Newsletter · · Ashutosh Agarwal
小团队年收入冲上五千万美元，AI token账单直逼薪酬支出 - How They Build - 2026年8月1日当周
2026年8月1日当周的创业与风投通讯。本周多档播客中的创始人比拼的是雇佣人数有多少，从一个六人团队做到5000万美元营收的箱包品牌，到一个用十二个智能体撑起组织架构的物业管理公司；与此同时，另一批运营者则描述了AI账单已悄然膨胀到与其取代的薪酬支出相当的规模。
How They Build
2026年8月1日当周：人头数如今成了一种侮辱
这一周，创始人们不再炫耀自己雇了多少人，而是开始炫耀自己雇的人有多少。另外：AI账单已经悄悄膨胀到了当初它本该取代的薪酬支出那么大的规模。
在过去十年的大部分时间里，一位创始人告诉你"我们有30个人"，其实是在告诉你他已经成功了。人头数就是记分牌。这一周，在一档又一档播客里，这块记分牌被彻底翻转。眼下正在创业的这些人，比拼的是谁能用最小的团队做出最大的生意，而在这场比赛中胜出的人，说出的数字放在两年前会像是编出来的。
其中贯穿始终的转折，也是这不能算作一场干净利落的胜利巡游的原因在于：就在创始人们庆祝裁撤组织架构的同一周，另一批完全不同的运营者站出来谈及随之而来的账单。取代薪酬支出的token，如今在一些公司里的花费已经和原来的薪酬支出相当。
这个数字：5000万美元。六个人。
本周最引人注目的效率数据来自一家名为Hulken的直面消费者（D2C）箱包品牌，其两位创始人共同主持播客Unfinished Business。她们说得很直白：去年以六名全职员工做出了5000万美元的营收。此后又增加了一人，如今是七人，她们明确的目标是以不到十人做到1亿美元。
换算下来大约是每名员工700万到800万美元的营收，这个数字让一个规模极小的消费品团队，跻身通常只有最极端的AI原生软件公司才能企及的效率级别。
两位创始人对此几乎带着挑衅的态度。用她们自己的话说：
"如果你是一个年营收不到5000万的品牌，却有超过10名全职员工，那你就是做错了。我以前把人头数看作实力的信号……但现在我一听到这个，它对我来说就直接意味着这家公司效率低下。"
要看清这种心态转变有多彻底，最直观的方式就是她们的薪酬占比测算。在消费品品牌中，一条由来已久的经验法则是，薪酬支出应约占营收的10%，达到这个水平就算不错了。Hulken的这一比例是**4%。**正如一位创始人所说："黄金标准一直是……10%。现在我听到的是8%，是7%。我们做到了4%。"
她们究竟是怎么做到的，才是有意思的地方，而答案并不是"我们把所有人都解雇了，让ChatGPT来管公司"。这是一套刻意设计的三层结构，她们称之为"最小可行公司"：一个由资深内部负责人组成的小核心团队，一张负责专业工作的外部代理机构网络，以及她们最兴奋的那一层——一个AI项目管理层，在这一层里每一名团队成员都拥有自己专属的AI助理，承担原本会交给初级员工或实习生的工作。一位创始人有一个名叫Benny的AI幕僚长，它并没有联入开放互联网，而是接入了公司自己的Notion工作区（她们称之为公司的"大脑"），因此它给出的回答只基于它对Hulken的了解。团队的心法公式是："最小可行公司等于每名员工的最大营收。"
Unfinished Business，"The Minimum Viable Company: How We Run a $50M Brand With Just 7 People"（2026年7月28日）。
创始人们做出的改变
她把公司从12人裁到2人，然后用代码重建了消失的那10个人。 在The UpFlip Podcast节目中，Andrea Palacio讲述了她2023年收购一家园艺公司后公司随即分崩离析的经历：卖方偷走了公司的钱，经理辞职并告诉员工公司撑不下去了，营收从每月7万美元跌向4万美元，团队"从12名员工降到了2名员工"。她没有任何技术背景，却自学着把缺失的岗位重建成软件：一个能接听每一通电话并预约的AI语音接待员，能通过三套越来越强硬的话术逐级升级的自动逾期账单催收电话，以及服务完成后自动发送的照片和评价请求消息。如今这家公司年营收超过100万美元，主要由她丈夫运营，而所有的搭建工作都由她本人完成："现在我可以给你看我1、2、3、4个屏幕的照片……其中一半开着的都是Claude Code。"当有人提出要收购这家公司时，她拒绝了。 The UpFlip Podcast，"249. She Runs a $1Million Home Service Business Using Just 1 AI Tool"（2026年7月27日）。
