谷歌非常重视做规模化的事情和以规模化的方式做事在谷歌的血液里，“如果不具备 10 倍（10x）的规模潜力，就不值得做”是一条铁律。谷歌的思维模型不是“如何做一个好产品”，而是“如何构建一个可以自动运行并服务全人类的系统”。以下是几个体现谷歌“极致规模化思维”的经典案例：招聘中的“反人工”思维：招聘委员会（Hiring Committee）在早期，大多数公司招聘是老板说了算，或者是面试官觉得“这人不错”就录用。但谷歌认为这不可规模化，因为人类的偏见是无法通过管理消除的。规模化方案： 谷歌建立了一套极其严苛的、基于数据的评价体系。做法： 面试官只负责记录事实和打分，但没有录用权。最终决定由一个从没见过候选人的“招聘委员会”根据面试报告独立裁定。逻辑： 这种冷冰冰的、像流水线一样的制度，保证了即使公司从 1,000 人扩张到 100,000 人，人才密度也不会被稀释。这就是**“管理规模化”**。翻译业务：从“请专家”到“喂数据”早期的翻译软件（如雅虎或早期的 IBM 系统）试图通过教计算机语法规则来翻译。但这太慢了，因为世界上有几千种语言。谷歌方案： Google Translate 早期几乎没有语言学家，只有工程师。规模化思维： 他们直接抓取联合国、欧盟等机构的数亿份多语言对照文档，用统计学模型（后来是神经网络）让机器自己寻找规律。结果： 谷歌不需要为每一种新语言编写代码。只要互联网上有这种语言的数据，翻译系统就能自动扩展到这种语言。这就是**“算法规模化”**。数据中心：把“廉价零件”变成“超级计算机”2000 年代初，大公司（如 IBM、甲骨文）提高算力的方式是买更贵的、更稳定的服务器。但谷歌意识到，这种昂贵的硬件无法支撑全球搜索的规模。规模化方案： 谷歌文件系统（GFS）。做法： 谷歌买最廉价、最容易坏的普通硬盘和服务器。逻辑： 既然硬件一定会坏，那我就在软件层面解决问题。如果一台机器坏了，系统会自动把数据备份到另一台廉价机器上。结果： 谷歌可以用极低的成本无限增加服务器。这种思维后来演变成了**云计算（Cloud Computing）**的底层基石。书籍数字化：即使面临全人类的官司也要做当谷歌决定做 Google Books 时，他们的目标不是数字化几本书，而是**“数字化全人类历史上所有的书”**。规模化思维： 他们不打算一本本谈版权。做法： 谷歌直接开着专门设计的扫描车进驻顶级大学图书馆，每天扫描几万页。哪怕面临全球出版商的疯狂诉讼，他们也要先完成“索引”。逻辑： 如果只搞定有版权的书，那不是搜索引擎，是书店。只有覆盖全球所有书籍，才能产生数据量变带来的质变（比如提升 AI 对人类知识的理解）。著名的“牙刷测试”（Toothbrush Test）拉里·佩奇在评估是否要收购一家公司或启动一个项目时，最常用的标准就是这个。“你是否每天至少用它一两次？它是否让你的生活变得更好？”深度解析： 这个测试本质上是在筛选**“高频、刚需、普适”**。如果一个产品只能服务于 100 万人（比如高端奢侈品社区），谷歌通常不感兴趣。他们只对那些能被 20 亿人每天使用的东西感兴趣。总结：规模化思维的阴暗面虽然这种思维创造了奇迹，但也有副作用：对“小而美”的冷漠： 如果一个创意只能赚小钱或服务小众群体，在谷歌内部会被迅速边缘化（这也是为什么谷歌杀死了许多深受忠实粉丝喜爱的产品，如 Google Reader）。忽视人性： 当一切都规模化为数据时，用户就成了“流量单元”，这导致谷歌在处理复杂的人文、社区和内容审核问题时经常显得笨拙。