编者按：本文来自微信公众号 中欧商业评论（ID：ceibs-cbr），作者：伍晖，创业邦经授权转载。
AI原生组织的崛起是一场技术与组织的双重革命。对于传统互联网大厂而言，这场竞速不仅是技术能力的较量，更是组织形态、文化基因与人才战略的全面对决。
在AI浪潮的冲击下，传统科技互联网巨头和新兴的AI原生组织（AI Native）正展开一场前所未有的竞速。
DeepSeek现象正引发传统科技互联网巨头的集体焦虑，这场由AI Native组织发起的降维打击，暴露出大厂在决策机制、资源调配与注意力管理上的深层困境。与2023年OpenAI带来的冲击不同，此次挑战更具本土化特征——即便坐拥百倍于DeepSeek的研发资源，大厂仍难复现其"用算法榨干最后一滴算力"的技术锐度。
由此可见，这场竞速不仅是技术与应用的较量，更是组织形态、文化基因与人才战略的全面对决。摆在传统互联网科技巨头面前的核心问题是：在AI原生浪潮中，组织应当如何进化才能在较量中保持竞争力？
01AI原生组织：技术与组织的双重革命
AI原生组织（AI Native）的崛起，标志着技术与组织形态的深度融合。这些组织并非简单地将AI作为功能附加，而是将其内化为产品、服务和业务流程的核心驱动力。以下是其核心特征：
1. 技术原生性
AI原生组织的核心技术均为自研模型（如OpenAI的GPT、DeepSeek的MoE架构），技术迭代速度远超传统企业。例如，OpenAI从GPT-3到GPT-4仅用两年，研发投入占比高达90%以上。
2. 产品AI基因化
产品设计天然依赖AI能力，无法脱离AI独立存在。Midjourney的生成式图像、Character.AI的角色人格化交互，均以AI特性为核心构建用户体验。
3. 从“数据与算力”到“算法与社区”
数据与算力集群构成AI创新的底层基座，但在技术扩散曲线的萌芽期（Innovators阶段），算法突破与场景创新才是打开市场认知的关键钥匙。OpenAI使用数万块GPU训练GPT-4，单次训练成本超1亿美元。DeepSeek MoE通过架构层面的三重革新，将每个参数的价值挖掘效率提升300%，正在改写大模型的效率法则。这种"基础资源静默支撑，智能能力显性突围"的演进路径，正是AI原生组织跨越技术采纳鸿沟的核心密码。
与此同时，Midjourney凭借数百万量级的日生成能力，在数字艺术领域构建起"提示词即生产力"的新范式。“一项技术最大的限制不是规模、成本或运行速度，而是我们如何与它互动。”Midjourney创始人大卫·霍尔茨（David Holz）在接受采访时，多次提到在社区产品中构建Midjourney是其成功的关键之一。
4. 组织液态化
扁平化、自组织的团队结构，决策链条短，资源响应迅速。DeepSeek科研背景员工占比超80%，通过"影子组织"打破部门墙，实现创业公司的敏捷性。
5. 极客文化与创始人凝聚力
OpenAI的Altman与DeepSeek的梁文锋均以技术远见凝聚顶尖人才，组织文化强调技术理想主义与长期价值。
这种"液态硅基生命体"式的组织形态，以算法为血、数据为食，形态无定而内核恒常，展现出颠覆传统组织效率的潜力。
02互联网大厂，为何被AI原生新贵反超？
AI的三要素——算法、算力与数据，构成了当前AI原生业务的核心竞争力。算力已成国际难题，本文暂不探讨；算法即模型，数据则来自平台服务的场景与生态，而应用（如智能体Agent）则是当前的焦点。这三者需要形成良性循环，才能构建AI原生的核心竞争力。
模型大战：被抢了风头
