在红杉资本，我们发现，速度是预测初创公司成功与否的最佳指标。大多数公司都把 AI 当作提高生产力的工具，只有少数公司在思考：AI 能如何改变我们协作的方式。Block 正在展示一条不同的路：从根本上重构组织设计，用 AI 把“速度”变成一个可以持续复利的竞争优势。
两千年前，在第一张企业组织结构图出现之前，罗马军团就解决了一个直到今天所有大型组织仍在面对的问题：在通信受限的情况下，如何在广阔区域内协调成千上万的人？
他们的答案是：嵌套型的等级结构，在每一层都保持一致的管理幅度。最小的单位是“帐篷组”（contubernium），由 8 名士兵组成，他们共用一顶帐篷、装备和一头骡子，由一名帐篷长（decanus）带队。10 个帐篷组构成一个 80 人的百人队（century），由百夫长（centurion）统领。6 个百人队组成一个大队（cohort），10 个大队组成一支大约 5000 人的军团（legion）。在每一层，都会有一名有名有姓的指挥官，拥有明确的权力，负责向上汇总信息、向下传达决策。这个结构（8 → 80 → 480 → 5,000）本质上就是一个围绕人类局限设计的信息路由协议：一个领导者有效管理的人数，大概在 3 到 8 人之间。罗马人通过数百年的战争得出这个结论。直到今天，美国军队仍然沿用类似的层级链条。我们现在把它叫做“管理幅度”（span of control），它仍然是当今所有大型组织的核心约束。
下一次大的变化来自普鲁士。1806 年，拿破仑在耶拿战役中击溃了普鲁士军队。战后，以沙恩霍斯特（Scharnhorst）和格奈森瑙（Gneisenau）为首的一群改革者，围绕一个不太舒服的事实重建军队：你不能指望上层总有天才将领，你需要的是“系统”。他们创建了总参谋部（General Staff）——一群专门的职业军官，他们的职责不是作战，而是：制定行动计划、处理信息、协调各部队。沙恩霍斯特希望这些参谋军官能“支撑那些不称职的将军，提供他们原本缺乏的才能”。这就是“中层管理”的雏形——还没有这个词的时候。是一群专业人士，专职做信息的路由、预先做决策计算，并维持复杂组织之间的对齐。军队同时也正式区分了“前线（line）”与“参谋/职能（staff）”角色：前线推进核心任务，参谋提供专业支持。直到今天，每一家大公司都还在用这套词汇。
军事层级结构是通过美国铁路进入商界的，时间在 1840–1850 年代。美国军方把受过西点军校训练的工程师借调到私人铁路公司，这些军官也把军事组织的思维带了过去。前线与参谋的层级、事业部结构、官僚化的汇报与控制系统：这些全都是先在军队里成熟，再被铁路照搬。19 世纪 50 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，用来管理一条绵延 500 多英里、拥有数千名员工的铁路系统。对小型铁路还算管用的“非正式管理风格”已经崩溃，列车相撞造成死亡事故频发。麦卡勒姆的那张图，把罗马人那套层级逻辑重新形式化：权力分层、汇报线清晰、信息流动结构化。这成了现代公司的蓝本。
弗雷德里克·泰勒（Frederick Taylor，1856–1915）——常被称为“科学管理之父”——则优化了这个层级内部发生的事情。泰勒把工作拆分成高度专业化的任务，分配给经过训练的专家，并依靠度量而不是直觉来管理。由此产生了功能型的金字塔组织结构——这是一个以效率为目标优化出来的结构，运行在军队开创、铁路商业化的信息路由系统之上。
对功能型层级结构的第一次真正压力测试出现在二战期间。曼哈顿计划要求物理学家、化学家、工程师、冶金专家和军官跨学科协作，在极端保密和极端时间压力下朝着一个目标推进。罗伯特·奥本海默（Robert Oppenheimer）把洛斯阿拉莫斯按职能划分成若干部门，但同时坚持跨部门的开放协作，抵制军方“分割隔离信息”的本能。当 1944 年“内爆方案”成为关键难题时，他围绕这一问题重新组织了实验室，组建了当时企业界几乎不曾见过的跨职能团队。这种方式奏效了，但它是战时的特例，由一个极其特殊的人物推动。战后商界面临的问题是：这种跨职能协调能不能变成日常，而不只在特殊时刻出现？
二战后，企业规模扩张、全球化发展，功能型设计的尺度限制变得异常突出。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》上发表《Creating a World Enterprise》，为“矩阵型组织”提供了一套理论框架：把职能专业与事业部单元相结合。在马文·鲍尔（Marvin Bower）的领导下，麦肯锡帮助壳牌、通用电气等公司实施这些原则，在“中央标准化”与“本地敏捷性”之间寻找平衡。这就成了推动战后全球经济的那种“职业化”“现代化”公司。
