2026年5月，腾讯研究院发布了这份长达三万字的研究报告《从超级个体到超级团队——AI时代组织变革的涌现路径》。这份报告的回答，不是”组织应该怎么变”，而是”组织正在怎么生长”。这个视角的转换，恰好是它与市面上所有AI转型报告最大的不同。
作者袁晓辉和余一长期在腾讯内部实践AI原生工作方式，报告也从这场实践中来。他们先是在2026年5月15日发布了《AI原生工作报告》，回答了一个问题：当AI真正进入工作流之后，一个人应该如何重做自己的工作？那份报告用驾驭工程、记忆、技能、评估、上下文管理、工作流、多智能体等十个关键词把AI原生工作方式拆开来讲。
但当个体的工作被重做之后，下一步必须是协作方式和基础设施的重新设计——这是他们在内外部调研中反复观察到的模式：真正深刻的AI组织变革，几乎总是从一两个人开始。一个人先醒来，发现AI可以将自己的能力放大十倍、百倍，然后这种新的工作方式像涟漪一样向外扩散，感染一个小组、一个部门，最终改变整个组织的运作方式。
麦肯锡2026年全球AI调查揭示了这个背景：尽管全球88%的组织已在至少一项业务中采用AI，但仅有1%的公司自认达到了AI成熟度——将AI深度嵌入核心业务并产生系统性价值的企业，百中无一。这个1%和88%之间的巨大鸿沟，暴露了一个被广泛忽视的事实：绝大多数组织推进的AI变革，仍然停留在采用AI工具上，远未触及组织借助AI实现彻底蜕变的层面。
报告提出了一个核心公式：组织竞争力 = 人才密度 × AI杠杆 ÷ 组织摩擦。这个公式把变革问题拆成三个独立可操作的方向：人才密度指的是单位团队中具备独立闭环能力的人占比；AI杠杆指的是AI实际嵌入工作流的深度和覆盖面；组织摩擦指的是一个想法从产生到变成可交付成果之间要经过多少等待、审批、对齐和信息衰减。三者的关系是乘除而非加减：分子翻倍但分母不动，净效果打折；分母减半的效果等价于分子翻倍。超级个体放大的是分子，超级团队真正解决的是分母。
报告将沿着个体觉醒→能力溢出→团队涌现→组织启示这条线索展开，从超级个体的诞生讲起，追踪他们如何聚合为超级团队，观察不同组织中的涌现路径，最终提炼出对组织变革的启示。
第一章：超级个体的诞生
什么是超级个体？
要理解超级个体，先要看它是从哪里来的。把这个概念放在知识工作演进的长链条上看，每一代都比前一代更接近一个人独立创造价值的极限，但每一代也都有自己跨不过去的能力边界——直到AI出现，把”一个人做不了所有事”这个最根本的限制给消解了。
彼得·德鲁克1960年代提出”知识工作者”概念时，定义的是一群用知识创造价值的人。他们是组织的核心资产，但高度依赖组织：组织提供信息、资源、协作环境和分工结构，知识工作者在其中完成被分配的任务。理查德·弗罗里达2002年提出”创意阶层”，将视角从知识处理扩展到创造力，但他们仍然受限于个人的专业边界——一个设计师就是设计师，一个工程师就是工程师，创造力虽强，局限在单一领域之内。
保罗·贾维斯2019年出版的《一人公司》进一步把个体推向了组织的对立面：一个人不需要扩张、不需要雇佣团队，也可以构建一个可持续的商业。但在AI之前，一人公司面临明确的能力天花板——一个人无法同时胜任所有角色，增长到一定阶段就不得不在”继续一个人做”和”开始雇人”之间做出选择。
但这条演化链中间有一段容易被忽略的历史：超级个体曾经出现过，又被组织化浪潮压了回去。2000年代初的独立软件开发者天然就是自闭环的角色——自己设计、自己写代码、自己发布、自己回复用户反馈，从发现问题到交付产品在一个人手里完成。但随后，互联网的工业化用了二十年时间把这种完整性拆碎了：岗位化把创造拆成七八个角色，工业化把角色串成流水线，中台化又用平台和权限把复杂度固化。每一步都有合理性——没有分工就没有规模协作——但最终结果是，一个人的自闭环能力被切成了碎片。
