铃阅时讯
❌

阅读视图

YC S26“硬核”盘点:给OPC以宝箱,给普通人以结果

原创 随机小助手 2026-09-21 19:59 美国

7个样本看初创公司如何越来越“硬”,越来越“接地气”。

Linkloud 引言

Y Combinator 作为在硅谷最受关注的创业加速器,每年会分四批筛选最有潜力的早期公司,为其提供投资、辅导和创业者网络。YC S26 是 YC 在 2026 年夏季选出的 234 家公司,在这批公司里,Agent 工具、企业工作流、机器人、医疗和算力等成了最集中的几个方向。

同样也是创业者的 Cathryn Lavery 逐一盘点了这批公司,她的另一半创办的全栈制药公司 RonanRX 也在其中。Cathryn 将 234 家公司按“产品做什么、服务谁”分成 12 类,并挑出了 7 个最具代表性的样本,看 Agent 如何进入物理空间、补齐工作上下文,并在医疗等垂直行业接住完整服务链。Enjoy!

(文末附完整的 YC S26 公司名单。)

YC S26 的 234 家公司横跨 Agent 基础设施、模型训练、开发者工具、机器人、医疗、金融、物流、能源和消费应用等领域,其中最密集的仍是 Agent 工具和企业工作流。机器人、算力、医疗和国防等投入更重、门槛更高的方向也频繁出现。

放在一起看,AI 正从单点功能嵌入完整流程,应用边界也从软件界面延伸到工厂、药房和仓储等实体场景。

从小团队经营的角度看,这批产品大致走向两条路线:

  • 一类为团队提供上下文、权限、协作和模型调用等 Devtools;
  • 另一类则直接承接进口代理、会计和物流等传统业务。

前者减少信息查找和内部协调成本,后者省掉团队与多个服务商之间的反复交接。团队不必同步增加人手,也能处理更多事情。

一、AI 进入真实工作,先要面对哪些现实问题?

1. 家务机器人能否把 AI 带进真实场景?

可用于居家与办公杂务的机器人 Nori,定价 1,688 美元,可以叠衣服、打扫房间、补充货架,还能通过训练学会新任务。以它为代表的公司让 Agent 具象化,真正进入家庭和企业的物理空间。

这个价格足以让家务机器人从实验室走进普通家庭的购买清单。但是落到现实生活场景,它能否自动处理完一整筐衣服,面对不同房间、不同物品,还能不能稳定完成任务,依旧有待观察

另一个高门槛的公司 Atomarine 正在致力于建设一座海上的核能数据中心:把计算设备装进浮动驳船,用海水冷却,并设想由核能输电船供电。它和 Nori 处在同一条路线上:一个把 Agent 带进家庭和办公室,一个为不断增长的计算寻找电力、散热和场地。

Atomarine 的首个试点仍会使用燃气,核能输电船是更长期的计划。这个顺序很重要:宏大的能源设想,最终要先在一个真实的站点里证明成本、可靠性和运维方式。

2. Agent 要接手工作,还缺哪些连接?

Context.dev 为 Agent 提供“翻译服务”,把网页信息整理成 Agent 可直接调用的格式,包括可读正文、指定字段,以及公司的 Logo、颜色和字体。对非技术背景的使用者来说,网页内容可以直接交给后续工具处理,进入 Agent 工具链的门槛也随之降低。

Screenpipe 则是用来记录人们在电脑上的实际操作,并把这些过程变成一份可搜索的记忆;数据可以留在设备本地,也可以存放在团队指定的位置。很多工作经验藏在操作顺序里,这些记录正是 Agent 真正需要的上下文。

对于同时推进多个项目的人来说,Agent FM 则是最契合的产品。它的吸引力在于:可以在同一个地方听进展、继续提问,再把任务交回给不同的 Agent。多 Agent 协作一旦成为日常,统一的沟通入口就成了工作流的一部分。这很符合 YC 的筛选标准之一:人和 Agent 的关系应该接近和同事协作,不该是各自开一个窗口单独使唤。

3. AI 进入传统行业,谁来接住漫长服务链?

RonanRX 选择从药物制造、医生处方、药师审核到配送建立一条完整链路,从工厂直通患者。它试图减少中间环节,绕开中间商把制造、合规和交付放进同一套系统。正因为链条长,任何一个环节都不能掉链子,否则前面的技术优势都无法兑现。

Gamgee 的起点同样具体。Paul Conyngham 曾借助 AI、与 UNSW 科学家合作,为自己的狗 Rosie 设计个性化癌症疫苗,这件事当时也引起了很大的讨论。现在,这套思路被推进到更多狗的个性化 mRNA 疫苗和澳大利亚临床试验。

医疗和制药把监管、证据、制造与交付绑在了一起。RonanRX 和 Gamgee 把 AI 带进高责任行业,产品边界也从软件界面延伸到真实服务。

二、小团队为什么愿意为“少管一件事”付费?

综合看这 234 家公司,Cathryn 真正关心的其实是:一个小团队可以把多少事情处理好,哪些公司能帮他们做到这一点。

有些公司提供工具,有些公司直接接手进口、会计等工作。她设想购买这些产品或服务,理由也很直接:让更多事情被处理好,同时少增加一个需要全员管理的新东西。

给 Agent 提供基础设施的公司,补的是运行环境、业务工具权限和工作记忆。语音 Agent 接起电话只是开始,如果任务还包括改预约或更新记录,就必须连接业务工具;遇到异常时,还需要把任务交给人工。对一个小团队来说,买下这类产品,意味着少处理一部分信息查找、工具切换和进度跟进。

另一类公司直接承担业务。工厂、物流、建筑和物业运营是名单里最大的类别,里面既有处理采购、库存和运输的软件,也有直接成为进口商、经纪人或物业管理者的公司。对于后者,客户购买的内容包括系统,也包括有人处理供应商、设备和人员之间的交接。

RonanRX 进入的是制药业务。它把药物制造、医生处方、药师审核和配送放在同一条链路里。患者最后拿到药,这项工作才算完成。

三、AI 产品怎样才算把一项工作做完?

到了真实工作里,“自主”这个词很快就要让位给几个具体问题:客户到底买到了什么?如果这项工作出了错,损失由谁承担?

会计和法律工作里,有些公司让 Agent 处理记账和报税,再由持证会计师签字;有些公司希望完全由 Agent 运营。真正需要追问的是,发票金额对不上时,谁来修正账目。 产品宣传里有没有“自主”这个词,不如这个问题具体。

销售、客户研究和招聘产品则有可检查的结果。一次完成的创作者到店、一个合格的销售机会、一份可以搜索的人才档案,客户都能据此判断产品有没有完成任务。

工厂机器人也有同样的标准。设置机器人那个人下班回家之后,它还能不能继续工作? 如果答案是肯定的,训练和维护就属于产品的一部分。对 Nori 来说,能不能处理完整的一筐衣服,也比演示里叠好一件衣服更接近真实测试。

消费应用、媒体和学习产品面对的结果又不同。用户是否愿意回来,内容是否真的被看完,课程是否真的被学会,这些指标都比生成了多少内容更重要。

四、真正的 AI 用例,为什么藏在普通工作里?

盘点 234 家公司之后,可能最值得关注的仍然是那些普通工作:订购零件、调取病历、安排本地创作者到店。

这些事情都是某个人已经在面对的现实问题,它们足够具体,也足够接近真实工作。

如果正在做产品,可以请真正会使用产品的人演示一遍,他今天怎样完成这项工作,留意他一直在追什么,以及他为了解决问题发明了哪些变通办法。

所以不妨想想:你想交给 AI 的,究竟是哪一件每天都必须完成的事?


