全球最优秀投资人前100名出炉

以下是由 CB Insights与《纽约时报》根据数据驱动/算法排名最新出炉的全球最优秀投资人名单,排名参考了几大因素:

  • 退出成绩:包括频率、规模、进入时创业公司阶段;
  • 人脉网络比重:和其他投资者关系,类似谷歌的 Google Pagerank;
  • 一致性:投资阶段和行业的一致性;
  • 不能立即变现的投资组合公司估值:频率、规模、进入阶段(但公司还没退出)。这项所占权重较小,因为都还只是账面估值;
  • 近期表现:专注 2008 年开始的数据,所以下表列出的是“今日”世界上最好投资者,而非上世纪 80 年代、90 年代或 21 世纪早期“历史上”最好投资者。

好了,看干巴巴的下表前,我来帮你 Highlight/分解一下比较有意思的一些数据:

  • 中国面孔中排名第一是红杉中国沈南鹏,他在这份名单中排名第 9,超越《从零到1》作者、Founders Fund 的 Peter Thiel,Peter 排名第 12 ;沈南鹏也超越了 Andreessen Horowitz 两位大佬:Marc 和 Ben 分别排名 15 和 27。
  • GGV 纪源资本的李宏玮排名 17,超越 Andreessen Horowitz 的 Ben,后者排名 27。
  • 俄罗斯 DST Global 的 Yuri Milner,排名 33。
  • 共出现 7 位中国面孔(不包括只在美国投资界出没的华裔面孔),分别是:红杉中国沈南鹏,排名第 9;GGV 李宏玮,排名 17;DCM Ventures 林欣禾,排名 26;IDG 资本李骁军,排名 62;DCM Ventures 赵克仁,排名 63;晨兴创投刘芹,排名 96;IDG 资本章苏阳,排名 99。
  • 看看机构实力:Sequoia Capital 红杉是上榜人物最多且综合排名最靠前机构,上榜 6 位,分别排名第 5、第 9、第 13、第 18、第 31、第 46,没有排名 50 之后的上榜人物。不过红杉其实还有位上榜人物,在下表里排名 75,此人最近被美国媒体爆出一段长达 13 年的性侵丑闻,和一位加拿大脱衣舞娘正打官司,后者称此人强迫其成为性奴,期间使用暴力性侵等恶劣手段,官司目前未有结论,但此人即刻被红杉开除,所以他在这个图表中状态是:ex-Sequoia Capital。
  • Accel Partners 也上榜 6 位,分别排名第 25、57、65、72、77、89;KPCB 上榜 5 位,分别排名第 21、39、69、83 和 85;Benchmark Capital 上榜 4 位,分别排名第 1、8、24、86(但中位值很高了)。
  • Benchmark Capital 的 Peter Fenton 摘取皇冠,而不是其它看似更“如雷贯耳”的名字。这个人 1972 年出生,2007 年时排名”福布斯 Top100 技术投资人”名单第 94 位;2008 年蹿升为 62 位;2009 年第 50 位;到 2011 年排名已到第四;2015 年时排名福布斯榜单第 2。他投资历史上有 2 个神奇一天,第一个是 2012 年 8 月 22 日,他投资的两个公司同在这一天被收购,分别是 FriendFeed 被 Facebook 收购,SpringSource 被 VMware 收购;另一个神奇一天发生在 2014 年 12 月,他投资的两个公司同在这一天上市,分别是 Hortonworks 和 New Relic。

全球最优秀投资人前100名出炉

复制美国模式,批判性思维必不可少

以下文章,来自欧洲专注“概念轮”到“种子轮”的早期投资基金 Forward Partners 管理合伙人 Nic Brisbourne,他对世界范围内的“复制美国模式”现象进行了批判。

YC 毕业的美国食品递送网站 SpoonRocket 这两天被传即将倒闭,这真是个耻辱,不仅对它员工,还有砸了它 1350 万美金的投资机构。当然,耻辱还因为它激动人心的产品策略:承诺 10 分钟内把价格 10 美金的食品递送到消费者手中。

由于这个承诺,SpoonRocket 在脱离 YC 前就获得大量媒体报道,而且在它募到约 1100 万美元时,英国已出现大范围复制者,包括 Rocket Internet 支持的 EatFirst。就我所知,复制猫就不止三家,但 Eatfirst 目前已调整策略,而除 Eatfirst 外,我还没听说英国哪家复制猫做得还不错。

对 SpoonRocket “验尸”后人们认为:它不太可能在按其承诺价格同时保证服务质量。也就是说它基本面有问题:扣除配料成本后,它在“准备”和“配送”方面赚的已所剩无几,根本不能覆盖顾客获取成本。因此有人强烈建议:削减食材预算,然后把数字做到平衡,但这样一来,它食物质量得不到保证,用户流失惨重。这其实也是我们没投任何一家复制 SpoonRocket 模式创业公司的原因。

今早我们在办公室讨论了 SpoonRocket 这类公司被大量复制的原因,不能忽视的一个现象是:

企业家们为下次创业“想法”而四处寻找创意,其中来自美国的创意又尤其容易引起瞩目,这种情况下,又尤其是那些还是由 YC 资助或是已获很大数额 A 轮投资的美国创意。

而有趣的是:为什么像 SpoonRocket 这样的公司运营模式会被“不加鉴别”就全盘吸收?创始人们在思考以下两个问题上,严重偏向了前者:

  • 是否能融到钱?
  • 是否这个“创意”模式能长久生存?

这里,还有发挥了作用的一种假设:即复制美国公司模式,并将其大肆炒作就足以拿到融资了,根本没人去研究模型本身。

是否能长期成功远远要比短期融资重要,这点显而易见,但这种策略很可能一开始会需要更艰苦工作,不过就像 SpoonRocket 展示的,艰苦最终会给你带来红利。

需要注意的是:SpoonRocket 消亡不代表食品按需递送作为一个分支种类走不通,比如 Sprig,它得益于“更高价格、更慢的递送”这样的 Point 赢得了成功/运行良好。

Slack成为“独角兽”的真正原因

最近国内不少 SaaS 创业者在问 Slack 实际使用体会,独角兽 Slack 是个致力解决创业公司内部沟通、杀死电邮的企业级应用。以下文章,来自 Fileboard 市场和产品发展总监 Satya van Heummen,是分析 Slack 比较好的一篇文章。

Slack 是有史以来发展最快的创业公司,这点对一个 SaaS 公司不可思议,短短 2 年就发展起来,也难怪大家都在研究如何为自己赢得这样的成功,但是如果我们看市面上已经有的分析:

第一种,将其归功于 28 亿美元的秘密武器,在 Metalab 的 Andrew Wilkinson 帮助下像病毒一样扩散。Metalab 是家设计机构,帮 Slack 创始人将他代码转化成有趣产品。作为一个设计师,Andrew 结论是:Slack 注重设计,无论看上去、听上去或感觉上,Slack 都和其他无聊竞争对手不一样,所以 Slack 有很多用户,使它成为“独角兽”。但据我所知很多创业公司看上去、听上去或感觉上都比他们竞争对手特别,但最后都以惨败告终。

所以不久后第二种分析出台:Slack 竞争对手 Hipchat 设计师提出:设计不是 Slack 秘密武器,而是它设计、产品、时机、团队、炒作和市场营销使它成为“独角兽”。这种说法将 Slack 的成功归结于运气,认为只是占了天时地利人和的优势。

之后 Slack 创始人自己讲了经验(必读):从一无所有到上亿美元,堪称史诗般的启动策略,结论是:Slack 所以成功是因为团队非常聚焦于教育、用户反馈、用户满意度和计量分析。

我认为上面分析统统不够精确,它们显然没错,但都太笼统。我们使用 Slack 已经超过一年,公司内部交流基本都靠它,现在让我来告诉你 Slack 成为“独角兽”的真正原因。

真正原因

有一天,一个新成员加入我们公司,使用 Slack 不久后,他问了这样一个问题:

“嗯…我想回复之前一条评论,那个评论是 Satya.Vhs 在 5 月 9 号发布的,但我不知道该怎么回复…所以,是没办法回复吗?还是他的评论就是条长长的线?”

这让我想起我们刚开始用 Slack 的情景。就像我新同事指出的,Slack 用起来不方便,所以我当时真不喜欢。它就像一条连续的信息流,你必须时刻关注(如果你有 1 个以上频道,那就是好几条信息流)。使用 Slack 很容易漏掉信息,让我分神和紧张。

所以我这样回答他:

Slack 魅力在如果你不时刻关注,你就失去谈话控制权。所以你必须每天 24 小时在线,这样就没事啦:-D.”

这个回答突然提醒我了,并且这就是驱动 Slack 成功的原因:如果你不时刻关注,你就无法再参与到和你组员的讨论中,这就导致了:

1、社交孤立/压力

如果你没时刻关注,你就无法了解其他人所知道的 Slack 上的信息,也就无法参与到他们对话中。在公司,你必须知道当下在发生什么,这不仅仅是工作需要,对你职位和未来发展也很重要。跟随 Slack 潮流,让你开始感受到社交压力,然后每天 24 小时都在关注它。

2、上瘾

你开始时刻关注 Slack,就像上瘾一样,这给你带来无意识的压力,因为你总会觉得错过什么。我一些同事无论半夜、周末、休假或老婆工作时都在刷 Slack,Slack 基本上和邮件、Facebook 和 Whatsapp 处于同一水平了。

3、单一信息源

现在大家都因为 1、2 非常关注 Slack,它上面信息也就越来越多(这正是它拥有成百上千集成的原因,而且每周都在快速增长),Slack 已经获得高额投资。

而在你意识到已经无路可逃时,Slack 已经成为你公司和公司文化一部分,接着,你就意识到你需要付费了。

为什么 Slack 商业模式如此出色?

