第114讲 | 成敏：谈谈不同阶段技术公司的特点

适用范围：CTO、技术VP、创业者，以及需要根据公司规模阶段制定技术战略和组织建设方案的管理者。

更新摘要（v2 · 2026-08 更新）：

• 结构化升级为 6 节骨架（导言 / 核心方法论 / 关键流程 / 工具与实战 / 常见误区 / 进阶延展）
• 保留成敏原文完整内容及五阶段公司模型（10人→50人→100人→500人→2000人）
• 将五阶段模型升级为AI时代等效规模（3-5人→20-30人→40-60人→200-300人→800-1200人）
• 新增各阶段AI时代新特征和CTO行动路线图
• 整合原文独立的AI时代注解内容到对应章节

1. 导言

今天就简单的以公司规模大小为划分标准，分析在不同规模下，技术公司的业务特点，以及要做好技术体系建设可能面临的困难。

本文原发布于2019年，成敏以公司规模为维度将技术公司划分为五个阶段，分析各阶段的业务特点和技术体系建设挑战。7年后的今天，84%的开发者已使用AI编程工具，Agent进入加速落地期，这些变革正在重塑每个阶段的技术组织形态和建设重点。本文在保留原文五阶段模型的基础上，从2026年的视角补充AI时代的新特征和新挑战。

⭐ 2026核心洞察

AI让"一个人抵五个人"成为现实——同样业务量所需的团队规模大幅缩小，但对人才质量的要求反而更高。

2. 核心方法论

2.1 五阶段模型概览

上图对比了2019年传统五阶段与2026年AI增强版的规模差异：AI的引入使得每个阶段完成同等业务量所需的团队规模压缩45%-70%。第一阶段从10人压缩至3-5人（压缩70%），后续阶段逐步收窄至45%的压缩率。这意味着AI不仅提升了个体效率，更从根本上改变了组织规模与业务量的对应关系。

3. 关键流程

3.1 第一阶段：十人左右规模 → 🚀 超级个体时代

当公司规模比较小的时候，比如还处在初创阶段，这时公司可能只有十几人，机器也只有十几台，规模很小。在这个阶段，公司的需求变化通常会非常快，甚至可能还没有确定业务的主营模式。很有可能公司今天尝试某个方向，结果发现此路不通，第二天就转换方向，试行另一个方向。

其实，不少创业公司就是在这样的快速迭代，不断试错中找到了自己的爆发点。

这样需求变化快且业务模式难以固定的团队，对团队成员技术栈宽度的要求会非常高。比如研发岗位除了做好研发工作外，还需要承担测试、上线等工作，甚至之后的运维也需要他们来负责。再比如，这时的CTO不仅要把控技术方向、管理技术团队，还得上手写代码，更有可能还要去机房看机器情况。

因此，在这个阶段，公司会更看重研发人员的单兵作战能力，之前很流行的全栈工程师正是在这样的需求下应运而生。同时，在这个阶段，团队往往有着非常高效的沟通效率和执行速度。

当然，这个阶段，团队的问题在于，一是团队的技术天花板会受限于单兵的技术水平；二是缺乏人才储备、规范化程度也比较低，一旦有人离开，就会极大的影响研发进度；三是技术成本投入很难实现规模化。

⭐ 2026 新增特征：

关键建议：

✅ 应该做的：
□ 掌握至少2个AI编程工具（Cursor / Copilot / Windsurf）
□ 建立个人Prompt Library
□ 用AI处理重复性工作（测试、文档、配置）
□ 保持对核心技术的深度理解（不被AI替代）

❌ 应该避免的：
□ 完全依赖AI写代码而不理解原理
□ 忽视代码质量和安全性
□ 放弃学习新技术（AI更新很快）

3.2 第二阶段：五十人左右规模 → 📈 工程化加速期

这个阶段，公司稍微有点起色了，团队规模也达到五十人左右，机器也能有一两百台的规模。

这个阶段，公司的业务主体已经比较明确，但需求变化加快，可能比之前初创期来得更快。团队在这个阶段开始有了明确的分工，但未必有分组，比如运维工作会招一两个专职的运维来负责，不再由研发兼任，但还没法形成专门的运维团队。

在流程上，公司开始关注协同及规范，只是整体的流程规范依旧比较简单，自动化程度比较低，协同比较松散。这个时期，内部沟通依旧会比较顺畅，只是需要警惕不要让公司陷入到作坊式作战的陷阱中去。

⭐ 2026 新增特征：

新增挑战：

• 如何统一团队的AI工具使用规范？
• 如何评估AI辅助产出的质量？
• 如何避免"AI依赖症"？

3.3 第三阶段：百人左右规模 → 🏢 平台化转型期

这个阶段，团队规模一般能达到上百人，机器规模也能达到一两千台。一般到了这个阶段，公司的主营业务已经相对稳定，也开始做1-2年左右的规划。

这个阶段，业务需求仍然大于技术资源，而技术和业务上的分组都已经开始产生，除了基本的分工之外，会有一些明确的分组去负责明确的事情。

在这个阶段，公司也会更重视流程规范，会尝试利用开源工具完成最原始的自动化，团队成员的自主性、自我驱动力也会非常强。但在第三阶段，上百人规模的团队已经初步具备规模化的效应。