向上👆滑动查看 YC S26 批次的 234 家公司完整名单:

end

图片

往期回顾

跳转微信打开

  •  

寻找2028年的Agent机会·Linkloud先锋加速营第16期招募|美国硅谷2026秋季

Linkloud 小助手 2026-09-21 19:59 美国

以下文章来源于:Linkloud

Linkloud

GO global, BE global.

10 月 Linkloud 先锋加速营将在今年第二次走进硅谷!

9 月底至 10 月,我们又将迎来硅谷 AI 峰会最密集的“大月”:

从 9 月 29 日的 OpenAI DevDay 和 The AI Conference,到 10 月初 SF Tech Week,再到 TechCrunch Disrupt 和下旬的 Cloudflare Connect 与 PyTorchCon,全球 AI 公司创始人、Builders 和投资人在此汇聚,我们也选择在这个金秋带领大家抵达现场!

上周 YC 的创始人 Garry Tan 在 a16z 最新一期播客里,他依旧激情洋溢地鼓励创始人要继续“Token maxxing”,使用更开放的 Agent 系统,把限制主动调高。因为在这种配置下,Agent 能力差异会“几乎立刻”被感受到:

“You basically get to live in 2028(你需要活在 2028 年来创造).”

而同时,他坦诚整个社会采用 AI 的速度会比技术进步慢得多。这不是悲观,而是所谓的 “White pill”:

创业者将拥有一个比想象中更长的窗口,可以在旧玩家尚未完成转型时建立 Agent native 的新公司!

Agent native 的元年已经到来!

6 月,Cloudflare CEO 曾表示,非来自人类的流量将可能在 2027 年首次超过人类流量。而就在 7 月 1 日,Cloudflare 在正式报告《Content Independence Day, One Year On》中进一步确认:

超过 50% 的互联网流量,已经来自 AI Agent、爬虫及其他自动化程序。

过去,产品围绕人的搜索、点击和浏览而设计;未来,越来越多的信息获取、比较、决策,甚至支付与交易,都将由 Agent 代表人完成。

什么是 Agent native 的组织?

哪里是 Agent native 的机会?

创业与投资理念发生什么变化?

欢迎加入我们 10 月的硅谷之行——

美国硅谷 · 寻找 2028 年的 Agent 机会

时间:10 月 12 日 - 10 月 16 日(周一至周五)

地点:美国旧金山及硅谷。

适合对象:对探索全球化与 AI 感兴趣的创业者、从业者及投资人等。

行程主要包括:

超过 20 场高质量闭门分享会,主要包括以下板块:

•

全球化探索具有代表性的华人 AI 与 SaaS 企业创始人。

•

高速成长 Agent Native 公司的华人高管或创始成员。

•

来自科技大厂或 AI Lab 的一线研究员或高管。

•

Linkloud 专属:AI Native 的增长与产品主题闭门研讨。

•

硅谷 VC(包括美国本土和当地华人机构)和 AI 社群等交流。

•

人财税法、招聘、数据合规等重要资源对接。

•

Linkloud 举办的系列 Global Meetup,敬请期待!

报名正式启动,对行程细节和价格等感兴趣,欢迎扫码咨询 Ross:

end

图片

点个「在看」一起上云

跳转微信打开

  •  

关于近期虚假招聘信息的声明

原创 Dify 2026-09-21 16:15 云南

请通过官方渠道核实招聘信息,谨防以招聘为由要求充值、缴纳押金、垫付费用或转账的行为。

近日,Dify 注意到有第三方通过仿冒网站及线上账号冒用 Dify 名义发布虚假招聘信息,并以招聘为由诱导候选人充值、缴纳押金、垫付费用或进行转账。
上述网站、账号及相关活动均与 Dify 无关,亦未获得 Dify 任何形式的授权。Dify 的正规招聘流程不会以任何形式要求候选人充值、缴纳押金、垫付费用或进行转账。如遇此类情况,请勿继续操作,并请勿通过非官方渠道提供个人信息或财务信息。
如需了解或核实 Dify 的招聘信息,请通过以下官方渠道:
官方招聘页面:https://join.dify.ai/
官方招聘邮箱:joinus@dify.ai
如发现疑似冒充 Dify 的招聘网站、账号或其他可疑信息,欢迎通过 security@dify.ai 向我们举报。

请注意甄别信息来源,谨防诈骗,并妥善保护个人信息及财产安全。
Dify 团队

跳转微信打开

  •  

Kimi Code Desktop 正式与你见面

原创 Kimi Code 2026-09-21 15:24 天津

macOS 和 Windows 版同步上线

今天,Kimi Code Desktop 正式与你见面。macOS和 Windows 版同步上线,访问 kimi.com/code 开始安装使用。

作为 Kimi Code 官方桌面客户端,它将 Kimi Code 智能编程服务能力带到桌面应用中。你不仅可以在桌面端内直接使用 Kimi Code 的 AI Agent 能力,通过对话让它读写代码、运行命令、完成自动化任务,还能在全新可视化的图形交互界面中,集中管理你的所有项目,调整常用配置,清晰查看 Agent 执行任务的每一步。

无论是快速验证想法,从零开发个人应用,还是在大型代码库中推进复杂的工程任务,告诉 Kimi Code Desktop 你的想法和要求,它就可以制定可评审、可反馈的执行计划,然后围绕目标持续推进,直至完成任务并交付结果。

针对开发者的实际工作流,桌面端还提供内置终端、浏览器和 Git 状态查看等功能,支持直接运行和调试项目、审阅代码改动,关联 PR 状态,方便跟踪代码评审与合并进度。

如何安装和使用?

第一步:下载并安装 Kimi Code Desktop

下载地址:kimi.com/code,目前已支持 macOS(Apple + Intel 芯片)、Windows。

第二步:一键登录 Kimi Code 账号,或配置第三方模型供应商

作为 Kimi Coding Plan 的官方搭配 Agent,更推荐在 Kimi Code Desktop 直接登录使用,套餐用量随时可查。登录 Kimi 账号后,桌面端会使用账号可用的官方模型。你可以在输入框内的模型选择区域确认当前模型,也可以在设置中的模型模块查看可用模型和模型权限。

第三步:选择一个文件夹作为工作区

桌面端会按工作区整理会话。新建会话后,可以在输入框下方选择要使用的本地项目文件夹。

从 CLI 到 Desktop,

你熟悉的 Kimi Code 更加清晰可控

如果你已经是 Kimi Code CLI 的老朋友,来到 Kimi Code Desktop 后,本地的 CLI 任务会直接出现在桌面端,你所熟悉的 Agent 能力也依然保留。

从边界清楚的小任务,到尚待拆解的长期目标,再到可以并行推进的复杂工程,你都能找到合适的工作模式,让 Agent 从规划和执行一路推进到结果交付。

  • 对于影响范围较大、需要先确认方案的任务,可以开启 Plan 模式。Agent 会根据你的要求先完成分析并给出执行计划,经你审阅、反馈和确认后再开始动手。

  • 为 Agent 设置一个 Goal,它会围绕明确目标持续执行和检查,适合需要多轮推进的长任务。

  • 启用 Swarm 模式后,主 Agent 会将任务拆分成多个子任务,在需要时调度 Subagent 分工处理,并汇总各自的工作结果。

  • 如果希望进一步尝试多 Agent 协作,还可以开启实验性的 Tower 模式,让多个 Agent 围绕同一目标并行推进,适合规模较大、可以拆分的工程任务。

有了 Desktop,Kimi Code 也拥有了直观的图形界面和流畅的交互体验。原本需要在终端中输入命令才能执行任务、查看文件、管理会话或修改 config 文件,如今这些操作都可以集中在一个窗口中完成。