一位物业经理搭建了一个由12个智能体组成的"公司"，在没有新增房源的情况下利润增长了168%。 在STR Global Unlocked节目中，JC Vacation Rentals首席执行官Alex Zemianek讲述了他如何用一整套AI智能体的组织架构取代了原有的技术栈。他从一个智能体开始，一度扩展到20个，最终稳定在12个：一个直接接入QuickBooks和物业管理软件、"能在不到一分钟内起草损益表"的财务智能体、一个营销智能体、运营和房源智能体、一个负责维护共享知识整洁的"图书管理员"、一个每天早上6点前写好晨间简报的首席执行官智能体，以及一个拥有否决权的安全智能体。他说这套系统让他的工作速度"比以前快了大约一百倍"，并把净营业利润提高了168%，而几乎没有新增库存——"也许只多了两三套房源"。最耐人寻味的细节是：这个安全智能体已经否决过他本人。"有几次我试图行使否决权，结果安全智能体一直把我挡了回去。"那么他把额外的利润用来做什么了？他雇了一个人，一位"体验主管"，因为"人们终究还是会渴望那种我们不能失去的温度和款待"。 STR Global Unlocked with Simon Lehmann，"041: This Property Manager Increased Profit by 160% With AI | Alex Zemianek"（2026年7月28日）。
一家货运经纪公司在一年内营收增长80%，却没有多招一个人。 在The Dynamo Show节目中，Freight Hero的创始人讲述了一位客户是如何做到这一点的。在货运经纪业务中，一名人类"英雄"通常要为每一票货物接触六到八次，核对卡车、追踪司机、处理单据。Freight Hero的智能体"Robin"把这个数字压到了"接近一次，甚至不到一次"每票货物，人工只在出现例外情况时才介入。被释放出来的人力并没有被裁掉，而是被重新投向去拿下更多货运单、赢得更多客户，这也是一家经纪公司能够"在不改变人头数的情况下，实现营收同比增长80%"的原因所在。他这样解释这件事为何在一个残酷的行业里格外重要（经纪商们已经在所谓的"货运业大衰退"中挣扎了四年，许多公司利润率为负）："这种活儿你不用再干了。交给我们……然后你把最优秀的人才腾出来，让他们专注在创造营收的岗位上。" The Dynamo Show，"AI Powered Operations for Freight Brokers"（2026年7月29日）。
组织架构本身正在被重新设计：更扁平、更资深，并且充满了"多面手专家"。 在Tech Deciphered节目中，主持人们剖析了一家AI原生公司在结构上究竟是什么样子，而这更多不是"一个人干所有的活"，而是一系列具体的变化。中层管理首当其冲开始收缩，因为中层管理者的很多工作其实是"路由"——把任务传来传去，向上汇总和归纳——而"AI和智能体总体上非常擅长这类工作"。取而代之崛起的是他们所说的"多面手专家"：过度专业化的终结，不再是一个人只做前端，或只做设计，或只做产品。"你可以把设计和代码交付结合起来，把产品管理和代码交付结合起来，既做分析师又负责部署。"招聘的本能也发生了逆转，从疯狂扩张转向刻意克制："过去那种……让我去招300个人来扩大市场覆盖的好日子"已经过去了，取而代之的是"宁可招少了，也不愿招多了的倾向"。作为投资人，他们说，如今的问题不再是"这家初创公司是不是在做AI相关的事情"，而是"这是不是一家AI原生的初创公司？从组织架构、企业文化上看……这个团队是怎么工作的？" Tech Deciphered，"79 – The Cognitive Age"（2026年7月31日）。
