2026 年的 Snowflake Summit 上，一个越来越清晰的信号正在出现：AI 的竞争，正在从模型能力本身，转向企业数据、业务流程和组织形态的竞争。
大模型会越来越普及，Agent 会进入越来越多的业务场景。但真正的问题是：企业是否准备好被 AI 重构？
在 Summit 现场，极客邦创始人霍太稳 Kevin、安克创新 CIO 龚银 Neil，以及数说故事创始人兼 CEO 徐亚波 Arber 围绕“AI 时代的组织升级”展开了一场长谈。三位嘉宾从 Snowflake Summit 的现场观察谈起，进一步讨论了 Agentic Enterprise、企业大脑、超级个人、蜂巢式组织、AI 时代 CTO 的新角色，以及中国企业在这一轮智能化浪潮中的机会。
这不是一场关于“企业如何使用 AI 工具”的讨论，而是一场关于“企业如何进化为 AI 原生组织”的讨论。
AI 时代，数据仍然是企业智能的基础
对谈一开始，Kevin 请两位嘉宾谈谈参加 Snowflake Summit 的收获。
Arber 的第一感受是：无论 AI 如何发展，数据的重要性只会进一步增强。
他提到，Snowflake 近期股价大幅回升并非偶然。站在 Summit 现场可以明显感受到，Snowflake 想传达的核心信息是：AI 时代的竞争不止于模型，更在于企业是否拥有高质量的数据、围绕数据形成的生态，以及把智能真正落到业务中的能力。
“有了数据，智能才能得到充分发挥。竞争不止于模型，更在于企业有更好的数据，有更好的生态和落地。”
Neil 也持类似判断。他认为，大模型未来会成为每个企业都能获得的基础能力。真正的差异化，不会来自“有没有模型”，而会来自企业自己的数据、工具、流程和业务知识。
换句话说，AI 时代并不是数据不重要了，而是数据变得更重要了。模型是通用能力，企业数据才是让模型真正理解业务、创造价值的关键资产。
AI 组织不是多用几个工具，而是生产力变化后的组织重构
Kevin 随后抛出核心问题：什么是 AI 组织？企业如何判断自己是否真的进入了 AI 组织形态？
Arber 认为，2026 年是一个明显的分水岭。随着大模型和智能体持续普及，企业不可避免会进入 Agentic Enterprise 阶段。
在他看来，这一轮 AI 变革不是普通技术升级，而是组织范式变化。因为企业已经开始把 AI 当作“数字员工”看待。当数字员工以正式身份进入企业，就必然涉及流程再造、组织升级和管理方式变化。
数说故事在 2026 年 4 月的客户大会上提出了 Agentic Enterprise 的概念，并把它与“10 倍增长”连接在一起。Arber 解释说，AI 如果不能带来显著增长和效率跃迁，企业就没有足够动力去推进如此深层的转型。
“AI 如果带不来 10 倍增长，我们为什么要做？过去企业招 1000 个人都很难管理，今天你可以拥有大量数字员工，成本主要是 Token。这意味着 10 倍增长比过去更有可能。”
Neil 则从更长的历史周期解释 AI 组织变革。他认为，每一次先进生产力发生变化，都会带来社会协同和组织协同的变化。
采集时代，人类以部落协作；农业时代，出现村落和城邦；工业时代，流水线和专业分工成为主流；而 AI 时代，生产力工具再次发生范式迁移，组织形态也必然发生变化。
“大模型不是一个简单工具。每次先进生产力发生变化，都会带来个人、组织乃至社会形态的变化。这一次也一定会发生，而且影响会更大。”
因此，AI 组织不是“员工会用 ChatGPT”，也不是“公司采购了一套 AI 系统”。真正的 AI 组织，是企业的分工方式、协作方式、管理方式和价值创造方式都开始围绕 AI 重新组织。
从超级个人开始：没有人的升级，就没有组织升级
Neil 特别强调，企业要谈 AI 组织转型，第一步必须先把人升级为“超级员工”或“超级个体”。
如果员工没有 AI 能力，组织转型就没有基础。所谓超级员工，不是被 AI 替代的人，而是能够指挥多个 AI Agent、利用 AI 完成复杂任务、并把更多精力放在判断、定义问题、决策、审核和创造上的人。