  • 过程清晰可见:随时查看 Agent 的工具调用、执行进度和代码改动。

  • 文件一点即开:聊天中提到的文件路径可以直接点开并预览。

  • 会话清晰有序:标签页、置顶、批量管理、AI 自动命名、全局搜索,再多会话也不乱。

  • 配置直接调整:在设置面板中管理 Agent 的默认模型、模型供应商、权限和插件等常用配置。

深入实际开发流程,

让执行、审阅与交付顺畅衔接

作为面向开发者的编程智能体,Kimi Code Desktop 也充分考虑了真实开发中的工作流。你可以在同一个窗口里运行项目、验证效果、审阅代码,并跟进后续的 Git 与 PR 状态。

当任务产生修改后,你可以在右侧面板按文件或单轮修改审阅具体差异,并预览 Markdown、JSON、HTML等多种代码和文本文件。需要继续追问时,还可以在侧边展开对话,无需离开主会话。

内置终端让开发者可以直接在 Desktop 中执行构建、测试和格式检查等验证命令,也可以查看 Git 命令输出。

桌面端还支持截图标注。框选屏幕区域,写句评论发给 Agent,无论是页面错位、报错信息还是设计细节,都能让 Agent 直观看到问题,准确理解你的需求,指哪改哪。

需要验证网页效果时,可以直接打开内置浏览器预览。Agent 可以直接操作浏览器,完成页面交互和效果验证、资料查找等任务。你还可以标注网页中的元素或区域,自动捕获元素信息并附上截图和评论,让 Agent 准确定位要修改的位置。

在 Git 项目中,Git 状态区域还可展示当前分支、领先与落后状态、文件变化及相关 PR 状态,方便跟进代码评审与合并进度。


从 CLI 到 Desktop,我们希望 Kimi Code 走向更多用户,进入更多样的场景。在持续提升模型能力的同时,也通过清晰可见、随时可控的协作过程,建立与 AI 之间更稳固的信任关系。期待 Kimi Code 成为与你一起把想法变成现实的开发伙伴。

Kimi Code Desktop 1.0 只是一个开始,更丰富的功能持续开发中。还有更多能力和用法,等待你在自己的项目中亲自体验和发现。点击「阅读原文」,即可前往下载安装页面。

打开你的项目,把下一个任务交给 Kimi Code Desktop 吧。

↙ 点击「阅读原文」开始安装

阅读原文

跳转微信打开

  •  

独家|智冉医疗获超6亿元融资,脑机接口大钱涌向侵入式

原创 暗涌Waves 2026-09-21 14:46 江苏

假如植入脑机像种牙一样简单。

「假如植入脑机像种牙一样简单。」

文|刘凌果 胡香赟

编辑|海若镜

暗涌Waves根据工商变更信息发现,侵入式脑机接口公司「智冉医疗」完成了新一轮融资,估算本轮融资金额超6亿元人民币。

其中,顺禧基金、济峰资本、君联资本、红杉资本、国寿资本、元生创投、顺为资本、美团龙珠、中关村科学城、杏泽资本、佳银资本、中科创星、华盖资本、丹麓资本等参与投资。

按此前公开信息,自去年8月完成超3亿元A轮融资至今,智冉累计融资超过12亿元。

我们就上述变更消息向智冉医疗方面求证,截至发稿,其尚未回应。

2026年,脑机接口赛道持续升温。马斯克和Neuralink持续验证技术可行性;国内脑机产品获批、临床试验加速,叠加未来产业的政策红利,脑机接口开始越过医疗器械的边界,向更广阔的科技产业延伸。

智冉医疗,自2022年成立之日,就站在治病救人、人机交互融合两种想象力的交汇点。以可拉伸柔性电极为长板,智冉选择了对标Neuralink的全植入式脑机接口路线,而今技术也收敛于此。

成立四年多,到了“交作业”的时候。今年5月,智冉医疗128通道脑机接口系统启动了多中心GCP注册临床,年内将完成30至40例患者入组,预估明年完成临床并提交三类证注册申请。下一代产品,他们将跨步到1024通道,目前产品已定型。

侵入式、千通道、高通量,是趋近人机交互的必要尝试。

将柔软的电极植入大脑皮层,首先要解决生物相容性、长期稳定性,这是智冉联合创始人方英教授的强项。“早在2022年,他们就预判到柔性丝状电极植入人体后,可能移位脱落,并提出了一个巧妙的解决方案。”君联资本投资人黄静露回忆道。

2024年,Neuralink首例人体试验遭遇电极丝批量移位失效,这个隐患才浮出水面。科学家的先见之明和原创能力,是推动黄静露下决心领投智冉A轮的原因之一。

今年2月,《Nature Electronics》刊发方英团队研发的可拉伸柔性电极。灵感源自剪纸,电极丝被弯成螺旋,能够跟随脑组织的搏动与颅内位移进行伸缩,持续记录目标神经元,且所需拉力约为Neuralink线性电极的1%。

另一个关键指标,是系统能够稳定采集到多少活跃神经元信号。据了解,其128通道系统能采集100个以上活跃神经元的Spike信号,为运动意图解码提供信号基础。为匹配千通道能力,配套芯片需要重新设计,算法、传输和功耗也要同步升级。据介绍,目前智冉已将单次解码时间控制在10毫秒以内。

激进的路线,审慎的落地。这种风格与智冉两位创始人的气质相合。方英博士毕业于哈佛大学,现任北京脑科学与类脑研究所资深研究员,在微纳材料、神经科学方面成果斐然;宋麒曾就职于美国AI医疗独角兽HeartFlow,回国后创办科亚医疗,积累了新技术工程化、临床开发的经验。

7月中旬,在智冉启动多中心注册临床后,暗涌Waves曾与宋麒进行一次对谈。我们聊了聊侵入式脑机接口未来可能像“种牙”一样微创?高通量意味着什么?脑机接口如何承载资本圈对人机融合的想象?

“我们想解决星辰大海的问题,瞄准终局解决方案。”宋麒判断,高通量侵入式脑机接口,从医疗器械走向人机交互融合,可能还需十年左右。

以下对话来自当时的访谈(经编辑):

Part01

千通道,

打开人机交互未来

暗涌:今年五月,智冉128通道(编者注:从128个电极位点采集信号)的植入式脑机接口系统启动了临床试验,具体进度如何?

宋麒:我们计划今年完成30至40例患者入组,主要针对脊髓损伤患者的肢体运动功能重建。预计明年提交注册申报。

暗涌:全植入式脑机接口的试验终点设计是怎样的?患者可能有怎样的期待?

宋麒:具体细节还在与药监部门沟通。主要难点在于,脑机接口是三类创新医疗器械,临床终点既要考虑患者获益,也得体现产品性能,如何设计终点,是整个行业都尚在摸索的问题。

比如,每个患者对康复的期待不尽相同。有些患者很年轻,工作和生活高度依赖电脑等媒介设备。他们会希望能够重新操作电脑、手机,从而重获与外界交流的能力,生活自理水平也会有巨大提升;有些患者职业是互联网从业者,甚至可能恢复本职工作,那他们就已经感到非常满意。

也有患者希望重新站起来,或者恢复正常排便的能力。但患者之间,受伤程度、患病时间、身体素质各不相同,有些人的肌肉严重萎缩,有些人已截肢。相应地,脑机接口能够帮助他们实现的功能也会不一样。患者的确希望恢复得越多越好,但我们得告诉他,现阶段能够做到什么,未来可能做到什么,又存在哪些风险。

暗涌:据说智冉下一代脑机系统要直接做1024通道,为什么选择大跨步,而不是从256通道逐步测试?

