一个人的公司

（图片说明）2026 年8 月8 日，Solo Unicorn Club 成立一周年Social Mixer 现场，纽约。

一场没有舞台的周年活动

8月8日，Solo Unicorn Club在纽约举办成立一周年Social Mixer。这场活动没有安排主题演讲，也没有圆桌论坛，更没有让创业者排队上台介绍自己的项目。 103份报名通过审核，其中48位参与者曾经参加过此前的活动。现场既有创业者、AI工程师、独立开发者和投资人，也有来自金融、楼宇科技、生命科学等行业的企业管理者与专业人士。

对纽约这样一座从来不缺科技活动、投资论坛和创业聚会的城市而言，一场没有舞台的活动本身并没有什么值得夸耀的地方。 Solo Unicorn Club真正想做的事情其实很实际：让有能力把产品做出来的人，坐到真正掌握企业问题的人旁边，把时间留给那些可能产生后续合作的谈话。

一名独立开发者也许已经利用AI做出了产品原型，但他不知道第一个企业客户在哪里；一名企业管理者可能很清楚公司里哪个流程效率低、哪个问题多年没有解决，却不知道市场上已经出现一批可以用很小团队快速试验新方案的人。投资人关心的也不只是谁掌握最新模型，而是这些技术最后能不能找到稳定的需求，形成收入，并且建立可以持续的公司。

Solo Unicorn Club正是在这些具体而不太光鲜的问题中走过了第一年。

这个成立于2025年8月、扎根纽约的AI builder社群，目前已聚集超过2,000名线上与线下会员。它最初受到关注的一个原因，是提出并支持「一人公司」这种正在形成的创业方式，同时又把企业内部的AI-native转型纳入同一个社群框架。两者表面上相距很远，一边是很小的创业团队，另一边是拥有复杂组织结构的大型企业，但它们都面对着同一项变化：AI正在提高个人的工作能力，也在改变企业配置人力、技术和资本的方式。

（图片说明）Solo Unicorn Club 创始人Jesse Qin 博士。

「一人公司」并不等于一个人孤立地完成所有事情

「一人公司」是一个很容易传播的概念，也很容易被误解成未来的企业只需要一名员工，甚至被进一步演绎成「一个人加上AI，就可以不再需要团队」。

Solo Unicorn Club创始人Jesse Qin博士并不这样理解。

在他的判断中，AI真正改变的是公司规模与生产能力之间原来相对固定的关系。过去，一家公司要增加产品、扩大市场和服务更多客户，通常需要同步增加工程、设计、销售、研究、内容和营运人员；现在，部分工作已经可以交由AI协助完成，一名经验成熟的builder或者一支很小的团队，能够承担过去需要更多人力才能完成的任务。

「我不认为一人公司意味着一个人取代一家公司的全部功能。真正发生的变化，是公司的最小有效规模正在下降。」Jesse Qin表示，「未来评价一家公司时，有多少员工可能不再像过去那么能够代表它的实际能力。我们需要更多地看它掌握了什么能力、解决了什么问题，以及AI把每一个人的能力放大到了什么程度。」

这是一个比「一个人能不能创造一家十亿美元公司」更加值得讨论的问题。

今天，一名创业者可以利用大模型完成研究，可以借助AI协助写程式，可以迅速建立产品原型，也可以把原来需要多人参与的部分内容、设计和营运工作压缩到一个很小的团队里。创业最早期需要承担的人力和时间成本因此下降，一个想法不必先募集大量资金、组建完整团队，才有机会接受市场检验。

这种能力给很多人带来了过去没有的机会，但它并没有让商业本身变得简单。产品可以更快做出来，客户不会因此自动出现；程式码的成本下降了，企业采购、法律责任、数据安全、监管要求以及客户信任仍然存在。技术能够帮助一家公司变得更轻，却不能替一家企业承担它应当承担的责任。

Jesse把这条界线看得很清楚。 「公司不只是生产工具的集合，它还承担信任、法律责任、客户关系、治理和长期交付。AI可以降低一部分生产成本，但不能自动创造这些东西。一家公司即使只有一个人，合同仍然需要履行，客户仍然需要被服务，责任也仍然要有人承担。」

这可能是理解「一人公司」最重要的前提。 AI让一个人变得更有能力，并不等于商业世界从此不再需要其他人。

产品做得越来越快，值得做的问题反而更加珍贵

一周年活动现场出现的几组讨论，很能说明AI进入企业之后的真实状态。

一位大型投资银行的AI负责人谈到企业内部文件智能系统的部署。真正需要处理的不只有模型本身，还包括知识图谱如何建立、token限制如何处理、既有合同允许使用哪些模型、开源方案能否替代，以及一套系统最后应由谁批准、由哪个部门承担成本。