谷歌在商业逻辑上确实迷恋“规模化”（Scale），但在产品研发和技术创新上，它其实是一个极其热衷于做“小东西”的公司，但不允许一个小东西永远只是一个小东西。如果它不能成为未来的飞轮，它就必须消失这些小东西在谷歌内部被视为**“创新的实验场”或“品牌调性的护色剂”**。我们可以从以下三个层面来看谷歌的这些“不具规模”的尝试：“创意实验室”的小而美 (Google Creative Lab)谷歌有一个专门的部门叫 Creative Lab，他们的任务不是赚钱，也不是做 10 亿用户量的产品，而是探索“技术与艺术的边界”。Look to Speak： 一个让用户仅通过眼睛移动就能在屏幕上选择短语并大声朗读的小应用。它最初是为患有运动障碍的人设计的。这显然不是为了规模化盈利，但它极大地提升了谷歌的技术温度。Quick, Draw! (猜画小歌)： 这是一个极其简单的网页小游戏，让你画画，AI 来猜。虽然它在全球病毒式传播，但本质上它只是一个为了展示神经网络能力的小 Demo。Blob Opera (歌剧粘液)： 一个用四个粘液小球唱美声的互动实验。它完全没有“商业模式”，纯粹是为了趣味和算法展示。Area 120 内部创业孵化器谷歌曾经有一个叫 Area 120 的部门，允许员工利用 20% 的时间去做任何他们感兴趣的小项目。这些项目往往非常垂直，甚至显得有些“不谷歌”：Tables： 一个类似于 Airtable 的在线表格工具，专门解决团队内部协作的小痛点。Keen： 类似于 Pinterest 的兴趣收集工具。Grasshopper： 一个教零基础用户学习写代码的极简手机游戏。这些产品往往针对的是几万或几十万的小众用户群体，目的是测试某个特定的市场假设。为什么谷歌要做这些“小东西”？如果谷歌眼里只有“规模”，它为什么要养活这些小项目？背后的思维模型是：“大飞轮需要无数个小齿轮来启动”。人才保留（Talent Retention）： 顶级天才往往会有一些奇思妙想。如果不给他们做“小东西”的空间，他们就会离职去创业。给他们一点预算和服务器空间，是留住 Jeff Dean 这种级别的工程师的最好方式。低成本试错： 很多伟大的产品（如 Gmail 和 Google News）最初都是“小东西”。如果一开始就以规模化为 KPI，这些产品可能在萌芽期就被枪毙了。数据采集的“先遣队”： 很多小项目本质上是数据的探测器。比如通过“猜画小歌”，谷歌收集到了全球最大的人类手画数据集，这对于提升后来其核心产品（如 Google Search 或 Android 键盘）的手写识别和图像理解有着巨大的作用。这种思维的“冷酷一面”：Google Cemetery（谷歌公墓）尽管谷歌做很多小东西，但它对这些小东西的生命周期管理极其冷酷。没有增长，即刻处决： 每年谷歌都会关停数十个小项目。如果一个小东西在 1-2 年内无法展现出向 10 亿用户量级跨越的潜力，或者无法反哺核心业务（AI、搜索、广告），谷歌会毫不留情地将其“杀死”。知名遗体： Google Reader（最受欢迎的阅读器）、Google Wave、Jamboard、Google Podcasts。总结谷歌的思维是：“广撒网（做小东西），深积粮（寻找规模化潜力），缓称王（一旦跑通，全量投入）”。它不是不屑于做小东西，而是不允许一个小东西永远只是一个小东西。如果它不能成为未来的飞轮，它就必须消失**\$RWA** **\$AWE **\$HOME
Googleは規模の拡大と規模の拡大を目指したやり方を非常に重視しています
谷歌非常重视做规模化的事情和以规模化的方式做事
在谷歌的血液里，
“如果不具备 10 倍（10x）的规模潜力，
