為什么那些創造了驚人成就的初創公司員工如此之少?

0 評論 8063 瀏覽 25 收藏 21 分鐘

這篇文章從Midjourney僅僅只有11個員工的消息出發,從高人效、硅基系統、人與技術以及企業追求的目標等方面,客觀分析了初創公司員工如此之少、人效可以做到如此之高的原因以及背后值得思考的深層邏輯。推薦想了解初創公司的伙伴閱讀。

這段時間的科技圈被Midjourney僅僅只有11個員工震驚了。

即便是行業的資深從業者,也很難想象如此驚艷的AI產品背后僅僅只有少的出奇的11個人。

的確,用極少員工創造驚人成就的公司在科技行業屢見不鮮——

Instagram以10億美元被收購時僅僅13名員工。WhatsApp以190億美元被收購時僅僅50名員工。

如今站在AI之巔估值高達300億美元的OpenAI也僅僅375名員工。

從更遠的視角,谷歌在施密特2001年接替創始人拉里·佩奇擔任CEO時,只有不到300名員工。

而創立更早的亞馬遜在1997年上市前夕僅僅只有158名員工。

那么問題來了:

為什么那么多創造了驚人成就的初創公司員工如此之少?為什么它們的人效可以做到如此之高?這背后有哪些值得思考的深層邏輯?

這篇文章衛夕就和大家來聊一聊這個問題——

01

很顯然,和之前的任何技術進步不同,當數字技術從原子世界進化到比特世界時,邏輯就徹底地變了。

用陸奇的話說——

“任何改變社會、改變產業的,永遠是結構性改變,這個結構性改變往往是一類大型成本,從邊際成本變成固定成本?!?/p>

這句話的意思簡單而深刻。

盡管曾經的鐵路大王、石油大王、鋼鐵大王創造的財富在絕對值上更高,但他們每多創造一份新的價值,它就需要一份額外的成本。

這既包括實物的投入,也包括人力的投入,每多產一頓油、多修一公里鐵路、多產一頓鋼鐵,都需要更多的物料和人力。

因此,這種類型的公司在核算的時候邊際成本是成本的重要組成部分。

然而,在硅基系統,邊際成本消失了。

一個段代碼復制成兩段代碼毫無新增成本,一個用戶使用和100個用戶使用,幾乎沒有沒有區別。

這是高人效之所以普遍出現在數字科技行業的直接原因,背后的邏輯就在于——一份創造,可以無成本的復制,幾乎不需要額外的人力參與。

這是一個普遍的規律,我們簡單比較一下優秀的傳統企業和優秀的數字企業在人效上的區別——

  • 谷歌市值1.3萬億美元,人力18.7萬VS 沃爾瑪市值4058億美元,員工人數220萬;
  • Facebook市值5984億美元,員工8.7萬人VS 通用汽車440億美元,員工26.6萬人;
  • 騰訊市值3.28萬億,員工人數6.3萬人 VS 比亞迪7440億,員工數57萬

