文｜三少爷

2026 年易境思活动上，李斌与朱江明坐在了同一张桌子前。两位从淘汰赛中杀出来的幸存者，面对怎么对待海啸般来袭的 AI，展现了不同的视角，给出了不一样的答案。

和在 5 月 2 号的央视《对话》栏目中表达的一样，李斌再次强调了蔚来的立场：AI 的战场绝不止于自动驾驶或智能座舱，把 AI 仅视为产品功能的升级，格局就小了；蔚来的终极愿景，是让从做产品、管供应链到服务用户的整个组织都走向 AI 原生，这是一种系统级的重构，比单点赋能要深远得多。

当李斌 All in 组织级的 AI 原生时，朱江明却保持了明显的保守与克制——在他看来，AI 被过度神化了，零跑的选择是 AI 赋能，坚持制造业的本位和节奏感。这两家新势力车企掌门人的微妙分歧，直接引出了一个关乎行业未来的核心问题：面向 AI 时代，车企要不要向 AI 原生组织进化呢？

组织变异，AI 原生的硬核手术

+AI、AI+，早就成了各行各业的共识，但怎么个‘ + ’法，却还是个开放性问题。在这里，最容易掉进的坑，是把 AI 赋能当成 AI 原生。给员工配一个 Copilot 让 AI 帮忙写邮件做 PPT，这是赋能——原有的组织形态不变，只是武器升级了。而 "AI 原生 " 是创造新的组织运行方式，代表的是组织在三个层面的变异。

首先是认知资产层，从 " 经验驱动 " 走向 " 数据驱动 "。传统造车组织里，专家的经验、项目的教训、设计的规范，沉淀在老员工的脑海里、散落在各个部门的硬盘里：电路图是 PDF，代码在私有仓库，设计图是本地文件，会议纪要是 Word 文档。它们是资产，但更是孤岛，AI 读不懂，更调用不了。AI 原生组织则要求将这些认知资产进行 " 重组织 " ——将经验方法论、流程制度、技术报告、电路图、代码、设计图、研发成果、文字记录、会议摘要等一切能够被数字化的组织认知，按照 AI 可读的方式重新组织，从源头就为 AI 的理解与调用设计。

决策层，从 " 人 + 人 + 人 +..." 走向 "AI+ 人 "。传统决策流程中，信息高度依赖人与人的沟通传递，一条市场反馈可能要经过销售、产品、研发层层流转，等决策下来黄花菜都凉了；AI 原生决策中，AI 承担了海量信息的分析与处理，它能实时洞察用户对话、行为数据和测试报告，直接给出决策支撑，让人与人之间的漫长链路被极大缩短。

业务层，不是先有流程再让 AI 适配，而是流程本身按 AI 的可操作性重新设计。这意味着，从供应链的物料预测、生产线的质量监控，到售后的用户服务与反馈分析，每一个环节的流程起点与终点都被重新审视—— AI 是否能直接读取原始数据并给出行动建议？哪些环节的人为审批可以被 AI 的实时决策替代？流程不再是人驱动的线性链条，而是以数据为输入、AI 为核心处理引擎、人为监督与例外处理的动态网络，从而将整个业务流转的摩擦降至最低。

听着有点虚，还是拿斌哥的话借花献佛吧。在 26 年 Q2 公司内部讲话中，斌哥特意强调：" 要结合业务的本质，把管理体系适配 AI。要在深刻理解 AI 能帮你干什么的前提下搭建 AI 原生组织，业务、管理流程要按照 AI 的逻辑去匹配。"

斌哥之所以如此笃定，是因为他看清了一个趋势：智能电动汽车技术路线已进入收敛期，智驾方案都在走向端到端，座舱方案都在走向智能体，底盘方案都在走向线控，" 选对方向 " 的先发优势正在被稀释，此时决定能否胜出的关键，已从 " 技术路线之争 " 转向 " 组织效率之争 "，而 AI 原生的目的正是提升组织效率。效率提升的这笔账，他在 2026 年 Q2 内部讲话中算得很直白：" 假如深刻运用 AI 能够帮我们多卖 5% 的车，就能对冲原材料上涨的影响。" 在央视的《对话》栏目里，他也表达了类似的观点：" 营收接近千亿元，效率提升 1% 就是近 10 亿利润。"

上述关于决策、流程、效率的变革，听起来还是有点形而上。实实在在的、物理层面的原生重构，得看组织架构上的动刀子。2026 年初，小鹏汽车将自动驾驶与智能座舱部门合并为 " 通用智能中心 "，这种部门重组，就是组织奔向 AI 原生的体现。

