从层级到智能：AI 将如何重塑两千年的企业组织架构？

导读：

现代企业的“金字塔”式层级结构并非自然法则，而是两千年前古罗马军队为了解决“通信带宽不足”而发明的“信息路由协议”。当 AI 拥有了同时处理海量信息和跨部门协调的能力时，我们还需要人类中层管理者充当“人肉路由器”吗？

本文由 Twitter 联合创始人、现任 Block CEO 杰克·多西（Jack Dorsey）与红杉资本合伙人鲁洛夫·博塔（Roelof Botha）共同撰写。文章详细回顾了人类组织架构的演变史，并宣告了一个激进的未来：企业将从“管理人类”转向“设计智能”。

从层级到智能

2026年3月31日发布

在红杉资本，我们看到速度是初创企业成功与否的最佳预测指标。大多数公司专注于将 AI 作为一种生产力增强工具。很少有公司关注 AI 改变我们协同工作方式的潜力。Block 正在展示从根本上重新思考组织设计是什么样子的，最终利用 AI 来提高速度，将其作为一种呈复利增长的竞争优势。

在第一张企业组织架构图诞生之前的两千年，罗马军队就解决了一个至今仍困扰着每个大型组织的问题：你如何在有限的通信条件下，跨越广阔的地域协调成千上万的人？

他们的答案是一个嵌套的层级结构，并在每一层保持一致的控制跨度。最小的单位是“同帐班”（contubernium），由八名共享帐篷、装备和一头骡子的士兵组成，由一名十夫长（decanus）领导。十个“同帐班”组成一个由百夫长指挥的八十人“百人队”（century）。六个“百人队”组成一个“大队”（cohort）。十个“大队”组成一个大约 5000 人的“军团”（legion）。在每一层，一位被任命的指挥官拥有明确的权力，汇总来自下方的信息，并传达来自上方的决策。这种结构（8 → 80 → 480 → 5,000）是一种围绕一个简单的人类限制构建的信息路由协议：一个领导者通常只能有效管理 3 到 8 个人。罗马人通过几个世纪的战争发现了这一点。甚至在今天，美国军队的层级指挥链也遵循着类似的模式。我们现在称之为“控制跨度”（span of control），它仍然是地球上每一个大型组织的统治性约束条件。

下一次巨大的变革来自普鲁士。1806 年，拿破仑的军队在耶拿战役中摧毁了普鲁士军队之后，由沙恩霍斯特（Scharnhorst）和格奈森瑙（Gneisenau）领导的一群改革者围绕一个令人不安的真相重建了军队：你不能指望最高层个人的天才。你需要一个系统。他们创建了总参谋部，这是一个由受过专门训练的军官组成的专属阶层，他们的工作不是战斗，而是制定作战计划、处理信息以及跨部队进行协调。沙恩霍斯特设立这些参谋军官的意图是“支持不称职的将军，提供领导者和指挥官可能缺乏的才能”。这就是“中层管理”——在这个词汇出现之前。这些专业人员的目的就是在复杂的组织中路由信息、预先计算决策并保持一致性。军队还正式确立了“直线（line）”与“参谋（staff）”职能的区分。直线推进核心任务。参谋提供专业支持。今天，每一家公司仍在使用这套词汇。

在 19 世纪 40 年代和 50 年代，军事层级制度通过美国铁路进入了商业世界。美国陆军将西点军校培养的工程师借调给私营铁路公司，这些军官将军事组织思维带了过来。参谋与直线的层级结构、事业部结构、官僚化的汇报与控制系统：所有这些都是在铁路公司采用之前，就在军队中发展起来的。在 19 世纪 50 年代中期，纽约和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架构图，以管理一个绵延 500 多英里、拥有数千名工人的系统。适用于小型铁路的非正式管理风格正在失效。火车相撞正在夺走人命。麦卡勒姆的图表将罗马人使用过的相同层级逻辑正式确立下来：权力的层级、明确的汇报路线、结构化的信息流。它成为了现代公司的蓝图。

弗雷德里克·泰勒（Frederick Taylor，1856-1915），通常被称为“科学管理之父”，对这一层级内部发生的事情进行了优化。泰勒将工作分解为专门的任务，分配给受过训练的专家，并通过测量而不是直觉来进行管理。这产生了职能型金字塔组织——一种在军队开创、铁路公司商业化的信息路由系统内将效率最大化的结构。

职能型层级结构的第一次真正压力测试出现在第二次世界大战期间。曼哈顿计划要求物理学家、化学家、工程师、冶金学家和军官在极度保密和时间紧迫的情况下，跨越学科界限朝着一个单一目标努力。罗伯特·奥本海默（Robert Oppenheimer）将洛斯阿拉莫斯组织成职能部门，但他坚持在各部门之间进行开放式协作，抵制了军方划分隔间的本能。1944 年，当内爆问题变得至关紧要时，他围绕该问题重组了实验室，创建了当时美国企业界前所未有的跨职能团队。它奏效了，但这只是一个由杰出人物领导的战时特例。战后商业世界面临的问题是，这种跨职能的协调能否成为常态。