Slack 商业模式本质上是以历史消息为基础,免费信息搜索(以及可见极限)是 10000 条信息,如果你想在 Slack 上查看历史消息,无须付费,你能找回 10000 条消息。

这就意味:如果你没付费,你就无法再看到别人对话,你也就无法摆脱这种社交孤立。但如果你付费了,你公司人越多,你就会越快达到 10000 信息极限。举例:如果你公司每人每天发 100 条信息,而你们团队一共 100 人,那么用 Slack 第一天你就需要付费了,这样才能避免社交孤立。

而在你发现前,已经有一半人错过对话,发现自己已经“与世隔绝”,为防止公司内部沟通和企业文化因此失败,你开始为 Slack 买单。

为什么 Slack 替代品没能发展起来?

你可能会问:为什么 Slack 替代产品没能发展起来,Slack 前还有 Yammer、Campfire、Hipchat 以及 Skype。这些软件我都用过,但没有一款像 Slack 这样让人上瘾。

原因是:这些软件要么是实行嵌套评论,要么就没信息限制。你不用时时刻刻查看,因为即便几年后,你依然能参与到对话中。这些软件产生不了社交孤立效应、上瘾效应,也没必要时时查看。

如果我是 Slack 竞争对手,我会立即在我免费计划中实行这样的信息限制。

Twitter 为什么会失败?

然后我开始思考:商业模式方面 Slack 就像 Twitter,但为什么 Twitter 失败了呢?Twitter 也是这样的连续信息流,如果你不经常查看,会错过大量信息。

但我很快意识到:Twitter 没给人带来这种社交压力,因为它是关注“个人”,而 Slack 关注团队。你错过 Twitter 上信息无关紧要,但如果你错过 Slack 上信息,你错过的就是工作上的很多信息。

这也是 Facebook 成为上亿美元公司的原因:你不经常关注你朋友信息,你还算什么朋友呢?迫于社交压力,你会时刻刷 Facebook;Snapchat 也一样,你需要时刻刷,不然就错过。

该如何复制 Slack 的成功?

Andrew Wilkonso、Matt Hobb 及 Slack 创始人 Steward Butterfield 总结得很到位:想复制,你需要一个设计优秀的产品、经验丰富的团队、完美的时机以及出色执行力。

但说实话,很多创业公司在这些方面做得很出色,但却没有获得像 Slack 这样的影响力。所以当你创建、营销、出售一件和 Slack 类似产品时,你还需要考虑心理学。

如果用户因为社交压力而在情感上和你产品产生联系,你就成功了。这种压力会使他们对你产品进行高额投资(Slack 通常需要人们在里面投入 2000 条信息后,他们开始上瘾),这就是 Slack、Facebook 及 Snapchat 这种社交平台取得成功的真正原因。

也是 Twitter 失败的原因。

PS:我们也用 Slack 啦,Slack 这两天在用户内部做的一个调查:以下是他们自己概括的八个可能性优势。

硅谷风投大佬纷纷出场谈人工智能: 人类就业不会被机器碾压?

来看最近一周美国创投界最重要事情之前,我们先来看一张图:

人类就业机会不会被机器挤压?

这个图由硅谷早期投资机构 At16Z 合伙人 Chris Dixon 抛出,他在写了篇热文 What’s next in the computing 后,回答了一个问题:自动化的大量发生将对”社会”造成什么影响?也就是我们担心了很久的:机器/计算机可能对人类就业机会造成什么冲击。

Chris 两个观点是

  • 计算机会自动完成很多工作,但同时带来(商品)价格的下降;
  • 历史性看,新技术会引发工种消失,但人类原先根本没想过的新工种也会由此被创建。

上图就是很好例子:一个工种在 1984 年后持续下降;但另一工种,在这一时间段同时大幅上涨。因此 Chris 表示:

我对由此造成的“社会问题”乐观!

不过仔细想一想:这种乐观,只是对整体“人类学”意义上的乐观,因为从微观角度看:还是会有大量人失业,被淘汰掉工种的劳动力,未必就具有新工种所需要的技术含量,人类还是得内部消化……

达尔文的“物竞天择”依然残酷

拉里.佩奇观点?

如果我没记错,谷歌联合创始人拉里.佩奇其实也提出过他思考。他说:人会因为很多东西感到快乐,比如“占有性质”的那种快乐,像拥有房子、安全,以及让自己小孩能有很多机会等等诸如此类。

但这些资源创造,其实不难,而且要满足这些资源供给的劳动力也不需要那么多,可能只需要现在劳动力的 1%,甚至比例还要低。拉里进一步指出:所以认为每个人都需要疯狂去工作,以去满足人类需求,这种想法是非常错误的。

真正问题是:如果什么事都没得做,人这种动物会不高兴,因为他需要感觉自己“被需要”,包括觉得自己有价值/具备生产力。

拉里认为:这其实也是很多人会去疯狂做那些没必要做的事情的原因,包括破坏环境,因为他们需要释放,以及感到自己在做事情……

拉里的解决方案:

如果一个国家未来因为“自动化”问题产生大范围失业,国家可以把每个人的工作时间缩短,然后,尽可能去雇更多“兼职工”,而不是”全职工“,也就是把岗位需求“平摊”。但恐怕这个问题很难由市场机制解决,因为所有企业主都会喜欢生产力最高的员工,并希望将其占为己有,因此,只能由“国家”作为一个主体去作出调整,缩短每个人的每周工作时间。

下个 Wave 是什么?

不过,本周最好议题来自 At16Z 的 Benedict Evans,他提出一个命题引人深思,大概逻辑是:

电脑扰乱大型机,移动则反过来破坏电脑,而观察它们如何破坏或替代前者过程可以知道:首先第一步:是新生态系统产生了更大规模的消费级用户群(想想看,Smartphone 其实产生了很多新的不用 PC 的用户),并且只有在此之后,这个新生态系统才可能打败老的那个。

但问题是:未来几乎地球上每个人都会有智能手机,那么也就意味:要看到下个巨大生态系统会来自哪里的可能性已经非常困难,因为几乎很难看到还有生态系统在“规模化”上的巨大程度会超过智能手机。

要破这个题狠难

Benedict 继续推导:如果说下个 Wave 是物联网,物联网的确是产生了更多个人的“东西”,但它和 AR/VR 一样都有使用智能手机组件,这个意义上说:它们和智能手机生态系统的关系更像是一种“延伸”而非“替代”,这里似乎只有 AI 是例外,它无处不在,且确实会让人注意力从手机转移,就像移动做到了让人注意力从 PC 上转移一样,由此 Benedict 怀疑:AI 可能是下个 Wave。

他还用微软例子做了比喻

比方说,微软胜利时刻其实是在 1995 年的 Windows 95,之后,科技主题转向互联网,微软再没有在编程语言、文件格式及网络协议方面拥有过决定权。但微软在 1995 年后却销售出了非常多 Windows。毕竟,人们怎么才能上网呢?也就是说:Windows 在其中起到的“重要性”是越来越小了,不过,它的销售量却反而越来越多。

换句话说,Benedict 认为自己回答不了有什么和智能手机生态系统没相关性的东西在经济体规模化上会大到可以“替代”智能手机生态系统,因此引入“什么会让人类注意力从智能手机上转移”这一概念,这其实是进行了 Wave 界定的概念切换。

即:不需要彻底 Replace,只要能做到把人注意力转移就是下个 Wave,好比互联网其实没有真正替换掉 Windows,后者“经济体”在互联网成为主宰时实际上是越来越大,但互联网的确做到了把人类注意力从 Windows 转移。

Chris Dixon 则完全跳开这个逻辑推导而提出了另一个能自圆其说的答案,他认为:如果说以前技术周期都有一个唯一核心主题,比如某个时代是 PC,某个时代是互联网,某个时代是智能手机,那么“移动”可能是这种“唯一模式”的终结者,人类目前很可能已经站在多个而非一个时代的浪头。

可能也只有这个解释,能圆满回答我们如此好奇希望 Figout out 什么是“唯一性未来”的问题了。

这次真的不同?

下面是投资机构 At16Z 刚刚传上的一段音频核心思想,这个机构研究和交易团队的头 Frank Chen 以及 board partner Steven Sinofsky 分享了他们观点。

音频长度 30 分钟,讲了 AI 已经炒作和让人失望一段时间,比如打败这个、打败那个,但几度兴奋后,也没看到什么广义人工智能方面的大东西,那么,为什么“这一次”(谷歌 AlphaGo 战胜李世石)是真的不同呢?

终于讲到 AlphaGo 了……

“以前的话都是资料放在资料库,对方下一步,AI 马上进入资料库里找解决方案,这种方法不但慢,而且很占空间,这次 AI 采用的是新式对战方法 Deep Learning,通过无数次与别人对战来学习并教会自己如何去下,然后赢得比赛(就像人通过观看其他人怎么下棋,然后自己学习后超越那个人)。

1800-1900 时人们研究 AI 都是从模仿人类大脑等角度切入,比如 1900 年代有个实验,就是通过采访一个人,比如医生,然后问你们是怎么判断病人得了什么病需要什么治疗的?经过千百次的问,终于粗略把所有信息都输入 AI 记忆卡,希望以此可以让他模仿人类思考。

结果非常失败,因为他们终究不能思考,所以单单凭靠着资料还是不能很准确规划或治疗一位患者(医学上,每个患者都很特别,再精准分类也不能达到百分之 100 的正确率),这时科学家们还有各种对未来的规划和野心,因为发展方向不对所以都失败了,导致大家对 AI 很失望。

现在,人们不再以模仿人类大脑为目的设计 AI,因为说到底,我们自己都不知道大脑怎么工作,所以科学家们开始试图让 AI 自己思考,以庞大资料库为经验/参考,而不是刻板地把这些东西当作必循教规。

这种方法的确有效提高了正确率,但我们却也因此无法推测机器下一步想法,因此 AI 是通过自己经验来判断,没有规律可循,这方面 Debug 也几乎是不可能的:

  • Old AI: 有资料,需要用时才去找(死脑筋,不灵活);
  • New AI:有资料,它会看这些资料,然后通过这些资料去做最有利推测,比如:如何分辨一只真猫和一个猫的照片?
  • Old AI: 寻找之前关于猫的信息,根据资料辨别真假;
  • New AI:看完资料后,自己推测它是真猫还是照片;

