與愛為舞：從AI原生組織到產(chǎn)品規(guī)?；涞亍?br/>

當(dāng)大多數(shù)企業(yè)還在摸索如何“用AI”，這個時代最激進(jìn)的一批探路者，已經(jīng)在回答一個終極問題：

當(dāng)一家公司“生而AI”，底層架構(gòu)和運行邏輯完全建立在AI之上，會發(fā)生什么？

創(chuàng)辦于2021年的大模型公司Anthropic，僅用不到五年時間走完OpenAI十年的路，最新估值超過3000億美金，在全球未上市創(chuàng)業(yè)公司中僅次于OpenAI、字節(jié)跳動和SpaceX。

2022年成立的法律AI獨角獸Harvey，火速拿下全美1.5萬家律所客戶，ARR（年度經(jīng)常性收入）超過1億美元，估值達(dá)到80億美元。

在硅谷，類似的案例還分布在其它AI應(yīng)用賽道。例如2023年成立的AI客服公司Sierra，僅用18個月便躋身百億美金獨角獸俱樂部，ARR逼近1億美元。

而在中國，最典型的案例當(dāng)屬2023年成立的DeepSeek。其以139名研發(fā)人員和不到600萬美元的訓(xùn)練成本，創(chuàng)造出媲美ChatGPT的大語言模型，一上線便橫掃全球，開啟了魔幻般的“DeepSeek時刻”，幾乎令硅谷夜不能眠。

同樣誕生于2023年的中國公司與愛為舞，于2025年2月上線了真人級AI一對一導(dǎo)師（AI Tutor）“愛學(xué)”，覆蓋語數(shù)外等多學(xué)科，迄今用戶規(guī)模已突破百萬。相比于2016年創(chuàng)辦、2023年才接入ChatGPT的英語口語學(xué)習(xí)應(yīng)用公司Speak，與愛為舞用明顯更短的時間達(dá)到與之相當(dāng)?shù)墓乐?，更是讓“AI Tutor”進(jìn)化到真人級、多學(xué)科的更高級形態(tài)。

觀察上述企業(yè)，并不難看出一個明顯的共同點：它們不是用AI“賦能”業(yè)務(wù)，而是AI能力就等于業(yè)務(wù)本身，其產(chǎn)品與商業(yè)模式由AI深度驅(qū)動，在市場上具備了非凡的競爭力。

而在水面之下，在對外交付的卓越產(chǎn)品背后，這些企業(yè)還在組織形態(tài)層面存在共性。它們并非在舊有的組織架構(gòu)、業(yè)務(wù)流程中添加AI，而是直接將AI作為底座重構(gòu)了組織，實現(xiàn)了從“使用AI”到“由AI構(gòu)建”的范式躍遷。

這類企業(yè)所代表的，正是當(dāng)下最先進(jìn)的組織范式：“AI-Native”（AI原生）。

互聯(lián)網(wǎng)、移動互聯(lián)網(wǎng)、人工智能……每一次數(shù)字基礎(chǔ)設(shè)施的升級換代，都會催生一批從新技術(shù)、新思維土壤中生長出的“原生”企業(yè)。如同二十年前人們討論谷歌、亞馬遜、BAT等“互聯(lián)網(wǎng)原生”企業(yè)，當(dāng)下的AI時代，“AI原生”企業(yè)被視為新浪潮中最先進(jìn)的組織形態(tài)。

相比于大部分企業(yè)通過引入AI帶來局部點狀提效，AI原生企業(yè)的先進(jìn)之處在于：從成立之初就以人工智能作為核心驅(qū)動力，深度嵌入企業(yè)產(chǎn)品設(shè)計、業(yè)務(wù)流程與組織框架。在這套原則之下，企業(yè)構(gòu)建起人機(jī)協(xié)同的共生型組織，以AI為產(chǎn)品服務(wù)創(chuàng)新引擎，以數(shù)據(jù)飛輪驅(qū)動系統(tǒng)持續(xù)進(jìn)化，實現(xiàn)敏捷開發(fā)迭代。AI原生，成為它們撬動競爭優(yōu)勢的最大杠桿，帶來的是系統(tǒng)整體效能和競爭力的升級，甚至是競爭維度的躍遷。

