李开复说 2026 年 AI 要接管整个部门，李志飞已经验证了
李开复在 AMD AI 开发者日提出三阶段时间轴：2026 年核心问题已是「AI 能否替代一个企业职能部门」。出门问问 CEO 李志飞的超级组织实验提供了真实账本——人均营收涨 80%，员工总成本砍近半，亏损收窄 90%。两位 AI 创业者的视角拼出了 AI 原生组织的现实面貌与落地起点。
李开复昨天在上海说了一句话，值得每个 AI 创业者记下来：
2024 年大家问「AI 能不能完成一个任务」，2025 年变成「AI 能不能跑完一条工作流」，2026 年，问题已经进阶为「AI 能不能替代一个企业的职能部门」。1
这不只是观察，是一个组织设计问题：如果 AI 真能接管一个部门，创业团队的组织应该长什么样？
李开复的「三年时间轴」
5 月 19 日，AMD AI 开发者日，李开复与苏姿丰的对话把这个问题说得很清楚。2
他认为两个底层变化让「替代部门」从口号变成可能：
第一，AI 编程能力跨过了临界点。 一年前 AI 只能辅助写函数，现在可以端到端交付完整功能。智能体在数字世界里的一切行为最终都落到代码层面——一旦 AI 自己能写代码，自主智能体才真正具备落地条件。
第二，多智能体架构打破了单一模型的上限。 无论参数规模多大，单个 Agent 在面对真实复杂问题时都会碰到瓶颈。李开复用了「美第奇效应」来形容多智能体协作：文艺复兴时代，把不同领域的专家放进同一个房间，产出远超任何个体。规划 Agent、评估 Agent、研究 Agent、执行 Agent，彼此辩论、相互接力，把群体智能迭代进来。
他举了一个 HR 的例子：招聘 Agent 与绩效 Agent 联动后，可以根据员工入职后的真实绩效数据自动优化前端的简历筛选标准，从招募、入职引导到绩效跟踪，形成自我迭代的闭环。把这个逻辑延伸到研发、产品、销售，企业就变成由智能体网络驱动的协同体。
这种架构有个副产品：「一人公司」的出现不再只是概念。借助模块化多智能体框架，一个开发者可以像总架构师一样，快速启动并运转一家高度自动化的公司。
李开复对管理层的建议也很直接：「不要只听你们的 CIO。AI 转型必须是一把手工程，需要 CEO 自上而下推动。」观察显示，大型企业中推动 AI 落地最快的路径，往往是 CEO 或董事长亲自开始使用这些智能体。一旦管理层真正上手，AI 转型会沿着组织结构自然向下推进。
李志飞已经跑过这条路
理论总需要验证。出门问问的案例提供了一份真实账本。
过去一年多，创始人兼 CEO 李志飞在公司内部推进了他称为「超级组织」的重构实验。3
核心动作：缩减研发人员，精简组织层级，把大量原本依赖人工推进的工作交给自研 Agent 工具。全职员工从 2024 年末约 222 人降至 2025 年末约 150 人。
财务结果：
- 人均营收从 2024 年同期的 54.2 万元升至 97.8 万元，涨幅约 80%
- 员工总成本从 2024 年上半年的 8100 万元降至 2025 年上半年的 4190 万元，降幅约 48%
- 同期营收下降 17%，但亏损收窄 90%
李志飞对「超级组织」的定义是：所有架构围绕「AI 作为执行主体」重新搭建，人类工作从「直接执行」转变为「与 AI 协作 / 管理智能体」。他的目标是让智能体自主完成任务的占比超过 90%。
他还引入了一个特殊的效率指标：Token 成本。目前出门问问的 Token 成本占组织总成本已超人力成本的 15%，这被视为一个可追踪的组织效率衡量信号。
值得注意的是，这次变革并非对标哪家海外公司，是李志飞自己承认的「用 AI 拯救自我」——他说自己不擅长大规模人力组织管理，AI 作为组织主力恰好是适配他的工作方式。这或许说明，AI 原生组织不只是技术路径，也是创始人风格选择的产物。
图：李志飞在公开演讲中分享出门问问的 AI 原生组织探索 / 凤凰财经
对创业团队的三个结构性判断
综合两位创始人的实践，可以提炼出几个具体判断：
「一把手亲自用」是起点，不是口号。 李志飞承认变革阻力来自习惯；李开复观察到管理层上手后 AI 转型自然向下渗透。两个案例指向同一个切入点：转型必须从 CEO 的日常工作流开始，而不是从全公司培训开始。
Token 成本需要纳入组织效率仪表盘。 李志飞把 Token 成本与人力成本并列作为效率指标，这是 AI 原生组织在财务层面的信号——当 AI 调用成本开始占到总成本一定比例，说明 AI 已经在执行真实任务，而不是被当作偶发工具。
人才要求已经变了。 出门问问的新考核标准是「全栈能力 + 理解并相信 AI + 愿意与 AI 协作」。不懂研发的岗位也被要求掌握一定研发能力。这对招聘、考核和团队结构都有直接含义。
4
Add more perspectives or context around this Post.