"50%法则"，以及作者为何认为这个比例其实还低估了。 在AI First with Adam and Andy节目中，《Agents Inc.》一书的合著者Adam Brotman和Andy Sack给劳动力问题定了一个数字：他们估计，几乎任何行业——餐饮、零售、律师事务所、会计师事务所、金融业——"如今大概都可以用至少减少50%的人力来运营"。而他们认为这个数字还偏保守："这也许其实是宽松估计了。实际数字可能更高……我看到的证据显示是70%到80%。"当他们着手为一个真实流程重新设计以实现90%的时间缩减时，最终落在了85%。他们如今正在打造自己的公司来验证这一点：一家从第一天起就"完全以智能体为原生形态"的初创公司，在那里"我们可能只用两个人或十个人，去完成原本正常情况下需要100个人才能完成的工作"。他们也很谨慎地提到了乐观的反面论点，即熟练使用AI的人往往会变得更忙，而不是更闲，他们会去追逐新的"解锁点"，而不是缩减规模，但他们的基准情景仍然相当直白严峻。 AI First with Adam and Andy，"The 50 Percent Rule: How AI Is Reshaping the Future of Labor"（2026年7月29日）。
另一面："你不可能靠收缩走向统治地位"
精简团队的叙事这一周也遭到了最猛烈的反驳，而这一点值得认真对待，因为反面证据是带着具体名字和数字来的。
公司正在悄悄地把当初裁掉的人再招回来。 Elon Musk Podcast（尽管名字如此，实际上是一档新闻综述节目）梳理了一次引人注目的逆转：Alphabet和铁路巨头CSX"眼下正积极扩充自己的人头数，逆转了此前一长段由AI驱动的裁员浪潮"，高管们"字面意义上在把被裁掉的员工重新召回，因为他们撞上了瓶颈"。原因并不是出于感情，而是出于成本。"当一家公司决定用一套自动化系统取代一个部门时，它买下的不只是软件。它承担的是持续不断的云计算算力成本……那种看似省下来的钱其实凭空就消失了。"这一期节目把真正的抉择归纳为两种策略："精简模式"（裁掉30%的人员，维持产出不变，把利润率垫高）对上"倍增模式"（保留所有人，用AI把产出放大十倍）。它下的结论毫不含糊："你不可能靠收缩走向统治地位。精简型公司打的是防守。倍增型公司打的是进攻。"节目还引用了Lattice首席执行官Sarah Franklin的警告："拥有编程智能体并不能取代对工程师的需求"，因为基于过往数据训练出来的模型"是发明新事物的一种糟糕方式"。 Elon Musk Podcast，"Why AI layoffs are backfiring"（2026年7月28日）。
超过一半的雇主如今都后悔当初的裁员。 在Download This Show节目中，嘉宾团引用数据称，"据报道超过一半的雇主如今表示后悔为了AI而裁员"，并将其归因于"糟糕的领导力、糟糕的变革管理以及粗心大意"，再加上一个根本性的误解："处理量不等于服务质量"。一个AI可以应付数量惊人的通话，却依然会让客户失望，举的例子是一家呼叫中心初创公司，其AI只要来电者稍微"支支吾吾、犹豫停顿"就会跟不上思路。更深层的观点是：技术只有在你真正围绕它重新设计业务时才能带来真实的生产力，而不是当你"仅仅……拿它来玩一玩"然后就裁员的时候。 Download This Show，"Have AI models truly 'gone rogue'?"（2026年7月31日）。
裁员记分牌，附带确凿证据。 Grumpy Old Geeks用实际数字梳理了本周的裁员情况：BuzzFeed裁掉了180人，约占其剩余员工人数的33%，主持人称这源于"一场失败的AI战略"，年度亏损到2025年将达到5800万美元，而裁员预计每年可节省高达3200万美元。Uber裁减了10%的客户服务团队，并直接把原因归为AI，一份副总裁的备忘录解释称，该部门"已经变得过于复杂且各自为政"，需要重新塑造，"以便把AI叠加上去"。Patreon的首席执行官宣布公司正在"扁平化组织架构"。主持人们持怀疑态度的解读是：大量"我们必须用AI，否则三年内就得死"的说法，其实是高管们借此让自己的名字持续出现在新闻里，同时回避那个更棘手的问题——这一切究竟如何变现盈利。 Grumpy Old Geeks，"This Time With Chicks"（2026年7月30日）。
