如何用 AI 从零开始构建一家公司

cover

摘要

YC 合伙人 Diana 在本视频中系统阐述了 AI 原生公司（AI-Native Company）的构建方法论。她指出，当前大多数人对 AI 的讨论局限于"生产力提升"——让工程师更高效、给现有工作流加 Copilot、多发布功能——但这种框架忽视了一个根本性的转变：AI 带来的不是效率增量，而是全新的能力。正确的思维是将 AI 视为公司运行的操作系统（Operating System），而非仅仅是公司使用的工具。Diana 提出了三大核心原则：第一，每个重要流程都应被智能闭环（Intelligent Closed Loop）捕获——记录会议、最小化私信和邮件、在所有沟通渠道中嵌入智能体、构建涵盖全公司的自定义仪表板；第二，将公司打造为可查询组织（Queryable Organization），让每个重要行动都产出可供智能层学习和自我改进的产物（artifact）；第三，采用AI 软件工厂（AI Software Factory）模式——人类编写规格和测试，AI 智能体生成实现代码并迭代至通过测试。她以 StrongDM 的 EI 团队为例展示了代码仓库中零手写代码的极致实践。Diana 还引用 Jack Dorsey 的观点，提出了未来公司的三种员工原型：个人贡献者（IC）、直接负责人（DRI）和 AI 创始人型。她强调，最大化 Token 用量而非人数将成为关键转变，早期创始人因没有遗留系统和组织架构的包袱而拥有巨大优势，可以比现有企业快 1000 倍地运行。

正文

从生产力思维到能力思维

Diana 开篇指出，过去几个月她越来越清晰地认识到，AI 不仅将改变软件构建的速度或自动化哪些工作流，它将从根本上改变创业公司应该怎样运营——从需要哪些角色，到可能构建哪些产品。

当前大多数人对 AI 的讨论集中在生产力层面：让工程师更高效、给现有工作流加 Copilot（辅助工具）、发布更多功能。但这种框架忽视了我们正在经历的真正转变——这不是生产力提升，而是全新的能力。拥有 AI 工具的合适人选，现在可以构建过去需要整个团队才能完成的功能，甚至是过去根本不可能完成的功能。以能力而非生产力来思考 AI，对创始人如何运营公司有多重深刻含义。

AI 作为公司的操作系统

Diana 提出了一个核心论点：AI 不应该是你的公司使用的工具，而应该是你的公司运行的操作系统。每一个工作流、每一个决策、每一个流程都应该流经一个不断学习和改进的智能层。这意味着每个重要流程都应该被一个智能闭环捕获。

开环与闭环：从信息流失到自我改进

Diana 借用了控制系统的概念来阐述这一框架。如果你学过控制系统，就会熟悉开环（Open Loop）和闭环（Closed Loop）的区别。开环是没有反馈回路的控制系统——在旧世界中，公司基本以开环方式运行：做出决策、执行，但不总是系统地衡量结果并调整流程。开环本质上是信息有损的（lossy）。

闭环则不同——它是自我调节的（self-regulating），持续监控输出并调整流程以更好地满足既定目标。闭环在正确性和稳定性方面极其强大。有了自我改进的智能体，你的公司应该以闭环方式运行。

构建闭环：让整个公司可查询

要构建这些闭环，你需要让整个公司可查询（queryable）。换言之，整个组织应该对 AI 可读（legible）。每个重要行动都应该产出一个产物（artifact），公司中心的智能层可以从中学习并用于自我改进。具体做法包括：

实例：工程管理与 Sprint 规划

Diana 给出了一个工程管理的具体实例。如果你的智能体可以访问以下信息：
- Linear 工单
- 所有 Slack 工程频道
- 来自 Pylon 等工具的所有客户反馈
- GitHub 代码
- Notion 或 Google Doc 中的高层计划
- 销售电话录音
- 每日站会录音

那么智能体就能分析上一个 Sprint 实际发布了什么，以及它们真正在多大程度上满足了客户需求。更进一步，有了对发布内容、哪些有效、哪些无效的完整可见性，智能体可以开始前瞻性地为工程师提出更可预测、更准确、更贴合目标的 Sprint 计划。

Diana 指出，工程经理状态汇报那种极度信息有损的日子一去不复返了。她自己管理过工程团队，现在也在多家 YC 公司看到这种模式——这是一个改变游戏规则的做法。过去需要不断协调的工作现在默认变得可读且可查询。她见过采用这种做法的团队将工程 Sprint 时间缩短一半，并在相同时间内完成接近 10 倍的工作量。

总体原则：像对待员工一样提供上下文

Diana 总结了总体原则：要让模型发挥全部能力，你需要为它们提供与给员工一样多的上下文。当你这样做时，你的公司就不再以信息碎片化、需人工解读的开环方式运营，而变成了一个闭环系统——状态、决策和结果被持续捕获并反馈到智能层，系统始终拥有最新的实际运行视图。

