当大多数人还在追问“AI能做什么”时，明略科技创始人、CEO兼CTO吴明辉（中欧创业营三期校友），已开始探索一个更深层的问题：AI能让组织变成什么？

被称为“全球Agentic AI第一股”的明略科技，正在开展一场“AI Native组织实验”：一家拥有1800名员工的企业，如今已有超过5000个AI Agent与人协同工作。这场组织变革背后，北大数学系出身的吴明辉，不仅以数学思维提炼出一系列定理、公式和评估量表，更将思考延伸至一个根本性的哲学命题：AI时代，人何以存在？本文据吴明辉在中欧北京校区“智荟中欧·科技沙龙”活动上的分享整理而成。

5000个Agent如何与人一起工作

先从我的真实工作场景讲起。我们公司自己研发了一个开源的办公协作平台，叫作“章鱼”（Octo）。为什么要做这件事？我的想法很简单：既然AI已经可以写代码，我就要写一个最重、最大的——把办公软件和办公AI合到一起，开放出来给大家用，我相信会有一批在意“AI主权”的企业需要它。

章鱼平台就是我们的飞书/钉钉/企微，打开我们的界面，可以看到在这个组织里，Agent已经比人还多：1800多名员工，现在有5000多个Agent，人均两个多。

上周六我有一些突发奇想，就上去和一个同事的Agent开始讨论。放在以前，“骚扰”的就是人类同事，但现在，他们礼拜一早晨上班的时候，只要进群看一下他的Agent跟我聊了什么就可以了。

当然，如果这个群有很多事交叉在一起，Agent无法获得干净的上下文，那就乱了，所以我们要管理上下文，把不同的事分到不同的thread（子区）里，每个thread都是一个上下文干净的项目。

比如我的班委会群，也就是最高管理层群里，其中一个thread就是周报。当我选定了一些群，可以让AI自动总结出周报。因为我们是在群里沟通干活的，信息全在这里。线下会议也不怕，我们自己做了录音卡片产品，每个会都自动转写成总结，沉淀进群。

在管理层群里，周报是这样流转的：每周日，我的Agent每两小时催一次管理层交周报，收齐之后，我的Agent会扫描所有人的OKR（目标与关键结果），对照周报，找出目标里写了、周报里没做的事，自动形成周一早晨的班委会议题。以前每周一的班委会要开半天，现在汇报环节提前被AI消化了，只有讨论环节，一个小时就开完，会议本身又被录音、转写、回传，Agent再自动更新所有人的OKR进展。

再说OKR系统。上一代软件为什么难用，是因为需要人往里填信息；而未来所有的软件，都是AI往里填信息，人负责检查就行了。销售管理也一样，白天跟客户开会开着录音，晚上AI自动识别哪些内容该进CRM（客户关系管理）。

我在公司是CEO兼CTO兼模型研究团队负责人，所以日常也会写代码。我有一个只有两个成员的群：我和我写代码的Agent，我给他起名叫Brooks，和那位拿过图灵奖的IBM大师同名。Brooks的配置文件里最重要的工具就是Claude Code和Codex，我日常的代码都是用它们写的。Brooks也拥有我的GitHub账号，代码提交上去，会由开源社区的负责人review（复核）。最近有个词叫Loop Engineering（循环工程）：写代码、review、修改、再review，N轮验证之后才合并——今天的自动化写代码，就是这个过程。

作为一家ToB公司的CEO，我还有一项重要工作是演讲，到大学、商学院、世界人工智能大会、世界机器人大会等，以前市场部是应接不暇的，现在全是我和我的Agent在做。每场演讲也都录音，讲完复盘总结，沉淀进我的演讲素材库，可以索引查询，它就是我的超级助理，帮助我把每一场演讲都做得比上一场更好。

IoA（智能体互联网）时代的生产力公式

明略科技上市的时候，作为一个学数学的人，我特意买下了港股代码2718。这是自然常数e的前四位（e=2.71828……无限不循环小数）。

看看指数函数y=e^x。它是导数表里最好记的函数，因为它的导数等于自己。放到几何里，这个函数上任何一点的切线斜率，都等于这个点的纵坐标——也就是说，规模越大，增长越快；增长越快，规模越大。越过那个拐点，就急速爆发，这就叫指数级增长。

当然，无论是组织还是经济发展，不可能一直呈指数级增长，总会降下来速度的。但大家都希望有指数级增长的阶段，那指数阶段的核心是什么？就是你的加速度等于自己的速度，等于自己的规模本身。

一个企业的加速度由什么决定？是由工作方法和组织决定的。“工欲善其事，必先利其器。”这就是我一定要打造章鱼平台的原因——我要先提高公司自己的效率，自己先实现AI Native（智能原生），然后就可以把这套FDE（Forward Deployed Engineer，前沿部署工程师）能力输出给客户，提供AI Native组织转型服务。

Anthropic今年上半年基本上每天发布一个新产品，因为它的新产品就是由Claude Code写出来的，这就是AI自己卷自己。AI时代一个公司最理想的状态是什么？就是自己的工具自己来修，自己维护，就是这个状态。

