中層的坍塌：兩千年管理史，終結于一個AI循環

2026 年初，有人算了一筆賬：借助 AI 工具進行軟件開發的綜合時薪已降至 10.42 美元，低于美國聯邦最低工資標準，比麥當勞翻漢堡的員工賺得還少。

而在一次 AI 編程工具 Cursor 的用戶聚會上，到場者幾乎沒有職業程序員，全是設計師、產品經理、甚至毫無技術背景的人，在展示自己用 AI 寫出的軟件作品。

圍繞這件事，出現了大量"程序員是否會失業"的討論。但我覺得，它指向一個更深層的問題：一項曾需多年訓練才能掌握的核心技能，當它被如此迅速地商品化，那么圍繞這項技能建立起來的管理層級、職級體系和組織架構等等，也就是我們今天習以為常的"公司的樣子"，還能維持多久？

前天，Block創始人、前Twitter創始人杰克·多西發表了一篇長文《From Hierarchy to Intelligence》（從層級結構到智能體），對這個問題給出了一個相當激進的回答。

這篇文章在科技圈和管理學界引發了熱烈討論，倒不是因為他做了什么驚人的預測，而是因為他做了一件很少有人敢做的事：直接質疑層級制度本身存在的必要性。

杰克的Block公司剛剛裁掉4000人，而他給出的解釋也一點不含糊，就是有了AI，可以用更少的人做更多的事。昨天又傳來了甲骨文裁員三萬人的大新聞，說法也是為了轉移資源給AI基礎設施。

可以說，因為AI，我們今天習以為常的公司制度、組織形態和管理邏輯，正在迎來一次重大的范式轉變。

要理解杰克上述質疑的分量，需要先回到一個基本問題：層級從何而來，又為什么延續了兩千多年。

一、兩千年的信息路由協議

兩千多年前，羅馬軍團面臨一個至今所有大型組織仍在面對的難題：如何在通信極其有限的條件下，協調數千人的行動？

他們的解法是一套精密的嵌套結構。最小單位是"帳篷組"（contubernium），8 個士兵共享一頂帳篷和一頭騾子，由一名十人長指揮。10 個帳篷組構成一個百人隊，6 個百人隊構成一個大隊，10 個大隊構成一個軍團——大約 5000 人。在每一層，都有一個明確的指揮官，負責從下面匯聚信息、從上面傳達命令。

這個 8→80→480→5000 的結構，本質上不是一套軍事制度，而是一套信息路由協議。它建立在一個樸素的人類認知約束之上：一個人能有效管理的下屬數量大約在 3 到 8 人之間，后來被稱為"控制幅度"（span of control）。羅馬人通過數百年的戰爭經驗發現了它，至今它仍然是地球上每一個大型組織的底層約束。

此后兩千年的組織演進，都是在這個約束下做文章。

1806 年，普魯士被拿破侖擊潰后，沙恩霍斯特等改革者創建了參謀部制度，設置了一個專門的軍官階層，不上前線，只負責規劃作戰、處理信息、跨單元協調。這是中層管理的雛形，比這個詞本身的發明早了一百多年。

改革的初衷很明確：參謀軍官的存在，是為了"彌補指揮官可能缺乏的才能"。換句話說，中層管理從一開始就不是因為它好，而是因為你不能指望每個領導者都是天才。

到了 1850 年代，美國鐵路公司從西點軍校借來受過軍事訓練的工程師，將軍事組織思維移植進商業世界。Daniel McCallum 為紐約-伊利鐵路畫出了世界上第一張組織架構圖，因為火車頻繁相撞，人在死亡，靠個人關系和口頭傳達已經管不住五百英里的鐵路網了。

再之后，泰勒的科學管理優化了層級內部的分工效率，麥肯錫的矩陣組織試圖在層級之上疊加橫向靈活性。進入互聯網時代，Spotify 推出了小隊模型，Zappos 嘗試了無管理層的全息組織，Valve 實行完全扁平化。

每一次實驗都揭示了傳統層級的某些局限，但沒有一次真正突破底層約束。Spotify 擴大規模后退回了傳統管理，Zappos 大量流失人才，Valve 無法突破幾百人的規模上限。

規律始終如一：組織越大，就越是必然回歸層級，因為在此之前，沒有任何替代機制足夠強大到能承擔信息路由的重量。

層級不是最優解，它只是兩千年來的唯一解。

二、當AI可以做路由，層級是否還需要存在？

這正是多西那篇長文的起點。他提出的核心問題不是"AI 能讓管理更高效嗎"，而是一個更根本的質問：如果層級的核心功能是信息路由與協調，當 AI 可以執行這些功能時，層級本身是否還需要存在？

