Related articles
文 | 舒书
当国内大厂还在为 「降本增效」 纠结于裁员比例时，硅谷的 AI 独角兽们已经用一组令人思考的数据，重新定义了 「效率」 的天花板。
Anthropic 的工程师，按核心功能迭代速度、代码产出质量综合测算，效率被前谷歌高管证实比 2005 年同行高 1000 倍——尽管 2005 年与 2026 年的技术环境、开发工具差异巨大，但这个量级的差距依然足以引发深思；Cursor 用不到两年时间，靠 250 人 （其中约 50 位有过创始人经历） 撑起了 2026 年 2 月最新估值近 300 亿美元，ARR 已突破 1 亿美元；Perplexity 以 247 人的精简团队，实现了 140 亿美元估值，人均创收是传统 SaaS 的 6 倍；Palantir 在营收增长 56% 的同时，人力仅增加了 5%。
这些数字背后，是一场更深层的组织实验——不是 「如何管理 AI 人才」，而是 「用 AI 原生逻辑重构组织本身」。而当时间来到 2026 年 3 月，这场实验又衍生出了四个全新变量：Agent 正式入编、巨头生态分裂、软硬结合的 「双速」 挑战，以及精英模式的脆弱性。
重新定义效率
一、Anthropic 与 Cursor：效率奇迹背后的 「人机新编队」
1. 黄金时代的秘密：工作量必须碾压人数
前谷歌、亚马逊资深工程师 Steve Yegge 在 2026 年 2 月发布的深度长文 《The Anthropic Hive Mind》 中，揭示了一个残酷公式：
黄金时代：工作机会 > 人数 → 创新井喷
终结时代：人数 > 工作机会 → 内卷开始
Yegge 亲历过谷歌的 「政治化」 转折：2011 年 Larry Page 削减项目却保留人员，导致领地意识爆发。而在 Anthropic，几乎每条战线上活儿都多到干不完。没人抢项目，每个人都在开疆拓土。这种 「工作量碾压人数」 的状态，彻底消灭了政治斗争的土壤。
黄金时代的秘密
2. 10 天上线与 「蜂巢思维」
Yegge 记录了一个震惊行业的案例：Anthropic 的核心产品功能 Claude Cowork，从想法到发布仅用了 10 天。
没有瀑布模型，没有复杂规范。所有人围坐在 「篝火」 旁，围绕一个鲜活的原型即兴表演。内部文化基因是 「Yes, and…」——每个想法都会被接纳、审视，由 「蜂巢思维」 来评判。没有中央决策机构拍板，当魔法发生时，大家同时心领神会。
10 天上线与蜂巢思维
3. 新变量：Agent 正式 「入职」，效率公式被重写
然而，Yegge 观察到的 「1000 倍效率」 背后，还有一个在 2026 年才全面爆发的真相：AI Agent 已不再是工具，而是正式 「入职」 的虚拟员工。
在 Cursor 和 Anthropic 的最新架构中，一名资深工程师身边通常配置着 3-5 个专属 Agent 编队 （由多个 AI 智能体组成的虚拟协作团队，可承担需求规划、代码审查、测试部署等辅助工作）：
- 规划 Agent：自动拆解需求，扮演初级 PM 角色。
- 审查 Agent：7x24 小时进行 Code Review，执行比人类更严苛的安全规范。
- 测试与部署 Agent：自动生成上万条测试用例，并负责 CI/CD 流水线 （持续集成与持续部署的自动化流程，实现代码的自动测试、构建与部署）。
传统的效率公式是 产出 / 人数。2026 年的新公式变成了 (人类专家 + AI Agent 集群) / 时间。
