霍洛维茨那篇万字长文拆的不是估值，而是你每天在班上忙的那些事究竟由什么决定。答案是记录系统：它决定信息怎么流动，也就决定谁有资格做决定。当智能体接管了信息传话筒，底座换了，组织结构与企业边界会跟着怎么变。

2026年10月27日，硅谷顶级风投a16z的联席创始人本·霍洛维茨发了一篇万字长文。他是《创业维艰》的作者。

他拆解的对象，是估值1900亿美元、年化收入突破70亿美元的数据公司Databricks。

但真正值得你花时间的不是估值数字，而是这个问题：你每天在班上忙的那些事，究竟由什么决定？

多数人的答案是老板、是KPI、是行业周期。霍洛维茨给的答案是记录系统和它底下的数据库技术。

这套底座决定信息怎么流动，也就决定谁有资格做决定。当智能体接管了“信息传话筒”，底座换了，权力的位置跟着换。

这篇文章，就把这套底座长什么样、它如何改写企业边界、以及你接下来该干什么。

一、你每天在忙什么，是被底座锁死的

未来二十年，生活方方面面都会发生巨变。其中稳居前五的一个问题是：你整天在班上都在忙些什么？

两项突破正在同时发生。

第一项是智能体自动化：把一项我们正在做的任务描述清楚，然后让它自动完成。

第二项是给一线放权。离问题最近的人，越来越能直接查情况、抓机会、当场行动，不必等信息和权限在科层里一层层流转。

这两件事对每个人每天的工作内容来说，都是根本性的改变，而且是向好的改变。前提是组织真的能进化到这种新方式。这个“如果”分量不轻。

一个人“日常工作是什么”，其中大得惊人的一部分，受制于雇主使用的记录系统和决策机制。

记录系统是公司内部那套被公认为唯一可信的数据源。而它本身又受制于数据库技术，以及这项技术所允许的可能性。没多少人会去想这后半截。

Databricks就在这时候登场了。

在真正了解它的人之外，它大概是硅谷最低调的一个故事。年化收入已突破70亿美元，同比增长80%。

它的故事是一连串狂野事件的组合，也是一个产品“生逢其时”的样本。三年前，平台上的每一次交互都有人类参与。

今天，来自智能体的查询已经超过了人类。每天有超过1700万个数据库由智能体自己启动。这个趋势只会继续。

外界常把Databricks描述成“一家赶上了AI浪潮的数据公司”。

实际上，这家公司是在浪潮到来的十年前，由一群AI研究人员创立的。这项业务是近二十年来叠加在一起的四条技术S曲线。它们是Spark、Lakehouse（湖仓一体）、Lakebase（湖库），以及智能体。每条曲线都为下一条打开了一个创新窗口。

二、AI没有智力问题，只有上下文问题

智能体要在真实企业内部干活、做真实决策、为企业知识库做贡献，它需要什么？

Ali的回答是一套新的记录系统。而他的判断起点，是一句关于通用人工智能的话。

1. 三万人里，只有十分之一举手

Databricks 首席执行官 Ali Ghodsi

今年6月，Ali在公司Data+AI峰会上，站在约30000名观众面前，请认为AGI已经到来的人举手。他目测大概只有十分之一。

“我们认为AGI已经在这里了，”他告诉台下观众。

依据是：当今前沿模型已经能解答“人类终极考试（Humanity’sLastExam）”中超过一半的问题。

这份试卷包含由一百多个领域的专家编写的2500道题目，曾被认为难到没有任何AI能够解答。

2. 新摩尔定律：七个月翻一番

能力增长有多快，看一组数据：

ChatGPT在2022年问世时，能处理人类大约花三十秒完成的编程任务。今天的前沿智能体，可以完成熟练工程师需要整整一个工作日才能完成的任务。

独立评估实验室METR追踪了自2019年以来各模型智能体能够独立完成的任务时长，发现大约每七个月翻一番。

最近进展甚至更快，而且在编程之外的领域也呈现类似趋势。

如果这一趋势保持到2030年代初，智能体将有能力完成需要人类花费数年时间才能完成的任务。

能力涨成这样，现实却是另一回事。

在今天的大多数企业内部，人们仍然不敢放心地让AI去可靠地更新Salesforce里的记录。

“AI没有智力问题，”Ali解释道，“它有的是上下文（context）问题。”

