中层管理已死：YC合伙人揭秘如何构建睡觉时也在变聪明的AI原生公司

演讲者：Tom Blomfield（YC普通合伙人，Monzo与GoCardless联合创始人）
场合：Y Combinator 内部批次演讲（Batch Talk）
时长：约13分28秒
核心主题：如何构建能够递归自我改进的原生AI公司

一、演讲者背景与核心命题

Tom Blomfield 是欧洲金融科技领域最具影响力的创业者之一。他先后联合创立了 GoCardless（在线支付平台）和 Monzo（数字银行），后者在他的领导下成长为拥有超过500万用户、累计融资超过9亿美元的金融科技独角兽。在退出一线创业后，他加入 Y Combinator 担任普通合伙人（General Partner），专注于指导下一代创业者。

在本次演讲中，Blomfield 提出了一个极具颠覆性的核心命题：大多数创始人都在错误地使用AI。当前的主流做法是将AI作为现有公司结构的附加组件（如各种"Copilot"工具），但这只是让旧有流程变得稍快一点——相当于"用蒸汽机让马车跑得更快，却错过了铁路革命的本质"。真正的机会在于从根本上重新设计公司本身，使其成为一个由递归自我改进的AI循环驱动的有机体——一家即使在创始人睡觉时也能持续变聪明的公司。

二、公司如同罗马军团（00:00）

Blomfield 以一个强有力的历史类比开场：大多数现代公司仍然像罗马军团一样组织。罗马军队以军团（Legion）、大队（Cohort）、百人队（Century）和士兵层层构建，人类本身就是协调信息的载体。信息沿着层级向上流动（汇报），命令沿着层级向下传递（决策），中层管理者本质上是"人类路由器"——负责收集、压缩、翻译和转发信息。

在AI出现之前，这种结构是理性的。当一个组织的规模超过邓巴数（约150人），人类无法直接记住所有人的工作时，层级和官僚制度就成为了必要之恶。信息必须在人与人之间传递，而传递过程中的失真、延迟和摩擦被视为不可避免的代价。

但 Blomfield 指出，AI正在打破这一基本前提。如果组织内部的所有信息都可以被AI读取、理解、搜索、总结和回忆，那么公司就不再需要如此多的人类节点仅仅为了传递信息而存在。这个看似简单的观察，实际上动摇了现代企业管理理论的根基。

三、副驾驶模式是错误的思维模型（00:54）

Blomfield 明确批判了当前业界最流行的AI隐喻——"副驾驶"（Copilot）。这个词听起来很时髦，但在他看来是一个严重受限的思维框架。

副驾驶模型的潜台词是：人类仍然是驾驶员，负责做核心决策和执行；AI只是坐在旁边提供辅助，让工作变得稍微快一点、好一点。这种模型下，AI充其量是一个更智能的工具，公司的本质没有变化——流程不变、结构不变、人员配置不变，只是每个人都多了一个"更快的笔"。

Blomfield 将这种思路比作**"在汽车上安装更强大的引擎，却还在修更好的马路来跑马车"。真正改变世界的不是更快的马车，而是铁路系统。同样，真正改变公司形态的不是给每个员工配一个AI助手，而是构建一个AI原生（AI-Native）的组织架构**——在这个架构中，公司的"墙壁"、"档案"、"日历"、"电话"和"项目计划"本身就理解正在发生什么，并主动建议下一步行动。

副驾驶思维的上限是20%的效率提升。而原生AI公司的下限是5倍的收入/员工比——这正是YC最近几个批次中采纳这一思路的初创公司在Demo Day时达到的数据。

四、提取领域知识（01:55）

构建原生AI公司的第一步，是将组织内所有隐含的知识显性化。在任何一家公司中，大部分真正的"领域知识"并不存在于文档中——它存在于资深员工的头脑中、在Slack的私聊里、在会议室的白板上、在走廊的偶然交谈中。这种知识分布是传统公司的常态，但对AI来说是致命的。

Blomfield 强调，AI只能处理被记录下来的信息。"如果一件事没有被记录，对智能来说就是从未发生。"（If it was not recorded, it did not happen to the intelligence.）这要求公司从根本上改变信息流动的文化：

所有决策必须有书面记录
所有会议必须有可搜索的转录文本
所有客户对话必须被结构化存储
所有内部讨论默认公开透明，而非碎片化的私聊
所有失败的尝试和教训必须被归档，而非随着时间被人遗忘

YC自身就是一个典型案例。Blomfield透露，YC的合伙人邮箱中有海量关于创业公司问题的邮件往来，这些内容过去只存在于个人收件箱中。而现在，YC正在系统性地将这些邮件导入数据库，使其成为可查询、可训练的"领域知识库"。

