AI CEO 编程课 · 课前预习站
/ 课 前 深 度 阅 读 · 理 论 充 电

从超级个体
到超级团队 AI 时代组织变革的涌现路径

过去两年，几乎每一家咨询公司都发布了 AI 转型路线图，每一位 CEO 都在年度战略里写下了"拥抱 AI"四个字。但这套热闹背后，藏着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。本文基于腾讯研究院对美图、Rokid、Manus、Kimi、Anthropic、Block、安克创新、CodeBuddy 等数十家前沿企业的深度调研，回答一个根本性问题：AI 时代，组织正在怎么生长？

腾
原始报告 · SOURCE REPORT
腾讯研究院 · 2026 · 82 页深度调研
/ 一 个 鲜 明 的 对 比 · A   G L A R I N G   G A P

88% 的公司在用 AI，
但只有 1% 真正吃到了红利。

斯坦福《2026 人工智能指数报告》显示，全球 88% 的组织已在至少一项业务中采用 AI。但麦肯锡 2026 年全球 AI 调查揭示了一个对比：仅有 1% 的公司自认达到 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。

88%
已采用 AI 的全球组织
斯坦福 HAI 报告 2026
1%
AI 成熟——把 AI 嵌入核心并产生系统性价值的企业
麦肯锡 2026
80%
采用 AI 的公司中，仍未看到可衡量利润影响
Harvard Data Science Review
10×
只在 围绕 Agent 重新设计流程 后才能释放的生产力潜力
—— vs. 仅叠加 AI 的 20-40%

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：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。

—— 腾讯研究院《从超级个体到超级团队》引言
/ 一 个 公 式 · 校 准 这 场 生 长

组织竞争力的底层方程

组织竞争力 = 人才密度 × AI 杠杆 ÷ 组织摩擦
分 子 · 人才密度
独立闭环能力
单位团队中具备独立闭环能力的人占比
分 子 · AI 杠杆
嵌入深度
AI 实际嵌入工作流的深度与覆盖面
分 母 · 组织摩擦
交付损耗
想法到可交付成果之间的等待、审批、对齐、衰减
本报告沿着这条线索展开 ▸ 个体觉醒 → 能力溢出 → 团队涌现 → 组织启示
第 一 章 · C H A P T E R   0 1

超级个体
的诞生

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。"超级个体"已经不再是少数案例制造的想象——越来越多的数据指向同一个变化。

演化路径 · 一个人能做的事情，从未如此之多

把"超级个体"放在知识工作演进的长链条上看，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。

维度知识工作者创意阶层一人公司AI 超级个体
工作形态执行组织分配的知识任务在专业领域内创造独立经营单一业务指挥调度 AI 完成全栈任务
能力边界单一专业单一创意领域个人技能所及AI 赋能后无限延伸
核心竞争力专业知识和执行力创造力和审美独特专长+商业敏感判断力、系统思维和 AI 协作能力
组织关系高度依赖组织依赖创意环境独立于组织可独立也可自由聚合

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。

四个结构性特征

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：

FEATURE / 01

AI First 的工作动线

超级个体把 AI 排进了整个工作动线。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。

FEATURE / 02

能力边界的量级跃迁

量的维度：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：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、运营多个角色接力的整条链路。一个人可以同时是提出问题的人和解决问题的人。

FEATURE / 03

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。

FEATURE / 04

影响力溢出

这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。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。

