这条消息挂在那里没人 catch，直到下周一。这一幕，大概是过去一年里每个用上了 AI 的团队都见过的场景——只但是它发生的频率。并没有像大家期待的那样，因为人均效率的提高而降低。

这不是个例。这半年问了几个 AI-native 创业公司和大厂内部团队。答案基本一致：个人的 workflow 被 AI 加速了 到 倍，但整个团队的产出周期几乎没有变化。有的团队甚至因为多了一层"review AI 产出"的环节，交付周期反而更长了。

这件事让我想起十几年前读《人月神话》和分布式程序论文时学到的几条老定律。

当时觉得那是讲"软件项目管理"的，现在发现。

• 把"团队"换成"分布式程序"
• "人"换成"节点"
• "部门墙"换成"网络延迟"

这篇文章想讲清楚两件事：为什么人均 10x 换不来组织 2x，还有具体应该怎么办

一、瓶颈不在节点。在边

把一个几千人的组织想象成一张有向图：每个人是一个节点，每一次 review、对齐、审批，是连接节点的一条边。给每个人配 AI，做的事是把节点的处理速度提高了 倍。但完全没有动边。而组织的整体吞吐量，恰恰是由边决定的，不是由节点决定的。这个判断，可以用三条经典定律精确量化。

. Amdahl 定律：加速比被不可并行部分死死封顶

Amdahl \mathrm{Amdahl}结论先说：哪怕个人被加速到无穷快。组织整体加速比也有一个数学上的天花板,这个天花板由不能被个人独立完成、必须靠协作完成那部分工作占比决定。说起来，