未来一定是人和AI在同一个网络里一起工作、一起生活，这就叫作IoA（Internet of Agents）。以前有PC互联网、移动互联网阶段，下一个是Agent互联网阶段。

IoA为什么现在才成立？因为Agent今年出现了一次范式变化。我把Agent分成三类。

第一类是工具型Agent，它是一个skill（技能）、一个workflow（工作流），A和B都来找它干活，它对谁都没有记忆，每次都是一单新活。

第二类是专家型Agent，有会话内记忆。大家用豆包、元宝都是这样：一个对话里它认识你，可一旦新开会话，前面的记忆就没了。用Claude Code写代码也一样，每个project内部有记忆，跨project没有。

第三类是助理、分身型Agent，它可以跨会话保持记忆——而人类恰恰就是有持续学习和持续记忆的能力。所以它今年出现后，很多人会发现：它怎么越聊越懂我？

有了第三类Agent，IoA才成立。那么，我们怎么用AI产生真正的生产力？我总结了下面这个公式：

第一个变量是Objective，要有目标。我让Agent做周会总结，需要它先读OKR。通常团队汇报最常见的毛病是告诉老板我做了什么，却没告诉老板我还有什么没做。你要让AI知道一个人以及一个组织的目标，再和日常工作做比较、发现gap（差距），才能让自己变得更好。

第二是Context，管理上下文。我经常打比方：AI像一个函数y=f(x)，f是决策逻辑，x是决策依据。日报、周报、录音、群聊、客户文档，这些都是context。没有context，你其实只是在跟AI聊天；有了context，才是把组织真正的知识交给AI，让它帮你做推理和分析。

第三是Taste，品位。比如AI给你生成四张图让你选一张，选哪张？人要对AI的工作成果做最终选择，不满意就打回去重做——这个过程就是taste。AI本质上来讲是一个计算器，它就是做确定性的工作，而人要去解决不确定性，并承担结果，这就是taste。Taste可能因人而异，甚至今天的你和昨天的你都不一样。

再加一个持续迭代（feedback loop），你就会沉淀越来越多的context和taste，变得越来越强。

所以，AI是一种面向目标的计算范式。上一代编程是面向过程的，告诉计算机第一步干什么、第二步干什么；现在是你告诉AI要什么、什么是好的，它自己想尽一切办法给你答案。

AI原生组织：3条公理、2把尺子、5个层级

如何从超级个体变成超级团队、超级组织？我一直想设计量表，但按照数学逻辑，我在此之前先创造了三条公理，也就是AI Native组织的第一性原理。

第一，人机分工，也就是让AI干AI擅长的活，让人干人擅长的活。

今天AI已经威胁人类在职场上的存在了，为了回答这个问题，我开始研究“人类存在主义哲学”，把它们重新划分为三派。

第一派，笛卡尔的“我思故我在”，“思”对应的是inference（推理），而这恰恰是AI的绝对强项。第二派，“我行故我在”，认为人的存在价值在于跟世界互动，但具身智能和Agent也部分可替代了。不过人有自由意志，可以选择跟谁互动，所以今天白领最容易失业，蓝领则不容易。第三派，“我品故我在”，这个品就是我前面讲的taste。大语言模型解决的是推理过程，而人遇到的大多数场景是不确定性决策，为这样的决策负责，就是人的价值。

在组织里不敢冒险、不背责任、只做确定性事情的人，也就是第一类人，他们就失去价值了。今天写代码确实容易被替代，但如果一家很大的汽车主机厂用AI一下写了10万行车机代码，你敢让它上线吗？那些能够守护风险的人，就是有存在价值的人。

我们前段时间收购了一家软件公司普联，但实际上这是一家给客户做交付的公司。什么叫交付？每个客户需求都不一样，需求不确定，就要驻场工程师跟客户不停地聊，聊明白了再写软件——这种事AI就替代不了。而那种确定性的软件，未来一定卖不出钱。

第二，按照新的范式来协作。

要以高效的Exchange Context和Taste，取代古典会议的低效消耗，绝对不能再以旧范式协作了。

第三，对人友好。用好AI不应该以降本增效为目标，而是要把产值做大。

如果企业用AI是以裁员为目的，那员工就不会好好用AI，他不好好用，你的AI永远做不好。再往前说一步，如果每个企业都一味降本，整个社会经济就垮了——我们的客户有宝洁、宝马、可口可乐，也是我们员工每天消费的供应商；客户不付钱，我们的员工就会失业；人失业了就更不愿意消费。

所以我会跟团队讲：什么时候算成功？如果我们是这个行业里第一个每周上四天班的公司，就做对了。如果搞AI搞到每个人都更卷、晚上都不睡觉，这肯定是不对的。

基于以上思考，我设计了两把衡量AI Native组织的尺子。第一是在人机分工的维度上，设置了超级个体的量表，来衡量一个人能把AI用到哪一级。

L1，Token Ready。在我们公司是Token Free的。但大部分公司可能还没有到这一层。员工想要token，老板一句“ROI（投资回报率）怎么算”，可能就没戏了。其实今天可能这个ROI真算不过来，但你要相信两件事：token会越来越便宜，而第一批会用token的人，是公司最有价值的人。