随着时间推移，为应对矩阵结构的复杂、僵化和官僚化，各种新框架不断出现。麦肯锡的 7-S 框架由汤姆·彼得斯（Tom Peters）和罗伯特·沃特曼（Robert Waterman）在上世纪 70 年代末提出，将“硬 S”（战略、结构、系统）与“软 S”（共同价值观、技能、员工、风格）区分开来。核心思想是：光有结构要素远远不够，组织效能还取决于文化特质与那些真正决定战略能否落地的人性因素之间的对齐。
近几十年里，科技公司在组织结构上进行了更加激进的实验。Spotify 推广了跨职能“小队 + 短冲刺”的模式；Zappos 尝试 Holacracy（合弄制），取消所有管理职级；Valve 则采用扁平结构，没有正式的层级。每一次实验都揭示了传统等级制的局限，但没有一个真正解决了底层问题。Spotify 在规模扩大后，又逐渐回到更传统的管理方式；Zappos 经历了显著的人才流失；Valve 的模式也难以在几百人以上继续扩张。当组织规模达到几千人时，它们都不得不回到“层级式协调”，因为一直没有足够强大的替代信息路由机制，能够取而代之。
约束仍然和罗马人当年面对的一样——也是海军陆战队在二战时再次验证的：缩小管理幅度，就必须增加指挥层级；但层级一多，信息流就变慢。两千年的组织创新，本质上都是在绕着这个“硬约束”做文章：怎么尽量缓解，而不把整个系统搞崩。
那么，现在到底有什么不一样？
在 Block，我们质疑的是那个最底层的前提：组织是否“必然”要按层级来组织，并且以人为核心协调机制。我们的意图，是替代掉层级在做的那件事。现在大多数使用 AI 的公司，做的是给每个人配一个“副驾”，让原有结构稍微好用一点，却并不改变结构本身。我们要的是另一条路：把公司本身搭建成一个智能体（或者说一个 mini-AGI）。
我们不是第一批想跳出传统层级的组织。海尔的人单合一模式、平台型组织、“数据驱动”的管理实践：这些都是真正想解决同一个问题的探索。但它们缺少一项关键技术，来真正承担层级原本提供的“协调职能”。AI 正是这项技术。历史上第一次，有一个系统能够保持对整个企业的持续更新的整体认知，并用它来协调工作，而这过去只能靠一层层管理者传话、决策。
要让这件事成立，公司需要两样东西：一个关于自身运营的“世界模型”，以及一套足够丰富的客户信号，让这个模型真正有用。
Block 是 remote-first（远程优先）的公司。我们做的一切都会留下“数字化痕迹”：决策、讨论、代码、设计、规划、问题与进展，都以记录的形式存在。这就是构建公司世界模型的原始素材。在传统公司里，管理者的工作，是了解自己团队在干什么，并把这些上下传递、补充上下文。在一个远程优先、工作本来就“可被机器读取”的公司里，AI 可以持续构建并维护这一张“全貌”：现在在做什么？哪里卡住了？资源如何分配？什么有效、什么无效？这些原本是层级结构在承载的信息，如今由“公司世界模型”来承载。
但系统的能力上限，又完全取决于它接收到的客户信号质量。而“钱”是这个世界上最诚实的信号。
人们在问卷里会说谎，他们会无视广告，他们会放弃购物车。但当他们“花钱、存钱、转钱、借钱、还钱”的时候，那就是真实。每一笔交易，都是关于某个人生活的一条事实。Block 每天都能看到其中许多的“两端”：通过 Cash App 看到买方，通过 Square 看到卖方，再加上商户运营业务的各种数据。这让“客户世界模型”拥有了一个极为罕见的基础：对每一位消费者、每一家商户的财务现实，有一个基于真实信号构建的理解，而且这个理解是持续复利的。信号越丰富，模型越好；模型越好，交易越多；交易越多，信号越丰富。
公司世界模型与客户世界模型结合起来，就构成了一种完全不同的公司形态的地基。在这里，产品团队不再围绕“预先设定的路线图”来构建东西，而是只做四件事。
第一，构建“能力”（capabilities）。这些是最基本的金融原语：支付、信贷、发卡、银行业务、先买后付、薪资发放等等。它们不是产品，而是底层积木。它们很难被获取和维持（有的带有网络效应和牌照要求），它们没有自己的 UI，它们有的是可靠性、合规性和性能指标。
第二，一个世界模型。这一部分有两个面向：公司世界模型，是公司对自身运营、表现与优先级的理解，取代了以前通过管理层级流动的信息；客户世界模型，则是基于专有交易数据，为每个客户、每个商户、每个市场构建的刻画。它一开始只是原始的交易数据，随着时间推移，会逐渐演变成完整的因果与预测模型。
