“智力平权”并不会把所有人拉到同一水平。它只是铺平了一部分基础能力，让更多人有机会直接面对问题。工具趋于平等后，能否提出好问题、识别错误并推动执行，会让差距更快显现。
图由 AI 生成
文 | Alex
在零一万物，李开复博士已经不需要参加每一个项目会。
会议录音、项目材料和日常沟通，会被 AI 重新整理。进展、风险、争议、待办事项和责任人被串在一起。李开复博士可以直接追问某个项目走到哪一步，也可以查看自己没有参加的会议里，是否出现过分歧、冲突，或者那些被纪要轻轻带过的“勉强同意”。
这些细节比一份漂亮纪要更接近经营现场。过去，它们要经过中层的转述和过滤；现在，AI 开始进入零一万物的管理信息流。
这家公司曾以基座模型进入公众视野。
2024 年 10 月前后，零一万物自研 MoE基座模型 Yi-Lightning在国际权威大模型盲测竞技场 LMSYS榜单上排到全球第六，与 xAI 并列，创下当时中国模型此榜单最佳成绩。
也正是在那个阶段，团队越来越清楚地看到，继续沿着基座模型训练往前走，要面对巨大的资源差距。xAI 后来建设了 10 万卡集群，而当时中国公司训练模型大多还在几千卡规模。
零一万物随后主动把重心转向企业 AI、主权 AI 和产业 AI，对标美国 Palantir，内部反复讲的一句话是“Make AI Work”。
这不是简单换一个业务标签。团队要进入客户现场，理解行业流程、经营目标、数据结构和真实协作方式。
对外，零一万物把“一号位工程”、万策平台和企业本体 Ontology 作为落地方法，帮助企业把 AI 从单点工具变成系统能力；
对内，它也在用同一套逻辑重构自己的信息流、责任流和交付方式，使 AI 不只是提升效率的工具，而是成为重塑零一万物生产力与组织架构的原生驱动力。
Neuters
对外，零一万物把“一号位工程”、万策平台和企业本体 Ontology 作为落地方法，帮助企业把 AI 从单点工具变成系统能力；
对内，它也在用同一套逻辑重构自己的信息流、责任流和交付方式，使 AI 不只是提升效率的工具，而是成为重塑零一万物生产力与组织架构的原生驱动力。
最近，崔牛会围绕“ AI 原生组织 ”专题，采访了零一万物联合创始人马杰。在他的观察中，AI 原生组织的变化往往先发生在日常协作中，再逐步反映到组织架构上。
任务由谁负责，信息如何流向决策者，岗位之间怎样衔接，人又如何调动 Agent 完成工作，这些具体变化构成了组织新的运行方式。
01
DRI 重塑协作
零一万物成立于 2023 年。彼时，“AI 原生组织”还不是一个被广泛讨论的命题，公司的基本架构也在那时确立。“很多结构当时定下来了，我们没有刻意把它拆掉。”马杰说。
公司目前有 200 多人，组织能力主要围绕几条主线展开：
一端是模型训练、底层技术与产品研发交付，支撑公司的技术底座和产品化能力；
另一端是国内业务、国际业务与 AI 咨询团队，面向不同行业和区域市场推进商业化落地，各核心方向均已形成数十人规模的专业团队。
其中，模型训练和底层技术由专门团队负责，持续夯实模型能力与平台能力；国内和国际业务团队则逐步配齐咨询、FDE、销售等角色，并围绕“一号位工程”形成面向客户的落地机制：与企业一号位及其核心团队共同定战略、找场景、搭应用、做交付，贯通从需求理解、场景诊断、原型设计到方案形成和项目推进的全过程。
组织架构沿用至今，责任分配方式已经发生变化。
零一万物内部启动多个 DRI（直接责任人）项目试点，并初步取得成效。一个人或一个小团队借助 AI 工具和 Agent 工作流，可以承担过去需要更大组织完成的任务。
李开复博士在新书《AI 未来已来》中专门讨论了 DRI。随着 AI 不断压缩执行成本，判断和责任成为组织中更稀缺的资源。DRI 的核心，是把一件事明确交给一个具体的人，由他确定方向、协调资源并为结果负责。李开复把这种角色称为“微型 CEO”。
在零一万物三周年致辞中，他又把 DRI 放进公司“二次创业”的语境：“一件事成败找谁，谁就是那个人。”不过，责任落到个人之后，授权和资源也要同步跟上。任务边界、决策权和资源调度权如果不清楚，DRI 很容易变成一个名义角色，甚至沦为“背锅的人”。
零一万物正同步推进国内外商业化布局：
在国内，重点围绕企业 AI 和产业 AI 深入行业场景；
在国际市场，则以主权 AI 为重要抓手，拓展面向海外客户的 AI 能力建设与落地服务。
许多前线员工长期在客户现场，总部很难通过层层流程管理每一个动作。DRI 需要根据现场情况拆解问题、协调资源，把同事和 Agent 组织起来。头衔不再决定一件事由谁推动，谁对结果负责，谁就是这件事的“一号位”。
