YC说"AI不再是功能，是基础层"——这意味着创业公司的成本结构正在从"拼人数"转向"拼Token"。但别急着高兴：token消耗最高的前10%开发者，产出只有其他人的2倍，烧得多不等于赚得多。真正该投的不是"多烧Token"的公司，而是能绕过工具直接卖结果、把隐性经验变成可执行规则的"公司大脑"。AI-native服务的本质，不是让浪费变快，而是重新设计组织。

我最近翻YC（Y Combinator，美国创业孵化器）的最新创业公司征集方向，看到一句话，脑子里卡了一下。

YC说：AI已经不再是一个功能，而是基础层。

这句话真正重要的地方，不是它在说AI多聪明。它是在说公司以后怎么花钱，怎么招人，怎么组织工作，怎么交付结果。

说得再具体一点：未来公司的成本结构，可能要变了。

今天，就来拆一拆YC的最新观点，找到给中国创业者的启发。

一、以前创业公司拼人数，现在可能拼Token

YC合伙人Diana Hu在YC创业课上提了一个词，叫tokenmaxxing（最大化token使用，下同）。

Token（词元，下同），可以粗暴理解成你调用大模型时消耗的计算额度。

你让GPT、Claude、Gemini干活，它们不是免费思考的，每一次输入输出背后都在烧token。

Diana Hu的意思是，创业公司别急着headcountmaxxing（最大化员工人数），而应该tokenmaxxing（最大化token使用）。

以前创业公司融资之后，最直观的动作就是招人。多招工程师、多招销售、多招运营。办公室变大，周会变长，企业协作变多，组织开始长出层级。

团队从8人变成50人、200人，感觉公司走上了正轨。

但YC现在的判断是，别急。

你得先想想，这些人到底是在创造价值，还是在替过去的软件能力填坑？很多岗位不是因为非人不可才存在，只是因为以前没有更便宜、更快、更灵活的替代方案。

比如整理资料、生成初稿、写测试代码、做客服回复、查合同条款、归纳会议纪要、生成运营报表，这些活过去必须有人干。

现在不一定了。一个Agent（智能体,下同）跑错了，当然也会造成损失。但在很多场景里，它更像一个可开可关的成本项。今天多跑一点，明天少跑一点。项目停了，token也就停了。

人可不是这样，一个员工进来，公司要付工资，要管理，要磨合，还要承担招错人的长期后果。

所以tokenmaxxing真正厉害的地方，不是让你多烧token，而是把一部分固定人力成本，变成可变算力成本。

二、但别高兴太早，API账单也可能只是新型浪费

说实话，我第一次看到tokenmaxxing这个词，第一反应是，这不就是换一种方式烧钱吗？

以前烧工资，现在烧Token；以前老板看工资单头疼，现在看大模型厂家的账单头疼。

硅谷很擅长给烧钱换名字，以前叫增长，后来叫规模化，现在叫tokenmaxxing。

听起来更未来，但账单不会因为名字高级就自动变成生产力。

工程智能公司Jellyfish今年4月发布了一项研究，分析了7500多个开发者的数据，结果发现：Claude Code的使用者里，token消耗最高的前10%，大约用了其他同事10倍的token，但产出只有大约2倍。

