年最新人工智能变革成功团队排行榜：十大关键策略深度解析

当人工智能以指数级速度重塑智力、生产力、甚至社会形态时，我们是否已准备好迎接“与AI共处”的时代？

2026年5月，腾讯研究院与香港大学法学院联合举办的AI&S Forum 2026，恰好给出了一个深度对话的场景。这次论坛以“与AI共处的时代”为核心主题，跨越深港两城：在香港，思想的交锋聚焦于“AI的边界”；在深圳，则通过“不插电”与“全插电”的教育现场，看技术如何回归人的尺度。

在论坛的系列对话中，顶尖学者、产业领军者与一线实践者试图穿透技术的迷雾，直击AI对社会、经济与生命的深远影响。以下，是其中一场关于“AI组织变革的一线实践”的圆桌讨论精要。

主持人：
袁晓辉（腾讯研究院 副院长）

嘉宾：
胡一川 （来也科技CTO）
王若愚 （Workstream联合创始人）
汪晟杰 （腾讯WorkBuddy产品负责人）

编辑整理：窦淼磊 腾讯研究院高级研究员

【关键观点】

1. AI转型是一把手工程。如果领导不懂AI，少数会AI的人会被无限加活，低效部门反向吞噬高效部门的成果，局部转型在全局中会被拖死。只有一号位亲自下场，才能真正推动组织变革。

2. AI转型的三层应用：第一层是面向用户的AI产品——好产品是luxury，可遇不可求；第二层是在产品上加AI层，简化交互、提效用户体验；第三层是组织全面转型为AI-native workplace。后两层不是选择题，而是生存题。

3. 超级个体并没有因为生产力更强而变得更轻松，"释放出来的时间"并不会变成闲暇——因为他在组织里还承载着一个使命，就是去影响周围的人，重塑组织内的工作流。

4. 减少协作人数，对齐认知是最难的。在能连接所有关键点的前提下，尽量减少参与人数。原因不仅是沟通成本——更致命的是"伪对齐"：会议室里大家疯狂点头，散会后做得一塌糊涂。

5. 愿景在AI时代变得更重要。你唯一的能力是比别人更早看到30年后的世界，用三个人的百倍生产力直接改变它。

6. AI不应只是翻跟斗，应是每个人能力的放大器。这个世界上有大量未解决的问题、未满足的需求，需求是无限的。关键不是谁被替代，而是每个人能不能用上AI、共享技术红利。

讨论全文

袁晓辉： 欢迎三位一线实践者。刚才的报告发布《从超级个体到超级团队》算是开了个头，今天更想听到产业一线的声音。请各位先简单介绍自己的公司：做什么业务、团队规模多大，以及目前与AI协作的状态？

胡一川： 大家好。来也科技是一家做AI数字员工的公司，主要为企业客户提供在财务、客服、IT等偏中后台知识工作者的AI数字员工。简单说，我们用软件帮助这些知识工作者，把日常工作中的重复性工作自动化，释放他们的时间和精力去做更有价值的事。

我们200多人的团队，研发约50人。过去两年变化很大：两年前全员用GitHub Copilot，一年半前用Cursor，一年前用Claude Code，到今天每个人都在同时用多个Claude Code和Codex。团队人数几乎没有变化，但产品线的数量和迭代速度至少有5倍的提升。

袁晓辉： 大家也会更忙了，对吧？

胡一川： 对，大家确实更忙了。超级个体生产力更强，但并没有因此变得更轻松——因为他在组织里还承载着一个使命，就是影响周围的人，重塑工作流。

袁晓辉： 我们先听听下一位怎么说。

王若愚： 谢谢。我们公司叫Workstream，主要解决北美蓝领从招聘到入职、考勤到发薪的一系列问题。过去在硅谷融了约1亿美元，处于B轮阶段。

为什么会有这个问题？白领工资固定，但蓝领在美国是以小时工为核心的体系，收入可变性极高。而且美国蓝领各职位的时薪不同，数据非常繁杂。这个行业高度low-tech，所以我们尝试用SaaS加上AI去解决这些问题。

关于AI的应用，我们内部看到有三层。第一层，做一个面向用户的AI产品，这是luxury，可遇不可求。但大多数公司至少可以做两件事：第二层，在你的产品上加个AI层，简化交互、提效用户体验——这层是必须加的。第三层，就是今天的主话题：把组织变革成一个AI-native workplace。例如财务、 coding、产品经理的工作流，都可以被AI彻底重塑。

