AI原生浪潮衝擊下，網際網路大廠的組織如何進化？

撰文 |伍暉《中歐商業評論》特約作者、創新與人才獨立研究者

在AI浪潮的衝擊下，傳統科技網際網路巨頭和新興的AI原生組織（AI Native）正展開一場前所未有的競速。

DeepSeek現象正引發傳統科技網際網路巨頭的集體焦慮，這場由AI Native組織發起的降維打擊，暴露出大廠在決策機制、資源調配與注意力管理上的深層困境。與2023年OpenAI帶來的衝擊不同，此次挑戰更具本土化特徵——即便坐擁百倍於DeepSeek的研發資源，大廠仍難復現其"用演算法榨乾最後一滴算力"的技術銳度。

由此可見，這場競速不僅是技術與應用的較量，更是組織形態、文化基因與人才戰略的全面對決。擺在傳統網際網路科技巨頭面前的核心問題是：在AI原生浪潮中，組織應當如何進化才能在較量中保持競爭力？

AI原生組織：

技術與組織的雙重革命

AI原生組織（AI Native）的崛起，標誌著技術與組織形態的深度融合。這些組織並非簡單地將AI作為功能附加，而是將其內化為產品、服務和業務流程的核心驅動力。以下是其核心特徵：

1. 技術原生性

AI原生組織的核心技術均為自研模型（如OpenAI的GPT、DeepSeek的MoE架構），技術迭代速度遠超傳統企業。例如，OpenAI從GPT-3到GPT-4僅用兩年，研發投入佔比高達90%以上。

2. 產品AI基因化

產品設計天然依賴AI能力，無法脫離AI獨立存在。Midjourney的生成式影像、Character.AI的角色人格化互動，均以AI特性為核心構建使用者體驗。

3. 從“資料與算力”到“演算法與社群”

資料與算力叢集構成AI創新的底層基座，但在技術擴散曲線的萌芽期（Innovators階段），演算法突破與場景創新才是開啟市場認知的關鍵鑰匙。OpenAI使用數萬塊GPU訓練GPT-4，單次訓練成本超1億美元。DeepSeek MoE透過架構層面的三重革新，將每個引數的價值挖掘效率提升300%，正在改寫大模型的效率法則。這種"基礎資源靜默支撐，智慧能力顯性突圍"的演進路徑，正是AI原生組織跨越技術採納鴻溝的核心密碼。

與此同時，Midjourney憑藉數百萬量級的日生成能力，在數字藝術領域構建起"提示詞即生產力"的新正規化。“一項技術最大的限制不是規模、成本或執行速度，而是我們如何與它互動。”Midjourney創始人大衛·霍爾茨（David Holz）在接受採訪時，多次提到在社群產品中構建Midjourney是其成功的關鍵之一。

4. 組織液態化

扁平化、自組織的團隊結構，決策鏈條短，資源響應迅速。DeepSeek科研背景員工佔比超80%，透過"影子組織"打破部門牆，實現創業公司的敏捷性。

5. 極客文化與創始人凝聚力

OpenAI的Altman與DeepSeek的梁文鋒均以技術遠見凝聚頂尖人才，組織文化強調技術理想主義與長期價值。

這種"液態矽基生命體"式的組織形態，以演算法為血、資料為食，形態無定而核心恆常，展現出顛覆傳統組織效率的潛力。

網際網路大廠

為何被AI原生新貴反超？

AI的三要素——演算法、算力與資料，構成了當前AI原生業務的核心競爭力。算力已成國際難題，本文暫不探討；演算法即模型，資料則來自平臺服務的場景與生態，而應用（如智慧體Agent）則是當前的焦點。這三者需要形成良性迴圈，才能構建AI原生的核心競爭力。

模型大戰：被搶了風頭

在大模型開發上，科技網際網路大廠這一程輸給了DeepSeek這樣的AI原生組織。今年年初，無論自家的模型開發進展如何，大廠紛紛“滿血接入”DeepSeek。大廠的資源、人力和財力的優勢並未轉化為技術勝勢，問題的核心在於領軍人和理念的缺失——大廠沒有DeepSeek的梁文峰，也沒有“用演算法榨乾最後一滴算力”的極致追求。