硅谷最新发Offer方法: 创业公司可以直接复制的一个PPT

eShares CEO Henry Ward 最近秀了一份他们给新员工的 Offer,原意是想帮很多初到创业公司但完全不理解期权为何物的新员工,结果这份透明度/效率很高的 PPT 迅速成为可以效仿的新录取通知书模板,受到硅谷创业公司欢迎。希望这份 14 页 PPT 对国内正计划招聘的创业公司也有帮助,它实在一目了然,非常高效。

第一页,以公司 Logo 作为总起

第二页,说明 Offer 将包括的主要内容,提醒员工来公司报道前务必阅读。

第三页,大局观上的条款大纲,包括员工具体岗位、招聘主管是谁、开工日期、年薪、期权数等等等等共 14 项;

第四页,解释公司组织结构,以及员工具体在哪个 Team;

第五页,解释员工薪水是怎么算出来的

第六页,解释公司资本结构

第七页:告诉员工公司期权计算公式,提醒这只是个说明计算公式的例子,不是实际预测。

第八页:期权授予时间表,比如员工需要“5年”才能获得期权,右边表格则可以看到员工逐步获得全部期权的细化日程表。

第九页:提醒员工以下 6 件事能帮他正确看待股权激励,最后一条是:先以假设你的期权会一文不值的心态生活。

第十页:详细员工福利包括医疗保险、生活保险、健身补助、带薪休假日期数、生病请假日期数等等等等共 12 条。

第十一页:家庭办公和通勤安排。公司需要每个员工每周有一天到办公室上班,你的这一天是每周的周三,以下是我们 Palo Alto 的具体办公室地址。

第十二页:员工第一天和第一周的工作安排

第十三页:以下是律师需要我们告诉你的 7 件事

第十四页:如果有任何问题,请联系下面电话,以及签名落款:你已阅读并接受上面所有信息。

敬畏感!

本期#思维方式#,节选自微信号“无处不哲学”(zhexue365)文章《敬畏感及中西比较》,作者为 张伟胜

“敬畏”是一个颇具宗教色彩的哲学概念,但它与现实生活又有相当密切关系。它的基本含义是:敬重与畏惧,用来指称人对某种伟大而神秘力量产生的崇敬和谦卑感。

按照康德说法,真正能使人具有敬畏感的莫过于两方面:一是对头顶苍穹无限星空的敬畏;一是对自己内心道德律的敬畏。

何谓“敬畏感”

人之所以对无限星空产生莫名敬畏,是因为人感到隐藏在旷远幽深的星空之中的那种神秘,它既不是我们知识理性所能洞悉,也不是作为感性存在的人所能控制。

别尔嘉耶夫把这种敬畏感看作“是对达到了最紧张状态,达到极限的忧郁体验”。他理解的忧郁是人的一种“向上”倾向,当人向往某种存在的“高度”却又无法达到,觉得高不可攀时所感到的痛苦。

德国宗教哲学家鲁道夫.奥托则有不同理解,他以希伯来语的敬畏为例,说明敬畏是指“在心中分别为圣”,就是要用一种特殊畏惧感为某物划出界限,用神圣范畴去评价它。人在这种力量前除诚心归顺外甚至不可能产生任何抵抗意识,我们可以在整本《旧约》中看到类似情感。在他看来,这种敬畏感不仅非理性,甚而是反理性的一种情感表达,根本无法对其进行概念分析,因而是神秘的。

基于这样的认识,我们就可以理解康德对繁星闪烁的苍穹那种与日俱增的敬畏感,既是对彼岸世界“不可思议”发出的惊叹,也是人面对如此神秘境界而显得这般渺小的一声唏嘘。然而,康德并没有因此而鄙视人。

人虽然在无限面前不敢自大,但人能对其感到敬畏,却正好证明人有自己独到之处,因为一个没有理性的动物是不可能产生敬畏感的。第一个关于无穷量的观点,抹去了人的重要性;而第二个关于道德律观点,揭示了一种不同于动物性甚至整个感性世界的生活。

这个意义上说,人敬畏道德就是敬畏人自身,敬畏唯人才具有的那种德性。而敬畏感又与人所生存的文化背景有直接关联,并在一定意义上反映出各自生存智慧。

中西方“敬畏感”之不同

“上帝”一直是西方文化的核心概念,即使从近代后至现代,科学技术迅猛发展日益挤占上帝地盘,上帝在西方人观念中的地位有所动摇,但依然具有非同一般的影响。

根据基督教学说,一方面他们认为上帝是人和世界的创造者与主宰者,上帝万能、至善,是时间之外的绝对和永恒,由此产生人对上帝的一种无限敬畏,人们敬畏上帝就是为能进入上帝的天国和上帝在一起。另一方面,基督教认为人类是与生俱来便带有“原罪”的罪人,人类希望通过爱上帝而得到上帝宽恕,除去自己身上的“原罪”,并重新回到上帝的天国。

因此,人对上帝的敬畏感是人在内心深处对上帝召唤的一种响应,如果不敬畏上帝就是自甘堕落,自绝于上帝,就是抛弃自己,就会永远堕落沉沦下去。由于在基督教世界中,几千年来人们已经从内心深处认同上帝对人的主宰关系,所以世世代代对上帝的信仰和敬畏感大多专一而虔诚。

但在西方人对上帝专一而虔诚的信仰与敬畏中,我们却发现了一个隐藏于上帝光环背后的影子“人”。如果抛开基督教教义,再进一步分析人敬畏上帝的深层心理,其实不难看出与其说人敬畏的是上帝还不如说人最终敬畏的是自己。

人是因为敬畏自己所以才敬畏上帝,尽管人对上帝的这种敬畏感十分虔诚。假如上帝抛弃人类,再也不来拯救人类,人类对上帝再也不能指望什么,当尼采说“上帝死了”时,人对上帝的敬畏感便荡然无存了。虽然这个结论肯定不符合基督教教义,但它仍然是显而易见的。

与西方不同,在中国,自古至今一直没有一种类似基督教、佛教或伊斯兰教那样能对整个民族精神生活进行高度控制的一神宗教产生。真正的宗教信仰在民间始终都只是少数人的事。对神的认识和态度,也与古希腊神话所描述的大不一样。

在古希腊神话中,神虽然也有类似人的生活,但他们对人并不关心,人与神之间没有任何亲近感。而在中国远古神话中,神与人相通,神富有人性,它不是高高在上控制和主宰人类的异已力量,而是乐于为人类服务、帮人类排忧解难的神人,例如盘古、女娲、伏羲等莫不如此。所以中国人对神是敬而不畏,很有几分亲切感。倒是从古代朴素的自然观中衍生出的“天”的观念,因为其高远莫测,反而让人产生几分敬畏感。

中国传统文化几千年来一个主流思想是“天人合一”,但从认识维度看它基本上是单向的,即不是“天”与人合,而是人与“天”合。这个观念以老子为代表的道家学说最为典型,因为是“一生二,二生三,三生万物”,所以要“人法地,地法天,天法道,道法自然”。古人认为,天地人是一个相互感应的和谐整体,但其中起主宰作用的还是神秘的“天”、“天命”。

所谓“天命”,就是“天”控制着人的命运,人的命运依赖于“天”,人从生到死一切都得“听天由命”。人对“天”只能祷告、祈求、却不能支配,因此孔子“三畏”中第一畏,就是“畏天命”;而“天”对人却既可以赏赐也可以惩罚,“有夏多罪,天命殛之”且“天命靡常”,不可捉摸。

所以,天地人之间的和谐是以人对“天”的服从为前提。这就是古人所说的“天人感应”。这个“天”有点类似西方人的上帝,其神秘而全能,令人不得不敬而畏之,就连农民造反起义也要打出“替天行道”的招牌,可说是“挟天威以令天下”。

但中国人对“天”的这种敬畏感,与西方人对上帝的敬畏感颇为不同。许多情况下,它不是那种无条件的虔诚无限的敬畏之情

可以说自古以来,中国人真正最敬畏的只有一个“天”,但人们“敬天”原是为“保命”,为自己命运好一点或至少能公平一点,把“天”当作命运“判官”,人间道理说不通时还有个“天理”作依据,可是当人们感觉到“天”并不那么公道,也不一定能保佑人一生好运时,那敬“天”何用?畏“天”何益?对具有浓厚实用主义意识的中国人来说,去敬畏一个于已无用的“天”是没意义的,于是,指天骂地也就成了可以理解的事。

与信仰基督教的西方人相比,从中国人敬畏天命的态度中可以更清楚地看出人真正敬畏的是什么。在这点上,中国人的态度比西方人要真诚坦率得多。在这里,古希腊人所说的“人是万物的尺度”这句话反而得到最生动诠释。人的价值才是至高无上,上帝也好,天命也罢,只有符合人的价值目标才会具有真实意义。上帝和天命不过是人的一种精神寄托,是人本质的一种对象化。

就像康德所意指那样,人对无限星空的敬畏,只有在对人自身理性的敬畏为基础时才具有真正意义,因此中国人对“天”的敬畏不够虔诚,也许自有自己理由。

民族性格差异及各自生存智慧

我们还可以从中国人与西方人敬畏感的不同,来进一步分析民族性格方面的差异和各自生存智慧。

有人说中国人没有信仰,我觉得不是很符合事实,但要说许多中国人从不曾有过真正信仰,我看还是有几分道理。我们确实缺少一种对某个信仰对象虔诚、一以贯之的敬畏感。

中华民族自古以来就是一个讲实际的民族,不管是人是神,只要能保佑我们,给我们带来好运,我们就敬重他,拜祭他,无论是儒释道、耶稣基督还是青天大老爷,我们都一视同仁,决不歧视。

中国文化很重要一个特点就是极强的包容性,不像有些宗教文化,对所谓异端具有强烈排斥性。在中国人看来,三教合流,四教同堂都不是什么不可思议的事。反过来,如果不能保佑我们,不能给我们带来好运,不能主持人间公道,那么管你是上帝还是“天命”,照样弃之如敝履。

这种注重实际的民族性格,使得我们不可能产生某个神一统天下的局面。即使在汉代罢黜百家、独尊儒术以后,道教在民间也从未消亡、佛祖照样赢得大众喜欢,上帝也能传布它福音。今天可以信这个,不行明天可以换一个试试。中国人向来不认死理,我们有自己生存智慧,这种生存智慧从我们老祖宗开始就讲得很明白,那就是“变通”的道理。

