AI原生创业公司 ｜第五篇：Scale阶段——小团队，大梦想

过去十年我们对“规模化”的理解几乎是一个公式增长意味着招更多人。你的ARR从100万到1000万团队从10人涨到100人。这是一种被资本和董事会默认的增长逻辑——融了钱就要花在招人上人多了就能做更多事更多事就能带来更多增长。很少有人质疑这个等式因为它看起来像物理定律一样不可动摇。但学完这一章我开始认真地怀疑在AI能够承担越来越多执行工作的时代“规模人数”这个等式是否还成立那些让我重新思考“规模”的案例我反复研究了几个数据点每一个都让我对“规模化”的旧定义产生更深的怀疑。有一家AI原生公司在只有12名员工的情况下达到了3000万美元的ARR。按照传统SaaS的基准这个营收级别通常需要80到120人的团队。另一家公司40多人做到了18亿美金估值。还有一个更极端的例子一家AI客服公司创始人和AI Agent一起支撑起了前100个付费客户在达到500万美元ARR之前没有雇佣任何一个客服人员。这些数字背后有一个共同的逻辑我花了很长时间才真正理解AI不是在增强人而是在取代某些人力的需求。传统的规模化需要线性增加人头因为每个客户经理只能服务一定数量的客户每个工程师只能写一定量的代码。但当AI能够自主承担客户服务的大部分工作、能够独立完成大量编码任务时“每单位营收所需的人力”这个指标被彻底改写了。我意识到这些公司不是在“用更少的人做更多的事”——他们在重新定义“做事”本身。不是把原来的工作分给更少的人而是重新设计了工作的完成方式让其中相当一部分压根不需要人来做了。什么时候招人什么时候用AI这是整个Scale章节里对我最有实操价值的部分。它迫使我建立了一套自己的判断框架。我倾向于用AI的场景任务高度重复、规则明确、不需要创造性判断、规模越大越适合自动化。一线客服、基础数据分析、标准化报告的生成、代码测试、文档撰写——这些我越来越放心交给AI。我倾向于招人的场景任务需要复杂判断、需要跨领域整合信息、需要建立深度信任关系、需要做出不可逆的战略决策。产品战略、关键客户关系、公司文化塑造、危机处理——这些我坚信必须由人来做。但这套框架有一个我差点踩进去的陷阱。有一段时间我看到AI能自动化很多东西就本能地想“既然能自动化那就赶紧自动化吧。”但我后来发现在你尚未理解一个任务之前就试图用AI自动化它是极其危险的。我自己首先应该亲自做某件事理解它的本质、难点和微妙之处然后再决定是自动化还是招人。跳过“亲自理解”这一步直接跳到“AI自动化”往往会构建出一个看起来很高效但实际上一塌糊涂的系统——因为你根本不知道它应该在什么地方出错应该在什么地方停下来等人来判断。组织设计从“管人”到“设计系统”如果我接受“少人高产出”是AI原生公司的目标那么组织设计就需要遵循完全不同的原则。我梳理出了三条自己认为最重要的第一围绕工作流组织团队而不是围绕职能。传统公司有市场部、销售部、产品部、工程部每个部门是一堵墙。AI原生公司更倾向于围绕“用户获取”、“用户留存”、“产品迭代”等工作流来组织小型的、跨职能的团队。每个团队都像一个微型公司拥有完成该工作流所需的所有资源和权限。我越来越觉得职能墙是规模化的大敌——它制造了信息孤岛让“做决策的人”和“有信息的人”变成了两拨人。第二信息透明是“少人高效”的前提。当团队很小的时候信息不对称的代价极高。我发现AI原生公司应该建立极致的透明文化——每个人都能看到公司的核心指标、财务状况、客户反馈。这不仅减少了对中层管理者的需求也让每个人都能基于完整信息做出更好的决策。在一个信息透明的组织里“汇报”这件事变得多余因为该知道的人已经知道了。第三雇佣“T型人才”但我更看重“T”的横杠。在小团队中每个人都需要在多个领域有一定能力同时在某个领域有深度专长。我特别看重那些“深度理解业务”而不仅仅是“深度掌握技能”的人——因为技能越来越容易被AI替代而对业务的理解和判断力是AI无法替代的。一个人能不能同时思考产品逻辑和用户心理能不能在讨论技术方案的时候始终不忘记商业目标这种横向的穿透力在AI原生公司里比纵向的专业深度更稀缺。Scale阶段我感到的心理挑战我想花一些篇幅诚实地聊聊我在Scale阶段面临的心理状态。这些事很少有人公开讨论但我认为它们极其重要。当公司进入规模化阶段我面临的心理挑战和传统创始人很不一样。传统创始人的焦虑通常是“团队不够大”、“钱不够用”、“增长不够快”。