2015年的博鳌亚洲论坛上, 360董事长周鸿祎、红杉资本全球执行合伙人沈南鹏、中兴通讯总裁史立荣等重要嘉宾进行跨界对话:颠覆式创新。在“言必称颠覆”的时代,企业家们如何面对颠覆呢?难道不颠覆真的会死吗?互联网领域、金融领域、房地产领域、制造业中最容易出现新的颠覆者?带着这些问题我们一起看《对话》栏目中,各位业界领袖的犀利问答。
图:360董事长周鸿祎(左三)等人在《对话》节目现场
“颠覆式创新”似乎被很多场合下反复使用,好像不说“颠覆”、不论道“创新”就不是这个时代的人一样,但是很少有人知道这个词的来源。周鸿祎在节目中说道:“颠覆式创新最早是由哈佛商学院教授克莱顿·克里斯坦森的两本书《创新者的窘境》和《创新者的解答》中提出的。”而常见的颠覆式创新,在周鸿祎看来有两种方式,一种是商业模式的颠覆,一种是用户体验的颠覆。前者就像你做一个东西比别人便宜,或者别人收费,你免费的形式,后者就像把过去很复杂的过程变成很简单的事情。
Apple Watch为什么不算颠覆式创新?
虽然很多人认可Apple出品的iPhone是颠覆性的产品,但是对于Apple Watch“颠覆式创新”的认可程度就不尽相同了。至少周鸿祎就很直接的调侃自己“买不起”!他认为相机被手机颠覆,并不是手机比相机做的好,而是因为人们懒,不愿意带更多的东西。所以颠覆式创新不一定是新的技术或前人没有做过的东西。沈南鹏也认为所谓颠覆式创新发现一种现在大家还没有意识到的应用,不是一种新的需求。
而且周鸿祎认为Apple Watch想颠覆传统的手表、手机、传统医疗设备这三样东西,但从目前来看用户体验并没颠覆,而且尽管它比很多奢侈品便宜,但比很多普通产品还是贵!
四大行业谁会出现新的颠覆者?
互联网领域、金融领域、房地产领域、制造业这四大行业中谁最容易出现新的颠覆者?
现场有嘉宾表示四个领域的融合才能带来量变到质变的新的颠覆。而沈南鹏则认为制造业会成为未来新颠覆者出现的沃土,他认为中国自身的体量巨大,很多地方制造业基数低,有很大发展空间,任何创新可以带来产能的进一步提升和释放。工业自动化、新材料都有巨大潜力,长远来看制造业所出现的增量未必会比互联网行业低。
不颠覆会死吗?小公司怎么玩创新?
如果这个问题太刺耳,可以换一种问法:“这个时代还有基业常青的事出现吗?” 史立荣认为过去一个比较成功的商业模式可以持续二十、三十年,后来缩短到十年,再后来即便是非常成功模式持续四、五年自己就得变革,如果自己不变,就被别人变。现在的企业有集体焦虑的问题,现在做的比较好的人天天担心别人革自己的命,现在天天革命的人也比较焦虑,革别人的命也没那么容易。正如周鸿祎在接受媒体采访的时候也曾说过:“面对现在互联网的冲击,很多传统企业家都患有一种病——互联网焦虑症!”
其实,颠覆这件事并不是最近几十年才有的,有数据显示上世纪20、30年代,新进入美国五百强企业比例约为15%-18%,而70、80年代是30%、40%,但2000年到2010年的新进企业比例则是62%,所以可以说被如果不用创新去颠覆,那么死亡的概率是可以量化出来的。换句话说,不颠覆真的会死!
而对于创新的小公司要想活命,周鸿祎认为一定不能按照大公司的游戏规则去玩,如果跟巨头做一模一样的事情,它比你更有人更有实力,你几乎一点都没有机会。尽管很多时候颠覆式创新在刚出来的时候被人认为有很多缺点,并且不完美,但在颠覆式创新的道路上并没有什么招数,很多理论都是马后炮,所有的创新战略一定要回到用户需求、用户体验和产品本身。
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。