All Blogs

AI Native 是一场生产关系革命

Read in English

AI 落不了地，不是因为摩擦太多。是因为生产关系没有跟上生产力。

问任何一个做企业 AI 的人，他都能列出一堆落地难的理由：流程复杂、数据脏、一个岗位由二三十个任务组成而 AI 只能替代一部分、员工不配合、客户不信任。这些理由都对。但它们都是现象。现象列得再多，也推不出答案。

行业给出的方案也停留在现象层：派 FDE（forward deployed engineer，驻场工程师）去客户现场做集成，办培训，搞变革管理。这些是润滑剂。润滑剂解决摩擦，不解决结构。

这篇文章只讲一个论点：AI 是一次生产力革命。每一次生产力革命都要求一次生产关系革命。所谓 AI native，不是“用了 AI 的公司”，而是“为 AI 这种生产力重写了生产关系的组织”。下面用七条展开，每条给证据。

一、问题不在摩擦，在结构

数据先说话。企业不是没在用 AI，是用了没效果。

MIT NANDA 在 2025 年 7 月发布报告《The GenAI Divide》。研究覆盖 300 多个公开部署、52 次深度访谈、153 份高管问卷。结论：95% 的企业在生成式 AI 试点上没有可测量的回报。只有 5% 的集成试点产生了数百万美元级别的价值。同期美国企业在生成式 AI 上的投入是 300 亿到 400 亿美元。（MIT NANDA 报告摘要，Virtualization Review 报道）

报告作者 Aditya Challapally 把原因归结为“学习鸿沟”（learning gap）。他的原话是：问题不在模型质量，在企业怎么用它。ChatGPT 这类消费级工具被 80% 的企业试过，近 40% 说已部署。但这些工具提高的是个人效率，不是公司的损益表。（Computing 报道）

美国人口普查局的 BTOS 调查给出另一组数字。截至 2026 年 5 月，19.8% 的美国企业在过去两周用过 AI。信息业 39.7%，金融保险业 33.9%，零售业约 14%。（Census Bureau, May 2026）

两组数据放在一起，画面很清楚：

  • 用的人多，受益的组织少。
  • 个人效率涨了，组织绩效没涨。
  • 大公司试点最多，转化率最低；中型公司从试点到上线约 90 天，大企业要 9 个月以上。

这不是摩擦的分布。这是结构的分布。个人能用好 AI，是因为个人不需要改生产关系。组织用不好 AI，是因为组织的生产关系还是为上一种生产力设计的。

二、AI 是生产力革命

这一条不需要论证，只需要对齐尺度。

生产力革命的标志，是出现一种通用技术（general-purpose technology）。它不解决一个问题，它改变所有问题的成本结构。蒸汽机改变了动力的成本。电力改变了动力分发的成本。计算机和互联网改变了信息复制和传输的成本。AI 改变的是认知劳动的成本。

看一个数字就够。Cursor 在 2025 年 11 月年化收入过 10 亿美元，当时员工约 300 人。到 2026 年 6 月，年化收入过 40 亿美元。人均产出远超传统 SaaS。（SQ Magazine 汇总，Dealroom）一个公司用几百人做出几十亿美元收入，这在上一代生产力下不可能。

所以“AI 是第四次工业革命”这句话，大家都说。但大家只说了一半。工业革命从来不只是技术革命。

三、每一次生产力革命，都要求生产关系革命

这是马克思在《政治经济学批判》序言里的老命题：生产力变了，生产关系必须跟着变。生产关系不变，生产力就被卡住。这不是哲学，这是经济史。

电力的 40 年。 斯坦福经济史学家 Paul David 在 1990 年写了《The Dynamo and the Computer》。他问：发电机 1880 年代就有了，为什么制造业生产率到 1920 年代才起来？答案：头 30 年，工厂只是把蒸汽机拆了，换上一台大电机，继续用原来的总轴和皮带带动所有机器。厂房布局、工作流程、管理方式全部不变。生产率几乎没有提高。

转折发生在工厂改用“单机驱动”（unit drive）之后：每台机器配一个电机。总轴没了，机器可以按物料流动的逻辑排列，而不是按离动力源的距离排列。流水线这才成为可能。单层厂房、高天花板、自然采光、轮班制，都是这次重构的产物。按 David 的估算，1919 到 1929 年美国制造业全要素生产率的增速比前十年高约 5 个百分点，其中约一半可以由电机容量的增长解释。（David 1990 原文，HNN 摘要）

