对于2016年软件即服务(SaaS)我并没有什么伟大的预言,也没有深邃的远见或是史诗般的猜想来预见BlockChain,VR和Uber公司将会如何改变世界。
但是我确实看到过很多事物,观察过一些初创公司,所以至少能思考一下2016年及未来几年战略实际意义上的发展主题。
要点如下:
移动优先作为SaaS主要收入来源的未来仍不明朗。我本该想到2016年,会有更多身价八九位数的公司将 SaaS应用设为移动优先。回顾SaaStr公司发展的初期,我们原以为2016年将会成为SaaS移动优先发展的关键年。而希望将顾客滞后3-4年的大 企业似乎将在2016年被移动设备主宰。发生了什么事?2015年其中两家最大最耀眼的SaaS独角兽公司(Slack和Zenefits)的应用程序基 本都是桌面优先。当然,我知道Slack拥有50个移动APP而且我们都在使用。但是核心体验仍然是围绕电脑浏览器(在很多情况下,基于构建软件)。那 Zenefits呢?同样如此。
但这并不意味着移动设备就不重要。从 ServiceMax到DoubleDutch再到Showpad以及其他类似公司,他们都通过自己生产的移动优先APP成为先锋独角兽。此外,从 Twilio到Stripe以及其他公司也通过大量平台以及B2D 应用程序将移动应用视为促进公司收益的重要来源。
但是大部分交易流程APP需要数据录入,而移动设备通常只不过是一个重要的检测数据以及适当输入数据的扩展应用。它当然很重要,但终究只是个扩展应用,比如:Salesforce,Workday,等等。
转变还在继续,只是这种转换比我们预期中延伸地更广。
企业资源计划(ERP)涉及各行各业。随着SaaS的市场扩张和渗透加速,每个行业和纵向市场都准备好接纳 SaaS企业资源计划。因此我们看到每个纵向市场的“记录系统”都越来越多,其范围可从百叶窗跨度到滑翔伞操作。未来几年,每个纵向市场、每次交易都可以 通过一个附带企业资源计划和管理的SaaS客户关系管理(CRM)实现标准化。企业一旦如此操作,那么越来越多的身价九位数的公司将就此诞生。
AVC发展壮大-而非下滑。因为我们越来越擅长提供真正的解决方案。几乎所有我见过或是供职过的企业都开上了 AVC(年度合同价值,或交易规模)的快车道而且越走越远。创始人和CEO们越来越了解如何向企业传递真正的价值和解决方案,并且据此改变。随之,顾客也 会更好地理解其价值,以及何时何地为此支付酬劳。朋友们,我们不再需要计算投资回报率(ROI)。这必然使得极佳的SaaS解决方案所引导的改变将越来越 多。
限定不断提高。我知道我们之前已经谈过这个问题,在此致歉。但是一个“优秀”的SaaS公司的限定不断升高。我 们在此谈论的是六个季度内从身价一百万美元暴涨至一千万美元,这在过去被认为天方夜谭。而现在这样的例子早已司空见惯。究其原因是大市场(通常是较高 ACV)的结合,使得实现超高速增长的基础数字更加容易。这并不是说每次延伸都很轻松——只是相对变容易。
忽略关于独角兽公司失败下滑的恶意评论。自2015年夏天的MOMO 达到顶峰后发展势头下滑。那又如何?真正的SaaS公司是不会畏惧的。他们从来不怕。单单更新和追加销售就能贡献30%的同比增长,营销则能贡献更多。这 完全可预见,至少在达到500-600万美元ARR之后就可预判。但前提是他们是“真正”的SaaS公司。优秀的SaaS公司,一旦建立了初始规模就不会 失败。或者,如果有净负流失的话,至少也会把握住发展最好的十年才会失败。如此看来,纳斯达克或许会倒闭。我不敢妄言。估值或许还会再降。但至少忽视所有 关于SaaS独角兽失败的推文和博文,要么那些根本不是真正的SaaS公司,要么那些所谓的专家根本不懂SaaS。
好文章,需要你的鼓励
机器人和自动化工具已成为云环境中最大的安全威胁,网络犯罪分子率先应用自动化决策来窃取凭证和执行恶意活动。自动化攻击显著缩短了攻击者驻留时间,从传统的数天减少到5分钟内即可完成数据泄露。随着大语言模型的发展,"黑客机器人"将变得更加先进。企业面临AI快速采用压力,但多数组织错误地关注模型本身而非基础设施安全。解决方案是将AI工作负载视为普通云工作负载,应用运行时安全最佳实践。
MBZUAI研究团队发布了史上最大的开源数学训练数据集MegaMath,包含3716亿个Token,是现有开源数学数据集的数十倍。该数据集通过创新的数据处理技术,从网页、代码库和AI合成等多个来源收集高质量数学内容。实验显示,使用MegaMath训练的AI模型在数学推理任务上性能显著提升,为AI数学能力发展提供了强大支撑。
面对心理健康专业人士短缺问题,谷歌、麦肯锡和加拿大重大挑战组织联合发布《心理健康与AI现场指南》,提出利用AI辅助任务分担模式。该指南构建了包含项目适应、人员选择、培训、分配、干预和完成六个阶段的任务分担模型,AI可在候选人筛选、培训定制、客户匹配、预约调度和治疗建议等环节发挥作用。该方法通过将部分治疗任务分配给经过培训的非专业人员,并运用AI进行管理支持,有望缓解治疗服务供需失衡问题。
这项由多个知名机构联合开展的研究揭示了AI系统的"隐形思维"——潜在推理。不同于传统的链式思维推理,潜在推理在AI内部连续空间中进行,不受语言表达限制,信息处理能力提升约2700倍。研究将其分为垂直递归和水平递归两类,前者通过重复处理增加思考深度,后者通过状态演化扩展记忆容量。