三人团队，七位数收入：Vik Paruchuri谈小团队的极限生产力

Datalab CEO Vik Paruchuri分享了他如何用不到15人的极小团队，训练最前沿的模型、拿到七位数ARR，并获得4万GitHub Star。他用亲身创业和裁员经历，挑战了“人越多越高效”的硅谷共识。

从研究员到创业者：40K Star 和三人团队的起点

为什么这段经历重要？因为它决定了Datalab之后所有反常识的选择。Vik Paruchuri开场就给出一组极具冲击力的数据：40K GitHub stars、七位数ARR、最先进模型训练，而核心团队只有三个人。他本人曾是一名AI研究员，过去一年里亲自训练了Marker、Suri等模型，并围绕它们构建开源仓库。随后，他离开研究岗位，创办公司、完成种子轮融资，同时“严重缺乏睡眠”。

公司在1月才完成第一位正式员工的招聘，如今团队规模为4人，但收入已较年初增长5倍，客户包括一线AI实验室、大学、财富500强公司以及AI初创企业。Vik还幽默地提到，其中一位客户Gamma，正是他用来制作这份演示文稿的工具。这些细节传递出一个关键信号：Datalab并不是靠讲故事融资，而是先用技术和产品跑通了商业闭环。

这一阶段的核心不是规模，而是密度。Vik明确说，这次演讲的重点不是“我们做了什么”，而是“我们是如何在极小团队下做到的”。这为后续关于团队哲学的讨论埋下了伏笔。

“人头数不等于生产力”：一次被裁员验证的反直觉结论

这为什么值得所有创业者认真听？因为这个结论并非纸上谈兵，而是被现实反复验证过的。Vik直言：“有一种根深蒂固的观念，认为融资之后多招人就能做得更多，但这几乎从未完美奏效。”这种怀疑，源于他上一家公司Dataquest的真实经历。

Dataquest在高峰期拥有约50人团队，年收入约400万美元，并且是疫情期间的自举公司。但疫情后，公司经历了两轮裁员。反直觉的是，裁员之后，团队的生产力和整体幸福感反而上升了。Vik由此总结了四个假设：第一，团队里招了太多高度细分的专家；第二，完全远程导致沟通成本飙升；第三，会议严重过载；第四，大量高级员工的时间被迫花在管理初级员工上。

裁员后，这些问题同时缓解。高级员工重新回到一线工作，反馈循环变快，决策更集中。Vik强调，“团队实际上变得更高效”，这不是感觉，而是结果。这段经历直接推翻了他对‘健康公司规模’的原有认知，也促使他开始思考：如果初创期那段‘黄金时期’的高效状态，能不能被无限延长？

让“黄金期永存”：少于15人的通才团队模型

这套方法论为什么特殊？因为它几乎与主流创业建议完全相反。Vik在与Jeremy Howard合作后，逐步形成了一套清晰的团队哲学：核心团队控制在15人以内，全部是资深通才，而不是功能割裂的专家。

他的原话非常直接：“雇更少的人，用AI和内部工具填补边缘需求。”所谓通才，是能跨越数据、模型、工程和产品多个层面工作的高级人才。团队技术栈上刻意选择“简单、无聊但可靠”的方案，而不是追逐复杂的新潮工具。这种选择降低了维护成本，也减少了对专职角色的依赖。

当然，这种模式并不适合所有人。Vik特别强调前提条件：极高的文化门槛、极强的信任关系，以及对低自我（low ego）的严格筛选。他坦言，小团队里政治是“致命的”，“政治会杀死小团队”。因此，他们愿意支付市场顶级薪资，换取真正成熟、专注于长期价值的人。

Suri OCR 3：两个人完成的大模型全流程实验

如果没有真实案例，这套理念很容易被当成鸡汤。Vik给出的反例是Suri OCR 3模型的训练过程。这个模型规模约5亿参数，用于文字识别（OCR）。在Datalab，这个项目几乎由两个人完成：Vik和Darun。

他们不仅负责模型训练本身，还要直接与客户沟通需求、编写推理代码、部署和维护服务。Vik指出，在一家大型公司里，这样的项目通常会被拆分给多个团队，经过无数次交接，最终“没有任何一个人真正理解全局”。结果是上下文丢失、反馈循环缓慢。

而在Datalab，通才模式让同一批人覆盖全栈，问题可以当天被发现、当天被修正。低杠杆的工作——比如数据清洗、部分代码生成——则尽量交给AI完成。Vik总结道：“更多的人并不等于更多的生产力，关键在于减少交接和等待。”

规模化的不是人数，而是判断力

为什么最后这一点最难？因为它无法被流程化。Vik在演讲后半段谈到，真正稀缺的不是工程能力，而是‘说不’的能力。尤其在模型和AI工具越来越强的时代，诱惑无处不在。

他提到，与上一代OCR公司不同，现在的做法是“训练一个模型来处理复杂性”，而不是用无数规则和人工流程去兜底。但前提是，你必须清楚地知道：模型什么时候会失败。如果一个需求会让系统变得不可控，那就要果断拒绝。

在团队层面，他总结了三个核心角色，并提醒听众：“不要把组织复杂度当成成熟度。”最终，他把整场演讲浓缩成一句话：“Scale productivity， not headcount（扩展生产力，而不是人头数）。”

总结

Vik Paruchuri的分享并不是在鼓吹“少即是多”的口号，而是用裁员的教训和真实的模型案例，证明小团队在AI时代具备前所未有的杠杆率。AI填补了边缘工作，通才压缩了沟通成本，而文化和判断力成为新的规模化瓶颈。对创业者而言，问题不再是“要不要扩张”，而是“什么才值得被扩张”。

关键词： 小团队， AI创业， 通才文化， 模型训练， 生产力

事实核查备注： Vik Paruchuri：Datalab CEO；团队规模：核心3-4人；GitHub Stars：40K；收入：七位数ARR，年初至今增长5倍；模型名称：Marker、Suri、Suri OCR 3；模型规模：约5亿参数；理念来源：与Jeremy Howard的合作；核心原话："more people does not equal more productivity"、"scale productivity， not headcount"