中国互联网大厂为什么围绕 AI 重新组织

数据指向的不是产品热度，而是运转方式变化

模型发布最容易获得关注，但更持久的变化发生在组织内部。截至 2026 年 8 月 10 日，本站 101 条信号中，有 23 条涉及 AI 组织、AI 产品、AI 预算或围绕 AI 重新设计岗位。这个数量已经足以形成一个跨公司的重复模式，而不只是某家公司的单次实验。

大厂并不只是多做几个助手。团队正在合并，模型访问开始被治理，coding 工具预算被明确，产品归属也更靠近业务线。这些动作决定 AI 最终是演示项目、共享工具，还是进入日常生产系统。

模式一：重复建设的 Agent 开始合并

美团 1024 Agent 团队据称并入 CatPaw，字节 MIRA 据称并入 Aime，百度 Dodo 据称并入 Domate。细节不同，但它们面对的是同一个管理问题：当多个助手共享相近能力时，公司还能承受多少重复基础设施和分散入口？

并入并不必然代表原产品失败，也可能意味着能力需要接入更强的分发渠道。后续真正值得看的是：接收方是否获得用户、长期负责人和预算，还是只完成一次有序收尾。

模式二：AI 归属向有用户入口的产品靠近

QoderWork 并入钉钉、飞书 C 端资源靠近豆包，以及业务线内部出现 AI Builder 团队，都符合一个逻辑：让 AI 能力接近已有用户和可衡量的业务结果。分发能力能缩短模型能力到真实任务之间的距离。

中央实验室更关注模型质量和通用基础设施，业务团队则关注任务完成、转化、留存与成本。AI 归属进入业务线有利于采用，但如果每条业务线都独立搭建技术栈，也可能重新制造碎片化。

模式三：模型访问正在变成管理制度

Token 额度和报销规则已经不只是采购细节。京东据称提高员工 token 额度，蚂蚁和美团部分团队给 coding 工具设置明确报销上限，百度则把使用情况与内部账单、审批连接起来。这些规则决定谁能试验、成本记到哪里、哪些供应商可以进入公司。

额度高不等于生产力高。更成熟的阶段，是把模型访问与任务结果、安全评估、采购规则和团队责任连接起来。到了这一步，AI 工具才从员工福利变成被治理的基础设施。

这些信号还不能证明什么

信息流中的大部分内容是内部渠道线索，而不是公司公告。汇报线可能再次调整，试点也可能停留在小范围，同月发生的两件事更不能直接推定因果关系。因此，数据适合用来提出问题，不适合直接宣布谁已经赢得 AI 转型。

真正的检验标准是持续性：同一归属能否维持两三个季度，工具是否成为默认选择，招聘和晋升标准是否变化，产品是否形成稳定的内外部用户。

• 组织和预算的重复变化比发布口号更强。
• 模型能力、产品分发和工作流采用要分开判断。
• 持续时间、预算、安全规则和实际使用需要一起观察。