ZDNet至顶网软件频道消息: Google 的成功可以用到不同的企业身上吗?《How Google Works》的作者,Google 董事会主席(前 CEO)Eric Schmidt 以及前资深产品经理 Jonathan Rosenberg 认为是这样的。
书中最主要的观点是,要围绕着所谓的“聪明的创造性人才”来建设团队、公司和企业文化。“聪明的创造性人才”是彼得•德鲁克 1959 年发明的“知识工人”在数字化时代的后代,但是又跟其古板的组织人前辈有着截然的不同。
这一人群的特征是没有耐心、直言不讳、敢于冒险,很容易感到无聊,频繁变换工作。这些人往往都是通才,既精通技术又熟悉业务,还有创意的天分。
两位作者把这一群人称为是“一种新的动物,是在互联网世纪取得成功的关键。”
书中写了很多具有启发意义的 Google 公司内部的奇闻秩事。其中一则故事被作者认为是 Google 独特文化精华的体现。2002 年,联合创始人 Larry Page 正对许多搜索旁各种随机的、与结果毫不相干的广告感到无比失望,于是他把带有令人讨厌的广告的搜索打印了出来,并做上记号,在顶部重重地写上“这些广告非常恶心!“,贴在公司餐厅的一个布告牌上就度周末去了。
然后,5 位开发广告程序的工程师在没有接到任何直接指示的情况下,用了一个周末的时间就把问题给解决了。其成果随后就成了 Google 的“相关性得分”的基础,即搜索相关广告的呈现是按照广告与搜索相关性,而不是广告主出钱的多少来决定的。而这五个人甚至还不是广告团队的成员。
这当然是个生动的故事。但是由聪明、有创意并具有创业精神的团队解决棘手问题并不是什么新鲜事。Schmidt 和 Rosenberg 也承认这一点,但是他们强调,现在环境已经变了,数据在飞速膨胀,经济不断地数字化。在过去小型团队迸发的创新只不过是在更为官僚的企业架构中发生的特殊情况。1957 年 IBM 发明了第一款高级语言 Fortran 如此,1984 年冒出来的苹果 Macintosh 也是如此。

但到了现在,快速决策和扁平化组织模式必须成为企业的生存方式。比方说,汽车、喷气发动机以及医疗设备都是由软件驱动的,往往能生成海量的传感器数据。因此,不仅仅是像 Google 这样的互联网公司要像 Google 一样运作,其他制造、运输、零售、媒体、银行等行业也要加快创新和试验的节奏才能保持领先(另一种互联网思维)。
Schmidt 说,全球的日渐数字化要求所有主流的企业都要有自己的软件战略、数据战略,否则就无所谓真正的战略。
而聪明的创造性人才则是数字化时代速度的关键,是战略和产品成功的保障。作者认为,具备这些特征的人一直都有。但在数字化环境下,这些人的影响跟以前不可同日而语。
作者写道:
今天成功企业的典型特征是,持续创造出伟大产品的能力。而做到这一点的唯一办法是吸引那些聪明的创造性人才,然后给他们创造一个可以取得规模成功的环境。
那如何才能成为聪明的创造性人才呢?两位作者认为,可以先从一些数学或技术专业知识的学习开始,比方说计算机科学或数据科学,然后再逐步扩大知识。
Schmidt 认为,重要的是不要在特定专业上学得太多,而是要有分析性思维,并接受这种理念和思维方式。有了这些就够了。
其实不仅 Google 的两位高管强调了人的重要性,eBay CEO John Donahoe 也说过,硅谷成功的秘诀在于人。而 LinkedIn CEO 的新书《The Alliance: Managing Talent in the Networked Age(联盟:网络化时代的人才管理)》的观点其实也跟《How Google Works》类似,要取得这些人的信任,要为他们创造良好的环境,让员工成为企业的盟友,而不是随意使用的商品,最好能让每一个员工都具有主人翁精神。
好文章,需要你的鼓励
企业AI搜索公司Glean宣布年度经常性收入(ARR)达3亿美元,较15个月前的1亿美元增长三倍。尽管谷歌、微软、OpenAI等科技巨头纷纷入局企业AI搜索市场,Glean凭借"上下文图谱"技术深度理解企业业务需求,并帮助客户显著降低AI计算成本。该公司提供按用量计费和混合定价两种模式,客户涵盖Databricks、Reddit、Pinterest及三星等企业。Glean上轮融资后估值达72亿美元。
香港中文大学与MiniMax提出ClaimDiff-RL框架,将图像描述的AI训练从整体打分升级为逐条核查,有效解决了传统方式导致AI"少说保平安"的问题,同时在多项基准测试上超越Gemini-3-Pro-Preview。
杰夫·贝索斯旗下的蓝色起源公司在佛罗里达卡纳维拉尔角进行静态点火测试时,新格伦重型火箭发生爆炸。这是美国历史上最大规模的火箭爆炸之一,也是蓝色起源公司遭遇的最严重失败。所有人员安全,但该事故可能导致新格伦火箭项目长期暂停。此前该火箭已成功完成三次发射,并实现了助推器回收和重复使用。
ParaVT是一个由南洋理工等多校联合提出的并行视频工具调用框架,通过让AI同时分析多段视频并引入PARA-GRPO算法解决训练中的格式崩溃与工具跳过问题,在六项长视频理解测试中平均提升约7.9%。