企业 AI 转型，可能是个伪命题

前几天老冯参加了一个。主持人抛过来一个问题：企业部署 Agent，ROI 该怎么算？我没正面回答，而是扔了一个 “暴论”：企业 AI 转型，可能本身就是个伪命题。

他觉得这个话题有意思，当场约我写成稿子，于是有了这篇文章。他有一句话我觉得说得特别好：中老年人学会了用智能手机，不等于他就成了移动互联网原住民。同样，真正的 AI 红利也很难进老企业的门，门口有两堵墙：激励和结构。

老企业不会消失，但它变不成 AI 原生企业。AI 原生企业只会作为新物种，从零长出来。

一个人，一百倍

老冯是一个 OPC（一人公司）创业者，以这种形态已经干了 4 年，持续稳定盈利， 1.2 亿。保守估计，AI Agent 给我带来的生产力增幅超过了 100 倍。我手上有一个 Pigsty，每个月的 PV 流量，还接盘了 ，同时推进着好几条战线，具体产出在之前的里都介绍过。

支撑这些的，是 15 个 200 美元档的顶配，主要是 Codex 和 Claude。一个月两万块不到，放到人力市场上，也就够雇两三个实习生。可这些订阅干出来的活，相当于 10 个专家以 10 倍的速度在给我干。AI Agent 给我带来的生产力增幅，超过了 100 倍。

100 倍不是拍脑袋。光看提交数，老冯最近一年翻了十几倍。中国前 10、全球前 100。而这只是下限，因为一个 commit 里装的东西早就不是以前那个量级了。过去几天，我一个人把 PostgreSQL 10 到 20 全版本的翻译完，还给 PG 上游提交了 14 到 19 版本的。搁以前，这里面随便哪一件，都得一个团队干上几个月。与此同时，我的空闲时间还比以前多了好几倍。

但奇怪的是，同样的 AI，放进组织里就不灵了。以我的观察，一个十几人的小团队搞 AI 提效，最乐观也就几倍。摊到大公司，公开的数字就不好看了，最好的样本也就百分之二三十的样子。

以业界标杆为例，Google CEO Pichai 在 2025 年年中说[1]，AI 让公司的工程速度提升了约 10%，衡量方式是 AI 工具每周替工程师省下多少工时。Meta 在今年初的财报会[2]上说，自 2025 年初以来人均工程产出提升了 30%；最会用 AI 编程工具的那批重度用户，同比也就提升了 80%。

个人提效 100 倍，公司提效 30%，中间差的这两个数量级，去哪儿了？

第一堵墙：激励

作为 OPC，老冯用 AI 提速 100 倍，好处全是我自己的。我可以拿 100 倍的速度去攻城略地，也可以只提效小几十倍，把多出来的闲暇时间留给生活娱乐。

企业里呢？你用 AI 提速 10 倍，能拿到 10 倍的收入，或者 10 倍的闲暇吗？大概率都不能。最可能的结局是能者多劳：老板给你多派十倍的活，再 PUA 一句：“今天的最好表现，是明天的最低要求。”

所以理性的员工会选择悄悄用，别声张。十倍的效率，拿一倍交差，剩下九倍变成摸鱼、变成副业、变成早点下班。这不是老冯瞎猜：KPMG 和墨尔本大学的全球调查[3]覆盖了 47 个国家、4.8 万多人，57% 的员工承认隐瞒过自己用 AI，把 AI 的产出当成自己的成果交上去。再往前一步，员工之间还会互相锁定，一起排斥“工贼”和“卷王”。

当然也有开明的公司。老冯以前在探探，那边是北欧风的工作文化，能容忍员工享受自己增效带来的闲暇。这也是 Pigsty 能诞生的关键条件：把自己的工作自动化掉之后，收益归自己，我才有动力去做它，再开源出去。但对绝大多数中国企业来说，这种事不太可能发生。

这套剧本，咱们老中简直不要太熟悉。同样的地，同样的人，同样的锄头，大锅饭一改大包干，粮食立马就上去了。林毅夫估算过[4]，1978 到 1984 年农业产出的增长里，大约一半要归功于这场改革。凤阳大包干那句话，放到今天一个字都不用改：交够国家的，留足集体的，剩下都是自己的。

