Newsletter · · Ashutosh Agarwal
这是你的薪水，这是你的 Token 预算
How They Build 2026年7月4日至11日当周简报。小团队晒出了极端的人均营收数字（Lovable 以149人做到5亿美元ARR），与此同时从特斯拉到Coinbase的一批公司开始为AI token支出设限或重新设计计费方式，一位VC预测人均token预算将像薪水一样成为标配。
How They Build
2026年7月4日–11日当周：这是你的薪水，这是你的 Token 预算
How They Build，2026年7月4日至11日当周。本周，微型团队晒出了惊人的营收数字，而各家公司也第一次真正收到了那些替它们完成剩余工作的机器所开出的账单。
本周的播客里，两条故事线并行展开，而它们其实是同一个故事。一方面，创始人们展示了如今打造一家真正能创收的公司需要多少人手——少得惊人。另一方面，正是这些公司开始收到那份为它们干活的AI所开出的账单，而且账单大到有些公司如今已经像发薪水一样，给工程师分配起了token 预算。（"Token"是AI模型读写文本的计量单位，也是你向AI公司付费的依据。用得狠了，账单涨得也快。）
以下是本周概览。
关键数字：5亿美元营收，149人。
这是本周的头条数字，来自企业级AI公司Sierra的联合创始人Clay Bavor，在20VC节目中提到。他谈论的是一位对手——AI编程创业公司Lovable，该公司刚刚宣布以149人做到5亿美元ARR。（ARR即"年度经常性收入"，也就是订阅制业务的年化运行速率。）这相当于人均营收约340万美元，这个比率过去只属于全球屈指可数的几家效率最高的上市公司，如今却由一家两年前大多数人闻所未闻的创业公司做到了。
"昨天Lovable宣布，我记得是，以149人做到5亿美元ARR……我认为大方向很清楚，就是朝着更小、杠杆更高的团队发展。"
The Twenty Minute VC (20VC), "Open Models vs Frontier Models: Who Actually Wins? | The $100,000 Token Budget Every Engineer Will Need... with Clay Bavor, Co-Founder of Sierra" (2026-07-04)
而这早已不是一个可以一笔带过的个案。本周最清晰的数据来自一份对Stripe与学术界最新研究的汇总。据Stripe统计，**单人创始人如今占2026年第二季度新成立C型公司的63%，创历史新高。年收入超过100万美元的一人公司（"独狼创业者"）数量在2023年到2025年间增长了一倍以上。**哈佛商学院与欧洲工商管理学院（INSEAD）的一项联合研究发现，AI原生初创公司"规模小25%、组织更扁平、工程师占比更高，但估值相当"，与那些历史更久的同行不相上下。主持人的说法是最令人印象深刻的部分：独狼创业者是"AI所带来效率提升的极端尾部"——他们抢先跑完了那些迟早会普及到所有人身上的实验。
"赚到百万美元的独狼创业者数量在'23年到'25年间增长了一倍以上……这并不是一波靠氛围编程（vibe-coding）拼凑出来、碰巧做到百万美元ARR的应用浪潮，而是AI正在填补那些过去必须靠招人才能补上的空白。对小企业来说，AI服务如今正顶上技术联合创始人，或者销售与市场的第一个岗位。"
The AI Daily Brief, "AI Is Making One-Person Million-Dollar Companies More Common" (2026-07-06)
如果你想要一句话版的心智模型，一位名叫Geoff McQueen的创始人在Spark of Ages节目中给出了答案。他明确宣称的目标，是打造一家用不到10名全职员工做到1000万美元ARR的公司，对照他所说的、做到同样营收过去需要75到100人的旧经验法则。
"一家1000万美元营收、大概75到100名员工的公司，过去大概算是相当标准的增长打法……AI所做的，是把生产力提升了五到十倍。所以你会拥有我合作过的最出色的营销人员之一，但他们产出的，会是过去需要五到十人才能达到的吞吐量，靠agent和工具来大幅提速完成。"
Spark of Ages, "The Career Move That Survives AI / Geoff McQueen, Vibecoding, Revealed Preference, Coaches" (2026-07-10)
创始人们改变了什么
两名工程师如今支撑起八个体育联赛。 Blitz是一家AI原生体育数据公司，创始人靠自己在体育博彩上赢来的钱完成了自筹资金。被问及如何看待团队建设时，联合创始人Devin说得很直白：故意把团队维持在极小规模。公司支撑着八个联赛（MLB、NBA以及另外六个）的业务，而全职工程团队恰好只有两人。他们的招聘门槛不同寻常：他们要的是能同时深刻理解AI和体育的人，而不是一支更大、却只有一方面能力的团队。
