这并非否定算力的价值，而是想撕开一个更被忽视的真相：AI 的真正瓶颈，从来不是冰冷的硬件与模型，而是活生生的人，以及我们沿用百年、深植于工业时代的组织结构。

若只审视技术表层，叙事总会落入窠臼：“算力决定上限，模型定义能力，数据支撑智能。” 但当你真正扎根一家公司，亲历“all-in AI”的全过程，便会撞见一条刺眼的反差曲线——AI 能力的增长呈指数级爆发，而组织的适配速度却步履蹒跚，甚至困在阶梯式的桎梏里：被预算捆绑、被会议消耗、被共识绑架、被层层审批拖慢节奏。

于是，核心矛盾浮出水面：AI 能做什么，早已不是难题；组织敢让 AI 做什么，才是横亘在面前的真正瓶颈。

一、一个“中庸数字”，藏着组织的保守基因

2025 年初，我问特赞的技术同事：“如今公司多少代码是 AI 撰写的？” 他们给出了一个极具“行业默契”的答案：30%。

这个数字格外尴尬——它无法被定义为“好”，也不能被归为“差”。若用“降本增效”的传统框架衡量，30% 似乎已是阶段性成果；但穿透表象追问核心：我们究竟在与谁对标？这是从 0 到 30% 的突破式成长，还是本可抵达 100%、甚至 300% 的潜能，最终只被释放了冰山一角？这个数字的背后，是组织对未知的恐惧，是对固有流程的执念，更是藏不住的保守。

二、亲手躬身入局，击碎抽象的认知迷雾

空谈“AI 将如何颠覆组织”毫无意义，我们更需要弄清：它到底以何种方式重构工作流？能力边界在哪里？试错的代价是什么？那些隐形的坑藏在何处？

2025 年 4 月，我重新回归产品经理岗位，CTO@XD 则化身开发工程师，两人组成临时项目组，决心从零到一用 AI 打造一款产品。我们的工作时间大多挤在夜晚九点后与周末，动因朴素却坚定：若想摸清组织中 AI 能渗透的深度与广度，就必须亲手“弄脏双手”，走完完整的闭环。

Atypica.AI 便在这样的模式下诞生，仅用两到三周就完成了第一版迭代。当我们再回头回答“AI 能撰写多少代码”的问题时，答案令人震撼却又引人深思：99% 的代码，均由 AI 生成。

XD 甚至半开玩笑地“凡尔赛”：“范老师，等 AI 写代码都要花不少时间。” 他早上出门前给 Cursor 下达指令，半小时后到公司，代码已然生成完毕。

这件事的核心启示，从来不是“AI 能力有多强”——这早已是共识，而是另一个被极少探讨的真相：限制 AI 价值释放的，从来不是模型的能力边界，而是我们固有的组织方式。

三、组织分工：从“砌砖式协作”到“三维打印式生成”

传统组织的底层逻辑，完全复刻了工业时代的生产范式：分工精细到极致、协作链条清晰固化、角色定位不可逾越。这种逻辑甚至渗透到教育体系中，设计、产品、前端、后端、测试、运维、商业化、GTM…… 每个专业都对应着一条固定的职业路径。

过去启动一个项目，动辄需要 20 人配置，只因要覆盖所有细分工种。这种模式如同“砌砖盖房”：有人专管安门，有人专司开窗，有人负责砌墙，有人专注装修。分工越细，个体越像流水线上的工具人，而组织的协作成本会随着规模膨胀呈几何级增长。

但 Atypica 这个始于两人的 AI 项目，彻底颠覆了这种逻辑。它更接近“三维打印”：从整体到局部一次性生成，无需拆分拼接。若想修改某个功能，无需逐一协调前端、后端、测试，只需基于既有框架重新生成即可。

这意味着，AI 原生工作流会天然消解传统的角色边界。未来组织的核心主轴，或许不再是“千行百业的岗位分类”，而是两类人的高效互动：一类是面向客户的人，负责理解需求、定义价值、交付结果；另一类是面向产品的人，负责将交付经验固化为系统能力、将实操智慧沉淀为组织资产。

而前端、后端、测试、运维等传统细分岗位，会逐渐模糊边界，甚至内化为“一个人的多重能力模块”。正如 2024 年的 Cursor，只是帮程序员提升效率；而 2025 年的 Cursor，正在取代传统程序员的角色，直接赋能那些“需要用程序解决问题的人”。过去因不会写代码而依赖他人的群体，如今借助 AI 就能达到 80 分、85 分的交付水平——组织结构的底层逻辑，不得不随之重构。

