50个人的AI公司如何干出500人的活|造梦次元 x P人客厅 EP01 (上)

「P 人客厅」是Clara 和 Tongtong 新做的一档播客。之所以叫这个名字，是因为我们觉得很多人创业，本质上就是一群人在一边走一边看——找他对世界的理解，找技术的边缘，找产品的形状。P 人客厅第一期，我们和造梦次元的创始人沈洽金，三个 P 人（MBTI 的 Perceiving 型）坐在一起聊了两个半小时。以下是上半场的访谈整理。

本期嘉宾

01三个 P 人的开场

🎙️ Tongtong：大家好，欢迎来到第一期的 P 人客厅。我是彤彤，在天际资本主要看 to C 的 AI 应用，我是个很典型的 P 人。

🎙️ Clara：我叫 Clara，也在天际资本，看 AI 软件的应用和基础设施。我也是一个 P 人。

🧑🏻‍💻 洽金：大家好，我是洽金，我现在在做一个公司叫想法流，产品叫造梦次元，我也是个 P 人。

🎙️ Tongtong：我们这期叫 P 人客厅，是因为我觉得很多人创业的时候本质上也是一群 P 人在一边走一边看，找他对世界的探索，看技术的边缘。洽金你从人脸识别到互动视频再到造梦次元，你现在会怎么定义你的公司？

🧑🏻‍💻 洽金：先从产品角度讲，造梦次元是一个 AI 的内容社区，我们做的事情就是把最好的模型能力转化成最好的内容体验。

做造梦次元是基于我前面两次创业的经历。第一次创业经历了 AI 1.0 时代，对 AI 能力的边界有一定了解。第二次做互动视频，完整经历了内容生产到消费的闭环。

从公司组织角度讲，我们的公司叫想法流，想法流是一个 AI Native 的组织。有了 AI 之后，整个组织的协作会发生很大的变化。所以本质上我们做两件事：业务是一个 AI Native 的内容社区，组织是一个 AI Native 的组织。

🎙️ Clara：你为什么公司名叫想法流？这个名字和你对 AI 的理解有什么关系？

🧑🏻‍💻 洽金：想法流的英文是 idea flow，来源于一本社会工程学的书。书里说，当你把组织里人跟人之间的想法组织起来形成一条流，并且流速足够快的时候，组织的群体智能就会超过个体智能。

我在看这一波 AI 的时候，最大的感觉是：这次的 AI 本身是有智能的。所以组织会变成人加 AI 的组织，我们应该把人跟 AI 的想法全部组织起来，提高整个流速，形成一个「人—AI—人」的协作网络。

🎙️ Clara：你三段创业都是基于技术做落地产品，那你个人在这过程里一直在追求什么？

🧑🏻‍💻 洽金：真实。

做业务的过程中会有很多噪音，无论是业务本身的噪音还是市场的噪音，最后你会发现，只有最真实地去看用户需求和反馈，才能把业务做好。做组织也一样，你如果极度追求真实透明，组织就会变得极度简单。极度简单，它就会极度高效。

我们公司的企业文化叫做「真实有效、坚韧极致」。真实有效排在最前面。

02从 idea 到代码：全链路都有 AI 在

🎙️ Clara：你提到想法流是一个非常 AI Native 的组织。我们天际资本最近也在推行 AI 工具的使用，从工具到组织调整都在做。

🎙️ Tongtong：我们现在二十几个人，但 BOT 是双倍的数字。基本上写报告、投后数据管理，都是通过 OpenClaw 在群聊里面跑。但从你们的角度来看，肯定有更高效的方式，不只是用 bot 去连接。

🧑🏻‍💻 洽金：我们在组织里用 Agent 主要做几件事。

第一个场景是从 idea 到产品需求文档。 当我有一个 idea 的时候，通过跟 AI 的互动，能让 idea 变得更有结构、更闭环。有些东西我没想清楚，AI 帮我想清楚。有些东西我没想到，AI 帮我想到。

