从超级个体到超级团队：AI时代组织变革的涌现路径

顾 问 司晓腾讯研究院院⻓、腾讯公司副总裁 主笔 袁晓辉腾讯研究院副院⻓、资深专家xiaohuiyuan@tencent.com 余⼀腾讯研究院⾼级研究员ameliayu@tencent.com 共 创者 李瑞⻰、曹⼠圯、王鹏、王强、刘莫闲、吴朋阳、⽩惠天、王焕超 特别致谢 本报告缘起于《AI时代的企业创新与转型》项⽬研究。在腾讯集团⾼级管理顾问杨国安教授的指导下，我们深度观察了美图、Rokid、Manus等多家企业的AI转型进展；并基于腾讯研究院AI原⽣⼩组历时⼀年的变⾰实践与观察，对超级个体与超级团队的诸多问题进⾏了研究。 此后，我们⼜先后深度调研了腾讯CodeBuddy团队、⽉之暗⾯、出⻔问问、特赞、安克创新、童⾏书院、超脑AI孵化器、flomo、Multica、ColaOS、Pine、Cresta、Ventus AI、Superlinear、歸藏、花叔等企业、团队和超级个体，还通过AI调研员对数⼗位⼀线创始⼈与实践者进⾏了⼀⼿调研，同时参考了Anthropic、Block、⻨肯锡等机构的公开实践与研究。 在此，谨向杨国安教授，以及所有⽀持和参与本次研究的企业、团队与朋友们，致以诚挚的感谢。 ⽬录Contents 01第⼀章超级个体的诞⽣9 02第⼆章从超级个体到超级团队25 03第三章超级团队的形态41 04第四章超级团队的运作机制50 05第五章如果你在这些团队⾥65 P R E F A C E 从⽥野调研和实验出发 AI时代的组织变⾰，到底是被设计出来的，还是⻓出来的？ 过去两年，⼏乎每⼀家咨询公司都发布了AI转型路线图，每⼀个商学院都开设了AI战略课程，每⼀位CEO都在年度战略⾥写下了拥抱AI四个字。斯坦福HAI《2026⼈⼯智能指数报告》[1]显示，全球88%的组织已在⾄少⼀项业务中采⽤AI。⻨肯锡2026年全球AI调查[2]则揭示了⼀个鲜明对⽐：尽管AI采纳率创下历史新⾼，仅有1%的公司⾃认达到了AI成熟：将AI深度嵌⼊核⼼业务并产⽣系统性价值的企业，百中⽆⼀。 这个1%和78%之间的巨⼤鸿沟，暴露了⼀个被⼴泛忽视的事实：绝⼤多数组织推进的AI变⾰，仍然停留在采⽤AI⼯具上，远未触及组织借助AI实现彻底蜕变的层⾯。⼤家购买了⼯具、成⽴了委员会、撰写了政策⽂件，但组织本身：⼈如何协作、决策如何流动、价值如何创造，并没有发⽣根本性变化。 在这⽚⼴袤的停滞中，有⼀种完全不同的图景正在发⽣。 这种图景的起点，往往不在⾼管会议室，也不在重新绘制的组织架构图上，⽽是出现在⼀个⼯程师的深夜编程中，出现在⼀个产品经理第⼀次⽤Claude Code跑通需求验证的那个下午。这让我们开始思考⼀个问题：真正有效的AI变⾰，核⼼驱动⼒或许并⾮来⾃⾃上⽽下的推动，⽽是来⾃⾃下⽽上的涌现。 2026年5⽉15⽇，腾讯研究院AI原⽣⼩组发布了《AI原⽣⼯作报告》，我们当时在报告中对⾃⼰的描述是⼋个字⼀边实践、⼀边研究。那份报告回答的问题是：在AI真正进⼊⼯作流之后，⼀个⼈的⼯作⽅式应该被怎样重做？ 在报告⾥，我们⽤10个关键词把AI原⽣⼯作拆开来讲：驾驭⼯程、记忆、技能、评估、上下⽂管理、⼯作流、多智能体、加法偏⻅、去技能化、知识⼯程等。 ⽽当个体的⼯作被重做之后，AI原⽣⼩组的共识是，下⼀步必须是协作⽅式和基础设施的重新设计。这也是我们过去⼀年在内外部调研中反复观察到的模式：真正深刻的AI组织变⾰，⼏乎总是从⼀两个⼈开始。⼀个⼈先醒来，发现AI可以将⾃⼰的能⼒放⼤⼏倍、⼗倍甚⾄百倍，然后这种新的⼯作⽅式像涟漪⼀样向外扩散，感染⼀个⼩组、⼀个部⻔，最终改变整个组织的运作⽅式。 ⽽⽬前业内常⻅的组织变⾰讨论，⽆论是红杉与Block提出的从层级到智能的信息结构视⻆[3]，还是⻨肯锡和BCG的CEO驱动转型框架，抑或学术界基于科斯交易成本理论的组织边界分析，⼤多从⾃上⽽下的设计逻辑出发，回答的是组织应该怎么变。 