用 AI 打造自我进化的公司 — 完整中文文稿
用 AI 打造自我进化的公司 — 完整中文文稿
原视频：How to Build a Self-Improving Company with AI 频道：Y Combinator | 日期：2026-05-21 | 时长：约 13 分钟 演讲者：Y Combinator 合伙人（基于 Diana 的演讲 + Jack Dorsey 的推文启发）
中文文字稿
这个演讲部分基于 Diana 之前做过的一个 talk——周末有一个视频放出来了，非常酷。Jack Dorsey 两三周前发了一些推文，我觉得超级酷，然后我把那些想法偷过来塞进了这次演讲里。
这次演讲偏概念性和高维度——关于如何思考「如何构建公司」。
罗马军团的设计目的是从罗马中心向两大洲投射权力——一直到苏格兰的哈德良长城。核心思想是嵌套层级结构 + 统一的管理跨度。你有具名的个人，每个人都有自己的管理跨度，把命令往下传，把信息往上送。
如果你想想今天大多数公司，它们的组织方式跟罗马军团一模一样——人类是信息上下流动的管道。
Jack Dorsey 那条让我觉得很棒的推文是关于这个底层假设的：层级化组织的公司是我们组织经济价值单位的标准方式。而我认为 AI 基本上打破了这个假设。
如果你一年前问人们 AI 有什么用，他们会说「生产力」。Co-pilot，让工程师效率提升 20%，给工作流加 co-pilot，交付更多软件。但我认为这实际上是一种错误的思考 AI 的方式。就像 Paul Graham 那篇很棒的博客文章说的——基本上就是给旧的工作方式换了个更强大的引擎。
相反，我认为你可以重新想象什么是公司、公司如何运作。
正如 Garry 所说的——我真心认为一个 AI 可以产出比整个工程团队更多的代码。让我印象最深的是这个想法：把领域知识从你的公司中提取出来，定义为 context、skills 或者任何你想叫的东西。 公司里有一种领域知识、商业知识或者 know-how，存在于人们的脑子里、Slack 消息里、邮件里、Notion 里——所有这些信息加在一起定义了你的公司如何运作。
如果你能让这些信息对 AI「可读」（legible），你突然就能从这个层级化组织转向一个智能的 AI 驱动组织，配合 AI-native 的软件。
AI 不是你加在侧面的东西，不是你给工程师一个工具让他们更高效。但我认为你可以把公司重新想象为一组递归自我改进的 AI 循环。
我认为这一点非常重要。因为一旦到了那一步，你的公司即使在你睡觉的时候也在进化。
让我给你一个例子。Diana 的演讲也谈到了这个——AI 循环，你从传感器层开始。这是个大词，但实际上可能就是客户的邮件、工单、代码变更、用户取消订阅、产品遥测数据。传感器数据，从外部世界获取信息。
然后是一个策略层、决策层——关于你能做什么的规则、什么需要人类批准、什么必须记录的规则。一个工具层，就像 Garry 说的 skills 和代码——基本上是确定性的 API，比如「查询我的数据库」或者「看看我的日历」。AI 可以调用的一组工具。
一个质量门——可能是 eval、确定性检查、安全过滤器、高风险事项的人工审核。然后是一个学习机制——系统与现实世界交互，找出不工作的地方，然后循环回到顶部。
如果你能让每一步都在极少人工干预的情况下运行，你的系统会越来越好、越来越好、越来越好，而你在睡觉。
我可以给你一些现在就在运行的例子。
我们从 agent 开始——你可以问它问题，它有确定性工具来查询数据库。很简单，比如「我上次跟这家公司 office hours 是什么时候？」
然后它变得更聪明了——「我现在要做 office hours 的这家公司，需要化工行业的人脉。」它能用不同方式查询数据库，用 RAG 和各种东西，帮你找出五个相关创始人。
但这仍然是一个助手，对吧？这是去年的版本——AI 让你作为 group partner 提升了 20-30% 的效率。
对我来说的 Aha Moment 是我们在上面加了一个监控 agent。 它观察 YC 每一位员工的每一次查询，看到什么时候成功了、什么时候失败了。当失败的时候，它会分析：为什么不成功？需要什么才能让这个查询成功？我们需要不同的确定性工具吗？需要更新 skills 文件吗？需要不同的数据库吗？需要新的索引吗？
然后——这现在真的在一夜之间发生——写代码、提交 merge request 到 YC 代码库、让 agent review、合并、部署。所以当人类第二天来问同样的问题时，就已经能成功了。
对我来说，那一刻的感觉就是——卧槽。
这不只是 AI 让你提升 20-30% 的价值，这是 AI 在经历这个循环来实现自我改进。
我认为基本上，如果你能识别公司中像这样运作的部分，把人类放在监控或监督的位置上，你就可以不断往这个问题上扔 token，你的公司就会变得越来越好。
其他例子——如果你有产品分析，让 agent 分析产品数据，找出销售漏斗中摩擦最大的地方，研究最佳实践，部署一个 AB 测试，跑一周，选最好的版本，部署它。然后一遍又一遍地做。你就拥有了一个自我优化的产品循环。
或者客服——客户建议不断涌入。你需要一个 agent 作为你的 CPO 和 CTO 来做判断：这个建议我们不打算做，丢弃它。这个建议跟我们的路线图一致，我们今晚就做。写代码、部署、交付给客户，全程不需要人类介入。
