从老司机Intel说开:为何大型公司创新更加困难?

对于21世纪的大型公司来说,相较于小型公司,要创造令人惊叹的突破技术更为困难。就现在而言,这些突破来自于一些新崛起的创业公司:自动驾驶领域的特斯拉、出租车领域的Uber、酒店租赁领域的Airbnb、视频租赁的Netflix以及社交媒体领域的Facebook。

而是什么让老牌公司在创新方面逊色一筹呢?我们可以列举四个原因。

第一,很多公司现在秉持着一个错误的观念:它们的存在就是为了让股东的价值最大化。因此,公司纷纷使用回归净资产、回归资本部署、内部收益率等指数来测量效率,这些指数让公司在投资长期创新项目时非常困难。通过开源一切、摆脱资产负债表、只投资回报快的项目等措施,公司很容易让这些指数看起来非常漂亮。而为了做到这些,公司放弃了内部研发实验室,开源制造业,并削减了长期投资,这些商业模式让公司看上去盈利不少,但在创新方面却落后很多初创公司几条街。

第二,一般而言,公司的领导都较为擅长金融、供应链或生产。他们知道如何执行最新的商业模式。

在最近两任CEO的领导之下,英特尔比以往任何时间盈利都多。他们能够记录研发部门的投资量,来获取更多更贵的芯片制造厂,而现在,英特额正在江河日下。这是为什么呢?

过去的几十年中,英特尔错过了两个重要的潮流。第一,从台式笔记本电脑到移动设备的转变意味着英特尔的x86处理器已经不适应时代了。而英特尔的对手ARM不仅有着更好、更低能量的处理器,还有着更好的商业模式:它们向其他设计自己产品的公司发行处理器。英特尔尝试与之竞争,最后失败了。英特尔所有的资源(包括最重要的决策力量)都偏向于大型昂贵的x86处理器,而不是其他低成本处理器。

结果是,英特尔裁员1.2万员工,接近公司总员工的11%。

然而,这对于英特尔来说并不是结束。它们最有利可图的部分便是非常高端的处理器,这些处理器在服务器和云端的数据中心中使用。今天,英特尔秉持这样一种理念:x86对于大数据来说是最好的选择。从大数据中获取人工智能需要机器学习机制,而这种机制在如 NVidia公司生产的非x86芯片中运行得更为良好。在2010年代末期,我们可能还会看到一些公司重蹈英特尔的覆辙。

大型公司更难创新的第三个原因,便是现在的科技、平台和市场不断变化。在过去的15年中,个人电脑开始向移动设备转移。世界风起云涌,生命科学在治疗法、诊断学、设备和数字健康上取得了诸多突破,如中国一样的新兴市场现在正在快速崛起。

第四个原因便是,初创公司的快速发展。

在20世纪的头75年里,新公司资金有限,最智能的工程技术藏在公司的研发实验室里。

但是近些年来,一种新的融资形式——风险资本(天使和风险资本)正在兴起。风险资本已经为创业公司的新理念提供了融资形式,现在通过种种途径(最初为公开销售证券,但今天大部分为兼并与收购)回到了那些投资者身上。

初创公司已经意识到:大型公司非常脆弱。它们将重点放在如何将股东收益变得最大化上,从而让自己在创新方面举步维艰。相反,新兴的创业公司增速很快,效率极高,用不完整的信息来做出决定。它们在鉴定顾客需求和问题、找到合适的产品和市场上表现得更加简单,它们的公司大小让它们能够采取更扁平更灵活的组织结构,从而提供值得风险和建立的鼓励机制。

在当今的环境下,初创公司更容易发展得顺风顺水。它们可以评估一个行业如何运行和成长,并且专注于更好的价值评估。一方面,它们削减了成本结构,扩大用户群;另一方面,它们创造了之前并不存在的产品和服务。

