10 人公司月烧 310 万美元 token：他们取消了 PR，也取消了 CEO 的审批权
一家只有十个人的公司，过去 30 天向用户交付了 77,000 项实质性改动，平均每小时约 108 项，是六个月前的 500 倍。代价是每月 310 万美元的 token 账单，大约等于工资支出的 30 倍。
这是 Spawn 创始人 Jacob 在《How I Built the Most AI-Pilled Company in the World》里给出的数字。亦仁在 2026-11-01 把它全文译成中文发在生财有术。先说明：文中支出、交付量、效率提升均为作者自述，未经独立核验；"实质性改动"也是作者自定义口径，不是行业标准。 本文不复述神话，只拆两件事：它是靠什么机制跑起来的，以及普通团队能抄哪一段、不能抄哪一段。
一、真正反常识的不是那 310 万美元
如果你只记住"他们很敢花钱"，这篇文章就白读了。
按作者自己的说法，310 万美元带来的不是"更快的员工"，而是一套允许智能体持续犯错、又能在小时内把错误收敛掉的组织结构。钱只是入场券；没有这套结构，同样的预算会变成一堆互相打架的改动和一条永远排不完的评审队列。
我把它拆成四层。四层缺任何一层，后面都会塌。
二、第一层：智能体不是"临时工"，是"常驻员工"
大多数人用 Claude Code 的方式，是开一个会话、派一个任务、跑完就关。Spawn 把智能体叫"舰队"，每个成员的特征完全不同：
- 长期存在，有自己的名字，记得自己做过什么；
- 在系统里拥有真实权限，会作出承诺；
- 各自负责公司的一块业务——引擎、Savi（产品内的 AI 助手）、运营、财务、缺陷分诊、部署；
- 每个常驻智能体再调用成群的辅助智能体，多数日子每天创建数千个。
五个人类则直接用改造过的 Claude Code，推进那些目标更大、需要密切引导的项目。
这里最容易被忽略的是"记忆"和"权限"。没有记忆，智能体每次都要重新理解上下文，只能做短任务；没有真实权限，它只能提建议，不能闭环。两者合起来，才让它从"工具"变成"岗位"。
三、第二层：取消 PR，让环境承担沟通
工程协作里大量沟通，本质是在说"我准备改什么，你那边要跟着改"。智能体数量翻倍，这种互相通报的量大约变成四倍——这是第一个撑不住的瓶颈。
Spawn 的解法借自蚂蚁：蚂蚁不喊"我要去找食物"，它留下痕迹，其他蚂蚁观察环境后行动。术语叫痕迹协作（stigmergy）。对应到软件：代码、运行中的产品、数据库就是环境，智能体直接在这个环境里工作，谁改了什么，环境立刻反映出来。
于是他们今年早些时候取消了 PR。
逻辑是：人类需要 PR，是因为人有专业分工——一个人懂数据库，另一个人懂玩家数据怎么被用，所以改动要两个人审。智能体没有这个限制，每个都能端到端理解系统，也就能端到端负责。
举个作者给的例子：旧方式是"我要改玩家数据，我们先对齐数据结构"；新方式是直接改。如果另一个智能体正在基于旧结构做排行榜，它的代码立刻失配，在更新之前根本合不进去。约束由环境自动施加，不需要开会。
四、第三层：允许出错，但每小时必须重新一致
取消评审不等于取消质量。Spawn 换了一套完全不同的质量机制：
- 允许带瑕疵合入：不完美也可以先进，但要求每小时所有东西重新协调一致；
- 事后清洁：一出问题就当场创建一个智能体，告诉它哪里坏了，让它修；用叠加的新改动修复，而不是撤销重来；
- 测试按时间窗跑：智能体合入前只用产品自检，完整测试套件每 15 分钟对最新代码跑一次——它只需要知道"问题是过去 15 分钟出现的"；
- 不可逆操作单独设闸：付款这类影响外部世界又撤不回的动作，必须过一小撮写死的检查；
- 一小时不上线 = 最严重事故：作者把"没有部署"本身当成 SEV-0，因为改动会积压、反馈会变慢、智能体的连贯性也会下降。
支撑这套打法的是可观测与可回滚：任何东西都能被智能体用文字追踪并重放；一项有问题的改动可以在 30 秒内只回滚坏的那一部分。
结果指标是回退率：过去一年 123,548 项改动，只有 1,055 项被回退，约 0.9%。
他们还给了一个事故时间线：玩家已受影响约 8 分钟后事故才被正式宣布；1 分钟后定位原因；宣布后第 11 分钟修复上线；再过 4 分钟恢复稳定。
五、第四层：把两年的决策，编译成 AI 裁判
到十月，Spawn 剩下的瓶颈变成了创始人自己：每天早上堆着 700 个"要不要做这个功能"的品味问题，远超回答速度，而且大部分是重复回答——"太复杂了""这个取舍可以接受""感觉还是不对"。