“如果没有超级员工，我们就谈不了组织转型。你要先让人变成 AI 驱动的人，让他能指挥 10 个、20 个智能体，让 AI 帮他完成任务。”
Arber 对此非常认同。他提出数说故事内部的一套表达：超级平台 + 超级个人 + Agent Flow。
未来企业的核心不是单个工具，而是由企业大脑作为平台，超级个人作为高能节点，Agent 工作流作为执行机制，共同形成一种新的组织能力。
超级个人的特征包括：
1. High Agency：主观能动性强，不需要别人催促，会主动学习和探索；
2. Passion：对所做的事情有强烈热情；
3. Agent Command Ability：能够有效指挥 Agent 完成任务；
4. 持续学习能力：能快速吸收新工具、新知识和新范式；
5. 业务判断能力：不是只会使用工具，而是能定义问题、判断结果和推动业务闭环。
AI 时代的组织升级，首先是人的升级。只有一批超级个人出现，企业才有可能进一步重构团队和流程。
从流水线到蜂巢：下一代组织会更小、更闭环、更动态
工业时代的组织，建立在专业分工和流水线协作之上。一个人负责一个环节，团队通过流程串联起来，以此实现规模化效率。
但 Neil 认为，AI 时代这个逻辑正在被打破。
当一个人借助 AI 可以完成很多事情，他的岗位边界就会被打破。过去需要十个人协作的任务，未来可能由三个人、两个人，甚至一个人加多个 Agent 完成。组织不再需要那么长的协作链路，也不再需要那么多层层传递的信息接口。
Neil 将未来组织想象成“蜂巢”：
企业由大量小型团队构成；
每个小团队大约 5 到 6 人；
每个团队围绕一个目标端到端负责；
团队内部通过 AI 提升效率；
团队之间保持必要但不过度复杂的协作；
企业通过 AI 对团队状态、协作状态和组织健康度进行动态观测。
安克创新内部已经在探索类似形态。Neil 提到，安克有 5000 多人，未来可以被组织成 1000 多个小团队。关键不是简单拆成小团队，而是要建立一套动态管理网络，持续观察每个团队是否健康、协作是否顺畅、目标是否达成，并在出现偏差时及时纠偏。
“以前管理半径受人的大脑限制。现在有了数字化基础和 AI 模型能力，就可以构造一个动态管理网络，让每个团队的状态变得可观测。”
Arber 提出的“环形组织”与此高度一致。只是表达方式不同：数说故事把中心称为企业世界模型，或者更通俗地说，是企业大脑。
在这个组织形态中：
最中心是企业大脑；
外圈是超级个人；
再外圈是数字员工和 Agent；
最外圈是仍然需要人参与的 Human-in-the-loop 环节。
传统组织是金字塔式汇报结构，而 AI 时代的先进组织更像围绕企业智能中枢运转的分布式网络。它既不是完全去中心化，也不是传统层级制，而是一种更接近蜂巢、Pod 或环形结构的新组织。
流程不会消失，但会被 Agentic Workflow 重构
一个常见误解是：既然 AI 能做很多事情，企业是不是就不需要流程了？
Neil 明确反对这个观点。他认为，企业仍然需要流程，因为流程代表了确定性、最佳实践和组织经验。不同的是，流程的执行方式会发生巨大变化。
过去，一个流程中的每个环节都需要人完成。未来：
有些环节可以由 AI 自动完成；
有些环节由人和 AI 协同完成；
有些复杂环节仍然由人主导；
有些环节会被合并；
有些原本漫长的链路会被压缩。
在短链路任务中，AI 可能带来 10 倍到 20 倍效率提升；在长链路流程中，如果多个环节同时被压缩，整体效率提升可能达到 50 倍甚至更高。
Arber 也强调，Agent Workflow 并不是不要 workflow。相反，企业里仍然需要确定性和治理机制。
Agent 代表的是企业某种意志的执行：它让小团队、超级个人和数字员工能够在统一规则下规模化运作。
数说故事内部把企业经营流程抽象为五条：
1. Strategy-to-Priority：战略如何转化为优先级；
2. Solution-to-Market：解决方案如何走向市场；
3. Lead-to-Cash：线索如何转化为合同、开票和回款；
4. Delivery-to-Value：交付如何真正产生客户价值；