儘管大廠選擇“滿血接入”，但自研模型仍是不可或缺的戰略選擇，關鍵在於引入頂尖領軍人才，並建立靈活的資源調配機制。大廠在組織形態和資源調配上的弊端顯而易見，但並非不可克服。例如，設立特區機制，為AI原生團隊提供獨立的資源與決策權，也是大廠們都在嘗試的。

此外，人才密度的提升也至關重要。大廠覆盤過去2-3年的人才招聘時發現，即便DeepSeek團隊成員當時加入，其個人能力也未必顯得格外突出。但若這些人加入大廠，可能早已陷入傳統的職業晉升路徑，而無法專注於技術創新。這說明，環境比個體更重要，如何讓頂尖人才聚焦關鍵且有意義的事情，才是大廠需要解決的核心問題。

使用者時間爭奪戰：AI原生應用的衝擊

大模型的現實意義在於“模型即產品”的趨勢正在加速。尤其是在消費網際網路領域，使用者增長的瓶頸讓大廠倍感壓力。DeepSeek僅用7天使用者破億，OpenAI當年用了2個月。根據QuestMobile的報告，截至2024年12月，AI原生APP的月活躍使用者（MAU）已突破1.2億，月人均使用時長達133分鐘，使用者粘性持續提升。2025年1月，AIGC領域的MAU同比增長244.7%，淨增超9200萬，排名第二與第三的只有16.7%-20.8%增速。

雖然當前的C端AI應用仍以聊天、問答和情感陪伴為主，但使用者的時間是有限的。當用戶被AI原生應用吸引，傳統應用的使用時長必然被擠壓。時間爭奪戰已經打響，大廠若不及時應對，將面臨使用者流失的危機。

那麼是否可以等待時機再出擊？例如，騰訊藉助DeepSeek這股東風，從一個“默默無聞”的參與者，一躍成為中國區蘋果免費App下載排行榜的冠軍，其AI應用“元寶”也成為2025年一季度的傳奇。這種機會並不常見，即便未來出現下一個“DeepSeek”，其技術也可能不再開源。更重要的是，大廠集體嘗試將DeepSeek的模型能力接入自身核心業務，是因為看到了更好的模型能力與自身產品結合後，能夠帶來的規模化應用潛力。

談到應用和智慧體，不得不提最近測試版就爆火的Manus。這款號稱全球首款通用智慧體的產品，透過技術上的執行閉環實現突破，並透過使用者參與感的設計增強了傳播效果。配合社交媒體KOL投放以及“國家科技實力”的敘事包裝，Manus形成了病毒式傳播。相比之下，大廠開發的智慧體多侷限於垂類場景（如阿里釘釘的AI工單系統），在消費端（C端）的突破力明顯不足。在這一領域，大廠尚未佔據上風。

按理說，大廠擁有豐富的應用生態和話語權，理應在通用智慧體領域更具優勢，但事實並非如此。在覺察流的《模型吞噬程式碼，Agent重構世界：當AI Agent與模型協同進化》一文中提到，工具類應用（如地圖、辦公）更容易跟進Agent戰略，但平臺類應用卻顯得遲疑，因為這涉及整個產業生態的重構。多數2C類平臺不願將自身工具化，因為這會徹底改變業務模式、使用者體驗以及流量走向。

Agent代理平臺即時感知使用者需求並提供精準服務，這確實是大廠正在做的事情。但當Agent代理個人時，遊戲規則就會被徹底改變。這裡的核心問題在於願景：Agent重構的世界究竟是什麼？是平臺主導的世界，還是使用者主導的世界？

微軟CEO薩提亞·納德拉近期提到，Agent將顛覆SaaS行業。對於辦公工具企業而言，擁抱這一趨勢是順理成章的，但對於其他平臺類企業來說，這種轉型可能會帶來深刻的糾結。

場景資料：需要轉化的優勢

模型與智慧體之外，資料和商業生態是大廠的傳統優勢領域。歷史經驗表明，這種優勢並非不可撼動。在網際網路初期，傳統行業（如生活服務、娛樂社交、商業和媒體資訊領域）也曾憑藉多年深耕積累行業Know-how而認為網際網路應用不能Mission Critical，但最終被網際網路化。