AI的出现，第一次系统性地把跨角色行动的成本打了下来，让自闭环重新变得可能。AI超级个体打破了这条链条上以往所有学者的基本假设：AI超级个体的工作方式从执行跃迁到了指挥调度。他们设定方向、构建约束、评估产出、迭代优化。核心竞争力已从执行迁移到思考——思考什么值得做、怎么做是对的、做到什么程度算好。
报告对超级个体给出了明确定义：借助AI，一个人能够达到过去需要一个小团队才能达到的产出规模和影响半径。拆开来看，超级个体有四个结构性特征，缺一不可。
第一，AI First的工作动线。 超级个体把AI排进了整个工作动线。AI是工作的默认起点。大多数人用AI的方式是”我照常工作，遇到困难时问一下AI”；超级个体的方式是”我先让AI跑，然后在AI的产出上做判断和修正”。这个区别看似微小，实际上决定了AI杠杆能放大到什么程度。
第二，能力边界的量级跃迁。 超级个体远超”用AI工具的人”这一层面。他们借助AI实现的跃迁同时发生在两个维度：量的维度上，产出从提升百分之几十变为提升十倍甚至数十倍；域的维度上，一个人可以独立把一件事从想法做到交付，跑通过去需要产品、设计、研发、运营多个角色接力的整条链路。专业分工的必要性在一定程度上被大幅削弱，一个人可以同时是提出问题的人和解决问题的人。
第三，主动性极强。 超级个体不等待组织安排，他们是天然的边界探索者，主动寻找AI能力的极限，不断扩展自己的能力圈。这种自驱力是持续的好奇心与行动力的结合，让他们在组织中成为AI应用的先行者和示范者。
第四，影响力溢出。 这是最容易被忽视的特征，也是判定超级个体的关键阈值：高效个体只让自己变快，超级个体让团队变快。如果一个人用了AI让自己产出翻十倍，但同事毫无察觉，那他还没成为超级个体，只是一个使用AI的优秀员工。超级个体真正的影响力溢出是自然发生的：当一个同事看到你用AI在一个晚上做出了他们一个月的产出，变革的种子就已经播下了。
Anthropic于2025年11月发布的生产力估算研究提供了量化证据：样本任务若无AI辅助平均约需1.4小时，Claude可使任务完成时间平均减少约80%。部分任务效果更为极端——报告信息汇编约节省95%；课程开发任务从估算的4.5小时降到11分钟，对应约96%的时间节省；文档写作节省约87%。商业侧也已出现相同信号：AI原生公司Cursor从100万美元ARR到1亿美元ARR仅用了约12个月；在约3亿美元ARR阶段，团队规模约60人，收入/人效远高于传统SaaS公司——传统软件公司达到类似收入规模通常需要500至1000人。
什么人先醒来？
超级个体是在不同位置、不同时间、因不同触发事件而觉醒的个体。觉醒发生在组织的各个层级，但觉醒的方式和随后的影响路径截然不同。按照觉醒者的起点和方向，可以归为三条路径。
开发者的觉醒：从写代码到指挥代码。 开发者是最早感受到AI冲击的群体，也是觉醒形态最清晰的群体。CodeBuddy的subo描述了一种新的工作状态：他90%以上的代码由AI编写。他说：”我不关心它写什么代码，只关心代码架构。”一个晚上，AI在他的指挥下产出约一万行代码。subo的角色已经并非传统意义上的程序员，他更像是一个代码架构师和AI调度员。他由此说出了一个AI时代反常规的判断：AI是中心，所有人都是边缘。 在AI原生的工作流里，人是给AI输入意图的边缘节点，AI是协调一切的中心节点。
CodeBuddy团队负责人Bati描述这种变化是：”只要你拥抱AI，把你的技能嫁接在AI上，你个体就乘十倍。”到十倍，已经需要并行指挥很多AI Agent了。”如果你只指挥一个Agent，一般就提高一两倍、两三倍。效率提升的上限，取决于你能同时管理多少个AI Agent。”这是一种全新的管理技能：管理的对象从人变成了Agent。
