0 中层公司：AI Native Company 的下一种组织形态

AI Native Company 可以被进一步定义为一家「0 中层公司」。这里的「0 中层」，不是没有管理者，也不是所有员工都直接向老板汇报，而是不再保留一层以汇总信息、传达指令、协调资源和监督流程为主要工作的永久中层。过去由中层承担的组织协调功能，被拆解给企业 Context、Skills、Agent、Evals、权限系统和动态 DRI；人与人的管理仍然存在，但管理不再天然对应一个永久职位。

压到最短就是：传统公司让信息沿着人流动，ANC 让信息沿着系统流动；传统公司把权力绑定在职位上，ANC 把权力绑定在结果上。

有两点先说清楚。

第一，0 中层不等于 0 管理。公司依然需要战略、授权、裁决、人才培养、冲突处理和风险治理。消失的是以信息搬运为主要价值的管理层，保留下来的是对结果负责的人。

第二，0 中层不是裁员方案，而是组织能力成熟后的结果。如果企业没有 Context、Skills、Agent、Evals、权限和审计，直接把中层裁掉，不会得到一家 AI Native Company，只会得到一家失去协调能力的公司。

一、组织架构本来就是一种信息技术

为什么公司发展到一定规模以后，一定会出现中层？

根本原因不是老板喜欢官僚主义，而是人的带宽有限。

一个创始人可以直接理解五个人在做什么，却不可能持续理解五百个人每天在做什么。随着组织扩大，公司只能把人分成小组，每个组设置负责人，再把几个负责人交给更高一层管理者。

员工向组长汇报，组长向部门经理汇报，部门经理向总监汇报，总监最后把信息整理成一份 PPT 交给老板。老板作出决定以后，指令再沿着同样的链条逐级向下传递。

所以传统组织架构表面上是在划分权力，本质上却是一套由人组成的信息系统。每一层中层都承担三种作用：压缩信息、传递指令、协调资源。

中层不是偶然出现的冗余，而是工业时代解决组织规模问题的基础设施。但这套系统有一个无法避免的问题：信息每经过一层，就会损失一次。

客户在现场说了十句话，一线员工记住八句，汇报给经理时剩下五句，经理写进周报时剩下三句，最后出现在老板 PPT 上的可能只剩一句：「客户对系统体验存在一定意见。」

反过来也一样。老板提出的是「提高客户续约率」，经过几层拆解以后，可能变成要求员工每天打多少个电话、填写多少张表、完成多少个与客户价值无关的过程指标。

于是传统公司形成了一个矛盾：公司越大，越依赖中层；中层越多，公司距离真实工作和真实客户越远。

过去没有更好的办法，因为组织中的信息只能由人理解、归纳和传递。但现在，这个前提第一次发生了变化。

二、AI 首先替代的可能不是员工，而是信息路由层

今天，大部分企业所谓的 AI 转型，是给每个员工购买一个大模型账号。

员工用 AI 写材料，经理用 AI 总结材料，总监用 AI 把几份总结变成汇报，老板再用 AI 阅读这份汇报。看起来每个人都提高了效率，但公司的信息结构没有发生任何变化。

以前员工花两个小时写周报，现在只需要十分钟；以前经理花半天汇总周报，现在只需要半小时。结果不是公司更接近客户了，而是旧金字塔能够生产更多周报了。

这不是 AI Native Company。

AI Native Company 不是给传统组织的每一个节点安装一个 Copilot，而是重新追问：这些节点还有没有存在的必要？

如果企业里的客户反馈、项目记录、会议纪要、合同、代码、订单、报价和财务数据都已经数字化，Agent 就可以直接读取这些原始 Context，持续判断公司现在发生了什么、哪个项目正在延期、客户真正提出了什么问题、哪个环节正在重复返工、哪些决策已经作出，以及下一步应该由谁行动。