宋麒:128通道对我们来说,是平衡患者临床获益与风险的产品。作为一项创新性的治疗手段,128通道脑机接口能够给患者带来较大的临床获益,安全性方面也有足够保障。

但这并不意味着,百通道是技术的终点。从原理上说,大脑活跃神经元的采集数量,决定着脑机接口系统的效果。在信噪比、神经元采集效率相同的前提下,通道数越多,系统性能也会更好。

千通道的产品代表着我们抢占技术高点、给患者带来更大临床获益的决心。与此相应,在技术层面以及安全性层面,也会带来更多的挑战,需要有更长时间的开发和验证周期。

综合考虑植入式产品的验证周期、安全性和临床获益,我们希望下一代产品实现更显著的性能跨越,因此选择越过256通道,直接做到1024通道。但是在研发过程中,我们没有跳过中间阶段,128、256、512和1024通道的系统都有开发。

暗涌:千通道的芯片必须自研?自研芯片的投入会特别高么?

宋麒:我们是通过和第三方伙伴合作,进行定制化开发的形式进行的。

成本角度,目前市面上能买到的商用芯片只有64通道,128通道要用两颗;1024通道不可能拼20颗64通道芯片,只能自己定制。流片一次费用约是百万级,但一批能出几百、上千颗,摊到每一颗,成本可控,还是比商用芯片便宜。

我们跑在前面,对芯片的功能也有自己的需求,等不了别人先把芯片做出来;后来者或许不必每家都自研,但我们等不起。

暗涌:千通道对算法的挑战是什么?怎么保证解码跟得上?

宋麒:三道关。

一是功耗。通道越多,功耗越大;二是体积。通道数越高,电路越复杂,体积越大;三是实时性。采集到的数据越多,处理需要花的时间更长,对实时性有影响。正常人的反应时间是150到300毫秒,如果解码要花一秒钟,延时感就很强,解码时间最好控制在100毫秒以内。我们的单次解码在10毫秒以内,加上信号传输等环节,总时长能控制在50毫秒以内。

Part02

微创脑机是趋势,

适应症正在拓展

暗涌:高通量,是打开人机交互未来的要素之一。你觉得植入式脑机接口还要多久,才可能从医疗器械走向脑功能增强等消费级应用?

宋麒:十年左右,通过微创植入式脑机进行高通量的人机交互就有可能拓展到非临床场景。未来五年,植入式脑机接口更多还是会集中应用在临床端。

前提是获益和风险跨过一个临界点:一边拼命扩大获益,一边继续压缩植入损伤。Neuralink最新的手术已经不打开硬脑膜,用微针直接穿过去,患者当天就能出院。等植入手术进一步简化,假如未来能像植一颗牙一样简单,获益又足够明确,植入式脑机就可能成为消费级应用。

那个具体的“爆点”会落在什么功能上,现在谁也说不准,但时间点我判断在十年上下。

暗涌:要实现“微创、无创”,主要难点是什么?

宋麒:最大的挑战其实不是穿过硬脑膜,是怎样在不打开硬脑膜的情况下看清里面的血管,做更精准的定位。但它属于系统工程整合问题,不是科学问题,不存在我们不了解的黑科技。

比如,Neuralink的解决思路是使用造影和OCT。这也是这家公司的优势所在,它花了很大精力研究从植入端到未来临床使用端可能遇到的各种挑战,并做了非常好的系统级整合。这值得我们学习。

暗涌:今年,除了传统运动功能重建,侵入式脑机接口公司也开始讨论语言和视觉功能重建。你怎么看待这种适应症的拓展?在这些方面,智冉有哪些布局么?

宋麒:我认为这首先是竞争层面的原因,运动功能重建领域已经出现头部公司,再继续扎堆的差异化有限。因此,开拓语言、视觉等新方向是很自然的事。智冉未来也会拓展不同的应用场景,因为脑机接口本身就是平台型产品。

现在大家提到的语言解码,大部分仍属于运动意图解码的范畴。无论是让患者想象写字还是说话,读取的都是动作执行阶段的信号。如果真的能从人脑的高级语言区,解析人的念头,做到患者想什么,系统就直接相应输出,这已经接近“读心术”,目前技术能力还没到这一步。

视觉重建也是如此。目前,更多是先采集外部世界的信息,再去刺激患者的视觉皮层,让他感知到相应的视觉信息。离真正实现和正常人一样的“自然视觉”的重建,还有一定距离。

暗涌:目前几家头部侵入式脑机接口公司出来时,柔性电极是必需的长板。现在有些新团队不做电极,也拿出了集成系统。电极还是不是必备的壁垒?

宋麒:这个看技术路线。非侵入式主要用传统电极,半侵入式对电极的要求也不高,做这两类路径,电极本身不构成绝对的壁垒。

但对于神经元级脑机接口,柔性电极的意义很重要。用传统电极做短期、低通量的试验,比如现成的SEEG电极,能够满足术中定位需求,或能植入10天、20天。但高分辨率、高通量脑机产品,不可能是“扎几根现成电极”就能满足的。

以视觉脑机为例,需要长期、连续、精准的刺激,存在电极加速老化等一系列潜在问题。能不能真正解决问题,最终要看长期临床数据。判断电极行不行、系统行不行,正式的多中心GCP临床试验是唯一尺子。

目前在全球,全侵入式脑机领域真正能进入长期临床阶段的公司,仍然只有寥寥几家。

已经有不少公司来找我们做电极,未来我们愿意把柔性电极方面的积累,通过供应、合作的形式对外输出,做产业链的供应商;只是现阶段还顾不上,先专注自己的产品。

Part03

脑机接口,

或能反哺大模型与具身

暗涌:过去几年,脑机接口经历了从资本降温到“热得发烫”的变化。市场对这一轮热度也有很多解释,你怎么看?

宋麒:这一轮升温的核心,一方面是政策层面,脑机接口成为六大未来产业之一,受到政府的高度重视。同时,DeepSeek爆火后,市场开始从硬科技角度切入脑机接口,视其为硬科技代表。这让大家开始重视在医疗场景以外,脑机接口和大模型、具身智能相互赋能的空间。比如,随着侵入式脑机接口采集到的神经信号越来越多,我们对大脑功能会有更深了解。这些数据,未来可以反哺大模型、神经网络算法、甚至是具身智能等。

这方面的潜力被越来越多硬科技投资人注意到,他们倾向于从第一性原理出发,关注脑机接口到底能实现哪些功能、可扩展的应用场景和潜在市场有多大、技术天花板在哪里?同时,他们的“等待”周期更久,比如未来十年,甚至更久之后,医疗器械注册具体流程反而没那么重要。整个赛道的水温因此升高。

暗涌:脑机接口和大模型、具身智能相互赋能是个很有趣的说法。从大脑采到的信号,为什么能增强大模型?

宋麒:今天的大模型基于深度神经网络,而深度神经网络本来就是在模拟人的神经活动。可我们对人脑高级功能背后的原理,仍然所知有限。

侵入式脑机接口把大规模神经信号和人的具体行为关联起来,这些数据一方面可能帮助重塑深度神经网络技术本身;另一方面,对具身智能来说,具身大脑是很重要的一部分。这些数据能让它们跟人的神经活动产生更深刻的连接,进一步理解人的决策机制,做出更像人的判断。

只是其价值如何变现还不清晰,可能是做数据服务,通过数据让模型变强。也可能深度参与到大模型与具身智能模型训练的环节。

暗涌:市场思路改变,会影响你们对自己的定位吗?