在大模型开发上，科技互联网大厂这一程输给了DeepSeek这样的AI原生组织。今年年初，无论自家的模型开发进展如何，大厂纷纷“满血接入”DeepSeek。大厂的资源、人力和财力的优势并未转化为技术胜势，问题的核心在于领军人和理念的缺失——大厂没有DeepSeek的梁文峰，也没有“用算法榨干最后一滴算力”的极致追求。
尽管大厂选择“满血接入”，但自研模型仍是不可或缺的战略选择，关键在于引入顶尖领军人才，并建立灵活的资源调配机制。大厂在组织形态和资源调配上的弊端显而易见，但并非不可克服。例如，设立特区机制，为AI原生团队提供独立的资源与决策权，也是大厂们都在尝试的。
此外，人才密度的提升也至关重要。大厂复盘过去2-3年的人才招聘时发现，即便DeepSeek团队成员当时加入，其个人能力也未必显得格外突出。但若这些人加入大厂，可能早已陷入传统的职业晋升路径，而无法专注于技术创新。这说明，环境比个体更重要，如何让顶尖人才聚焦关键且有意义的事情，才是大厂需要解决的核心问题。
用户时间争夺战：AI原生应用的冲击
大模型的现实意义在于“模型即产品”的趋势正在加速。尤其是在消费互联网领域，用户增长的瓶颈让大厂倍感压力。DeepSeek仅用7天用户破亿，OpenAI当年用了2个月。根据QuestMobile的报告，截至2024年12月，AI原生APP的月活跃用户（MAU）已突破1.2亿，月人均使用时长达133分钟，用户粘性持续提升。2025年1月，AIGC领域的MAU同比增长244.7%，净增超9200万，排名第二与第三的只有16.7%-20.8%增速。
虽然当前的C端AI应用仍以聊天、问答和情感陪伴为主，但用户的时间是有限的。当用户被AI原生应用吸引，传统应用的使用时长必然被挤压。时间争夺战已经打响，大厂若不及时应对，将面临用户流失的危机。
那么是否可以等待时机再出击？例如，腾讯借助DeepSeek这股东风，从一个“默默无闻”的参与者，一跃成为中国区苹果免费App下载排行榜的冠军，其AI应用“元宝”也成为2025年一季度的传奇。这种机会并不常见，即便未来出现下一个“DeepSeek”，其技术也可能不再开源。更重要的是，大厂集体尝试将DeepSeek的模型能力接入自身核心业务，是因为看到了更好的模型能力与自身产品结合后，能够带来的规模化应用潜力。
谈到应用和智能体，不得不提最近测试版就爆火的Manus。这款号称全球首款通用智能体的产品，通过技术上的执行闭环实现突破，并通过用户参与感的设计增强了传播效果。配合社交媒体KOL投放以及“国家科技实力”的叙事包装，Manus形成了病毒式传播。相比之下，大厂开发的智能体多局限于垂类场景（如阿里钉钉的AI工单系统），在消费端（C端）的突破力明显不足。在这一领域，大厂尚未占据上风。
按理说，大厂拥有丰富的应用生态和话语权，理应在通用智能体领域更具优势，但事实并非如此。在觉察流的《模型吞噬代码，Agent重构世界：当AI Agent与模型协同进化》一文中提到，工具类应用（如地图、办公）更容易跟进Agent战略，但平台类应用却显得迟疑，因为这涉及整个产业生态的重构。多数2C类平台不愿将自身工具化，因为这会彻底改变业务模式、用户体验以及流量走向。
Agent代理平台实时感知用户需求并提供精准服务，这确实是大厂正在做的事情。但当Agent代理个人时，游戏规则就会被彻底改变。这里的核心问题在于愿景：Agent重构的世界究竟是什么？是平台主导的世界，还是用户主导的世界？
微软CEO萨提亚·纳德拉近期提到，Agent将颠覆SaaS行业。对于办公工具企业而言，拥抱这一趋势是顺理成章的，但对于其他平台类企业来说，这种转型可能会带来深刻的纠结。
场景数据：需要转化的优势
