没有算力、没有预算、没有 AI 博士,一家300人的小公司是怎么把 用起来的

昨晚，一场关于"小公司怎么搞 AI"的线上对谈，本来定的是一个小时，结果聊了一个半小时还停不下来。

四位嘉宾很有“来头”：一位是带着三百人团队做 AI 转型的医药 CRO 公司创始人顾凯，一位是 AI 原生创业公司的联合创始人邢杰，一位是深耕采购供应链领域多年后来转型为高科技产业投资人的卢山，还有一位是主持人鲜翾——药企 AI 研究院院长。

最戏剧化的部分，莫过于四位嘉宾里有三位是药明系（药明康德，妥妥的CRO大厂），有两位的录用通知书（Offer Letter）均出自顾凯之手——他是药明康德早期员工，一路从药明康德核心分析部执行主任做到药明康德集团人力资源副总裁，在职期间药明康德员工从4000余人增加到12000多人。2016.10，他创办了明捷医药，公司目前有300+员工及10000平方米的研发实验室。公司在2020年成为药明康德控股子公司，并在2025年被高瓴资本收购。（详情点击文末左下方“阅读原文”）

绕开那些热闹的玩笑，这场对话真正值钱的地方在于：它没有停留在"AI 很重要"的口号上，而是把一家小公司到底该怎么落地、踩过哪些坑、钱该不该算，掰开揉碎地讲了一遍。

第一个共识，是把 AI 的定位想清楚。

卢山打了个比方：对大公司来说，搞 AI 是锦上添花；但对小公司，这是雪中送炭，做不做，可能直接关系到未来三到五年的生死。2017年，阿里巴巴前总参谋长曾鸣有一个判断——如果未来几年你的核心产品和服务还不上线、不做数字化，公司可能就消失了。如今这句话需要再往前推一步：从信息化到数字化，再到数智化，这个"智"指的就是人工智能。

顾凯的的说法更朴素。在他看来，AI 就像80-90年代的电脑、2000年的互联网，是一种基础设施。今天一家公司说"我不用 AI"，约等于当年说"我不用电脑"。正是基于这个判断，他做了一件让同行吃惊的事：公司不设 AI 专项预算，也不计算单个项目的 ROI。他的逻辑很直接——你给员工配电脑，会去算电脑的投资回报率吗？既然 AI 是水电煤一样的底层工具，就不该用项目的尺子去量它。他甚至半开玩笑地说，自己在 AI 上的考核指标就是"在不浪费的前提下，能花出去多少钱"，因为他相信花在 AI 上的每一分钱，都会在别处帮公司省回来。

第二个落点，是低成本"先用起来"。

几位嘉宾反复强调的一个词是"薅羊毛"。对小公司来说，GPU、高端显卡这类重资产几乎没有意义，真正可行的路径是用好市面上大量免费或低价的大模型——国内的 DeepSeek、Kimi、豆包、通义，海外的几家头部模型，有免费的就薅羊毛，换着用，把成本压到接近于零。

卢山给出的次序很清楚：能薅羊毛就不借，能借就不租，能租就不买。只有在数据特别敏感、不能走第三方的场景下，才考虑做一个不大的私域模型本地化部署，确保核心文件不上传。

邢杰把方法论被浓缩成一句话：First do it, then do it right, then do it better。先上手干起来，再把它干对，然后越干越好。不要等工具完美才动手。去年，他们想用 AI 做的很多事都做不到，策略是"先放一边"，因为相信大模型会自己进化；果然今年新一代模型一出，很多老大难问题迎刃而解。

第三个关键，藏在最容易被忽略的地方：文化和人性。

技术不难，难的是让人愿意用。员工心里有一道坎：我越努力地用 AI，会不会把自己的本事"蒸馏"给机器，最后把自己用没了？

这种担忧并非空穴来风——据多家权威媒体报道，在刚刚过去的5月，Meta突然宣布裁撤约8000个岗位，接近其员工总数的10%，同时把约7000人调往新设的 AI 团队。表面上看，这是一家科技巨头的内部调整；但仔细拆开来看，裁掉的恰恰是那些最"标准化"的工作——管理岗超过 1400 个，软件工程师接近 1000 人，数据科学家、产品经理也大批出局。这些人不是能力不行，而是他们日常做的事，已经可以被 AI 代劳了。而这正是员工们所说的"蒸馏"。当他们的工作动作被足够多地记录、提炼，AI 最终学会的，就是这个人最核心的"手艺"。当手艺变成模型权重，人就变得可替代了。Meta 裁掉的这批人，不过是把这个逻辑提前演示了一遍。（延展阅读：8000人瞬间失业，停招6000个岗位，扎克伯格选择了AI服务器）