还有一个提醒：代码写得多，不代表价值创造得多。 在经济学播客Justified Posteriors中，两位经济学家深入研究了一篇新的研究论文，该论文衡量了AI编程工具对产出到底带来了什么影响。原始数字十分惊人：采用一个异步编程智能体带来了代码行数17倍的增长，同步智能体带来约10倍的增长，而普通的自动补全带来约2倍的增长。但请留意，当你从"打字"走向"交付"时会发生什么：等到真正落到软件发布这一步，同样这些智能体带来的仅仅是**30%的增长。**他们称之为"衰减"——收益沿着链条向上逐渐蒸发。而放眼整个生态系统，虽然生产出来的应用更多了，但"我们似乎并没有看到下载量的增加"。他们的结论用他们自己的话说就是："如果你环顾四周，会看到代码明显多了很多，但目前还不清楚这是否为我们带来了真正惊艳提升的软件。" Justified Posteriors，"Is AI Replacing Programmers or Boosting Them?"（2026年7月27日）。
成本角落：账单追上来了
这是本周最值得高声强调的主题。整整一年里，故事的主线是"AI让你能够取代薪酬支出"。而这一周，故事变成了"……然后AI账单膨胀到了和薪酬支出一样大的规模"。
先从大家都在引用的那个数字说起。 今年3月在NVIDIA的开发者大会上，首席执行官黄仁勋提出了一个思想实验，此后它有了自己的生命力：假设你付给一名软件工程师50万美元年薪，到年底问一问他在token上花了多少钱。如果答案是**低于25万美元，黄仁勋表示他会"深感震惊"。**换句话说，一名装备精良的工程师每年理应烧掉四分之一百万美元的AI费用。正如一位怀疑者干巴巴地指出的："黄仁勋在这件事上有商业利益。他就是那个开铅笔厂、卖铅笔给你的人。"但这个说法正在扩散，一位发言者描述说，在拉斯维加斯的一场会议上，连续三位演讲者都把它当作既定事实来引用。
"每位工程师25万美元"从底层看起来是什么感受。 关于这个话题最出色的报道来自The Catalyst by Softchoice，它跟踪记录了一位被称为Benjamin的金融分析师参与企业AI试点项目的经历。他获得了一笔token预算，起初是每月150美元，后来涨到250美元。两天之内，他就在Excel工作上烧掉了其中60美元，惊慌之下开始配给使用："我开始只把它用在高优先级的Excel模型改动上，尽量不要在这个月把250美元用光。"他如今囤积token以应对一场从未发生过的紧急情况，故意"用慢办法"来做工作，并承认这个工具曾"极大地改变了我的工作方式"，直到这个计量器又把它收了回去："我几乎失去了自己的自立能力。"与此同时，在光谱的另一端，同一期节目描述了Meta一名工程师搭建的一个内部仪表盘，名为"Claude Economics"，按token消耗量对全部85,000名员工进行排名，排名前250的员工会获得诸如"Token传奇"和"现金巫师"之类的徽章。在短短一个30天的窗口期内，Meta员工总共烧掉了超过60万亿个token，其中单个消耗量最大的用户一人独自用掉了大约2810亿个token（马克·扎克伯格没能挤进前250名）。这个仪表盘在泄露两天后就被Meta关闭了。
同一期节目给出的宏观框架，是需要真正内化的部分：随着供应商从按坐席收费转向按token收费，"一些公司眼看着成本涨了7倍、10倍、20倍"，以至于"你现在真的会看到有些人，为AI token支付的费用几乎和支付给工程员工的薪酬差不多了"。Uber的首席技术官早在4月就说过，公司已经烧光了整个2026年度的AI预算——整整一年的预算，四个月就花完了。而Gartner最新的预测显示，今年全球AI支出将达到2.59万亿美元，同比增长47%，与此同时Gartner自己的分析师也承认"首席信息官们正苦于证明这些投入的价值"。 The Catalyst by Softchoice，"The Token Burn Episode: What Happens When Your Software Bill Has No Ceiling"（2026年7月29日）。
