AI 不是在取代员工,是在改变公司这个概念本身

南荒说

AI 不是在取代员工，是在改变公司这个概念本身

2026-05-28 · Nanhara

一、凌晨那条 trace

凌晨三点，我在 LangSmith 里看一条 agent trace。

一条普通的销售自动化链路。Sales Agent 收到一封询价邮件，调 CRM Agent 拉客户档案，CRM Agent 在向量库里找不到这个客户，转手调了 Memory Layer——三个月前同一个客户拒绝过一份报价，区间被记了下来。Memory Layer 把那次拒绝的具体理由喂回 Sales Agent，Sales Agent 据此重写邮件，又调了 MCP 上挂的一个 SMTP 工具发出去。

整条链路十几步，没有一处人工介入。

我盯着这条 trace 看了很久。倒不是因为它做错了什么——它每一步都做对了。让我愣住的是另一件事：「这家公司，如果"公司"这个词还能用的话，已经不是我开始写它的时候那家公司了。」

它现在有一个不睡觉的销售部门，一个不会离职的客户档案管理员，一个能回忆三个月前任何对话的人。这三个"角色"都不是人，但它们组成的这个东西，比人组成的那个旧版本更接近"公司"这个词的本意。

软件改变了公司怎么运作。

AI 正在改变公司是什么。

二、科斯 1937 留下的那个问题

要看清这件事，得先把时间拨回 89 年前。

1937 年，一个叫 Ronald Coase 的英国经济学家在 Economica 杂志第 4 卷上发了一篇论文，标题平平无奇——The Nature of the Firm，《企业的性质》。半个多世纪后的 1991 年，这篇论文给他换来了诺贝尔经济学奖。

科斯问了一个在当时看起来很奇怪的问题：如果价格机制和自由市场这么高效，为什么世界上还会有"公司"这种东西？为什么不是每一个人都在市场上独立交易、按单结算、用完就散？

他的答案，一句话讲透：「因为市场交易是有成本的」。

你要找到合适的合作方（搜寻成本）。你要跟他谈条件（谈判成本）。你要把条件写进合同（签约成本）。你要盯着他不偷懒、不掉链子（监督成本）。当这些成本高到一个程度，把这件事内化到一个组织里——雇个人长期做、给他一个工位、发他一份月薪——反而比每次都去市场上重新找人便宜。

公司因此存在。

科斯进一步给出了那条以他命名的定理：「公司会倾向于持续扩张，直到在公司内部多组织一笔交易的成本，正好等于在市场上完成同一笔交易的成本。」

这条线，过去近一个世纪是所有商学院教材的第一章，是 MBA 第一节课老师板书的第一个公式，也是过去几代 CEO 在画组织结构图时心里默念的那把尺子。

现在 AI 把这把尺子的刻度全改了。

搜寻成本——RAG 把任何知识压到 0 边际成本调用，你不需要再"找"合适的人，你直接向一个 Knowledge Layer 问。谈判成本——一个 Workflow Layer 配几条规则就能跑完原本要三个部门来回的流程。监督成本——agent 的每一步都留 trace，每一次 tool call 都可审计，"这个员工今天有没有偷懒"变成了一个可以 SELECT 的字段。信任成本——Memory Layer 让每一次互动都被记下、被复用、被对照，三个月前那次失败成了下一次决策的输入。

这四种成本，AI 不是在"降低"，是在抹到接近零。

科斯方程的右边——市场交易成本——突然塌了一截。

按他的逻辑，公司的最优边界会向另一头大幅移动。原来需要内化的事，现在外包给 agent 更便宜。原来需要雇 50 个人的事，现在 1 个人加一组 agent 就够。

但这只是表层叙事。市面上 99% 谈"AI 取代员工"的文章停在这里——公司变小，岗位消失，HR 焦虑。

我说这是表层，因为真正在发生的事比这更深一层。

「公司不会消亡，它会变成另一种东西。」

科斯解释了公司为什么会存在。AI 正在解释公司为什么不再是那个公司。

我们以为 AI 在重写岗位描述。其实 AI 在重写《企业的性质》第一章。

得先撇清一点。

科斯本人 1937 年没有写过一个字关于数字化或者 AI，我也没打算把他抬出来给 AI Native 公司背书。1991 年他领奖那天，互联网都还没普及。我只是说，他给出的那个分析框架，到今天依然是看懂这件事最锋利的工具。Oliver Williamson 2009 年的诺奖工作把这套框架进一步细化到"资产专用性 + 不确定性 + 交易频率"三个维度——而这三个维度，正好都是 agent 在持续压低的东西。