這就是硅基系統邊際成本消失在人效上的巨大能量。

人效差異的背后,是財富創造能力的差異。

回到2012年,作為一名并非技術專業的畢業生,我當時選擇進入互聯網行業,其中一個模糊的邏輯就是——到人效更高的行業中去。

02

以上我們解釋了高人效的一個必要條件——可復制的硅基系統。

但這并不能充分解釋為什么同樣在科技行業,有些公司的人效就是要遠高于另一些公司。

在更深入地討論這個問題之前,我們先來認識一個人——Jeff Dean。

如果你并不是技術圈的從業者,你有較大概率并不認識這個人。

但在技術領域,Jeff Dean就是一座燈塔,是眾多工程師心中神一樣的存在。

畢業于華盛頓大學計算機系的Jeff Dean在谷歌20多個人的時候加入年輕的谷歌,然后就開啟了他魔法般的職業生涯。

他幾乎以一己之力奇跡般地連續帶領極小團隊(通常是10人左右)開發了MapReduce、BigTable、Spanner、TensorFlow等一系列系統。

注意,這些項目并不是同一個領域的項目。

它們橫跨爬蟲索引、廣告、分布式計算、機器翻譯、深度學習框架等多個領域,幾乎涉及在谷歌這家公司每一個時期的關鍵技術項目。

在谷歌有一個傳說——“Jeff Dean 提交代碼前會編譯和運行他的代碼,只是為了檢驗編譯器和鏈接器有沒有問題?!?/p>

Jeff Dean如神一般的產出雄辯地證實了——有時候人和人的差距,比人和狗還大。

在硅谷,“十倍工程師”是一個流行的概念,即有些工程師的產出的確就要比其他工程師產出要大得多,而Jeff Dean大概屬于“千倍工程師”。

回到開始的問題——為什么同樣在科技行業,有些公司的人效就是要遠高于另一些公司?

核心就在于那些高人效的公司擁有更多像Jeff Dean那樣的人,而且這些公司知道如何讓那些聰明人在一塊更好地合作。

喬布斯曾經就說過——“要留住一個A級人才,最重要的方式就是讓一堆A級人才和他一起工作?!?/p>

張一鳴在公司2014年融資時曾經有一個說法,今日頭條有著全球最高的單位面積內算法工程師數量。

王興在美圖創立的時候,對工程師要求極高,在美團技術部的墻上,有一句話——“要么牛逼,要么滾蛋”。

而這正是王興從Facebook早期口號“Go Big or Go Home”學來的。微信早期的面試是8輪,3輪業務部門,3輪面試委員會,最后還要過2輪GM,以保證加入微信團隊的強悍程度。高人效,首先要保證有高人。

03

人很重要,人背后的技術同樣重要。

在古典經濟學中,決定生產函數的生產要素只有三種——土地、勞動和資本,而現代經濟學則在此基礎上加入了一個重要的新要素——技術。

經濟學家索羅、盧卡斯、羅默等也將技術作為關鍵變量引入經濟增長模型,而這些模型得到了業界的廣泛認同。

沒錯,從更長遠的角度看,是技術決定了人類的進步,更準確地說還包含了技術的基礎——科學;

為什么很多大公司會設立沒有盈利要求的基礎研究部門?

為什么今天國內大廠的大模型負責人大部分都出自當年的微軟亞洲研究院?

為什么大家公認谷歌關于Transformer的論文有效提升了大模型的效率?

這背后其實都是對“科學技術是第一生產力”這句樸素的話最鮮活的闡述。

事實上,和其他創業公司不同,OpenAI的運作模式就是研究團隊和工程團隊并駕齊驅的結果。

在多個訪談中,OpenAI的CEO Sam Altman、總裁Greg Brockman都承認——如何讓公司里強悍而驕傲的研究員和工程師通力合作是一項極具挑戰的任務。

就連僅僅11個人的Midjourney,除了6名工程師外,也配備了專門2名研究員。

所以,在某種意義上,那些高人效的公司,其中一個原因是它們通過雇傭強悍的人從而獲得了一種產出更高的技術,并將這些技術構建成一個系統。

04

接下來,我們討論一個問題——

為什么同樣是0邊際成本的數字技術領域,表現杰出的大公司和表現杰出的初創公司在人效上也存在巨大的差異呢?

OpenAI估值300億,員工357,人均估值接近1億美元,Instagram、WhatsApp、Midjourney的人均估值也接近這個值。

而那些今天表現最為杰出的科技巨頭,無論是谷歌、蘋果還是亞馬遜,人均估值都遠低于這個值。

畢竟,今天谷歌已經18.7萬人人了,蘋果已經14.7萬人了,而亞馬遜更是達到了驚人的150萬。

其背后的核心原因在于——增長才是企業追求的目標,人效并不是。

當企業變大之后,一個顯而易見的現象就是要想保持一定的增長率,其營收和利潤的絕對值就會成倍變大。

當你的營收1億美金的時候,你增長20%只需要找到2000萬美金的機會,而當營收到10億美金的時候,保持20%的增長,就必須找到2億美金的機會。

因此,很多公司就會采取冗余團隊的模式去探索不同的可能性,比如內部賽馬,這也在一定程度上增加了大企業的人員規模,冗余就是這么來的。

我們可以從Twitter的這波裁員中直觀感受一下互聯網公司人員冗余的程度——

當2022年11月馬斯克進駐Twitter的時候,Twitter的員工總數超過7200人,在一頓眼花繚亂的裁員之后,今天Twitter的員工是多少呢?