就不值得做”是一条铁律。
谷歌的思维模型不是“如何做一个好产品”，
而是“如何构建一个可以自动运行并服务全人类的系统”。
以下是几个体现谷歌“极致规模化思维”的经典案例：
招聘中的“反人工”思维：招聘委员会（Hiring Committee）
在早期，
大多数公司招聘是老板说了算，
或者是面试官觉得“这人不错”就录用。
但谷歌认为这不可规模化，
因为人类的偏见是无法通过管理消除的。
规模化方案： 谷歌建立了一套极其严苛的、
基于数据的评价体系。
做法： 面试官只负责记录事实和打分，
但没有录用权。
最终决定由一个从没见过候选人的“招聘委员会”根据面试报告独立裁定。
逻辑： 这种冷冰冰的、
像流水线一样的制度，
保证了即使公司从 1,000 人扩张到 100,000 人，
人才密度也不会被稀释。
这就是**“管理规模化”**。
翻译业务：从“请专家”到“喂数据”
早期的翻译软件（如雅虎或早期的 IBM 系统）试图通过教计算机语法规则来翻译。
但这太慢了，
因为世界上有几千种语言。
谷歌方案： Google Translate 早期几乎没有语言学家，
只有工程师。
规模化思维： 他们直接抓取联合国、
欧盟等机构的数亿份多语言对照文档，
用统计学模型（后来是神经网络）让机器自己寻找规律。
结果： 谷歌不需要为每一种新语言编写代码。
只要互联网上有这种语言的数据，
翻译系统就能自动扩展到这种语言。
这就是**“算法规模化”**。
数据中心：把“廉价零件”变成“超级计算机”
2000 年代初，
大公司（如 IBM、
甲骨文）提高算力的方式是买更贵的、
更稳定的服务器。
但谷歌意识到，
这种昂贵的硬件无法支撑全球搜索的规模。
规模化方案： 谷歌文件系统（GFS）。
做法： 谷歌买最廉价、
最容易坏的普通硬盘和服务器。
逻辑： 既然硬件一定会坏，
那我就在软件层面解决问题。
如果一台机器坏了，
系统会自动把数据备份到另一台廉价机器上。
结果： 谷歌可以用极低的成本无限增加服务器。
这种思维后来演变成了**云计算（Cloud Computing）**的底层基石。
书籍数字化：即使面临全人类的官司也要做
当谷歌决定做 Google Books 时，
他们的目标不是数字化几本书，
而是**“数字化全人类历史上所有的书”**。
规模化思维： 他们不打算一本本谈版权。
做法： 谷歌直接开着专门设计的扫描车进驻顶级大学图书馆，
每天扫描几万页。
哪怕面临全球出版商的疯狂诉讼，
他们也要先完成“索引”。
逻辑： 如果只搞定有版权的书，
那不是搜索引擎，
是书店。
只有覆盖全球所有书籍，
才能产生数据量变带来的质变（比如提升 AI 对人类知识的理解）。
著名的“牙刷测试”（Toothbrush Test）
拉里·佩奇在评估是否要收购一家公司或启动一个项目时，
最常用的标准就是这个。
“你是否每天至少用它一两次？它是否让你的生活变得更好？”
深度解析： 这个测试本质上是在筛选**“高频、
刚需、
普适”**。
如果一个产品只能服务于 100 万人（比如高端奢侈品社区），
谷歌通常不感兴趣。
他们只对那些能被 20 亿人每天使用的东西感兴趣。
总结：规模化思维的阴暗面
虽然这种思维创造了奇迹，
但也有副作用：
对“小而美”的冷漠： 如果一个创意只能赚小钱或服务小众群体，
在谷歌内部会被迅速边缘化（这也是为什么谷歌杀死了许多深受忠实粉丝喜爱的产品，
如 Google Reader）。
忽视人性： 当一切都规模化为数据时，
用户就成了“流量单元”，
这导致谷歌在处理复杂的人文、
社区和内容审核问题时经常显得笨拙。
