🏢 AI Native 组织架构：Block CEO 的激进实验——每家公司都可以压缩成一个 Agent

从罗马军团到现代矩阵，组织形态的千年演进，正迎来由 AI 驱动的范式革命

---

💡 核心观点：公司即 Agent

Block CEO Jack Dorsey 提出一个激进观点：每家公司都可以被压缩成一个 Agent。这不是给每个人配一个 AI 助手，而是用 AI 取代层级本身所承担的协调功能。

如今大多数使用 AI 的公司，只是给每个人配备一个"副驾驶"（Copilot），让现有结构稍稍运转得更好，却没有改变结构本身。Block 追求的是不同的东西——将公司构建成一个智能体（或小型 AGI）。

---

📜 组织形态的千年演进

1. 罗马军团：嵌套式层级的起源

罗马人发明了嵌套式层级结构，每一层都保持一致的控制幅度：

• Contubernium（八人小队）：8名士兵共用一个帐篷，由一名"十夫长"领导
• Century（百人队）：约80人，由百夫长指挥
• Cohort（大队）：6个百人队组成
• Legion（军团）：10个大队，约5000人

这种结构（8 → 80 → 480 → 5000）本质上是一种信息路由协议，其基础是人类的一个简单局限：一位领导者能有效管理的下属通常在三到八人之间。罗马人通过数百年的战争发现了这一点。

---

2. 普鲁士总参谋部：中层管理的诞生

1806年拿破仑在耶拿战役摧毁普鲁士军队后，改革者围绕一个残酷真相重建军队：不能依赖顶层的个人天才，必须依靠系统。

他们创立了总参谋部——一支由专业军官组成的队伍，其职责不是作战，而是：

• 规划行动
• 处理信息
• 协调各单位

这就是中层管理的雏形：他们的存在就是为了路由信息、预先计算决策，并在复杂组织中保持一致性。

---

3. 美国铁路：层级进入商业世界

19世纪40-50年代，美国军队将西点军校训练的工程师借调给私人铁路公司，带来了军事化的组织思维。

1850年代中期，纽约与伊利铁路的丹尼尔·麦卡勒姆为管理绵延500多英里、拥有数千工人的系统，绘制了世界上第一张组织图。它正式化了罗马人使用的层级逻辑：

• 多层权威
• 明确的汇报线
• 结构化的信息流动

这成为现代公司的蓝图。

---

4. 泰勒科学管理：优化层级内部效率

弗雷德里克·泰勒（"科学管理之父"）优化了层级内部的运作：

• 将工作分解为专门任务
• 分配给受训专家
• 通过测量而非直觉进行管理

这催生了职能金字塔式组织——在军事开创、铁路商业化的信息路由系统内追求效率的结构。

---

5. 二战与曼哈顿计划：跨职能协作的首次尝试

曼哈顿计划需要物理学家、化学家、工程师、冶金学家和军事官员跨越学科界限，在极端保密和时间压力下共同完成单一目标。

罗伯特·奥本海默将洛斯阿拉莫斯实验室组织成职能部门，但坚持要求各部门之间开放协作。当1944年内爆问题变得关键时，他围绕这个问题重组实验室，创建了当时美国企业界前所未有的跨职能团队。

这次尝试成功了，但它只是战时特例。战后商业世界面临的问题是：这种跨职能协作能否成为常规做法？

---

6. 矩阵制与现代企业

二战后，随着公司规模扩大和全球化，职能设计的规模限制日益突出。1959年，麦肯锡提出了矩阵组织的理论框架——将职能专业与事业部单位相结合。

这就是推动战后全球经济的"专业化"或"现代"公司形态。但矩阵结构也带来了复杂、僵化和官僚问题，催生了各种框架（如麦肯锡7-S框架）来应对。

---

7. 科技公司的实验：Spotify、Zappos、Valve

最近几十年，科技公司对组织结构进行了大胆实验：

• Spotify：推广跨职能小队（Squads）和短迭代周期
• Zappos：尝试 Holacracy，完全取消管理头衔
• Valve：采用扁平结构，没有正式层级