五、递归自我改进循环（02:24）

这是整个演讲的核心架构设计。Blomfield 提出，一家原生AI公司应该由一套递归的、自我改进的AI循环构成，他将这个系统称为"公司大脑"（Company Brain）。这个循环由五个关键层次组成：

5.1 传感器层（Sensor Layer）

持续收集来自组织内外的信号：客户邮件、客服工单、代码变更、用户流失数据、产品遥测数据、Slack消息、销售通话记录等。这一层的目标是让"公司大脑"拥有对现实世界的完整感知能力。

5.2 策略层（Policy Layer）

定义AI的权限边界和行为准则：AI可以自主做什么？什么行动需要人类审批？什么场景需要额外的安全检查？这不是限制AI，而是为自主行动提供清晰的规则框架。

5.3 工具层（Tool Layer）

AI可以调用的确定性API：查询数据库、检查日历、发送邮件、修改代码、部署服务等。这些工具是AI与现实世界交互的"手脚"。

5.4 质量关卡（Quality Gate）

在行动执行前进行多重验证：自动化评估（evals）、安全过滤器、确定性检查，以及对高风险决策的人工审查。这是防止AI失控的关键安全机制。

5.5 学习机制（Learning Mechanism）

系统识别自身失败之处，自动生成改进方案，并在无需人类干预的情况下部署。这是实现"睡觉时也在变聪明"的核心闭环。

实时案例：YC的查询代理

Blomfield 分享了一个YC内部的实际案例。YC构建了一个查询代理（Query Agent），其工作方式是：

监测：代理持续监控YC员工运行的每一个数据查询
诊断：当某个查询失败或返回异常结果时，代理自动诊断根本原因
修复：代理编写代码修复问题
审查：另一个AI代理对修复代码进行审查
合并与部署：审查通过后自动合并到主分支并部署
验证：第二天早上，该查询成功运行——整个链条中没有人类参与

这个案例的震撼之处在于：这不仅是一个自动化脚本，而是一个能够发现自身缺陷、自我修复、自我验证的闭环系统。每一个成功的修复都会提升系统的整体能力，使其在未来遇到类似问题时更加鲁棒。这就是递归自我改进的本质。

六、YC的"我靠"时刻（04:12）

在演讲中，Blomfield 描述了一个令人震撼的现场演示时刻——YC的"我靠"（Holy Shit）时刻。当上述查询代理第一次完整地走完"失败→诊断→修复→审查→部署→成功"的闭环，而整个过程中没有任何一个人类介入时，在场的人意识到：这不是渐进式的改进，而是范式性的跃迁。

这个时刻的意义远超一个自动化工具的成功。它证明了一个根本性的转变：软件系统可以开始像生物一样自我进化。传统软件只会按照人类编写的代码精确执行，而这个代理不仅执行，还理解自己的输出、评估自己的表现、改进自己的逻辑。当一个系统能够在无人类干预的情况下发现并修复自身缺陷时，它就跨越了从"工具"到"有机体"的边界。

Blomfield 指出，YC正在将这一模式推广到更多的内部流程中——从客户服务到代码审查，从数据分析到内容生成。每一个成功的自动化闭环都进一步证明了这种架构的普适性。

七、自我优化的产品与支持循环（05:50）

Blomfield 进一步将这种递归循环的理念延伸到产品和客户支持领域，描述了产品循环和支持循环如何相互增强、共同进化。

支持循环（Support Loop）

AI读取客户支持工单和邮件
识别重复出现的问题模式和用户痛点
自动生成修复方案（可能是文档更新、UI调整或代码修复）
部署后监测问题是否减少
将解决经验反馈到知识库，提升未来响应质量

产品循环（Product Loop）

AI分析用户行为数据和产品遥测
识别使用摩擦点和流失信号
提出产品改进假设（如功能重排、文案优化、流程简化）
通过A/B测试验证假设
将验证结果反馈到产品决策模型中

这两个循环的关键在于它们相互喂食。支持循环中发现的问题驱动产品循环的改进；产品循环中的变更又影响支持循环中的工单类型。整个系统形成了一个双螺旋结构，产品和支持不再是被不同团队分别管理的孤立功能，而是同一个自我改进有机体的两个感知-行动通道。

八、燃烧代币，而非裁员（06:29）

这是演讲中最具争议性、也最具行动指导性的观点之一。Blomfield 提出：现代初创企业的核心约束不再是人力成本，而是代币（Token）消耗。AI原生公司应该将预算从"增加人头"转向"增加智能"，即把资金投入到AI推理和计算资源上，而不是传统的招聘扩张。

