Newsletter · · Ashutosh Agarwal
我们后悔产品管理这个岗位的存在 - How They Build - 2026年8月8日当周
本刊对2026年8月8日当周多档播客内容的综合分析：随着AI将杠杆集中到更少的人身上，软件团队正在削减经理与产品管理这一中间层，而由此产生的token账单也已膨胀到足以媲美一份全职薪水。
How They Build
2026年8月8日当周：我们后悔产品管理这个岗位的存在
本周率先被削减的层级不是写代码的人，而是中间的经理和产品经理。此外：AI账单已经悄然变成了一份薪水，而现在有一家公司开始公开这么说。
一年来，"他们如何构建"这个系列关注的主要是坐在键盘前的那个人：智能体写代码，所以你需要的工程师更少了。本周，讨论的焦点上移到了组织架构图的更高层。一位又一位创始人描述了他们如何削减中间层：那个分派工作的经理、那个主持对齐会议的产品经理、那个负责拉数据的分析师，同时把留下来的每个人重新推回到实际动手做事的位置上。本周最具传播力的一句话来自一档知名的产品类节目，一位知名的首席产品官表示，他的公司甚至把这句话写进了内部文件：我们后悔产品管理这个岗位的存在。
而贯穿其中的，依旧是定义了这整个系列的那股张力：钱并没有随着人一起消失，它转移到了token计费表上。本周，几位运营者给出了一个直白的数字：在满负荷运转的情况下，一名工程师的AI使用习惯，其成本大致相当于再养一名工程师的薪水；一批投资人开始为这个问题命名："token投入回报率"。
数字说话：21名产品经理，31,832名申请者，只招了1人
本周最令人震惊的效率数字，来自**Whatnot首席产品官汤姆·维里利(Tom Verrilli)**在Lenny's Podcast节目中的分享。Whatnot是一家快速增长的直播电商平台，其卖家所经手的商品交易量极为庞大。而管理这一切的产品经理人数：大约21人。
"我们刚刚超过20名产品经理。我记得现在公司里大概有21、22名产品经理，对于关注我们发展轨迹的人来说，考虑到我们卖家所经手的GMV规模，这个数字其实相当小。"
而且他们几乎从不增加产品经理的人数。正如主持人莱尼·拉奇茨基(Lenny Rachitsky)在回读维里利分享的一项数据时所说："过去两年里，有31,832人申请过Whatnot的产品经理职位。我们只招了一个人。"维里利的回应是："没错，就是这样。"
这句颇具挑衅意味的说法，正是公司在内部文件中使用的表述，即他们"后悔产品管理这个岗位的存在"。维里利谨慎地说明了这句话的确切含义和不代表的含义。这并不是说产品经理毫无用处，而是Whatnot拒绝默认假设每个团队都需要一名产品经理。他们让产品经理对应具体问题，而非对应具体团队，并且每六个月就重新分配一次。结果是，"某个特定的工程团队可能会有长达一年甚至更久的时间里没有配备产品经理，尽管仍有大量产品工作在持续推进"，因为工程师或设计师完全可以自己接手。
让这一切成为可能的部分原因是AI，而维里利也坦诚地表示，这并非全部原因。"我不认为这完全是因为AI，但我确实认为AI让这一切变得容易得多，"他说。真正起作用的，是如今单个人所拥有的杠杆：
"现在借助AI，我们的能力已经强到几乎会让你感到一种压力，一种源自那些你还没去做的事情的压力，因为你知道只要再挤出几个小时，你就能推动很多事情往前走。现在你在Hex的一个线程里就能拉出的数据，放在2017年，基本需要一位亚马逊L7级别的数据科学家花上一两周才能完成。"
他所期望的连锁效应，是一个更扁平、更资深、更亲力亲为的组织。他提到了一长串大公司CTO辞职、跑去Anthropic当普通工程师的名单，"Workday的CTO现在在Anthropic就是一名普通的技术团队成员；Instagram的CTO、Box的CTO、Super.com的CTO，他们现在都只是普通工程师"，并表示，"我最大的愿望，就是希望Whatnot的产品团队基本上也能变成这样。"他甚至还给出了一套薪酬层面的论证：把经典金字塔结构下的总薪酬加起来，一名L7下辖五名L5，一名VP下辖四名L7，与其如此，不如只招三个人，"给他们都开VP级别的薪水，尤其是当他们的影响力达到那个级别时。"维里利本人也亲自写过上线代码，尽管他是第一个承认的人："有人默默地重写了我和Claude Code没搞对的大部分代码。"
