怎样评估整个组织的AI Native落地效果？林凡认为，短期可以通过观测Token消耗量来判断，长期则可以衡量各个工种是否有20%的工作由AI完成。 AI时代的人才标准将从选拔"能力上限高的人"转向选拔"能力下限高的人"；没有AI用写过代码就不是合格的产品经理？2025年6月开始，招聘市场逐渐回 暖，新经济行业整体新发岗位量超过去年同期……12月12日，"AI Native·2025脉脉MAX年度职场力量盛典"上，脉脉创始人兼CEO林凡认为，未来AI Native组织将经历"人人都是程序员-人人都是管理者-人人都是CEO"三个阶段的进化。 会上 京东集团、比亚迪、SHEIN、滴滴等多家企业入选"年度职得去雇主"。 AI将推动组织从"人人都是程序员"到"人人都是CEO" 在《AI Native 组织进化论》主题演讲中，林凡认为，AI将推动组织经历"人人都是程序员-人人都是管理者-人人都是CEO"三个阶段的演进。在第一阶段， 至少有20%的工作量可以稳定由AI完成。员工的核心能力在于学会将工作任务拆解、交给AI执行，并通过反馈不断优化结果。第二阶段，60%至70%的工 作由AI完成，跨部门协作已不再是简单的人与人 ...

2025年以来，求职招聘市场呈现出"人心思动和AI革命"两大趋势。数据显示，2025年6月开始，招聘市场逐渐回暖，新经济行业整体新发岗位量超过去年 同期；同时2025年主动辞职人才比例相较2024年同期上涨5个百分点。在这一背景下，组织形态正在经历重大变革。比如，互联网时代的业务经营指标、 组织效率和健康指标，是否适配AI Native的业务战略，是摆在所有HR面前的巨大挑战。 "AI的能力上限很高，它提供的建议和想法高过大部分人类。同时，AI的能力下限又很低，一些简单的bug都不会改。"在林凡看来，企业应该招聘能力下 限高的人才来弥补AI的不足。他透露，现在部分北美创业公司已经不再招聘应届毕业生，而是选择有经验的能力下限高的"老法师"。 这一变化折射出的是AI在工作中的应用程度。林凡以组织经历的不同阶段为例谈到，在第一阶段，至少有20%的工作量可以稳定由AI完成。员工的核心能 力在于学会将工作任务拆解、交给AI执行，并通过反馈不断优化结果。第二阶段，60%至70%的工作由AI完成，跨部门协作已不再是简单的人与人之间的 协作，更多的是人和Agent智能体之间的协作。第三阶段，公司95%以上的工作量将由AI完成 ...

来 源 | 九卦金融圈 作 者 | 百融云创研究院 陈敏 豆包手机技术预览版一经亮相便引发行业热议，工程机上线即售罄、二手价飙升的热度背后，其核心价 值并非单纯的功能创新，而是AI对设备交互逻辑的底层重构。 这一变革思路，恰好为当下银行APP的AI Native转型提供了关键启示：当AI从辅助工具升级为核心能 力，银行APP无需陷入"拆旧建新"的激进误区，而是要以务实路径实现智能价值的精准释放，平衡安全 合规与体验升级的双重需求。 AI Native的核心逻辑绝不是功能叠加，而是以智能为核心重构服务流程与交互体验，这一本质对手机与 银行APP转型均适用。但银行业重安全、重合规、重存量用户沉淀的特性，决定了其转型不能照搬消费 电子行业的激进模式，需在借鉴创新逻辑的基础上，走出适配金融场景的专属路径。 本文结合豆包手机的技术内核与全球AI原生银行实践，拆解银行APP落地AI Native的核心逻辑与实操方 向，为行业转型提供务实参考。 读懂豆包手机逻辑 AI Native的核心是重构，而非叠加 豆包手机之所以能搅动行业，核心在于打破了传统AI手机"旧框架加新功能"的浅层模式，以GUI Agent 技术实现AI对设 ...