这件事的核心就是看管理层的决心。我跟股东是这么讲的：今年这两个亿的token，相当于蒸馏前沿模型的数据采购费，明年就有机会花两千万自己训一个模型。

我人生的第一台电脑是1994年买的，我家当时总共有两万块存款，父母花一万多给我买了台486电脑，当时学校机房还全是386电脑。我自己一直是提前投资、提前获益的人。你愿不愿意做这笔投资？愿意的话，很多好事就会自然发生。

L2，工作在线。把员工日常工作的工具和context都连到IoA这张网络里：context在线、tools在线，每一次会议都录下来，每一次内部协作都发生在这里。比如我用Brooks写代码，我周六要休假怎么办？就把另一个同事拉进群里，接着调Brooks。AI组织的关键是可交接班，如果只在自己电脑里用AI，是无法形成组织状态的。

L3，结构化沉淀。就像工程师有代码仓库，市场部有各种历史素材，这些都是结构化记忆。问题是有没有让Agent来维护这些记忆、让所有人的Agent共享它们？要实现组织智能，就需要有组织共享的存储和记忆。

L4，加杠杆。安迪·格鲁夫在《高产出管理》里讲“杠杆率”是指一个合伙人管多少人、撬动多少资源。而AI时代的杠杆是你管多少个Agent，而你的Agent又管Agent——这叫两层杠杆。

L5，水涨船高。做AI应用最惨的是昨天刚写好一个skill，今天模型一升级，白写了——这就是造柱子，水一涨就被淹没。所以我们要造船，基础大模型的水位上涨时，你跟着一起涨。前提是你在企业里用AI做的不是一次性工作流，而是持续积累企业的taste和benchmark——当你积累的是目标与标准，AI一升级，它能帮你更快弥补差距，而不是人肉补差距，最后被水淹没。

第二是在人机协同的维度上，设置了超级团队的量表，来量一量协同的墙可以推多远。

其中到L4就是AI Native矩阵组织了。现在的大公司也有矩阵架构，有所谓的HRBP（人力资源业务伙伴）、FinanceBP（财务业务伙伴）、ITBP（信息技术业务伙伴）等，他们是双向汇报的，既对业务负责，也对一个职能的成长负责。但问题是，每个人其实都想有一个唯一的老板负责他的晋升，所以这个架构在很多组织里运行得并不好。

但AI不需要我们给它提供情绪价值。在我画的这个AI Native矩阵组织里，每一列function顶上是人类专家，这些专家培养着一列一列Agent，而每一行是每个业务BU（业务单元）。未来的工作模式就是：在行头和列头上是人，中间交叉的单元格全是Agent，人和人之间偶尔才协作一下，每个Agent都是双向汇报——既对项目负责，也被纵列的专家持续优化。

到L5则是无边界组织，企业上下游的边界被打破，最后的组织形式可能都不叫企业了，而是一套重新分配的契约机制。

如果对照上面的量表，我们最多是在L2-L2.5的水平。明略确实是在做一个组织实验，但我也相信组织的未来应该会朝这个方向去演变。

软件研发领域以前分很多工种，从产品经理、设计师、工程师到部署上线等。现在行业流行一个新词——builder，一个人端到端全负责，他就是矩阵架构里那个很好的负责人。当然Agent不一定都是他造的，可以有人负责做测试的Agent，有人负责做设计的Agent，术业有专攻。这意味着每个岗位的JD（岗位描述）都要重写，怎么写？就按人类存在主义哲学来：这个工种还有哪些活该人干，哪些该AI干。流程也要再造，迈克尔·哈默的《流程再造》可能要重新看一遍。而且这件事基本只能自上而下地做。

最后提一句领导力。拉姆·查兰的《领导梯队》把管理层分成六个阶段，从个人贡献者一直到首席执行官。

而AI时代，我们每个人在这张图上的位置都会往上升一格：以前不管人的员工叫IC（Individual Contributor，个人贡献者），现在需要变成新时代的一线管理者——只是从懂人、会组织生产，变成了懂AI、会组织AI生产。而以前的一线管理者，则要像二线管理者（总监级）那样学会“选育用留”，只是对象也从人变成了Agent。

所以我们公司内部的任职体系，包括中层、高层管理者的要求，已经都面向AI时代刷新了，每个层面的人都要往上走一步。

在我看来，AI时代选拔人才就看两条：是否跟世界有很强的互动能力（拿到context），以及是否有taste。当然taste很难衡量，有天赋，也有读万卷书、行万里路的积累，更重要的是气味相投。一个企业长期的护城河，就是你持续积累的独有taste，AI只是帮你把taste实现出来而已。

所以，我们要保持好自己的品位，留好自己的taste——I taste, therefore I am.

文中PPT图片由明略科技提供。