前言：AI 把执行成本打到地板价之后，"组队"的逻辑被彻底重写了。本文用两个真实案例（DeepSeek、Cursor/Anysphere）拆解 AI 时代创业团队的搭建方法论，全文约 1500 字，看完能直接抄作业。

---

一、先抛问题：AI 都这么能打了，还需要"组队"吗？

先看一个开发者都熟悉的场景：

以前上线一个小工具，你需要：前端 1 人、后端 1 人、UI 1 人、运营 1 人，外加一个开会扯皮的 PM。

现在的版本是：你 + 一排 AI 窗口。一个帮你写代码，一个跑单测，一个生成接口文档，一个做用户访谈的文本分析。你的角色从"写实现"变成了"review + 决策"。

单人产能放大了 5-10 倍。于是很多人得出结论：不需要团队了，超级个体万岁。

但真实数据给出了相反的答案——最强的一批 AI 时代公司，恰恰是团队打出来的，只是组队方式完全变了。

下面拆两个案例：一家本土大模型公司，一家硅谷 AI-native 公司。

---

二、案例一：DeepSeek——"热爱驱动"的组织架构

DeepSeek 刷屏的时候，大多数人盯着模型看，工程师应该多看一眼它的组织设计：

传统大厂团队	DeepSeek 团队
大厂 P 序列履历优先	大量顶尖高校应届博士生，不少没有大厂经历
KPI / OKR 层层分解	研究员自选方向，无严格 KPI
算力按部门预算切分	算力按需调配，支持自由探索
招人看简历	招人看两样：基础能力 + 热爱（梁文锋公开访谈原话逻辑）

用工程视角翻译一下这套设计：

AI 时代的研发是"探索型任务"——搜索空间巨大、无已知最优解、反馈周期长。 这类任务上，命令式调度（KPI 驱动）的收敛效率极低，而兴趣驱动（热爱驱动）的自组织搜索，才可能在没有地图的区域找到新路径。

一句话总结：DeepSeek 买的不是工时，是峰值状态。 招热爱这事儿的人，然后给他们弹药和自由。

---

三、案例二：Cursor——20 人团队如何跑出 1 亿美元 ARR？

再看一个极端样本。AI 编程工具 Cursor 的母公司 Anysphere，创始人是几个 MIT 本科生。2024 年底 ARR 破 1 亿美元时，全公司约 20 人。

传统 SaaS 做到这个数，团队规模一般是 100+。他们的做法本质上是一次组织架构的重构：

传统团队:  人 → 人 → 人 → 产出        （层级传递，沟通成本 O(n²)）
AI-native: 人(决策) × AI(执行) → 产出  （杠杆放大，沟通成本 O(1)）

三个关键实践：

1. 全员 Dogfooding：工程师用自家产品写代码，单人产出 ≈ 传统 3 人；
2. AI 介入招聘流水线：简历初筛、编码测试交给 AI，人只做终面与判断；
3. 无冗余层级：信息在 AI 辅助的工作流中流转，没有"人肉传话"节点的存在必要。

这里有个反直觉结论：团队越小，对单人的要求越高。

AI 把执行成本打到地板上之后，人的价值收敛到 AI 干不了的部分：需求判断（做什么）、品味取舍（怎么做才对味）、风险识别（哪里会炸）。

所以 AI 时代的人才公式是：

产出 = 判断力 × AI杠杆   # 而不是 产出 = 工时 × 单价

---

四、方法论提炼：AI 时代搭团队的三要素

把两个案例的共性抽象出来，就是三个核心要素。

1. 人才画像：从"筛简历"到"筛热爱 + 学习斜率"

• 硬技能保质期变短（工具半年一换代），学习速度 > 现有技能栈；
• 理想技能组合：领域深度 × AI 工具熟练度 × 协作能力，三者相乘而非相加；
• 招聘信号：问"没人要求你时自学过什么"，比问"精通 XX 框架"诚实十倍。

2. 人机协作：重构工作流，而不是平移工具

• 给每人发个 Copilot 是加法；像 Cursor 那样把招聘、开发、测试全流程 AI 化是乘法；
• 划分原则：执行类环节（编码、文档、初筛）交给 AI，人留在决策环（方向、取舍、担责）；
• 落地第一步：把日常任务列表标注"AI 可做 / 必须人做"，先迁移前者。

3. 文化与激励：使命 > 管控，所有权 > 现金

• 探索型工作无法被 KPI 盯出来，正确姿势是：给方向、给资源、给信任；
• 年轻人要看到两样东西：这事儿有意思（使命）+ 这事儿有我一份（股权/所有权）；
• 小团队靠"浓文化"降低管理成本：目标透明、信息透明、失败也透明。

---

五、行动清单（本周可执行）

1. 写下未来 6 个月最想做的产品，列出所需的 3 种能力——先看 AI 能补几种，剩下的再招人；
2. 把个人任务清单做一次"AI 可做 / 必须人做"标注，本周完成第一轮迁移；
3. 面试候选人时问三个问题：最近为什么事熬夜过？没人要求时自学过什么？这事失败了怕不怕？
4. 团队再小，股权/分成规则也要落到纸面——感情管上半场，机制管下半场。

---

总结

• AI 接管执行后，团队的价值不降反升：探索型创新仍然只能由"被同一件事点燃的人"完成；
• DeepSeek 验证了"热爱驱动的自组织"在不确定搜索中的效率；
• Cursor 验证了"人 × AI 杠杆"的小团队可以打出百人级产出；
• 对个人开发者的启示：先把自己改造成"判断力 × AI 杠杆"的结构，再去找同类组队。

最后留个问题：如果明天就组队，你会怎么设计你们团队的技术栈和组织结构？欢迎评论区讨论。

---

参考来源：梁文锋公开访谈（《暗涌》）、Anysphere/Cursor 公开报道（ARR 与团队规模数据为 公开口径），引用时请核对最新数据。