最近刚从商汤离职，集中面试了40多家公司，发现无论大厂还是小厂，都有一个很明确的信号————要完成AI浪潮下互联网科技公司的组织架构转型。
过去二十年，互联网科技公司的研发组织默认建立在一个前提上：一个人无法独立完成从需求理解、产品设计、技术实现、实验验证到线上闭环的全链路工作，所以组织必须按职能拆分，再靠流程把这些人重新拼起来。
于是我们有了熟悉的组织形态：产品经理提需求，前端、后端、算法、测试、运维分工协作，中间再叠加架构组、平台组、基础设施组和管理层来做协调。这个体系在“人是主要生产力、工具能力有限”的时代是合理的。
但 AI 改变了这个前提。
今天，一个强个体借助 Claude Code、Cursor、Copilot、自动化评测、低门槛部署工具和各类 Agent，已经能完成过去需要一个小团队才能完成的工作。最先变化的，不是公司所有部门，而是研发部门的最小高效单元。
因此，AI 时代互联网科技公司的关键变化，不是让旧研发流程更快，而是把研发组织的基本单元从“职能分工协作”改成“超级个体驱动的小单元闭环”。
但这并不意味着传统研发团队消失。真正会发生的，不是传统团队整体消失，而是研发部门内部出现新的分层：前线负责探索和验证，中央团队负责承接和放大，专家团队负责单点突破。
我认为，AI 浪潮下，互联网科技公司的研发组织会逐步演化为三种不同但互补的角色：
Creator：以 1 到 3 人为单位的超级个体小组，负责敏捷开发原型、检验前沿技术、最快速度验证商业闭环Maintainer：传统技术团队，负责 Infra、平台、稳定性、工程化和长期迭代Researcher：算法团队和技术专家团队，负责深度专业能力和关键技术优化
这三者共同构成 AI 时代更合理的研发组织。
一、为什么研发部门会先变
销售、客服、运营也会被 AI 改变，但研发部门最先发生结构性变化，因为研发本身就是“抽象能力 + 工具能力 + 反馈闭环”最密集的地方。AI 一旦把编码、调试、测试、集成、部署中的大量重复劳动压缩掉，研发组织的最小单位就会立刻变化。
传统研发组织之所以层层分工，是因为闭环太长。今天之所以开始向超级个体倾斜，是因为闭环被 AI 极大缩短了。
这个变化已经不是抽象判断，而是可以从一线公司里看到相同信号。我从最近的面试中了解到三个公司的新组织形式：
第四范式在实际组织尝试中，已经把不少 AI 全栈交付任务压缩到“一个研发 + 一个产品”就能推进的规模。过去做一个应用往往需要 5 到 6 人，外加架构、运维等支持角色；现在借助 AI 工具，很多场景里两个人就能快速交付第一版，甚至一个人可以并行承担 2 到 3 个业务。这里最重要的不是“省了几个人”，而是组织第一次看到：很多原来必须经过多角色串联的事情，其实已经可以由更小的单元直接完成。
盛大Evermind 一类团队他们一方面保留云平台、限流降级、记忆服务等基础 Infra 团队，另一方面又明确希望有一支人数很少的尖刀团队，去做长期记忆、Agent 应用、价值验证和产品探索。CTO 在沟通里提到的一个判断很值得注意：当 AI 把实现效率拉高后，组织的主要障碍会从编码本身转向沟通。这句话几乎等于在说，旧组织里最贵的成本已经不再是“写不出来”，而是“协调太慢”。
美团内部围绕 AI Native SaaS 的新团队给出的信号更直接，也在用类似的思路重构研发组织。他们不是把人放在固定后端岗位里等需求单，而是采用更接近 OPC/FDE 的方式，让研发直接走向商户、理解需求、形成方案、落地产品，再从一线场景中抽象平台能力。这个变化说明，互联网公司真正想要的已经不再只是“把模块写完的人”，而是能把业务、产品、架构和实现连成一体的人。
这些案例共同指向一个事实：研发组织的变化不是因为大家突然喜欢小团队，而是因为 AI 让小团队第一次具备了足够强的生产能力。
二、Creator：AI时代的新前线组织单元
Creator 是 AI 时代最先崛起的新角色。
他们通常不是传统意义上单一职能的人，不局限于“全栈开发”“产品经理”或“算法工程师”中的某一个标签，而是跨领域的高密度人才。他们要能在极短时间内完成：
- 理解需求
- 定义最小可行产品
- 调用 AI 工具快速开发
- 验证前沿技术方案
- 上线原型
- 观察用户反馈
- 检验商业闭环
他们的价值，不是做“大而全的长期系统”，而是用最快速度发现什么值得做，什么不值得做。
为什么 Creator 会成为新前线？因为 AI 时代真正稀缺的，不再只是写代码的人，而是能完成“认知闭环”的人。谁能最快地把一个模糊问题变成可运行原型，谁就拥有组织价值。
这里最像金融行业里“交易员 book”的，不是某个固定职位，而是一个 Creator 小组对一个方向、一个用户问题、一个闭环指标负责。今天它可能在验证一个 Agent 的确定性，明天可能在验证一条 ToB 场景能不能从对话工具变成实际订单。组织如果还要求这类问题先过完整的传统协同链路，再进入开发，就会天然慢一拍。
