中层会被AI淘汰吗？未来的公司结构长什么样

原文标题：From Hierarchy to Intelligence

原文作者：Jack Dorsey

编译：Peggy，BlockBeats

编者按：当大多数公司仍将 AI 视为「提效工具」时，Jack Dorsey 把问题往前推进了一步：AI 是否正在改写组织本身的运作逻辑？作为 X 的联合创始人兼前 CEO、Block 的创始人，他长期关注技术与组织形态之间的关系。

本文从历史出发，重新追问企业为何演化为今天的形态，以及这一结构为何开始松动。从罗马军团到现代公司，过去两千年的组织演化，始终围绕同一个约束展开：在有限的「管理幅度」下完成信息传递与协同。层级结构、中层管理、矩阵体系，本质上都是对这一问题的不同解法。

而 AI 的出现，第一次对这一前提形成冲击。当信息可以被实时建模、理解与分发，组织是否仍需要以「人」为核心的协调机制？

类似的变化，已经在现实中出现。近期，《人物》报道称，AI 公司「月之暗面」在一个超过 300 人的团队中，没有部门、没有职级，也不设 OKR 或 KPI，协作依赖直接沟通而非层层汇报；5 位联合创始人分别直接对接 40–50 名员工。同时，Agent 已嵌入日常工作流程，能够在短时间内完成信息整理、产品设计乃至代码生成。这种结构并非简单「去管理」，而是将复杂度前置到招聘、流动与工具系统之中。

相关阅读：《月之暗面怎么运转：300 多人无部门无职级，5 位联创各直带 40 至 50 人》

以 Block 的实践为切口，本文进一步提出一种更激进的设想：从「层级组织」走向「智能公司」，以「公司世界模型 + 客户世界模型 + 智能层」替代传统的信息路由系统，甚至重构中层管理本身。这不仅是效率问题，更可能是一次组织形态的重写。

以下为原文：

在红杉资本看来，「速度」是预测一家初创公司能否成功的最佳指标。大多数公司仍将 AI 视为提升生产力的工具，只有少数开始关注 AI 如何改变人们协作的方式。Block 正在展示一种全新的路径：从根本上重构组织设计，并将 AI 用作持续放大「速度」的复利型竞争优势。

层级组织的起点：从罗马军团到现代公司

在企业组织图出现之前两千年，罗马军队就已经解决了一个至今仍困扰大型组织的问题：在沟通受限、距离遥远的情况下，如何协调成千上万的人。

他们的解法，是建立一套层层嵌套的指挥体系，并在各层维持相对稳定的「管理幅度」。最小单位是「帐篷组」（contubernium），由 8 名士兵组成，共用帐篷、装备和一头骡子，由一名十夫长（decanus）带领。10 个帐篷组组成一个百人队（century，实际约 80 人），由百夫长（centurion）指挥；6 个百人队构成一个 cohort；10 个 cohort 则组成约 5000 人的军团。

在每一层级，都有明确的指挥官，负责向上汇总信息、向下传达指令。这个从 8 → 80 → 480 → 5000 的结构，本质上就是一套高效的信息传递机制，建立在一个简单却关键的前提之上：一个人能有效直接管理的人数，通常只有 3 到 8 个。罗马人是在长期战争中逐步摸索出这一规律的。直到今天，美国军队的层级体系仍大体遵循类似逻辑。我们把这一约束称为「管理幅度（span of control）」，它至今仍是所有大型组织绕不开的底层限制。

下一次重要变革来自普鲁士。

1806 年耶拿战役中惨败于拿破仑之后，沙恩霍斯特（Scharnhorst）与格奈森瑙（Gneisenau）主导军队改革，提出一个不太令人舒服的现实：不能依赖个体天才，必须依赖系统。他们建立了「总参谋部」（General Staff），培养一类专职军官，其职责不是作战，而是规划行动、处理信息、跨单位协调。沙恩霍斯特的初衷，是「弥补无能将军的不足，为他们提供所缺乏的能力」。这实际上就是「中层管理」的雏形：一群专业人员，负责信息传递、预先计算决策，并维持复杂组织的协同。与此同时，军队也明确区分了「线」（line）与「参谋」（staff）职能：前者负责推进核心任务，后者提供专业支持。这一划分至今仍被企业广泛采用。

