内容来源：笔记侠 ( Notesman ) 。

责编  |   贾宁  排版  | 沐言

第 9689篇深度好文：3719  | 17 分钟阅读

本文手搓含量：85%   AI 含量：15%

商业思维

6 月 16 日，刚上市没多久的 SpaceX，掏了 600 亿美元，买下一家叫 Cursor 的 AI 编程助手公司。就在去年 11 月，这家公司的估值还是 293 亿美元。

7 个月，翻了一倍。

这个团队成立才 4 年，早期核心就几十号人，到被收购时也才扩到 700 人左右。2026 年 5 月，它的年化营收冲过了 30 亿美元，摊到每个人头上，人均产出大约 430 万美元。

这个数字什么概念？苹果公司人均年营收大概 250 万美元，这已经是全球大型科技公司里数一数二的效率标杆了。Cursor 的人效，差不多是苹果的 2 倍。要是把最早那几十人的核心团队单拎出来算，这个倍数还要再翻几番。

同一天，OpenAI CEO 山姆 · 奥尔特曼在斯坦福大学的一场对话里说了一句话：" 如今负担得起的 Token（词元，下同）支出，你就能完成过去一个由上百名顶尖工程师组成的优秀团队才能完成的工作，这在以前是完全不可能的。"

他说的不是未来，是现在。

今天这篇文章想聊清楚三件事：这些超小团队到底是怎么运转的，Token 成本暴跌到底意味着什么，中国创业者现在可以做什么。

一、新物种，有多可怕？

Cursor 不是孤例，咱们把这两年冒出来的 AI 原生公司放在一起看，模式清晰得很。

1.Cursor

Cursor 是四个 MIT（麻省理工学院）毕业生在 2022 年创立的，做 AI 代码编辑器。

2025 年 1 月年度经常性收入突破 1 亿美元，6 月到 5 亿，11 月破 10 亿。

2026 年 2 月冲过 20 亿，到 5 月已经 30 亿，6 月初据报道更是突破了 40 亿。

从 0 到 20 亿美元 ARR（年度经常性收入突破），不到 3 年。历史上没有任何一家 B2B 软件公司达到过这个增速。

它的估值从 2025 年 1 月的 25 亿美元一路飙升到 600 亿美元收购价，超过六成的财富 500 强企业在用它。

但最有意思的不是这些数字，而是它的工程师已经不一行一行写代码了，他们在管理一个由多个 AI Agent（智能体，下同）组成的 " 舰队 "，用 AI 来构建 AI 工具。

2.Midjourney

大卫 · 霍尔茨 2022 年创立 Midjourney，做 AI 图像生成。

零融资，0 营销预算，团队大概 100 到 160 人。起步阶段连网站都没有，全靠 Discord（社交平台）机器人起家，第一个月就实现盈利。

2025 年营收 5 亿美元，人均产出约 300 到 500 万美元。它的竞争对手要么有微软撑腰，要么有开源社区支持，Midjourney 什么资源都没有，但拿下了全球 AI 图像生成市场 26.8% 的份额，排第一。

3. 其他案例

还有两个更短的样本。

Bolt.new，35 个人，年度经常性收入从 0 到 4000 万美元，用了 5 个月。

Cognition AI，这家公司做 Devin（AI 编程 Agent），2024 年 9 月年度经常性收入还只有 100 万美元，到 2025 年 6 月飙到 7300 万美元，九个月翻了 73 倍，估值从 2025 年 9 月的 102 亿美元涨到 2026 年 5 月的 260 亿美元。

四家公司，一个共性：团队极小，增速极快，人效高到离谱。

这是因为，今天的生产资料，已经从人力变成了 Token。

二、奥尔特曼说出了那个公开的秘密

在斯坦福这场对话里，奥尔特曼花了大量篇幅讲 " 规模 "，但他说的是模型规模和 Token 规模，不是公司规模。

他回忆了 OpenAI 的早期决策：当时团队决定把深度学习模型往更大规模推，行业内有很多聪明人反对，" 扩大规模未必有用 "" 没必要这么冒险 "。

但奥尔特曼和团队押了上去，结果规模带来了涌现能力，GPT-3、GPT-4 以及后续模型的每一次跨越都源于此。

他从中提炼出一句话：" 在我职业生涯中所有最有趣的事情，都与规模引发的涌现属性有关，或者是规模持续带来了远超大众预期的回报。"

