6月16日，刚上市没多久的SpaceX，掏了600亿美元，买下一家叫Cursor的AI编程助手公司。就在去年11月，这家公司的估值还是293亿美元。
这个团队成立才4年，早期核心就几十号人，到被收购时也才扩到700人左右。2026年5月，它的年化营收冲过了30亿美元，摊到每个人头上，人均产出大约430万美元。
这个数字什么概念？苹果公司人均年营收大概250万美元，这已经是全球大型科技公司里数一数二的效率标杆了。Cursor的人效，差不多是苹果的2倍。要是把最早那几十人的核心团队单拎出来算，这个倍数还要再翻几番。
同一天，OpenAI CEO山姆·奥尔特曼在斯坦福大学的一场对话里说了一句话：“如今负担得起的Token（词元，下同）支出，你就能完成过去一个由上百名顶尖工程师组成的优秀团队才能完成的工作，这在以前是完全不可能的。”
今天这篇文章想聊清楚三件事：这些超小团队到底是怎么运转的，Token成本暴跌到底意味着什么，中国创业者现在可以做什么。
Cursor不是孤例，咱们把这两年冒出来的AI原生公司放在一起看，模式清晰得很。
Cursor是四个MIT（麻省理工学院）毕业生在2022年创立的，做AI代码编辑器。
2025年1月年度经常性收入突破1亿美元，6月到5亿，11月破10亿。
2026年2月冲过20亿，到5月已经30亿，6月初据报道更是突破了40亿。
从0到20亿美元ARR（年度经常性收入突破），不到3年。历史上没有任何一家B2B软件公司达到过这个增速。
它的估值从2025年1月的25亿美元一路飙升到600亿美元收购价，超过六成的财富500强企业在用它。
但最有意思的不是这些数字，而是它的工程师已经不一行一行写代码了，他们在管理一个由多个AI Agent（智能体，下同）组成的“舰队”，用AI来构建AI工具。
大卫·霍尔茨2022年创立Midjourney，做AI图像生成。
零融资，0营销预算，团队大概100到160人。起步阶段连网站都没有，全靠Discord（社交平台）机器人起家，第一个月就实现盈利。
2025年营收5亿美元，人均产出约300到500万美元。它的竞争对手要么有微软撑腰，要么有开源社区支持，Midjourney什么资源都没有，但拿下了全球AI图像生成市场26.8%的份额，排第一。
Bolt.new，35个人，年度经常性收入从0到4000万美元，用了5个月。
Cognition AI，这家公司做Devin（AI编程Agent），2024年9月年度经常性收入还只有100万美元，到2025年6月飙到7300万美元，九个月翻了73倍，估值从2025年9月的102亿美元涨到2026年5月的260亿美元。
四家公司，一个共性：团队极小，增速极快，人效高到离谱。
这是因为，今天的生产资料，已经从人力变成了Token。
在斯坦福这场对话里，奥尔特曼花了大量篇幅讲“规模”，但他说的是模型规模和Token规模，不是公司规模。
他回忆了OpenAI的早期决策：当时团队决定把深度学习模型往更大规模推，行业内有很多聪明人反对，“扩大规模未必有用”“没必要这么冒险”。
但奥尔特曼和团队押了上去，结果规模带来了涌现能力，GPT-3、GPT-4以及后续模型的每一次跨越都源于此。
他从中提炼出一句话：“在我职业生涯中所有最有趣的事情，都与规模引发的涌现属性有关，或者是规模持续带来了远超大众预期的回报。”
这句话不只适用于模型训练，奥尔特曼把同样的逻辑延伸到了公司的运营上。
过去创业的逻辑是：有想法，招团队，做产品，推市场。团队规模就是产能上限，招不到人，事情就推不动。
硅谷几十年的创业故事，讲的都是“如何组建一个足够强的团队”。
但奥尔特曼说：现在这个逻辑变了，创业者可以用Token替代大量人力，用AI Agent完成过去需要大型工程团队才能完成的任务。
他的原话是：“你能承担的项目规模、你的野心高度、你推进的速度，以及你能同时处理的任务数量，都已今非昔比。”
这不只是效率提升，效率提升是同样的事情做得更快，这是范式更替，原来没有足够的人员规模根本不可能启动的项目，现在一个小团队就能推动。
OpenAI计划在今年9月调用相当于50万张A100GPU的算力，让AI充当研究实习生，并计划在2028年3月，拥有一位能端到端解决问题的AI研究员来探索全新架构。
既然前沿研究都可以由AI来执行，那单个创业公司的人力规模需求还会继续降低。
2023年3月它刚开放API那会儿，生成100万个Token（输出）要花60美元。能用得起的，基本都是法律分析、金融建模这种单次价值够高的场景，普通应用根本扛不住成本。
2024年7月，OpenAI推出GPT-4o-mini，输出价直接干到0.60美元/百万Token，比GPT-4整整便宜了100倍。“用不起”一下子变成了“随便用”。
