公司即智能體：Block 提出管理史上最激進的組織架構

2026 年 3 月 31 日，Sequoia Capital 合夥人 Roelof Botha 和 Block 創辦人 Jack Dorsey 聯名發表了一篇萬字長文，標題是「From Hierarchy to Intelligence」。這篇文章引用了羅馬軍團、普魯士參謀制度、曼哈頓計畫，論述的核心只有一件事：AI 可以取代兩千年來人類唯一的大規模協調機制，也就是層級管理。

Sequoia 的合夥人通常發布的是市場趨勢報告或投資備忘錄，不是組織管理論文。Botha 這次親自下場，把自己的名字和 Dorsey 並列，代表 Sequoia 認為這件事的重要性超越了單一公司的內部改造。

但時間點很微妙，Block 在 2026 年 2 月剛裁掉了約 40% 的員工，大約四千人，理由是「智能工具讓更小的團隊能做更多事」。一個月後，這篇論文上線。

Sequoia 的速度論

Botha 在文章開頭寫了一句話，「在 Sequoia，我們觀察到速度是新創成功的最佳預測指標。」這句話看起來像是客套的開場白，但放在 Sequoia 近年的投資論述裡，它其實是一個篩選標準。

Botha 的履歷本身就是一條線索，他在 2000 年擔任 PayPal 的財務長，2003 年加入 Sequoia，主導投資了 YouTube、Square、MongoDB 等公司。他和 Dorsey 的關係從 Square 時期就開始了，而且他目前是 Block 的首席獨立董事。這篇文章的兩位作者，不只是投資人和創辦人的關係，Botha 在 Block 的董事會裡有治理責任。

Sequoia 這幾年的 AI 投資論述反覆強調同一件事，小團隊加上 AI 工具可以超越大組織。他們稱之為「豐裕時代」（Age of Abundance），預測 AI 會催生數千個垂直應用，而這些應用的開發團隊可能只需要幾十人。

但如果小團隊能超越大組織，那大組織的瓶頸在哪裡？Dorsey 和 Botha 的回答是層級管理本身。每多一層管理，資訊就多一次損耗，決策就慢一拍，而這個損耗在過去兩千年來沒有任何技術能解決。

在這個脈絡下，Block 裁掉 40% 員工就有了不同的解讀。這背後其實是在測試一個假設：如果 AI 能取代中間管理層的協調功能，那公司根本不需要這麼多人。Botha 在裁員期間買了超過 2,500 萬美元的 Block 股票，用行動押注這個假設。

從羅馬帳篷到你的組織圖

Dorsey 和 Botha 的論文花了將近一半的篇幅回顧組織管理史，這個選擇本身就說明了他們的企圖心：他們想證明自己要解決的是一個兩千年來懸而未決的根本限制，遠遠超出管理學的小修小補。

羅馬軍團的最小單位是「帳篷小隊」（contubernium），八個士兵共用一頂帳篷、一套裝備、一頭驢子，由一名十人長帶領。十個帳篷小隊組成一個百人隊，六個百人隊組成一個大隊，十個大隊組成一個軍團，大約五千人。每一層都有一個指揮官，負責從下方彙整資訊、從上方傳達決策。這套 8 → 80 → 480 → 5,000 的結構，本質上是一個資訊路由協定，而它的設計限制只有一個：一個人能有效管理的人數大約在三到八人之間。

一千八百年後，普魯士在被拿破崙打到全軍覆沒之後重建了軍隊。改革者沙恩霍斯特和格奈澤瑙的核心洞察是：不能依賴頂端的天才。他們創建了參謀制度，一群專門負責規劃作戰、處理情報、協調單位的軍官，用沙恩霍斯特的話說，目的是「為無能的將軍提供他們可能缺乏的才能」。這就是中間管理層的原型，比「中間管理層」這個詞早了一個多世紀。

到了 1850 年代，美國鐵路把軍事組織的邏輯搬進了商業世界。紐約和伊利鐵路的 Daniel McCallum 畫出了史上第一張組織圖，因為非正式的管理方式已經撐不住，火車相撞在殺人。McCallum 的組織圖形式化了跟羅馬軍團一樣的邏輯：分層的權責、明確的匯報線、結構化的資訊流。