中华元典《周易》讲得最多的就是“变通”道理。中国人最崇尚的也是“变通”道理。善变是我们民族性格基本特点之一。作为思维与实践的根本方法,“变通”确实有其深刻道理。“穷则变,变则通,通则久”,有“变通”,我们才能化险为夷,遇难呈祥;有“变通”,才有我们中华民族五千年绵延不断的文明史。

然而事实证明,爱“变通”的民族性格确实也有先天弱点。纵览中国几千年历史,久则久矣,但那种虎虎有生气的积极进取意识、健康竞争意识、改革开拓意识,在大部分时间里未能成为社会发展主流。随遇而安,厚古薄今的思想却历来很有市场。

而过于早熟的宇宙意识,又常常使我们显出一副老气横秋的样子,过早失去那份人类应有的对外部世界和自身内心世界的惊讶感与好奇心,满足于知其然而不知其所以然。

爱变通的性格居然走向了它的反面——求稳怕变。这同样也是我们民族性格的基本特点之一。说中国人善变,从长处说是应变能力强,生存能力强;从短处说,是指我们几千年来一直落在一个封闭之变、循环之变的思维陷阱之中,所以“万变不离其宗”;说中国人不求变,也是意指没有突破这种循环状态,缺乏强烈的开放性意识。这种善变与不变奇特统一的民族性格,既是我们中华文明能够五千年香火不断的奥秘所在,也是到近代由盛而衰反让西方人后来居上的内在原因。

西方人对我们这种既善变又不求变的民族性格很不理解,也不认同。他们有他们的生存智慧。

西方人的民族性格,用我们中国人话形容就是有点“一根筋”,也就是凡事爱认死理,他们最大一个特点就是对任何事物特别是对那个隐藏在事物背后的神秘本体有一种极强好奇心,喜欢寻根究底,喜欢没完没了追问,不但要知道是什么,还非得弄明白为什么、怎么样,不弄明白誓不罢休,就有那么一股劲。

在信仰问题上,虽然早在古希腊时有一大群神供他们敬仰,人们可以喜爱这个也可以喜爱那个,但对外在世界和内心世界之本体奥秘的寻根究底、执着追问,以及由种种追问所指向的某种神秘对象无限敬畏、一往情深的民族性格,在那时便已大致形成。

基督教占了统治地位后,上帝代替种种神秘对象成了他们唯一敬畏对象。一千多年来,上帝始终是他们生命核心和灵魂家园。虽然对上帝的理解也许不是每个人都一样,并因此而产生出各种各样的神学流派,为了自己信仰,他们甚至不惜大动干戈,以神的名义发动宗教战争,但无论他们心中上帝是何等样子,对上帝所具有的那份虔诚与敬畏和对认识上帝的那份执着精神却是如出一辙,别无两样。

这样的民族性格一方面造就欧洲黑暗的中世纪,狭隘的宗教执着心理使他们失去包容其他文明的气度;另一方面又促使他们勇于竞争,开拓进取,形成追求真理的科学精神,精细严密的思维逻辑和一以贯之的哲学理性的积极传统。尽管文艺复兴后,近代科学发展对基督教造成很大冲击,然而人们的宗教信仰和宗教情感并没有因科学技术对人类生活各个角落的渗透而消失。

特别是随着现代资本主义文明所带来的各种弊端日益显现,自然环境的严重破坏和人们心理的浮躁倾向,直接导致后现代主义理论的出现。特别是建设性后现代主义一方面着力解构现代性,另一方面推动人们重新体验神秘的敬畏感,寻回正在迷失的精神家园。

应该说从生存智慧意义上看,中国人与西方人各有千秋;从人性意义上、民族根性意义上,对信仰有所执着或无所执着也各具优劣。然而我们不能不承认,一个崇尚“变通”意识、没执着信仰的民族虽然可以具有非同一般的适应能力和非常顽强的生命力,但也确实不太容易对自己所敬畏对象保持一以贯之的神圣敬畏感。

他们的信仰往往是有条件、有保留的信仰,时刻准备一旦靠不住便立即抛弃。某些方面中国人之所以有这样的心态,显然与把自己所敬畏的对象当作一种实用性质的“敲门砖”有关。

因此可以说,中国人并没有牢固建立起真正终极意义上的信仰,对自己信仰也缺乏建立在“绝对”和“无限”基础上的坚定信念,对“绝对”与“无限”的兴趣和忠诚,以及由此而产生的深入骨髓的敬畏感确实不是我们这个民族所长。

国人缺乏虔诚敬畏的实用主义心理倾向和态度作为我们这个民族的精神传统一直延续至今,仍然在我们现实生活中继续发挥不容忽视的影响。如对人生理想的定位,对工作敬业精神以及对人际关系的处理等等,无一不是打上深深的“变通”意识烙印。

“变通”可以使人对环境作出随机灵活的反应,但也可能使人失去信仰、失去敬畏、失去原则。中国人虽然注重伦理道德,但是如果没有像康德所说的那种对内心道德律与日俱增的敬畏感,那么,在世俗生活实践中伦理道德要发挥切实有效的作用,无疑具有相当大困难。

现在社会当中存在的信任危机或者说诚信危机就是最典型表现之一。信任危机或诚信危机的发生正是人们丧失了最基本敬畏感的社会标志。因无所敬畏、无所顾忌而带来人与人之间的互不信任、互相欺骗,是消解人类生活共同体及其凝聚力的最危险的腐蚀剂。

真正的敬畏感

真正的敬畏感能引导人产生积极向上超越的倾向,是防止人性堕落的非常强烈的内在情感力量,它不是一种外在行为规范,而是一种内在德性追求。真诚的信仰和神圣的敬畏感是人类共同、不可缺失的精神支柱,是人对自己所特有人性的认真看护与持守。

人无论是敬畏上帝还是“天命”,或敬畏法律还是道德,说到底最后敬畏的是人自己。自己的人性是人之所以畏的根由。人没有敬畏感,就意味在其心目中这个世界上已经不存在任何崇高的东西能令其向往和追求,对其来说,当下的世俗欲望就是一切。

身处此境,人不知道自己能想什么,应该说什么,也不知道自己该做什么,是非对错、好坏善恶,一切法律道德、制度规范好像都已成为欺人的东西,对人不再具有任何意义和约束力。也是在这时候,人就像一匹脱缰野马,恣意纵横,什么事情都有可能发生。

对你事业有帮助的11条“潜规则”

这两天 Medium 上最火文章 Career Advice No One Tells You,来自职业发展社区 “I Will Teach You To Be Rich” 的产品开发人员 Raghav Haran。

多数人做着“还行”的工作,但其他人在“工作”这件事上达到的高度则完全不同:

他们三十出头,做着总经理级别的工作,每天早上从床上一跃而起,对新的一天充满兴奋;

他们的工作能影响到成千上万人。下面这些道理大多数人不懂,但是他们懂。

1,岗位可以协商

我永远记得我小时候和我印度祖父去杂货店的情景,他对篮子里东西的价格总是密切关注,然后当我们到收银台,我一直觉得这是有史以来最尴尬的事:他居然试着和收银员讨价还价。

疯狂的是:这个策略居然奏效。AppSumo 创始人 Noah Kagan 也有类似理念,他称之为“咖啡挑战”:基本上你走进一家咖啡店点单,然后开口要求砍 10% 价,收银员问:为啥?你就回答:“正当理由”。大部分时候,收银员会接受。

生活中有许多我们觉得“不可协商”的事,但实际上可以搞定。我曾申请过一个商务拓展岗位,它要求 3-5 年工作经验,而当时我还在读书。然后我做了什么呢?

我想办法向他们证明我可以带来价值,我出门去找了些想和这个公司建立合作伙伴关系的公司,然后把他们介绍给这家公司招聘主管,最后,我得到了 Offer。

除了像医学或法律这种学术专业度非常高的工作,其它岗位很大范围内都可以协商,但你必须证明你能带来价值。这方面,不愿打破一丁点规则的人,在争取相同目标上往往会花更多时间和钱。

2,“负担症候群”是好事

前阵子《纽约时报》指出:印裔收入被发现是全美国人的两倍(年均中位数 9 万比 5 万),朗裔、黎巴嫩裔和华裔也名列前茅。《纽约时报》说,造成这个情况的主要原因是文化差异,而更成功群体文化有以下三个共性:

  • “自尊”情结;
  • 不安全感,总觉得自己在所做事情领域还不够好;
  • 能控制冲动;

相信你可以得到任何你想要的,同时非常有原则/自律,以及对现在位置没有安全感,这三者结合是让事业成功的公式。拥抱这种不足感。

3,“现实”不过是错觉

“现实”由每个人所处环境决定,对一些人是完全现实的东西,对另一些人却可能觉得“不现实”。

我小时候有些家庭收入很低的朋友,觉得当医生“不现实”,因为不知道如何达到目标。但对我,这完全可行,我知道怎么进医学院,我周围也有成功成为医生的人。

同理,家人没上过大学的会觉得拿到研究生学位“不现实”,家人收入很低的会认为在财富 500 强工作“不现实”。

和你领域最优秀的人一起工作,读他们书,听他们访谈,学习他们所做的所有事,最后,那些不现实的“梦想”就会成为“现实”。

4,别因行业平均工资或就业人数来选择职业跑道

当你努力想成为“伟大”时,行业平均工资是多少这种东西一点儿也不重要。我听到人们说类似话时我总想笑,他们说:“作家赚不到钱”,可实际上在任何领域,努力成为“伟大”的人总会拥有足够多钱和成功,然后,剩余的人打架打成了碎片。

工程领域也同样:最好的程序员被谷歌这样的公司雇佣,他们和试图在网上学几周代码教程就想在高科技淘金潮中受益的程序员肯定不同。

做自己喜欢做的事,然后把它做到“伟大”的程度,其它一切都会跟着来。

5,选老板,而非选公司

有些人觉得在 Facebook 或高盛工作就高枕无忧了,但真正重点在于你要找到良师益友。

如果你够格,你不仅会和这个领域内最成功的人一起工作,你还会进入他们“圈子”,然后得到更多机会。我曾和《纽约时报》畅销作家 Ramit Sethi 合作过,他在自己人脉圈里向一些大公司引荐我,然后我得到了在几家世上最大营销公司工作的机会。