非工程师的跨界觉醒：岗位边界在溶解。 如果说开发者的觉醒改变了代码怎么写，非工程师的觉醒则改变了谁能写代码。在美图，CEO吴欣鸿提出了”超级设计师”的概念，内部已经出现了多个跨越岗位边界的案例：一位原本只跟数据打交道的分析师，通过AI工具掌握了运营全能力，一个人完成了原本五六个人的协同。在特赞，Marketing同事用Claude Code抓取LinkedIn联系人后摇身一变成为Marketing Engineer，产品经理和设计师直接用Cursor出功能不再等研发排期。安克创新则走得更激进——非程序员一个人用三个月搭建了整套供应链运营系统，另一个人用两个月搭建了亚马逊Case自动提交、监控和回复系统：这些过去是整个团队数月的工作量。
创始人转化为Builder：从提需求到亲手做。 创始人的觉醒在所有路径中最为激烈，因为当一个掌握资源和决策权的人亲自变成builder，改变的不只是他自己的工作方式，而是整个组织的运转逻辑。flomo联合创始人少楠从未写过代码，但现在每天花三个小时用Claude Code跑需求验证，直接把想法变成可运行的原型来测试，跳过了”写需求文档、等工程师排期、来回沟通细节、等待开发完成再验证”的全部流程。现在他对产品经理提了一个新要求：提需求之前，必须先拿到代码库权限，在自己的分支上用代码把需求跑通，在真实数据库里拿到结果，再写PRD交给工程师上线。flomo目前70%-80%的代码由AI贡献，周期从按周计算变成了按小时计算。
出门问问创始人李志飞的经历则代表了另一种觉醒路径。2025年端午节，他自己开始重新编程，三天内亲自用AI写了十几万行代码开发了一个团队协作软件。但正是这次体验，让他意识到一个组织问题：如果组织没有被重新设计，超级个体在组织里可能是一场灾难。这个认知最终驱动他转向了一个完全不同的方向——设计AI原生协作平台CodeBanana，让团队中的每个人都有可能成为超级个体。
能力排序的洗牌
超级个体的涌现伴随着一个出乎很多人预料的现象：AI同时在做两件事：重排序列和拉大方差。它不是简单的放大器，也不是均衡器，而是按一套新的标准重新给人定价。
CodeBuddy团队在实践中发现了一个令人惊讶的现象：以前逻辑能力强、学习能力强的人，会在AI的协助下，变得更强。AI会放大之前积累的底层能力：逻辑思维、快速学习、问题分解、系统思维。少楠从另一个角度观察到：”只有原来优秀的人，变得更优秀了。”AI没有带来能力平权，反而把鸿沟拉得更大。两个观察指向同一件事的不同侧面：AI按底层能力重排了序列，重排之后头部和尾部的差距比过去更大。
触宝科技创始人王佳梁基于自己的观察和实践，提出了一个结构性的分层模型来描述这种洗牌：
最顶层约5%的人，能将AI杠杆与不可替代的人类能力结合起来；约10%的拓展者突破了原有边界；约70%的效率提升者用AI更快完成工作，获得线性提升；约15%的被淘汰者，其工作恰好是AI最容易替代的。
王佳梁的总结一针见血：AI替代的是你被雇佣的理由。 当AI可以获取几乎所有知识、执行几乎所有标准化任务时，一个人被组织需要的理由，必须从”我知道什么”和”我能做什么”转移到”能判断什么”和”能创造什么”。超级个体花叔在谈到蒸馏同事现象时也补充了一个切面：大多数人并不值得被蒸馏，把经验Skill化的核心价值，是让输出符合你自己的品味。世界已经能生成很强的东西，但你要的是它别总生成不符合你的风格。
什么人不容易醒来？
第一种是学习姿态错位的人。 有些聪明、靠谱、在过去体系中表现优秀的人，面对AI时却迟迟不动。他们有一个共同的行为模式：先学再用——先系统学完课程，先等公司统一采购工具，先看别人用的效果，然后再开始自己的实践。这套姿态在过去二十年非常有效，但AI时代有一个根本性的不同：工具变化得比课程快，产品形态变化得比分类体系快，真实问题变化得比组织流程快。 等你系统学完，窗口可能已经过去了。
