看美国福布斯中文网消息,福布斯按照5项标准评选出了中国的10位创新人物,这些标准有实现了技术基础之上的商业成功、个人在其中起了决定作用、显著改变甚至颠覆了所在行业、创造了全新的用户群体、广泛被期待有可能产生nextbigthing(下一个大事件)。
福布斯一向是公信力较强的严肃财经媒体,评选的结果还是令人信服。
十位当选的创新人物中,有四位来自互联网行业,分别是乐视创始人、CEO贾跃亭,小米科技创始人雷军、支付宝CEO彭蕾和腾讯公司高级副总裁、微信事业群总裁张小龙。
福布斯的评语中有一句话是这样的,微信改变了人们的沟通方式;小米手机改变了手机行业的游戏规则;乐视正在中国复制Netflix,支付宝、余额宝产品引发了银行业的求变之风和互联网金融热潮。
福布斯的评语温温吞吞,其中也不乏描述偏颇的地方。比如乐视与netflix还是有明显的差异,谈不上谁复制谁。事实上,乐视早在Netflix成立之前就开始了收费模式,如今的乐视的“平台+内容+终端+应用”的生态模式比Netflix的内容收费布局要广得多。
《互联网时代》最近在央视热播,里面提到互联网的颠覆式创新,或者叫做破坏式的创新,美国哈佛大学商学院教授、《创新者的窘境》作者克莱顿·克里斯坦森表示,这种创新,一方面“杀死”行业领袖,另一方面,给新企业提供进入行业的机会。我们称之为“破坏性创新”。而“破坏性创新”总的来说,让复杂而昂贵的产品,变得更便宜,门槛更低,让更多的人可以使用它。
如果以这个标准评价者四位创新人物,无疑都有鲜明的颠覆者或者破坏者的特征。
微信,颠覆了霸道的运营商,基本打垮了短信,甚至微信正在变成连接一切的通道,线上、线下。
乐视颠覆了电视行业,乐视影业正在冲击电影行业,乐视生态“平台+内容+终端+应用”甚至可以说正在拟颠覆传统的视频行业。假如没有政策的限制,恐怕超级电视软硬一体的苹果模式会让传统家电行业濒临崩溃,就像安卓、苹果摧毁诺基亚、西门子等老牌手机厂商一样。
小米不仅颠覆了手机的营销模式,也颠覆着手机制造的供应链和整个市场的格局。
支付宝、余额宝更恐怖,如果无政策禁区,各大传统银行倒闭的日子真不会太远。
美国媒体眼中的中国互联网创新人物,显然是让传统老牌企业都如坐针毡的企业。贾跃亭认为,很多颠覆性的创新都是跨界产生的,尤其是当产业发生整合的时候,传统行业的格局洗牌会越来越快,现在其实才刚刚是个开始。
福布斯的报道说,电视是一门GOOGLE、苹果、微软都没有玩转的生意,客厅正成为科技公司最惨烈的战场。乐视的做法是开发智能电视,入局大屏互联网,打造一条“平台+内容+终端+应用”完整产业链,借此打造未来家庭的“信息中心”。
但面对互联网的冲击,更多的电视厂商依然存在于诺基亚面对苹果时的妄想和缓慢之中。甚至有些自大的认为同互联网公司的合作是在自己主导下的“借船出海”,殊不知其实互联网公司才是互联网电视的主导者,自己才是那艘被借的船。
福布斯的报道认为,贾跃亭的创新在于用变种的互联网“免费”模式,降低终端价格,提高用户数量,最终通过内容搭载的广告和内容收费等模式盈利,并打造“平台+内容+终端+应用”闭环生态系统,形成价值正循环。
就在7月,福布斯还将贾跃亭评为今年上市公司最佳CEO。一家著名美国财经媒体罕见地把两个奖项在不同时期授予同一家中国公司,可见乐视在过去的一年所产生的颠覆影响力。
有趣的是,福布斯还将网飞(Netflix)联合创始人兼CEO里德·哈斯廷斯(ReedHastings)评为美国的十大创新人物。对哈斯廷斯的评价是:网飞的出现,改变了我们如何观赏电视节目的观念。里德·哈斯廷斯能猜出你接下来想看什么。近年大热的《纸牌屋》,是首部完全绕开了由广播电视网和有线电视所构成的传统电视生态系统的电视连续剧。它选择了一次性发布整季剧集,改变了电视节目的制作和销售方式。
大概在福布斯眼中,乐视和Netflix都是挑战传统电视生态系统的创新者,所以天生站在美国媒体的立场中,乐视在“复制”Netflix。从两者的产品、商业模式看,两者的差异性还是比较大。不过,也许在不久的将来,可以看到乐视和Netflix的正面商业对决。8月,贾跃亭已经正式在美国洛杉矶、硅谷创立了两个子公司,并将要把乐视生态复制到美国市场。贾跃亭自信,乐视生态的竞争力不仅在中国能够产生颠覆的影响力,而且在美国这样的互联网发源之国具有更强的竞争力,原因是海外发达国家的市场更开放成熟,而且很少有政策管治。
中美两大跨界创新公司,在美国进行正面对决,还是很值得期待的。
nextbigthing(下一个大事件)在哪?乐视、小米、微信、支付宝,中国式创新已经去掉了山寨的标签,不仅在国内取得了令人瞩目的商业成就,他们都在纷纷走出中国进军海外,互联网时代,正是中国创新品牌全球化的最好时机。
好文章,需要你的鼓励
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。
浙江大学研究团队通过OmniEAR基准测试揭示了当前AI模型在物理世界推理方面的严重缺陷。测试显示,即使最先进的AI在明确指令下能达到85-96%成功率,但面对需要从物理约束推断行动的任务时,成功率骤降至56-85%。研究发现信息过载反而降低AI协作能力,监督学习虽能改善单体任务但对多智能体协作效果甚微,表明当前架构存在根本局限性。
纽约大学和Aimpoint Digital Labs的研究团队首次揭示了Transformer模型训练中"大规模激活"的完整发展轨迹。这些影响力比普通激活大千倍的"超级激活"遵循可预测的数学规律,研究者开发出五参数公式能以98.4%准确率预测其变化。更重要的是,通过调整模型架构参数如注意力密度、宽深比等,可以在训练前就预测和控制这些关键激活的行为,为设计更高效、量化友好的AI模型提供了全新工具。