麦肯锡的《The State of Organizations 2026》基于15个国家、16个行业、超过1万名高管的调研，给出了AI时代组织转型的答案：每花1元在技术，就该花5元在人；组织结构要扁平化；AI智能体将接管中层管理职能。
但当我把这份报告放到中国硬科技企业，尤其是具身智能、机器人、智能制造这些重资产且深技术的赛道时，发现了一个被系统性忽视的问题：这份报告的调研样本里，硬科技企业的占比和权重，可能撑不起它对全行业的普适性断言。
更直白地说：麦肯锡报告描述的是AI如何改造组织，但中国硬科技企业面临的真实命题是组织如何承载AI，这两个问题的答案并不相同。
第一重错位：投入错位——“1元技术配5元人”在硬科技企业说不通
麦肯锡报告强调“每花1元在技术，就该花5元在人身上”。这个比例在服务业、金融业或许成立，但在硬科技企业它遇到了一个根本性的悖论。
以智元机器人为例，这家成立仅3年、估值150亿元的具身智能企业，员工1500余人，其中70%以上从事具身大模型研发。这意味着智元人的构成本身就是技术，研发人员不是需要被AI赋能的业务人员，而是AI能力的直接生产者。
在这种企业里，技术投入和人才投入不是两个可以分开计算的科目，而是同一枚硬币的两面。你很难对智元的CTO说：“你的算法团队是人的预算，你们的GPU集群是技术的预算，请按1:5配比。”
再看智平方，这家深圳首个百亿估值的具身智能独角兽，构建了全球唯一模型×硬件×场景的生产力闭环。其创始人郭彦东博士的逻辑是三者不是简单叠加，而是相互增强的系统能力。在这种技术即组织、组织即技术的融合态里，麦肯锡的1:5配比公式失去了应用场景。
硬科技企业需要的不是技术投入vs人才投入的比例分配，而是技术和人才融合体的效率评估。核心指标应该是单位研发人员的AI工具渗透率、跨域协作的响应速度、从实验到量产的组织周期，这些才是硬科技企业的组织健康度指标。
第二重错位：结构错位——过于扁平化在硬科技企业可能是毒药
麦肯锡报告描绘的未来组织图景是智能体型组织：扁平化结构，AI智能体接管中层管理的信息传递、任务分配与进度监督职能，组织向网络化结构转型。
这对互联网软件公司、咨询公司或许诱人，但对硬科技企业可能是一剂毒药。
为什么？因为硬科技企业的核心竞争力不是信息流转速度，而是跨域整合深度。
具身智能企业的日常运营涉及三条深度交织的主线：硬件本体研发（电机、关节、传感器、结构设计）、AI算法研发（大模型、强化学习、VLA）、场景落地（工厂部署、客户适配、数据采集）。这三条线之间的接口极其复杂，一个机械结构的微小改动，可能导致算法模型的输入维度变化；一个场景需求的调整，可能反向要求硬件重新设计。
在这种牵一发而动全身的系统中，中层管理者扮演的不是信息传递者，而是跨域翻译者和技术评判者。他们需要在机械工程师和算法工程师之间建立共同语言，需要在今天改结构和下周发版本之间做出权衡。这种角色，AI智能体在短期内无法替代。硬科技企业需要的不是消灭中层，而是让中层从管理者变成技术整合者。
第三重错位：能力错位——硬科技企业缺的不是员工AI素养，而是AI工程师的组织素养
麦肯锡报告将培养员工AI能力列为组织转型的核心举措，55%的领导者相信这会带来指数级生产力提升。但在中国硬科技企业的语境下，这个命题需要被重新表述。
硬科技企业的员工尤其是那些占比70%以上的研发人员，他们本身就是AI能力的生产者，而不是AI工具的使用者。他们不需要学习如何用AI写邮件或如何用AI做数据分析，他们需要理解的是如何让AI研发工作更好地嵌入组织流程，如何让算法团队与硬件团队形成有效协作，如何让实验室成果快速转化为可量产的产品。
换句话说，硬科技企业面临的能力缺口不是员工不懂AI，而是懂AI的人不懂组织。
日立的做法提供了一个有价值的参照。这家百年工业巨头在2024年12月新设最高AI变革责任者，在环境、IT、产业三大部门各置一人。这些责任者的职责不是推广AI工具，而是汇总活用案例、让全社共享、主导AI人才教育。更关键的是，日立首席人力官Lorena Dellagiovanna推动的技能分析器项目，核心目标是预测AI对岗位的影响，提前布局再培训。但这里的再培训不是教员工用AI，而是帮员工理解AI如何改变他们的工作边界。
给中国硬科技企业决策者的三条修正建议
基于以上三重错位，这三条与麦肯锡报告不完全一致的行动建议，供参考：
第一，放弃技术vs人的二元预算思维，建立融合效率评估体系。对硬科技企业而言，核心问题不是技术投入和人才投入的比例，而是技术-人才融合体的产出效率。建议建立三个指标：研发人员的AI工具渗透率、跨域需求响应周期、实验到量产的组织转化率。
第二，不要急于扁平化，先解决跨域协同的问题。硬科技企业的组织瓶颈不是层级太多，而是域与域之间的翻译成本太高。建议在每个关键产品线设立技术整合官，职责不是管人，而是确保硬件、算法、场景三条线的技术决策能够相互对齐。
第三，培训的重点不是让员工懂AI，而是让AI工程师懂组织。为算法团队和硬件团队开设组织协作课，教他们如何写跨域技术文档、如何组织技术评审、如何做需求优先级判断。这些看似软的能力，恰恰是硬科技企业从实验室公司进化为量产公司的关键瓶颈。
麦肯锡中国区主席在最近的一次访谈中说了一句很诚实的话：“传统公司不可能一下子彻底变成AI原生组织。”这句话同样适用于我们对报告本身的理解，麦肯锡报告是一份有价值的参考，但不是一份可以直接套用的说明书。
对于中国硬科技企业而言，AI组织转型的真正挑战不是如何变得更像麦肯锡描述的未来组织，而是如何在保持技术深度和组织复杂性的前提下，让AI成为组织能力的放大器而非干扰源。
这个命题，麦肯锡的报告没有给出答案，因为它需要中国硬科技企业的决策者们在实践中自己写出来。