老板不再需要等待三层汇报才能知道一线发生了什么，员工也不必通过三层审批才能获得完成任务需要的背景、方法和资源。

所以 AI 对组织最大的影响，可能不是让一个员工完成两个人的工作，而是让公司不再需要依靠一层又一层的人来搬运信息。

当组织的 Context 可以被 AI 直接理解，中层最重要的信息路由功能就开始失去存在的基础。

三、0 中层，不是没有负责人

「0 中层公司」最容易引起的误解，是大家会以为公司以后没有管理，也没有老板，几百个人完全自我组织。

这不现实。

AI Native Company 依然需要明确的最终责任人。它改变的不是责任是否存在，而是责任如何产生。

传统公司的权力来自职位。因为你是部门经理，所以这个部门的预算、招聘、项目和信息都要经过你。无论公司此刻最重要的问题是什么，你都永久占据组织中的这一层。

ANC 的权力来自结果。因为你在未来 48 天里对「把报价 Agent 部署到一线并达到 80% 使用率」负责，所以你暂时拥有调动相关人员、数据和系统的权力。任务完成以后，这份授权可以结束，也可以转移到另一个问题上。

这就是 DRI，Directly Responsible Individual。

DRI 不一定拥有永久下属，也不需要先拥有一个部门，才能解决一个问题。他只是在一段明确时间里，对一个明确结果承担最终责任。

因此，0 中层公司不是所有人直接向 CEO 汇报，而是大部分工作不再通过汇报关系被组织，而是通过任务、结果和动态授权被组织。

传统公司是职位先存在，再把任务放进职位里；ANC 是问题先出现，再围绕问题组织人和 Agent。

四、中层不会被一个 Agent 替代，而是被一套系统拆解

「用一个 AI 经理替代所有中层」同样是一种过度简化。

中层承担的工作至少可以被拆成五类：

前四类工作主要涉及信息处理、流程执行和结果验证，可以逐步交给系统。最后一类涉及信任、情绪、价值判断和人的长期成长，依然需要人。

因此，ANC 不是拿一个 Agent 替换一个经理，而是建立一套新的组织基础设施。

企业 Context 替代层层汇报；Skills 替代依靠老员工口头传授的方法；Agent 替代重复的任务分发、信息查询和流程执行；Evals 替代「做好以后给领导看一下」；权限与审计替代隐藏在个人职位里的模糊控制。

真正需要处理人的成长、专业判断和冲突的人，会变成 player-coach：一边参与真实工作，一边帮助其他人成长。

在 ANC 里，脱离一线工作的纯管理者会越来越少；既能够创造结果，又能够帮助他人创造结果的人会越来越重要。

五、0 中层公司的四类人

一家成熟的 0 中层公司，大致会保留四种核心角色。

第一类是 Owner。Owner 决定公司为什么存在、什么结果最重要、哪些边界不能突破，以及出现重大冲突时由谁作出最终裁决。AI 可以帮助 Owner 看见更多事实，但不能替代责任归属。

第二类是 DRI。DRI 围绕一个具体问题获得阶段性授权。他可能负责一次 48 小时 Sprint，也可能负责一个持续半年的客户结果。只要任务还存在，他就拥有调动相关资源的权力；任务结束，授权就重新分配。

第三类是 Builder。ANC 中的大多数人都应该是 Builder。工程师、销售、顾问、运营、设计师、律师和财务都可以是 Builder。关键不在岗位名称，而在于他是否直接创造结果。在 Agent 的帮助下，一个人可以带着一组 Agent，对一段更完整的结果负责。

第四类是 player-coach。他自己仍然在场上比赛，同时负责专业标准、人才培养和复杂判断。他不是靠拥有下属证明价值，而是靠专业能力和他人信任产生影响。

因此，0 中层公司不是把管理者全部变成普通员工，而是要求管理者重新成为创造者。

六、Block 正在公开尝试取消永久中层

目前公开资料中，最接近这种组织形态的，不是 Anthropic，也不是 OpenAI，而是 Square 的母公司 Block。

2026 年，Jack Dorsey 和红杉合伙人 Roelof Botha 发表了《From Hierarchy to Intelligence》。他们提出，传统公司的层级结构本质上是为了解决信息流动问题。管理者需要掌握团队正在发生什么，再将这些信息沿着组织结构向上汇总、向下传达。

但 Block 是一家 remote-first 公司。公司的讨论、决策、计划、代码、问题和项目进展，本来就大量存在于数字系统中。这些记录可以成为 company world model 的原材料。

这个 world model 可以持续理解什么正在被开发、哪个项目被卡住、资源被分配到了哪里、什么方法正在奏效，以及哪些结果正在偏离预期。

如果 AI 能够持续维护这张公司地图，组织就不再需要依靠管理者反复开会、询问和制作汇报，才能知道自己正在发生什么。

Block 为此提出了三种核心角色：直接创造结果的 Individual Contributor、对具体问题和客户结果负责的 DRI，以及一边工作、一边培养他人的 player-coach。

它的公开文章里有一句非常直接的话：There is no need for a permanent middle management layer.