随着二战后公司的发展和全球化，职能设计的规模局限性变得十分尖锐。1959 年，麦肯锡的吉尔伯特·克莱（Gilbert Clee）和阿尔弗雷德·迪·斯皮奥（Alfred di Scipio）在《哈佛商业评论》上发表了《创建世界企业》，为一种将职能专长与事业部单元相结合的矩阵式组织提供了理论框架。在马文·鲍尔（Marvin Bower）的领导下，麦肯锡帮助像壳牌（Shell）和通用电气（GE）这样的公司实施了这些原则，在中央标准与地方敏捷性之间取得平衡。这成为了推动战后全球经济发展的“专业”或“现代”公司。

随着时间的推移，出现了其他框架来解决矩阵结构的复杂性、僵化性和官僚主义。由汤姆·彼得斯（Tom Peters）和罗伯特·沃特曼（Robert Waterman）在 20 世纪 70 年代末开发的麦肯锡 7-S 框架，区分了“硬 S”（战略、结构、系统）和“软 S”（共同价值观、技能、人员、风格）。其核心理念是，单靠结构元素是不够的。组织的有效性需要跨文化特征以及决定战略是否真正成功的人为因素保持一致。

在最近的几十年里，科技公司对组织结构进行了激进的实验。Spotify 普及了采用短冲刺周期的跨职能小队（squads）。Zappos 尝试了合弄制（Holacracy），完全取消了管理头衔。Valve 以扁平的结构运作，没有正式的层级。这些实验中的每一个都揭示了传统层级制度的一些局限性，但都没有解决根本问题。Spotify 在规模扩大时又退回到了传统的管理模式。Zappos 经历了大量的人员流失。Valve 的模式被证明很难在几百人以上的规模中扩展。当组织成长到数千人时，它们又会退回到层级协调，因为没有任何替代的信息路由机制足够强大，足以取代它。

这种制约因素与罗马人面临的以及海军陆战队在二战中重新发现的制约因素是相同的：缩小控制跨度意味着增加指挥层级，但更多的层级意味着更慢的信息流动。两千年的组织创新，一直是一场试图在不打破这种权衡的情况下绕过它的尝试。

那么，现在有什么不同？

在 Block，我们正在质疑这个潜在的假设：组织必须以人类作为协调机制进行层级化组织。相反，我们打算取代层级制度所做的事情。今天大多数使用 AI 的公司都在给每个人配备一个副驾驶（copilot），这让现有的结构稍微好用了一些，但并没有改变它。我们追求的是不同的东西：一家被构建为智能体（或微型 AGI）的公司。

我们并不是第一个试图超越传统层级制度的人。海尔的人单合一模式、平台型组织、“数据驱动”管理：这些都是针对同一个问题的真实尝试。他们缺乏的是一种真正能够执行“层级制度赖以存在的协调功能”的技术。AI 就是那种技术。有史以来第一次，一个系统可以维持一个关于整个业务的持续更新的模型，并利用它来协调工作，而这些工作以前需要人类通过管理层级来传递信息。

要做到这一点，一家公司需要两样东西：一种关于其自身运营的“世界模型”，以及一个足够丰富以使该模型发挥作用的客户信号。

Block 是远程优先的。我们所做的一切都会创造出工件。决策、讨论、代码、设计、计划、问题和进度都作为被记录的行动而存在。这是构建公司世界模型的原材料。在传统公司中，经理的工作是了解整个团队正在发生什么，并在上下级之间传递这些背景信息。在一家工作已经机器可读的远程优先公司里，AI 可以持续地构建并维持这幅图景。正在构建什么，什么被阻挡了，资源分配在哪里，什么在起作用，什么不起作用。这就是层级制度过去承载的信息。现在，公司世界模型取而代之承载了它。

但系统的能力仅仅取决于输入它的客户信号的质量。而金钱是世界上最诚实的信号。

人们在问卷调查中撒谎。他们无视广告。他们放弃购物车。但当他们消费、储蓄、发送、借贷或偿还时，那就是真相。每一笔交易都是关于某人生活的一个事实。Block 每天都能看到数百万笔此类交易的双方，买方通过 Cash App，卖方通过 Square，再加上运行商户业务的运营数据。这赋予了客户世界模型一种罕见的东西：一种建立在诚实信号之上、并且不断复合的、对每一个客户、每一个商户财务现实的理解。信号越丰富，模型就越好。模型越好，交易就越多。交易越多，信号就越丰富。

公司世界模型和客户世界模型共同构成了一家不同类型公司的基础。你不再需要产品团队去制定预先确定的路线图，而是要构建四样东西。

第一，能力（Capabilities）。 原子的金融原语：支付、借贷、发卡、银行业务、先买后付、发薪等。这些不是产品。它们是难以获取和维护的构建模块（其中一些具有网络效应和监管许可）。它们没有自己的用户界面。它们有可靠性、合规性和性能目标。

第二，世界模型（A world model）。 它有两面。公司世界模型是公司如何理解自身及其自身的运营、绩效和优先级，它取代了过去流经管理层级的信息。客户世界模型是由专有交易数据构建的每个客户、每个商户、每个市场的表征。今天它始于原始的交易数据，随着时间的推移，它将演变为完全的因果和预测模型。