Lenny's Podcast，"This CPO regrets that product management exists | Tom Verrilli (CPO of Whatnot)"（2026年8月2日）。
创始人们做出的改变
"三个年薪8万美元的人，变成一个年薪22万美元、能干十个人工作量的人。" 在The Andrew Faris Podcast节目中，投资人兼运营者Karta Ventures的梅塔布·博加尔(Mehtab Bhogal)（他协助管理一批电商品牌的投资组合）给出了本周关于管理层为何正在消失的一笔最清晰的账。他的框架是：在一家40人的公司里，过去曾经存在C级高管层、VP/经理层，以及真正干活的个人贡献者。而这个中间层"基本上已经消失了，或者说变得薄弱得多，原因就是每个人现在能做的事情比以前多太多了。"
"你原本可能雇了三个人，每人年薪8万美元。现在你可以只雇一个人，年薪22万美元，但他能干的活相当于原来那十个人的工作量。"
他表示，原因在于AI把过去只属于罕见的"10倍工程师"或传奇销售的那种杠杆，赋予给了普通岗位："现在感觉几乎每个岗位都拥有和10倍工程师一样的杠杆了。"他给出的最具体的例子，是一个他认为正在彻底消失的岗位：内部数据取数员。"很长一段时间里，我们总有那么一个人，他的工作就是不停地跑各种大家要的报表，"他说；如今任何有好奇心的人都能直接用AI来查询数据，因此这个岗位正在被"去中介化"。他还描述了自己使用一种"对抗式审查"模式，在信任自己的财务模型之前，先派出数十个智能体去攻击、打磨这些模型，因为"这样出错率会大幅下降"。
The Andrew Faris Podcast，"Where AI Is Actually Making Money In Ecommerce – Mehtab Bhogal"（2026年8月3日）。
一位首席收入官(CRO)推平了整个市场部门的组织架构图，而这主要跟AI无关。 在The Revenue Leadership Podcast节目中，**Freshworks新任CRO伊恩·蒂克尔(Ian Tickle)**详细讲述了他如何把一个原本分裂的结构，销售与客户成功团队分离、500人以下团队与500人以上团队分离，合并成了一个统一的组织。这里有必要看清楚一点：他将这一举措的驱动因素归结为成本和客户体验，而非AI。他的逻辑是，层级和重复正在阻碍客户体验："你加的层级越多，信息就越难传递下去"，而且"客户根本不关心我的组织架构是什么样的。"他援引了Shopify的老理念，不要把"你的组织架构图"也一并交付给客户，不要让客户感受到公司内部的接缝。这也是一个有用的提醒：如今席卷软件行业的这股本能，压缩中间层、集中化、扁平化，其根源比AI更大；AI只是往那些注重效率的运营者本就已经点燃的火上，浇了一把油。
The Revenue Leadership Podcast with Kyle Norton，"E72: I Collapsed My GTM Org Chart. This Is Why | Ian Tickle, CRO @ Freshworks"（2026年8月6日）。
一个人正独自重建一整款网络游戏，并且已经彻底不再审查代码。 本周对这一趋势走向最生动的一瞥，来自Dev Interrupted节目，主持人在节目中解读了资深工程师**史蒂夫·耶格(Steve Yegge)**的两篇新文章。耶格如今正在几乎独自一人，通过调度一支智能体舰队，构建他的大型多人在线游戏Wyvern，这是他从21世纪初就一直怀揣的一个热情项目。他承认自己拥有"大概12个左右的Claude Max账号"，并"像拧开水龙头一样轮换token"，好让他的智能体能够"昼夜不停地工作"。他按照"认知局部性"把智能体划分成不同角色，赋予它们能够在模型升级后依然延续下来的持久身份（他甚至让每个智能体自己挑选一种动物作为自己的代表），并悉心"照料"它们，一种他半开玩笑地称为"模型福祉"的理念，其背后的逻辑是：一个被善待、被充分告知情况的智能体，会做出更好的工作。
工程管理者们真正应该细品的细节，是他所说的"淘金热"。他的智能体产出的代码量之大，已经让传统的"先测试、后合并"流程彻底失效。主持人是这样描述的："东西就直接合并进主干了。他会排出一堆PR，然后一次性全部塞进main分支，接着不是走检查流程，而是派出一群智能体去扫过这个此刻明显已经破碎的代码库，把所有问题都修好。"换句话说："他不做检查，他是在生产环境里修复问题。"这听起来很鲁莽，对大多数团队而言也确实如此，但这的的确确是一次预演，展示了当一个人指挥着一支永不知疲倦的编码大军时，"他们如何构建"会变成什么样子。