关键数据与观点

5倍收入/员工比：YC最近几个批次的初创公司到达Demo Day时，人均收入比18个月前高出约5倍。这意味着同样的团队规模可以创造过去五倍的产出。
"如果你的API账单没有让你感到不安，说明你用得还不够"（If your API bill doesn't make you uncomfortable, you're not doing enough.）这是Blomfield对创始人的直接挑战——真正的AI原生公司应该在AI推理上投入足够多的资源，以至于这笔开销成为一个需要认真考虑的数字。
"代币最大化"（Token Maxing）：创始人应该像优化其他关键指标一样优化AI利用率。一个配备高级AI工具的个体贡献者，其产出可能相当于过去数十甚至上百个传统工程师。

组织规模的重新定义

Blomfield 预测，AI原生公司的员工规模可能只有传统公司的20%（即减少约80%的人力）。但这不是通过"裁员"实现的，而是通过"不招"实现的——从第一天起就按AI原生的方式构建，让AI承担传统上需要大量人力的协调、执行和优化工作。

警告：Blomfield 也提醒，纯粹的代币消耗量可以被操纵，不应成为晋升或解雇的唯一指标。关键在于智能产出的质量，而非输入成本的数字。

九、中层管理已过时（07:23）

如果AI接管了信息路由和协调功能，那么传统组织架构中最大的受害者就是中层管理。Blomfield毫不留情地宣告："中层管理已死。"

在传统公司中，中层管理者的核心职能是：

收集下属的工作状态信息并向上汇报
将高层的战略决策翻译为可执行的任务并向下分配
协调跨团队资源和时间线
作为信息过滤器，决定什么值得上级关注

这些职能的本质都是信息处理——而信息处理恰恰是当前AI最擅长的事情。当AI可以实时读取所有项目的进度、自动标记风险、推荐资源分配方案时，人类中层管理者的"路由器"角色就失去了存在的必要性。

新型组织架构：两层模型

Blomfield 提出，AI原生公司只需要两层核心角色：

建设者/操作者（Builders/Operators）：实际执行工作的个人贡献者（ICs）。他们使用AI工具进行设计、编码、写作、分析等具体产出活动。AI是他们力量的倍增器，而非简单的辅助。
直接负责人（Directly Responsible Individuals, DRIs）：对特定结果拥有单一所有权的决策者。DRIs不管理"人"，他们管理"结果"。他们为AI系统设定目标、审查高风险决策、在模糊地带做出判断。关键原则是：一个结果只有一个DRI，没有委员会，没有集体决策。

在这个模型中，"管理"不再是关于"管人"的艺术，而是关于"定义正确的问题并验证结果"的科学。协调工作由AI完成，人类专注于创造性和判断性的工作。

十、让一切对AI清晰可读（08:05）

这是构建原生AI公司的基础设施前提。Blomfield 反复强调："你必须让整个组织对AI清晰可读。"（You have to make the entire organization legible to AI.）

"清晰可读"（Legible）是一个精妙的比喻——它不仅意味着"可以被读取"，还意味着"可以被理解、被解析、被推理"。一个对AI清晰可读的组织满足以下条件：

记录一切（Record Everything）

每一封邮件都进入可搜索的数据库
每一条Slack消息（包括DM）都被存档
每一次办公时间（Office Hours）都被录制并转录
每一场会议都有可搜索的记录
每一个决策都有书面依据

Blomfield 透露，YC在最近三个月内已经积累了约2000小时的录制办公时间。这些内容过去只存在于合伙人的个人记忆中，现在却成为了可查询、可训练的集体智慧。

结构化一切（Structure Everything）

原始记录还不够，必须将其转化为AI可以推理的结构化格式：

将非结构化的对话转录文本分类为知识领域（融资、招聘、联合创始人纠纷等）
将客户反馈聚类为主题和优先级
将代码变更关联到业务目标和影响指标
将会议纪要转化为可执行的待办事项和决策记录

查询一切（Query Everything）

YC 合伙人 Diana Hu 用"可查询的公司"（Queryable Company）来描述这一状态：公司的运营状态可以随时被AI查询、理解和调用。想知道上个月有多少客户因为某个特定问题流失？AI可以直接从多源数据中提取答案。想知道某个功能上线后的真实影响？AI可以自动关联代码部署与指标变化。

关键原则

"如果一件事被记录了，它对AI就是真实发生的。如果未被记录，它对AI就等于从未存在。"

