微软、阿里千问、Plaud、KIRI：“硅基员工”来了，你的组织准备好了吗？

iBrandi品创·2026年08月26日 16:44

一场关于AI新商业形态的深度对话。

AI让个人生产力大幅提升，但企业层面的价值创造却严重滞后。

2026年3月，美国风投机构a16z在《Institutional AI vs Individual AI》中指出了这个困扰企业许久的尖锐问题。三年前，AI一路狂奔，从Demo走向模型，从个人走向企业；三年后，有人从零做AI Native公司，也有人试图将AI嵌入现有工作流，但大量企业卡在了同一处——数据接不上，流程对不齐，业务团队用不熟。

直到此刻，真正的挑战才浮出水面：AI进入企业，组织本身准备好了吗？工作流重构了吗？ROI算清楚了吗？

在由AIXATLAS联合主办的2026品创·全球品牌节现场，中国传媒大学副教授吴卓浩，微软全球合伙人｜与中国共赢事业部总经理｜微软移动CEO 顾大伟、阿里ATH千问大模型AI产品解决方案总监李陈忠、Plaud中国区产品与运营负责人梁朝、KIRI Innovation联合创始人&CEO王正男，展开了一场关于AI新商业形态的深度对话。从这场对话中，我们或许能得到一些启发。

以下为圆桌实录，经iBrandi品创编辑整理：

企业AI分水岭：模型还是组织力？

中国传媒大学副教授吴卓浩：今天，非常高兴能和大家坐一起，来聊聊AI时代新的商业形态。

开始前，我先来介绍一下嘉宾，首先是来自微软的顾大伟老师，目前全面负责微软与中国共赢（Win-Win in China) 战略及相关产品，也是人工智能、区块链等等前沿科技的行业专家；来自阿里ATH千问大模型的李陈忠老师，千问可以说是近期炙手可热的明星单品；Plaud的梁朝老师，目前主要负责中国区产品与运营，Plaud主要是做AI纪要产品，功能非常全面。KIRI的王正男老师，KIRI旗下的产品Remy非常有趣，是一款3D空间记忆应用，非常有趣。

介绍完今天我们圆桌的几位大咖之后，正式进入讨论。我们先来聊聊一个非常重要的问题：企业AI的分水岭到底是什么？是模型能力吗？还是说把AI深入到企业的组织能力？

中国传媒大学副教授吴卓浩

微软全球合伙人｜与中国共赢事业部总经理｜微软移动CEO 顾大伟： 分水岭是后者，也就是“AI深入到企业的组织能力”，现在大家能明显感受到，AI对个人生产力的提升很有效，但值得注意的是，对于组织来讲，增长变化不大。原因在于AI对于个人效率的提升是显性的，而组织端最需要提效的是协同问题，这一点，AI目前还无法做到。

我认为解决这个问题，要从两个层面入手：第一，让AI掌握足够的组织上下文。得让AI知道组织协同的工作流长什么样，它才能参与决策。第二，是让AI给组织间的“共识”提效。AI帮人做的是具体的决策，但组织效率看的是人和人之间能不能快速拉齐认知。比如开会、写文档，本质上都是在填认知差距的坑。AI很擅长表达，那能不能用这个能力帮团队更快达成共识？这是企业能不能用AI更上一层楼真正的要点。

阿里ATH千问大模型AI产品解决方案总监李陈忠：我也认为组织力比模型更重要，我虽然是做模型业务的，这个分水岭已经不是在模型本身了。现在模型能能力越来越强，企业完全够用。这个时候就要落到商业本身上。所以企业应该更多地去考虑，如何把AI（模型）和业务场景结合在一起，在场景上深挖，形成真正跟行业和场景绑定的、能发挥出生产力的AI。

Plaud中国区产品与运营负责人梁朝：我来谈一下对这个问题的理解。模型重不重要？很重要。如果没有模型的理解、生成、推理以及多模态能力，是没办法出现这么多AI native应用。但对于企业而言，更需要的是模型进入到真实的工作场景里。

KIRI Innovation联合创始人&CEO 王正男：我想用我们公司KIRI的情况来回答这个问题。KIRI目前不到50人，两款产品（KIRI Engine和Remy）加起来管理着了1000多万用户。很多人觉得我们至少有200到300人，但实际只有不到50人在运营这两款大体量产品，是AI让每个人的工作效率提升了很多倍。