Dev Interrupted，"Model welfare, building a civilization for agents, and the CI/CD landrush"（2026年8月7日）。
一位品牌设计师独自一人在一周内完成了整个公司官网的搭建（代码、动画、部署全包）。 在Y Combinator Startup Podcast节目中，设计工具Paper背后的团队描述了设计与工程之间的交接环节是如何彻底消失的。他们的品牌设计师阿古(Agu)，"一位出色的品牌设计师，会写一点代码，但绝不会称自己为程序员"，一个人建好了公司整个发布官网，"大概一周时间，包括上线部署，包括所有的动画效果"，还带有定制的背景着色器。他先在Paper里完成设计，再向一个智能体下达指令："把我的Paper设计，转成一套代码库。"最终成品是一个Next.js网站。"没有其他任何人看过这个项目。阿古一个人从头到尾、一周之内就搞定了。"他们对这套新工作流程的总结是："现在甚至连交接都不存在了。就是一个人做修改、迭代、上线，一个人就能顶起原本一整个团队的工作量。"
值得注意的是，Paper同时也是本周自带的一面警示旗。他们刻意让自己的核心产品保持人工打造："优质软件是需要时间的。我们的一些竞争对手拥有每一项功能，但人们还是希望Paper能做得更好。"他们表示，公司的体验设计师需要打磨出丝滑的每秒120帧界面，"而智能体目前在这方面还远远达不到。"整个公司刻意只保持12个人的规模："一支精干的精英团队能把人才门槛维持在极高水平；人越少，沟通负担也就越轻。"
Y Combinator Startup Podcast，"How To Design In The Agent Era"（2026年8月7日）。
"旧控制器的狩猎季开始了"：过去六周的活儿，现在两周就能干完。 在Manufacturing Hub节目中，**系统集成公司Loupe的大卫·尼科尔斯(David Nichols)**描述了AI如何颠覆工业工程工作，并威胁到他自己所在行业的护城河。"我们以前是按六周一个冲刺周期来谈项目的，"他说。"现在我们六周能完成的事情，是以前的五倍。以前要六周的活儿，现在两周就能干完。"他最喜欢举的例子是：一位工程师想搞清楚一个运转了数十年、如今出故障的机器人工作单元，"把机器人所有的原始文档和原始文本文件都扔进一个文件夹，让Claude画一张状态图。它在30分钟内就把整个工作单元逆向工程了出来"，做出了"他们有史以来最好的文档"，同时也精确揭示了这台机器为什么一直出故障。重写这件事的经济账已经彻底反转：过去工程师能做的最蠢的事（"永远不要重写"），如今往往反而是最快的修复方案。他给自己所在行业的警告，他把这称为"系统集成商护城河"的终结，说得很直白："控制系统改造现在骤然打了大折。旧控制器的狩猎季开始了。"（他还随口提到，自己曾在某一天上午9点到下午2点之间，重新做了一遍Loupe自己的官网，后端和部署也一并搞定。）
Manufacturing Hub，"Ep. 268 – David Nichols of Loupe on Claude Code, AI Retrofits, and the End of the SI Moat"（2026年8月6日）。
另一面的声音：代码写得多，不等于交付得多
本周有两位敏锐的声音，对"裁掉中间层、看着产出飙升"这套叙事提出了反驳，他们并不否认杠杆效应的存在，而是质疑这份产出是否真实。
"采用率数据是一条烟雾弹。" 在Dev Interrupted节目中，**Asana首席产品官阿尔纳布·博斯(Arnab Bose)**认为，大多数公司衡量的根本就是错误的指标。在Asana这样的公司里，人人都想同时用上每一款AI工具，"所以盯着采用率数据看，多少是一种烟雾弹，它并不能帮助我们追踪真正的成果。我们到底是在真正地提升生产力，还是只是在摆弄一大堆工具，但手艺本身并没有提高？"他点出的陷阱是："你可以说这个月交付了40个功能，比上个月的20个多了一倍，但那40个里有20个其实一直躺在货架上没人用。"他的团队现在关注的是端到端的周期时间，而不是原始的PR合并速度。同一期节目还引用了一项基于250多家工程组织、270万条PR样本的基准研究，用节目原话来说，该研究发现"AI使用率高，与PR合并数量翻倍相关"，但同时也发现"更多的AI生成代码，并不必然意味着更多真正交付的代码。"
