繁體
  • 简体中文
  • 繁體中文

熱門資訊> 正文

AI時代的組織重構與場景落地突圍丨大零號灣·源創加速營

2026-08-17 16:08

  炒股就看金麒麟分析師研報,權威,專業,及時,全面,助您挖掘潛力主題機會!

(來源:創業邦)

8月13-14日,以「源創未來·智匯硬核」為主題的大零號灣·源創加速營,在上海大零號灣科創成果轉化中心成功舉辦。本次活動由上海市科委、閔行區人民政府、上海交通大學、華東師範大學共同指導,閔行區科委、上海大零號灣投資發展(集團)有限公司、上海閔行金融投資發展有限公司聯合主辦,旨在陪伴一批真正有技術壁壘的創業者,完成從「技術成立」到「商業成立」的跨越。

本次課程,出門問問聯合創始人李媛媛,九識智能聯合創始人周清,雲從科技董祕、副總經理楊樺,穹徹智能AI科學家呂峻作為嘉賓導師,與大零號灣·源創加速營30余家企業在研討與交流中,共築產業生態新未來。

企業AI轉型中的三個「反直覺」

當AI不再只是單人提效的工具,越來越多的企業開始思考:如何進一步搭建適配AI時代的協作模式,讓零散的個人能力聚合成真正的「超級組織」?

出門問問成立於2012年,是一家以生成式AI和語音交互為核心的人工智能公司,公司2024年在港交所上市,為「AIGC第一股」,旗下擁有以TicNote為代表的AI Agent硬件及以CodeBanana為代表的AI原生組織操作系統。

出門問問聯合創始人李媛媛帶來「從超級個體到超級組織:AI時代的組織進化與協作重構」的主題分享,深度分享了企業AI轉型中,她的三個「反直覺」實踐經驗。

出門問問聯合創始人李媛媛

超級組織的文化重構——換Title比換工具更重要

2025年初,出門問問聯合創始人李媛媛做出了一個看似「反直覺」的決策:在公司推動AI轉型時,她沒有先推行新工具,而是把所有人的Title都換了。她將自己的Title改為「人類溝通師」,整個公司只剩下兩個職位——全棧工程師和人類溝通師。

「當時AI進入組織遇到很多阻力,工程師們覺得自己手寫代碼比AI好,非技術人員覺得AI離自己太遠。」李媛媛回憶。她意識到,AI融入組織不是工具問題,而是文化問題、人心問題。強迫使用沒用,必須從角色認知上重新定義每個人。於是她把所有細分崗位——算法、前端、后端、數據庫工程師——全部歸為「全棧工程師」。當新加入項目的人不知道對方原來是什麼背景,只看到Title是「全棧工程師」時,就理所當然地讓TA解決所有問題。在AI的輔助下,所有人一兩個月就具備了全棧能力。

而「人類溝通師」這個Title,則是爲了讓團隊記住:在AI負責所有執行的年代,人類最寶貴的能力是溝通、是賦予意義、是接受錯誤和團隊共同成長。

AI是替代「中間商」,不是替代執行層

李媛媛分享了一個真實案例:以前海外眾籌時,一個意大利客户半夜發郵件説信用卡被扣了三次款。傳統流程下,第二天客服收到后,要拉上運營、財務、市場,可能還要拉工程師,七八個人、五六個群、開好幾次對齊會才能解決。而AI融入「中間商」之后,流程變成了:客服把郵件截圖丟給AI,AI在后台檢索了一千多條數據,一個人加一個AI,兩分鍾就解決了。

「中間商」不是指人,而是指中間文檔、中間會議、中間過程——這是一個企業最貴、最花時間的地方。李媛媛強調,AI要取代的不是執行層的人類,而是這些中間環節。「AI需要擁有企業完整的Context,否則它做的決定就是瞎的,或者產生幻覺。」

她的實踐路徑是:讓AI參與每一場會議、每一次人與人之間的溝通、每一行代碼的編寫。為此,出門問問自研了會議錄音硬件(錄音卡片、錄音耳機、錄音手錶)來積累企業Context,最終形成了「數據在哪里,智能就在哪里」的閉環。

超級個體是災難,超級組織纔是未來

「鼓動超級個體在團隊里面就是一場災難。」李媛媛直言。2025年,她和所有CEO一樣組織全員用AI工具,結果發現每個人都在用不同的工具,多年積累的雲端在線協同被破壞,變成了「上下文個體化、工作本地化、AI碎片化」——每個人都有一個看似聰明的AI,但只知道自己的那一點信息。人人能做出漂亮但空洞的內容,信息倒退,組織幾乎不存在了。