他们还能帮你避开错误。不久前我在考虑要不要为某人工作,我一位良师益友(一位硅谷大牛)告诉我:不要。一封邮件就让我少走几个月甚至是几年弯路。

让自己围绕在“正确”的人身边,他们会带你走向更多机会,这些机会任何公司都给不了你。

6,为了好经验,别怕低薪

对冲基金经理 Stanley Druckenmiller 说过一句话:“事业初期,如果让你在良师益友和高薪之间做选择,每次都选良师益友。这是对我事业最有用的一句话。但现在,很多孩子太短视了,他们寻求的是短期金钱而非长期个人规划。”

前辈认为年轻人最大问题就是不够耐心,总想着优化短期(比如在大公司工作,让家人刮目相看),不为长期目标做打算。别怕为了将来的更大进步先退一步。

7,让你升到第一级的不会让你留在第二级

职业生涯开端,专业技能最重要,但随着时光飞逝,这些技术就没那么重要了,你和别人的“互动”开始变得重要。

能把事做好还不够,你还需要知道:如何避免在“办公室政治”中摔跤,你还需要知道:除了自己本职工作外,你还有什么附加价值可以给予。

你需要 Figure out 你公司需要什么,并把这些东西做出来,即使他们没告诉你它是什么。

8,真正的教育在大学之后开始

实际上在现实生活里,你在学校里学的东西大部分是没用的。

成功人士每周多读一本书,他们听播客、参加会议、读研究论文,他们还和做大事的人交流。

这就是为什么他们可以把看似毫无关系的很多点“连在一起”,并利用这种洞察力到达更多机会。他们和别人看世界的方式不一样。

9,增加曝光量

Gary Vaynerchuk 说:曝光就是杠杆。当你完成专业领域的事,上网写点东西,帮助那些正陷在你也曾经陷入过同样问题的人。

另一方面,曝光度可以构建起“信任”,你的读者群越多,别人对你的态度也就越认真。

10,别把自己的成功“外包”给公司

一个硅谷著名风险投资家曾决定去咖啡馆工作一个月。你想象一下?一个成功 CEO 站在收银台后面。

绝大部分人从来不会想到去做这样“乏味”的工作,但他就是要站在那里。为什么呢?因为他想学习这个店铺内部运营,包括了解物流、系统、瓶颈、客户出现的频率以及更多。

多数人认为在像麦当劳或星巴克这样的地方工作非常糟糕,在品牌很大很响亮的公司工作才是获得成功的条件。但现实中,一个工作的好坏其实取决于你自己。

11,真正赢家不走“前门“

Alex Banayan 说过最好的话是:所有极度成功的人,他们对待生活、商业和成功的方式,就像一个“夜总会理论”。夜总会有三种进入方式:

  • 前门:99% 的人排队在这里等,希望进去;
  • 第二大门:这里站着亿万富翁和皇家人士;
  • 但世界永远…永远会有第三道门:这是一种你必须跳出 Line 之外的通道方式,不管你是爬垃圾箱进去,还是从胡同里跑过去,或者撞在门上千百次,甚至破解窗户密码从窗口跳进去,再或者你通过厨房偷偷进入,但无论如何,总会有进入方式。

不管比尔.盖茨是如何卖掉他第一单软件,Steven Spielberg 是如何在好莱坞成为最年轻的工作室董事,他们都是从第三道门进入。如果你用和所有人一样的方式,你得不到特别机会,成千上万人都在竞争,和别人一样在网上递简历不是你得到你梦想中工作的好方式。

记住:这场游戏的名字叫“潜规则”,那就是给予别人他们想要的,在他们开口问你之前。这样,你才可能赢。

最近一篇美国创投圈热文: 计算产业的下一步将走向何方?

以下文章,来自硅谷早期投资机构 At16Z 合伙人 Chris Dixon,他个人也是 Kickstarter、Pinterest、Stripe、Skype 等项目早期投资者。

计算产业主要以 2 个“独立周期”发展:

  • 金融周期;
  • 产品周期;

前者一直受到很高关注度,相比之下,后者受到关注度较少,尽管产品周期才是计算产业的真正推动力。我们可以通过研究过去经验和推演未来的方式,试着去努力了解并预测一下产品周期。

约每 10-15 年出现一个技术产品周期

在新计算领域,已经出现约每 10-15 年产生一个技术产品周期现象,它同时表现为:平台和应用之间越来越相辅相成的关系。

一方面,新平台支持新应用;另一方面,新应用反过来让新平台更具价值。我们说小分支角度,技术循环每时每刻都在发生,但从历史经验看,大约每隔 10-15 年主要技术新产品周期就会出现,并完全重塑计算产业。

比如说,PC 出现使企业家可以去创建文字处理、电子表格及其它许多桌面程序;互联网出现,使搜索引擎、电商、电子邮件、社交网络、SaaS 业务应用及其它许多服务成为可能;智能手机出现,使移动 IM、移动社交和拼车出行这样的 On Demand 成为可能。

我们目前正处在“移动时代”的中间时间段,应该还会有许多属于这一周期的新创新会发生。

我们已经在下个新计算周期的“酝酿期”

另一方面,每个产品时代都可以分为两个阶段:

  • 酝酿期:新平台已经出现,但还是有贵、不完整和/或很难用等问题;
  • 成长期:新产品出现,并解决上述问题,然后拉出一个时间段的指数型成长。

案例 1:Apple II 于 1977 年发布(Altair 发布于 1975 年),但实际上,是发布于 1981 年的 IBM 的 PC 机开始了 PC 产品周期的成长期。

案例 2:互联网的酝酿期发生在上世纪 80-90 年代初,主要是学术机构或政府部门用作基于文本的工具,但实际上,是发布于 1993 年的 Mosaic 浏览器启动了互联网成长期,并一直持续至今。

案例 3:尽管上世纪 90 年代就已发布功能手机,本世纪初也发布如 Sidekick 和 Blackberry 等早期智能手机,但 2007-2008 年间发布的 iPhone,以及之后的 Android 才真正开启了智能手机成长期。

从此,智能机使用呈爆炸性增长:今天有大概 20 亿人拥有它,预计 2020 年全球有 80% 人口有智能手机。

如果按每隔 10-15 年模式重演,那么下个计算时代将在未来几年进入成长期,这种情况下,也就是说:目前我们应该已经在它的“酝酿阶段”。

事实上,我们在硬件和软件方面看到的许多重要趋势都可以帮我们窥见下个计算时代大概会是什么样子。下面我说说这些趋势,然后作出关于未来可能样子的一些建议。

硬件:小、便宜和无处不在

我们现在正进入一个处理器和传感器将变得愈来愈小愈来愈便宜的进程,这由 2 个原因造成:

  • 过去 50 年半导体产业稳步推进(摩尔定律);
  • Chris Anderson 所谓“智能手机大战中的和平红利”,即智能手机的巨大成功,导致对处理器和传感器的大规模投资。如果你拆开一驾无人机,或是一个 VR 头盔,或一台物联网设备,你会发现大部分智能手机组件。

在现代半导体时代,焦点已经从独立 CPU 转移到被称为“系统级单芯片”的专用芯片包。典型系统级单芯片束包括高能效的 ARM CPU,外加和用于图形加工、通信、电源管理、视频加工等的专业芯片。

这种新架构使基础计算系统价格从原先的 100 美元降到约 10 美元。现在你花 5 美元,就可以买到一台 1GHz,Linux 系统的 Raspberry Pi Zero。类似价格你也可以买到一部运行 Python 版本,具 WiFi 功能的微控制器。而且很快,这些芯片价格还会低于 1 美元,这样便宜的成本效益可以将一台计算机嵌入到几乎任何地方。

高端处理器在性能改进方面也取得了瞩目成就,其中最重要的就是 GPUs(图形处理器),而这其中最好的是 Nvidia 生产的产品。GPUs 不仅在传统图形处理方面很有用,在机器学习算法、VR/AR 领域也很有用。Nvidia 的蓝图承诺未来几年还会有显著的性能提升。

通配符技术作为量子计算,目前主要存在于实验室中,但如果取得商业上的可行,就会带来在如生物和人工智能等领域某些类别算法的数量级性能改进。

软件:AI 的黄金时代

软件领域今天惊喜不断,分布式系统就是很好例子。随着设备数量呈指数增长,这两件事将变得日益重要:

  • 多台设备执行并行任务;
  • 多台设备间的互动和协调;

引人关注的分布式系统技术包括如 Hadoop 和 Spark 等用以处理并行大数据问题,也包括 Bitcoin/Blockchain 等用于保护数据和资产安全。

但可能最令人兴奋的软件突破,发生在人工智能领域。AI 有过一段炒作和让人失望的历史,但现在确实有理由相信它终于将进入发展的黄金期。

AI 领域很多关注点都集中于“深度学习”,即一种机器学习技术,这种技术是受著名的 2012 谷歌项目(用巨型计算机组学习识别 YouTube 视频中的猫)而得到流行。“深度学习”是上世纪 40 年代出现的神经网络的衍生物,由于新算法和廉价并行计算的出现,以及大型数据集的广泛适用等因素,“深度学习”起死回生。

“深度学习”其实也是硅谷的一个流行语,但兴奋源自于瞩目的理论和现实世界结果的支持,比如对参加 ImageNet 挑战赛的获胜者来说,没使用“深度学习”前的错误率,可能达到 20-30%,而在使用情况下,获胜算法准确度会稳步提升,且在 2015 年超过了人的表现。

许多论文、数据集及与深度学习有关的软件工具都已开源,这会产生民主化效果,使个人和小型企业能构建功能强大的应用程序。

WhatsApp 能建起一个只以 50 名工程师就服务全球 9 亿用户的全球通讯系统,与前几代需要数千名工程师的消息系统形成鲜明对比。如今,人工智能领域也已出现这种 “WhatsApp 效应”。

