AI 时代的关键不是执行速度，而是决策速度

AI 改变的不仅是工作速度。它正在改变企业的最小单位。过去，做一个产品需要一个团队。现在，一个人可以借助 AI 来构建、销售、服务客户并追踪指标。

但故事并没有到此结束。同样的 AI，有些组织变快了，有些几乎原地不动。差别不在工具，而在决策结构。

一人公司与无雇员企业的数据增长

根据 Carta 2025 年的报告，2024 年在 Carta 注册的美国创业公司中，有 35% 由单一创始人创立。2017 年这个比例是 17%，七年间几乎翻了一倍。不过，这一数据基于 Carta 上注册的创业公司样本，不应推广到所有美国创业公司。

在美国，无雇员企业的规模已经极为庞大。美国人口普查局数据显示，2023 年约有 3,043 万家无雇员企业（nonemployer businesses），营收约 1.8 万亿美元，占全美企业总数的 78.4%。这个类别不仅包括科技创业公司，也涵盖自由职业者、独立工作者和小型商户。因此，这个数字并不直接代表"AI 驱动的一人创业公司"的规模。重要的是，无雇员的经济单元已经构成了美国经济的一个巨大层级。

福布斯在 2025 年 3 月报道，年收入超过 100 万美元的一人企业数量在一年内翻倍。这表明小企业正在演化成能够创造可观收入的结构。

两个代表性案例：Pieter Levels 独自运营 Nomad List 和 Remote OK，年收入超过 300 万美元。Marc Lou 是一位独立黑客，独自构建并运营 ShipFast、CodeFast、DataFast 和 TrustMRR 等产品。根据公开收入追踪服务 TrustMRR，他的多个产品累计验证收入超过 250 万美元。他们的共同点是，在开发、营销和客户支持中深度使用 AI 工具，以此克服小团队的局限。

AI 降低的是执行成本

一人公司的增长不能仅用 AI 来解释。远程工作、平台经济、创业成本下降以及工作观念的转变，已经在为此铺路。生成式 AI 正在加速这一趋势。它让一个人能够处理过去需要多人分工的开发、设计、营销、客户支持和文档工作。

十年前，创办一家创业公司至少需要一个人做产品、一个人验证市场、一个人做运营。2010 年 Instagram 联合创始人 Mike Krieger 添加一个照片滤镜需要几周时间。资源限制与团队人数直接挂钩。

现在情况不同了。回到 Anthropic 担任 CPO 的 Krieger 最近用 Claude 在 25 分钟内做出了一个原型——同样的工作过去需要六小时。GitHub Copilot 的一项研究发现，使用 AI 的开发者完成任务的速度提升了 55%，完成率为 78%，而未使用 AI 的组为 70%。不过，该研究基于一个特定的 JavaScript HTTP 服务器实现任务，不能直接证明企业的产品发布速度或商业表现。

另一个技术变化正在加速这一转变。Anthropic 的模型上下文协议（MCP）让 AI 可以直接连接 GitHub、Notion、Stripe、Webflow 等工具。这类标准正在改变 AI 与外部工具的连接方式。但只有在权限管理、安全和验证流程都经过良好设计的前提下，这个过程才有实际意义。

执行变快了，但为什么决策仍然很慢？

AI 工具的引入显然加快了企业内部执行速度。代码编写、内容生产、客户支持、会计处理——几乎所有领域，AI 都在减少重复性工作的时间。

但有一个问题：执行变快了，决策也变快了吗？

答案更接近"没有"。AI 可以减少写代码的时间，但它不会自动减少决定产品方向、排列优先级、进行法务审查、评估品牌风险或协调部门之间所需的时间。如果 AI 一天就能写完代码，但公司需要三周来决定做什么，总周期仍然是三周。

在现实中，组织越大，审批所需时间就越长。哈佛商业评论针对 7,000 多名读者开展的一项官僚制调查显示，预算外支出的平均审批时间会随着组织规模而变化：

这个数据并不衡量所有类型的决策。它具体衡量的是预算外支出的审批。但它仍然说明，随着组织变大，审批结构可能比执行本身更容易成为瓶颈。

哈佛商业评论的研究和 Clayton Christensen 的"创新者的窘境"理论早就指出了这个问题。大企业的决策结构伴随着会议、审批、跨部门协调和风险规避。利益相关方越多，会议越多。审批链越长，从决策到执行的时间就越长。

