IT瘾ceo推荐

谷歌CEO警告：AI泡沫破裂时，无一家公司能够幸免

Tue, 18 Nov 2025 20:26:00 CST

　谷歌CEO警告：AI泡沫破裂时，无一家公司能够幸免

article.author.display_name

张雅琦

谷歌CEO警告，当下AI热潮含有“非理性”成分，一旦泡沫破裂，没有任何公司能完全幸免。尽管AI被视为最深刻的技术并有望带来长期价值，但当前估值飙升与巨额投入已令人联想到互联网泡沫。谷歌凭借“全栈”技术具备抵御能力，但仍面临能源需求飙升、气候目标推迟及就业冲击等挑战。

谷歌母公司Alphabet的首席执行官Sundar Pichai发出了一个罕见的警告：当前的人工智能热潮中存在“非理性”成分，一旦潜在的泡沫破裂，没有任何公司能够幸免，即便是谷歌也不例外。

在近日接受媒体的专访时，Pichai承认AI投资的增长是一个“非凡的时刻”，但也直言当前的繁荣中存在“非理性”的因素。这一表态正值硅谷内外对AI泡沫的担忧日益加剧之际。近几个月来，AI科技公司的估值一路飙升，企业在该领域的投入也达到了惊人的规模。

当被问及如果AI泡沫破裂，谷歌是否能免受冲击时，Pichai表示，这家科技巨头有能力抵御潜在的风暴，但也发出了警告：“我认为没有公司能够幸免，包括我们。”

在这次内容广泛的专访中，Pichai还谈及了AI带来的巨大能源需求、公司气候目标的延期，以及这场技术革命对就业的深远影响，勾勒出一幅机遇与严峻挑战并存的复杂图景。

AI热潮中的“非理性”时刻

市场对AI的狂热，已让人联想起上世纪90年代末的互联网泡沫。当时，对新技术的乐观情绪将早期互联网公司的估值推至高点，但泡沫最终在2000年初破裂，导致大量公司倒闭、股价崩盘，并冲击了人们的储蓄和养老基金。分析师们对围绕OpenAI进行的约1.4万亿美元的复杂交易表示怀疑，而该公司今年的预期收入不到计划投资额的千分之一。

Pichai关于“非理性”的评论，呼应了前美联储主席格林斯潘（Alan Greenspan）在1996年互联网泡沫破裂前提出的“非理性繁荣”的著名警告。Pichai表示，在这样的投资周期中，行业可能会出现“过度投资”。但他同时认为，“我们可以回顾一下互联网。当时显然有很多过度投资，但我们没有人会质疑互联网的意义是深远的。我预计AI也会是同样的情况。”

这位谷歌掌门人的看法也得到了华尔街的呼应。摩根大通首席执行官戴蒙（Jamie Dimon）上月曾表示，对AI的投资终将获得回报，但投入该行业的部分资金“可能会打水漂”。

尽管Pichai警告“没有公司能够幸免”，但他表示，谷歌拥有独特的“全栈”技术模式，是其抵御风暴的信心来源。

这一模式涵盖了从芯片到数据、再到模型和前沿科学的完整技术链条。具体而言，Alphabet正在开发可与英伟达竞争的AI专用超级芯片；同时，其拥有的YouTube等平台提供了海量数据资源。

AI是人类迄今“最深刻的技术”

Pichai将AI称为人类迄今为止研究的“最深刻的技术”，并预言它将重塑我们所熟知的工作模式。“我们将不得不经历社会的颠覆性变革，”他说，但这也会“创造新的机会”。

他认为，AI将“演变和转变某些工作岗位，人们需要适应”。那些学会适应AI的人“会做得更好”。他强调：

“无论你想成为老师还是医生，所有这些职业都会继续存在，但在这些职业中表现出色的人，将是那些学会如何使用这些新工具的人。”

与此同时，Alphabet也在加大对关键市场的战略布局。该公司已承诺在未来两年向英国投资50亿英镑，用于基础设施和研究。Pichai表示，Alphabet将在英国开展“最先进的”研究工作，其关键的AI部门DeepMind总部就设在伦敦。他还首次表示，谷歌将“随着时间的推移”在英国“训练我们的模型”，此举被英国政府视为巩固其作为仅次于美国和中国的全球第三大AI“超级大国”地位的关键一步。

AI的飞速发展并非没有代价，其巨大的能源需求正成为一个日益严峻的挑战。Pichai警告称，AI的能源需求是“巨大的”，并指出需要采取行动，包括在英国，以开发新的能源并扩大能源基础设施的规模。“你不会希望因为能源问题而限制经济发展，我认为那会带来后果，”他表示。

风险提示及免责条款

市场有风险，投资需谨慎。本文不构成个人投资建议，也未考虑到个别用户特殊的投资目标、财务状况或需要。用户应考虑本文中的任何意见、观点或结论是否符合其特定状况。据此投资，责任自负。

喷嚏网官方App :【安卓】在豌豆荚、360手机助手、小米应用商店，搜索：喷嚏阅读；【ios】App store里搜索：喷嚏网官方阅读；

喷嚏网官方网站：http://dapenti.com (海外访问：https://dapenti.com)

每天网络精华尽在【喷嚏图卦】喷嚏网官方新浪围脖

AWS CEO 称用 AI 取代初级员工是蠢主意

Wed, 20 Aug 2025 18:15:11 CST

亚马逊 AWS CEO Matt Garman 表示用 AI 工具取代初级员工是他听过的最蠢的主意之一，因为企业需要精通业务的资深员工，但资深员工都是从初级员工一步步成长起来的。他说，如果 10 年后企业没有此类员工，你的公司如何运作？他认为，企业应该继续招聘应届生，教他们如何构建软件、分解问题和采用最佳实践。他说 AI 时代最有价值的技能与大学学位不相关。要保住自己的工作员工必须不停的继续学习更新技能。

任正非：华为云不能简单模仿阿里、亚马逊，要有所为有所不为｜CEO说

Sun, 03 Jan 2021 16:35:00 CST

钛媒体注：近日，华为心声社区以总裁办电子邮件的方式，发布了其创始人任正非在华为企业业务和云业务汇报会上表达的一些新观点和新看法。

此次任正非讲话的重点在于华为云，他在发言中强调华为云是未来华为发展的一个重要业务，应该抓住全球云服务这个重要的机遇，而对于云服务的建设，任正非认为 不可能简单采取阿里、亚马逊……一样的道路，因为不像他们“有用不完的美国股市的钱”。要找出一条路来，而不是简单模仿。

他表示，华为云不是华为传统硬件设备的领先优势，开发产品并销售产品，而是华为面向客户商业模式的改变，即由卖产品改变为卖云服务。必须构建卖云服务的能力及支持面向客户提供云服务的运营、运维能力。“我们向亚马逊、微软学习的同时，也要将本身30年的网络积累做成云服务市场独有的优势，开创更大的空间，构建差异化特色。”

任正非认为，将来所有应用都会长在“云土地”上，华为云已上线了200多个服务，发展了150多万开发者和近2万个合作伙伴，已初具规模，具备了向更大方向发展的基础。“我们现在讨论的是在新的场景下（5G、800G、人工智能……）高速社会下如何进步，有没有机会达到世界先进，甚至领先。传统互联网公司在政企场景下有困难，在新形势下，我们有机会，突破点在哪儿。”

任正非提出底层的技术架构是最核心的，需要高手。底层架构的开放性、扩展性、稳定性、持久性、安全性、效率，决定了后续软件的发展潜力、研发效率。

因此华为要大力聘请相关专家，提升相关技术人员资薪待遇，减少研发人员的流动性，并且不让行政决策干扰技术决策，优化相关团队研发流程，提升研发效率。

任正非最后表示，企业业务要聚焦战略重点，继续做减法，收缩企业业务作战线，认真弄清楚作战模型。

（钛媒体APP编辑枫叶整理）

以下是发言全文：

按语：“百花齐放，百家争鸣，任总属不太懂的一家。他经过较长时间的调研、访谈，提出了一些粗浅的看法，抛出一块‘粗砖’，供探讨、批评、参考。”

一、正确理解和定位云优先。对内我们优先选择用云方式为客户提供IT基础平台服务，对外就是客户迫切优先选择华为云服务。

我们讲云优先，不是讲华为公司所有领域都以云优先，而仅仅在IT领域要优先实现以下几点：1、面向客户的算力和分布式存储（不含企业存储）需求时要以华为云优先；也就是当客户对服务器、分布式存储、虚拟化、私有云有需求的时候，要引导云服务优先；2、混合云要以云服务的商业模式优先；3、行业解决方案的底座要以华为云优先。

当然我们期望以华为云优先为客户提供服务，但客户不一定会选择我们，只有华为云提供的云服务做到最好，客户才会优先地选择我们。当然，云服务好的基础是华为云平台必须做得好。而不是技术支持人员没有让客户明白我们的云服务是什么，就塞给人家一堆“土豆”；或者“土豆”太多，有些没有用上。我们引导客户数字化，首先引导他们使用华为云提供的云服务。我们的价值观与宗旨，还没有很好地体现在客户利益至上、我们的云服务上，我们还要踏实努力。让客户用电一样方便使用华为的云服务，才是我们的目的。我们要集中优势兵力聚焦在做好我们的华为云平台及其提供的云服务。我们现在存在的问题是一个服务能力、多个责任中心，力量碎片化。华为云首先要在极致性价比、可用性、数据安全性等基础能力上构筑核心竞争力；同时针对所聚焦的行业、聚焦的场景做好使能层，构建好云生态体系，构筑有竞争力的获客能力。

政府、企业上云已成为一种趋势，特别是中小企业应用、大企业的非敏感数据应用、政企的新型创新应用场景，会越来越多地承载在公有云上；另一方面，很多政府企业的核心数据、核心业务仍需承载在自建数据中心或专属云上。自建数据中心也会从简单的虚拟化走向云架构，一般由客户自己进行维护，这些客户同时要求享受公有云的高阶服务能力，这就需要我们的华为云混合云解决方案。专属云本质上依然是公有云，是针对特定客户而建设的公有云，亚马逊建设了GovCloud政府云，只服务于美国政府，由亚马逊进行维护。因此，公有云、专属云和混合云，甚至包括非华为私有云将长期共存，以解决客户的不同需求。因此，华为云解决方案最终形成的结构是：一套技术架构，支持公有云、专属云、混合云等商业形态；两种交易模式，一是卖给客户、产权属于客户、客户自己维护的混合云，二是产权属于华为、由华为维护、客户订阅云服务的公有云（含专属云）；三种部署方式，一是部署在客户数据中心里面，与公有云分开运维的私有部署，二是部署在华为建设的数据中心里面，由华为运维；三是部署在客户数据中心里面，作为公有云的延伸，由华为运维。

华为面向客户提供公有云、混合云和“服务器+虚拟化软件”三种产品形态。公有云和混合云要坚持硬件同构，软件架构统一；公有云和混合云要做好客户选择，不要试图满足所有客户的需求。基于“服务器+虚拟化软件”，联合合作伙伴，满足多样性的政企自建数据中心和IT/OT系统的需求。

华为要打造领先的ICT基础设施，要在联接、计算与企业存储和华为云三方面都取得胜利。在继续增强联接的同时，强化软件力量的建设，构建一个好的华为云平台、云生态，把适合上云的行业场景牵引客户优先上华为云，成为政企上公有云的首选。通过客户上华为云，反逼华为的平台进步。我们要将联接、计算与企业存储和华为云有机融合，构筑面向所聚焦的行业场景的行业“智能体”，助力智能升级。

内部统一组织，是靠打胜仗来牵引的，在打胜仗中不断来组合队列。从小交换机开始，从传输开始，从2G无线网开始，从简单的路由器开始……无不是用胜利来牵引。为什么四野的队伍这么彪悍？是因为他们跟着林总一直打胜仗。从东北打到海南岛，从海南岛又打到朝鲜……，他们总信任林总，全部统一在林总的意志中。林彪并没有做多少思想工作和说教，靠胜利言传身教。华为云业务的组织优化，能不能先从点开始，从胜利中总结出经验来。我们不可能简单采取阿里、亚马逊……一样的道路，我们没有那么多钱，他们有用不完的美国股市的钱。我们如何发展，要找出一条路来，而不是简单模仿。

华为云不是我们传统硬件设备的领先优势，开发产品并销售产品，而是华为面向客户商业模式的改变，即由卖产品改变为卖云服务。必须构建卖云服务的能力及支持面向客户提供云服务的运营、运维能力。我们向亚马逊、微软学习的同时，也要将本身30年的网络积累做成云服务市场独有的优势，开创更大的空间，构建差异化特色。

二、我们要研究领先的华为云是由哪些要素组成，这些要素是由哪些核心颗粒的先进而构成竞争能力的。

能不能像存储产品一样建立面向未来领先世界的架构，有哪些关键的短木板、新介质、新算法、新架构甚至新理论等需要突破，组织起各阶、各类的“突击队”，让科学家、专家、工程师提前自由地去研究，找到解决办法。比如，有没有新的先进软件架构、有没有新的工具方法、有没有新的算力架构、有没有新的编排算法、人工智能的算法 …… 等等，一样一样地做好。在算法、算力、核心网、鸿蒙、鲲鹏生态、先进的软件架构/方法和工具以及工具的科学归一化、代码仓统一与优化……，以及人工智能在我们网络平台优化中的应用，一样一样踏踏实实地把这些颗粒做好，以便形成团粒结构的“黑土地”。再把连接这些颗粒的操作系统也做好，方便客户在上面发展。我们要聚焦在关键客户需求上，利用好华为自身内部IT、终端云、GTS云的典型需求，培养一批队伍，这批队伍就在战斗与实践中拥有了理解政企对华为云的需求；然后一部分人再深入去理解支持万物生长的云是需要什么样的“黑土地”，“黑土地”应具备哪些条件才能让万物生长。“黑土地”这个词是徐直军发明的，他应诠释一下。

技术架构要保持持续性，专家团队决策体系的迭代也要科学稳定，行政主官不要干预技术决策。软件架构不是一蹴而就的，都是持续优化的发展，我们公司的软件是不错，但要进入直接竞争领域，要超越对手，就需要不断地改革。十年来我们的混合云技术架构经过了几次反复，导致时间上的浪费。

最底层的技术架构是最核心的，需要高手。底层架构的开放性、扩展性、稳定性、持久性、安全性、效率，决定了后续软件的发展潜力、研发效率。高级专家团队，人少而精，事少而明，有利于冷静思考，他们要有长期稳定的担当，不要草率地换人。

三、将来所有应用都会长在云土地上，但现在还不是，如何建成“黑土地”是我们努力的任务，应一步一步来。

经过多年的努力，华为云上线了200多个服务，发展了150多万开发者和近2万个合作伙伴，已初具规模，具备了更大方向发展的基础。我们现在讨论的是如何抓住政企数字化的机遇，在互联网、政企两个赛道上都获得更好的发展，达到世界领先。

首先要肯定我们的华为云平台是基本可用的，多年的努力没有白费。我们现在讨论的是在新的场景下（5G、800G、人工智能……）高速社会下如何进步，有没有机会达到世界先进，甚至领先。传统互联网公司在政企场景下有困难，在新形势下，我们有机会，突破点在哪儿。

新的一年里，我们在软件的架构、方法和工具上要加大人才投入。敢于引进大架构师、全球软件大赛的优秀人才，努力从我们的队伍中培养造就各级各类各阶的架构师，根据能力、贡献及时提拔他们，职级、薪酬也要及时匹配。云平台、云生态要向先进的公司学习，不要简单模仿。努力在平台架构中，加大优化的力量。我们是一个传统的硬件先进的公司，世界上转型为软件先进公司的例子还没有，我们的困难是可以想象的。如何建立客户喜欢的“黑土地”，如何让伙伴生态生机勃勃，如何保证软件能扎到根，避免被切断的风险。

四、华为云对我司，既是一个产品提供，也是一个运营平台。质量与敏捷的运维能力是关键的要素。

硬件资源的池化、软件分布化、运维敏捷的自动化与智能化、服务的多样性……，我们是向亚马逊学习，还是向微软学习？我认为我们都应该学习。面向行业客户提供云服务应该走微软的道路，优先为大行业、大企业服务的道路，聚焦深耕几个关键行业，打造“黑土地”。我们耕耘企业业务多年，有一个庞大的企业销售服务队伍，有一定的基础，联合客户、行业领先的应用开发商和系统集成商等生态伙伴，开展联合创新，积累和沉淀行业的关键知识资产，这样好的经验不要丢掉，每年做好两、三个行业，几年后最终能达到几个、十几个行业，就是不得了！微软就是通过与客户的联合创新，持续构筑了竞争优势。我们要与关键客户建立联合创新实验室，把一些有前途、有大需求的颗粒抽出来，组成以全要素、全业务、全编成，拥有独立作战能力与权力的“军团”。我们也要学习亚马逊，把IAAS、PAAS做好，我们是有基础的。我们这么多年积累的知识、能力、经验，是有可能把云基础平台即“黑土地”做好的，发挥联接+计算的优势到极致。我们聚焦在一、两个行业，搞清它的经验模型与算法，切实在行业打造有领先的能力。让客户接受我们。例如Oracle以一个数据库就占领了全球大部分市场。有所为、有所不为，聚焦客户成功，不要内战内行、外战外行。

五、我们全力以赴抓应用生态建设，像亚马逊一样建立大生态。没有应用，华为云就可能死掉。

移动互联网应用、企业应用、政府应用、煤矿应用、机场应用、平安应用、GTS应用、公司内部IT应用，都是我们生态发展的机会窗。终端云的良好发展给我们做了榜样，南研所的弟兄们重现了英雄本色。当前生态伙伴调用接口的管理是比较突出的问题，也是生态型业务发展的最核心瓶颈，我们当前从管理意识、流程到组织保障都不够。我们一定要建立优良的架构，简化内部的消耗，我们一定要实现敏捷优质服务。我们坚持为客户创造价值，敏捷的为客户服务。利用好华为自身内部的IT、终端云、GTS云的典型需求，服务好内部客户，培养一批队伍，这批队伍就有理解政企对云的需求。现在内部客户的体验有待加强，不要浪费了需求的价值。

阿里云、腾讯云、AWS推出越来越多的软硬融合的设备，华为的优势在硬件，我们要加强软件、应用生态，不应放弃硬件给华为云带来的优势。保存底层架构的稳定性与高效率，发挥联接+计算的综合优势，持续迭代优化Ⅰ（IAAS）层架构，并牵引计算、存储、网络等Ⅰ层面向云场景的进一步创新。

六、云BG与EBG的关系：“作战综合化，能力专业化”，企业业务和云与计算业务应按这个原则对一线作战及组织进行优化，提升一线效率，最终要形成场景化的合成作战。

为支撑云与计算产业的商业成功，加强专业能力构建，要清晰知道几个行业，深入进去，做世界最理解它们、服务它们最好的组织，它们就会优先选择我们的华为云，这是我们的任务。公司从机关到一线都做了比较大的组织调整。经过半年多的运作实践，新组织架构促进了一线的资源投入，提升了产业生态等方面的专业能力。但也存在以下问题：一是，云与计算BG应重点抓好华为云平台的建设，抓好产业生态的建设，做大产业空间，同时抓好解决方案与技术支持，建立一支真懂云和计算业务的专业化队伍；EBG作为统一客户界面，要更多贴近客户，充分理解客户需求，强力的推动专业部门打造有竞争力的解决方案。现在一线有的代表处专业化分工过细，接口多了，干部多了，汇报多了，实际干活的人却少了。二是，资源投入增加了，作战效率却降低了。三是，内部沟通成本高，“一线分成两个组织后没感觉有什么好处，两个组织反而会增加很大的沟通成本”；“在政企做了决策以后，再到云那边沟通，两边频繁开会，没有原来那么高效。”。四是，等级森严的组织层级、部门墙，导致分工过细，“铁路警察”各管一段，客户却难受了，本应该团结一致为客户服务的力量存在内卷。

更重要的是，我们现在的IT架构又是围绕着组织架构来构建的，也就是说组织有多碎片化，IT就有多碎片化。现在多个BG的作战流程不同，IT系统当然也不同，连销售管理都拉不通。

这些问题既降低了内部运作效率，也直接影响了客户和伙伴的满意度。我们要在一线形成场景化的合成作战，“飞机”“大炮”“机关枪”……都应统一指挥。建议按“作战综合化，能力专业化”的原则对代表处组织进行优化。

七、企业业务要聚焦战略重点，继续做减法，坚持有所为、有所不为。

第一，企业业务要收缩战线，一定要有所为、有所不为，不能面面俱到。原来确定的四个行业，不要再增加扩大作战面，把战略打散就没有战斗力了。因为我们是力量有限的公司，确定要做的项目就一定要做好、做精。我们要抓住一点，标准化的梯次推进，逐渐走向做厚、做多、做强。你们要抓住自己能做的领域，将兵力扑上去，扎扎实实做好，才可能真正找到比别人更好的方案。

第二，我们的队伍建设要明确强调，立足于联接，立足于华为云，但我们要知晓服务对象的工业，要知晓服务对象的Know-How，然后在算法上和别人合作。什么叫工业互联网？首先它的本质应该是工业，比如航空、汽车、交通、钢铁、煤矿……。第二是联接，联接这个产业，我们最熟悉，全部电子工程就是为了联接。第三是人工智能，人工智能又分为数据、算法、算力和Know-How。数据是客户的，有的算法是与合作伙伴合作做的；Know-How是行业、企业他们数十年的摸索积累与千万次验证，反复建模，留下的理论与经验结晶，这是我们最不熟悉的；我们能做的主要是算力这一部分。因此，我们只能做一个支撑平台——“黑土地”，从而支撑上面生长的个性化的应用。我们要做自己能做的事，不要去包打天下，把别人的活给做了，做得很粗糙，也做不好，最后我们就没有战斗力和竞争力。

第三，后续的汇报，首先讨论如何收缩作战面，第二讨论作战模型。我们要讲清楚作战的战略方针，要讲过河的“船”和“桥”，不能“口号治企”。领袖要有架构性思维，领袖的责任是讲明方向、发现问题。比如，部门成长架构是什么，业务成长的架构是什么？哪些事是你一定要做好，做到什么程度？你们要看看电视剧《历史转折中的邓小平》，邓小平就是在关键历史时刻的几个讲话，国家战略就转过来了。领袖要结构性地思考问题，能看见主要矛盾的主要方面，扑上去用“刀子”插进去，就能抢占市场。

报送：董事会成员、监事会成员

主送：全体员工

二〇二〇年十二月三十日

更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App

令人心寒的不是GitHub突然断供而是 CEO 对此表示无能为力

Tue, 30 Jul 2019 00:18:22 CST

关于 Github 账户/开源项目是否会受到美国出口管理条例的管制，曾在国内掀起热烈的讨论，但过去由于缺乏相应的制裁案例，且 Github 平台协议也存在一定的模糊性，因此多少还抱有侥幸心理，直到近期一名伊朗开发者的遭遇，给国内乃至全球的开发界敲响了警钟——该名伊朗籍开发者不但个人账户无法正常使用，且不被允许导出数据，只因伊朗在 EAR 的限制清单当中。

他的遭遇获得众多国际开发者的支持，最终逼得 Github CEO Nat Friedman 在推特上亲自针对此事进行回应。

由该名伊朗籍开发者发起的 “github-do-not-ban-us” 项目，至今已获得 6967 个 star 和 987 次 fork 。

其 25 日在个人推特上@了 Nat Friedman 的质疑信息，更是获得 1.9k 的转发和 2.8k 的赞赏。

迫于舆论压力，Github CEO Nat Friedman 打破多日沉默，昨日亲自在个人推特上回应此事，同时还@了该名伊朗籍开发者，态度尚属诚恳。

在这份公开对外的非正式声明中，Nat Friedman 主要表达了以下几点：

1. Github 受到美国出口管理条例的管制

听闻贸易战如何对人们造成伤害，这让我感到异常痛苦。我们尽量不做超出法律要求的事情，但无论如何人们仍然受到了影响。 GitHub 受美国贸易法的约束，就像任何在美国开展业务的公司一样。

2. 开源 repo 不受影响

为了遵守美国的制裁，我们不得不对伊朗、叙利亚和克里米亚的私人 repo 和付费账户实施限制。

公开 repo 依然能被所有开发人员访问 —— 开源的 repo 不回受到影响。

3. 限制主要基于用户所在地

限制主要基于用户的居住地和身处位置，而非国籍。如果某人被错误标记，只要填写相应表格，账户就会在数小时内获得解禁。

4. 制裁不会提前通知用户

私人 repo 受到限制的用户，可以选择将其公开。法律不允许我们将限制事宜提前通知任何人。

声明的最后，Nat Friedman 大打感情牌：

我们这么做并非出于自愿，而是因为我们必须这样做。 GitHub将继续与各国政府一起，积极倡导保护软件开发者与全球开源社区的政策。

网友的反应

对于这份声明，推特网友普遍上并不买账。

大家首先认为 github 于情于理上都站不住脚，因为凡事都有选择，而 github 目前的选择显然有失偏颇，太过屈从于美国法律：

况且 github 的行为很可能对相关国籍的开发者群体造成毁灭性的“打击”：

有网友更是直接将 github 的这种行为比作纳粹：

而一些理性的网友则提醒 github 其实没必要如此“耿直”，为何不采取限制 IP 访问地址的方式，这样起码还能通过 VPN “曲线救国”……

国内早前的探讨

今年 5 月 20 日的一篇《开源界也要注意，Apache 基金会与 GitHub 都受美国法律约束》文中，“开源中国”通过展示 Apache 软件基金会以及 GitHub 官网中涉及出口限制部分的内容，表示对开源项目在未来的“自由度”会否受到限制感到担忧。

文中指出，条款明确表明 GitHub Enterprise Server 不被允许出口至 EAR 限制清单中的国家，当中包括古巴、伊朗、朝鲜、苏丹和叙利亚。“那几时突然再加进来一个中国呢？”“开源中国”在文中反问道。

该文出来后，话题迅速发酵。其中，来自中科院计算所的包云岗研究员反应最为迅速，他立马组织人员开展调研，对 12 个知名开源基金会、6 个常用的开源协议、3 个代码托管平台进行了调研与分析，并向海外朋友进行咨询，最终得出的结论是“建立已有托管平台在美国以外的镜像平台”势在必行：

在当时，尚有一方声音认为，只要项目满足“公开可及 (Publicly available)”的条件且不涉及加密技术，那么开源项目应该不会受到美国出口管理条例的管制。如今看来，是我们低估了美国在制裁限制清单国家上的手段和决心。

对于此事，你又是怎么看的呢？

相关文章:

因制裁 GitHub 限制克里米亚的账号

GitHub回应突然断供：身不由己无权提前通知预警

研究38位知名CEO的邮件后，我们有这9个发现

Fri, 14 Jun 2019 18:11:32 CST

CEO的邮件风格，也能体现出一定的公司治理之道。

随着初创型经济中扁平化管理的应用以及在远程办公越来越盛行的背景下，清晰异步的沟通交流对当代管理者而言，成为了一项越来越重要的必备技能。

虽然有类似Slack等团队协作工具的推出和广泛运用，但电子邮件这个既传统又最耐用的数字交流工具，仍然发挥着其举足轻重的作用。

当你在和潜在的合作伙伴沟通时，你书写电子邮件的方式甚至可以决定相关交易的直接成败。当你向团队传达信息时，你书写电子邮件的方式也会为整个团队沟通设下一定的基调。而当你和投资者沟通时，你书写电子邮件的方式则要么让对方更有信心，要么就会让对方产生质疑。

一、找到最大化生产率的方法

判定一个CEO是否是优秀的CEO，其决策果断性可以作为评判的标准之一。同时，也可以关注其是否能及时发现问题并解决问题。

“如果发现不对劲的话，你可以随时修正自己的做法。”阿里巴巴CEO张勇写道，“但真正的恐惧，则是一种瘫痪的状态，在这种状态下，你根本无法做出任何决策。”

而亚马逊CEO杰夫·贝佐斯（Jeff Bezos）口中的“快速决策”（high-velocity decision-making），则意味着，作为领导者一定要意识到，在大多数情况下，哪怕是不好的决策也比不做任何决策要好得多。

优秀的CEO会将这种心态以及其雷厉风行的效率融入到他们的邮件沟通方式之中，同时他们还会以光速来回复邮件、避免过度交流并且为其沟通对象设定清晰的期望值。

1. CEO总是会立即回复邮件

大多数CEO在收到邮件过后，都会立即回复邮件。

正如谷歌前CEO埃里克·施密特（Eric Emerson Schmidt）所述：

有些人会立即回复邮件，而有些人则会选择拖延。你应该力争成为前者。我们了解到大多数成功的也是最繁忙的商业家在答复邮件时，动作都非常及时敏捷。此外，他们也并没有针对一部分特定来信者，而针对所有收到的邮件都采取了这种迅捷的处理方式。

对施密特而言，哪怕有时候真的无法清晰地答复对方时，他也会保证先让对方收到一份已读邮件回执。这样，他就能继续处理其他的事情，同时也不会让来信者焦虑地等待。

沃伦·巴菲特（Warren E. Buffett）1982年度致股东信中的承诺：我们可以保证对所有交易的绝对保密性，同时在涉及潜在利益的时候，可以做到快速答复，通常答复时间只需要五分钟。

时间可以决定交易的成与败。因此，能够快速收到好的报价的CEO，通常也都能快速地答复处理。

正如巴菲特所认为的那样，如果快速地回复邮件，并以此建立自己的声誉，也可以向身边的同事和潜在的客户传达出相关信息，让他们知道你总是在工作，你也渴望和他人一起工作，同时在面对不愉快但又无法躲掉的挑战时也并没有选择成为一名“逃兵”。

2. 他们为了少收邮件，而选择少发邮件

虽然我们知道许多CEO在答复邮件时都有雷厉风行的效率，但他们大多数却并不会积极主动地给别人发邮件。虽然我们希望CEO总是能及时答复，但他们却不应该被邮件“压垮”。

美国无人驾驶出租车nuTonomy公司CEO卡尔·艾格尼玛（Karl Iagnemma）每天发送的邮件不超过25封。他认为，如果发送的邮件超过这个数量，就会占用他处理其他更重要事务的时间。

对此，领英CEO杰夫·韦勒（Jeff Weiner）也有类似的体会。在韦勒的上一份工作中，当他身边的两位广受关注的同事辞职后，他骤然发现他的收件数量降低了30%。

当然，并不是因为他们俩发送的邮件才导致韦勒需要跟进和答复。而更重要的是，每一封答复邮件还可能引出后续若干封跟进邮件。

虽然他们工作非常投入，也能做到保持畅通的沟通交流，但各种任务和沟通导致了韦勒以其其他团队成员收件数量的骤然增长，而这个结果，则是邮件本身结构问题而带来的附带损伤。

3. 他们有着清晰的期望值

许多CEO也会主动地控制其处理和阅读邮件的时间。而他们的做法，则是直接跟向他们邮件的人面对面沟通，并了解他们对邮件内容的期望值。

美妆电商Birchbox公司CEO卡蒂娅·波尚（Katia Beauchamp）就非常青睐这种做法。

为了让波尚更好地按优先级别处理收件箱的内容，她要求所有向她发送邮件的员工都要在邮件中注明最晚答复时间。与其浪费时间和精力来自主地根据邮件内容判断其紧急性，她直接把这个任务转移至了发件人的身上。

而《创智赢家》（Shark Tank，美国一档发明真人秀节目）投资人马克·库班（Mark Cuban）则对下属设置了向他发送邮件的频率及内容要求，从而让他更好地掌控自己的收件箱。

在节目中与库班共事后，守护者儿童自行车（Guardian Kids Bikes）的几位创始人在一篇博客文章中提到，库班希望他们每周可以给他发送一封邮件，并在信中透露其是否需要任何建议或协助，又在哪些方面存有疑惑，同时他还要求邮件内容一定要言简意赅。

其中一位联合合伙人布莱恩写道，“我们只会在信中向他咨询最让我们受困惑的问题，比如涉及到策略方向的问题。同时，我们还会尽量做到言简意赅，能用一个字表达的，绝不用两个字来表达。”

此外，他还写道，“如果他每周都能收到我们的定期反馈信息，同时了解我们的各项工作进展，长期下来形成的这种固定模式，还可以让他更好地为他们提出合理的建议。”

的确，连贯一致并且可预测的邮件内容对库班而言，可以让他在最短的时间内了解邮件内容，明确来信人的目的。

二、使用正确的语言，发送正确的邮件信息

一封邮件是否是简洁高效的，主要取决于收件人对邮件的理解。因此，CEO在发送邮件时，会更加关注其选用的文字（或者有无任何遗漏），从而达到预定效果。而有趣的是，大多数CEO在选词造句过程中，都采用了一些常规的技巧。

4. 他们不说“我”，而是说“我们”

在一篇发布于《纽约时报》（the New York Times）的采访中，洛兹集团（Loews Corporation）联合主席乔纳森·蒂施（Jonathan M. Tisch）向记者讲述了他从商多年以来学到的最宝贵的一课：

永远都不要一开篇就使用“我”这个词。否则，这种做法只会向他人传达出一种信息，即世界是围绕你转的，你比其他人都重要。

阅读大量CEO向其员工发送的邮件后，我们发现大多数CEO都更加倾向于使用“我们”“我们的”等词汇。

在唐纳德·特朗普（Donald Trump）当选美国总统后，时尚生活内容平台Refinery29的联合首席执行官菲利普·冯鲍里斯（Philippe von Borries）在向员工发送的184词邮件中，“我们”出现的频率高达8次，在仅有的五个段落中，有三个段落都是以“我们”起头的。在邮件的结尾，冯鲍里斯写道：

