那些创造了惊人成就的初创公司，为什么员工如此之少？

公众号新闻

2023-05-06 13:05

要高效

先有高人

这段时间的科技圈被 Midjourney 仅仅只有 11 个员工震惊了。（推荐点击阅读爱范儿前几天这篇推文了解更多）

即便是行业的资深从业者，也很难想象如此惊艳的 AI 产品背后仅仅只有少的出奇的 11 个人。

的确，用极少员工创造惊人成就的公司在科技行业屡见不鲜——

Instagram 以 10 亿美元被收购时仅仅 13 名员工。

WhatsApp 以 190 亿美元被收购时仅仅 50 名员工。

如今站在 AI 之巅估值高达 300 亿美元的 OpenAI 也仅仅 375 名员工。

从更远的视角， Google 在施密特 2001 年接替创始人拉里·佩奇担任 CEO 时，只有不到 300 名员工。

而创立更早的亚马逊在 1997 年上市前夕仅仅只有 158 名员工。

那么问题来了：

为什么那么多创造了惊人成就的初创公司员工如此之少？为什么它们的人效可以做到如此之高？这背后有哪些值得思考的深层逻辑？

这篇文章我们就和大家来聊一聊这个问题——

很显然，和之前的任何技术进步不同，当数字技术从原子世界进化到比特世界时，逻辑就彻底地变了。

用陆奇的话说——

任何改变社会、改变产业的，永远是结构性改变，这个结构性改变往往是一类大型成本，从边际成本变成固定成本。

这句话的意思简单而深刻。

尽管曾经的铁路大王、石油大王、钢铁大王创造的财富在绝对值上更高，但他们每多创造一份新的价值，它就需要一份额外的成本。

这既包括实物的投入，也包括人力的投入，每多产一顿油、多修一公里铁路、多产一顿钢铁，都需要更多的物料和人力。

因此，这种类型的公司在核算的时候边际成本是成本的重要组成部分。

然而，在硅基系统，边际成本消失了。

一个段代码复制成两段代码毫无新增成本，一个用户使用和 100 个用户使用，几乎没有没有区别。

这是高人效之所以普遍出现在数字科技行业的直接原因，背后的逻辑就在于——一份创造，可以无成本的复制，几乎不需要额外的人力参与。

这是一个普遍的规律，我们简单比较一下优秀的传统企业和优秀的数字企业在人效上的区别——

Google 市值 1.3 万亿美元，人力 18.7 万 VS 沃尔玛市值 4058 亿美元，员工人数 220 万；

Facebook 市值 5984 亿美元，员工 8.7 万人 VS 通用汽车 440 亿美元，员工 26.6 万人；

腾讯市值 3.28 万亿，员工人数 6.3 万人 VS 比亚迪 7440 亿，员工数 57 万

这就是硅基系统边际成本消失在人效上的巨大能量。

人效差异的背后，是财富创造能力的差异。

回到 2012 年，作为一名并非技术专业的毕业生，我当时选择进入互联网行业，其中一个模糊的逻辑就是——到人效更高的行业中去。

以上我们解释了高人效的一个必要条件——可复制的硅基系统。

但这并不能充分解释为什么同样在科技行业，有些公司的人效就是要远高于另一些公司。

在更深入地讨论这个问题之前，我们先来认识一个人——Jeff Dean。

如果你并不是技术圈的从业者，你有较大概率并不认识这个人。

但在技术领域，Jeff Dean 就是一座灯塔，是众多工程师心中神一样的存在。

毕业于华盛顿大学计算机系的 Jeff Dean 在 Google 20 多个人的时候加入年轻的 Google ，然后就开启了他魔法般的职业生涯。

他几乎以一己之力奇迹般地连续带领极小团队（通常是 10 人左右）开发了 MapReduce、BigTable、Spanner、TensorFlow 等一系列系统。