一家全球楼宇科技公司的产品负责人讨论的是HVAC和制冷系统的AI改造。 AI技术可以在很短时间内更新，但一栋商业建筑可能已经运行了二十年，既有设备、控制系统、维护责任、采购程序以及内部不同部门之间的决策方式，不会因为一个新的模型出现而全部重来。

生命科学领域的情况更为典型。基因测序、细胞治疗与肿瘤研究确实产生大量数据，也存在利用AI提高效率的空间，但研究验证、患者安全、临床责任和监管要求依然有自己的节奏。 AI能够缩短某些环节，却不能用速度替代科学和医疗需要承担的责任。

这些看上去并不惊人的细节，恰恰构成了AI真正进入商业世界时最难的一部分。

几年前，一名创业者最大的障碍可能是缺乏技术团队，知道一个问题，却没有能力把产品做出来。今天，情况正在发生变化。大模型、agent、云端基础设施和大量开源工具使工程能力变得比过去更容易取得，一名好的builder可以在几天或者几周内做出一个相当完整的prototype。产品开发速度提高之后，另一种稀缺开始显现出来：究竟什么问题真正值得解决？

Jesse认为，现在很多优秀的builder缺少的已经不是技术能力，而是产业现场。 「谁真正有这个问题？它到底有多痛？企业有没有预算？谁拥有采购权？解决之后能不能产生可以衡量的价值？这些问题听起来没有模型参数那么令人兴奋，但最后决定一个产品能不能变成公司。」

这个判断也解释了Solo Unicorn为什么愿意花力气把企业实际操盘者带进一个以AI builder为主的社群。技术端需要知道真实企业如何工作，企业端也需要看到今天很小的团队已经能够做到什么。两边并不缺能力，缺的是一条让需求与能力真正相遇的通道。

（图片说明）活动前，社群为多数确认出席的嘉宾完成背景梳理并安排破冰分组，个性化名牌成为对话的第一个入口。

一家企业最重要的知识，往往没有完整写在文件里

Jesse Qin对「context」——上下文——的重视，与他的专业经历有直接关系。

他拥有罗格斯大学电脑工程博士学位，研究涉及分散式计算、推荐与知识发现以及机器可读知识系统；2025年，他在纽约大学斯特恩商学院完成商业分析与人工智慧方向的MSBAi学位。此后，他在企业AI基础设施公司Kamiwaza从事相关产品工程，涉及ontology、context graph、RAG与agent workflow。他的公开研究Context Graph，同样关注企业知识碎片化，以及人与AI agent如何共享可治理的组织上下文。 2026年5月，他曾在纽约Cornell Tech举行的Knowledge Graph Conference 2026上就相关研究进行公开分享。

因此，他所说的「一人公司的天花板可能不是产能，而是上下文」，并不是一句为创业社群设计的宣传语，而是来自他长期研究企业AI之后形成的判断。

Jesse向GFM.News解释，很多人容易认为，只要模型能力不断提高，一个拥有足够好AI工具的人就可以处理越来越多事情。从生产能力的角度看，这个趋势确实已经出现，但企业真正运行时，大量重要信息并不存在于公开资料、数据库或者一份可以直接交给AI阅读的文件中。

一家银行为什么在某个环节特别谨慎，一家制药企业为什么必须坚持某个验证程序，一家公司为什么多年以前放弃过一个看起来合理的产品方向，背后可能有监管原因，也可能来自一次代价昂贵的失败、某个重要客户的要求，或者一批工作多年的员工逐渐形成的共同判断。

「模型可以读很多资料，但它不会自动获得一个组织十年、二十年累积下来的经验。这些经验就是context的一部分。」Jesse表示，「一个builder今天可以很快做出产品，但他仍然可能不知道企业真正需要什么，所以我一直认为，企业里真正做过事情的人是很珍贵的知识来源。」

这里有一个值得企业和创业者同时注意的变化。 AI越来越强之后，产业经验的价值并没有像一些人想像的那样迅速下降，反而可能因工程成本下降而更加突出。

一名优秀的开发者也许三天就能建立一个漂亮的prototype，但一名在同一个行业工作二十年的管理者，可能在半小时的谈话中就能告诉他，为什么这套产品在真正的企业环境里无法被采用。对一家早期创业公司而言，这半个小时所节省的可能不是三天，而是半年。

Solo Unicorn希望建立的，就是这种交流发生的条件。

不是所有人都需要成为工程师，也不是所有工程师都需要重新花二十年理解一个行业。如果懂产业的人愿意把问题说清楚，有能力的人愿意把问题做出来，而企业又能提供真实环境进行验证，AI的效率才可能转化为真正的商业效率。