如今，平臺企業的不同之處在於行業集中度更高，掌握了場景入口、使用者資訊、供給側准入門檻和流量分配權。部分領域（如資訊搜尋和辦公工具）已受到AI的衝擊，而娛樂、遊戲、社交、電商和生活服務等領域目前似乎仍有較大的緩衝空間，可以透過“+AI”提效保持競爭力。然而，如果使用者的場景入口被原生智慧化吸引，廠家、商家和創作者的需求被Agent代理滿足，行業格局可能徹底重塑。對於C端業務而言，抓住使用者是核心，其他環節都應圍繞這一目標展開。

從以上分析可以看出，無論是出於防禦還是進攻的需要，網際網路大廠的業務都必須實現AI原生化，才能有效應對新一輪競爭。這需要構建“模型-資料-應用/智慧體”的良性迴圈系統，打造AI原生的核心競爭力。

與AI原生組織相比，大廠在模型和應用領域尚未佔據優勢。模型開發需要頂尖的領軍人才，應用和智慧體則需要清晰的願景和新型協作關係。資料雖然是大廠的暫時優勢，但必須被高效利用才能轉化為真正的競爭力。面對新興AI原生組織的挑戰，大廠需要重新審視自身的應對策略。

大廠組織進化：

資料盤活、模型競合與Agent驅動的組織變革

資料是這些平臺企業的強項，但需要盤活，從規模優勢進化為智慧優勢。模型是AI能力，需要與DeepSeek這種AI新興公司競爭與合作。Agent蘊含的商業邏輯與產業生態有關，在組織內部與組織結構相關，需要重新審視。

資料深化：從規模優勢到智慧優勢

資料是平臺企業的核心資產，但當前的優勢仍停留在規模層面，亟需轉化為智慧優勢。大廠雖然在幫助傳統企業部署專有知識庫和訓練專屬模型方面積累了經驗，但自身業務平臺的資料管理卻存在明顯短板。以下問題值得深思：

資料是否經過高質量清理和標註？
是否沉澱為結構化的行業知識圖譜？
跨業務共享時是否實現了合法範圍內的無縫銜接？

資料資產的盤活是模型-資料-應用/智慧體三大要素中唯一完全可控的環節。

DeepSeek對資料標註的重視表明，高質量資料是提升模型效率的關鍵。Grok3的成功也得益於SpaceX知識庫的深度貢獻。大廠需要透過以下方式釋放資料潛力，才能轉化為模型效率和智慧體精準呼叫的競爭優勢：

動態資料閉環：確保資料的即時更新與反饋。
行業知識圖譜：將資料轉化為可複用的智慧資產。
跨業務協同：在合法合規的前提下實現資料共享。

模型競合：合作與自研的雙軌策略

模型能力是AI競爭的核心，大廠需要在合作與自研之間找到平衡：

合作層面：微軟與OpenAI的合作是典型案例。微軟透過130億美元投資，不僅獲得了OpenAI技術的核心使用權，還成為其獨家雲服務提供商。這種模式顯著提升了微軟在AI領域的競爭力。國內大廠也需探索與DeepSeek等新興公司的合作機會，實現技術共享與生態共贏。

自研層面：通用模型需解決跨場景問題，垂類小模型則需適配具體業務需求。開源策略可以吸引開發者共建生態，而模型輕量化與邊緣部署（如蒸餾、剪枝技術）則能有效降低計算成本。

智慧體驅動：組織變革與效率提升

2025，應用的規模化落地，特別是智慧體（Agent），將會是大廠們的主要發力方向。根據Gartner最新預測，AI智慧體領域預計將在2024-2030年間迎來顯著增長，市場規模將從51億美元攀升至471億美元。自去年起，以內部賽馬或外部投資的方式，大廠一直在尋找AI時代的「超級應用」，這之中已經有些浮出水面的AI產品，但DeepSeek在C端的增速還是超出了人們的預期，而且讓大廠集體反思過去「大力出奇跡」堆疊資源的模式在當下的效用。這也意味著，到了比拼創新效率的時刻，效率和結果是關鍵。大廠需要向AI原生組織看齊，在組織形態、人才結構、工作模式上進行重構。