不过，这句话不能被误读成「Block 已经是完全成熟的 0 中层公司」。Block 自己也明确承认，这项转型仍处于早期阶段，部分机制可能会先出问题，再逐步成熟。

准确的表述应该是：Block 不是已经完成了 0 中层，而是第一批公开、系统地向 0 永久中层转型的大型科技公司。

来源：Block《From Hierarchy to Intelligence》（block.xyz/inside/from-hierarchy-to-intelligence）

七、Claude 正在把这件事从理论变成基础设施

Block 并不是只写了一篇组织理论文章。

它内部已经部署了基于 Claude 的开源 Agent Goose，把模型与公司的数据、工具和工作流连接起来。

根据 Anthropic 公布的案例，75% 的 Block 工程师每周因此节省 8—10 小时以上；数千名不同岗位的员工已经开始使用 Goose；非技术员工可以直接生成 SQL、查询数据和自动化流程，不再必须把问题提交给数据团队，再等待排期。

这些数字最重要的意义不是「工程师效率提高了」。

真正的组织变化是：员工开始直接调用公司的数据和工具，不再需要通过管理者协调另一个部门的人，才能完成任务。

过去，一个产品经理想知道某项功能的客户使用情况，需要先联系数据团队、解释需求、等待排期、确认口径，再拿到报表。现在，他可以直接让 Agent 查询数据、生成 SQL、解释结果，并把分析转化为下一步行动。

这减少的不只是一名数据分析师的工作，也减少了围绕这项工作产生的沟通、排期、审批和管理。

来源：Claude × Block 案例（claude.com/customers/block）

另一个更直接的案例是 LaunchNotes。它将 GitHub、Jira、Linear 等系统里的项目数据交给 Claude 分析，自动生成个性化进展更新、识别异常并理解工程上下文。使用以后，团队识别事故的速度提升到原来的 5 倍，会议时间减少了 50%。

收集进度、发现阻塞、组织同步、提醒负责人，本来就是工程中层最常见的工作。Claude 并没有「扮演一名经理」，但它接走了经理大量用于收集信息和维持同步的工作。

来源：LaunchNotes × Claude 案例（claude.com/customers/graph）

Anthropic 对内部 132 名工程师和研究人员的调查也显示，受访者平均已经在约 59% 的工作中使用 Claude，并自报获得约 50% 的生产力提升。Claude Code 平均连续执行的动作数量，也从半年前大约 10 个增长到了约 20 个。

这说明 Agent 正在从「帮助人完成一个步骤」，逐渐进入「独立承担一段工作」的阶段。

来源：Anthropic《How AI Is Transforming Work at Anthropic》（anthropic.com/research/how-ai-is-transforming-work-at-anthropic）

八、Anthropic 和 OpenAI 都不是 0 中层公司

这里需要做一个事实澄清。

Anthropic 虽然深度使用 Claude，也强调高信任、小团队和个人主动性，但它并不是 0 中层公司。Anthropic 仍在公开招聘 Research Manager 和 Engineering Manager，职责包括管理团队执行、员工绩效、职业发展、招聘和跨团队沟通。

OpenAI 同样不是。OpenAI 的公开招聘信息中，仍然存在经理、区域负责人和全球负责人的多层结构。例如，APAC 销售发展负责人需要管理各个市场的前线 SDR 经理和销售团队；HRBP 岗位也明确需要辅导经理、参与组织设计和人才规划。

Square 也不能被单独称为 0 中层公司。Square 现在是 Block 旗下的业务品牌，提出这套组织变革的是母公司 Block。

因此，目前更准确的判断是：Anthropic 是一家高度 AI 化的公司，但不是 0 中层公司；OpenAI 是一家生产 AI 的公司，但也不是 0 中层公司；Block 是目前公开向 0 永久中层转型最激进的大公司之一，但这场实验尚未完成。

