互联网巨头设立AI转型部门，助企业"用好AI"成新风口

时间来到2026年6月，科技行业迎来了一波组织架构调整的浪潮。就在同一周内，两家互联网巨头相继宣布了重大人事与部门调整，引发了业界对AI转型战略的深度思考。

6月8日，阿里巴巴率先出手，将通义大模型事业部与未来生活实验室进行整合，正式成立Token Foundry事业部，并由集团CEO吴泳铭亲自挂帅。仅仅一天后的6月9日，美团也紧随其后，宣布核心本地商业（CLC）完成新一轮组织架构优化，新设AI Transformation部门，由前大众点评总经理牧遥担任负责人，直接向CLC CEO王莆中汇报工作。

这两家市值均超万亿的互联网平台，几乎在同一时间做出了相似的战略抉择——将原本分散在各业务线的AI技术，提升为由公司最高决策层直接管理的独立业务单元。这一举动无疑传递出一个强烈信号：AI转型已不再是技术部门内部的小修小补，而是上升到了公司CEO层面的战略高度。

然而，这一趋势也引发了一个新的疑问：如果连这些拥有庞大技术团队的互联网巨头都需要如此大动干戈地调整组织架构以适应AI时代，那么那些缺乏万人级技术团队的企业又该如何应对呢？

一、巨头们的自我革新之路

从公开披露的信息来看，阿里巴巴与美团的新部门虽然都聚焦于AI，但侧重点却有所不同。

美团的AI Transformation部门将重点放在了"AI to B及AI变革"上，并同步推出了内部即时通讯软件"飞象"，该软件集成了Agent功能，旨在通过AI技术重构企业内部的工作流程。而阿里巴巴的Token Foundry则更侧重于将大模型能力从研究阶段推向规模化生产和商业应用，实施所谓的"Token战略"。

尽管侧重点各异，但两者的共同目标都是解决自身在AI时代的转型问题——如何确保一个拥有数万名员工的庞大组织在AI浪潮中保持竞争力。

这一现状也暴露出了产业界的一个结构性缺口。即便是拥有充足资源、顶级人才和海量数据的超级平台，也需要专门设立部门来推动转型。那么，对于中国数百万家中型企业而言——这些企业年营收在十亿至百亿之间，技术团队规模从几十人到几百人不等——它们同样面临着AI浪潮的冲击，却往往缺乏足够的组织资源来做出有效响应。

二、AI原生企业的另类发展路径

在这一产业背景下，港股上市企业明略科技（2718.HK）的发展路径提供了一个值得关注的案例。

明略科技创始人吴明辉近期在接受徽声在线采访时表示："明略科技从创立之初就秉持AI Native的理念。过去二十年来，我们的数据智能业务一直在为AI发展积累数据。早在2020年，我们就已经开始投入AI Agent的研发工作。随着AI写代码能力的突破，我们迅速抓住了机遇，将长期以来的愿景变为现实。"

这段话中蕴含的时间线信息颇具深意。当互联网巨头们在2026年才开始设立AI转型部门时，明略科技却声称自己早在2020年就已经开始了Agent的研发工作。如果这一说法属实，那么明略科技实际上已经跳过了"转型"阶段，直接以AI原生的方式构建了自身能力。

当然，这一说法还需要用实际数据来验证。从公开信息来看，一些数字提供了间接支持：明略科技内部约有1400名员工与3000多个AI Agent在其协作平台上共同工作，每日协同效率显著提升；其Agentic Services板块在2025财年更是实现了收入突破1亿元大关。这些数据至少表明，Agent在这家公司内部已经不再是实验性质的项目，而是成为了日常生产的重要工具。

三、巨头AI转型面临的深层挑战

从产业观察的角度来看，即便是拥有顶级技术团队的互联网巨头，在AI转型过程中也面临着诸多结构性障碍。而这些障碍，恰恰是AI原生企业能够天然规避的。

首先是组织惯性的挑战。一个拥有数千名软件工程师的团队，其知识结构、考核体系和利益分配机制都是围绕传统软件开发范式建立的。这导致了所谓的"创新者窘境"——即企业最成功的资产往往成为变革的最大阻力。