三、五层架构作为公司新本体

架构图

如果"公司"正在变成另一种东西，那个东西长什么样？

做 AI 应用做了快三年，画过不下二十张架构图。最后这些图都收敛到一个相同的结构上——五层。从离现实最近的那一层往上看：

最底下一层是 「Data Layer」。它是公司的五官。CRM、ERP、邮件、GitHub、Slack、飞书、Notion、文件系统、数据库——这一层接管公司跟物理世界的所有接口。AI Native 公司不是没有这一层，而是这一层第一次对上面四层"完全可读、完全可写"。在传统公司里，CRM 的数据要等运营整理成周报才能被高管看到，中间隔着五个 Excel；在 AI Native 公司里，CRM 是 agent 随手调的一张表。

往上一层是 「Knowledge Layer」。它是公司的长期记忆库——但是静态那种。产品手册、客户资料、SOP、技术文档、行业知识，全部以向量、知识图谱、语义索引的形式被组织起来，给上层 agent 当 RAG 取用。在传统公司，这些东西散落在 100 个 Confluence 页面、200 封邮件附件、500 个 Notion block 里，没人能完整调取。在 AI Native 公司，它是一个可以被任何 agent 在毫秒级取用的统一接口。没有 Knowledge Layer 的 AI 产品是 ChatGPT 套壳——它不知道你公司在做什么。

再往上是 「Memory Layer」。这是新本体最关键的一层，也是这篇文章想砸的那个点。

Knowledge 和 Memory 的差别，是静态和动态的差别。Knowledge 是"产品手册的第 32 页写了什么"。Memory 是"上次这位客户拒绝报价的具体理由"、"这位工程师为什么坚持不用某个第三方库"、"那个项目延期八周的真正原因"、"老板上周开会说 Q3 战略调整背后真正在意的是什么"。

Knowledge 是公司的图书馆。Memory 是公司的人格。

一家公司之所以是"这家公司"，从来不是因为它的产品手册写得多好。是因为它有一群人，他们彼此知道对方会怎么反应，知道老板的口味，知道客户的脾气，知道这家公司"我们这儿是怎么做事的"——这种东西在管理学里有个很模糊的词叫"组织文化"，在哲学里被叫做"组织默会知识"，在工程上一直没有合适的容器装它。

没有 Memory 的 AI 是一个失忆员工。每天来上班都问一遍"我是谁，我在干嘛，这个客户上次说了什么"。有 Memory 的 AI，是一个真正工作了三年的同事。它知道。它记得。它能基于历史给你判断。

这一层有几个具体可以指着看的实现：

「Letta」（前身 MemGPT）来自 UC Berkeley 的 Charles Packer 那一组，把 LLM 的有限 context window 类比成早期 OS 的物理内存，做了一个分级存储——Core Memory 永远在 context 里相当于 RAM，Archival Memory 放向量库可检索相当于硬盘，Recall Memory 是历史会话记录可按需调取。GitHub 上 2.17 万 stars，是把"agent 拥有记忆"这件事最系统化的工程实现。

「Mem0」 是另一种路径，API 优先，接入即用。融了 A 轮 2400 万美元（Basis Set Ventures 领投），GitHub 4.1 万 stars，npm 下载 1400 万次，2025 年 API 调用从 Q1 的 3500 万次涨到 Q3 的 1.86 亿次，单季增长 5 倍。AWS 在 2025 年把 Mem0 选成自己 Agent SDK 的唯一记忆提供商——这事在 agent infra 圈里基本等于半个官方背书。

「Mastra」 是 TypeScript-first 的 agent 框架，YC W25，由原 Gatsby 团队做，v1.0 在 2026 年 1 月发布，2026 年 4 月又拿了 Spark Capital 2200 万美元的 A 轮。它把 Agent、Workflow、Memory 三件套封成一组 TypeScript SDK，对所有走 Node 生态做 agent 的应用工程师特别友好——你不需要为了挂一个 memory 系统再去启动一台 Python 服务。

这三家加在一起，画出了 Memory Layer 在 2026 年的工程地形。

而它们背后那件更大的事是：「企业 Memory 是 AI 时代真正的护城河——不是 GPU，不是模型，是经验。」

模型可以共用。Anthropic 训出来的 Claude，Cursor 用、Sierra 用、Devin 用、Lovable 用，所有人用同一个。数据可以买，可以爬，可以租。但一家公司过去 18 个月跟客户的每一次互动、每一次拒绝、每一次重新报价、每一次产品迭代背后真实的"为什么"——这些东西离开你这家公司，不存在。