所以我认为，如果你能把公司的每个部分都想象为一个自我改进的递归 AI 循环，它就跟那种层级化的罗马军团式公司变得非常非常不同了。
那又怎样？如果你想做这个，意味着什么？
第一：烧 token，不烧人头。 我们看到现在到 Demo Day 的公司，每位员工的收入大约是 18 个月前的 5 倍。我认为这个趋势会持续到 A 轮、B 轮。所以我认为你很快就会被 token 用量约束，而不是 headcount。
现在粗略的衡量方式就是测量每个人的 token 使用量——这显然很蠢、可以被操纵。但方向上我认为是对的。
我们现在处于「什么是可能的」的探索阶段，所以每个人都应该最大限度地实验，搞清楚我们用这种疯狂的新智能到底能做什么。一旦它变成排行榜、人们因为这个被升职或开除，显然就会被操纵。
但方向上，搞清楚组织中谁在「token maxing」，谁没有，是判断你应该把时间花在谁身上的好方法。
我认为中层管理已死。 我真的认为你不需要中层管理来解决协调问题。AI 应该来做这件事。
对我来说只有两种角色。Jack Dorsey 说了三种，我不喜欢第三种所以删掉了。但真正重要的是两种：每个人都要是 IC（独立贡献者），是 builder，是 operator。 而且关键的是，要完成任何事都需要具名负责人（DRI）。不是委员会，不是一群人，就是一个具体的人。我认为你可以基于 IC 来构建公司。中层管理真的结束了。
构建自我改进的公司——这是终极愿景。
我认为人们现在正处于这个方向的前沿。我没确定有谁在所有功能上都实现了真正的自我改进公司。我可能错了。
如果要做，我建议这样做：
第一，让整个组织对 AI 可读。 这意味着你必须记录一切。简单来说——我们所有 partner 的邮件现在都在 YC 数据库里。每条 Slack 消息、每个 DM、每次 office hours——过去三四个月我们开始记录了。发生的每一件事，如果被记录了，AI 就知道。如果没有被记录，对你的智能系统来说，它就没有发生。
我刚才在跟一些创始人聊天，聊得很好。但我每次聊天的时候都在想：「操，我需要录音。」因为有人要介绍——我甚至都不记得要介绍给谁了。
所以需要通过手机、智能眼镜记录。或者每个房间都装麦克风。但基本上，一切都需要被记录，才能让 AI 读取。然后像 Garry 说的 diarization——你不能把 10 万小时的录音塞进 context window。你必须做 diarization，把它聚合、提炼成重要部分，然后给 AI breadcrumbs。
举个例子——谁读过 YC User Manual？这房间里的人至少都应该翻开过一次。它大部分是 5 到 10 年前写的，已经有点过时了。
Harj 上个周末想到——我们现在有大约 2000 小时的 office hours 录音，为什么不重新生成 User Manual？你给它一组指令，做 diarization、分类——融资、招聘、联合创始人纠纷等等——然后让它写一个新的 User Manual。
到周末结束时，他有了一份 150 页的 User Manual，质量远超现有版本。而且我们现在可以每月更新它。User Manual 变成了自我改进的。 每一条新建议都会与现有手册对比，要么被采纳，要么被丢弃。
然后你把它作为 context 喂给 AI agent——你就能向一个超级智能 AI 提问，一次获得 16 个 YC partner 的集体智慧。
但前提是它必须可读。所以你必须记录一切。
第二点也类似——如果它创建了一个可以自我改进的产物，就是有价值的。如果不能，就扔掉。
第三点——每个部门都能按需生成软件。 以前我写的是「仪表盘」，不只是仪表盘——是按需软件。Codex 现在已经足够好，大部分简单的内部软件和仪表盘你可以一次生成到相当高的质量。我周末试了一下我们的东西——简直不真实。
所有内部运营团队都应该坐在这一层智能理解之上，然后创建他们自己的仪表盘和工作流。我会把这些软件视为完全可丢弃的。我会非常珍贵地存储所有数据——像 Garry 说的，把所有邮件存成 markdown。永远不要扔掉数据，但把软件视为临时的。
你可以生成它，也可以重新生成它。有价值的部分是人们脑子里的理解——「这个部门是这样运作的」「我们是这样办 YC 活动的」。实际运营活动的软件可以为活动生成，用完就扔掉。模型一两个月后变聪明了？扔掉软件，用同一套原始指令重新生成。
所以我认为业务 context 和 skills 才是有价值的部分，软件只是临时的。
那人类在这个世界里做什么？ 我们在谈论一个公司大脑。中间的部分——你所有的数据、邮件、DM、skills、know-how——那就是公司大脑。
人类坐在边缘——与真实世界交互。 这是智能与现实接触的地方。人类到达模型还不能触及的地方——可能是会议、可能是电话（虽然 AI 现在也差不多能打电话了）、可能是 novel 情境、伦理考量、高风险时刻。
比如创始人来找你说想跟联合创始人分手。那种真正高风险、高情感的时刻，你真的想要一个人类在场。
对你们所有人来说——销售对话。我认为未来 20 年销售仍然需要人类在房间里。
人类生活在边缘。
最后留给你们一个问题：如果你今天构建你的公司，你会以这个形态开始吗？ 你们大多数人都足够小，可以直接做对。你们没有任何借口。
演讲结束。