但这些实验都揭示了传统层级的局限，却没有一个真正解决根本问题：

• Spotify 随着规模扩大，回归了传统管理
• Zappos 经历了大量人员流失
• Valve 的模式难以扩展到几百人以上

当组织成长到数千人时，它们往往会回归层级协调，因为还没有足够强大的替代信息路由机制出现。

---

🔒 根本约束：两千年的困境

根本约束始终如一：

缩小控制幅度意味着增加指挥层级，而更多层级则意味着信息流动变慢。

罗马人面对过，美国海军陆战队在二战中也重新发现。两千年的组织创新，本质上都是在不打破这一权衡的前提下寻找绕行方案。

---

🚀 Block 的新尝试：AI 驱动的组织变革

Block 正在质疑一个根本假设：组织必须以层级形式存在，并由人类担任协调机制。

相反，他们打算取代层级所承担的职能。

为什么现在是时机？

历史上，海尔、平台型组织、数据驱动管理等，都是针对同一问题的真实尝试。但它们缺少一种能够实际履行层级协调职能的技术。

而 AI 正是这项技术。有史以来第一次，一个系统能够：

• 持续维护整个业务的模型
• 以过去需要人类通过多层管理传递信息的方式来协调工作

---

🏗️ Block 的四个基础

第一：能力模块（Capabilities）

原子级的金融基础组件：

• 支付
• 借贷
• 发卡
• 银行服务
• 先买后付
• 薪资处理

这些不是产品，而是难以获取和维护的积木（有些具有网络效应和监管许可）。它们没有自己的用户界面，只有可靠性、合规性和性能目标。

---

第二：世界模型（World Model）

Block 是远程优先的公司，所做的一切都会产生可记录的产物：

• 决策
• 讨论
• 代码
• 设计
• 计划
• 问题
• 进展

这些都是构建公司世界模型的原始材料。

在传统公司中，经理的工作是了解团队情况，并将上下文在链条中上下传递。而在远程优先、所有工作已可被机器读取的环境中，AI 可以持续构建和维护这幅画面：

• 正在构建什么
• 哪里被卡住
• 资源分配在何处
• 什么有效而什么无效

这些曾经由层级承载的信息，现在由公司世界模型来承载。

---

第三：客户世界模型

Block 每天都能看到数百万笔交易的两侧——通过 Cash App 看到买方，通过 Square 看到卖方，还能获得商户业务的运营数据。

这赋予客户世界模型一种罕见的能力：基于诚实信号、针对每个客户、每个商户的财务现实理解，并且这种理解会不断复合。

人们会在调查中撒谎，会忽略广告，会放弃购物车。但当他们花钱、存钱、转账、借贷或还款时，那就是真相。每一笔交易都是关于某人生活的真实记录。

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。

---

第四：智能层（Intelligence Layer）

智能层根据世界模型做出决策：

示例一：Square 商户的库存周转数据显示某类商品滞销，智能层就会组合新的 Cash Flow 贷款方案、针对该类商品的促销工具，以及库存优化建议。

示例二：Cash App 用户的消费模式变化显示可能搬到新城市，智能层就会组合新的直接存款设置、针对新社区的 Cash App Card 优惠，以及根据更新收入调整的储蓄目标。

---

🎯 更大的意义

Block 目前正处于这一转型的早期阶段。这将是一次艰难的转变，有些部分可能会先失败再成功。

他们现在公开讨论，是因为相信每家公司最终都将面对同样的问题：

你的公司是否足够独特，值得作为一个 Agent 存在？

如果答案是"没有"，那么 AI 就只是一个成本优化故事：裁员、短期提升利润，最终被更聪明的公司吞并。

如果答案是深刻的，那么 AI 就不会仅仅"增强"你的公司——它会揭示你公司真正的本质。

---

🔮 未来展望

Block 的答案是经济图谱（Economic Graph）：

• 数百万商户与消费者
• 每一笔交易的两侧
• 实时观察到的财务行为

这种理解随着系统运行的每一秒都在复合增长。

在红杉资本，他们观察到：速度是预测初创公司成功的最佳指标。大多数公司将 AI 视为生产力提升工具，只有少数公司在思考 AI 如何彻底改变我们协作的方式。

Block 正在展示一种根本性的组织设计重构——利用 AI 将速度转化为复利式的竞争优势。

---

📝 总结

从罗马军团的嵌套式层级，到普鲁士的总参谋部，到现代矩阵组织，再到 Block 的 AI Native 架构，组织形态的演进始终围绕一个核心问题：如何在规模与速度之间取得平衡。

AI 的出现，首次提供了一个可能打破"控制幅度 vs 信息流动速度"这一千年困境的技术基础。

Block 的实验是否成功，还有待时间检验。但他们提出的问题——"你的公司是否足够独特，值得作为一个 Agent 存在？"——值得每一家公司深思。

在 AI 时代，组织的本质可能会被重新定义。不是层级，不是矩阵，而是智能体。

---

🔗 原文来源：智源社区

本文是对 Block CEO Jack Dorsey 关于 AI Native 组织架构观点的转写与整理