前 Consensys CMO：AI 時代的公司形態進化

作者：Lex Sokolin

編譯：佳歡，ChainCatcher

本文探討 AI 如何重塑組織架構本身。公司正從亞馬遜式的"雙披薩團隊"（一個團隊約 6--10 人，保持敏捷的組織架構）轉向由 3 到 5 人組成、產能大幅躍升的"AI 原生"小組。

我們對比了兩條路徑：

Klarna 的 AI 替代戰略以失敗收場。員工人數從 5,500 削減至 3,400，服務質量問題最終迫使其重新招人。

Coinbase 與 Ramp 則選擇圍繞 AI 增強與編排來重組業務。Coinbase 裁員 700 人，同時轉向單人產品團隊和 AI 代碼生成。

Ramp 則打造了一套內部 AI 駕馭框架(harness)，99.5% 的員工每天都在使用，覆蓋逾 350 項業務技能。

此外，我們還剖析了 Box 和 Plaid 等公司為何被資本市場作為 AI 基礎設施重新定價，核心在於它們掌控著 AI 智能體運轉所必需的、帶權限的企業級數據。

組織形態的第三次進化

幾個月前，我們討論過"零人類公司(Zero Human Companies)"和 AI 經濟自主化曲線：

雖然已有力量在推動建立完全沒有人工干預的組織，但目前的經濟主體仍是我們人類。

當下最棘手的工作，是將現有的傳統公司改造為 AI 優先的形態。

這是一個極其龐大的機遇，以至於 Anthropic 正聯手整個私募股權行業來推進此事。

除了那些驚人的財務數據之外，我們開始明顯感知到 AI 影響的另一個切入點：人們建立和組織公司的方式。

組織架構本身就是一種技術。

瀑布式開發(Waterfall)孕育了統治早期科技時代、層級森嚴的軟體開發巨鱷。

隨後行業轉向運用敏捷方法論的精益團隊，接著敏捷又演化為亞馬遜首創的"雙披薩團隊"。正是這種運營結構構築了如今的每一家現代金融科技公司。

但潮水的方向再次改變。

麥肯錫的 Martin Harrysson 和 Natasha Maniar 在 2025 年末給出了下一個版本的預判：

"AI 原生角色在本質上意味著，我們正從'雙披薩結構'轉向由 3 到 5 人組成的'單披薩小組'。"

人減半，活照幹。

2026 年 5 月 5 日，Brian Armstrong 通過裁員 700 人，為這一論斷添上了有力的注腳。

Coinbase 做了什麼？

Coinbase 裁減了 4,951 名員工中的 14%。

部分原因在於，這仍是一家業務與交易量高度綁定的公司的正常市場周期操作------預計其第一季度營收為 17 億美元（同比下降 26%），每股收益(EPS)暴跌 86%。

但值得高度關注的是，其管理層是如何規劃現代金融科技/加密公司中 AI 落地路徑的，以及他們對未來人均生產力的期許。

Coinbase 的工程師們現在只需幾天就能發布過去需要數周才能上線的產品，且這種提效正在加速。

Armstrong 正在重構業務線，確保在 CEO 和 COO 之下最多只存在五個管理層級。

純粹的"管理者"將不復存在------每位領導者都必須身兼個人貢獻者，必須是精通現代工具、既能帶隊又能親自下場的"球員兼教練"。

跨職能的"AI 原生小組"全面取代傳統團隊。Coinbase 甚至在內部試點將工程、設計和產品職能融合於一人的單人小組。

Coinbase，一家營收達 70 億美元的上市巨頭，正在運轉單人產品團隊。

2025 年 9 月，Armstrong 曾公開表示 Coinbase 每天 40% 的代碼由 AI 生成，並計劃在 10 月將該比例提升至 50%。

在 Stripe 聯合創始人 John Collison 的 Cheeky Pint 播客中，他坦承自己開除了那些在企業版許可證發放一周內仍拒絕使用 Cursor 和 GitHub Copilot 的工程師：

"有些人就是不用，所以他們被解雇了。"

V1 版本是直接替代，但它失敗了

然而，Coinbase 並非首家以 AI 為由進行裁員的金融科技企業。

還記得 Klarna 在 2024 年那場教科書般的"AI 降本"實驗嗎？當時它似乎昭示著未來驚人的生產力爆發。

但我們當時就認為，這更像是信貸周期的緊縮，而非真正的創新。

CEO Sebastian Siemiatkowski 曾高調宣布，由 OpenAI 驅動的 AI 助手在首月處理了 230 萬次對話，占所有客戶聊天的三分之二，完成了相當於 700 名全職客服的工作量。

• 員工總數從 5,500 人驟降至 3,400 人
• 預期利潤增幅：4,000 萬美元
• 客戶問題解決時間從 11 分鐘縮短至 2 分鐘

然而，這一切在觸碰現實後迅速崩盤。

複雜工單的客戶滿意度(CSAT)暴跌，重複聯繫率飆升。

到 2025 年 5 月，Siemiatkowski 向彭博社坦承公司"步子邁得太大了"。Klarna 不得不開始以類似 Uber 的遠程模式重新招人------聘用時間靈活的學生、全職父母和偏遠地區工人。

