李斌和朱江明的分歧

文｜三少爺

2026年易境思活動上，李斌與朱江明坐在了同一張桌子前。兩位從淘汰賽中殺出來的幸存者，面對怎么對待海嘯般來襲的AI，展現了不同的視角，給出了不一樣的答案。

和在5月2號的央視《對話》欄目中表達的一樣，李斌再次強調了蔚來的立場：AI的戰場絕不止于自動駕駛或智能座艙，把AI僅視為產品功能的升級，格局就小了；蔚來的終極愿景，是讓從做產品、管供應鏈到服務用戶的整個組織都走向AI原生，這是一種系統級的重構，比單點賦能要深遠得多。

當李斌All in組織級的AI原生時，朱江明卻保持了明顯的保守與克制——在他看來，AI被過度神化了，零跑的選擇是AI賦能，堅持制造業的本位和節奏感。這兩家新勢力車企掌門人的微妙分歧，直接引出了一個關乎行業未來的核心問題：面向AI時代，車企要不要向AI原生組織進化呢？

組織變異，AI原生的硬核手術

+AI、AI+，早就成了各行各業的共識，但怎么個‘+’法，卻還是個開放性問題。在這里，最容易掉進的坑，是把AI賦能當成AI原生。給員工配一個Copilot讓AI幫忙寫郵件做PPT，這是賦能——原有的組織形態不變，只是武器升級了。而“AI原生”是創造新的組織運行方式，代表的是組織在三個層面的變異。

首先是認知資產層，從“經驗驅動”走向“數據驅動”。傳統造車組織里，專家的經驗、項目的教訓、設計的規范，沉淀在老員工的腦海里、散落在各個部門的硬盤里：電路圖是PDF，代碼在私有倉庫，設計圖是本地文件，會議紀要是Word文檔。它們是資產，但更是孤島，AI讀不懂，更調用不了。AI原生組織則要求將這些認知資產進行“重組織”——將經驗方法論、流程制度、技術報告、電路圖、代碼、設計圖、研發成果、文字記錄、會議摘要等一切能夠被數字化的組織認知，按照AI可讀的方式重新組織，從源頭就為AI的理解與調用設計。

決策層，從“人+人+人+...”走向“AI+人”。傳統決策流程中，信息高度依賴人與人的溝通傳遞，一條市場反饋可能要經過銷售、產品、研發層層流轉，等決策下來黃花菜都涼了；AI原生決策中，AI承擔了海量信息的分析與處理，它能實時洞察用戶對話、行為數據和測試報告，直接給出決策支撐，讓人與人之間的漫長鏈路被極大縮短。

業務層，不是先有流程再讓AI適配，而是流程本身按AI的可操作性重新設計。這意味著，從供應鏈的物料預測、生產線的質量監控，到售后的用戶服務與反饋分析，每一個環節的流程起點與終點都被重新審視——AI是否能直接讀取原始數據并給出行動建議？哪些環節的人為審批可以被AI的實時決策替代？流程不再是人驅動的線性鏈條，而是以數據為輸入、AI為核心處理引擎、人為監督與例外處理的動態網絡，從而將整個業務流轉的摩擦降至最低。

聽著有點虛，還是拿斌哥的話借花獻佛吧。在26年Q2公司內部講話中，斌哥特意強調：“要結合業務的本質，把管理體系適配AI。要在深刻理解AI能幫你干什么的前提下搭建AI原生組織，業務、管理流程要按照AI的邏輯去匹配。”

斌哥之所以如此篤定，是因為他看清了一個趨勢：智能電動汽車技術路線已進入收斂期，智駕方案都在走向端到端，座艙方案都在走向智能體，底盤方案都在走向線控，“選對方向”的先發優勢正在被稀釋，此時決定能否勝出的關鍵，已從“技術路線之爭”轉向“組織效率之爭”，而AI原生的目的正是提升組織效率。效率提升的這筆賬，他在2026年Q2內部講話中算得很直白：“假如深刻運用AI能夠幫我們多賣5%的車，就能對沖原材料上漲的影響。”在央視的《對話》欄目里，他也表達了類似的觀點：“營收接近千億元，效率提升1%就是近10億利潤。”

上述關于決策、流程、效率的變革，聽起來還是有點形而上。實實在在的、物理層面的原生重構，得看組織架構上的動刀子。2026年初，小鵬汽車將自動駕駛與智能座艙部門合并為“通用智能中心”，這種部門重組，就是組織奔向AI原生的體現。