注意，这些项目并不是同一个领域的项目。

它们横跨爬虫索引、广告、分布式计算、机器翻译、深度学习框架等多个领域，几乎涉及在 Google 这家公司每一个时期的关键技术项目。

在 Google 有一个传说——「Jeff Dean 提交代码前会编译和运行他的代码，只是为了检验编译器和链接器有没有问题。」

Jeff Dean 如神一般的产出雄辩地证实了——有时候人和人的差距，比人和狗还大。

在硅谷，「十倍工程师」是一个流行的概念，即有些工程师的产出的确就要比其他工程师产出要大得多，而 Jeff Dean 大概属于「千倍工程师」。

回到开始的问题——为什么同样在科技行业，有些公司的人效就是要远高于另一些公司？

核心就在于那些高人效的公司拥有更多像 Jeff Dean 那样的人，而且这些公司知道如何让那些聪明人在一块更好地合作。

乔布斯曾经就说过——「要留住一个A级人才，最重要的方式就是让一堆 A 级人才和他一起工作。」

张一鸣在公司 2014 年融资时曾经有一个说法，今日头条有着全球最高的单位面积内算法工程师数量。

王兴在美图创立的时候，对工程师要求极高，在美团技术部的墙上，有一句话——「要么牛逼，要么滚蛋」。

而这正是王兴从 Facebook 早期口号「Go Big or Go Home」学来的。

微信早期的面试是 8 轮，3 轮业务部门，3 轮面试委员会，最后还要过 2 轮 GM，以保证加入微信团队的强悍程度。

高人效，首先要保证有高人。

人很重要，人背后的技术同样重要。

在古典经济学中，决定生产函数的生产要素只有三种——土地、劳动和资本，而现代经济学则在此基础上加入了一个重要的新要素——技术。

经济学家索罗、卢卡斯、罗默等也将技术作为关键变量引入经济增长模型，而这些模型得到了业界的广泛认同。

没错，从更长远的角度看，是技术决定了人类的进步，更准确地说还包含了技术的基础——科学；

为什么很多大公司会设立没有盈利要求的基础研究部门？

为什么今天国内大厂的大模型负责人大部分都出自当年的微软亚洲研究院？

为什么大家公认 Google 关于 Transformer 的论文有效提升了大模型的效率？

这背后其实都是对「科学技术是第一生产力」这句朴素的话最鲜活的阐述。

事实上，和其他创业公司不同，OpenAI 的运作模式就是研究团队和工程团队并驾齐驱的结果。

在多个访谈中，OpenAI 的 CEO Sam Altman、总裁 Greg Brockman 都承认——如何让公司里强悍而骄傲的研究员和工程师通力合作是一项极具挑战的任务。

就连仅仅 11 个人的 Midjourney，除了 6 名工程师外，也配备了专门 2 名研究员。

所以，在某种意义上，那些高人效的公司，其中一个原因是它们通过雇佣强悍的人从而获得了一种产出更高的技术，并将这些技术构建成一个系统。

接下来，我们讨论一个问题——

为什么同样是 0 边际成本的数字技术领域，表现杰出的大公司和表现杰出的初创公司在人效上也存在巨大的差异呢？

OpenAI 估值 300 亿，员工 357，人均估值接近 1 亿美元，Instagram、WhatsApp、Midjourney 的人均估值也接近这个值。

而那些今天表现最为杰出的科技巨头，无论是 Google 、苹果还是亚马逊，人均估值都远低于这个值。

毕竟，今天 Google 已经 18.7 万人了，苹果已经 14.7 万人了，而亚马逊更是达到了惊人的 150 万。

其背后的核心原因在于——增长才是企业追求的目标，人效并不是。

当企业变大之后，一个显而易见的现象就是要想保持一定的增长率，其营收和利润的绝对值就会成倍变大。

当你的营收 1 亿美金的时候，你增长 20% 只需要找到 2000 万美金的机会，而当营收到 10 亿美金的时候，保持 20% 的增长，就必须找到 2 亿美金的机会。

因此，很多公司就会采取冗余团队的模式去探索不同的可能性，比如内部赛马，这也在一定程度上增加了大企业的人员规模，冗余就是这么来的。

我们可以从 Twitter 的这波裁员中直观感受一下互联网公司人员冗余的程度——

当 2022 年 11 月马斯克进驻 Twitter 的时候，Twitter的员工总数超过7200人，在一顿眼花缭乱的裁员之后，今天Twitter的员工是多少呢？