第二种是把AI当效率工具而非协作对象的人。 他们会用AI，甚至用得不少，但始终在用”搜索引擎升级版”的方式使用它：问一个问题，拿一个答案，然后回到自己原来的工作方式里。他们没有真正把AI放进工作流的核心位置，没有让AI参与决策过程、审查自己的判断、挑战自己的假设。这种用法能获得10%-20%的效率提升，但永远触不到十倍放大的门槛——十倍放大的重点是重新定义”什么事值得做、怎么做”，目标并非”做同样的事更快”。
第三种是身份感过强的人。 当一个资深工程师的自我认知建立在”我写的代码质量高”之上，AI coding对他就不只是一个工具问题，而是一个身份威胁。当一个设计师认为”审美是我的不可替代性”，他就很难接受AI生成的方案可能在某些维度上已经够用甚至更好。身份感越强，转型成本越高，因为要放下的不只是旧技能，还有旧技能附带的尊严感和确定性。
第二章：从超级个体到超级团队
超级个体为什么会聚合？
如果AI能让一个人完成过去一个团队的工作，那一个合理的推论似乎是：组织会瓦解，每个人都变成独立的超级个体，团队将变得不再必要。
但我们观察到的恰恰相反。超级个体没有走向孤立，他们在以新的方式、新的理由聚合在一起。报告的判断是：超级个体需要团队，能力是必要条件但不是充分条件。 AI已经极大扩展了个体能力，但一个人承载不了所有的风险、注意力、信任和长期承诺，也接不住需要多种判断并行的更大价值场景。
第一重需要：共同承担风险。 纳西姆·塔勒布在《反脆弱》中提出过一个深刻的洞察：集中决策系统通过消除小波动来追求表面稳定，实际上在积累隐藏的系统性风险；分散决策系统允许小失败发生，反而建立了对不确定性的持续适应能力。与单创始人相比，有联合创始人的公司5年存活概率高约45%、获VC投资概率约1.8倍；十亿美元级公司中约80%有两名或以上联合创始人。超级个体借助AI变得更强，但也承担了更大的不确定性——窗口更短、迭代更快、赌注更重。一个人在长时间尺度上连续做出正确判断的概率，必然衰减。
第二重需要：共同稳定注意力。 赫伯特·西蒙的有界理性理论告诉我们，人的注意力是最稀缺的资源，人类决策受信息可获取性、认知处理能力、时间约束三重不可超越的限制。对于超级个体而言，这个问题反而加剧了——当AI将能力边界无限延伸后，面前的选择和机会也无限膨胀。Sophie Leroy在2009年提出注意力残留概念：任务切换时，前一个任务未完成的部分会持续影响后续任务的表现；加州大学欧文分校的研究显示，被中断的任务若在同日恢复，平均约需23分钟才能回到等效专注状态。为什么注意力问题不能靠个人自律或AI辅助来解决，而需要团队？原因有三层：承诺锁定——当你知道有人在依赖你的特定产出时，切换方向的心理成本上升；优先级校准——AI可以帮你列优先级，但缺乏”从不同角度看这件事到底重不重要”的输入；注意力的社会性维护——人在有限的社会结构中更容易进入并维持专注状态。
第三重需要：共同形成信用。 关键人物风险是投资界和企业治理中的经典议题。B2B合作中的信任评估常落在供应商这一组织实体，而不仅是单个对接人上。当一家公司决定把100万预算交给你的时候，他们评估的不仅是你的能力强不强，还有这个系统是否可靠。鲍里斯·格罗伊斯伯格2008年在哈佛商业评论上发表的明星可迁移性研究揭示了一个重要发现：当明星员工跳槽到新公司时，其绩效往往会显著下降；但如果他们带着原有团队成员一起跳槽，绩效则不会下降。这个研究指向一个反直觉的结论：超级个体的绩效本质上依赖于工具栈、数据、伙伴、组织信用和反馈结构，而不仅仅是个人能力。
第四重需要：进入更大的价值场景。 一人公司有其结构性天花板。大多数一人公司的收入集中在知识付费、咨询、自媒体等个人品牌变现的领域，难以进入需要稳定工程化产品、更大规模交付、持续产品迭代、需要客户信任体系、合规与责任的更大价值场景。真正在AI时代跑出惊人增长的，多是20人以内、且不止一人的AI Native团队：Cursor在约20人时12个月做到1亿美元ARR；Midjourney约11人即做到约5000万美元年收入；Base44约8人在6个月内以约8000万美元现金对价出售。这些案例的共同点是：一小群超级个体加AI工作流加共享上下文，团队协作优于单打独斗。
