你好啊，这里是智井。

当大多数人还在用 AI “打辅助”时，YC 合伙人 Diana 抛出了一个颠覆性的真相：AI 不仅仅是效率工具，它更应成为重塑公司底层逻辑的“操作系统”。

这段10分钟的视频，非常适合正考虑做 AI OPC 的老板看。

以下内容为核心内容翻译整理。

如何从零开始打造一家“AI 原生”公司

在过去的几个月里，我越来越清晰地认识到：AI 不仅仅会改变软件开发的速度，或者仅仅是让工作流程实现自动化；它将从根本上颠覆初创公司的运营方式——从未来组织中将存在哪些角色，到我们究竟能够打造出什么样的产品。

今天，我们来探讨创始人应该如何构思并建立一家“AI 原生（AI Native）”的公司、团队中应该设立哪些角色，以及他们现在可以立即采取哪些具体的内部实践来大幅提升发展速度。

目前，大多数人在谈论 AI 时，往往还局限于“生产力”的范畴。他们会滔滔不绝地讨论 AI 如何提高工程师的效率，或者说“我们需要将 Copilot 引入现有的工作流程，以交付更多的功能”。

然而，这种视角忽略了我们当下正在经历的巨变——这与其说是生产力的提升，不如说是“全新能力”的诞生。

如今，只要有合适的人借助 AI 工具，就能开发出过去需要一整个团队才能完成、甚至以前根本无法实现的功能。

将 AI 视为一种全新的能力，对创始人应该如何运营公司有着深远的启示。

AI 不是工具，而是公司的“操作系统”

从宏观层面来看，你不应仅仅将 AI 视为公司的一项工具，而应将其视为公司运转的“操作系统”。

每一个工作流、每一次决策、每一个流程，都应该流经一个不断学习和进化的智能层。

具体而言，这意味着你公司中每一个重要的流程，都应该被一个智能的“闭环系统（Closed Loop）”所接管。

闭环系统会收集信息，将其反馈给智能系统，并随着时间的推移不断优化流程。如果你学过控制系统，就会清楚“开环”和“闭环”系统的区别：

让整个公司对 AI“清晰可读”

借助能够自我迭代的智能体（Agents），你的公司应该作为一个闭环来运行。要构建这些闭环，你需要让整个公司变得“可查询”。换句话说，整个组织对 AI 来说必须是清晰易读的。

每一个关键行动都应产生一个“数据沉淀（Artifact）”，让位于公司核心的智能体能够从中学习并自我进化。这意味着：

为公司的方方面面构建定制的数据看板——收入、销售、工程、招聘、运营，包罗万象。

例子：工程管理和敏捷冲刺计划

假设你有一个智能体，它可以访问你的任务工单系统、所有的 Slack 工程交流频道、来自邮件及 GitHub 等工具的客户反馈、Notion 中的高层战略规划、销售电话录音以及每日站会的记录。

那么，这个智能体就能精准分析你们在上一个冲刺周期中实际交付了什么，以及这些成果到底在多大程度上真正满足了客户的需求。在此基础上，智能体还可以向前看，为工程师提出更具可预测性、更准确且紧扣目标的冲刺计划。

过去那种由主管层层向上汇报状态、导致信息严重流失的日子已经一去不复返了。我自己曾管理过工程团队，现在又在多家 YC 投资的公司中看到了这种模式，我深知这绝对是一个游戏规则的改变者。过去需要反复沟通协调的事情，现在默认就变得清晰透明、随时可供查询。我见过采用这种做法的团队，他们将工程冲刺时间缩短了一半，而在同一时间内完成的工作量却增加了将近 10 倍。

这背后的核心原则是：为了充分发挥 AI 模型的潜力，你需要像对待员工一样，为它们提供尽可能丰富的前置背景信息（Context）。 你的公司将蜕变成一个状态、决策和结果被持续捕获反馈的智能闭环。最终产生的是一个能够始终保持全局最新视野、洞悉真实状况的系统。

迎接“AI 软件工厂”与千倍工程师时代

此外，对于发展最快的公司如何打造产品，正在涌现出一种新的范式：AI 软件工厂。如果你熟悉测试驱动开发（TDD），这便是它的下一次进化。

在软件工厂模式下，由人类来编写需求规格（Spec）和一套定义成功标准的测试用例，然后由 AI 智能体生成具体的代码实现，并不断迭代，直到通过测试为止。

人类负责定义“建什么”并评估结果，而写代码则是智能体的工作。 有些公司已经将这种做法推向了极致：他们的代码库中没有任何人类手写的代码，只有规格说明和测试框架。

Strong DM 的 AI 团队就是绝佳案例。

他们打造了一个软件工厂，由需求规格和基于场景的验证机制驱使智能体编写测试并迭代代码，直到系统完美运行。

这就是实现“1000倍工程师”的途径：用一个由众多智能体组成的系统来辅助一位单枪匹马的工程师，使他们能够构建出以前根本无法独立完成的项目。千倍甚至万倍工程师的时代已经到来。

