定义
一人公司不是「只有一个员工的公司」。 一人公司是「一个人拥有一家公司的组织能力」。
OPC 是一种 AI 原生的微型组织，其中：
- 由一个人定义核心 Goal；
- 由一个人拥有最终的 Judgement 与 Responsibility；
- AI Agent 承担相当大比例的专业执行；
- 当需要人的信任、牌照、经验或关系时，外部专家与合作伙伴加入；
- 能力是动态组装的，而不是永久雇佣的。
OPC 不是什么
OPC 不只是自由职业
自由职业者主要出售个人劳动或专业技能。
OPC 的目标是建立：
- 可重复的系统；
- 自有的分发渠道；
- 可复用的 IP；
- 自动化的运营；
- Agent 能力；
- 品牌；
- 客户关系；
- 经常性收入；
- 可复利的资产。
OPC 不是「一个人做完所有事」
OPC 的创始人不应该亲自执行每一件任务。
创始人协调的是：
- AI Agent；
- 软件工具；
- 外包承包方；
- 专家；
- 合作伙伴；
- 客户；
- 资本。
OPC 在法律上不必然是一个人
这个概念描述的是一种组织模型，而不是某种特定的法律形式。
一个 OPC 可以采用：
- 个人独资；
- 有限公司；
- 承包合同；
- 合作方实体；
- 特殊目的协议。
OPC 不意味着大公司消失
在许多领域，大型组织仍然是必要的。
OPC 会在具备以下条件的地方生长：
- 数字化生产占主导；
- 资本密集度中等；
- 专业能力可以按需调用；
- 分发可以通过线上或网络建立；
- 无需庞大人数即可建立信任。
为什么 OPC 现在才成为可能
历史上，公司集中了个人负担不起的能力。
公司提供了：
- 员工；
- 协调；
- 系统；
- 资本；
- 品牌；
- 法律结构；
- 分发；
- 共享知识。
AI 降低了其中许多职能的成本。
如今一位创始人可以直接调用：
- 研究；
- 编码；
- 设计；
- 市场营销；
- 客户服务；
- 数据分析；
- 流程自动化；
- 文档撰写；
- 多语言沟通；
- 决策支持。
AI 并没有消除所有组织问题。
它改变的是一个组织的最小可行规模。
OPC 六层栈
一个 OPC 可以被建模为六个层次。
第一层 — Person
创始人的：
- 身份；
- 价值观；
- Judgement；
- 关系；
- Responsibility；
- 风险承受度；
- 长期 Goal。
第二层 — Context
系统对以下内容的理解：
- 当前状态；
- 历史；
- 决策；
- 客户；
- 项目；
- 约束；
- 机会；
- 个人状况。
第三层 — Goal System
- Goal 的定义；
- 优先级；
- 依赖关系；
- 冲突；
- 停止条件；
- Evidence；
- 反思。
第四层 — Agent Team
- 研究 Agent；
- 产品 Agent；
- 编码 Agent；
- 内容 Agent；
- 销售 Agent；
- 运营 Agent；
- 财务 Agent；
- 法务支持 Agent；
- 编排 Agent。
第五层 — Human Network
- 专家；
- 合作伙伴；
- 客户；
- 顾问；
- 渠道关系；
- 持牌专业人士；
- 投资人。
第六层 — Trust and Economic Infrastructure
- 身份；
- 合同；
- 贡献记录；
- 支付；
- 收入分成；
- 声誉；
- 合规；
- 审计；
- 所有权。
创始人即操作系统
在传统公司中，创始人常常是组织内部的一名贡献者。
在 OPC 中，创始人越来越成为操作系统本身。
创始人必须：
- 维护 Goal；
- 提供 Context；
- 决定优先级；
- 选择调用哪些能力；
- 审阅 Evidence；
- 解决冲突；
- 维系关系；
- 承担 Responsibility；
- 把重复性工作转化为资产。
创始人应该少花时间「充当又一个工人」，多花时间设计工作如何发生。
OPC 运行循环
一种可能的 OPC 循环：
Observe
→ Define Goal
→ Identify Constraint
→ Assemble Capability
→ Assign Human/Agent Roles
→ Execute
→ Collect Evidence
→ Deliver
→ Capture Revenue
→ Reflect
→ Convert Learning into Asset