破局之道,是出門問問開發的企業級AI協作平臺CodeBanana,一個雲端可協作的Codex。這不是一個編程工具,而是超級組織的操作系統,核心理念是「溝通發生在哪里,執行就發生在哪里」。每個項目同時是一個群聊、一個Agent、一個Workspace,所有數據、對話、會議、代碼都必須讓AI看到。AI作為全職員工,能看到每一行代碼、每一場會議、每一次聊天,人類以「接力棒」方式協作,AI負責全局上下文。結果:人數減半,產研效率翻四倍,新產品出兩條生產線,Token成本占人力成本約10%-15%。

李媛媛總結:「我們要的不是一個人變強,而是整個組織一起進化。AI負責所有執行,人類負責定義需求、賦予意義——這纔是AI時代組織的正確姿勢。」

從試驗田到規模化

穿越場景落地的痛點

當自動駕駛技術走出封閉測試區,面向真實物流場景的無人車,要跨過多少道坎,才能從試驗品,變成跑在城市道路上、真正創造產業價值的規模化產品?

九識智能成立於2021年,是全球領先的自動駕駛科技公司,作為RoboVan(無人駕駛廂式貨車)領域的開創者,九識智能打造了全球首臺在城市公開道路實現無人駕駛的廂式貨車,並率先落地輕地圖方案,在全球300多座城市實現常態化運營,覆蓋快遞快運、商超零售、輪胎汽配、醫藥等領域。

九識智能聯合創始人周清的分享圍繞九識智能「RoboVan的成長之路」展開,分享了團隊從無人車的原型研發起步,一步步穿越場景落地的諸多痛點,完成了RoboVan從技術驗證到大規模商業化運營的完整跨越的經驗。

九識智能聯合創始人周清

無圖方案量產——擺脫高精度地圖依賴

2026年7月,九識智能在世界人工智能大會上宣佈實現全球首個L4級無圖自動駕駛方案規模化量產。長期以來,高精度地圖高昂的採集成本和信息更新滯后,是L4規模化落地的核心瓶頸——「傳統方案每落地一座新城需耗時近一個月建圖,無法實現‘即買即用’」。

九識的無圖方案以視覺感知為核心、激光雷達為輔助,通過多傳感器融合實時識別車道、交通標誌及周邊參與者,結合道路級電子導航地圖完成全局規劃。相比輕地圖方案,部署周期縮短至1天以內,實現「交付即運營」。周清此前也指出,行業正從依賴高精地圖轉向輕地圖乃至無圖方案——早期車少路線少時高精地圖可行,但大規模運營下其成本較高,必須降本以適應商業化。

目前該方案在新增運營路線中滲透率已達30%,累計L4無圖運營里程即將突破4萬公里。

芯片國產化替代——算力夠用但L4仍需時間

周清表示,九識的整車零部件和傳感器已全部實現國產化,而芯片國產替代化也在正在加速推進:「降本是無人駕駛商業化的核心命題,九識無人車較傳統燃油車模式可降低68%的成本,芯片國產化將進一步降低成本;再也是考慮到供應的安全。」

周清透露,九識已測試過一系列國產芯片,結論是「目前做輔助駕駛完全沒有問題,算力和性能都非常可靠。但對於真正的L4級無人駕駛來説,還需要一定的空間和時間。我們跟各個大的國內芯片廠商在積極做測試,預期這兩年也會做好國產化的替代。」

超級組織的AI邏輯——用規模化數據反哺技術迭代。

周清同樣強調「讓AI看每一行代碼,人類不再寫一行代碼」。但他聚焦的是組織效率的另一種解法:用規模化數據反哺技術迭代。

截止2026年一季度,九識運營着超2.5萬台無人車,根據中交協發佈的行業報告,九識(含菜鳥無人車)佔據國內RoboVan市場53.2%份額,與第二名拉開17個百分點。這些車輛每天在超300城複雜場景中跑出的海量真實數據,直接成為算法優化的「燃料」。周清的觀點是:AI進組織的核心不是「每個人變強」,而是讓組織的全部上下文被AI看見——每一場會議、每一次決策、每一行代碼——讓AI成為全職員工,人類只做需求定義和驗收判斷。

這一點在九識與東風股份的合作中體現得尤為明顯。雙方採用「Zelos Inside」模式——「讓懂車的人造車,讓懂L4的人保駕護航」。

走進雲從科技:

感受AI領軍企業的創新路徑

雲從科技,是首家在科創板成功上市的AI平臺企業,長期深耕人工智能核心技術、行業智能體、可信數據空間與具身智能等方向,已在AI內容生產、AI電商增長、企業職能、AI研發協同、智慧金融、智慧治理、智能製造、口岸物流、內容治理、智慧交通和具身智能等方向形成應用積累。

