我承认 Steve Yegge 那期访谈里最让我合不上电脑的是这一句：
Google 自 2008 年 Larry Page 提出"more wood behind fewer arrows"以来，没有任何一项真正原创的创新。
40 年软件工程老兵，曾在 Google 和 Amazon 都待过的人，对当下两家最大科技公司给出的判决就这一句话。18 年零原创（他自己唯一承认的例外是 Gemini——但他马上又加了一句"他们做了 LLM 然后什么都没做出来"）。
但 Yegge 没停在抱怨，他给出了一个让我相信的结构性解释——大公司即使买得起 100× 工程师，downstream 的组织能力跟不上。新的赋能技术（AI 就是当下这一波）出现时，创新一定来自边缘的小团队和非技术个体，不可能来自有重重审批、产品委员会、KPI 对齐会议的庞然大物。
这条判断如果对，意味着接下来 5-10 年是独立开发者和小团队的窗口期——可能是过去 20 年里最大的一次。这篇我想把这件事讲清楚，包括为什么大公司必败、独立开发者具体该抓什么、以及我自己在 yuewei-digest 上踩过的几个真实坑。
Yegge 给的解释不是"大公司没钱"或"大公司没人才"，而是4 个互锁的瓶颈：
瓶颈一：downstream 跟不上 100× 工程师
假设你给一个 1000 人的工程团队装满 AI 工具，他们每人产出变成原来的 5×。听起来很好。问题是：
工程师产出的 5× 大部分卡在 downstream 排队，最后真正交付到用户的还是原来那么多。结果就是 100× 工程师自己也觉得无聊——做的事情没意义——最后离职。大公司装上 AI 后流失的是它们最强的工程师。
瓶颈二：审批层吃掉所有边际收益
AI 让单个工程师能在 2 小时内做出原型。但大公司从原型到上线之间隔着：方案评审 → 设计评审 → 法务评审 → 安全评审 → A/B 测试委员会 → SLO 审批 → 灰度发布计划 → ……2 小时的原型走完审批通常需要 4-8 周。中间任何一步否决都得回炉。
这意味着 AI 给大公司带来的 100× 加速，在审批通道上被压缩回 1×。做原型的速度变快，做产品的速度没变。所以大公司的工程师集体陷入一种割裂感：技术能力暴涨、组织产出停滞。
瓶颈三：单体（monolith）架构的物理锁定
这是我第 1 篇末尾提过的一点，Yegge 在访谈里展开讲了：
单体公司在未来 18 个月内无法享受 AI 红利，因为整个代码库塞不进 context window。要么拆，要么重写。
Google search、Amazon retail、Microsoft Windows 这种几十年积累的 monolith，根本不可能在 18 个月内拆完或重写。所以它们在最关键的核心系统上（这恰好是真正赚钱的部分）享受不到任何 AI 红利。AI 帮它们的只是周边小项目，核心业务的代码库还是用 2015 年的速度迭代。
瓶颈四：超生产力工程师无处吸纳
假设大公司真的招到了 L7-L8 的超生产力工程师（参考第 1 篇的 8 级阶梯）。他们一个人能在一周内做出过去 30 人月的活。可是公司没办法吸收这种产出：
最后这个工程师自然离职去开公司。Yegge 的描述是：这些工程师的产出被组织 "shut down"（搁置 / 无法吸纳），他们只能离职。
这 4 个瓶颈互相强化，形成一个谁也不愿意撕开的死结。
Yegge 给出的反面是：
新的赋能技术（substrate）出现时，创新一定来自边缘的小团队和非技术个体。
我把这条话翻译成具体的优势矩阵：
| 维度 | 大公司 | 2-20 人小团队 |
|---|---|---|
| 从原型到上线 | 4-8 周（审批链） | 几小时到几天（没人需要批准） |
| 工程师/PM/设计 比例 | 1:1:1（严格分工） | 3:0.5:0.5（一个人多角色） |
| 代码库可塞进 context window | ✗（monolith） | ✓（可以让 agent 全局重构） |
| 决策延迟 | 数周（多层 alignment） | 数分钟（一个人就能拍板） |
| 试错成本 | 高（KPI 挂钩） | 低（没人盯） |
| AI 工具采购自由度 | 严格管控 | 完全自由（自己付订阅费） |
| 失败成本 | 巨大（影响晋升） | 可控（最差就是项目废掉） |
但小团队的真正优势不在以上任何一条单点，而在于它们能"组合使用 AI"。一个独立开发者可以同时：用 codex 跑批量数据处理、用 Claude Code 写前端、用 Gemini 处理图像、用本地 Llama 做隐私敏感的预筛。这种"多模型协作"在大公司是审批不可能通过的（每个新模型都要走采购+合规+安全审批），但在独立开发者眼里就是切换不同 tab 而已。
光说理论容易，举我自己的 yuewei-digest 项目作为活体证据。
这是一个一个人 + 一台台式机的 AI 信息处理管道。过去 6 个月做到了：
这套东西如果放在大公司，至少需要：1 个 PM + 2 个数据工程师 + 1 个 ML 工程师 + 1 个前端 + 1 个设计 + 1 个法务（审核内容合规）。8 个人月规模。