在中國市場，能夠驗證這種杠桿效應(yīng)的樣本并不多。作為一家從成立之初就以AI為底層運行邏輯來設(shè)計組織、產(chǎn)品與服務(wù)的科技公司，與愛為舞是極少數(shù)拿到了規(guī)?；炞C結(jié)果的案例。

從AI的新土壤中“長”出來

2023年春節(jié)，ChatGPT以石破天驚之勢，刷新了全世界對AI的想象。

無數(shù)人心潮澎湃，曾任百度鳳巢系統(tǒng)核心負(fù)責(zé)人、高途聯(lián)合創(chuàng)始人的張懷亭是其中之一。春節(jié)剛過，他便給前同事、原高途課堂總經(jīng)理劉威打電話，聊了兩個問題：

這次的AI浪潮和上一次有什么不同，它是否真能帶來生產(chǎn)力和商業(yè)模式的變革？

教育還值不值得用AI重做一遍，我們是不是最適合做這件事的人？

十分鐘的電話，決定了一家公司的誕生。其基因和軌道，早早被寫在了公司名稱里——“與愛為舞”，是愛，也是AI。

在張懷亭和劉威的構(gòu)想中，與愛為舞要研發(fā)國內(nèi)首個“真人級AI一對一導(dǎo)師”，并實現(xiàn)大規(guī)模落地，用AI改變教育的范式。不僅企業(yè)核心業(yè)務(wù)和產(chǎn)品根植于人工智能技術(shù)，組織本身也要以AI為底層邏輯重新設(shè)計。這將是一個徹底跳出舊框架，從AI時代的新土壤中“長”出來的新物種，而他們是國內(nèi)第一批走上新路的創(chuàng)業(yè)者。

確定了將基于大模型的真人級AI導(dǎo)師作為公司核心產(chǎn)品之后，如何用AI來重構(gòu)組織，成為擺在眼前的最大挑戰(zhàn)。放眼四周找不到參照物，具體要怎么干？

問題的答案，其實存在于問題本身。

傳統(tǒng)的組織之所以無法將AI的價值最大化，是因為整套架構(gòu)都是為“人”的協(xié)作而設(shè)計的，其核心是定義崗位、劃分權(quán)責(zé)、通過流程串聯(lián)，本就“沒有AI什么事”。

在這套涇渭分明的職能架構(gòu)當(dāng)中，不同部門之間的壁壘以及依賴人力驅(qū)動的線性工作流，決定了AI無法真正被納入?yún)f(xié)作系統(tǒng)當(dāng)中，只能在既有分工下的單個環(huán)節(jié)充當(dāng)局部效率工具——工程師用它寫代碼，運營用它生成內(nèi)容，客服用它回復(fù)問題……看似處處有AI，但AI只是外置工具，組織本身并未發(fā)生質(zhì)變，核心工作流也未改變，人仍然承擔(dān)著幾乎全部的執(zhí)行、判斷與協(xié)調(diào)成本。

在這種模式下進(jìn)行所謂的“人機(jī)協(xié)同”，AI發(fā)揮的價值只能局限在單點智能，雖然短期內(nèi)提高了局部效率，卻無法積累系統(tǒng)能力，更無法從根本上提升組織創(chuàng)新能力。

“AI原生的分水嶺，在于是否圍繞AI重寫了組織的運行邏輯，讓AI與組織、與個體、與業(yè)務(wù)深度共生?！睅е@樣的判斷，與愛為舞所做的最重要的一件事，就是以人機(jī)協(xié)同為核心，重構(gòu)工作流、協(xié)作模式和價值創(chuàng)造方式，打造一個人與AI共生的組織。

人與AI共生的組織

在與愛為舞，產(chǎn)品、研發(fā)、運營、設(shè)計、銷售，這五個最核心崗位都被AI重構(gòu)。

其核心邏輯是共生式的人機(jī)協(xié)同：人與AI不再是簡單的使用者與工具關(guān)系，而是構(gòu)成一個有機(jī)整體中兩種不同但互補的智能形態(tài)。在這個整體中，雙方基于各自的核心優(yōu)勢進(jìn)行深度協(xié)作，共同完成價值創(chuàng)造，實現(xiàn)“1+1>2”的系統(tǒng)性能力躍升。