再往下一步，从产品需求到开发能理解的产品文档。以前产品经理写了个基础文档跟开发开会，开发就在里面质疑——某些极端情况怎么处理？有了 AI 之后这个环节被省掉了，因为 AI 可以帮你提前发现这些极端情况并补齐。这样你给到工程师的就是一份确定性很高的需求文档。

工程师有了 AI 之后，可以基于需求文档让 AI 先写一遍代码，工程师再 review。原来人跟人之间大量协作产生的摩擦，现在很多交给了 AI。AI 跟你协作反应很快，而且输出的东西很清晰。

第二个场景是数据分析。 以前我们需要数据分析师用 SQL 连数据库，拉数据，根据业务需求做分析报告。现在 OpenClaw 可以自己连我们的数据库，拿到原始数据，再基于我们组织的 context——它知道我们重视什么、业务是什么——输出非常结构化的分析报告。

第三个场景是内容生产。 作为内容社区，我们自己也要做大量内容。文案、热点追踪、生图、生视频，这些零散的模型能力，我们用 OpenClaw 组织成 Skill，运行一下就能高效把整个链路串起来。

所以在我们组织里，AI 更像是一个同事，我们跟这个同事一起协作。

🎙️ Tongtong：有没有什么岗位已经被 AI 取代了？比如在美国，很多 PM 都是 technical 的产品经理，他们和工程师的分割线越来越模糊。你觉得 OpenClaw 出来之后会加速这个进程，还是取代了某种更细分的职能？

🧑🏻‍💻 洽金：某一个岗位不会消失，但这个岗位的人数会减少。

有了 AI 之后，人的想法变得非常关键。以前一个岗位里面需要有想法的人和执行的人。现在执行可以交给 AI，但有想法的人依然重要。设计最重要的是审美，产品经理最重要的是分析用户行为和定义产品，工程师最重要的是架构能力。AI 替代掉的是岗位里面相对低阶的部分。

🎙️ Clara：整个全流程 AI 化，是你自上而下推行的，还是自下而上的过程？

🧑🏻‍💻 洽金：最早是去年下半年，工程师、设计师、内容同学开始自发用 AI 工具提效，但比较松散。从 2026 年开始，我在全面推动公司往 AI Native 组织转型。

因为我们发现，如果工作流里面还有大量原有的工作习惯和协作流程，效率是不够高的。必须让整个协作流程完全 AI Native 化，效率才会大幅提升。 这需要公司级别的转变。所以从年后我在大面积推动这件事。

03Context 基建：AI Native 的前提条件

🎙️ Clara：我们特别有共鸣。举个例子，昨天我们办了一个 OpenClaw 的技术沙龙，后面我想用 AI 写一篇公众号。你猜最花时间的环节在哪里？

🧑🏻‍💻 洽金：录音导不出来。

🎙️ Clara：对！同事把录音给我，但 AI 没办法直接抓录音。我需要管理权限把它导成文字，等了一个晚上。但文字一旦给到 AI，很快就出了一篇文稿。

🧑🏻‍💻 洽金：你提到一个很关键的问题。我们觉得 AI Native 协作里有两件事很关键。

第一，context 不能碎片化。 你需要把组织的所有 context 变成一个大的池子，让 AI 能随意调用。我们早期就有一个 ClickHouse 数据库存业务数据，组织信息基本都在飞书上。我们做的事情就是尽可能打通飞书的权限，让 OpenClaw 拿到足够多的数据。

第二，人需要有判断力去判断 AI 说的对不对。

我们最近推行的一件事是每个部门都配了飞书录音设备，所有会议都要录音并生成纪要。这些 context 喂给 AI 之后可以做很多事——做会议简报，还可以分析谁是组织里讲出最优质的话的人……