这一原则倒逼组织文化的根本转变：从"重要的事情开会讨论"转向"重要的讨论必须留下痕迹"。这不是为了监控员工，而是为了赋予AI理解组织现实的能力——只有理解了现实，AI才能帮助改进现实。

十一、重写YC用户手册（09:40）

Blomfield 用一个生动的内部项目展示了"让一切对AI清晰可读"的实际应用：重写YC用户手册。

YC有一本创始人们熟悉的"用户手册"（User Manual）——一本指导初创公司如何度过YC批次、如何融资、如何成长的手册。但这本手册是在5到10年前编写的，其中大部分内容已经过时。问题在于，手册的更新速度远远落后于YC合伙人每天都在积累的实战经验。

解决方案是利用AI和 newly "清晰可读"的组织数据：

输入：将过去三个月录制的约2000小时办公时间转录文本输入AI系统
分类：AI自动将内容按主题分类（融资策略、招聘技巧、联合创始人关系、产品迭代等）
提炼：从大量对话中提取最佳实践、常见陷阱和最新策略
生成：基于实际发生的最新案例，生成一本全新的、与时俱进的YC用户手册
迭代：随着新办公时间的积累，手册可以持续自动更新

这个项目的意义远超一本内部文档的更新。它证明了当组织变得对AI清晰可读时，AI不仅可以协助执行任务，还可以协助提炼和传承知识。过去，组织知识的传承依赖于资深员工的记忆和口头传授；现在，它可以被系统化地提取、结构化地存储、自动化地更新。

Blomfield 还提到，YC合伙人Garry Tan（YC CEO）有一个独特的习惯：他将所有邮件保存为Markdown格式，从不丢弃任何信息。在软件可以按需生成的时代，原始数据和信息上下文才是最宝贵的资产。软件是暂时的，但上下文是永恒的。

十二、软件易逝，上下文弥足珍贵（11:19）

这是演讲中最富哲学深度的观点之一。Blomfield 提出了一个看似悖论但在AI时代极具洞察力的论断："软件是暂时的，上下文才是珍贵的。"（Software is ephemeral, context is precious.）

软件的临时性

在过去，公司投入大量资源构建的内部软件——CRM系统、数据分析仪表盘、管理后台——被视为核心资产，需要精心维护、逐步迭代。但在AI原生公司中，这种思维已经过时。

现代编码代理（Coding Agents）可以在几分钟内根据自然语言描述生成一个功能完整的内部工具或仪表盘。既然软件可以被瞬间重建，那么维护一个庞大的、陈旧的代码库就不再是明智之举。相反，内部软件应该被视为消耗品：当需要时生成，使用完毕即丢弃，下次需要时重新生成——而且新版本会利用更先进的模型和更好的理解。

Blomfield 进一步指出：当模型在一两个月后变得更强大时，你应该乐于丢弃旧软件，用相同的指令重新生成。新版本不仅代码更干净，还会自动整合最新的最佳实践。

上下文的珍贵性

与软件的临时性形成鲜明对比的是商业上下文（Business Context）的珍贵性。商业上下文包括：

你与客户之间建立的关系和信任
你对市场微妙动态的理解
你的团队积累的行业know-how
你在无数次失败和成功中提炼的直觉
你的组织文化和价值观

这些上下文无法被AI自动生成，也无法被竞争对手轻易复制。它们是公司真正的护城河。在AI时代，保护和发展商业上下文比保护软件代码更重要。

实践建议

将内部工具和仪表盘的设计意图、使用场景和决策逻辑记录为结构化上下文，而非仅仅保存代码
当需要工具时，用AI从上下文中重新生成，而非维护旧系统
将节省下来的工程资源投入到获取和深化商业上下文上——与客户深度交流、研究市场趋势、培养领域专长

十三、人类依然不可或缺之处（12:18）

尽管演讲的基调是对AI能力的极度乐观，Blomfield 在结尾处明确指出了人类仍然不可替代的领域。他使用了一个精妙的隐喻：人类位于"公司大脑"的边缘（edge），是AI系统与外部现实世界之间的接口。