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 · 2025.11
AI 让任务时间平均减少 80%
基于 10 万条 Claude.ai 匿名对话研究：样本任务若无 AI 辅助，平均约需 1.4 小时；课程开发任务从 4.5h → 11 分钟，对应约 96% 的时间节省。
CURSOR · AI ORIGINAL
12 个月，
100 万 → 1 亿美元 ARR
AI 原生公司 Cursor 被多家研究机构列为增长最快的软件公司之一。3 亿美元 ARR 阶段团队规模约 60 人——传统软件公司达到类似收入需要 500-1000 人。
CARTA · SOLO REPORT
一人创办公司占比：
23.7% → 36.3%
在 Carta 覆盖的美国创业公司中，单人创办的新公司占比从 2019 年的 23.7% 上升到 2025 年上半年的 36.3%，约 6 年相对增长 53%。
MCKINSEY 2025
2.5 万 AI Agent +
4 万人类顾问
麦肯锡内部已部署约 25000 个 AI Agent 与 40000 名顾问协同工作，后台团队缩减 25% 的同时产出增长 10%。
CODEBUDDY · subo
一个晚上，
AI 产出一万行代码
CodeBuddy 工程师 subo 描述："我 90% 以上的代码由 AI 编写，我不关心它写什么代码，只关心代码架构。"角色已变成代码架构师和 AI 调度员。
CEO 出门问问 · 李志飞
三天，
亲手写 10 万行代码
2025 年端午节，CEO 李志飞自己开始重新编程，三天内亲自用 AI 写了十几万行代码开发了一个团队协作软件。此后一个多月每天 9 点到凌晨 1 点沉浸在 AI 编程中。
第 二 章 · C H A P T E R   0 2

三种觉醒路径
谁先醒来？

超级个体是在不同位置、不同时间、因不同触发事件而觉醒的个体。觉醒发生在组织的各个层级，但觉醒的方式和随后的影响路径截然不同。

PATH / 01

开发者觉醒

写代码 → 指挥代码

开发者是最早感受到 AI 冲击的群体。他们的变化远超效率提升 10% 或 20%，工作方式被根本重构：从亲手写代码，变成设定方向、定义约束、审查产出。

CodeBuddy / subo：一个晚上 AI 在他指挥下产出约一万行代码。
"AI 是中心，所有人都是边缘。AI 是协调一切的中心节点。"
PATH / 02

非工程师觉醒

岗位边界 → 被 AI 溶解

"AI 最大的价值，是让非专业人士也拿到了过去专属于研发的开发资源"。每一个跨界案例都在消解传统岗位边界。

美图 / 安克 / 特赞：设计师变产品经理变工程师；分析师一个人完成原本五六个人的协同；非程序员 3 个月搭建整套供应链运营系统——"过去是整个团队数月的工作量"。
PATH / 03

创始人觉醒

提需求 → 亲手 build

创始人的觉醒在所有路径中最为激烈——当一个掌握资源和决策权的人亲自变成 builder，改变的不只是他自己的工作方式，而是整个组织的运转逻辑。

flomo / 特赞 / 出门问问：少楠每天 3 小时用 Claude Code 跑需求验证；范凌三人小团队两周跑赢七人团队；李志飞三天写十几万行代码。
真正深刻的 AI 组织变革，
几乎总是从一两个人开始。
然后像涟漪一样向外扩散，
最终改变整个组织的运作方式。
—— 腾讯研究院调研观察
第 三 章 · C H A P T E R   0 3

能力排序的
大洗牌

AI 不是简单的放大器，也不是均衡器，而是按一套新的标准重新给人定价。少楠的观察一针见血："只有原来优秀的人，变得更优秀了。AI 没有带来能力平权，反而把鸿沟拉得更大。"

AI 对人群的重新分层

触宝科技创始人王佳梁提出了一个结构性分层模型——AI 时代的人才不是连续分布，而是阶梯式断层：

AI 时代的四层人群结构

5%
引领者
10%
拓展者
70%
效率提升者
15%
被淘汰者
5% 引领者
能将 AI 杠杆与不可替代的人类能力结合
10% 拓展者
突破了原有岗位边界，跨域生长
70% 效率提升者
用 AI 更快完成工作，线性提升 10-20%
15% 被淘汰者
工作恰好是 AI 最容易替代的

王佳梁对此的总结是："AI 替代的是你被雇佣的理由。"当 AI 可以获取几乎所有知识、执行几乎所有标准化任务时，一个人被组织需要的理由，必须从"我知道什么"和"我能做什么"，转移到"我能判断什么"和"我能创造什么"。

