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
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。