“如何应对AI带来的变化？”今年，阿里巴巴研究院院长袁媛和团队常常把这个问题带进访谈，也不断被受访者反问。
来自企业内外的声音，勾勒出同一场技术浪潮的两面：AI扩展了人的能力，也在重划人与机器的边界，改变组织衡量人的尺度。袁媛在2021年加入阿里研究院，近距离观察了生成式AI崛起以来的变化。“全球AI竞争，像是用百米赛跑的速度跑一场马拉松。”她向《中国新闻周刊》这样形容。
袁媛 图/受访者提供
“亿元户”越来越多
过去一年里，袁媛和阿里研究院团队一直在访谈深度使用AI的人。起初，他们想分析AI对就业的冲击，没想到率先看到的，是一批“超级个体”的涌现。
据阿里研究院今年5月发布的《Token特刊》，2025年8月，阿里内部由AI工具生成代码的接受率仅三至五成。去年底至今年初，个体之间的差异开始显现，少数人的AI代码率超过90％，月Token消耗量甚至过亿。2月，随着基础模型和Agent能力跃升，这样的“亿元户”越来越多。
她记得，有一名入职刚三个多月的前端工程师，在春节过后的一个半月里，单人产出了约31万行代码，独自完成整个智能体平台的底层重构，支撑起部门内百余个Agent平稳运行。据测算，产出效率约为传统方式的52倍。
袁媛回忆，这些“超级个体”在内部踊跃地发声，称现有的工具和工作方式已经不够，想做更多的事情。他们没有谈被AI取代的焦虑，而是更直接地提诉求：向CEO要更多的Token额度，向CTO争取更大的AI编码范围。“他们不一定是平时绩效最好、职级最高，或内部认定的‘天才’，而是接触AI最多、使用最深入的一群人，主体性特别强，真正想把事情做成。”她说。
这不是她第一次从访谈对象那里得到意外答案。
访谈时，有一名技术工人很少开口，袁媛原以为他可能不喜欢这项技术。他担心模型还不够好，反控还不够稳。而他有些沉默的原因，是担心“普通话不好，怕你不愿意听”。
2021年，围绕平台经济和“算法是否作恶”的讨论持续升温。袁媛开始意识到，技术产生的影响可能超出最初的设计目的。她至今都记得这样一幕：在饿了么办公区的一间会议室里，一名骑手刚送完一单，满身是汗地走进来，他说道，自己最不能接受用户催单，尤其是“你们这栋楼的人”催单，“你们心里到底有没有把我们看成同事”？
中国政法大学数据法治研究院教授张凌寒的观点给了袁媛启发。对方指出，劳动法要求员工手册向员工公开，员工有权提出意见；算法取中不是让平台机械地设置一个配送时间中位数，而是要让骑手了解算法调度逻辑，听取他们对配送规则的意见，并据此调整算法。
“我们常高估了算法的效果，却低估了被算法影响的人，他们对于技术的感受和认知，往往超过了做算法的人。”她说。为此，要尊重他们的声音，将他们的意见纳入规则形成的过程。
大厂的Token变革
今年2月，阿里邀请了10名深度使用AI的“超级个体”，在内部举办了一场程序员与集团CEO吴泳铭的对话会。
吴泳铭当时判断，AI Coding已经跨越临界点，Agent带来Token需求增长，小企业和“超级个体”会成为云和AI产品的新用户。此后，阿里以Token为主线，开启了一场内部的AI转型实验。
3月16日，阿里围绕Token链路重组业务架构，成立了Alibaba Token Hub（ATH）事业部。通义实验室、MaaS（模型即服务）业务线、千问、悟空和AI创新等业务被纳入其中。这段时间，阿里也推出AI生产力计划，为员工开放更多AI工具和Token额度。
这场转型也发生在全社会Token调用量快速增长之际。据阿里研究院报告，今年3月，中国日均Token调用量突破140万亿，5月又增至370万亿。Token调用量已成为度量AI实际参与经济活动强度的一项指标。