5. Learn-to-Improve：如何从行动和反馈中持续学习改进。
其中，Arber 特别强调 Learn-to-Improve。因为 AI 时代的企业智能，不只是知识压缩，而更像强化学习系统。企业必须持续从真实行动、客户反馈、项目复盘和经营结果中学习。
企业大脑不是知识库，而是可持续进化的智能系统
Neil 提醒，很多企业对大模型存在误解，以为只要把所有资料交给模型，模型就能把企业经营做好。
这并不现实。
大模型沉淀的是人类通用知识，但每家企业都有自己的业务特点、流程细节、客户关系、组织经验和最佳实践。这些个性化知识，不会天然存在于通用模型中。
Arber 因此提出“企业世界模型”的概念。他认为，新时代的企业更像一个机器人：它需要感知、决策、行动和反馈闭环，也需要 simulation 和持续复盘。
通用大模型更像 Transformer 范式，擅长压缩和调用通用知识；而企业世界模型更像强化学习范式，需要通过现实行动获得反馈，再不断调整策略。
“老板以前做得好，是因为会反思、会复盘。未来组织里的每一个动作，都应该被反思复盘。这更像强化学习，而不是单纯的知识问答。”
因此，企业大脑不是一个静态知识库，而是一个不断吸收经营数据、客户反馈、行动结果和复盘经验的动态系统。
它的核心能力包括：
连接企业内外部数据；
理解客户、产品、市场和组织状态；
支持战略判断和优先级排序；
触发 Agent 工作流；
记录行动结果；
从结果中学习和改进。
真正的 AI 原生企业，应该拥有这样的企业智能中枢。
老板必须亲自下场：Build、Learn、Lead、Being Led
当被问到企业转型的最大障碍时，Arber 首先提到老板意识。
他认为，AI 转型不能只靠下属推动。老板如果不亲自上手，就很难真正理解这轮变化的深度。
Arber 用自己的经历说明这种变化。他多年没有亲自写代码，但在安装 Claude Code、Codex 等工具后，很快重新进入编程状态。几天时间内，他与架构师一起完成了企业大脑最初版本的开发。按照过去经验，这可能需要一个小团队花半年到一年时间。
这种强烈对比带来了真正的“wow moment”。
他将 AI 时代管理者的学习方式概括为四个词：
1. Build：亲自构建，获得真实体感；
2. Learn：向 AI 学习，借助模型扩展自己的知识边界；
3. Lead：用企业愿景、价值观和战略方向引导 AI；
4. Being Led：在具体执行中学会被 AI 反向引导。
管理者既不能完全放任 AI，也不能事无巨细地控制 AI。真正的关键，是知道什么时候要领导 AI，什么时候要信任 AI。
Arber 还提出一个内部方法论：折叠、展开、再折叠。
所谓折叠，是先极致压缩流程，把不必要的环节砍掉，让超级个人和 AI 承担更多任务。这个阶段可能会让人感觉压力很大，因为很多原本分散在组织中的工作会被压缩到更少的人和 Agent 上。
随后需要展开，把必要的组织、流程和人补回来。再经过持续优化，重新折叠，把冗余再次压缩掉。
这不是一次性组织调整，而是一个持续迭代的过程。
不要等数字化完美，AI 转型要边做边治理
很多企业会说：我们的数字化基础不好，数据质量不高，是不是应该先把数字化系统建好，再谈 AI？
Neil 和 Arber 都认为，这是一个误区。
Neil 的观点很直接：不要等。企业应该以终为始，一边用 AI，一边治理数据，一边改变流程。
“不是等数据质量好了再做 AI，而是一边做，一边把数据积累下来，一边治理，一边改变流程。”
过去，企业可能需要先建设信息系统、完成标准化、再进入智能化。但 AI 时代提供了新的路径：企业可以直接用大模型和 Agent 重新设计流程，在使用过程中反向推动数据积累和治理。
这对中国企业尤其重要。因为中国企业的业务场景复杂、业态丰富，传统标准化软件很难完全覆盖。
但 AI 擅长大规模个性化供给，有机会把过去难以标准化的流程，通过智能化方式重新组织起来。
Arber 认为，这正是中国企业弯道超车的重要机会。
CTO / CIO 要从工具提供者变成 AI 转型发动机