什么在被重新定价？

AI 抹平的是"技能层"；真正被重新定价的，是底下那层更难命名的东西。

✕ 技能层（经验 · 套路 · 领域知识）—— 被 AI 大幅抹平
↓
判 断 力
学习速率
问题分解
品   味

现有人才体系仍主要衡量的是正在贬值的上层。这是结构性困境。

什么人不容易醒来？

反过来看一个问题：什么样的人不容易成为超级个体？三类阻塞模式 vs 三条反路径——

阻塞 · 01
先 学 再 用
等课程、等公司采购、等别人验证
"知识结构稳定的年代是高胜率策略，但工具变化得比课程快，等你系统学完，窗口已过去。"
↓
反路径
行 动 中 学 习
先做小东西 · 碰真实问题 · 再沉淀
阻塞 · 02
AI 当 搜 索
问一个问题，拿一个答案，回到原来的工作方式
"这种用法能获得 10-20% 的效率提升，但永远触不到十倍放大的门槛。"
↓
反路径
AI 当协作对象
进工作流 · 可达 10× 放大
阻塞 · 03
身 份 感 过 强
"我写的代码质量高"是我的不可替代
"身份感越强，转型成本越高，因为要放下的不只是旧技能，还有旧技能附带的尊严感和确定性。"
↓
反路径
身 份 流 动
在不确定中先迈出一步
第 四 章 · C H A P T E R   0 4

从超级个体
到超级团队

如果 AI 能让一个人完成过去一个团队的工作，组织会瓦解吗？观察到的恰恰相反——超级个体没有走向孤立，他们以新的方式、新的理由聚合在一起。

为什么超级个体仍需要团队？

能力是必要条件，但不是充分条件。AI 已经极大扩展了个体能力，但一个人承载不了所有的风险、注意力、信任和长期承诺，也接不住需要多种判断并行的更大价值场景。

REASON 01
共同承担风险

多点冗余，降低单点故障。有联合创始人的公司 5 年存活率高约 45%，到达 PMF 快 25%，价值表现高约 163%。

REASON 02
共同稳定注意力

注意力切换是有结构性损耗的。一个被中断的任务平均需 23 分 15 秒回到等效专注状态。

REASON 03
共同形成信用

一个人独自面对客户时，对方看到的是单点风险；超级个体形成团队时，对方看到的是分散的风险和可持续的承诺。

REASON 04
进入更大价值场景

一人公司有结构性天花板。Cursor 20 人 / 12 月 1 亿 ARR；Lovable 15 人 / 2 月 1000 万 ARR——共同点是"小群超级个体 + AI 工作流 + 共享上下文"。

协作的本质变了 · 从切割到放大

过去的团队协作，本质是"分工协作"：因为一个人做不了全链条，所以必须拆成前端、后端、产品、设计、测试、运营。它是基于能力边界的切割。AI 之后，一个人确实可以跨越很多原来的能力边界，但这不意味着协作消失了——AI 会放大每个人最强的那一部分。

所以超级团队的协作逻辑已变为"你在这里最强，所以由你来定义这部分的最高标准"。团队的核心已变为"优势结构"：每个人都被 AI 放大成一个更强的自己，然后这些被放大的优势彼此咬合。传统团队像拼图，每人补一块缺口；超级团队更像共振，每个人带着被 AI 放大的优势场，彼此叠加。

四种涌现路径

超级个体聚合为超级团队的过程，呈现出四种主要路径模式：

路径 A

自下而上自发涌现

最自然的路径。没有来自顶层的刻意设计，超级个体在实践中彼此发现、互相吸引、自发聚合。能力溢出互相可见后，产生天然的吸引力。

代表案例：CodeBuddy（透明的领域层结构，每人自主找最有价值的工作）· Kimi（BAPO 理念，扁平架构是结果不是设计）
路径 B

组织筛选培育型

在规模较大、惯性较强的组织中，最有效的干预是设计筛选和培育机制。"你不能直接设计出超级团队，但你可以大幅提高超级个体出现的概率。"