以產(chǎn)品為例。

傳統(tǒng)互聯(lián)網(wǎng)公司采用瀑布式的產(chǎn)品工作流，基本按照“需求調(diào)研-需求定義-設(shè)計開發(fā)-產(chǎn)品上線-分析迭代”的線性順序執(zhí)行。流程漫長且反饋滯后，必須要等到產(chǎn)品開發(fā)完成上線之后才能看到實際效果，一旦修改需求又需要重新走完整個流程，試錯成本極高。

其中，產(chǎn)品經(jīng)理的核心職責(zé)是信息傳遞與流程管控，常常被淹沒在繁冗的調(diào)研材料、需求文檔與跨部門會議溝通中，工作低效且依賴主觀判斷，難以發(fā)揮創(chuàng)造力。

而在與愛為舞，產(chǎn)品工作流與人的價值完全被AI重構(gòu)。

首先在需求調(diào)研這一步，AI成了調(diào)研的執(zhí)行者。通過AI Agent進(jìn)行全方位調(diào)研，DeepSearch深度分析大幅提效，信息源交叉驗證，原本需要耗時至少數(shù)天的調(diào)研周期被壓縮到分鐘級，產(chǎn)品經(jīng)理能夠拿出更多的時間和心力，洞察真正的用戶需求。

如果只是停留在這一步，那么與愛為舞與其它運用AI工具提效的企業(yè)，或許并沒有本質(zhì)的不同。更為關(guān)鍵的在于隨后的一系列工作流，對舊有模式進(jìn)行了徹底的打破重塑。

當(dāng)產(chǎn)品經(jīng)理腦中有了產(chǎn)品創(chuàng)意，下一步不是忙著寫PRD（產(chǎn)品需求文檔），而是使用AI，用自然語言直接生成可交互的MVP（產(chǎn)品原型），這一過程僅需1-2小時。

驗證迭代因此被前置。利用AI生成的產(chǎn)品原型，產(chǎn)品經(jīng)理通過自身試玩、非技術(shù)人員測試、目標(biāo)用戶體驗等方式，快速驗證假設(shè)、發(fā)現(xiàn)問題并即時生成新的產(chǎn)品原型，實現(xiàn)極低成本的快速迭代。如此一來，在正式進(jìn)行產(chǎn)品開發(fā)前，就能消滅大部分邏輯漏洞和體驗問題。

由此，產(chǎn)品經(jīng)理的工作核心，就從撰寫文檔和傳遞信息，轉(zhuǎn)變?yōu)榘l(fā)揮創(chuàng)造力，直接構(gòu)建和驗證產(chǎn)品邏輯。

到了正式開發(fā)階段，產(chǎn)品經(jīng)理交給研發(fā)團(tuán)隊的不再是模糊的文檔，而是邏輯跑通且經(jīng)過驗證的GitHub代碼庫。UI設(shè)計師只需微調(diào)設(shè)計細(xì)節(jié)，前端研發(fā)則專注于性能優(yōu)化和接口接入，相當(dāng)于研發(fā)從“從零搭建”變成在已有框架上的“精裝修”，1-2周內(nèi)即可完成交付、上線產(chǎn)品。之后再對產(chǎn)品進(jìn)行迭代時，產(chǎn)品經(jīng)理又可借助AI快速編寫SQL，搭建數(shù)據(jù)看板，無需再被漫長的數(shù)據(jù)分析周期拖住手腳。

如此一來，整個產(chǎn)品研發(fā)周期縮短了1/3。更重要的是，產(chǎn)品得以在“探索-驗證-迭代”的高頻閉環(huán)中快速進(jìn)化，而人的價值也得到升華——產(chǎn)品經(jīng)理從產(chǎn)品管理者的角色中解放出來，成為真正的產(chǎn)品構(gòu)建者。

除了產(chǎn)品以外，研發(fā)、運營、設(shè)計、銷售這些崗位，同樣在新的人機(jī)協(xié)同系統(tǒng)中被重塑：

研發(fā)工程師擺脫了堆砌代碼的執(zhí)行工作，專注進(jìn)行系統(tǒng)架構(gòu)設(shè)計和核心技術(shù)決策；

設(shè)計師不再把時間花在執(zhí)行制作，而是定義風(fēng)格與標(biāo)準(zhǔn)，把控AI生成的創(chuàng)意與質(zhì)量；

運營人員使用AI工具完成一條龍工作，成為一個高效、可規(guī)模化內(nèi)容生產(chǎn)系統(tǒng)的管理者，3人小團(tuán)隊就能完成過去20人團(tuán)隊的工作量；