但我的焦虑更隐蔽也更让人不安“我正在变得多余吗”当用户服务有AI内容生成有AI数据分析有AI运营流程有AI我到底在做什么这个公司还需要我吗这个问题困扰了我相当长一段时间。后来我慢慢找到了一个答案它帮助我重新定位了自己的角色在AI原生公司的Scale阶段创始人的核心价值从“做事”彻底转向“做判断”。我不再因为我能写代码、能谈客户、能管团队而有价值——这些事AI和团队都能做而且可能做得比我好。我的价值在于我能看到全局、能在不确定中做出高质量决策、能塑造文化、能吸引和留住那些同样优秀的T型人才。我想到一个比喻传统创始人像船长亲自掌舵手不能离开方向盘。AI原生创始人更像舰队指挥官——设定方向赋予他人权力在关键时刻出手。你不是在控制每一艘船你是在确保整个舰队知道要去哪里并且彼此之间保持正确的距离和速度。这个转变是痛苦的因为它要求我放下那些让我感到安全的技能标签。但它也是解放的因为它让我第一次可以把注意力从“怎么把事做好”转向“应该做什么事”。对OPC创业者的心里话如果你是选择以OPC模式进入Scale阶段我有几句特别想跟你说的话。选择能“以AI为核心护城河”的商业模式。如果你的规模化依赖大量的人与人之间的信任关系——比如高端咨询OPC模式会碰到天花板。但如果你的规模化依赖的是数据和算法的积累——比如AI驱动的SaaS工具OPC可以走得很远。我从一开始就在问自己这个问题我的护城河是不是随着数据积累而加深如果是那我一个人加AI就是一支军队。如果不是那我在规模化阶段迟早要面临一个艰难的选择。在合适的时机引入“最小必要团队”。OPC不意味着永远一个人。我越来越清楚当某些工作需要人类判断力、而这些工作又占用了你太多时间时就应该招人。但我招人的标准极其严苛——只招那些能显著放大我能力的人而不是来分担我任务的人。放大器和分担者的区别在于放大器的加入让你能做的事发生质变而不是量的增加。保持组织的“AI密度”。这是我给自己定的一个概念AI密度等于AI处理的工作量除以总工作量。我刻意在规模化过程中维持高AI密度而不是随着规模增长逐渐滑向传统组织模式。每当我考虑招一个人我都会先问自己这个任务是不是只能由人来做有没有可能用AI完成它或者用AI完成其中的大部分这不是为了省钱而是为了保持组织的轻盈和灵活性。一个AI密度高的组织可以快速调整方向而不被“人员冗余”拖累一个AI密度低的组织每调整一次方向都像给一艘巨轮调头。工具、方法与思维Scale阶段涉及的工具不再像MVP和Launch阶段那样具体——到了这个阶段你用什么样的AI工具取决于你的业务形态和技术栈没有一套通用的推荐清单。但我想分享一个比工具更重要的思维转变从“我做事”到“我确保事情被完成”。在Scale阶段我不再是那个亲自下场解决问题的人。我的工作是建立系统——包括AI系统和人类系统——让事情在没有我直接参与的情况下也能被高质量地完成。这需要我同时思考两件事哪些环节可以用AI自动化哪些环节需要人类的判断力介入以及两者之间如何衔接。具体到工具选择上我现在更看重“可组合性”——不同的AI工具能不能串联成一个工作流而不是各自为战。Zapier和Make这类自动化平台在这个阶段变得极其重要它们是我把各种AI能力编织成一个系统的线。写在Scale阶段的最后一个完整的循环到这里我从Idea、MVP、Launch到Scale走完了一个完整的创业旅程。回顾这整个过程如果只能留下一个核心思想我会选择这个AI原生创业的本质不是用AI提高效率而是用AI重新定义“什么是可能的”。从一个人用一个周末构建一个产品到一个小团队在一个季度内达到传统公司需要数年才能企及的规模——这些不是因为AI让事情变快了而是因为AI让一种全新的做事方式成为可能。我越来越相信未来的创业故事不会讲述一个创始人如何组建了多么庞大的团队而会讲述一个创始人如何在极少资源的条件下用判断力和AI杠杆撬动了多么巨大的影响力。这可能是我们这个时代对创业者发出的最激动人心的邀请。关键词标签#AI创业 #Scale #规模化 #一人公司 #OPC #组织设计 #AI密度 #小团队 #创业方法论 #AI原生 #T型人才 #创业心理 #超级个体 #增长策略本文基于对《The Founders Playbook: Building an AI-Native Startup》2026年版的Scale章节系统学习撰写文中涉及的案例、框架和思考均来源于此。