ZD至顶网CIO与应用频道 11月04日 北京消息:当企业在确定自己的战略定位时,无外乎两种策略:低成本与差异化。低成本策略可以为企业迅速抢占市场份额从而积聚大量资本;差异化策略可以为企业赢得差异化竞争优势,从而攫取超额利润。国内很多企业在过去一二十年的发展过程中基本都遵循了先低成本切入再逐渐提高差异化竞争优势的路径。但是,当互联网尤其是移动互联网已经重构了社会发展的商业逻辑之后,企业的转型在当下已成为必然。
转型的方向在哪里。专注在某一垂直领域深耕细作?像阿里那样构建某个行业的平台化生态?还是只是简单的应用一些互联网技术却依然不肯丢掉传统商业模式?我相信,这些选择可能都会有。
提起海尔我们都不陌生,原来的海尔只是一个简单制造产品、交由分销商销售的传统家电生产企业。2014年,张瑞敏在描述海尔商业模式变革目标中首先提到了平台化,提出只有将海尔变成一个平台化企业,才能够摆脱“小变大、没活力”而最终被淘汰的危机。当年,海尔实行平台化战略,推行“以用户为中心”的平台化改造,通过组合“小微”创业团队,整合线上、线下资源为平台,联动研发、设计、生产、销售以及售后为一体的生态系统,促使海尔完成企业转型,由传统的家电生产销售企业变为敏捷、高效的互联网平台企业。
平台化是由原本科层明确、封闭的组织体系向扁平化、开放的平台生态系统转变,平台内的员工、合作方都成为平台上的资源整合单元。平台上的各个单元可选择对自己最有利的平台合作伙伴或资源支持;平台以其灵活、有效激发平台上单元、个体的积极性,迅速扩大平台规模和影响力。简单说来,平台是自由责任、效率集约、结构组合、文化共识的全新生态系统。
平台模式的精髓,在于打造一个多主体共赢互利的生态圈。按用友网络股份有限公司董事长王文京的话说:“未来的企业服务平台必须是共赢模式。”
随着移动互联网的快速兴起,用户的个性化需求发生了翻天覆地的变化,这也使得用户对产品和服务的交互式需求变得更加强烈。平台化的企业一方面为客户提供个性化的服务,另一方面却没有能力完全由自己提供这种服务。所以平台化的企业,一定是通过整合资源来达成个性化的服务。未来所有的行业都会出现平台化的公司,这是互联网时代的逻辑。平台化的公司要完成服务,必须进行资源整合,那么,什么样的资源才有资格被整合呢?就是那些非常专业化的公司,专注于某一个领域深耕细作,把产品或者某一细分市场的服务做到极致。这样的专业化公司或组织,所有的平台都会将其作为优先整合的对象。未来的市场上,这样的专业化公司同样具有巨大的竞争力。
具体到传统软件行业,如何满足井喷式快速增长的小微企业的信息化需求,相信也唯有平台化企业可以做到。这个行业中具备人才、资金、渠道、品牌的大企业通过搭建资源聚合的开放平台,将行业内专注于企业管理方方面面如协同办公、客户管理、财务、HR等的专业化公司引入,并共同为小微企业的基本需求和个性化需求服务,从而获得各自的收益。在这样一个开放的生态系统中,平台企业一定是在这一领域深耕多年并深刻理解小微企业的实际需求,是这个行业数一数二的专家。只有具备这样的基因,才能在制定平台商业规则、提供平台核心技术及整合行业资源过程中为小微企业提供最大化价值。生态系统中的专业服务商,一定是这一领域中细分市场的领跑者。通过产品和技术的不断创新为客户提供优质的服务体验,做平台中众多“小而美”服务商群体的一份子,从而为更多的平台化企业所青睐。
以深耕企业信息化服务多年的畅捷通为例,其正在构建的服务于小微企业财务及管理的云平台——工作圈,已整合了专注小微企业财务管理的易代账、好会计、好生意等原生应用,而且通过潜心多年研发的数据互联互通技术,以开放的姿态整合行业内优质的ISV,旨在为小微企业提供以财务为核心的一站式服务。平台通过工作圈这一统一入口,实现平台、ISV、用户及衍生服务企业多方共赢。一个多方共赢的平台才能实现可持续发展,共享生态服务长远价值,一个都不能少。
好文章,需要你的鼓励
很多人担心被AI取代,陷入无意义感。按照杨元庆的思路,其实无论是模型的打造者,还是模型的使用者,都不该把AI放在人的对立面。
MIT研究团队提出递归语言模型(RLM),通过将长文本存储在外部编程环境中,让AI能够编写代码来探索和分解文本,并递归调用自身处理子任务。该方法成功处理了比传统模型大两个数量级的文本长度,在多项长文本任务上显著优于现有方法,同时保持了相当的成本效率,为AI处理超长文本提供了全新解决方案。
谷歌宣布对Gmail进行重大升级,全面集成Gemini AI功能,将其转变为"个人主动式收件箱助手"。新功能包括AI收件箱视图,可按优先级自动分组邮件;"帮我快速了解"功能提供邮件活动摘要;扩展"帮我写邮件"工具至所有用户;支持复杂问题查询如"我的航班何时降落"。部分功能免费提供,高级功能需付费订阅。谷歌强调用户数据安全,邮件内容不会用于训练公共AI模型。
华为研究团队推出SWE-Lego框架,通过混合数据集、改进监督学习和测试时扩展三大创新,让8B参数AI模型在代码自动修复任务上击败32B对手。该系统在SWE-bench Verified测试中达到42.2%成功率,加上扩展技术后提升至49.6%,证明了精巧方法设计胜过简单规模扩展的技术理念。