据 Cursor、Anthropic 内部架构披露数据显示，引入 Agent 编队后，单个工程师的决策半径扩大了 10 倍。原本需要 「产品-开发-测试」 三人小组一周完成的工作，现在 1 名工程师+1 组 Agent 只需 4 小时即可闭环。这也解释了为什么 Cursor 仅需 250 人就能支撑起数百亿的业务体量——他们的组织架构图中，约 50% 的节点其实是非人类的 Agent。
效率公式改写
二、Cursor：「全员猎人」 的人才密度实验
Cursor 是另一个极端样本。这家 AI 编程独角兽，内部运作完全不走寻常路。
1. 不招岗位，只招最强的人
Cursor 没有明确的招聘 JD。他们在 Slack 内部频道集中讨论：「谁是我们见过的最厉害的人？」 一旦达成共识，周一直接入职。如果大佬拒绝，创始人就动用 「钞能力」 送初代 Mac、送咖啡机，甚至亲自跨国三顾茅庐。
招聘原则
2. 惊人的 「人才密度」
短短两年，Cursor 从 20 人扩张到 250 人，其中：
- 约 20%（约 50 人） 有过创始人经历；
- 近 40% 毕业于 MIT、哈佛、斯坦福等顶尖名校；
- 其余大多出自 Figma、GitHub 等明星公司。
群英荟萃，但公司压根 「不管」。IC（个人贡献者） 是最高职位，连创始人每天都躲在角落里编程。工作的推动全靠个人热情，即使是最艰巨的任务，也只会分配给最适合完成它的人。
人才密度
3. 没有 KPI，但自发 996
在 Cursor，没人讨论股票期权或套现。他们只聊产品、聊代码。ARR 达到 1 亿美元的那天，所有人的反应只是发点表情包，然后照常工作。这是一种从第一性原理出发重新定义工作的文化。
自激励
三、新变量：OpenAI 的 「联邦化」 分裂与具身智能的 「双速」 挑战
如果说 2025 年是纯软件公司的胜利，那么 2026 年，我们看到了两个更宏大的组织演变趋势。
1. 「OpenAI 联邦」 的崛起：分裂即创新
随着 OpenAI 向商业化产品巨头转型 （用户破亿，团队膨胀），其内部的科研纯粹性受到挑战。于是，一场静悄悄的 「出走潮」 催生了估值千亿的 「OpenAI 联邦」：
- Thinking Machines Lab (TML)：前 CTO Mira Murati 创立，成立数月估值超 90 亿美元，团队不足 80 人，专注基础设施。
- Safe Super Intelligence (SSI)：前首席科学家 Ilya Sutskever 领衔，估值飙升至 300 亿美元，目标纯粹：只造安全的 AGI，不发布任何产品。
这些新实体验证了一个反直觉的逻辑：在 AGI 突破的前夜，组织越小、目标越纯粹，创新势能越大。 当大厂背负营收包袱时，「分拆」 出的特种部队反而能跑得更快。这对于那些试图通过不断扩招来维持创新的巨头来说，是一个巨大的警示。
新变量 1
2. 具身智能的 「双速组织」 难题
2026 年也是具身智能 （Embodied AI） 爆发元年。Tesla Optimus、Figure AI 等公司的崛起，给组织带来了全新的摩擦：软件之快 vs 硬件之慢。
- 冲突：算法团队希望每天迭代模型，但硬件团队受限于供应链和实地测试，周期以 「周/月」 计。
- 解法：成功的公司正在构建 「双速组织」。软件团队保持 Cursor 式的敏捷，利用 「仿真数字孪生」（通过数字技术构建与物理实体一致的虚拟模型，用于模拟测试、迭代优化） 在虚拟环境中进行百万级次训练；工程团队保持传统严谨，但在关键节点通过 API 与软件团队对齐。
启示：对于拥有强大硬件供应链的中国公司而言，建立统一的 「虚拟仿真中台」 作为软硬团队的通用语言，是打破部门墙的关键。
新变量 2
四、冷思考：当 「文化即代码」 遭遇规模化瓶颈
