小互AI · 深度解读

为什么大多数公司空有数据，却毫无记忆？

一个老客户半年后回来续约，问了你一句：「上次给我们这个价，是怎么算出来的？」

你打开 CRM，里面写着价格、合同金额、签单日期，干干净净。

但是「为什么是这个价」却不知道...

当年定价那次会议，是销售副总说要冲业绩压一压，是产品同事说这家客户其实能给到更高，是创始人最后拍板说先拿下这个 logo。这些没有任何人写下来。当时知道的人，一个走了，一个调岗了，剩下那个有印象但说不清楚。

这不是文档丢了，文档都还在，是公司忘了为什么要这么决定。

Sentra 的联合创始人 Ashwin Gopinath 上周写了一篇长文，标题叫《公司大脑：为什么大多数公司有数据但没有记忆》。Sentra 今年 1 月拿了 500 万美元种子轮，a16z 旗下种子基金 speedrun 和 Together Fund 联合领投，已经在跟软银跑付费试点。Ashwin 自己是前 MIT 教授，写过让 Agent 学会「自己发现错了再修正」的早期论文 Reflexion。

他这篇文章捅破了一层窗户纸：所有人都在给公司装 AI Agent，但 Agent 接的是一个不记得自己为什么这么决定的公司。模型再聪明，问到「上次为什么这么定价」也只能瞎猜。

YC 几乎同一时间把「公司大脑」写进了 Summer 2026 的 Requests for Startups。这条由 YC group partner、Monzo 银行创始人 Tom Blomfield 操刀，原话不绕：让 AI 自动化跑通公司的最大障碍，已经不是模型，模型变好得太快了。现在卡的是领域知识，它散在邮件、Slack、工单、数据库、几个老员工脑子里。人靠模糊的印象在调度，Agent 不行。

YC 这条还往前再走一步：公司大脑不是公司搜索引擎，也不是文档问答机器人，是一份 Agent 能照着干活的「可执行技能档案」（executable skills file）。

两个独立的人，从两个不同位置，看到了同一个空缺...

01

公司不是因为缺数据失败的，是因为缺记忆

先讲个直觉。

Ashwin 文章里讲了他女儿 Satakshi 的成长。孩子出生在 Sentra 公司注册一周后，他一边做这家公司一边看孩子学东西。婴儿学东西不是从读手册开始的，是看东西掉下去观察大人反应、听到声音转头，记住的不是事实而是「下一次会怎样」的预期。从这他看出来一件事：

记忆不是档案。

记忆是「下次再遇到的时候，我大概知道该怎么办」。

公司也是!

公司每天都在生成「碎片」：会议、Slack 对话、邮件、客户电话、客服工单、路线图争论、销售反对意见、投资人更新、代码评审、走廊里随口聊的几句。这些东西的量大到没人能管。

问题不是公司没把它们存起来，问题是公司攒碎片的速度比把它们变成记忆的速度快太多。组织记忆研究领域在 1991 年就有过一篇基础论文，James Walsh 和 Gerardo Ungson 的《Organizational Memory》。他们给记忆下的定义就一句：能用在当下决策上的过去信息。光存下来不算，能在你做决定的时候帮上忙才算。

公司能跑下去，靠的从来不是 CRM 里那些字段。靠的是 Sarah 还记得为什么这家客户当时坚持要 SSO，靠的是 Ravi 还记得 onboarding 当时为什么卡住了，靠的是创始人还记得为什么这一单比仪表盘上看起来更重要。

这种东西在组织行为学里叫 transactive memory，翻译过来就是「团队里互相知道谁懂什么」的那种默契。它不在文档里，它在人脑里。

人走了，它就消失了。

这事 AI 不来，问题没那么明显。Sarah 和 Ravi 一边干活一边把上下文写一点出来，公司勉强凑合。AI 来了，问题被放大十倍。Agent 接的不是 Sarah 脑子，是 Sarah 留下的几百条 Slack 消息、十几篇没写完的文档、一堆 CRM 字段。它读完所有数据，仍然不知道为什么这么决定。

Ashwin 这篇里最值得拎出来的一句，翻成大白话：「Agent 失败不只是因为公司缺数据，是因为公司不记得这些数据为什么是这个意思。」

据 McKinsey 报告（2026 年 4 月《Building the Foundations for Agentic AI at Scale》），有 8 成的企业把数据问题列为扩展 agentic AI 的头号障碍。这个数字大家都看到过。但麦肯锡的诊断停在「数据基础不够」这层。Ashwin 把这层往下又挖了一刀：你的数据基础就算建好，Agent 还是干不了活。因为缺的根本不是结构化数据，是被解读过的判断链。