"Tejas和我想尽可能久地把团队维持在小规模。如今把东西造出来的速度比以往任何时候都快，而且说实话，我们比任何人都更清楚自己在造什么……我们宁愿只有几个能自己独立造出很多东西的人，也不要一支更大、但可能只具备这两项技能之一的团队。就全职工程师而言，目前就只有Tejas和我。"
The Betting Startups Podcast, "Ep. 218: AI-first sports intelligence infrastructure w/ Devon & Tejas from Blitz" (2026-07-07)
设计部门不再用Figma了。 这是本周最生动的一组"前后对比"。在Empire节目中，加密研究公司Blockworks的一位创始人描述了当他的团队把设计系统和品牌素材接入Anthropic全新的"Claude Design"工具后发生的事。过去需要在一长串人员之间（产品负责人、设计师、文案、工程师）来回流转的工作，如今在一天之内就能完成，销售用的Deck几分钟就能拼好。他说团队使用Figma的比例已经跌到了原来的大约5%。
"我们需要为我们的API、这款监控产品、投资者关系、'联系我们'表单各做一个新的落地页。这在过去……得先交给产品设计师，他做出草图再发回来，'嗯，这里还得改改'，然后再转给一个擅长文案的人。我不是在开玩笑：这整个流程只花了24小时。而且……我们每笔销售都有一个Slack频道，你把会议记录上传，和HubSpot里的记录以及Slack结合起来，说'我在跟[客户]谈，这是一笔27.5万美元的单子'……它两分钟就能给你做出一份比我们自己以往做得都好的Deck。没有AI，我根本没法做现在做的事。我需要一支大得多、多得多的团队。"
Empire, "Crypto's Value Capture Problem & Why Robinhood Built Its Own Blockchain" (2026-07-10)
营收翻三倍，人数还是120人不变。 Abbas Mohammed靠雇佣25名虚拟助理，花四年时间把他的第一家公司——一家房地产业务——做到年营收170万美元。他现在的公司Remote Leverage，如今月营收已达约**150万美元。**他的说法是：AI让他把营收大致提升到三倍，同时把内部人数维持在约120人不变，靠把低层级工作自动化，让专业人才能瞄准更高价值的任务。他的招聘理念，是对"最便宜的人力"这种本能反应的一种反驳——他认为，稍微贵一点的专家能带来"字面意义上10倍更好的结果"。
"我第一家公司花了四年才做到170万美元营收。现在我们月营收150万美元，而这是我们在不到两年内做到的……你为一个真正优秀的专家多付的那20%、30%、40%薪水，会给你带来字面意义上比找一个稍微便宜点的人好10倍的结果。"
Grit Daily Startup Show, "Abbas Mohammed on Why Better Talent Beats Doing Everything Yourself" (2026-07-07)
上线两周做到100万美元营收。 连续创业者Raj Singh，此前的公司在被收购前触达了1亿人，他与畅销书作者Mark Manson一起打造了一款名为Purpose的全新AI人生教练应用。他的团队大约六个月就把整个产品做了出来，并在**上线两周内突破了100万美元ARR。**有意思的部分是产品层面的洞察，而不只是速度：他认为主流聊天机器人被设计成一味讨好用户，于是他决心打造相反的东西。
"所有基础模型，ChatGPT、Claude，它们不只是糖分太多。它们就是糖果。全是糖，因为它们在为参与度最大化而优化……产品上的挑战是：怎么给一个一味讨好的LLM装上一根脊梁骨？如今超过40%的Purpose用户表示，用他们的话说，自己获得了'改变人生的价值'。"
Subversive, "How Purpose Hit $1M in ARR Two Weeks After Launch" (2026-07-09)
一家11人的媒体公司，营收超过一家规模大得多的对手。 在自己的节目里，Scott Galloway采访了每日科技节目TBPN的创始人，把他们的数字摆到台面上，语气中带着明显的羡慕。11名员工，**2025年广告营收500万美元，2026年有望突破3000万美元，全靠自筹资金、已盈利、零外部融资。**这相当于今年人均营收约270万美元，正朝着远超400万美元迈进。Galloway提到，自己的ProfG媒体业务营收约2000万美元，下载量和视频观看量都更高，可TBPN的营收却比它高出50%。他们的诀窍是商业上的自律，而非人头数：以"像赞助一支F1车队"那样出售的年度固定价格赞助，卖给一群刻意收窄的、大约20万名从业者与投资人的受众。
"11名员工，2025年广告营收500万美元。你们2026年有望突破3000万美元。全靠自筹资金、已盈利、零外部融资……而你们的营收却比[ProfG]高出50%。"