代表案例：安克创新火箭班（筛选→脱产 1-2 月培育→放回原团队带动全员）· 特赞 Pod（3-10 人跨职能小队 + 横向 community）· 美图 AI 创新工作室（10 人小组 + 1000 万预算 + 半年验证）
路径 C

氛围营造型

普遍浸泡 + 自然生长，创造一种"人人都可能被激活"的氛围。"同事示范的力量远超专家培训。"

代表案例：腾讯研究院 AI 午餐会 + 每日一条（86% 成员每天用 AI，27% 每天 3 小时以上）· ColaOS 两周自由探索 + Demo Day（20 人做出 20 个不同 demo）
路径 D

创始人驱动型

创始人首先自己成为超级个体，亲自用 AI 做出产品级的成果，然后通过示范效应和技术平台规模化地催生更多超级个体。

代表案例：出门问问 · 李志飞（亲手 build，再做 AI 原生协作平台 CodeBanana）· 特赞 · 范凌（Build in Public 变成骄傲的文化氛围）· flomo · 少楠（Claude Code 跑需求验证，倒逼工程师变革）
第 五 章 · C H A P T E R   0 5

超级团队的
三种形态

两根判定轴：一是"中心节点是否存在"；二是"AI 是否承担协调中介"。两根轴交叉，三种主要形态浮现——可以并存于同一组织，也可随业务发展自然过渡。

FORM / 01

节点辐射型

以超级个体为中心，AI 是辅助

典型特征
组织里有 1-几个核心节点，判断力和执行力远超平均。AI 是这些核心节点的工具栈，让他们辐射半径放大数倍。
强项
方向一致、决策快、启动门槛低。适合早期创业、转型初期。
边界
上限是中心节点的能力天花板。核心节点一旦缺位，团队迅速失速。
案例：安克 6 人小组（大 New 人定方向 + 小 New 人执行）
特赞 Pod（3-10 人闭环小组）
FORM / 02

网络协作型

无中心的对等网络，AI 承担协调但不指挥

典型特征
没有唯一中心，多个超级个体各自发挥所长。AI 承担节点之间的协调中介——信息路由、上下文同步、任务衔接。
强项
适应性强、韧性高、决策的多维度性更好。天然适合需要创新、探索、快速迭代的场景。
边界
最硬的门槛是人才密度。每个节点都得是独立闭环能力的超级个体。
案例：CodeBuddy（三层架构 + monorepo）
Anthropic（全公司只有一个职称 MTS）
Kimi（300 人 / 无部门 / 无 OKR / 无 KPI）
FORM / 03

AI 中枢型

AI 是协调中介，人围绕 Agent 工作

典型特征
AI 是组织的协调中心。任务分配、信息同步、决策路由、甚至跨项目协作，都通过 AI 来完成。人和 Agent 共同组成工作网络，Agent 处在网络的中枢位置。
强项
协调成本被 AI 吸收后，团队可以在极少人力下运转极高产出。非技术人员也能通过 Agent 独立完成原本需专业支持的工作。
边界
最前沿也最不成熟。需要成熟的 Agent 平台和上下文工程能力作为支撑。
案例：出门问问 CodeBanana（A2A：Agent 直接交互）
Block 四层架构（世界模型 + 客户问题从 2 周压缩到当日）
Multica（4 人 + 几十个 Agent）
三种形态比的不是孰优孰劣，
而是同样人数下能接住多大的协调复杂度。
AI 是目前唯一一种协调能力
不受人类管理幅度硬约束的介质。
第 六 章 · C H A P T E R   0 6

超级团队的
运作机制

形态是静态切片，运作机制才是让超级团队真正运转起来的动力系统。调研的所有标杆样本，没有一家在用传统意义上的 KPI、中层管理、审批流。这并非巧合——这些团队真正退场的，与其说是 KPI 本身，更是"用管理替代信任"这套逻辑。