銷售的職能從流程化的服務(wù)，變?yōu)閮?yōu)化銷售策略，進(jìn)行深度的客戶關(guān)系管理。銷售部門從成本中心，轉(zhuǎn)變?yōu)槌掷m(xù)產(chǎn)生數(shù)據(jù)智能與客戶洞察的價值中心……

在張懷亭看來，這正是人機(jī)共生式協(xié)同的最終目標(biāo)——它不是要取代人，而是將人從繁瑣的執(zhí)行中解放出來，回歸到創(chuàng)造與思考的本質(zhì)，去從事更具創(chuàng)造性和戰(zhàn)略性的工作，從而放大人的價值。與此同時，組織的能力也從堆砌人力，升級為構(gòu)建和運營一個能夠持續(xù)自我優(yōu)化的智能系統(tǒng)。

在這個過程中，人機(jī)協(xié)同工作流不是“人做完甩給AI”或“AI做完甩給人”，而是緊密交織的閉環(huán)。部門墻也因此被打通，數(shù)據(jù)和智能在組織內(nèi)部自由流動。

在與愛為舞，所有部門都在一個共享的“數(shù)據(jù)池”中工作。銷售AI與家長的溝通記錄（如“孩子對幾何不敏感”），會實時沉淀到用戶畫像中；產(chǎn)品經(jīng)理的AI工具會分析這些數(shù)據(jù)，快速迭代產(chǎn)品功能；設(shè)計師的AI則會依據(jù)學(xué)生的認(rèn)知偏好數(shù)據(jù)，調(diào)整課件視覺風(fēng)格……基于跨崗位、跨流程的數(shù)據(jù)互通，組織的所有單元無縫銜接，成為一個高效協(xié)同、決策科學(xué)的智能有機(jī)體。

至此，AI才真正從零散使用的點狀智能，升級為支撐組織運轉(zhuǎn)的系統(tǒng)智能；組織也由此從一臺依賴人力驅(qū)動的執(zhí)行機(jī)器，轉(zhuǎn)變?yōu)橐粋€能夠持續(xù)學(xué)習(xí)、持續(xù)交付的先進(jìn)系統(tǒng)；與愛為舞也借此真正推開了那扇名為“AI原生”的大門。

然而，理論上的自洽與內(nèi)部流程的重塑，并不足以證明一種新組織范式的先進(jìn)性。AI原生的真正價值，必須在真實、復(fù)雜且規(guī)?；臉I(yè)務(wù)場景中接受終極檢驗。

在真實教育場景中大規(guī)模驗證

喬布斯曾多次表達(dá)過一個不樂觀卻極具洞察力的判斷：技術(shù)本身無法改變教育。教育真正困難的部分，在于理解學(xué)生處在什么階段、需要怎樣的引導(dǎo)與反饋。如果教學(xué)結(jié)構(gòu)和組織方式不發(fā)生變化，技術(shù)只會被消耗在舊體系中，充其量只是更高效地完成原有流程。

與愛為舞選擇的應(yīng)用場景，正是這樣一個高難度的“試煉場”。其全力押注的“AI導(dǎo)師一對一”業(yè)務(wù)，更是直指教育場景中最難抵達(dá)的山巔——完全適應(yīng)個體學(xué)習(xí)情況、能夠“因材施教”的個性化教育。

孔子在兩千多年前就開始實踐“因材施教”的理念，但時至今日依然難以大范圍落地，其核心瓶頸在于幾組矛盾的共存：極致的個性化需求與龐大的用戶規(guī)模；非標(biāo)準(zhǔn)化的服務(wù)過程與對效果穩(wěn)定性的高要求；持續(xù)互動、長期陪伴與可控的運營成本。這導(dǎo)致大規(guī)模、高質(zhì)量和低成本三者無法兼顧，傳統(tǒng)的解決方案不得不在此間進(jìn)行取舍，這便是教育領(lǐng)域的“不可能三角”。