🎙️ Tongtong：员工考核。

🧑🏻‍💻 洽金：对，有很多东西可以做。我们发现一个规律：当你的 context 足够多的时候，会涌现出很多你原来意想不到的东西。所以尽可能地收集就行。

你们那个录音权限的问题，核心是每个人都要有一个意识：我今天做的这个东西，是不是能够让 AI 更好地读取？

🎙️ Clara：你说起来很轻松，但把 context 做到足够充分，背后肯定是很多年的习惯积累。

🧑🏻‍💻 洽金：对。因为我们做了很多年创业，协作方式一直在变。最早我们用 Word、Photoshop，开修订模式来回发文件，版本管理很复杂。后来有了 Google Docs、飞书文档、Figma，协作从线性结构变成网状结构，大家可以在一张画布上同时协作。我们公司 2017、2018 年就开始用 Figma，运营、设计师、工程师实时协作。

有了 AI 之后，就是在网状协作基础之上，把很多协作的节点从「人」变成「人 + Agent」。如果 Agent 是你的同事，你就理应让它更好地参与进来，给它充足的 context。这是建立在我们已经做了很多年的在线实时协作基建之上的。

我前天发了一份商业化分析报告给 Clara 看。那个就是我们业务同学写了一个 Skill，让 OpenClaw 连数据库，拿到数据后做分析，输出的报告还是公司标准样式，可读性很高，可以直接发给股东。

🎙️ Clara：我收到那份报告的时候，第一反应是以为你们年会上几个联合创始人讨论后做的总结。后来发现是 AI 做的。那它肯定拿到了公司非常多的信息。你们对 AI 透明，那组织内部也需要这种透明度？

🧑🏻‍💻 洽金：我们在追求尽可能做到透明。当然有些非常敏感的信息不适合全员，但我们在努力让整个信息更透明。你收到那份报告，其实是我们给 3000 个付费用户发了问卷，用户填完后产生数据，AI 做分析。那份报告我们也向公司所有人开放，因为我们希望同事能更好地了解用户为什么喜欢造梦次元、为什么愿意付费。

🧑🏻‍💻 洽金：不过我有时候会觉得很有意思——AI 并不是对所有公司都会提效。 如果一个公司原来的协作方式有问题，用了 AI 之后可能是反向效果。比如公司里有很多假的 context，AI 就会基于假 context 输出假报告，公司就乱了。

前提是人做的东西做得足够正确，有了 AI 之后才能有正向效果。

04AI 辅助决策：当 AI 选的 logo 和最好的设计师一样

🎙️ Clara：刚才你已经把一些判断的权力放给了 AI。这跟我们之前的结论不太一样——我们暂时认为所有流程化的东西 AI 都能做，但判断还是人来做。

🧑🏻‍💻 洽金：人在做判断的时候很容易想不全，但 AI 有可能找到你想不到的角度。所以它可以辅助你做决策。

我们常用的方式是跟 AI 做对抗——比如我觉得一个方案特别好，但我会不断诱导 AI 去讲这个方案不好，让它帮我找更多角度，让逻辑更严谨。完全信任 AI 的判断还有风险，但它确实能帮你遍历所有可能性，找到你 miss 掉的角度。

最近让我更有这种感觉的是，我们在做公司品牌重构，十几版 logo 发给 AI 让它选。AI 选出来的那一版，跟我们公司内部花了一上午讨论的那版一模一样。

但我们在讨论过程中会比较纠结，比如只会说「这个好看还是不好看，够不够主流、够不够国际化」。AI 给我的输出很清晰——它会告诉我哪些不够主流、为什么不主流、跟梦宝形象的连贯性怎么平衡、logo 和 IP 谁的视觉权重更大。

昨天我们又找了十几款商业字体让 AI 选，它选出来的也跟我们合作的那个很厉害的设计师选的一样，而且有逻辑。

🎙️ Tongtong：我的感受是，很多时候你对一个事情的「直觉」其实不是直觉，是你的 wishful thinking。AI 可以做一把尺，帮你判断这到底是真直觉，还是你太想让它成功了。

我自己有四个 BOT，都叫实习生——1 号、2 号、3 号、4 号。3 号就是一个挑战者角色，我发的每个东西它都必须要 challenge。

🧑🏻‍💻 洽金：我建议你做一个事情：写一个 Skill，把你常用的思考链路写进去，然后让 AI 跑这个 Skill。

你可以做两件事。一是让你的四个实习生变成四个你的分身——参考你的 MBTI、性格，从你的角度但不同性格去分析一件事。另一个就是用 Skill 把思考链路固化下来。

