【暴论】公司这个组织形式,在软件行业即将失效

我今天想说一个暴论：

公司这个组织形式，在软件行业即将失效。

公司是为了协调人而存在的。

但当一个人能让几十个AI 实例同时工作，不需要开会、不需要管理、不需要绩效评估的时候，「公司」本身存在的逻辑基础，是不是就不在了？

今天和大家分享龙虾之父Steinberger最近在他的博客里分享的实践。

导读

大家已经不陌生了，OpenClaw是一个有37 万 stars的开源 AI 助手项目，比 React 和 VS Code 的星数还多的生产级产品，全球几百万人在用。这样一个项目的日常维护，按传统方式需要多少人？我看到的数据是：主要维护者不超过 10 个，没有专职运维，没有专职测试，没有专职技术支持——全靠100来个运行在云端的codex实例在后台跑着。

01

上百个Codex实例在做什么？

Steinberger在推特上透露过这些Codex覆盖的六类工作。我把他的原话整理成了一张表：

六类工作同时跑，而且可以并行。这不就是一个中型软件公司了吗...

那么朋友们，问题来了：跑这么多实例，Token 成本会不会失控？

02

"Token 成本无关紧要"

软件开发的瓶颈是人的时间和注意力，计算成本可以忽略。如果 AI 能帮你做 80% 的重复性工作，剩下的 20% 关键决策由人来把关，计算成本反而是最低的投入。

我认为这个判断是对的。token的成本，是一定会持续下降的，而且未来一定会低到离谱（maybe世界模型出来之前，LLM的token成本一定是这个趋势）

03

一个人均效率极高的团队

OpenClaw 的主要维护者不超过 10 个人，没有专职运维、专职测试、专职技术支持。按传统方式，这样规模的项目，起码也得几十号人吧？

而他现在用 100 个 Codex 实例同时维护这个项目，外加一个不到 10 个人的核心团队。

我看到的是：AI 抹平了知识壁垒——过去需要不同专职角色的能力，现在一个 Agent 实例就能完成，专业知识的获取比过去两百年的任何形式都要没门槛。可以说任何人都可以成为你想成为的专家。同时，AI 也抹平了人力瓶颈——一个工程师配几十个 AI 实例，等于几十个并行工作的工程师，但不用管理、不用发工资、也不用担心人员流动。😊

这个实践不禁让我感到恐慌，在 Agent 能力爆发的时代，一个人的产出天花板在哪里？Steinberger 正在用实践给出一个答案—— 你的注意力，能够允许你同时管控多少个Codex 窗口。

但随着模型的增强，其实这个答案还没有找到真正的终点。

04

回到开头的暴论

说回开头那个暴论——"公司这个组织形式，在软件行业即将失效"。。

公司的本质是协调人的成本。创过业或者当过小领导的人想必都深有体会：你招一个人，不只是付工资，还要管理他的情绪、帮他定OKR、调解冲突、给他晋升预期。太多太多令人痛苦的 social work 了。10个人的公司，CEO 大概有 40% 的精力用在内部协调上，而不是产品本身。

所以你发现了吗？这里面很多的信息传达、协调工作，既是公司的成本，也是公司存在的理由——而当一个人自己就能跑通一个业务的时候，这个协调成本就一下子不存在了，高效多了。

AI 实例在软件公司里做的事情，本质上是替代了公司的两种功能：专业能力（安全测试、代码审查、运维监控）和规模效应（上百个实例并行工作）。过去一个工程师团队做的事情，现在一个工程加几十个 AI 实例就能兜住。专业能力和规模效应，不再需要通过"人多"来实现。

这意味着软件行业的公司边界正在变得模糊。一个人加 AI 实例，可以干以前一个 10 人团队干的事情。这个人不需要是全才——他只需要知道如何配置和协调 AI 实例，不需要自己会写安全扫描、不需要自己会做端到端测试、不需要自己盯监控。这些都被 AI 实例接管了。

当然，软件行业不等于所有行业。硬件、制造、医疗这些领域，物理世界的约束还在，公司这个形式不会消失。但在纯软件行业——特别是开源项目、SaaS 工具、AI 应用——这个变化已经发生了，而且速度会比大多数人想象的快。

这是当下 OpenClaw 在实践的东西，并不是未来。当然这可能只是一个极端案例，但它验证的规律是通用的：一个人能调动多少 AI 实例，决定了他能覆盖多少专业能力和规模效应。你不需要管几十个人的团队，你只需要把合适的工作交给合适的 AI 实例。

05

中小企业数字化团队怎么参考

OpenClaw 是开源项目，中国的中小企业情况不同——内部系统多、集成乱、数据不能出墙、Agent 落地场景不到 20%。但有一点是相通的：大多数数字化团队的时间，都被那几件高频琐事吃掉了。

把团队从"救火模式"切换到"杠杆模式"，思路是一样的：先找到那个最高频、花时间最多、但不需要动脑子的事情，用 Agent 代替它。

如果你是企业的AI变革负责人或者是数字化负责人，可以先问问你自己你现在公司里最高频、最耗时的三件事是什么？我见过最常见的答案是：写文档、写周报、写需求分析，客服和工单分类的初步回复，可能还有数据报表的清洗和格式化。这三件事，完全可以用Claude Code、Codex 或者 Hermes Agent 来自动化。给它一个自然语言描述的工作流，它自己写脚本、自己调试、自己跑完，你检查结果就行。第一次花半小时描述清楚你要什么，之后它就能天天替你跑。

第二个可以持续做的是：把内部系统 CLI 化，让 Agent 能调用它们。很多数字化部门的日常精力被内部流程吃掉了——审批签字、信息同步、会议纪要整理。飞书和钉钉都有 CLI 工具，在终端里几行命令就能完成原本要点点点的事情：查考勤、调取审批状态、推送机器人消息、批量发通知。把这些 CLI 化的意义不只是省力，而是让 Agent 直接调用它们。未来的用户界面是自然语言，你的系统能不能被 AI 调起来，取决于它有没有被 CLI 化。

跑顺了之后，你会发现有些系统本身就是在做信息流转的工作——这些是最容易被 AI Agent 替代的部分。把"维护这个系统"变成"跑一个 Agent 来处理这个系统的输入输出"，长期成本更低，响应更快。不需要把现有系统全部换掉，只需要开始思考：哪些部分值得被 Agent 接管？

RESOURCES

资源链接

OpenClaw GitHub：github.com/openclaw/openclaw
Steinberger Twitter：x.com/steipete
clawpatch：github.com/openclaw/clawpatch
CodexBar：github.com/steipete/CodexBar

OpenClawAI 自动化开源运营Agent 杠杆