博客
自驱动公司的崛起推出 Replit for Business：我们帮助每家公司围绕 AI 实现转型的蓝图
发布于：
2026年10月26日
Amjad Masad
1937年，英国诺贝尔经济学奖得主罗纳德·科斯提出了一个问题：企业为什么存在？他的答案是交易成本。在公司内部组织经济活动的成本，往往低于通过市场进行协调的成本。
但企业也有自己的协调成本：管理、会议、部门、汇报和官僚体系。
一个多世纪以来，我们一直把这些成本当作做生意的代价而接受。
2011年，马克·安德森写道， 软件正在吞噬世界.
2016年，我们围绕一个信念打造了 Replit：每个人都应该能够创造软件。
软件改变了整个行业，但企业仍然依赖人来操作这些软件，并协调各团队之间的工作。
AI 预示着更大的变革。随着智能体承担更多的执行和协调工作，企业可以更高效地运转，员工也能追求更宏大的目标。要实现这一潜力，企业需要重新思考如何组织工作和做出决策。
围绕这种全新工作方式构建的企业，将成为自驱动公司。在 Replit，这一转变 已经开始.
到2030年底，每一家《财富》500强公司都将成为自驱动公司。
自驱动公司的崛起
在自驱动公司中，人负责定义目标、运用判断力和品味，并始终承担责任。智能体利用公司的知识和系统朝着这些目标执行，同时有明确的边界，规定何时可以行动、何时需要寻求批准。
成为自驱动的公司，将迫使竞争对手做出关乎存亡的选择：要么改变工作方式，要么眼看着竞争对手做到你做不到的事。
工作方式正在如何改变
我们在 Replit 正看到这一转变。
它 始于工程团队。2026年上半年，工程师的代码产出几乎增长了两倍，而评审时间、回滚和产品事故则保持持平。
随后，公司上下的人们开始让智能体投入工作，构建软件和解决方案，把重复性工作从自己的任务清单上拿掉，从而把更多时间花在需要其专业能力的问题上。设计师把想法变成了可运行的产品改动，支持团队则用智能体调查客户问题。
工作本身的性质也开始改变。 人们可以着手处理过去不得不转交给别人的问题。他们可以尝试一种方法，拿出具体成果，并共同把它构建出来。更多的想法和反馈涌现出来，而提出这些想法的人也更有信心去帮助构建解决方案。
人们花更多时间在白板前，决定要构建什么。工程师致力于加固智能体所依赖的系统，以便能够委派更多工作。工作变得不那么重复，更有创造性，也更需要协作。
除了生产率的提升，还有更多人体验到了做出有用之物、解决难题、看到自己的想法成为现实的满足感。人们有了更多塑造自己工作的自由，也对自己能取得的成就更有信心. 他们不觉得自己正在被取代。他们觉得自己正在获得晋升。
Replit 已经成为一家自驱动公司。
自驱动公司需要什么
如今，许多公司面临一个错误的选择。
把 AI 关在笼子里，它的影响范围有限，但用处也有限。或者把它放到野外，智能体可能失控：访问敏感数据、更改生产系统，或在没有正确权限或批准的情况下把信息发送到公司之外。一个错误可能演变成一场波及公司之外的安全事件，正如 Hugging Face 事件 所表明的那样。
一条路限制了能力。另一条路牺牲了控制。两者都无法让公司成为自驱动公司。
自驱动公司需要一个基础，让它既能拥抱 AI 的力量，又不必承担风险。
自驱动公司将 让智能体对每个人都可用。最接近问题的人应该能够把智能体投入工作，而不必成为工程师。如果只有技术团队能够参与，公司就不可能成为自驱动公司。
如今，大多数智能体都生活在某种混乱之中。它们运行在聊天窗口、个人账户和一次性脚本里，持有别人交给它们的任何凭据和数据。没有人决定过它们能接触什么，也没有人能看到它们做了什么。
随着智能体承担更多工作，它们需要一个 智能体栖息地： 一个让它们能够使用公司的知识和系统、与人和其他智能体协调，并在公司控制的边界内行动的环境。