而我作为独立开发者：每周大约 10-15 小时（其中 8 小时是写代码，剩下时间是用它自己刷信息+写文章）。从启动到上线 6 周。总成本 = 我的时间 + 一个月几十块的服务器费 + codex/claude 订阅费。
为什么我能做到？不是因为我特别聪明，而是因为我具备大公司同事不具备的 3 个特权：
特权一：决策不用解释给任何人
我决定用 BGE-M3 而不是 OpenAI embedding，2 分钟决策完。在大公司这需要：模型选型评审会 + 隐私合规审批 + 成本预算 alignment + 至少 1 个月。我也决定过用 codex 而不是 claude 作为默认 LLM，这个决策从想到改 config 到生效 5 分钟。
特权二：试错没人评估
我做错的事情多到数不清——一开始把 Latent Space / Zvi 当成普通新闻源没标 evergreen，造成 78 篇深度长文被漏；写过一个启发式过滤算法但漏抓 100% 优质样本；JSON 解析失败弃了几篇结果发现要装 json_repair。每一个错误大公司同事会被叫去 retrospective 解释 1-2 周；我下次直接修就好。
特权三：能"组合多个 AI"不被审批挡住
我同时用：Claude Code（写代码）、codex（跑批量 dense extraction）、BGE-M3（本地 embedding）、有时候临时跑 claude（救 codex 的 JSON 错误）。这种组合在大公司每加一个新模型都要走 3-5 周采购+安全审批；我加新模型就是 pip install + 改一行 config。
如果你认同 Yegge 的判断（大公司必败、小团队必胜），具体该做什么？
我有 4 条很具体的判断：
1. 做大公司因为审批做不了的事情
任何需要"快速试错、组合多个 AI、个性化定制"的项目都是窗口。比如：垂直领域内容自动化（像 yuewei-digest）、个人知识管理工具、面向单一职业群体的 AI 助手。大公司能做的产品都是"普适解"，因为审批通道决定了它们只能服务 1M+ 用户的市场。任何 10K-100K 用户量、但每个用户付 50-500 美元/年的场景，都是大公司不屑做的——这是你的窗口。
2. 把 AI 当生产线，不是当员工
太多独立开发者把 AI 当"虚拟员工"用——让它代替写一段代码、做一次调研。这是 L3-L4 用法。真正的窗口是把 AI 当生产线用——批量处理几百个任务、自动跑 pipeline、每天自动产出几十篇报告。L5+ 用法。yuewei-digest 就是这个思路：一个人 + 一条 AI 生产线 = 8 个人月的产出。
3. 个人品牌 + 项目同时存在
Simon Willison 是这条路的活样本。他既有 simonwillison.net 这个长期内容资产，也有 datasette、llm CLI 等真实开源项目。两者互相 reinforce：内容让你被人看见，项目证明你不是只会嘴。我自己也在用这套打法（悦微日报 + yuewei-digest 配合）。
4. 用开放权重模型 + 小算力打"成本不对称"
大公司必须用 OpenAI/Anthropic API（合规、合同、SLA），单 token 成本远高于个人。独立开发者可以用开放权重模型（Qwen / GLM / Gemma 家族）在自己的台式机/Mac mini 上跑——比如我自己的 yuewei-digest 就用 BAAI/bge-m3（1024 维 embedding，本地 GPU 跑，零 API 成本）做相关性召回。同等任务你的边际成本是大公司的 1/100。这跟 Dylan Patel 在 SemiAnalysis 关于算力瓶颈的分析能呼应起来——他在 Dwarkesh 那期讲的是 logic/memory/power 三层 bottleneck，我读他的算力分析得出的延伸结论是：算力紧缺对大公司是死结，对独立开发者反而是机会。
这个系列写到这里画上一个还算完整的圆。
把这三件事串起来：
你必须先把自己推到 L5+（第 1 篇），承担起被掏空的代价（第 2 篇），然后才有机会抓住大公司因为组织重力无法抓住的机会（第 3 篇）。
这条路不轻松。L4→L5 的心理门槛是真的、3 小时被掏空是真的、独立开发者养活自己是真的难。但 Yegge 的访谈给了我一个我之前一直没听到过的判断：
大公司创新已死。未来软件创新来自 2-20 人的小团队和非技术个体。
如果他是对的，这是过去 20 年里独立开发者能拿到的最大一次牌。我决定按住这副牌打几年看看。
如果你也在独立开发、或者考虑跳出大公司、或者只是好奇这条路——留言告诉我你目前在哪个状态：在大公司想出来、刚跳出来还在迷茫、独立开发但养活不了自己、独立开发养活自己了。我会挑几个有意思的状态在后续博文里展开聊。
第 1 篇：我把自己丢进 8 级量表结果有点尴尬
第 2 篇：AI 让我效率翻 100 倍但只能撑 3 小时
第 3 篇（本篇）：大公司创新已死
如果你想看下一个系列（Dylan Patel × AI 算力瓶颈 / Simon Willison × LLM 半年回顾），订阅「悦微日报」或留意 yuewei-digest.pages.dev。