模型与智能体之外，数据和商业生态是大厂的传统优势领域。历史经验表明，这种优势并非不可撼动。在互联网初期，传统行业（如生活服务、娱乐社交、商业和媒体信息领域）也曾凭借多年深耕积累行业Know-how而认为互联网应用不能Mission Critical，但最终被互联网化。
如今，平台企业的不同之处在于行业集中度更高，掌握了场景入口、用户信息、供给侧准入门槛和流量分配权。部分领域（如信息搜索和办公工具）已受到AI的冲击，而娱乐、游戏、社交、电商和生活服务等领域目前似乎仍有较大的缓冲空间，可以通过“+AI”提效保持竞争力。然而，如果用户的场景入口被原生智能化吸引，厂家、商家和创作者的需求被Agent代理满足，行业格局可能彻底重塑。对于C端业务而言，抓住用户是核心，其他环节都应围绕这一目标展开。
从以上分析可以看出，无论是出于防御还是进攻的需要，互联网大厂的业务都必须实现AI原生化，才能有效应对新一轮竞争。这需要构建“模型-数据-应用/智能体”的良性循环系统，打造AI原生的核心竞争力。
与AI原生组织相比，大厂在模型和应用领域尚未占据优势。模型开发需要顶尖的领军人才，应用和智能体则需要清晰的愿景和新型协作关系。数据虽然是大厂的暂时优势，但必须被高效利用才能转化为真正的竞争力。面对新兴AI原生组织的挑战，大厂需要重新审视自身的应对策略。
03大厂组织进化：数据盘活、模型竞合与Agent驱动的组织变革
数据是这些平台企业的强项，但需要盘活，从规模优势进化为智能优势。模型是AI能力，需要与DeepSeek这种AI新兴公司竞争与合作。Agent蕴含的商业逻辑与产业生态有关，在组织内部与组织结构相关，需要重新审视。
数据深化：从规模优势到智能优势
数据是平台企业的核心资产，但当前的优势仍停留在规模层面，亟需转化为智能优势。大厂虽然在帮助传统企业部署专有知识库和训练专属模型方面积累了经验，但自身业务平台的数据管理却存在明显短板。以下问题值得深思：
数据是否经过高质量清理和标注？
是否沉淀为结构化的行业知识图谱？
跨业务共享时是否实现了合法范围内的无缝衔接？
数据资产的盘活是模型-数据-应用/智能体三大要素中唯一完全可控的环节。
DeepSeek对数据标注的重视表明，高质量数据是提升模型效率的关键。Grok3的成功也得益于SpaceX知识库的深度贡献。大厂需要通过以下方式释放数据潜力，才能转化为模型效率和智能体精准调用的竞争优势：
动态数据闭环：确保数据的实时更新与反馈。
行业知识图谱：将数据转化为可复用的智能资产。
跨业务协同：在合法合规的前提下实现数据共享。
模型竞合：合作与自研的双轨策略
模型能力是AI竞争的核心，大厂需要在合作与自研之间找到平衡：
合作层面：微软与OpenAI的合作是典型案例。微软通过130亿美元投资，不仅获得了OpenAI技术的核心使用权，还成为其独家云服务提供商。这种模式显著提升了微软在AI领域的竞争力。国内大厂也需探索与DeepSeek等新兴公司的合作机会，实现技术共享与生态共赢。
自研层面：通用模型需解决跨场景问题，垂类小模型则需适配具体业务需求。开源策略可以吸引开发者共建生态，而模型轻量化与边缘部署（如蒸馏、剪枝技术）则能有效降低计算成本。
智能体驱动：组织变革与效率提升
2025，应用的规模化落地，特别是智能体（Agent），将会是大厂们的主要发力方向。根据Gartner最新预测，AI智能体领域预计将在2024-2030年间迎来显著增长，市场规模将从51亿美元攀升至471亿美元。自去年起，以内部赛马或外部投资的方式，大厂一直在寻找AI时代的「超级应用」，这之中已经有些浮出水面的AI产品，但DeepSeek在C端的增速还是超出了人们的预期，而且让大厂集体反思过去「大力出奇迹」堆叠资源的模式在当下的效用。这也意味着，到了比拼创新效率的时刻，效率和结果是关键。大厂需要向AI原生组织看齐，在组织形态、人才结构、工作模式上进行重构。