在一片歌颂高效率的声中，2026 年的硅谷也出现了一些反向案例，提醒我们警惕 「精英主义」 的副作用。
1. 「关键人风险」 与文档缺失
Cursor 和 Anthropic 的模式极度依赖 「超人」 员工和 「蜂巢思维」 的默契。这种模式下，往往重代码、轻文档，因为 「大家都懂，不需要写」。
隐患：某硅谷 AI 编程初创公司，2025 年底因核心 CTO 离职，加之团队长期重代码、轻文档，核心代码库缺乏系统的知识沉淀，无人能完全承接，导致核心项目停滞 6 个月，最终放弃新一轮融资。
而 Anthropic 正在探索规避方案：通过搭建 Agent 自动知识沉淀机制，实时记录核心决策逻辑、代码迭代思路，形成可追溯、可传承的知识体系，有效降低对核心个体的依赖。
冷思考 1
2. 规模化陷阱与知识断层
当公司从 200 人扩张到 2000 人时，依靠 「人心默契」 的模式是否依然有效？
Salesforce 的案例提供了警示：通过 AI 裁员虽然提升了短期效率，但也引发了 「知识断层」。老员工带着对复杂业务逻辑的理解离开，而 AI 尚未完全学会处理那些非标准化的长尾问题，导致部分大客户的支持质量下降。
推演：如果 「文化即代码」 无法规模化，那么 2026 年之后，硅谷这批独角兽将面临一道分水岭：要么找到 「精英主义+适度流程」 的平衡点，成为下一代微软/谷歌；要么卡在 2000 人规模，成为被收购的对象。
冷思考 2
五、给中国创业者的三点启示
硅谷的样本很性感，但直接照搬可能会 「水土不服」。结合国内语境，有三点思考值得注意：
1. 先有密度，再有规模
国内某 AI 独角兽在 A 轮融资后，急于扩大规模，短期内扩招至 150 人，导致核心人才密度被快速稀释，决策效率下降、部门内耗增加，后期不得不收缩团队至 50 人，重新聚焦核心业务。
Cursor 的经验是：在找到前 50 个 「特种兵」 之前，不要急着搭建庞大的中层架构。宁缺毋滥，是 AI 时代的第一招聘法则。
启示 1
2. 警惕 「伪敏捷」 与 「真内卷」
Anthropic 的快，源于 「心理安全感」 和 「去部门墙」；而国内的快，往往源于 「加班文化」 和 「领导驱动」。如果没有建立 「犯错可见但可原谅」 的机制，所谓的敏捷只是更快的内耗。
启示 2
3. AI 是杠杆，不是剪刀
别只盯着用 AI 裁掉多少客服 （像 Salesforce 那样），更要学 Palantir，用 AI 去撬动营收的指数级增长。
国内某具身智能创业公司，借鉴硅谷 「双速组织」 思路，搭建统一的虚拟仿真中台，实现软件团队快速迭代与硬件团队严谨推进的高效协同，有效打破部门墙，大幅提升整体研发效率。真正的 AI 原生组织，是让每个人都能指挥一支 「Agent 军队」，而不是让人变成机器的附庸。
启示 3
结语
从 Anthropic 的 「蜂巢思维」 到 Cursor 的 「全员猎人」，从 OpenAI 的 「联邦分裂」 到 Agent 的 「正式入职」，硅谷正在用一套完全不同的组织逻辑改写效率的定义。
这些样本带来的不是标准答案，而是深刻的追问：中国的 AI 公司，能否在保持自身工程化落地优势的同时，在原始创新文化上向硅谷取经？能否在追求极致人效的同时，建立起适应 AI 时代的新型知识管理体系？
文化不是虚的，是可以被设计的效率算法；人才密度不是口号，是决策速度的保障；人均效率不是 KPI，是生存的底线。这三样东西，国内公司能吸收多少、消化多少，决定了下一轮 AI 竞赛的牌桌上，谁能坐得更久。
（注：本文部分案例和数据引用自 Steve Yegge《The Anthropic Hive Mind》 及相关公开报道）