协作的本质变了：从按岗位切割到按优势放大
理解了超级个体为什么仍然需要团队之后，还需要回答一个问题：聚合之后的协作，和传统团队的协作有什么本质区别？
过去的团队协作，本质是分工协作——因为一个人做不了全链条，所以必须拆成前端、后端、产品、设计、测试、运营。它是基于能力边界的切割。AI之后，一个人确实可以跨越很多原来的能力边界，但这不意味着协作消失了。AI会放大每个人最强的那一部分：产品感强的人用AI可以快速把想法变成原型，工程直觉强的人用AI可以搭出更稳定的系统，用户洞察强的人用AI可以更快分析反馈、重构需求。
所以超级团队的协作逻辑已变为：“你在这里最强，所以由你来定义这部分的最高标准。”团队的核心已变为优势结构——每个人都被AI放大成一个更强的自己，然后这些被放大的优势彼此咬合。传统团队像拼图，每人补一块缺口；超级团队更像共振，每个人带着被AI放大的优势场，彼此叠加。
但现实中，放大常常没有发生。在很多超级个体社区里，社群繁荣、情感共振强烈，但生产力始终没有出来。情感共鸣和思想共享能让人聚在一起，却不能替代结构——风险谁来分担、注意力怎么锚定、信用如何积累、大场景靠什么承接。超级团队是结构产物，而非聚会的产物。
超级团队要走的是第三条路：它把组织问题转化为一个创造力生态学问题——怎么让这群人的创造力在结构支撑下自然生长。既保留超级个体的独特性和自主性，又用结构解决单干补不齐的四重需要。
四种涌现路径
在调研中，超级个体聚合为超级团队的过程呈现出四种可辨识的路径模式。
路径A：自下而上的自发涌现。 这是最自然的路径，没有来自顶层的刻意设计，超级个体在实践中彼此发现、互相吸引、自发聚合。CodeBuddy团队是这种路径的典型代表：最初，几个对AI编程深度着迷的个体各自在不同方向上证明了AI放大的可能性。这些个体的能力溢出互相可见后，产生了天然的吸引力。随后，团队负责人构建了一个透明的领域层/上下文层结构——每个人清楚地知道自己的领域、其他人的领域，以及共享的上下文。在这个结构中，超级个体在共享上下文中自主找到最有价值的工作并完成它，无需被分配任务。Kimi团队内部有一句话：”架构扁平化是一个结果。”也就是说，Kimi并没有刻意设计扁平架构，它之所以扁平，是因为极高的初始人才密度加上AI工具使个体独立交付成为可能。Kimi采用的BAPO理念（Business→Architecture→Process→Organization），先定业务目标和系统架构，流程和组织结构适应前两者，是为自下而上的涌现创造了最大的空间。
路径B：组织筛选培育型。 并非所有组织都有条件等待自发涌现。在规模较大、惯性较强的组织中，自上而下的催化干预可能是必要的，但最有效的干预是设计筛选和培育机制，让超级个体更容易出现。安克创新的”火箭班”模式是这种路径的典型案例：筛选→培育→放回原团队→带动全员能力提升。首先，从全公司范围内筛选出对AI有强烈兴趣和快速学习能力的人。然后，这些人将完全脱产用1-2个月的时间完成高强度的AI能力培育——在真实业务场景中用AI解决真实问题，设置严格的通过考核。被AI赋能的个体回到团队后，他们的新工作方式会自然地感染和带动周围的人。CEO阳萌将此列为”一把手工程”，保证了筛选培育机制有足够的组织资源和高层支持。
美图的AI创新工作室则是另一种变体：吴欣鸿把2000多人的公司切成一个个不超过10人的创新小组，每组给1000万预算和分红激励，半年验证——做成了分红甚至独立融资，做不成就裁撤。他的逻辑是：未来竞争最激烈的不一定是跟大厂，反倒是跟新锐创业团队，所以得提前以他们的效率为标准去对齐。这些小组内部取消了所有常规会议，没有固定产品经理，大家都是产品经理、都是运营，决策流程极短。这本质上是在大公司内部模拟超级团队的运作条件：人少、授权大、容错高、结果说话。
