
一、AI编程:引爆Token消耗,改写知识生产
2026年上半年,AI行业最热的是Agent和Tokenmaxing。前者让模型从“回答问题”走向“完成任务”,后者想通过更高Token消耗换复杂任务能力。但Tokenmaxing有问题,一些企业把Token消耗量当转型指标,调用量增,产出、完成率和回报未必同步。7月17日晚,“腾讯WAIC之夜”在上海举行,郭晓静主持圆桌,方汉、李志飞、杨建讨论Tokenmaxing退潮后的新问题。
方汉认为Token消耗量易统计也易失真,昆仑万维员工为完成指标会输入《红楼梦》消耗Token,它不能证明AI创造的价值。真正推动Token需求爆发的是Claude Code等Coding Agent建立的Harness,让模型有多种能力,Coding成Token消耗密集、商业化清晰的场景。“Tokenmaxing已失败”指把Token消耗当能力等结果的叙事失效,Token进稳定框架等才可能转化为生产力。
郭晓静提到上半年AI领域变化大,李志飞称去年五六月份重新用Cursor编程影响大。他端午写三天代码后对公司判断改变,认为公司可提效,部分业务调整,做了TicNote和CodeBanana,相关研究沉淀成《超级组织》。
杨建称DeepSeek -V3出现后,他们研究用大模型优化GPU算子。两位无底层编程经验的员工三周完成算子库优化,对比显示大模型在具体任务上超有经验的工程师。后来用10个Agent完成工作,杨建搭框架未写代码,替代传统流程约90%的工作。
郭晓静问杨建提出人类不再是知识生产主体的原因,杨建表示从长远看人类进入知识生产不由人类主导的时代,人的核心价值转向发现和定义问题,科学研究也会变化,企业管理要重新定义岗位和职责。方汉尊重但有不同意见,认为大模型缺乏创造新数学方法的能力,部分模型数学能力可能下降。
郭晓静问AI编程推动Token消耗的原因,方汉称Claude Code出现后,Coding场景Token消耗大增,算力转向编程,改善了模型公司商业表现,也说明模型能力发挥不只取决于算法。
郭晓静问除Coding还有哪些机会,方汉称AI for Science值得关注,大模型让科研有“高维打低维”效应,音乐和视频生成领域缺成熟框架,值得投入。外界曾认为昆仑万维侧重基础模型,方汉解释仍训练模型,平台、产品和模型需形成闭环。
二、从超级个体到超级组织:难点不在“会不会用AI”
郭晓静问如何判断公司是否成AI原生组织,李志飞称是“超级组织”,核心假设是AI成主要劳动力,组织结构要重新思考。他做“超级个体”实验时发现组织节奏未变,开发CodeBanana是为解决团队协作问题。现在公司约150名员工可指挥Coding Agent,人少了,产出预计达去年4倍。
郭晓静问简化判断标准最重要的是什么,李志飞称一是Agent是否是主要生产力和正式员工,二是能否实现多人和多Agent协作,未来组织是人机协作系统,员工要全栈,组织结构要扁平。
郭晓静问出门问问转型遇到的坑,李志飞称早期阻力大,采取激进措施,部分人离职,留下的人转型。从产研到非产研推广时阻力小,程序员有时不愿协作,AI原生组织难点是重建协作方式。
三、激进、保守与中间路线:企业如何把AI真正装进组织
郭晓静问杨建是否先成超级个体再带动公司转型,杨建称不能只做个体,创业后要协调组织。AI时代要强调安全,从公司层面建立解决方案,审核AI能力,沙箱隔离操作,逐层规划数字员工,鼓励员工跨团队流转,安全稳定是前提。
郭晓静问方汉对两种转型方式的看法,方汉称杨建保守,李志飞激进,昆仑万维选中间路线。管理层认为员工不适应AI公司会淘汰,向程序员传递学AI有发展空间的信息。转型从上到下,先考中层研发管理者,方汉亲自出题,结果不理想。
方汉自己用模型消耗约290亿Token,目的是理解模型能力并引入团队。昆仑万维有两个有效方法,一是在工作群加学习型Agent,二是用工程化方法管理群体记忆。方汉认为Token消耗量是参考指标但不能全依赖,AI编程后高级程序员要审查代码,AI编程会带来技术债,要加强相关机制。
四、模型、产品还是组织:AI公司下一步资源投向何方?
郭晓静问未来最值得投入的是什么,杨建和李志飞选产品。杨建称算力不缺,组织在调整,产品排第一。国产算力在训练领域有进展,部分场景探索早。李志飞称组织不能无限激进,现在做产品重数据壁垒和网络效应。方汉选模型,称模型Scaling红利大,Coding外还有机会。



被折叠的 条评论
为什么被折叠?