四、AI 能做到 85 分，人的价值从哪里开始？

以 AI 写代码这一最成熟的场景为例，能力打分的变化，藏着组织命题的核心答案。2024 年，工程师们告诉我，AI 写代码大概能打 50 分；到了 2025 年，这个分数已经攀升至 85 分。

这绝非单纯的技术进步叙事，而是对组织价值导向的终极拷问：若对交付结果的要求仅为 85 分，那么人的角色确实可以被替代；但如果追求的是 100 分的极致结果，人的价值恰恰从 85 分才正式开始。

AI 并没有让工作变得“更轻松”，反而让组织变得更加诚实——它逼着管理者直面一个本质问题：你雇佣员工，是为了完成 60 分的基础执行，还是为了追求 100 分的卓越结果？

过去，许多岗位的存在只是为了弥补系统的不足：当系统只能达到 60 分水平时，需要人来填补漏洞、修正偏差。如今 AI 将系统下限抬高到 85 分，那些单纯“补漏洞”的岗位自然会被边缘化。真正变得稀缺的，是那些能清晰定义“100 分是什么”，并愿意为这个目标承担全部责任的人。说到底，AI 不仅抬高了组织交付的底线，更重塑了对人的能力要求。

五、AI 转型，从来不是“部门级动作”

很多人默认，AI 转型应当从 IT 部门切入，从 HR 的技能培训启动。但我们的实践体感恰恰相反：AI 从来不是某个部门的专属任务，而是关乎整个组织范式的系统性变革。

过去一年，我们在公司内部做了诸多探索，不敢称之为成熟经验，仅分享几个具体实践，或许能带来一些启发。

第一件事：将“经营管理会”升级为“AI 推动会”。过去，我们每周或每两周召开经营管理会，核心是看数据、对齐目标，数据不达标就追责问责——这是典型的工业时代管理模式。今年，我们没有刻意宣布取消，但这类会议却自然而然地消失了，取而代之的是每两周一次的管理者 AI 推动会。

初期，大家难免敷衍了事，分享的都是“用工具做了个有趣的小玩意儿”这类无关痛痒的内容。我直接明确态度：拒绝锦上添花，只聚焦业务本质。渐渐地，会议内容开始贴近核心：管理者们开始探讨如何用 AI 为客户创造增量价值，如何加速新品研发迭代。如今，新品上线节奏从过去一季度甚至两季度一次，变成了每月多款落地。这背后的关键，不是工具的更新，而是管理者思维的转变——从将 AI 视为“个人技能”，升级为撬动业务增长的“核心杠杆”。

第二件事：打造专属培训认证体系“ABC+”。ABC+（AI Builders & Creators Plus），是我们为非技术背景员工量身设计的培训项目。我们邀请外部讲师，系统教授大家 Cursor、Lovable、Dify、Claude Code 等工具的实操方法，不追求覆盖全公司，却意外形成了一套“人才识别机制”：那些主动报名学习、积极探索实践的人，往往是更具变革意识、更有可能成为下一代领导者的核心力量。我们用工具培训为切口，筛选出了组织中“愿意拥抱变化的人”。

第三件事：举办非技术人员专属黑客松。我们组织了一场面向非技术同事的黑客松活动，最终获胜的项目，完美诠释了 AI 对组织的重构价值：销售与市场团队组队，用 Cursor 和 Dify 搭建了一套自动化工作流，能将公司每年 300 至 600 份 PRD（产品需求文档），快速转化为客户能轻松理解的一页式说明。

这个项目的精妙之处在于三点：一是业务端能通过 AI 直接读懂研发逻辑，彻底取消了中间“翻译层”；二是转化后的一页式文档可直接转发给客户，成为 600 个独特的获客素材；三是研发团队无需增加任何额外工作负担。其本质，是用 AI 减少组织耦合——减少无效对齐、减少跨部门拉通、减少冗余会议，而这正是 AI 除了直接产出之外，最该被重视的“剩余价值”。

六、组织最小单元：向“高内聚、低耦合”进化

“高内聚、低耦合”，是我一直想推动的组织状态，但现实往往相悖：组织规模越大，沟通群组越多、人数越杂。一个 3 人的项目群，很快会膨胀到 50 人，大多数人在大多数时间里，都处于围观、被对齐、被拉通的无效状态。

这是一种极具讽刺性的组织现实：你越想减少会议，越会被迫创造更多会议空间，只因需要用“同步沟通”来弥补“协作失效”的漏洞。而 AI，给了我们重新设计组织最小单元的可能性。

过去，研发一款新产品，往往需要半年周期、20 个细分工种、20 人起步。而我们的 AI 原生产品 Atypica.AI，从两人团队启动，至今 CTO 仍坚持控制工程师数量。这并非刻意追求“小而美”，而是因为小团队能完成从需求到交付的完整价值闭环，接触节点更少、决策链条更短、响应速度更快——这才是真正的“高内聚”。