谷歌在商业逻辑上确实迷恋“规模化”（Scale），
但在产品研发和技术创新上，
它其实是一个极其热衷于做“小东西”的公司，
但不允许一个小东西永远只是一个小东西。
如果它不能成为未来的飞轮，
它就必须消失
这些小东西在谷歌内部被视为**“创新的实验场”或“品牌调性的护色剂”**。
我们可以从以下三个层面来看谷歌的这些“不具规模”的尝试：
“创意实验室”的小而美 (Google Creative Lab)
谷歌有一个专门的部门叫 Creative Lab，
他们的任务不是赚钱，
也不是做 10 亿用户量的产品，
而是探索“技术与艺术的边界”。
Look to Speak： 一个让用户仅通过眼睛移动就能在屏幕上选择短语并大声朗读的小应用。
它最初是为患有运动障碍的人设计的。
这显然不是为了规模化盈利，
但它极大地提升了谷歌的技术温度。
Quick, Draw! (猜画小歌)： 这是一个极其简单的网页小游戏，
让你画画，
AI 来猜。
虽然它在全球病毒式传播，
但本质上它只是一个为了展示神经网络能力的小 Demo。
Blob Opera (歌剧粘液)： 一个用四个粘液小球唱美声的互动实验。
它完全没有“商业模式”，
纯粹是为了趣味和算法展示。
Area 120 内部创业孵化器
谷歌曾经有一个叫 Area 120 的部门，
允许员工利用 20% 的时间去做任何他们感兴趣的小项目。
这些项目往往非常垂直，
甚至显得有些“不谷歌”：
Tables： 一个类似于 Airtable 的在线表格工具，
专门解决团队内部协作的小痛点。
Keen： 类似于 Pinterest 的兴趣收集工具。
Grasshopper： 一个教零基础用户学习写代码的极简手机游戏。
这些产品往往针对的是几万或几十万的小众用户群体，
目的是测试某个特定的市场假设。
为什么谷歌要做这些“小东西”？
如果谷歌眼里只有“规模”，
它为什么要养活这些小项目？背后的思维模型是：“大飞轮需要无数个小齿轮来启动”。
人才保留（Talent Retention）： 顶级天才往往会有一些奇思妙想。
如果不给他们做“小东西”的空间，
他们就会离职去创业。
给他们一点预算和服务器空间，
是留住 Jeff Dean 这种级别的工程师的最好方式。
低成本试错： 很多伟大的产品（如 Gmail 和 Google News）最初都是“小东西”。
如果一开始就以规模化为 KPI，
这些产品可能在萌芽期就被枪毙了。
数据采集的“先遣队”： 很多小项目本质上是数据的探测器。
比如通过“猜画小歌”，
谷歌收集到了全球最大的人类手画数据集，
这对于提升后来其核心产品（如 Google Search 或 Android 键盘）的手写识别和图像理解有着巨大的作用。
这种思维的“冷酷一面”：Google Cemetery（谷歌公墓）
尽管谷歌做很多小东西，
但它对这些小东西的生命周期管理极其冷酷。
没有增长，
即刻处决： 每年谷歌都会关停数十个小项目。
如果一个小东西在 1-2 年内无法展现出向 10 亿用户量级跨越的潜力，
或者无法反哺核心业务（AI、
搜索、
广告），
谷歌会毫不留情地将其“杀死”。
知名遗体： Google Reader（最受欢迎的阅读器）、
Google Wave、
Jamboard、
Google Podcasts。
总结
谷歌的思维是：“广撒网（做小东西），
深积粮（寻找规模化潜力），
缓称王（一旦跑通，
全量投入）”。
它不是不屑于做小东西，
而是不允许一个小东西永远只是一个小东西。
如果它不能成为未来的飞轮，
它就必须消失
$RWA **$AWE **$HOME