探路“一人公司”｜對話無派科技創始人孫宏量：AI集群如何把“一個人”擴展為一家可運轉的公司？

中經記者 陳靖斌 深圳報道

在大模型能力持續外溢、AI Agent逐步具備“任務執行能力”的2026年，一種以“少量人+AI系統”為基本單元的創業組織形態，正從邊緣實驗走向現實應用。不同于此前“云端工具+人工協作”的范式，這一新形態開始嘗試將AI嵌入研發、運營乃至組織結構本身，重構企業運行邏輯。

“OPC不是一個人硬撐一家公司，而是少量人帶著一組AI員工，把一家真實公司持續運轉起來。”無派科技創始人孫宏量在接受采訪時直言。與常見的“AI提效”敘事不同，這一判斷指向的是更底層的變化：AI正在從輔助工具轉向執行主體，并逐步進入企業核心生產流程。

圖/無派科技創始人孫宏量

這種變化也帶來一個尚未被充分回答的問題——當AI可以承擔跨崗位、跨鏈路的完整任務閉環時，傳統以“崗位分工”為基礎的組織結構，是否仍然是企業運行的最優解？而所謂“一人公司”，究竟是效率工具的升級，還是組織范式的重構？

從“一個人全包”，到“AI接管整條生產線”

從“一個人做多工種”，到“AI承擔完整鏈路任務”，無派科技的演進路徑呈現出一條清晰的技術——組織協同演化軌跡。

“早期做iBeta嘗鮮派、Pasty水印相機時，本質上還是一個人做很多工種，只是通過腳本和自動化把效率提高了一些。”孫宏量向記者回溯稱。這一階段，自動化更多停留在“工具層”，尚未觸及組織結構本身。

轉折發生在大模型與智能體能力跨越式提升之后。

“我意識到，AI不只是回答問題，而是已經可以寫代碼、補測試、整理需求、生成運營內容，甚至參與開發它自己所在的系統。”孫宏量表示。在這一判斷下，其團隊開始將零散能力沉淀為名為SunCodexClaw的AI集群系統，并逐步引入角色分工、上下文記憶與執行鏈路。

這一過程并非一次性完成，而是經歷了多輪關鍵迭代。

“第一步是把需求、開發、測試、部署、運營這些原本割裂的流程打通；第二步是讓AI從‘給建議’變成‘直接執行任務’；第三步是明確人機邊界。”孫宏量介紹稱。在這一階段，人主要負責方向、架構與驗收，AI則承擔可流程化、可并行的執行工作。

在具體業務層面，這種重構已經嵌入多個項目。

以“老孫的店”及自營電商為例，AI集群覆蓋了從需求拆解、接口與后臺代碼生成，到商品文案、海報設計、數據整理、日報生成，再到部署發布與線上問題排查的完整鏈路。“過去需要產品、前后端、設計、運營、運維多人接力，現在很多鏈路可以由少量人配合AI完成閉環。”孫宏量表示。

在Todoo應用及“土豆子”硬件相關業務中，AI的參與范圍進一步延展至嵌入式開發與跨端協同。“AI會參與模塊開發、測試補全、日志分析、部署腳本、OTA流程整理，以及微博、公眾號等內容工作。”他補充稱。

更值得注意的是，AI系統本身也處于持續“自演化”狀態。

“SunCodexClaw很多能力，是在服務這些項目的過程中，由AI參與開發并不斷迭代出來的，相當于一邊支持業務，一邊完善自己。”孫宏量向記者表示。這種“生產系統反向優化自身”的機制，使得AI不再是靜態工具，而成為組織能力的一部分。

在運行效果層面，變化首先體現在節奏與組織結構上。

“很多以前按周推進的需求，現在可以做到當天拆解、開發、測試和上線。”孫宏量指出。同時，原本依賴跨崗位溝通的流程，也逐步在同一系統內閉環完成。

但在這一階段，約束亦同步顯現。

“AI的上下文穩定性、結果一致性，以及復雜任務下的誤判，還有跨項目協同時的邊界控制，都還需要人來設計和兜底。”孫宏量坦言。

從“AI跑全流程”，到“公司必須可控”

如果說AI集群帶來的變化首先體現在執行層效率，那么其真正的約束，則來自“企業作為組織體”的運行邏輯。

“OPC最難的地方，不是讓AI產出內容，而是讓它在真實公司里可靠運行。”孫宏量向記者強調。在其看來，公司并非技術演示環境，而是包含數據安全、權限控制、線上發布、售后響應與品牌風險等多重約束的復雜系統。

這一差異直接決定了人機分工的邊界必須被嚴格定義。

“必須非常清楚：哪些事情可以讓AI直接執行，哪些必須人工確認，哪些數據必須隔離，哪些決策必須由人拍板。”孫宏量表示。如果缺乏這一邊界設計，雖然效率提升，但組織將變得不可控。

在具體實踐中，其團隊將問題轉化為工程化流程。

“我們會把公開信息、內部信息和敏感信息區分開，不讓所有任務在同一權限層運行。”孫宏量介紹稱。在開發與上線環節，AI可以參與代碼生成、問題排查與流程執行，但關鍵發布與最終驗收仍由人完成。

這一機制實質上確立了“責任主體不外包”的原則——AI可以深度參與執行，但不承擔最終決策責任。

從結構性角度看，這種模式的成立依賴于三類條件的同時具備。

其一，是AI能力從“點狀輔助”走向“鏈路執行”，使得完整業務流程可以被拆解并部分自動化。

其二，是組織規模約束與成本壓力的持續強化。在傳統模式下，跨崗位協作意味著溝通成本與管理復雜度同步上升，而AI集群在一定程度上替代了這一中間層。

其三，是業務形態本身具備高頻迭代與跨端協同特征。孫宏量指出，在Apple生態工具與AI硬件等賽道中，“需要快速試錯、跨端協同、持續迭代”，這為OPC模式提供了適配場景。

但與此同時，制度與環境約束仍在形成過程中。

“最大的挑戰，是合規、知識產權、數據安全和平臺規則還在快速變化。”孫宏量表示。在這一背景下，小團隊在經驗與資源上的不足，成為其擴張過程中的現實掣肘。

對于政策環境，其提出三點期待：一是明確OPC及“超級個體”的政策定義與服務接口；二是在算力、云資源與模型調用上降低試錯成本；三是在知識產權保護、融資通道與創新產品準入上提供更具可操作性的支持。

回到創業方法論層面，其總結亦指向“流程優先”的邏輯。

“不要把OPC理解成一個人做所有事，而是少量核心成員借助AI，把能力邊界放大很多倍。”孫宏量向記者表示。在其經驗中，過度依賴單次生成結果、權限邊界不清以及任務拆解不夠細，是最主要的“踩坑”來源。

“最重要的不是追最新工具，而是先把真實業務流程梳理清楚，再判斷哪些環節適合交給AI。”他補充稱。

在這一邏輯下，OPC并非簡單的“減人增效”，而更接近于一次圍繞“執行權重新分配”的組織實驗——當AI可以承擔越來越多的流程節點時，企業的核心不再是崗位數量，而是對流程、邊界與責任的定義能力。

（編輯：趙毅 審核：童海華 校對：顏京寧）