→ Set New Goal
OPC 经济学
当收入与创始人的个人工时脱钩时，OPC 才在经济上具备意义。
可能的收入模型：
- 产品化服务；
- 软件；
- 数据产品；
- 研究订阅；
- 付费社群；
- 知识产权授权；
- 交易佣金；
- 跨境市场进入服务；
- 与业绩挂钩的商业协议；
- 自有媒体与分发；
- 专业化 Agent 服务。
关键的转变是：
从出售时间，到拥有一个系统。
弱链：为什么模型能力提升不会自动兑现为收益
一个 OPC 的产出，不是各层能力的总和，而是最弱一层的吞吐量。这是经济学家 Michael Kremer 提出的 O-ring 理论的核心机制。斯坦福大学商学院经济学教授 Chad Jones 在演讲《A.I. and Our Economic Future》中把它系统性地应用到了 AI 上，并给出了实证支持：计算机作为生产要素在美国 GDP 中的份额，在 2000 年前后达到约 4.5% 的高点，此后反而降到约 3%——原因不是计算机变得不重要，而是它太普及、太便宜，不再稀缺，经济回报转向了没有被自动化的互补要素。
这个机制直接适用于 OPC 六层栈。AI 迅速提升的是第四层 Agent Team 的执行吞吐量——研究、编码、设计、内容生产的速度。但第一层 Person（创始人的 Judgement 与 Responsibility）、第二层 Context、第六层 Trust and Economic Infrastructure，并不会因为 Agent 变快而同步变快。一个 OPC 的实际产出，由这些没有被 AI 直接加速的层决定，而不是由 Agent Team 决定。
这意味着：能生成一百个方案不再是 OPC 的护城河，因为生成本身正在被商品化。真正稀缺、也真正决定 OPC 能否把执行转化为收入的，是知道该做哪一个、能不能获得客户信任、能不能承担错误的责任、能不能把关系与数据变成可复利的资产。
Agent 能力商品化的速度，可能快于创始人判断力和信任积累的速度。这不是对 OPC 模型的否定，而是对它成立条件的更精确的描述。
OPC 资产
OPC 应当持续地把执行转化为可复利的资产：
- 品牌；
- 信任；
- 受众；
- 客户数据；
- 领域 Context；
- 打法手册（playbooks）；
- prompts；
- Agent workflows；
- 软件；
- 数据集；
- 合同；
- 合作伙伴网络；
- 案例研究；
- 经常性收入。
弱的 OPC 反复从零开始。
强的 OPC 把每一个项目都转化为可复用的能力。
OPC 治理
即便是一个由单人主导的组织，也需要治理。
关键的治理问题：
- 谁可以更改核心 Goal？
- 哪个 Agent 可以访问哪些数据？
- 哪些行动需要审批？
- 财务承诺如何被控制？
- 对客户的承诺如何被记录？
- 错误如何被纠正？
- 决策如何被审计？
- 如果创始人无法履职会发生什么？
- 私有 Context 与公开 Context 如何分离？
- 外部专家如何担责？
这些问题目前没有统一答案，但弱链的不对称性给出了答案的形状（见「弱链」一节）：要提高一条链的承载能力，需要逐一加固许多薄弱环节；但要破坏一条链，只需要击穿其中一个关键环节。收益需要穿过整条链才能兑现，风险却只需要一个节点失守就会发生。
这意味着 OPC 的治理不能等能力建设完成后再补，至少需要覆盖五类硬控制：
- 关键操作保留人工确认；
- 每个 Agent 只获得完成任务所需的最低权限；
- 敏感数据与公开系统隔离；
- 重要结果可以被审计与追溯；
- 自动化流程保留紧急停止机制。
OPC 不是「没有管理」。
它是被压缩的、显式的、由 AI 辅助的管理。
信任挑战
大公司从规模、办公室、品牌与人数中借来信任。
OPC 必须用另一种方式建立信任。
可能的信任信号：
- 已验证的身份；
- 清晰的领域聚焦；
- 公开的思考；
- 案例研究；
- 交付的 Evidence；
- 透明的方法论；
- 强健的合作伙伴网络；
- 专业的合同；
- 响应的可靠性；
- 数据安全；
- 客户推荐；
- 可见的 Responsibility。
信任很可能是 OPC 被采纳过程中最重要的瓶颈。
OPC 联盟
单个 OPC 可能很强，但它仍然受限于：
- 分发；
- 可信度；
- 法律能力；
- 本地关系；
- 资本；
- 专业人力；
- 客户触达。
OPC Alliance 可以提供共享的基础设施，而不必迫使每一位成员回到传统公司的形态。