其次是开源策略的两难选择。在AI时代，开源能力被视为建立网络效应的关键前提。然而，对于互联网巨头而言，开源意味着要放弃已有的软件收入，这在财务报表上是一个需要向董事会和投资者解释的重大决策。相比之下，对于从零开始的AI原生企业来说，开源则没有这样的存量包袱，反而成为了最快捷的获客途径。

第三是模型依赖的风险。互联网巨头通常倾向于建设或绑定单一的大模型能力。然而，正如硅谷知名投资人Tomer Tunguz所指出的，不同的大模型"各有性格"，单一模型很难覆盖所有企业场景。因此，如何在多个模型之间做出选择和编排，本身正在成为一种专业能力。

四、明略科技的差异化竞争策略

面对"帮助企业用好AI"这一市场需求，明略科技制定了明确的竞争策略。吴明辉在接受采访时表示："当客户进入具体业务场景后，他们会考虑性价比问题；同时，他们也需要一种安全的方式将私有数据与模型能力连接起来。客户当然需要聪明的模型，但更需要安全、可靠且成本可控的解决方案。"

这一策略背后蕴含着三层商业判断：首先，明略科技选择不做通用大模型，以避免与OpenAI、Anthropic、字节豆包等巨头正面竞争；其次，在特定业务场景中训练专用模型，以实现超过通用模型的准确率；最后，连接客户私有数据——这是企业客户最为敏感的需求点，既要利用AI能力提升效率，又不能让私有数据流入公共模型。

明略科技自研的Mano-P模型在OSWorld等端侧GUI操作评测中位列小模型全球前列，为这一策略提供了一定的技术支撑。而更值得关注的是其定价模式的变化——明略科技正在采用一种"AI运营商"模式，即不再销售软件许可证，而是持续运营客户的AI系统，并按智能消耗计费。这与传统企业软件的收入逻辑有着根本性的不同。

五、两条发展路径的并存与互补

将整个产业格局拉远来看，目前呈现出两条并行的发展路径。一条是互联网巨头自建AI转型能力，如美团成立AI Transformation部门、阿里巴巴设立Token Foundry等，通过组织力量解决自身的AI转型问题。这条路径资源密集、周期较长，但一旦跑通，平台效应将相当可观。另一条则是专业厂商提供代运营服务，如明略科技等企业提供Agentic Service，帮助那些没有能力或意愿自建AI团队的企业完成转型。这条路径更为轻量级、迭代更快，但需要在每个客户场景中持续证明自身价值。

有趣的是，这两条路径之间并不必然对立。一位大型制造企业的数字化负责人近期提出了一个颇具参考价值的观点：面向员工通用能力的AI（To E）可以外采成熟平台解决方案；而面向具体岗位规则的AI（To R）则需要企业根据自身需求进行定制化开发。这意味着市场可能并非简单的"自建还是外包"的二选一问题，而是可以根据不同场景进行分层——通用层找专业厂商合作，核心层则由企业自身主导开发。

六、AI转型服务市场的崛起

将时间线拉长来看，这个赛道的轮廓正在变得越来越清晰。2025年，Salesforce推出了Agentforce服务，该部分业务在短短一年内就实现了年化收入12亿美元的佳绩；2026年6月15日，Salesforce更是以36亿美元的高价收购了客服AI公司Fin——这一系列动作无疑为"帮助企业运营AI Agent"这一新兴业务给出了一个明确的资本定价。就在同一周内，中国最大的两家互联网平台也相继设立了AI转型专职部门。

这些事件共同指向了一个清晰的趋势："帮助企业完成AI转型"本身正在成为一个独立的商业赛道，而非仅仅附属于模型开发或传统IT服务的衍生业务。在这个赛道中，竞争的关键或许不再是谁的模型参数更多、计算能力更强，而是谁能在企业的真实业务场景中持续创造可衡量的价值。这往往需要对行业知识的深度积累和反复打磨。这也可能是为什么吴明辉会如此强调"从第一天就是AI Native"的重要性——在一个经验壁垒型赛道中，时间本身就是一种难以复制的竞争优势。