类似 Theano 和 TensorFlow 的软件工具与云数据中心结合进行实训,同时也与价格低廉的 GPU 结合进行部署,就可以通过小团队工程师建立起最先进的 AI 系统。

假设有个程序员在使用 TensorFLow 来给黑白照片着色。左边:黑白;中间:自动着色;右边:真实色彩。

这里,一家小创业公司正在生产一个实时目标分类器。

当然,这容易让人想起科幻电影中的著名场景:

由大公司发布的最早“深度学习”应用程序之一是 Google Photos 让人震惊的智能搜索功能(用户可以通过输入文字,搜索到手机存有的相关照片)。

不久的将来,我们就能见证各种产品在智能化方面的重大突破,包括:语音助手、搜索引擎、聊天机器人、三维扫描仪、语言翻译、汽车、无人机、医疗成像系统等等。

初创公司要想建立 AI 产品,需要对“特定应用”的开发给予高度关注,否则,很难与那些正将 AI 作为头等大事的大公司竞争。数据收集越多,AI 系统就越好,也就是说创建一个数据网络效应的良性循环是可以实现的(更多用户→更多数据→更好产品→更多用户)。

作为一家地图创业公司,Waze 利用数据网络效应生产出了比他拥有更多资金的竞争者们更好的地图产品,成功的 AI 创业公司会遵循类似战略。

软件+硬件:新计算机诞生

由于纳入硬件和软件领域的新进展,目前正在“酝酿”阶段的各种新计算平台会发展得更好,而且,很可能会进入到增长期。虽然设计、包装都不相同,但它们都有一个共同主题,那就是嵌入一个小型智能虚拟化层,给我们带来全新且加强的技术能力。

下面是对其中一些新平台的简要介绍:

车领域:谷歌、苹果、Uber 和 Tesla 都在往自动驾驶汽车方面投入大量资源。Tesla Model S 这样的半自动驾驶汽车已经上市,并会迅速提高。全自动还需要一段时间,但可能也不会超过 5 年。目前已生产出与人类司机驾驶效果大致相当的全自动驾驶汽车,但由于文化和监管因素,完全自动驾驶汽车需要等到它们驾驶技术非常显著地高于人类司机时,才能被广泛允许。

期待看到在自动驾驶汽车领域有更多投资。除大公司外,大型汽车制造商也开始重视自动化产业,你甚至会看到一些由创业公司开发的很有趣的产品。深度学习软件工具技术水平已经如此之高,一个独立程序员就能独立制造出一辆半自动驾驶汽车。

无人机:消费级无人机包含现代化硬件(主要是智能手机组件加上机械部分)软件方面而言相对简单。不久的将来,我们将看到采用先进计算机视觉和其他 AI 手段的无人机,以使飞行更安全、更容易驾驶,以及更有用。

娱乐录像将继续流行,但也将是重要的商业使用案例,有上千万种如涉及攀登高楼、塔或其它建筑的危险工作将通过无人机的使用变得更安全而高效。

物联网:这方面最明显应用案例要数能源节约、安全和便捷。Nest 和Dropcam 在能源节约和安全方面做得很明显。而便捷方面,亚马逊的 Echo 可谓是最有趣产品之一。

尝试前,多数人认为 Echo 是噱头,使用后就惊叹于它的实用性。它在把“语音”作为一种用户交互界面方面是很有效的,要达到广泛意义上能全对话的智能技术还需时间,但正如 Echo 所显示:在约束条件环境中进行对话没问题。随着最近“深度学习”方面取得的突破,使 Echo 更快进入生产设备的状态,语言理解技术也会得到迅速改善。

物联网也将用于商业情境,如配有传感器和网络连接功能的设备在监测工业设备方面就极为有用。

可穿戴:可穿戴式计算发展目前受到包括电池、通信和处理等多方面因素的限制,较成功的大部分都集中在开发类似健身检测等垂直细分的专项 App。随着硬件组件不断改进,可穿戴式设备会像智能手机一样支持多种应用程序,从而解锁各种新应用。至于物联网,语音将可能是主要用户界面。

VR:2016 年是振奋人心的一年,这一年将推出 Oculus Rift 和 HTC/Valve Vive(可能还有索尼的 Playstation VR),也就意味:舒适、身临其境的 VR 系统将终于面世。

VR 系统需要足够完善以避免陷入“神秘谷”的陷阱。正确的 VR 系统需要特殊屏幕(高分辨率、高刷新率、低持久性),强大的图形卡,以及追踪用户确切位置的能力(之前发布的 VR 系统只能追踪用户头部转动信息)。这一年,人们将首次体验到所谓“存在”:当你的感官被彻底欺骗时,你就完全进入到了 VR 世界。

VR 头盔将继续得到改善,并且价格会降低,主要研究领域包括:1)用于创建渲染和/或拍摄 VR 内容的新工具;2)可直接通过手机和头盔进行追踪和扫描的机器视觉;3)用以大型虚拟环境的分布式后端系统。

AR:可能会在 VR 之后到来,因为 AR 需要很多 VR 需要的东西,另外还需要一些新技术。比如,AR 需要先进、低延迟的机器视觉效果,以在同一互动场景中实现真实世界和虚拟的完美结合。但 AR 有可能会比你想象中更快实现。

下一步是什么?

有可能“每隔 10-15 年出现一个计算周期”这样的 Pattern 已经结束,而“移动”是其中最后时代;也有可能,下个时代短时间之内不会到来;或者上面提到的几类新计算类型中,只有一小部分最终会被证明为重要。

我倾向认为:我们目前正站在多个而非一个时代的浪头。“智能手机战争中的和平红利”为新设备创造了一个寒武纪式的大爆发;而软件领域的发展,尤其是人工智能,将使这些设备变得智能而有用。许多上面讨论过的未来科技现在已经面世,并会在不久的将会受到广泛使用。

观察者们已经注意到:许多这些新设备现在仍然处于“笨挫青春期”,这是因为它们还在“酝酿期”,就好比是 70 年代的 PC 机、80 年代的互联网、20 世纪初的智能手机,我们目前看到的还只是些尚未来到人间的“未来”的碎片,不过未来即将到来:市场有起有落,人们的兴奋点起起落落,但计算技术将一直稳步前行。

美国不关注AlphaGo和李世石大战?

我这两天特别翻了一下美国创投圈博客角角落落,发现讨论 “AlphaGo 和李世石大战”的少之又少(新闻媒体报道除外),可以说基本上没有。

我想主要原因可能是:“围棋”是个神秘东方的产物,很多老外连下棋规则都不知道;另外投资圈视角偏宏观,对必然会发生(无非时间问题)的“事件性”之事兴趣不高。事实上他们只字未提这事,而在思考以下这些东西:

PC 的胜利实际上是生态系统在“经济体”规模上的胜利(数不清的个人电脑),而 Mobile 取代 PC 同样其实是 ARM/IOS/Android 生态系统在“经济体规模”上的胜利,如果没有这种胜利,Mobile 不可能取代 PC,那么 AI 有没可能带来一个更新更大规模的消费级客户群/经济体,从而取代 Mobile 生态系统?

当然还有个原因:今年 1月初 Nature 杂志刊登 Cover Story 首次披露 AlphaGo 击败欧洲围棋冠军樊麾时,他们已经讨论了一圈,但讨论的 Point 真的和我们不太一样。来看看围绕 AlphaGo 美国创投圈都在吵些什么:

 事实上是谷歌被骂了!

时间需要拉回到 2 个月前,也就是 Nature 首次披露 AlphaGo 击败樊麾,美国舆论迅速分为了两派,那就是追究技术终极意义,它到底应该是个 1)的问题还是个 2)的问题?

  • “妈妈能够做什么来让我的生活变得更好?”
  • “我能够做什么来让妈妈感到骄傲?”

其中第二个观点认为:这项 AI 领域的进步不容小视,但硅谷应该解决“大问题”、“棘手问题”、“那些一团糟、妨碍世界发展的问题”,它们没有一个“Ready Market”,并且穷人富人都会受到影响,甚至直接触及“有缺陷的系统”,而不是把时间精力花在电脑“玩”棋盘游戏。

这其实是美国舆论一直在倒逼科技界的一个问题倒不只是由 AlphaGo 引起。换句话说:谷歌、Facebook、苹果等这些公司应该把更多注意力放到或者说肩负起解决“社会问题”。再直白点:为什么这个时代最聪明大脑都在思考如何让大家点击广告,都被“浪费”在琐碎之事比如 Twitter 和 WhatsApp 这样的玩具和商业上,而不是去解决“真正重要”的问题?

时光倒流……

我第一次听到类似观点其实是在 5 年前的杭州,当时采访丁磊,请他聊聊中国 10 年科技史总结。未料丁磊的 View 瞬间让我采访提纲(主要是针对网易的一些 Question List)变成废纸一团,他的核心观点:

“科技进步也好,其它什么进步也好,最后都是落实到以‘人’为本,就是老百姓的衣食住行,但为什么在这些问题上我们仍缺乏安全感或幸福感?实际上科技已发展到 21 世纪的今天,为什么我们在面对自然灾害时还是像原始人一样脆弱无力?这种感觉并没有根本性变化,或者说科技带来的喜悦没有在对人类保护上起到根本性加强,起码在中国我们有这种感觉,那么在哪些方面可以做得更好?”

如果说硅谷创业圈一直在流行一个方法论:我们(创业项目)就是要把以前“妈妈”照顾我们的那些事都接管过去。翻转到地球那面也一样:我们有了陌陌,有了微博,有了微信,但是,没有让妈妈感到骄傲!

不过,另一个观点或者我们说是基于第二种观点上的“螺旋式上升”观点反问道:难道我们真的想让技术公司把他们注意力从棋盘游戏和生产商品方面转移到解决社会性问题上来吗?

答案是一个大写的 NO,“甚至,这整个问题框架是一种深刻的落后”。

这篇来自对计算模型和技术有广泛兴趣的博士研究生、政策战略性分析师 Adam Elkus 文章甚至被硅谷早期投资机构 At16Z 列为“必读文章”之一推荐给了众人,我仔细看了下,核心观点一路讲到“曼哈顿计划”:美国陆军部于 1942 年 6 月开始实施利用核裂变反应来研制原子弹的计划。

我的天啊,我已经晕过去!