今天絕大多數公司使用 AI 的方式，是給每個員工配一個"副駕駛"（Copilot），讓現有結構運轉得稍微好一點，但結構本身不變。

這就好比給羅馬軍團的每個百夫長發了一個對講機，信息傳得快了，但層級還是那個層級。多西追求的是另一件事：把公司本身構建為一個智能體。

他為Block設計了四層架構：

能力層，是支付、借貸、發卡、銀行等金融原語，沒有用戶界面，像積木一樣可自由組合。

世界模型層，分為兩個部分："公司世界模型"持續追蹤公司內部的運營狀態：什么在被構建、什么被阻塞、資源如何分配；"客戶世界模型"基于 Square（商戶側）和 Cash App（消費者側）的雙邊交易數據構建，形成對每個客戶經濟行為的實時理解。

智能層，根據世界模型的判斷，自動將能力組合成針對特定客戶、特定時刻的解決方案。

界面層，是 Square、Cash App 等產品，它們是交付面，不是價值所在。

舉個例子來理解智能層如何工作：一家餐廳的現金流在季節性低谷前開始趨緊，這是客戶世界模型根據歷史交易數據識別出的模式。智能層自動組合出一筆短期貸款，調整還款節奏，在商戶還沒意識到問題之前就主動推送了方案。

沒有任何產品經理寫過這個需求，需求是由現實生成的，方案由系統組合。當智能層試圖組合方案卻發現某項能力不存在時，這個"失敗信號"本身就成了產品路線圖。

在這個架構下，多西將人員角色簡化為三種：深耕特定技術層的個人貢獻者（IC），以 90 天為周期負責跨職能問題的直接責任人（DRI），以及既親手做業務又培養他人的球員教練（Player-Coach）。世界模型提供了過去需要中層管理傳遞的上下文，DRI 結構處理了過去需要管理層協調的優先級。

也就是說，未來更稀缺的人，不是純粹坐在中間層上傳下達的人，而是三類人：能直接下場構建能力的專家；能圍繞某個關鍵問題承擔明確結果責任的人；以及仍然在做事、同時又能帶人的“球員教練”。

沒有永久性中層管理。

多西的核心洞察可以濃縮為一句話：傳統公司是"人有智能，層級做路由"；新型公司是"系統有智能，人在邊緣做判斷"。

未來的公司，就像一只八爪魚，中間的母體是AI智能體，周圍的觸角才是人。最近興起的AI智能體雇人來跑腿，好像就是一個雛形。

這絕不是對現有體系和結構的優化，而是一種組織邏輯的倒置，可能會對兩百年的公司制度產生顛覆性的影響。

三、舊的護城河正在消亡

多西描繪了組織形態的變化，但他沒有展開討論的一個問題是：當這類"智能體公司"成批涌現時，現有的商業格局會發生什么？

我認為有三類曾經看似牢固的護城河正在加速瓦解。

第一，按席位收費的商業模式。當一家公司用 20 個人就能產出過去 60 人團隊 30 倍的成果——這已經不是假設，而是我們最近經?？吹降恼鎸崝祿?，在這種趨勢下，下游客戶還需要購買那么多"席位"嗎？

模型優先的公司可以用遠低于傳統對手的價格提供同等甚至更好的服務。整個 SaaS 行業按人頭收費的定價邏輯正在受到根本性沖擊。

第二，功能豐富度。這一條聽起來有些反常識，但如今已經有人在用這樣的工作流：截一張競品產品的界面截圖，丟進 AI 編程工具，讓它重新構建。Jira、Posthog、Pipedrive、Calendly……都可以被這樣克隆，并整合進高度定制化的業務系統。

當"功能"可以被快速復制，功能本身就不再是壁壘。我們正在進入一個"超個性化軟件"的時代：大量企業不再購買通用SaaS產品，而是按照自身需求讓 AI 量身打造。

第三，技術遷移成本。過去，從一個技術棧遷移到另一個是巨大的工程，這種高昂的切換成本是很多公司的隱性護城河。而現在，全自動化的數據庫遷移——包括無人值守的完整數據遷移——已經成為現實。技術鎖定作為護城河，正在被證偽。

那什么才是AI時代真正的護城河？

多西在文章末尾提出了一個判斷標準，我認為它適用于所有公司，甚至所有個體：你深刻理解了什么？這種理解每天在加深嗎？

Block 的答案是他們所謂的"經濟圖譜"，即由數百萬商戶和消費者的雙邊交易數據，實時金融行為的持續積累。

多西說，錢是世界上最誠實的信號：人們在問卷里撒謊，在廣告前走神，但每一筆消費都是關于真實生活的陳述。這種理解力每一秒都在復利增長，因為模型越好，交易越多；交易越多，信號越豐富；信號越豐富，模型更好。

換言之，AI 時代的護城河不再是你建了什么，而是你理解了什么，以及這種理解是否在以復利的速度加深。

四、K 型分化與自我吞噬的循環

如果只是一兩家公司在做這樣的轉變，它可能只是一個有趣的案例研究。但現實是，一個更大范圍的分化已經在展開。

世界正在分裂為兩類公司：一類是模型優先公司，它們精簡、高效、極速迭代，以極低成本運營并直接擠壓傳統對手的利潤空間；另一類是傳統公司，它們層級臃腫、決策緩慢，正在被前者一點點蠶食。