文章核心观点 - 文章报道了“What's Next 2026”年度大会的核心内容，探讨了未来技术融合趋势、未来人才与组织形态的变革以及风险投资新范式的构建，旨在勾勒未来产业创新生态的发展方向 [1][3][9] 技术与产业的爆发机遇 - 下一个“革新爆点”的本质将是“多技术融合”，特别是人工智能与跨学科、跨领域的融合 [3] - 大会公布了十大未来产业，包括人工智能与计算、生物医药与健康、能源与环境、机器人与自动化、量子科技、交叉与融合领域、信息与通信技术、新材料与先进制造、航空航天与太空探索以及区块链与分布式技术 [3] - 战略科学家预测未来三大革新爆点：生物与数学的终极融合（如类器官智能和生化混合智能）、能源奇点（如可控核聚变或第四代核聚变实现“无限且清洁”能源）、科学发现的自动化（AI成为独立科学家，控制实验室机器人进行验证和自我迭代） [3] - AI产业竞争将进入垂直整合的全栈时代 [4] - 光计算被认为是大模型推理，尤其是低延迟推理方向未来有前景的场景，并可能是新计算范式中最快实现商业化落地的技术路线 [4] - 聚变能源潜力巨大，1000克的氘氚释放能量约等于8吨石油，其实现将推动人类文明从行星文明迈向恒星乃至星系文明，并可能使月球成为聚变燃料的“金矿”和太空探索前沿基地 [4] - 聚变能源可支撑如“火星地下城”等人类太空移民设想 [5] 未来人才画像与颠覆式创新范式 - 未来人才以90后、00后AI原生代为主力，具备复合型、系统型、跨界型特征，敢于挑战既定规则 [7] - 未来人才主要聚焦三类群体：巴斯德式科学家（集中在计算机科学、医学、化学和生物学等领域）、垂直整合者（基于核心技术基础设施进行整合）、创业构建者（深度参与创业项目战略、团队和资本） [7] - 未来组织范式可能是“硅基组织”，人类成为AI编排者，可能出现“一人独角兽”公司，AI成为组织大脑，人类角色转变为“董事会” [7] 风险投资新范式 - 风险投资正从“人脉本位”向“AI驱动的生态本位”范式迁移，可能出现AI Native的新一代投资人和机构，例如“一人VC机构” [9] - 当前创业浪潮中，科学家成为核心力量，各类专业博士成为创业主力军，与互联网时代以商业模式创新和草根创业者为主的特征形成对比 [9] - 目前股权市场70%的资金投向科学家以及科技型创业者 [9] - 大国竞争的核心是科技竞争，而科技竞争主要是科学家、企业家和投资人的竞争 [9] - 投资人应敢于布局更前瞻的产业，投资AI Native的年轻创业者，实现AI Native的工作流，共同打造AI投资生态 [9] - 投资机构希望穿透短期热点，将资金精准匹配到“技术拐点”与“产业接口”领域，并构建创新生态以识别和赋能“产业翻译官”与“实干型梦想家” [10]

核心观点 - Gamma公司通过AI Native方式重构PPT，采用“内容优先、设计在后”的理念，在竞争激烈的演示工具赛道中成功突围，成为估值21亿美元的新独角兽[5][6][8] - 公司以极精简的团队（最初不到10人）和仅2300万美元的初始融资，实现了连续两年盈利，并达到年营收突破1亿美元、用户数7000万的规模[5][16][40] 产品战略与定位 - 目标不是做另一个PPT，而是重构PPT，彻底跳出16:9画幅限制，让用户从文字和叙事出发构思幻灯片[6][8] - 采用“内容优先、设计在后”的内容创作方式，解决用户90%时间花在调格式、只有10%时间思考内容的痛点[8] - 产品定位为“Notion和Canva生的孩子”，用户只需像在Notion里打字，系统会自动像Canva一样美化内容[18] - 提出“卡片”概念作为核心基础模块，支持移动端适配、嵌入交互元素和多媒体[15] AI技术应用与产品化 - AI技术彻底改变了新用户引导流程，将用户激活率从95%的流失率转变为大规模采用[14][17] - 使用超过20个不同的AI模型驱动产品不同部分，协调文本、图像等模型打包成易用体验[25] - 通过大量A/B测试优化AI效果，已进行数百次实验，分析用户对生成结果的修改程度、分享行为及转化率[21][24] - 引入AI解决“空白页面问题”，将用户任务从创作转变为编辑，大大降低使用门槛[17] 增长策略与市场表现 - 从创业第一天就将“增长”刻入公司DNA，坚持让创作极其简单、分享极其简单的双信条驱动飞轮效应[28][29] - 口碑传播是最大增长动力，超过50%新用户来自口碑营销，红人营销每投入1美金能获得1.5个自然用户[29][36] - LinkedIn平台转化率惊人，比其他平台高4到5倍，成为最有效的营销渠道[37] - 在达到千万级ARR后进行了品牌重塑，为规模化营销奠定基础，现在每周测试数千个创意素材[33] 团队建设与运营效率 - 坚持“极其缓慢地招聘”原则，最初核心团队七八人均来自Optimizely，具备端到端交付能力[38] - 团队规模翻倍不代表速度翻倍，强调灵活调整能力比单纯扩张更重要[39] - 公司已实现现金流为正，银行现金比所有融资总额还多，累计净消耗为负[40] - 早期团队四分之一为设计师，强大产品设计团队是创造新交互体验的关键[41] 商业模式演进 - API业务扩大了品牌范畴，使公司能服务商业和开发者用户，实现与CRM、内部知识库等系统打通[26][27] - 从侧重PLG转向搭建销售团队，以抓住B2B市场机会，认为销售团队对开拓足够大市场必不可少[43][44][45] - 采用“用利润驱动增长”而非“靠大量融资”的模式，强调合理管理资金打造长久公司[40][46]