现在正是应该让我们团结一致的时刻，我们要让 我们的影响更加深远，并交付出更优秀的成绩。我们是一个集体，在这个集体中，我们应该点燃激情，并且保证每一天都能朝着 我们的集体目标而奋进。

在这封邮件中，“我们”这一词的运用，可以让企业员工更加有集体荣誉感和使命感。如果你仔细阅读CEO的各种邮件和信件，你会发现许多的“我们的使命”“我们的行为准则”以及“我们取得了骄人的成绩”等短语。

这些短语的运用，可以让每个人都肩负起目标和成就的责任归属感，让他们都觉得自己是非常重要的一部分。

2015年，微软CEO萨蒂亚·纳德拉（Satya Nadella）向全体员工发送了一封关于未来几年公司战略部署的邮件。为了让所有员工更加积极地参与进来，纳德拉在信中也是频繁地使用了“我们”“我们的”等词。在信中，他写道：

我相信，只要我们朝着共同目标，齐心协力奋斗，我们就一定会创造奇迹。我们的使命，是要让地球上等每一个人、每一个机构都能实现更多更大的成就。

5. CEO答复邮件言简意赅、千篇一律

众人皆知，CEO答复邮件时言简意赅、千篇一律。他们知道如何点到为止，并且用最简短的文字快速表达其所思所想。

特斯拉CEO埃隆·马斯克（Elon Musk）和亚马逊CEO贝佐斯当属最典型的案例了。

贝佐斯答复的邮件中，只有一个问号“？”。

某位向贝佐斯发送反馈邮件的顾客，收到了客户关系技术支持负责人的回信。信中，该负责人向客户说明，这封邮件是代表贝佐斯本人答复的。

当贝佐斯收到来自顾客的反馈邮件时，他会将邮件直接转发给相关业务部门的负责人，信中不多说任何话，而直接留下一个问号“？”给对方。

在某次采访中，贝佐斯解释道，这个问号的含义是“你能不能看看这封邮件是什么情况？”“为什么会出现这样的事情？”。

此外，马斯克在处理邮件时，也会采用类似的技巧。虽然他没有直接发一个问号，但他会更简单粗暴地用首字缩写“WTF”。

这两种做法，都非常地言简意赅，也可以说是千篇一律，并且都能让收件人竭尽全力去解决某个问题，同时又及时地向其反馈相关意见。

6. 他们都非常认同“同感”

虽然上一条发现显得有点唐突无礼，但CEO同时也知道如何让自己的邮件能产生更广泛的共鸣。通常情况下，他们都是通过语言表达来向收件人传达同感。

对CEO而言，这项技能是不可或缺的技能，特别是在涉及到处理公司内部的不愉快事件的邮件时。

在2018年初，奈飞（Netflix）开除了一名因在多个场合下使用冒犯性言语的高管。随后，其CEO里德·哈斯廷斯（Reed Hastings）在向全体员工发送的邮件中写道，该雇员的行为做法严重违背了奈飞公司的价值观，是无法容忍的行为。

在这封邮件中，哈斯廷斯还说，“现在回顾来看，早在他首次公开使用冒犯性言语的时候，我就应该毫不保留地采取相应措施，并以此作为典型学习案例，让奈飞所有员工都感受和明白，这种冒犯性语言丑恶的一面，同时又让人极其痛苦的一面，并且在以后绝不能使用类似言语。”

在这封信中，哈斯廷斯在责备自己并承认该名员工的冒犯性言语已经造成了不良后果后，他又立即转笔指向与这名被辞退员工保持紧密工作关系的员工，并且与他们保持同感。

他写道，“我们大多数人都与乔纳森保持着长期的紧密合作关系，对此我们也怀有复杂的心情。”

紧接着，哈斯廷斯又另起一句，消除受这次辞退行为所影响的员工担忧并对其表示支持，他说：

不幸的是，乔纳森在言语方面的误判所犯下的错，实在是太典型了，以至于我们无法找到任何让他继续留下的理由。我们深切地关心并致力于让奈飞员工在公司内部得到安全感和相关支持。

通过不断地表达自己的同感心理，哈斯廷斯及时止住了其他员工对此次辞退行为可能会愈演愈烈的不安和不信任。

三、清晰了解CEO的功能职责，并在特定情况发挥特定作用

除了在邮件管理方面的方式方法和用语习惯等相同点，CEO在发送邮件时通常都提到了相同的主题和信息。

作为公司内部最具远见的领导者，CEO要负责围绕公司的使命和价值观形成特定的说法。此外，在这些使命和价值观受到损害后，其作为CEO的反馈和答复也应该有这样的特定说法。

因此，CEO的大部分邮件内容都更倾向于传播这些较大的概念主题，同时也针对相关损害或威胁做出了必要的回应。

7. 他们都先说坏消息

如果公司遇到了某种涉及公司发展前景的威胁，回避或者绕过这个威胁并不是有效的做法。相比之下，CEO更愿意直接面对这些问题。

2015年，《纽约时报》的一篇文章揭露了亚马逊员工恶劣的工作环境。

众所周知，《纽约时报》的文章阅读量相当高，并且其在媒体圈也有足够的知名度，这篇文章有可能在公司内外引起大家对亚马逊的种种看法。所以，贝佐斯“先发制人”，针对该事件向全体员工发送了一封邮件。

在这封邮件中，贝佐斯并没有“绕圈子”，而是直接开门见山地向所有员工提供了这篇报道的链接地址，并鼓励员工（特别是没有读过这篇文章的员工）阅读这篇文章。紧接着，他写道：

这就是我这封邮件的主要目的。这篇来自《纽约时报》的报道，全文以各种传闻为主线，其中包括员工的不公平对待，同时还要承受来自家庭的压力和重大疾病的折磨，凸显了亚马逊内部管理的残酷无情。

在开门见山摆出坏消息后，贝佐斯在剩余篇幅中只传达了一则信息，即这篇报道并不是真实事实，而更多的是编撰内容。同时，他也在信中承诺，亚马逊一直致力于为员工创造一个健康又高效的工作环境。

贝佐斯面对“坏消息”的这种直言不讳，直白地向员工展示出其中的失真性。

8. 他们张口闭口都是顾客

除了前述的各种发现，CEO的邮件中也总能体现出“顾客至上”的发展理念。

以微软CEO纳德拉为例。在2018年的一封邮件中，纳德拉公布了微软将要成立两个全新的工程技术团队的计划。而成立新团队的原因，纳德拉在邮件是这样描述的：

我们对客户未能得到满足和不够明确的需求有着深刻的认识，这将进一步推动我们的创新增长。我们不能让任何组织的界限阻碍我们为客户提供的创新。

在克里斯蒂安·索英（Christian Sewing）出任德意志银行（Deutsche Bank）CEO之后，他向全体员工发送了一封邮件，这封邮件也主要围绕客户需求而展开。在这封邮件中，索英写道：

我们应该少关注自身，更更多地关注客户。客户是我们存在的唯一原因。在对待客户的过程中，我们要向他们提供值得信服的解决方案，而不仅仅是产品。如果我们能够为客户带来更大的价值，那我们也应得到相应的回报，但前提是在客户着实地实现价值收益过后。

相比于公司内部的其他人员，CEO在围绕公司价值观和全局战略等方面而展开的评论和说法中，有着更加深远的影响力。因此，也不难理解为什么CEO的邮件中总是张口闭口都在提及“顾客至上”的理念。

9. 他们将各种危机与失败重新融入至公司的使命

在大多数企业的发展过程中，都会遇到或多或少的成长挫折甚至失败，而在这种情况下，公司领导者也不得不做出艰难的抉择。通常情况下，他们都会选择公开宣布大量裁员或削减开支的计划。

对员工而言，他们最怕收到这样的消息；而对CEO而言，他们也最怕公开宣布这样的消息。

然而，不少CEO也会借此机会，以裁员和削减开支为代价，从而获得更大的成功，并以此让整个团队更具有凝聚力。

2016年，时任英特尔CEO布莱恩·科兹安尼克（Brian Krzanich）通过邮件宣布，公司在接下来几个月内将裁员1.2万人。在公布这则消息并感谢被辞退员工一直以来对英特尔的辛劳付出之后，科兹安尼克在邮件中写道：

今天的这则消息，事关英特尔公司的加速成长战略，它将影响到英特尔公司在接下来长期做出的种种改变，从而让英特尔公司成为智能连接领域的领航者。

将裁员1.2万人的决定融入至公司的宏观使命，科兹安尼克将一个负面事件重新定义为奔向成功的“必经之路”。

写在最后：用邮件引领公司发展

CEO的邮件风格具有普遍认知且广泛运用的特点：言简意赅的声明、简短的答复以及通常都会让收件人各种猜疑的看似扑朔迷离的符号或信息。

在现实中，CEO的邮件风格多种多样、别具一格，但总的说来又保持着相似的特点，即通常回复时间短而快、与外部沟通交流时的快速决策、与内部沟通交流时的系统效率以及在各种公开信件中（含蓄或明确地）表达出始终坚持“顾客至上”的发展理念。

即便随着像Slack等团队协作工具的广泛推广运用，对CEO以及需要和CEO沟通的人员而言，电子邮件仍然是最重要的沟通媒介，它仍然发挥着举足轻重的作用。

原文链接：https://slab.com/blog/how-ceos-email/

原文作者：Ben Bashaw

译者：井岛俊一

来源：https://36kr.com/p/5214784

本文由 @36氪授权发布于人人都是产品经理，未经作者许可，禁止转载

题图来自Unsplash，基于CC0协议

的卢深视CEO户磊：我们为什么用3D人脸技术做安防？

Sat, 18 May 2019 19:01:00 CST

2017年，苹果将3D结构光带到了手机领域，从此三维人脸识别便逐渐成为消费级市场颇为主流的识别方案。

不过，在行业的目光多停留在3D结构光的消费级应用时，却有一家AI创企的卢深视，开始着眼于安防领域。

安防领域的三维人脸识别，与消费领域面临的问题并不相同。

消费终端中的三维人脸识别，在使用期间往往只针对一个用户的人脸进行反复检测与识别，因此是高频的1:1比对，而每次比对过程中，算法也可对真人的面部特征进行多次提取，实现真实场景数据闭环回馈，利用生产环节的大数据进行半监督自主学习，提升性能。

而在安防这类公共场景中，单个用户在区域摄像头面前出现的频次相对有限，且多数用户的人脸底库数据为二维照片，致使公共摄像头难以对单个人脸的特征进行更全面地提取和二次训练，性能提升受限。

与此同时，从使用者层面讲，消费级市场对人脸识别的容错率相对较高，而安防客户对静态比对的准确度要求，几乎不允许出任何差错，这也让许多专注视觉的企业望而却步。

即便面临着行业的种种挑战，的卢深视仍决定专攻这些难点，打开公共安全三维人脸的市场。

苹果选择了手机，的卢深视选择了安防

3D结构光，产品化的鼻祖可追溯到微软。

2010年，微软将PrimeSense技术最先应用在体感游戏设备Kinec上，从而催生出一批消费级三维深度相机，也引发了一系列学术上的研究热潮。

但事实上，体感游戏这一市场并不成熟，体验差，内容不足等问题，导致在体感游戏后，3D结构光的应用陷入一个僵局。

而正当3D结构光折戟体感游戏市场时，苹果开始布局，于2013年收购了PrimeSense，以及多家产业链上下游企业。

苹果的这一举动，也让业内人士看到了3D结构光应用的更多可能性。

师从高文院士，计算机视觉出身的户磊，以及与被苹果收购的动态捕捉技术公司faceshift创始人来自同一实验室、后来成为的卢深视技术顾问的张举勇，都敏感的观察到了这一信号，他们开始思考着3D结构光在其他场景落地的前景。

在对市场有足够的了解后，户磊认为体感游戏等并不成熟，而应用到手机上则存在模型压缩等小型化的困难。

当时，户磊和大多数厂家都没有预料到，苹果在收购PrimeSense 4年后的2017年，迅速的就将结构光带到了手机上。但此时的户磊，也敏锐的将目光投放到了安防领域。

此时的安防领域，所采用的基本是二维人脸识别技术和方案，易受到光照、遮挡等因素影响，且二维人脸识别的防作伪能力较弱，因此在对安全性要求较高的领域，对三维人脸的需要呼之欲出。

但想在B端安防领域的落地，也并不容易。

相对于消费领域，安防领域需要在一个镜头内识别多张人脸，逐一进行辨别，算法的难度以及三维数据的采集、训练难度都相对加大。

另外，安防领域对准确率的要求更高，要求误识率更低，不容有失，这也对技术提出了更高的要求。

有契机，又有挑战，户磊决定最终在行业还比较空白时，专攻安防这一领域。于是在2015年，户磊和他的团队成立了的卢深视，开始正式探索三维人脸的市场。

“为什么苹果选择了在手机上做3D结构光，而我们关注安防边检领域呢？”

“其实市场的孕育和市场窗口的出现，是跟实际相关的。我们觉得当时除了安防也没有更合适的场景。在PrimeSense之后，国内厂商也有跟随去做体感游戏以及电影动画特效的，但现在能看到这个市场并不成熟。而安防领域则有着强需求。”户磊说道。

在三维人脸识别最初应用的时候，两家企业选择了两个不同的方向，最终都成功打开了市场。

3D结构光技术，切入安防高端市场

但当新技术在初初落地之时，总会有关于技术路线之争。

而对于技术路线的选择，计算机视觉出身的户磊，显然更有自己的见解。

目前较为流行的说法是TOF在识别精度和远距离识别上都更有优势。而实际上，户磊认为，这些说法并不准确。

“这种说法太偏实验室了”，户磊说道。

从纯理论的角度来说，TOF确实在精度、远距离识别、抗干扰性具有更大潜能，但目前的测试和实际的应用中，TOF还远远达不到，实际来说，结构光在应用上相对更优。

就精度来说，目前结构光是现在唯一能够在近距离达到毫米级的，毫米级的分辨率是人脸识别的一个重要因素，否则脸上的特征就会被抹掉。

TOF另外一个常被提及的点，就是远距离下识别深度和精度比较稳定。虽然理论上如此，但实际上还不能达到。并且，运动物体，也会造成TOF的识别深度图质量严重下降。

另外，对于市场上一些已经宣称实现了三维人脸识别的产品，户磊表示，这还并不是真正的三维人脸技术。

“目前，市面上很多都是假三维，即用二维人脸进行识别，然后再进行活体检测。实际来说，这并不是真正的三维技术，它更像是一个二维人脸到三维的过渡产品。在平衡成本和检测效率的情况下，它确实具有可用性，不过，这不是真正的三维人脸，也不同于我们所做的三维人脸。”户磊说道。

对于技术有较为成熟的理解，的卢深视也在很多项目的实施中，确实展示出三维人脸的应用前景。

的卢深视在成立之初，就接到了某边疆省份三维人像卡口项目。

对于这一项目，户磊认为，是市场对于人脸识别的高要求找到了的卢深视。

在某边疆省份公安厅的反恐项目中，的卢深视作为三维核心技术及平台产品提供商，共建了全国首个“三维人像数据库”。

“维稳很难有一个比较明确的名单，需要进行人群甚至全人口库的比对，因此，对识别精度要求也很高。”

户磊介绍道，项目自2016年在上线至今，总通行人数超过百亿。采集、存储、布控的三维人脸库在千万级规模，产生百万级别次有效报警，并且在空间上布及南北、各边境关卡，全天候信息获取，经受了各种复杂现场状况和极端恶劣天气的考验。

更典型的是国内某大桥的通关项目。

该大桥是国家重点经济区城市群的重要连接桥梁。城市之间的通行，如何让人、车实现高效流通，成为一个关键问题。

由于地理位置所限，光环境非常复杂。尤其正午阳光直射，对识别提出了更高的要求，这就带来了一个天然门槛。

被问及如何处理复杂光线，户磊不无兴奋的介绍道：

“这个其实还蛮有趣的，因为本身我们会做相机，就有涉及到光学的部分。有专门负责光学设计的同事，就把当时一些有趣的想法，应用到这个项目上。

举个例子，针对逆光或者是侧光的情况，对识别影响比较大。很多通行关口，会采用中午的时候关闭一些通行闸机来解决这个问题。但这对通行效率造成影响，无法保证实际使用体验，那么当时我们就采用了像偏振原理‘直接过滤直射光线’，这样来避免强光。”

这些细节的打磨，是的卢成功赢得项目的关键。

行业分工尚未形成，主打“开放的合作”

当描述一个新兴行业的时候，常常会提到竞争和挑战。

对此，户磊认为，三维人脸识别技术和应用还并不算很成熟，行业分工也还未形成。

和二维人脸在落地过程中遇到的一个问题一样，人脸识别的产业链并不完善。

户磊也提到，如摄像机中需要用到的3D传感器，的卢深视找了很多厂家，都不满意，最终还是决定自己来做。

“你可以去类比一下，三维人脸的传感器，可能相当于比如说二、三十年前2D相机的状态，就是非常的初级的一个状态。我们其实最早的时候没有打算一定要去做相机，但后面发现你不去做就无法满足业务场景应用的需求，实际上也等不来。”

另一个问题，在三维人脸数据的处理上。

与二维人脸不同，三维人脸需要处理的是点云数据。而目前主要应用的深度学习神经网络主要针对的是较为规整的平面图像类数据。但点云数据，是分散在一个三维空间中的不规整数据，如何能够用深度学习的方法处理这些点云数据，也是目前的一个难点。

第三个问题，则是三维人脸的研究数据严重不足。

大规模的深度神经网络训练，离不开充足的数据进行训练。相对于社交网络上传播的很多二维人脸数据，三维人脸数据的获取存在天然门槛。如果没有实战的场景不断积累足够的数据，产品化就会很难。“没有充足的数据，其实是根本没法去做的。”

因而，对于这个方兴未艾的领域而言，产业格局尚未形成，刚刚呈现出清晰的曙光。各方所做的尝试和努力，远大于竞争。

户磊的也认为，在这样的行业背景下，的卢深视需要进行“开放的合作”。

“3D人脸识别的产业链，可大致分为器件、模组、系统和方案设计厂商、算法厂商，及产品和应用厂商等环节。其实现在还没有形成一个非常固定的行业，或者说产业上的分工其实还模糊。举个例子，做相机方案的厂商，也有涉及深度计算的算法，所以也可能会进一步做上层算法。做算法厂商会觉得，我也可以往上，做整个相机系统的设计。这也就是，为什么我认为要有一个开放合作关系。”

目前，二维人脸识别正逐步落地、可用性不断提高，但复杂光线、遮挡等问题，依然有待更有效的解决。与此同时，行人再识别、三维人脸等技术也在慢慢兴起，共同解决人脸识别的问题。

而作为专注三维人脸的厂商，户磊认为，短期内，二维人脸识别还要进行更多技术打磨。这其中，3D人脸，还拥有很大的机会。

“我们也很开心的是看到这两年的学术的论文上，3D图像正在越来越被大家所重视。我们也在做一些人体测量与动作分析的研究，希望这些东西结合起来，一起解决人的身份识别这个问题。

对于我们来说，我们坚持认为的是3D未来将来会普遍应用，会在广泛的场景中取代二维的人脸识别，更好的解决准确识别人身份的问题。”雷锋网雷锋网雷锋网

融资7.5亿美金后，40问旷视CEO印奇

Wed, 15 May 2019 22:34:58 CST

李根问耕发自凹非寺
量子位报道 | 公众号 QbitAI

31岁的印奇在想什么？

创立旷视7年后，刚刚宣布D轮7.5亿美元新融资，继续担当中国AI创业的实力派代表。

不过如果你问印奇，融资、金额，如今在他眼中只是公司健康发展的正常一环。

他更愿意谈论的是技术、产品、组织创新和价值落地。

这位生于1988的旷视CEO，习惯将每个问题推向核心，究其本质。

这让他通透洞明，坚定于深思熟虑后的每一个决定，而这也是旷视在竞争激烈的AI领域始终引领头部玩家的重要原因。

所以印奇究竟在想什么？他又如何看待汹涌而来的AI世界？

在新融资官宣后，他向量子位提及40次技术，强调31次本质，谈及29次核心……还说起12次Google和10次华为。

而这其中，包含了AI超级独角兽旷视的融资本质、业务逻辑，竞争核心以及未来之路。

谈融资：头部效应明显，估值不本质反映公司发展

1.量子位：旷视这次官宣了D轮2阶段融资，而且去年就完成，为什么到现在才宣布？

印奇：有意控制下节奏。AI公司把高频发布融资消息当成企业核心进展，不是正确的风向标。

AI公司和其他公司一样，都有健康的正常周期，融资、披露融资，不能完全以融资规模为导向。

我们先不说有没有能力引领，至少从姿态上开始希望去做行业引领性的工作，不仅是业务，也希望树立正确的行业Benchmark（标杆）。

2.量子位：但去年都在说“资本寒冬”，不宣布会被当成遭遇了挑战。

印奇：我不认为有资本寒冬。非理性部分可能遭遇了压缩，投资人对于烧钱、虚假商业模式更谨慎。

从基本面上看，供给和需求没有根本改变。投资资本和好项目数量，资金依然供大于求。

好项目不会有资本寒冬。而且未来资金更加聚焦于确定性，头部企业融资可能更容易。

或许高估值会在原先溢价里适当压缩，但都在可控范围内。

3.量子位：你在意别人评论估值高低么？

印奇：估值不本质。而且我对我们的估值很满意。

估值是个结果，可能短期内有波动，就像一个股市一样，短期内有波动，长期一定回归到价值本身。

而且我认为估值这件事情，是不好的互联网产物，本质上， 公司最重要的能力，是持续盈利、持续成长。

所以互联网这个时代，给了大家很多好的东西，也让大家可能思维有点局限，我们还是要回到一个更长周期来看企业的发展，看价值创造、看组织演变。

4.量子位：为什么需要7.5亿美元？

印奇：这笔钱本质上不是用于现在的业务，而是用于未来的业务，包含两方面：

一是深挖洞，把技术、产品的护城河建得更高；

二是广积粮，我们现在这样的体量，有一些灵活的资金储备，以备未来产业整合、新行业拓展，有一些战略性准备。

5.量子位：什么是旷视的护城河？

印奇：核心还是AI的能力。

所谓深挖洞，要成为基于深度学习算法当之无愧的中国最强AI公司。这就需要我们培养、储备大量算法、数据和系统人才。

最强AI公司也是综合能力的集合体，包括算法能力，软硬一体化产品能力、解决方案能力、业务运营能力等，旷视的基因是算法，而旷视目前提出要做”智能物联方案专家“。

6.量子位：意味着垂直方向上的加强？

印奇：应该说我们今年的关键词叫聚焦。在一个足够大的市场，一家优秀的企业会选择让业务平台越来越聚焦，将不同场景归到核心能力上。

我现在会说三条业务线，但其实未来公司越来越成熟，业务线应该越聚焦。在我看来，100亿美元以下的公司，其实都应该优先专注于做好一条产品线。

7.量子位：新业务的开辟，是投资方带来的压力？

印奇：不，创业第一天至今，我们很少有来自投资方对我们业务的压力。

第一，我们主动选择了资本方，结果上看都是非常优质的、国际化的战略投资人，他们会更在意本质、更有耐心。如果说推动，也不是要你去做一些短期的边缘业务，而是关注长期。

第二，无论企业还是投资，真正对行业和产业有了解的人，殊途同归。

大家经常听到这两句话： “This time is different. I am different.”（这次会不一样，我会不一样。）这都是幻觉。历史上所有沉淀下来的伟大公司，都是 那些能够跨越多个商业周期的公司，一定是着眼长期，建立核心竞争力，聚焦产品本质。

这是你增长的唯一方式，而一定不是做加法。

你可以通过并购，通过加法撑大公司，但经不起时间的检验，很容易在外部风险下化为灰烬。

我觉得商业的逻辑亘古不变，大道至简，不会被人为的风口改变，只是你愿不愿意承认而已。

8.量子位：你什么时候开始有这样的认知？

印奇：一直如此。而且对我们来说，我们进入AI的第一天就认知道，AI是一个非常长线的赛跑，更需要你有一个完整的世界观。

从个人到公司，我们通过筛选共同做事的标准，形成比较一致的价值观，我们内部一直讲旷视基因：技术信仰，价值务实。

技术信仰，就会找长远来说最大的事情，否则聚集这么多聪明人一起做事不值得，所以真的还是要做技术本质突破，做真正的世界技术领先者，但这件事可能要付出十年甚至更长。

价值务实，你做事不是为了宣传，不是为了取悦投资人或获得短期利益，这些都不本质不长久，经不起考验。

所以从外界来看，觉得我们发声时候少，风格上低调，但这是我们本质的、内核的世界观决定的。

9.量子位：即便行业内你追我赶的激烈竞争，也没让你们有过动摇？

印奇：从来没有，因为个性使然，也是团队和行业匹配的结果。

举个例子，如果我们去做一个O2O创业，我觉得一定不会成功。

要在AI行业发展，就需要真正本质的创新，需要长期的坚持，需要价值务实。

你的个性和团队要与行业特性相匹配，不然行业会需要另一个团队，自然而然我们会被淘汰，自然选择就是如此。

目前，我们对方向越来越坚定，结果也不断给出正向反馈。

我们内部强调坚定去做聚焦，行业选择上也比友商少得多，但我们的优势也在变得越来越明显。

10.量子位：如何理解这种优势？

印奇：能够进入下一阶段的竞争，迎接更具实力的行业竞争对手。

就像你登擂台打拳击，只有不断变得强壮，才可以进入更大重量级的竞技。

11.量子位：这是否会是你们最后一轮私募市场融资？

印奇：本质上说，融资是为战略业务服务，战略定了，融资就定了。用什么方式、融多少钱、什么时间点，是一个执行问题。

所以资本问题上，我们认为做好业务，其他都是水到渠成的，如果你业务发展有需要，该什么时候做就去做好。

我们内部有两点坚持，一是不用技术去驱动产品，而是从解决问题出发，用产品选择技术。

二是不用资本去驱动业务，要用业务去驱动资本。

谈业务：核心与边界

12.量子位：上次年度发布会，把公司业务明确为三条。

印奇：这是聚焦的结果。

第一条，以手机为载体，包括安全、摄影两大体系，通过AI技术赋能摄像头，让用户感觉到更安全、更便捷、更美。

第二条，以城市生活为蓝本，通过服务于城市管理、城市交通、智慧园区、智慧校园等，以摄像头、传感器等硬件为载体，让城市更安全、更便捷、更高效。

第三条，着眼于供应链，以机器人和机器人操作系统为承载，让供应链中的各个环节实现全链条数字化，降本增效，从而实现更好的效率、更好的品质。

最关键是 Product-Market-Fit（产品和市场的匹配）, 旷视每一条业务线的选择都源于对产品价值和客户价值的综合性思考。

13.量子位：这三条业务线，会是多少年坚持的一个路线，或者什么时候会再开辟新业务？

印奇：这个问题的核心是在于价值判断，预计3-5年我们都会聚焦在这3个大场景里深耕。本质还是比尔·盖茨那句话： 80%的精力，都应该专注在你的核心业务上。

14.量子位：这三条业务线中是否还会有侧重？

印奇：领域不一样，成熟度不一样，时间节奏不一样，复杂度不一样；但我们会在三个领域都持续专注。今年提出的供应链IoT业务，外部也叫做机器人业务，实际我们已经在18年启动，明年年底会进入到一个快速发展期。

15.量子位：为什么把这个叫做“机器人战略”，这跟大众印象里有手有脚的机器人形象不符。

印奇：未来IoT我们会关注三种类型的终端（硬件）。

一是已经形成的个人消费电子终端，最主要的是手机场景。

二是传感器，英文叫Sensor，应用最主要是城市场景。

三是在传感器采集信息基础进行物理干预的执行器，英文叫Actuator。

从我们角度讲，机器人可以完全脱离类人概念，机械臂也好，搬运机器人也好，甚至简单到闸机，只要它有物理运动，能够实现对物理世界产生一定指挥、控制、改变，都是一个执行器。

而在手机、传感器到执行器这三者中，一以贯之的是感知能力，回到核心本质，就是深度学习为基础的算法能力。

16.量子位：为什么不用执行器这样的概念，并与旷视强相关？

印奇：跟我们风格有关，比较实在，机器人是最简单的表达。

我们希望跟大众建立共同的语言，而不是故弄玄虚创造一些新词汇。

我们希望把这件事的本质传递给大家。

17.量子位：旷视为什么选择进入供应链IoT？

印奇：我们内部有讨论过多个方向，要选择承载我们百亿千亿级愿景的行业。

这样的行业本身就不多，金融、城市、供应链、医疗等，我们都看过。

首先，供应链需要的行业规模足够大。其次，我们可以为行业创造足够价值。并且当前这个市场现状不够好，还有很大的技术提升空间。

所以归结起来就三点： 行业体量，技术撬动力，以及技术势能。

18.外界认为选择进入供应链IoT，对你们是一条比较难的路，你怎么看？

印奇：每个选择都有失败的概率，每条路径都不是必胜的。

当年我们做城市业务，大家也觉得有很多挑战，包括技术公司进入强销售驱动行业会有很多不适应，但我们达成了阶段性目标，并且在同类型AI公司中做得更为出色。

所以， 未来成功的AI公司，一定是能扎入一个行业，并且不断学习、不断进化的公司。

旷视沿着我们目前的战略越发展，我们越来越有信心，因为我们具备越来越强的学习和进化能力。

19.量子位：有没有一些看起来更适合你们的路？

印奇：Easy way or right way.（简单的路还是正确的路。）对我们来说，对的路才是适合你的路，适合不适合不以简单为标准。

你希望去到的地方，决定了你的路。

20.量子位：你刚才也谈到达到阶段性目标？

印奇：三个维度。第一，商业结果。从数字增长，收入增长，盈利状态和体量来看，旷视都是同类型公司最领先的，这是商业结果的成功。

第二，产品能力。以手机业务为例，我们虽然是后进入者，但无论是核心算法、平台软件还是软硬件一体方案，我们最终实现产品能力达到了行业用户的需求，并保持领先。

第三，组织能力。每进入一个行业，从0到1，从1到N，都是内部管理体系和组织能力建设的过程。

最后还是回到了人本身。

21.量子位：人本身就是管理，现在的经验是什么？

印奇：这方面我们越来越有经验。进入一个行业，找到这个行业或相关领域的最强团队，他们深度了解这个行业同时兼具变革性意识，然后跟我们技术团队进行深度融合。这样的团队才是对的，但是过程很复杂。本质就是定战略、搭班子，带队伍，形成闭环。

22.量子位：你会认为算法是AI公司的核心壁垒或优势吗？

印奇：这关系到对算法不一样的定义。单一算法壁垒很低，但是能够系统化地产生大量算法，并且结合场景不断迭代、优化，最终还能打造算法相关的产品和方案，这个壁垒非常高。

23.量子位：对AI芯片怎么看？不少公司觉得这才是壁垒。

印奇：它不是一次性评价“是”或“否”的问题。

首先做一个平台型AI芯片，对创业公司来说非常难，几乎不可能。

因为在设计、工艺、制程、规模化上都有巨大挑战与竞争，其次，芯片自身是一个承载介质，而核心是你的算法相关的核心能力。

对旷视而言，AI芯片只是产品化的一种形态，是我们核心能力的一种延展。一个公司不要问边界在哪里，而要问核心能力在哪里。能力越强则辐射越广，其他也就自然而然做成了。

24.量子位：芯片话题，也是AI公司拓展方式的问题，你们选择纵向挖掘，别人选择横向拓展——视觉，语言到芯片等等，怎么看追求大平台的不同做法？

印奇：我们选择专注在视觉感知。

NLP（自然语言处理）壁垒很深，Google这样的巨头展现出了强大优势，我对此心怀敬畏，其他公司的选择，我不评价。

我认为视觉感知领域本身已经足够大。

25.量子位：你们有算法、算力和数据等准备，但没有选择算法输出+行业投资横向拓展？

印奇：依然是本质问题，纵观中外， 所有公司增长的方式，一定不是做加法。

算法+资本运作的打法就是做加法，这会让你变得臃肿，丧失核心竞争力。

每个业务起初能赚1个亿或10个亿，后来发现投产比，越来越低，这是华为讲的熵增的一个表现。

所以一定要做指数型增长，在行业中要扎得更深，要寻找更核心的、更差异化的点，然后在这个点上去生长。

26.量子位：旷视的战略是如何制定的？

印奇：公司战略制定，两个关键词，一个是方向，一个是节奏。

华为的提法叫方向大致正确。大家有一个模糊的正确方向，先走起来，边走边摸清，不断解决问题，不断微调，其中包含诸如商业化路径、产品实现等一系列问题。

我觉得战略的核心就是保证方向大致正确，把战略目标框在这里，然后在执行中不断解决问题和创新。

我认为未来AI公司，分别需要在IT公司和互联网公司的组织管理中吸纳优点。

互联网公司单纯强调高速发展，往往一招鲜就能吃遍天，业务产品都很简单，所以不特别强调管理。

IT公司则不同，微软、华为都有长期的业务形态，强调组织管理，这是能维持公司整体运转的重要系统。

对于AI公司来说，未来必定会强调管理，强调内部系统。

27.量子位：所以你认为AI公司创新，不仅是技术、产品上的创新，也要在管理上来一次迭代和创新。

印奇：是这样的。回头看历史，看大产业，西方最先实现公司所有权和管理权分离，极大释放了组织活力；然后日本提出精细化管理，让规模化组织成为可能，讲究优化流程管理等；后来以Google为代表的的公司提倡创意精英，实现了个人能力的最大释放，推崇个人英雄主义。