模型可以热换，Memory 不能。

再往上一层是 「Workflow Layer」。它是公司的组织结构——但不再是部门，是 agent 之间的编排图。

传统公司的组织结构是金字塔：CEO 下面是 VP，VP 下面是总监，总监下面是经理，经理下面是干活的人。这个结构存在的唯一原因，是科斯框架里的"协调成本"——人不能并行处理太多消息，所以必须分层。AI Native 公司的 Workflow Layer 是一张图：Sales Agent 出单触发 Proposal Agent 起草报价，Proposal Agent 触发 Legal Agent 审合同条款，Legal Agent 触发 PM Agent 排交付，PM Agent 触发 Delivery Agent 跑实施。每个节点都有状态、有输入输出、有可观测的 trace。一个新的业务流程上线，不是新建一个部门，是在这张图里加一条边。

最上面一层是 「Agent Layer」。它是公司的员工——但每一个 agent 都自带 Memory + Tool + Context，不是孤立的对话机器人。

Sales Agent 知道这位客户三年的购买史，会主动调 CRM Agent 拉对账，会主动调 Memory Layer 回忆上次失败原因，会按当前 context 自主决定下一步。它跟一个工作了三年的销售，差别在于：它不会下班，不会跳槽，不会突然心情不好。但它也没有"想冲一把 KPI"的内驱、没有酒桌上的应变、没有读懂客户那一秒沉默背后的本能。

人和 agent 不是替代关系，是器官关系。

这五层加在一起，不是一个工具栈。

是一种新一代公司的器官系统。

Data 是五官，Knowledge 是图书馆，Memory 是人格，Workflow 是骨架，Agent 是肌肉。一个公司之所以是公司，就是这五样东西凑在一起，能够对外界刺激做出连贯的回应。

四、五个公司，五层证据

讲到这里都还是抽象的。我把它拉回地面，用五个真实在跑、有公开数据可查的公司，对应这五层来看。

「Cursor / Anysphere」，Agent + Workflow 这两层的活样本。2025 年 11 月 13 日，BusinessWire 发了那篇公告——23 亿美元 D 轮融资，估值 293 亿美元，投资方含 Accel、Coatue、Thrive、a16z、Nvidia、Google。到了 2026 年初 The Next Web 报道，它的 ARR 已经做到 20 亿美元，正在以 500 亿美元估值洽下一轮。比融资数字更值得看的是 InfoQ 2026 年 4 月的另一组数据：Cursor 自己工程团队中，「35% 的合并 PR 由自主 Cloud Agent 生成」——这家卖 agent 工具的公司，自己已经是用 agent 在写 agent 的公司。

「Anthropic」，Knowledge + 用 Claude 替代自家工程师的标本。Dario Amodei 2025 年 3 月在某次访谈里抛过"AI 三到六个月内写出 90% 代码"的预测，被全网截图。一年下来 LessWrong 那篇分析给出了实际数字——全公司平均约 50% 代码由 AI 写，少数团队接近 90%，不是均匀分布的全公司 90%。Boris Cherny，Claude Code 的负责人，在 Lenny's Newsletter 那篇专访里讲过更极端的版本：「他自己从 2025 年 11 月起一行代码没手写过，100% 都让 Claude 写」。Claude Code 这个产品本身约 90% 的代码由 Claude Code 自己写出。再叠 Dario 2026 年 5 月 6 日在 Code with Claude 大会上的那句重申——「他给"2026 年出现第一家由单个人类员工运营的十亿美元公司" 70-80% 的概率」——你会看清楚他不是在画饼，他在描述他自己公司里正在发生的事。

「Sierra」，Workflow + 按完成的工作收费这条路最干净的商业证明。Bret Taylor（前 Salesforce 联席 CEO）+ Clay Bavor（前 Google 副总裁）2023 年起的项目，「21 个月做到 1 亿美元 ARR」（TechCrunch 2025-11-21），2026 年 5 月那一轮 9.5 亿美元融资把估值推到 158 亿美元（Tech Startups 2026-05-04）。但比融资数字更重要的是它的商业模式——「按完成的工作（completed work）收费，不卖席位」。具体怎么衡量？WeightWatchers 部署后客服 containment rate 70%，Casper CSAT 提升 20% 以上、案件解决率提升 74%，Cigna 患者认证时间缩短 80%。Sierra 卖的不是 SaaS 软件许可，是真正能被审计的"我替你完成了多少工作"。这是 Sequoia 2026 年那篇 Services: The New Software 的活案例——下一万亿美元的公司卖完成的工作，不卖软件工具。

