作者：王林 Lincoln | MindsLeap 创始人兼 CEO | Founders Space 合伙人兼中国区 CEO | MindsLeap 企业家 AI 俱乐部创始人
本文由 Lincoln 根据 Claude 官方频道 2026 年 10 月 8 日发布的视频《Inside Shopify's AI strategy with CTO Mikhail Parakhin》进行解读。
一个研究了七年、一直没有解决的问题，终于有了办法。Shopify CTO Mikhail Parakhin 在与 Boris 的访谈中，谈到自己借助模型处理一个与 Wasserstein 损失函数有关的问题。他没有给出足够细节让外界复现这项工作，却用这段经历提出了一个值得企业家认真思考的判断：有些工作，过去即使增加人手、投入更多时间，也未必能够完成。
“我离不开模型，但模型也离不开我。”
这场 10 月 8 日由 Claude 官方频道发布的访谈，讨论的是 Shopify 如何使用 AI。最值得关注的线索，是 Parakhin 如何把模型能力、工程管理和业务增长放进同一套决策里。它也把企业经常问的“AI 到底省了多少钱”，推进到了一个更难回答的问题：我们因此获得了什么新的能力？
七年的问题，改变了衡量价值的尺子
Parakhin 用“抬高下限”和“抬高上限”来区分两种收益。模型替工程师完成原本就会做的工作，团队可以更快交付，这是抬高下限；模型帮助团队完成原先做不到、甚至不会进入项目清单的事情，则是在抬高上限。
前一种收益容易计算。原来需要几个人、几周时间，现在少用了多少，都可以估算。后一种收益很难套进同一张表格，因为比较对象并不是一个效率较低的旧项目，而是一件原先根本没有发生的事。
“抬高上限的影响要大得多。”
这是他的判断，而不是对所有企业都成立的财务结论。但它提醒我们，企业如果只统计写代码快了多少、报告少花了多少时间，就会漏掉 AI 的另一部分价值。原先太贵、太慢、技术上够不到的方案，可能开始进入可选范围。
七年未解的问题之所以重要，也在这里。它让能力提升有了一个具体的参照，而不是停留在“模型越来越强”的抽象讨论中。
在动真实公司之前，先动它的数字孪生
访谈中，Parakhin 接着讲了一个更贴近经营的例子：Shopify 尝试把商家的行为表示为连续的动作。开通信用额度、发货、接受信用卡、申请贷款、调整经营方式，都可以成为这条序列的一部分。
按照他的描述，团队由此构建企业的数字孪生，并在模型里尝试不同干预：增加一次广告投放、把发货提前一天，或者提供一笔贷款，接下来可能发生什么？寻找更有利于增长的动作后，再在真实业务里提供贷款或发出经营建议。
“你可以在不危及真实人的情况下，先对公司进行尝试。”
这里的“数字孪生”可以理解为用于预测和模拟的企业模型。它的价值在于帮助团队提出更具体、可以进入业务验证的假设。我们也需要保留一个边界：访谈没有披露这套系统的独立评估、预测误差或因果识别方法。模拟中的改善，不能直接当作真实经营一定会改善的证明。
即便如此，这个方向仍然很有启发。电商企业往往掌握大量订单、履约和客户数据，难点是把数据变成下一步动作。如果模型能帮助经营者比较不同方案，AI 就开始从内容生产进入经营判断。数据积累也会因此获得新的用途。
不限 Token，背后有另一半策略
Shopify 给员工充分使用模型的空间。Parakhin 在访谈中提到，公司不对每个人的 Token 使用设限，愿意在开发中投入更强的模型。他的理由是，如果从来没有试过能力更高的模型，就不知道自己错过了哪些可能性。
这句话容易被理解成“模型越贵越好”，但他的完整建议更具体：研发、测试和探索使用能力强的模型；进入生产后，再针对明确任务选择合适的模型，并通过优化、必要时微调，平衡质量、吞吐量与成本。他把它称为一种杠铃策略。
探索阶段，问题和解决办法都还没有完全确定，多一点能力可能带来新的路线。生产阶段，任务通常已经清楚，执行次数却可能很大，单位成本便成为重要变量。两种支出服务于不同的目的。
同时，他明确说到需要熔断机制，避免失控流程持续消耗 Token。因此，“不限使用”依然需要工程上的监控和保护。对于中国企业，值得参考的是这种预算逻辑：把探索新能力的钱和重复执行的钱分开看，才能判断哪里值得投入，哪里应该优化。
工程师开始管理另一层执行者
Parakhin 还谈到自己改变过的一个看法。他原先认为，大模型不会太大程度帮助自己管理团队；后来，他建立了一个分析项目进展的系统，尝试提前发现延期风险和团队中的问题。
这些效果是他在访谈中的自述，不能据此推定系统能准确判断每位员工的情绪。但这段经历反映了工程管理正在变化：负责人需要管理工程师，同时工程师开始监督模型和 AI智能体的工作。
任务该怎样拆分？不同智能体的工作会不会冲突？谁检查它们的结果？模型能快速生成实现方案后，技术负责人反而更需要判断问题是否定义正确。Parakhin 特别提醒，模型很容易顺着提问者的意图给出答案；如果需求本身偏了，错误也可能被更快地实现。
过去，一个含糊想法走到开发阶段，常常还要经过讨论和协调。现在，生成实现的速度提高了，组织需要主动补上判断和复核。执行能力扩大以后，决定做什么、怎样确认做对，便更值得投入注意力。
企业的项目清单，值得重新打开
对我而言，这场访谈最有价值的地方，是它让企业家有理由重新看一遍那些长期搁置的项目。哪些想法过去因为人才不足、开发成本太高或分析能力不够，被放在了清单之外？今天有没有一个足够具体的小范围，可以让团队重新尝试？
这不意味着每家企业都应该照搬 Shopify 的数字孪生。行业数据、技术团队和经营问题不同，起点自然不同。但验证 AI 价值时，我们可以同时看两件事：已有流程改善了多少，以及团队是否做成了一件原先做不到的事。
前者帮助我们管理效率，后者帮助我们看见新的增长空间。把这两种收益都纳入讨论，AI 转型才有机会从采购工具，走到重新配置组织能力。
本文依据 Claude 官方频道发布的 Shopify CTO 访谈及其字幕整理。引语为中文翻译；数字孪生及管理系统的效果按受访者自述呈现。
关于 MindsLeap 心智悦动
MindsLeap 心智悦动是一家企业 AI 转型与 AI 原生创业加速平台。面向传统企业的 AI 转型，也服务 AI 原生企业、OPC 和科技创业者，连接产业场景、资本、硅谷资源与全球市场。
MindsLeap 是硅谷创新孵化器 Founders Space 的全球合作伙伴。通过 MindsLeap 企业家 AI 俱乐部、AI 培训、AI 咨询、FDE（Forward Deployed Engineer，现场部署工程）与创业加速服务，帮助企业从 AI 认知升级走向业务落地。
围绕 AI 原生组织建设，MindsLeap 正在构建一个连接企业家、创业者、AI 工程师、产业专家、投资人与全球创新资源的生态，帮助组织把 AI 真正落到业务流程、组织能力、产品创新和增长系统中。