多智能体技术趋势与产品应用 - 多智能体成为AI领域最热门的话题之一，被视为提升AI系统效果的新解法，与基础大模型能力升级并行 [2][3] - 多家公司推出多智能体AI产品，例如Manus的「Wide Research」支持上百个Agent同时工作，纳米AI的「多智能体蜂群」支持灵活拉群与组队协作，快手的「Kwali」可将视频生成需求拆解分配给不同Agent [4] - Agnes AI作为以多智能体架构为核心的AI应用，上线四个月日活用户突破20万，海外注册用户数超过300万 [4][7] Agnes AI核心功能与场景 - 深度研究通过多轮迭代、自我评估与优化，结合多模态数据生成详细内容，适合复杂问题的系统性研究；广度研究基于自研CodeAgents框架，可调度上百个智能体并行工作，擅长处理多维度大规模任务 [8][14] - AI设计提供图像、视频生成能力，支持深度设计模式，通过多轮迭代优化提升作品质量；AI幻灯片可在2分钟左右生成专业PPT，支持多人实时协作；AI表格支持数据处理、公式运算与深度分析 [8][17] - 功能选择基于用户意图和任务复杂度自动路由，深度研究追求精准与深度，广度研究追求速度与广度，单纯Research功能时长控制在一分钟内 [14][16][18] 多智能体与单智能体性能对比 - 多智能体框架通过分工协作提升效率，单智能体串行执行任务可能导致速度下降，而多智能体支持并行探索，尤其在非关键任务中能收拢更多信息 [25][27] - 多智能体将任务分配给专家模型，在特定工作中表现优于通才型单智能体，单智能体需高算力支撑才能达到类似效果，多智能体与模型能力提升相辅相成 [25][31][32] - 以海报生成为例，多智能体通过Prompt Agent、Image Generating Agent和Evaluating Agent分工协作，整合不同模型优势，解决单模型在意图理解和生成细节上的局限 [28][30][33] 多智能体产品评估与工程优化 - 评估维度包括任务完整度、效率等，公司重点关注效率指标，通过提升速度降低Token消耗和迭代次数，从而控制成本 [34][35] - 采用代码化通信框架，将多智能体间沟通从自然语言转为代码形式，在论文实验中实现Token消耗下降40%到70%，速度与准确性提升 [36] - 框架设计采用大框架加自由角色，智能体不与特定角色强绑定，支持任务间自由编排与记忆，保障功能稳定与上线速度 [38] 产品定位与市场策略 - 目标用户包括白领、大学生及行研从业者，聚焦移动端年轻用户和WebWork轻量化办公场景，差异化优势在于场景聚焦与体验丝滑 [39][41] - 通过提供高免费额度吸引用户，免费Quota每月支持10到20次PPT生成，核心逻辑为抢占免费用户心智，利用低成本获客占据未开发市场 [40][53][56] - 产品定位为有Agent能力的主流全民应用，旨在覆盖ChatGPT和Perplexity能力并附加优势，目标成为全球前五的AI消费级应用 [63][64] 市场规模与行业展望 - AI办公市场潜力巨大，传统Office产品季度毛利达几百亿美元，而百万日活的AI Native产品估值可能达100亿美元，全球仅少数产品达到主流应用规模 [42][43][45] - AI Native产品被视为革命派路线，认为将颠覆传统使用习惯，传统办公产品则属于改良派，在现有产品中叠加AI能力 [44][46] - 市场机会包括拓展AI至社交、智能硬件等更广泛场景，成功需产品与市场双驱动，快速进入主流应用而非细分尝试 [47][49]