大零號灣·源創加速營企業現場觀摩了雲從科技基於「從容大模型」構建的行業智能體(AI Agent)解決方案,對其「技術+場景」的深度融合能力留下了深刻印象。

在隨后的交流會上,雲從科技副總經理楊樺帶來了以「AI native時代背景下企業的價值重構」為主題的精彩分享。

雲從科技副總經理楊樺

AI進組織的四級進化

楊樺提到,目前僅 6% 的企業實現 AI 深度落地應用,95% 的企業 AI 應用未達預期;多數企業僅聚焦單點工具使用,忽視組織體系的系統性重構,這正是 AI 降本增效淪為偽命題、轉型收效甚微的核心癥結。楊樺用一個招聘場景清晰區分了AI進組織的四個階段:

第一層「AI賦能」:HR用AI寫JD、做簡歷篩選,AI是工具,人還是原來的人,干原來的事。

第二層「單Agent」:簡歷初篩是一個Agent,薪酬評估是另一個Agent,任務被拆解但彼此獨立,仍然是單點工具的組合。

第三層「單工位」:各種Agent可以組成一組,歸一名HR驅動。

第四層「流水線」:從業務部門提出需求,到HR的Agent做Sourcing和初篩,到面試官的Agent生成紀要,到定薪Agent給出建議——四個真實人類,每人帶一群Agent,分段接力,協同作戰。

人做什麼?看Agent工作。楊樺説,這纔是未來常態——人類只做判斷和決策,執行全部交給Agent。她總結,判斷自己處在哪個階段很簡單:如果還在用AI做原來HR做的單點事,就還在第一層;如果你的AI已經能跨角色協同完成完整業務流程,就是虛擬組織。

組織升級三支柱——角色、流程、數據飛輪

很多企業使用AI的狀態,有點像「給馬車裝發動機」——本體沒變,只是跑得快一點,成本反而更高。真正要做的是從頭造一輛汽車,圍繞AI重構操作系統,關鍵就三件事:

一是角色分類。楊樺把人類分為四類:兜底人(對結果負責)、裁判人(判斷對錯)、架構師(設計產品和規則)、溝通人(商務、BD、對外資源導入)。「人的價值不是消失,而是放到了更有價值的事情上。」

二是流程拆解。必須把所有業務拆成最小節點,把規則、知識庫、邏輯都梳理清楚。「不做這件事,內部工作和給客户的東西都不會有效果。」

三是數據飛輪。很多產品不夠聰明,除了數據源不夠,還因為每次交互完沒有自我學習。「真正AI原生的組織,員工是永遠不畢業的——學一個沉澱一個,持續迭代。」如果業務數據不能形成積累和再學習的閉環,就很容易被干掉。

AI組織變革的輕量化路徑

楊樺給出了從實踐里摸出來的具體路徑:

第一步,一號位親自用。 「如果你要做組織變革,創始人必須自己做AI變革官。」她建議自己先花錢用(報銷制),體會爽感也體會坑,別扔給IT部門代勞,「大家會有依賴心」。

第二步,建花名冊+固定AI時間。 給每個人設考覈——「你搞了幾個Agent?」每周固定一個下午做內部分享,每個部門講「我的Agent解決了什麼問題」。形成學習氛圍比定製度更重要。

第三步,文檔質量是前提。 「如果餵給AI的東西是垃圾,出來的就是垃圾。」

第四步,按部門依次推進,不搞一刀切。 先在一個部門跑通,做好再複製到第二。「一層一層過渡,不可能一下子全上,組織變化和業務風險都太大。」

她還特別提醒初創公司:「一開始就把自己當AI原生組織來設計,比傳統的組織形式會來得更快。」 同時要提前明確資產歸屬——員工沉澱的Skill、數據、流程算個人的還是公司的?要做好法律風險防範。

走進穹徹智能

解密背后的「世界模型」與數據邏輯

穹徹智能於2023年由非夕科技戰略孵化,以具身大模型為核心,實現從具身智能數據基礎設施(Infra)到基座模型、再到機器人本體應用的全棧自研,通過構建物理世界通用智能,穹徹致力於打造全球領先的具身大腦生態,讓機器人真正像人一樣理解世界、自主完成複雜任務。

大零號灣·源創加速營企業,重點了解了穹徹智能自主研發的具身智能大模型和伴隨式數據採集方案,現場觀摩了穹徹具身大腦及CoMiner伴隨式數據採集套件在多應用場景下的實際演示。

在非夕展廳演示環節,負責人向大家展示了自適應機器人在精密組裝、表面處理、自動化生產等多種場景下的實際應用能力,自適應機器人憑藉高精度力控與實時AI調整能力,正在執行一系列以往必須依賴熟練技師的複雜作業。

值得一提的是,非夕機械臂能夠高度還原真人的操作手感。在現場演示中,無論是機器人按摩還是精準抓取各類物品,它都能將力度控制得恰到好處,動作流暢自然,充分展現出極致的柔性與靈巧。

隨后,穹徹智能AI科學家呂峻博士系統闡述了公司為何選擇「世界模型」技術路線,以及其背后「全鏈路無本體採集」數據方案的核心邏輯,並回應了關於傳感器配置的行業關注。

穹徹智能AI科學家呂峻博士

為什麼押注世界模型?