宋麒:我们的定位本就是TMT与医疗结合。从一开始,我们就没有把智冉锁定为一个纯医疗器械公司,在医疗场景之外,我们瞄准的是人机交互、人机融合,甚至是人机共生,做新一代高通量、高质量双向信息传递的脑机接口。

传统医疗端,我们聚焦于包括运动功能重建,神经系统疾病治疗等;在人机交互方向,我们希望高通量产品,未来能让正常人的大脑功能、整体的身体功能都得到增强。这是非常确定的。

如果植入损伤进一步减小,手术变得更简单,侵入式脑机接口像种植牙一样微创、甚至无创,患者植入当天就能出院,它就更可能成为面向普通人的To C产品。而海量的神经数据,也可能帮助大模型和脑科学研究打破认知上限。

排版|王家玙

图片来源|Unsplash

推荐阅读

钱的     流     向     ,     人的     沉     浮

跳转微信打开

  •  

关于 Jev,我对朋友的评论深以为然:「基本只关注新模型的成本和速度,太细的算法、架构不怎么考虑了」 也分享一下我看到 Jev 时的思考...

一泽Eze 2026-09-21 11:24 浙江

关于 Jev,我对朋友的评论深以为然:「基本只关注新模型的成本和速度,太细的算法、架构不怎么考虑了」

也分享一下我看到 Jev 时的思考过程 ⬇️

先把 Jev = 不做生成、只做判断的超快模型,自然有了 2 个挑战问题:

1. 速度是否不可替代?

现有的小模型,如果我在 input 阶段就直接把当前问题、以及预设好的回答选项或者数值区间一起给它,让它以 no thinking 模式输出,它能不能做到一样快?

2. 成本是否下探到新的意义区间?

算上小模型的缓存价之后,Jev 那个低价,距离现有同场景可用的小模型究竟能便宜多少?

——这两者若要在业务中有足够“爆炸”的意义,就得达到「便宜又快到能每轮都值得跑」的程度。

前两点之后,就是终极问题:

每轮都能秒级跑完的决策,对自己的业务有什么价值?

以我的研究方向为例(personl memory agent),我的答案是可以更好地做意图路由。

做更重的 Harness,自动判断用户输入背后所期待的回应,给出不同的 System Event Injection,决定主 AI 的思考深度和回应风格。

Belike 用户只是在闲聊,那就用玩梗的心态 no thinking 输出;在分享一件重要的事、跟我讨论,那就能更快进入思考状态,配上工具支持多轮执行与思考。

最后再思辨这个技术意义能不能长期成立。

都知道 AI 发展越来越快,大量架构不断涌出来。一个新东西在当下爆火,但如果它跟别的技术的落地方法区别太大,应用层的数据结构、业务逻辑都要跟着重写,上线之后就会极大影响产品后续的发展路线

(比如去年到今年,通用 Agent 产品已经经历了 MCP、Cowork、Claw、Skill 多轮技术冲刷了)。

如果说 Jev 代表的是更快更便宜的判断,那么不管 Jev,还是后续类似模型,对应用都是同一件事:给输入,拿输出。

所以真正要斟酌的只是一个趋势:

模型的速度和成本是不是还会继续往下探,决策是不是早晚便宜到可以每轮、每秒都跑?

如果认下这一点,哪怕还没拿到 Jev 的 API,也已经有足够的收益预期来支撑实验了:

尝试把 Harness 里的意图路由做得更加无所不在,轻量决策模型 + Harness + Agent 主模型,虽技术上分层,体验上无感。

跳转微信打开

  •  

鹿客陈彬:能让 AI 做的,就尽量别让人做

原创 Mars任鑫 2026-09-21 07:05 河北

智能锁公司鹿客的 AI 原生改造施工记录:CEO 兼 HR 一号位、圈长管奖金包、三轮内部报名重新起立再坐下,5% 的人搅动整个公司;IPD 不动,AI 不是救命稻草。

关键要点

  • CEO 就该是公司的 HR 一号位

  • 从 1 到 0,先假设组织流程都不存在

  • 圈长管奖金包,职能部门只有建议权

  • 5% 的人就能搅动整个公司的变革

  • 三轮内部报名,重新起立再重新坐下

  • 人走了优先用 AI 补,新招人要特批

  • 传统行业可以慢,AI 不是救命稻草

前一段时间刷到一篇公众号,标题叫《HARO 成立!我们要把公司重写成 AI Native 的组织》。打开一看,跟一般的 PR 稿不一样,一看就是只有老板敢写的那种东西:岗位重新设计、组织重新设计,看得我莫名其妙热血起来。热血完了又觉得奇怪,我为什么会热血?所以赶紧把作者约来,问问你们到底想干嘛。

作者是陈彬,鹿客的创始人。鹿客是我唯二知道牌子的智能锁,另一个是小米,聊了才知道小米的锁大概 70% 也是他们研发制造的,等于我换了锁也没逃出他的手掌心。他 2014 年开始创业,到现在正好 12 年,之前在索尼、百度待过,百度刚开始做硬件的时候,小度的智能家居就是他做的。

聊完的感觉是:这不是对一篇宣言的解释,是一份施工记录。CEO 自己兼 HR 一号位、HARO 怎么配人、圈长怎么管奖金包、三轮内部报名怎么「重新起立再重新坐下」、年底要招 50 个 AI 管培生。还有哪些东西他明确说不能动,比如华为那套 IPD。

以下是这期对话的整理。

一篇 AI 写的文章,一个字没改

「什么东西能让 AI 做,就尽量不要让人做。」——陈彬

先说那篇文章。陈彬说文章是他写的,准确地说是他让 AI 写的:告诉它想表达什么,不断对话,让它去 AI 味、模仿自己的口吻,最后一个字没改。那天正好 Xcircle 的小飞在公司做组织变革的培训,他一时兴起,写给内部同学看,解释为什么要做这个变革。同一天,公司还发了一封 HR 团队组织调整的邮件。

我问他,AI 原生组织到底是啥意思,让 AI 管公司吗?

他的定义很朴素:首先从 AI 出发,什么东西能让 AI 做就尽量不要让人做。然后,流程逻辑上都应该被重构掉,不要按原来的思维想「这件事原本应该怎么做」。因为原来的组织、流程,很可能都是错的,甚至都不应该存在。

鹿客今年 12 周年,周年庆的主题叫「从 1 到 0」。意思是回到一个人创业的初衷:假设现在从零开始,手里有这么多 AI 工具,原来的组织、流程、甚至产品都不存在,你应该怎么干?按这个思路去看,再决定现在该改什么。

我追问了一句:这跟「大家都要用好 AI」有什么区别?听起来你说的不是让每个人加油用 copilot。

他说核心得从上到下,每个人先有老板思维、经营思维,再看一条业务线、一条产品线、一个小的商业闭环怎么实现。这更多是针对未来核心组织构建者的倡议,不是针对所有人,「甚至也不需要这么多人」。先把组织构建好,再去看人和人怎么分工。

不是给现有流程提速,是先假设流程不存在。这是两件事,很多公司做的是前一件,以为自己在做后一件。

CEO 就该是 HR 一号位

「业务一号位或者 CEO 就应该是 HR 一号位。因为我最了解业务,也懂组织。」——陈彬

按「从 1 到 0」往下推,第一个结论是:既然要重构,逻辑上 CEO 就应该是 HR 一号位。他最了解业务,也懂组织,这个决策只能他来做。

然后才是 HARO,全称 Human AI Resource Office。我问这跟 HR 加 IT 合并有什么区别?