大包干到底干了什么：它把生产单位从生产队拆回了一家一户。

说白了，这不是集体转型，是集体把自己拆了。

第二堵墙：结构

就算你把激励理顺了，全员万众一心、乐意拼命提效，老企业面前还有第二堵墙：协调成本。

杰弗里·韦斯特在《规模》[5]里有个结论：公司的缩放像生物，不像城市，是亚线性的。人堆十倍，产出翻不了十倍，组织规模越大越臃肿。《人月神话》[6]给过一个算法：n 个人之间有 (n(n-1)/2) 条沟通路径，路径数随人数平方增长，人数翻倍，路径翻两番。

当然，没有公司真让每两个人之间都拉一根线。科层制存在的意义，就是把这张网压成一棵树，压制协调成本复杂度，从 (O(n^2)) 到 (O(n \log n))：你只对你的上级汇报，他再对他的上级汇报。代价是什么？是把原本可以并行的沟通，变成了串行的审批链。早会拉齐，晚上日报，评审、审批、等待、交接、汇报、扯皮。树越高，链越长。

而串行，恰恰是阿姆达尔定律[7]最怕的东西。一个系统能快多少，取决于有多大比例的工作能被加速。能加速的部分你加速到无穷快，不能加速的部分还是那么慢，整体上限被串行部分卡死。假设研发加速 100 倍，但你 90% 的时间耗在上面那些环节里，整体算下来，也就快了一成出头，跟 Google 报出来的数差不多。

有人会说：会议纪要、评审意见、周报，AI 也能写啊。没错，AI 能加速信息处理。但那条串行链上真正卡人的，不是信息，是责任：谁拍板、谁签字、出了事谁背锅。这些事 AI 替你做不了，组织也不会让它来做。

约束理论[8]说得更直白：在非瓶颈环节提速，除了在瓶颈前面堆库存，什么也改变不了。Faros 统计的研发数据[9]就是这个样子：AI 用得重的团队，合并的 PR 多了 98%，PR 评审时间也涨了 91%。代码写得飞快，全堵在评审上了。

OPC 的一个核心优势，就在于完全砍掉了这些无法加速的成本。

生产力与生产关系

前面两节说的其实是一件事：AI 的红利，进不了老企业的门。

激励那堵墙，让人不愿意把效率交出来；规模那堵墙，让组织就算拿到了也消化不了。

生产力决定生产关系，AI 时代的先进生产力是什么？

算力？Token？我觉得都不是。算力和 Token 谁都能买，而且不贵。200 美元一个订阅，买 10 个、50 个，跟企业的人力开销比起来都是九牛一毛。老冯随便做一单，都够我蹬好几年订阅。

真正稀缺的，是把 Token 转换成实际产出的能力。这个产出可以是营收、代码、可靠性证明、流量、信任、品牌、声誉。同样一堆订阅，交给不同的人，有人能换回一家公司，有人只能换回一堆没人看的代码。这种能力有点像经济学里说的“企业家精神”，你也可以管它叫“OPC 精神”。这种生产力长在超级个体身上，而且能被 AI 放大上百倍。

再看生产关系。今天绝大多数人和企业的关系是雇佣：你拿月薪，公司拿剩余；你是科层里的一个节点，产出要层层对齐、层层审批。激励上，多干的活不归你；结构上，组织整体只能快一两成。一个带有 OPC 精神的个体塞进 Meta 里，也就是一颗增效 80% 的螺丝钉。

生产力和生产关系错配到这个程度，生产要素就会流向能给它完整回报的地方。有 OPC 精神的人，最理性的选择就是直接出来，自己拿走完整的加速红利。这也是现在大力提倡 OPC 的原因之一：它符合先进生产力的发展要求。

大公司当然也看到了。扎克伯格今年初在财报会上说[10]，过去需要一个大团队才能完成的项目，现在一个很有才华的人就能干完，他希望这样的人尽可能都选择 Meta[11]。可问题是：如果一个人真能靠 AI 放大百倍生产力，他为什么要选 Meta，而不是出去单干？