顾凯的化解办法，带着鲜明的 HR 底色。他每年给公司定一个发展主题，去年的主题就叫"越干越轻松"。他反复向全员传递一个信号：推行 AI 的目的是赋能，不是取代——他的公司是做药物分析研发的，不是码农公司，AI 替代不了真正动手做实验的研发人员，只能帮他们提效。为了让大家用得顺手，公司提供各种工具，甚至专门开通了合规的国际网络访问通道，方便员工调用海外模型；同时也不监控谁用得多、谁用得少，而是坚信"用得越多、产出越多、奖金越多"，把信任交还给员工。投资人点评说，这种不谈 token 经济、不施加考核压力的做法，恰恰保护了员工的积极性，在当下的老板里相当少见。

那么，场景从哪里来？

答案是自下而上。顾凯介绍，公司绝大多数 AI 场景，都是一线员工自己提出来的——他们最清楚哪个环节痛。公司做过一笔简单的测算：虽然是研发型企业，员工却只有约三分之一的时间真正待在实验室动手，其余大量时间都在电脑前处理数据、写报告。这些坐在屏幕前的工作，正是 AI 能大幅减负的地方。员工提出痛点，公司给资源，据该公司估算，大约七八成的场景能被成功解决；剩下解决不了的，就先搁置，等模型变强。

更进一步的价值，不只是提效，而是重构工作流。在实验室里，AI 像一层"胶水"，把仪器和数据系统连起来——过去需要人工抄录、再录入 LIMS 系统的大量数据，现在自动完成，人回到实验室做的事情和以前已经完全不同。那些被验证有效、应用面广的个人技能和智能体，公司会把它们沉淀成可复用的 agent，在钉钉这类平台上推广，据介绍目前已经部署了数十个内部开发的应用。这一步很重要：它解决了"人一走、方法论就被带走"的知识断层问题。

需要绕开的坑，同样值得记下来。

一是不要急着自研模型、招算法工程师。这家公司面试过 AI 算法工程师，最后发现并不适合自己，短期内也不打算招——绝大多数工作用现成的大模型就能解决。

二是不要追求大而全，小公司的优势恰恰在灵活和专注，应该死磕自己最细分的"独门秘籍"。

三是警惕数据安全：用第三方智能体时，要想清楚沉淀下来的方法论和数据，究竟留在自己公司，还是被无偿贡献了出去——对核心敏感数据，本地化部署是更稳妥的选择。

对话最后落在了一个更长远的话题上：超级个体。AI 极大降低了个人打造品牌、运营内容矩阵的成本，一个全职员工运营五到十个账号已不稀奇。但所有人都强调了一个前提——你必须足够专业。卢山说得很直白：不专业的人用 AI，结局是出局，因为你根本分辨不出它什么时候在"一本正经地胡说"，同时，时间白白浪费了。AI 能放大一个人的能力，却放大不出本来不存在的能力。

说到底，小公司拥抱 AI 这件事，门槛已经被2023年以来的开源浪潮拉得很低。它不是一蹴而就的工程，这家公司做了两三年，也坦言未来还要再花五到十年持续推进。

但正如那句被反复引用的话：永远是从现在开始，先做起来，最好。

引用来源

1、E药经理人

2、路透社

图片来源：E药经理人、AI生成

版权及免责声明：“卢山说AI精进”个人公众号的文章均为本人原创（含联合AI创作部分）。未经本人许可，禁止进行转载、摘编及复制等任何使用。如需转载、引用或者有其它意向，请事先通过本公众号后台等方式申请并获得授权。原创文章中的部分文字、图片源于网络，如有任何问题请联系本公众号。