🎙️ Clara：Skill 本质就是把你之前的工作习惯和流程总结成文档，AI 照着执行。有点像你在带实习生，把怎么做事讲一遍，实习生照着做。现在就是把「讲」变成一个具体的文档。

🧑🏻‍💻 洽金：对，我们做公司的过程中经常说「要固化最佳实践」。Skill 就是固化最佳实践。

我觉得 OpenClaw 今天能火起来跟 Skill 有很大关系。它是开源的，市场上有大量 Skill，有些确实帮你解决很多问题。一个生态不繁荣的话很难活起来。

🎙️ Clara：你们工作中用自己编的 Skill 多，还是开源找的多？

🧑🏻‍💻 洽金：都有。数据分析那个是从市场上找的，但输出造梦次元风格报告的那个是内部写的。

🎙️ Clara：你还记得你们第一条 Skill 是什么吗？

🧑🏻‍💻 洽金：是那个样式的 Skill。我们公司很多同学对审美要求比较高，觉得 AI 输出的东西有点丑，设计师就基于公司风格写了一个 Skill 来规范输出样式。

🎙️ Clara：有没有什么场景是公司同学的意见和 AI 判断不一致的？那听谁的？

🧑🏻‍💻 洽金：比如工程师认为的跟 AI 认为的有时候会不同。我不做判断，让他们自己去判断。但趋势上 AI 写出来的东西会越来越正确。

去年九十月份我们用 Claude 写代码，那时候还给工程师埋了很多坑，后来另一个工程师把那些代码全重构了。但到今天再看，AI 输出代码的可用性已经非常高了。

05AI 时代怎么招人：问得越细越好

🎙️ Clara：程序员同学对 AI 替代这件事怎么看？

🧑🏻‍💻 洽金：我们比较喜欢招原来干过独立开发者的那种人，他们非常愿意尝试新技术。厉害的工程师应该更希望自己成为架构师，更多去思考业务。对他来说 AI 就是实习生帮他写代码，他不会恐慌。

所以在 AI 时代，有想法是最关键的。有想法的人用 AI 能力把想法变得很好。

🎙️ Clara：想法流从 20 多人扩到 50 多人，你招人和优化的核心标准是什么？

🧑🏻‍💻 洽金：最关键的是他有没有想法，而且想法有没有想得足够深。

在没有 AI 之前，有想法的人就是一个更 High Agency 的人，做事更负责。有了 AI 之后更明确了，有想法的人做事速度比别人快。

我们在招 AI 产品经理的时候发现应届生效果特别好。因为 AI 大概 23 年开始起来，正好是他们在学校的时候。有一部分人会去探索各种 AI 用法，自己做项目。他们反而很 AI Native。

面试的时候我会问非常细的问题：你用哪个模型？什么特别之处？开源的多少参数？你搭过什么 agent？

如果一个人在很细的问题上都答得正确，说明他真的是自己上手全用起来了，不是只看文章。这种人进入组织后效率非常高，你只需要给他一些 context 和启发，他就能用非常 AI Native 的方式做出来。

我们去年 Q4 上的 MV、人声翻唱、转小说、合拍这些功能，全是这批应届生做的。

🎙️ Clara：你会倾向去招某种背景的人吗？OpenClaw 出来后很多人说文科生的天下终于到了。

🧑🏻‍💻 洽金：没有有意去招文科生。但有一个有趣的发现：除了计算机专业，我们招的比例最大的是建筑专业。建筑专业的人逻辑严谨又有审美，落地效果挺好。但这不是有意为之。

我自己是园林专业的，在学校就一直做站长、搞创业项目。专业可能没那么重要，重要的是你在学校那几年做了什么事情。

🎙️ Clara：园林专业对你有什么帮助？

🧑🏻‍💻 洽金：我们要学画画——素描、水彩，对审美有帮助。还有一件事，我做了一年的无菌播种实验，从播种到长成一米多的树，再用硝酸消解测重金属含量。完整做过一年实验之后，做事方法严谨很多，也很有耐心。