这句话不只适用于模型训练，奥尔特曼把同样的逻辑延伸到了公司的运营上。

过去创业的逻辑是：有想法，招团队，做产品，推市场。团队规模就是产能上限，招不到人，事情就推不动。硅谷几十年的创业故事，讲的都是 " 如何组建一个足够强的团队 "。

但奥尔特曼说：现在这个逻辑变了，创业者可以用 Token 替代大量人力，用 AI Agent 完成过去需要大型工程团队才能完成的任务。

他的原话是：" 你能承担的项目规模、你的野心高度、你推进的速度，以及你能同时处理的任务数量，都已今非昔比。"

这不只是效率提升，效率提升是同样的事情做得更快，这是范式更替，原来没有足够的人员规模根本不可能启动的项目，现在一个小团队就能推动。

OpenAI 计划在今年 9 月调用相当于 50 万张 A100GPU 的算力，让 AI 充当研究实习生，并计划在 2028 年 3 月，拥有一位能端到端解决问题的 AI 研究员来探索全新架构。

既然前沿研究都可以由 AI 来执行，那单个创业公司的人力规模需求还会继续降低。

三、算一笔账

我们用数据说话。

三年前，用上 GPT-4 还是件奢侈事。

2023 年 3 月它刚开放 API 那会儿，生成 100 万个 Token（输出）要花 60 美元。能用得起的，基本都是法律分析、金融建模这种单次价值够高的场景，普通应用根本扛不住成本。

转折点是更便宜的小模型杀进来。

2024 年 7 月，OpenAI 推出 GPT-4o-mini，输出价直接干到 0.60 美元 / 百万 Token，比 GPT-4 整整便宜了 100 倍。" 用不起 " 一下子变成了 " 随便用 "。

到今天，价格已经卷到地板。

谷歌的 Gemini 2.5 Flash，输入价压到 0.30 美元 / 百万 Token；中国的 DeepSeek V4 Flash 更狠，输入 0.14、输出 0.28 美元 / 百万 Token，是目前还能打的前沿模型里最便宜的一档。

把时间拉到最长看，从 GPT-3 初代的 60 美元 / 百万 Token，到现在最便宜模型的 0.14 美元（按最便宜对最便宜的口径算），单位 Token 价格累计跌了大约 99.7%。

是的，你没看错，99.7%。

同样一个推理任务，三年前的成本放到今天，可能连百分之一都不到。一个创业者每月掏几百到几千美元的 API（应用程序接口）费用，就能换来过去得养一整个团队才能产出的工作量和决策量。

不过有个奇怪的现象。

Token 单价暴跌了 99.7%，企业的 AI 账单不降反升，而且涨得不少。

道理不复杂：Agent 工作流把消耗方式彻底改了。过去调一次 API，问一句，答一句，几千个 Token 就够了。现在一个任务下来，多轮推理、调工具、重试、翻上下文，单次烧掉的 Token 是过去的几十到几百倍。

Token 是变便宜了，可你用的量也跟着指数级往上窜。这就像电费降价后，你从只舍得开盏灯，变成空调、电脑、电动车一起开，电费当然会涨。

四、小团队，为什么能赢？

过去 20 年，创业的常识就俩字：规模。

用户多、团队大、融资多，你就赢面大。移动互联网时代把这条验证了无数遍：烧钱换增长，增长换份额，份额换定价权。

现在，这套逻辑彻底变了。

功能怎么定、产品怎么迭代、用户怎么交互，现在的 AI Native（原生）组织全压给一个极小的团队当场拍板，没有层层审批，没有跨部门扯皮。

过去是 " 人堆多了，新能力自己长出来 "，现在是 "Token 规模上去了，新能力自己长出来 "。

你不再需要凑一个几百人的团队来触发涌现，你需要的，是给你的 AI Agent 足够多的 Token 和足够大的发挥空间。

大公司的长处很明显：资源厚、人才密、品牌大。短处也一样明显：决策慢、协调贵、组织一身惯性。现在 AI 把执行成本压到接近于零，决策的质量和速度，就成了唯一还能拉开差距的地方，也打破了竞争壁垒。