The Prof G Pod with Scott Galloway, "Why OpenAI Bought a Podcast, with TBPN's John Coogan and Jordi Hays" (2026-07-09)
反向潮流：提效不等于自动裁员
本周两位分量最重的声音，都对"AI等于裁员"这种本能反应提出了反驳，而有一家公司则因为真信了这套逻辑而公开吃了苦头。
对冲基金Citadel与做市商Citadel Securities的创始人Ken Griffin，描述了一套内部系统，做的是真正博士级别的工作。他的团队打造了一套agent系统（也就是能自主执行多步骤任务的AI），用来复现学术金融论文——这种苦活通常需要一个由硕士和博士组成的团队花上数周才能完成。
"复现一篇论文通常要花六到八周……我的同事打造了一套agentic AI系统，能读一篇论文、复现它、验证结果、做出样本外的结果，把这整套工作平均大概两到三个小时就做完了。而这里的关键点是：Citadel并没有因为这项突破而裁减任何人手。我手下有极其出色的人才……我会拿走我能拿到的每一份生产力提升，因为凭着我们拥有的这些优秀人才，我们只是有更多可以去追求的目标。"
Exchanges, "Ken Griffin on US-China Tensions and AI" (2026-07-09)
还有一个警示案例：据报道，福特在AI驱动的质检未能达到人类经验的水平后，重新雇回了300多名经验丰富的质检员和工程师，此前公司曾错误地以为，只要把设计要求喂给一个模型，就能在没有经验丰富的工程师参与的情况下产出高质量成果。这提醒我们，"用AI取代人"的故事并不总能站得住脚。Valuetainment, "'We're Team Human' - Ford Hired Back 350 Engineers They Fired Due to AI" (2026-07-07)
Geoff McQueen从建造者的视角说出了同样的观点，而在你解雇工程团队之前，这一点值得留意：一段炫酷的AI演示，还不是一款产品。他把一次成型、靠"氛围编程"做出来的应用，比作一辆漆得漂亮的肥皂盒赛车。
"一旦你在雨里开上一个坡，孩子还坐在后座上，那才是真正会出问题的时刻。你能靠氛围编程做出来的演示，和真正拥有一款产品所需要的东西之间，有很大的差距。"
Spark of Ages, "The Career Move That Survives AI / Geoff McQueen" (2026-07-10)
安静的那一种做法：守住人头数，让营收往上走
对于那些并不追逐单人创始人梦想的公司来说，实际的做法要微妙得多：把团队规模维持不变，让AI去消化增长。在AI to ROI节目中，专做废品与回收车队软件的AMCS Group的Evan Schwartz，讲解了那种真正能撬动董事会层面数字、而不只是"我省了三个小时"的算法。
"现在我能给客户增加的触点，是以前的两到三倍，因为AI承担了那些低价值但必须做的工作……我们把客户流失率从6%降到了3%。我们在全球管理着70万辆以上的卡车，而路线优化每辆车每月能省下17加仑柴油。"
AI to ROI, "AI Governance, Ethics, and the Stewardship Framework: A Conversation with Evan Schwartz, Chief Innovation Officer at AMCS Group" (2026-07-07)
他的自律值得借鉴：任何AI项目在获批立项前，都必须挂钩一个董事会层面的指标（EBITDA、自由现金流、SG&A）。他举了一个非常朴素的例子，说明为什么"省下的时间"是个陷阱：从一辆卡车的路线上砍掉40分钟，本身毫无价值，"我照样得付司机一整天的工资。"只有当你重新规划路线、真正停掉三辆卡车时，钱才会出现——每辆车全年综合成本约100万美元。这就是300万美元实打实的自由现金流，而不是一句模糊的效率说辞。
成本这一栏
上周的主题是"震惊"——各家公司发现了自己的AI账单。本周播客们转向了具体机制：企业究竟怎么把账单控制住，以及那个令人不安的新想法——token预算正在变成薪资单上紧挨着薪水的一个项目。
最粗暴的工具：设上限。 背景如今已经很清楚：Uber曾因四个月就烧光全年AI预算而出名，随后对非编程岗位设下每月1500美元的上限；沃尔玛则从内部工具无限量使用，转向了硬性的token预算。本周名单上添了一个新名字：特斯拉在全公司范围内统一设置了token支出上限，作为第一步、也是最直接粗暴的应对。一位主持人把整个转变概括为从"AI补贴时代"迈向"token稀缺时代"。The AI Daily Brief, "The Big Ways AI Just Changed" (2026-07-04) 及 The AI Daily Brief, "AI Costs Are Surging and the Cheap Model Fix Might Not Last" (2026-07-08)
