周鴻禕發全員信宣佈360啟動AI原生組織轉型，管理者年度考核掛鉤AI成果
AI資訊AI新閒資訊正文周鴻禕發全員信宣佈360啟動AI原生組織轉型，管理者年度考核掛鉤AI成果發布於AI新閒資訊時間 :Aug 17, 2026閱讀 :1分鐘8月17日，360集團創始人周鴻禕發佈題為《用領導力驅動業務創新和組織變革》的全員信，宣佈公司正式啟動向AI Native（AI原生）組織的全面轉型，並明確各級管理者為培養“超級個體”、打造“超級團隊”的第一責任人。周鴻禕在信中直言，“這不是一次普通的幹部領導力升級，而是360用AI重新創業。”此次全員信的發佈，標誌著360“All in Agent”戰略的進一步升級。周鴻禕此前多次公開強調，企業AI化轉型必須從管理者自身開始。
為此，他在信中向各級管理者提出三項具體要求:推動創新變革以加快業務與產品突破;推進組織重塑，使管理者從“審批機器”轉變為“超級個體的教練和指揮官”;持續學習迭代、躬身入局，先將自己進化為精通AI的“超級個體”。在成果考核方面，周鴻禕要求每位幹部必須帶領團隊交出可量化的結果:至少推動一項AI產品或業務創新，至少跑通一條由AI重構的核心流程，至少提交一項親自使用AI完成的實質性成果，這些指標將直接納入管理者年度考核。為保障轉型落地，360同步啟動組織配套調整，包括推動組織扁平化、引導基層管理者回歸個人創新、加快產研團隊AI原生轉型，以及加大校招生力度以促進人才結構年輕化。
此次組織變革將360的管理層推至AI轉型的第一線，為國內互聯網公司從工具賦能轉向組織基因重塑提供了又一個重要的落地樣本。相關推薦圖靈獎得主加盟，曹操出行加速挺進“AI原生”新賽道曹操出行任命圖靈獎得主約瑟夫·希發基思為AI創新中心首席科學顧問。這位形式化驗證與可信自主系統領域的頂尖學者將主導企業AI戰略與核心技術架構建設，此舉被視為曹操出行推進“AI原生”轉型的關鍵一步。Jun 29, 2026196.7k攜手 OpenAI！三菱日聯金融集團推行全員 AI 化轉型三菱日聯金融集團（MUFG）宣佈，已向旗下約3.
5萬名員工全面部署ChatGPT Enterprise，開啟向“AI原生”企業的深度轉型。自2024年10月與OpenAI合作以來，該集團致力於利用生成式AI重塑金融業務，提升零售客戶體驗，並擴展人類思維與創造力。此舉標誌著其正式進入AI驅動的業務新階段。May 29, 2026355.9k告別工具人:360升級“安全龍蝦”平臺，擬推10分鐘自建專家智能體360公司啟動“龍蝦計劃”，向每位員工發放1億Token額度，用於“360安全龍蝦”AI智能體平臺。該計劃旨在推動從使用AI工具向“帶著AI團隊工作”的協同模式轉型，探索“超級個體”辦公形態。平臺已內置逾百個專業智能體，覆蓋多業務場景。
May 12, 2026229.5kAI 超級個體時代來了！河南首個“AI+OPC”生態聯盟啟動：一人即公司中原科技城成立OPC生態聯盟，聚焦AI時代“一人公司”發展。AI+OPC模式通過人工智能賦能企業全流程，使個人能借助AI工具獨立完成產品設計、研發及市場運營，推動生產力變革。Apr 13, 2026218.4kAI原生辦公新勢力崛起:Floatboat獲融資，重構人機協同工作網絡阿喔咿科技（Floatboat）完成種子輪融資，由紅杉中國與微光創投聯合投資。資金將用於產品研發、團隊建設和市場拓展。
公司成立於2025年11月，核心團隊具備AI與辦公軟件技術背景，其發展反映了資本市場對AI應用從工具向協同網絡轉型的看好。Mar 19, 2026245.3k智啟未來，您的人工智能解決方案智庫English簡體中文繁體中文にほんご© 2026
Related
相關文章
消息稱 NVIDIA 考慮向 Perplexity AI 投資“數十億美元”
作者：溯波（實習） 責編：溯波 評論： 8 月 24 日消息，外媒 The Information 稍早前報道稱，NVIDIA（英偉達）考慮在 Perplexity AI 的最新融資輪中向這家人工智能初創企業投資“數十億美元”。雙方正就該交易展開磋商，還可能達成技術授權協議。
Rabbit做了個“所有Agents的Agent” ，體驗後我覺得Agent早就該長它這樣
Rabbit推出了一個被稱為「所有Agents的Agent」的新產品，實際體驗後讓人覺得Agent早就該長這樣。文章認為Agent普及的關鍵並非增加更多能力，而是讓用戶少理解十個概念，降低使用門檻。
Guidelight評估五大AI實驗室，OpenAI遏制能力排名第一
該評估覆蓋Anthropic、Google、OpenAI、Meta和xAI，僅依據公開信息考察其是否建立監控、異常行為處置、第三方審計及失控模型關閉等機制。在滿分5分的評估中，OpenAI以3分排名最高，Anthropic和Meta得分最低。
τ_0-VLA長程操控
τ₀-VLA是一種層次化機器人基礎模型，透過世界模型引導的測試時計算來改善長程操控任務。高層策略在決策不確定時會額外分配計算資源，搜尋替代子任務並預測其視覺結果，而低層策略則在40,115小時的異質真實世界數據上訓練。在包含13到25個步驟的真實長程任務中，封閉迴路成功率從27.5%提升至45.0%。