更值得關注的，是這個過程中形成的自我強化循環。傳統公司因為利潤被擠壓而裁員→被裁的員工在求職或創業過程中被迫深度學習 AI→他們用 AI 以更精簡的團隊回來攻擊原雇主的市場→原雇主的利潤進一步被擠壓→新一輪裁員開始。

而且觸發這個循環的不只是裁員。在那些管理層拒絕擁抱變化的公司里，真正有遠見的員工會主動離開，因為留在一個抗拒變革的組織里等于拿自己的職業前途冒險。這些人出去之后，一部分會創辦自己的公司，用 AI 武裝到牙齒，垂直攻擊原雇主的業務。

這條蛇在吃自己的尾巴，而且越吃越快。競爭對手從出現到站在你家門口的時間，正在從"年"壓縮到"月"。隨著模型能力持續提升，這個周期還會進一步縮短。

這不是一次性的變革，而是一個加速度本身也在增長的淘汰循環。

五、中層的坍塌：不只是程序員的危機

很多人把 AI 的沖擊理解為"程序員要失業了"。這個理解太窄了。當 AI 編程工具讓非技術人員也能開發軟件時，瓦解的不僅是"程序員"這個職業身份。

多西的文章實質上宣告了另一個更大群體的身份危機，那就是中層管理者。如果你的日常工作是在組織中傳遞信息、協調資源、對齊優先級，而一個世界模型可以更好、更快、更持續地做同樣的事，那么這個角色的價值基礎就動搖了。

更廣泛地說，AI正在同時解構兩件事："做什么"和"怎么組織做"。

前者讓個體的專業技能壁壘消融，如編程、設計、數據分析，這些曾經需要數年積累的能力正在被工具拉平。后者讓組織的管理層級失去存在理由，因為信息路由和協調可以由系統完成，不再需要一層層的人來傳遞。

兩者疊加，構成了對職業身份的雙重沖擊。這不僅關乎收入和就業，更關乎一個人如何定義自己在世界中的位置。很多人花了十年、二十年在公司內部經營關系、爭取晉升、打造自己的管理版圖，而在一個扁平化的智能體組織里，這些積累的意義可能需要被重新評估。

杰克說，人會被推到edge，也就是邊緣。這個“邊緣”并不是被邊緣化，而是更靠近現實發生處的前線。系統負責大規模協調，人負責那些模型還碰不到、也不該輕易替代的真實世界。

所以，未來最值錢的人，不再是流程里的中繼站，而是現實中的接觸面。

過去很多人的價值來自“我占住了流程里的某個關鍵節點”；未來真正稀缺的，是那些能把系統和現實連接起來的人。系統越強，人越要靠近真實世界。

這是一個令人不舒服的話題。AI 對職場的滲透在很大程度上是非自愿的，而是由技術公司推動，由競爭壓力傳導，由資本市場加速。

你可以不認同這個過程，但回避它的代價正變得越來越高。

最后：一個留給所有人的問題

回到多西的那個問題，“你深刻理解了什么？這種理解每天在加深嗎？”

他寫道：如果你的答案是"沒有"，AI 對你來說只是一個降本故事——裁掉一些人，改善幾個季度的利潤，最終被更聰明的東西吞噬。如果答案是"有"，AI 不是在增強你的公司，而是在揭示你的公司真正是什么。

兩千年來，層級制度不是因為它好而延續至今，而是因為我們沒有更好的替代方案。羅馬人需要十人長，百人隊需要百夫長，五千人的軍團需要一個統帥。問題從來不是"要不要分層"，而是"除了人，還有什么能做這些層該做的事"。

現在，答案出現了，那就是AI。

層級不會在一夜之間消失，多西自己也承認Block的轉型才剛開始，"有些東西可能會先壞掉才能跑通"。但方向已經不可逆。

當信息路由不再依賴人的層層傳遞，當協調成本趨近于零，組織的基本形態就必然改變。

不是因為誰想改變它，而是因為不變的代價已經高到無法承受?！径?/strong>

歡迎加入經叔的知識星球。在這里，我們拒絕無用的焦慮，只談底層的邏輯與實戰的干貨。我會結合最新的AI前沿動態、深度的商業創新分析（如一人企業的構建）和獨特的文化思潮（如麥克盧漢的媒介洞察），幫助大家把握時間窗口。

歡迎訂閱不懂經知識星球，星球即將漲價。

我是不懂經的經叔，國內最早翻譯介紹了納瓦爾的《如何不靠運氣獲得財務自由》，以及影響了納瓦爾、中本聰、馬斯克等大佬的《主權個人》。

不懂經知識星球，眾多百萬粉絲大V、千萬及億萬富翁訂閱。專注分享一人企業、一人創投主題，關鍵詞：AI、IP、創投、科技及商業前沿的高杠桿內容。

愈懂愈自由