当时,美国集中了西方国家(除纳粹德国外)最优秀核科学家,动员 10 万多人参加这一工程,历时 3 年,耗资 20 亿美元,于 1945 年 7 月 16 日成功进行世界上第一次核爆炸,并按计划制造出两颗实用的原子弹。

在工程执行过程中,负责人应用了系统工程的思路和方法,大大缩短工程所耗时间。一工程的成功,也直接促进了二战后“系统工程”的发展。

之后,美国对“曼哈顿计划”的诉求体现了美国对“技术理性”的信念,因此也与童贞之子基督一样,曼哈顿计划被奉为“救世主”。

然后……

仔细读下来,Adam 核心观点其实有四:第一,“曼哈顿计划”被这类比制造原子弹更宽泛、更有野心的“解决社会、政治和基本人类问题”给滥用了。

当人们说希望技术公司着手解决“真正”问题时,其实是在要求技术公司为社会问题设计“解决方案”,特别是要求专家、科学家、工程师等自上而下研发“解决方案”,但这陷入了“技术理性”的泥潭。

如果非要强人所难,这种做法基本假定就是想把社会变得“可读”,之后,再由专家和机器处理加工,然而这种“可读性”是捉摸不透并费时费力的,盖过它能产生的收益。大规模社会活动常常走火也是这个道理,请问越战究竟是哪步出了错?步步皆错。考量评估是所有科学、非科学活动的主要部分,但很多社会问题都是由“考量什么”以及“如何测/考量”这一最基本分歧引发。

第二,技术公司最珍贵地方是它能改变世界,或者说它解决问题的方式非常重要,但它天生既不具备政府或类似政府职能,甚至同政府相比,也不能更好回避“技术理性”带来的问题,技术公司能带来的最大益处就是直接给我们解决问题的工具。那为什么还要指望它解决社会问题呢?

技术公司擅长技术与商业上的事,比如管理、物流、产品、市场营销等,但他们不是做政府的料,之所以看起来像是“问题解决机”,是因为他们的专业知识、技术才能和资源。“他们聪明得都可以做技术商务了,怎么就不可以解决政治或社会上的事情呢?”如果是这种逻辑,怎么不去叫英语老师造桥呢?

政府与商业二者存在本质区别。举个例子,如果 Facebook 给你发则广告,你不喜欢只需点个按钮,你这辈子都不用在 Facebook 上看到它。但如果一次国防采购失策,在战场上坦克军团打了轮哑炮,一队年轻战士就得惨死沙场。技术公司也不像政府,他们有不同目标、动机和能力,很多不适用于政治功能。但技术公司还是能发挥有价值的公共政治作用,问题是:这个作用该是什么样。

谷歌和其他技术公司已经对社会问题有贡献,好比 Google Ideas 智囊团。这种公私交融的合伙模式,两边都有专业知识与能力可贡献。公共政治简而言之就是一群男女坐在桌前畅所欲言,技术世界能给谈话带来政府与非盈利部门所不具备的东西。

第三,要技术拯救世界实际上是在人类对 AI 普遍恐慌的年代产生,Elon Musk 和霍金都在担心 AI 会否走火入魔,但他们最怕梦魇其实是这个超级智能它既超级理性,但同时心怀不轨。

它十分理智,因为它能找到高效途径来达成目标,但却缺少哲学家、艺术家,政治家所说的“推理”或“常识”,技术理性问题不只出在“傲慢”上,也出在“理性化”的病理和它在社会生活的统治支配上。换言之:Musk 和霍金最怕的其实是 AI 被官僚政府/不好的利益集体利用或演变成后者。

第四,通过技术实现目标的根本途径,首先得有技术才行。回到 AlphaGo,AI 也和其它技术创新一样,是要为人类提供可使用的新工具。感叹电脑能在棋盘上战胜人类是有点儿孩子气,但又怎样呢?人们需要兴奋、刺激和动力来完成困难的事。

在美国参加了3天SaaS会议,我看到了中国企业服务市场3-5年后的未来

Founder/VC 栏目第 31 期,本文作者:云思科技(CloudXink)创始人兼 CEO 宗瑞兴,前新浪网市场与商业分析执行总监。

2016 年春节期间到旧金山参加“SaaStr Annual 2016”,三天会议期间,每天写了一篇文章,并发布到朋友圈,不过这 3 篇文章不是很系统,这里把 3 篇文章汇总成一篇,作为这次行程的总结。

SaaStr.com 是个在美国 SaaS 领域非常有影响力的在线媒体和社区,创始人 Jason M. Lemkin 是连续创业者,对 SaaS 有很多独到看法。2012 年开始时还只是个对外传递观点的 WordPress 网站加上一些 Quora 问答,后来慢慢形成一个有影响力的 SaaS 在线社区。

SaaStr Annual 则是 SaaStr 举办的一个大型会议。去年第一年聚集了 2000 多名 SaaS 公司高层,而今年第二届,参加人数约在 5000 人左右,会议主题安排非常明确:产品、企业发展、投资、销售等,基本上每个场地每半天是一个明确主题,而且其中安排了一些投资人见面环节,创业公司可以提交商业计划书,申请和投资人见面。

这个会议中,现场讨论形式要比 PPT 演示更多。很多情况下是比较有影响力的主持人(SaaStr 创始人、媒体、投资人或公司高层)和嘉宾进行某个主题的讨论。这种形式对英语考验非常大,不像有个 PPT 基本上就可以理解演讲内容。当时我录了很多现场录音,没听清的回来慢慢听。

一个非常值得称赞的地方就是 3 天下来没听到一个以做推广为目的的演讲,基本上每个演讲都是谈经验、观点、讨论,用我们话讲,都是“干货”。国内相当多行业会议讲来讲去就成了软性甚至硬性宣传了。

这个会议的参加人和影响力,基本上还在美国范围,当时见到了几家总部在印度的公司,也见到了些从印度来的参加人,但没遇到另外有从国内去的人。我想一方面是因为这个会议比较新,另一方面也是因为 SaaS 业务地域性比较强。不过,我这次参加下来觉得收获非常大,如果要了解新进展,到这种汇集了全球最多、最优质行业资源的地方,还是能够非常好拓展视野。就这次参会感受,我想有下面几点:

美国 SaaS 已形成非常庞大且丰富的生态体系

这次会议上看到很多非常大的 SaaS 公司,有很多有十多年历史,有部分已经上市或获得非常高估值,比如 Salesforce、HubSpot、ExactTarget、Marketo,这些公司已经发展到很大。

同时市场上有大量新 SaaS 公司与大公司间形成竞争或协同的丰富关系。在会上见到很多小型公司,大部分公司产品非常聚焦到某个具体功能点,一点做到非常极致。如果把这些公司大略分一下,我觉得可以分成下面几类:

一类是大型通用型 SaaS。这些企业的功能并不局限到某行业或某个具体功能,而是为企业提供比较全面的 SaaS 解决方案,而且市场占有率比较高,已经形成一定平台效应,很多企业基于他们进行服务。

比如 Salesforce 不但提供 CRM 服务,还通过自建或收购对客户提供分析、社会化媒体监测、销售机会挖掘等服务。这次会议上,Salesforce 在大力推广他们 SaaS 联盟,希望 SaaS 企业加入他们平台。除在营销方面,我看到 HR 领域也有非常大 SaaS 企业发展起来。未来在一些企业基本运营层面上,会形成一些大规模的 SaaS 企业。比如从事法律服务的 SaaS 企业,也是有可能成长为这个领域的巨头。(美国法律行业非常大)

第二类是聚焦一点的通用型 SaaS。这种企业产品只专注在某个具体功能,具有行业普适性。比如一家数据分析公司,提供基于 CRM 数据分析工具(Salesforce 有投资);提供视频 Demo 的分析工具的公司;提供网站用户互动工具的公司;只针对支付数据进行分析的公司。

看下来,这类公司中做数据分析服务的是最多的。很多这样的公司都是依附于其他 SaaS 的数据或业务,并为 SaaS 提供服务,以一种中间件形式存在(我感觉还是应该算是 SaaS 而不是 PaaS 业务)。他们的存在让整个 SaaS 生态效率大幅度提升。这种企业可能规模不一定很大,我估计有些会独立发展,有很多也可能会被大公司收购。

第三类是垂直型 SaaS。这次会议上见到的垂直 SaaS 不多,但我了解到很多专注于某一行业的 SaaS 在美国发展非常好。比如 Veeva,一家服务医药公司的 SaaS 公司,为大型医药公司提供 CRM,研发流程等方面的服务。2007 年成立,2013 年在纽交所上市。我看到 Gartner 一个统计,全球软件行业中,27% 是垂直领域的软件应用。随着 SaaS 发展,预期未来会有更多行业的流程、软件向云端转化。

SaaS 在美国已经大小通吃

美国大型企业对 SaaS 的应用已经很成熟。感觉国内 SaaS 还是首先针对的是中小企业,大型企业应用云服务的确会有很大障碍。但是从美国发展看,未来“云”会大小通吃。

第三天的会议主题是企业如何应用 SaaS 服务,在上面看到像 Adobe、Intel 这样的大型公司都已经(至少是在某些环节上)形成体系化的 SaaS 应用方法论。他们分享了如何将不同 SaaS 应用进行组合,如何提升业务人员应用能力,可以看到他们应用已经非常深入。

在同 SaaS 公司接触过程中也感受到大型企业对 SaaS 的应用。在现场和很多家公司进行沟通,好几家公司都提到既服务大企业也服务小企业。有家公司开始面对中小企业,但他们一些客户快速发展成大型企业(客户是互联网公司),他们产品和服务也跟着做起来了。

中小企业对 SaaS 应用也非常普遍,特别是 SaaS 的发展对自己这个行业有“反哺”作用。所谓反哺,就是很多 SaaS 企业发展起来,同时他们也有企业服务需求,有很多 SaaS 公司就定位于 SaaS 公司,也得到非常好发展。