更聪明的工具：换模型。 Coinbase的做法在工程师群体中获得了最多关注。它没有去限制用量，而是改变了由哪些模型来干活——把默认模型从最贵的前沿模型换成更便宜的开放权重选项（GLM-52和Kimi-2.7），再加上缓存和"按难度路由"（简单任务发给便宜模型，困难任务发给贵模型）。结果是：
"他们成功把支出砍到峰值时的近一半，而实际token用量反而增加了。在产出方面，也没有下降。"
Everyday AI Podcast, "Ep 813: AI Cost Control 101: Why Your Chatbot Bill Is Becoming a Board-Level Problem" (2026-07-07)
构筑护城河的工具：微调自己的模型。 本周最惊人的经济账来自微调——在自己的专有数据上重新训练一个更小的模型，让它在特定任务上以极小的成本击败一个庞大的通用模型。人人都在引用的例子，是Bridgewater与Mira Murati的Thinking Machines Lab合作完成的一项研究。据The AI Daily Brief的说法，大型通用模型（从GPT 5.2一直到Claude Opus 4.8）在这项任务上准确率为74%到78%，成本却要20到90美元，而Bridgewater那个经过微调的专用模型，只花个位数美元就达到了约85%的准确率。微软正把同样的思路产品化，取名"Frontier Tuning"，宣称其经过调优的模型能以最高低10倍的成本，达到GPT级别的质量。
"有人有时会问，既然通用模型一直在变好，为什么还要做微调。Bridgewater的这项工作很好地提醒了我们：只要有合适的数据——这里指的是专家判断——你就能大幅超越纯粹靠提示词的做法。"
The AI Daily Brief, "AI Costs Are Surging and the Cheap Model Fix Might Not Last" (2026-07-08)
令人不安的新想法：把token算作薪酬的一部分。 回到20VC节目，Clay Bavor把这个趋势的走向说得明明白白。他见过一些重度依赖编程agent的顶尖工程师，一年烧掉超过10万美元的token，"占工程师薪水的相当一部分"。他的预测是，公司将开始按员工人数编列token预算，就紧挨着薪水。
"我认为我们正在走向的方向，是某种按员工人头来编列的token预算。对未来的CFO们来说，资本配置将更像是：这是你的薪水，这是你的token预算，去干吧。"
The Twenty Minute VC (20VC), "Open Models vs Frontier Models... The $100,000 Token Budget Every Engineer Will Need... with Clay Bavor, Co-Founder of Sierra" (2026-07-04)
他还给出了一个值得在下次合伙人会议上争论的数字。Salesforce的Marc Benioff曾表示，他每年在Anthropic上为开发团队花费约3亿美元，听起来数目惊人，但换算下来只相当于**开发者薪资总额的约3.8%。Bavor认为这个数字离它最终会落定的水平"差得离谱"，他押注这个比例会向20%**靠拢。如果他是对的，那含义就很严峻：许多AI应用公司，用他的话说，按今天假设的支出水平来看是"被严重高估"，而一旦支出真的翻两番，它们反而会是被低估的。
中间道路：分级访问。 并非人人都在设上限或换模型。PwC的首席人事官描述了她如何为8万多名员工统一提供一套普及化的基础工具层（Copilot，一个内部的"ChatPwC"），而更昂贵的前沿工具则需要理由说明，整体预算"受到非常密切的监控，不仅来自我们的领导层，也来自我们的董事会"。她的说法值得留意：她拒绝把AI支出当作可有可无的事，而是把它比作人们过去对笔记本电脑投资回报率的追问。但她也点出了这一切背后的变数：如今的价格"被大幅补贴……我们并不知道全部真实成本"，一旦真实成本浮出水面，对于重复性工作而言，离岸或初级人力也可能重新变得比机器更便宜。Future Ready Leadership With Jacob Morgan, "PwC's Chief People Officer on Training 80,000 People for the AI Era With Human Skills at the Center" (2026-07-06)
给本周画上句号的张力来自Blockworks的一位创始人：他在一口气里对Anthropic全新的Fable 5模型赞不绝口，下一口气却承认它"贵得离谱"，"吃token的速度是我见过的任何模型都比不上的"，而他公司收到的"我的额度用完了"抱怨，也比以往任何时候都多。生产力是真的。账单也是真的。Empire, "Crypto's Value Capture Problem & Why Robinhood Built Its Own Blockchain" (2026-07-10)