这对老企业是个两难：第一，很难留住这样的人，第二，即使硬留下来，这个人在老企业里其实也发挥不出那种效果。哪一种路都走不到 AI 原生。

新陈代谢发生在种群层面

历史上有过几乎一样的一幕：电气化。

经济史学家保罗·戴维 1990 年写过一篇很有名的文章，叫《发电机与计算机》[12]。电力 1880 年代就商用了，可到世纪之交，电动机还只占美国工厂机械动力的不到 5%。早期工厂只是拿一台大电机换掉蒸汽机，驱动的还是那根贯穿厂房的传动轴[13]，效果令人失望。从 1890 年代中期一直到 1920 年代前夕，工厂的主流做法都是这种“成组驱动”。直到 1920 年代，“每台机器一个电机”的单机驱动才普及开来。美国制造业的生产率这才真正起飞，离电力商用已经过去了四十年。

变的不只是动力，还有结构和激励。单机驱动让厂房可以盖成轻巧的单层建筑，产线可以按物料流向排布，不必再围着传动轴转。工人能自己控制机器，也就得对机器负责，于是需要更好的培训，也需要新的劳动合同来激励他们担起这份责任。

为什么拖了四十年？戴维的解释很朴素：老厂房还能用，拆了重建不划算。

今天“给每个员工配一个 AI 订阅”，就是拿电机原地替换蒸汽机，而传动轴没动。今天的传动轴，就是科层组织和审批链；今天的厂房，就是组织本身。

所以今天最接近 AI 原生形态的，是 OpenAI、Anthropic 这样的前沿实验室。它们也有几千人，也开会，未必已经是完全体，但离新物种最近。而它们都是从零长出来的，不是哪家老企业靠给员工普及 AI 工具转型出来的。

老企业当然也有办法拿到新东西，但那不叫转型，叫收购。Google 2014 年买下 DeepMind[14]，此后让它作为独立单位运作了近十年，才并进主体。这相当于另买一座新厂房，而不是改造老厂房。老冯的直觉是，以后的 AI 原生企业也会这样：要么从零长出来，要么由超级 OPC 一路长大。

这其实是企业世界的常态。韦斯特和同事[15]统计过 1950 到 2009 年间两万五千多家北美上市公司，典型的半衰期大约十年，而且死亡率跟公司年龄无关。最常见的“死法”，是被并购。单个公司来来去去，整个经济却一直在更新换代。新陈代谢发生在种群层面，而不是个体层面。

这听上去有点冷酷。但在生物史上，一模一样的故事早就上演过。

石炭纪的天空

大约三亿年前，石炭纪晚期到二叠纪早期，是昆虫体型最大的年代。天上飞着翼展达七十公分、形似蜻蜓的巨型昆虫；当时大气含氧量超过 30%，今天只有 21%。

昆虫没有肺，气体交换几乎全靠遍布全身的气管，一点点往里扩散。传统解释是：个头越大，氧气越难送到身体深处，所以只有高氧的年代，才养得出巨虫。有研究测过甲虫[16]：体型越大，身体里被气管占掉的比例越高，大到一定程度，腿里连塞气管的空间都不够了。化石记录[17]也对得上：在大约两亿年的时间里，昆虫的最大体型一直跟着氧浓度起起落落。

这很像今天的超级个体。AI 是氧气，有机体是个人。 一个人就像一只昆虫，所有东西都靠自己往外送：上下文在他脑子里，判断在他脑子里，验收也在他脑子里。以前“氧气”稀薄，一个人撑不起多大的摊子；AI 把浓度一下拉高，单个个体能长到的上限就变了。超级个体，就是这个时代的巨脉蜻蜓。

公司更像蚁群。单只蚂蚁很弱，蚁群靠数量，靠严格的分工：工蚁、兵蚁、蚁后，各守各的位置，彼此靠信息素一点点传递消息。科层制公司，就是工业时代对“个体太弱”这个约束给出的解。分工的本质，是弱小个体的生存策略。 个体上限一旦大幅拉高，这套为弱者设计的分工，相对优势就缩水了。