本报告的核⼼视⻆是基于演化过程和⾃下⽽上涌现的分析框架。 我们想回答的是⼀个不同的问题：组织正在怎么⽣⻓？ 这个视⻆还帮我们统⼀了⼀个看似分裂的光谱。在当下的讨论中，AI转型和AI原⽣常常被视为两个截然不同的命题：⼀边是存量组织在庞⼤惯性中的艰难改造，另⼀边是新创团队在⽩纸上的全新构建。我们之前的讨论会把两者视为完全不同的两个问题、两套框架，认为⼀家AI转型企业如果真的想推进AI变⾰，最好的⽅式是另起炉灶重新组建AI原⽣团队。 但后来我们发现，如果我们把镜头从组织拉近到⼈，会发现成熟企业的AI转型和初创团队的AI原⽣，都遵循着同⼀个底层逻辑： AI转型=存量组织内部，超级个体逐步涌现，能⼒溢出带动团队进化 AI原⽣=超级个体从第⼀天就按新⽅式聚合 两者的核⼼命题其实可以是同⼀个：超级个体如何聚合为超级团队。⼆者的区别只在于路径和约束不同。 对于今天的企业⽽⾔，这意味着⼀个极具实践意义的转向：不必纠结我们的企业是AI转型还是AI原⽣，也不必纠结团队是否⼀定要拆散了重新组建，真正应当关注的是⼀个更本质的问题，当下的企业环境究竟有没有在培育超级个体？有没有为超级团队的⽣⻓创造出⾜够的空间和环境？ 我们⽤了⼀个公式来校准这场⽣⻓：组织竞争⼒=⼈才密度x AI杠杆/组织摩擦。 它的价值在于把变⾰问题拆成三个独⽴可操作的⽅向：⼈才密度指的是单位团队中具备独⽴闭环能⼒的⼈占⽐；AI杠杆指的是AI实际嵌⼊⼯作流的深度和覆盖⾯； 组织摩擦指的是⼀个想法从产⽣到变成可交付成果之间要经过多少等待、审批、对⻬和信息衰减。 ⼈才密度 单位团队中具备独⽴闭环能⼒的⼈占⽐ AI杠杆 AI实际嵌⼊⼯作流的深度与覆盖⾯ 组织摩擦 想法到可交付成果之间的等待、审批、对⻬、衰减 三者的关系是乘除⽽⾮加减：分⼦翻倍但分⺟不动，净效果打折；分⺟减半的效果等价于分⼦翻倍。超级个体放⼤的是分⼦，超级团队真正解决的是分⺟。我们观察到的有效变⾰，极少是被规划出来的，组织能⾃上⽽下设计的，⾄多是让它⽣⻓的⼟壤。 本报告将沿着个体觉醒→能⼒溢出→团队涌现→组织启示这条线索展开。我们从超级个体的诞⽣讲起，追踪他们如何聚合为超级团队，观察不同组织中的超级个体能⼒涌现路径，并最终提炼出对组织变⾰的启示。我们希望通过对变⾰正在怎么发⽣的事实记录，找到这些演变路径背后的规律。 C H A P T E R0 1 超级个体的诞⽣ 1.1什么是超级个体？ 演化路径：从知识⼯作者到超级个体 要理解超级个体，先要看它是从哪⾥来的。把这个概念放在知识⼯作演进的⻓链条上看，每⼀代都⽐前⼀代更接近⼀个⼈独⽴创造价值的极限，但每⼀代也都有⾃⼰跨不过去的能⼒边界：直到AI出现，把⼀个⼈做不了所有事这个最根本的限制给消解了。 彼得·德鲁克在1960年代提出知识⼯作者概念[4]时，定义的是⼀群⽤知识创造价值的⼈。他们是组织的核⼼资产，但⾼度依赖组织：组织提供信息、资源、协作环境和分⼯结构，知识⼯作者在其中完成被分配的任务。 理查德·弗罗⾥达在2002年提出创意阶层（Creative Class）[5]，将视⻆从知识处理扩展到创造⼒。创意阶层是能够产⽣新想法、新设计、新内容的⼈，超越了单纯的信息处理。但他们仍然受限于个⼈的专业边界：⼀个设计师就是设计师，⼀个⼯程师就是⼯程师，创造⼒虽强，局限在单⼀领域之内。 保罗·贾维斯（Paul Jarvis）在2019年出版的《⼀⼈公司》 （Company of One）[6]以及此后围绕⼀⼈公司的⼤量讨论（2019-2023），进⼀步把个体推向了组织的对⽴⾯：⼀个⼈不需要扩张，不需要雇佣团队，也可以构建⼀个可持续的商业。但在AI之前，⼀⼈公司⾯临明确的能⼒天花板：⼀个⼈⽆法同时胜任所有⻆⾊，增⻓到⼀定阶段就不得不在继续⼀个⼈做和开始雇⼈之间做出选择。 但这条演化链中间有⼀段容易被忽略的历史：超级个体曾经出现过，⼜被组织化浪潮压了回去。