“过去几年，AI在阿里内部创新的难度在于，如何在阿里这样庞大组织之中，让优秀的 AI 经验快速分享、互相激发。”她说。因此，企业除了做好技术，还要设计一个能快速迭代、允许试错的组织。
她把ATH比作AI时代的“经济特区”：造Token、输送Token、打造Token应用的人都放进同一个组织，试图缩短从模型能力到产品交付的距离。新组织具有“AI原生”的特点，核心是那些具有AI驾驭能力的“超级个体”。
作为研究者，袁媛看到了这场幕后的变化：企业内的岗位标准、组织方式、绩效评价等，正在被AI重塑。
以岗位标准为例，有技术团队不再按照产品、交互、架构、后端等技能划分岗位，而是按照交付结果划分，将十多个岗位整合为两大类。这意味着，一个人的价值不再由掌握多少技能决定，而取决于他与AI协作交付的价值。同时，由于Agent的产出与使用者的判断力、编排能力等呈正相关，AI放大了个体差异。在组织架构方面，有业务单元决定只保留三层组织架构，让小团队紧密协作。
但“超级个体”不能代表所有人，如何支持那些正在努力转型却还没跑出来的人，仍是待解难题。绩效评价方面，消耗Token不等于创造价值，代码行数也不等于交付质量，如何建立对应的AI绩效体系，也尚无标准答案。
袁媛也正身处这场变化。她告诉《中国新闻周刊》，自己已经回不到没有AI的工作状态。“如果哪一天突然不让我使用AI，我会立刻产生戒断反应。”比起被AI替代，她更直接的烦恼是“管不过来AI”，AI执行能力太强，需要她做决策去安排任务，而她“没有那么多精力管”。
谁会付出代价？
赋能与取代，正在同时发生。一项世界经济论坛的调查显示，41％的雇主计划在AI能够自动执行任务的领域减少员工；同时，约三分之二计划招聘具备特定AI技能的人。
职场新手面临的挑战尤其明显。斯坦福数字经济实验室利用薪资数据研究发现，生成式AI普及后，在AI暴露程度较高的职业中，22—25岁劳动者的就业人数相对下降约16％，尤其是软件开发、客服等岗位；资深从业者受到的影响明显较小。
袁媛担忧的是，AI迅速发展，教育体系却难以同步转向。袁媛在招聘过程中已经感受到变化。她会观察候选人在面对陌生问题时是愿意继续追问，还是退回原来的知识边界。仅凭学历、绩点和短暂的工作经历，难以识别这些能力，“麻烦在于，没有一张好奇心等级证书。”她说。
这种变化在今年的校园招聘中表现得更加直接。阿里研究院报告指出，科技公司真正争抢的，是一批在使用AI的过程中展现出超出同龄人任务理解能力、问题拆解能力的候选人。面对模糊的需求，他们需要知道如何将其转化为AI可以执行的结构化指令，判断AI的产出里哪些可信、哪些需要人工修正。“这批人是少数，大厂却为他们争得气喘吁吁。”但是，这种能力很难被现有的岗位标准所概括，面试官往往只能凭直觉感受到差异，把它模糊地称为“有AI味”。
与此同时，大量沿着传统路径精心培养出来的优秀毕业生，编程扎实、基础过硬，却发现自己最引以为傲的那些本领，可能是AI最擅长替代的部分。
上海的一位资深学者曾向袁媛描述当下的微妙局面：老师觉得自己不再需要学生，学生也认为自己不再需要老师。“教育体系正受到很大冲击，但大家还没有把问题充分摆到桌面上讨论，也没有找到新的解决方案。”她说。
相比于约束机器的方法，袁媛坦言，“托举人”的办法还没有那么多。她指出，不能用先行者的成功掩盖其他人在转型缓冲期里所承受的真实阵痛。社会应为受到冲击的个体提供兜底机制，避免技术变革的代价集中落在少数人身上。至于公共讨论，既不能夸大AI末日论，也不应掩盖特定群体承受的转型代价，应传递客观平衡的观点。
除了就业与教育，AI带来的知识产权、情感依赖、人机边界等问题，都正加速涌现。袁媛呼吁，政府、学界和企业，不同主体应当承认“共同无知”，一起定义问题、寻找共识、沉淀答案。
盛多网配资提示：文章来自网络，不代表本站观点。