「Cognition / Devin」，autonomous coding 进了生产线的标本。Fortune 2025 年 7 月 14 日报道，「Goldman Sachs 把 Devin 部署到了它 12,000 人的工程团队里」，CIO Marco Argenti 把这种模式叫"hybrid workforce"。Argenti 描述的效率目标是 20%——注意这是目标不是已验证数字，这条线我必须标清楚。但有一个数字相对硬——「安全漏洞修复，人类平均 30 分钟一个，Devin 平均 1.5 分钟一个」。20 倍差距。

「Lovable / Base44」，Agent + Data 让"建公司"这件事的交易成本第一次被压到接近零的标本。Lovable，「8 个月做到 1 亿美元 ARR，60 天从零到 2000 万 ARR」——这是 SaaS 历史上最快的 0→1 曲线，估值 66 亿美元。更极致的是 Maor Shlomo 那个案例——「他一个人，用 AI 工具建了一个叫 Base44 的产品，6 个月时间，做到 25 万用户、实现盈利，2025 年 6 月被 Wix 以 8000 万美元收购」。一个人组成的一家"公司"，从立项到退出 6 个月，估值 8000 万美元。在没有 AI 之前，这个数字对应的最小组织形态是 10-15 人的早期团队。

把这五个案例叠在一起看，能看出一条清晰的曲线：

一个公司能调动的"工作量"，正在跟它"雇佣的人数"脱钩。

下一代独角兽公司，账上最值钱的资产可能不是代码，不是用户数据，是 Memory。

五、给四种人的具体启示

这一切意味着什么，取决于你是哪一种人。

「如果你是 AI 应用工程师」，你写的每一行 agent code、配的每一条 workflow、挂的每一个 MCP server，都在沉淀某家公司的 Memory。这件事比你想得更重要——你在帮你的雇主或者你的客户造一种新型资产。这种资产五年之后会出现在它的资产负债表里。你今天的工程决策——用哪家 Memory 提供商、Memory schema 怎么设计、agent 之间怎么共享 context——会在那家公司的"组织默会知识"里留下永久痕迹。

「如果你是独立开发者」，1 人 + 100 个 agent 不再是科幻。Dario 给"2026 年出现第一家由单个人类员工运营的十亿美元公司"70-80% 的概率。Maor Shlomo 已经用 6 个月把一个 8000 万美元退出做了出来。你今天不需要去等独角兽机会，你需要去想：你这一个人加一组 agent，可以稳定服务一个什么样的具体细分市场？这件事的窗口期不会太长——未来 12 个月，会有一大批"1 人 + N agent"的公司在 IndieHackers、X、Product Hunt 上集体冒头，谁先建好自己的 agent 编排 + Memory 体系，谁先吃到这一波。

「如果你是技术 CEO」，未来一年董事会议程上该问的问题，不再是"我们用了多少 AI"。这个问题答得再漂亮也没有意义——所有人都在用，区分度为零。该问的是这一句：「"我们的 Enterprise Memory 在谁手里？"」 是托管在 OpenAI 服务器上，被它的 retention 政策约束？是绑死在 Salesforce 数据湖里，跟你 CRM 续费深度耦合？还是真的握在自己的 vector DB + Memory orchestration layer 里，可迁移、可审计、可继承？这三种答案，对应你公司未来五年三种完全不同的命运。

「如果你是传统公司的决策者」，看清一件事——你卖的不再是"你的产品"，是"让别人公司变成 AI Native 的能力"。Salesforce Agentforce 已经做了 9,500 个付费合同、Q3 ARR 突破 5 亿美元、生产账号季度环比涨 70%。Microsoft 把 Copilot Stack 推到了每个企业续约对话的最前面。这两家走的是同一条路——给传统组织"加上 AI"。但同一时间，Sierra 和 Cursor 在做完全不一样的事——它们从零设计了 agent-first 的组织。两条路最终会撞到一起，撞的时候，决定胜负的不是你今天集成了多少个 OpenAI API，是你给客户留下的那一份 Memory 长什么样。

最后一句具体预言：「未来 12 个月，会有第一家公司在融资 PPT 上单独列一项叫 Enterprise Memory 估值。」 那一刻，是这件事被资本市场正式承认的起点。

软件改变了公司怎么运作。

AI 正在改变公司是什么。

等到"公司"这个词被重新定义那一天，今天讨论的 Cursor、Anthropic、Sierra，可能都已经不是"公司"了。

它们会是别的东西。我们今天没有合适的词去描述那个东西，就像 1937 年的科斯没有合适的词去描述 Cursor 一样。

苏轼晚年写过一句"九死南荒吾不恨"——到没人去过的地方走一遭，本身就值得。

南荒说

独立开发与 AI 探索