AI 软件工厂：测试驱动开发的下一步

Diana 接着介绍了最高速度公司构建产品的新范式：AI 软件工厂（AI Software Factory）。如果你熟悉测试驱动开发（Test-Driven Development, TDD），这就是它的下一步进化。在软件工厂模式中，人类编写规格（spec）和一组定义成功的测试，然后 AI 智能体生成实现代码并迭代直至测试通过。人类定义构建什么并评判输出，实际代码是智能体的工作。

一些公司已经将此推到了极致——代码仓库中完全没有手写代码，只有规格和测试工具。StrongDM 的 EI 团队就是这样一个例子：他们的终极目标是建立一个本质上消除人类编写或审查代码需求的系统，因此构建了自己的软件工厂——规格和基于场景的验证驱动智能体编写、测试和迭代代码，直到达到概率性满足阈值（probabilistic satisfaction threshold）。而它确实有效。

这就是 Steve Yegge 所说的"1000 倍工程师"（1000X Engineer）的实现方式——通过用一个智能体系统包围单个工程师，使他们能够构建过去永远无法构建的东西。1000 倍甚至 10000 倍工程师的时代已经到来。

旧管理架构的终结

用 AI 闭环、可查询组织和软件工厂的方式构建公司，一个重要含义是：经典的管理层级不再有意义。在旧世界中，你需要中层管理者和协调者来在组织中低效地上下传递信息。在新世界中，智能层承担了这个角色。如果你的公司是可查询的、产物丰富的、对 AI 可读的，你几乎不需要人类中间件（human middleware）。这很重要，因为你公司的速度上限就是其信息流速度——你能移除的每一层人工路由都是直接的速度提升。

Jack Dorsey 与 Block 的实践

Diana 引用了 Jack Dorsey 在 Block 的实践作为绝佳案例。Jack 在深入研究这些工具后，得出了与许多人相同的结论：这不仅仅是增量生产力提升。他的观点是，如果你保留相同的组织架构和管理结构，你就会完全错过这个转变——公司本身必须被重建为智能层，人类在边缘引导它，而非通过它路由信息。

未来公司的三种员工原型

Jack 提出了未来公司将有三种员工原型：

  1. 个人贡献者（Individual Contributor, IC）：即构建者/运营者，直接制作和运行事物的人。在 AI 原生公司中，这不再局限于工程师——每个人都构建。工程、运营、支持、销售——每个人都带着可运行的原型来开会，而不是带着幻灯片。

  2. 直接负责人（Directly Responsible Individual, DRI）：专注于战略和客户成果。这不是经典的管理者，而是对结果有明确责任的人——一个人、一个成果、无处可藏。

  3. AI 创始人型（AI Founder Type）：这个人仍然构建、仍然指导、仍然以身作则。如果你是创始人，这必须是你站在最前沿，向团队展示巨大的能力增益是什么样的，而不是将 AI 战略委托给其他人。

最大化 Token 而非人数

在这种结构下，公司将能用小得多的团队获得超比例的成果。最大化 Token 用量而非人数（Maximizing token usage, not headcount）将是关键转变。最好的公司将是那些"Token 最大化"（token maxing）的公司。

Diana 用一个权衡框架解释了这一点：一个拥有 AI 工具的人可以相当于一家前 AI 时代公司中过去需要大型工程团队才能完成的工作。这意味着工程、设计、人力和行政团队将大幅精简。因此，你应该愿意承受一个令人不舒服的高 API 账单——因为它替代的是远更昂贵和膨胀的人力成本。

不要外包你的信念

Diana 最后强调：不要仅仅听我说这些。你不能外包你对这些工具力量的信念。你需要自己去发展这种信念——真正坐下来使用编程智能体，直到你开始打破自己对"现在能构建什么"的先验认知。如果你是早期创始人，你在这方面有巨大优势：你没有遗留系统、固化的组织架构或数千人需要重新培训。你足够小，可以从第一天就正确地构建公司。

现有企业的困境与创业者的优势

相反，现有企业面临的是困境：他们必须在维护和增长一个在线产品的同时，解除多年来的标准操作流程和关于软件构建方式的核心假设。一些公司可以通过组建小型内部臭鼬工厂团队（Skunkworks Teams）从零构建 AI 原生系统来解决这一问题——Mutiny 就是一个很好的例子。但对大多数公司来说，对核心流程的每一次改动都冒着破坏已有功能的风险。因此，大公司天然地在走向 AI 原生方面困难得多。创业者没有这个约束，这是一个需要充分利用的重大优势。你可以从一开始就围绕 AI 设计系统、工作流和文化，结果是——运营速度可以比现有企业快 1000 倍。