你会发现，任何一个新商业文明，背后都是新商业组织形成的结果。

这几乎是一件事情的两面。而且商业组织体系比商业文明体系更本质。

根本上看，公司的竞争力是长期盈利吗？如果长期盈利的保证是源于IP，那IP在AI领域正在加速减值，你今天写一个论文，可能马上就开源了，所以在未来IP不是绝对核心能力。

是资金吗？更不是。是用户吗？现在用户忠诚度越来越低，用户流失切换的门槛越来越低。

所以最后还是回到人，人是有壁垒的。

人是什么？人就是你的组织和管理。

两个公司同样的业务，同样的技术，一家可能可能比另一家做得好得多。那很可能是因为内部管理更优秀。

谈竞争：已知有人跑不到终点

28.量子位：2017年，你跟我们说过，2018年行业格局会落定，AI第一阶段的战斗将结束。

印奇：我认为已经结束了。

当然从外部来看，会有个时间延迟。未来一两年，我们的核心竞争力，竞争对手的变化，会逐渐让大家看到这个结果。

29.量子位：怎么理解结束与否？

印奇：如果以跑步为例，这个阶段你可能不知道谁会跑到终点，但你会知道谁肯定跑不到终点。

所谓第一个阶段，就像穿过一个筛子。从我们内部看，未来三到五年有能力推进到下一阶段竞争的公司，已经非常非常少了。

30.量子位：下一个阶段什么样？

印奇：如果把一个大行业和场景看成竞技场，接下来，会有很多新的、更有竞争力的玩家出现。你会发现，跟以前的小打小闹不一样，很多大家伙积累雄厚，牌怎么玩，变了。

我认为会变得更精彩。

产业会慢慢整合，该倒闭的倒闭，该被并购的并购，该有希望的公司，就进入到下一个阶段。

31.量子位：有实力的新玩家是谁？

印奇：既包括头部新兴公司直接的角逐，也会和不同类别、类型的传统巨头公司竞争。

32.量子位：几个头部的AI公司，都各自选择了新的场景发展，未来还会继续激烈争夺么？

印奇：未来的竞争肯定还会很激烈，包括新兴公司之间的竞争，以及与原有行业巨头的竞争。关键是要看是否真正找到了适合自己公司发展的路。如果能发挥自己的核心能力，即使是处在拥挤的赛道，也要全力竞争。在不断的冲突碰撞中，各路玩家会逐渐形成差异化，朝着越来越不同的方向进化；而真正有实力的玩家，可能会做一次或者是多次更新。

33.量子位：之前外部看你们竞争，已经像战国争雄，都以为要迎来秦一统天下，但现在发现并不是这样，反而是头部几家体量都增长，展示出的实力更强了。你认可这种阶段描述吗？

印奇：用战国到秦一统天下来比喻现阶段行业发展并不恰当。中国AI领域早期，创业公司之间的竞争态势，头部效应相对明显，实力最强的几家会逐渐脱颖而出。但竞争不会局限在AI公司之间。AI公司本身还需要与各个行业相结合，比如需要与信息技术产业链结合。因此，AI公司面临的竞争更多是来自从其它领域复合发展到AI领域范畴的强大对手。

34.量子位：你们会是那个秦吗？

印奇：我们的目标不仅仅是“秦”。

谈CEO角色：把公司打造成完美机器

35.量子位：你们把logo从“Face++”换成了“MEGVII”，设计还很漫威，怎么平衡组织和英雄主义？

印奇：一种集体性的商业组织，既要讲究管理、执行、体系化，也要强调个人英雄主义和关键成员的贡献。

创业者都有英雄情结，这个英雄情结 不是自己去做这个英雄，而是你让这个公司成为这个时代的英雄，一定要让优秀的人发挥才华。同时你要清醒，要虚怀若谷。

36.量子位：你会花多少时间在人才培养上？

印奇：一个CEO，至少应该花50%的时间和精力放在人才培养上。

37.量子位：你怎么定义自己的角色？

印奇：对于公司的成长来说，CEO既是最大的动力，也是最大瓶颈；如果你的成长速度慢于公司发展，就会成为本质的制约。

AI作为新兴行业，CEO 既要向前看，看战略、看商业模式，也要管细节、管执行、管人才，这是非常具有挑战的事情。

新兴行业给了CEO一定的容错空间。如果在一个确定的成熟战场，我觉得我作为一个经验不足的CEO，可能很难带领大家走向胜利；但是在一个非确定性的新兴市场，让我有机会发挥自己的学习能力和进化能力，带领兄弟们打赢这场仗。

CEO本质上也是这个大型机器里的一个零部件，所以也要去适应和匹配这台机器。

38.量子位：“零部件”这个说法听起来略悲观。

印奇：不，正相反。

我认为 一个伟大的CEO是能够作为“零部件”让公司变成一台运转良好的机器。它能有系统地运作，不以任何单点个人的意志为转移，甚至包括CEO本人。如果能实现这一点，才说明这家公司实现了真正意义上的成功，也证明了“零部件”的价值。

（旷视内部，印奇也担任首席组织官）

39.量子位：你如何提升自己？

印奇：三个方向。

第一，要相对体系化的去学习、读书，你要有框架，去升级和扩展你的世界观。

第二，要找各种机会跟最牛的人交流。去看这些牛人怎么做，他们的一言一行，他们的气场，会给你最多的感悟。

第三，你要去实践，所有的东西要知行合一。

40.量子位：创业七年了，后悔过么？

印奇：从不后悔。

— 完—

订阅AI内参，获取AI行业资讯

加入社群

量子位AI社群开始招募啦，量子位社群分：AI讨论群、AI+行业群、AI技术群；

欢迎对AI感兴趣的同学，在量子位公众号（QbitAI）对话界面回复关键字“微信群”，获取入群方式。（技术群与AI+行业群需经过审核，审核较严，敬请谅解）

诚挚招聘

量子位正在招募编辑/记者，工作地点在北京中关村。期待有才气、有热情的同学加入我们！相关细节，请在量子位公众号(QbitAI)对话界面，回复“招聘”两个字。

量子位 QbitAI · 头条号签约作者

վ'ᴗ' ի 追踪AI技术和产品新动态

喜欢就点「好看」吧 !

马化腾：对公共服务小程序继续“走红”很有信心 | CEO说

Mon, 06 May 2019 22:32:00 CST

钛媒体快讯 | 5月6日消息：第二届数字中国建设峰会5月6日至8日在福建省福州市举行。本届峰会的主题是“以信息化培育新动能用新动能推动新发展以新发展创造新辉煌”。腾讯董事会主席兼首席执行官马化腾出席了本次峰会并在主论坛及电子政务分论坛发言。

在峰会主论坛上，腾讯公司董事会主席兼首席执行官马化腾出席并发表了演讲。马化腾表示，腾讯与三大运营商合资组建的“数字广东公司”，有幸深度参与广东“数字政府”改革建设的技术支持工作。在这个过程中，他感受最深的是广东省的三个“敢于”：敢于实施“全省一盘棋”的制度设计；敢于探索“政企合作、管运分离”建设运营模式；敢于把“互联网思维”引入政务服务。

在政务论坛的发言中，马化腾结合过去一年多的实践，谈谈三个“敢于”如何落地，以及如何用“工匠精神”解决三大“痛点”：如何把制度创新与技术创新结合起来，让信息化改革建设成为提升政府效能的推力；如何打通政务服务“最后一公里”，解决企业和群众“能不能用、爱不爱用、好不好用”的问题；就是如何通过长效机制，构建大数据驱动的政务管理与服务体系，全面提升政府的履职能力。

演讲中，马化腾以“粤省事”小程序为例，目前“粤省事”已经可以一站式办理600多项的政务服务，马化腾表示，今年，省政府给“粤省事”的目标是实名用户注册要突破1500万。随着公共服务的进一步集成和特色体验的不断提升，我们对这个公共服务小程序继续“走红”很有信心。

以下为演讲全文：

尊敬的各位领导、各位嘉宾、媒体朋友，大家下午好！

非常荣幸能来参加电子政务论坛的活动！福建是“数字中国”建设的源头和福地。这些年来，从“数字福建”到“数字中国”，信息化建设有力推动了我们国家的现代化进程。以“电子政务”发展为例，习近平总书记去年特别强调，要加快推进电子政务，构建全流程一体化的在线服务平台，更好地帮助企业和群众解决问题。为了响应这些目标和要求，过去一年从中央到地方，政务信息化迈出了坚实的步伐。

刚才张省长的发言，让大家对广东“数字政府”的改革和建设有了更清晰的了解。广东“数字政府”的改革建设，顺应了中国经济社会数字化进程快速发展的趋势，将满足数字经济发展对政府治理模式提出的新要求。我们感到，各级政府站在全局高度下，做好“数字政府”改革建设这步“先手棋”，有助于数字红利在经济社会各领域的充分释放，从而助推“数字中国”建设，赢得网络强国的“整盘棋”。

经过一年多的改革奋战，广东的网上政务服务排名从第四名一跃登顶，成为全国第一，显示了“数字政府”改革建设的初步成效。作为来自广东的互联网企业，我们有幸参与其中，深知改革建设的艰辛，也感受到收获成果的喜悦，当然也感受到压力巨大。我在上午的主论坛发言中提到广东省在这场改革建设中的三个“敢于”。在这里，我想结合过去一年多的实践，谈谈三个“敢于”如何落地，以及如何用“工匠精神”解决三大“痛点”。

第一个“痛点”是，如何把制度创新与技术创新结合起来，让信息化改革建设成为提升政府效能的推力。“数字政府”是广东省委省政府的重点工程。在管理架构，广东省首次大胆提出了“管运分离”的原则，把政府的管理者与运营者两个角色分开，运营工作交给了腾讯与三大运营商合资组建的社会化企业“数字广东公司”。

这一制度创新也顺应了云计算等信息技术的发展趋势：第一是速度快，过去政府信息化建设从想法到立项、到实施、到交付可能要两三年时间，现在这个过程可以缩短到几个星期；第二是更新快，不用再担心自建运营系统的维护、老化等问题；第三是效果好，利用互联网公司的产品能力来解决“最后一公里”的触达问题。

腾讯也把“数字广东”作为自己的一号工程。我们感到时间短、任务重、压力大。我们虽然懂技术、懂产品，但是我们对政府的具体业务流程并不熟悉，尤其政府也正在做机构调整和业务流程改造，这些调整和改造必须在信息系统上得到体现。同时，信息系统的优化升级，也对很多流程再造带来有力推动。可以说，它们是相辅相成的。

比如在具体实践中，数广团队提出了“3+3+3”的架构。底层有三个平台：政务云平台、大数据平台和公共支撑平台。中间有三个集约化应用：粤省事、政务服务网、协同办公。上层相应地要为三个群体提供触达服务，也就是群众、企业和公务员。

以协同办公为例，数广团队基于“政务微信”，协助打造了全省统一的协同办公平台，推动政务流程再造，大幅提升了办公效率和跨部门协作。比如，过去很多文件的流转审批，通常要转很多天，而工作人员要回到办公室，在台式电脑上才能进行审批。现在通过“政务微信”，很多公务员在出差途中或者下班在家，也可以在手机上进行处理，系统还有自动催办等功能，大大提高了效率。目前，试运行部门处理公文的效率，提高了40%以上。同时，政务微信还导入了全省政务通讯录，让厅局委办的横向联系、省市区的纵向沟通变都得更加便捷。

第二个“痛点”是，如何打通政务服务“最后一公里”，解决企业和群众“能不能用、爱不爱用、好不好用”的问题。理解个人用户，并做出让大家喜欢的互联网产品，是腾讯过去20年最擅长的领域。“数字政府”建设中，广东充分运用互联网思维，以群众“来不来用、爱不爱用”，来检验政务服务成效。这使得腾讯在个人用户端的服务能力和优势，得到充分地发挥和展示。

以“粤省事”小程序为例，前期腾讯用研团队派出几十人，花了半个月左右时间，通过线上线下深入到市民和村民中，收集他们过去在办事过程中，有哪些感受不好的体验，包括老人、残疾人可能碰到的问题。上线近一年，粤省事”小程序目前已经可以一站式办理600多项的政务服务，还挂钩了身份证、社保、驾驶证等53种电子证照。目前实名用户已经超过1000万。可以说，粤省事很好地把政府自上而下的任务，与民众自下而上的需求结合起来，成功打通了政务服务的“最后一公里”。

比如，广东是劳务大省，每年春运返乡的外来务工者很多。我们就考虑在“粤省事”推出一个春运专区，来迎合、整合老百姓出行相关的信息，包括航空、铁路、汽运、气象等数据，大家可以在粤省事小程序里实时看到火车、飞机和道路交通的拥堵情况。过去用传统系统，推出一个专区可能需要半年。而今年粤省事的春运专区从萌芽到上线仅仅用了两周时间，这得益于所有产品建立在底层统一的云技术架构上。

未来“粤省事”上还会推出越来越多特色专区。比如少数民族、三农等等。同时，还将有地市特色服务入驻，并加大对水、电、煤、天气、交通等公共服务的集成。今年，省政府给“粤省事”的目标是实名用户注册要突破1500万。随着公共服务的进一步集成和特色体验的不断提升，我们对这个公共服务小程序继续“走红”很有信心。

第三个“痛点”，就是如何通过长效机制，构建大数据驱动的政务管理与服务体系，全面提升政府的履职能力。这是也我们数广团队接下来要深入探索的领域。要消除“信息孤岛”和“数据烟囱”，把地方和部门“深藏闺中”的信息资源实现整合共享，并不是一件简单的事。“数字广东”团队需要对接广东省五十多个委办局，它们有上千个系统，都是几十年积累下来的。要完全打通，难度非常大。这相当于“在奔跑的火车上换引擎”：原来跑的不能碰，不能倒；中间需要再包装、建连接、建新系统对接；再把信息服务连接到老百姓。

过去一年多时间，数广团队已接管了48个厅局的1000多个信息系统，并且已部分迁移上云。下一步要推广到各个地市，设置市级分公司，收集本地化需求，实现本地运维。有些城市比如广州、深圳，已经有很强的信息化系统，还要研究如何对接等问题。还有些城市，则需要帮助它们加强建设。未来，数据治理和服务下沉仍然有很长的路要走。

“数字政府”改革还将着眼于大数据驱动的精益化治理和科学化决策。例如，我们近期就在协助广东省政府建设社会信用体系，完善这一重要的社会治理工具。在“数字政府”改革过程中，数广团队也需要和各个领域的合作伙伴联合创新。目前已对接了700多家合作伙伴，数千人参与建设，逐渐实现了“大平台、小前端、富生态”的集约建设。

早在微信推出之初，腾讯就开始考虑如何把民生公共服务与亿万用户更好的连接。从2014年，广州市第一个开通微信“城市服务”算起，全国目前已经有362个地级市上线微信“城市服务”，累计服务用户5.7亿。同时，目前还有超过3万个微信政务小程序，为9亿多人提供服务。我们感到，政府借助信息化手段探索“转职能，提效能”的改革步伐，正在由浅入深、由表及里、由局部到整体地快速推进。

数字广东项目是腾讯参与政务服务的重要里程碑，让我们对政务服务有了更深刻的理解。目前腾讯还在协助国务院，开发中国政务服务平台的微信小程序”。这个小程序将把全国各部门、各地方的事项汇聚在一起，让部委服务现实全国通办。我们也希望未来在福建推动更多项目，包括助力厦门智慧城市服务体系建设；帮助平潭打造台企台胞登陆的“第一家园示范区”，并推动当地旅游业的数字化升级。

我相信，未来包括“广东模式”在内的中国电子政务“样本”，一定会给全球数字政府建设，带来借鉴意义。谢谢大家！

更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App

微软CEO纳德拉：面部识别技术对社会危害大

Fri, 18 Jan 2019 12:02:01 CST

BI 中文站 1 月 18 日报道

微软首席执行官萨提亚-纳德拉(Satya Nadella)认为，如果一些技术被滥用，那么它们就会对社会形成很大的危害，因此政府应该对它们进行监管。他列出的第一个例子就是面部识别技术。

周一，在该公司总部的媒体邀请会议上，他对满屋子的记者发表了自己的看法。一名记者问他如何看待科技行业即将面临的监管问题。

“我们认为监管问题将会变得越来越复杂。”他补充说。在某些情况下，微软实际上是在呼吁政府采取新的监管措施。

“就拿面部识别技术这个概念来说，它现在太可怕了。这绝对是一场彻头彻尾的竞争。”他说，“这一切都是以竞争的名义进行的。任何赢得交易的人都能做任何事。这对我们这个行业或整个社会都不会有好的结果。更好的做法是制定一些我们大家都可以遵守的规则，这样我们才能保护真正重要的东西。”

温文尔雅的纳德拉并没有点名道姓地批评谁。但他发表这番言论的背景是在亚马逊的 Rekognition 面部识别服务正饱受诟病。

今年 5 月，美国公民自由联盟(ACLU)披露，亚马逊向政府机构提供了 Rekognition 面部识别服务，让政府机构来监督公民。它还写了一封公开信，要求该公司停止这样做。为了证明这项技术对公民自由的危害，美国公民自由联盟在 7 月份报告称，Rekognition 面部识别服务错误地将 28 名美国国会议员认定为曾被逮捕的罪犯。

去年夏季，数百名亚马逊员工向该公司请愿，要求停止销售 Rekognition 面部识别服务。就在本周，由五名亚马逊股东组成的联盟提交了一份决议，呼吁亚马逊停止向政府机构出售 Rekognition。这些股东总共拥有 13.2 亿美元的亚马逊股票。

早在 2018 年 7 月份，在人们针对亚马逊的批评达到顶峰时，微软首次呼吁对面部识别技术进行监管。

去年 12 月，微软首席律师布拉德-史密斯(Brad Smith)在一篇博客文章中再次呼吁监管面部识别技术。他指出，面部识别技术在三个方面非常危险：侵犯人们的隐私，政府以牺牲“民主自由”为代价进行大规模监控，以及科技行业中的种族偏见带来的风险。

在辨别有色人种时，面部识别技术的效果非常糟糕，经常认错人。这种误认可能产生非常严重的后果，特别是在执法部门使用这项技术的时候。

有趣的是，亚马逊不是第一家捣鼓这项技术的公司。Facebook 也在这项技术上引起了争议，比如在欧盟 GDPR 隐私法规生效后，该公司试图在欧洲重新引入这项技术。

而且，早在亚马逊成为焦点之前，微软在面部识别技术问题上也曾遭到批评。

一年前，《纽约时报》报道了乔伊-布兰韦尼(Joy Buolamwini)在麻省理工学院媒体实验室所做的一项研究。她发现三个领先的人脸识别系统——微软、IBM 和中国的旷视科技的人脸识别系统——在识别非白人面孔方面表现得很糟糕。微软对深色皮肤女性的错误率为 21%(而另外两者的错误率为 35%)。

周一，纳德拉承认，每当该公司受到严肃的批评时，它都会认真对待。

事实上，史密斯在去年 12 月的一篇博客文章中第二次呼吁对这项技术进行监管。就在不久之前，美国国家标准研究所(National Institute Of Standard)公布了对这项技术的持续测试结果。测试发现，微软的面部识别技术的水平有了很大提高。

与此同时，提供面部识别技术的公司数量也在激增。在去年 9 月的最后一次测试中，美国国家标准研究所测试了来自全球 39 个开发机构的面部识别算法。

本文链接

AI产品再出发：给产品和CEO们的建议！

Sun, 23 Dec 2018 11:26:51 CST

基于用户画像的商品和服务能够提升平台服务体验并促进服务的个性化、精准化实现，本篇文章为大家详细地讲解了如何运用AI技术构建用户画像。

在帮独角兽企业做产品咨询顾问工作的过程中，多有CEO说：“诗路我要买数据，哪里有卖数据的，我想用我2千万用户的手机号去碰撞数据”。

我常问您要用手机号碰撞数据，碰撞出来的用户偏好还是第三方的，也不是您平台的用户行为，更不能在你的场景业务形成交易落地。然后CEO们会追问诗路：“您说我该怎么做？还有我的产品经理不懂AI，格局不够，您看我要换吗？”。

本文就以上问题，如何实现AI背景下的用户画像，以及如何看待所谓的“产品经理的能力下滑”等两方面问题做出实践回答。通过实现AI助力的用户画像产品经理就不在仅仅是个只知道用户画像、标签、属性、表的概念，而是能够带领团队以身作则实现产品的需求，进而赢取用户。

第一个方面：运用AI技术构建用户画像

大数据和AI技术的发展驱动着商品和服务向着个性化、精准化方向发展。基于用户画像的商品和服务能够提升平台服务体验并促进服务的个性化、精准化实现。

用户画像又称用户角色作为一种勾画目标用户、联系用户诉求与设计方向的有效工具用户画像在各个领域得到了广泛的应用。目前由于用户画像能够精准、快速地分析用户的行为习惯、需求意愿为商品和服务提供重要的数据基础因此基于用户画像的个性化推荐商品和服务系统已经走上产品舞台的中央。淘宝为构建用户画像给一个用户的标签维度数量高达2W以上。

在构建用户画像这段会运用大数据技术、语义网技术和AI技术将平台的商品和服务各种类型资源信息构建为基于语义关系的、具有复杂关联网络的知识图谱并开展以知识图谱为基础的智慧化、个性化商品和服务。

用户的浏览、交易行为全部能够映射到知识图谱之中通过用户行为在知识图谱中的全部映射参考用户所在行业和领域的群体行为在知识图谱中的映射即可建立平台的用户画像。

第一步：用户画像建模

对于一个商品和服务平台中的用户画像的建模主要通过获取用户的浏览行为背景、交易情况、相似用户需求趋向相关的信息并将这些信息进行模型化表示从而提取出用户需求偏好和趋向。

用户的性别、年龄、公司、学历等静态数据构成了用户的基本信息。用户交易信息、浏览信息、订单信息、检索、下载、收藏、点赞、网络环境切换等动态行为轨迹构成了用户行为历史数据。

用户所属的行业和领域的群体行为轨迹又给个体用户提供了行业背景的动态模型。将这些静态数据和动态数据分为用户基本信息、用户浏览历史、用户行业背景3类，每个类别包含多种不同的用户行为轨迹这些共同构成了用户画像层次模型见下图：

在这3类模型标签的基础上进一步确定预测标签可归纳为：用户属性、用户关注的商品和服务、用户偏好的商品和服务。

这3种预测标签可进一步指导用户在商品和服务平台上设立用户个性化服务空间甚至是C2M的客制化电商模式按照用户的属性、用户的关注领域和用户偏好分别推送典型的商品和服务资源。

第二步：运用层次分析法决策

层次分析法（Analytic、Hierarchy、ProcessAHP）是将与决策有关的元素分解成目标、准则、方案等层次在此基础上进行定性和定量分析的决策方法。

运用层次分析法首先要建立递阶层次结构然后构建判断矩阵、计算权重值并分析决策过程。

（一）建立递阶层次结构

在上面LineLian图所示的层次结构中个体用户画像S是目标层定义模型最终需要解决的问题用户基本信息T1、用户浏览【埋点】信息T2、用户行业偏好背景信息T3是准则层定义使用方案层的方法是解决目标层的问题所需要的中间环节其中T3又进一步细分为用户群体画像U10和群体标签画像U11性别U1—点赞、收藏、分享U9以及重点机器埋点交易V1—点赞、收藏、分享V10是方案层定义了为达到目标层的定义而采用的方法和措施。

（二）构造两两比较判断矩阵

构建判断矩阵的过程就是对因素之间的重要程度进行量化的过程。判断矩阵采用1一9量化指标构造用户属性相对矩阵。构造同层次因素间的判断矩阵计算出矩阵的最大特征值及其特征向量并进行一致性检验。

构造两两比较判断矩阵时可以由产品+行业领域专家对全局统筹把握将两两因素之间的重要性分为同等重要、稍微重要、明显重要、强烈重要以及极端重要5个等级并且用相应的数字进行标注。

例如，对LineLian图中的个体用户画像S来说用户基本信息T1、用户浏览历史【埋点】信息和用户行为偏好信息T3的两两比较判断矩阵S为：

S=【1 1/5 1/3

5 1 2

3 1/2 1 】

计算矩阵的最大特征值和特征向量其中特征向量对应着不同因素的排序。AHP对判断矩阵是否具有完全一致性提出了数学化的指标：一致性指标C.I.（ConsistencyIndex）。AHP认为C.I.反映的是判断矩阵偏离一致性的程度C.L值越大该矩阵偏移一致性的程度就越大反之越小。C.J.=λ-n/n-1C.I的值越大矩阵的不一致性越严重其中λn为判断矩阵S的最大特征根。

为了衡量n与一致性的关系AHP引人了平均随机一致性指标R.I.（Random Index）。R.I是与n相关的离散函数不同的n值对应不同的R.I。

AHP利用这两个衡量判断矩阵一致性的指标：C.I.和R.I.引人了第三个指标——随机一致性比率C.R.（ConsistencyRatio）。C.R=C.I/R.I当C.R&lt0.1时认为矩阵具有满意的一致性反之则要重新构造矩阵直至满足C.R&lt0.1为止。

（三）计算权重值

将各因素的两两比较判断矩阵权重与上一层次因素指标权重相乘从而计算出这个因素指标权重的合成。如：分享商品或服务页面合成权重=用户浏览历史权重X分享页面权重以此类推计算出各项指标的合成权重。

小结：分析决策

经过以上三个步骤，就可以根据建构的问题模型得到相应的底层因素的权重值。再通过分析、比较将数学判断与专家决策人的相关经验相结合最终即可形成决策方案。

第三步：用AI技术中的知识图谱-基于向量空间模型的用户画像

用户画像能够表示用户对商品和服务相对稳定的兴趣需求它反映了用户在一段时间内对商品和服务资源需求的主要倾向。随着用户交易行为的按照时间序列的记录和用户反馈的修改用户画像不断地动态调整。

用户画像对用户商品和服务兴趣的表达主要有3种方式：概念表示法（如轻食、文创）、关键词表示法（莫斯利安、全家、拿铁、脏脏包）和向量空间模型表示法。基于AI项下知识图谱的用户画像是采用向量空间模型表示法来表示用户对商品和服务偏好与倾向的。

（一）向量空间模型

向量空间模型由Gerald Salton等在20世纪60年代提出并成功地将其应用于著名的SMART文本检索系统。他是把对文本内容的处理简化为向量空间中的向量运算并且他以空间上的相似度表达语义的相似度直观易懂。当商品被表示为商品空间中的向量就可以通过计算向量之间的相似性来度量商品间的相似性。文本的处理方式中最常用的相似性度量方式是余弦距离。

若把商品表示为商品空间中的向量则首先要假设商品中每个字或图在商品中的作用是相互独立的。根据贝叶斯假设商品可以由其中的字或图的集合代替这些字和图即被称为商品的特征项。

设商品d1中的特征项为ki其权重用wij表示则确定值的最常用的 算法之一是TF-IDF方法。其中TP（词频）表示关键词在文档中出现的频率。其是对词数（Term Count）的归一化防止它偏向长的文件。对于在某一特定文档d1中的关键词ki来说它的重要性可表示为：

TFij=fij/∑（h）fh+j （1）

其中，f ij 表示关键词ki在商品d1中出现的次数，∑（h）fhj表示商品dj中所有描述词语出现的次数之和。

IDF（逆向文件频率）是对一个词语普遍重要性的度量。某一特定词语的IDF可以由总文件数目除以包含该词语的文件的数目加1再将得到的商取对数得到。

IDFi=㏒N/1+ni （2）

这样利用TF-IDF算法得到的关键词ki的权重就可以表示为

Wij=TFij*IDFi （3）

（二）向量空间模型表示的用户画像

在用户画像层次模型中用户的浏览历史和用户的标签偏好背景中的各项指标都可以借助向量空间模型来表示。个体用户LineLian的终端机器交易、小程序交易、检索数据库、浏览网页、点赞、收藏分享等网络行为群体用户的终端交易、小程序交易、检索数据库、浏览网页、点赞、收藏分享等网络行为轨迹可以根据用户浏览历史活动列表来表示。

例如用户LineLian购买了m份麦隆咖啡那么用户LineLian咖啡品类的向量空间模型Tj={&ltkj1wj1&gt&ltkj2wj2&gt…&ltkjmwjm&gt}由&lt词，权重&gt对组成。

利用层次分析法可以计算出这些类别商品运营活动的各项指标的合成权重值，例如：分享某商品合成权重=用户浏览历史权重X分享商品权重。由用户LineLian的分享商品的向量空间模型Tj中的各项词向量权重值wjm X分享商品合成权重值就可以得到用户LineLian的分享商品的用户画像的向量空间模型TDj。

以此类推计算出用户LineLian各项商品运营活动的用户画像向量空间模型。

（三）时间上下文【时间序列】

在分析用户的历史浏览行为时时间是一种重要的上下文信息。一般认为用户最近这段时间的浏览行为的权重要高于用户早期的浏览行为的权重因此我们将时间上下文因素考虑进来。

将时间序列因素融合到用户的兴趣模型中的方法。用f（t）表示时间衰减函数，代表每次商品运营行为所占的权重，f（t）的公式为：f（t）=1/1+α（T-t），其中α为时间哀减参数T表当前时间t表示用户发生该商品分享行为的时间T-t表示用户该分享行为发生至今的时间长度单位为天f（t）表示经过了T-t时间段衰减后的值其取值范围是0~1f（t）随着时间差值的增大而减小且减小的速率越来越小。

融合了时间上下文因素后用户LineLian各项商品分享活动的用户画像向量空间模型中的每一个词向量的权重值都要乘以发生这一行为对应的时间衰减函数f（t）才能得到该用户的融合了时间上下文的用户画像向量空间模型。

（四）群体用户画像

在建构用户画像层次模型时将用户的行业和偏好背景因素也看作用户的一种属性特征而行业背景和偏好背景也是可以通过该行业所有用户的历史浏览轨迹来表示的。因此在用户画像的构建中实际构建了群体用户画像和个体用户画像两种模型。

在构建群体用户画像时属于这个群体的每一位个体用户的各类历史浏览行为都参与了这个群体的对应类别的群体画像因素合成。例如某一行业白领有n位用户用户LineLian分享商品的用户画像的向量空间模型为TDj则这一商品用户群体分享商品的用户画像的协同向量Pj=&ltLineLian1LineLian2…LineLiann&gt。

以此类推计算出所有用户群体的各项商品的群体用户画像向量空间模型。

群体用户画像中各类别商品服务的各项指标在整个用户画像中本指标所占的权重值也可以通过层次分析法来计算获得。例如：某类目商品被分享合成权重=某类目用户分享商品历史权重X某行业分享权重由该专业用户LineLian的分享的向量空间模型Tj中的各项词向量权重值wjmX某类目行业分享合成权重值就可以得到该专业用户LineLian分享某商品的用户画像的向量空间模型TDj。

同样群体用户画像也要融合时间上下文因素。用户LineLian各项交易点赞收藏分享活动的用户画像向量空间模型中的每一个词向量的权重值都要乘以发生这一行为对应的时间衰减函数f（t）才能得到该用户的融合了时间上下文的用户画像向量空间模型。

（五）用户画像的分类

在实际运用用户画像来预测用户的购买需求和行为时要考虑不同类型的商品和服务资源所具有的特点。服装、文创类的资源内容具有很强的时效性、具体性、专业性而食品、轻食饮料的内容具有一定的基础性、系统性、普遍性。

因此对于食品、轻食饮料的推荐策略与对服装、文创资源的推荐策略应该是不同的。对食品、轻食饮料的推荐应该以个人及群体的交易记录和复购书记录为主参考而服装、文创等资源的推荐策略则应该以个人检索、浏览、分享、点赞、收藏的记录为主参考同时参考关注过相关主题的其他用户的记录。而关注过相关主题的其他用户的记录可以采用协同矩阵来分析。

设n个用户的阅读历史表示为矩阵M：

M=【θ11 θ12 …θ1m

θ21 θ22 …θ2m

… … … …

θn1 θn2 … θnm】

其中M是nXm维矩阵每行代表特定用户的分享（或者检索、浏览、收藏）历史每列代表特定商品被分享（或者检索、浏览、收藏）的记录矩阵中元素在{01}中取值。如θjp=0代表用户LineLian没有分享过商品Ap（p=12…m）而θjp=1代表用户LineLian已经分享过商品Ap。

根据矩阵M中的行向量使用余弦相似度方法计算用户之间的相似度值其公式如式（5）所示：

Simab=（p=1 …m）∑θap*θbp/‖Ma‖.‖Mb‖ （5）

其中Simab表示用户LineLian与用户Line之间的余弦相似度值Ma=〈θa1θa2…θam〉表示用户LineLiana（a=12…m）的浏览历史；Mb=&ltθb1θb2…θbn&gt表示用户Lineb（b=12…n）的阅读历史；‖Ma‖和‖Mb‖表示欧氏距离。

根据式（5）计算出与用户LineLian相似度值超过某一阈值的用户定义为用户LineLian的相似用户组成协同向量Pj=&ltlinelian1linelian2…&gt。

由此同一位用户的用户画像在实际应用时可以分类为两个不同的模型一个模型用来计算食品、轻食饮料的具体SKU个性化兴趣趋向另一个模型用来计算服装、文创的行业个性化趋向。这些用户画像的构建就为商城提供用户个性化资源推荐的服务奠定了数据基础。

第四步：用户画像本体的构建

上面讲了运用向量空间模型来构建用户画像得出了用户画像的向量空间模型它是一个向量词及词频的集合。对比于个性化的用户画像一般商城平台运用大数据技术、语义网技术和人工智能技术将商品库的各种类型信息资源构建为一个基于语义关系的、具有复杂关联网络的、由领域本体扩展的知识图谱。

这个知识图谱中的概念囊括了用户画像中的所有高频向量词并且这个知识图谱中与用户画像中的高频向量词对应的概念之间还建构了基于语义的复杂知识关联。

因此用户画像的向量词可以在领域知识图谱中找到对应的概念反之从领域知识图谱中抽取与用户画像相关的概念并映射到用户画像的向量词之间就构建了个性化的用户本体这个用户本体用来表示用户的偏好画像从而形成用户画像结构图。

第五步：领域知识图谱的建构

下面我们借用知识图谱的技术构建用户画像知识图谱，是将商品库、商品评价、用户会话文本作为命名实体识别的对象，然后按照知识图谱构建的技术流程。

第六步：综合建立知识图谱与用户画像的映射

第一部分：基于AI知识图谱的用户画像的优势：

相比于传统的标签式用户画像将知识图谱引入到用户画像中，不仅可以增强关键词向量中关键词之间的相关性还可以为个性化知识服务系统的用户建模提供一个新的研究方向：建构用户画像知识图谱。

用户画像的知识图谱是一种基于领域知识图谱的用户模型通过对领域知识图谱进行映射获取用户画像知识图谱利用领域知识图谱中的概念来对应用户画像中的概念并通过对用户的搜索、分享、浏览、收藏、点赞等过程进行分析不断完善用户画像的知识图谱实现用户个性化推荐商品或服务。

第二部分：产品经理能力下滑及应对策略：

又到了一年一度的圣诞时节也是各个公司加班加点工作的时节。有CEO兼产品经理问笔者：“有哪家咨询公司可以为上市 10 年的品种做产品营销策略和市场活动的规划报告?”“这应该是产品经理自己做的呀为什么找外人呢?”笔者LineLian第一反应是这句话。

“现在做产品经理太难了。老板要求我们写的产品计划既要囊括2018又要兼顾2019既要尊重迭代功能还要迎合创新。我们想了半天决定找您来做您的水平比我们高看看搞出来的东西到底怎么样。”他们说出了本意。

最近，有种声音说：“如今产品经理的水平与 10～20 年前相比似乎有下降趋势。”

原因有客观的外部因素也有主观的内部因素。先说 客观环境因素：

第一，信息传播途径大变样。之前的产品经理多来至于行业专家，自从有了人人都是产品经理这一概念之后，大家觉得没工作的就可以干产品经理。

第二，行业的关注点大变样。之前产品经理定产品的方向，产品营销策划的战略，现在的产品经理是告诉他做一个具体功能。实现具体的需求。

第三，科技网络行业政策变化快从PC互联网到移动互联网再到物联网人工智能，就连公司本体都没有反应过来，关门的关门倒闭的倒闭。更别提为了生存的产品经理没适应了。

再讲 主观内部因素：

第一，在每个人都似乎可以做产品经理的渲染下，产品经理人职背景两极分化。一种是要求高学历硕士博士毕业、MBA这类人士专业化知识不容置疑与专家打交道时谈笑风生但做出来的计划不接地气开发人员难以理解执行大打折扣。另一种是各个学院应届毕业生之前没做过没有经验但“照猫画虎”能力强PPT 专业漂亮可开发人员多以 “需求不清晰”为借口对其制定的产品策略置若罔闻。

第二，工作积极性得不到有效激励。国内老板总认为产品经理能力无法量化考核以产品版本迭代次数、功能板块为依据有“不看功劳看苦劳”的嫌疑。因此制定的工资方案无法激励产品经理真正有能力的人会跳走。

第三，产品经理能力提升紧迫感不够足。每年也安排几次外出参加培训或者请人做内训之后呢?很少有管理者意识到如何将这些知识点合成为公司独具特色的样本并且有效评估产品经理技能在考核中有效区别对待混日子与竭尽全力、悟性差与有灵性的产品经理。

分工太细所致：

LineLian很欣赏这种说法：产品运营既是 Science 又是 Art对市场的洞察既靠 Data也要凭 Sense乃“理智与情感”的协调统一不能偏废。

如今做产品AI、大数据似乎不缺每个SKU的销售额、市场份额数据都很容易获取依据这些数据分析出的报告、文献每天都在更新产品经理可检索到的资料、信息更是丰富多样为什么大家会认为产品经理的专业水平有下降趋势呢?

