智能时代，公司还需要“中层”吗？

7月初，三家中国互联网巨头几乎同时向中层管理“开刀”。

腾讯游戏在国内发行线和生态发展部试点“负责人制”，将“总监”“组长”等管理头衔统一改为“负责人”和“成员”，取消L1/L2管理职级，是否站在汇报链上游不再是固定身份，而由专业贡献定级。

同一时间，字节跳动启动2026年上半年绩效评估，将更新后的“领导力原则”写入考核体系，要求所有管理者必须交出实质性业务产出、杜绝空转和形式化管理，半年激励里现金的比例也从100%降到25%，剩下75%换成了与长期业绩绑定的期权。

京东零售更是直接砍掉两层管理层，取消C4、C5职级的管理者身份，相关人员直接挂靠在C3名下。

这并非是中国互联网公司的孤立动作。

大洋对岸的Meta在Reality Labs部门给员工换上“AI builder”“pod lead”“org lead”这样的新头衔，试图让组织变得更“AI原生”。支付公司Block的CEO Jack Dorsey则把管理者重新定义为与团队一起干活的“player-coach”，并公开表示希望有朝一日彻底取消管理层级。

这不只是几家公司的一厢情愿。

哈佛商学院与INSEAD研究者今年发布了一篇题为“AI原生公司（AI-Native Firms）”的工作论文。该研究在追踪了Y Combinator支持的创业公司数据后发现，“AI原生”初创公司的组织层级比同行业、同规模的传统公司显著更少：中位数只有3级，而非AI公司是4级，管理者占员工总数的比例也低出约4个百分点，但这些公司的融资规模和估值并未因此打折。

YC支持的创业公司管理层级数量分布情况，红色的是“AI原生”公司，蓝色为传统公司。图源：https://www.hbs.edu/faculty/Pages/item.aspx?num=69077

过去100多年里，现代公司制度已经成为现代商业世界中理所当然的组织形态。层级结构、岗位分工、管理体系等已经深深嵌入我们对于“组织”的全部理解之中，以至于我们很少再去追问，为什么组织一定要这样运行。

今天，当越来越多的 AI 原生组织展现出完全不同的运行状态时，一个更深层的问题开始浮现：

我们正在面对的，除了工具的升级，是否还有组织逻辑的根本性变化？

在《智能：AI时代的商业、组织与战略的本质》一书中，阿里巴巴集团前总参谋长曾鸣回答了这一问题。

传统公司本质上是一种认知压缩结构。高层负责形成方向与判断；中层负责把复杂战略翻译成可以执行的任务，同时把一线信息重新压缩、整理、向上传递；基层则围绕明确目标稳定执行。整个组织像一个巨大的信息处理机器，而层级本身就是这个机器最核心的认知流动结构。

因此，工业时代的管理逻辑天然会强调流程、汇报、审批、控制、岗位边界与层级协调。因为在认知能力稀缺、信息无法自由流动的世界里，这是维持大规模协作唯一可行的方法。

但AI改变了这一前提。过去，大量组织运转所依赖的认知压缩工作，本质上只能由人完成。管理者需要阅读报告、参加会议、协调部门、总结信息、传递判断；今天，大模型与智能体能够参与这一过程。

更重要的是，组织中的认知具备了持续流动的可能性。

CEO 的判断可以更直接地进入整个组织；一线用户的反馈可以更快速地进入决策系统；不同团队之间不必再通过层层汇报才能形成协同；大量过去因为认知传递成本而存在的层级，逐渐失去了存在基础。

于是，传统管理体系出现根本性松动。过去很多管理动作本质上是在弥补认知无法自由流动的问题，而在AI开始重构组织中的认知流动方式之后，很多原本必要的流程、层级与控制机制，就会越来越像一种额外成本。这也是为什么今天的 AI 原生组织看起来已经不像传统意义上的公司了。它们最重要的变化并不只是“更少的人”或者“更高的效率”，组织存在的核心目标也发生了改变。

工业时代的组织能力，是规模化执行既有答案

我们如此熟悉的公司并不是天然存在的，而是一种在特定生产方式下逐渐形成的协作结构。

工业革命之前，人类当然也存在大量组织。家庭、宗族、行会、商帮、军队、教会，甚至各种临时性的商业合伙，都能够完成一定规模的协作。但这些组织大多建立在熟人关系、经验传承、地缘连接或者强权控制之上。它们可以维持局部协作，却很难支撑大规模、持续稳定的复杂生产。