Base44 之类 AI 产品的思路之所以值得注意，不在于它是不是终局产品，而在于它展示了一种很重要的工程哲学：通过模板、工具和约束，把自然语言表达映射到更确定的系统产出。这个思路说明，Creator 并不是“全凭灵感乱做”，而是在用 AI 时代的新工程方式，把模糊创造力压缩成快速验证的能力。谁更会这样工作，谁就更适合站在新组织的前线。
三、Maintainer：传统技术团队不会消失，反而会更重要
Creator 的职责是“跑出闭环”，但跑通闭环不等于把产品做成公司资产。
一个原型、一条验证通过的业务链路、一种已被证明有效的交互模式，如果要真正成为稳定可扩展的产品，就必须进入 Maintainer 阶段。
Maintainer 的职责包括：
- 基础设施支撑
- 稳定性与可观测性建设
- 性能优化
- 权限、安全、合规
- 多团队协作接口设计
- 长期工程化迭代
- 复杂系统治理
他们不追求“72 小时内出结果”，而追求“12 个月后系统仍然能稳定演进”。
很多关于 AI 组织的讨论容易犯一个错误：以为超级个体一旦出现，中央平台和传统技术团队就会失去意义。恰恰相反，互联网科技公司越是进入真实线上环境，越离不开 Maintainer。
盛大/Evermind 的组织信号很典型。团队一方面想要一个小而快的尖刀单元去验证长期记忆和 Agent 价值，另一方面又明确保留云平台、基础 Infra、限流降级和记忆服务等方向。原因并不复杂：验证阶段靠速度，规模化阶段靠系统。前者需要 Creator，后者需要 Maintainer。没有 Maintainer，Creator 交付出来的只是一堆无法复用、无法治理、无法承诺 SLA 的试验品。
第四范式的经验也指向同一点。他们之所以能把更多业务前移给 AI 全栈人员，不是因为不要工程化，而是因为后台已经在尝试把工作产出、交付周期、缺陷、延期等指标统一量化。换句话说，越是让前线更灵活，后方越需要稳定的标准和系统接住它。真正先进的组织，从来不是“没有中央平台”，而是中央平台不再垄断创新，但依旧承担放大创新的责任。
所以，AI 时代不是“不要支持部门”，而是要把支持部门从“流程门卫”改造成“能力放大器”。
四、Researcher：深度专业能力不会被取代，只会更集中
还有一类团队在 AI 浪潮下不会减弱，反而会更关键：Researcher。
他们不是负责通用交付，也不是负责业务原型，而是针对某些核心技术点做深度优化，比如：
- 模型效果优化
- 推理链路优化
- 多模型路由策略
- 记忆检索与压缩
- 系统评测
- 成本优化
- 安全和对齐问题
当通用开发被 AI 拉平后，真正稀缺的会是“深水区能力”。
这在记忆、Agent、推理成本、上下文管理这些问题上表现得尤其明显。盛大 CTO 面里反复讨论的，不是“会不会做一个聊天产品”，而是长期记忆如何做价值实现，不同场景下怎样选择最优方案，怎样在成本、成功率、上下文利用之间做系统优化。这些问题已经不是一个会调 AI Coding 工具的人凭经验就能解决的，它需要算法、系统、模型评估等深度能力长期投入。
换句话说，AI 时代的研发组织并不是“人人都会一点，于是专家没用了”，而是“通用能力被普及后，真正难的问题会更快暴露出来，于是专家更值钱”。Researcher 的作用，就是持续抬高整个组织的技术上限，让 Creator 的探索和 Maintainer 的产品化不至于停留在浅层组合。
五、三层结构才是互联网科技公司更合理的终局
基于上面的判断，我认为互联网科技公司研发部门会更接近下面这种结构：
1. 前线是 Creator 小组
- 1 到 3 人
- 高密度人才
- 面向真实问题
- 快速开发原型
- 快速实验
- 快速验证商业闭环
2. 中台和后方是 Maintainer 团队
- 保留平台、基础设施、稳定性、数据、安全、运维等中央支持职能
- 吸收 Creator 验证成功的方向
- 做长期工程化与规模化
3. 专家纵深是 Researcher 团队
- 聚焦难点技术突破
- 为 Creator 和 Maintainer 提供技术红利
- 在关键技术点上构建壁垒
如果用一句话概括：
AI 时代研发组织的变化，不是取消分工，而是把“发现和验证”前移给超级个体，把“接管和放大”交给传统技术团队，把“技术上限”交给专家团队。
这套结构之所以比旧模式更优，是因为它同时解决了三件旧组织很难同时做到的事：
- 高不确定性下的快速试错
- 大规模业务下的长期稳定
- 深技术领域里的持续突破
如果只有 Creator，没有 Maintainer，组织会变成一堆孤立 demo。
如果只有 Maintainer，没有 Creator，组织会稳定但迟钝。
如果没有 Researcher，组织很快会撞到技术天花板。