答案是仅仅只剩 1500；

由于 Twitter 现在变成了一家非上市公司，我们无法从数据的角度全面评估如此大幅度减员对业务的具体影响。

但我个人作为用户的直观感受是——Twitter 的体验并没有明显的区别。

如果我们从信息论中的「熵」这个概念来理解可能就会更加清晰。

熵是一个热力学概念，用来衡量一个系统的有序程度。

事实上，初创团队就是一个天然的低熵体，一小部分精英聚在一起，架构简单、沟通顺畅、目标纯粹，这样的效率自然非常高。

不仅仅团队处于低熵的状态，初创团队的产品在早期也处于低熵状态，只关注核心功能，实现最基本的需求，不用考虑小众低频的需求。

这就是为什么亚马逊的贝索斯推崇「两张 Pizza」的理念——「如果两个披萨不足以喂饱一个项目团队，那它可能就显得太大了！」

同样，微信的张小龙也推崇小团队的打法。

下面这张图是小程序这个启动时候的合影，包括张小龙在内总共就 9 个人。

张小龙显然深刻理解小团队低熵的独特优势。

然而，随着组织和产品的壮大，熵增是无法避免的现象。

产品的熵增体现在复杂度提升和用户规模激增，这些新状况必须要人去解决，于是组织的规模必然随之扩充。

团队的熵增体现在随着成员扩充带来的协同成本急剧上升，向心力逐渐减弱、离心力慢慢增强，人员增加的边际产出开始下降。

这些问题通过优秀的管理可以得到一定程度的缓和，但熵增的基本规律不会改变。

即便强悍如微信团队，1.0 版本的确只需要几个强悍的工程师开发几周就能上线。

但当用户不断增长，为了更多的时长一定会加朋友圈，为了搞定信息分发你还要上公众号，为了成为基础设施还得上支付，为了生态和竞争，还要加小程序、视频号。

在此过程中，技术架构要跟上、产品设计要跟上、市场运营要更上，此时，产品的熵和团队层面的熵不可避免地增加。

熵增是顶尖的巨头在人效上不如顶尖创业公司的核心原因。

今天的初创公司人效高的另一个原因是——业界极其完善的基础设施。

美团的王兴在上市的时候特别感谢了乔布斯——没有 iPhone、AppStore 这样的基础平台，就没有美团这样的垂直应用。

「站在巨人的肩膀上」并不是一句口号，今天的创业公司的确不需要重复造轮子。

OpenAI 的崛起，它依赖于包括维基百科在内的多个互联网平台的训练数据，依赖于英伟达高效率的显卡、依赖于微软 Azure 云服务、依赖于 Google 关于 Transformer 论文、依赖将 ChatGPT 带到全球的 Web 浏览协议。

同样，Midjourney 在启动创业时，尽管创始人 David Holz 也并没有足够的冷启动资金，但凭借自己曾经创办过明星创业公司 Leap Motion 的良好声誉，他从云服务商那里得到了自己想要的 GPU 训练资源。

而 Midjourney 的火爆在一定程度上也得益于其建立在 Discord 这个本身就已经足够受欢迎的社交网络上。

是滴，今天的创业公司去拓展一项新业务，在某种意义上，完全不需要在自己非核心领域重新造轮子。

迎接创业者的，是无比强大的基础设施平台和极其细分的第三方服务。

创业者只需要负责长板，短板可以有一万种解决方案。

另一个容易忽视的视角是——

很多创业公司的高人效其实是它们有效地通过某种方式撬动了外部的人力资源。

微信支付的团队在 2019 年终在腾讯内部获得了「创始人奖」。

很显然，腾讯内部对微信支付他们在和竞争对手支付宝的激烈竞争中所表现出来的超高效率。

从数据的角度，人数仅 1000 人左右（据称）的微信支付团队在人效上的确大幅超过 1 万人的支付宝团队。（2020 的招股书显示蚂蚁金服员工数 16660人）

那么，他们是如何做到的呢？

其中一个值得关注的点是——人数并不算多的微信支付团队有效撬动了外部的人力资源。

他们构建了一个效率极高的服务商体系，分布在全国各地规模庞大的服务商可以帮助商户更方便、更快捷地接入微信支付的线上和线下体系。

这些服务商人数众多，但他们从组织上并不率属于微信支付团队。

同样，中国互联网巨头的在线广告业务，几乎每一家的效果广告都依赖于其分布在不同地区的广告代理商。

你接到互联网公司让你去投广告的电话，都不它们官方的销售，电话的那一头大概率是代理商规模庞大的电销团队。

没错，今天的科技公司从产业链的角度，它们的确站在了「微笑曲线」的两端，而微笑曲线的中间通常需要更多的人员参与。

用外包对抗内卷——科技公司提升人效的捷径。

我们分析了科技企业创造价值的方式，一个残酷的事实是——对于很多产业而言，我们的确不需要那么多人了。

那么，随之而来的一个问题是——对于大多数人而言，我们何去何从？

很多人说，不用担心，你看前几次技术革命的确让很多人丢掉了工作，但技术革命又会创造新的工作啊，我们做新的工作就可以了~

这个观点其实只对了一半——因为上面的逻辑能成立的前提是人们有足够的时间去学习新技能，从事新工作。

而今天，这个前提大概率不存在了，AI 让人失业可能是一夜之间的；

没错，马车夫可以用二十年时间变成一名汽车工人，也可以从容地让自己的儿子成为一名汽车销售经理，毕竟，工业革命的进展是缓慢的。

现在，如果自动驾驶取得突破（所有出租车司机立即下岗），如果机器人取得突破（全世界的汽车工人立即下岗）

这其实不是假设，而是即将应验的现实。

这种大规模、短时间（注意这两个词）的失业问题是人类从来没有遇到过的，我不认为很多人对此有足够清醒的认识。

让一个失业的蓝领变成一个高级的白领，这是一个不可能完成的任务，毕竟，白领们自己的工作都已经快保不住了。

《智能革命》这本书有一个结论——未来只有 5% 的人能从智能革命中受益。

这背后残酷的潜台词就是 95% 的人会从智能革命中受损。

你有多大的信心你不属于那 95%？

尤瓦尔赫拉丽的这段视频值得反复看。

最近，深度学习的三巨头之一杰弗里·辛顿从 Google 离职了，他在离职感言中反思了 AI 给这个世界带来的巨大不确定性以及潜在的风险。

一切稳固的东西都将烟消云散，一切神圣的东西都将被亵渎。

马克思 100 多年前的这句话用在今天毫无违和感。

潘多拉魔盒已打开，已经永远无法被关上。

一起迎接神秘、有趣、茫然、未知的新纪元。

Google内部文件首次泄漏：ChatGPT 没有护城河，开源才是大模型未来

‍‍

「AI教父」万字采访实录：ChatGPT和AI的过去、当下与未来

微信扫码关注该文公众号作者

戳这里提交新闻线索和高质量文章给我们。

来源: qq

点击查看作者最近其他文章