不過，在奔向AI原生組織的終極愿景路途中，雖然組織架構的調整背后或許會有一定程度的腥風血雨，但它只是可見度最高、顆粒度也相對粗糙的一步。更硬核、顆粒度更細的變革，是對“人”本身的深度干預——將存在于員工腦海中的經驗、判斷和隱性知識，通過某種AI流程“蒸餾”成可復用、可迭代的數字技能。雖然社區里“巴菲特skill”、“馬斯克skill”已被玩成爛梗，但將頂級專家的隱性經驗深度提煉、蒸餾為可規模化調用的Agent技能，絕對能為企業構建起極具價值的競爭壁壘。

這種“技能蒸餾”直指人的不可替代性，其沖擊力遠超部門重組。如果說權力架構的重構，尚不至于對組織的健壯性帶來傷筋動骨的沖擊，那么奔著“替代崗位”、“蒸餾技能”的努力，會不會在員工中引發極大的反彈與恐慌？更進一步說，作為一個以制造業為根基的汽車企業，有必要向OpenAI、DeepSeek那樣極致的“AI原生組織”看齊嗎？這，正是以零跑汽車為代表的“AI保守派”所質疑的。那么，對于AI這個大殺器，他們的看法與邏輯又是什么呢？

堅守本位，AI賦能派的務實與隱憂

在追求組織的AI原生上，蔚小理其實算是異類，朱江明的觀點才代表著中國汽車產業的基本盤：擁抱AI，但堅守制造業本位。在這個邏輯下，生存是第一要務，規模是第一目標，每一分錢都得花在能直接轉化為銷量的事情上：打性價比、建渠道、擴產能，這是比AI更重要的事情。

零跑不是不擁抱AI——恰恰相反，零跑積極引入AI工具做創新、做降本增效。但零跑對AI的定位和蔚小理有著根本區別：零跑走的是“AI賦能”路線，而非“AI原生”路線。“AI賦能”的本質在于，保持務實與審慎，拒絕將AI推上神壇、以動搖組織軍心的方式強推變革，這恰恰與朱江明“AI保守派”的自我定位一脈相承。在這次活動中，朱江明引用Gartner新興技術成熟度曲線，直言AI正處于期望膨脹期——被過度神話了。

這個邏輯里有一個被低估的智慧：對技術周期的敬畏。歷史上每一輪技術浪潮都經歷過膨脹→破滅→復蘇→成熟的周期，AI大概也不例外。當然，不少CEO（或許是為了融資）動不動就拋出兩年實現AGI的預言，時不時就給出五年取代99%腦力勞動的判斷，咋咋呼呼的AI到底會不會走出不一樣的曲線，沒有人可以給出準確的判斷。

跟All in AI的蔚小理相比，零跑和很多車企對待AI的策略很清晰：引入AI中已經成熟的技術用于降本增效。AI在零跑的定位不是“顛覆規則的神”，而是“提升效率的工具”——這個定位在10-20萬元的主力市場尤其成立。在這個價格帶，BOM成本的核心是電池、芯片、電機等硬件，AI的效能提升難以直接轉化為關鍵物料的節省，消費者要的是便宜好用的車，不會為一個看不見的“AI原生組織”支付溢價。因此，過于超前、動輒傷筋動骨的組織重構，其帶來的隱性成本與管理震蕩，可能反而侵蝕這個價格帶最為珍視的成本控制優勢與產品穩定性。

不過，選擇“AI賦能”而非“AI原生”，同樣有賬要算——只不過這筆賬不寫在當期損益表上，而是以“效率折損”的形式持續累積。因為，當技術迭代觸及組織架構的天花板時，兩條路線的車企終將面臨同一個問題：怎么對組織動刀子？致力于AI原生的組織，由于有著時間的積累和對AI如何穿透業務的深度理解，其調整的底層邏輯、數據準備與認知共識都已鋪墊就緒，因而阻力更小、進程更順、成效更徹底。而賦能路線下的組織調整，就沒有那么容易了。

AI原生的壁壘，核心不在于技術本身，而在于組織在日常工作中潛移默化、日積月累的打磨——把AI嵌入每一條流程、磨合出最優協作方式的過程，是無法壓縮的時光。當賦能派覺得AI技術成熟準備發力追趕時，原生派早已跑通了AI與業務融合的飛輪，那時再想跨越，恐怕也為時已晚了。

短期看，“AI賦能”與“AI原生”的分歧將會持續，它們各自的策略都有一定的道理。長期看，兩者的邊界或將模糊，畢竟，深度賦能到了一定程度，就離原生不遠了。智能電動汽車本就是物理AI最佳載體之一，產品若趨向原生，組織遲早需要與之匹配。

在未來幾年的淘汰賽中，車企真正面臨的風險不在于AI技術本身是不是成熟，會不會繼續突飛猛進，而在于對手組織形態的演進節奏及其決定的產品迭代速度是不是比你更快。或許最終，致力于成長為巨頭的車企都會邁向AI原生吧？！