真正有意思的，是故事的后半段。

巨虫的时代并没有一直持续下去。有研究认为，古生代的高氧成就了巨型动物，随后氧气下降，动物体型也跟着缩小。更耐人寻味的是后来：大约一亿五千万年前，侏罗纪末、白垩纪初，氧气在上升，昆虫却变小了，时间点正好对上鸟类的出现。从那以后，昆虫再也没长回石炭纪那么大。研究者的解释是[18]：天上有了鸟，灵活比块头更重要，演化开始偏向小个子，大个子成了活靶子。

鸟和昆虫走的不是一条路，它们是另一种身体设计——脊椎动物靠呼吸系统和循环系统接力：肺把氧气吸进来，心脏和血管再把它主动泵到每一个细胞。鸟身上的分工一点不比蚁群少，区别在于，器官之间靠血液和神经实时连通，不靠信息素慢慢扩散。所以鸟能长得比昆虫大得多，同时又快又灵活。

把这个故事对回今天。

超级个体是巨虫。它的繁荣靠两个条件：氧气够高，天上还没有鸟。这两个条件都不是永久的。今天超级个体呼吸的“氧气”里，有不少来自模型厂商补贴的包月订阅，补贴未必一直都在；而天上迟早会有鸟出现。

老企业是蚁群：靠数量和分工取胜，靠层层传话来协调。个体变强之后，这套办法只会越来越笨重。鸟是新物种：AI 原生的超级公司。它的骨架，核心成员很可能就是今天的超级个体，但身体设计完全不同：上下文、判断和验证，由 AI 原生的“循环系统”主动送到每个人手上，而不是靠科层制开会层层扩散。所以它能做大，又不会变慢。靠 AI 原生的新型组织架构生产关系——“循环系统”连成一体的 AI 原生超级公司，将会统治后 OPC 时代。

鸟不是巨虫长大变成的，更不是蚁群转型来的。一家老企业给员工发再多 AI 订阅，也变不成。它只能作为一个新物种，从头生长出来。

References

[1] Google CEO Pichai 在 2025 年年中说: https://www.aol.com/sundar-pichai-says-ai-making-141602216.html
[2] 财报会: https://www.fool.com/earnings/call-transcripts/2026/01/28/meta-meta-q4-2025-earnings-call-transcript/
[3] KPMG 和墨尔本大学的全球调查: https://kpmg.com/xx/en/media/press-releases/2025/04/trust-of-ai-remains-a-critical-challenge.html
[4] 林毅夫估算过: https://www.jstor.org/stable/2117601
[5] 《规模》: https://kortina.nyc/notes/scale-the-universal-laws-of-growth-innovation-sustainability-and-the-pace-of-life-in-organisms/
[6] 《人月神话》: https://en.wikipedia.org/wiki/Brooks%27s_law
[7] 阿姆达尔定律: https://en.wikipedia.org/wiki/Amdahl%27s_law
[8] 约束理论: https://en.wikipedia.org/wiki/Theory_of_constraints
[9] Faros 统计的研发数据: https://www.faros.ai/blog/ai-software-engineering
[10] 扎克伯格今年初在财报会上说: https://finance.yahoo.com/news/meta-boss-says-ai-letting-183328865.html
[11] 希望这样的人尽可能都选择 Meta: https://www.axios.com/2026/01/29/zuckerberg-ai-work-meta
[12] 《发电机与计算机》: https://www.aei.org/commentary/the-dynamo-the-computer-and-chatgpt-explaining-todays-productivity-paradox/
[13] 传动轴: https://en.wikipedia.org/wiki/Line_shaft
[14] DeepMind: https://en.wikipedia.org/wiki/Google_DeepMind
[15] 韦斯特和同事: https://royalsocietypublishing.org/doi/10.1098/rsif.2015.0120
[16] 研究测过甲虫: https://pubmed.ncbi.nlm.nih.gov/17666530/
[17] 化石记录: https://news.ucsc.edu/2012/06/giant-insects/
[18] 研究者的解释是: https://pubmed.ncbi.nlm.nih.gov/22665762/

本文 AI 含量：10%

数据库老司机

点一个关注 ⭐️，精彩不迷路