路径C：氛围营造型。 如果说路径B是精准筛选加集中培育，路径C则是普遍浸泡加自然生长，创造一种人人都可能被激活的氛围。腾讯研究院的实践体现了这种路径的特点：AI午餐会和每日一条AI使用心得分享，持续运作后产生了超出预期的效果。AI午餐会本质是展示和交流——每次有人展示自己用AI做了什么有意思的事情。这种同事示范的力量远超专家培训，”当你看到和你做类似工作的同事用AI做出了令人惊喜的东西时，心理距离会瞬间缩短，’我也可以试试’的念头自然产生”。持续运作几个月后，研究院内部调研数据显示：86%的成员每天使用AI，人均同时使用3到5个产品，27%每天使用AI超过3小时。这些数字远超行业智库和很多互联网公司的整体水平。
ColaOS创始人橘子的做法代表了氛围营造的另一种形态，是集中爆发的信心质变。橘子给团队两周完全自由的探索时间，没有任何预设目标，没有PRD，就是让每个人用AI玩。两周后的demo day，大家展示各自的探索成果。从demo day到三周后推出内测产品，速度之快印证了一个模式：氛围一旦点燃，超级团队的形成可以非常迅速。
路径D：创始人驱动型。 这是一条独特的路径——创始人首先自己成为超级个体，亲自用AI做出产品级的成果，然后通过这个示范效应和/或技术平台来规模化地催生更多的超级个体。出门问问李志飞的路径清晰地展示了技术平台化的模式：他在亲历超级个体极限的同时，也看到了它在组织中可能带来的灾难。他的解决方案是设计AI原生协作平台CodeBanana，一个让所有团队成员都能借助AI进行高效工作的协作系统，同时实现筛选和氛围营造两个功能——愿意使用平台的人自然被筛选出来，平台上其他人的成果则持续营造着”人人可以”的氛围。
四条路径有一个共同的模式：所有成功的超级团队，底层动力都是个体能力的涌现；但涌现的速度和密度，取决于组织是否主动创造了条件。 路径A是纯涌现，路径B和路径D则是自上而下创造条件、自下而上长出结果。这些干预的共同逻辑是：你不能设计一棵树长成什么样子，但你可以选择土壤、控制光照、保证水源。区别只在于：有的组织等种子自己落地，有的组织主动播种。
另一个共性是可见性的关键作用。在所有四条路径中，超级个体的成果必须被看见——看见是传染的前提。如果超级个体的工作方式和成果被封闭在个人的屏幕后面，涌现就不会发生。正是可见性把个体的觉醒转化为团队的觉醒，把点状的突破转化为面状的变革。
第三章：超级团队的形态
三种超级团队形态
超级团队是一种已经在发生的现实。从大厂内部到硅谷前沿，从300人的AI公司到4人的开源团队，一系列组织正在以截然不同的方式回答同一个问题：当AI将个体能力放大十倍之后，团队应该长成什么样子？
报告用两根判定轴来分类超级团队。
第一根轴：中心节点是否存在。 传统组织几乎默认有中心节点——管理者、创始人、技术负责人。中心节点意味着方向判断权的集中：团队往哪走、资源怎么分、优先级如何排，最终收敛到一个人或极少数人的判断上。好处是方向一致、决策快，代价是团队上限被锁在中心节点的认知带宽上，且存在结构性的单点故障风险。但超级团队的一部分案例打破了这个默认——当团队中多个成员都具备独立闭环能力时，中心节点可以不存在，团队以对等网络的方式运转。
第二根轴：AI是否承担协调中介。 这是AI时代独有的维度。传统组织的协调只有两种介质：人或流程。AI作为第三种协调介质正在出现：它接管了节点之间的信息路由、任务编排、上下文同步。这根轴形成一个光谱：一端是AI作为个体的效率工具、协调仍靠人；另一端是AI作为组织的协调中枢、人围绕Agent工作。
基于这两根轴，三种主要形态浮现出来。