而且工程师们也不会就这样凭空蒸发。 在No Priors节目中，投资人**莎拉·郭(Sarah Guo)与埃拉德·吉尔(Elad Gil)**表示，即便大型科技公司真的裁掉一部分工程师，"外面依然有大把大把的地方可以接纳他们"，一个在谷歌只算平平无奇的工程师，放到某些老派传统企业的语境下会"相当出色"，会"被通用电气、PG&E或好时这样的公司争抢"。吉尔还认为"SaaS已死"这种说法被夸大了，原因在于一个我们后面还会谈到的成本逻辑：既然你已经在用极低的价格购买一款便宜的软件，为什么还要烧掉昂贵的token去重新造一遍轮子呢？在The AI Fundamentalists节目中，一位主持人从人力资本的角度提出了同样的观点：既然一个高强度使用的全职智能体，成本可能已经和一份薪水相当，"那我宁愿投资培养一位真正有天赋、正在成长、未来会成为高级工程师的初级工程师，也不愿意光是为了产出而付钱给Anthropic。"
成本专栏：账单变成了一份薪水
这是最值得再次大声强调的主题，但故事本身已经变得更加成熟。上个月，这还是一种震惊感（"等等，AI账单居然有这么大？"）。而本周，它已经演变成了一门管理学科：为成本命名，按人头做预算，并决定谁配得上这份预算。
一句话，概括了整个转变。 在The AI Fundamentalists节目中，主持人们算了一笔如今几乎所有人都在私下算的账：
"如果你每天光是原始API成本就花掉300到500美元，换算下来相当于一份10万到18万美元的工程师薪水。所以，如果你的token使用已经拉满，那你本质上就是在按这个费率为一名员工付薪。"
或者，用客户现在开始跟他们说的一句话来讲，"一名数字员工，可能比一名真人员工还要贵。"关于这个计费表跑得有多快，可以做个参照：在顶尖的OpenAI模型上，一千个token大约花费一美分；在Anthropic的Opus上，大约两美分半。单次调用下来根本不算什么，但当智能体一次要发起数百万次调用时，这笔钱就变得举足轻重了。同一期节目还点出了正在把这一切固化下来的机制：GitHub正在把所有Copilot套餐都转向按使用量计费，每个AI额度大约收费一美分，从而终结固定订阅制的时代，而目前那些用量最重的订阅用户，实际上正在被"补贴"，他们"消耗的token是自己付费额度的10到100倍。"他们说，这笔账"目前还没有算平"。
新的框架："token投入回报率"。 在No Priors节目中，埃拉德·吉尔为这套新的思维模型起了个名字。他说，各家公司正在经历这样的转变：从"人人都用AI，随便你怎么用"，到"我们必须衡量自己的支出"，再到真正的问题："哪些项目、哪些人，才真正应该拿到token预算里那份不成比例的大头？这就像是一种token投入回报率，一个ROIT指标。如果你手上有一笔固定的token预算，你会把它给谁，为什么给他？"最引人注目的证据，来自AI实验室自身：吉尔表示，有些实验室已经"放慢了研究员的招聘节奏，除非候选人的水平高到一个非常非常高的门槛，因为成本的瓶颈根本不在研究员本人身上，而在于这个人所需要配套的算力上。"算力，而非人才，才是真正稀缺的资源，而它正被分配给那一小撮真正驱动大部分成果产出的人。
几乎所有人都在做的反制动作：把便宜的活儿路由给便宜的模型。 在Making Data Simple节目中，**NeuroMetric AI首席执行官罗布·梅(Rob May)**描述了他反复观察到的一种模式：一家公司每月在推理上花费"10万到20万美元，环比增长20%到30%"，正面对着"一份500万美元的年度账单"。而当他们拆解自己到底在让前沿模型干什么活儿时，会发现其中很大一部分其实相当平庸，"光是总结销售会议纪要，每个月就要花1.5万美元"，而这种活儿一个小型、廉价的模型多年来一直能胜任，"大概每个月1000美元就够了。"通过针对细分任务微调小模型并把请求路由给它们，他表示自己的平均客户"能省下大约75%的成本，最差的情况下也能省40%"，通常还能带来"两到四倍的速度提升，且答案质量大致相当。"在Tech Disruptors节目中，Okta的首席运营官从买方的视角描述了同样的态度大反转："三个月前，大家还在跟自己的工程师说，token能花多少就花多少。现在他们意识到，自己根本花不了那么多。"他对每家企业AI之旅的总结是：先鼓励所有人尝试，再培训他们，接着监测谁真正提高了生产力，"然后最终大家都会走到同一个环节，意识到自己在token上花的钱，远远超出了当初的想象。"