这个栖息地必须控制访问权限，规定何时需要人工批准，并限制错误的影响。随着 AI 让 发现和利用漏洞变得更加容易，公司还需要智能体来发现弱点并加强防御。 安全必须与自主性同步扩展。
对栖息地的治理也将帮助公司变得更聪明。 当有人纠正智能体时，这一纠正应当被审查，并可用于改进未来的工作。当一个团队开发出有用的工作流程时，其他团队应当能够在其基础上继续构建。栖息地成为一个共享的知识体系，由在其中工作的人塑造，帮助智能体以更多公司的专业能力、品味和判断力行事。
自驱动公司还必须保持更换模型的自由，同时保留对自身知识、系统和决策的控制。正如萨提亚·纳德拉 所说, ，“我们需要将智能的供给与对智能的权威分开。”
让每家公司都成为自驱动公司
通过 Replit for Business，我们正在构建基础，把我们在自己公司内部学到的东西带出去，帮助每家公司成为自驱动公司。我们的目标是让每个人都能把自己的专业能力转化为可运行的软件和已完成的工作。
我们看到大型公司借助 Replit 走得更快。在 三井住友融资租赁 （SMFL）数字化转型总经理 Yoshiyuki Fukuma 表示：“过去需要六个人工作六个月的开发流程，现在只需一个人在一周内就能完成。”公司高管兼数字实验室负责人 Takeshi Fujiwara 表示：“一个原本估计整个开发生命周期约需 30 亿日元的项目，现在预计能以不到 10 亿日元完成。”
罗纳德·科斯通过组织工作的经济学解释了企业。随着 AI 改变这些经济学，我们有机会重新思考组织本身：一个小团队能完成多少工作，一个人的专业知识能延伸到多远，以及一家公司能尝试什么。
我们相信，AI 最大的经济影响将来自这种对企业的重塑。自驱动公司将围绕人来组织：人设定方向并行使判断，而智能体则把更多这种意图贯彻到执行中。
软件吞噬了世界。
现在它正在学习运行世界。
更多
2026年10月22日Replit 监控智能体：你专属的软件工程团队
Replit 监控智能体能够检测生产问题、调查原因、验证修复方案，并自动发布。
2026年10月16日将你自己的云引入 Replit
企业级隔离与控制。为用户保留同样简单的体验。
2026年9月29日解放模型：前沿的框架设计
模型路由器如今无处不在，但它们有一个根本性局限。无论基于高级启发式方法，还是基于一个读取每一轮对话并选择使用哪个 LLM 的小模型，路由器的能力始终不如它所选择的模型。Replit Agent 则让模型自己决定。 主智能体，即核心循环，会选择其子智能体的层级和投入力度，并随着任务展开调整自身的层级和投入。有了这种自由，GPT-6 Astra 将常规实现交给成本更低的子智能体，并自行决定把 token 花在哪里最值得。在 DeepSWE 和 Terminal-Bench 上，Replit Agent 相对于单独使用 Astra 都具有帕累托效率：没有任何已发布的 Astra 基线成本更低且得分更高。它还比 sidekick 架构——即同样设置但配有一个长期存活的 worker——高出 11 分和 16 分。 为什么我们减少脚手架 每一次模型发布都会使框架中固化的假设失效。 随着模型在长周期任务上变得更强，它们不再需要框架层提供那么多脚手架。在实践中，我们观察到它们更倾向于自行委派：使用子智能体进行上下文管理和并行处理。近期的突破，包括 Navier–Stokes 问题，部分来自协调由前沿模型驱动的智能体集群 [1]。 但前沿是参差不齐的。最强的编码模型不一定最擅长设计 UI 或制作幻灯片，也不一定最擅长写邮件。因此我们设计框架，让每个模型按自己的方式工作，同时保留它仍然需要的护栏，并以最低成本实现质量为目标。