從羅馬帳篷到今天的跨國企業，底層限制始終沒變：管理幅度決定了你需要多少層級，而層級越多，資訊流動越慢。

公司即智能體

Dorsey 和 Botha 認為，大多數公司現在用 AI 的方式是「給每個人配一個副駕駛」，讓既有的組織結構運作得稍微好一點。Block 想做的事不一樣，把公司重組為一個「智能體」（intelligence），用 AI 取代層級管理的協調功能。

他們提出了四層架構，從底層的金融原子元件到頂層的使用者介面，每一層都對應著傳統組織裡的一個功能。

第一層是能力層（capabilities），包含支付、借貸、發卡、薪資處理等金融功能。它們的定位是原子級的積木，有可靠性、合規性和效能指標，但沒有自己的使用介面。每一項都需要監管許可和網路效應，取得和維護的門檻極高。

第二層是世界模型（world model），分成兩面。公司模型記錄的是公司自身的運作狀態：誰在做什麼、什麼被卡住了、資源怎麼分配，取代的是過去中間管理層做的資訊傳遞工作。客戶模型則是用交易數據建構的即時畫像，Block 同時擁有買方（Cash App）和賣方（Square）的數據，等於看到每筆交易的兩端。用 Dorsey 的話說，「錢是世界上最誠實的訊號」，人會在問卷上說謊、會忽略廣告、會放棄購物車，但花錢、存錢、借錢的行為是真的。

第三層是智能層（intelligence layer），負責把能力層的積木組合成特定客戶在特定時刻需要的解決方案。文章舉了一個例子：一家餐廳的現金流在季節性低潮前開始緊縮，而模型已經見過這種模式，智能層就會自動組合一筆短期貸款，調整還款時間表，在商家還沒想到要找融資之前主動推送方案。沒有產品經理決定要做這個功能，能力本來就在，智能層辨識出時機然後組合。

第四層是介面層（interfaces），Square、Cash App、Afterpay 等都是交付表面，真正創造價值的是模型和智能層。

在人的角色上，Block 把傳統的層級架構壓縮成三種角色。個人貢獻者（IC）是深度專家，靠世界模型獲得過去需要主管提供的脈絡，可以自主決策。直接負責人（DRI）擁有特定的跨團隊問題，比如「某個客群的流失率」，有 90 天的期限和完整的資源調配權限。球員教練（Player-Coach）取代傳統主管，一邊寫程式碼一邊帶人，不花時間在狀態會議和對齊會議上，因為世界模型已經處理了對齊的工作。

為什麼之前每次都失敗

打破層級管理的嘗試，Block 絕對不是第一家，過去二十年至少有四個著名的實驗，每一個都帶著改變組織管理的雄心出發，最後都退回了某種形式的層級制。

Spotify 在 2012 年發表了「小隊模型」（Squad Model），把工程師組成自主的小隊，再用部落、分會、公會的結構串聯。這套模型在發表時就被包裝成 Spotify 的秘密武器，但前員工 Jeremiah Lee 後來指出，這個模型從來沒有真正落地過。當 Spotify 在十八個月內從一千人膨脹到三千人，小隊之間的重複和不一致開始失控，公司最終悄悄回到了傳統的管理結構。模型的幾位原創者全部離開了公司。

Zappos 走得更遠，執行長 Tony Hsieh 在 2013 年引入合弄制（Holacracy），取消所有管理職稱，2015 年發出最後通牒：接受合弄制，或者拿遣散費走人。18% 的員工直接選擇離開，當年的總離職率飆到 30%，而正常年份只有 12%。Fortune 最佳企業的員工調查中，58 項指標有 48 項分數下降，Zappos 在八年來第一次跌出榜單。員工反映每週要多花五個小時開會才能搞懂新系統。到了 2020 年，Zappos 悄悄把管理層請了回來。

