2026年6月的同一周，两则组织架构公告几乎同时落地。
6月8日，阿里巴巴宣布合并通义大模型事业部和未来生活实验室，成立Token Foundry事业部，由集团CEO吴泳铭直接负责。次日，美团核心本地商业（CLC）完成新一轮组织调整，正式成立AI Transformation部门，由前大众点评总经理牧遥出任负责人，直接向CLC CEO王莆中汇报。
两家万亿级平台在同一周做出几乎相同的动作——将AI从散落在各业务线的"效率工具"，升格为由最高决策层直管的独立组织单元。这一信号颇为清晰：AI转型对于这两家公司而言，已不再是技术部门的内部议题，而是CEO级的战略判断。
但这也引出了一个随之而来的问题：如果连这样量级的平台都需要重新组织自己来适应AI，那些没有万人技术团队的企业，该怎么办？
一、大厂在解决自己的问题
从公开信息来看，两家公司新部门的侧重点有所不同。
美团的AI Transformation部门聚焦"AI to B及AI变革"，同时配套推出了内部IM软件"飞象"，集成Agent功能——这意味着美团不只是要用AI优化现有业务，而是在尝试重构内部的工作方式。阿里的Token Foundry则更直接对应了一套"Token战略"，方向是把大模型能力从研究层推向规模化生产和商业落地。
两者的共同点在于：它们要解决的首先是自身问题——如何让一个数万人的组织在AI时代不掉队。
这恰恰暴露了一个结构性的产业缺口。超级平台拥有充足资源、顶级人才与海量数据，尚且需要专门设立部门来完成转型。中国数百万家中型企业——年营收十亿到百亿、技术团队从几十到几百人——同样面对AI浪潮，却难有同等的组织资源来响应。
二、另一种路径：从第一天就是AI Native
在这个产业背景下，港股上市企业明略科技（2718.HK）提供了一个不同的观察角度。
明略科技创始人吴明辉近期给出了一段公司定位陈述："明略科技从成立第一天就是AI Native。过去二十年，我们的Data Intelligence始终在为AI积累数据。早在2020年，我们便投入AI Agent研发。在AI写代码的能力突破之后，我们抓住了机会快速上线，一直以来想做的事终于恰逢其时。"
这段话的信息量在于时间线。当大厂在2026年设立AI转型部门时，明略声称自己在2020年就已投入Agent研发。若先发优势属实，意味着它跳过了"转型"阶段，直接以AI原生的方式构建能力。
这当然是一个需要用数据来验证的说法。从公开信息来看，一些数字提供了间接支撑：明略内部约1400名员工与3000多个AI Agent在其协作平台上每日协同工作；其Agentic Services板块在2025财年实现收入突破1亿元。这至少说明，Agent在这家公司内部并非实验项目，而是日常生产工具。
三、为什么转型对大厂也不容易
从产业观察的角度来看，超级平台即便拥有顶级技术团队，AI转型依然面临几个结构性障碍，而这些障碍恰好是AI原生公司天然绕开的。
首先是组织惯性。一个数千人的软件团队，其知识结构、考核体系、利益分配都围绕传统软件开发范式建立。这是典型的创新者窘境：变革的最大阻力，往往来自你最成功的资产。
其次是开源的两难。AI时代有一个正在形成的行业共识：开源能力是建立网络效应的前提。但对大厂而言，开源意味着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解释的决策。对于从零开始的AI原生公司，开源没有存量包袱，反而是最短的获客路径。
第三是模型依赖风险。大厂通常倾向于建设或绑定单一大模型能力。但正如硅谷投资人Tomer Tunguz近期指出的，不同模型"各有性格"，单一模型难以覆盖所有企业场景。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、明略的策略：专有模型加私有数据连接
面对"帮企业用好AI"这个需求，明略科技的策略有其明确逻辑。吴明辉的表述是：客户进入具体业务场景后，要考虑性价比；同时还需要安全地把私有数据和模型能力连接起来。"客户当然需要聪明的模型，但更需要安全、可靠且成本可控。"
这背后有三层商业判断：不做通用大模型，以避免与OpenAI、Anthropic、字节豆包等正面竞争；在特定业务场景中训练专用模型，实现超过通用模型的准确率；以及连接客户私有数据——这是企业客户最敏感的需求，既要利用AI能力，又不能让私有数据流入公共模型。
其自研Mano-P模型在OSWorld等端侧GUI操作评测中位列小模型全球前列，为这条路径提供了一定的技术可信度。而更值得关注的，可能是其定价模式的变化。
这本质上是一种"AI运营商"模式：不卖软件许可证，而是持续运营客户的AI系统，按智能消耗计费。这与传统企业软件的收入逻辑有根本不同。
五、两条路并存，但未必对立
把整个产业格局拉开来看，目前呈现的是两条并行路径。一条是大厂自建：美团成立AI Transformation部门，阿里设立Token Foundry，用组织力量解决自身的AI转型问题。这条路资源密集，周期较长，但一旦跑通，平台效应可以相当可观。另一条是专业厂商代运营：明略科技等企业提供Agentic Service，帮那些没有能力或意愿自建AI团队的企业完成转型。这条路更轻，迭代更快，但需要在每个客户场景中持续证明价值。
有意思的是，这两条路径之间并不必然对立。一位大型制造企业数字化负责人近期提出了一个颇有参考价值的区分：面向员工通用能力的AI（To E）可以外采成熟平台，面向具体岗位规则的AI（To R）则需要企业自建。这意味着市场可能不是"自建还是外包"的二选一，而是按场景分层——通用层找专业厂商，核心层自己做。
六、信号正在固化
把时间线拉长来看，这个赛道的轮廓正在变得清晰。2025年，Salesforce推出Agentforce，该部分业务年化收入达12亿美元；2026年6月15日，Salesforce以36亿美元收购客服AI公司Fin——为"帮企业运营AI Agent"这件事给出了一个明确的资本定价。同一周，中国最大的两家互联网平台同时设立AI转型专职部门。
这些事件共同指向一个清晰的趋势："帮企业完成AI转型"本身，正在成为一个独立的商业赛道，而非附属于模型开发或传统IT服务的衍生业务。
在这个赛道中，竞争的关键或许不是谁的模型参数更多，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know-how的深度积累和反复打磨。这也可能是为什么吴明辉会着重强调"从第一天就是AI Native"：在一个经验壁垒型的赛道里，时间本身就是一种竞争优势。