第三，一个“智能层”（intelligence layer）。它负责把底层能力组合起来，给特定客户在特定时刻提供特定解决方案，而且是主动地。比如，一家餐厅的现金流正在收紧，而模型曾见过这种季节性波动模式。智能层就会从“信贷能力”中组合出一笔短期贷款，再用“支付能力”调整还款计划，并在商家意识到自己需要融资之前，就把这个方案呈现给他。又比如，一个 Cash App 用户的消费模式发生了变化，模型把它与“搬到一座新城市”这类行为联系起来。智能层便组合出一个新的工资代发设置、为他新城市常见场景优化的 Cash App 卡优惠类别，以及一个与他更新后的收入水平匹配的储蓄目标。没有任何产品经理事先“决定要做这些产品”。能力已经存在，智能层识别出那个“当下”，并把它们组合起来。
第四，界面（硬件与软件）。Square、Cash App、Afterpay、TIDAL、bitkey、proto，这些都是智能层用来交付组合解决方案的“呈现表面”。它们很重要，但价值并不主要产生在这里，而在于背后的模型与智能。
当智能层尝试组合解决方案，却发现缺少某个必要能力时，这个“失败信号”就是未来的路线图。传统的路线图，是产品经理基于假设猜测下一步要做什么；在任何公司，这其实都是最终的“增速上限”。而在这个模型里，“客户现实”直接生成了待办事项。
如果公司构建的是这些东西，那接下来的问题就变成：那人要做什么？
组织结构也由此推演出来，而且是对传统图景的一个反转。在传统公司里，智能分布在所有人之间，层级结构负责把这些智能路由起来。而在这个模型里，智能存在于系统之中，人则在边缘。边缘才是动作发生的地方。
边缘，是智能与现实接触的界面。人在这里伸向模型尚不能触达的区域，感知模型还无法感知的东西：直觉、带有立场的方向感、文化语境、信任关系的微妙变化、一间房间里的氛围。他们也会做出那些模型不该自行做的决策，尤其是在伦理问题、全新情境、以及“一旦出错代价将是生死级”的关键时刻。如果一个世界模型无法真正触碰现实，它就只是个数据库而已。但边缘并不需要多层管理来协调。世界模型可以给所有在边缘的人提供他们所需要的上下文，让他们不必等信息上下传递，就能直接行动。
在实践中，这意味着我们把角色统一简化为三种。
第一，个人贡献者（IC）。他们负责构建与运营“能力”、世界模型、智能层以及各种界面。他们是对系统某一层有极深造诣的专家。世界模型提供了过去由管理者提供的上下文，使得 IC 能够围绕自己负责的那一层独立做决策，而不必等待指示。
第二，直接负责个人（DRI）。他们对某个跨领域的问题、机会以及客户结果负全责。一个 DRI 可能会在 90 天内负责“某个细分商户群体的流失问题”，并拥有从世界模型团队、信贷能力团队、界面团队等处调动资源的充分权力。DRI 可能在某些问题上长期驻留，也可能在问题解决后转向新的问题。
第三，球员兼教练（player-coach）。他们一方面亲自“下场干活”，另一方面也负责培养人才。他们取代了传统里主要工作是“信息路由”的经理。一个球员兼教练依然会写代码、做模型或设计界面，同时也投入精力在周围人的成长上。他们不会把一天的大部分时间花在状态会议、对齐会和优先级协调上——世界模型负责对齐，DRI 结构负责战略与优先级，球员兼教练负责专业与人。
在这里，不需要一个“常设的中层管理”层。过去由层级结构完成的其他一切协调工作，交给系统来做，而每个人都在更贴近工作、也更贴近客户的位置上发挥作用。
Block 目前正处在这一转型的早期阶段。过程会很难，其中一些部分很可能要先“坏掉”，再慢慢奏效。我们现在公开写下这些，是因为我们相信，每家公司最终都要面对我们已经开始面对的那个问题：你的公司到底理解了什么“真正难以理解的东西”？而这种理解是否仍在每天持续加深？
如果答案是“没有”，那 AI 对你来说只是一个“降本”故事：裁掉一些人，几季度内改善利润率，最后被某个更聪明的东西吞并。如果答案是“有，而且很深”，那 AI 不会只是“增强”你的公司，而是会揭示——你的公司“本质上”是什么。
对 Block 来说，这个答案是“经济图谱”：数百万商户和消费者，每一笔交易两端的行为，在实时被观察到的金融活动中。那种理解在系统运转的每一秒都在复利积累。我们相信，这背后蕴含的模式——一个公司被组织成“智能体”而不是“等级制”——足够重要，以至于会在未来几年重塑各类公司的运作方式。Block 今天推进到的程度，已经足以说明这不仅仅是理论（当然，我们欢迎辩论和反馈，用以检验和改进这些想法）。
公司的快与慢，取决于信息流动的速度。层级结构与中层管理，会阻碍信息流动。两千年来，从罗马的帐篷组，到今天的全球化企业，我们一直没有真正的替代方案。八个战士共用一顶帐篷，就需要一个帐篷长；八十个人需要一个百夫长；五千人需要一个军团长。问题从来不是“要不要有层级”，而是“这些层级做的事，是否只能由人来做”。答案是：现在，已经不是了。Block 正在构建的是，层级之后的那一代形态。
来源："From Hierarchy to Intelligence" , Jack