第三，智能层（An intelligence layer）。 这就是将能力组合成针对特定时刻特定客户的解决方案，并主动交付给他们的东西。一家餐厅的现金流在模型以前见过的一个季节性低谷之前正在收紧。智能层从借贷能力中组合出一笔短期贷款，使用支付能力调整还款计划，并在商户甚至还没想到要寻找融资之前就将其呈现给商户。一个 Cash App 用户的消费模式发生了转变，模型将其与搬到新城市联系起来。智能层组合了一个新的直接存款设置，一张在他们新社区具有消费返现（boosted categories）的 Cash App Card，以及一个根据他们更新后的收入校准的储蓄目标。没有哪个产品经理决定去构建这两种解决方案。能力是现成的。智能层识别出了这个时刻并将它们组合起来。

第四，界面（Interfaces，硬件和软件）。 Square、Cash App、Afterpay、TIDAL、bitkey、proto。这些是交付表面，智能层通过它们交付组合好的解决方案。它们很重要，但它们并不是价值创造的地方。价值在于模型和智能。

当智能层试图组合一个解决方案却因为能力不存在而失败时，那个失败信号就是未来的路线图。在传统的路线图中，产品经理假设接下来该构建什么，这是任何公司的最终限制因素。在这个模型中，客户的现实直接生成了待办事项积压。

如果这就是公司要构建的东西，那么问题就变成了：人做什么？

组织结构由此产生，它颠倒了传统的图景。在传统公司中，智能分散在人群中，层级制度对其进行路由。在这个模型中，智能存在于系统之中。人处于边缘（the edge）。边缘就是行动发生的地方。

边缘是智能与现实接触的地方。人们触及模型尚无法到达的地方。他们感知模型无法感知的事物：直觉、有主见的指导、文化背景、信任动态、房间里的氛围。他们做出模型不应该自行做出的判断，尤其是伦理决策、新奇情况以及犯错成本事关生死存亡的高风险时刻。一个无法触及世界的“世界模型”只是一个数据库。但是，边缘不需要管理层级来协调它。世界模型赋予了处于边缘的每一个人采取行动所需的背景信息，而无需等待信息在指挥链中上下传递。

在实践中，这意味着我们标准化为三种角色。

独立贡献者（ICs） ，他们构建和运营能力、模型、智能层和界面。他们是系统特定层级的深度专家和内行。世界模型提供了经理过去常常提供的背景信息，因此 IC 可以就他们的层级做出决策，而无需等待别人告诉他们该怎么做。

直接负责人（DRI） ，他们拥有特定的跨领域问题或机会以及客户成果。一个 DRI 可能会在 90 天内拥有某个特定细分市场中商户流失的问题，并拥有根据需要从世界模型团队、借贷能力团队和界面团队中调取资源的完全权力。DRI 可能会在某些问题上持续存在，或者转移到其他地方去解决新问题。

球员兼教练（Player-coaches） ，他们将构建（building）与培养人（developing people）结合起来。他们取代了主要工作是信息路由的传统经理。一个球员兼教练仍然编写代码、构建模型或设计界面。他们也投资于周围人的成长。他们不会把日子花在状态会议、对齐会议和优先级谈判上。世界模型处理对齐。DRI 结构处理战略和优先级。球员兼教练处理手艺和人。

这里不需要永久的中层管理层级。旧层级制度所做的其他一切，系统都在协调，每个人都被赋能，拥有一个更接近工作和客户的角色。

Block 正处于这种转型的早期阶段。这将是一个艰难的过程，其中一些部分可能在起作用之前就会崩溃。我们现在写这篇文章，是因为我们相信每家公司最终都需要面对我们曾经面对的同一个问题：你的公司理解什么真正难以理解的东西，并且这种理解是否每天都在变得更深？

如果答案是什么都没有，那么 AI 只不过是一个成本优化故事。你削减了员工编制，在几个季度内提高了利润率，最终被更聪明的东西吸收。如果答案是深刻的，AI 并不是增强了你的公司。它揭示了你的公司实际上是什么。

Block 的答案是经济图谱（economic graph）：数以百万计的商户和消费者，每一笔交易的双方，实时观察到的财务行为。只要系统在运行，这种理解每一秒都在复合增长。我们相信这背后的模式——一家被组织成智能体而非层级制度的公司——意义重大，它将在未来几年重塑各种公司的运营方式。Block 走得足够远，足以证明这个想法不仅仅是理论（尽管，我们欢迎辩论和反馈，以压力测试和改进我们的想法）。

公司的发展快慢取决于信息流。层级制度和中层管理阻碍了信息流。两千年来，从罗马的同帐班到今天的全球企业，我们一直没有真正的替代方案。八个共用一个帐篷的士兵需要一个十夫长。八十个人需要一个百夫长。五千人需要一个军团长。问题从来不是你是否需要这些层级。问题是，人类是否是执行这些层级功能的唯一选择。他们不再是了。Block 正在构建接下来会发生的事情。

原文链接： https://block.xyz/inside/from-hierarchy-to-intelligence