真正改变这一切的是工业革命。

在蒸汽机、电力系统、流水线以及现代制造体系逐渐出现之后，人类第一次需要在一个前所未有的规模上，把大量互不相识的人、机器与资本组织起来，持续进行标准化生产。

进入大规模工业生产后，如何让整个系统稳定运行变得尤其重要。一辆汽车应该如何生产，一台机器应该如何组装，一项服务应该如何标准化交付。这些问题一旦被定义清楚，组织最重要的任务就变成如何把这些既定答案稳定地复制一万次、十万次甚至百万次。

在这样的生产方式下，组织天然会演化出一整套互相支持的特定结构：

首先是分工。只有把复杂任务拆解成标准化动作，组织才能在大规模协作中保持稳定。

其次是层级。在组织规模不断扩大之后，信息与任务不可能自由流动，必须通过稳定结构进行协调。

最后是现代管理体系的形成。预算、绩效、流程、制度、汇报关系，本质上都是为了同一个目标：让系统稳定运行。

正是在这个意义上，现代公司制度本质上可以说是工业时代最重要的发明之一，因为它让人类能够在巨大规模之上稳定组织，进行复杂协作。福特流水线如此，通用电气的管理体系如此，后来丰田的精益生产也如此。它们背后的共同逻辑其实不是如何持续探索未知，而是如何让一个已经被验证的解决方案，以更低成本被更稳定、更大规模地执行。

因此，工业时代最重要的组织能力，是规模化执行既有答案。

从这个角度看，今天各种管理实践背后的逻辑就很清楚了。为什么岗位边界必须清晰？因为系统需要稳定。为什么层级结构会长期存在？因为系统需要协调。为什么大公司越来越强调流程？因为只有流程才能让大规模系统保持一致性。

换句话说，公司并不是为了最大化创造力而设计的，它本质上是一种围绕稳定执行建立起来的机械系统。在这样的系统中，最重要的不是每个人都需要不断重新思考问题，而是整个组织能够围绕既定目标持续、稳定、高效地运行。

现代管理体系进一步放大了这一逻辑。从泰勒的科学管理，到杜邦和通用电气建立起来的现代组织结构，再到后来跨国公司的全球化运营，其核心都指向同一个方向：如何通过结构、流程与管理，让组织在更大规模上稳定运行。

这一套体系，在过去约200年的工业文明中取得了巨大的成功。它不仅塑造了现代商业，也深刻塑造了我们对于组织本身的理解。

互联网没有真正改变组织逻辑

互联网极大提高了信息流动速度。过去需要层层传递的信息，现在可以实时共享；过去跨部门、跨地域协作的高成本，被即时通信、在线协同与数字化系统大幅降低；组织也因此开始出现很多新的管理实践，例如敏捷开发、矩阵组织、项目制协作、更加扁平化的结构等。这些变化它让组织变得更快，也让企业能够在全球范围内进行高频协同。

与传统工业企业相比，互联网公司更强调快速迭代、用户反馈，也更强调组织灵活性。但互联网时代的大多数组织本质上仍然延续着工业时代的基本逻辑，组织最核心的任务依然是更高效地执行已经被理解的问题。

产品方向通常仍然由少数核心团队定义，组织负责拆解任务、协调资源与规模化推进。即使敏捷开发强调快速反馈，其目标也更多是提高优化速度，而不是改变组织处理问题的基本方法。

换句话说，互联网改变的是信息连接效率，并没有真正改变组织的逻辑。

所以，即使是在最先进的互联网公司中，我们也能够清晰看到工业时代组织的基本轮廓：有层级，有岗位，有绩效体系，有明确的职责边界，也有大量围绕效率与协同建立起来的管理机制。

所谓“扁平化”，很多时候只是减少层级；所谓“敏捷”，本质上仍然是在优化执行效率；所谓“数据驱动”，更多是让组织能够更快调整既有方案。虽然互联网公司已经比传统工业企业灵活很多，但它们本质上依然属于执行系统。

但AI时代，一切开始变得不同。

今天，大多数人感受到的仍然是AI带来的效率提升，但很少有人真正意识到更深层的变化：当智能成为主要生产要素时，组织处理问题的基本方法开始发生改变。

问题不再能被提前定义

过去几百年，人类解决问题的基本逻辑其实高度一致：首先，尽可能把复杂问题进行拆解；其次，穷举各种可能的解题路径；再次，把最优解法结构化、流程化；最后，通过组织能力的提升，不断优化执行效率。

