构筑分层 AI 赋能体系，激活全员智能潜能 | AI·学习官

高速发展，不能靠堆人

先简单介绍一下亿纬锂能：我们是锂电池行业的全场景解决方案供应商，目前处于龙头地位。从2009年2.06亿元的营收，到2025财年的600多亿元，支撑增长的不是堆人，而是“高质量发展”——研发质量、人才能力与工作效率。而人才是高质量发展的根基：一支6,000多人、以硕博为主体的研发团队，构筑了我们产品竞争力的根基。

• 成本的约束，大规模增员会直接影响营收；

• 人多≠效率高，人员膨胀往往带来组织冗余，沟通与协同效率不升反降；

• 供给的约束，市场上优秀的电池行业工程师和研发人员，远没有想象中那么多。

所以，怎样用AI提升组织效能，是我们面临的关键问题。这6,000多名研发人员，日常被查数据、开会、做资料、写报告等工作大量占据，如果他们的效能能通过AI获得一倍或两倍的增长，产品竞争力就能得到更好的提升。怎么让优秀的个体变成超级个体，是亿纬一直在探索的道路。

AI时代，组织要重写三件事

AI已经可以完成端到端的流程，从设计、开发到测试整个环节都能跑通。这意味着，公司庞大的流程反而会成为AI时代的负担：价值创造不再依赖大量人力，而跨部门审批、冗长的对齐与多层级汇报，在AI的高产出之下反而成为效率的瓶颈。

由此可以得出一个必然的推演：今后最小的作战单元，人数会持续减少。亿纬锂能有各类“作战室”——质量作战室、客户作战室、系统作战室，以往要十几个人坐在一起攻克任务，现在只要4~5个人，加上AI Agent，就能解决难题。

传统架构里，顶层做的是指挥和审批；未来，顶层做的是战略决定，核心是三个动作：定方向、拆任务、给任务定价。价格定了，领到任务的人自然会努力去干活。中间层，过去一个成熟部门大概10~15人，未来可能就是4~5人，甚至出现OPT（One-Person Team）即一个人干一个团队的活。作为制造型企业，我们正在让机器人融入生产线：一条产线配上4~5个人与机器人协同，就能完成大规模生产。

而职能部门这个底座，会变成“AI基建”：把整个公司的知识管理起来、接入AI，通过数据和知识微调模型，再把模型产生的算力“喂”给业务流、机器人和Agent，产生非常大的效能。像我们做电池的企业，对信息安全管理很严苛，未来一定是要拥有自己的模型和本地化部署的算力。

很多公司至今仍是按时间付费，而非为结果付费。这带来一个问题：优秀的人产生了很大的价值，激励却跟不上产出。未来的模式，应该是“可控的固定薪资+高额绩效激励”，按成果档位定价。可以设想一下：任务的激励总额固定，参与人数越少，每人分得越多。在利益的驱动下，最小作战单元会持续缩小。

为什么把激励单独拎出来讲？因为超级个体出现之后，如果企业的激励方式不变，他们会因为激励不到位而随时离开。他们能做很多事情、能产出很大价值，外部诱惑又非常大。我从同行的猎头和招聘人员那里了解到：超级个体一旦觉得产出与回报不成正比，就会产生离开的想法。想把超级个体用好，一定要在激励模式上下功夫。

分层赋能：

让每一层员工都拿到AI能力

我们副总裁提出过一个公式：组织能力=组织架构×制度流程×人才能力。我所负责的研修院正是围绕“人才能力”为核心展开的。

营收要翻倍、但不能大量招人，人从哪里来？能力怎么赋能？2026年我们的答案是：35场AI培训、覆盖25,000人次的能力认证，同时活用占编制、有正式工号的数字员工，公司还发布了16款机器人产品。

支撑这一切的，是一套五个层级的AI培训体系：第一层是全员AI认知普及，让员工知道AI能干什么、边界在哪里；第二、三层注重AI工具的使用；第三、四层面向开发人员，偏向超级个体的课程开发；第五层是面向高层的赋能转型培训。

具体如何落地？我们目前主抓三个模块：课程开发、以赛代训、能力认证。

外部对标，指通识类内容直接采购外部平台资源——更新快，自研成本反而更高；同时紧跟最新AI资讯。我现在有很大一部分时间都花在看最新案例上，看到好的直接推给集团的AI模块负责人。最新的东西、别人做得好的案例，能帮员工建立对AI能力边界的认知，我们要培养“眼高”，即让员工对AI使用的认知眼光高了，才知道AI能给自己什么赋能。