19 世纪 40 至 50 年代，美国铁路公司将军队的层级体系引入商业世界。

美国陆军向铁路公司输送了大量西点军校训练的工程师，他们将军事组织思维一并带入。线与参谋结构、事业部划分、官僚化的汇报与控制体系，最初都诞生于军队。1850 年代中期，纽约伊利铁路公司的丹尼尔·麦卡勒姆（Daniel McCallum）绘制了世界上第一张组织结构图，用于管理一条横跨 500 英里的铁路系统和数千名员工。此前适用于小型铁路的非正式管理方式已经失效，列车相撞事故频发。麦卡勒姆将罗马式层级逻辑制度化：明确权责层级、清晰汇报关系、结构化信息流。这成为现代公司的原型。

随后，弗雷德里克·泰勒（Frederick Taylor，被称为「科学管理之父」）对这一体系内部进行优化。他将工作拆分为专业化任务，分配给受训专家，并以量化指标而非直觉进行管理，由此形成了「职能金字塔」结构——一种在既有信息路由体系中最大化效率的组织形态。

这一职能型结构的第一次重大压力测试，出现在二战期间的「曼哈顿计划」。该项目需要物理学家、化学家、工程师、冶金学家和军方人员跨学科协作，在极端保密与时间压力下完成单一目标。罗伯特·奥本海默在洛斯阿拉莫斯实验室采用职能划分，但坚持跨部门开放协作，抵制军方的「隔离」倾向。1944 年，当「内爆问题」成为关键瓶颈时，他重组团队，建立跨职能小组，这在当时的企业界几乎没有先例。这一模式奏效了，但它是战时特例，由少数卓越人物推动。战后企业界面临的问题是：这种跨职能协作，能否常态化？

战后企业规模与全球化扩张，使职能结构的局限愈发明显。

1959 年，麦肯锡的吉尔伯特·克利（Gilbert Clee）与阿尔弗雷德·迪·西皮奥（Alfred di Scipio）在《哈佛商业评论》发表《Creating a World Enterprise》，提出「矩阵式组织」框架，将职能专业与事业部结构结合。在马文·鲍尔（Marvin Bower）的推动下，麦肯锡帮助壳牌、通用电气等公司落地这一模式，实现「中央标准」与「地方灵活性」的平衡。这一体系成为战后全球经济中的「现代企业」范式。

随后，为应对矩阵结构的复杂性与官僚化问题，新的管理框架不断出现。

麦肯锡在 20 世纪 70 年代提出「7-S 模型」，区分「硬要素」（战略、结构、系统）与「软要素」（共同价值观、技能、人员、风格），强调仅靠结构无法保证组织有效性，还需文化与人性层面的协同。

进入近几十年，科技公司对组织结构进行了更激进的实验。

Spotify 推出跨职能小组（squad）与短周期迭代；Zappos 尝试 Holacracy，取消管理头衔；Valve 采用扁平结构，无正式层级。这些尝试都揭示了传统层级的局限，但都未能彻底解决问题：Spotify 在规模扩大后回归传统管理，Zappos 出现大量人员流失，Valve 模式难以扩展至数百人以上。当组织规模达到数千人时，仍不得不回到层级协调，因为尚无更有效的信息路由机制。

这一约束，与罗马人和二战中的海军陆战队面对的问题完全相同：缩小管理幅度意味着增加层级，而层级增加则导致信息流变慢。两千年来，组织创新始终在试图绕开这一权衡，但从未真正打破它。

那么，现在有什么不同？

在 Block，我们开始质疑一个基础假设：组织必须以人类为协调机制，采用层级结构。我们的目标，是用系统替代层级的功能。当前大多数公司只是为员工配备 AI 副驾驶，让既有结构运转得更好一点，但本质未变。我们要构建的是另一种形态：一家公司本身就是一个「智能体」（甚至是小型 AGI）。