工业时代的流水线如此，互联网时代的软件系统本质上也是如此。即使是最复杂的软件系统，其核心逻辑也是：人必须提前定义规则、设计流程、划定边界，然后系统在既定逻辑内稳定运行。

但今天，大模型具备一种完全不同的能力。它不再执行既定逻辑，而是能够在复杂环境中，通过理解、推理与反馈不断生成新的解法。这就是智能体的本质。

智能体能够在更完整的场景中理解问题，企业的工作方式也因此发生了根本变化。人们不再是拆解问题，而是先理解问题，再抽象建模，把它变成 AI 可以持续学习与优化的问题，然后通过反馈不断提高解决问题的能力和质量。

过去的软件系统更像是在执行人类已经理解的逻辑，而今天的 AI 系统开始参与探索人类尚未完全理解的问题。这也是为什么今天越来越多的人会提到“模型即产品”。因为未来很多产品真正重要的部分不再是固定功能，而是模型在真实反馈中持续学习、持续优化、持续生成更优解的能力。

过去，产品一旦设计完成，后面的重点主要是运营与优化；未来，产品本身会不断演化，问题定义在变化，解法在变化，反馈也在持续改变系统本身。

这一切变化冲击的是整个工业时代建立起来的组织逻辑。

过去，公司制度之所以成立，背后的核心前提是问题可以被提前定义，解法可以被结构化，组织最重要的任务是稳定执行。于是，分工、流程、层级与管理成为最优解。但今天，在问题定义本身开始持续变化，解法本身开始动态生成，反馈开始实时进入系统之后，传统组织的很多基础前提被不断削弱。

过去，组织更像一个围绕既定目标运行的机械系统。机械系统最重要的特点是稳定、可控、可复制。只要流程足够清晰，管理足够严格，组织就能够不断扩大规模。

但未来，组织越来越像一个持续演化的认知网络，不同的人、不同的智能体、不同的反馈信息会在系统中持续互动，新的问题不断出现，新的能力不断涌现，新的协作关系不断形成。

组织的任务就是持续生成新的认知、新的判断与新的行动方式。

“公司”概念正逐渐失去解释力

传统组织依赖分工来降低复杂性，而新型组织则依赖认知同步来应对复杂性。

每一个节点不再仅仅是执行某个任务，而是在持续参与认知生成：提出问题，修正假设，判断路径，反馈结果。这些节点之间的连接也不再是信息传递，而是认知互动，它们共同构成一个不断变化的认知共创网络。

在这个意义上，组织不再是由人组成的结构，而更像是由认知节点构成的系统。这里的认知节点由两类主体构成：一类是创智人才，他们负责定义问题，设定约束，进行价值判断；另一类是AI智能体，它们负责拓展可能性，处理复杂性，加速探索过程。

在这个过程中，很难说是谁做出了决定，更准确的描述是决策在系统中逐步生成。这种现象一旦在组织中成为常态，就会带来一个更深层的变化：认知从个体经验转向网络中的持续生成。

这并不意味着个体不再重要，恰恰相反，对个体的要求反而更高。因为在一个认知共创系统中，个体的价值不再体现在执行能力上，而体现在其能够在互动中贡献高质量判断。这些判断一旦进入系统，就会被不断吸收、修正与放大，最终成为系统整体认知的一部分。

正是在这个意义上，我们可以理解为什么这些组织会逐渐呈现出一种类似整体智能的特征。它并不是简单地把很多聪明的人放在一起，而是通过各种机制，使这些人的判断在更大范围内被整合与放大。同时，AI的加入使这一过程的速度与深度都大幅提升，系统可以在更短时间内探索更多路径，在更多维度上评估结果，从而形成更高质量的决策。

当这种能力持续积累时，组织会表现出一种新的属性：它能够学习，不是个体学习，而是整个系统在学习。每一次决策、每一次反馈、每一次路径修正，都会改变系统未来的行为方式。这种学习不是显性的，也不一定被某个人完全理解，但它真实地存在，并不断影响后续决策。

如果把这一切放在一起看就会发现，我们已经很难再用“公司”这个概念来描述这种存在。因为“公司”隐含着一整套前提：稳定的结构，清晰的分工，可定义的职责，以及通过管理实现的协同。

这些前提在一个以执行既有认知为核心任务的世界中是成立的，但在一个以持续生成认知为核心的环境中，它们正在逐渐失去解释力。

本文来自微信公众号“复旦商业知识”（ID：BKfudan），作者：《管理视野》，36氪经授权发布。