烧得多，不等于赚得多。

Uber总裁兼COO安德鲁·麦克唐纳在一次播客访谈里也说了类似的话。

他说：“我很难在token消耗上升和消费者能感知的功能改进之间，找到因果关系。

这个说法在硅谷引发了不小争论。

所以，Token用得越多，公司越先进吗？还真不一定。

真正的问题是，花出去的token，换来了什么。

是交付更快了吗？错误率降低了吗？客户更愿意续费了吗？利润率变好了么？创始人从琐事里解放出来了吗？

如果答案都不是，那这就只是新一代烧钱比赛，而且更隐蔽。

因为雇人这件事，大家还有点警惕。你突然招二三十个人进来，老板和投资人都会问，这些人到底干什么。

但token的消耗很容易被包装成先进。我们在做自动化；我们在跑智能体工作流；我们在做AI-native（AI原生，下同）组织。

但如果最后只是把原来一个人做的无效工作，交给模型更快地做一遍，那公司没有变聪明，只是浪费变多了。

三、YC真正想投的，是直接交付结果的公司

顺着这个逻辑看YC现在投资的另一个方向，就更有意思了。

YC里重点提到的是AI-native service companies（AI原生服务公司）。

这类公司不是卖软件，而是直接卖服务。

比如保险经纪、会计、税务、审计、合规。

过去十几年，企业服务的主线是SaaS（软件即服务），逻辑很简单，我给你一个工具，你自己用。

CRM（客户关系管理系统）给你，ERP（企业资源计划系统）给你，财务系统给你，项目管理系统给你。

但老板真正想要这些工具吗？不一定。

老板想要的是客户别丢、账别错、税务别出事、现金流看得清楚。

工具只是中间层，但以前的软件公司只能卖中间层，因为它没法直接把活干完。客户买了软件，还要养人，还要培训，还要填数据，还要处理各种异常。

但如果AI Agent真能稳定处理一部分流程，那创业公司就可以绕过工具，直接卖结果。

你不用买我的财务软件，我直接帮你把账处理好；你不用买我的客服系统，我直接帮你把客服工单解决掉；你不用买我的合规后台，我直接帮你把初筛、归档、提醒、审查跑完。

硅谷投资教父马克·安德森在2011年说software eats the world（软件吞噬世界），现在行业的共识正在滑向：AI eats services（AI吞噬服务）。

如果你的公司还停留在卖后台、卖工具、卖管理系统，但客户心里真正想买的是结果，那你就要小心了。因为下一代竞争对手可能不跟你比功能，它直接跟客户说：我帮你做完。

四、公司大脑，是什么？

YC还提了一个词：Company Brain（公司大脑）。

YC的判断是，现在企业AI自动化最大的阻碍，不再是模型能力，而是企业自己的domain knowledge（领域知识）太散。

这些知识在哪里？在老员工脑子里，在旧邮件里在客服工单里，在协作文档里。

这个客户以前不能打折、那个供应商不能换、退款超过多少要找谁、销售承诺过什么，这些东西很多时候没有写清楚，但老员工知道。

问题是AI不知道，你不给它结构化规则，它就只能猜。

真正的公司大脑应该是活的，它能把会议、工单、客户对话、代码提交、销售记录、项目文档都接起来，让公司变成一个可查询、可更新、可执行的系统。

中国也有这样的公司。有家叫黑湖科技的公司，做制造业SaaS和工业AI Agent。据黑湖科技CEO周宇翔今年6月在达沃斯论坛上披露，他们已经服务了4万家工厂客户，覆盖30多个行业。

它厉害的地方是，让Agent读取订单、图纸、表格和业务信息，把工艺标准、设备能力、报价规则、生产约束带入判断，参与报价、拆单、排程和履约。

工厂里的隐性经验，变成机器能读、能判断、能执行的规则，这就是“公司大脑”。

五、真正的变化，是重新设计公司

回到最开始的tokenmaxxing，很多人会把它理解成少招人，多用AI，这个理解就有点浅了。

真正的问题是组织设计。

以前公司是围绕人设计的，AI进来以后，公司要重新问一遍，哪些动作必须由人完成，哪些动作可以由系统完成，哪些判断必须由人负责，哪些材料可以让模型先处理。

历史上也有个类似的例子：在工厂电气化的早期，很多工厂不是一上来就围绕电力重新设计生产，而是把原来由蒸汽机和传动轴系统驱动的结构，局部换成电力。

真正大的效率提升，来自单机电机驱动普及之后，机器可以按生产流程重新摆放，不再被传动轴绑住。

这段历史挺像今天的AI落地，不少公司现在只是把原来的人力流程套上模型。原来人写邮件，现在AI写邮件；原来人做表，现在AI做表；原来人做会议纪要，现在AI做。

这当然有用，但不够。

真正的变化，是围绕AI重新设计公司。

这才是中国创业者值得思考的事。