不过，在奔向 AI 原生组织的终极愿景路途中，虽然组织架构的调整背后或许会有一定程度的腥风血雨，但它只是可见度最高、颗粒度也相对粗糙的一步。更硬核、颗粒度更细的变革，是对 " 人 " 本身的深度干预——将存在于员工脑海中的经验、判断和隐性知识，通过某种 AI 流程 " 蒸馏 " 成可复用、可迭代的数字技能。虽然社区里 "巴菲特 s ( 配置| 询价 ) kill"、" 马斯克 skill" 已被玩成烂梗，但将顶级专家的隐性经验深度提炼、蒸馏为可规模化调用的 Agent 技能，绝对能为企业构建起极具价值的竞争壁垒。

这种 " 技能蒸馏 " 直指人的不可替代性，其冲击力远超部门重组。如果说权力架构的重构，尚不至于对组织的健壮性带来伤筋动骨的冲击，那么奔着 " 替代岗位 "、" 蒸馏技能 " 的努力，会不会在员工中引发极大的反弹与恐慌？更进一步说，作为一个以制造业为根基的汽车企业，有必要向 OpenAI、DeepSeek 那样极致的 "AI 原生组织 " 看齐吗？这，正是以零跑汽车为代表的 "AI 保守派 " 所质疑的。那么，对于 AI 这个大杀器，他们的看法与逻辑又是什么呢？

坚守本位，AI 赋能派的务实与隐忧

在追求组织的 AI 原生上，蔚小理其实算是异类，朱江明的观点才代表着中国汽车产业的基本盘：拥抱 AI，但坚守制造业本位。在这个逻辑下，生存是第一要务，规模是第一目标，每一分钱都得花在能直接转化为销量的事情上：打性价比、建渠道、扩产能，这是比 AI 更重要的事情。

零跑不是不拥抱 AI ——恰恰相反，零跑积极引入 AI 工具做创新、做降本增效。但零跑对 AI 的定位和蔚小理有着根本区别：零跑走的是 "AI 赋能 " 路线，而非 "AI 原生 " 路线。"AI 赋能 " 的本质在于，保持务实与审慎，拒绝将 AI 推上神坛、以动摇组织军心的方式强推变革，这恰恰与朱江明 "AI 保守派 " 的自我定位一脉相承。在这次活动中，朱江明引用 Gartner 新兴技术成熟度曲线，直言 AI 正处于期望膨胀期——被过度神话了。

这个逻辑里有一个被低估的智慧：对技术周期的敬畏。历史上每一轮技术浪潮都经历过膨胀→破灭→复苏→成熟的周期，AI 大概也不例外。当然，不少 CEO（或许是为了融资）动不动就抛出两年实现 AGI 的预言，时不时就给出五年取代 99% 脑力劳动的判断，咋咋呼呼的 AI 到底会不会走出不一样的曲线，没有人可以给出准确的判断。

跟 All in AI 的蔚小理相比，零跑和很多车企对待 AI 的策略很清晰：引入 AI 中已经成熟的技术用于降本增效。AI 在零跑的定位不是 " 颠覆规则的神 "，而是 " 提升效率的工具 " ——这个定位在 10-20 万元的主力市场尤其成立。在这个价格带，BOM 成本的核心是电池、芯片、电机等硬件，AI 的效能提升难以直接转化为关键物料的节省，消费者要的是便宜好用的车，不会为一个看不见的 "AI 原生组织 " 支付溢价。因此，过于超前、动辄伤筋动骨的组织重构，其带来的隐性成本与管理震荡，可能反而侵蚀这个价格带最为珍视的成本控制优势与产品稳定性。

不过，选择 "AI 赋能 " 而非 "AI 原生 "，同样有账要算——只不过这笔账不写在当期损益表上，而是以 " 效率折损 " 的形式持续累积。因为，当技术迭代触及组织架构的天花板时，两条路线的车企终将面临同一个问题：怎么对组织动刀子？致力于 AI 原生的组织，由于有着时间的积累和对 AI 如何穿透业务的深度理解，其调整的底层逻辑、数据准备与认知共识都已铺垫就绪，因而阻力更小、进程更顺、成效更彻底。而赋能路线下的组织调整，就没有那么容易了。

AI 原生的壁垒，核心不在于技术本身，而在于组织在日常工作中潜移默化、日积月累的打磨——把 AI 嵌入每一条流程、磨合出最优协作方式的过程，是无法压缩的时光。当赋能派觉得 AI 技术成熟准备发力追赶时，原生派早已跑通了 AI 与业务融合的飞轮，那时再想跨越，恐怕也为时已晚了。

写在最后

短期看，"AI 赋能 " 与 "AI 原生 " 的分歧将会持续，它们各自的策略都有一定的道理。长期看，两者的边界或将模糊，毕竟，深度赋能到了一定程度，就离原生不远了。智能电动汽车本就是物理 AI 最佳载体之一，产品若趋向原生，组织迟早需要与之匹配。

在未来几年的淘汰赛中，车企真正面临的风险不在于 AI 技术本身是不是成熟，会不会继续突飞猛进，而在于对手组织形态的演进节奏及其决定的产品迭代速度是不是比你更快。或许最终，致力于成长为巨头的车企都会迈向 AI 原生吧？！