请注意这个细节：电机本身没有变。变的是工厂的组织方式。生产力早就到位，生产关系晚了 40 年。

计算机的悖论。 1987 年，经济学家 Robert Solow 说：计算机时代到处可见，唯独在生产率统计里看不见。这就是 David 写那篇论文的背景。后来的事大家都知道：生产率在 1990 年代后期才起来，前提是企业重写了业务流程，而不是把电脑放在打字员桌上。

今天的 AI 试点，就是 1900 年的工厂。把 AI 接到现有岗位、现有流程、现有 KPI 上。这就是“把电机接在总轴上”。MIT 那 95% 的失败，不是新现象。它是每一次通用技术扩散早期的标准现象。

四、AI native 不是技术，是生产关系

“AI native” 这个词已经被用烂了。大多数时候它的意思是“我们产品里有个大模型”。这是技术描述，不是组织描述。

我的定义：AI native 是适应了 AI 这种新生产力的生产关系。生产关系可以拆成四个“谁”：

  • 谁拥有工具 — 旧生产关系：公司采购软件，按座位分配给员工。AI native 的生产关系：算力和模型是核心资产；谁控制 token 预算，谁就控制产出。
  • 谁做决策 — 旧生产关系：人决策，软件执行。AI native 的生产关系：agent 在授权范围内自主决策，人定边界和审计。
  • 谁分配产出 — 旧生产关系：按岗位、按工时发工资。AI native 的生产关系：按结果分配；人均产出差距拉到 10 倍以上，工时失去计价意义。
  • 谁对结果负责 — 旧生产关系：岗位负责，层级审批。AI native 的生产关系：人对 agent 的边界负责；审批链被审计日志替代。

这四个“谁”改了，才叫 AI native。只换工具不换关系，就是把电机接在总轴上。

下面三个案例，分别对应三种不同的尝试。

Shopify：改“谁分配产出”。 2025 年 3 月，CEO Tobi Lütke 发内部备忘录，后来自己贴到 X 上。核心规则一条：申请增加人头之前，团队必须证明这件事 AI 做不了。AI 使用进入绩效考核。他还问了一句：如果自主 agent 已经是团队成员，这个业务会是什么样？Shopify 员工数从 2022 年起连续下降，2024 年底 8100 人。（CNBC/NBC，BetaKit）这不是工具决策。这是把“人头”从默认资源改成需要论证的例外。分配逻辑变了。

Klarna：只换工具，没换关系。 2024 年 2 月，Klarna 宣布 AI 客服接管了三分之二的对话，首月 230 万次，相当于 700 个客服。CEO 说 AI 能做我们所有的工作。2025 年 5 月，他对 Bloomberg 承认质量下降，开始重新招人，改成“Uber 式”的远程客服池。（Customer Experience Dive，Entrepreneur）很多人把这读成“AI 不行”。我读成另一件事（这是我的推断，不是 Klarna 的说法）：Klarna 把 AI 塞进了旧的客服模型——按对话量算成本、按工单考核。它换了工具，没换“谁对结果负责”。于是成本降了，责任没人接，质量就掉了。后来的“Uber 式”客服池，反而是一次真正的生产关系调整。

FDE：行业对结构问题的润滑剂回答。 Forward deployed engineer 是 Palantir 发明的岗位：工程师驻在客户现场写代码，把产品塞进客户的流程。2025 年 1 到 9 月，这个岗位的招聘数增长 800%。OpenAI、Anthropic、Google 都在招。（Paraform，GetPerspective）FDE 有用，我不反对。但 FDE 的存在本身就是一个诊断指标：如果客户的生产关系已经适应 AI，就不需要有人驻场把 AI 硬接到总轴上。FDE 的需求越大，说明生产关系的滞后越严重。