互联网大厂与AI原生组织对比的组织效率、增长驱动关注点与人才结构：
大厂需要重新审视组织形态与协作模式：
创新效率：关注效率与结果，决策权下放，赋予一线员工调用Agent的权限。
组织重构：以Agent为核心组建敏捷团队，推动“人类决策-Agent执行”的新型协作模式。例如，通过“模型工程师+业务专家+用户体验设计师”的跨职能小组实现快速落地。
人才结构：提升科学家与技术人员密度，同时引入商务拓展人才，构建支持Agent生态的复合型团队。
平台企业的应对策略，总结三点：
数据深化：从“数据量大”转向“数据智能”，通过闭环与知识转化构建壁垒。
模型竞合：与AI公司既竞争又合作，以生态整合弥补技术短板。
Agent适配：组织结构适配Agent落地，团队敏捷授权，人才结构匹配；内部尝试Agent为中心重组流程，推动“人类决策-Agent执行”新型协作。
04大厂在组织层面需要哪些关键变革？
以上三点（数据深化、模型竞合、智能体驱动）已触及组织变革的深水区，因为它们需要深入到组织的肌理中，改变现有循环方式才能实现。而大厂的变革往往受到路径依赖的制约。以下是一些大厂今年以来的具体行动：
字节跳动：虚拟组织与AI-native人才的深度布局
在2月的全员会上，字节跳动CEO梁汝波坦言，在AI取得进展后，团队内部曾“稍微有些放松”，并未将复现OpenAI的推理模型o1视为紧迫任务。然而，2025年字节明确了三大AI目标：探索智能上限、创新UI交互形式、加强规模效应。其AI组织架构由Flow、Seed和Stone三大板块组成，总规模接近2500人：
Seed：负责模型研发，由朱文佳和吴永辉共同领导。吴永辉是Google前Fellow，专注于AI研发。
Flow：负责AI产品，由Musical.ly创始人之一朱骏负责。
Stone：负责产品后端研发支持。
据称吴永辉近期调整了Seed的架构，设立若干不在正式组织结构中的虚拟小组，形成更扁平的汇报体系。这种“影子组织”试图打破部门墙，注入创业公司的敏捷性。同时，字节在核心研发环节逐步用AI-native技术人才替换传统搜推广背景的人员。
在AI产品布局上，主力产品豆包已从聊天机器人发展为综合应用（涵盖聊天、搜索、图片生成和AI浏览器），并接入DeepSeek等外部模型以提升用户体验。此外，字节还在探索智能角色互动（猫箱）、图片生成（星绘）、AI教育（Gauthmath）等多个方向。
腾讯：AI产品线迁移与生态开放
2025年2月19日，腾讯宣布将QQ浏览器、搜狗输入法、AI原生应用ima等产品线团队从PCG（平台与内容事业群）调整至CSIG（云与智慧产业事业群），并推动全线产品接入混元大模型及DeepSeek-R1模型。同时，腾讯开放公有云API接口，吸引开发者和行业客户构建应用生态，覆盖从算力调度到知识引擎的全链路需求。
3月19日，腾讯董事会主席兼CEO马化腾在2024年业绩会上表示，AI的快速发展（尤其是DeepSeek的出现）让腾讯看到应用大发展的机会。腾讯在云业务和AI应用“元宝”上积极拥抱DeepSeek，并强调AI仍处于早期阶段，各行各业都将受益于其普及。
阿里巴巴：大规模基础设施投入与全员转型
2025年2月24日，阿里巴巴CEO吴泳铭宣布未来三年将投入超过3800亿元建设云和AI硬件基础设施，重点投资三大方向：
算力基建：投入3800亿元构建“数字电网”，目标成为全球重要的AI基础设施和云计算网络之一。
模型平台与原生应用：追求AGI（通用人工智能），持续迭代通义千问大模型，并坚持开源策略。