其中一个原因或许是分工所致。从前大多数公司的一个或几个品种由一个产品经理负责看文献、做 PPT、沟通专家、写计划、做运营活动都是一个人现在大多数产品这些事务由几个产品经理各自去做。如此产品经理个人显示出来的水平仅限于局部整体评价当然不如移动互联网刚兴起那会威风八面。

当然在当前状况下产品经理如何做出C位也不是没有机会。笔者LineLian建议两手抓，一手抓产品观点，培养产品方向Sense。例如，前天帮一家CEO做产品顾问，CEO说您看看OFO和共享单车这个赛道一塌糊涂，您看看瑞幸咖啡门店几个人完全不如一点点的排队情况。您再看看锤子手机快玩完了。

最后：我问了这位CEO一句话：“您看到这些产品的共性是什么？”，他说：“你说说看”，我说：“这些产品的共性是没有抓住极简，均知道做加法不知道做减法，当年锤子有17亿现金在手，老罗说要一年发布4部手机，老年机、少女机、儿童机等等，瑞幸是没有想透彻究竟是先做好线下门店还是线上”。

另外一方面要抓细节，谁说产品经理不能懂技术了？谁说产品经理和开发是天敌了？产品经理要懂细节，产品的细节包含技术的实现最好都懂，但不一定自己有时间写而已。

所以，无论AI技术多么复杂，算法有多么深不可测，我们要做的事是针对需要的算法驾轻就熟，平日训练有素做一个有深度的产品经理，难时上战场迎艰攻难。然后输出的产品目标只有一个：简单到无法再简单，简单到无法被超越。就能做到应对寒冬，AI才能助产品无惧未来！

#专栏作家#

连诗路，公众号：LineLian。人人都是产品经理专栏作家，《产品进化论：AI+时代产品经理的思维方法》一书作者，前阿里产品专家，希望与创业者多多交流。

本文原创发布于人人都是产品经理。未经许可，禁止转载。

题图来自Unsplash，基于CC0协议

京东组织架构大调整：划分为前中后台，各负责人均向轮值CEO徐雷汇报丨钛快讯

Fri, 21 Dec 2018 21:53:00 CST

钛媒体快讯 | 12月21日消息：京东内部宣布新一轮组织架构调整，新一轮架构调整将此前的三大事业群“按照业务模式和业务场景进行调整”。

这份京东公告显示， 在新的组织架构下，京东将以客户为中心划分为前中后台，前中后台各负责人均向京东集团CMO、今年7月起兼任京东商城首任轮值CEO徐雷汇报。

前台部门主要围绕C端和B端客户建立灵活、创新和快速响应的机制。包括平台运营业务部（包括原平台运营业务部、平台业务研发部与微信手Q业务部）、拼购业务部、 生鲜事业部（将7Fresh并入原生鲜事业部）、新通路事业部和拍拍二手业务部，分别由韩瑞、侯艳平、王笑松、郑红彦、王永良负责。
中台部门按照业务场景和业务模式进行调整， 成立3C电子及消费品零售事业群（包含原3C家电、消费品、全球购等业务），由闫小兵负责； 成立时尚居家平台事业群（包含原时尚、美妆、Toplife等业务），由胡胜利负责； 成立生活服务事业群（包含原生旅、拍卖及其他虚拟、O2O相关等业务），由辛利军负责。
后台部门则成立CEO办公室，将增长及管理提升部并入，另外承担重大组织及业务变革的整体协调；商城各业务部门经营分析职能由商城财务部实线管理，业务部门虚线管理。商城各业务部门HRBP团队由商城人力资源部实线管理，业务部门虚线管理。

前台的核心是对市场和客户行为深刻洞察，服务客户的产品创新和精细化运营；而中台为前台业务运营和创新提供专业能力的共享平台职能；后台指为整个商城提供基础设施建设、服务支持与风险管控的职能。

至于调整的原因，公告中提到，在经历了超过十几年的高速发展之后，整个行业正在迎来巨变：人口红利的消失需要京东更加精细化的满足客户需求、技术和商业模式的演进，需要京东持续不断的创新、竞争环境的变化，需要京东有更加敏捷和灵活的响应机制，所有这些都对京东的组织能力提出了更高的挑战和要求。

实际上，在今年年初，京东就已经做过一轮组织架构调整。

1月11日，京东集团董事局主席兼首席执行官刘强东发内部邮件，宣布京东商城将组建大快消事业群、电子文娱事业群和时尚生活事业群，并分别任命原生鲜事业部总裁王笑松、原家电事业部总裁闫小兵、原3C文旅事业部总裁胡胜利为三大事业群总裁并升任京东集团高级副总裁，直接向刘强东汇报。

围绕今次年内第二次架构条恒，京东方面称，商城已正式确定“以信赖为基础，以客户为中心的价值创造”这一经营理念，本次架构调整亦以实现“有质量的增长”为目标，确保组织能力顺应变化。

以下为京东内部信全文：

关于京东商城组织架构调整的公告

京东集团的全体同事：

即将过去的一年，相信大家都感受到了内外部环境的剧烈变化，在大家的共同努力之下，商城的核心业务保持了稳健的发展，但我们也必须看到：在经历了超过十几年的高速发展之后，整个行业正在迎来巨变：人口红利的消失需要我们更加精细化的满足客户需求、技术和商业模式的演进需要我们持续不断的创新、竞争环境的变化需要我们有更加敏捷和灵活的响应机制，所有这些都对我们的组织能力提出了更高的挑战和要求。

为了迎接新的挑战和变革，商城正式确定了“以信赖为基础，以客户为中心的价值创造”这一经营理念，这条经营理念将成为我们接下来“业务决策的标准、资源分配的依据、绩效考核的导向和组织文化的核心”，是商城经营活动的基本原则和红线。在这条经营理念的指导下，商城将以“实现有质量的增长”为目标，不断为社会、行业和客户创造价值！为了将经营理念持续的践行到商城的经营活动及全体同事的行为规范当中，使得我们真正成为一家以客户为驱动的商业体，京东商城将正式进行组织架构的调整，以确保组织能力顺应变化。

在新的组织架构下，京东商城将围绕以客户为中心，划分为前中后台，其中：

前台：指离客户最近，最理解和洞察客户需求和行为，最终实现和提升客户价值的职能。其核心能力是对市场和客户行为深刻洞察，服务客户的产品创新和精细化运营；
中台：指为前台业务运营和创新提供专业能力的共享平台职能。其核心能力是专业化、系统化、组件化、开放化；
后台：指为整个商城提供基础设施建设、服务支持与风险管控的职能。其核心能力是专业化、服务意识与能力。

据此，经集团管理层批准，特调整如下：

前台部门：主要围绕C端和B端客户建立灵活、创新和快速响应的机制。

成立平台运营业务部，整合原平台运营部、平台产品部、平台业务研发部与微信手Q业务部，负责线上渠道场景的精细化运营，任命韩瑞先生为负责人，向徐雷先生汇报；

成立拼购业务部，负责拼购业务的发展、探索社交电商的创新模式，任命侯艳平女士为负责人，向徐雷先生汇报；

整合生鲜事业部并入7 Fresh，通过线上线下相结合为用户创造最佳的客户体验，任命王笑松先生作为负责人，向徐雷先生汇报；

新通路事业部由郑宏彦先生负责，向徐雷先生汇报；

拍拍二手业务部由王永良先生负责，向徐雷先生汇报。

中台部门：主要通过沉淀、迭代和组件化地输出可以服务于前端不同场景的通用能力，不断适配前台。

事业群按业务模式和业务场景进行调整：

成立3C电子及消费品零售事业群，强化自营品类的核心竞争力，包含3C家电、消费品、全球购等业务，任命闫小兵先生为群负责人，向徐雷先生汇报；

成立时尚居家平台事业群，专注于以POP开放平台为主的品类发展，包含时尚、美妆、Toplife 等业务，任命胡胜利先生为群负责人，向徐雷先生汇报；

成立生活服务事业群，专注于生活服务类业务及虚拟业务为主的品类发展，包含生旅、拍卖及其他虚拟、O2O相关等业务，任命辛利军先生为群负责人，向徐雷先生汇报；

中台研发调整为两个部门：技术中台和数据中台，均由黎科峰先生负责，向徐雷先生汇报；

商城用户体验设计部服务和支持所有部门的业务，属于中台属性，由刘轶先生负责，向徐雷先生汇报；

为了更好的支持业务发展，将各业务部门的市场职能进行集中管理，由商城市场部统一提供支持；

后台部门：主要将为中前台提供保障和专业化支持。

成立CEO办公室，将增长及管理提升部并入，另外承担重大组织及业务变革的整体协调；商城各业务部门经营分析职能由商城财务部实线管理，业务部门虚线管理。商城各业务部门HRBP团队由商城人力资源部实线管理，业务部门虚线管理；

各位同事，栉风沐雨，薪火相传；筚路蓝缕，玉汝于成。希望大家能够积极拥抱变化，时刻以满足客户需求为己任，充分践行我们“正道成功、客户为先、只做第一”的核心价值观，发扬创始人和主人翁精神，协同聚力、积极进取、开拓创新，为实现商城有质量高速增长的目标贡献力量。

本公告自发布日起生效。

京东集团人力资源部

2018年12月21日

更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App

文因互联CEO鲍捷：确保搞砸人工智能项目的十种方法

Mon, 20 Aug 2018 17:28:00 CST

鲍捷博士于5月10日在将门创投的线上 talk 中盘点了人工智能项目的大坑小坑，选出了看上去非常反常识的十个经典坑。

这是一篇大实话合集，但别绝望，最后将会放出从二十年踩坑经验中总结出的彩蛋，共勉。

作者介绍

鲍捷博士，文因互联 CEO。拥有20年学术界和工业界的相关经验。美国Iowa State University人工智能博士，RPI博士后，MIT访问研究员，W3C OWL(Web本体语言)工作组成员，前三星美国研发中心研究员，三星问答系统SVoice第二代系统核心设计师。主要研究领域涵盖人工智能的诸多分支，包括机器学习、神经网络、数据挖掘、自然语言处理、形式推理、语义网和本体工程等，发表了70多篇领域内相关论文。是中文信息学会语言与知识计算专委会委员，中国计算机协会会刊编委，W3C顾问会员会代表。2010年以来关注金融智能化的研究和应用，成果有XBRL语义模型，基于知识图谱的基本面分析、金融问答引擎、财务报告自动化提取、自动化监管等。

以下为演讲原文：

鲍捷博士：我今天的题目是《确保搞砸人工智能项目的十种方法》，按照这十种方法，基本上可以搞砸项目。（笑）

之所以能够讲这个题目，是因为我自己之前也搞砸过很多项目，下面列表里超过一半的项目最后是失败的：

我开始想，为什么大部分的项目最后做不成？

我经历了好几次很痛苦的时刻，比如刚到RPI（伦斯特理工学院）做博士后，这个学校有全美做知识图谱最好的实验室，实验室的James Hendler和Deborah Mcguinness，都是这个领域最好的老师。

我在那里做了一个知识管理系统，在我看来，我们是世界上最好的语义网实验室，也是最专业的一群人，不用这个技术来武装自己好像说不过去，所以我就做了一个语义检索系统，但是后来没有人用。

我就在反思到底问题在哪，为什么这行真正最好的专家，做出这样一个系统，连自己都不用？

我不停地在想，人工智能项目失败的核心原因到底有哪些？

当然，后来经历了更多的失败。基于这些直接或者间接失败的经历，我逐渐总结出来确保一个项目会失败的一些原因。这些原因很多时候看起来是反直觉的，我会逐一地跟大家讲。

在最后，我也会总结如果想要避免这10个坑，应该做什么。

NO.1 一下子砸很多的钱

第一种确保你的项目失败的方法：一下子砸很多的钱。

我目前也在创业，有VC问我：“你们做的这个事，如果BAT砸很多的钱，是不是就一下子能赶上你们？”

我说不会，通常举的例子，就是日本的五代机。当初日本举全国之力，砸了几百亿日元，最终没有做成。

五代机是什么？1970年代末是人工智能的第一次冬天开始回升的时候。80年代开始进入人工智能第二个高峰。这时候，日本启动了一个新的项目，叫第五代计算机。

什么叫第五代计算机？前四代计算机，分别是电子管的、晶体管的、集成电路的，和大规模集成电路的。日本到第五代计算机的时候，他们认为要想做人工智能，就必须用人工智能的专有硬件。

（《知识信息处理系统的挑战：第五代计算机系统初步报告》中第五代计算机系统概念图）

这个话是不是听起来很耳熟？最近在做深度学习的时候，看到了很多关于深度学习芯片的想法。这个想法并不新，因为在30年前，日本人在五代机的计算里，就已经有这样的想法了，只是当时的人工智能芯片，不是现在深度学习的芯片，而是Prolog的芯片。

Prolog是人工智能的一种语言，主要是一种逻辑建模语言。如果能够用Prolog来建计算机，计算机就可以进行思维，可以处理各种各样认知的任务。这是一个非常大型的国家项目，最终花了几百亿日元，耗掉10年时间以后，在1992年，终于胜利地失败了。

这不是个例，很多大型的项目，最后都失败了。

一开始砸很多钱，为什么还会失败？你要想，做一个项目，通常是有目标的。当你有一个大预算的时候，你的目标通常也定得很高。像五代机的目标，不单当时是做不到的，三十年后的今天，也是做不到的。

虽然五代机失败了，但是日本的人工智能技术，在五代机的研发当中得到了很大的提升，所以到了20年后，语义网兴起的时候，日本的语义网研究水平还是相当好的，那些钱没有白花，它培养了很多的人才。

在日本做五代机的同时，美国也有类似的研究，主要是LISP machine，LISP是人工智能的另外一种语言，也是逻辑建模的语言。其中有一个公司叫think machine。当时至少有100家LISP公司。

为什么单独要提到think machine？创始人在失败之后沉寂了一段时间，开了一个新的公司叫MetaWeb，MetaWeb是2005年的时候成立的，这个公司有一个产品叫Freebase，用Wikipedia做了一个很好的知识库。

2010年这个公司被谷歌收购，改名叫谷歌知识图谱。所以今天谷歌的知识图谱有很多历史渊源，可以追溯到30年前LISP machine的研究里面。

罗马不是一天建成的，所以一下子砸很多钱，就会导致项目的目标过高，从而导致这个项目有极大的失败概率。

我曾经遇到过一个大型国企的人，他跟我说，他们要花3000万建一个企业内部知识管理系统。我就问他，你那个3000万是怎么投的？他说我第一年就要投3000万。然后我没说话，因为我的想法是这个项目一定会失败。后来这个项目的的确确失败了。

也有一些大公司投比这还多得多的钱来做AI项目。这些都不一定让事情更容易成功。

这是第一种方法，一下子砸很多钱。

NO.2 根据最新论文来决定技术路线

第二种方法：根据最新的论文来决定技术路线，这可能也是一个反常识的事情。

因为最新的技术不是最好的技术，要注意，在工程领域里面，通常面临着实际的约束来解决问题的。而论文是一种实验室的环境，是不一样的。

比如说实验室里，可以假设有一些数据，可以假设这些数据已经被集成了，被清洗了，是没有噪声的。可以假设目标是清晰的，但所有的这些假设在现实中都不一定成立的。

最好的例子，就是信息抽取，这是2013年的EMNLP上的一篇文章，我拆出来的图。

这个图告诉我们做NLP的论文和实际的工业系统所采用的技术路线有什么不一样的地方。

从2003年到2012年整整10年，学术界所发表的自然语言处理论文的实体抽取子领域里，完全用机器学习的方法论文占到了75%，混合机器学习和基于规则的方法论文占到了21%，完全只用规则方法的论文，只有百分之一点几，非常低的比例。但是当看到工业界的实际应用的时候，发现了完全不同的技术占比分布，用规则方法的占到了45%。

如果光看大型的供应商，比如说IBM这样的公司，67%的软件是完全基于规则方法的。完全基于统计方法即machine learning方法的软件，在所有的供应商那里占33%，在大型的供应商那里只占了17%。

所以从学术界的研究到工业界的实践，有一个非常巨大的差异。为什么会有这样的差异？就是我刚才提到的，在发表论文的时候，完全不需要考虑现实中所会遇到的那些约束条件。在知识提取、实体提取领域，尽管现在从理论上来说，已经解决了，比如说实体识别问题、NER问题、分词问题，但是到了真正现实的语料中，发现这些方法都不好用。这也可以用另外一个问题来验证这一点，就是问答系统。

今天看到大部分的论文——我没有做精确的统计，只是基于模糊定性的看法——能看到大部分发表的问答系统的论文都是基于统计方法的。特别是这两年基于NLP的方法，尤其是基于端到端的方法的。无一例外，能够真正在工业中应用起来的问答系统，除了小冰这样的闲聊系统之外，真正的面向解决任务型的问答系统，全部都是用规则系统的。我还不知道哪一个是用深度学习的，当然也可能有用在某一个具体的细节，或者某一个组件上面，我没有见到过用于整体架构上。

所以当决定一个工程问题技术路线的时候，不一定要按照最新的论文趋势来做这件事情，甚至，论文和十年之后的技术都不一定有相关性。一定要根据现实的情况，根据现实的约束，来决定技术路线。

NO.3 脱离真正的应用场景

第三种方法：如果脱离了真正的应用场景，项目就注定会失败。

这里我用OWL2来说明。OWL2是一种语言，对于做语义网的同学们很熟悉了。

在Web上所知道的所有的这些标准化的格式，比如说HTML都是W3C，即万维网联盟设计的。万维网联盟也会负责Web上其他的协议，其中有一个协议叫OWL。它是在讲，在互联网上如何表达我们的知识。

比如说，一个餐馆要发布它的菜单，该用什么样的格式来发布？或者我现在要在网上发布我的简历，希望被谷歌更好地检索到。我要告诉谷歌，我是一个人，我姓什么，叫什么，出生年月是什么，我应该用什么样的格式发布这样的数据。其中一个格式就是OWL。OWL的第一个版本在2004年发布，第二个版本是在2010年发布。

OWL WORKING GROUP比较活跃的工作组的成员里面，有相当多的知名大学的老师，还有一些知名公司的科学家，包括IBM、Oracle、惠普。你们注意到，我刚才提到这些大公司的时候，有一些名字没有出现，比如说谷歌和Facebook。

OWL2本来希望想做的事情，是设计如何在网上表达并发布日常生活衣食住行信息的。但是，最终工作组成员的构成，一种是大学研究人员，另外一种是大公司做企业级应用的，大部分是远离场景的。

最终设计出来的产品，也就是OWL2语言，脱离了真正想去服务的那个场景。OWL WORKING GROUP在开会的时候，写了大概好几十个应用案例，但是大部分的案例都是这样的：一个制药公司要做一个药，应该怎么表达制药的知识，或者一个医生如何表达病历、疾病或基因，大体上都是这样的应用。没有任何一个案例是在讲述在网上如何找一个朋友，或者如何跟朋友聊天，或者如何去订餐，日常生活中的案例都是没有的。

OWL2最终写出来以后，有600页纸，这是一个非常复杂的语言。事实上，也就是在一些少量的企业级应用里面被用到了，在真正的日常应用当中，成功的案例几乎没有。这就是个典型的脱离了应用场景的项目，所以这个项目，花了很多钱，最终没有达到真实想达到的目标。

NO.4 使用过于领先的架构

第四种方法，使用过于领先的架构。

这也是跟前面第二种方法相呼应的，第二种方法说，你不能根据最新的论文来决定你的技术路线。第四种方法是在讲，如果你使用了一种特别先进的架构，反而有可能导致你的项目失败。

Twine在2007年被称为世界上第一个大规模的语义网的应用。当时是一个明星企业，这个公司到了2010年的时候关门了。为什么？Twine在成立的时候，想做一个语义书签的应用。比如说我读了一篇文章，我觉得很好，把它保存下来，留着以后再读。Twine的机器人就会分析我保存下来的这篇文章到底在说啥，然后给这个文章一个语义标签。如果有人订阅了我的标签，他就可以不断地看到我这个标签下收藏的好东西，就这么一个想法。

Twine在底层用了一个叫RDF的新数据库，RDF是一种语义网的语言，比关系数据库增强很多，它是可以进行推理的数据库。但是当Twine用户量达到200万的时候，它就遇到了一个瓶颈，数据库的性能不够。所以Twine的CEO就决定，开发一个新的数据库。

当时这个公司大概是40个人，用20个人来研发基础性的东西——一个新的语义数据库。2008年的时候，情况还不错，他们发现自己做的东西是个很好的东西，突然就在想，我们做的东西为什么只搜索书签？完全可以搜索整个Web上的东西。于是他们就做了一次转型，去做整个Web的语义搜索。步子太大，就把公司拖死了。到了2008年经济危机爆发的时候，资金链断裂，撑了一年以后就死了。

在死的时候，Twine的CEO Nova Spivack ，是我们领域非常值得尊重的一个先行者，也是一个技术大拿，同时也是一个非常成功的投资人。他就检讨了Twine的失败。他说我试图在太多的地方进行革新，我应该要么革新一个平台，要么革新一个应用，要么革新一个商业模式，但是我似乎在太多的地方都进行革新了，而且我使用了一种非常超前的架构，就是RDF数据库，导致了我要追求的目标太大，我无法达到这个目标。

我想他说的这个话，即使到今天，也是非常值得思考的。

这个项目相关的分析文章，我差不多每过两年都要仔仔细细地看一遍。Twine失败了以后， Nova Spivack 对公司进行了一次转型，成立了一个新的公司叫 Bottlenose，还是用了同样的技术，用在了更聚焦的应用场景上，从2C的服务转到2B的服务上去。

Bottlenose这个公司，到目前为止已经8年时间了，还是很成功的。2B的应用相对而言不太需要这么大量的数据，不用解决系统可伸缩性问题，突出了这个系统最核心的优势，即语义分析和理解能力。

像Twine这样失败的例子是不罕见的。用一个过于先进的架构的时候，通常会面临一开始很难去预期的一些风险，甚至不仅仅是像RDF数据库这样的小众的产品，更加大众的产品，也有可能会遇到这样的情况。

比如说有人经常会问我说，你们做知识图谱的应用，是不是一定要用图数据库？我就通常回答说不一定。

如果你熟悉图数据库，比如说你对 Neo4j 整个运维都非常地熟悉了，你知道它的JAVA虚拟机如果出错的时候，该如何处理；你知道它内存不够的时候，该怎么办；你知道怎么进行数据的分片，知道怎么进行主从的复制……所有这些运维问题都很熟悉的时候，你就可以试一试上这个应用。

在上应用的时候不要太着急，如果你只是一个在线应用，可以放一放，先把离线的这部分运维的工作搞清楚以后，然后再上线，也可以先用一个小数据集试一试。总之，步子不要太大。

NO.5 不能管理用户预期

第五种方法，不能管理用户预期。

这是一个特别常见的项目失败的原因，甚至不是因为技术上做不到，而是用户预期更大。

我先说一个技术上完全做不到的，比如说有一个银行，他们推出了所谓的机器人大堂经理，你可以跟一个机器人对话办理业务。显然，这个东西如果真的能够做到，应该是非常令人吃惊的事情，这已经远远超出当前技术边界。

最近有一个比较有名的骗局，就是机器人索菲亚。沙特阿拉伯还给了它第一个公民的身份，这是一个非常典型的诈骗。

这种类型的机器人是不太可能出现的。

在其他应用当中也会遇到这样的情况，尤其是对话机器人是最容易引起用户的图灵测试欲望。当用户发现跟他对话的是一个机器人的时候，他就会试图去调戏这个机器人。比如很多人都会去调戏siri，所以siri积累了很多段子，准备应对大家调戏。

如果你是提供了一个搜索引擎，那么大家的预期是比较低的。但如果你以一个问答引擎的形式，提供同样的内容，大家的预期就会高很多。

我们最早提供了一个终端级产品，用户的评价就不是特别好，后来我们调整了一下定位，把它调整成用搜索界面来提供服务，系统顶层的智能程度没有太大改变，但是用户的预期和评价马上就好起来了，因为用户预期降低了。这样的语义搜索引擎，相比其他的搜索引擎，其实还是好一些的。

对话机器人其实也一样，如果你给用户的预期，是能够跟他平等对话的机器人的话，通常是很难达到的。用户通常玩一玩就会发现好傻，然后就不玩了，所以大家注意到谷歌机器人跟Apple的siri机器人定位有很大区别，谷歌机器人不仅仅做对话，它能够预先帮你去做一些事情，甚至主动地去帮你做一些自动化的事情，其实这是非常聪明的选择。

目前能够跟人长期进行交互的机器人，其实是一个更加偏秘书型的，或者说它就是一个帮助你进行任务自动化的机器。如果你是立足于对话，其实很难满足用户预期，但是如果你立足于自动化，就比较容易达到用户预期。同样的技术，你用不同的方法去服务用户，用户预期不一样，用户的感觉就完全不一样。所以要尽可能地让用户感知到产品的成熟度，在他的预期之上，这个产品才有可能成功，他才愿意付费。

NO.6 不理解认知复杂性

第六点叫做不能理解认知复杂性。

这个事情我在刚开始的时候就提到了，这个例子就是Semantic Wiki，我写了很多个这样的系统，Semantic Wiki是什么呢？大家肯定都用过维基百科或者百度百科，这只是一个典型的维基系统，有很多人去写一个页面。Semantic Wiki也是基于协作的，也是一个Wiki，只不过在这个Wiki的页面上，你可以打一些标签，加一些注释。

它可以解决什么问题呢？比如可以解决页面之间的数据一次性问题，就是一个页面上的数据，可以流到另外一个页面上去，举个例子，比如说在维基百科上面，可以看到很多国家的GDP，就是国民生产总值，在中国的页面上，会有中国GDP，在亚洲国家的GDP列表上面，也会有中国GDP，然后在世界国家的GDP列表上，也会有中国GDP，那么是不是可以有一个机制，比如在一个页面，写下中国的GDP是多少，只要这个数字改变，其他所有页面上的数字会同步改变，用Semantic Wiki技术就可以做到这一点。当然Semantic wiki还可以做很多很酷的其他的事情，很强大。

我从2004年开始就开始写Semantic Wiki系统，前前后后写了三个Semantic Wiki系统，后来我加入了一个开源社区，叫 Semantic MediaWiki，基于这样的系统，我做了一个很好的知识管理系统。

2010年我们试图来推广这个系统，当时是做了一个实验，也是一个美国的国家机构委托我们做的，就是要测试用这种协作的知识管理系统来记录一些事件，能不能记录得很好，好到可以后面让机器自动进行处理。

当时做的对比实验是找了一群RPI的计算机系本科生，让他们来看电视连续剧，看完以后描述情节。一部分人用自然语言来进行描述，一部分人用Semantic Wiki，以更加结构化的方式来进行描述。然后再找了学生来分别阅读前两组学生的描述，最后让他们来做题，看哪个组能够更精准地来复原电视剧情节。最后得到的结果发现是用自然语言描述是更容易，就是描述得更精准，速度更快。

然后我们仔细去看那些学生写的结构化的描述，发现是错误百出，比如说张三拥抱了李四，对于一般的所谓有过知识工程训练的人来看，很明显拥抱应该是一个关系，张三和李四应该是两个人，一个是主语，一个是宾语，那么就应该是主谓宾，张三拥抱李四是很清楚的一个知识建模，但是相当多的学生，他们把这么一个特别简单的建模就给搞错了，他们没有办法理解什么叫概念？什么叫关系？什么叫属性？甚至他们不知道什么叫主语和宾语？然后发现在一开始设想这件事情的时候，忽视了绝大多数的人，在他们的教育生涯中比如高中教育里面，是没有结构化思维的训练的，这是一种事先无法意识到的认知复杂性。

由于我们都经过十年以上的训练，所以就完全把这些东西当成是天然的事情。后来在OWL WORKING GROUP也遇到了同样的事情，有人说这个东西太复杂了，其中有一个逻辑学家就抗议说，这东西不复杂，这东西在计算机上跑的时候，它的算法复杂性只是多项式复杂性而已，然后我听了这句话以后，突然意识到了一个事情，就是在这些逻辑学家的脑子里面，他们所提到的复杂性是指一个语言对于机器的复杂性，所以我们通常把它称为计算复杂性。

但是实际上普通人所理解的复杂性不是这样的，比如说你半页纸就能说明白的东西，那是一个简单的东西，如果让我看到20页纸，才能看明白，那这个东西是一个复杂的东西。所以一个技术，你能不能够让程序员用起来，能不能让用户用起来，最核心的事情，你是不是能够让他们在认知上面觉得这东西，一看就懂，一听就懂，一打开就懂，不用解释，这才叫简单。

在很多算法的设计上面也好，文档的设计上面也好，应用的设计上也好，它最终能不能用得好，关键是让人感觉到它简单好用，这就是一个很重要的因素。斯坦福Parser，为什么在NLP领域里面被用的这么广，一个很重要的原因，它的文档写的好，每一个类都有文档，提供了足够多的案例。