他们的做法是：把两年来每一次对话、每一个决策整理成"体现每个人品味的原则"，再构建 AI 裁判去应用。裁判收到问题后三选一：
- 记录里已经有人答过 → 直接裁决，并指出依据在哪；
- 问题本身不成立 → 退回给提问的智能体；
- 需要从未有过的新判断 → 留给人。
10 月 6 日首批裁决返回。之后八天处理了 11,000 多次：7,296 个已决定、2,213 个被退回、1,863 个留给人。这段时间里，创始人亲自给意见 27 次。
效果直接体现在交付上：引入裁判前一周，舰队每天约 1,000 项改动；10 月 10 日单日 7,250 项。
这一层最值得学，也最容易被低估：它把"创始人的判断"从不可复制的人格，变成了可检索、可纠正的资产。 裁判判错，人指出来，它下次读取这条纠正。
六、人类只剩两件事：品味与熵
那么五个人类干什么？作者给了两个词。
品味（taste）：成千上万个细小决定，以及一次次把产品推向想要的样子。核心动作是对"能跑的东西"说"不"：
「绝对不要用 CPU 做光栅化。如果存在这条代码路径，就删掉它。」
「不要替代物。能渲染就渲染，不能就别渲染。」
「这不对，撤销。太慢了，而且没有那种灵动劲儿。」
品味也包括删除。他们曾拆掉一套开发了半年、占整个引擎约 70% 的服务器端模拟系统，七月连运行它的服务器也删了。
熵（entropy / 野心）：提出模型不会主动想的要求。作者观察到，模型非常擅长连续数周累积 2% 的改进，却很不擅长停下来说"这十万行可以变成一万行，效果会好 100 倍"——它们太受现有结构束缚。
于是他给模型这样的提示：
「在第一条消息里，我就授权你：如果你认为合适，可以自主重写整个引擎。」
「想象一下，如果世界真的可以无限大。」
「怎样才能让一个比《GTA》大一千倍的世界，在手机上一秒钟内加载出来？」
最后这个问题催生了 Spawn 6，也是他们开始病毒式增长的版本。反面例子同样清楚：另一个模型花两天、烧掉 10 万美元，只换来 1%、2%、3% 的改进。
七、为什么大部分公司抄不动
作者自己给了几个原因，我补两个更现实的：
- 闭环要求你敢让智能体弄坏生产环境。 大多数组织的默认反应是加审批，而不是加回滚。没有回滚和可观测，放开闸门等于裸奔。
- 前置投入极重。 Spawn 从成立起就录下每次通话、存进代码仓库，等了两年才等到能用的模型；多数团队只看到"取消 PR"这一幕。
- 强可验证领域红利。 游戏引擎的改动大多能由"跑起来 / 不崩 / 不掉帧"自动判定。换成法务、政企交付、内容审核，错误不会自动暴露，这套打法会显著打折。
- 数字口径是自定义的。 "实质性改动"没有第三方标准，引用时应保留这个前提。
- 最常见的错误，是把 AI 硬塞进按人类工作方式设计的框架。 作者的判断是：智能体的能力与工作方式并不是人类的翻版，流程要按它的特性重画。
八、普通团队怎么小范围试：三步，不用先花 310 万
如果你认可这个方向，别从"取消 PR"开始，从它前面的三件套开始：
第一步，建三件套。 可观测（每一步都能用文字追踪、事后重放）、可回滚（10 分钟内只回滚出问题的那一块）、快验证（把全量检查压到固定时间窗，而不是每次改动都全跑）。
第二步，改流程，不改闸门强度。 先挑一个可自动验证的模块，把"合入前排队评审"改成"合入后清洁 + 1 天内收敛"。允许小瑕疵，但要求每天收盘时整体一致。
第三步，才是把判断权交出去。 把重复回答过的判断写成原则，先让人照着原则裁决，跑稳之后再交给 AI 裁判；新判断永远留给人。
验收只看两个数：回退率（建议先定 <5%）和平均恢复时间。两个数不降，就不要扩大放权范围。
我自己也在小范围试：接下来两周，在博客站和脚本仓按"合入后清洁 + 1 天未合并算事故"跑，用回退率当唯一验收指标。跑完把真实数据写出来——如果失败，也比转述别人的成功更有用。
九、一句话
Spawn 真正卖的，不是"多花 token"，而是把组织改造成能承受智能体犯错的样子：常驻的智能体、作为协调介质的环境、小时级的收敛闭环，以及一套能替人做重复判断的裁判。
钱买得到 token，买不到这四层。而这四层，恰好是可以用小范围实验一点点长出来的。
资料来源：Jacob《How I Built the Most AI-Pilled Company in the World》（X，2026-11）；中译：亦仁，生财有术，2026-11-01（https://t.zsxq.com/6NJoA）。文中数据均为作者自述，本文未做独立核验；"实质性改动"为作者自定义口径。本文为案例拆解与个人判断，不构成任何投资或经营建议。