4.1 决策机制 · 无最优解，只有条件适配

模式决策权归属适用场景
集中式一人判断，团队执行早期 / 转型期 / 方向不清
委托式（DRI）下放给问题负责人可模块化 + 已有信息基础设施
共识式（蜂群）多人平等讨论后收敛决策失误成本高 + 人才密度极高
AI 辅助式AI 处理信息，人最终拍板工作可追溯 + 信息透明 + 50 人以上

4.2 协调方式 · 从信息透明到 AI 主动编排

AI 协调有三阶演进。大部分团队仍在第一阶段，少数团队进入第二、三阶段的探索。

01
信息透明化（最低门槛）

共享文档 / monorepo / 异步沟通。看似简单，但需要团队明确接受"我的工作上下文是公共资产"——这在传统组织里几乎不可能跑通。这一步迈不过去，后面两阶都无从谈起。

02
信息路由替代中层（硬投入）

AI 世界模型自动完成"收集 → 理解 → 对齐"。Block 的世界模型把整个组织所有数据（客户、产品、决策、风险）建模成可被 AI 理解的图谱。回报是决策周期从 2 周压缩到一天内。

03
主动任务编排（前沿探索）

AI 主动分解任务、并行分配、综合结果。ColaOS 的 Agent 组织、Multica 的 Orchestrator/Worker/Validator 三类 Agent、Manus 的多 Agent 工作流，都在朝这个方向走。核心挑战不在技术，而在组织对 AI 作为协调主体的接受度。

4.4 激励机制 · KPI 失效后什么有效

传统 KPI 在 AI 时代失效了。当团队中存在 10 到 100 倍的效率差时，传统绩效体系找不到锚点。超级个体的激励有四个维度——每一个都不可或缺，缺了任何一个，超级个体就会流失或降低投入。

① 愿景 · 为什么值得把时间投在这里

能力不缺，AI 又进一步放大了能力，能不能做不再是问题。真正稀缺的是"为什么做"。有效愿景的共同特征：足够大（Kimi 在做 AGI）、足够真（Anthropic 每天能感受到的实际进展）、足够个人化（郝景芳的"志同道合"）。

② 自主权 · 让我决定做什么、怎么做

调研中最高频答案。当 AI 把执行层的活接走，吸引超级个体留下来的是"你能参与定义方向"。CodeBuddy 让团队自己挑硬骨头啃；Block 用 DRI 制把自主权制度化——90 天内你就是这个问题的 CEO。权力激励，金钱激励次之。

③ 经济回报 · 产出如何被公平定价

最难也最未解决的维度。当执行能力被 AI 拉平后，判断力和创造力的价值急剧上升，但现有薪酬框架无法体现这种价值迁移。一旦超级个体感觉"自己的 10 倍产出只换来 1.2 倍的回报"，他要么离开去创业，要么降低投入。

④ 退出自由 · 不靠锁定留人，靠"值得"留人

最反直觉的维度。Albert Hirschman 在《退出、呼吁与忠诚》中提出："当一个人知道自己随时可以自由离开时，他留下来的每一天都是主动选择，投入度远高于被迫绑定。"郝景芳把童行书院拆成 9 家独立小公司，维系大家的就是"志同道合"四个字。

/ 写 给 长 江 EMBA 47 期 同 学

这是钥匙。
而 AI 编程，就是
开锁的第一个动作。

作为已经掌握资源、决策权和组织的老板，你处在最关键的位置——你既可以成为"创始人觉醒"路径里那个亲手 build 的人，也可以成为困在"先学再用 / AI 当搜索 / 身份感过强"三重阻塞里的人。

腾讯研究院给出的答案非常直接：真正改变命运的，是那些在心里悄悄换了一个问题的人。从"AI 怎么帮我"换成"我和 AI 该如何重新分工"。这个问题没有人能替你回答，但有一个最小启动动作可以走——亲自上手 AI 编程，让 AI 成为你的"虚拟团队"。

→ 报名 47 期民间课程 回到课程主页

✦ 仅限 47 期同学 · 全程免费 · 由北京 1 班张沫凡与深圳 5 班许洪颖联合赞助
✦ 2026.07.01 · 上海 · 紧邻长江商学院上海校区 · 第二次集中课前一天