02

Ashwin 的三层结构：事实、上下文、行动

Ashwin 给的定义很短，但每个词都在干活：公司大脑是一个活的模型，带权限，模拟组织怎么记忆、推理、行动。

注意这三个动词：记忆、推理、行动。

对应他文章里的三层结构。

第一层是事实层：把公司里发生过的事都记下来：会议、消息、邮件、文档、工单、CRM 备注、代码提交、客户通话、客服对话。每条记录要带来源、权限、时间戳。

听起来跟企业搜索很像，对吧？大多数想做「公司大脑」的产品，最后都默默变成了「换了个皮的搜索」。Ashwin 自己很坦白地说，事实层能告诉你客户提过 SSO 这个需求，能告诉你时间和会议记录在哪。但它没法告诉你，当时为什么这事重要，没法告诉你考虑过哪些替代方案，没法告诉你谁反对过、最后做了什么取舍。

事实是骨架，但公司不靠骨架运转。公司靠的是「被解释过的事实」。

Ashwin 上周还写了 Part 2 专门讲这一层。里面有句话适合所有想做企业知识库的人贴墙上：这不是 RAG（让 AI 一边查文档一边回答的技术）。RAG 能拿到片段，演示效果很神奇。但公司要的不是看起来对的片段，要的是带来源、带权限、带所有权、带时效、知道哪条信息是真的、知道各文档之间什么关系的耐用结构。他给这层取了个名字叫 semantic file system，语义级文件系统。光把文件存下来不够，要把文件之间的关系存下来。

第二层是上下文层：这一层把零散事实串成「为什么会这样」的关系网。客户的一通电话连到一个销售机会，机会连到一个产品缺口，缺口连到一个工程取舍，取舍连到一次路线图决策，决策连到战略。

大多数系统把这些当成各自独立的东西存。Slack 是 Slack，CRM 是 CRM，PRD 是 PRD。Ashwin 的判断是公司大脑必须保留它们之间的关系。

更进一步，这一层还要会一件事：知道自己什么时候是不靠谱的。证据弱不弱、上下文是不是过时了、不同团队是不是在用相互矛盾的假设、有些承诺有没有人认领。Ashwin 给这个能力起了个名字叫 metacognition，说人话就是「想自己有没有想清楚」。

公司忘事的方式很奇怪。它不只是忘掉事实，它会忘掉为什么这件事当初重要：那个争论、那个反对意见、那些被试过又放弃的方案，还有当时那个少数派的声音（事后证明是对的）。

第三层是行动层：大脑不只是记和想，还要协调下一步。决定什么时候动、什么时候等、什么时候要找人帮忙、什么时候直接停。

举几个具体例子：上一通客户电话产生了一个承诺，自动起一份跟进邮件草稿；客服里同一个抱怨已经出现三次了，自动建一个工单；三个团队在用相互矛盾的假设干活了，给 CEO 发个预警；这一笔退款符合规则，Agent 直接处理掉，但这个定价例外要找人审批。

这跟普通的自动化不一样。普通自动化是「按已知流程走」，公司大脑是「根据上下文协调下一步」。一个是 Zapier 干的事，一个是只有装了「组织记忆」的系统才能干的事。

03

为什么会议记录、企业搜索、Agent 工具都不够

现在所有相关的工具，都在朝公司大脑这个中心靠拢，但每家都是从一个角落起步，覆盖的只是一片。

会议记录这一类，比如 Granola、Otter，价值很大但有个隐忧。Granola 自己在博客里讲过一个画面：连续开会的人最缺的不是「会议记完没有」，是「上一场会的关键决策还没沉淀，下一场会就开始了，上下文蒸发了」。Otter 最近做了跨企业工具搜索，TechCrunch 报道过这个动作，意思就是 Otter 也在从「记录」往「搜索整个公司」走。

但 Ashwin 的判断很扎心：转录马上就不是产品壁垒了。下一个 macOS 版本可能直接内置 Granola 那种功能。等到这一天，做会议记录的公司就要回答一个更难的问题：转录免费了，我的产品到底护城河在哪里？

答案显然不是更准的转录。是把人和人之间的对话变成组织的记忆。而且不能假装一份转录稿就装下了当时所有的判断、犹豫、不同意、反事实。

企业搜索这一类，比如 Glean，路径是从「找东西」走向「合成答案 + Agent」。Glean 自己讲他们的知识图谱把公司的内容、人、活动连成一张网，覆盖 100 多个数据源。Ashwin 在自己续篇里对企业搜索这一派的评价比较狠，他直接说企业搜索是「涂了口红的图书管理员」，骨子里是被动的：你得知道你不知道什么，会措辞成查询，再翻结果。真正的目标应该是 zero-search，让上下文在你写提案、开会前自动浮现，不是等你打开搜索框。

