03

人很重要，人背后的技術(shù)同樣重要。

在古典經(jīng)濟學(xué)中，決定生產(chǎn)函數(shù)的生產(chǎn)要素只有三種——土地、勞動和資本，而現(xiàn)代經(jīng)濟學(xué)則在此基礎(chǔ)上加入了一個重要的新要素——技術(shù)。

經(jīng)濟學(xué)家索羅、盧卡斯、羅默等也將技術(shù)作為關(guān)鍵變量引入經(jīng)濟增長模型，而這些模型得到了業(yè)界的廣泛認同。

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

為什么很多大公司會設(shè)立沒有盈利要求的基礎(chǔ)研究部門？

為什么今天國內(nèi)大廠的大模型負責(zé)人大部分都出自當(dāng)年的微軟亞洲研究院？

為什么大家公認谷歌關(guān)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(xué)技術(shù)是第一生產(chǎn)力”這句樸素的話最鮮活的闡述。

事實上，和其他創(chuàng)業(yè)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(qū)的結(jié)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(zhàn)的任務(wù)。

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(chǎn)出更高的技術(shù)，并將這些技術(shù)構(gòu)建成一個系統(tǒng)。

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(shù)字技術(shù)領(lǐng)域，表現(xiàn)杰出的大公司和表現(xiàn)杰出的初創(chuàng)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(xiàn)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(jīng)18.7萬人人了，蘋果已經(jīng)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(yè)追求的目標，人效并不是。

當(dāng)企業(yè)變大之后，一個顯而易見的現(xiàn)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(dāng)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(dāng)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(nèi)部賽馬，這也在一定程度上增加了大企業(yè)的人員規(guī)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(lián)網(wǎng)公司人員冗余的程度——

當(dāng)2022年11月馬斯克進駐Twitter的時候，Twitter的員工總數(shù)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(xiàn)在變成了一家非上市公司，我們無法從數(shù)據(jù)的角度全面評估如此大幅度減員對業(yè)務(wù)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(qū)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(xué)概念，用來衡量一個系統(tǒng)的有序程度。

事實上，初創(chuàng)團隊就是一個天然的低熵體，一小部分精英聚在一起，架構(gòu)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(tài)，初創(chuàng)團隊的產(chǎn)品在早期也處于低熵狀態(tài)，只關(guān)注核心功能，實現(xiàn)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(nèi)總共就9個人。

張小龍顯然深刻理解小團隊低熵的獨特優(yōu)勢。

然而，隨著組織和產(chǎn)品的壯大，熵增是無法避免的現(xiàn)象。

產(chǎn)品的熵增體現(xiàn)在復(fù)雜度提升和用戶規(guī)模激增，這些新狀況必須要人去解決，于是組織的規(guī)模必然隨之?dāng)U充。

團隊的熵增體現(xiàn)在隨著成員擴充帶來的協(xié)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(chǎn)出開始下降。

這些問題通過優(yōu)秀的管理可以得到一定程度的緩和，但熵增的基本規(guī)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(fā)幾周就能上線。

但當(dāng)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(fā)你還要上公眾號，為了成為基礎(chǔ)設(shè)施還得上支付，為了生態(tài)和競爭，還要加小程序、視頻號。

在此過程中，技術(shù)架構(gòu)要跟上、產(chǎn)品設(shè)計要跟上、市場運營要更上，此時，產(chǎn)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(chuàng)業(yè)公司的核心原因。

06

今天的初創(chuàng)公司人效高的另一個原因是——業(yè)界極其完善的基礎(chǔ)設(shè)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(chǔ)平臺，就沒有美團這樣的垂直應(yīng)用。

“站在巨人的肩膀上”并不是一句口號，今天的創(chuàng)業(yè)公司的確不需要重復(fù)造輪子。

OpenAI的崛起，它依賴于包括維基百科在內(nèi)的多個互聯(lián)網(wǎng)平臺的訓(xùn)練數(shù)據(jù)，依賴于英偉達高效率的顯卡、依賴于微軟Azure云服務(wù)、依賴于谷歌關(guān)于Transformer論文、依賴將ChatGPT帶到全球的Web瀏覽協(xié)議。

同樣，Midjourney在啟動創(chuàng)業(yè)時，盡管創(chuàng)始人David Holz也并沒有足夠的冷啟動資金，但憑借自己曾經(jīng)創(chuàng)辦過明星創(chuàng)業(yè)公司Leap Motion的良好聲譽，他從云服務(wù)商那里得到了自己想要的GPU訓(xùn)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(jīng)足夠受歡迎的社交網(wǎng)絡(luò)上。

是滴，今天的創(chuàng)業(yè)公司去拓展一項新業(yè)務(wù)，在某種意義上，完全不需要在自己非核心領(lǐng)域重新造輪子。

迎接創(chuàng)業(yè)者的，是無比強大的基礎(chǔ)設(shè)施平臺和極其細分的第三方服務(wù)。

創(chuàng)業(yè)者只需要負責(zé)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(chuàng)業(yè)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(nèi)部獲得了“創(chuàng)始人獎”。

很顯然，騰訊內(nèi)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(xiàn)出來的超高效率。

從數(shù)據(jù)的角度，人數(shù)僅1000人左右（據(jù)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(shù)16660人）

那么，他們是如何做到的呢？

其中一個值得關(guān)注的點是——人數(shù)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(gòu)建了一個效率極高的服務(wù)商體系，分布在全國各地規(guī)模龐大的服務(wù)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(wù)商人數(shù)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(lián)網(wǎng)巨頭的在線廣告業(yè)務(wù)，幾乎每一家的效果廣告都依賴于其分布在不同地區(qū)的廣告代理商。

你接到互聯(lián)網(wǎng)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(guī)模龐大的電銷團隊。

沒錯，今天的科技公司從產(chǎn)業(yè)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(nèi)卷——科技公司提升人效的捷徑。

08

我們分析了科技企業(yè)創(chuàng)造價值的方式，一個殘酷的事實是——對于很多產(chǎn)業(yè)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(shù)人而言，我們何去何從？

很多人說，不用擔(dān)心，你看前幾次技術(shù)革命的確讓很多人丟掉了工作，但技術(shù)革命又會創(chuàng)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(xué)習(xí)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(yè)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(jīng)理，畢竟，工業(yè)革命的進展是緩慢的。

現(xiàn)在，如果自動駕駛?cè)〉猛黄疲ㄋ谐鲎廛囁緳C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(shè)，而是即將應(yīng)驗的現(xiàn)實。

這種大規(guī)模、短時間（注意這兩個詞）的失業(yè)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(yè)的藍領(lǐng)變成一個高級的白領(lǐng)，這是一個不可能完成的任務(wù)，畢竟，白領(lǐng)們自己的工作都已經(jīng)快保不住了。

09

《智能革命》這本書有一個結(jié)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(fù)看。

最近，深度學(xué)習(xí)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(fēng)險。

“一切穩(wěn)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(jīng)永遠無法被關(guān)上。

一起迎接神秘、有趣、茫然、未知的新紀元~