與愛為舞所做的，恰恰是在這個“不可能三角”中尋求突破。其核心產(chǎn)品：真人級AI一對一導(dǎo)師，錨定的目標(biāo)正是讓每一個個體，都享受“一對一”的優(yōu)質(zhì)教育服務(wù)。

圍繞這一目標(biāo)，與愛為舞打通了“大模型+數(shù)字人+語音+工程”全棧技術(shù)，形成一個深度耦合的系統(tǒng)。其中，大模型負(fù)責(zé)“怎么教”，語音負(fù)責(zé)“聽得懂、說得自然”，數(shù)字人負(fù)責(zé)“在場感”，工程負(fù)責(zé)“跑得穩(wěn)、扛得住”。

而支撐這套系統(tǒng)運轉(zhuǎn)起來的，正是AI原生組織所具備的數(shù)據(jù)互通屬性，與持續(xù)學(xué)習(xí)、自我進(jìn)化能力。

基于跨崗位、跨流程的數(shù)據(jù)貫通，系統(tǒng)能夠?qū)τ脩粜纬沙掷m(xù)而深入的認(rèn)知，這提供了實現(xiàn)個性化教學(xué)的基礎(chǔ)。

具體而言，一個學(xué)生在前期咨詢階段表現(xiàn)出的興趣點，與AI導(dǎo)師互動中的答題表現(xiàn)、互動節(jié)奏與反饋偏好，在課后練習(xí)中體現(xiàn)出的思維模式等，都會被實時捕捉、分析并沉淀到其個人畫像中。

這些數(shù)據(jù)會直接驅(qū)動后續(xù)的交互，使得教學(xué)過程圍繞學(xué)生個體進(jìn)行動態(tài)的調(diào)整。例如在學(xué)習(xí)內(nèi)容層面，AI會自動生成適合該學(xué)生當(dāng)前認(rèn)知水平和興趣偏好的練習(xí)題與講解方式；學(xué)習(xí)節(jié)奏上，AI能動態(tài)調(diào)整教學(xué)節(jié)奏，在適當(dāng)時機(jī)進(jìn)行鼓勵或切換主題。

在數(shù)據(jù)飛輪效應(yīng)的驅(qū)動下，這套系統(tǒng)成了“活”的系統(tǒng)。每一次與用戶的互動，既是服務(wù)，也是一次學(xué)習(xí)和優(yōu)化的機(jī)會。海量的用戶行為數(shù)據(jù)持續(xù)反哺著背后的教學(xué)模型，使其對教育規(guī)律、用戶需求的理解不斷深化，從而讓整個系統(tǒng)的教學(xué)策略、內(nèi)容生成和交互體驗得以持續(xù)迭代和升級。服務(wù)質(zhì)量不再隨著規(guī)模擴(kuò)大而稀釋，反而因為數(shù)據(jù)積累而變得更加優(yōu)質(zhì)和精準(zhǔn)。

如此一來，教育就不再是統(tǒng)一流程的“千人一面”，而是“千人千面”甚至“一人千面”。用戶進(jìn)入一個能夠持續(xù)理解、持續(xù)響應(yīng)他們并提供極致個性化服務(wù)的系統(tǒng)，成為了“AI學(xué)習(xí)原住民”。

近一年來，與愛為舞的這套AI原生系統(tǒng)，在真實業(yè)務(wù)中跑出了規(guī)?；慕Y(jié)果：百萬級的“AI學(xué)習(xí)原住民”規(guī)模，穩(wěn)定且持續(xù)的使用時長，以及顯著改善的學(xué)習(xí)效果指標(biāo)。

這一結(jié)果所蘊含的意義，其實并不止于教育行業(yè)，而是預(yù)示著一個更宏大的未來。

正如張懷亭所洞察的：利用生成式AI技術(shù)，有機(jī)會“將服務(wù)業(yè)做成制造業(yè)”。長久以來，服務(wù)業(yè)普遍受困于大規(guī)模、高質(zhì)量和低成本無法兼顧的瓶頸，而借助生成式AI，傳統(tǒng)上依賴人類專家經(jīng)驗和時間、難以規(guī)?；母叨朔?wù)業(yè)，將具備像現(xiàn)代制造業(yè)一樣，實現(xiàn)標(biāo)準(zhǔn)化、自動化、高質(zhì)量且低成本交付的潛力。這將為服務(wù)產(chǎn)業(yè)帶來范式重構(gòu)級別的改變，甚至引發(fā)社會運行邏輯的一次升級。與愛為舞的實踐，恰好落在這一轉(zhuǎn)折點上，提供了一個可觀察、可借鑒的樣本。

