术进步带来的好处。魏佳星面试过一个候选人，对方上一份工作是在一家土木建筑公司里坐办公室的。过去两年他一直在学AI编程，在工地上用手机刷文档、跑代码，周围没有人理解他在做什么。

而由于是Vibe Coding狂热分子，他得到了一个加入AI智能体公司工作的机会。“他在此前的组织里可能格格不入，而新的机会感觉像是在救赎他。”魏佳星回忆那次面试，认为拥抱AI的人和拥抱AI的组织之间会互相吸引，同时，企业组织对AI不同的态度，可能也会形成排异反应。拥抱AI的人在保守的组织里留不住，而会用AI的人会获得更高的市场回报。

就业和招聘市场，立竿见影的变化已经发生了。在我们接触的许多公司里，企业招聘对于候选人的AI使用能力已经是共性要求。

澎湃新闻此前梳理了腾讯、字节跳动等5家互联网公司发布的2026春招岗位，共统计到10221条招聘信息，分析后发现，47%的岗位都有AI要求。普华永道在 2025年6月 发布的《2025年全球AI就业晴雨表》(2025 Global AI Jobs Barometer) 中明确指出：“2024年，拥有人工智能技能的从业人员平均工资溢价56%，是前一年25%的两倍。”

但不可避免，在不同的工种、使用不同的AI工具乃至不同的角色间，对AI能力的态度也存在差异。

在某家中型科技公司品牌市场团队，一位资深市场人士告诉数智前线，在老板的大力推动下，他们目前在各种场景里疯狂找AI可落地的场景。许多场景有免不了“为了AI而AI”的嫌疑，往往AI并不能真正交付符合要求的内容，但老板却经常质疑结果达不到预期。

例如一些文案，涉及到复杂的场合要求和需求对齐，而AI缺乏相关的知识背景和素材积累，即使有很复杂的提示词要求，最终完成的结果也达不到场要求。但技术出身的老板经常有一句口头禅，“如果用不好，不是CC（claude code）的问题，是人的问题”，这让这位资深市场人颇为苦恼。

而云蝠智能魏佳星也感慨过，“如果用不好，不是AI的问题，是人的问题”。他发现的是，研发代码场景里AI产生了巨大的生产力价值，并且拥有全栈思维，能从全局来思考产品功能的CTO来用顶级模型产生的效果远超一般的普通研发。而如果对产品和需求无法做精准定位，讲不清要什么的人，用了AI可能也很难产生很好的结果。

硅谷大牛Andrej Karpathy前两天针对人们对AI能力的理解差距扩大给出了一个解释。他认为根源在于两件事：时效性和使用层级。很多人用免费版ChatGPT就形成了对AI的全部判断。而即便每月花200美金订阅如果不是在编程、数学或研究等场景深度使用，冲击其实依然是有限的。因为强化学习在编程这类有可验证答案的领域里效果最好，天然容易优化。而搜索、写作、建议这些普通人最常用的场景，并不是科技公司优先优化的方向，"金矿在别处，注意力就跟着走"。

remio汪源则坦言，目前Agent在企业内的许多场景，在关键决策和质量把控环节，人的介入仍然不可或缺。例如，在市场投放场景，业务团队发现AI能完成自动投放的工作流，但真正运行得是否符合实时的业务要求，还需要由专业人士来校验。

但不管AI是否在所有的场景里奏效，一场大感染已经在发生。

一位大厂的养虾大户曾对数智前线提到自己的纠结，在龙虾热的那段时间里，他每跑通一个业务流程，沉淀初一个skill，都很犹豫要不要向上汇报。因为Skill沉淀的可能就是身边同事的工作内容。

与这位大厂打工人的纠结相呼应的是，过去两周里github上有两类skill在同时流行。“同事.skill”通过分析员工工作记录生成AI技能插件，可将离职员工的工作能力数字化保存，教人让AI接管某类同事的工作。与之相对的，有人则推出了“反蒸馏Skill”，反过来教人如何系统性地防止自己的经验被AI蒸馏。

某种程度而言，这也是我们这个时代里组织效率焦虑和个体生存焦虑的真实写照。

消失，融合与组织效率的竞争

还有一些更长期的变化苗头已现。

随着AI可以胜任一些非常初阶且重复性很强的工作，初阶的招聘需求正不可避免地消失，“行政发票报销跟人事的筛选录用这些环节都可以使用AI，企业可能不再需要招聘实习生”，一家企业负责人提到。

当然也有人认为，即使从打工人视角看，这些重复性的工作消失并不是一件坏事。

一家企业市场部的负责人就告诉数智前线，以前她很难招在各个平台发文章的人，因为这个环节成长性不高，但对企业来讲又是必须要投入且确保水准，招来的人由于很难有职业发展空间，经常流失。AI现在能完成这部分工作，原来有可能在这个岗位蹉跎的人，就有机会进入到更有挑战性的环节工作。

人要去做更有创造性的工作，这个畅想正在变成就业市场更刚性的要求。至于一个缺乏经验的初阶人士如何走到有创造性有职业taste那一步？当下还没有具体的解法，它有赖包括教育机构及企业在内的就业市场的共同调整和改变。

同时，在职业市场里，岗位也正在“融合”，在各个部门里岗位的分工不会再那么细化。

Remio创始人汪源举例，比如市场部可能不会再有专门的投放工种，所有人都能与AI协作兼顾这个环节。在研发部门，一些企业当下已经没有严格意义上的产品经理，大家都是既是产品经理又是工程师。协作已经在发生变化，原本需要产品经理、前端工程师、后端工程师、测试工程师相互协作的工作流程，会变成了一个人从需求到上线的全链路完成。并且，Vibe Coding压缩了执行的成本，而判断力、系统思维和产品直觉，反而变得比以前更值钱。

除了职业市场里工作和人才画像发生的变化，不同的组织在这场巨变里的效率也有所差异。

一家创业公司CEO认为，一些顶尖代码工具对项目复杂度是敏感的。越边界清晰、逻辑独立的任务，它发挥得越好——比如一个算法功能，一个局部业务闭环。但如果让它处理一套完整的业财一体化系统，那种历史代码堆叠十年、模块之间耦合不清的东西，效果会急剧下降。

这个特性，在他看来对大公司有一种结构性的不利。因为大公司产品体系越庞大越老旧，遗留问题越多，AI能够释放的空间就越小，而小公司，尤其是从零开始用AI搭建产品的团队，效率提升更为显著。

并且，大公司的人力成本天然更高，小公司可以用月薪两万以内的人，发挥原来五六万的人才能做的事。这使得同等产出下，小公司的成本结构正在变得越来越有竞争力。“未来可能很难有几万人的大厂，而几百人的团队正长出巨型公司”。

这位CEO告诉数智前线，他们现在警惕的，已经不只是和他们体量相近的竞争对手，而是OPC类组织。十个人左右，三四个研发，配两三个销售，服务一个极细分的局部市场。他们比百人级别的创业公司更灵活，AI给了他们同样的武器，运营负担却小得多。

当然，事情可能也会出现另一个版本。大厂携体系化的资源优势，用AI来覆盖此前因人力成本高而无法服务的利基长尾市场。大型组织和小型企业都拥有了核武器之后，压力将在不同的组织之间传导。

一场关于组织效率的重新排位已经展开。

有的组织这场感染中完成了变形，有的还在排异，还有的企业可能还没有意识到感染已经开始——但这些不同的阶段，可能在未来一两年内会左右不同组织的命运。