談及為何採用世界模型架構,呂峻引用了穹徹智能聯合創始人盧策吾教授的觀點解釋到,「VLA本質是模仿學習,類似概率模型,存在巨大不確定性。而世界模型的引入,能夠通過預測視頻下一幀的訓練方式,迫使模型在生成過程中學習物理規律,逐步收窄這種不確定性。當模型「看」到足夠多的物體和場景時,便能自主解析該如何操作。」

此外,世界模型直接以視頻流為輸入,天然構建起了短期記憶能力,這對於提升機器人在連續操作中的流暢度和連貫性直接有益。呂峻強調,真實世界的數據採集涵蓋場景極為豐富,唯有通過視頻生成這類高容量的預訓練任務,才能讓模型有效吸收這些數據,並學會其中藴含的動作多樣性。

全鏈路無本體採集:數據分佈一致是關鍵

針對行業中長期存在的一個爭議——即「無本體(脱離實體機器人)採集的數據能否訓好模型」,呂峻給出了穹徹明確的答案與信號:不僅可行,而且是打通全鏈路的最優解。

他介紹,在預訓練階段,採用無本體採集方案(如公司推出的可搭載手機的數採終端及其配套應用程序RoboPocket),數據來源於真實現場,動作更自然、場景更多樣。傳統的數採工廠模式受限於人的想象力,場景單一,無法支撐大模型對數據海量性和多樣性的根本需求。

更關鍵的一步在於后訓練(微調)階段。呂峻特別指出,在針對具體demo任務進行微調時,穹徹依然堅持使用無本體方案採集數據。這樣做的目的是爲了保證數據分佈的全鏈路一致——如果預訓練用的是流暢自然的人類動作,而微調時突然換成卡頓的遙操作數據,模型此前積累的物理理解能力將遭到嚴重破壞。只有全鏈路都採用自然動作數據,最終產出的模型效果才能最接近人類的真實行為表現。

傳感器方案:場景驅動,而非技術預設

在被問及未來泛化場景,尤其是室外複雜光線環境下的傳感器配置時,呂峻給出了公司的戰略思路:場景決定傳感器,而非反過來。

「我們的目標是」將能力生產在真實現場」,因此傳感器方案需服務於具體任務需求,而非預設標準答案。他認為,沒有必要為所有場景預設一套固定的傳感器「標配」。穹徹的宗旨是將機器人的能力生產直接放在真實的現場環境,而不是從搭建操作工位開始。因此,針對室內精細操作、室外強光環境等不同需求,多傳感器融合(如結構光、RGB視覺、深度傳感器等)是必然的技術趨勢。

呂峻透露,公司的數據採集方案已支持通過手機等設備靈活接入多種傳感器,並致力於構建一個可插拔、可擴展的融合框架。在實際部署中,將根據藥房、家庭、室外等不同任務對精度和魯棒性的具體要求,靈活配置傳感器組合,以最大化模型的泛化能力。

呂峻的分享清晰地描繪了穹徹智能的技術路徑:以世界模型為引擎消解物理不確定性,以全鏈路無本體採集為燃料保證數據質量與一致性,以場景驅動的靈活傳感器方案為橋樑,最終實現將真實任務能力高效轉化為機器人能力的願景。

在兩天的參訪與交流中,大零號灣·源創加速營導師及學員,討論了AI時代團隊進化的實操指南,也在硬科技落地的現場,感受一款產品從試驗走向規模化的完整成長脈絡,交流AI+硬科技企業的源頭創新與未來發展。這恰恰就是大零號灣·源創加速營的初衷:源頭創新·未來可期!

AI+硬科技賽道從來不是孤軍奮戰的旅程,大零號灣·源創加速營的課程,旨在讓不同領域的實戰經驗互相碰撞,讓更多技術找到落地的同路人,助力AI+硬科技企業將更多源頭創新,變成實實在在的產業生產力。

風險及免責提示:以上內容僅代表作者的個人立場和觀點,不代表華盛的任何立場,華盛亦無法證實上述內容的真實性、準確性和原創性。投資者在做出任何投資決定前,應結合自身情況,考慮投資產品的風險。必要時,請諮詢專業投資顧問的意見。華盛不提供任何投資建議,對此亦不做任何承諾和保證。