2000年代初的独⽴软件开发者天然就是⾃闭环的⻆⾊：⾃⼰设计、⾃⼰写代码、⾃⼰发布、⾃⼰回复⽤户反馈，从发现问题到交付产品在⼀个⼈⼿⾥完成。 但随后，互联⽹的⼯业化⽤了⼆⼗年时间把这种完整性拆碎了：岗位化把创造拆成七⼋个⻆⾊，⼯业化把⻆⾊串成流⽔线，中台化⼜⽤平台和权限把复杂度固化。每⼀步都有合理性，没有分⼯就没有规模协作，但最终结果是，⼀个⼈的⾃闭环能⼒被切成了碎⽚。⼯程师不再⾯对⽤户，产品经理有责任但没有执⾏⼿段。 AI的出现，第⼀次系统性地把跨⻆⾊⾏动的成本打了下来，让⾃闭环重新变得可能。AI超级个体打破了这条链条上以往所有学者的基本假设，也打破了组织拆分⼆⼗年来的惯性： 这⼏个概念的核⼼区别在于：AI超级个体的⼯作⽅式从执⾏跃迁到了指挥调度。他们设定⽅向、构建约束、评估产出、迭代优化。核⼼竞争⼒已从执⾏迁移到思考：思考什么值得做、怎么做是对的、做到什么程度算好。 这种能⼒模式的转变，使得个体的能⼒边界从有限变为可延伸，组织形式从依赖⼈治⾛向可能的系统⾃治。 超级个体的定义：四个结构性特征 在这条演化链的基础上，如果让我们⽤⼀句话定义超级个体，那就是：借助AI，⼀个⼈能够达到过去需要⼀个⼩团队才能达到的产出规模和影响半径。拆开来看，超级个体有四个结构性特征： 超级个体的四个结构性特征 能⼒跃迁量级提升+跨域闭环 第⼀，AI First的⼯作动线。超级个体把AI排进了整个⼯作动线。AI是⼯作的默认起点。⼤多数⼈⽤AI的⽅式是我照常⼯作，遇到困难时问⼀下AI；超级个体的⽅式是我先让AI跑，然后在AI的产出上做判断和修正。这个区别看似微⼩，实际上决定了AI杠杆能放⼤到什么程度。 第⼆，能⼒边界的量级跃迁。超级个体远超⽤AI⼯具的⼈这⼀层⾯。他们借助AI实现的跃迁同时发⽣在两个维度：量的维度上，产出从提升百分之⼏⼗变为提升⼗倍甚⾄数⼗倍；域的维度上，⼀个⼈可以独⽴把⼀件事从想法做到交付，跑通过去需要产品、设计、研发、运营多个⻆⾊接⼒的整条链路。专业分⼯的必要性在⼀定程度上被⼤幅削弱，⼀个⼈可以同时是提出问题的⼈和解决问题的⼈。 第三，主动性极强。超级个体不等待组织安排，他们是天然的边界探索者，主动寻找AI能⼒的极限，不断扩展⾃⼰的能⼒圈。这种⾃驱⼒是持续的好奇⼼与⾏动⼒的结合，让他们在组织中成为AI应⽤的先⾏者和示范者。 第四，影响⼒溢出。这是最容易被忽视的特征，也是判定超级个体的关键阈值：⾼效个体只让⾃⼰变快，超级个体让团队变快。如果⼀个⼈⽤了AI让⾃⼰产出翻⼗倍，但同事毫⽆察觉，那他还没成为超级个体，只是⼀个使⽤AI的优秀员⼯。超级个体真正的影响⼒溢出是⾃然发⽣的：当⼀个同事看到你⽤AI在⼀个晚上做出了他们⼀个⽉的产出，当⼀个管理者发现团队⾥⽤AI最好的⼈不⼀定是技术背景最强的那个，变⾰的种⼦就已经播下了。 以上四个特征缺⼀不可。少了AI First原则，AI⽤了但杠杆率上不去；少了能⼒跃迁，只是传统意义上的⾼产者；少了主动性，AI⼯具再多也只是在被动地消耗token；少了影响⼒溢出，价值停留在个⼈产能层⾯，带不动组织。 量化证据：超级个体并⾮传说 超级个体已经不只是少数案例制造出的想象，越来越多数据正在指向同⼀个变化：AI把个体可调⽤的时间、技能和组织能⼒同时放⼤了。 Anthropic于2025年11⽉发布⼀项基于10万条Claude.ai匿名对话的⽣产⼒估算研究[7]。研究⽤Claude估算如果没有AI，专业⼈员完成同⼀任务需要多久，再与对话内实际耗时对⽐。结果显示：样本任务若⽆AI辅助，平均约需1.4⼩时，Claude估算AI可使任务完成时间平均减少约80%。 部分任务的效果更为极端：报告信息汇编约节省95%；课程开发任务从Claude估算的4.5⼩时降到11分钟，对应约96%的时间节省；⽂档写作节省约87%，⾦融分析任务节省约80%。 Harvard Data Science Review 2026年发表的《The Agent-Centric Enterprise》[8]进⼀步解释了