a16z Speedrun项目核心观点 - a16z Speedrun是内部孵化项目，旨在帮助创始人快速构建AI原生公司，聚焦AI Agent实际落地与工具层创新[1] - 项目体现了对"AI作为团队成员（AI as coworker）"的清晰押注，从招聘、采购、营销到知识管理等环节都在被重塑为可协作的智能代理系统[1] - 最新Demo Day在AI Faire上展示了所有AI项目，特别关注企业级自动化场景[1] 企业级AI代理与自动化工作流 - Ambiguous AI构建可像真实队友协作的"AI同事"[2][3] - Anchr用AI代理管理食品分销供应链[2][3] - Argu让CCTV摄像头变成能理解场景的AI观察员[2][3] - Avenir实现员工福利自动化的AI代理[2][3] - Bead AI用AI自动执行SOX合规测试[2][3] - Sourcerer用AI代理自动化企业采购流程[2][3] 人才与招聘方向创新 - Dex帮助企业用AI挖掘并招聘顶尖人才[2][7] - Ezra实现自动化初筛面试的AI面试官[2][7] - Jooba用AI智能化搜寻候选人[2][3] - 人力资源和招聘流程自动化是企业刚需，市场广阔且用户痛点明显[7] 产品与工具层创新 - BotBot为产品快速添加AI功能的UX层[2][3] - OpenSesame让现有产品在数分钟内实现"AI原生化"[2][9] - Else让开发者在产品内部直接添加代码增强功能[2] - Layerpath自动生成交互式产品演示[2][3] - Presia AI为顾问和战略团队自动生成演示幻灯片[2][3] 市场营销与增长解决方案 - Clout Kitchen利用AI驱动病毒式内容营销系统[2][3] - Doublespeed用AI生成短视频营销内容[2][3] - Limy AI帮助品牌在AI搜索生态中提升曝光度[2][3] 基础设施与安全治理 - Sentra提供企业AI对齐与安全治理平台，专注于AI代理的风险、合规与对齐需求[2][6] - Maniac是模型无关的AI代理稳定性与性能优化系统，解决Agent可用性不稳定、出错和消耗大等痛点[2][6] - Kanu AI充当"AI云工程师"，自动配置与优化云环境[2] 行业垂直应用 - Genway用AI获取消费者洞察[2] - Logical Health提供企业健康福利管理的AI解决方案[2] - Nativ为全球团队自动执行AI本地化翻译[2] - Intangible专注3D与空间计算的AI工具[2] - Fearn是起草专利与知识产权时的安全AI助手[2] - Meridian用AI管理企业知识与文档[2] 创意与产品判断工具 - Brief提供快速产品判断与决策支持[2] - Rehearsals模拟客户的AI数字孪生，用于测试产品体验[2]

AI Native研发工作流重构 - 默认所有研发工作由AI承担，人类仅在AI无法解决时补位，实现工作流根本性重构 [7] - AI Review将Code Review时间从传统的一两天缩短至10分钟，效率提升超过10倍 [3] - 约90%代码通过Linear管理任务并自动分配给Devin生成，工程师无需打开IDE [7] - 使用incident进行生产监控，可覆盖近一半监控需求，不再需要专职运维人员 [8] - 减少人工对齐，鼓励独立工作，将原则和想法写入codebase实现自动对齐 [10] AI Native人才要求 - 人类核心价值是成为Context Provider，为AI提供其不具备的行业知识和上下文 [12][13] - 需要Fast Learner，快速掌握最少必要知识以与AI高效沟通并激发其潜力 [14] - 每个人都应是Hands-on Builder，对全流程和最终结果负责，避免上下文传递导致的效率下降 [14][15] - 工程师需具备产品设计和go-to-market能力，直接获取客户反馈而非通过中间环节 [20] - 招聘通过take-home任务考察AI工具使用能力，如两天内构建复杂产品或一小时内优化埋雷项目 [38][39] AI Native组织模式 - 按结果分工而非按流程分工，小组具备全链路能力并对最终结果直接负责 [19][20] - 组织以工程团队为核心，工程团队利用工具快速上线60分版本，其他团队再优化 [22] - 未来组织形态可能是少量核心合伙人加大量灵活合同工，核心员工享受合伙人待遇 [24][25] - 公司20人规模下没有全职PM，工程师兼任PM工作，直接对接客户需求 [31] - 创业公司早期没有PM属正常现象，Mercor 150人规模时也只有2个PM [33] 行业趋势与挑战 - AI Native模式在硅谷初创公司中已成为发展方向，并非小众实践 [26] - 大厂推行AI Native组织模式困难，需考虑架构调整外的多种因素 [27] - 可能出现“一人独角兽”公司，几个人就能做出惊人产品，不再需要万人规模公司 [27] - AI不仅适用于从0到1场景，在复杂代码场景中人类提供高质量上下文是关键 [29][30] - 未来岗位界限模糊，PM和工程师都将成为Builder，只要能够Build出东西并对结果负责 [36]