所以好的文档可以极大地降低一个产品的认知复杂性，即使你的产品本身是复杂的，你把文档写好，也足以有助于推广这个产品，所以尽可能地让能够接触到你产品的人，不管是搞语言的，搞技术的，搞算法的人都感觉到这东西简单，是保证你的产品成功的一个关键。

NO.7 专业性不足

第七点，这一点就很好理解了，专业性不足。

我经常会遇到这样一些人，说某某公司现在想做一个问答系统，希望投入三五个人，可能大多数情况下没有博士，多数情况下可能就是一个工程人员，试图很快的时间，两三个月之内，甚至三五个月之内，把这样一个东西做出来，也是一种幻想。当然我不会直接说破。

人工智能产品，的的确确是有它的专业性的。很多机构想试图自己去做这样的事情，花了1000万、2000万、3000万冤枉钱，结果做不到。确实，如果没有一个足够专业的人是很难把这种事情给做成的。

我也经历了很多这样的事情，在曾经做过的一个语义理解系统里面，也经历了这样的问题。我想能够完成这样一个系统，实际上是要综合很多不同的算法，不是一个算法就能够解决掉的。比如说，从正面的例子来看，IBM Watson 系统里面有几十种不同的算法，有机器学习的算法，有自然语言处理的算法，有知识图谱的算法。你要把所有的这些算法恰到好处地组合在一起，拿捏的尺度就是一个特别重要的能力。你该用什么样的东西，你该不用什么样的东西。

比如说规则系统，任何一个人都可以写10条正则表达式，这是没有问题的。但是如果你能够写好100条正则表达式，那你一定是一个非常优秀的工程人员，你的软件工程能力很过硬。如果你能够管理好1,000条正则表达式，那你一定是一个科班出身的，有专业级的知识管理训练的人。如果你能够真正地管理好10,000条正则表达式，那你一定是一个有非常丰富的规则管理经验的人。

当然我说的1,000条、10,000条，并不是说你 copy paste 10,000次，改其中几个字，那个不算。人工智能的很多事情，困难就在这儿。你到网上去拿一个什么开源包啥的，你把它做到80%，都很容易做得到。但难度就在于最后的20%，通常可能需要98%、99%的正确率，才能够满足用户的需求，但是如果专业性不够，最后的这些点是非常难的。

打个比方说，你要登月的话，你需要的不是梯子，是火箭。你搬个梯子，最后只能爬到树上去，再也没办法往上走了。你需要的是停下来造火箭，造火箭就是专业性，如果专业性不足，你永远只是停留在80%的水平上，再也升不上去。

回到刚才讲的语义理解的项目。当时就遇到了蛮多困难，要能够集成规则的方法，集成统计的方法，集成自然语言处理的方法。当时全球有很多实验室一起来做这件事情，但缺这样一种角色，能够把所有的尺度拿捏得特别好的。

其实IBM把Watson系统做出来，也是经历了很多内部变迁，包括项目管理人的变化，包括各种技术选型的变化，能够做到这一些，这种人才是非常短缺的。在中国，能够真正从头到尾把一个语义的理解系统架构做好的人，是非常非常少的，也许10个，也许20个，数量确实不多。我相信在其他人工智能领域，也面临着同样的情况。

专业性也不会仅仅只局限于程序或者技术这一块，人工智能的产品经理，人工智能项目的运营，还有整个后面的知识系统，数据的治理，都是需要很专业的人来做，现在这些人才都非常地短缺。

NO.8 工程能力不足

第八种方法就是工程能力不足。

我的博士论文是一个分布式推理机，但因为编程能力不够，一直到我毕业为止，都没有能够把它实现出来。当然后来到了2012年、2013年之后，图计算，包括基于消息交换的图计算出来之后，那时候我再来做分布式推理机就比较容易了。

但这是我特别大的一个教训。

在这之后，我就比较关注，如果做一件事情，先能够把我的工程能力补足。这个工程能力，包括软件工程能力，如何写代码，如何管理代码，如何做系统集成，还有回归测试，如何进行代码的版本控制等等。后来我面试人的时候，也比较关注这些东西。

一个人工智能的技术能不能做得好，核心往往不仅仅是算法，而是底下的架构，还有系统。比如论文中其实是很好的分布式推理算法，但是我因为缺少这个架构，就没有办法把这个东西实现出来。后来像深度学习也是这样的。最近看到陈天奇他们的实验室，把算法、架构、操作系统都放在一个实验室里面来运作，觉得这是一个特别好的事情。目前算法和架构之间的裂缝太大了。

工程是解决人工智能的核心钥匙。如果代码能力不行，架构能力不行，工程能力不行，在这个情况下，根本就不应该去谈算法。优先应该把工程能力补起来，然后再谈算法。

NO.9 阵容太豪华

第九点，阵容太豪华。

这一点不太好说具体的项目是什么，太敏感了。

但是我就从逻辑上给大家讲一下。因为一个项目如果太豪华，核心的问题就是沉没成本。

我们也经常看到一些初创公司，不管是从商务上，还是从技术上，特别优秀的人组成了一个公司，最后还是会失败。为什么？因为比较优秀的人，就是想要做大的事情。一个大的事情，很难一下子就做对。通常大的事情，是从小的事情成长起来的。如果我们不能够让豪华的阵容，从小事做起，通常这样一个事情是会失败的。

逻辑很简单，我就不多说了。

NO.10 时机不到，运气不好

第十点，我可以把所有其他的因素丢到这儿，就是时机不到、运气不好。

其实可以把所有其他的事情都归结为运气不好。

比如说我们现在看深度学习，比如像attention、卷积、LSTM、联想记忆等等所有这些概念在90年代，我读研究生的时候，这些概念都已经有了，但是当时是做不到的。当时即使有了这些算法，也没有这样的算力，即使有了这样的算力，没有这样的数据。

在2000年的时候，我在硕士毕业之后，就在研究一种分层的多层神经网络。我们把它称为hierarchical neural network，跟后来深度学习的想法非常接近。我带着这个想法，去见我的博士导师。说我想继续沿着这个方向往前走，但他说现在整个神经网络都已经拿不到投资了，你再往前走，也走不下去，所以后来就放弃了这个方向，准备做语义网了。10年之后，这个方法终于找到了机会，后来就变成了深度学习的东西。

很多时候，时机不到，即使你有这个算法，你也做不到。90年代的神经网络，差不多花了10年的时间，才等到了自己的复苏。

知识图谱也是一样的，知识图谱大概也等了十几年的时间，到了最近这几年才真正地得到了大规模的应用。

总结

让我们来取个反，做个总结：

最后一点，时机和运气再啰嗦一下。

很多时候，我们是真的不知道这件事情能不能做得成，也真的不知道，自己处于什么样的历史阶段。很难预言未来是什么，但是至少有一点，如果我们多去了解一些算法层面的发展，包括人工智能的发展史，包括相关的这些技术的发展史，能够更好地理解未来。

所以我也推荐一下尼克老师的《人工智能简史》这本书。我看了两遍都挺有收获的。看了这东西，能更多地理解什么是时机，什么是运气。

有时候我也经常会读一些经典的文章，十年前或20年前的书，我读了还是挺有启发的。比如说，今年我又把Tim Berners-Lee《编织万维网》那本书又重新读了一遍，读了一遍以后，我就坚定信心了。

知识图谱这样一个互联全世界的记忆的系统，大概率到2030年能够实现，这还是一个很遥远的时间，但是根据历史规律，应该到2030年能实现了。

一方面，降低我们现在的预期，另一方面也给我们前进更大的鼓励。

场景跃迁理论

刚才反反复复提到了，要控制用户的预期，控制自己的预期。做一个项目，要从小到大，循序渐进。最后把所有的东西抽象到更高层面上，我自己总结为一个理论，叫场景跃迁理论。

这个理论的核心，是说一个人工智能的公司需要多次的产品市场匹配，就是Product-Market Fit。如果提供了一个产品，市场恰恰需要，而这个市场恰恰又很大，就说得到了一个产品市场匹配。

经典的互联网创业，通常做一次产品的市场匹配，就可以成功了。但人工智能往往要做好几次，互联网公司和人工智能公司很不一样。

一个称为养鸡场模式，一个称为养小孩模式。

互联网公司是一种养鸡场模式，它是一个大规模的复杂系统Complex system。它的关键是可扩展性。我养了一只鸡，我发现这只鸡不错，我养1万只鸡，这就是养鸡场模式。核心就是如何能养一万只鸡，这就叫可扩展性。

人工智能应用是另外一种类型的复杂系统，叫Complicated system，它是有非常多的组件，通常是上百种奇奇怪怪的组件组合在一起。它的核心并不是养一万只鸡，更多像养小孩一样，生完孩子，从小给他换尿布，给他喂奶，教他走路，教他说话，逗他玩，小学、中学、大学，一路把他养大，每一个阶段所面临的主要任务都不一样。你如何能够让这小孩成长，我们把它称为可演进性，这才是AI公司最核心的因素。

把一个AI的公司给养大，其实是特别不容易的事情。就跟养小孩一样，往往前5年的时间，都在搭团队，搞基础，特别辛苦。公司存活的观念就是，如何能够在演进的过程中，逐步地挣钱，而不是试图一步到位地找到市场产品结合点。不仅仅是在人工智能的阶段要挣钱，在人工智障的阶段，也要能够挣钱。

没有一个完整的系统，怎么能挣钱？只能够把系统中的某些组件拿出去，做部分的商业化。就好像毛毛虫到蝴蝶一样，毛毛虫要蜕皮，蜕好几次，才能变成一个蝴蝶。毛毛虫阶段，它要吃树叶子，在蝴蝶那个阶段，它是要吃花蜜，所以它在两个不同的阶段，它的商业模式是完全不一样的。人工智能公司也要蜕好几次皮。在早期的时候，因为产品还不够完善，所以人工智能公司早期都是外包公司，这是正常的，就应该接受，这是发展必经的阶段。

总结今天所说的一切，人工智能是一种新兴的事物，它是非常复杂的东西。很难用传统的旧经验来套这样一种东西的发展，必须经过很长时间的演化，才能够达到成熟的状态。而这个演化力才是我们想做一个成功的商业的尝试，最关键的因素。如何保证在一次又一次的场景跃迁当中，团队不散架，这样的能力，才是决定了某一个商业上面能不能成功的最大的关键。

我觉得不仅仅是商业，不管是在学校里做研究也好，还是在大型跨国公司里做研究也好，很多道理都是一样的。就是如何能够循序渐进地，从小到大地来做，谢谢大家！

特斯拉CEO马斯克：不不不不不不要开会！

Thu, 19 Apr 2018 22:02:00 CST

我写的越多，就越提防马斯克，因为他现在已经不满足写 Twitter 了，开始尝试发越来越长的邮件，这不由得让我很担心：这厮不会又想当编辑了吧？

我写的越多，我老板就越喜欢马斯克，毕竟哪个老板不想成为这样引领业界发展，自带光环效应，随便说一句话就让媒体干活的人呢？

为了我老板，我决定今天勉为其难再写一次马斯克，因为他的特斯拉内部信又火了……

这封信非常符合成功学的定义，大致可以分成四部分：

停产是为了多造车

这周特斯拉 Model 3 的生产线又停工了，一时间很多人又开始担心，这 3-5 天的停滞是不是又会影响销量？

马斯克表示，这次停车可是治病要治本了。

本次升级，将对之前 Model 3 生产线上一些影响装配关键环节的部分进行调整和升级，彻底对瓶颈环节进行消除，乐观估计到 5 月份，Model 3 就能相对上个月翻一倍，达到 4000 辆每周的速度。接下来呢？

我们再停工一次。

5 月份停产之后，同样再进行一次产线升级，这样就能在 6 月份实现 6000 辆/台的生产速度了。

这话可不光是说给媒体听的，马斯克甚至还手动 @ 了全体部门和供应商，要求他们在 6 月底之前单天生产出来 850 套零部件，此事可是要追责的，如果不能做到，“需要有一个非常好的理由告诉我为什么不能，并提交解决问题的计划，直接向我演示”。

多造车需要多招人

马斯克和我有个共同的优点，我们都敢于承认马斯克做错事了。

4 月 13 日，马斯克在 Twitter 上亲口承认，在特斯拉，高度依赖自动化是一个错误，人的力量被低估了。

虽然从理论上讲全部顺畅的自动化比如高于人工的效率，但自动化产线的建设也面临着两方面的问题，一是产线的调试搭配非常繁杂，很多技术问题都可能导致停工，二是在一些需要灵活性的装配环节时，人力还是具备完全机械化不具备的优势。

于是马斯克想明白了，招人呗。

在接下来的日子里，Model 3 的生产线要实现每周 7 天 24 小时不间断运行，这就使得冲压、喷涂、总装线都要多出一个班次。

人从那来呢？招聘，马斯克表示特斯拉将每周新增 400 人，持续几个星期。

虽然特斯拉的装配质量一直像企鹅的产品原创一样是重灾区，但马斯克表示，Model 3 的装配精准度必须要比其他任何车都好上 10 倍。

如果你买到的车没有达到这样的精度，别灰心，是你的测量仪器坏了。

多招人你得能赚钱

每周多 400 张嘴，吃的不都是钱么。

特别是对于特斯拉这种破产预告比产品预告还要多的企业来说，这是个大事。

于是可能之前一直看热闹的财务部门要倒霉了，马斯克“要求特斯拉财务团队梳理我们在世界各地无论多小的支出，并要求削减所有没有强烈的价值需要的东西”。

所有超过 100 万美元的支出，以及在未来 1 年里累计支出超过 100 万美元的开支，都会被暂停直到马斯克明确的同意。

马斯克狠起来连供应商都杀，下面一段过于精彩，请允许我引用原文。

“我很失望地发现现在有很多承包商公司与特斯拉纠缠在一起。通常情况下，它就像一个俄罗斯套娃，承包商，下属的分包商，再下属的分包商，知道你终于发现某个人做着实际的工作。这意味着在整个渠道中有着太多浑水摸鱼获取利益却又不干实事的人。此外，很多合同都是开放式的时间和材料，而不是定好的价格和周期，这为他们提供了磨洋工的动机，将一些很小的问题，一些小山包最终集聚成了一座高山，因为他们不想结束这一趟金钱的列车。

承包商的表现非常广泛，从非常优异到比一只喝醉的树懒还要差，所有的承包商都应该将接下来的这一周作为表现自己的优秀的最后一个机会。所有无法达到特斯拉标准的公司将会在周一被终结合同。”

对了，插播一个花絮，特斯拉对于媒体的花费也特别严格，董车会不仅每次参加特斯拉发布会的成本都是自己担负的，甚至上次特斯拉员工在美国请我吃饭请的是麦当劳。

“不好意思，我们跟媒体所有花费 50 美元以上的支出都算贿赂”。

想赚钱你得会省钱

之前有人在采访车和家老板李想的时候问到公司规模的问题，李想答曰：目前 1000 人，年底前 2000 人，2020 年突破 10000 人规格。李想表示，不担心团队规模扩张带来的管理问题，因为一切都会被制度约束住。

马斯克无疑带来了几点简单，却连我们这样一个一百多人的企业都会面临的一些问题。

关于会议：过多的会议是公司的灾难，请把会议时间尽量压短。

关于工作：如果你没有在创造价值，请立刻离开会议或者放下电话。

关于沟通：沟通应该通过最短的途径来进行，而不是指挥链。

关于问题：问题的来源主要是部门之间沟通不畅。

关于直觉：总是选择常识作为引导，死命遵守公司规定显然是荒谬的。

在我写稿子期间，已经有不少同事开始转发这个文稿到朋友圈了。

可能，他们都想让自己的老板看见吧。

下面附上由董车会全文翻译的邮件内容及英文原版。

进步、准确率以及盈利

大家好

进步

首先，祝贺一切走上正轨！我们已经连续三周每周生产 2000 辆以上的 Model3 了，三周分别为 2020 辆、2070 辆以及上周的 2250 辆，同时每周有 2000 辆的 Model S 和 Model X。

这个数据比特斯拉去年同期的两倍还多，而且是在重重困难下取得的一项了不起的成就。对于一个汽车公司来说，产量一年提升 100% 更是罕见。同时，我们在质量以及生产准确率方面也有很大的提升，这可以从积极的消费者评价上得到体现。

从今天开始（Giga 工厂，Fremont 工厂从明天开始），我们将暂停三至五天的生产来进行全面的升级，这应该可以让我们在下个月把 Model 3 的产量提升到每周 3000 至 4000 辆。

此外，另一个于五月底进行的升级将会把我们的产量在六月底提升到每周 6000 辆。请注意，特斯拉的所有生产部门以及我们的供应商必须能够最迟在 6 月 30 号具有每 24 小时生产 850 个部件的能力，以此来确保 Model 3 每周 6000 辆的产能。

所有不能做到这一点的部门以及供应商必须解释清楚原因以及解决问题的计划，同时，需要直接向我汇报。如果任何人需要帮助以达成我们的目标，请尽快让我了解。我们一定会找到解决问题的办法。

至于我们的目标是六月份每周 6000 辆而不是 5000 辆，这是因为受到复杂的全球化产业链的影响，我们不可能有一个准确的数值，同时完全不考虑公司内部和外部零部件和生产流程的影响。实际生产的速度其实就是运转最不好的那部分的速度。

通过我们在 6 月底每周 6000 辆 Model 3 的生产要求，我们将会为未来整个 Model 3 系统达到每周 6000 辆的产量打下坚实的基础。

作为行动的一部分，Fremont 工厂的 Model 3 生产线将 24 小时不间断运营，这意味着我们将在汽车的组装、钣金、以及油漆喷涂环节新增一个轮班，请向我们推荐任何你认为可以满足我们要求的人才。在 Fremont 和 Giga 两个工厂中，我们预计每周大约新增 400 人，持续几个星期。

准确率

大多数 Model 3 的许多设计误差已经比世界上其它任何车都要强了。不久，我们的车将会变得更好。目前还远远不够。我们将继续努力，直到 Model 3 的精准度比世界上其它任何车都要好 10 倍。我没有在开玩笑。

我们的车需要达到这样的准确度，如果一个车主测量汽车的尺寸、面板缝隙以及平整度，如果得到的数据不符合 Model 3 的规格，那只能证明他们的测量仪器不够准确。

一些零件供应商不能够或者不愿意达到这样的精度，我理解这个追求会被一些人认为很不合理。这没关系，世界上有很多汽车公司，他们有着非常低的标准。只是道不同不相为谋而已。

盈利

外界针对特斯拉一个公正的批评是，如果你无法创造利润，即营收超过花费，那么你就不是一个真正的公司。在达到足够的规模之前，这是没有意义的，而现在特斯拉正处于飞快的扩张中。

在未来发展的道路上，我们的支出将得到严格的控制。我已经要求特斯拉财务团队梳理我们在世界各地无论多小的支出，并要求削减所有没有强烈的价值需要的东西。

所有超过 100 万美元的支出，或者在未来的 12 个月里累计支出达到 100 万美元的东西，将会被暂停直到得到我明确的同意。如果你是负责的管理者，请确保在我们见面之前你可以有一份详尽的对供应商的报价，包括所有的零件、人工等等。

我很失望地发现现在有很多承包商公司与特斯拉纠缠在一起。通常情况下，它就像一个俄罗斯套娃，承包商，下属的分包商，再下属的分包商，知道你终于发现某个人做着实际的工作。这意味着在整个渠道中有着太多浑水摸鱼获取利益却又不干实事的人。此外，很多合同都是开放式的时间和材料，而不是定好的价格和周期，这为他们提供了磨洋工的动机，将一些很小的问题，一些小山包最终集聚成了一座高山，因为他们不想结束这一趟金钱的列车。

承包商的表现非常广泛，从非常优异到比一只喝醉的树懒还要差，所有的承包商都应该将接下来的这一周作为表现自己的优秀的最后一个机会。所有无法达到特斯拉标准的公司将会在周一被终结合同。

顺便说说，这里有一些关于生产力的建议：

过多的会议是大公司的灾难，并且会随着时间的推移变得越来越糟，请从所有的大型会议中脱身，除非你认为这些会议对所有的听众都有价值，在这种情况下请把会议时间尽量压缩。
同时离开频繁的会议，除非你正在处理非常紧急的事务。一旦事情得到解决，会议频率应该立马降低。
如果你没有在创造价值，请立刻离开会议或者放下电话。离开并没有不礼貌，不礼貌的是你让其他人留在那里并且浪费他们的时间。
不要在特斯拉的物品、软件及流程上使用首字母缩略词或没有意义的词。通常情况下，所有需要进一步解释的东西都阻碍了交流。我们不希望人们为了在特斯拉工作而不得不背诵词汇表。
沟通应该通过最短的途径来进行，而不是所谓的“指挥链”。所有尝试通过“指挥链”来交流的管理者都会很快地发现他们会在别的地方工作。
问题的主要来源是部门间沟通不畅。解决这个问题的方法是允许所有级别之间的信息自由流动。如果为了在部门之间完成一些事情，一个人先告诉他的经理，再传给下一个经理，再传给下一个副总裁，再传给另一位副总裁，这样具体执行时就会发生超级愚蠢的事情。人们有权直接谈话并且恰当地做出正确的事情。
总是选择常识作为你的引导。死命遵守“公司规则”而不变通在某种特定情况下显然是荒谬的。

如果您认为应该做某些事情能让特斯拉变得更好，或者能让你更乐意去工作，请直接给我发邮件：emdesk@tesla.com

感谢这支伟大团队的每一个人。

你们老板：伊隆·马斯克

Progress, Precision and Profit

Elon Musk

Everybody

Progress

First, congratulations are in order! We have now completed our third full week of producing over 2000 Model 3 vehicles. The first week was 2020, the second was 2070 and we just completed 2250 last week, along with 2000 Model S/X vehicles.

This is more than double Tesla’s weekly production rate last year and an amazing feat in the face of many challenges! It is extremely rare for an automotive company to grow the production rate by over 100% from one year to the next. Moreover, there has simultaneously been a significant improvement in quality and build accuracy， which is reflected in positive owner feedback.

Starting today at Giga and tomorrow at Fremont, we will be stopping for three to five days to do a comprehensive set of upgrades. This should set us up for Model 3 production of 3000 to 4000 per week next month.

Another set of upgrades starting in late May should be enough to unlock production capacity of 6000 Model 3 vehicles per week by the end of June. Please note that all areas of Tesla and our suppliers will be required to demonstrate a Model 3 capacity of ~6000/week by building 850 sets of car parts in 24 hours no later than June 30th.

Any Tesla department or supplier that is unable to do this will need to have a very good explanation why not, along with a plan for fixing the problem and present that to me directly. If anyone needs help achieving this, please let me know as soon as possible. We are going to find a way or make a way to get there.

The reason that the burst-build target rate is 6000 and not 5000 per week in June is that we cannot have a number with no margin for error across thousands of internally and externally produced parts and processes, amplified by a complex global logistics chain. Actual production will move as fast as the least lucky and least well-executed part of the entire Tesla production/supply chain system.

By having a Model 3 subsystem burst-build requirement of 6k by the end of June, we will lay the groundwork for achieving a steady 6k/week across the whole Model 3 system a few months later.

As part of the drive towards 6k, all Model 3 production at Fremont will move to 24/7operations. This means that we will be adding another shift to general assembly， body and paint. Please refer anyone you know who you think meets the Tesla bar for talent, drive and trust. Between Fremont and Giga, Tesla will be adding about 400 people per week for several weeks.

Precision

Most of the design tolerances of the Model 3 are already better than any other car in the world. Soon, they will all be better. This is not enough. We will keep going until the Model 3 build precision is a factor of ten better than any other car in the world. I am not kidding.

Our car needs to be designed and built with such accuracy and precision that, if an owner measures dimensions, panel gaps and flushness, and their measurements don’t match the Model 3 specs, it just means that their measuring tape is wrong.

Some parts suppliers will be unwilling or unable to achieve this level of precision. I understand that this will be considered an unreasonable request by some. That’s ok, there are lots of other car companies with much lower standards. They just can’t work with Tesla.

Profit

A fair criticism leveled at Tesla by outside critics is that you’re not a real company unless you generate a profit, meaning simply that revenue exceeds costs. It didn’t make sense to do that until reaching economies of scale, but now we are there.

Going forward, we will be far more rigorous about expenditures. I have asked the Tesla finance team to comb through every expense worldwide, no matter how small, and cut everything that doesn’t have a strong value justification.

All capital or other expenditures above a million dollars, or where a set of related expenses may accumulate to a million dollars over the next 12 months, should be considered on hold until explicitly approved by me. If you are the manager responsible, please make sure you have a detailed, first principles understanding of the supplier quote, including every line item of parts & labor, before we meet.

I have been disappointed to discover how many contractor companies are interwoven throughout Tesla. Often, it is like a Russian nesting doll of contractor, subcontractor, sub-subcontractor, etc. before you finally find someone doing actual work. This means a lot of middle-managers adding cost but not doing anything obviously useful. Also, many contracts are essentially open time & materials, not fixed price and duration, which creates an incentive to turn molehills into mountains, as they never want to end the money train.

There is a very wide range of contractor performance, from excellent to worse than a drunken sloth. All contracting companies should consider the coming week to be a final opportunity to demonstrate excellence. Any that fail to meet the Tesla standard of excellence will have their contracts ended on Monday.

Btw， here are a few productivity recommendations:

– Excessive meetings are the blight of big companies and almost always get worse over time. Please get of all large meetings, unless you’re certain they are providing value to the whole audience, in which case keep them very short.

– Also get rid of frequent meetings, unless you are dealing with an extremely urgent matter. Meeting frequency should drop rapidly once the urgent matter is resolved.

– Walk out of a meeting or drop off a call as soon as it is obvious you aren’t adding value. It is not rude to leave, it is rude to make someone stay and waste their time.

– Don’t use acronyms or nonsense words for objects, software or processes at Tesla. In general, anything that requires an explanation inhibits communication. We don’t want people to have to memorize a glossary just to function at Tesla.

– Communication should travel via the shortest path necessary to get the job done, not through the “chain of command”. Any manager who attempts to enforce chain of command communication will soon find themselves working elsewhere.

– A major source of issues is poor communication between depts. The way to solve this is allow free flow of information between all levels. If, in order to get something done between depts, an individual contributor has to talk to their manager, who talks to a director, who talks to a VP, who talks to another VP, who talks to a director, who talks to a manager, who talks to someone doing the actual work, then super dumb things will happen. It must be ok for people to talk directly and just make the right thing happen.

– In general, always pick common sense as your guide. If following a “company rule” is obviously ridiculous in a particular situation, such that it would make for a great Dilbert cartoon, then the rule should change.

If there is something you think should be done to make Tesla execute better or allow you to look forward to coming to work more (same thing in the long term)， please send a note to [redacted]

Thanks for being such a kickass team and accomplishing miracles every day. It matters. We are burning the midnight oil to burn the midnight oil.

Elon

本文链接

思岚CEO陈士凯：我们是如何解决机器人自主定位导航的那些坑

Sat, 25 Nov 2017 23:39:00 CST

雷锋网按：近日，思岚CEO陈士凯在机器人创新生态连接大会上介绍思岚科技产品在机器人移动当中遇到的问题，以及他们如何用技术来解决这些问题，从而在合适的时间，以合适的成本提供合适的产品。本文由公众号《机器人创新生态》整理，雷锋网授权转载。

机器人生态需要行业各个环节一起帮助，才能进行茁壮的成长。思岚科技是一家定位于提供机器人的小脑和眼睛的公司，只是我们在整个机器人生态当中是处于核心的解决方案地位。今天，和大家介绍一下这么多年以来我们的导航定位技术在实际机器人当中遇到的挑战，还有我们思岚是如何解决的。今天主要的侧重点是在它的可移动部分，这其实也就是顺应了议程的““万物有灵”，这个灵在思岚看来是它的可移动性。

自主定位导航技术成机器人产品的焦点

高交会上可以看到很多智能机器人的产品，现在我们发现市面上智能搬运机器人、扫地机器人、商用机器人这几品类比较成功，也相信将会有蓬勃发展的市场。

目前我们把机器人分成两大方向。第一个是专用领域。这类机器人的特点是重点解决某一种功能，它的使用范围相对狭窄，但它的应用场景和适用性更好，比如说智能搬运、仓储、巡逻；另外一种是通用领域，更多是使用在家庭、办公室等场景。这类机器人的特点是它适应的场景比较多，成本上要更加符合消费市场。从产品形态看我们把它分为两种：面向家庭和面向轻商用的。

通用领域，比如扫地机器人这种品类，一方面是消费品，成本比较敏感；另外它所面向的环境比较简单；很重要的一点，这类机器人可以允许一定的差错。相对应专业领域的机器人，如智能仓储机器人，则更加看重可靠性，对于成本的需求相对来说不是那么高，但环境对于这些机器人来说是更为复杂。

如果把做机器人的目的和产品形态定义成四个维度，这四个维度焦点就是怎么样能够实现自主定位导航。我们说到的这几种比较成功的机器人品类，在使用环节当中，自主定位导航占到非常重要的地位。当然有很多其他的技术，比如说语音识别、语义识别和图像识别也是非常重要的，思岚更加关注的则是智能导航，这也是思岚重点为这个领域拓展的方向。

激光还是SLAM不重要工程化产品才是关键

思岚科技，致力于提供自主定位导航解决方案。到现在为止也提供低成本的激光雷达，当然是更侧重在服务机器人行业，以及配套的定位导航系统。以这两个为核心，有两个应用点，一个解决方案针对的是各种各样的机器人；另外一个是针对相对完整的通用型平台。就像商用机器人要解决的问题，陌生环境下机器人怎么样绘制地图信息，怎么样绘制位置信息，这也是重要的自主定位导航，或者SLAM技术解决问题。

这个问题现在有很多方案，比如说行业中会经常看到到底谁占优，比如说未来是激光雷达还是SLAM。思岚长久以来是以激光雷达为主，它的方式比较成熟，这是基于思岚方案实时地图绘制的效果。

激光方案比较直接，把地图绘制出来以后，机器人就会了解平面图，这个地图跟我们人类理解是一样的。SLAM在这两年发展也比较迅猛，这是单路的SLAM方案，用摄像头也可以进行环境的了解，这种方案目前还在研发当中，但它未来的潜力是非常大的。

对于一家公司来说，考虑的不是在激光或SLAM我选择哪一种，更多考虑的是工程化问题，这里面很重要的是“80/20原则”，20%是研究核心理论，思岚是做80%，怎么样把技术方案落地，比如成本和可靠性问题。所以对于思岚来说激光还是vSLAM，这并不重要，重要的是合适的时间，以合适的成本提供合适的产品。

在这里介绍一下我们产品落地的时候遇到的实际情况，以及我们怎么解决。

挑战一：建图效果和用户心理预期差距SLAM进行精细化建图

SLAM方案，它可以建立地图，可以让机器人自主定位。但是会有这样的问题，它建立的地图和人的预期是有差距的。怎么理解呢？比如人认为地图是怎么样的，就是画面中这样。这是我们人所认识的房屋的平面设计图，我们买到一个机器人它能绘制地图，它画的平面图，就应该长成我们认为的这样。

用户理想的地图（适合展示的地图）

激光的SLAM方案，画出来的地图

那这个地图如果展现给用户，尤其是普通的“小白”用户，他们会有点失落，觉得好像这东西并不怎么样。所以第一个问题， 我们要有进行精细化建图的方案。

什么叫精细化建图呢？就是机器人画出来的地图是符合我们预期的，这正是现在思岚做的东西。画面左边是精细化地图的效果，同样是SLAM的简图，思岚绘制的地图在实际直接工作的时候就可以绘制出跟人所期待的地图那样，是非常完美的，这个地图可以直接用于展示，不需要二次的修正。因为这个不单是后期的处理，在导航内部，在实际建图的时候就实施了精细化构建，这是我们解决的问题。

这是一个实际案例中300平方米的家庭地图，这个地图没有做任何的PS，直接从机器人中拿出来，可以看到墙壁的边缘非常规整，没有任何的噪点。这样的地图简单进行修饰，就可以放在手机APP上，这就是符合用户预期的东西。

挑战二：环境完全变化后的可靠定位

第二个问题是重定位的问题。重定位有两个问题，第一个是人启动的时候重定位，还有一种重定位是环境变化非常多的时候可靠定位。这里有个例子，这个是在今年初展会上的情况，环境中有非常多的人，同时我们要求机器人在里面跑，这个例子并不过分，因为做服务机器人的，当然希望机器人在这种场景下能很好的进行工作。但是你可以看到右边的图，激光雷达探索到这个环境，做了非常大的变化。

按道理来说，这时候非常容易出现的一个问题，就是定位的偏移。但是看到这个机器人在这里面可以长时间工作，机器人在这种场景下连续被他们折磨了两天，每天16个小时，基本上都不会出问题。这里面涉及到的就是在环境多变情况下的考验。

有些客户也比较苛刻，在机器人工作的时候，把它完全围住了，让它24小时、48小时连续不停的运作，并且要求不能偏，来测试机器人。这听上去非常不科学，但是客户说没办法，我们在实际场景中就有这样的环境，你必须得解决。所以在这里面我们也动了一些脑筋，我们是部分解决这样的问题。

怎么样解决呢？就是我们前面说的，单靠某一种传感器它其实并不能解决所有的问题，我把激光的数据遮挡了，这种情况下激光不能解决所有问题，但是我还有传感器，所以就用传感器和建立概率模型解决问题。这样的话，也解决了一个实际的案例，这个对于做广大服务机器人各位来说是很好的。