可能的联盟层次：
Identity layer
已验证的个人与实体。
Capability graph
谁能做什么，在哪个市场，在什么条件下。
Trust graph
过往记录、推荐、承诺与结果。
Opportunity network
共享的 deal flow、项目与市场准入。
Collaboration protocol
清晰的角色、审批节点与交付物。
Contribution ledger
记录谁贡献了 Goal、关系、资本、专长、执行与风险。
Economic settlement
支付、收入分成、佣金与所有权协议。
Shared Agent infrastructure
可复用的 workflows、工具、模型与知识。
Shared services
法律、财务、合规、设计、运营与本地化。
Capital layer
用于为合格的 OPC 与 Goal 驱动项目融资的未来实验性结构。
OPC 网络作为新的组织层
一种可能的演化路径：
Person → OPC → OPC Network → Goal-driven Institution
这个网络不需要变成一家传统的大公司。
它可以保持模块化：
- 小而稳定的核心；
- 动态的项目团队；
- 共享的协议；
- 可携带的声誉；
- 可复用的 Agent 基础设施；
- 以结果为基础的经济安排。
OPC 可能最先出现在哪
可能的早期领域包括：
- 咨询与顾问；
- 跨境业务拓展；
- 研究；
- 内容与媒体；
- 软件产品；
- 设计；
- 教育；
- 招聘；
- 专业化代理机构；
- 数字商务；
- 投资研究；
- 专业协调工作。
更困难的领域可能包括：
- 重工业制造；
- 高度监管的医疗服务；
- 资本密集型基础设施；
- 需要大规模常驻实体团队的运营。
失败模式
Founder bottleneck
所有决策仍然要等一个人。
这不是八种失败模式中普通的一种，而是唯一一种会随 AI 能力增强而必然恶化的失败模式。Agent Team 能生成的方案越多，需要创始人审核、取舍、担责的决策就越多——瓶颈没有消失，只是从「生产不够快」变成了「决策跟不上」。系统不是更快了，只是更拥堵了。
这一判断也不应被当作永久结论。在 Chad Jones 演讲的问答环节，一位来自 Google DeepMind 的听众提出：如果 AI 不仅能执行，也能迅速学会协调、判断与担责，那么 Founder bottleneck 本身也可能被自动化。Jones 承认这是合理的质疑——他的模型基于历史数据校准，可能低估了 AI 在纯认知任务上的进步速度。因此，Founder bottleneck 目前是 OPC 最确定的瓶颈，但不确定它是不是永久的。
Agent chaos
工具与 Agent 过多，却没有一致的运行模型。
Service trap
收入依然与创始人的工时绑定。
Trust deficit
客户不相信一个极小的组织能够交付。
Context overload
创始人成为所有信息唯一的汇合处。
Fragility
疾病、倦怠或个人危机会让整个系统停摆。
No asset accumulation
项目产生了收入，却没有产生可复用的能力。
False autonomy
生意看上去是自动化的，实际依赖隐藏的人工劳动。
研究假设
- OPC 将成为一种主要的 AI 原生组织形态。
- 最早成功的 OPC 创始人，将来自关系密集、判断密集的职业。
- OPC 的成败更取决于 Context、Trust 与分发，而非能否直接接入模型。
- Goal OS 将首先在 OPC 的运营中自我验证。
- OPC Alliance 能在不重建传统官僚体系的前提下提供规模。
- 可携带的声誉与贡献记录将成为关键的基础设施。
- 最强的 OPC 会把服务型工作转化为资产、系统与经常性收入。
724 与 OPC
724 当前的角色是研究并记录 OPC 模型。
可能的未来角色包括：
- 公开的 OPC 研究；
- 运营打法手册；
- 案例研究；
- 一个 OPC 创始人网络；
- 共享的 Agent 基础设施；
- 信任与能力标准；
- 跨境协作；
- 孵化与资本实验。
这些是未来方向，不是当前的服务承诺。
结语
AI 让一个人获得过去一家公司的能力。 但真正决定 OPC 能否成立的，不是模型数量，而是 Goal、Context、Trust、Judgement 与 Responsibility。