对于是否可以同时服务于大型和小型企业这个问题,沟通下来感觉答案是可行的,但最终取决于公司战略和产品特点,对不同企业,答案可能不一样。有的公司回答说:他们产品是非常标准化的,不管小型还是大型企业,可以同时满足他们需求,比如一个为网站提供网站上的用户沟通工具的公司。也有公司会提到,他们会提供定制化服务以满足大客户需求。

投资方仍旧非常看好

主会场有一天是投资人专场,几个非常有影响的投资公司对 SaaS 行业发表了看法,这些公司都投了很多 SaaS 企业,虽然那几天美国股市特别是科技股大跌,但他们还是表现了对 SaaS 领域的乐观。

首先,他们认为 On Demand 是整个社会大趋势。比如 Uber,实际上就把租车服务做成了“云”,就像有个司机在你旁边等着服务你一样,你需要时马上就来。软件、服务趋势也是可以 on demand,那么就是进入云端,成为 SaaS服务。

其次,虽然美国 SaaS 已经发展相当长时间,但仍旧有巨大空间。有投资者提到目前只有 2% 的软件 SaaS 化,未来将有大量软件走向云端。

第三,过去经验表明 SaaS 投资情况回报良好。一家投资多家 SaaS 公司的投资公司提到,他们投资的 SaaS 企业收益率是其投资公司平均收益率的 6.7 倍。

第四,近期美国股市以及科技股有很大波动,出现价值回归。投资方认为 SaaS 类企业如果健康,经过初期投入阶段,可以带来很好现金收入。投资方也认为 SaaS 企业应该扎实做好自己业务,给客户提供价值,其价值也会被认可。

数据,数据,数据

这三天下来感觉 SaaS 就是个数据生意。SaaS 特点是业务流程都在网上,运营者可以收集到客户大量数据。这些数据需要深入分析可以指导业务不断优化,这种模式是离线服务或传统软件无法媲美的。这就类似传统商业和电子商务的关系。相对传统业务来说,也可以说 SaaS 是一种具备学习能力的“智慧产品”。

基于 SaaS 这种特点,衍生出了大量数据分析应用。在现场展台看到最多的 SaaS 服务就是做数据分析的,基于 CRM、支付、客户服务和沟通数据、邮件等等。很多大型 SaaS 应用的核心功能也是数据分析。

对于美国的 SaaS 使用者来说,也非常深度地进行数据分析。比如在会议过程中,a/b 测试是个高频词汇,而且会从很多负责销售的人,而非做分析的人嘴里说出来。SaaS 客户在介绍经验过程中,会提到很多数据驱动的运营方法和技巧。在数据应用方面,感觉中国和美国差异的确非常大。

在 SaaS 环境下,数据开放性非常强。SaaS 间相互打通,数据流转、应用在不同场景。这样的好处是客户可以将各类应用进行灵活组合,很多企业在不同业务环节采用不同 SaaS,形成一套组合拳,能充分利用各个应用优势。这种 SaaS 的网络效应左右是非常大的。

数据在中国,我觉得数据对接状况和美国差异很大。我想存在两方面原因,一是 SaaS 生态不丰富,互相之间无法对接,只有自动化、标准化才可能通过技术手段让数据流动和应用起来。随着 SaaS 的丰富、未来数据打通情况会更普遍。第二个是商业环境和文化问题,特别是一些大公司对数据的把持,比如 PayPal 的数据就可以通过接口在企业授权的情况下与 SaaS 工具进行打通和分析。我不是很清楚企业是否可以将银联数据或支付宝做类似应用。数据流转起来,效率提升,能够增加大量社会价值。

SaaS 的商业逻辑

SaaS 产品具有自己特点和商业逻辑,美国企业在这方面已经摸索很多年,很多经验和方法论我们可以借鉴。

SaaS 特点是初期投入大,经过一个比较长投入后,如果发展良好,会有丰厚回报。由于 SaaS 的收入模型是按账户、时间、等级等收费,开始时客户基数小,但初期投入不小。即使看到客户数量和客户在快速增长,也可能在相当长期内亏损。经营者和投资方必须正确判断亏损实际情况。

SaaS 的业务运营已经有一套非常清晰的商业逻辑和分析指标。投资人、销售负责人花大量时间分析 ARR、CAC 等指标,并形成通过这些指标判断一家企业表现,或优化运营的方法论。很多数据分析类的 SaaS 工具,也是围绕用户以及这些指标来设计的,可以帮经营者分析并优化关键业务指标。SaaS 是非常数据驱动的一种业务形态。

销售是 SaaS 的发展引擎

不同于 to C 产品,销售在 SaaS 发展过程中非常重要。SaaS 产品往往不是技术驱动,其技术门槛不是很高,而商业模式设计和销售在发展过程中非常重要。有个投资人用“空气”来比喻 SaaS 销售的重要性,销售对 SaaS 来说不是水和食物,而是空气;没有水和食物几天会死掉,没了空气几分钟就会丧命。

SaaS 和传统软件不同一点是客户续费率非常重要。SaaS 产品的销售分成三个环节:Marketing、Sales、Post-sales。SaaS 商业成功的关键之一是增加客户生命周期价值,而非一次性交易价值。

第一次往往无法收回成本,因此如何让客户续约就成为关键。SaaS 公司都会专门部署一个 client/customer success 团队,负责客户的持续采购。这个部门经常会独立于销售团队,有些公司直接汇报给 CEO。这个角色和传统软件或产品的售后服务角色不同,续费率高低可能直接影响 SaaS 业务的生死。

自动化与人

SaaS 在商业运作中的大量应用将提升企业运作效率,让工作人员更轻松。在 SaaStr 会场看了几个营销类 SaaS 产品演示,包括 leads generation,与客户的多渠道沟通,邮件整合与邮件营销自动化,customer scuess 软件等。

由于我们自己也会做很多营销和推广工作,感觉如果使用上这些自动化工具可以大幅提升效率。国内自动化工具使用还不够普遍,未来 SaaS 在中国企业的大量应用,会很大程度提升中国企业运作效率。实际上早应用这些工具的企业,可以获得更大竞争优势。

做到流程自动化之后,SaaS 会更智能。比如 EverString 等公司基于企业数据进行购买需求预测。但未来像 EverString 这种带预测能力的应用会越来越多。这类应该还是会从美国这样的国家先发展起来,因为完善的数据是这类应用的基础,中国目前还处在初期阶段。

对于效率问题,这次到美国有很多个人感受。这次来旧金山和硅谷接触了不少在中国和美国都有工作经验的人,明显感到美国工作节奏要比国内慢,即使在美国互联网公司中。但由于整个商业运作的自动化程度高、工作合作者专业性高,其效率可能是比我们更高。

我说起来国内的 “996”(一些互联网公司早 9 点上班,晚 9 点下班,每周工作 6 天),很多人都吓一跳。而中国互联网(和其他很多行业)实际上在用人力(人的生命)来弥补由于系统和环境造成的低效。在斯坦福和旧金山到处看到锻炼的人。如果早回家,回去读书、发展自己兴趣、锻炼,生活品质提高,其产出效率也会提高。

SaaS 的冲击

云服务给企业提升效率同时,也会对很多岗位产生替代。一方面可能会替代掉 SaaS 应用方的一些岗位;另一方面,会对一些提供相关服务的传统企业带来巨大压力。

SaaS 的本质和工业机器人、自动驾驶是一样的,商业世界的数字化和自动化,可以称为是“商业自动化”的过程。SaaS 发展到一定程度,会产生对工作岗位的“挤压”。很多简单重复性工作可能被 SaaS 工作替代。如果 SaaS 的智能化程度提升,可能对更多岗位产生替代作用。机器代替或部分代替人工将是趋势,不过由于中国近期人力成本相对还是比较低,这个过程比发达国家会稍微慢一些。

另一方面,SaaS 会对提供类似服务和产品的行业产生巨大冲击。从相对发展更早一些的 IaaS(基础云服务,比如亚马逊和阿里云提供的存储、计算服务)看,其对传统服务器、存储和基础软件产生了巨大冲击,IBM、HP、Cisco 等公司的大量裁员,重要原因是基础云服务的发展。企业建立网站或互联网应用,已经不需要自己购买服务器、存储设备、租用 IDC 了,只要在云服务平台上进行租用即可快速建立自己的应用。

而 SaaS 是建立在 IaaS 基础之上的,随着各个行业 SaaS 的发展,

SaaS+人

SaaS 只是一种工具,要产生效果还需要人的有效操作。在会议期间,看到很多应用 SaaS 的企业已经积累大量经验。从应用 SaaS 的销售团队组建、业务流程,到自动化邮件的具体写法。

比如 Cloudera 的 global sales 的 VP 分享一个案例,在和一个客户邮件沟通过程中,按次序发了三封邮件,这三封邮件如何写可以提升转化。SaaS 邮件发送功能可以自动化,但是邮件的发送策略,不同内容的对比测试和优化方法,还需要有经验有想法的人来实现。

另外很重要的一点,就是 SaaS 的应用需要对数据有深刻洞察和应用能力的人。会议上的 SaaS 供应商和使用者都一再强调数据收集、处理、测试等数据应用。SaaS 特点是把流程线上化、云端化,就积累了大量有价值数据,这给数据驱动的运营提供了条件。中国企业数据分析和应用能力比较差,这对我们是个挑战。

目前 SaaS 在企业内应用相对较少,但近一年来,越来越多企业看到 SaaS 价值。但开始时会“唯工具论”,认为只要应用了 SaaS 工具就可以取得立竿见影的效果。但很多企业可能由于使用能力不足造成应用效果比较差。在国内有些 SaaS 应用有可能走工具+服务/咨询的道路,也会很多基于 SaaS 的咨询或执行类公司产生。中国的这种情况,也会是很多国外 SaaS 企业进入中国的障碍之一。

通过这个会议看到了中国企业服务市场 3-5 年后的未来,云服务将给企业服务和软件行业带来一场革命性变化。在这大趋势当中,传统企业面临挑战,但同时也有巨大机会。懂得商业逻辑、有商业服务能了的企业和个人,结合云计算技术,将创造巨大商业机会。