（图片说明）独立开发者与企业端管理者在现场交流真实业务问题。

一家公司的能力，未来可能越来越难用人数衡量

Solo Unicorn所讨论的问题值得被放到更大的经济背景中观察，原因也正在这里。

现代企业在很长时间里存在一个相对稳定的规律：业务扩张往往伴随员工增加。产品线变多，需要更多工程师；客户增加，需要扩大销售与服务团队；组织变大以后，又需要增加管理层级和行政成本。企业产出、员工数量以及资本投入因此保持着相对紧密的关系。

AI正在逐步松动这种关系。

如果一家五人的公司能够完成过去二十人的工作，一家二十人的企业能够支撑原来需要一百人才能完成的业务，那么我们理解企业效率和企业价值的方法必然会改变。员工人数仍然重要，但它不再能像过去一样直接代表一家公司的实际生产能力。

对投资人而言，未来值得更加重视的，可能包括每名员工能创造多少收入、企业有多少流程真正被AI重新设计，以及收入增长是否仍然需要按照相同比例增加人员。对管理者而言，问题也会逐渐转向另一个层面：哪些工作最适合交给AI提高效率，哪些环节仍然必须保留人的经验、判断和责任。

这一变化对劳动市场的影响也远比「某个职业会不会被AI取代」复杂。

很多职业未必会在短时间内消失，但一个人的工作边界可能显著扩大。过去分散在几个岗位上的部分任务，可能被重新组合到一个人的工作中；一名优秀员工在AI协助下所能承担的责任范围，也可能比过去大得多。

企业因此会重新思考人才的价值。未来真正稀缺的人，未必只是能够完成某一项标准化工作的人，而可能是那些能够提出正确问题、理解复杂上下文、作出判断并且愿意对结果负责的人。

AI可以增加人的产能，却很难替一个人建立多年形成的判断力。

这也是教育、职业训练和企业人才培养迟早需要面对的问题。

AI降低普通协作成本，也可能提高高品质关系的价值

谈到一人公司，Jesse特别强调另一个常被忽略的问题：一个人拥有更强的生产能力，并不代表他从此不需要其他人。

他甚至认为，情况可能正好相反。

「一人公司最大的误解，就是把它理解成一个人不需要任何其他人。我不相信这样的商业世界。」Jesse说，「AI可以让一个人独立完成更多生产任务，但商业本身仍然是一种社会协作。你仍然需要客户，需要合作伙伴，需要产业知识，需要法律、金融以及各种专业服务，更重要的是，你需要别人信任你。」

这是一个很有人情味、也很实际的提醒。

一家小公司或许不再需要十名全职员工，却仍然需要一名可信任的律师、一位真正理解行业的顾问、一个愿意提供第一个使用场景的客户，以及几名在关键时刻可以说真话的合作伙伴。

以前，公司依靠大量内部人员完成协作；未来，一些小型AI-native企业可能用更少的全职人员，配合更高品质的外部专业网络完成相同甚至更大的业务。这不意味着人与人的关系变得没有价值，而是关系的质量变得更加重要。

AI能够替人处理大量普通的信息交换，也可以降低一些协作成本，但信任很难被自动生成。尤其是在商业世界里，一个人愿不愿意把自己的客户介绍给你，一家公司愿不愿意让你的产品进入它的核心流程，一名资深产业人士愿不愿意把多年积累的经验告诉你，背后仍然是对人的判断。

如果Solo Unicorn最终能够产生长期价值，可能也不在于它把多少人聚集到同一个空间，而在于它是否提高了那些真正需要彼此的人相遇的概率。

（图片说明）一周年活动收尾。 Solo Unicorn Club 计画将社群网络拓展至洛杉矶、矽谷与东京。

Club可以让人认识，Lab必须证明这些关系能不能产生结果

Solo Unicorn下一阶段计画沿着Club和Lab两条线继续发展。

Club继续承担社群和连接的工作，除了纽约之外，还计画逐步拓展至洛杉矶、矽谷和东京。几座城市拥有完全不同的产业条件：矽谷的优势是技术、创业与风险资本密度；洛杉矶连接娱乐、内容、创作者经济，也拥有航空航天、医疗及大量中小企业；东京则拥有庞大的成熟企业体系，同时面临企业现代化、人口结构以及AI导入带来的长期压力。

对这类网络而言，增加城市本身并没有太大意义，真正重要的是不同地区的需求和能力能不能发生有效流动。一名纽约的builder是否能够接触到东京企业的实际问题，一家洛杉矶企业能否找到原本不在自己供应商名单中的技术团队，这些才是网络存在的实际价值。