網際網路大廠與AI原生組織對比的組織效率、增長驅動關注點與人才結構：

大廠需要重新審視組織形態與協作模式：

創新效率：關注效率與結果，決策權下放，賦予一線員工呼叫Agent的許可權。
組織重構：以Agent為核心組建敏捷團隊，推動“人類決策-Agent執行”的新型協作模式。例如，透過“模型工程師+業務專家+使用者體驗設計師”的跨職能小組實現快速落地。
人才結構：提升科學家與技術人員密度，同時引入商務拓展人才，構建支援Agent生態的複合型團隊。

平臺企業的應對策略，總結三點：

資料深化：從“資料量大”轉向“資料智慧”，透過閉環與知識轉化構建壁壘。
模型競合：與AI公司既競爭又合作，以生態整合彌補技術短板。
Agent適配：組織結構適配Agent落地，團隊敏捷授權，人才結構匹配；內部嘗試Agent為中心重組流程，推動“人類決策-Agent執行”新型協作。

大廠在組織層面

需要哪些關鍵變革？

以上三點（資料深化、模型競合、智慧體驅動）已觸及組織變革的深水區，因為它們需要深入到組織的肌理中，改變現有迴圈方式才能實現。而大廠的變革往往受到路徑依賴的制約。以下是一些大廠今年以來的具體行動：

字節跳動：虛擬組織與AI-native人才的深度佈局

在2月的全員會上，字節跳動CEO梁汝波坦言，在AI取得進展後，團隊內部曾“稍微有些放鬆”，並未將復現OpenAI的推理模型o1視為緊迫任務。然而，2025年位元組明確了三大AI目標：探索智慧上限、創新UI互動形式、加強規模效應。其AI組織架構由Flow、Seed和Stone三大板塊組成，總規模接近2500人：

Seed：負責模型研發，由朱文佳和吳永輝共同領導。吳永輝是Google前Fellow，專注於AI研發。
Flow：負責AI產品，由Musical.ly創始人之一朱駿負責。
Stone：負責產品後端研發支援。

據稱吳永輝近期調整了Seed的架構，設立若干不在正式組織結構中的虛擬小組，形成更扁平的彙報體系。這種“影子組織”試圖打破部門牆，注入創業公司的敏捷性。同時，位元組在核心研發環節逐步用AI-native技術人才替換傳統搜推廣背景的人員。

在AI產品佈局上，主力產品豆包已從聊天機器人發展為綜合應用（涵蓋聊天、搜尋、圖片生成和AI瀏覽器），並接入DeepSeek等外部模型以提升使用者體驗。此外，位元組還在探索智慧角色互動（貓箱）、圖片生成（星繪）、AI教育（Gauthmath）等多個方向。

騰訊：AI產品線遷移與生態開放

2025年2月19日，騰訊宣佈將QQ瀏覽器、搜狗輸入法、AI原生應用ima等產品線團隊從PCG（平臺與內容事業群）調整至CSIG（雲與智慧產業事業群），並推動全線產品接入混元大模型及DeepSeek-R1模型。同時，騰訊開放公有云API介面，吸引開發者和行業客戶構建應用生態，覆蓋從算力排程到知識引擎的全鏈路需求。

3月19日，騰訊董事會主席兼CEO馬化騰在2024年業績會上表示，AI的快速發展（尤其是DeepSeek的出現）讓騰訊看到應用大發展的機會。騰訊在雲業務和AI應用“元寶”上積極擁抱DeepSeek，並強調AI仍處於早期階段，各行各業都將受益於其普及。

阿里巴巴：大規模基礎設施投入與全員轉型

2025年2月24日，阿里巴巴CEO吳泳銘宣佈未來三年將投入超過3800億元建設雲和AI硬體基礎設施，重點投資三大方向：

算力基建：投入3800億元構建“數字電網”，目標成為全球重要的AI基礎設施和雲計算網路之一。
模型平臺與原生應用：追求AGI（通用人工智慧），持續迭代通義千問大模型，並堅持開源策略。
AI驅動的業務轉型：推動網際網路平臺業務全員轉型，將AI應用於電商、物流、支付等核心業務。