即便是再聪明的人，如果访问不了公司的数据、没有行动权限、得不到反馈，或者不掌握其他员工脑子里的知识，也几乎毫无用处。

3. 本体论：老员工脑子里的东西

每家公司都有一套本体：一个关于“存在什么、事物如何关联、词汇代表什么含义，以及两个来源冲突时以哪个为准”的工作模型。

它的一部分写进了数据库、仪表盘、制度文件和文档。但很大一部分只存在于有经验的员工脑子里。

而且它永远处于未完成状态：合同会变，权宜之计会变成流程，例外会变成规则，官方记录会逐渐偏离工作实际开展的方式。

关于“谁决定什么”和“记住哪些决定是对的”，情况同样如此。权限（authority）和评估（evaluation）跟本体一样，往往都是不成文的。

人们几乎是在不知不觉中弥补这一切。

销售副总裁的职责，就是得知道那笔最大的承诺订单之所以停滞，是因为客户方的内部推动者正在悄悄去别家面试。

他还得知道某个销售代表嘴里的“90%把握”实际上只有50%，并在预测报告呈交CEO之前把水分砍掉。

为了让智能体能够自主行动，人脑中的大部分本体、权限和评估，都必须迁移到企业的记录系统中去。

三、企业为什么存在：科斯的那笔账

企业计算的每一次平台范式转移，都会引发一场围绕“记录系统”的新战争。

IBM主宰了大型机时代。甲骨文（Oracle）和SAP成为客户端服务器（Client-Server）时代企业的基石。

Salesforce、Workday和ServiceNow则分别为销售、人力资源和IT构建了SaaS时代的记录系统。智能体是下一次范式转移。

但哪家厂商会赢，远不如另一个问题宏大：智能体将如何改变企业本身。

这就要先回到企业本身。

1937年，经济学家罗纳德·科斯（RonaldCoase）在论文《企业的性质》里提出一个根本问题：企业为什么会存在？

如果市场可以通过价格和契约来协调经济活动，为什么还要把人聚到公司内部，让管理指令支配他们的工作？

他的答案归结为交易成本。找人、就“以什么价格做什么事”谈判、对全过程监督，都要耗费时间和金钱。

企业用一种更开放的安排，取代了市场中那些重复发生的交易。在这种安排下，管理者在商定范围内直接调配资源。

但在内部组织工作同样不是免费的。公司变大，更多信息必须经过更多人的传递。

最终，在内部多组织一笔交易的成本，会高到与直接从市场上购买相当。在科斯的论述中，企业会不断扩张，直到这两种成本相等为止。

1. 西蒙定律：记忆越集中，决策越分散

四十年后，同时斩获诺贝尔奖与图灵奖的赫伯特·西蒙（HerbertSimon）观察到一件事。把企业的记忆集中化，反而使决策得以去中心化。

一份共享的计算机记录，他写道，“允许每一个去中心化的决策点独立采取行动”，因为系统会自动将这些行动与共享记录核对与调平。

对航空公司来说，波士顿的售票员在卖出飞往芝加哥的最后一个座位之前，不必给其他每一个售票员打电话。

她只需查询那份记录。当她卖出座位时，这份记录对所有人都同步更新了。

集中化的状态，让去中心化的行动变得更加安全。因为人们只需与记录协调，不必彼此互相协调。

关系型数据库把这一原则扩展到了整个公司。曾经需要报告、会议和管理层交接的工作，变成了一次针对共享记录的查询。

这让公司能够协调更多产品、地点、人员和交易，而不必按相同比例增加管理人员。

到了1990年代，互联网让外部世界也能直接写入企业的记录。一个在线交易平台因此能在数百万陌生人之间协调买家、卖家、库存与支付。

由于外部交易成本和内部组织成本同时下降，数据库时代并没有让所有企业一致变大或变小。

相反，它允许跨度更广的企业形态存在：大企业有能力管理高得多的复杂性，小企业则可以租用或购买曾经需要整个部门才能具备的能力。

AI很可能也会带来同样的结果。