50 人的精锐，天然就比 5000 人的层级组织强，这道理不用多说。

所以奥尔特曼才说 " 初创公司的范式已经被颠覆了 "。说得再准点，被颠覆的是 " 干大事就得有大团队 " 这个被默认了太久的假设。

五、给中国创业者的三条实操建议

第一条：你的团队，应该是除了人，还包括 AI Agent。

人迟早要招，但招人的标准变了。过去是 " 这事得有人干，所以我得招人 "，现在是 " 这事 AI 干不了、或者干不好 "，只有满足这一条，才值得搭人力进去。

人的价值，重新落到了客户关系、战略判断、行业洞察、创意方向这些 AI 短期还接不住的地方。

中国创业者现在就该练一种新本事：把业务流程拆成两堆，一堆 " 能甩给 AI 的任务 "，一堆 " 必须人来做的任务 "。前一堆交给 Token，后一堆才配人。

第二条：Token 支出是核心生产资料，不是工具订阅费。

很多创业者还把买 AI 工具、买 Token 的钱算进 " 工具订阅 " 或者 " 技术开支 " 里，跟买个 SaaS 软件差不多。

这就错了。

Token 支出，得放到跟制造业买原材料同等重要的位置上。

你得像管供应链那样管 Token 消耗：哪些任务用便宜的小模型就够了，哪些非得上顶级模型，哪些能靠缓存和提示词省下来，哪条 Agent 工作流的 Token 效率最高。

Token 管得好和管得差，成本能差出几十倍，对手里钱不宽裕的中国创业者来说，这个差距可能就决定了公司的生死。

所以，你要盯住每个 Agent、每类任务烧了多少 Token、产出值不值，定期做一次 "Token 审计 "，把那些 " 烧得多、产出低 " 的环节揪出来，要么换模型，要么改提示词，要么把工作流重新设计一遍。

第三条：速度和密度，比规模更值钱。

未来的组织会把庞大的团队，缩成更小、更灵活的 AI 驱动小队。

刻意把团队摁住，用 " 小团队＋AI Agent" 这套组合去验证方向。

结语

奥尔特曼在这次对话里打了一个很妙的比方：AI 正在变成一种新的公用事业，就像电、互联网和自来水。

最早的电力公司不卖电，卖的是 " 晚上的亮光 "。因为那会儿没人懂电是什么，更不知道自己为什么需要它。

后来大家才发现，同样这点电，除了照明，还能洗衣服、转工厂、撑起整个现代文明。可在最早那阵子，你得先给它找一个具体的、看得见摸得着的用处。

Token 就是这个新时代的电，Cursor 用它点亮了编程，四年后被 SpaceX 用 600 亿美元买走。Midjourney 用它点亮了图像创作；Bolt.new 用它点亮了应用开发。

这个世界上，AI 用得最密、最亮的地方，还是硅谷。

笔记侠 PPE 书院美国站 26 级「创新英雄・AI+ 出海专题」课程将于 2026 年 9 月 26 日正式启程。10 天时间里，我们还将带你走进美国硅谷与西雅图，深度参访谷歌、英伟达、微软等全球 AI 产业标杆，聆听斯坦福名师、行业实战派的一手分享。

欢迎了解课程详情，提交报名信息。

好文阅读推

李飞飞最新访谈：10 年后，只会剩下 2 类工作者

乔布斯：砍掉 99% 的事，留下的 1% 才能真正发光

分享、点赞、在看，3 连 3 连！