DRI 让权责向前线下沉，老板 AI 则让管理层获得了更直接的信息入口。
老板 AI 最早来自零一万物的内部需求。马杰说，它起初叫“开复 AI”，是为李开复博士开发的。
2026 年 7 月 7 日，零一万物将这套实践产品化，发布万策 AI 平台，以及老板 AI、销冠 AI、投资官 AI 三款“一号位 AI”产品，分别进入经营管理、销售和投资决策。
传统管理通常通过 BI 报表、管理驾驶舱和层层汇报了解经营情况。这些工具呈现的是已经形成指标的结果，而许多风险更早暴露在客户沟通、销售推进、项目交付和员工协作中。
老板 AI 捕捉的，正是这些尚未进入报表的现场信号。
零一万物的许多项目例会都会录音，再由 AI 整理分析。李开复博士可以随时询问项目进展，也会追问讨论中是否出现冲突。最终写进纪要的不仅是结论，还包括了大量语境和上下文分析，更能反映项目的真实状态。
这压缩了传统中层“信息中转”价值，也显著减少了管理层到执行层的信息差。
马杰半开玩笑地说：“开复老师现在可以直接问 AI，不少过去需要通过我转述的一线信息，AI 就能回答，使管理团队把更多精力放在战略制定和结果交付校验上。”他也直言，如果中层只是做上传下达和信息搬运，“其实就已经可以被替代了”。
中层仍然需要解释事实、处理冲突、协调资源和推动结果。
AI 可以整理信息，却未必知道哪些信息真正重要。过去，管理者的优势来自掌握更多信息；当信息逐渐被 AI 拉平，判断和推动结果的能力会更加重要。
零一万物还在持续优化这套机制。
创业公司的团队规模较小，协作成本相对有限，但责任如何下沉、权力如何匹配、资源如何调动，仍需要持续调整。AI 进入管理信息流后，CEO 可以更快接近项目现场，DRI 也要更清楚地为结果负责。
02
岗位边界打开，FDE 走向前线
从基座模型转向企业 AI 后，零一万物的工作开始从模型训练和评测延伸到客户核心生产现场。
团队要进入农场、工厂和大型组织内部，理解客户的核心业务流程，并让模型能力落到具体经营指标上。FDE（前沿部署工程师） 成为这一转变中较有代表性的角色。
FDE 不同于传统现场实施工程师，也不只是把一套标准软件部署到客户系统中。他们要快速理解客户业务，判断哪些场景适合引入 AI，再结合模型能力、数据条件和系统环境，把需求转化为智能体或解决方案。
马杰说，零一万物要把最好的工程师派到客户现场。
这类人需要快速学习，最好具备咨询、开发或行业经验，能够同时理解业务问题和技术边界。客户关心的是成本能否下降、效率能否提高、风险能否更早发现。FDE 要找到 AI 可以介入的环节，也要识别模型暂时解决不了的问题。
很多需求最初并不清晰。
Neuters
比如，客户说“这个审批经常卡住”，背后可能同时涉及权限、数据、流程和责任划分。FDE 需要把问题拆开，找到关键节点，再将其转化为系统可以处理的对象和动作。
这种工作也改变了企业 AI 的交付方式。零一万物提出过“1+3+9”服务模式：前期做战略设计，中期部署平台，后期落地高价值场景。当然，这个数字并非精确周期。马杰提到，前期调研有时就要持续两个月。
平台部署通常不是最耗时的环节。
Agent 进入真实业务后，会遇到许多事先没有预料到的情况，需要根据现场反馈不断调整。后期陪跑往往持续更久，直到系统产生可以验证的业务效果。
万策平台为这套交付方式提供技术底座。其中，Ontology 将客户、合同、审批节点等业务对象及其关系结构化，再从会议、邮件、CRM、ERP 等来源持续抽取和校验信息。平台负责承载业务结构，FDE 则根据客户的实际流程补充规则，并在运行中持续调优。
FDE 的出现，也在带动其他岗位的能力结构发生变化。
过去，咨询顾问要花大量时间整理访谈、写方案和做 PPT。现在，访谈转写、材料整理和 PPT 初稿可以交给 AI，一些年轻咨询师已经能够直接制作出可演示的产品原型。
咨询开始更靠近产品，工程师更早参与业务设计，原有围绕岗位之间形成边界，正在被 AI 和工作场景重新打开。
FDE 把模型能力接入真实业务，也由此改变了产品、研发和交付从线性协作，转向更深度的前置共创。
03
智力平权之后，更考验判断力
零一万物一直保持200多人，项目数量和Token消耗却持续增长。越来越多工作由Agent承担，人负责提出问题和校验结果。马杰说：“人睡了，Agent还在工作。”
相比Token消耗，公司更看重工作方式的变化。项目持续增加，团队规模没有随之扩张。