针对"token极限消耗"的反弹。 在Tech Talks节目中，一位SnapLogic的负责人对黄仁勋式的说法进行了强烈反驳，把"花得越多就越好"这种逻辑称为"动机性推理"，并援引了古德哈特定律："一旦某个指标变成了目标，它就不再是一个有用的指标。"SnapLogic自己的做法很能说明问题：每位工程师都拥有自己的、在遥测数据中可见的API密钥，配有"软性上限"，一旦使用量出现异常飙升就会暂停，随后跟进一次对话："嘿，是什么导致了这次飙升？"其重点不是要把成本封顶，而是要培养技能。他还提到了一个新网站tokenspend.org，一家名为TechWolf的公司在那里公开自己每人平均的AI支出，供其他公司据此进行对标，这可算是"每名员工的这项支出应该是多少"这一真正市场行情的雏形。 Tech Talks，"The Truth About Token Maxing: Why Your AI ROI Is an Illusion"（2026年7月29日）。
Token预算正在变成和其他任何预算科目一样的常规条目。 在*[Un]Churned*节目中，Braze的Saumyo Mukherjee讲述了公司正在如何把这件事正式制度化：每位部门负责人都会拿到一笔按其团队规模确定的token预算，"每一个人每个月都会有X美元的token额度可以使用"。Braze会观察一个季度的使用情况，然后重新分配；一个工程团队理所当然会比一个人力资源团队烧掉多得多的token。他对成本与能力之间取舍的理念是："我们不应该在意那些赤裸裸的美元数字，只要我们能证明投资回报是合理的……Braze做出了正确的选择，是的，即便成本更高，只要这个成本是站得住脚的。" [Un]Churned，"Vibe Coding Is a Bandaid on a Bandaid ft. Saumyo Mukherjee (Braze)"（2026年7月29日）。
减压阀：换成更便宜的模型。 据The Rundown对中国新款Kimi K3模型的深度报道，应对账单失控的反制措施已经在生产环境中付诸实施。企业正在学着按成本来分配工作："DoorDash表示，他们把Moonshot的模型用于较低层级的工作，把Anthropic的模型用于他们最难、最前沿的任务。"Airbnb的客服智能体"大多运行在阿里巴巴的通义千问模型上"，首席执行官Brian Chesky称其"又快又便宜"，据报道甚至连微软也在测试Kimi K3能否为Copilot的部分功能提供支持。价格差距才是整个故事的核心：Kimi K3的价格约为每百万输出token 15美元，而OpenAI旗舰模型约为30美元，Anthropic的Fable 5约为50美元，相当于以接近前沿水平的性能享受50%到70%的折扣。市场已经注意到了这一点：一位分析师估计，就在Kimi发布的第二天，OpenAI和Anthropic的估值预期就被削去了约3140亿美元。 The Rundown，"Deep Dive: Did China Break the AI Trade Again?"（2026年7月25日）。
还有一个能概括整场转变的数字。 在The Accounting Podcast节目中，主持人引用了支出管理公司RAMP的数据：自2025年6月以来，RAMP客户在token支出上花的钱增长了**20.7倍。**这其中一部分只是从"我们过去每月都付20美元包月不限量"转向按用量计费的自然结果，但正如一位主持人所说："还有哪一项可以拿来对比的企业开支，出现过这么剧烈的增长？"他们能想到的唯一可比对象是NVIDIA的芯片。 The Accounting Podcast，"IRS Chief Spied on Colleagues & Out of Control AI"（2026年7月31日）。
贯穿始终的那条主线
那些用六个人做出5000万美元生意的创始人，和那些正盯着涨了20倍的token账单发愁的首席信息官，其实是在从两个相反的方向描述同一种现象。AI确实让一小撮人能够完成过去需要一百人才能完成的事：Hulken、JC Vacation Rentals、Freight Hero，以及Andrea Palacio的园艺公司，都不是假设情景，它们是有真实数字支撑的、正在运转的企业。但人力成本并没有消失，它只是转移了位置。它从一条你可以预测的薪酬支出行，变成了一个你无法预测的token计量表，而在最前沿，这两个数字正开始趋于收敛。未来几年的赢家，不会是那个裁员最多的人，也不会是那个烧token最多的人。他们会是那些能够算清这两者之间汇率的人。