陈彬的回答落在人上:HARO 一号位一定得懂业务。他选的人是自己长线的创业伙伴,技术出身,原来是百度的架构师,当年一起做云平台、做 AI;后来自己创过业当过 CEO,到鹿客之后做过产品线、做过研发、带过品牌,后来带 IT。「他得有从公司经营到战略、到业务、到产品技术的闭环经历才行,这个人才有可能真的把人和 AI 结合在一起来思考问题。」

有意思的是配人的顺序反过来了。原来 HR 一号位对人敏感,但对系统、对技术不敏感。鹿客把一号位换成技术导向的人,再给他配对人敏感的 HRBP。先懂 AI 再配懂人的,而不是先懂人再学 AI。

我的理解:他其实就是公司里负责 AI 转型的人,把硅基的人和碳基的人放在一起,反正都算资源,由他来调配。

结构上有实线也有虚线。实线是原来的 IT,现在改名叫 AIO(AI Office),运维在里面,未来以 AI 为主做 agent builder 的活。虚线是 FDE:每个业务领域挑一些对业务擅长、或者对 AI 改革意愿很强的人来做,虚线向 HARO 汇报。

Agent builder 和 FDE:不脱产,拿 30% 到 50% 的精力

「如果有这么多冗余度,我们肯定会走安克这条路。但是我们其实没有这么多冗余度。」——陈彬

我问他 agent builder 和 FDE 有什么区别,听起来不就是一个东西吗?

陈彬说长期看应该是一个人搞定,但短期每个人有擅长。IT 出身的人 build 一个 agent 没问题,让他快速理解业务就难了。FDE 要求你进到业务里去梳理,比如供应、计划、采购的流程,怎么重塑甚至重构。鹿客有一套 FDE 的工作方法,但他强调最好还是业务专家跟 agent builder 一起来:「没有真正去梳理过这个业务流的人,其实也不是一个真正胜任的 FDE。」所以他们从业务里挑专业、又对 AI 有意愿的人来做。

具体怎么合作?我提了三种模式:builder 坐到业务部门去;搞工作坊、黑客松冲刺一下;或者像安克那样,把几个人脱产一个月关进小黑屋。

他的回答很实在:有冗余度肯定走安克那条路,但鹿客没有这么多冗余度。做法是把业务的人和 agent builder 合在一起,真的进到业务现场解决问题,不脱产,边做业务边拿 30% 到 50% 的精力做这件事。

这些人归谁管?大部分归 HARO。公司还做了一个金字塔,把 AI 水平分成 L1 到 L4:L2 以上叫鹿客的「AI 启航员」,再往上是「领航员」。从这里面挑出来的人,可能在 HARO,也可能在业务里,要么做 FDE,要么做 agent builder,不管实线虚线,都归 HARO 负责人。

圈子不是项目组:圈长管奖金包,职能只有建议权

「让职能的权力变小,让圈子的权力或者圈长的权力变大。」——陈彬

那篇文章里我看到他们在重新划圈子。圈子跟项目组有什么区别?

陈彬先划了一条线:圈子跟华为的产品线也不一样。华为是矩阵式架构,产品线和职能体系交叉,本身是很好的结构。圈子往反方向走,原来是职能型的,现在是端到端价值闭环的小团队,而且故意把职能的权力和边界抹掉。

抹到什么程度?假设公司给一个圈子分了一个奖金包,剩下的很多都由圈长决策,HR 和职能部门不能干涉,只有建议权。用人权、激励、奖金都到圈子里,以圈长为主,配班委和 HRBP。人和 agent 怎么搭配、效率怎么提、未来奖金包怎么分、他自己分多少,都可以他来决策。「进到圈子里,人就是一个创业的小团队了。」

我把它翻译了一下:以前项目组是双线,你借职能部门的人,但他的绩效是职能老大打的,工资是那边定的;现在是单线,前线老板是谁,他的老板就是谁。他确认了。

职能不会完全去掉。他拿华为打比方:华为一个叫养兵的(空军、陆军、海军),一个叫打仗的(战区),两边都重要。鹿客未来可能把职能改叫委员会,比如技术委员会,把各职能线的人拉到一起提升能力。但在变革的半年到一年内,肯定以打仗这条线为主,以价值能闭环的那条线为主。

先试点,不是一下子全做成圈子。第一批是消费者业务。

为什么现在家家户户都在拆组织

「原来可能需要二三十个人干的,现在只要三五个人就可以干了。」——陈彬

我有个困惑:很多公司现在都在拆组织,让小团队端到端闭环。这事以前也有很多尝试,后来大家又缩回去了,为什么现在好像能干了?

陈彬的回答很直接:AI 这个工具起来之后,原来一个人干不了的,一个人可以干了;三个人干不了的,三个人干了;原来需要二三十个人干的,现在只要三五个人。小团队不再那么依赖职能提供的能力了,这些能力要么外部有工具,要么 AI agent 可以帮你搞定。

他拿创业类比:当年创业,你肯定要和各种职能人才在一起才能干。但现在做一个创业公司,你不会一开始招法务、HR、财务,AI 可以把这些做得更好一点。早期不需要这么多职能型、专业型的人才,更多需要愿意为价值做闭环的人,能快速跑起来就行。

那效果呢?改完之后是效率高了,还是更多人对业绩负责了?

他没有吹。「我们还在过程中。」更多看到的是心态、行为和过程的变化。跟上半年比经营结果是有变化,慢慢在变好,但还没有这么明显。这个阶段还需要一些冗余,需要进一些鲶鱼,比如 AI 管培生,让大家看到用了之后确实可以加速:原来不敢干的现在可以干,原来干得少的现在干得更快更多。

在跟经营完全闭环之前,只能看过程指标:用了多少 token,有多少个 agent 已经进到十几个业务流里面去了。

把 AI buff 量出来:三个人加十个 agent

「它不是人与人沟通的工具,它更多是组织的设计、价值的评价,以及人跟 AI 在里面分工的一个工具。」——陈彬

小飞在这个过程里扮演什么角色?陈彬说参与的深度蛮深,有点像 partner,像战略 HR。鹿客内部没有 CHO,小飞就像陪着他一起做 AI 组织变革的 AI HR。

具体在做的事:一起打造端到端闭环的小团队,也就是圈子,把绩效、目标围绕圈子说清楚,然后把人和 agent 的分工在 Xcircle 里不断落地。有一个叫 AI buff 的指标:AI 可以给你增加 20%、30%、100%、200%,慢慢要每个人把计划写出来,做成可视化视图。

我问是不是可以看到每个人提效了百分之多少。他说长期每个人都看得到,但他们更关注圈子和业务本身:一个圈子里三个人加十个 agent,AI buff 是多少,AI 在里面的占比是不是不断在提升。

这套东西首先是把组织设计可视化了:一个个圈子,每个圈子八到十个人,有圈长,有各种角色。这个角色是 AI 干的,那个角色是人干的,点进一个角色能看到它的 AI buff,可能这个角色需要两个人加五个 agent。

真正的抓手是目标和绩效。内部有一套类似 OKR、KPI 的目标体系,你必须在里面填目标、填进展、跟 AI 对话、把工作结果放进去。最后以结果为导向,价值闭环:整个奖金包 100 万,你在里面占了 1%,就分 1 万;占了 10%,就分 10 万。用价值闭环的量化,慢慢取代原来的 S、A、B、C 和几个月年终奖。

最大的阻力不是反对,是「AI 只加数量不加质量」

「你连面包都吃不上,你说我要去追求艺术、追求 LV,那就没有意义。」——陈彬

我做过几家公司的 AI 顾问,看到的困难普遍比鹿客严重。基层口头上热火朝天,空气里隐隐觉得你就是来干掉我的;中高层越 AI 化越清楚是在抢他的权,会阳奉阴违,比如派几个完全不懂的小朋友来配合。

鹿客怎么让这件事相对顺利?陈彬承认跟一把手拍板有关系。另外他们确实做了组织调整:从 HARO 开始,挑关键人才时都在看他对 AI 的态度。公司主力人员基本都是拥抱 AI 的,不拥抱的要么已经淘汰,要么已经边缘化,这个从去年下半年就开始做了。所以到今年上半年,核心团队的阻碍比较小。执行层还有意识和惯性的问题,不是故意阻碍,是没感受到 AI 带来闭环效果的时候,习惯性用老方法。