Valve 的扁平結構更像是一個理想主義的神話，員工手冊上寫著「沒有老闆」，但前員工 Jeri Ellsworth 的描述更接近現實：「就像高中，理論上每個學生都平等，但總有幾個受歡迎的小孩掌握了權力。」表面上沒有層級，實際上是一個隱藏的權力結構，而且在員工超過三百人之後就越來越難運作。

海爾的「人單合一」模式是四個案例中成效最好的，執行長張瑞敏從 2005 年開始把公司拆成四千多個微型企業，每個都有獨立的損益責任。海爾聲稱自 2012 年以來年均成長 23%，遠高於傳統管理企業的 1.1%。但這個模式花了七年以上才真正運轉，而且它深植於中國製造業的文化土壤，目前還沒有成功複製到其他產業或地區的案例。

四個實驗都碰上了同一堵牆，它們試圖用文化、流程或制度來取代層級的協調功能，但沒有一個擁有真正能執行這些功能的技術。Dorsey 和 Botha 的論點是，AI 是第一個夠格的替代品。

交易數據是護城河還是特例

Block 的論文有一個容易被忽略的前提，這套架構要運作，需要一個夠好的「世界模型」，而世界模型的品質取決於數據的密度和誠實度。

Block 的條件確實很獨特，它是遠端優先的公司，所有的決策、討論、程式碼、設計都以數位紀錄的形式存在，這是公司世界模型的原料。同時它擁有交易數據的兩端，買方的 Cash App 和賣方的 Square，看到的是資金流動的完整圖像，而且這個訊號每天都在複利式地累積。

但能同時具備這些條件的公司，放眼全球屈指可數。一家實體零售商的員工每天在門市和倉庫工作，大量的協調發生在對話、眼神和經驗判斷中，這些訊號不會自動變成機器可讀的數據。一家醫院的護理團隊需要根據病患的即時狀態做出判斷，而這些判斷涉及的信任、倫理和文化脈絡，目前的 AI 遠遠無法處理。

還有一個不能忽略的時機問題，Block 在發表這篇論文的一個月前裁掉了 40% 的員工，而 Botha 在裁員期間買了超過 2,500 萬美元的 Block 股票。這不代表論文的論點有問題，但確實讓它的動機變得更複雜：它同時是一份知識論述、一份裁員的知識辯護，以及一份投資信心的公開展示。

文章本身坦承，「Block 處於這個轉型的早期階段，這將是一個困難的過程，有些部分可能會先失敗才會成功。」這句話的誠實值得肯定，但也意味著目前沒有人知道這套理論在實踐中到底行不行。

你的公司有沒有一個值得建模的世界

Dorsey 和 Botha 這篇論文最有價值的地方，或許是它逼每一家公司回答的那個問題：你的公司真正理解什麼？這個理解每天都在加深嗎？

如果答案是「沒有」，那 AI 對你來說就只是降本增效的工具，裁掉一些人、省幾季的成本，最後被更聰明的東西取代。如果答案是一個持續加深的理解，AI 就能放大它，讓它變成複利式的競爭優勢。

Block 的實驗值得長期追蹤，因為當 Sequoia 的合夥人開始用「組織能不能被 AI 重構」來評估一家公司的時候，這個標準遲早會擴散到整個創投生態。對創業者來說，與其煩惱組織圖怎麼畫，更該問的是自己的公司有沒有一個值得建模的世界。

公司即智能體：Block 提出管理史上最激進的組織架構

Sequoia 的速度論

從羅馬帳篷到你的組織圖

公司即智能體

為什麼之前每次都失敗

交易數據是護城河還是特例

你的公司有沒有一個值得建模的世界

相關資料

Read more

從鳥糞肥料到月球工廠：David Friedberg 為什麼說有 AI 的未來會很棒

身處新的工業革命之中，這一次我們遇到的發電機會說話

從棕櫚園農噴、烏克蘭實戰，到日本防衛省第一單：Terra Drone 60 天的國防化全紀錄

Rocket Lab 成為政府主承包商，股價 +34%、營收 +63.5%