真正合理的终局，不是三者谁消灭谁，而是三者分工更清楚、流转更顺畅。
六、人才机制必须变化：技术招聘要从算法题转向 AI Coding 与真实工程闭环
如果研发组织真的要变成 Creator + Maintainer + Researcher 的结构，那么人才选拔机制必须一起变化。
今天很多互联网科技公司在技术招聘上，仍然高度依赖：
- 算法题
- 八股知识
- 静态系统设计题
- 过往项目背诵
这些方式在旧时代有一定价值，但对 AI 时代尤其是 Creator 人才的识别力，已经明显不足。
算法题测试的是局部抽象能力，但它测试不了一个人是否能借助 AI 完成真实交付。八股题测试的是记忆和套路，但它测试不了一个人是否有产品判断、架构能力和工程化思维。静态 system design 面试能看到口头表达，但经常看不到真实执行力。
问题不是这些能力完全没用，而是它们越来越不能代表“一个人能不能在 AI 时代创造业务价值”。
更有效的技术面试，应当更多用 AI Coding 能力测试来替代传统算法题和八股测试，并同时测试五件事：
- 候选人如何使用 AI 工具
- 是否具备基本架构能力
- 是否有工程化思考，而不是只会生成代码
- 能否在不完整信息下快速完成需求
- 面对追加需求或风险排查时，能否现场迭代
换句话说，不只是看“结果跑没跑出来”，还要看：
- 你怎么拆问题
- 你怎么调工具
- 你怎么做技术判断
- 你怎么发现风险
- 我临时加一个需求后，你怎么继续完成
这一变化并不是纸面推演，而是很多团队已经在实际面试中隐约转向的方向。第四范式 CTO 面试里更关心的，已经不是纯算法题表现，而是“你用 AI 产生代码的量和频率”“如果让你独立做一个业务，你会怎么做”。美团对应岗位的真实期待，也不是守着单点后端模块，而是能贴近商户场景，把需求调研、产品共创、工程实现和交付部署串起来。组织既然需要的是能独立完成闭环的人，招聘就不可能继续主要靠脱离现场的题目来筛选。
所以，新的人才机制不是取消技术门槛，而是把门槛从“脱离现场的抽象题”换成“贴近真实生产的 AI 工程能力测试”。
一个更合理的技术选拔方式，应当包含三层：
第一层：真实 AI Coding 任务
给定一个真实业务需求，让候选人在有限时间内用 AI 工具完成从理解需求到交付可运行结果的过程。重点看其工作流，而不是只看最终代码量。
第二层：追加需求与现场迭代
在候选人完成第一版后，立刻追加一个需求，或者指出一个潜在风险点，让其当场继续完成。这一轮主要测试的是：
- 是否具备增量修改能力
- 是否能理解已有上下文
- 是否能在压力下保持工程质量
第三层：风险定位与工程判断
不只问“怎么写”，还要问“哪里可能出问题”。比如：
- 这套方案未来扩展时会卡在哪
- 权限、性能、稳定性风险在哪
- 如果这部分要交给 Maintainer 接管，你会怎样设计边界
真正高质量的 Creator 候选人，不会只会把功能跑通，还会天然考虑后续如何被团队接住。
七、管理层在这种组织里要做什么
在 Creator + Maintainer + Researcher 的结构里，管理层最重要的职责，不再是日常过程控制，而是四件事：
1. 定义边界
什么事情 Creator 可以直接做，什么事情必须交给 Maintainer，什么问题必须由 Researcher 介入，边界必须清晰。
2. 设计流转机制
原型什么时候算“验证成功”，什么时候进入正式产品化，如何从 Creator 转交 Maintainer，如何让 Researcher 的成果被前线复用，这些都需要制度化。
3. 保障中央平台能力
平台不是可选项，而是这种组织方式成立的前提。没有统一的数据、部署、监控、权限和工具体系，Creator 只会变成高配版外包。
4. 改造评价体系
不能再用单一标准评价所有研发人才。
Creator 应更多看闭环能力和验证效率，Maintainer 应更多看质量与系统演进能力，Researcher 应更多看技术突破和杠杆贡献。
八、结论
AI 浪潮下，互联网科技公司的研发组织不会简单走向“全员超级个体”，也不会继续停留在旧有的大型职能分工模式。
更可能出现的，是一种新的三层组织：
Creator，负责以 1 到 3 人小组快速验证前沿技术和商业闭环Maintainer，负责基础设施支持、工程化接管和长期优化迭代Researcher，负责深度专业能力和关键技术突破
在这种结构下，中央平台不会消失，反而会更重要。真正变化的是，创新和验证的前线被极大前移了。
与之对应，人才选拔机制也必须改变。对技术人员的识别，不应再主要依赖算法题和八股，而要更多转向真实的 AI Coding 测试，评估其工具使用、架构思维、工程化能力和现场迭代能力。
谁能先完成这场研发组织的重构，谁就更可能在 AI 时代获得真正的组织优势。