同時，阿里重啟招聘計劃，開放超過3000個崗位，其中AI相關崗位佔五成。前釘釘創始人陳航（無招）迴歸阿里，重新執掌釘釘。

大廠組織變革的

深層邏輯：突破組織慣性

在大廠變革的深層邏輯中，組織架構調整僅是表層動作，真正挑戰在於突破固有行為模式。位元組將虛擬小組置於正式架構之外，希望以"影子組織"打破部門牆，這種非正式架構與正式架構的巢狀，既保留規模化作戰能力，又植入創業公司級敏捷性。但類似架構如何常態化是個難題，大多數情況下企業會在18個月內迴歸原有工作模式，因中層管理者難以適應雙重指揮體系。騰訊將AI產品線遷移至CSIG，一方面AI發展加速，“讓做模型的更專注於模型研發，讓做產品內測的能加速產品迭代”（劉熾平，2024年財報媒體溝通會），更重要的是QQ、瀏覽器等作為消費端應用可以聯動，從而為AI產品提供入口。

大廠普遍面臨"創新實驗室困境"，獨立團隊易脫離業務場景，業務部門又難逃KPI束縛。位元組Seed部門設立雙負責人機制，也許是“務實浪漫”的一種體現。虛擬小組，本質是構建"可逆決策機制"，透過臨時性組織單元降低試錯成本。騰訊同時接入自研混元與第三方DeepSeek模型，暗合"雙軌制創新"理論——在保證現有業務穩定性的同時，允許區域性突破。但這種策略可能導致資源分散，需要有確定性的場景反哺技術投入，形成獨特閉環。

大廠人才戰略已進入"能力簇重構"階段。位元組用AI-native人才替代搜推廣背景人員，反映根本效能力遷移：從特徵工程轉向提示詞工程，從CTR預估轉向思維鏈建模。騰訊CSIG組織整合，實則需要兼具B端服務思維和C端產品思維的"T型人才"。阿里重啟招聘時重點補充AI新興崗位，這些職位尚無成熟培養體系，倒逼企業自建人才飛輪。

未來三年：組織形態的持續演化

“模型-資料-智慧體”本質上在解構傳統網際網路公司的"資料-演算法-流量"鐵三角。當資料從生產資料升維為智慧資產，模型從技術工具蛻變為生態槓桿，Agent從執行單元進化成組織原型，平臺企業將面臨基因突變的挑戰。當模型能力趨同時，組織學習速度將成為決勝要素——誰能更快模型迭代，把技術突破轉化為商業閉環，誰就能在智慧革命中掌握主動權。但歷史經驗表明，所有技術革命最終考驗的是組織轉型升級能力：柯達並非不懂數碼技術，諾基亞也早預見智慧機趨勢，真正阻礙轉型的，永遠是組織基因的進化滯後。

20年前，這些網際網路大廠成功挑戰了傳統行業，坐上了平臺寶座。這一次，他們受到了AI原生組織的挑戰，序幕剛剛拉開，可以拭目以待。

參考內容：

《AI時代的核心能力：智慧飛輪與智驅進化力》侯宏侯宏文存

《模型吞噬程式碼，Agent重構世界：當AI Agent與模型協同進化》肆零柒覺察流

《萬字長文，聊聊下一代AI Agent的新正規化》原創騰訊研究院騰訊研究院

《位元組 AI 再創業：獨立組織、全鏈條的飽和出擊》原創晚點團隊晚點LatePost

《騰訊的AI新主張：擁抱開源、增加資本支出，擴大業務應用朋友圈》新京報貝殼財經記者韋英姿

《阿里，“A計劃”》上海證券報作者：郭成林溫婷

《 a16z：全球AI產品Top100》（第4版，2025年3月）

《QuestMobile2025 APP流量競爭新觀察：存量市場深度博弈下，跨週期精析流量路徑，全鏈路最佳化留存成為解題思路》

《QuestMobile2024年AIGC應用發展年度報告：AI原生APP三強爭霸，AI應用“四大模式”形成，智慧體數量超過小程式》