项目爆火立刻脱离大厂!谷歌NotebookLM核心团队集体离职,另起炉灶创业
一水 鱼羊 发自 凹非寺
量子位 | 公众号 QbitAI
谷歌最火爆大模型产品,背后团队刚刚集体离职创业了!
就是被大神Karpathy强烈安利、盛赞为有可能开启“和ChatGPT一样大机会”的NotebookLM,幕后的关键人物们。
团队负责人Raiza Martin(简称拉姐)在自己的社交媒体上公布了这一消息:
在谷歌干了5.5年,今天是我的last day。领导见证NotebookLM从一个想法,演变为服务数百万人的产品,这是令人一生难忘的经历。
而最棒的一点是,我在战壕中找到了创业旅途上的联合创始人们。
拉姐提到,和她一起离职创业的还有NotebookLM设计师Jason Spielman(简称杰森)和核心工程师Stephen Hughes(简称休斯)。
至于具体做什么,这几位并没有具体言明,已上线的新公司网站目前是“建设中”的状态。
不过,在给从OpenAI跳槽到谷歌搞Gemini API的同事Logan Kilpatrick回复时,拉姐透露:
这下我们也要成谷歌API用户了。
看样子,方向应该还是大模型的新应用。
而在一片祝福和期待声中,拉姐贴出的团队照片中身处C位的劈柴哥,自然也逃不过被cue的命运:
在孵化出了流行产品后如何留住人才,对谷歌和其他大公司来说看来是相当大的挑战啊。
NotebookLM:小团队的爆火项目
NotebookLM,本身是来自Google Labs的实验性AI产品,由谷歌大模型Gemini 1.5 Pro提供支持。
产品初版发布于2023年7月,在今年9月推出音频概述功能之后,一炮而红火爆全网。
所谓“音频概述”,大致上是这么一回事儿:上传文件(文字、音频、视频),AI不仅能帮忙用文字提炼要点,还能基于文件直接生成对话播客,be like:
Karpathy是这样总结其功能的:NotebookLM消除了人们享用大模型的两大障碍:
其一,聊天挺难的。跟Chatbot聊天还得掌握一些技巧,不停地提问、追问。
有了NotebookLM,自动生成的播客中,自然会有一方替你扮演提问、引导的角色,用户只要负责听就OK了。
其二,阅读不是件容易的事。听播客,可比自己看文字轻松多了。
根据SimilarWeb数据,凭此功能,9月份,NotebookLM的流量猛增了300%,10月份则增长超过了200%。
值得关注的是,作为今年最出圈的大模型应用产品之一,NotebookLM的背后其实是一支小团队。
拉姐此前就在接受采访时透露,NotebookLM最初是一个“20%项目”——这是谷歌的一个传统,即“员工20%的时间可以用于业余项目”。
团队一开始只有拉姐自己和一名工程师,后来作家Steven Johnson也加入其中。甚至一直到今年9月份,NotebookLM背后敲代码的人也就8人左右。
当然小团队也有小团队的好处,比如,一起吃午饭的时候就能把事情都讨论了(doge)。
另外,拉姐也夸夸了一波Google Labs对这支小团队的支持:
一方面,Google Labs的探索性、前瞻性定位,提供了比较大的自由度,使得NotebookLM团队不必过于在意短期的商业化目标。
另一方面,Google Labs相对来说运营方式更像初创公司,流程更少,创新速度更快。
核心成员出走创业
而正如网友所说,现在,这朵点燃于谷歌内部的小火花,要到外部去进一步燃烧了。
NotebookLM还会继续更新,但此番出走的3位成员,基本就代表了原团队的核心:项目负责人/产品经理+设计师+程序员。
负责人Raiza Martin
Raiza Martin,2019年加入谷歌,司龄5.5年,NotebookLM团队原负责人。
拉姐个人主页显示有13段工作经历,主要涉及产品和客户成功,其中绝大多数担任初创公司产品经理。
参与的项目包括但不限于:
Accelerate24,帮助初创企业加入Startups Ignite这家孵化社区;
GrowthX,一个帮助创业公司创办企业的学习网站;
EarlyParrot,一个SaaS产品融资网站,主要面向潜在投资者展示;
Plural,自由工作信息平台;
NewsON,在各种社交媒体上推广视频新闻;
……
可以看出,拉姐自身拥有丰富的产品工作经验。甚至在谷歌期间,还作为特邀嘉宾分享了自己最初从客户支持到产品经理的转型之旅。
面对人们如何进入产品管理岗位的提问,拉姐也指出了其中关键:
主要是将现有经验映射到项目经理角色,并展示出结果上的相似性。
在她看来,最好的做法是先找一份实习工作,匹配你已经拥有的技能/经验,然后进一步发掘机会。
而且她特别提到,相比大厂来说,初创公司可能更适合锻炼人,因为他们的灵活性更高。
除此之外,其实拉姐在加入谷歌之前,已经有过一段创业经历。
2017年底,已经生了两个女儿后的拉姐,联合创立了Ma Mére Skincare这个专为产后妈妈设计的品牌。