Christensen 指出，大企业过往的成功模式本身可能成为创新的结构性障碍。为现有客户优化的流程、基于成功产品建立的决策结构、保护现有市场稳定收入的倾向，都会延迟对新市场和新技术的决策。

Amazon 的近期案例表明，采用 AI 不仅是生产力问题，也是代码验证和部署控制的问题。据 Business Insider 报道，Amazon 在多次重大故障后，加强了对核心系统的代码变更文档化、多重审核和审批流程。AI 生成的代码越多越快，企业就越需要精密的验证机制。

一人公司和既有企业用同样的 AI，结果截然不同

AI 工具对既有企业和一人公司同时开放。但结果不同。工具本身是中性的，工具所处的环境不是中性的——这个环境差异决定了结果。

在一个人公司里，决策一旦做出，AI 就可以开始写代码。在既有企业里，AI 要等决策被批准。执行速度提升了，但如果决策速度没变，整体提升就非常有限。

一人公司没有会议。没有审批链。没有跨部门协调。决策者和执行者是同一个人。在既有企业做一个决定的时间里，一人公司可能已经做了十个决定并采取了行动。

Eric Ries 在《精益创业》中推广的构建-衡量-学习循环，在小团队里几天就能完成。过去实验很昂贵；AI 从根本上降低了实验成本。Indie Hackers 社区里有很多公开案例，一人公司无需外部投资、无需雇员，年收入达到数百万美元。为非洲农民打造的 AI 聊天机器人 Darli 只用一个小团队就服务了 11 万用户。

这场变化可以用一个词总结：实验的民主化。过去需要大量资本和大团队才能做的事情，现在一个人凭借 AI 工具也能完成。当资本和执行的差距都在缩小，剩下的就只有想法的质量和决策的速度。

一人公司赢得的市场，以及它们的局限

一人公司在 AI 原生利基市场有明显优势——这些市场没有 AI 可能根本不会存在，技术门槛低，快速迭代是关键。在专业服务领域，AI 吸收了重复性工作，让一名专家处理过去需要一个团队的工作量。在本地化或特定语言市场中，大企业因市场规模太小或特殊性太高而不愿进入，一人公司则能找到机会。

有一些领域是既有企业难以防守的：需要快速改进的市场、低进入门槛的市场，以及规模太小无法吸引大企业的利基市场。

一人公司模式也有明显的局限。独自承担所有决策和执行增加了倦怠风险。缺乏多元视角会带来盲点。超过一定规模后，客户支持、销售和开发集中在一个人身上就成了瓶颈。AI 可以缓解这些局限——通过支持聊天机器人、分析工具和吸收重复性任务的智能体——但无法完全消除。不过，它将一个人能够达到的天花板大大抬高了。

既有企业的生存策略

既有企业仍然可以适应，但改变的方向必须不同。

它们需要重新设计决策流程。缩短审批链，让贴近执行的人拥有决策和行动的权力，将管理层聚焦于战略方向。

Spotify 推广的 squad 模型是一个具体范例。在大企业内部创建 6-12 人的自主小队，每个小队对一个产品或功能拥有完整的决策权。它们按照自己的目标和时间表运作，无需中央批准即可实验和发布。AI 让这些小队用更少的人就能运作，从而释放出更多小队和更多并行实验的容量。

它们需要允许实验。如果 AI 降低了实验的实际成本，组织文化就要降低失败的心理成本。

它们需要将 AI 用作决策工具，而不仅是自动化工具。迄今为止，企业采用 AI 大多集中在执行自动化上。但 AI 更大的潜力在于决策支持：数据分析、市场预测、客户行为分析和风险评估。

它们需要利用自身的规模优势。需要大额投资的项目、现有客户关系、品牌知名度、专业人才和信任，都是一人公司难以短期建立的资产。保持并强化这些资产，仍然是可行的策略。

AI 时代的关键是决策速度

AI 时代的竞争优势不止于更快地做更多事情。那只是起点。真正的差别在于多快能决定做什么、放弃什么、以及现在推进哪个实验。

一人公司在这方面有结构性的优势：决策者和执行者是同一个人。相反，既有企业引入 AI 却保留审批、汇报、协调和风险规避的结构，就会丢掉大部分获得的提速。

这个趋势不会把所有公司变成一人公司。但企业能"做小"的极限已经移动了。过去需要团队才能做的事，现在可以装进一个人的工作流里。

AI 本身不会让公司变快。它只会让那些能够快速决策的组织变得更快。而在这场竞争中，最小的组织有时就是最快的。