无论什么专业，最后磨练人的都是基本功：做事是不是严谨？有没有韧性？

🎙️ Clara：作为 P 人，从二十几人到五十几人，管理压力大吗？

🧑🏻‍💻 洽金：还好。虽然我是 P 人，但几个联合创始人都是很强的 J 人。而且有了 AI 之后——AI 是个超级 J 人。

🎙️ Tongtong：另外一个说法是 AI 像 neurodivergent 的人，像阿斯伯格，刚好配 ADHD。High Agency 加 ADHD，一个人干八个部门的活。

🧑🏻‍💻 洽金：我们公司确实有 ADHD 的人，有了 AI 之后效率大幅提升。但两种类型都需要，不能太极端。

🎙️ Clara：彤彤有点 ADHD。

🎙️ Tongtong：我非常 ADHD。现在可以同时开很多个不同的 project 在做。

🎙️ Clara：造梦次元去年下半年几乎每周都在发大的 feature——漫画、音乐、分身合拍。这个速度跟 AI Native 组织有关系吗？

🧑🏻‍💻 洽金：有很大关系。以前做功能需要写很多复杂的逻辑，现在本质上都是一些 Agent。我用前面说的那批人，他们快速把 Agent 做出来就行了。

而且因为 AI 让组织里每个人的输出都更清晰，减少了协作摩擦。我们公司 APP 每周一版，后端可能几天一个版本。发一个 feature，以前要两三周才知道好不好，现在可能一天内分析报告就出来了，我们马上知道下个版本该怎么迭代。

🧑🏻‍💻 洽金：还有一种面试方法我也推荐：给候选人一个几乎完成不了的任务，Token 费用公司报销，看他怎么去完成。 你看他会不会用最好的模型，以及他使用模型的方法是什么。

🎙️ Clara：这是非常实用的建议。

🎙️ Tongtong：我能想象那个 bot 在那疯狂打转，完成不了任务的感觉。

🧑🏻‍💻 本期嘉宾

沈洽金 —— 想法流（ideaFlow）创始人 / 造梦次元创始人。连续创业者，园林专业出身，企业文化四个字：真实有效、坚韧极致。

🎙️ 主持人

Tongtong & Clara —— 天际资本（FutureX Capital）投资人，专注消费 AI。

🎧 收听完整节目 

小宇宙：P人客廳

🎬 视频号链接

上篇到这里。

下篇我们聊造梦次元的产品逻辑——为什么「活人感」比 AI 更重要、

为什么需求都是老需求、以及三个 P 人各自在生活中被 AI 改变的那些瞬间。

————✦ 往期回顾 ✦————

背熟了所有菜谱但从没下过厨——这就是今天大模型的真实状态MIT这份清单背后，藏着下一轮AI机会的分布

天际科技投资（FutureX Capital）由前华夏基金私募股权创始团队于2018年初主导创立。公司专注于投资中国早中期高新科技企业，重点聚焦颠覆式创新的卓越企业，重视价值创造，聚焦产业赋能，深度参与到企业发展的全周期。全球创新技术含金量最高的公司和快速爆发下游应用是天际科技投资最关注的目标企业，并善于将这些先进技术公司推向产业平台，协助其进一步发挥潜力。代表性投资包括：金山云，字节跳动，美团，蔚来汽车，PingCAP，统信，思特威，芯盟科技，开源中国等。

天际科技投资秉承开源理念，不断吸引广泛的产业资源、金融资源和专家网络，与顶级企业家进行多方位的交流与合作，汇聚顶级认知，形成前瞻性洞见和跨行业合力，通过不断提升认知，持续发掘改善世界的投资机会。

————✦ 关注我们✦————

小红书/视频号/抖音：倩姐投AI

小宇宙博客：P人客廳

Twitter: @futurex_capital

LinkedIn: FutureX Capital

官方视频号/公众号：天际科技投资