工作流工具这一类，比如 Zapier、ServiceNow，路径是从「按流程跑」走向「Agent 编排」。Zapier Agents 已经能在几千个 app 之间设触发器、动作、审批。ServiceNow 把 AI、数据、工作流、治理捏成一个大平台。但工作流派擅长的是执行确定的动作。公司大脑要的是「从上下文里决定该执行什么动作」。一个执行已知流程，一个从碎片化上下文里推出该做什么，差一层。

Agent 工具这一类，比如 Dust，路径是直接做「懂你公司、能干活的 Agent」。但同样的问题：Agent 接的是没有记忆的公司，它就只能做表面活。

四类工具，四个角落往同一个中心走：

知识工具知道有什么东西。 会议工具知道说了什么。 工作流工具知道怎么动手。 Agent 工具知道怎么试着完成任务。

Ashwin 的判断是：公司大脑就在这四个圆的交点上。因为有用的问题不只是「发生了什么」，还有：为什么会这样，下一步该怎么动，上下文在谁手里，公司应该记住什么。

YC 同期 RFS 里 Diana Hu 还写了另一篇相关条目叫《公司的 AI 操作系统》。她的观察跟 Ashwin 是同一个：最 AI 原生的那批公司发现了一件大多数人没发现的事，他们把整家公司做成了可查询的。每场会议录、每张工单跟、每次客户互动留痕，都对一个能学习的智能层透明。她说见过这么干的团队冲刺周期减半，发布翻倍。

公司大脑这个词，是从不同切入点向同一个中心收敛的现象的命名。

04

一个公式：四样东西少一样都不行

Ashwin 把这事画成一个公式：

事实记忆 + 人类对话 + 上下文图 + 受控行动 = 公司大脑

四样少一样会怎样？

少了对话，事实就只是一份能搜的档案，搜出来全是结论没有过程。

少了结构，对话就只是一堆转录稿和摘要，听完跟没听一样。

少了来源追溯，推理就只是看起来合理的猜测，没人敢信。

少了上下文，行动就是脆的自动化，碰一下就崩。

公司大脑要解决的问题，就是把这四件事拼到一起。

05

老公司补不上，新公司一开始就该有

剩下的问题是：这东西怎么建？

Ashwin 给了两条路。

第一条路是「攒」：公司大脑挂在公司已经在用的工具上：邮箱、日历、Slack、文档、CRM、项目管理、客服、代码、工作流。大公司基本只能这样起步，因为它们的上下文已经散得到处都是。麦肯锡也写过类似的判断：增量集成是一条路，全面 agentic 转型是另一条。

第二条路是「长」：一家年轻公司从第一天就把「记忆、推理、行动」当成自己操作系统的一部分。会议、决策、承诺、Agent 动作，从一开始就沉到同一个底子里，知识还没碎裂之前就已经被串起来了。

Ashwin 自己的判断是：他不知道哪种架构最后会赢。但先开始的公司，会有先发优势。

意思直白：公司大脑这种基础设施，不是「等业务做大了再装」的东西。装得越晚，要补的「为什么」越多，老员工已经走了一半，那些当年的判断永远找不回来了。

老公司里有一个反直觉的事实：文档之间是互相矛盾的，仪表盘看起来很干净，但记忆已经没了。

06

公司大脑给谁用？

最后一个问题：这东西到底服务谁？

Ashwin 反问了一句很狠的话：「如果公司大脑只是一个高管仪表盘，那它就是个 UI 更好的监控工具。如果它只是个个人助理，那它就成不了组织的记忆。」

他给的答案是：公司大脑要在不同抽象层服务每种角色。

普通员工问：我做这件事需要什么背景？这个决策当初为什么这么定？试过什么了？下一步谁负责？我马上要影响哪个客户承诺？

经理问：哪些承诺有风险？哪些决策卡住了？哪些假设互相冲突？哪些跟进掉地上了？

CEO 问：公司在哪里飘了？客户在说什么？哪些决策当初证据其实很弱？公司里有什么是高层还不知道的？

Agent 问：我能安全做什么？必须用什么上下文？什么时候该问人？

同一个底，不同抽象层。一份「为什么我们这么干」的活地图，每种角色都能从自己的角度看进去。

07

System 3：Kahneman 没写的那一层

Ashwin 自己有个更哲学的框架，他在 1 月的一篇文章里第一次提，叫 System 3 thinking。

诺贝尔经济学奖得主 Kahneman 把人的思考拆成两层，叫 dual-process model：System 1 是直觉、快、自动（看到老虎就跑）；System 2 是推理、慢、刻意（解一道数学题）。Ashwin 认为还有一层，是个体推理之上的集体认知，他叫它 System 3。

