Newsletter · · Ashutosh Agarwal

独立创始人与AI智能体重绘创业公司组织架构 - How They Build - 2026年7月25日当周

How They Build汇总2026年7月25日当周创始人与运营者播客的核心内容:零员工年入150万美元,六名工程师做到1000万美元,手写代码成为可开除理由,以及财务负责人如何学着支付token账单。

How They Build

2026年7月25日当周:独立创始人与AI智能体重绘创业公司组织架构

一家零员工年入150万美元的软件公司,一家手写代码就会被开除的公司,以及"AI原生公司"不再只是一页PPT、而真正变成组织架构本身的一周。(播客节目覆盖2026年7月18日至25日。)

本周数字:营收150万美元,员工零人

George Georgiardis经营着一家名为Happy Elites(又名Happier Leads)的软件公司,帮助企业找出谁在默默浏览自家网站,然后通过邮件追踪这些访客。在The SaaS Podcast节目《Stuck at $50K ARR for 5 Years. Now $1.5M With AI Agents.》(2026-07-23)中,他用一句话概括了公司的规模,令人过目难忘:

"Right now it's zero team, so it's just myself and AI and I am on 1.5M ARR. It's like 100 people working for the business right now, or 24-7 self-healing things that can break."

(ARR即annual recurring revenue,指所有订阅的年化价值。)

这个数字之所以成为本周焦点,不仅在于规模,更在于_形态_:一个人,零员工,年入150万美元。而这也不是一夜之间的AI童话。George在五年时间里一直卡在5万美元ARR,不断投入自己的钱、后来是借来的钱,以维持公司运转。"好几次我都想过放弃,因为做一名全职员工能挣的钱比这多得多,"他说。他曾尝试融资却屡屡失败,先后折腾过十个不同的项目想法,按他自己的说法,这些年"来来去去有88个人。"

后来两件事发生了变化,两者都值得记录下来。

第一,他终于在一个渠道上深耕,而不是什么都浅尝辄止。他手握一个1.75亿联系人的数据库,此前只是_卖给别人_用,自己从未使用过。他开始每年从中发送数百万封冷邮件,关键是,他自己掌控了整条管道。"我自己搭建了邮箱……现在每个邮箱的成本非常、非常、非常低,"他说,这正是让单位经济模型最终跑通的关键。他的经验法则是:"每投入1美元,你必须赚回1.2或1.3美元才能开始增长。"

第二点,也是对当下创业公司如何被搭建起来更为重要的一点:他用自己借助AI编写的软件取代了员工。他砍掉了每月500美元的Intercom订阅,自建了聊天机器人。他自建了CRM、自建了会话录制工具(自制版Hotjar),并把这一切都用一个AI"大脑"连接起来:

"I built a brain, which is the AI brain. It's everything built in-house... AI that analyzes those session recordings and what people do... if there is a bug and they cannot move forward, AI can realize this and can... send emails to people to unblock them."

他甚至把修复bug也自动化了。当客户投诉信用余额出错时,系统会"通过AI发送信号,查看数据库和代码库……找出问题,识别bug,修复bug",中间设有防护措施,防止不怀好意的人通过提示词诱导系统删除数据库。他把这称为能够"自我修复"的软件。

这里出现了一个诚实的转折,也正是这篇内容之所以是创始人说真话、而非兜售一场梦的原因:George现在认为,独立创始人+AI这一模式存在天花板。节目主持人总结了George自己的结论,称他"现在确信自己无法仅凭AI独自搭建一家真正的公司。所以他正在招人、组建团队。"一个人加上一群智能体,可以把你带到150万美元。但要突破这个数字,至少目前看来,似乎仍然需要人。

本周创始人们改变了什么

六名工程师、1000万美元、九小时的公司。 在The CTO Playbook节目《105: The CTO's real job when agents write the code》(2026-07-20)中,嘉宾描述了他认识的一位创始人,其数字听起来像编出来的,直到你仔细琢磨:

"Six months back, he had zero revenue. Within six months, he has gone to $10 million worth of ARR... And he has six engineers. And he has close to 50 agents who work for him every day. From the time that he hears what a customer wants to when he implements that capability, it is less than nine hours."