但这里有个转折：有一部分token，价格正在变得更贵，而不是更便宜。 在*Eye On A.I.*节目中，**芯片初创公司d-Matrix的希德·谢斯(Sid Sheth)**描述了一种与廉价token经济并行出现的"高端token经济"。原因在于速度。自从Claude Code这类工具让交互式、实时的编码方式变得主流以来，"模型响应得越快，用户留下来的可能性就越高"，而各家公司现在开始就这一点收费。"你可以说，我不需要那种程度的实时交互，那我就付每百万token 2美元，"谢斯说。"但如果我想要那种高水平的实时交互，我就得付每百万token 20美元，而人们确实愿意为此支付这20美元。"于是市场正同时朝两个方向分裂：常规工作走向压价竞底，即时响应则走向不断加价。
价格战是真实存在的，而且有明确的靶子。 在Everyday AI节目中，本周的一波模型发布展示了低端市场的竞争有多激烈。Meta推出了一款类似Claude Code的命令行编码智能体(Muse Code)，搭载一款新模型，定价为每百万输入token 1.25美元、输出4.25美元，还设有一档"贡献者层级"，如果你允许Meta用你的代码做训练，价格可以降到输入0.10美元/输出0.20美元，相当于降价约95%。主持人的解读很直白："这看起来就是冲着Anthropic来的"，因为编码正是"据称Anthropic大约80%营收的来源"。与此同时，OpenAI在把价格下调80%之后，把一款前沿级别的模型（GPT-5.6 Luna，"基本上与Claude Sonnet 5不相上下"）向大约十亿用户免费无限量开放；而阿里巴巴新推出的开放权重模型Qwen，则准备开始向大型企业客户收取一定比例的营收分成。主持人的判断是："对Anthropic来说，这几周过得不算好"，而据报道，该公司正计划在未来几个月内启动IPO。
还有一个逆主流的宏观判断：AI可能会变得更贵，而不是更便宜。 在Dwarkesh Podcast节目中，主持人摆出了藏在这一片廉价token狂欢背后那笔令人不安的账。Anthropic已经连续三年保持每年大约10倍的营收增速，从去年的90亿美元，很可能增长到今年的1000亿到1500亿美元，但实验室的算力供给每年只增长大约3倍。总要有什么东西撑不住。推理业务的利润率已经从"去年年中的40%，攀升到如今高达80%以上"，现货算力价格也"比2月份的低点高出超过40%"。他给出的核心思想实验是：如果一名真正达到人类水平的软件工程师，能够在单张高端芯片（一张H100）上运行，那么按照今天的工程师薪资水平，"这张H100每年的租金应该超过25万美元，是目前价格的15倍以上"，而这还没算上AI能够全天候、全年无休地工作这一点。作为这种挤压已经到来的证据，他援引了谷歌向SpaceX支付"每月9亿美元，租用11万块GPU，大约是现货价格的两倍"这一案例。就连那些为了摆脱云端而自购的硬件，价格也一路飙升：The AI Fundamentalists节目指出，内存价格上涨了约220%，闪存上涨了约470%，GPU上涨了100%到300%，随着人人都想在家里本地运行模型，Mac Mini和Mac Studio已经连续数月断货。
贯穿全篇的主线： 过去一年里，我们看着AI从组织架构图的底层开始裁撤岗位。而本周，它开始从中间层下手：那些负责分派工作的经理、负责对齐方向的产品经理、负责取数的分析师，而Whatnot干脆坦白到把"我们后悔产品管理这个岗位的存在"这句话，直接写进了自己的行动手册里。但正是这些正在削减这一层级的运营者们，如今正盯着一块运转速度堪比第二份薪水的token计费表，其中最清醒的那批人已经不再问"我们该如何用更多AI"，而是开始问"这里到底谁真正配得上他们所用的那些token"。未来这一两年真正胜出的公司，不会是员工最少、AI账单最大的那批公司，而会是那些真正搞清楚了人、token和交付成果之间兑换汇率的公司，也是那些足够诚实、能够意识到那堆多出来的代码其实从未真正送达客户手中的公司。