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
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。
这篇论文介绍了LegalSearchLM,一种创新的法律案例检索方法,将检索任务重新定义为法律要素生成。研究团队构建了LEGAR BENCH数据集,涵盖411种犯罪类型和120万案例,并开发了能直接生成关键法律要素的检索模型。实验表明,该模型在准确率上超越传统方法6-20%,且在未见犯罪类型上展现出强大泛化能力。这一突破为法律专业人士提供了更高效、精准的案例检索工具。