答案是僅僅只剩1500;

由于Twitter現在變成了一家非上市公司,我們無法從數據的角度全面評估如此大幅度減員對業務的具體影響。

但我個人作為用戶的直觀感受是——Twitter的體驗并沒有明顯的區別。

05

如果我們從信息論中的“熵”這個概念來理解可能就會更加清晰。

熵是一個熱力學概念,用來衡量一個系統的有序程度。

事實上,初創團隊就是一個天然的低熵體,一小部分精英聚在一起,架構簡單、溝通順暢、目標純粹,這樣的效率自然非常高。

不僅僅團隊處于低熵的狀態,初創團隊的產品在早期也處于低熵狀態,只關注核心功能,實現最基本的需求,不用考慮小眾低頻的需求。

這就是為什么亞馬遜的貝索斯推崇“兩張Pizza”的理念——“如果兩個披薩不足以喂飽一個項目團隊,那它可能就顯得太大了!”

同樣,微信的張小龍也推崇小團隊的打法。

下面這張圖是小程序這個啟動時候的合影,包括張小龍在內總共就9個人。

張小龍顯然深刻理解小團隊低熵的獨特優勢。

然而,隨著組織和產品的壯大,熵增是無法避免的現象。

產品的熵增體現在復雜度提升和用戶規模激增,這些新狀況必須要人去解決,于是組織的規模必然隨之擴充。

團隊的熵增體現在隨著成員擴充帶來的協同成本急劇上升,向心力逐漸減弱、離心力慢慢增強,人員增加的邊際產出開始下降。

這些問題通過優秀的管理可以得到一定程度的緩和,但熵增的基本規律不會改變。

即便強悍如微信團隊,1.0版本的確只需要幾個強悍的工程師開發幾周就能上線。

但當用戶不斷增長,為了更多的時長一定會加朋友圈,為了搞定信息分發你還要上公眾號,為了成為基礎設施還得上支付,為了生態和競爭,還要加小程序、視頻號。

在此過程中,技術架構要跟上、產品設計要跟上、市場運營要更上,此時,產品的熵和團隊層面的熵不可避免地增加。

熵增是頂尖的巨頭在人效上不如頂尖創業公司的核心原因。

06

今天的初創公司人效高的另一個原因是——業界極其完善的基礎設施。

美團的王興在上市的時候特別感謝了喬布斯——沒有iPhone、AppStore這樣的基礎平臺,就沒有美團這樣的垂直應用。

“站在巨人的肩膀上”并不是一句口號,今天的創業公司的確不需要重復造輪子。

OpenAI的崛起,它依賴于包括維基百科在內的多個互聯網平臺的訓練數據,依賴于英偉達高效率的顯卡、依賴于微軟Azure云服務、依賴于谷歌關于Transformer論文、依賴將ChatGPT帶到全球的Web瀏覽協議。

同樣,Midjourney在啟動創業時,盡管創始人David Holz也并沒有足夠的冷啟動資金,但憑借自己曾經創辦過明星創業公司Leap Motion的良好聲譽,他從云服務商那里得到了自己想要的GPU訓練資源。

而Midjourney的火爆在一定程度上也得益于其建立在Discord這個本身就已經足夠受歡迎的社交網絡上。

是滴,今天的創業公司去拓展一項新業務,在某種意義上,完全不需要在自己非核心領域重新造輪子。

迎接創業者的,是無比強大的基礎設施平臺和極其細分的第三方服務。

創業者只需要負責長板,短板可以有一萬種解決方案。

07

另一個容易忽視的視角是——

很多創業公司的高人效其實是它們有效地通過某種方式撬動了外部的人力資源。

微信支付的團隊在2019年終在騰訊內部獲得了“創始人獎”。

很顯然,騰訊內部對微信支付他們在和競爭對手支付寶的激烈競爭中所表現出來的超高效率。

從數據的角度,人數僅1000人左右(據稱)的微信支付團隊在人效上的確大幅超過1萬人的支付寶團隊。(2020的招股書顯示螞蟻金服員工數16660人)

那么,他們是如何做到的呢?