澳大利亞聯邦銀行在幾天內火速叫停了 45 個語音機器人替代項目。Taco Bell 也從 500 家汽車穿梭餐廳中撤下了語音 AI。

Gartner 預測，到 2027 年，一半曾制定"全面替代計劃"的公司都將放棄該方案。

Klarna 的 IPO 在首日依然大漲 30%，達到 200 億美元估值，這在一定程度上反映出：只要公司及時糾偏，公開市場是相當寬容的。

但這種簡單粗暴的"替代"邏輯，即直接裁掉一個人類崗位，塞進一個大語言模型(LLM)。在注重"量"的指標上或許行得通，但在注重"質"的指標上必將崩潰。

重新招聘的成本遠超當初省下的開銷。顯而易見，金融科技領域的首次 AI 數位轉型嘗試交出了一份喜憂參半的答卷。

但這絕不會是最後一次嘗試。

V2 版本是能力增強，以 Harness 為護城河

Ramp 在 2026 年 4 月初正式發布了"Glass"。

與五位同事共同打造該工具的內部 AI 專家 Seb Goddijn 發表了一篇長文。當天，Ramp 的 CEO Eric Glyman 在推特上轉發。數小時內，該文便霸榜 Hacker News 首頁。

對於 V1 版本為何失敗，Goddijn 一針見血地指出：

"阻礙 AI 普及的首要壁壘根本不是模型本身，而是配置 AI 運行環境的極端複雜性。"

Glass 正是 Ramp 為粉碎這一壁壘而生：

首先，自動化的訪問配置------只需通過 Okta SSO 登入，每一個獲得授權的內部工具（Salesforce、Gong、Notion、Linear、Snowflake、Slack、Zendesk，以及 Ramp 自有內部工具）都已底層打通。

其次，設立 Dojo(道場)------一個包含 350 多項 AI 技能的市場，每一項技能都是一個 Markdown 文件，負責教會智能體完成一項任務。它們全部存儲在 Git 中，接受代碼審查並進行版本控制。

一個名為 Sensei(導師) 的智能體會在新員工入職首日，智能推送與他最相關的五項技能。

第三，構建持久記憶庫------基於身份驗證連接自動生成，並通過 24 小時綜合處理管道持續刷新。因此，智能體在介入每一次對話時，都已完全掌握該員工所在團隊、參與項目、活躍工單和持續中的溝通脈絡。

如今，99.5% 的 Ramp 員工每天都在使用 AI。

Ramp 一半的代碼由 AI 編寫，並正向 80% 邁進。其首席產品官 Geoff Charles 推行了一套 L0--L3 成熟度框架，其中 L3 代表直接通過 AI 智能體發布生產級功能。

任何仍停留在 L0 級別的員工，實質上被視為怠工。

Ramp 目前估值高達 320 億美元，ARR（年度經常性收入）達 10 億美元，雄踞 Fast Company 2026 年金融界最具創新力公司榜首。

Klarna 試圖用自動化壓低人力門檻，Ramp 則在拼命抬高每個員工的產出底線。Coinbase 介於兩者之間。

AI Harness

貫穿這一切的核心，是 "AI Harness" 的概念。

像 Manus 這樣的公司開創了將原始 AI 智能壓縮、轉化為可重複業務流的架構，而 OpenClaw 等編排框架則將其推向大眾。

一套 Harness，是將身份驗證、系統集成、記憶庫、團隊沉澱的技能目錄、夜間跑批的調度程序，以及允許分析師同時多線並行的多窗格交互界面完美融合的綜合體。

而那些前沿的大語言模型，僅僅是這套 Harness 中可隨時替換的零部件------當 OpenAI 推出 GPT-5.5，或者 Anthropic 發布 Opus 5 時，Ramp 只需順手替換掉模型，周遭的一切體系照常運轉。

Anthropic 自家的 Cowork 產品於 2026 年第一季度正式商用(GA)，內置了 11 個針對特定崗位的插件，橫跨銷售、財務、法務、行銷、HR、研發、設計和運營------這套崗位分類邏輯與 Glass 的 Dojo 如出一轍。

一旦你接受"AI 的生產力是由業務流而非聊天框塑造的"，崗位角色就順理成章地成為了 AI 組織的最小自然單元。

這也正是致力於打造"零人類公司"的工具在思考如何構建 AI 優先組織時的底層邏輯。詳見下文的 Polsia，以及隨後的行業快速細分版圖。

資本市場正在迎頭趕上

當許多傳統軟體公司正因 AI 的去中介化而痛苦掙扎時，有一類玩家卻在逆勢狂飆。

這些公司早早挖深了屬於自己的數據護城河，如今正游刃有餘地將一次性 AI 軟體無縫疊加其上。

以企業級文件存儲公司 Box 為例：其 2026 財年第四季度財報發布後，股價應聲暴漲 10%。Aaron Levie 在財報電話會議上一語道破天機：

"文件，說到底就是 AI 智能體天然的工作單元。"

Enterprise Advanced------Box 主打 AI 與工作流的高級訂閱層------其定價直接比傳統旗艦版 Enterprise Plus 高出 30% 到 40%。

