How the Most AI Pilled Company in the World Works

Spawn 这家 10 人 AI 游戏公司，每月用 310 万美元买算力，靠 77,000 个代码变更和“AI 法官”让 99% 的日常决策自动化。

大多数公司用 AI 只是提速，但 Spawn 直接把 90% 的日常工作交给了“AI 车队”，人类只负责方向和极少数决策。他们用 310 万美元的算力账单、77,000 次月度代码变更和“AI 法官”系统，跑出了完全不同的组织形态。这期详细拆解 Spawn 两年踩坑总结，哪些做法能被别的公司借鉴，哪些只有从零搭建才能实现。

Spawn 是一家 10 人游戏创业公司，日常运营几乎全靠一支“AI 车队”，每个 AI agent 都有名字、记忆和明确分工，像真人一样负责引擎维护、查 bug、财务等具体业务。

• AI 车队：每月花 310 万美元买算力，是工资的 30 倍，77,000 次代码变更，平均每小时 108 次，成为 Anthropic 最大客户之一。
• Agent 永久在线：不是按需临时调用，而是每个 agent 长期负责一块业务，遇到问题自动派生“助手 agent”处理细节。
• 人类只做方向：创始人 Jacob Sandbury 发现自己只需处理极少数“口味”型决策，绝大多数日常判断都能被 AI 自动化。

Spawn 发现，传统为人类设计的流程（如拉取请求、过度沟通）反而拖慢 AI，干脆全部砍掉，让 agent 直接在主代码库作业，出错就自动修复。

• 砍掉拉取请求：AI agent 直接改主库，出错就自动生成修复 agent，过去一年 123,000 次变更只回滚了 1,000 次。
• 自愈 bug 流程：玩家的 agent 自动检测并上报 bug，小模型分流后交给相关 agent 修复，15 分钟一次全量测试，1 小时内必须全部修复上线。
• 算力极致投入：5,000 个 CPU、17 TB 内存、150 块 GPU 全天候跑，AWS 上还备有 60% 的弹性容量。

随着 agent 数量暴增，创始人用两年决策日志训练“AI 法官”，让 99% 的日常决策自动化，人类只处理极少数新问题。

• AI 法官机制：遇到决策，先查历史人类判断，有则直接复用；没见过的才交给人类。上线 8 天做了 11,000 次决策，Jacob 只亲自处理了 27 次。
• 人类变成“特种兵”：工程师不再长期负责某一系统，而是随时空降到最需要的地方，帮 agent 解锁新能力或大幅删减冗余代码。
• 人类专注“野心”与方向：AI 擅长每周推进 2%，但不会主动大幅跳跃或纠正方向，提出“世界无限大、1 秒加载”等极限目标仍需人类推动。

“我们不是把 AI 塞进人类的盒子，而是让它们做没人能全程验证的工作，客户更喜欢 AI 立刻解决问题，而不是等人类两天后回复。”

• 如果要用 AI agent 做主力，必须敢让 AI 直接上生产环境、自动修 bug，而不是让人类兜底；否则永远只是提速，不会质变。
• 决策日志和原则要结构化沉淀，用 AI 法官自动复用历史判断，让人类只处理真正新颖或方向性的难题。