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。"

三、90% 业务用开源就能平替，模型层正在彻底商品化

这是对话中最反常识、最具杀伤力的一段。

Arvind 的原话："现在，90% 甚至更多的用例，已经可以由很多很多不同的模型完整处理了，其中也包括开源模型。所以从这个角度看，模型层的商品化毫无疑问正在发生。"

他以自己公司为例：GLM 5.2 是第一次让 Glean 团队觉得可以放心地把大多数工作负载跑在这个模型上。"GLM 5.2 让我们自己的团队都觉得，现在我们可以放心地把大多数工作负载跑在这个模型上。"

他推论："三年之内，企业的大多数工作负载肯定都会跑在开源模型上。"

主持人在 OpenRouter 上看到的流量分布更扎心：前 6 全是中国模型，Anthropic 是第一个排进前列的美国模型，但只是第 7。

<!-- 配图：Mermaid 流程图——模型层商品化路径 -->

为什么企业转向开源？驱动力已经不是数据隐私，而是成本。

Arvind 解释：AI 刚出现时，企业担心数据被拿去训练模型，所以要求本地化、私有化。但这种恐惧现在已经弱了，只要合同签得合适，大家相信模型公司不会胡来。真正把企业推向开源的，是越来越贵的推理账单。

"你会听到这样的故事：一家公司刚给 AI 定了年度预算，结果一个月或者两个月就花超了。"

这意味着企业客户对前沿大模型的支付意愿正在见顶。Anthropic 嘴上说要做一万亿美元营收，但账单摆在那里——你的客户正在用脚投票，奔向开源。

Arvind 提到一个传闻：OpenAI 正打算因为这些新变化——竞争和开源——而大幅下调模型价格。

如果这是真的，OpenAI 自己也在承认模型层已经被定价错了。

四、AI 时代公司不会缩到 10 人，它会做大 10 倍

这是整期对话里最反直觉的一段。

当下流行的叙事是：AI 让一切自动化，公司可以裁到 10 人以下，工程师效率提升 10 倍。

Arvind 的判断正相反。他拿两家正面对打的公司举例——可口可乐和百事，或者任何两家竞争对手——都能用同样的 AI 工具。一家决定缩编省钱，另一家保持团队规模、用 AI 去做 10 倍好的产品。结果是什么？

选择裁员的注定输，保持规模并叠加 AI 的注定赢。

他的具体计划：Glean 现在 1000 多人，5 年内要扩到 5000 人。理由很直接——AI 让"做出好十倍的产品"成为可能，但做出好十倍的产品仍然需要人。

<!-- 配图：Mermaid 流程图——AI 时代的团队规模博弈 -->

主持人不服气："更多人不意味着更好的产品。"

Arvind 的反驳有两条。第一条：这不是一个 AI 论点，这个论点一直成立。疫情之后很多公司裁 15%、20%，CEO 都出来说快了 20%。但人也是你的资产，你得能把他们正确部署到正确的项目上。看看那些模型公司——OpenAI、Anthropic——他们为什么还在这么激进地招人？

第二条：AI 加剧了这个效应。在 AI 工具对等的情况下，谁能更激进地把团队规模和 AI 杠杆叠加起来，谁就赢。不是 10 人，是 10 倍规模。

Arvind 用的词很冷："我会说我完全不相信那一套。"

被问到"你想对那些晚上睡不着、担心前沿模型公司杀进自己赛道的创始人说什么"，他的回答更直接：

"完全不要担心这个。作为创始人，你该做的是解决问题，而不是担心问题。你当然要始终预判他们下一步会做什么，也要看清他们当前的能力边界。但对于几乎所有不做前沿模型训练的 AI 公司来说，他们都应该把模型公司视为巨大的资产，而不是竞争对手。"

这段话翻译过来：模型层是基础设施，应用层才是你的生意。焦虑巨头跨界，是把注意力放错了地方。

五、90% 的初始代码是 AI 写的，但 review 代码成了新瓶颈

Arvind 提到 Glean 内部几乎 100% 的初始代码都是 AI 写的。但同时他们强制要求人工 review，不能直接 commit 进仓库。

"AI 现在能写太多代码，真正的瓶颈已经从'写代码的人'转移到'review 代码的人'上了。"

这意味着什么？意味着写代码的速度确实显著提升了，但产品 ship 出去的速度并没有相应变快，因为写代码只是整个产品交付流程中的一小部分。Glean 的内部结论是：AI 的 ROI 本质上是个吞吐量问题。

主持人的追问一针见血："如果你仍然要保留严格的代码审查流程，那几乎就把'更快的代码开发流程'这件事的意义给削弱了。"

Arvind 没有反驳："确实如此。但这说明我们还处在一个学习阶段。"

更刺痛的还在下面。Arvind 提到企业里存在一个幂律分布——有些人每个月花 1.5 万美元的 token，而另一些人每个月只花 20 美元。真正的高级用例，渗透率大体只有员工总数的 5%。

如果 AI 的渗透率只有 5%，那所谓"AI 替代 50% 岗位"的预测，就有相当一部分还停留在演示阶段。

六、那么，今天的创业者应该怎么做？

把整期对话压成三条可执行的判断：

1. 不要把模型公司当对手，要把它们当资产。 模型层正在 90% 商品化，OpenAI/Anthropic 是你产品的下游供应商，不是你的天花板。你的护城河在应用层——深层上下文、权限管理、工作流嵌入。这恰恰是 Arvind 说"巨头做不深"的位置。

2. 围绕 AI 做投入，而不是用 AI 替代自己。 Arvind 给 CEO 们的直接建议是："把'用 AI 替代自己'当目标，本身就是错的。你这么说，就好像它已经准备好了，但事实是它现在还远远没到那个程度。" 企业要做的是给 AI 提供正确的上下文，让它以更低的成本、更快地完成工作。

3. 选错路径的公司，正在用自己的预算为 OpenAI 烧出壁垒。 Glean 一个月 100 万美元的账单不是孤例。如果你的产品体验依赖于"暴力检索 + 通用大模型"，账单迟早会反向定义你的商业模式——客户会从用不起的那一天起，开始大规模转向开源。

七、写在最后

整期对话里最让人记住的一句话，主持人问 Arvind 怎么看待自己 CEO 这份工作时，他说：

"这根本不是一份性感的工作。它其实是最有压力的事情之一，你真的得有点疯，才能一直干下去。"

AI 时代不缺泡沫，缺的是这种把账单摊在桌上、敢说自己错了、敢反向判断的人。

Arvind 不看好模型公司的一万亿，但他的判断比任何一家模型公司的 PR 都更值得读——因为他既不是 OpenAI 的粉丝，也不是 Anthropic 的对手，他是给企业客户发账单的人。当一个给你开发票的人说这门生意不性感，那这门生意就是不性感。

<!-- 配图：Mermaid 思维导图——AI 应用层判断框架 -->

最后那句话留给你：如果你的公司正打算"用 AI 替代 10 个工程师"，建议你先做一道数学题——你那 10 个工程师的总年薪，再乘以 12，看看你打算烧掉的 token 预算，能不能撑过第一个季度。