挑战三：全局重定位

全局重定位，突然让机器人根据场景开机，这个问题行业中有几个解决方案， 第一个是使用UWB，它可以重定位。但是这个技术有一个缺点，必须对环境进行布置，比如把它放在一个场景，需要先在商场上很多地方预埋信标，这在成本和部署上有一定的挑战。 还有一种是完全自主重定位，思岚在这里做的是后者，完全自主重定位，当然UWB也是可以支持的。

这个案例中展示的是机器人在1万多平方米的环境中进行人启动的效果，最终机器人在这个环境当中进行一些简单的判断，它就可以找到真实的环境。在这里面它面向的难点是什么呢？你可以看到这样一张地图，其中有非常多的相似性，那怎么样防止在定位的时候定位错误的地方，这个是有挑战的。

SLAM≠自主定位导航，不解决行动问题

思岚到现在其实才解决了机器人移动冰山一角的问题，为什么这样说呢？在行业中SLAM这一概念也是这一两年被行业和媒体所熟知的，大家认为机器人解决了SLAM就大功告成了，实际上SLAM和自主导航定位并挂不上号的，其实SLAM不是解决行动的问题，但是对于行业来说更重要是机器人怎么样进行行动的。

行动是另外一个故事了，或者无人驾驶更加关注行动的问题，对于汽车来说有很多公司可以提供地图、GPS和定位，对于他们来说怎样让汽车进行行动就是它的难点。对于机器人来说也是这样，光有SLAM的地图和定位还是不够的，这里面就是导航这部分提供的内容。所谓导航是分两块，第一块是路径规划，就像GPS导航规划一条路径，这个听上去比较简单；另外一块是有了规划路径，我怎么样控制机器人去跑，这个叫做运动控制。

对于一些特殊行业，如扫地机器人行业，做好的导航算法是非常难的，目前学术界没有好的解决方案。另外还有一些很细琐的东西，机器人没电了怎么充电，这个事情看上去很简单，但是你真的要机器人自己去做这个事，你会发现里面有很多坑要解决。

这里我们提炼了行业中不同的案例。

挑战四：可靠的障碍物规避

第一个案例是 可靠的障碍物规避，比如在这个场景中机器人在跑，这个机器人是三维的，要解决合理的避障，上激光雷达的话成本都是三四十万。那对于机器人行业怎么解决这个问题呢？比如现实场景中，这是我们客户在“虐待”机器人，故意跟它过不去，挡了它的道，挡好以后把小推车推到一边。他们有更加恶劣的测试，这里面我只放其中相对比较轻的一个。目前我们的机器人通过激光雷达、超声波一些方案来进行避障，但是怎么样在实际场景中有可靠的应用。

还有是玻璃的问题，无论是激光和视觉都没法看到玻璃，但是超声波可以，但是怎么样让机器人可靠的进行运动。目前思岚的导航系统不仅仅是激光雷达，还支持视觉，像超声波、毫米波雷达，物理碰撞，这是我们解决方案都会支持的传感器技术。

还有一个问题是理解环境中的逻辑概念。这个是什么意思呢？这个是机场场景，行人扶梯，电梯在维护，不希望人进去。人看到就知道这边不能走，如果是机器人长得比较矮小，他通过激光导航发现这个扶梯可以走，这个时候就犯大错误。那这个问题我们在现实当中怎么解决呢？我们就给它增加虚拟墙和虚拟轨道。

除此以外，还有一些实际的场景，比如说多涂层和POI。刚才说了地图的构建，思岚是精细化构图，但是地图上没有我们人感兴趣的东西，比如商场的平面图，地图上标识的是每家店铺的名称，它肯定不是平面图。所以在软件上我们会做很多的修改，比如在地图上我们允许加一些兴趣点，POI的信息，另外我们也支持多涂层叠加。

挑战五：多楼层适配

还有递送机器人，多楼层的送递，场景的自动切换，对电梯的系统怎么样进行改造，另外让机器人怎么能感知到是某一个具体的楼层，这些都是目前导航定位系统中会遇到的问题。这个是行业的整合，不单是把导航定位系统做好，还要针对电梯的通讯协议，不同楼层之间感应到楼层的切换。这些细节上来说，还要考虑用户心理的问题，因为有时候电梯非常多的人，机器人进去该怎么办？我们现在也针对这些出了解决方案。

挑战六：功耗、体积、成本

最后一个问题其实也是我们思岚最早解决的，就是 功耗、体积、成本的问题。大家都知道我们思岚最早是做激光雷达的，目前我们的A2激光雷达最新性能，给大家通报一下，我们目前A2实现的是16米半径的测距，并且测量平距是行业内4K，今年是8K，并且在体积外观尺寸上不会有任何变化。

在功耗和体积上，我们都知道导航定位系统很多时候是需要很强的运算性能的，要搞一个PC处理器才能搞。那这里的一个问题，对于机器人来说，商用机器人其实问题不大，一个处理器几百瓦的功耗都能受得了，有些处理器功耗小一点就是十几二十瓦。但是做一个扫地机，或者家用机器人功耗就受不了了，运算性能增加成本也会贵一些。 思岚目前在行业内相对比较另类的做法，我们是做软硬件深度整合，它是做到2瓦。

这个是基于带有激光雷达和导航定位系统的完整机器人，这个机器人它有个核心特点，它是使用干电池就可以工作，可以实现2小时的连续工作，这足以可以看到它的低功耗特性。

未来的展望：提取语义信息

思岚现在做的是语音信息的提取，现在我们采用多传感器融合，所以可以通过视觉方式来做自动的标注，可以帮助多涂层和POI做智能感知。

另外是行业中的情况，比如 基于深度学习的路径规划。在这一两年我们看到很多很多巨头在做神经网络，尤其英特尔在芯片这一块的性能是非常给力的，在功耗和性能上都让我们非常吃惊，我相信在不远的将来，我们导航定位这个领域也会非常广泛使用深度学习，包括SLAM，以及像路径规划这方面的应用。

16岁当CEO，他用一支交友App打造风靡美国的00后社交

Sun, 11 Jun 2017 19:07:05 CST

最近，社群平台领域冒出一个新名字：派斯特纳（Ben Pasternak），虽和天才创业家脸书扎克伯格（Mark Zuckerberg）、苹果乔布斯（Steve Jobs）一样都是辍学生，但比老前辈更吸睛之处是：连高中都没毕业。

派斯特纳今年初才共同创办陌生交友App猴子（Monkey），因为搭上直播热，「秒征」1990年后出生的Z世代：2个月内，20万名平均年龄才17岁的用户勇助猴子登榜苹果商店社交类App第5名。英国《每日邮报》说，顿时让脸书、闪聊显得过气。

今年9月才满18岁的派斯特纳来自澳洲，丰沛的创业魂堪比硅谷的连续创业家：14岁至今已经连推3款成功App：游戏类「不可能的冲刺」（Impossible Rush）在苹果商店一炮而红，登榜澳洲第1、美国第16名，下载量甚至一度超越推特（Twitter）。

派斯特纳靠着这款游戏，陆续接到脸书及苹果的参访邀请，硅谷投资人也对他展现高度兴趣。去年，16岁的他独自融资近百万美元创业金，说服父母同意高中辍学，飞到纽约开公司、当CEO，4月就推出好友圈的拍卖App「抛售」（Flogg）。

派斯特纳观察，90后根本懒得将二手品上传到eBay拍卖，而是直接找脸书好友贩售。抛售投90后所好，因而被称为「青少年版ebay」。派斯特纳更对Sydney Morning Herald直言，脸书没有实质改善用户体验「有点糟糕。」

然而，派斯特纳也不是屡战屡胜，曾试着在抛售之前开发一支整合社交平台脸书、推特、Instagram的程式「1」（One），只不过，牵涉多方平台难度升高，最后以暂时搁置告终。

网络媒体Mashable说，派斯特纳崛起，代表新形态的社群创业已经不是老叩叩想像得到的玩法。猴子共同创办人透纳（Isaiah Turner）比喻，就好比「打造好玩房子」，成年人只会多安装一套按摩浴缸，「但我们会把滑水道和水上摩托车都搬进来。」

Monkey 这个软件，使用方法十分简单粗暴。打开软件注册成功之后，用户直接会被猝不及防地开始和陌生人配对。一旦配上了，双方的视频聊天即时开始。视频聊天默认时间为15秒，如果聊得不错的话可以增加时间，不过最长也长不过几分钟。

这个软件不是给老年人玩的，Monkey 的用户是来自全世界的青少年，平均用户年龄甚至还不到18岁。Monkey 可以帮助他们在网上更轻松地找到朋友，而且形式够简单、够新颖、够未知，甚至犹如赌博一般。

Monkey团队认为，Monkey 是青少年真正想要的社交网络。一种好玩有趣的陌生人社交体验，不应该受家长或是熟人朋友圈的限制。

此外，在过去的社交体验中他们也发现，并不是所有的青少年都是 Facebook 的粉丝。

Ben表示，Monkey 是一个新兴时代的 App，用来满足世界各地的新人，而不只是学校朋友或你的邻居。尽管 Monkey 也想挖掘你的手机联系人，但它的主要作用是让你找到 “网友”，而不是让你与好友或邻居联系。

从美国市场来看，大部分热门 app 还没加入即时陌生人视频的概念，只有通过文字信息来交流。说到底，这个年龄段的人群有着自己的套路和玩法。

而Monkey的打开就可以随时自拍视频，然后系统会自动匹配的功能正迎合了00后的心态和需要。15秒钟就让你和陌生人开始视频聊天……没有任何其他功能，甚至没有多余的按键。

Monkey的刺激之处是，Monkey为用户限定了十几秒的基本的聊天时间，类似SnapChat的“阅后即焚”。聊的时候可以”充时间“，如果对方也充了时间，就可以继续，一旦有一方没充的话，那不好意思，传唤下一个…

相关阅读：
社交APP只有独特才能在市场上寻求出路	找货APP：时尚购物版的Uber，3分钟找到你想要的图片同款	Myshopanion 移动社交购物顾问	CEO书单：全球顶尖CEO推荐的25本书必读书单	五种让你生活得比别人更聪明的App工具
无觅

华为CEO任正非判断金融危机即将到来，上川普的日落法

Tue, 06 Dec 2016 09:41:25 CST

日前，华为以电邮讲话【2016】094 号文签发了任正非在质量与流程 IT 管理部员工座谈会上的讲话内容，在本次讲话中，任正非提醒内部：

一是金融危机可能即将到来，一定要降低超长期库存和超长期欠款；

二是以流程撑大流量的拍马屁行为，一律免职。

对质量与流程 IT 的下一步工作，任正非要求工作思路要围绕夯实 IPD/ISC/LTC/IFS 的目标来展开，具体包括：

减少变革项目数量，要聚焦做好跨功能、跨部门的流程集成和 IT 集成，使用“日落法”，每增加一个流程节点，就要关闭两个流程节点；

集中精力消除流程断点，打通信息流；
能力要和流程解耦；
能力模块化，并要实现统一接口。

任总在质量与流程 IT 管理部员工座谈会上的讲话

2016 年 10 月 26 日

首先祝贺本次企业数据中心顺利搬迁到东莞，大家不要认为这只是一次简单的搬迁，而是一次升级换代，将在公司未来发展中发挥重要作用。

过去几年，质量与流程 IT 支撑了公司业务的高速发展，取得了一些成绩，比如：建成了覆盖全球业务的网络，构建了 8 个 100ms 业务圈，建立了 IT 服务质量承诺，接受业务监督；通过 “三朵云” 部署，面向客户首次实现体验式营销；结束区域站点存货无法盘点历史，中心仓存货的帐实准确率 99.89%，站点存货的帐实一致率 98.17%；业务对流程 IT 的满意度达到 87.22 分历史最好，IT 需求端到端交付周期也下降了 3 倍……

虽然还有不满意，华为还是从“农民”公司走到现在的 IT 能对全球业务的支持，而且现在部分领域已经支持单兵作战，是我们很大的进步，一定要肯定。

金融危机可能即将到来，我们强调，一定要降低超长期库存和超长期欠款。以前我们的货款记录不清晰，客户来还欠款时，我们还莫名其妙，连合同和欠条都找不到了，如果客户不还钱，多少预备金都付诸东流。现在我们已经结束区域站点存货无法盘点的历史，货款记录开始清晰，进步很大。

你们还做出了很多成绩，我就不一一陈述。你们自己去评奖，想表彰多少人都行，奖牌可以从道德遵从委员会领取。今天我们主要谈谈下一步工作的要求和期望。

一、变革和 IT 也要聚焦，减少变革项目数量，IT 不能遍地开花。每增加一段流程，要减少两段流程；每增加一个评审点，要减少两个评审点。

面向一线，要做好跨功能、跨部门的流程集成和 IT 集成，改变每个变革项目有自己专用 IT 系统的状况。从需求管理与结果评估入手来加强 IT 应用开发的有效性。对于生产 IT，业务部门要承担决策责任，投入使用后，没有使用量的要建立问责机制并问责。对于办公 IT，流程 IT 部要承担责任，并基于使用量来评价。我们要学习川普，每新增加一个流程节点，必须关闭另两个流程节点。流程必须持续简化，IT 应用及文档文件要有日落法。

第一，不产粮食的流程是多余流程，多余流程创造出来的复杂性，要逐步简化。

回顾过去五年的变革，看看到底哪些流程使用量大。没有使用量或者使用量很少的流程，能否先把带宽供给压缩一半，支持流程的人员也减少一半；再过三个月，如果没有投诉，把带宽再压缩一半；如果还没有投诉，就只留下一名人员支持。不想升职升薪的人可以守在那里，希望进步、升职升薪的人都聚焦去消除流程断点。

流程是为作战服务，是为多产粮食服务。使用量少的流程是不是多余流程？当带宽不断减少时，可能会有人投诉，你们就去访谈，看看这个需求有无可能合并在其他流程中。当然，不能简单直接减掉一个流程，因为可能会产生断裂带，引发矛盾冲突，就不会成功。

不可持续的就不能永恒，繁琐的管理哲学要简化。有人说，已经走了很多复杂化道路。不经过复杂，也简化不了，如果一开始就能做出简化方案，那你是神仙。

　　第二，集中精力消除流程断点，打通信息流。

目前公司的架构流程乱、数据断点多。甚至有些业务流程，操作人员要跳过四、五段流程，才能达到最后目的。举一个例子，以前深圳有很多断头路，之所以堵车这么厉害，因为没有微循环，后来交通改革打通了断头路，让一些车辆不用绕到主干道上，交通就比原来通畅一些。

现在我们公司的流程也比以前好了一些，但还要精简无效流程，将减下来的人员集中精力去打通“断头路”。重点打通合同信息流，目前合同中的配置数据、价格数据依然存在断点。

　　第三，IT 应用开发投入使用后，没有使用量的要建立问责机制并问责。

对于五年内的无效流程清理，能否敢于实行问责制？谁提议开发这个流程，能否追溯他的责任？如果他提议开发，一直在使用这个流程，可以赦一半罪；如果他自己也不使用，能否狠狠处分两个人？有人在命令高级干部看无效视频，以撑大流量，这种人就是拍马屁的，一律免职。

我们不能满足客户需求多元化，每个人都会有需求也无法都满足。如果把所有个性需求上升到很重要的地步，那公司会乱成一团麻。

　　二、主业务流程和能力解耦，能力模块化、微服务化是方向。

　　第一，流程和能力解耦，IT 部门最重要的职责是把“高速公路”修好，打通到前线、到战壕。

能力要和流程解耦，包括财务能力的优化。从单纯自建 IT 基础设施到自建与使用公有云服务相结合，把应用分类，涉及核心信息的应用部署在自建私有云上，不涉及核心信息的应用大胆使用公有云服务，以此来提升资源使用效率，减少运营、运维人员。有部分领域已经在支持单兵作战，这点非常好，我们要巩固。

IT 部门最重要的职责是把“高速公路”修好，至于路上跑的是“轿车”、“卡车”、“牛车”……跟 IT 部门无关。如果流程和能力纠结在一起，“路”不通，能力也就不能用。

我们一定要聚焦主航道，以合同信息流为中心全打通，合同信息包括从合同生成到交付回款，其他先放一边。我在 LTC 会议上说过，我们就是将合同信息流打通，其他优化模块、能力模块，先放一边。现在 GTS 流程基本打通了，企业网流程阎力大也基本打通了。

我们打不通的是做了几十年的系统，为什么？因为不聚焦在主航道上，什么乱七八糟的都往主航道上放。流程要支持主航道主干体系，这个系统的人多提拔，优秀儿女都涌过来，怎么可能会打不通？打通了，再去挖小沟、小渠。大禹治水，如果大江大河都没有打通，难道把小沟挖完后就没有水灾了？现在流程 IT 之所以困难这么大，就是因为主航道没打通，导致投入了很多兵力，做几百个项目都没有用。

第二，能力要模块化。

我们不要有完美主义思想，流程与能力解耦。能力模块化以后，单个能力能及时、快速优化，不要因为这块能力优化，把其他能力也给拖住。以前华为公司存在那么多问题，也发展到了今天，所以能力即使达不到最优化，公司也不会活不下去。如果今天的能力能做到完全优化，那五年后我们做什么？

　　第三，所有能力要有统一接口，IT 应用坚持软件包驱动。

IT 部门要与业务部门形成合力，重点突破，为一线作战队伍提供集成的 IT 平台。一线人员登录 IT 系统后，能够获得作战所需的资源、能力和服务，使得一线能够灵活作战，后方有力支撑前方，业务过程透明可视并监管有效。公司各种数据（如 GTS 数据、供应链数据、三朵云的数据等）要制定统一的规范接口，拉通互用，才能多维度关联建模分析，提升作战效率，数据资产价值最大化。

建立业务部门与 IT 部门的联席会议，重要问题在联席会议上讨论，一定要打通各个业务模块、信息模块、信息共享。

IT 部门是“万里长城”的主要建设者，需要建立自己的能力中心，坚持购买软件包驱动变革、驱动流程，不强调自主开发。前期公司已经将流程 IT 的开发部门全部切出去了，你们要学会当甲方，他们是乙方。如果你们自行开发出一个软件，无法想象五年、十年后还能不能使用，而且算算开发人员的股票、分红……成本多高，还不如从国外或企业 BG 购买。一方面他们已经构建了软件包的生命周期，另一方面他们会不断维护生命周期的循环。所以我们强调改变模式，减少自主开发，用美国砖、欧洲砖……来修建“万里长城”。

三、未来五年，华为要自己实现 ROADS，实现数字化转型，变革与 lT 要在夯实 IPD/ISC/LTC/IFS 的基础上围绕这个目标来展开。

公司提出了 ROADS 计划，要沿着这条路持续走下去。使能公司实现数字化转型和大平台下的精兵作战，在研发、销服、供应等业务领域要率先实现 ROADS 体验（实时、按需服务、在线、自助、社交化连接）。

蓝血注：日落法，即 sunset law ，又称“夕阳法”。是美国国会在批准成立一个新的行政机构或批准一个联邦计划项目时，明确规定该机构或该项目的终止日期。在政府行政管理中，建立一个机构和批准一个项目是比较容易的，但要撤消它们却很困难，因为这将使许多人失去工作，会损害许多方面的利益。如何控制自然趋于膨胀的行政机构，对于任何政府来讲都是一个头疼的问题。制定“日落法”这种特殊形式的法律，目的就是为了对抗机构自我膨胀的趋势。

来源：蓝血研究（微信 ID：lanxieyanjiu）

本文链接

MapR CEO对2016大数据的5个预测

Sat, 20 Feb 2016 22:58:54 CST

MapR Converged Data Platform将Hadoop和Spark的强大功能与全局事件流、实时数据库能力与企业存储集成到了一起，用于开发与运行创新性的数据应用。MapR Platform由业界最快速、最可靠、安全且开放的数据基础设施所驱动，极大降低了TCO，并实现了全局的实时数据应用。comScore的CTO Mike Brown这样评价MapR：“MapR位列以数据为中心的业务解决方案的前沿，他们提供了最佳的大数据平台，同时其核心架构成功地满足了现代数据的挑战”。今日之时代是大数据时代；近日，MapR CEO John Schroeder给出了自己对于2016年大数据的 5个预测。

1.聚合方式将会成为主流

在过去的几十年中，为人所接受的最佳实践是将运维与分析系统保持隔离，这么做的目的是防止分析系统的负载影响到运维流程。HTAP（Hybrid Transaction / Analytical Processing）一词由Gartner在2014年提出，用于描述可以同时执行在线事务处理（OLTP）与在线分析处理（OLAP），同时又无需复制数据的新一代数据平台。2016年，我们将会看到聚合方式会成为主流，因为主流公司都会从将生产负载与分析整合到一起来快速调整客户偏好、竞争压力与经营状况中获益。这种聚合会加速组织的“数据到行动”循环，并消除了分析与业务影响之间的时间延迟。

2. 从中心化到分布式的转变

技术循环总是在中心化与分布式之间摇摆。大数据解决方案一开始聚焦在中心化的数据之上，这么做可以减少数据复制、简化管理，并且能够支持各种应用，包括客户的360度分析。不过在2016年，大型组织会越来越多地转向分布式的大数据处理上，借此迎接管理多种设备、多个数据中心、多个全局用例的挑战，还能够改变海外数据安全规则。物联网（IoT）的持续增长，越来越便宜的IoT传感器、更快速的网络以及边缘处理都会进一步要求我们实现分布式的处理框架。

3. 存储（特别是闪存）将会成为极度丰富的资源

下一代、基于软件的存储技术将会促成快速且密集的解决方案。闪存是实现消费者、计算机与企业市场产品新设计的关键技术。消费者对于闪存需求的不断增加将会持续导致其价格的降低，而大数据领域中闪存的应用也将开始发展起来。最佳的解决方案是将闪存与磁盘整合起来以支持快速且密集的配置。在2016年，新一代的基于软件的存储方案将会促成快速且密集的解决方案的兴起，这样组织就无需再在速度与密度之间进行艰难的抉择了，因为他们已经合为一体了。

4. “新奇事物综合症”将会让位于对基础价值的关注

在2016年，市场将会越来越少地关注于最新且最好的“新奇事物”，转而将注意力放在业已经过验证的、能够提供基础业务价值的技术上。新的社区创新会持续获得关注，不过在2016年将会有越来越多的公司开始认识到能够产生业务影响的软件价值上，而不再关注于那些原始的大数据技术。

5. 市场将会更加关注于质量

对于大数据技术公司来说，投资者与组织会逐渐远离那些只停留在业务模型上的公司。相反，他们会更加聚焦于安全的选择，这些公司拥有经过验证的业务模型与技术创新，可以实现改进的业务结果与运维成效。现在，组织的竞争力将取决于他们利用数据来驱动业务的能力。Schroeder说到：“MapR通过Converged Data Platform来驱动业务的发展，并且支持各种各样的数据处理、分析与应用”。

您可能也喜欢的文章：
大数据领域33个预测	CCF大数据专家委员会：2016年大数据发展趋势预测解读与行动建议	2015年5个大数据技术预测	大数据预测世界杯：一个有趣的噱头	大数据改变经济预测范式
无觅

克莱斯勒CEO：真正实现无人驾驶还需要五年

Sat, 07 May 2016 16:43:00 CST

网易科技讯 5月7日消息，据《纽约时报》报道，在过去一年，菲亚特克莱斯勒CEO塞尔吉奥·马尔基翁内(Sergio Marchionne)曾几次试乘谷歌无人驾驶汽车，其速度给他留下深刻印象。但真正获得他注意的是无人驾驶技术的突飞猛进，而不是该汽车的行驶速度。

克莱斯勒CEO：真正实现无人驾驶还需要五年

菲亚特克莱斯勒已与谷歌在无人驾驶汽车领域开展合作。马尔基翁内表示：“每次我都发现谷歌的无人驾驶汽车变得越来越好。无人驾驶技术不是空中楼阁。人们认为真正实现无人驾驶还需要20年，我认为我们将在5年内实现。”

马尔基翁内是在该汽车公司旗下的一家工厂发表这一讲话的，这家工厂将生产一款新型面包车Pacifica。根据本周公布合作协议，菲亚特克莱斯勒将生产大约100辆改装后的Pacificas，谷歌将为这些汽车配备其开发的传感器和电脑。这两家公司将组建立一个联合工程团队，总部设在密歇根州，以进一步完善无人驾驶技术。

这是马尔基翁内首次对菲亚特克莱斯勒与谷歌周五达成的协议进行公开评论。他承认，目前还不清楚他们的合作能走多远，或者他们将如何分享他们的工作成果。

他说：“我们以一个完全开放的方式走到今天这一步。只有到达我们的无人汽车可以投入实用的阶段，我们才能讨论如何分享成果的问题。但现在，我们还没有到达这样的阶段。”

其他汽车公司也正在竞相将无人驾驶汽车投入到实际应用中。

消息人士表示，通用汽车公司和打车应用Lyft计划在未来一年内，在美国某个城市测试无人驾驶出租车车队。不愿透露姓名的消息人士称，他们最有可能首先在雪佛兰博尔特(Bolt)电动汽车上部署该技术。

通用和Lyft于今年1月达成合作伙伴关系，并宣布他们计划推出一个无人驾驶汽车订车系统。通用和Lyft发言人拒绝透露他们计划的其它细节。

到现在为止，菲亚特克莱斯勒对其无人驾驶汽车计划的细节透露很少。直到2015年，马尔基翁内主要关注的不是未来汽车，而是目前汽车制造业面临的问题。在一次他称为“一位资本瘾君子自白”的演讲中，他指出，汽车行业将隐入危机，除非汽车公司之间进行合并，同时停止开发客户从来未接触的发动机和零部件，后者浪费了数十亿美元。

后来，他尝试说服通用或其他汽车制造商展开并购谈判，但未能获得成功。

一些分析师对菲亚特克莱斯勒与谷歌的合作持怀疑态度。

市场研究公司Kelley Blue Book的分析师卡尔·布劳尔（Karl Brauer）指出：“他们向谷歌提供100辆面包车，这值得肯定，但没有必要与谷歌开展如此多的合作。所以他们真正能联手开展多少工作，还有待观察。”

而福特和奥迪等其他汽车制造商已花费数百万美元，用于自主开发无人驾驶汽车，对此他们毫不掩饰。他们的想法是，以此化解来自无人驾驶汽车任何可能的竞争威胁，无论这些汽车是由谷歌还是硅谷的竞争对手苹果所开发。一些汽车公司试图将自己重新塑造为“移动公司”，为人们提供出行的方式——无论是自己拥有的汽车，还是通过一款应用租车或打车。

马尔基翁内周五表示，“移动公司”概念是一个“崇高的理念”。

他还表示，他不打算让菲亚特克莱斯勒与谷歌合并，虽然他正依靠后者帮助其公司赶上无人驾驶汽车技术的发展步伐。他说：“我们将通过按照他们的速度与他们合作，从而获得自身的发展。我们正与他们一起探索，这将让我们走进他们的世界。”

他指出，其它汽车制造商正自主开发无人驾驶汽车，以与谷歌竞争，这让他们的投资冒着打水漂的风险。

马尔基翁：“在这（无人驾驶汽车发展）过程中，现在认定谁将胜出还为时过早。拒绝与他人合作，将是一个非常危险的赌注。”

（刘春）

阿里前CEO卫哲：B2B的春天已到，关注这10大核心问题

Mon, 17 Oct 2016 15:36:29 CST

来源：盛景网联（ID：sjwl360），作者卫哲，整理：sunny。

B2B 电商的春天已到，但在嘉御基金创始人、前阿里巴巴 CEO 卫哲眼里，这样的情况却不一定是好事，这是为什么？要抓住 B2B 的机会，重中之重的问题是什么？

1. 从马云半夜给我打电话看 B2B 的真正本质

B2B 的意思到底是什么？我们今天在这里首先要说一下这个问题。在进入阿里之前，我其实做的 2C 更多，对 2B 业务理解并没有后来深刻。进入阿里之后，马云有一次就问我：“B2B 英语怎么说？”，我说这个不就是 BUSINESS TO BUSINESS 吗？但是马云却说不对，B2B 其实是 BUSINESS PEOPLE TO BUSINESS PEOPLE。B2B 不是企业对企业，而是商人对商人。我为什么在开头要说这个，因为这个问题会贯穿我今天讲的所有内容。我非常赞成马云的这个观点，因为我们做 B2B，无论是产品还是服务，首先要想到去满足企业的需求，而企业的需求，无论产品或者服务，落到根上，肯定还是商人的需求。

在阿里的几年，阿里股价从之前四十多港币跌到几块港币，马云都没有给我打电话，但有一次，为了一件事，马云却半夜给我打了电话。

当时，阿里的网站上有个叫做商人社区的栏目，这个栏目主要定位是用于商人的观点和资讯的交流和碰撞，我一开始也没觉得有什么价值。但因为这个栏目放在阿里网站的首页，而且位置非常醒目，我们的一些年轻同事就说，哎呀这个位置干嘛放这个呢，要是卖广告岂不是更好，一天 200-300 万人民币，几乎无成本，每年可以无成本赚得上亿利润啊，于是我就听了这些同事的意见，把这个地方给了广告，把商人社区转而放到首页一个不显著的位置。

没想到马云因为这件事在夜里给我打电话，在电话里他很大声的说：“卫哲你把这个位置变成卖广告的区域了，你不想活了！公司不想活了！上市压力把你逼疯了！”我一开始对此还不太理解，商人社区有这么重要吗，没有必要放这么显著的位置吧。但马云却说，B2B 本身交易行为是低频率的，商人不可能天天都能做成生意，但是天天来这里逛逛，互相交流一下是可能的，所以商人社区放在这么醒目的位置是很有必要的。

这个事情告诉我们，我们做 B2B，包括当时的我在内，都会犯一个错误，就是容易一开始先去想企业有什么需求，但这是个误区，因为企业是死的，只有企业里面的商人是活的。无论是交易型、还是服务型 B2B，真正来操作这个平台、使用服务的，一定是人。这是我今天想强调的第一个观点。

2. 为什么说 B2B 的春天已经到来

我们说 B2B 的春天已经到来，有如下几个主要原因。

首先最重要的因素是商人的年龄发生了变化。

我在阿里的五年，一直坚持见客户（做 2B 业务一定要坚持见客户）。在 05、06 年时，我们面对的商人大多是以 70 后为主，他们当时大概在 35-36 岁，或者是大公司的部门总监，或者是小公司副总，还有一些更小公司的老板。除此之外，我们的客户中还有一部分 60 后以及少量 50 后。这批人的特点是对互联网、电子商务、软件的使用没有概念，教育成本、转换成本非常高。

今天的商人群体已经变成以 80-85 后为主，尤其是 85 后，他们是中国互联网最重要的一代推手。这一代人在中学时代就开始接触互联网，成为了真正的中国互联网一代。

2005 年和马云聊天，我说，咱阿里 2 万人，一年利润却不如腾讯一个季度，这让人有点郁闷。我们也不笨，也很努力工作，可为什么他们像卖白粉的，我们就像卖面粉的呢？马云说，你不要着急，85 后这时候还在玩游戏，再过几年他们就有消费能力，就需要我们的服务了。马云的这个论断后来也被证实了，到 2012 年四季度，阿里利润始终高于腾讯。

2012 年 85 后 27-28 岁，如今他们都三十而立了，并且逐渐成为企业中的权力掌握者，逐渐可以决定企业的决策了。而这就是 B2B 进入春天的一个天然的推动因素，因为这批人更容易接受 2B 企业服务。

马云也说，虽然阿里以 2B 起家，但 2B 真正的爆发，肯定要靠 85 后，只有企业 85 后掌权，B2B 才会迎来成熟时机。

说 B2B 的春天已经到来的第二个原因是经济形势的变化。

当中国经济的冬天到来时，恰恰是 B2B 春天到来的时刻。

B2B 往往不是做大蛋糕的过程，而是切蛋糕的过程。和 2C 不一样，2C 很多情况是做大蛋糕。例如，“11.11”剁手党的出现，实际上就是因为刺激了消费而可能潜在做大市场规模。但企业活动同个人活动不同，它比个人行为更加更有计划性。一个企业不会因为上了任何一个公司的采购平台就会多买东西，相反，甚至由于效率的提升，它一次购买的东西可能是减少的。

所以，B2B 是切蛋糕的过程，谁先用 B2B 这把刀，谁就可能在一个具体市场中获得更大市场份额，或者使得自己的内部效率提升。

客观经济形势的变化使得切蛋糕在今天变得更加重要。在经济形势好时，当人人都可以通过做大蛋糕赚钱时，没人会去理会切蛋糕。但中国经济出现增速下行的时候，反而 B2B 迎来了机会。

综上两个因素，我们认为 B2B 的春天已经来了，当然这个春天已经来了有两三年了，所以现在虽然尚未到一个收获期，但 B2B 的爆发期已经开始。

3. B2B 的十大核心问题

问题一：多人决策性质&多账户设置

第一个问题是 B2B 的最重要问题。

2B 与 2C 最大的不同点在于，前者是多人决策，多人使用。即便是最小单位的B，夫妻老婆店，也是两人决策，两个人也有不同分工。C不一样，使用、决策、买单是同一人。

正是因为企业的多人决策特点，所以做 B2B 产品，就要首先考虑有没有设立“多账户体系”。

交易型账户设置相对简单，经常我们都会对其进行子母账户设置，也就是说，要有操作人员使用的“伙计账户”；也要有老板账户。为什么要设置这样的账户，因为这两者的需求是不一样的，而这一点也是阿里从实践中总结出来的。