AI驱动的业务转型：推动互联网平台业务全员转型，将AI应用于电商、物流、支付等核心业务。
同时，阿里重启招聘计划，开放超过3000个岗位，其中AI相关岗位占五成。前钉钉创始人陈航（无招）回归阿里，重新执掌钉钉。
05大厂组织变革的深层逻辑：突破组织惯性
在大厂变革的深层逻辑中，组织架构调整仅是表层动作，真正挑战在于突破固有行为模式。字节将虚拟小组置于正式架构之外，希望以"影子组织"打破部门墙，这种非正式架构与正式架构的嵌套，既保留规模化作战能力，又植入创业公司级敏捷性。但类似架构如何常态化是个难题，大多数情况下企业会在18个月内回归原有工作模式，因中层管理者难以适应双重指挥体系。腾讯将AI产品线迁移至CSIG，一方面AI发展加速，“让做模型的更专注于模型研发，让做产品内测的能加速产品迭代”（刘炽平，2024年财报媒体沟通会），更重要的是QQ、浏览器等作为消费端应用可以联动，从而为AI产品提供入口。
大厂普遍面临"创新实验室困境"，独立团队易脱离业务场景，业务部门又难逃KPI束缚。字节Seed部门设立双负责人机制，也许是“务实浪漫”的一种体现。虚拟小组，本质是构建"可逆决策机制"，通过临时性组织单元降低试错成本。腾讯同时接入自研混元与第三方DeepSeek模型，暗合"双轨制创新"理论——在保证现有业务稳定性的同时，允许局部突破。但这种策略可能导致资源分散，需要有确定性的场景反哺技术投入，形成独特闭环。
大厂人才战略已进入"能力簇重构"阶段。字节用AI-native人才替代搜推广背景人员，反映根本性能力迁移：从特征工程转向提示词工程，从CTR预估转向思维链建模。腾讯CSIG组织整合，实则需要兼具B端服务思维和C端产品思维的"T型人才"。阿里重启招聘时重点补充AI新兴岗位，这些职位尚无成熟培养体系，倒逼企业自建人才飞轮。
未来三年：组织形态的持续演化
“模型-数据-智能体”本质上在解构传统互联网公司的"数据-算法-流量"铁三角。当数据从生产资料升维为智能资产，模型从技术工具蜕变为生态杠杆，Agent从执行单元进化成组织原型，平台企业将面临基因突变的挑战。当模型能力趋同时，组织学习速度将成为决胜要素——谁能更快模型迭代，把技术突破转化为商业闭环，谁就能在智能革命中掌握主动权。但历史经验表明，所有技术革命最终考验的是组织转型升级能力：柯达并非不懂数码技术，诺基亚也早预见智能机趋势，真正阻碍转型的，永远是组织基因的进化滞后。
20年前，这些互联网大厂成功挑战了传统行业，坐上了平台宝座。这一次，他们受到了AI原生组织的挑战，序幕刚刚拉开，可以拭目以待。
参考内容：
《AI时代的核心能力：智能飞轮与智驱进化力》侯宏 侯宏文存
《模型吞噬代码，Agent重构世界：当AI Agent与模型协同进化》肆零柒 觉察流
《万字长文，聊聊下一代AI Agent的新范式》原创 腾讯研究院 腾讯研究院
《字节 AI 再创业：独立组织、全链条的饱和出击》原创 晚点团队 晚点LatePost
《腾讯的AI新主张：拥抱开源、增加资本支出，扩大业务应用朋友圈》新京报贝壳财经记者 韦英姿
《阿里，“A计划”》 上海证券报 作者：郭成林 温婷
《 a16z：全球AI产品Top100》（第4版，2025年3月）
《QuestMobile2025 APP流量竞争新观察：存量市场深度博弈下，跨周期精析流量路径，全链路优化留存成为解题思路》
《QuestMobile2024年AIGC应用发展年度报告：AI原生APP三强争霸，AI应用“四大模式”形成，智能体数量超过小程序》
本文为专栏作者授权创业邦发表，版权归原作者所有。文章系作者个人观点，不代表创业邦立场，转载请联系原作者。如有任何疑问，请联系editor@cyzone.cn。