当然，这个阶段也会存在问题，如人员梯队开始明显化、沟通壁垒开始出现等。

⭐ 2026 新增特征：

关键行动：

□ 建立统一的AI开发规范（Prompt模板、代码风格）
□ 引入AI Code Review覆盖核心模块
□ 构建内部AI知识库（减少重复提问）
□ 培养第一批"AI Champion"（每团队1-2名）

3.4 第四阶段：五百人左右规模 → 🏛️ 中台化与智能化

这是很多中等公司所处的位置。这个阶段，公司业务已经相当稳健，团队规模一般会达到五六百人，机器也能有三五千台，也有能力做2-3年左右的中期规划。

这个时候，公司一般已经有了独立的技术服务团队。在这个阶段，公司需要尤其注重人员培养机制和梯队的建设。

另外，在技术层面，这个阶段的公司还会面临两个问题，第一个是技术债务的归还，第二个是技术路线的争议。还有技术上的重复建设，跨团队的协同沟通等都是这个阶段需要面对的问题。

⭐ 2026 新增特征：

核心挑战：

• 如何平衡AI提效与就业稳定性？
• 如何建立AI时代的绩效考核体系？
• 如何防止核心技术被AI"稀释"？

3.5 第五阶段：两千人左右规模 → 🌐 智能化生态

这个阶段，公司规模一般已经超过两三千人，机器也有几万台。这个阶段的公司，一般已经拥有完备的技术体系和人才体系，也有足够的资源建立前瞻性的技术研究团队，能够应对未来至少三年以上的长期规划。

对于这个阶段的公司，会更注重技术文化的建设和价值观的传递。另外，在这类大型公司里，很容易出现业务分工上的问题。最后，对这类大公司来讲，最重要的就是要做好长线规划。

⭐ 2026 新增特征：

4. 工具与实战

4.1 ⭐ AI时代CTO行动路线图

上图以甘特图形式展示了2026年各规模CTO的AI行动路线：所有阶段都需先完成AI工具普及和使用规范建设（Q1-Q2）；小团队（<30人）聚焦个人AI技能提升和工具栈选择（Q1-Q2）；中型团队（30-200人）推进AI Code Review和内部知识库建设（Q2-Q3）；大型团队（200+人）则需要搭建AI Platform和人才培养体系（Q2-Q4）。

4.2 成敏原文观点的2026验证

5. 常见误区

5.1 各阶段常见误区

• 第一阶段误区：忽视规范化——缺乏人才储备、规范化程度低，一旦有人离开就极大影响研发进度
• 第二阶段误区：作坊式作战——流程规范简单、自动化程度低、协同松散
• 第三阶段误区：沟通壁垒——人员梯队明显化，沟通效率下降
• 第四阶段误区：技术债务堆积——业务稳健时未及时归还技术债务，技术路线争议耗费资源
• 第五阶段误区：缺乏长线规划——一旦遇到问题，很难在航行中调转方向

5.2 AI时代各阶段新误区

• 第一阶段：过度依赖AI——完全依赖AI写代码而不理解原理，技术理解浅薄
• 第二阶段：AI工具使用不统一——团队成员各自使用不同AI工具，缺乏统一规范
• 第三阶段：AI黑箱作业——AI辅助工作不透明，缺乏Code Review和质量验证
• 第四阶段：AI提效与就业稳定性失衡——过度追求AI提效而忽视团队稳定性
• 第五阶段：AI战略规划缺位——有资源建立AI Lab但缺乏清晰的战略方向

6. 进阶延展

6.1 小结

本文将技术公司按照规模大小简单分成了五个阶段，每个阶段的特点和面临的问题都各不相同。在AI时代，每个阶段的等效规模都大幅压缩，但对人才质量的要求反而更高。

6.2 核心洞察的AI时代升华

2019年洞察：不同规模的技术公司面临不同的挑战，需匹配不同的技术体系建设策略。

2026年升级：AI让"一个人抵五个人"成为现实——同样业务量所需的团队规模大幅缩小，但每个阶段的核心挑战并未消失，只是以新的形态呈现。管理者需要在更小的团队规模下，解决更复杂的AI时代问题。

6.3 参考与延伸

• 成敏五阶段模型：10人→50人→100人→500人→2000人的技术公司演进路径
• AI时代等效规模：3-5人→20-30人→40-60人→200-300人→800-1200人
• 全栈工程师→AI-Augmented全栈：第一阶段单兵作战能力的定义扩展
• 微战队、AI Champion、AI Platform：各阶段AI落地的关键组织实践
• 技术债务的AI治理：从人工识别到AI扫描+自动重构建议

注解完成时间：2026年6月
适用读者：CTO、技术总监、创业者
核心价值：将传统五阶段模型与AI时代实践结合，提供可执行的演进路径