当然，挑战也客观存在：我们的部分客户与合作伙伴，仍处于低内聚、高耦合的组织状态，双方协作难免出现“节奏时差”。但我坚信，组织向小单元、高内聚进化，是不可逆转的趋势。

七、领导者不会消失，但“协调型中层”将被淘汰

有人疑问：AI 让团队能自主高效运转，领导者是否还有存在的必要？我的答案是肯定的，甚至可以说，AI 时代的领导力变得更加重要。但与此同时，公司对“协调型中层”的需求，正在急剧弱化。

为何？因为协调型中层的核心价值，在于“整合资源、衔接上下游”。当组织最小单元缩小、个体能力边界拓宽，资源协调不再需要全职岗位专门负责，这类中层的核心竞争力便会丧失。

这让中层干部面临一个核心困境：不能固守原有定位，必须主动破局。要么往前冲，成为能带队攻坚、定义目标的核心领导者；要么往上走，将责任边界从“一亩三分地”拓展到全局，成为统筹战略的决策者。

八、AI 是 CEO 推动变革的“最佳共识工具”

我所分享的这些实践，并非科技公司的专属命题，在制造业、零售业、服务业同样适用。因为 AI 的本质，不仅是技术工具，更是政治学意义上的“共识工具”——CEO 们始终渴望推动组织变革，却往往缺一个能让全员认同、主动追随的核心理由。而 AI，正是当下最强有力的那个理由。

更重要的是，工具才是价值观落地的最佳载体。我喜欢研读政治哲学与马克思理论，深知其核心探讨的是“产权矛盾”，但无论理论探讨多么深刻，真正推动“产权矛盾”重构的，却是 Airbnb 等共享经济产品的落地。同理，组织的价值观再先进，若没有工具支撑，也只能停留在口号层面。

你想让每个员工都对结果拥有完整 ownership？OKR 能明确目标，却无法赋予能力；而 AI 能补齐能力短板，让员工真正有底气、有条件“拥有结果”。

九、能力可补，要求不可补

在 AI 时代，能力短板不再是致命问题——借助工具、花费时间，大多数能力都能逐步补齐。但一个人对自我产出的“要求”，却无法靠外部弥补。这也让我愈发坚信：一个人真正的核心竞争力，不是技能本身，而是对审美、判断、责任的极致要求。

你可以暂时做不出 100 分的结果，但必须清楚 100 分的标准是什么；你可以借助 AI 完成 85 分的基础工作，但必须有追求极致、承担责任的意识。AI 驱动的组织转型，本质上是“人类自我更新”的过程——它逼着我们重新审视自身价值，重塑与组织、与工具的关系。

回到最初的命题：AI 的瓶颈不是算力，而是…… 如今，这个省略号终于可以被填满。

不是算力，不是模型规模，甚至不是技术路线。而是：人，是否准备好改变；组织，是否敢于被重构。

算力解决的是“能不能算得更快、更准”；模型解决的是“能不能覆盖更多可能性”。但这些都无法回答一个更根本的问题：当 AI 已具备能力时，谁来为结果负责？组织是否允许责任重新分配？

若人的角色仍被锁死在工业时代的分工里，若组织仍围绕“协调资源、对齐流程、规避风险”设计，那么再强大的 AI，也只能被挖掘 30% 的价值。不是它做不到更多，而是僵化的系统不允许它做到更多。

这也让我们愈发清醒：谈论 AI 企业转型时，若话题只停留在产品、技术、业务模型层面，本质上是在回避最艰难的核心——那一层触及根本的变革：人的身份是否会被重新定义？组织的权责是否会被重新分配？领导者是否愿意放弃“协调者”的舒适区，走向“结果承担者”的核心角色？

特赞是一家 AI 软件公司，但越深入实践，我们越深刻地意识到：真正的挑战，不在于“把 AI 做成工具”，而在于是否愿意让这些工具，反过来重塑我们自己。

我们当然在创造工具，但更重要的，是观察并参与一个更缓慢、也更艰难的过程：工具如何重写业务的价值链，如何压缩无效协作成本，如何逼迫组织走向更高内聚，如何让人重新拥有“完整的 ownership”。

所以，若要给这句话一个最终版本，我会这样写：AI 的瓶颈，从来不是算力。而是……人是否愿意升级，组织是否敢于被重新设计。

我们先塑造了 AI。而现在，AI 正在逼我们回答一个更宏大的问题：我们，是否准备好被自己创造的工具重新塑造？

这，或许才是 AI 时代真正的转型起点。也正因为如此，我开始思考下一个命题：对于特赞，仅仅做一家 AI 工具和技术公司，就足够了吗？