Lab则需要完成更加艰难的部分。

Solo Unicorn目前正在维护Solo Unicorn Toolbox，收录600多个AI基础设施与agent相关开源项目，并提供中英双语资料。按照目前的设计，Lab还将承接Club里出现的企业需求，把这些问题整理成具体项目，再组织builder和产业专家完成POC、效果验证以及实际交付。

Jesse很清楚，这一步比办活动困难得多。

「很多社群最大的问题不是没有认识很多人，而是大家认识之后，事情就结束了。」他说，「我真正希望看到的是，一个builder是不是因为在这里认识了一家企业而得到第一个客户，一家企业提出的问题有没有最后形成POC，POC有没有真的进入业务，或者两个原来互不认识的人能不能因为一次交流最后共同做成一家公司。」

因此，他对Solo Unicorn成功与否的衡量，并不愿意停留在会员数量。

2,000名会员是一个起点，也是一个容易被外界看见的数字。但对一个希望建立创新网络的社群而言，更有意义的数字往往不那么容易迅速出现在新闻标题上：究竟有多少企业愿意把自己的真实问题拿出来，有多少问题被转化成可测试的项目，有多少POC最后被使用，有多少创业者由此找到第一个付费客户，又有多少在活动里偶然认识的人最终形成了可以持续的商业关系。

这些结果需要几个月，甚至几年才能看清楚。

也只有到那个时候，Solo Unicorn才真正能够知道自己建立的是一个热闹的社群，还是一套具有长期价值的创新机制。

一场活动真正留下来的，不应该只是照片

8月8日晚间，参与者陆续离开活动现场。个性化名牌被摘下，新的联系人进入手机，第二天，每个人仍然要回到自己的程式码、客户、公司、实验室和投资项目里。

任何经常参加科技活动的人都熟悉这个场景。很多交流在离开会场之后很快沉寂，很多当时令人兴奋的对话，最后停留在一张名片或者一条LinkedIn连接里。

所以，一场活动究竟有没有价值，往往不是当天能够判断的。

也许几个月后，一名那天还没有企业客户的开发者，会因为一次普通的谈话得到第一份合同；也许一位企业管理者随口谈到的一个流程问题，最后会被另一个人做成真正投入使用的产品；也可能两个当晚第一次见面的人，在经过半年磨合之后共同成立一家公司。

如果这些事情真的发生，8月8日那场没有舞台的一周年聚会才会拥有比活动本身更长的生命。

在AI迅速发展的今天，我们很容易把注意力集中在模型又提高了多少、agent又可以完成多少工作、下一代技术又将节省多少人力。这些问题都重要，但如果把商业世界真正打开来看，就会发现公司之所以存在，从来不只是因为一个人没有足够的时间完成所有工作。

人组成公司，也因为需要别人的经验，需要不同专业彼此校正，需要客户长期建立的信任，需要有人在自己看不到问题的时候提出提醒，也需要一套能够让责任持续存在的制度。

AI可以大幅缩短完成很多工作的时间，却很难把理解一个行业所需要的二十年经验压缩成二十分钟；它可以帮助一个人阅读更多资料，却不能保证他因此真正理解另一个人的需要；它可以提高效率，但商业里最难建立的那些东西——信用、责任、判断和信任——仍然需要人在时间中慢慢完成。

这或许也是Solo Unicorn Club走过第一年之后，最值得继续观察的地方。

Jesse Qin并没有把「一人公司」理解成一个人与世界隔绝之后独自创造一家企业。在他的理解里，AI让个人的能力变得更强，所以人反而应该更清楚自己不知道什么，更珍惜那些真正懂产业、懂客户、愿意分享经验并能够建立信任的人。

如果未来公司的确可以变得更小，那么我们需要重新理解的也许不只是公司的规模。

我们还需要重新理解一个人的价值如何被衡量，一个企业的能力究竟来自哪里，产业知识为什么仍然重要，以及在技术越来越强大的年代，人与人之间那些无法快速复制的经验与信任，究竟值多少钱。

对Solo Unicorn Club而言，第一年已经结束。

真正的考验现在才开始。

下一个值得报导的数字，最好不只是会员增加了多少，而是有多少人因为这个网络真正做成了一件事情。

免责声明

文中涉及社群规模、活动参与情况、项目规画及创始人专业背景等资讯，以Solo Unicorn Club提供资料为基础；有关AI对企业规模、人才结构及商业组织可能产生的影响，为GFM.News作者基于相关材料所作的编辑分析。