人类的核心价值

处理全新情境（Novel Situations） AI擅长识别和响应已知的模式，但当真正前所未有的情况出现时——比如市场突然剧变、竞争对手做出出乎意料的举动、技术范式发生根本转变——人类的判断力和创造力仍然是必需的。AI可以从历史数据中学习，但无法在没有先例的情况下进行原创性思考。
伦理与价值判断（Ethical Judgments） 当决策涉及道德权衡、公平性考量或对人的尊严的影响时，AI无法替代人类的伦理判断。例如：是否应该为了追求增长而牺牲一部分用户的隐私？如何在自动化和就业之间取得平衡？这些问题没有算法答案。
高风险的情感时刻（High-Stakes Emotional Moments） Blomfield 特别提到了联合创始人分手（Cofounder Breakups）作为典型案例。这是创业公司生命周期中最痛苦、最复杂的时刻之一，涉及信任破裂、股权分割、团队稳定等高度敏感的问题。AI或许可以提供流程模板，但无法替代人类之间的同理心、谈判智慧和情感支持。
现场销售与关系建立（Live Sales & Relationship Building） 在需要建立深度信任、读懂对方微妙信号、进行即兴互动的高级销售场景中，人类仍然是无可替代的。AI可以协助准备资料、分析客户背景、起草邮件，但最终的握手、眼神交流和建立信任的瞬间需要真实的人类在场。
设定方向和目的（Setting Direction & Purpose） AI可以优化路径，但无法定义目的地。公司的使命、愿景和战略方向必须由人类设定。AI可以帮助回答"如何到达"，但"要去哪里"和"为什么去"是人类专属的问题。

"公司大脑"与人类的分工

Blomfield 将这一分工总结为：

AI（公司大脑）：处理大量已知模式、执行重复性优化、协调信息流动、在规则框架内自主行动
人类（边缘节点）：处理未知情境、做出伦理判断、建立真实关系、定义战略方向、在模糊地带行使判断力

这不是"人类vs.AI"的零和竞争，而是**"人类+AI"的共生协作**。AI将人类从信息路由和重复执行中解放出来，让人类可以专注于最有价值、最不可替代的工作。

十四、行动指南：如何开始构建原生AI公司

基于Blomfield的演讲，以下是给创始人的实践行动清单：

阶段一：基础设施（让组织对AI清晰可读）

[ ] 审计当前的信息流动：哪些知识只存在于人的头脑中？
[ ] 建立全组织的记录文化：会议录制、决策书面化、讨论公开透明
[ ] 构建统一的知识库：整合邮件、Slack、文档、会议记录到一个可查询系统
[ ] 为AI创建"工具箱"：将常用操作（查询数据库、部署代码、发送通知等）封装为AI可调用的API

阶段二：循环构建（建立自我改进的闭环）

[ ] 识别一个高频重复流程（如客户支持分类、数据查询修复、内容审核）
[ ] 为该流程构建"传感器-策略-工具-质量关卡-学习"五层架构
[ ] 实现第一个"无人值守"闭环：从发现问题到部署修复，全程无需人类
[ ] 建立评估指标：如何衡量AI自主行动的成功率和改进速度？

阶段三：组织重构（重新定义角色和结构）

[ ] 评估每个角色的AI替代潜力：哪些工作本质上是信息路由？
[ ] 从"管理者"转向"DRI"：为每个关键结果指定单一负责人
[ ] 投资"代币"而非人头：将预算重新分配到AI推理和计算资源
[ ] 培养新型能力：提示工程、AI系统架构、人机协作设计

阶段四：文化转变（拥抱AI原生的思维方式）

[ ] 接受"软件是消耗品"：乐于丢弃和重建内部工具
[ ] 珍视上下文：将资源投入到客户关系、市场理解和领域专长上
[ ] 拥抱"不舒服"的API账单：将AI支出视为投资而非成本
[ ] 持续实验：AI能力每月都在进化，保持对新可能性的开放态度

十五、总结与展望

Tom Blomfield 的这场演讲不仅是对AI工具的推广，更是对公司本质的重新定义。他描绘了一个未来图景：公司不再是一个由人类层级和固定流程构成的静态机器，而是一个由递归自我改进的AI循环驱动的动态有机体。在这个有机体中：

信息自由流动，不再被人类节点的处理能力所瓶颈
优化持续进行，不再依赖于人的注意力和工作量
知识自动传承，不再随员工的离开而流失
软件按需生成，不再成为维护负担
人类专注于最不可替代的工作：创造、判断、关系和方向

这个愿景的激进之处在于，它不仅仅是关于"用AI做更多事"，而是关于"用AI重新定义什么事值得做、以及由谁来做"。那些掌握这一点的创始人，将能够运营出在睡梦中也在持续优化的公司——这不是科幻，而是已经在YC内部运行的现实。

正如Blomfield所总结的：

"如果你的公司在你们睡觉时没有从根本上变得更聪明，那么你们的建造方式就是错误的。"

参考来源

本报告基于以下公开资料整理：

报告整理日期：2026年5月24日
本报告基于公开可获取的演讲摘要和分析文章编写，力求准确反映演讲者原意。如需最准确的内容，请直接参考Y Combinator官方发布的原始视频。