我们并非首个尝试超越层级的组织。海尔的「人单合一」、平台型组织、「数据驱动管理」等，都是类似探索。但它们缺乏一个关键要素：能够真正承担协调功能的技术。AI 正是这一技术。首次出现了一种系统，可以持续维护企业整体运行的模型，并基于此进行协调，而无需人类通过层级传递信息。

要实现这一点，公司需要两样东西：一个关于自身运作的「世界模型」，以及足够丰富的客户信号。

Block 以远程办公为主，一切工作都会留下可记录的「痕迹」：决策、讨论、代码、设计、计划、问题与进展。这些构成了公司世界模型的原材料。

在传统公司中，管理者负责理解团队状态并上下传递信息；而在一个「机器可读」的组织中，AI 可以持续构建这一全局视图：在做什么、哪里卡住、资源如何分配、哪些有效、哪些无效。这些信息，过去由层级承载，如今由模型承载。

但系统能力取决于输入信号的质量，而「金钱」是最真实的信号。人们可能在问卷中说谎，忽略广告，放弃购物车，但当他们消费、储蓄、转账、借贷或还款时，这些行为都是真实的。Block 每天同时看到交易的两端：通过 Cash App 看到买方，通过 Square 看到卖方，并掌握商户运营数据。这使其能够构建一种罕见的客户世界模型——基于真实交易信号的、逐个客户与商户的金融行为理解，而且这种信号会不断累积与增强。

公司世界模型与客户世界模型，共同构成了一种新型公司的基础。在这种模式下，公司不再由产品团队围绕既定路线图运作，而是围绕四个核心构建：

第一，能力（capabilities）：支付、借贷、发卡、银行、先买后付、工资发放等基础金融能力。这些不是产品，而是底层模块，没有界面，但具备可靠性、合规与性能要求。

第二，世界模型：包括公司模型（理解自身运作）与客户模型（基于交易数据构建的客户与市场表征），并逐步演化为具备因果与预测能力的系统。

第三，智能层（intelligence layer）：在特定时刻为特定客户组合能力，主动提供解决方案。例如，当系统预测一家餐厅现金流即将紧张时，自动组合贷款与还款方案并提前推送；或当用户行为变化暗示其搬家时，自动配置新的金融服务组合。这些都无需产品经理事先设计。

第四，接口（interfaces）：如 Square、Cash App、Afterpay、TIDAL 等，它们只是交付界面，价值真正产生于模型与智能层。

当系统尝试组合方案却发现缺乏某种能力时，这一「失败信号」就成为未来的产品路线图。传统由产品经理设想需求的方式，被真实客户行为直接取代。

在这种结构下，组织也随之改变。传统公司中，智能分布在人身上，由层级进行路由；而在这里，智能存在于系统中，人处于「边缘」。边缘是智能与现实接触的地方。人可以感知模型无法捕捉的直觉、文化、信任与复杂情境，并在伦理与高风险决策中发挥作用。但他们无需通过层级协同，因为世界模型已提供所需上下文。

实践中，组织将简化为三类角色：

·IC（个体贡献者）：构建能力、模型与接口的专家；

·DRI（直接负责人）：围绕具体问题或客户结果调动资源；

·Player-coach：既参与一线工作，又培养人才，取代传统管理者。

不再需要固定的中层管理层，其余协调工作由系统完成。

Block 目前仍处于这一转型的早期阶段，这将是一个艰难过程，部分尝试可能会失败。但我们之所以公开这一方向，是因为相信每家公司最终都会面临同一个问题：你是否在不断加深对某个复杂问题的理解？

如果答案是否定的，AI 只是降本工具；如果答案是肯定的，AI 将揭示公司真正的本质。

Block 的答案是「经济图谱」：连接数百万商户与消费者，实时理解交易两端的行为，并不断积累。我们认为，这种「以智能而非层级组织公司」的模式，将在未来几年重塑各类企业的运作方式。

公司的快慢，本质取决于信息流动的速度。层级与中层管理，会拖慢这一流动。两千年来，从罗马军队到现代企业，我们没有更好的替代方案。但现在，这一前提正在改变。Block 正在构建下一种形态。

[原文链接]