内部萃取，指从内部经验分享会等场合发掘集团内的好实践。之前听到某部门做数字员工开发的案例，我在两周内就让他把这门课程开发出来，及时开放给大家学习。在我们看来，最好的工作实践，需要敏捷开发和传播。能在集团层面做AI分享，对个人和部门都是一种荣誉，我们已经形成了这种氛围。

我们定期举行内部AI大赛，分两条赛道：深蓝探索赛道，是围绕生产的AI应用，比如视觉识别、用大模型判断质量问题；实战领航赛道，以职能部门为主，奖金颇为可观。教研的动作，是把优秀案例录制成课程，在学习平台上及时传播——让好做法被看见、被复用，标杆持续滚动。

我们也会“走出去”：之前去深圳飞书参观了SKG的先锋大赛，他们做的营销图片智能体让我印象非常深刻——虽然我们以制造为主，但这些经验完全可以复用在营销和电商部门。

关于AI能力认证的逻辑需要内外部一起做。

• 内部，教研联动产出AI工具的部门，确认工具的使用场景和使用对象，配套开发认证试题和平台；

• 外部，联动外部AI工具的专家，对引入的AI工具进行使用能力认证的设计。

所有认证都自上而下发公文推动，实际达成率大概在85%~90%之间。

最典型的场景是Token怎么分配。认证之后，不同等级的人对应不同额度，分层分级、有据可依。更重要的是，认证工作与“干部AI使用能力评价”挂钩：部门有没有参加比赛、认证了多少人、Token使用情况、课程开发与参与度，乃至比赛省了多少钱、提升了多少效率，都进入评价体系。

此外，我们还开发了“干部AI能力使用驾驶舱”，实时调用数据做排名，高层一眼可见，评价结果联动绩效考核——层层都在用AI。甚至认证本身也用AI提效：员工用智能体生成一份PPT提交到系统里，再由AI来考核。

给培训负责人的三点建议

最后，从培训负责人的角度做三点总结。

第一，亲自下场。有能力、有时间，一定要用AI改造自己的业务流——用Workbuddy、豆包、Codex都好，有能力要去试试Vibe Coding，你会发现进入了另外一个世界。要落地AI，必须自己上场，否则只停留在理论层面。

第二，敏捷响应。AI发展非常快，每天都会有新的模型和技术出来。要紧跟最新资讯，联动业务部门萃取最新的业务成果，并且快速横展——以往三个月才打磨出一门好课程，AI时代要更快地让整个集团知道“我们已经有这个使用场景了”。

第三，强化落地。只要有人用了，效率就提升了；使用的人多了，组织能力才能有更大的提升。每一个工具都值得推广，每一个工具都值得让学员走一遍流程。

Q&A 环节

Q1：AI相关培训刚起步，从哪个层级入手能更快看到成效？通常周期要多久才能看到阶段性成果？

我个人非常建议先看清楚公司现在有哪些AI工具，把现有工具梳理出来，然后用我刚才说的方法——工具有哪些、作用是什么，然后进行考核认证。因为这些工具本身就是你们自己公司开发的，开发出来就是要应用的；不去应用的话，可能很多人都不知道它们的存在。从这个维度切入，效果会更好。

当然，同步的话，如果有资源，也可以通过外部平台采购一些外部课程，让大家去学习。我们也有配套的考核标准：外部平台一个月的最少观看时间是多少——账号给了你，你就应该去学；不学，这个账号我们就收回来。

知识库我们今年也在大力推进。我们现在要求高职级人员，每个人都要尝试写案例，把这些经验沉淀下来，成为内部知识库的持续养料。

考虑到内部知识放在外网，会有信息安全的顾虑，因此，我们内部开发的案例、课程、各种报告，均放在内部存储的服务器里，然后联动AI的部门，把它变成向量化的数据。

首先实现知识问答；知识问答实现之后，API就出来了；API出来之后，我们再考虑怎么融入到业务流程里。举个具体的场景：我推进一个项目，来到某个节点，比如要验证质量行不行，同样的产品来到这个环节，假如你有API接口，系统就会自动推送给你。同样的产品、同样的案例，什么时候发生过，你可以参考。

所以，知识库最理想的状态，就是案例和知识融入业务流程，减少员工业务上的犯错，提升推进项目的速度。