真正的思维冲突在另一个地方:有人觉得 AI 只能加速数量,提升不了质量。做设计、做视频、做内容,用 AI 做出 60 分的东西,数量变成十倍甚至百倍,但留存不下来,做不出两三年后还能沉淀的精品。

陈彬的回应是这是精英思维。大家都在吃快餐,能做出精品的有几个人?放到历史长河里所有东西都会过时。哪怕你是做设计、做内容的,也要有经营思维:小红书种草之后能不能带来转化?带不来转化,就要看是 PMF 出了什么问题。质量确实需要人把关,有专业的人做 reviewer 更好,但公司连面包都吃不上的时候,追求艺术没有意义。

我补了一个角度:AI 不光是 productivity,也是 capability。以前做不了的事现在能做了,这里面长出来的不是传统意义上的质量。一个喜欢拉布布的人,看到锁跟拉布布结合的东西,会觉得质量更高;在我不感兴趣的事情上把分辨率做高,关我什么事。他说,你理解这个就容易,很多人不理解,觉得必须达到一个好的审美才叫质量。

正反馈的时间差也在这里。陈彬自己有 CEO agent,公司还有 COO agent,他能感受到它们在提升决策质量、思考深度,甚至战略选择,「敢相信他」。但每个人获得正反馈的时间不一样,可能要一个月、三个月、六个月。越是年轻人、越是小白越容易,因为他觉得啥都不会,一下就会了;原来已经做得很好的人,AI 只是加了点效率数量,他觉得也就那样。

部门之间也有光谱。跟软件、coding 相关的最容易,研发、算法都可以用 AI,每天有正反馈,「写代码好爽」。营销、品牌没这么快,发了更多内容,so what?有没有带来收入增长、奖金提升?正反馈没到之前,他还是会怀疑。

「是不是用来取代我们」

「你会用 AI 和不会用 AI,最后你是会被那些用 AI 的人给取代,就是比你跑得更快的人。」——陈彬

招 AI 管培生做宣讲的时候,真的有人提问:是不是用来取代我们的?

陈彬的回答是:取代大家的不是 AI 管培生,是会用 AI 的人。你要成为首先把 AI 用好的那 5%、10%、20%。而且这个竞争不是跟公司内部的竞争,是跟整个行业的竞争,因为行业是流动的。鹿客相对跑得靠前,「我们公司的 20% 甚至 50%,就相当于别人公司的 10%、20%」。只要你在行业里有竞争力,哪怕不在鹿客干,也能找到一席之地;跑慢了,不是被公司淘汰,是被行业甚至整个社会淘汰,那个才更恐怖。

经验的折旧也快了。「别人干个三个月、半年,可能就把你过去三年、五年的经验给抹平了。」

那还怎么挑人?以前看经验,干过就牛一点,工资高一点。现在经验被抹平,除了会 AI,什么人值得工资高?

他说底层还是人才观:少年感、成长思维、敢冒险、敢打破固有思维。他至少要证明过自己,在学校创过业、挣过钱,或者在别的公司实习干过落地的业务或产品。进来之后有 1 到 3 个月考察期,看面试时体现的和实际是不是一样,三个月能不能用 AI 真的给业务带来改变。只有带来业务改变,才会放进圈子,否则很难真正转正。「不是光看他 AI 用得好。」

有个细节我很喜欢:有的时候经验反而是累赘,最恐怖的是半桶水。经验还没到,但觉得自己已经很有经验了,不能改。稍微通透一点的人反而容易判断:框架思维、体系化思维、经营思维肯定有用,但哪些流程、哪些岗位在这个时代已经不需要了,也看得清。

重新起立,重新坐下:三轮内部报名

「圈子重构,就是让大家重新站起来,再重新坐下。」——陈彬

我问了一个很多公司会问的问题:如果另一家企业想转型,第一步挑什么样的人?我自己有个不靠谱的土办法:先把公司里自己花钱买了 Claude Code、或者每月交 20 美金以上订阅的人挑出来。他们能自己解决那么多障碍,说明动手能力强,还愿意在自己身上投资。

陈彬说这确实是第一批。公司没支持、没给钱他也愿意用,甚至一个月几亿、十几亿 token,自己掏 200 美金的都有。鹿客在做变革之前就有这样的人。但这帮人毕竟不多。

然后是第二招:内部报名,三轮。做圈子变革的时候,相当于大家重新起立,给到大家很多新的岗位和尝试的机会。原来一个研发、一个产品没机会转型,现在一个产品经理如果用 AI 做线上用户运营和销售做得不错,他有兴趣,有销售特质,就可以转。打破部门墙,让老人做新事。

具体操作不开大会,发邮件。第一轮是增量岗位:公司级需要一二十个 agent,以及对应的 agent builder 和 FDE,基于增量岗位选人。第二轮是圈子成立之后,看圈子缺什么,比如缺内容营销的 agent builder,把空缺的、紧急的角色放进邮件,谁愿意来报名。

报完名之后,先让他做一套自我评估,知道自己擅长什么、喜欢什么、能力项在哪,判断跟这个角色是不是匹配。然后组织答辩,每人 3 到 5 分钟,说清楚为什么能把这件事做好、之前做了什么。评委评完之后,还用 AI 把会议纪要和他的讲话全部拿来分析、匹配。100 个人报名,最后二三十个人被选出来,进到圈子里获得想要的角色。三轮下来,公司挑出 10% 到 20% 的人。

为什么会有 100 个人报名?是工资高吗?

不是。一是资源倾斜:培训、token 和 API、个人订阅的报销,只有进到圈子、进到启航员领航员计划里的人才能拿。二是内在动力:危机感,原来的岗位角色可能不存在了;主动意愿,三四年在一个岗位上已经乏味了。

那原部门老大怎么办?人走了,这摊事谁干?

陈彬的规则:优先用 AI 补。补不了,要么用 AI 管培生补,要么用更多的 token、更多的知识补。实在要新招人,走特批到他这里,说清楚为什么不能用管培生、为什么不能用 AI。逻辑上就没有通道了,「就堵死了」。我想起 Stripe 好像也是这样,要招人得详细证明这事为什么不能 AI 干 [待核]。

源头活水也在进:AI 管培生到年底会招 50 个,现在已经接近 20 个。

AI 管培生:他们比我们想象的用得更好

「他们比我们想象的要用得更好。」——陈彬

AI 管培生的门槛是 L2 以上。陈彬解释了这个 L:不是只跟豆包或者 GPT 对话,你要把 skills 用好,甚至能输出一些 skills,把 agent 用好,或者做一些 agent 出来。到了 L3,才能编工作流,用 agent 把工作流重塑。

内部找 L2、L3 级别的人挺难,但 L2 的管培生很容易找到。2027 年毕业的学生,大学一入学就在用,两三年下来比老人用得多,做事没有畏惧感。有个 AI 管培生自己参加飞书的 AI 大赛,拿了奖。老人们会有顾虑:用了 AI 到底能不能达到、能不能快速交付;管培生拿 AI 做增长、做海外 GTM,都能跑闭环。

公司非常多的领域需要这样的人,所以不叫岗位,叫领域,有一二十个。管培生在专业领域加 AI 能力,可以做 FDE、做 builder、做洞察。我看他们的招聘文案写的是:这里不给你培训,全是真实的问题。

支持体系也搭了。招聘负责人变成整个 AI 管培生的头,帮他们解决组织里的问题,很多时候不是阻碍,是任务目标不清晰、不知道该找谁。每个管培生进来都有一个业务 mentor,HR 线还有一个生活 mentor,解决工作生活上非业务的问题。陈彬自己参加他们的周会,定期组织沟通会,能在会上解决的就在会上解决掉。

合规我也问了。硬件公司不是小公司,出 demo 容易,真推起来会不会撞墙?他说目前还好,还没有这么多条条框框。涉及安全、用户隐私、支付、合同的,按公司已有流程制度走。但现在更多还在早期试错,在业务、产品、技术里快速迭代,还没到影响公司生死的层面,「所以我们可以更大胆地放心让他们去做,哪怕做错了也没关系」。

哪些不能动:IPD 留着,SP 到 BP 提速一倍

「你可以把它加速,甚至有的节点可以 bypass,但是它这个大框架非常的优秀。」——陈彬

我很在意一个问题:组织里总有很宝贵的老打法,比如华为的 IPD,它是没有 AI 的时候发明的。少壮派会说 AI 颠覆一切,应该重造;老派会说实体世界长周期的事情,方法沉淀这么久肯定要用。这种争吵,老板怎么判断?