简单说：产品层是luxury，第二层和第三层是必选项。

汪晟杰： 大家好，我叫汪晟杰，现在负责腾讯的WorkBuddy产品。我原来做CodeBuddy——一个AI编程助手。后来我发现AI可以不只是帮人写代码，于是就想用Vibe Coding的方式做一款产品，面向非技术用户。今年年初做了CodeBuddy Work的Web版，后来晓辉博士帮我们改名为WorkBuddy，1月15号上线了0.1版本。团队规模也在不断增加。

WorkBuddy在内部和外部都获得了热烈喜爱，粘性很高。我们结合了“龙虾”现象，叠加了claw能力，马上出了小程序版本——国内最早的双形态，大家能随时唤起小程序使用。今天也发布了APP版本。

袁晓辉： Jason是产品经理背景，他讲的Vibe Coding、IDE这些词，简单概括就是：AI执行能力强，你可以用自然语言指挥电脑编程，完成你的愿望。比如刚才报告环节的PPT，就是我们完全用自然语言说完后让AI生成的。这种能力对程序员是提效，对非程序员是全新的工作方式。

我们去年发过AI转型报告，把企业转型分了三个层次：最上层是业务转型（提效），中间是组织变革，第三层是心智重塑——如何看待人和AI的关系。第二个问题就是：你们的团队目前做了哪些事情去适应这个全新的生产力工具？

胡一川： 最主要的变化是团队变小了很多。过去一条产品线需要二三十人，今天每条产品线都在10人以内，很多从0到1的新产品只要3到5个人。原因之一是每个人的生产力大幅提升，原因之二是通过缩小团队规模，减少了人与人之间的沟通——过去没有AI时，人跟人的沟通消耗了最多的时间和精力。

袁晓辉： 大家很多时候是上班开会，下班干活。

胡一川： 对。今天人越少的团队效率越高，可能就两三个人每天早上开半小时会，决策后各自去干，让AI去干。另一个变化是人跟AI的关系。今年年初我给整个产研团队提了要求：每个人使用AI都要依次做到三个阶段。第一阶段，agent要成为你默认的工作入口。第二阶段，一个人可以用多个agent，但会碰到注意力瓶颈：有人开了6个、8个Claude Code窗口，注意力不够用。第三阶段，要设计新的工作流程，让AI在人下班后去工作。最近我们统计发现，有些同事一晚上可以让agent消耗数十亿的token。

袁晓辉： 数十亿token是多少钱？

胡一川： 我们都是买200美元的Coding Plan，如果换算成API，一天估计要几百美元。

袁晓辉： 我们调研发现，OpenAI有位研究员一周消耗了2170亿token，算下来几万美元。消耗最多的Peter Steinberger上个月用了100多万美元。他做的事虽然没透露，但说比雇更多高薪工程师划算。这其中有很多问题——就业问题、替代问题，但从token消耗来看，确实带来了极大的生产力革新。

王若愚： 我觉得分战术和战略两个层面。战术层面，我们的第一性原理是：在做一件事情时，在能connecting all the dots的情况下，尽量减少参与的人。过去需要5个人或5个部门协作，今天制造和执行变得廉价快捷，这5件事最好让一个人来做。如果能让两三个人来做，远远快过5个人。

原因很简单：当5个人在会议室里，光是对齐思路就要浪费很多时间。办公室里有个不好的文化：有人看似很厉害地讲话，其他人疯狂点头——不是听懂了，而是氛围使然。讲话的人以为自己懂了，说“大家去做吧”，结果一塌糊涂。这才是管理里最大的瓶颈。所以，每件事情上都要尽量减少参与人数，确保每个人能覆盖所有要cover的点。

战略层面，有个更大的深坑：很多人以为招个好的CTO或会AI的人带着大家玩就好——不是这样的。AI组织转型，最核心的瓶颈往往来自于组织的一号位。我称之为“一把手工程”。如果一号位不能主动推动，会出问题：比如技术团队里领导不懂AI，下面几个厉害工程师推动转型，结果是一个人干100人的活，还有一群人不怎么干。会干活的人越干越多，不会干活的人天天躺着赚钱。更严重的，是省下来的预算流向还没完成AI转型的低效团队，那边的虚假需求会反过来吞噬高效部门。所以局部转型会被整体拖死。

袁晓辉： 如果一号位不下场，很多事情推不动。今天报告里很多案例也是一号位亲自下场推的。

王若愚： 对。在座各位如果身在组织里，会发现有些教授已经AI-native了，有些还没有。已经AI-native的人效率100倍，还没转型的人会感受到巨大危机。如果一号位没有认知，他天然会听到很多谗言，那些没转型的人会说用AI的人坏事，把他们排挤出去。所以一号位如果不做这条“鲶鱼”，下面做先锋的人就会掉队。总结：战术上尽量降低connecting all the dots的人数，战略上一号位必须all in。