公司大脑就是 System 3 的载体。

这不是抠字眼，这是在说：过去几十年所有给企业造的工具，从 ERP 到 CRM 到 BI 到企业搜索，都是在给 System 1 或 System 2 加 buff。让员工反应快一点，让分析师推理强一点。Company Brain 第一次是在直接造 System 3 这一层本身。

为什么是现在？因为底层组件第一次到位了：大模型能理解非结构化沟通，向量检索能跨工具关联上下文，长上下文窗口能跨时间维持记忆，工具调用让 Agent 能直接动手。这套技术栈两年前不够。现在够了。

Ashwin 在另一篇续文里写了句话适合贴办公室门上：「你能租一个大脑。你租不到一个神经系统。」

意思是：通用大模型再强，它也是租来的。它怎么思考你说了不算，它每次打开新窗口都从零记忆开始（OpenAI、Anthropic 必须这样设计，否则算力账单顶不住）。它不会真的成为你公司的一部分。

公司大脑要做的事，是搭一个「持续感知 + 持续记忆 + 持续调整」的层，跟「无状态 prompt 进出」的模型架构正好相反。所以 Ashwin 给 Sentra 的定位不是「卖一个模型 API 让你接」，而是「卖一整套会持续学习你公司的系统」，他自己给这种模式起了个名字叫 System-as-a-Service。

不管最后是 Sentra 还是别的谁做出来，AI 时代真正的护城河，可能不是模型本身，是装在模型外面的「组织级神经系统」。模型大家都能用，神经系统每家公司不一样，而且只能从公司自己的信号里慢慢长出来。

08

Agent 接的是一个不记得自己的公司

回到开头那个续约场景。

如果你公司有这样一个底，那个客户问「为什么当年这么定价」的时候，Agent 拿到的不是一堆 CRM 字段，是当年那场会议里销售副总的判断、产品同事说的「这家客户能扛」的依据、创始人最后拍板的理由，以及这些判断之间的关系。

Agent 不需要瞎猜，因为公司本身记得。

这一年大家都在卷 Agent。但 Agent 失败的真问题不是模型不够强。模型已经强到能写代码、能读财报、能开会、能写邮件了。

真问题是：它接的那家公司，从来没认真记住过自己。

它不知道为什么这条规则要这么写。

它不知道这个客户两年前提过什么。

它不知道那次故障之后到底改了什么。

它不知道为什么这个 deal 要紧、那个 deal 不要紧。

它不知道哪些假设已经过期、哪些团队对同一件事各有版本、哪个老员工脑子里还压着没说出来的关键信息。

Ashwin 这篇真正的贡献，不是三层架构本身，而是他把「公司没记忆」和「Agent 落不了地」这两件事接在了一起。

接在一起后你会突然看清一件事：今天组织最大的护城河，从「我们有最多数据」，变成了「我们记得自己为什么这么做」。

数据可以买，可以爬，可以洗。

判断链不能。

那些消化过的为什么、那些被推翻的反方案、那些转过弯的权衡、那些走廊上谁说服了谁，是公司真正的「我」。

Sentra 另一位联合创始人、CEO Jae Park 给 PR Newswire 的引述也是这个意思：「现代公司产生的知识比它们能保留或使用的多得多。每一次对话、决策、文档都加进一片越来越大的上下文之海，几分钟后就消失了，或者沉到孤岛里去了。」

Ashwin 的原话更直白一点：真正变成「AI 原生」的公司，不会是那种把 Agent 拧到散落数据上的公司，而是那种记得自己的工作为什么有意义的公司。

这才是真正的护城河。

不是有没有 AI。

不是模型够不够好。

是公司记不记得自己。

09

留个问题给你

写到这儿，留一个问题。

你公司的「公司大脑」现在长在哪几个老员工的脑子里？

那几个人离职那天，公司会瞬间忘掉多少？

要是 张三 明天走，要是 小李 后天走，公司需要多久才能从「凭记忆运转」重新建立起判断链？

你现在公司里那些走廊里聊出来的判断、那些会议室里临时拍板的取舍、那些只有少数老员工才说得清楚的「为什么」，每天都在蒸发。

什么时候开始把它们留下来，就什么时候开始有真正的护城河。

— END —

原文：
https://x.com/ashwingop/status/2049641901410955694