WAIC 圆桌：Token 退潮后，AI 原生组织如何真正落地

2026 年 7 月 17 日晚，2026 世界人工智能大会（WAIC）期间，腾讯 WAIC 之夜在上海举办。圆桌环节由腾讯科技 AI 未来指北主理人郭晓静主持，昆仑万维董事长兼 CEO 方汉、出门问问创始人兼 CEO 李志飞、沐曦股份联合创始人兼 CTO 杨建，围绕 Token 消耗、AI 编程与 AI 原生组织三大议题展开讨论。三位嘉宾的共识是：Token 消耗量本身已不再是衡量 AI 转型的有效指标，真正稀缺的是把 Token 转化为生产力的工程框架、组织流程与人机协作体系。

Tokenmaxing 退潮：从消耗规模到价值转化

2026 年上半年，AI 行业的关键词之一是「Tokenmaxing」——通过更长上下文、更多推理步骤与更高 Token 消耗换取更复杂的任务能力。部分企业将 Token 消耗量纳入团队 KPI，但调用量增长并未同步带来产出与回报的提升。

方汉指出，Token 消耗量是最容易统计、也最容易失真的指标。昆仑万维内部曾发现，有员工为完成指标，将整本《红楼梦》输入模型以快速消耗 Token。在他看来，真正推动 Token 需求爆发的是 Claude Code 等 Coding Agent 建立的完整 Harness——长上下文、工具调用、代码执行与持续反馈能力让模型得以连续完成复杂任务，Coding 因此成为目前 Token 消耗最密集、商业化最清晰的场景之一。

方汉补充，过去中国大量高端算力主要用于图像与视频生成，Claude Code 出现后大量算力迅速转向编程任务。Anthropic 较早把工程与算法置于同等重要的位置，良好的 Harness 与工程设计可以显著释放模型能力。

AI 编程引爆 Token，也改写知识生产

李志飞回顾，公司战略转向始于 2025 年 5、6 月份他重新使用 Cursor 编程。他连续三天编写代码后得出两个判断：公司不再需要那么多人，部分原有业务需要被砍掉。出门问问随后推出录音与知识管理产品 TicNote 与面向团队协作的 Coding Agent 产品 CodeBanana，并将组织 AI 化转型实践沉淀为《超级组织》一书。

杨建分享了沐曦的内部实验：DeepSeek-V3 发布后，团队尝试用大模型优化 GPU 算子，两名原本不具备底层编程经验的员工在三周内完成了一个算子库的系统优化。选取其中 6 个算子与资深工程师对比，人的平均表现约为大模型方案的 85%。杨建还通过 24 轮对话、用 10 个 Agent 搭建框架，自己未写一行代码，最终覆盖了传统流程中约 90% 的工作。

杨建判断，人类将进入「知识生产和知识创造不再主要由人类完成」的时代，核心价值将从解题转向发现问题与定义问题。但他同时强调，AI 具有不可预测性，企业引入 AI 需要先把 AI「关进笼子」：所有能力经过审核，所有操作通过沙箱隔离，数字员工的岗位、权限与职责应由组织逐层规划。

方汉对此保留意见。他认为大模型目前仍缺乏真正创造全新数学方法的能力，且 Coding 与 Agent 热潮导致训练资源向编程任务集中，部分模型的数学能力甚至可能下降，知识生产主体是否已发生根本变化仍需观察。

从超级个体到超级组织

李志飞把「AI 原生组织」称为「超级组织」，核心假设是 AI 已成为组织中最主要的劳动力之一，而不只是辅助工具或实习生。他的判断标准有两点：

• Agent 是否已成为主要生产力、被视为正式员工；
• 公司能否实现多人和多 Agent 协作。

他强调：「一个人指挥一个 Agent 很简单，一个人指挥多个 Agent 也不难，真正复杂的是多个人同时指挥多个 Agent。」在超级个体阶段，CEO 可以借助 AI 大幅提高个人效率，但若公司排期、审批、协作和信息流仍沿用旧体系，个人生产力的提升不会自动变成组织生产力。

出门问问的实践是：员工从约 300 人调整至 150 人，同时推出两款新产品。李志飞预计今年整体产出可能达到去年的 4 倍。转型过程中，公司曾要求代码必须由 AI 完成、不允许员工手写代码，并要求工程师在半小时内完成过去需要一周完成的工作，一部分人因此离开，留下的人完成了转型。

有意思的是，从产研部门向非产研部门推广时阻力反而更小——市场、人力资源、财务和法务部门发现自己可以直接指挥 Coding Agent 完成工作，学习意愿强烈；反而是熟练使用 Cursor 或 Claude Code 的程序员更抵触团队协作工具。

AI 原生组织的真正难点

李志飞认为，AI 原生组织的难点不只是让个人使用 AI，还要重新建立人与人、人与 Agent 之间的协作方式。未来的工作流会更多围绕原型展开——团队先快速做出 Prototype，再根据结果不断迭代。员工需要变得更加全栈，组织结构需要更加扁平。

杨建从更长的时间尺度补充，Cursor、Claude Code 和 Codex 只是这一时代的缩影。未来科学研究也会发生类似变化：随着模型能力提升，知识理解、验证和创造的速度将大幅提高。对应到企业管理，公司需要使用「数字员工」，重新定义每一个岗位的职责，并进一步调整组织结构。

方汉则提出，AI for Science 是非常值得关注的方向——大模型能够调用和组合人类历史上积累的大量研究方法，会让科学研究出现明显的「高维打低维」效应。他同时透露，昆仑万维仍在持续训练模型，并将发布音乐模型、具身世界模型和游戏世界模型，未来也会探索音乐与视频生成领域的 Coding Agent Harness。

这场讨论最终指向一个比 Token 消耗量更实际的问题：当模型能力开始进入生产系统，企业该如何重新设计产品、岗位与协作关系，并证明不断增长的 Token 真正创造了价值？