陈彬先笑了:鹿客不存在少壮派,他自己就是最激进的那个,反而被大家拉着说要更谨慎、更落地。所以争吵不多,更多是他鼓动大家激进一点,错了再改回去。

但激进不等于全推翻。他的判断很清楚:AI 只能改造本身就不合理、特别冗余的流程,把它干掉;IPD 是沉淀过的、非常合理的框架,可以加速,但节点还在。

他举了 DSTE(从战略到执行)的例子。从 SP 到 BP,原来至少花三个月到半年,现在两个月就提交了,提速一倍。流程本身没变,只是原来开五次会变成开三次、两次。五看三定还在:看市场、看竞争、看自己、看技术、最后看机会,本质还在,只不过原来看三周,现在三天甚至一天。有的节点可以 bypass,框架本身也支持按产品线层级(S 级、A 级)减少节点。

一号位要自己想清楚哪些可以改、哪些不能动。能改的地方尽量让 AI 进去、人退出来,这一点他比较激进;但大的框架和原则还是要有,该坚持的坚持。

人的培养机制也一样。华为培养一个产品线经理要 10 到 15 年,让一个技术的人变成商业领袖,他觉得那套机制非常厉害。有了 AI,一个产品经理更容易理解营销、市场、销售,可能三年五年就够了。但该轮的岗不能跳过:只做技术出身的产品经理,不去接触市场、不去做前端销售,成不了产品线经理。华为三年轮一个岗,鹿客可能一年甚至半年轮一个,两三年下来也能成为合格的产品线经理。速度加快,路径不变。

安克是他们了解到的标杆,做得早,有 mother agent。他说安克原来的全球流程体系本身就好,所以做起来更容易;鹿客的问题更大,原来的流程本身可能就不好、效率不高,所以 AI 组织转型更多是改造原来不合理的东西。该保留的还是保留:华为的 IPD,飞书的项目和多维表格,这些能让硬件公司定得严谨、打得准。成本、效率上做得不好的,该学美的的还是要学。以前要找顾问、外部专家来讲,现在问 AI 就好。

还有一个他反复强调的词:三位一体。组织变成 AI native,产品往 AI 驱动的方向转,商业模型从卖硬件到软件收费、AI 订阅。三个一起动才能形成飞轮。「这个维度就很难完全照抄,只能学理念。」

一堆 CEO 的公司,和不可取代的那 0.1

「最后那一点可能从 0 到 0.1,那个确实是创始人不可取代的东西了。」——陈彬

我让他科幻一点:三年后鹿客的组织形态最大的不同是什么?

他说不一定三年,可能是十年后:下面一堆 CEO 或者总经理,产品线的、业务线的,一号位越来越多。他本质上不是想干的事越来越多、掌控力越来越强的人,希望尽可能放权,自己管文化价值观、人才体系,同时参与技术前沿驱动的创新业务。现在已经在这么做了,内部孵化出好几个产品线负责人和子公司 CEO,外部也在投资一些企业。三年能成长出 5 到 10 个真正的一号位就很不错。

那对创始人的要求变了吗?

「更加需要闭环。」创始人一开始就要多维度考虑问题,不只专注技术或商业。他自己也在训练自己的 CEO agent,把 CEO 这一层可复制的东西尽可能复制化。原来很多东西说不清楚,靠灵感、靠直觉,现在慢慢被 AI 吸收、蒸馏。最后剩下的那一点,从 0 到 0.1,是创始人不可取代的:使命、愿景,只有创始人相信,AI 不相信,因为它没有一线的体感和直觉。

这也是他说创始人决心的原因。创业 12 年,他现在还在孵化新产品、做用户调研、跑美国,处于很兴奋的状态。「公司得有一个这样的人,他能够很有激情去闭环这件事,才有动力真的把 AI 转型做好。」如果只是做组织,三年五年才看得到成效;把组织跟产品、技术、新兴趋势结合在一起,才激动人心,不会觉得累。

彩蛋:不是每家公司都要跑这么快

「AI 也不一定能成为救命稻草。」——陈彬

最后我出了个题:三个老板,一个开 500 家奶茶店,一个做 PCB 板工厂,一个管十万人的 call center,都想 AI 转型,你给什么建议?

陈彬说这主要看 AI 在这个行业里真正带来的价值。越是传统行业,AI 带来的价值越低,那你就可以慢一点,等鹿客这种公司把坑踩完,等豆包、火山引擎这些做得比较好了再选,试错成本更低。越是前沿科技、AI 能改造的行业,比如写代码、AIGC,越要早拥抱,因为迭代快、市场变化快、技术变化快,你不应该用太多人,决策质量更重要。

具体到三个:PCB 工厂到了物理世界,要等物理 AI、机器人成熟,三年五年甚至十年,没遇到经营性问题就慎重先别动,晚个一两年没关系。奶茶偏渠道、运营驱动,AI 能快速做从用户端到供应链端的反馈闭环,知道用户想喝什么味道,C2B 的供应链改造能产生更大作用。

真正大的还是软件。他有个朋友做出海 SaaS,原来五六十个人做一个领域(VOC),现在同样人力可以做十个领域,产能扩十倍。一个领域三个人就够:builder(把 FDE 和 agent builder 合成一个)、reviewer(甚至不在公司里,比如美国的一个 00 后,对短剧有网感有品味)、service(面向客户做服务)。早期可能两个人干,迭代非常快。一到硬件、工厂、奶茶店,就不只是这三个角色了。

我说现在经济压力大,大家都觉得 AI 是救命稻草,我平均每天有三个老板来问怎么吃这根稻草。

他的回答很实在:核心还是经济内卷导致的问题,AI 不一定能成为救命稻草。你得找准行业、市场,在国内还是海外、做什么品类。AI 可能帮你选得更好一点,但本质不是 AI 帮的,是你对行业和品类的选择。

而且不是所有公司都适合这么快。鹿客逻辑上也不需要这么快,加速是因为他们想做 AI 驱动的产品、下一个时代的 AI 硬件。「如果我只是做锁,那我就把经营、成本、渠道、营销做好就行了,不用这么激进。」

结语

这期最打动我的,是陈彬对「不动」的清醒。一个自称公司里最激进的人,能把 IPD、五看三定、产品线经理的轮岗路径一条条圈出来说这些不能跳过,只是从三周变三天。AI 原生组织不是把所有东西推倒重来,是先假设一切不存在,再一条条把该留的捡回来。

另一个是他最后那句:AI 不一定是救命稻草,本质还是你对行业和品类的选择。鹿客跑这么快,是因为他们要先活在未来,再为未来做产品。只做锁的话,不用这么激进。

我最近对 AI 组织转型这个话题很感兴趣,会多聊几期。现在越来越觉得,AI 组织转型最小的切口,其实就是内部培养 FDE,只是这个词的含义已经完全变了。

你的公司如果只能先动一件事:是先让 CEO 兼任 HR 一号位,还是先挑出那 5% 自己掏钱买订阅的人?

跳转微信打开

  •  
❌