彻底扁平化：淘汰“人类中间件”

以这种“AI闭环、可查询组织、软件工厂”的方式构建公司，带来的一个直接推论是：传统的管理层级制度不再适用。

在旧世界里，你需要中层管理人员在组织内部低效地上通下达传递信息。在新世界中，智能层取代了这一职能。如果你的公司对 AI 清晰可读，你几乎就不再需要任何“人类中间件”。公司发展速度完全取决于信息流转速度，你每消除一层人为的信息传递层级，都会带来直接的速度飞跃。

Jack Dorsey 在 Block 公司的做法就是一个很好的印证。

他的观点是：如果你引入了AI却依然保持原有的组织架构，那你就完全错失了这场变革的真谛。 公司本身必须重构为一个智能层，让人类处于边缘位置去“引导”它，而不是让人类作为节点去“传递”信息。

展望未来，Jack 提出每家公司都将只有三种员工模型：

“Token 拉满”：初创公司的终极优势

在这种架构下，公司将能以极度精简的团队取得超乎寻常的成果。未来的关键转变将是“最大化 Token 使用量（Token Maxing），而不是最大化员工数量（Headcount）”。

一个掌握了 AI 工具的人，其产出就相当于前 AI 时代一个庞大的工程团队。

这意味着你需要极其精简的工程、设计、HR 和行政团队。因此，你应该乐意去支付一笔高得令人咋舌的 API 账单，因为这笔费用替代的是极其昂贵且臃肿的人力成本。

但请不要仅仅听信我的这番话。对这些工具强大力量的信念，是无法借由他人之口的。必须亲自坐下来，与编程智能体协同工作，不断使用它们，直到你开始打破自己原有的认知壁垒，重新认识到如今到底能构建出怎样惊人的事物。

如果你是一名早期创始人，你在抢占先机方面拥有巨大的优势。你没有历史遗留的旧系统，也不需要对成千上万的员工进行重新培训。你的体量足够小，完全可以从第一天起就以正确的方式打造公司。

而对于现存的大公司来说，情况恰恰相反。

他们必须在维护现有产品的同时，逐步拆解积累多年的旧流程和对“软件开发”的固有思维。尽管像 Mutiny 这样的公司通过组建内部“臭鼬工厂（创新小团队）”实现了突破，但对大多数大公司而言，触碰核心流程意味着极高的风险，因此他们向“AI 原生”转型的道路将步履维艰。

而初创公司没有这种历史包袱。这是你们必须要把握的巨大优势。你可以从第一天起就围绕 AI 来设计你的系统、工作流和企业文化，从而以比现有巨头快上千倍的速度狂奔。

写在最后

这段10分钟的演讲，毫不留情地扯下了当下许多企业“伪 AI 转型”的遮羞布。

当我们还在沾沾自喜地用大模型写周报、润色邮件，沉浸在“降本增效”的幻觉中时，硅谷的最前沿已经开始重构公司的物理底座。把 AI 当作高级打字机，就像给马车装上 V8 发动机——跑得再快，也依然是马车。

在这个时代，我们需要建立三种极具颠覆性的新常态认知：

第一，放弃对“管理规模”的迷恋。 过去，公司规模越大、中层管理者越多，似乎意味着实力越强。但在 AI 原生时代，充当信息传声筒的“人类中间件”将是最先被淘汰的冗余资产。未来的组织必须是极致扁平的，人类只负责定战略、打硬仗，剩下的日常流转全部交给 AI 闭环。

第二，“高昂的 API 账单”将是极其性感的炫耀。 以后投资人看一家初创公司，不再是看你招了多少个名校背景的程序员，而是看你的 Token 消耗量。当你能用极少的人类精英，配合庞大的智能体集群干翻传统大厂时，烧掉的每一分 API 算力，都是对臃肿人力成本的无情降维打击。

第三，大公司的“阿喀琉斯之踵”，就是创业者的天赐良机。 那些拥有数万员工、复杂审批流、成熟核心业务的巨头，根本不敢轻易动刀子重构底层。历史包袱越重，转身越慢。而这，正是属于每一个小团队的黄金窗口期。

放手去干吧，属于 OPC 的时代才刚刚开始。