其中一個值得關注的點是——人數并不算多的微信支付團隊有效撬動了外部的人力資源。

他們構建了一個效率極高的服務商體系,分布在全國各地規模龐大的服務商可以幫助商戶更方便、更快捷地接入微信支付的線上和線下體系。

這些服務商人數眾多,但他們從組織上并不率屬于微信支付團隊。

同樣,中國互聯網巨頭的在線廣告業務,幾乎每一家的效果廣告都依賴于其分布在不同地區的廣告代理商。

你接到互聯網公司讓你去投廣告的電話,都不它們官方的銷售,電話的那一頭大概率是代理商規模龐大的電銷團隊。

沒錯,今天的科技公司從產業鏈的角度,它們的確站在了“微笑曲線”的兩端,而微笑曲線的中間通常需要更多的人員參與。

用外包對抗內卷——科技公司提升人效的捷徑。

08

我們分析了科技企業創造價值的方式,一個殘酷的事實是——對于很多產業而言,我們的確不需要那么多人了。

那么,隨之而來的一個問題是——對于大多數人而言,我們何去何從?

很多人說,不用擔心,你看前幾次技術革命的確讓很多人丟掉了工作,但技術革命又會創造新的工作啊,我們做新的工作就可以了~

這個觀點其實只對了一半——因為上面的邏輯能成立的前提是人們有足夠的時間去學習新技能,從事新工作。

而今天,這個前提大概率不存在了,AI讓人失業可能是一夜之間的;

沒錯,馬車夫可以用二十年時間變成一名汽車工人,也可以從容地讓自己的兒子成為一名汽車銷售經理,畢竟,工業革命的進展是緩慢的。

現在,如果自動駕駛取得突破(所有出租車司機立即下崗),如果機器人取得突破(全世界的汽車工人立即下崗)

這其實不是假設,而是即將應驗的現實。

這種大規模、短時間(注意這兩個詞)的失業問題是人類從來沒有遇到過的,我不認為很多人對此有足夠清醒的認識。

讓一個失業的藍領變成一個高級的白領,這是一個不可能完成的任務,畢竟,白領們自己的工作都已經快保不住了。

09

《智能革命》這本書有一個結論——未來只有5%的人能從智能革命中受益。

這背后殘酷的潛臺詞就是95%的人會從智能革命中受損。

你有多大的信心你不屬于那95%?

尤瓦爾赫拉麗的這段視頻值得反復看。

最近,深度學習的三巨頭之一杰弗里·辛頓從谷歌離職了,他在離職感言中反思了AI給這個世界帶來的巨大不確定性以及潛在的風險。

“一切穩固的東西都將煙消云散,一切神圣的東西都將被褻瀆?!?/p>

馬克思100多年前的這句話用在今天毫無違和感。

潘多拉魔盒已打開,已經永遠無法被關上。

一起迎接神秘、有趣、茫然、未知的新紀元~

專欄作家

衛夕,人人都是產品經理專欄作家,微信公眾號:衛夕指北(ID:weixizhibei),2018年年度作者。一名興趣廣泛的廣告產品經理,致力于用簡單語言深度剖析互聯網相關的邏輯。

本文原創發布于人人都是產品經理。未經許可,禁止轉載。

題圖來自 Unsplash,基于CC0協議。

該文觀點僅代表作者本人,人人都是產品經理平臺僅提供信息存儲空間服務。

更多精彩內容,請關注人人都是產品經理微信公眾號或下載App
評論
評論請登錄
  1. 目前還沒評論,等你發揮!