过程中,拉姐从零开始研发产品并制定亚马逊上市销售策略,最终推出了一款缓解产后疼痛的喷雾。
当然,其中不乏身为产品经理的手笔,拉姐提到:
除了产品研究和创新之外,我还设计了产品标签、包装和网站,作为v1版本限量生产测试产品想法可行性的MVP的一部分。
结果是,产品仅推出6个月时间,Ma Mére Skincare就售出了1,800件产品,收入超过25,000美元。
交互设计师Jason Spielman
Jason Spielman,比拉姐在谷歌待得更久,之前负责NotebookLM的交互设计。
对于在谷歌的这段旅程,按杰森自己的总结就是:
经过7.5年,20个办公室,6个团队和几个专利,我开始了新的旅程。
实际上,杰森还没毕业时就曾梦想着加入谷歌。
一次,他和朋友们去到谷歌踢足球,活动结束后,只有他自己带着敬畏心四处参观,当时他就暗暗发誓:
总有一天我会为谷歌工作。
终于,2016年,他以设计实习生的身份进入谷歌,并在来年从加州大学洛杉矶分校毕业后转为正式员工。
一开始,他有意选择了谷歌助手,一头扎进早期人工智能和语音交互领域,并在后来推出Duplex。
作为一款类似Siri的智能助手,Duplex可以打电话给人类进行餐厅预订、酒店预订、拨打411查询等。
甚至由于其逼真的对话能力可能会被用于诈骗,Duplex自推出后还饱受争议。
后来,杰森还曾以摄影师身份加入Pixel营销团队,为营销活动准备图片和视频。
其作品还在Pixel发布会上亮相,并获得了在美国各地广告牌展出的机会。
直到去年加入NotebookLM团队,杰森最重要的选择是在2022年加入Josh Woodward领导的谷歌实验室。
他称其为“这是我做出的最好的职业决定”。期间,杰森参与了谷歌多个AI项目的设计开发,包括Bard/Gemini的实验设计、谷歌搜索的AI概述等。
总之,在NotebookLM负责人拉姐眼中,杰森是当之无愧的设计天才。
软件工程师Stephen Hughes
Stephen Hughes,三人中在谷歌待的时间最长,之前负责NotebookLM的开发工作。
休斯全职在谷歌的时间有8.6年,加入NotebookLM团队前负责为Google Pay构建基础设施。
相较于前两位成员,休斯的工作经历相对简单。他毕业于杜克大学,加入谷歌前只在IT公司AppDirect工作了1年多。
在拉姐看来,休斯是一位传说级的10倍工程师。而NotebookLM的巨大成功证明,他也是一位极具产品思维的工程师。
BTW,除了上面这几位,NotebookLM团队的另一位灵魂人物不得不提。
Steven Johnson,以美国知名作家身份加入NotebookLM的人,和拉姐一起负责领导团队。
在2022年加入谷歌前,他著有13本书,主要涉及科学、技术和一些个人经验,包括:
畅销书《一切坏事都是好事:今天的流行文化实际上使我们变得更聪明》(2005 年),该书认为,在过去三十年里,像电视剧和电子游戏这样的流行文化作品变得越来越复杂,并有助于培养高级思维能力。
再比如很有预见性的《好主意从何而来》,在本书里作者就提到了“慢思考”对创新的作用。
此外,他还联合创建了3个有影响力的社媒网站,并且还是《连线》、《华尔街日报》、《金融时报》等媒体机构的撰稿人。
总之,透过这些作品及活动,Steven的先锋和想象力展露无遗。
连拉姐也在一次采访中提到,在开发NotebookLM的过程中,Steven的良好工作流程是日常被观察的对象。
甚至关于Steven在团队中的定位,拉姐调侃道:
当自己不想开会时,就会让团队成员去找Steven……而Steven也会无奈“抱怨”,为什么大家都在群里cue他。(笑死)
目前,在拉姐3人宣布离开谷歌后,Steven仍留在NotebookLM团队。而对于前团队成员们,他也送上了祝福和期待。
还趁机预告了一把,NotebookLM在接下来的两周还有新进展。
One More Thing
最后分享一则逸闻趣事。
谁能想到,NotebookLM爆火之下,还有人在坚守传统(doge)。
甚至这人还是当今AI圈顶流——OpenAI CEO奥特曼。
他在一次采访中提到,相比苹果Notes、微软OneNote、Notion这些笔记软件,每页都能撕下来的线圈笔记本更合他胃口。
参考链接:
[1]https://x.com/raizamrtn/status/1863645718159954272?s=46&t=iTysI4vQLQqCNJjSmBODPw
[2]https://www.sequoiacap.com/podcast/google-notebooklms-raiza-martin-and-jason-spielman-on-creating-delightful-ai-podcast-hosts-and-the-potential-for-source-grounded-ai/