谷歌的Gemini 2.5 Flash，输入价压到0.30美元/百万Token；中国的DeepSeek V4 Flash更狠，输入0.14、输出0.28美元/百万Token，是目前还能打的前沿模型里最便宜的一档。
把时间拉到最长看，从GPT-3初代的60美元/百万Token，到现在最便宜模型的0.14美元（按最便宜对最便宜的口径算），单位Token价格累计跌了大约99.7%。
同样一个推理任务，三年前的成本放到今天，可能连百分之一都不到。一个创业者每月掏几百到几千美元的API（应用程序接口）费用，就能换来过去得养一整个团队才能产出的工作量和决策量。
Token单价暴跌了99.7%，企业的AI账单不降反升，而且涨得不少。
道理不复杂：Agent工作流把消耗方式彻底改了。过去调一次API，问一句，答一句，几千个Token就够了。
现在一个任务下来，多轮推理、调工具、重试、翻上下文，单次烧掉的Token是过去的几十到几百倍。
Token是变便宜了，可你用的量也跟着指数级往上窜。这就像电费降价后，你从只舍得开盏灯，变成空调、电脑、电动车一起开，电费当然会涨。
用户多、团队大、融资多，你就赢面大。移动互联网时代把这条验证了无数遍：烧钱换增长，增长换份额，份额换定价权。
功能怎么定、产品怎么迭代、用户怎么交互，现在的AI Native（原生）组织全压给一个极小的团队当场拍板，没有层层审批，没有跨部门扯皮。
过去是“人堆多了，新能力自己长出来”，现在是“Token规模上去了，新能力自己长出来”。
你不再需要凑一个几百人的团队来触发涌现，你需要的，是给你的AI Agent足够多的Token和足够大的发挥空间。
大公司的长处很明显：资源厚、人才密、品牌大。短处也一样明显：决策慢、协调贵、组织一身惯性。
现在AI把执行成本压到接近于零，决策的质量和速度，就成了唯一还能拉开差距的地方，也打破了竞争壁垒。
50人的精锐，天然就比5000人的层级组织强，这道理不用多说。
所以奥尔特曼才说“初创公司的范式已经被颠覆了”。说得再准点，被颠覆的是“干大事就得有大团队”这个被默认了太久的假设。
第一条：你的团队，应该是除了人，还包括AI Agent。
人迟早要招，但招人的标准变了。过去是“这事得有人干，所以我得招人”，现在是“这事AI干不了、或者干不好”，只有满足这一条，才值得搭人力进去。
人的价值，重新落到了客户关系、战略判断、行业洞察、创意方向这些AI短期还接不住的地方。
中国创业者现在就该练一种新本事：把业务流程拆成两堆，一堆“能甩给AI的任务”，一堆“必须人来做的任务”。前一堆交给Token，后一堆才配人。
第二条：Token支出是核心生产资料，不是工具订阅费。
很多创业者还把买AI工具、买Token的钱算进“工具订阅”或者“技术开支”里，跟买个SaaS软件差不多。
Token支出，得放到跟制造业买原材料同等重要的位置上。
你得像管供应链那样管Token消耗：哪些任务用便宜的小模型就够了，哪些非得上顶级模型，哪些能靠缓存和提示词省下来，哪条Agent工作流的Token效率最高。
Token管得好和管得差，成本能差出几十倍，对手里钱不宽裕的中国创业者来说，这个差距可能就决定了公司的生死。
所以，你要盯住每个Agent、每类任务烧了多少Token、产出值不值，定期做一次“Token审计”，把那些“烧得多、产出低”的环节揪出来，要么换模型，要么改提示词，要么把工作流重新设计一遍。
未来的组织会把庞大的团队，缩成更小、更灵活的AI驱动小队。
刻意把团队摁住，用“小团队＋AI Agent”这套组合去验证方向。
奥尔特曼在这次对话里打了一个很妙的比方：AI正在变成一种新的公用事业，就像电、互联网和自来水。
最早的电力公司不卖电，卖的是“晚上的亮光”。因为那会儿没人懂电是什么，更不知道自己为什么需要它。
后来大家才发现，同样这点电，除了照明，还能洗衣服、转工厂、撑起整个现代文明。可在最早那阵子，你得先给它找一个具体的、看得见摸得着的用处。
Token就是这个新时代的电，Cursor用它点亮了编程，四年后被SpaceX用600亿美元买走。Midjourney用它点亮了图像创作；Bolt.new用它点亮了应用开发。
如果您遇到消费AI方面的问题与困惑，欢迎各位与我们一起学习交流！
-END-
📍关注消费AI进化体｜赋能组织AI转型
我们聚焦大消费行业（餐饮、零售、快消）的AI转型升级，坚信人在AI技术变革下起关键作用，以最精炼的方式帮助管理者掌握推动AI组织团队升级的框架、方法、工具，从而更好推动 AI 在团队中的真实落地，提升团队效能和组织上限。
投稿联系：樊老师13332662349（微信同号）
业务合作：贝老师13392164760（微信同号）
媒体·投资·培训·峰会