这也说明，「做出最先进的 AI」和「用 AI 重构自己的组织」是两件不同的事。

九、0 中层不是从组织架构开始，而是从企业 Context 开始

很多老板看到这里，第一反应可能是：那我是不是应该开始削减管理层？

不是。

如果企业的真实信息还散落在个人微信、纸质文件、Excel、员工大脑和互不连通的软件中，中层依然是公司最重要的信息连接器。

在这种情况下裁掉中层，组织的信息不会自动进入 AI，只会跟着人一起离开。

所以 ANC 改造不能从修改组织架构开始，而应该从打穿真实业务开始。

先选择一个足够具体、能够验证价值的业务点，让 FDE 进入现场，理解真实流程，连接必要的数据和工具，做出第一个可用系统。

员工开始使用以后，系统才能收集真实反馈。哪些规则需要增加，哪些权限不能开放，哪些异常必须人工处理，哪些判断依赖老员工经验，只有进入业务以后才能知道。

这些反馈再被沉淀成 Context、Skills 和 Evals，Agent 才能逐渐承担更完整的任务。

当越来越多的信息不再依赖中层汇报，越来越多的方法不再依赖中层口头传授，越来越多的任务不再依赖中层协调，组织结构才有条件自然变平。

不是先裁掉中层，再建设 ANC；而是先建设组织智能，让一部分中层职能自然失去存在的必要。

十、48 小时、48 天、48 周，也是从有中层走向 0 中层

「0 中层公司」可以被放进劳泰德 48 理论中理解。

48 小时，FDE 提出一个面、打穿一个点，绕过传统立项、汇报和部门协调，让老板直接看见业务价值。这一阶段不是改变组织，而是证明：有些事情不需要经过原来的七八个工种和多层协作，也可以快速完成。

48 天，系统部署给员工使用。通过真实使用收集企业 Context，把散落在人脑、聊天记录和文件中的经验，逐渐沉淀为知识库、Skills、工作流和 Evals。这一阶段开始蒸馏中层。原来中层掌握的规则、经验和判断，开始变成组织可以重复调用的能力。

48 周，经过验证的 Agent 开始承担端到端任务。企业重新划分人和 AI 的工作、责任、权限与风险，一部分永久部门被动态 DRI 和任务型团队取代。这一阶段才真正开始重构中层。

所以可以把三个阶段进一步压缩成：48 小时绕过中层，48 天蒸馏中层，48 周重构中层。

0 中层不是 48 小时的口号，而是 48 周以后可能出现的组织结果。

十一、判断一家公司是不是 ANC，看五个问题

未来判断一家公司是不是 AI Native Company，不应该看它买了多少大模型账号，也不应该看员工每天写多少 Prompt，而应该问五个问题。

第一，老板能不能不等待三层汇报，直接理解一线真实发生的事情？

第二，员工能不能不依赖领导协调，直接获得完成任务需要的 Context、Skills、数据和工具？

第三，公司的关键能力是掌握在几个老员工脑中，还是已经成为所有员工和 Agent 都能调用的组织资产？

第四，一项工作是否合格，依赖「领导看一眼」，还是已经存在明确、可执行、可追溯的 Evals？

第五，一个人获得资源和决策权，是因为他永久占据某个职位，还是因为他正在对一个明确结果负责？

如果这些问题仍然依赖组织层级，那么这家公司最多是在使用 AI。

只有当信息不再依赖中层搬运，方法不再依赖个人垄断，任务可以由 Agent 执行，质量可以由 Evals 验证，责任可以围绕结果动态重组，它才真正开始成为 AI Native Company。

结语：管理不会消失，管理层会消失

传统公司是一座金字塔。

信息从底层逐级向上，权力从顶层逐级向下。中层站在每个节点上，负责压缩信息、传达命令、协调资源和维持流程。

AI Native Company 更像一个持续学习的组织智能。

企业 Context 负责记忆，Skills 负责沉淀方法，Agent 负责执行，Evals 负责判断，权限系统负责控制风险，DRI 对具体结果负责，player-coach 负责人的成长。

所以，0 中层真正取消的不是管理，也不是责任。

它取消的是工业时代的一种组织默认：一个人可以只靠收集信息、召开会议、传达指令和管理别人，永久占据公司的一层。

未来的公司依然会有创始人，依然会有负责人，依然会有经验更丰富、判断力更强的人。但他们的价值不再是站在信息必经之路上，而是定义方向、承担责任、作出判断和培养他人。

在 AI Native Company 里，每个人最终都必须靠近两样东西：要么靠近真实工作，要么靠近真实客户。

剩下的信息搬运，交给 Agent。