他将这个九小时的数字放进了历史脉络中:软件过去是按"瀑布式"周期开发的,"要花18个月、三年",后来敏捷开发把这压缩到一个月,再压缩到两周。"但他九小时就能做完。九小时。"这位嘉宾自己的公司,遍布50个国家、拥有超过1000名员工,如今正在"围绕AI重新发明整个公司",从财务到法务再到人力资源。他还留下了本周关于工程师现在到底是为了什么而存在的最简洁的一句话:"你不需要工程师来写软件。你需要工程师来搞清楚该为客户做什么。"

"谁手写代码,谁就被开除。" 这是一条真实的指令,不是玩笑。在[Un]Churned节目《Why BCGx's Chief AI Officer thinks writing code by hand is a waste of time ft. Matthew Kropp (BCGx)》(2026-07-22)中,从八岁就开始写代码的BCG资深合伙人Kropp直言不讳:"当有团队为我的项目工作时,我告诉他们的第一件事就是:'谁手写代码,谁就被开除。'这没有商量余地。"(他澄清说自己实际上从未真正开除过任何人,因为愿意与他共事的人本就已经"信了AI这个教"。)

他的逻辑是,AI现在能完成过去要花几周时间的所有前期搭建工作:"我们过去做的很多事情都是浪费。你要花几天、几周、几个月去搭建基础设施……那里面没有任何价值。"他的框架是:"AI创造了基准线。凡是AI能做的事,你就不该做,因为如果你去做了,你就是在浪费时间。"

Kropp还在运营一个真正大胆的实验,名为Vesica,试图打造一家零人类公司。他完全用AI智能体来配置团队,这些智能体自己给自己取了名字:一位名叫Apex的CEO、一位名叫Muse的品牌策略师、一位名叫Prism的产品经理,以及一位名叫Forge的Scrum Master。Kropp自己并不自称CEO。"他们称我为'总督'……APEX才是CEO。他们提出想法。他们把一切付诸实施,而我只是在那里确保一切都在掌控之中。"这并不像听起来那么小众:BCG的调研发现,30%的受访者表示自己公司的组织架构图上已经有了AI"员工"。"我原以为会是5%,"Kropp说。"我被震惊到了。"

他也坦率地谈到了人们抵触的_原因_,而这主要不是关乎工作岗位,而是关乎身份认同。他朗读了BCG某培训项目中一位工程师的日记:"我的世界被动摇了。我看到AI能像我一样写代码。我对这个世界的价值就是我会写代码。如果AI能像我一样写代码,那我对这个世界的价值又是什么?"

"人人都在写代码",于是职位头衔正在消融。 在Odd Lots节目《The Creator of Claude Code on The Hottest Piece of Software in the World》(2026-07-20)中,Anthropic旗下Claude Code的创造者分享了一个数字,对任何雇佣工程师的人来说都分量十足:在整个Anthropic,"平均大概有90%"的代码现在由Claude Code编写,而他个人"自去年11月以来,100%的代码都是由quad code写的。"他在向Y Combinator创业营的演讲中实时追踪这一变化:他过去会问谁在_使用_这个工具;现在他问谁用它写_100%_的代码,"我第一次问这个问题时,举手的大概只有四分之一。现在超过了一半。而我打赌下一次……会是所有人。"

其结果是,组织架构图上原本整齐的方框正在融化。"人人都能写代码,[所以]角色在发生转移,"他说。在他自己的团队里,"人人都在写代码,包括我们的设计师、产品经理、工程经理。"他认为,人们不再按"工程对设计对产品对用户研究对数据科学"这样划分,而是根据_自己最擅长哪个建设阶段_,重新归入全新的角色:

  • 原型开发者(Prototypers),擅长最初的构想和快速迭代。
  • 建造者(Builders),把一个新想法变成真正的产品。
  • 维护者(Maintainers),在软件达到一定规模后让它持续运转。
  • 增长者/扩张者(Growers/Scalers),把已找到产品市场契合点的东西放大10倍或100倍("目前在Anthropic非常吃香")。
  • 打磨者/完善者(Sweepers/Perfectors),持续打磨产品和代码,直到毛边被磨平。

他对大公司的警告,是整期节目中最尖锐的战略要点。他翻出一篇1996年《哈佛商业评论》的文章,当时探讨的问题是,为什么企业没能从当时新兴的个人电脑中获得生产率提升。答案在当年和今天是一样的:失败者把电脑"塞进办公室的角落",让某一个人负责伺候它;而胜利者"把电脑放在办公室的中心……把一切数字化,扔掉了档案柜。"对于那位工作已经在Slack对话中被Claude代劳的设计师,他的建议不是"让Claude来回答",而是"给这位图标设计师配一千个Claude,让他成为世界上最伟大的图标设计师。"

百倍组织,以及编制计划的终结。 在AI to ROI节目《Building the 100x Org - The CFO as AI Architect with Dan Zhang, CFO & CBO at ClickUp》(2026-07-22)中,ClickUp的财务负责人描述了他如何将公司里每一项"待完成的工作",与AI现在能做到的事情进行比对,结果发现,**"60%的待完成工作现在已经由AI完全自动化,而不是靠人力编制。"**他谨慎地将其表述为工作被自动化,而不是人被解雇,但他对此的最终走向十分明确:"迟早,这会体现在长期的财务报表和损益表上,这只是时间问题。"他还给出了一个具体的运营成果:他的团队把每月结账的时间"从八天缩短到五天。"他给其他财务负责人的建议是,不要再追逐笼统的"生产力",而要把一切锚定在具体工作上:销售负责人的工作是推动营收,CFO的工作是管理现金和效率,而AI只是实现这一切的工具而已。(他在token成本管理上的自律程度极高,足以在下文单独成节。)

反例:早在AI之前就已经精简。 并非每一家高效企业都是一个AI故事,这一点值得牢记。在The Changelog节目《Canary tokens and digital tripwires (Interview)》(2026-07-21)中,网络安全公司Thinkst的Haroon Meer给出了一组数字,让"AI原生"的种种炒作显得没那么了不起了:员工刚过50人,ARR为2250万美元,零对外主动销售,十年未曾涨价。"我们现在有些单一客户付给我们的钱超过100万美元,而我们根本没有足够的人手来完成那样一笔销售,"他说。"他们最初只有5个canary……现在有几千个,因为它有效。"Thinkst是靠老派方式做到精简的:一个真正优秀的产品加上口碑传播。Meer对那些不断追问他知不知道自己"把多少钱留在了桌面上"的风投和私募股权公司不屑一顾。但耐人寻味的是,即便是他也看到了未来的走向:他正在把自己的产品打造成可以"缩小到一家下周就只用1个人和10个智能体起步的创业公司"的规模。

一次值得关注的精简型创始人退出案例。 在Practical Founders Podcast节目《#206: He Sold at $3M ARR and Got a 10X+ Exit to a PE Buyer - Eran Galperin》(2026-07-24)中,Galperin讲述了自己如何在2024年、以300万美元ARR、13-16名员工的规模,出售了自己的健身房管理软件GymDesk。而在雇佣任何人之前,他曾_独自作为唯一的工程师_打造这家公司长达六年。现金部分为"3250万美元",他个人在扣除税费后净得"约2400万"美元。他为此打的比方是:"创始人规模的退出,而不是VC规模的退出。"这提醒我们,保持小规模、把一切都握在自己手里,依然是一种战略,而不是安慰奖。

支撑这一切的宏观数据。 本周有两档播客用扎实的研究为这些逸事提供了佐证:

  • 在WSJ Tech News Briefing节目《What Happens When Driverless Vehicles Break the Law?》(2026-07-21)中,记者Lindsay Ellis报道了机票特价创业公司PointHound,其CEO十年前的巅峰时期曾经营一家150人的公司,如今用四个人运营着这家公司。当被问及如果业务起飞还需要多招多少人时,他说:"也许再招一名工程师,也许再招一个人来协助市场营销。"一份覆盖数千家创业公司的哈佛商学院/欧洲工商管理学院(INSEAD)工作论文发现,AI原生公司**入门级员工少15%,经理少15%,工程师占比更高。**她所描述的新兴模式是"球员教练"型:经理们在监督人类与智能体混合团队的同时,自己仍亲自下场干活,"企业阶梯最底层与最高管理层之间的层级更少。"

  • 在Chat GPT Podcast节目《How AI Native Startups Hit Billions Faster》(2026-07-22)中,主持人梳理了一份AWS增长报告以及一项覆盖近5万家风险投资支持创业公司的哈佛研究。头条数据是:创业公司如今达到十亿美元估值只需3.5年,是2022年底生成式AI出现之前大约七年的一半,而且55%的AI原生创业公司人均创收超过40万美元,"20人的团队做着200人的工作。"反复出现的组织设计是"小队(pod)":三到五人的跨职能"特种部队"团队,配备着诸如"智能体工程师(agentic engineer)"(负责设计AI智能体如何决定使用哪些工具)和"评估工程师(evaluation engineer)"(负责搭建自动化评分体系,防止模型出现漂移)这样全新的岗位。不那么令人舒服的一面是:他们引用了《福布斯》的一个数字,这些创业公司中有43%正在用AI完全自动化过去由初级员工完成的工作,"整理表格格式、写样板代码、做基础调研",这引出了一个至今无人能回答的问题:"如果没有人再被以初级身份雇佣,那要如何培养下一代资深工程师?"

成本专栏

如果说过去几周的主题是_"AI支出正在爆炸式增长",那么本周的讨论则更进一步,成熟为"钱究竟是如何流动的,以及究竟是谁在为此买单。"_

预算正在有意从薪酬中挤出来。 在AI to ROI节目《AI is a Compensation Scale Expense》(2026-07-21)中,主持人们剖析了企业究竟如何为自己的AI账单筹资的管道。软件预算远远不够大:全球SaaS支出规模约为2500亿美元,每年增长8-11%,"这不足以支撑我们刚才谈到的AI增长。"于是,资金来自唯一一个足够庞大的口袋:人力成本,这在科技和SaaS公司中占"总营收的20%到35%。"其机制悄无声息又刻意为之,不是大规模的裁员宣布,而只是_不再补招离职员工_:"如果一家5000人规模的公司年流失率为8%、10%,这就能腾出7500万美元。"他们证明这正在发生的证据是:SaaS公司人均ARR上涨了25-35%,从约30万美元升至约40万美元。据Challenger, Gray & Christmas统计,截至2026年5月中旬,179家公司裁减了超过11.3万名科技从业者,其中48%的裁员被明确归咎于AI,如今已成为最常被提及的原因。这股浪潮的规模令人震惊:他们引用Gartner的预测称,AI软件和token支出将从2024年的约1000亿美元增长到2030年的2万亿美元,20倍的跃升足以媲美整个存在了25年的SaaS市场。同一期节目中的其他数据点还包括:AI原生软件支出同比增长108%(在员工超过1万人的公司中接近400%),以及61%的IT负责人表示,由于计划外的AI成本超支,他们被迫_削减了项目_。