在企业内部，智能体可以通过自动化汇报、检索和常规任务来降低协调成本。在企业外部，它们可以帮助寻找和评估供应商、谈判常规条款并监督执行结果。

就像之前的数据库一样，AI将提高能够存在的企业与市场的复杂性上限。但它更具深远意义的影响，或许在于它将如何改变企业的形状。

2. 金字塔不是权力结构，是信息系统

二十世纪的典型企业之所以呈金字塔形，是因为科层制就是它的信息处理系统。

事实通过报告和会议向上汇报，决策再向下传达。信息流动的版图，与组织架构图完全重合。

管理层决定哪些数据值得收集或分享。这意味着公司对自身的认知水平，取决于其管理者选择收集什么信息。

数据库改变了这种结构，但只改变了一部分。

共享记录让人们能够直接获取信息，并更独立地采取行动。但这通常仍局限于别人预先设计好的流程之内。

计算机时代的大部分时间里，公司的数据库模式、指标、应用程序和工作流，都由一小群人定义。这些人就是管理者、运营团队和工程师。

使用这些系统的人数，远远多于参与设计的人数。这不仅限制了人们能做什么，也限制了组织能知道什么。

一名客服代表每周都会听到好几次同样的投诉。但如果她的经理没有写一份把这个问题捕捉下来的报告，那她所知道的这件事，公司就是不知道的。

至于真正去修复这个问题，那完全又是另一回事了。

3. 知与行的壁垒同时坍塌

如今，知道和行动这两方面的技术壁垒，正在同时坍塌。正如安德烈·卡帕西在2023年所说：“最热门的新编程语言是英语。”

自然语言界面让更多的领域专家能够直接审视和追问公司的数据，不必再等懂SQL或Python的人去预判或回答每一个问题。

在拥有百年历史的全球医疗保健企业诺和诺德，科学家过去要等数据工程师为他们编写查询语句。

现在，他们只需直接对Genie说：“把我们所有的肥胖症数据调出来”，系统就能瞬间提取出相关的临床试验、洞察和可视化图表。

在划定的权限范围内，员工还被赋予了创造解决方案的能力，从而节省数小时甚至数天的工作量。

在电动汽车制造商Rivian，一位没有任何SQL经验的财务分析师，用Genie为首席财务官（CFO）搭建了一个收入仪表盘。另一位供应链分析师，则构建了一个跟踪入境库存发货的应用。

这并不意味着每个人都可以未经批准就访问公司的所有数据或资源。随着工作变得更加分布式，共享的本体、权限和问责机制反而变得更加重要。

记录系统把状态和护栏集中化，同时把“谁可以提问、谁可以设计工作流、谁可以采取行动”去中心化。

四、第二次经理人革命： 职业经理人阶层开始谢幕

1. 老板和专家说了算，它死于规模

八十五年前，紧随大萧条之后，詹姆斯·伯纳姆写了一本书，名为《经理人革命》。

他预见了企业运作方式乃至资本主义本身运作方式的一场巨变。

走出大萧条时，一种时髦态度认为，创业型资本主义作为一种经济趋势已经走到尽头。社会主义集体化是当时时髦的提议之一。

伯纳姆看懂了正在发生什么。他阐述了第三种形态：不仅是一种公司结构，而且是一种全新的社会秩序。他称之为“经理人社会”。

在这个体系中，决定性的统治阶级既不是资本家所有者，也不是工人。而是操纵着大型企业和国家机器的职业经理人、规划者、官僚和高管。

他认为，现代机构在技术上过于复杂，已无法由资本家个人亲自指挥。

没有任何CEO能够事无巨细地了解一家十万名员工的公司内部发生的一切。控制权因此逐渐从所有者和领域专家手中，转移到行政管理者手中。

权力的第一幕，是老板和专家说了算。它死于规模。

2. 职业经理人统治了八十五年

在二十世纪下半叶，经理人主义（Managerialism）取得了近乎完全的胜利。

“财富500强公司的大多数高管并不是公司所从事领域的专家，他们当然也不是这些公司的创始人，”马克·安德森评论道。

“他们是职业经理人。事实上，在他们的职业生涯中，他们可能会管理许多不同种类的业务。他们可能在医疗行业干一阵子，再去金融服务业，然后再去别的行业。”