五、新旧交替，必然混乱

历史上每一次生产关系革命都不是新的干净地替换旧的。新事物会被围剿、被分化、被收编，也会反过来吞掉旧事物。这一次三种路径都已经出现了。

路径一：新的买下旧的。 2025 年起，General Catalyst、Thrive、Khosla、Elad Gil 开始做“AI roll-up”：不再把软件卖给会计所、律所、IT 服务商，而是直接把这些公司买下来，用 AI 重写内部流程，再用多出来的现金流买下一家。General Catalyst 已经共同创建至少十家这类公司。（TechCrunch，Newcomer）这是在说：卖工具改不了别人的生产关系，不如自己持有，直接改。软件通过产品吞噬世界，AI 通过所有权吞噬世界。

路径二：新的被旧资本收编。 2026 年 6 月，SpaceX 宣布以 600 亿美元全股票收购 Cursor 母公司 Anysphere，8 月交割。这是有记录以来最大的风险投资初创公司收购案。Cursor 的创始人和投资人换到的是 SpaceX 的股票，不是现金。（TechSpot，Reuters）一个年化收入 40 亿美元的 AI native 公司，最终成为一家火箭公司的子公司。因为它需要的算力和资本，在旧的体系里。

路径三：前沿实验室和旧巨头合流。 OpenAI 在 2025 年下半年签下一串交易：Nvidia 投资 1000 亿美元换 10 GW；AMD 给 6 GW 芯片，OpenAI 拿 AMD 约 10% 的认股权证；和 Oracle、SoftBank 的 Stargate 超 3000 亿美元。（City AM，Data Centre Review）Anthropic 在 2026 年 4 月和 Google、Broadcom 签下多 GW 的 TPU 协议，2027 年起上线，Broadcom 的协议排到 2031 年。（heise，The Decoder）

这些交易的共同点：算力和电力掌握在芯片公司、云厂商、能源公司手里。前沿实验室再先进，也必须和这些旧资本交换股权。这就是“同流”。不是贬义。工业革命时的工厂主也需要银行家。

三条路径同时发生，说明这不是哪一方的胜利。这是交替期的常态。

六、这一次的新主体，未必是人

前三次工业革命，新生产关系的主体是新的人群：工厂主、工程师、程序员。这一次有一个没有先例的变量：生产工具自己可以做决策、可以交易。

这不是科幻。基础设施已经在铺：

  • 2025 年 9 月，OpenAI 和 Stripe 发布 Agentic Commerce Protocol（ACP），agent 可以在 ChatGPT 里直接下单。
  • 同月，Google 联合 Mastercard、Visa、PayPal、American Express 等 60 多家机构发布 Agent Payments Protocol（AP2），用密码学签名的“授权书”把人的意图、购物车和支付链起来。
  • Coinbase 的 x402 让 agent 用稳定币按 HTTP 请求付费。
  • Visa 的 Trusted Agent Protocol 已上线，Mastercard 的 Agent Pay 在试点，用来识别“合法的 agent”。

（ACI Worldwide 开发者指南，BlockEden 综述）

换句话说，支付网络已经在为“非人的经济主体”建身份、授权和清算体系。一个能拥有预算、能下单、能结算的 agent，在生产关系的四个“谁”里，已经占了两个半。

这意味着什么，我不知道。没有人知道。1900 年的工厂主也不知道流水线会带来工会和八小时工作制。我们应该承认不知道，而不是假装这只是一次工具升级。

七、别再问“AI 为什么落不了地”

这个问题问错了。它预设 AI 是一个要被“落”进现有组织的东西。电机不是落进总轴工厂的，它让总轴工厂消失了。

换一个问题：我们的生产关系，为 AI 改了什么？

谁拥有工具，谁做决策，谁分配产出，谁对结果负责。四个问题，一个都没改，就不要奇怪为什么在那 95% 里。

改了的组织，也未必赢。它们可能被收编，可能被围剿，可能在换算力的路上把自己换掉。但它们在玩这一局。没改的组织，还在玩上一局。

参考资料

More Blogs

AI Native Is a Revolution in How We Organize Work

From Prompt to Loop: Four Paradigm Shifts in AI Engineering, Across My Three Years of College

The Cheaper Tokens Get, the More Ontology Is Worth

Making AI land safely
in the real world

Vīrya — the hero's energy, the root English keeps in virtue. An old creed that runs my work: make the vow, then keep it without pause — small water, always flowing, cuts through stone. If you hold a problem worth years, I want it.