众所周知,大型公司非常擅长于保持、捍卫和完善现有的商业模式,但是大兴公司是非常脆弱的,并会在新机会到来时变得更加脆弱。

通过采用精益创业语言和模式,发展内部企业家精神,并发起创新驱动行为(如通用公司的FastWorks项目),公司可以从企业内部建立创新机制。同时,通过促进开放创新机制的发展,收购初创公司,企业又能从外部促进创新发展。谷歌在2000年代收购了将近160家公司,其对Android的收购成为企业历史上最大的收购案。

因此,要想成功,企业必须重新思考并投资它们的企业创新模式,用一种动态、持续创新模式来取代静态的创新模式。而这需要有活力、动态的企业文化和组织结构,并雇佣那些富有创新理念和行动的员工,同时需要建立一种可接受的风险层次和创新指标。除此之外,公司还要理解执行、扩展、探索和破坏现有的商业模式的不同之处。

总而言之,从各大老牌公司纷纷江河日下的窘境中,我们可以得出四条教训。

即使是最为创新的公司最后也将变成昨日的历史。

公司要想生存,比如执行三个层次的创新。

1、执行现有的商业模式

2、扩展现有的商业模式

3、为了更加长远的生存下去,公司必须探索并创造新的商业模式。

本文转自d1net(转载)

时间: 2024-09-20 12:19:40

从老司机Intel说开:为何大型公司创新更加困难?的相关文章

干货 | 从菜鸟到老司机,数据科学的 17 个必用数据集推荐

编者按:数据集可谓是数据科学的练兵场,不管是对菜鸟入门还是老司机上路,能找到一个好用的数据集无异于如虎添翼.以下是雷锋网(公众号:雷锋网)整理编译的 17 个常用数据集,并列举了适用的典型问题,从菜鸟到老司机,总有一款适合你. 菜鸟入门 1. Iris 数据集 在模式识别文献中,Iris 数据集恐怕是最通用也是最简单的数据集了.要学习分类技术,Iris 数据集绝对是最方便的途径.如果你之前从未接触过数据科学这一概念,从这里开始一定没错,因为该数据集只有 4 列 150 行. 典型问题:在可用属性

安全圈老司机为什么会在这个游戏里翻车?(内附详细解谜攻略)

       第一波 中秋节这一天,安全圈的小伙伴收到了一封SOBUG寄来的带有警告提醒的复古信件! 这究竟是一场恶作剧还是一封走心的中秋礼物?管不了那么多了,先一起来看看小伙伴们的反应. 拆开之后,都玩大啦! 经过各种烧脑玩火,只有少数智商突破天际的小伙伴通关成功了,拿到了游戏的彩蛋--冷式红包! 在大家还没从领到红包的激动中平复下来的时候,冷老板来了这么一句↓ 没错!这仅仅是个开始,还没结束,也许几周之后你就会收到一封来自悉尼的邮件,这次会是另一个宝藏吗,还是一个黑暗故事的开始,敬请期待吧.

十年建站老司机带你十分钟搭建网站

本文概要: 1. 域名 + 域名注册 + 域名备案 + 域名解析绑定 2. 服务器 + 虚拟主机 + windows服务器 + linux服务器 3. CMS建站系统 4. 总结 在如今互联网发展迅速猛进的大环境下,网站已经成为一个企业不可缺少的网络媒介.但网站开发行业鱼龙混杂,质量参差不齐,价格更是跨越区间大.尤其对于那些在建站方面不懂的小白来说,很容易被人坑,所以作为在网站开发行业摸爬滚打多年的草根老司机,通过本文向大家分享建站的经验与心得,避免不必要的弯路和成本损耗. Come on! 小