这场胜利正在耗尽其生命力。

伯纳姆所描述的“经理人阶层”带来的规模化能力与职业可靠性，是以牺牲速度和适应性为代价的，尤其是在面对日新月异的技术变革时。

3. AI正在终结这场垄断

马克·安德森提出，或许在Databricks这样严谨的底座之上应用智能体，能创造出第三种模式，兼得两全之美。

它有助于保留创始人的活力与适应性，同时重构实现规模化所需的管理工作。

把一部分原本使管理层成为必需品的信息路由和协调工作自动化，同时由企业的记录系统赋予一线人员采取行动所需的上下文与权限。

智能体将使这种运营方式变得让更多创始人触手可及。

埃隆·马斯克（ElonMusk）把这个想法又往前推了一步。今年早些时候，他预测保留“人在回路（humansintheloop，每一道关键环节都要人签字确认）”的公司将会输掉竞争。

他认为，在AI时代保留“人在回路”，就好比使用一个还需要人工去计算其中某些单元格的电子表格。

关于最终的终点，马斯克或许是对的。没人知道完全自治的公司还有多远，预测从几年到永远不可能都有。

但在那一天到来之前，极具讽刺意味的是：经理人主义的衰落，看起来可能更像是“每个人都变成了管理者”。

4. 每个人都变成了管理者

并不是每个人都会有直接下属。但会有越来越多的人负责定义工作规范、委派执行、检查结果并更新流程。

第二次经理人革命，与其说是管理的消亡，不如说是职业经理人对管理垄断权的终结。

软件工程师今天对此感受尤为深刻。他们的工作正在从手工编写代码，转变为管理一支编程智能体团队。

工程师的一天越来越像管理者：界定问题，拆解任务，委派给并行工作的智能体，再审查提交回来的代码合并请求。

随着智能体在更多领域变得强大，更多知识工作者也将经历类似的转变。他们从亲自执行每一个步骤，转向定义规范、委派任务和评判工作成果。

那些技术团队因此被解放出来，专注于最具战略意义的工作。

这对人类的生产力和薪资来说是个好消息。因为执行与判断在经济学上是互补品。

当AI降低了常规执行的成本时，对指导执行的“判断力”的需求就会上升。

数学家阿尔弗雷德·诺斯·怀特海在一个世纪前曾观察到：“文明的进步，在于扩展那些我们无需思考就能完成的重要操作的数量。”

企业的进步也是如此，一次攻克一个闭环（oneloopatatime），变得越来越自主。

每当人类修正一次智能体闭环，这次修正都应当让下一次执行变得更好。

当某个闭环能可靠完成一项边界清晰的工作时，人类就从中抽身。他们转向下一个尚未解决的问题，并把学到的经验留在企业的共享记录中。

五、主权企业：模型可以换，记忆不能归零

在智能体企业中，优秀的人才将比以往任何时候都更有价值。与此同时，模型在不断进步，每个竞争对手都可以租用到同样的模型。

那么，在这个新世界里，企业究竟该如何建立可持续的竞争优势？

设想两家银行，租用同一个前沿模型来辅助做出信贷决策。

第一家银行向模型发送提示词，收到回答，然后记录下最终决定。

第二家银行不仅记录决定，还记下是哪些事实产生了这个回答、每一次人工推翻的情况。它还记下哪些决策表现良好、哪些失败了，并在全过程中不断调整策略。

一年后，当一个更好的模型问世时，只有其中一家把银行建设得更好了。

如果你更换了公司里的AI模型，而新模型能够继承业务定义、权限体系、经过评估的案例、客户历史记录和例外规则。

这就是可持续竞争优势的基石。如果新模型只是和所有其他公司一样，从同一个提示词重新开始，那就毫无竞争优势可言。

第二家银行，就是人们开始称之为“主权企业（sovereignfirm）”的形态。

如果某家模型提供商提高价格、更改条款或下线某个模型，企业可以随时切换提供商，而不会丢失自己积累的认知。

随着模型变得越来越聪明、企业对它们的依赖程度越来越高，这种独立性只会愈发重要。

*文章为作者独立观点，不代表笔记侠立场。