每天盯着token计量表的CFO。 ClickUp的Dan Zhang在同一期AI to ROI 100x Org(2026-07-22)节目中,是这种新自律典范。他认为,人们对AI真正的担忧不在于它是否值回票价,"AI的好处太明显了……你会自掏腰包去买单吗?100%的人都会说是的,"真正的问题在于能否_控制支出_。于是他的团队用"vibe coding"搭建了一个实时仪表盘,让他们拥有"对人们正在使用什么的上帝视角",把"从Cursor到Replit,再到Codex和cloud code"以及公司内部工具的使用情况都汇总进来,每天监测,而不是等到月底。他的分配原则简洁明了,遵循80/20法则:"我们希望80%的token用在公司里最重要的20%的工作上。"他给同行的警告是:"如果你团队的token支出让你夜不能寐,我不认为那是一个AI问题。这多半只是说明你没有建立起适当的规范。"而一个数字说明了他的自律有多么罕见:他引用了一项针对近500家企业的研究,发现超过50%的企业AI预算超支25%或更多。同一期节目还提到了一家未具名的公司,其AI账单据称正朝着每月5亿美元攀升。

算力是新的薪酬支出,正在压垮商业史上最好的利润率。 Chat GPT Podcast(2026-07-22)对这一点给出了最犀利的表述。传统软件曾拥有"或许是资本主义历史上最好的商业模式",毛利率"通常在85%左右",因为多增加一个用户几乎不需要成本,"数据库无非是多加一行。"但AI产品每次有人点击都要_思考_,每个token"耗费不到一美分",却会迅速累积:一家每月处理1亿次查询的创业公司,"很容易面临每月100万美元的推理账单。"结果是:**AI原生软件的利润率已经从那传说中的85%跌落到大约50-65%。**正如主持人所说:"算力就是新的薪酬支出……是这个十年里最具决定性的开支。"这些精简团队在人力薪酬上省下的每一分钱,都被直接投回了算力,而他们的AI支出同比仍在增长46%。

token越来越便宜,但前沿模型却越来越贵。 在The Twenty Minute VC(20VC)节目《Are OpenAI and Anthropic Overvalued?... with Lin Qiao, Founder and CEO @ Fireworks》(2026-07-20)中,Fireworks的CEO给出了一个双向都成立的预测:"我确实认为token成本将在未来三年内大幅下降,降幅达10倍。而这10倍的成本下降将带动100倍的使用量增长。"换句话说,单价在下降,但由于使用量爆发得更快,总账单还是在攀升。Fireworks自身就是AI时代精简的一个案例:仅用四年时间就达到约10亿美元ARR,同时"每天处理超过40万亿个token",团队却只有大约200人。在后续一期节目20VC《OpenAI and Anthropic Threatened by Kimi?...》(2026-07-23)中,同一位嘉宾提到Fireworks的运营毛利率处于"30%出头的中段",这提醒人们,基础设施这一层赚的钱,远远少于软件投资人早已习惯的85%利润率。

BCGx的Matthew Kropp在[Un]Churned(2026-07-22)那期节目中,描绘了模型定价的走向:一个分层的世界,只在真正值得的地方支付高价。"如果我们开始看到……某个未来模型在比如说药物研发领域是超级专家,而他们每百万token收费1万美元,而不是25美元,因为它太有价值了,我不会感到意外。但我不需要在所有事情上都用它。"他说,把昂贵的模型用于药物研发,而"用更便宜的模型来规划我的假期。"

对头条数字持怀疑态度的一条脚注。 最后,还有一条值得带着上面所有内容一起牢记的警示。在Elon Musk Podcast节目《Anthropic overtakes OpenAI as most valuable startup》(2026-07-23)中,主持人指出,Anthropic那个被广泛引用的470亿美元年化运行率,"其中包含了通过云服务商结算的营收,而这些服务商通过返佣协议抽走了相当大的一部分,这意味着Anthropic实际到手的净营收只是头条数字的一小部分。"AI to ROI的主持人也对整个行业最爱的这一指标提出了同样的观点:这些实验室所报告的"并不是真正的ARR。它是经常性营收的运行率,也就是把上个月的数字乘以12。"当你读到某家AI公司的运行率达到470亿美元或330亿美元时,要记住这只是一个年化后的快照,而且就云端结算的那部分而言,这还是中间商抽成之前的毛额。