形态一：节点辐射型。 典型特征是：组织里有一到几个具备超级个体特征的核心节点，他们的判断力和执行力远超组织平均水平，组织资源围绕他们辐射展开。AI是这些核心节点的工具栈，让他们的辐射半径放大数倍，但AI本身不参与协调。辨识标准：去掉核心节点后，团队是否立即丧失方向感和执行力。如果答案是肯定的，说明组织围绕中心节点运转。
这种形态的优势是方向一致性强、决策速度快、启动门槛低，适合早期创业、组织转型初期、或团队内能力差距悬殊的场景。边界是上限被锁在中心节点的能力天花板——核心节点的认知带宽、精力极限和判断盲区，就是整个团队的天花板。安克创新的6人小组是典型代表：原来10人的团队调整为6人，”大New人”（懂业务加会用AI加能构建AI智能体）负责方向和判断，”小New人”（用好AI平台工具，效率提升3到5倍）负责执行和交付，整个单元围绕大New人运转。
形态二：网络协作型。 核心特征是：没有唯一中心，多个超级个体各自发挥所长，彼此通过共同命题而非层级关系连接。AI在这里已经不止是各自的效率工具，它承担起了节点之间的协调中介：信息路由、上下文同步、任务衔接，很大程度上由AI和透明系统接管，不再依赖一个中心人物去调度。辨识标准：每个核心成员是否都具备完整闭环能力，且彼此之间没有固定的汇报关系。如果任何一个节点离开，团队会受损但不会瘫痪，这是网络协作型的韧性标志。
这种形态的优势是适应性强、韧性高、决策的多维度性更好——多个独立视角并行思考同一问题，减少了单点盲区。边界是人才密度——每个节点都得是能独立闭环的超级个体，招聘标准因此极为严苛；达不到这个密度，对等网络就会退化成一堆各干各的人。CodeBuddy是这种形态的代表：三层架构（专业层IC、领域层、产品层），大仓monorepo，全员可读可写文档，20多个领域Owner大部分是普通IC，没有部门墙，几乎没有过程会议，每天发版，50人到160人始终保持小Feature Team。Anthropic也是典型——全公司只有一个技术职称MTS，不分研究员和工程师，身份等级被抹平，没有谁是固定的中心；协调几乎不靠管理动作，透明成了AI工作流的副产品，节点之间靠这套透明基础设施自动对齐，把中层传递省掉了。
形态三：AI中枢型。 这是AI时代独有的新形态，AI被升格为组织的协调中枢——不是辅助某个中心节点，而是作为所有节点的协调大脑存在。人从执行者变成了AI的Prompt工程师和产出审查者，围绕AI的组织编排而非层级关系组织起来。这种形态目前仍处于早期探索阶段，但它代表了AI时代组织形态演进的远端方向。
三种形态可以并存于同一组织，也可随业务发展和技术成熟而自然过渡。报告的判断是：在AI时代，仍然把组织变革等同于设计一张更好的架构图的管理者，大概率会慢一步。组织能自上而下设计的，至多是让它生长的土壤。
结语
这份报告最动人的地方，在于它对”组织变革”这件事提出了一个全新的本体论假设：真正的变革不是被设计出来的，而是长出来的。
过去两年，几乎每一家咨询公司都发布了AI转型路线图，每一个商学院都开设了AI战略课程，每一位CEO都在年度战略里写下了”拥抱AI”四个字。但麦肯锡的数据告诉我们，88%的采纳率和1%的成熟度之间的鸿沟，说明绝大多数的自上而下设计，都只是在给一棵已经生长了很久的树修剪枝叶。
真正有效的变革，核心驱动力来自自下而上的涌现。一个人先醒来，用AI把自己的能力放大十倍，然后这种新的工作方式像涟漪一样向外扩散。组织能做的，是创造让这种涌现更容易发生的土壤——选择土壤、控制光照、保证水源，然后耐心等待种子落地、生根、连成一片。
这不是一种管理哲学，而是一种演化生物学视角。它把组织看作一个复杂的生态系统，而不是一台可以按蓝图组装的机器。超级个体是这个生态系统的物种突变，而超级团队是突变被自然选择保留下来之后的适应形态。报告的核心贡献，不是给出了答案，而是给出了描述这个过程的概念语言——有了这套语言，我们才能更精准地观察、理解，进而推动正在发生的变革。
