最近听了砺思资本播客《第一推动》在2024年和杨植麟的对谈，还是很有收获。

一、核心命题：AGI公司首先是一种组织创新

杨植麟在快问快答中，被问到现在最深信不疑的事情是什么。他的回答是：

AGI公司需要一个从0到1的新组织。

这是他对第一次创业经历的反思。他认为，过去尝试过在传统企业、研究机构和其他合作模式下推进大模型，但这些模式都无法完成真正的组织创新。要做独立的AGI公司，必须从零搭建组织，而不是在原有公司里新增一个“大模型事业部”。

他的基本逻辑是：技术不是凭空产生的，技术是组织的产物；组织的核心又是人。

所以，对AGI公司而言，真正底层的竞争是能否持续组织一批人，把尚不确定的技术方向变成可用产品。没有合适的人，再好的管理办法、合作机制和流程设计都是空的。

二、为什么互联网公司的组织不能直接复制

杨植麟给出的关键区别是：传统互联网产品是先设计，后制造；AI产品则是通过制造完成设计。

互联网时代，产品经理可以先定义需求，例如设计一个页面、增加一个按钮、开发一套交易流程。需求一旦定义清楚，工程师基本可以确定性地实现。

但AI产品不是这样。团队很难预先规定：模型必须在某个具体场景中达到什么能力，然后通过硬编码完成。更多时候，只能先训练出长上下文、指令遵循、推理等底层能力，再观察这些能力会在用户使用中涌现出什么场景。

例如，月之暗面不可能提前规划，用户会一次把几十份简历放进Kimi进行筛选。团队能够做的是先增强模型的上下文学习和指令遵循能力，具体应用再从能力中长出来。

因此，AI公司的基本生产过程变成了：提出假设—训练模型—评测能力—观察涌现—形成产品—获得反馈—继续训练。

它不是瀑布式的“需求—开发—上线”，而是研究、工程、产品和用户反馈彼此缠绕的循环。

杨植麟把它概括为“model as an application”：模型不再只是应用背后的一个技术模块，模型本身就是产品。用户消费的不再只是连接和信息，而是智能。

三、AI原生组织首先追求的是人才密度

在人才问题上，杨植麟强调两个标准。

第一是对AGI愿景的高度认同。

他把这类人称为“AGI Evangelist”。不是觉得AI是一个热门行业，而是认为未来十年，AGI是最值得投入的事情。因为AGI研发周期长、失败率高、外部噪音多，没有共同愿景，团队很容易在短期商业压力下不断改变方向。

第二是学习能力。

AI领域变化太快，某项已有技能的保质期很短。比起一个人现在掌握了哪些框架和经验，更重要的是其能否在大量信息输入下迅速更新自己，同时保持少数核心判断的稳定。

杨植麟还提出了一个“人才滚雪球”机制：

优秀的人不是彼此独立加入公司的。当一批互相认识、互相欣赏的顶级人才聚集在同一个组织，后续相似的人会更愿意加入。人才密度本身会成为招聘渠道、信用背书和文化筛选器。

所以，AI原生组织早期的核心不是把编制快速填满，而是先形成一个足够强的“人才引力场”。

四、曹曦的补充：产品经理不能脱离领域和技术

曹曦在对话中提出，互联网行业过去把“产品经理”塑造成了一个过度泛化的职位标签。

不同领域真正优秀的产品负责人，首先应该理解具体问题：

游戏公司的产品负责人可能叫游戏策划；
教育AI的最佳产品负责人，可能首先是最懂教育的人；
科研工具的负责人，需要真正理解科研工作流。

在AI时代，产品不再只是把需求翻译给工程师。产品判断与模型能力、数据、训练方式高度耦合，因此对创始人和核心产品人员的技术要求反而更高。

曹曦由此解释，砺思资本在众多大模型创业者中选择杨植麟，不只是因为他是科学家，而是因为这一轮创业要求创始人“既要又要”：既理解技术边界，又能形成产品和组织判断。

五、组织的评价标准：不是汇报得好，而是产品能不能用

杨植麟描述了AI研究评价体系的变化：早期依靠论文会议和同行评审；后来变成arXiv和GitHub；再往后则是产品本身。

他的表达是“show me the code”，最终要看做出来的东西是否能用、好用。

这意味着AI原生组织需要缩短几种距离：

研究与工程之间的距离，模型与产品之间的距离，产品与真实用户之间的距离。

论文指标、内部Benchmark、模型参数和融资故事都只是中间变量。最终，组织必须能够把研究成果压缩成用户真正感知得到的智能。

六、组织不是纯粹的Bottom-up，而是“大方向集中，具体创新涌现”

这部分在杨植麟在另一场公开对话中讲得更具体。

他认为，AGI组织需要一个强烈的Top-down框架：领导者必须判断什么事情值得做、什么事情暂时不做。因为AGI类似登月工程，研发周期长、系统复杂、不同工作高度耦合，完全依赖自下而上的自由探索，很容易失去方向。

但在明确的大框架下，又必须允许小团队自由尝试，让具体技术和产品从组织中“涌现”。理想结构不是强计划，也不是完全自由，而是：

愿景和资源配置Top-down，具体方案和局部创新Bottom-up。

这套组织最终还要沉淀出一种可复用的攻坚系统：今天解决长文本，明天解决自主行动，后天解决多模态。真正的核心资产不是某次偶然突破，而是公司能否反复生产突破。

七、不同组织，会“涌现”出不同的成果

杨植麟举过一个很有代表性的对比：

Google的组织环境可以涌现出Transformer这样的科学成果，却没有涌现出ChatGPT这样的系统级产品；OpenAI把Transformer、巨型计算中心和互联网数据组合起来，形成了一件工业化产品。

创新成果不是单纯由人才能力决定，而是由人才、目标、资源、协作机制和产品反馈共同决定。

同一批人放在不同组织里，可能做出论文、基础设施、企业软件或者消费级产品。组织不是装载人才的容器，而是决定创新形态的生成机制。

曹曦把传统公司的困境称为类似“创新者的窘境”：老公司不是没有优秀人才，也不是没有资金，而是现有流程、考核体系、资源分配方式和既有业务，使它很难真正建立与AGI生产方式匹配的组织。

八、这场对话所定义的“AI原生组织”

把杨植麟和曹曦的表述压缩下来，可以形成这样一套定义：AI原生组织，是围绕智能能力的持续涌现，而不是围绕预先确定的产品需求建立的组织。

它至少包括六个特征：

从零构建：不把AI当作传统组织里的附属部门。
模型即产品：研究、工程和产品高度耦合。
高人才密度：少数顶尖人才的组合比大规模普通团队更重要。
共同愿景：用长期目标维持组织在高不确定性下的稳定。
强学习能力：岗位边界和知识结构持续变化。
系统性复用：组织能够反复解决不同的前沿问题，而不是只依赖一次性的天才突破。