甚至能让每个人能当七个人用。比如，过去一个人负责千万级用户数据库几乎不可能，但现在，一个人做的不是直接管理数据库，而是管理一群agent，由agent来优化数据、整理信息、写出新功能。所以就我而言，企业AI最重要的是人如何使用Agent。

Agent重构组织：从零件替换到流程重建

中国传媒大学副教授吴卓浩：我想接着刚才的话题，先请教一下顾大伟老师。20多年前我也在微软研究院待过，当时给我冲击最大的一件事，就是世界上竟然有一个组织，能让几千人在同一个产品上协同工作。

今天，AI Agent开始大批量进驻企业了。我想问的是，当这些硅基员工真正成为组织常态之后，未来的企业工作状态到底会进化成什么样？

微软全球合伙人｜与中国共赢事业部总经理｜微软移动CEO 顾大伟：像Windows这种几千人、甚至微软整体上万人参与的项目，在过去确实是了不起的范式。但现在AI Coding效率提上来了，新问题也出现了，比如合规、审查、隐私安全这些问题。谁来解决？

我们发现，AI目前其实只改变了组织里的一个环节。很多研究也提到，想把AI真正用好，不能只在原有流程上做替换，而是需要更底层的重构。不过坦白说，AI Native的组织怎么搭，现在没有标准答案，未来大概率也不会有统一模板。每家的业务形态和文化都不一样，我们的探索也是在动态调整中。

我们现在的核心思路，是从一个最小的“AI Native”单元切入试点。先选一个对AI理解最深的团队，把我们能获取的所有上下文，包括线上数据和线下非结构化信息都喂给AI，让它真正参与决策。

这里有一个很关键的问题：当我们要给这个AI团队加一个“碳基”成员的时候，必须先反问自己，为什么现有的“硅基”成员解决不了这件事？这个问题的答案，能帮我们厘清哪些工作AI就能搞定，哪些必须留给人。组织变革更像是让这个AI Native的小单元逐步生长、向外辐射，而不是把现有的大盘子一下子推倒。

当然，这个思路也不是固定的。不同业务场景、模型能力的快速迭代，都会影响角色的位置和留存，这本身就是一个持续演进的过程。

微软全球合伙人｜与中国共赢事业部总经理｜微软移动CEO 顾大伟

中国传媒大学副教授吴卓浩：刚才KIRI王正男老师提到“一人顶七人”的数据很直观。那我想问一下顾总，从您接触的不同行业实践来看，有没有一些相对可参考的数值，能帮企业给自己定个位？

微软全球合伙人｜与中国共赢事业部总经理｜微软移动CEO 顾大伟： 这个问题挺难的。很多企业一开始也试着用量化指标来衡量，比如PR Rate、Token消耗量，但跑下来发现这些数字跟实际的业务价值关联不大，现在行业里大家也不太追这些表面指标了。

另外，To B和To C的差异非常大。To C出问题可以快速回滚，但To B牵涉到企业客户的业务连续性，一出事影响面广、责任也重。所以确实没有一个统一的数字能套在所有企业身上。

我更倾向于看另一个维度：组织里有多大比例的决策，AI能够参与进来并真正提供支持。但这个比例怎么算、分母是什么，得根据每家企业的业务形态和AI落地深度动态去定义，没法一刀切。

企业用AI，选生态还是选模型？

中国传媒大学副教授吴卓浩：接下来咱们想请做大模型的李陈忠老师来聊一聊。

在这个多模型的时代，企业到底是在选择一个模型，还是在选择一个生态？目前阿里拥有从大到小最全参数规模的模型，可能把各种各样的需求都覆盖到了，所以想请您来介绍一下。

阿里ATH千问大模型AI产品解决方案总监李陈忠：回答这个问题前，我想先问各位老板一个问题：大家更愿意听到哪种汇报？一种是员工说，想做新项目，但得先花200万、等三个月把基础设施搭好才能开始试；另一种是，他说昨晚花了80块钱跑了一下，验证了关键问题，现在知道下一步怎么走了。