老司机的微服务架构实现,照亮你的人生 | 朱攀

编者按:前2月,向朱攀兄弟约稿,畅聊甚欢,引为知己.今刊发以飨读者! 微服务为当今群雄混战局面,从dubbo问世数载,然业界尚未有完整打包结局方案,前有小剑之<老司机带你玩PPmoney微服务>,德比软件作为前驱,集数年研究与实战,搭建平台,填埋深坑,则业界之幸! 适逢1024程序员节,一并祝各位程序猿/媛节日快乐,早日步入老司机行列 前言 微服务概念被提出来后,短时间内就成了当前互联⽹圈的⼀个技术热点,有很多互联⽹公司计划或正在进⾏微服务化改造,那么,实施微服务我们应该怎么开始呢?需要哪些基

EF%BB%BF的用法,求老司机带

问题描述 EF%BB%BF的用法,求老司机带 解决方案 解决方案二:不明觉厉--看着像是url编码,但用UrlDecode解码解不出来解决方案三:是不是什么的十六进制,百分号是分隔符解决方案四:引用2楼BitCoffee的回复: 是不是什么的十六进制,百分号是分隔符 这是图片连接类代码,只是不知道更深的含义解决方案五:引用1楼娃都会打酱油了的回复: 不明觉厉--看着像是url编码,但用UrlDecode解码解不出来 是连接类的,只是不知道怎么用解决方案六:efbbbf是utf-8文档的BOM头由

老司机的双11手记:这么牛的阿里云数据库,你造怎么用吗?

老司机的双11手记 2016年天猫双11购物狂欢节已经完美落下帷幕,高峰期间订单创建每秒达到了XX万笔,总订单量达到了XX亿,技术指标再次刷新世界纪录.其中XX%的订单通过聚石塔订单推送,并在阿里云云数据库服务(AliCloudDB,曾称RDS)中完成存储和处理.在持续高压力冲击下,整个双11期间AliCloudDB表现坚如磐石: 高峰期间集群的总QPS达到了近XX每秒: 单个商家最高处理订单的能力超过XXX万单: XX万商家在AliCloudDB上稳定运行,全网实现了0故障,0丢单. 华丽数字

不管你是新手还是老司机,这些问题你敢说没犯过?

许多朋友在聊到驾驶技术的话题时,一定会提到一个"狠角色",那就是"新手司机".新手司机在马路上总是备受瞩目,司机们看见路上有贴着"实习标"的车辆,总是避让三分,因为更多的时候,他们扮演的是"危险分子". 由于对车辆操作的不熟练和精神紧张,新手朋友们驾车时容易发生事故或做出危险动作,令其他司机措手不及.这也让新手朋友们经常被"亲切地"叫做"马路杀手".下面我们就来梳理一下,新手驾车容易犯的

我是如何成为一名骄傲的开发老司机的~!

昨天那个产品跟我说,要做个小二后台营销数据导出功能,我想了想,这么简单,平时这个产品老 请我吃饭,逛窑子什么的,我就很装B的回复了"下周二上了,别的你不用管,你那么忙....." 装B的感觉真的超爽的. 虽然我手头的需求都排满了,但凭借我的技术,一个导出岂不是一趟厕所的工夫就搞定了. 下午要评审另一个项目的代码,妈的,只能加班搞这个导出了. 我写代码真的很快,好了,下班回家. 早上小王钉钉群里@我说跟我的代码有冲突,我心想,你tm瞎改什么了,又冲突,还要老子出马. 哦,原来是导出的地方

从菜鸟到老司机,数据科学的17个必用数据集推荐

数据集可谓是数据科学的练兵场,不管是对菜鸟入门还是老司机上路,能找到一个好用的数据集无异于如虎添翼.以下是雷锋网整理编译的 17 个常用数据集,并列举了适用的典型问题,从菜鸟到老司机,总有一款适合你. 菜鸟入门 1. Iris 数据集 在模式识别文献中,Iris 数据集恐怕是最通用也是最简单的数据集了.要学习分类技术,Iris 数据集绝对是最方便的途径.如果你之前从未接触过数据科学这一概念,从这里开始一定没错,因为该数据集只有 4 列 150 行. 典型问题:在可用属性基础上预测花的类型. 2.