第七章说的是个人。把镜头拉远到公司，故事变得更刺激：公司本身就是一台进化机器——变异是「试试新业务、新产品、新做法」，选择是「市场和数据投票」，复制是「把跑通的打法标准化推广」。AI 压扁变异成本之后，公司这台机器理论上该转得飞快。但现实中有个滑稽的错位：产生候选的速度已经是秒级，消化候选的制度还停在季度级。
排期表才是真正的瓶颈
看一个典型场景。一个小组用 AI 工具，一天能做出五个新功能的原型。搁在以前，五个原型意味着五周的开发量，排进季度计划，评审、立项、排期、开发、测试，一个季度消化一个就不错。现在原型一天五个，可公司的评审会还是两周一次，预算还是按季度批，法务合同还是走一个月。结果是什么？瓶颈从「做得慢」挪到了「决策慢」——候选堆在流程里排队，就像洪水堵在老旧的下水道口。
这正是历史上反复上演的剧本。电力刚发明时，工厂只是把蒸汽机换成电动机，产量几乎没涨；真正的飞跃发生在二十年后，有人想通「既然每台机器都能自带电机，何必再用一根主轴带动全厂」，于是按工序重新设计了整个车间。技术革命的红利，从来都属于那些围绕新成本结构重构流程的人，而不是把新技术塞进旧流程的人。
大白话：电动机换掉蒸汽机不增产，重排车间才增产。同样，给旧流程配上 AI 不提速，把流程按「候选免费」重排才提速。谁先想通这点，谁就吃到这波红利。
迭代周期：从季度到天
那些想通了的公司长什么样？共同特征是把选择环节也数字化、实时化，让「变异→选择」的闭环在组织内部短到以天甚至以小时计：
- 内容行业：以前一个选题会定一周的版面；现在是十条 AI 辅助的初稿直接小流量投放，两小时后数据说话，赢家全量。编辑的角色从「写手」变成了第七章说的「裁判」。
- 软件行业：以前按季度发版本；现在小团队一个人加 AI 工具一周一个新产品上线试水——独立开发者「一人公司」批量出现，因为他们把评审、排期这些组织摩擦直接删光了，闭环缩到最短。
- 电商运营：以前一个详情页改一版要走设计排期；现在几十版素材同时赛马，半天一轮。竞争于是从「谁做得好」变成「谁试得快、筛得准」。
注意这里出现的分化：不是 AI 公司和非 AI 公司的分化，是快迭代公司和慢迭代公司的分化。两家同样用 AI 的公司，一家闭环一天、一家闭环一季，进化速度差九十倍——这比用不用 AI 的差距大得多。
大公司反而未必占优
直觉上，大公司资源多，应该更能用好 AI。但进化框架给出相反的预测：资源多影响的是「能试多少」，而制度决定的是「试一个的周期和代价」。大公司流程重、审批长、试错政治成本高——一个失败的项目要有人背锅。这些在变异昂贵的时代是合理的风控，在变异免费的时代就成了减速带。反而是一两个人的小团队，闭环里没有任何制度摩擦，把「候选免费」吃干榨净。
所以这一轮加速里，「小」不再是劣势的同义词。一个三人团队一天能试的东西，可能超过过去一个百人部门一个季度的量——前提是他们的选择环节也跟得上。
到这里，个人和组织都讲完了。但还有一个更大的加速度藏在后面：AI 不只在帮人类做产品，它还在帮人类造 AI 本身。工具开始造工具——这个回路一旦闭合，加速就不再是匀速的。下一章看这个正反馈。