我想在现场很多人的答案都是后者，但在现实里，前者才是大多数，很多企业在AI上迟迟无法起步，就是卡在了这个“先投入再看结果”的思路上。尤其大模型，一台算力服务器动辄200万起步，钱砸进去、时间耗进去，但最核心的那个商业问题到底能不能跑通，完全不知道。为什么不反过来呢？把算力、部署、基础设施这些脏活累活交给生态，你只管聚焦业务场景本身。试成了，就继续推进；试不成，无非损失几天时间和几十块钱。

所以我的观点很明确：在多模型时代，企业首先要学会拥抱生态。至于模型怎么选，看场景。如果你自己做视觉识别模型、具身智能模型，那确实是少数玩家的赛道；但对绝大多数企业来说，你要的是“识别物体”这个功能本身，它背后用的是哪个模型，根本不重要。直接复用现成的能力模块，快速集成进产品，这才是最高效的方式。

说到底，AI时代拼的就是时间。产业被AI重构是必然的，只是早晚问题，谁跑得快，谁就能先把市场拿下来。所以我的建议就是，珍惜自己的时间和资金，善用生态，快速验证，快速覆盖。

阿里ATH千问大模型AI产品解决方案总监李陈忠

AI接入内部，信息资产如何重组？

中国传媒大学副教授吴卓浩：实际上，AI生态对企业来说非常重要，那么如果我们想把生态接入现有的工作流，我想第一步就是让AI真正读懂企业，那是不是就意味着必须重新搭建一整套知识、数据和内容体系？这个问题我想来问问梁朝老师。

Plaud中国区产品与运营负责人梁朝：的确是需要的，但更准确的来说是“重新组织”。其实我们正在做的就是AI进入物理真实工作的“第一公里”——把线下场景里的信息，通过这一套工作流，转化为可以被持续复用的组织上下文。

Plaud作为一家AI Native的信息处理公司，在“信息重组”这方面有一些经验，可以和大家分享一下我们的做法，主要是软硬件结合，一共走四步：

第一步，捕捉——把所有工作场景里的相关信息，通过硬件设施收录进来；

第二步，提取——从这些收录的信息中，把核心内容提取出来；

第三步，处理——把提取出来的信息转化为可结构化的上下文；

第四步，再利用——让组织里的人基于这些上下文进行追问、二次创作或决策支持。

所以，我认为，AI时代是需要重新组织信息资产的，但不是推倒重来。有了AI的能力和合适的工具，我们完全可以把企业真实工作场景中散落的信息，重新组织成一个持续生长、可被利用的知识体系。

Plaud中国区产品与运营负责人梁朝

50人vs1000万用户：AI如何改写企业流程？

中国传媒大学副教授吴卓浩：我们讨论到现在，选好了生态，也做好了前期的准备工作，那么真的当AI进入了企业内部组织，它最先会改变哪个流程呢？王正男老师能不能分享一下KIRI的经验？

KIRI Innovation联合创始人&CEO 王正男：当然可以，但因为每家企业的情况都不一样，不能一概而论，我主要就是讲一下我们的团队是怎么用AI的。我们的团队规模不大，其中80%是研发，市场团队目前只有10个人左右。

GPT-3.5（ OpenAI 设计的自然语言处理（NLP）模型中的第四个版本）刚出来的时候，我们原本以为最受益的会是市场部，毕竟之前像Jasper（开源报表生成工具，主要用于创建和管理动态报表）这类工具已经能做一些营销文案了。但实际用下来，提效非常有限。因为目前大语言模型写出来的东西，能完成一些重复性的下沉工作，但真正结合产品理解、创作出高ROI的创意内容，目前还做不到。

真正的转折点是AI Coding能力的成熟，这对我们后台比如研发部的作用比较大。大概一年前我们也试过用AI写代码，它能复现某些前端功能，但维护起来极其困难，我们内部叫它“屎山”，能跑，但改不动、加不了新功能，几乎没法用。直到Claude、Claude Code、Codex这一波工具出现，代码生成和可维护性的质量才真正大幅提升。

“一个人顶七个人”这个结论也是发生在那段时间，Copilot开始成熟，团队每个人都在尝试用AI辅助写代码，结果七倍人力的工作量，三个月硬是按时交付了。所以就我而言，AI接入企业收益最大的是后台部门，比如数据库的清理、优化、未来架构的设计等等这些方向。