我们知道，阿里的基本收费模式之一就是年费制，而凡是年费模式，我们就会关心续费问题，但我们发现当时续费率在不断下降。为什么呢？原来，当业务员使用阿里巴巴账户时，他可能因为不熟练使用方法而不经常操作使用阿里账户，没有发挥阿里账户的价值，但业务员不会把这种问题归咎于自己，反而他会和老板说“阿里这个效果不好、咱不用了”。这就等于业务员炒掉了阿里巴巴。

为了应对这个问题，我们就开发子母账户，具体用子母账户做什么？很简单，我们就用它给业务员的老板发报告，告诉他业务员每天登录使用阿里巴巴的时间情况，对信息的反馈情况等等。这样，老板就可以及时发现业务员是否及时使用了阿里的账户，而业务员也因此变得更加积极使用阿里的账户。

子母账户一开始或许只是阿里为了提高续费率的一个方法，但老板后来的确发现它很好用，因此不断提出新的需求，比如希望这个账户能够防止业务员带走客户或者公司信息。于是阿里就增加了账户功能，使得母账号可以把所有子账号信息归集，业务员走了客户不走；再后来，母账号有了产品报价审批功能。

子母账户以外，我们又发现企业还需要平行账号。比如采购部门的动作要连接财务部门，因此他们都需要有账号。

设置什么账户，没有标准答案，要根据你的服务具体确定。如今阿里钉钉也是多账户体系。交易型 B2B 如此，服务型也是如此。

问题二：B2B 地推的三把枪、四个率

B2B 要地推，交易、服务型都是如此，这是由 B2B 的多人决策特点所决定的。

2C 经常通过用户画像来掌握用户特征，2B 则很难。用户画像怎么能知道一个企业的关键决策人是老板的小三这种问题呢？所以地推是必须的。

地推有两个重要任务。

第一是找关键人。只有地推才能找到企业的关键人，因为企业的关键人不是网络上能找到的，各个企业的部门设置都不一样。

第二是找第二关键人。因为很多企业都是需要多人共同决定要不要使用服务。这种情况下，除了靠人肉地推，别无他法。

地推不可缺少，也不是只是中国特色，salesforce 也要做地推。

因为地推重要，所以打造一支地推团队，对于 B2B 企业非常重要。做 B2B 你可以大量使用皇军、也可以使用伪军，也可以皇伪结合——简单点说就是用直销还是用代理和加盟。但无论是代理加盟还是直销，都需要地推，都需要建设地推队伍，管理地推质量。地推是 B2B 企业成功的关键。

但是也不能盲目迷信地推，不能只靠地推。

这里要说一个“三把枪理论”。我们把地推叫手动步枪，打一枪拉一次栓，它的优点是准确、但缺点是慢、不能规模化。所以地推一定要进一步向前走，从手动走向半自动，再到全自动。半自动就是在有限人力辅助的情况下，逐渐向全自动过渡。全自动就是自主操作、自动续费，不再需要我们人肉介入。我建议每个公司要设置这样一个手动、半自动、全自动的客户比例指标，并且观察它的变化。

那怎么解决从手动到半自动和全自动的问题？最重要的是要设置好对地推人员的激励制度。要让手动地推的业务员能够分享他拉来客户终生所产生的利润，只有这样，地推人员才有动力去推动客户转向半自动、全自动交易。否则，如果只要一切半自动、全自动了，整个客户就和拉他来的第一个销售地推没有任何关系了，那就没有人再愿意去做半自动全自动的推进了。

地推怎么考核？很简单，在不同的阶段抓四个率：覆盖率、转换率、复购率、渗透率。

到一个新市场，先做覆盖率。最初的时候，你可以以一周、一个月、甚至一季度，只做覆盖率这一件事，覆盖全部客户，让他们开户。

第二个阶段抓转换率。有账户了，使用了没有？付费了没有？只有使用才是转换。

第三，抓复购率，看是否重复使用。

第四，抓渗透率。一个公司月采购 100 万，在你这里花了 10 万，为什么那 90 万不在你这里？一个产品，该有 20 人用，还有 10 个人没用，还有 50% 没渗透。

产品或服务是否具有强粘性，难以替代，关键取决于渗透率高低，一旦形成高渗透率，这个客户就很难切换了。

以上四个率做到了，营业收入和交易额是自然的结果。如何做到四个率的提升？那就要找到反对这四个率的理由，覆盖率有了，为什么不转换，转换率有了为什么没有复购？复购率有了为什么渗透率不高？反对理由都消灭光，剩下的就是使用你的理由了。

问题三：B2B 交易条件独特，价格难透明

B2B 交易的独特性决定了交易价格透明是难以实现的，B2B 价格本身就不该透明。

首先是采购交易量不同价格就不会一样，买 100 双鞋子和买 10000 双的价格不可能一样；其次是付款方式不一样价格也会不一样，现款现货和预付款和账期付款都有区别；提货地点不一样，价格也不一样；提货方式不一样，价格也不会一样。

另外，价格、采购成本都是企业的核心机密，不能轻易让同行等知晓。这些都是 2B 的独特性，既然独特，就无法改变，互联网也不能改变它。很多 B2B 企业会对客户说，通过“去中间化让价格透明”这一点是做不到的，不存在这样的逻辑。

虽然如此，也不能没有网上价格，否则无法实现自动交易，B2B 就回到了简单的信息服务，交易双方得在网上聊天、见面，效率很低。要解决这个问题，就要考虑两个报价方法：第一，把交易条件的种种独特性包含到你的报价体系里面去。第二种方法，“白手套体系”，就是分层报价，和沃尔玛谈与和个体户谈，价格不能一样。要从骨子里放弃对于 2B 交易价格透明的追求。

问题四：B2B 撮合交易的有意义和没意义

本来线下有交易，搬到上线去，有意义吗？撮合交易的关键是搓完了第一把之后做什么。为了撮合而撮合不但没有意义，通常还会付出额外代价。撮合还分真撮合假撮合，严格的真撮合，是款、票从平台上走一遍。但现在很多商业计划书给我们看的都是假撮合，统计口径而已。

真撮合，走钱走票，能够带来真实客户（银行账户和发票抬头），获取真实交易数量和交易价格。这样的撮合才有意义。

问题五：B2B 重要的交易形态：拍卖、团购、中远期，核心是“聚”

获得真实撮合交易的数据的目的在于将其应用于交易。举个例子，我们发现某食品厂每个月买 100 吨糖，价格 5000/吨，连续三个月购买。卖糖的一个月卖了 10000 吨，5000 成交了 5000 吨，5100 成交了 3000 吨，5200 卖了 2000 吨。得到了这些数据我们能做什么呢？我们可以搞团购，让多家采购规模相似同一地区的食品企业以更低价格买入糖。也可以搞拍卖，让糖厂把原来 5000 吨成交的糖以 5100 卖出去，甚至更高价格。还可以搞中远期买卖，例如让不同提货时间的企业合在一起和糖厂谈判，以获得更为优惠的价格。

拍卖，团购，中远期，三件事的核心是聚，聚是 B2B 最大价值所在。这三种形态并不是互联网的发明，但因为互联网而变得更具有价值，因为互联网能够打破空间和时间限制，从而扩大了这些形态的应用可能性。

问题六：B2B 体验在于：多、快、好、省

2B、2C 用户的用户体验本质是一致的，都是要围着多快好省这四个字展开。

但要把四个字同时做到，无论对于 2C 还是 2B 都不可能，都要取舍。

我们先举个 2C 的例子。美国零售界的 COSCO 最近很火，它主打的首先就是省、其次是好，但缺点是位置太远，去那里不够快，另外沃尔玛单品 2 万-3 万 SKU（库存量单位），COSCO 只有 7000，例如它的牙膏品种不超过 3 种，选择不够多。所以说，COSCO 是为了省和好，牺牲了快和多。

互联网电商，淘宝的特点是多、省，京东则追求快和好。由此可见，即便互联网时代，传统零售的多快好省追求也没改变，且需要取舍。

2B 也是如此。但不同行业、不同规模的企业，在创业的不同阶段，对这四个字的需求是不一样的，这里没有标准答案。但同 2C 一样，你也需要在这四个字中做出取舍。

例如对于糖的采购，多根本不重要，因为我们只有国家一级、国家二级白砂糖两种。快也不重要，因为采购非常有计划性。所以，只要关注好和省就可以。

某些企业对化学试剂的需求，不太关注省和快，但必须要求种类多，也要求质量好，否则质量不好，发生爆炸怎么办？

同一个行业的两类企业需求往往也不一样，因为他们背后的商人需求不同。SaaS 服务对象有大企业和小企业两类，它们的需求不尽相同。不要和中小企业谈快的问题，因为他们有的是时间，但他们往往资金少，而且最缺是商机。SaaS 鼻祖，美国的 salesforce 卖的就是商机，帮助中小企业提高商机的转换能力。CRM、ERP 这些软件对于中小企业而言，就是商机转换工具。

中小企业不会在乎“协同”，夫妻老婆店也不需要用钉钉。省钱也不是和中小企业核心的卖点。小企业的利润不是省出来的，是干出来的。只有大企业才会关注省钱，才能省出利润。

归根结底，中小企业最喜欢按效果付钱，关注用了或没用、有我或没我的结果是否不同，商机多了没有。

问题七：B2B 的平台和自营

阿里巴巴一成功，都觉得做平台才能做大。做了平台，又觉得要维持三公原则，做了平台再做自营就是既做运动员又做裁判员，怕引起误会。

但比决定做平台还是自营更重要的是，是要把客户利益放在第一。你要自问，是平台服务还是自营服务能对客户的多快好省利益最大化？如果你的客户痛点是快，为了客户利益，你就可能要做自营，当然同样的客户痛点，也可以用不同的方式解决，例如淘宝是通过商家 PK 来获得低价，但 2B 可以靠自营，通过对卖家统一交易条件来实现低价。

服务型 2B 同样如此。SaaS 是我自己的最适合？还是平台加盟商更适合？这些都要看怎么样让客户利益最大化。

所以不要纠结自营还是平台，客户利益第一。

问题八：B2B 信息流、物流、资金流单点突破，不求三点都赚钱

传统的 B2B 业务，往往是黑箱操作，将信息成本，物流成本，资金成本等混合在一起，然后以最终的价格来体现。例如从烟台运到北京的苹果，价差就包含以上多种成本在里面。

互联网时代的 B2B 交易，要想办法把这个三个流的成本重新算清楚。信息流就是通过信息不对称可以赚到多少钱，资金流就是通过垫资等方式获得的资金成本收益，还有物流。这三个流都要算清楚，算清之后，就要单点突破，不要求三点都赚钱，而是要先在一个或两个点上获得利润。

以烟台苹果作为案例。传统上，货没卖出去之前，要囤货，但囤货就需要仓储，而且仓储时间越长，成本越高，要是冷库仓储，价格就更贵。所以，传统上的交易，我要为没卖掉的商品付钱，而且卖的越慢成本越高。

互联网可以对此进行这样的颠覆：在烟台包下一个冷库，然后对商品企业说，你商品入仓，放在这里多少天我也不收费，但出仓交易成功再收交易费。交易费怎么收？苹果从入仓到出仓的行业平均天数是在冷库放 60 天，那我们规定，交易成功，我只收你相当于 30 天仓储费的钱。不但如此，只要你货在仓库，我还可以给你垫资，先借给你相当于商品价值 50% 的资金。此外，因为你的货出仓在我这里，我对你的货的质量数量等非常了解，所以我还可以优先在互联网上推销你的产品。老板们对此当然很高兴。这么一弄，整个烟台的苹果，都愿意放在我的冷库里面来。来的数量多了，我就可以从货品中优中选优，仓储货品的整体质量就有了提升，而整体质量提升了，货也变得好卖了，整个仓储的周转速度就提高了。这样，原来需要 60 天才能卖掉的货物，如今两周就可以卖掉了。

在这个例子中，我们赚到了什么钱？我放弃了物流（仓储费用不要了），赚取的是交易费和可能存在的供应链金融的钱。

再举个例子，广西桉树板运到山东去，原来是用汽车运，速度快，但是成本高，后来我们改用船运，运输时间从几天变成了2-3 周。运输速度变慢了，但是我们在中间解决了其他问题：原来这个行业的上游特别缺钱，而且银行一般不敢贷款。我们进来之后告诉他们，我们改变你的运输方式的同时以更低的利率给你提供贷款。为什么我敢贷款，因为你的板子在我的船上，风险锁定了。一旦货的风险锁定，我就可以在另一端做中远期交易。在这个例子中，我们没有赚的是资金流的钱，因为我们给这些上游企业的贷款利率都很低，但我们通过运输成本的较低赚到了物流的钱。这样我们就打破了当地贸易公司的垄断，因为传统的贸易公司基本上都是在靠资金流，提供高利贷等方式赚钱。

服务类 B2B 也是如此，传统软件企业在销售软件的时候，其实把包括售后服务等在内的所有成本都打包给了买家，整个过程不透明。但我们通过对业务流程的梳理，就可以知道哪些地方的成本和价格对应关系，如此就可以在别人收费的地方提供免费，突破壁垒，同时获得新的盈利方式。

问题九：B2B 供应链金融核心是基于“链”和“贷”，“判得准”“看得住”“卖得掉”

要做 B2B 交易，就必须考虑金融。传统线下存在了 1000 年、2000 年的 B2B 交易中本身就自带金融属性。现实中，除非是 100% 现款现货，否则剩下的交易都有金融问题。只有有信用期交易，都是含金融的。

一定要做金融，怎么做？只有两种做法。

一种是“供应链金融”。什么是链，两个环扣在一起才叫链。供应链金融要至少涉及两个交易环节，要有两个交易场景。现在很多对供应链金融的理解是不对的，以为你买你卖有账期就是供应链金融，但实际上这只是供应的一个环，而不是一条链。

举糖厂的例子。每年糖厂收甘蔗的季节都特别缺钱，但你不能把钱借给他，因为直接给他，他不去买甘蔗，而是去买房子股票怎么办。所以你要做的是在保证拥有甘蔗货权的前提下，参考甘蔗在榨糖中的成本占比给他贷款，如此一来，你既给他贷了款，但实际上也是替他收了甘蔗，这样就是参与了糖厂和它上游这两个环。这就是供应链金融的一个例子。供应链金融非常难做。

第二种是做“货金融”。刚才我们讲的苹果、桉板的例子，并不是供应链金融，但是我把货控住了，我做的是货金融。做货金融关键在于三个词，“判得准”“看得住”“卖得掉”，这三个词缺一不可，顺序不能错。“判得准”是什么？知道苹果、糖多少钱一吨，依靠 SaaS、了解抵押物的价值；“看得住”，就是保证货权得在你的手里面。要么守卫大棒子守着，要么海上漂着；“卖得掉”就是要确保最后货不会砸在手里，我们能够迅速卖得掉。

归根结底，做 B2B 一定要考虑金融问题。要么做链条，要么做货物。

问题十：B2B 必须分类分级管理——“分类分级、特权特价、出力出钱、可进可退”

第十个问题也是最重要的。如果觉得今天的内容有点多，那么就主要记住第一条和这一条。

2C 是有分级的，淘宝的买家卖家都有分级，皇冠买家、三钻买家、五颗心卖家……等等。2B 也如此，因为 B2B 归根到底是商人对商人。但与 2C 相比，B的分类分级大不一样。因为企业比个人要复杂很多。

分级不是内部的事儿，是要像淘宝一样，要做显性分级，让客户知道，打明显标签。

分类分级出于特权特价。特权可以让一些客户具有相对的优先权，比如高尔夫的会员，某些百货商店的会员，拥有会员意味着可以享受到普通客户无法享受到的服务。特价比较好理解，就是价格更优惠。不过传统企业对特权理解不够，过于喜欢谈钱。

会员等级里，谈特权不费钱，对于绝大多数企业而言，特权就是商机分配。阿里巴巴的排名，就是商机分配、就是特权。高级会员，对应更多的特权，对应更好的价格。

企业如何获得更高的等级？要出力出钱。之前传统企业比较能接受的是买的多级别高，“出钱对应特价”。阿里巴巴的创新在于，先不谈钱，我给你的是特权，要你的是为平台出力。企业为平台出力，也能获得特权特价。怎么让企业给你出力？把自己想干的事儿，让客户帮你干。阿里巴巴 B2B 最先分类分级，同时做到特权特价，但当时没有考虑出力问题。淘宝三年免费，走的是客户出力的路子：让客户帮淘宝拉更多的买家，并推出对淘宝客户的综合评级打分指标，这个指标关注产品发布、小二被投诉率、店的评分。谁的综合评级分数越高，越能够获得推荐。在淘宝的最初，出力比出钱更重要。

出钱和出力都很重要，这就像打游戏，你没钱买道具，所以每天打十小时，但也允许别人花 1000 块买把刀，一下子增强实力，这都挺公平。但平台要鼓励出力的人，不能说平台都是土豪。

最后是可进可退。淘宝当年没有做可进可退，它是把等级设成了只进不退的红心-钻石-皇冠-金冠模式。但支付宝从第一天开始就是可进可退的，因为它的会员等级就是信用等级。信用等级一定是动态的，芝麻信用是可升可降的。

阿联酋航空进中国，直接给我送了张黑卡。我就放那儿了，9 个月没用，后来他们给我打电话，说你一次也没飞过，要是未来三个月不飞，你就降为金卡了。这就是可进可退，再强有力的背景，不做贡献就不捧着你。

总结一下：2C 都要分类分级，2B 更是如此。交易类服务类都要这样。这不是内部管理问题，是必须要让客户知道的，而且教育客户知道。如何让客户去升级打怪，那就要告诉客户出力比出钱重要。实在出不了力，出钱也行。机制上要可进可退。

十个问题讲完，最后再总结一下：

这是个问题，对于交易型 B2B 是完全适用的，1、2、6、7、10 适用于服务型 B2B。

和 2C 不同，2B 的特点是多账户，多决策；2B 业务一定要做好分类分级。

B2B 的春天来了，且快进入夏天，但这不是好事情。行业变热，意味着会有更多人和钱进入。大家如果有先发优势，要快点把壁垒建构起来。哪些可以构建先发优势？多账户体系，客户分类分级，有了这些，你的客户才会对你产生粘性，很难被其他平台挖走。尊重客户属性，增强客户粘性，这十个方面，1,10 最重要。

答疑环节

Q：无慧——针对特别大的政府客户，怎么做分类分级会员体系？

卫哲：政府和大企业，就是阿联酋航空对卫哲，我可能很大，如果在平台上不做贡献，那对我就没意义，该降级就要降级。北京比保定大，我可以先封给你个高级的，但如果还是对我没贡献，对不起也要降级。大小客户，岗位叫法可能不一样，但是功能是一样的。既可能是子母、可能也是平行。

SaaS 类做大企业，要做伞状结构。我把你的上下游、供应商都纳入进来，做成伞状结构。做大企业的目的是要把服务渗透到它上下游数量众多的中小企业。我们可以从大企业突破，但如果只做大企业，就很难有可持续的长期成长。

冯阳松：阿里巴巴零售和批发5:1，未来您觉得 B2B 的价值和 2C 能否一样相当？未来是综合型还是垂直型？另外是关于开放和自营的问题，如果是做开放平台，盈利模式哪种更好？

卫哲：阿里巴巴市值 3000 亿美金，B2B 业务的市值在 150 亿美金左右，占比 20:1 差不多，重要性没有达到5：1。

不过，2C 最多做消费品，但 2B 可以做消费品、工业品、原材料，可做的总量比 2C 大，但是与 2C 相比，交易价格低。

但是要认识到，2B 不可能去中间化，因为 2C 的交易可能只有一次，但是 2B 转手交易不可能只卖一次。所以我坚定相信 2B 业务是可以翻身的。

2B 要更加垂直化。这是由现实情况决定的，2C 可以什么都买卖，但 2B 可能最多跨两三个行业，但不可能什么都买。对于 2C 而言，综合平台的价值在于你什么都能买，一鱼可以N吃，多是很重要的，但是对 2B 来说，多不见得重要。

关于平台和自营要注意的是，我们说的是互联网条件下的新自营，什么是新自营，就是可以上规模，不用囤货，不用囤货就意味着不很完整的受资金的限制。新自营不囤货，它囤的是信息、用户，它可以是 1 秒钟自营，周转速度和传统完全不一样。

2B 交易要忘掉佣金这回事。因为这是不可能的。要考虑在特定的场景中获得收入，在信息流物流资本流这三个流中抓住一两条就可以做一个很大的了。2C 用的是广告+佣金模式，这也是天猫淘宝的主要收入模式。但 2B 受众很窄，广告价值极低。2B 的广告费是容易拿、但不多，如果你的 2B 业务未来是靠广告费赚钱的，那投资人是不会看好的。

靠撮合类产生交易佣金，我不看好、也不相信，这不符合商业本质。马云说，不过是商人在我的茶馆喝了杯茶、谈成了笔生意，我们收了个茶钱，这能收多少？收多了就是黑社会，而且别人也就换个地方喝茶去了。

会员费和世纪佳缘是一样的，非常累，男的多了加女的，女的多了加男的。但会员费这总比交易佣金、广告费靠谱。

最后我做个广告。我们和其他投资机构不一样，我们愿意给优秀企业提供免费咨询，希望大家在不差钱的时候找我们，但免费的溢价就是要先给我们投资机会。谢谢大家。

本文链接

顶尖人才为何不愿担任跨国巨头的中国区CEO？

Fri, 07 Oct 2016 08:00:00 CST

导语：虽然外国互联网公司希望给予本地团队自主权，但它们复杂的报告程序、不熟悉的文化不利于本地团队行使自主权，对于跨国公司来说，“中国始终不是最重要的市场”。

据外媒报道，在中国的全球科技产业人才大战中，外国互联网公司成为输家。曾几何时，在一家美国互联网巨头工作对于部分中国人来说有相当大诱惑力。但目前，即使部分知名互联网公司也吸引不到顶级人才。

位居估值最高创业公司之列的短租服务Airbnb一年多前曾表示，它引入了新的中国投资者，部分目的是帮助它为中国区业务招聘一名首席执行官。据消息人士透露，但Airbnb并未能如愿聘请到中意的中国区首席执行官。

Uber也徒劳逾2年时间选聘中国区掌门。2个月前，Uber将中国业务出售给滴滴出行，获得后者20%股份，基本上放弃了中国市场。

难以聘请到有能力的领导人，既是外国互联网巨头在中国麻烦的症状，也是“病因”。有远见的业界高管通常会对外国互联网巨头避而远之，因为他们感觉这些公司在中国不会获得成功――优秀人才的缺乏，使得外国互联网巨头更难以在中国市场取得成功。

创新工场董事长李开复表示，“跨国互联网公司在中国成功的可能性几近于零。 过去有成功记录的人才为什么要冒险接受成功机会为零的职位？这样做不值得。”李开复在2005年-2009年期间领导谷歌中国业务。

谷歌成为其他公司的反面教材：由于不愿意遵守中国相关法律法规，谷歌2010年关停了在大陆地区的大多数业务。包括雅虎、 eBay和亚马逊在内的其他公司，都曾尝试利用中国庞大和快速增长的互联网用户群创收，但都无法适应中国独特的消费文化、竞争和监管环境。

曾担任猎头公司Egon Zehnder上海分部合伙人的比尔・金(Bill King)说，“我经常鼓励候选人，他们可能成为真正获得成功的第一人，成为典范。有些公司招聘到能力不凡的领导人，但他们最终都离职了。”

当然也有例外。自2014年进入中国市场以来，职业社交网站LinkedIn相当成功。观察人士把LinkedIn中国业务获得成功的部分原因，归结为聘请谷歌中国区前高管沈博阳担任中国区总裁。沈博阳曾表示，与其他跨国公司相比，LinkedIn赋予他更大自主权。

2014年进入中国市场时，Uber曾寄予厚望。打车服务市场还是有待开垦的处女地，Uber创始人特拉维斯・卡兰尼克(Travis Kalanick)表现出了在中国市场获得成功的欲望和决心。部分业界人士认为，在中国市场获得成功将使Uber获得优势。

2015年，卡兰尼克逾五分之一时间待在中国，把中国称作世界上最重要的市场，并投入逾10亿美元与滴滴出行竞争。即使如此，在把中国业务出售给滴滴出行前，Uber也没有能聘请到中国业务掌门。

Airbnb表示，中国是其增长最快的出境游市场，自2008年以来，350万人次曾使用其服务。但这只是中国市场商机的九牛一毛，政府数据显示，2015年中国出境人次超过1.2亿。

Airbnb在中国的竞争对手包括携程网和途家网――其业务模式更适合中国消费者。

这些挑战使得能力超强的领导层显得更加必不可少。知情人士透露， Uber和Airbnb曾接洽候选人，但大多数人都不感兴趣。知情人士说，一些候选人不符合公司要求，尤其是英语水平。

Airbnb和Uber未就此置评。

由于对英语有相当高的要求，外国公司在人才选拔方面余地相对较小。 甚至在合格人群中，许多人感觉为中国公司工作，使他们能更接近决策中心。金说，“与成为全球领导团队的一分子相比，顶级中国人才更愿意自己创业或管理自己的业务，他们更愿意自己做出决策而非等待上级批准。”

消息人士透露，Uber和Airbnb都曾接洽的一名候选人是沈皓瑜。他曾在美国运通工作6年，2007年出任百度首席运营官，2011年加盟京东。

沈皓瑜没有就Uber和Airbnb是否曾与他接洽发表评论。但他表示，他很享受在中国公司工作，部分原因是决策过程简单，“我可以径直穿过大厅，快速与公司创始人沟通，然后5分钟后开始执行决策”。他说，虽然外国互联网公司希望给予本地团队自主权，但它们复杂的报告程序、不熟悉的文化不利于本地团队行使自主权，对于跨国公司来说，“中国始终不是最重要的市场”。

做一个好的CEO的建议的笔记

Mon, 04 Jan 2016 23:00:06 CST

在看这篇文章：成功的CEO的8条贴士，标注如下：

日历别排的过满

完全同意。当你在公司的时候，其实很难思考公司的事情。当你离开一段的时候，反而可以想得更清楚。每个人都需要足够长的安静的没有打断的时间来思考。进入思考的状态就跟进入睡眠的状态很像，需要一段时间的安静，才会进入。每隔帮个小时有人来说一句话是绝对睡不着的。思考也一样。CEO很需要思考，而思考需要空白的时间。37Signals的工作方式从这句话看来我是同意的。

把自己泡在数据中

不同意。虽然数据很重要，比数据更重要的是用户洞察。用户洞察来自于直觉和与用户交流。数据能告诉一些东西，但是过于依赖数据会容易陷入局部最大化的窘境。越是大的决定越不能只依靠数据。

走动管理

同意。通过走动，和相关的人聊天，不断的重复战略，不断的让每个人理解为什么我们要做某一件事情，是保持一个公司的方向的最好方式。通过持续做这件事情，可以让公司这个社区变得更加透明。沟通不会发生，除非你设计它发生。

少看邮件

现在这个问题应该变成少看微信朋友圈，少漫无目的的看网页。这一条其实在我看来不是非常有深度的一个tip，忽略吧。

自己接电话

公司大了以后人会变的不那么个体。这是一个问题。我认为这绝对是一个问题。一个公司需要多大才可以把founder或CEO藏起来呢？需要腾讯那么大吗？美国那么大吗？看到罗胖的PPT里的一个现象，很多的中国老字号和世界的知名品牌都是人名（张小泉，Dell，还有说这句话的Essie Cosmetics）保持人性化在现在这个时代比以前更加重要。

聘请信任的人，放手让他们干活

他说他通过别人做所有的事情。我认为这一定是夸张，为了表明某一个观点的夸张的修辞手法。但它背后表达的意思我是同意的。通过让有能力的人放手去做，一个人的确可以做到比自己的能力大得多的事情。宏观的思考问题，把问题简化成：第一步打开冰箱，第二步放进大象，第三步关上冰箱是一种能力。但同时，辩证的看这个问题，很多的细节就是在放进大象这一步。如何Trust but verify是做好这件事情的关键。

看什么都要想着自己的生意／面试的时候问关于处理压力的问题

这两个我觉得深度不够。第一条我表示反对，不是所有的时候都想着自己的生意是最好的使用时间的方法。很多的灵感多出现在不想自己的生意的时候。第二条我没有感觉到这个问题的重要性。有很多比这重要得多的问题。

美团大众点评合并细节曝光：设联席CEO，独立运营

Wed, 07 Oct 2015 21:11:49 CST

　　继赶集与58同城合并后，中国O2O领域又将诞生一重要合并案例——美团与大众点评合并。

　　记者今日获得确切消息，大众点评与美团最快会在明日合并，合并后的新公司将占据中国团购领域80%的市场份额，同时成中国最大O2O平台，新公司估值也达到170亿美元。

　　此次美团和大众点评合并中有三个最为核心的关键词：

　　1，对等合并。知情人士爆料，此次美团和大众点评的合并是对等合并，且投资人也有不同的换股比例。合并之后，两家公司在新公司的董事会将占据同等席位。

　　2，联席CEO。在合并之后的新公司，大众点评CEO张涛和美团CEO王兴将有共同的话语权，共同担任联席CEO和联席董事长。

　　张涛和王兴将各自独立负责相关业务，同时向新公司的董事会汇报，重大决议在董事会层面完成。同时，新公司将在上海和北京设计双总部运营。

　　3，独立运营，高频内部竞争。新公司将定位于连接人与服务。

　　美团和大众点评的业务重合部分主要集中在部分高频到店业务，合并后，这部分业务将保持独立于运营，进行内部良性竞争，以避免人才流失和总体份额下降。

　　双方业务团队将保持目前的架构和职责不变，继续按原定战略目标快速发展，增强产品创新、客户体验改进和新业务创新能力。

　　据知情人士透露，美团和大众点评也会避免不必要的重复投入，形成类似于微信和QQ的良性内部竞争，确保1+1大于2。

　　这三个合并要点跟之前最大的区别在于，大众点评并没有放弃参与高频、低客单价的领域。

　　一位投资界人士对记者表示，就在合并前不久，美团刚准备完成估值110亿美元融资，点评则准备以一种方案让部分股东退出。

　　某种程度上，美团和大众点评的合并方案与赶集和58同城的合并交易类似。当初，赶集与58同城是采用约5:5换股的形式进行，但58同城的股东层面则花费更多资金。

　　分析人士指出，这样的好处是使得过去竞争得你死我活的两方都可以一种相对体面的方式接受合并的结果。这是一种告别过去，更积极面向未来的方案，最终目的是一起做大蛋糕。

　　合并后美团和大众点评从此不再内耗，能更专注扩张到其他业务领域，这类似滴滴和快的合并后，不断扩张到快车、顺风车、代驾等领域，让新公司迎来更大发展空间和更高估值。

　　据悉，美团和大众点评合并后，新公司马上会进行一轮新的融资，并加快IPO的进程。当然，美团和大众点评的合并案已通过各自董事会的批准，但还需要双方股东层面的最后裁决。

特斯拉 CEO Elon Musk 发话：开放所有专利技术

Fri, 13 Jun 2014 13:48:36 CST

昨天，特斯拉 CEO Elon Musk 通过品牌博客发表文章《All Our Patent Are Belong To You》，首次提出将开放所有专利技术，并表示之后不会再发起任何专利侵权诉讼，“特斯拉的真正对手并非电动汽车同行，而是传统燃油汽车，我们希望借此推动全球电动汽车行业的发展。”

在特斯拉的各项专利技术中，充电技术一直是其引以为豪的部分，但同时其在充电站连接标准上的特殊性也阻碍着企业的发展。开放专利一方面或许的确会进一步推动特斯拉乃至电动汽车行业的进步，另一方面也势必会带给这一领域更激烈的竞争，但不管怎么说，这样的开放胸怀和技术的共享，最终受益的势必是咱们消费者了。

微軟新任 CEO 確定由 Satya Nadella 擔任，比爾．蓋茲卸任董事長

Tue, 04 Feb 2014 22:25:24 CST

微軟新任執行長人選終於確定由雲端事業部門的老將 Satya Nadell 擔任 ¹，46 歲的 Satya Nadell 出生於印度，在微軟已經服務 20 年。與此同時，比爾．蓋茲也將卸任董事長職務，這位共同創辦人日後的職稱將會是「technology advisor（技術顧問）」。以下是這位新任執行長首次接受採訪 ²：

Our industry does not respect tradition - it only respects innovation. 我們這行看重的不是傳統，而是創新。

Satya Nadell 在網頁上說道：「微軟未來如要抓緊龐大的機會，動作必須更加迅速、更專注，並且持續轉變。我的工作將有很大一部分是加速微軟將創新產品更快帶給客戶的能力。」 1992 年加入微軟的 Satya Nadell 出生於印度，在 Mangalore 大學主修電機工程，後來到美國威斯康辛大學就讀，主修電腦工程，不過他到微軟工作前，服務的是對手昇陽電腦（Sun Microsystems）。 Satya Nadell 在微軟一開始服務於線上部門，也待過 Office 部門和搜尋部門（Bing），在成功地帶領雲端事業部轉型之前，則是領導伺服器部門。由 Satya Nadell 帶領的伺服器部門成功地加強了獲利能力，並且走出傳統的客戶端伺服器，邁向雲端基礎建設如 WIndows Azure。最近他領導的雲端事業部門則持續推進 Bing、SkyDrive（最近改名為 One Drive）、Xbox Live 和 Skype 等產品的基礎設施和服務。而微軟創辦人比爾．蓋茲卸任董事長（他還是董事會成員）後將轉任技術顧問，協助 Satya Nadell 發展未來微軟的技術和產品方向。至於董事長則將由原本的首席獨立董事、Virtual Instruments CEO John Thompson 擔任。以下是比爾．蓋茲與剛卸任執行長一職的史蒂夫．包默介紹新任執行長 Satya Nadell：