第四季度帳單金額(billings)達 4.2 億美元，同比增長 5%。

• Box Extract 能夠從合同中精確抽離結構化數據
• Box Shield Pro 將智能體化(agentic)AI 直接引入訪問控制體系
• Box AI Studio 的專業模式與擴展模式，允許智能體在更大的上下文窗口中處理多步驟負載

Levie 在 GeekWire 的訪談中感慨：

"除了剛成立的那 12 個月，Box 還從未像今天這樣，讓人感覺這麼像一家初創公司。"

要知道，高達 95% 的企業數據都是非結構化的。AI 智能體極度渴求這些數據，且必須在權限邊界完整保留的前提下被調用。

誰掌控了這個帶權限的數據金庫，誰就能擺脫"廉價存儲"的標籤，被資本市場作為"智能體基礎設施"重新估值。

曾經，市場把 Box 看作是 Dropbox 那個略顯尷尬的兄長，股價長期徘徊在 26 美元。如今，華爾街一致目標價已落在 35.63 美元，相對當前價格還有 35% 的溢價空間。

另一個例子是 Plaid------這家金融數據聚合商曾差點被 Visa 收購，並寄望於借此成為一個直接的支付網絡。

但有一段時間，Plaid 處境相當尷尬：Web3 後來居上，取代 Web2 成為新晉的金融基礎設施寵兒。

從 2021 年 134 億美元的估值巔峰，Plaid 一路下滑到 2025 年 4 月一級市場輪的 61 億美元，而後在 2026 年 2 月一筆為員工提供流動性的二級市場要約收購中，回升至 80 億美元。

它必須進化。

Plaid 最新客戶中約有 20% 是 AI 原生公司------他們正在構建需要獲取金融數據授權訪問、並依賴可信身份基礎的智能體。

Plaid Protect 的反欺詐平台在 2026 年初的測試中，檢測出的欺詐嘗試比同類身份驗證工具多出 50%。

Plaid Bank Intelligence 則攜 Retention Score 及即將推出的 Primacy Indicators，把客戶流失預測能力反向賣給銀行。

Plaid 正被重新定價為全球最大的、帶授權的金融交易數據語料庫。

它不是一條數據管道------數據管道從來都是廉價品。真正的資產，是構築在其之上的智能，而 AI 原生客戶的占比，正是這一論點最有力的佐證。

一個典型案例，是它與 Perplexity 的集成------共同打造一個完整集成的個人財務管理"計算機"。我們何其懷念 Mint.com！（2006 年誕生的美國國民級個人記帳 App）

Box 和 Plaid 站在同一條賽道的同一側。

兩家都在零利率(ZIRP)時代被按"SaaS 霸主"的邏輯定價，目睹估值腰斬，如今正按一套全新的邏輯被重新承銷------非結構化內容金庫，以及帶權限的數據網絡，是 V2 時代企業可被智能體讀取的底層基質。

V3 版本是編排------"單人公司"誕生

Sam Altman 與其他科技 CEO 之間有一個賭局，押注第一家"十億美元規模的單人公司"將於何年誕生。

Dario Amodei 將其在 2026 年內出現的概率定在 70% 到 80%，並點名了三個領域：自營交易、開發者工具、自動化客戶服務。

紅杉(Sequoia)正在調整投資承銷模型，把"智能體槓桿(agentic leverage)"即人均收入作為首要信號。Y Combinator 早期批次的入孵公司，95% 的代碼已由 AI 生成。

事實上，已經有公司憑藉 AI 創造出驚人的經濟槓桿。

在這種公司裡，CEO 化身為"智能體編排者(agent orchestrator)"，在一個巨型駕駛艙中調度無數 AI 智能體。

組織架構圖，變成了一張可外包給機器執行的業務流圖。勞動力預算，變成了算力預算。

這類公司的初代形態，將棲身於狹窄的領域------自營交易、開發者工具、具備網絡效應的細分消費軟體。這些場景裡工作完全數位化、監管輕、信任成本低。

它們會很脆弱，因為所有單點失效系統都脆弱。

它們也難以打入受監管的企業市場，因為在那裡，合同上的姓名和那張臉，本就是結構性的存在。

但這種公司，已經出現了。

每一次技術變革，都会摧毀上一个范式视为关键的角色------"computer(早年人工計算員)"、生產線工頭、項目經理、中層管理者。

而那些率先弄清"經濟組織新形態"的公司，往往因為先動而獲得巨額回報。

舉個例子：亞馬遜的"雙披薩規則"，以及它在百萬員工規模下仍保持創新能力，本身就是一道護城河。

我們最終會落在"單人公司"還是"零人類公司"，並非真正的問題。

當下，我們仍處於數位化轉型的進程之中，而沿著這一脈絡在全經濟範圍內交付價值，將帶來數千億美元的回報。

真正的問題是：誰能在今天擁有或構建出正確的 AI Harness，誰就能為 2026 年的公司設計出正確的組織架構圖。

這意味著，升級這具企業超級有機體，讓它繼續戰鬥下去，再活一天。

但願，我們人類也能從中得償所願。