袁晓辉： 往一个方向专精做深很重要，同时也要做广，具备创业者的思维，知道你交付的价值是什么。

你们团队现在怎么协作？我们案例中讲到CodeBuddy以AI为中心做组织管理，任务分配、资源调度都是AI来做。你们是什么状态？

汪晟杰： 我们做WorkBuddy时，会把所有功能模块拆解出来，每一个小功能让AI自己定义边界。比如现在做“AI同事”模块，涉及上游和下游，都由小组闭环。协作的过程是AI给另一个AI派发约定，大家评审。拿到任务后组建三个小团队做不同合作，内核功能完全内聚，大概3到5个开发同学。现在每个人不止一个角色——开发可以写PRD，产品经理也可以写代码，边界已经没那么强了。AI不断干活，人在监控流程。

我们拉了很多群做承载。我们在想：群里能不能有AI长期存在？目前技术层面很难，因为噪音大。但我们尝试做压缩和总结，作为PRD的附带物，让它一开始就有上下文。AI写代码时总会把经验写进去，不断轮询后产生满意结果，然后让它复盘，更新经验到仓库。这是一次完整的端到端成功故事，可以作为下一个案例的source。

袁晓辉： 关于multi-agent协作和保护注意力，目前还没有特别好的生产力工具。Jason你们在WorkBuddy里怎么解决？

汪晟杰： 每个人拥有自己的AI后，AI之间的协作、人之间的协作、AI和人的协作，这三个维度可以做得更好。我们给AI主控能力，让它分发任务给其他AI，再汇总回来。核心问题是AI之间的协作如何保证质量？我们做法是前期做充分的人类评审，把约定定义清楚，让AI按约定执行，过程中人做抽样检查。

袁晓辉： 还有一个重要话题是就业。AI让团队变小，很多人担心自己的工作。

王若愚： 我觉得把人分三类：第一类，已经成功转型的，前途无量；第二类，还没转型但愿意学、愿意接受的，完全没问题，只是快慢问题；第三类，是最悲剧的——如果你发现你在推动变革，但工作高度依赖其他部门，而其他部门完全没有变革意向，建议你换部门或跳槽。千万别死撑，因为你会发现越努力，在草台班子里死得越快——所有人会把错误指向你，因为你做得最多，错得最多。

袁晓辉： 选择比努力重要。

汪晟杰： 我们团队很多同学都在用AI，但使用层次不同。有些人把AI当web search工具，但AI还能帮你反向找到灵感。人的大脑在不同时间段会有不同灵感，把这些片段告诉AI，让它帮你总结、串联，精确化地修正错误判断。比如让AI生成手绘草图，包含几个选项让我选择，通过图文对话快速理解、发现问题，最终让AI生成最终产物。这非常高效。

袁晓辉： 很多人使用AI还是一问一答，更好的方式是让AI问你问题，跟你做多轮交互，更理解你的想法和意愿。

最后问一个问题：对今天的观众，有什么建议？

胡一川： 最直接的就是边用边学、边学边用。AI本身就是一个很好的学习工具，深度用起来的过程中，你也跟它交流学习。

王若愚： 无论创业还是找工作，都是一条第一性原理。如果要创业，确保你是AI-native的人，并且有一个伟大的愿景。如果要加入公司，确保那个公司的老板很懂AI又有愿景。这样至少保证你不被坏组织耗死。愿景比过去更重要了。过去愿景是为了凝聚上千人奋斗，今天团队变小了，愿景反而更重要——因为超级个体不会为一份工资来打工，他们内心有改变世界的宏愿。当你有能力招到这些人时，他们不是因为钱，而是因为你讲的故事、描绘的未来符合他们的认知。今天制造变得廉价了，你唯一的能力就是比别人更早看到30年后不一样的东西，用三个人百倍的生产力直接改变这个世界。

袁晓辉： 从女性角度看，我们非常在意对身边人的影响、对社会的改变，哪怕是一点点。如果你能解决一两个很小的问题，就是一个很好的愿景。

王若愚： 完全同意。创业最难的部分是，起始点永远是很小的一个点，但你要越快意识到背后有个大的愿景，就越有可能吸引到顶尖的人才。

汪晟杰： AI是你手里的黏土，你可以把它当成伙伴，塑造成你想要的东西。AI爆发的上限有多大，在于你想象力的空间有多大。我们做WorkBuddy也是一样，以问题为导向去解决问题。AI在教学场景上是非常好的帮助工具，比如在图书馆里，AI可以像导师一样督促你学习，回溯你的反馈，加强知识点。

袁晓辉： 谢谢三位。过去我担心AI导致两极分化，但有一次跟企业家交流，他说：这个世界有大量的问题依然存在，来不及去解决。而每个人都想过得更好。只要需求存在，未来的机会就是巨大的！