活动概况 - 星连资本与智谱Z计划于8月31日在中关村举办Z DemoDay活动 展示24个早期AI项目 覆盖Agent、多模态、AI陪伴、生产力工具、AI4S、具身智能等赛道[2][3][6] - 活动吸引450位投资人参与 路演项目聚焦金融、法律、具身智能、教育、动漫、效率工具六大核心赛道 所有项目均具备AI Native基因[6] 项目融资阶段分布 - 24个项目中 天使轮阶段项目占比最高 包括阿米奥机器人、LATIOS.AI、Fortunetell AI等[38][43][52] - 部分项目已进入Pre-A轮及B轮 如奇点灵智(Pre-A轮)、6Estates(B轮) 显示不同发展阶段企业的共同参与[70][85] 技术领域创新 - 具身智能领域涌现突破性方案 阿米奥机器人专注工业场景柔性生产需求 BeingBeyond研发通用具身智能大模型 其Being-Dex系统降低90%真机数据采集成本[36][79][80] - AI4S(科学智能)应用深化 鑫研微末开发冷冻电镜+AI技术平台 深原质药利用AI算法开发生物大分子药物 部分项目进入临床阶段[38][98] 跨行业解决方案 - 法律科技公司幂律智能联合智谱打造法律大模型PowerLawGLM 服务数百家央国企及头部企业 获数亿元融资[61] - 教育领域创新密集 iOffer提供AI驱动的留学申请助手 奇点灵智推出AI英语伴学机器人 内测显示儿童用户高频次使用[53][68][69] 团队背景特征 - 多个项目由顶尖学术机构孵化 境瞳科技为中国人民大学信息学院首个孵化项目 趋境科技团队出身清华计算机系高性能研究所[56][73] - 国际化团队成为趋势 LATIOS.AI团队全部为海外大厂与名校背景 6Estates核心团队扎根东南亚市场十多年[42][84] 商业化进展 - 部分项目已实现显著用户增长 AiPPT.com全球拥有超2000万用户 国内垂直赛道排名第一[15] - 效率工具类产品降低用户使用成本 LemonAI将单任务成本降至竞品的1/10 星魄云渺将漫画产能从1周50张提升至500张[77][85] 技术架构突破 - 趋境科技首创"以存换算"技术架构 将大模型推理门槛降低10倍 解决方案性能超越同类4-20倍[71][72] - 天大智图构建440万实体的中医药知识图谱 显著提升问答准确率 项目已在药企、医院和科研院所落地[74][75]

公司动态 - Meta与Pika就潜在合作可能性进行讨论 选项包括直接收购或技术授权 [1] - Meta与另一家专注于图像和视频生成的初创企业Higgsfield探讨收购可能性 但谈判未成功 [1] - Meta以148亿美元收购明星数据标注公司Scale AI 49%股权 成为史上最大规模私营公司融资交易之一 [7] - Meta完成对AI语音克隆技术公司Play AI的全资收购 [10] 公司估值与融资 - Pika在2024年4月融资5500万美元 估值达2.5亿美元 [6] - Pika在2025年4月融资金额达1.35亿美元 估值上涨至超5亿美元 [6] - Scale AI从2016年创立至今估值从0暴涨至290亿美元 [11] 技术产品 - Pika发布AI视频生成工具Pika 1.0 可生成和编辑3D动画、卡通、电影等各种风格视频 [3] - Pika 1.0工具只需点击几下鼠标即可生成视频 总体效果不错 [3] 人才与团队 - Pika创始人为斯坦福大学AI Lab博士生郭文景和Chenlin Meng [5] - 郭文景曾就读于杭二中 是浙江第一个被哈佛本科提前录取的学生 曾在微软、谷歌实习 在Meta AI研究部门担任工程师 [5] - Scale AI创始人亚历山大·王出任Meta超级智能实验室首席人工智能官和领导 [7] - Meta超级智能实验室成员包括GitHub前CEO Nat Friedman、Safe Superintelligence创始人Daniel Gross等顶尖研究人员 [10] - 亚历山大·王出生于1997年 父母都是华裔物理学家 19岁从麻省理工大学退学 [10] 行业背景 - 硅谷正弥漫科技巨头集体焦虑 传统互联网巨头是否会被AI初创企业彻底颠覆 [13] - AI驱动的生产力革命正在真实发生 [13] - 具备AI Native基因的公司迭代速度远超传统公司 [13] - 美国五大科技巨头中仅Meta仍由创始人领导 [13]