用新范式創(chuàng)造新未來

與愛為舞的實踐，為AI時代的企業(yè)標(biāo)記了一條清晰的進(jìn)化路徑。

隨著大模型等底層技術(shù)日益普及和標(biāo)準(zhǔn)化，企業(yè)的競爭壁壘，正從“技術(shù)擁有”轉(zhuǎn)向“系統(tǒng)能力”。單純“擁有”更先進(jìn)的AI技術(shù)，所能建立的競爭優(yōu)勢窗口期越來越短，未來的分水嶺，將在于企業(yè)能否基于AI打造出持續(xù)進(jìn)化的系統(tǒng)能力。

這種系統(tǒng)能力至少包含三個層次——

數(shù)據(jù)飛輪與閉環(huán)進(jìn)化能力：構(gòu)建起用戶數(shù)據(jù)在業(yè)務(wù)全鏈路中自然流動、并反哺產(chǎn)品與服務(wù)的正向循環(huán)，使系統(tǒng)越用越聰明。

人機(jī)協(xié)同的組織基因：將人機(jī)共生的模式內(nèi)化為組織基因，形成一套能夠高效運轉(zhuǎn)、不斷優(yōu)化的人機(jī)協(xié)作流程與文化。

對復(fù)雜場景的深度理解與定義能力：AI的價值最終要落在解決實際問題上。能否精準(zhǔn)定義行業(yè)核心痛點，并利用AI原生范式提出顛覆性解決方案，這依賴于對產(chǎn)業(yè)的深刻洞察，其本身構(gòu)成了極高的壁壘。

而這一切的前提是，企業(yè)要跳出舊框架，以AI重寫組織的運行系統(tǒng)，在戰(zhàn)略、組織、文化上完成一場徹底的蛻變。

當(dāng)企業(yè)競爭的核心從“技術(shù)應(yīng)用”升維為“系統(tǒng)能力”的構(gòu)建，這對于處于后發(fā)劣勢的中國科技產(chǎn)業(yè)意味著什么？

答案或許是一次史詩級的破局機(jī)遇。

在傳統(tǒng)的發(fā)展范式下，中國科技企業(yè)受困于后發(fā)劣勢，面臨難以逾越的壁壘。行業(yè)領(lǐng)先者在技術(shù)、生態(tài)、標(biāo)準(zhǔn)等各方面積累了深厚的護(hù)城河，而后來者天然在資源的堆砌和時間的投入上處于劣勢，若跟隨先發(fā)者的既定路線前進(jìn)，往往會陷入“追趕-落后-再追趕”的循環(huán)，很難在相同的賽道和規(guī)則下實現(xiàn)超越。

然而，AI原生范式從根本上改變了競爭的邏輯。由AI驅(qū)動的系統(tǒng)級能力躍遷，讓后發(fā)企業(yè)能夠以有限的資源和時間投入，撬動指數(shù)級的能力躍遷，從而快速追平與先發(fā)者的能力鴻溝，或者以開創(chuàng)性的產(chǎn)品服務(wù)模式開辟新的賽道——這不是一場在舊地圖上苦苦追趕的艱難跋涉，而是一次新范式下的“換道超車”。

與愛為舞的成功實踐，正是這一趨勢的縮影。這家成立僅兩年的公司，利用AI原生范式構(gòu)建的系統(tǒng)級能力，而非局部的技術(shù)追趕，在全球最前沿的AI應(yīng)用賽道上，成為與頂尖玩家同臺競技的重要力量。這不僅是一家企業(yè)的成功路徑，更意味著AI原生所帶來的最大杠桿效應(yīng)，為中國科技企業(yè)的全球化崛起打開了一條新的通道。

第一批AI原生企業(yè)的答卷已然交出，而AI原生帶來的深刻變革，才剛剛開始。