对谈中，Kevin 也提出了一个现实问题：AI 时代，CTO 或 CIO 如何发挥更大价值？
Neil 认为，技术负责人首先要提升认知，打开视野。不能再把自己定位为“系统建设者”或“工具提供者”。在 AI 时代，CTO / CIO 应该站在公司整体经营角度，成为 AI 转型的驱动者。
这意味着技术负责人必须具备业务视角，理解增长、效率、组织和客户价值，而不仅仅是理解系统和架构。
“如果你把自己定义为工具提供者，而不是 AI 时代企业转型最大的发动机，那你的愿力不一样，行为也会不一样。”
Arber 也补充说，产业生态需要更多真正懂 AI、懂业务、懂落地的人。教育机构、专业社区、服务公司和企业自身需要形成协作生态：有人负责传播理念和 Best practice，有人负责陪企业上手实践，有人提供产品和基础设施，最终让企业自己建立能力。
中国企业的机会：三类公司最有可能跑出来
谈到未来哪些企业最有机会在 AI 时代胜出，Arber 给出了三类判断。
第一类，是已经达到三四百亿甚至更高规模、但仍然年轻、敏捷、老板认知高、愿意快速转型的企业。这类公司有机会通过 AI 组织升级，进一步冲向千亿级规模，成为全球细分领域龙头。安克创新就是典型代表；
第二类，是 10 亿到 100 亿之间，在某个细分领域已经做得不错的企业。如果老板能够快速接受 AI 组织升级理念，聚焦一个细分市场做深做专，就有机会跨上百亿台阶；
第三类，是营收还不大，但理念极其先进、天然 AI 原生的新公司。这类公司可能更适合用投资和共创方式支持，因为它们代表未来的新物种。
Neil 则提出一个更激进的判断：未来很多没有完成 AI 转型的企业，可能会逐渐失去竞争力，甚至被淘汰。每个行业都有可能被少数真正掌握 AI 能力的头部企业重新整合
先进组织背后，是好奇心、实践和激进目标
对谈最后，两位嘉宾互相提问。
Arber 问 Neil：像他这样既懂技术、又懂业务、还能推动组织转型的人才，如何复制？
Neil 认为，核心是好奇心、实践能力和足够大的心力。他一直不太容易被别人说服，必须通过亲身实践获得认知。也正因为如此，他在 2023 年接触大模型后，迅速意识到一个新时代已经到来，并坚定投入 AI。
他还强调，组织要把这类人识别出来，给机会，让他们在真实业务中成长。很多公司其实都有这样的人，关键是能否给他们足够空间。
Neil 问 Arber：从教授到创业者，再到今天推动企业大脑和 Agentic Enterprise，背后的驱动力是什么？
Arber 的回答是好奇心和不走常规路线。他把自己的人生使命概括为三件事：探索宇宙、探索社会、探索自我。无论是学术研究、创业，还是今天推动 AI 组织升级，本质上都来自这种持续探索。
他也提到，数说故事一路走来常常是逆周期选择：当大家追逐上一代 AI 时，数说故事坚持数据是基础设施；当很多人做中小客户时，数说故事坚持服务大客户；当很多公司追求纯 SaaS 时，数说故事坚持把服务 AI 化。
这背后是一种战略判断：企业要数据驱动，也要战略驱动。不能用战术上的勤奋掩盖战略上的懒惰。
结语：AI 组织升级，是从工具使用走向企业进化
这场对谈最重要的启发是：AI 转型的终点，不是让员工多用几个工具，也不是让企业多采购几个模型。
真正的 AI 转型，是企业组织本身的进化。
未来的先进企业，将不再只是传统意义上的层级组织，而会逐渐形成新的结构：
以企业大脑为智能中枢；
以数据和上下文作为核心资产；
以超级个人作为高能节点；
以 Agent 工作流作为执行机制；
以小型闭环团队作为基本作战单元；
以持续复盘和学习作为企业进化机制。
从流水线到蜂巢，变化的不只是组织结构，更是企业对生产力、协作、管理和增长的重新理解。
AI 时代真正的机会，属于那些敢于亲自下场、敢于重构流程、敢于培养超级个人、敢于把企业变成智能系统的组织。
正如对谈最后所说：
一起成为先进的 AI 组织。
作者简介
徐亚波（Arber Xu），数说故事（DataStory）创始人兼 CEO。加拿大西蒙弗雷泽大学计算科学博士，前中山大学人民教师，20 年+专注在大数据和 AI 领域的数据科学家。
