AI 时代的公司不会缩到 10 人，它会涨到 5000 人

AI 时代的公司不会缩到 10 人，它会涨到 5000 人

一手来源：Glean CEO Arvind Jain × 20VC 主持人 Harry Stebbings 对话（2026-07-13） 编译：AI 科技大本营，2026-07-13

<!-- 配图：应用层壁垒架构图 -->

72 亿美元估值的 AI 独角兽 Glean，CEO 在最新一期 20VC 播客上抛出一串反常识判断：OpenAI 和 Anthropic 用通用大模型吞应用层注定失败；90% 企业用例可以跑在开源模型上；AI 时代公司不会缩到 10 人，反而会做大 10 倍。

每一条都和当下流行的叙事相反。主持人在听到"一个排障 Agent 单月烧掉 100 万美元"时脱口而出："你是在请 C 罗吗？"

这期对话，是 2026 年中关于 AI 应用层最清醒的一杯冷水。

一、先看那笔账：100 万美元烧在一个排障 Agent 上

Glean 内部有一个 15 人的 on-call 团队，负责给每一条线上生产事故做分诊——系统告警、异常堆栈、客户投诉。Arvind 团队做了一个 AI Agent 顶上，自动化率到了 95%。

听起来是教科书级的"AI 替代人"。

成本账单是这样的：这个 Agent 一个月烧掉 100 万美元的算力费。

主持人直接打断："你是在请 C 罗吗？" Arvind 回："用于类似这样的成本，确实非常贵。"

这就是当下企业 AI 落地的真实面貌：自动化率上去了，单位经济模型没上去。原因不复杂——AI Agent 在企业里干活，等于让模型用"暴力检索"的方式，自己去拼凑完成任务所需的原材料。绝大多数 Token 不是花在"解决问题"上，而是花在"找齐解决问题所需的素材"上。

<!-- 配图：100 万美元 Token 账单结构图 -->

Glean 给客户提供的核心价值之一，就是成本控制：哪个任务用哪个模型、用闭源还是开源、什么时候切到轻量模型——这些选择决定了同样一个工作流，是花 5 万美元还是花 50 万美元。

如果你只看到"AI 写代码"和"AI 客服"，就以为 AI 已经便宜了，那你看到的是演示，不是生产账单。

二、OpenAI/Anthropic 吃不下应用层，套件都太浅

Arvind 对巨头跨界做垂直套件（法律、医疗、金融）的判断很直接："都太浅了。"

他的论据有三层：

第一层，通用大模型无法触及专业壁垒。没有设计师会因为 Claude 有某些设计功能就放弃 Figma。这些垂直尝试目前只能吸引非专业用户，对核心业务渗透率有限。

第二层，企业 AI 的壁垒在深层上下文和权限管理。直接用大模型暴力去匹配企业数据，模型会浪费海量 Token 在无意义的信息搬运上。Arvind 举了一个反问："Claude 也能通过 MCP 连上企业系统，那到底有什么不同？Glean 能做到而 Claude 做不到的是什么？"——这是 Glean 必须每天回答客户的问题。

第三层，Anthropic 自己已经不是模型公司，而是应用层公司。在 Anthropic 上搭建自动化、写 skills、给内部系统接 MCP server，一个生态系统已经形成。所以 Dario Amodei 那个"一万亿美元收入"的承诺，要兑现就必须靠应用层，而不是 API。

<!-- 配图：Mermaid 树状图——模型层 vs 应用层壁垒 -->

Arvind 的冷酷判断：单靠模型业务本身——把开源放一边——实验室之间本来就有激烈竞争，价格一定承压；再加上开源又便宜一个数量级。单卖模型，根本撑不起巨头承诺的营收神话。如果他们在相邻领域做的都只是浅层套件，也不可能做到一万亿。

主持人问："你是不是把前沿模型这个市场彻底定价错了？"

"这是一个很不一样的时代。"

<!-- 配图：Mermaid 流程图——模型层商品化路径 --> <!-- 配图：Mermaid 流程图——AI 时代的团队规模博弈 --> <!-- 配图：Mermaid 思维导图——AI 应用层判断框架 -->