CEO的每周清单

Fri, 01 Nov 2013 09:01:59 CST

作者Scott Weiss是著名投资公司Andreessen Horowitz的合伙人，在加入该VC前，他还曾于2001年创立了企业安全公司IronPort Systems。六年间，该公司从最初的两人团队发展至450人的规模，年营收达到了2亿美元。2007年，IronPort Systems卖给了思科。本文写于2012年5月。

平生第一次做 CEO，有时我会坐在办公桌旁，心里想着“今天该做些什么呢？”每当一轮融资结束后，这种感觉会尤其强烈。在种子融资（seed round）之后，我们定义好了产品，交给工程师去编码。我自己并没有参与编码。在我聘请了高管团队并开始授权之后，大部分基础工作都被做掉了。

当然，在一家创业公司中总会有很多工作要做，CEO 通常即是大厨又是洗碗工，但是应该如何有成效地分配时间的问题持续困扰着我。

我曾经积极地接触其他 CEO 和创业导师，最常问的一个问题是：“嘿，回想一下，当你的公司还处在我们目前的规模时，你是怎么分配时间的？”

有些建议针对公司的某个发展阶段，比如“准备一些客户名单”或者“为欧洲市场草拟一个发布计划”等等。不过，也有一些建议是核心的、普遍适用的，可以贯穿于公司的整个发展历程之中：

推动团队

当你为每一个重要的副总裁职位都找到了明星人选，接下来就要靠 CEO 来不断地制造挑战，促使团队做出非凡的业绩。这是我以前常做的几件事情：

设定具有挑战性的目标。作为一家公司，我们会为每个季度设定三个目标，然后我会为我的每位直接下属各自商谈出三项具体、可测量的目标（比如“为某项业务聘用一位总监”或者“会见二十名顾客”），这些目标将会支持公司目标的完成。每个人都需要在本职工作之外做更多的事情。
经常提供反馈。除了进行内容广泛的半年绩效考核之外，我还常常在会后把副总裁们拉到一边讲几句，比如“我喜欢你在那件事上的处理方式”，或者“哥们，那件事办的有点糙”。我一直牢记着“狗屎三明治”这一招，在两段具体而积极的反馈之间提供建设性的意见。
每周举行管理层会议。这不是那种机械的情况汇报，而是进行讨论并做出决定。每次会后我们都向所有经理发送决策清单和讨论的要点。
安排半个月一次的一对一谈话。我通常会用一个小时的时间（不被干扰并且全神贯注！）来审查目标的进展，我可以如何提供帮助，以及在他们的团队中正在发生什么等等。谈话的基调是积极的，但是我会不断设置挑战，让团队可以少花钱多办事。

兜售愿景

在完成首轮融资后不久，我的联合创始人斯科特·班尼斯特找到我说：“我听说你跟一百个不同的人讲述了同一个故事的不同版本。我没法想象你在这事儿上花了这么多时间！”他是对的，我一直在兜售我们的愿景：招揽投资者和顾问，签约招聘人员和公关公司，雇佣员工，签下第一批顾客，举行公司会议，说服记者，以及跟行业分析师过招。所有这些人都要求得到一个令人信服的故事以及饱含热情的讲述，而 CEO 需要在这些重要的会议中亲临一线，因为这些会议有可能成为公司走向成功或失败的转折点。

当我在思考 CEO 必须要完成的所有重要事项时，简洁而有说服力的阐明“故事”是必不可少的。但有一个问题：讲故事时必须兼顾真实性和激情 -- 就像倾泻而出一样。我们把这些最棒的企业家称为“在黑暗中发光”。

仲裁分歧

Half.com 的创始人兼 CEO 乔希·科佩尔曼曾经告诉过我，身为 CEO 他最讨厌的一件事就是当两名最聪明的员工发生分歧时，他不得不表明立场。“这些意见往往不相伯仲，而我被留下来去安慰‘失败者’。”他说的没错。对这些分歧进行仲裁，是 CEO 的工作中最困难、在情感上最受折磨的一部分，但是有很多 CEO 只会逃避这一点，而一个推迟决定的 CEO 将会孕育一种可怕的文化，而做出太多妥协的 CEO 则会更糟。

我坚信如果副总裁们没有周期性地发生意见相左，这家公司就不够进取。我们为什么不能在下个版本中就加入客户需要的功能？我们应该预先宣布新的功能，然后全速前进！伟大的销售和市场营销副总裁总是不断地推动工程、运营、财务和产品部门去冒险。

走动式管理（Management by Walking Around，MBWA）

MBWA 是我从本科金融专业的学习中保留下来的为数不多的几个缩写之一。我清楚地记得在某本管理学课本上看到这个词时，认为这看上去太简单、也太愚蠢了。多年以后，我开始相信这确实是 CEO 工作中非常重要的一部分。我每周或许会在这上面花去三到五小时的时间，还会日程表中专门为此留出时间。只是简单地往某个员工的隔间里一坐，问一句“在忙些什么”，就能带来很多有价值的信息。在一个快速变化的企业中，要为这么多的难题做出最终决定，CEO 去接触实际编写代码的人或者跟客户的交谈是至关重要的，而这些是你坐在办公室里所无法完成的。

跟客户交流

一位 CEO 应该把 30% 的时间用在跟客户交流上，对于企业 CEO 而言尤其如此。但是这并不表示只跟客户的 CIO 或高级副总裁进行交谈，这些人很可能根本不记得购买过我们的产品。无论如何麻烦，我都会坚持跟实际使用我们产品的人进行交流。我希望跟那些在数据中心里边工作的人们交谈，这些人或许上班前根本就没洗澡，头发还是乱糟糟的。只需简单地提示一下，“嘿，我知道你喜欢我们的产品，但是如何才能让它变得更好呢？”这些人就会打开话匣子，提出功能要求、发现的缺陷以及其他值得思考的东西。我们最好的一些产品理念就是在回程的航班上、沉浸在这些反馈中得到的。

肯定有很多其他重要的活动 -- 比如筹集资金、建设企业文化以及招聘高管等 -- 主要靠 CEO 来完成，但是前面的清单包含了我会每个星期都坚持去做的“职责”。

SOURCE: scott.a16z.com

本文链接《 CEO的每周清单》
官方微信：woshipm，干货天天推荐，欢迎订阅

微软CEO纳德拉全员邮件：我为什么决定裁员

Thu, 17 Jul 2014 22:46:12 CST

7 月 17 日，微软周四宣布，公司计划在今年裁减最多 1.8 万名员工，这将是微软历史上规模最大的一次裁员，裁员原因是微软正在消化收购来的诺基亚手机业务，并调整自身定位以适应未来发展。

在今年 4 月份完成收购诺基亚手机业务的交易以后，微软的员工总数为 127104 人，这意味着此次裁员规模相当于其员工总数的近 15%。

以下是微软 CEO 纳德拉向微软员工发出的电子邮件备忘录全文：

寄件人：萨提亚·纳德拉

收件人：全体员工

日期：2014 年 7 月 17 日

主题：着手发展进化我们的公司组织及文化

在上周向你们发出的电子邮件中，我综合阐述了我们作为一家生产力和平台公司的战略发展方向。拥有明确清晰的聚焦点是这段旅程的起点，而并非终点。我们需要迈出更加艰难的步伐来创造我们的公司组织和文化，从而让我们的愿望变成现实。今天，我将就我们未来将如何前进的问题与你们分享更多信息。在 7 月 22 日的财报电话会议上，我还将进一步共享更多具体信息，内容将与我们将把创新投资集中在哪些领域有关。

为了达成我们的愿望，我们需要以正确的方式来建设公司，而第一步就需要对公司劳动力进行重新配置。带着这种想法，我们将着手在未来一年时间里把公司的整体劳动力规模缩减最多 1.8 万人。其中，旨在为诺基亚设备和服务部门创造合力和进行战略性配置的相关工作将会占到大约 1.25 个工作岗位，被裁人员将包括专业人士和工厂工人。

就目前而言，我们正在着手进行裁员 1.3 万人的行动，其中大多数将被裁减的人员都将在未来六个月中收到通知。需要指出的很重要的一点是，虽然我们正在某些领域中裁减人员，但同时在其他一些战略性领域中则正在新聘员工。我对你们的承诺是，我们将会以尽可能审慎和透明的方式来完成这个过程。我对你们的承诺是，我们将会以尽可能审慎和透明的方式来完成这个过程。

对于将会受到这些变革影响的所有员工，我们都将提供离职金，并在许多地方提供工作调动机会。所有人都将因其对这家公司作出的恭喜而得到应有的尊重。

在今天晚些时候，你们的高级管理团队成员将会分享有关公司组织将发生什么变化的更多信息。我们的裁员行动主要以两种结果为驱动力：工作的简化以及诺基亚设备和服务部门的整合合力和战略性配置。

首先，我们将会简化工作方式以进一步推行问责制，并藉此变得更加灵活迅捷。作为工艺流程现代化的一部分内容，我们的每一种纪律都将发生变化。此外，我们还计划减少管理层级，以便加快信息流动和决策进程，这将包括将公司组织变得更加扁平化，以及扩大人事经理的控制范围等。另外，我们的业务流程和支持模式也将变得更加精简高效，团队之间的互相信任感将得到增强。

这些变革所将带来的整体结果是，微软内部的各个团队将会变得更具生产力和影响力。这些变革将同时对微软自己的劳动力和经销商的员工造成影响。每一个组织的变革都将从不同的起点出发，并以不同的速度前进。

其次，我们将致力于把诺基亚设备和服务团队整合到微软中来。我们将会实现在去年 9 月份宣布收购交易时所承诺过的合力。第一方手机产品组合将依据微软的战略发展方向进行配置。为了在高价产品类别中取得胜利，我们将把重点放在突破性创新上，以便传递微软的数字工作和数字生活体验，并使其变得更加生动。此外，我们还计划把特定的诺基亚X系列产品设计转为基于 Windows 系统运行的 Lumia 产品。这将扩大我们在廉价智能手机领域中取得的成功，同时也符合我们以 Windows Universal Apps 为中心的战略。

作出这些变革决定是很困难的，但同时也是很有必要的。在此我想要邀请你们参加我将在明天举行的月度问答会议，希望你们能投身其中，提出你脑海中的任何问题。值此迈步向前以发展进化我们的公司组织和文化之际，我要对你们的支持表示感谢。

萨提亚

本文链接

如何做一名优秀的团队领导？LinkedIn CEO Jeff Weiner给出的3条建议

Sat, 23 Aug 2014 17:41:53 CST

上周，LinkedIn的CEO Jeff Weiner在旧金山接受了Pando Daily的专访。投资人、作家Li Jiang在 Medium发文，总结了他从中学到的3堂重要的课程。这其中，既有硅谷常能听到的建议，也有到一些几乎没人提过的观点，在这里与大家分享。

1. Focus

专注。是的，你原来肯定听过这一点，“专注”几乎都快成硅谷人的口头禅了。创办一家公司需要创业者全身心的投入，所以专注对于创业者显得格外重要。但不同于以往的解读，Jeff也提出了自己对于“专注”一些独到的看法。

Jeff在雅虎任职期间，雅虎开拓了大量的业务，包括搜索、新闻、email等。雅虎需要管理的产品越来越多。后来，竞争对手逐渐进入这些领域，并在各个垂直领域建立优势。

雅虎所面临的“问题”是，它在参与的各个领域几乎都是数一数二的。也正因为如此，雅虎很难抉择要舍弃哪些发展势头正好的业务，无法做到专注。

Jeff认为，企业的领导人需要看到未来3年、5年甚至7年的发展趋势，问问自己：“将来我们在这个领域还能保持领先吗？”如果答案是否定的，那么企业的领导人就必须鼓足勇气做出决定，把这些业务剥离出来，即便今天它们现在仍是最好的业务。

垂直领域的竞争者能够专注于一点，把他们的时间和资源全部投入到一个领域，最终超过了雅虎。

2. Thoughtfulness

Thoughtfulness这个词有两层含义，第一层是深思熟虑，并把对任何事情的想法严格执行；第二层是要关照他人。

灵感在科技界并不稀缺，但只有深思熟虑才能走得更远。所谓深思熟虑就是对于每一件事都进行深入彻底的思考，并形成解决问题思维模式，这不是肤浅的想一想，而是建立在多年的经验、对模式认同和不断重复的基础上。 简单地说，就是要在工作和生活的各个方面拥有一套系统性、战略性的解决方法。

Thoughtfulness的第二层含义是关照他人。为他人着想是我们成长过程中所学的一个重要的价值观，但在竞争激烈的公司中，这种体贴却很难见到。Jeff称赞公司的另一位联合创始人Reid Hoffman就总是很会关照他人，尽一切可能去帮助别人。这种形式的thoughtfulness是硅谷文化中非常关键的一点，铸就了硅谷今天的模样。

3. Compassion

同情心。这是在硅谷没怎么听过的说法，在商业领域上也少有人看重这一点。一般人都会仰慕自己的领导，以坚定的态度和超人般的意志服从领导，但是在一些情况下，这种做法使得公司文化一团糟。

Jeff对于同情心和富有同情心的领导方式的给出了自己的概念，让我们对于什么是好领导有了耳目一新的认识。

作为一个领导人，你很容易把自己的世界观强加到别人身上，如果他们没有按照你的想法完成工作你就会很生气。

Jeff讲了一个故事，有一位直接向他汇报的下属对于团队中一个成员很不满，于是便故意打压这位成员，但是这种打压导致了恶劣的后果，团队中的其他人也没法好好工作了。Jeff要求自己的这位下属更有同情心一些，发现团队成员的长处。他认为这名成员是因为领导的决定而待在团队中，这位领导应该把他放在更能发挥专长的岗位，或者就彻底让他离开团队。 如果某个人表现不好，团队领导有责任理解和倾听团队中的声音，并且平稳地解决问题。

几周之内，这位下属向Jeff汇报，他在把这名成员换到了另一个岗位后，整个团队的表现都显著改善。当时，Jeff意识到，他对于自己的另一位下属可能也犯了同样的错误，把自己的想法强加在他人的身上，并且在下属没有按照自己想法完成任务时感到十分沮丧。从那天开始，他明白做管理需要始终保持着同情心。

我也深受Jeff同情式管理的启发。这样的管理对于提升团队、改善文化具有十分重大的意义。团队领导很容易把自己的意志强加给成员，但是倾听、教导、帮助团队成员实现他们自身的潜力需要更多的耐心、成熟和自知。做一个有同情心的领导从长期来看会收获良好的效果，但这一理念在发展迅速、竞争激烈、进取心十足的科技界却几乎从没有听到过。

结语

Jeff当晚回答的最后一个问题是：“你希望拥有什么样特殊能力？”，Jeff毫不犹豫地回答：

无限的耐心

除非注明，本站文章均为原创或编译，转载请注明：文章来自 36氪

36氪官方iOS应用正式上线，支持『一键下载36氪报道的移动App』和『离线阅读』立即下载！

特斯拉CEO马斯克最想做十二件事

Tue, 27 Aug 2013 15:08:54 CST

文/ 段皎宇

多年来，这位年仅42岁、南非出生的企业家已经实现了一些疯狂的想法。伊隆于1998年与人共同创立了PayPal在线支付系统，四年后以15 亿美元售给eBay；他创办的特拉斯电动汽车公司，目前市值已达180亿美元；创建了火箭制造公司Space X，同时还担任美国最大的太阳能发电系统供应商之一的SolarCity公司的董事长。

尽管有着非凡的成就和财富，伊隆并没有做好坐着他的太空飞船飞到另外一个星球去退休的准备。相反，这位雄心勃勃的企业家正在谈论下一个宏伟的愿景，即制造电动飞机、开发超级高速铁路以及在火星上构建一个完整的城市。

让我们一起来看看伊隆的宏伟计划，并一起见证哪些将会在不久的将来成为现实，改变我们的世界。

1. 超级高铁

你能想象自己坐在28名乘客的吊舱里以每小时760英里的速度滑行在一根钢管上吗？这将让你从旧金山到洛杉矶只花上35分钟，票价多少？只有20美元！这个不可思议的计划上周刚刚公布，伊隆称之为“第五运输方式”。

伊隆认为，“这很像是在飞机上，有一个初始加速度，一旦你在高速行驶时，你不会注意到速度有多快。这种高速行驶将非常平滑，你会感觉就像骑在一个气垫上。”

这个靠太阳能供电的超级高铁项目将耗资60亿美元，历时大约一年，伊隆表示自己愿意掏钱包来投资建设这个项目，“我想看到它实现”，他表示。

2. 超音速电动飞机

还有什么能比一架以超音速的速度飞行的全电动飞机更酷的吗？这家电动飞机还可以做到垂直起飞和降落。

按照这种速度，从伦敦到上海只需要七个半小时，而一架不需要中转的商务飞机的行程大约要11个小时。全电动飞机不仅具有重要的保护环境的效益，其具备的像火箭一样直飞和降落的能力将大大减轻跑道的压力。

伊隆表示，“我希望有人会这么做。不然，在未来某个时间，我就会这么做。”

3. 可重复使用的火箭

太空旅行成本昂贵，其中最大的原因就是火箭只能使用一次。而伊隆的SpaceX公司正在开发一种火箭，可以通过太空飞行，重新进入地球大气层返回发射台，并仍然可以再次起飞。

SpaceX公司已经建立了一个亚轨道实验火箭，它有个有趣的名字叫“蝈蝈”。在已经成功发射并安全着陆之后，接下来就要建成火箭使之可以穿越空间并安全返回。

4. 商业太空港

SpaceX公司已经分别在加州范登堡空军基地和佛罗里达州的卡纳维拉尔角空军基地成功发射了火箭。伊隆今年三月表示，要建立自己的商业航天发射场，地址选择在德克萨斯州的布朗斯维尔，这将成为整体计划的领跑地点。

商业太空港建立之后，将允许其他公司使用该地点进行火箭发射，尽管商业发射火箭的物流系统还未被建立，将会拖慢伊隆伟大梦想实现的步伐。

5. 在德克萨斯州建立特斯拉门店

伊隆希望在德克萨斯州开设特斯拉电动车专卖店，这听起来绝对是个大胆的想法，因为法律禁止汽车制造商直接在门店向消息者出售汽车，目的是防止大型汽车厂商削弱经销商并将他们赶出售车业务。而伊隆想改变这种现状，原因是经销商总是保持他们自己的方式，而这不是特斯拉的方式。

6. 电动车视野

除了特拉斯敞篷跑车和S型豪华轿车，伊隆已经谈到他将制作不同的电动车型，比如X车型的鸥翼式车门像是《回到未来》里的钢铁之车Delorean；此外，还有更实惠的电动轿车和全电动环保皮卡。

7. 汽车自动驾驶仪

特斯拉一直在考虑采用无人驾驶技术，在这方面已经和谷歌进行了讨论。虽然谷歌已经提出“自驾车”的技术规划，但伊隆更喜欢“自动驾驶仪”。

“自驾车听起来好像它会做一些你不想要他做的事情，”伊隆表示，“而自动驾驶仪安装在飞机上是一件好事，我们应该把它安装在汽车上。”

8. 全国性超级充电站

伊隆想驾驶电动车从洛杉矶开到纽约，使用的充电技术则是利用特斯拉独有的沿途充电站，他想在今年做成这件事。特斯拉在5月份表示，正在从西海岸至东海岸建立充电站，这将大大增加电动车的吸引力。如果没有这些充电站，一辆电动车最远只可以跑265英里，但超级充电站将会在20-30分钟内完成充电。

9. 机器人充电

这将是特斯拉超级充电站的又一项发明。今年6月，伊隆为S型车推出了一款电池交换系统，可以在90秒内完全充电来替换汽车原本重达1000磅的锂离子电池。

伊隆展示了机器人交换装置为两台车充电要快过给一辆奥迪车加满油，这充分地表达了伊隆认为的电动车更方便的意图。

10. 改善洛杉矶的交通拥挤

当伊隆在洛杉矶的时候，像其他喜欢呆在洛杉矶的人一样，大大感慨交通的拥堵。但这项州长都为难的事情，伊隆却已经开始试图改变它。他表示，自己已经捐款5万美元给洛杉矶一家专门反交通拥堵的组织Angelenos Against Gridlock，“如果他们实际上有所作为，我会很乐意提供资金和想法。”

11. 帮助波音787梦想飞机

波音787梦想飞机一直是公司的噩梦，经过今年年初一连串的电池故障问题，伊隆开始提供帮助。

“我非常愿意帮助波音飞机”，伊隆表示，他已经开始与波音飞机的总工程师洽谈此事。

12. 八万人移民火星

也许此前11项伊隆的伟大梦想充其量只是这个宏伟计划的一部分，伊隆最大的梦想是在火星上建立一个殖民地，届时可支持8万地球人移民这颗红色的行星。而伊隆自己也在三月表示，“我已经说过我想死在火星上”。

来源/ 新浪财经

甲骨文CEO埃里森：收购Sun是迄今最赚钱交易

Wed, 19 Dec 2012 21:06:55 CST

甲骨文CEO拉里·埃里森甲骨文CEO拉里·埃里森

　　新浪科技讯北京时间12月19日下午消息，甲骨文CEO拉里·埃里森(Larry Ellison)近日表示，收购Sun是该公司迄今完成的最具战略性和最赚钱的收购之一。

　　此外，埃里森还再次强调，甲骨文硬件业务将在6个月内扭转下滑颓势，开始出现增长。甲骨文周二发布了其2013财年第二季度财报，报告显示该公司硬件业务营收同比下滑23%至7.34亿美元，去年同期则为9.53亿美元。

　　埃里森之所以对甲骨文硬件业务前景信心十足，是因为他认为收购Sun是对这项业务的有益补充。他说：“事实证明，收购Sun是我们迄今完成的最具战略性和最赚钱的收购之一。Sun的技术让甲骨文成为硬件业务中高收益的工程系统(engineered system)领域的领头羊。我认为，像Exadata和SPARC SuperCluster这样的产品，不仅会继续改善我们硬件业务的盈利能力，而且到本财年结束前，还将推动我们硬件业务的增长。”

　　几个月来，埃里森始终在向投资者描绘这种前景。在今年年初之前，收购Sun还被认为是埃里森的一大败笔。但埃里森认为，甲骨文硬件业务营收之所以呈现下滑趋势，原因是他正在剥离利润率偏低的X86服务器和存储产品业务。

　　甲骨文员工在接受美国科技博客网站BusinessInsider采访时称，负责销售廉价硬件系统的员工一直是公司裁员对象。业内人士认为，如果甲骨文不希望再涉足这项业务，裁员也是自然而然的事情。

　　埃里森目前正将业务重点放在高利润率、运行于甲骨文专有软件产品的工程系统上，如Exadata、Exalogic、Exalytics等服务器以及数据库和应用采用的高端、通用系统Sparc SuperCluster。

　　分析师表示，收购Sun以前，甲骨文在当时的合作伙伴惠普的帮助下，采用自家设计打造出“Exa”产品线。但是，通过收购Sun以及自主开发“Exa”产品线，甲骨文渐渐疏远了与惠普的关系。鉴于惠普当前面临的种种挑战，专注工程系统业务看上去也是埃里森的明智之举。(清辰)
Tags - 甲骨文 , ceo , 埃里森 , sun , 收购

37signals CEO Jason Fried谈成长和人本管理理念

Thu, 06 Sep 2012 10:16:50 CST

国内技术社区熟悉 37signals这家公司，主要是因为一个人，两本书。一个人：简称DHH的Ruby on Rails创始人David Heinemeier Hansson；两本书：《 Getting Real》和《 Rework》，后者的中文名是《重来》。这两本书的作者之一Jason Fried，正是37signals的CEO。不久前，他接受了FastCompany网站的采访，其中提到的人本管理理念，让国内的技术人们既羡慕又无奈。

Jason将37signals当做创新式工作实践的实验室，他们最近的实验，是把夏天每周上班时间减少为4天。可Jason说：

有时候，人们真不习惯只工作四天，而是希望完成更多工作。

他们会说：“今天是周四，我有些东西得赶紧弄完，所以我周五还要过来，把它们搞定。”不过我们真心希望他们不这么做，没有多少工作是不能等到周一再完成的。

Jason这样解释这么做的原因：

我们的目光放得很长远。我们想长期运营这个事业，我们希望团队能长期在一起。我绝不会用短期的冲刺、加班来导致长期的士气低落。这在技术行业内很常见：他们会把人们用尽，然后再换其他人。我太喜欢在这里工作的人们了，不希望他们精疲力尽。

他接下来还提到了技术行业里面的不正常心态。

很多创业企业都会让他们的人每周工作60、70、80个小时。他们知道：公司和员工们要么突然爆发，要么被收购。他们不关心，他们只是要用尽所有的资源。就像从油井中钻出尽可能多的油一样，他们也这么看待人。

……

我想现在有很多买彩票式的做法。公司找一批人，融一笔钱，再把这些人榨干，希望能中五千万。

……

看看TechCrunch里面的头条新闻，充斥着哪些公司融了多少钱、招了多少人，可这些数据并不重要。重要的数据是：

● 你盈利了吗？

● 你有没有开发一些伟大的产品？

● 你有没有关心自己的人？

● 你对自己的客户关心吗？

看看媒体对我们这个行业的报道，很少会有关心客户的故事、很少会有构建一个可持续的事业的故事。对我来说，TechCrunch就是一个观察我们这个行业中各种病态的绝佳之地。

Jason是“慢公司”的推崇者，他认为：一味追求过快的成长是一种病态。

我很推崇慢慢地、小心地、系统地成长，而不是要为了成长而成长。有个人叫Ricardo Semler，他是《牛仔》一书的作者。他说：只有两样东西是为了成长而成长：商业和肿瘤。37signals现在有35个人，我们要想雇佣几百个人是没有问题的，收入和利润也足以支撑，但是我觉得那样我们会很糟糕。

技术行业不能给Jason以真正的激励，他喜欢的是那些开了很长时间的老店和小店，比如开了30多年的小饭馆什么的：

我不知道有百分之多少的技术公司能开30年。

37signals CEO Jason Fried

他还很欣赏意大利餐馆：

一个城市里，可以有十几家意大利餐馆，而且他们都可以很成功。这跟技术行业不一样，每个人都想击败其他人，只能有一个胜利者。

在Jason看来，他们公司的保洁大妈就很伟大：

她自己做主，为人们清洁房间。她人特别好。每次清洁的时候，她都会带花儿过来。受人尊敬、善良可爱，这就是她。为什么其他人不能也像她这样？……一家技术公司雇了一帮人，拿到第四轮1200万美元投资，还是在亏钱，比起这个，保洁大妈的故事有意思多了。虽然人们谈起这家公司都很兴奋，但我觉得：要是从商业角度看来，这真是一个非常令人厌恶的情境。

对于为什么要成长，Jason在《Rework》一书里曾有精妙的论述：

人们总在问：“你的公司有多大？”这是闲聊的话，可他们期望的，是一个宏大的答案。你给出的数字越大，你给人的印象就越深刻，你听起来就越有气魄。“Wow，不错啊！”如果你有100多个雇员，他们就会这么说。要是你没几个人，听到的就是“哦……还不错。”前面的说法是赞美，后面的就是出于礼貌而已了。

为什么会这样？商业和成长是为了什么？为什么扩张总是目标？规模大，除了让人自负之外，还有什么吸引力吗？（“规模经济效应”不是最好的答案。）找到最合适的规模，然后保持这个规模，这样做有问题吗？

指着哈佛大学或牛津大学，然后说：“如果他们能不断扩张，然后建立分支机构，雇上几千个教授，然后拓展全球，并在世界其他地方设立校园……那么他们就能成为伟大的大学了。”我们会这么做吗？当然不会。这不是我们衡量这些机构的价值的方法。那为什么我们要这么衡量商业机构？

也许你的公司最合适的人数就是5个人，也许是40个人，也许是200个人。也许就是你和一台笔记本。不要过早假设你的公司应该有多大。慢慢成长，看看怎么样感觉起来才是对的——过早雇人是很多公司的死因。也要避免过快的成长——这会让你的公司超过合适的规模。

小，不仅仅是手段。小，本身就是一个伟大的目标。

不知道你是否注意过：小公司希望他们能更大，而大公司做梦都想更敏捷、更灵活？记住：一旦你变大了，想收缩而不采取开人的方式、不伤害士气、不改变业务的完全运作方式，这几乎不可能。

长大不一定是你的目标。我们不只是在讨论员工的数目。对于开销、租用的办公室、IT基础设施、家具等等也是如此。这些东西不是天上掉下来的。你要决定是否采购更多，一旦要的更多，你也多了新的头疼的理由。陷于更多开销，那么你就等于强迫自己进入了更复杂的业务，运行起来更困难，压力更大。

不要因为自己的目标是小公司而感到不安全。只要你掌管的公司业务可以持续，而且盈利，不够它规模大小，你都应该为之自豪。

很多时候，我们在做事的时候，都迷失了方向，忘记了自己为什么要做一件事情，这个时候，也许重新拿起Jason Fried那两本书，好好读一读，然后放下书好好想一想，也许，我们会有一些不一样的想法。

来源：郑柯@infoq

IT瘾ceo推荐

谷歌CEO警告：AI泡沫破裂时，无一家公司能够幸免

AWS CEO 称用 AI 取代初级员工是蠢主意

任正非：华为云不能简单模仿阿里、亚马逊，要有所为有所不为｜CEO说

以下是发言全文：

令人心寒的不是GitHub突然断供 而是 CEO 对此表示无能为力

研究38位知名CEO的邮件后，我们有这9个发现

一、找到最大化生产率的方法

1. CEO总是会立即回复邮件

2. 他们为了少收邮件，而选择少发邮件

3. 他们有着清晰的期望值

二、使用正确的语言，发送正确的邮件信息

4. 他们不说“我”，而是说“我们”

5. CEO答复邮件言简意赅、千篇一律

6. 他们都非常认同“同感”

三、清晰了解CEO的功能职责，并在特定情况发挥特定作用

7. 他们都先说坏消息

8. 他们张口闭口都是顾客

9. 他们将各种危机与失败重新融入至公司的使命

写在最后：用邮件引领公司发展

的卢深视CEO户磊：我们为什么用3D人脸技术做安防？

苹果选择了手机，的卢深视选择了安防

3D结构光技术，切入安防高端市场

行业分工尚未形成，主打“开放的合作”

融资7.5亿美金后，40问旷视CEO印奇

李根 问耕 发自 凹非寺 量子位 报道 | 公众号 QbitAI

谈融资：头部效应明显，估值不本质反映公司发展

谈业务：核心与边界

谈竞争：已知有人跑不到终点

谈CEO角色：把公司打造成完美机器

马化腾：对公共服务小程序继续“走红”很有信心 | CEO说

以下为演讲全文：

微软CEO纳德拉：面部识别技术对社会危害大

AI产品再出发：给产品和CEO们的建议！

第一个方面：运用AI技术构建用户画像

第一步：用户画像建模

第二步：运用层次分析法决策

第三步：用AI技术中的知识图谱-基于向量空间模型的用户画像

第四步：用户画像本体的构建

第五步：领域知识图谱的建构

第六步：综合建立知识图谱与用户画像的映射

#专栏作家#

京东组织架构大调整：划分为前中后台，各负责人均向轮值CEO徐雷汇报丨钛快讯

以下为京东内部信全文：

文因互联CEO鲍捷：确保搞砸人工智能项目的十种方法

NO.1 一下子砸很多的钱

NO.2 根据最新论文来决定技术路线

NO.3 脱离真正的应用场景

NO.4 使用过于领先的架构

NO.5 不能管理用户预期

NO.6 不理解认知复杂性

NO.7 专业性不足

NO.8 工程能力不足

NO.9 阵容太豪华

NO.10 时机不到，运气不好

总结

场景跃迁理论

特斯拉CEO马斯克：不不不不不不要开会！

思岚CEO陈士凯：我们是如何解决机器人自主定位导航的那些坑

自主定位导航技术成机器人产品的焦点

激光还是SLAM不重要 工程化产品才是关键

挑战一：建图效果和用户心理预期差距SLAM进行精细化建图

挑战二：环境完全变化后的可靠定位

挑战三：全局重定位

挑战四：可靠的障碍物规避

挑战五：多楼层适配

挑战六：功耗、体积、成本

未来的展望：提取语义信息

16岁当CEO，他用一支交友App打造风靡美国的00后社交

华为CEO任正非判断金融危机即将到来，上川普的日落法

MapR CEO对2016大数据的5个预测

克莱斯勒CEO：真正实现无人驾驶还需要五年

阿里前CEO卫哲：B2B的春天已到，关注这10大核心问题

顶尖人才为何不愿担任跨国巨头的中国区CEO？

做一个好的CEO的建议的笔记

美团大众点评合并细节曝光：设联席CEO，独立运营

特斯拉 CEO Elon Musk 发话：开放所有专利技术

微軟新任 CEO 確定由 Satya Nadella 擔任，比爾．蓋茲卸任董事長

CEO的每周清单

微软CEO纳德拉全员邮件：我为什么决定裁员

令人心寒的不是GitHub突然断供而是 CEO 对此表示无能为力

李根问耕发自凹非寺
量子位报道 | 公众号 QbitAI

激光还是SLAM不重要工程化产品才是关键