随着Agent增多，人的角色从执行者转向组织者，一个人可以调度一组Agent。马杰称之为“智力平权”，即专业能力可以按需调用，岗位和训练形成的边界开始松动，人不必先成为专家，也能承担过去难以独立完成的任务。
李开复博士在书中将 DRI 分为两类：
一类熟悉公司流程和业务，需要补上调度 AI 的能力；
另一类善于指挥智能体，需要补上企业知识和行业经验。这也解释了为什么年轻人和资深员工都在被重新评估。
年轻员工如果能用 AI 重构原有工作方式，带着一组 Agent 完成过去一个小团队的任务，就可能成为第一批 DRI。资深员工虽然未必熟悉 AI，却掌握着组织记忆、客户关系、业务经验和关键判断。零一万物的做法是给他们配上会用 AI 的搭档，把这些经验萃取出来。
AI 降低了能力门槛，但没有取消判断力门槛。
马杰提到，李开复博士过去会先提出观点，再让 AI 帮忙写出来；现在则先让 AI 做深度研究，尽可能展开材料，再由自己判断。工作顺序由“人先给结论、工具补材料”，变成“AI 打开信息面、人做取舍”。
AI生成的方案可以很完整，却未必经得起验证。发现遗漏、判断取舍并对最终选择负责，仍是人的工作。
中层管理者的价值也随之变化。马杰说，许多细节都可以问 AI，但管理者仍保留着几十年的经验。知识储备不再稀缺，占据信息也很难继续构成优势，但能否判断轻重缓急，仍然决定管理者的价值。
“智力平权”并不会把所有人拉到同一水平。它只是铺平了一部分基础能力，让更多人有机会直接面对问题。工具趋于平等后，能否提出好问题、识别错误并推动执行，会让差距更快显现。
AI 原生组织没有让人退场，而是改变了人的位置。人从部分执行工作中抽身，转向设定目标、划定边界、校验结果、协调资源和承担责任。过去被职位和头衔包裹的能力，也会被拆开重新评估。
04
经验、资产与边界
传统组织里，很多经验跟着人走。人一旦离开，客户背景、项目细节和处理方法也会被带走。AI 原生组织要处理的，是如何把这些经验沉淀为可以被调用的组织资产。
谈到“教会徒弟，饿死师傅”的顾虑，马杰认为，真正有能力的人愿意分享，教会别人，反而可以释放自己的生产力。进入 AI 时代，能把经验讲清楚、拆清楚，并沉淀到系统里的人，更有机会承担高价值工作。
零一万物对客户讲 Ontology，本质上是把业务对象和它们之间的关系，转化为 AI 可以理解的结构。对内，公司也在把会议、项目、客户反馈和 FDE 交付经验放进系统。
老板 AI 最早就在零一万物内部使用。
公司对外讲 AI 转型，对内先“做吃螃蟹的人”。会议分歧、项目承诺、客户反馈和交付改动被记录、整理和关联，组织对个人记忆的依赖开始降低。
AI 赋能农业场景则提供了一个更直观的例子。
Neuters
如果优秀场长的经验只停留在个人身上，只能服务一个农场；如果被 AI拆解成可复用的流程，就有机会进入更多农场。AI 负责执行和迭代，人继续负责决策判断。
然而，责任和授权的边界也要分清楚。DRI 不能只有责任，还需要拥有与责任匹配的权限。哪些决定可以独立作出，哪些必须上升到 CEO，不能只靠默契。
李开复博士在书中提出，DRI 组织需要三道保险：同一颗目标树、同一张地图和清楚的边界。目标树用于对齐个人业务和全局目标；同一张地图让 CXO 和 DRI 基于同一套事实工作；边界则用来规定各自的决策权限。
在零一万物的实践中：
老板 AI、万策平台和企业 Ontology 试图提供这张地图和导航；
“一号位工程”推动 AI 进入核心业务流程；
DRI 范式则把责任、权力、资源和激励与业务结果绑定。
激励也开始向结果倾斜。李开复博士在零一万物三周年致辞中宣布，2026 年将选出首批“零一万物合伙人”，新增发放 2000 万股期权，并设立 CEO 专项激励。考核标准也从职级、团队规模和预算，转向业务重要性、资源投入和承诺完成情况。
数据安全也是边界。马杰同时负责 AI 创新业务与数据安全。
他提醒，个人AI 产品和商业 API 的数据协议不同。涉及未公开材料、客户数据和核心业务信息时，员工需要先判断和脱敏，优先使用安全接口和内部平台。AI 进入核心业务越深，权限和规则越要清楚。
零一万物的变化还在继续。AI 原生组织真正改写的，是组织运行的底层秩序。当经验、能力和责任被重新分配，人的价值也会被重新衡量。
栏目介绍
本文为崔牛会「AI 原生组织研究」系列文章。更深层的问题，比如人在 AI 原生组织中如何重新定义价值，AI 输出如何被工程化约束，中层管理在新组织里会不会消失，已经收录在崔牛会9月2日发布的《AI原生组织白皮书（2026）》中。
热门跟贴