剛過去的7月?lián)f是有歷史紀(jì)錄以來最熱的七月,而知識付費(fèi)領(lǐng)域最熱的大V卻被潑了不少輿論的冷水。
這位大V就是得到平臺APP的創(chuàng)始人,也是這一輪知識付費(fèi)的領(lǐng)銜者羅振宇。冷水大同小異,但核心都是列舉羅振宇曾經(jīng)下過的各種斷言如何被現(xiàn)實(shí)打臉,最多的就是羅振宇對曾經(jīng)是當(dāng)紅炸子雞的公司的評價。
這些公司包括:樂視、暴風(fēng)音影、皇太極餐飲和ofo,被引用的羅振宇語錄則類似如下一些。
評價暴風(fēng)影音和樂視:
“像暴風(fēng)音影和樂視這樣的公司,不要用傳統(tǒng)的眼光看它,這個新物種的存在,一定會改變我們的環(huán)境,所以我建議大家不要講人家是什么妖股了。”
評價皇太極和大黃蜂餐飲:
“我其實(shí)我念頭轉(zhuǎn)到這的時候,我心里也驚了一下,它意味著過去我們這個商業(yè)世界所有的觀察角度全錯。”
首先讓我為羅振宇辯解一下,公允的講,在任何情況下,做預(yù)言就是容易犯錯,比如瑪雅人就有一個非常古老的預(yù)言,說在2012年12月21日的黑夜降臨以后,12月22日的黎明永遠(yuǎn)不會到來。好萊塢的老板不見得相信預(yù)言,但是相信金錢,于是就有了一部叫《2012》的電影。
而且不止羅振宇,作為半道出家的“學(xué)者”會出錯,專職搞知識工作的學(xué)者也會經(jīng)常出錯。
十幾年前,出版界和企業(yè)界流行過一本獲得無數(shù)贊譽(yù)的著作,叫《基業(yè)長青》,書的作者吉姆·柯林斯(Jim Collins)就是個專業(yè)人士,獲得過斯坦福大學(xué)商學(xué)院杰出教學(xué)獎,還先后任職于麥肯錫公司和惠普公司。
他和合著者在1994年的書中列舉了很多可能“基業(yè)長青”的公司,并給出了一系列“長青公司”對照組:包括美國運(yùn)通、花旗、福特、通用電氣、惠普、摩托羅拉等都是基業(yè)長青組的選手。
“晨穩(wěn)投資”一篇分析文章,經(jīng)過回顧發(fā)現(xiàn):
“書中列舉的18家優(yōu)質(zhì)公司,和對照組相比,有8家確認(rèn)基業(yè)長青,有2家不確定,有8加確認(rèn)并沒有基業(yè)長青。”
“過去20年時間,如果投資這18家基業(yè)長青公司,11家會正收益,6家負(fù)收益,一家破產(chǎn)被收購”,而如果投資不長青的公司,則是“7家正收益,2家負(fù)收益,9家破產(chǎn)或者重組。”
于是最后的結(jié)論是《基業(yè)長青》的結(jié)論基本不成立,或者也就是剛剛成立。
所以,單純預(yù)測出錯不丟人。
不過同樣是預(yù)測不準(zhǔn),專業(yè)的學(xué)者柯林斯和“大V”羅振宇相比,背后卻有不同的邏輯。
1、柯林斯的《基業(yè)長青》無疑有更長的保鮮期,他做出預(yù)言在1994年,驗(yàn)證預(yù)言是2019年,期間經(jīng)歷了起碼10多年的時間洗禮和考驗(yàn)。而羅振宇的預(yù)言保鮮期似乎只有1年。
2、同時,柯林斯的《基業(yè)長青》給出了一套完整的方法論,可以去指導(dǎo)實(shí)踐??铝炙乖跁袑鶚I(yè)長青公司應(yīng)該擁有的特征有清晰的框架分析,對公司的分析涵蓋企業(yè)戰(zhàn)略、組織、流程、企業(yè)文化以及企業(yè)接班人培等,其給出的“保存核心,刺激進(jìn)步”理念,現(xiàn)在看起來也依然對多數(shù)公司有益。所以這樣就意味著另外一種可能性,柯林斯未必說錯了,反而是未能長青的公司,偏離了一開始的長青理念?
但羅振宇對他推崇的公司的言論,看不到這種框架分析。
比如上邊提到的描述暴風(fēng)影音和樂視這句:“像暴風(fēng)音影和樂視這樣的公司,不要用傳統(tǒng)的眼光看它,這個新物種的存在,一定會改變我們的環(huán)境,所以我建議大家不要講人家是什么妖股了。”羅振宇這句話聽來更像是馬云講的那句 “因?yàn)橄嘈?,所以看?rdquo;。不過馬云講的是內(nèi)部企業(yè)文化,現(xiàn)在羅振宇用來指導(dǎo)外部企業(yè)發(fā)展,就難免成為一種玄學(xué)了。
以往,很多雞湯類的東西,經(jīng)常使用貼標(biāo)簽的方法來實(shí)現(xiàn)。我們舉例說明一下,假設(shè)有這樣一組數(shù)據(jù),有一百家美國公司都很成功,數(shù)據(jù)表明這些公司的高管都是50歲的白人男性,我們可以得出結(jié)論“50歲的白人男性,就可以管好一家公司”的結(jié)論么?另外有一百家歐洲公司搞的不好,他們的辦公樓都高于50層,我們能得出“辦公樓高于50層的公司都會失敗”的結(jié)論么?顯然不能。但很多商業(yè)圖書的寫作手法都類似于此,作者們會先想一個普適性的標(biāo)簽,然后再找一些能貼標(biāo)簽的樣本,一本商業(yè)暢銷書就寫出來了,或者“干貨滿滿”的雞湯就熬制出來了。吳曉波當(dāng)年有一本暢銷書《大敗局》,將所有失敗的中國企業(yè)都?xì)w結(jié)為營銷過度或多元化布局,這就是一種貼標(biāo)簽的手法。
但嚴(yán)格說來,羅振宇的言論連貼標(biāo)簽都不是,他更多是使用了西方銷售領(lǐng)域的FUD心理戰(zhàn)策略。
FUD,是“Fear, Uncertainty, Doubt”的縮寫,翻譯過來就是“害怕,不確定和擔(dān)心”。最早出自一個IT工程師總結(jié)的銷售方法。具體來說就是向顧客灌輸競爭產(chǎn)品的各種負(fù)面觀念,讓客戶對其產(chǎn)生疑惑、擔(dān)心和懼怕,接下來你說什么,客戶就信什么了。
羅振宇的言論就是FUD,他經(jīng)常信誓旦旦的告訴你:你知道的所有東西都是錯的,原來的所有玩法運(yùn)行不下去了,商業(yè)世界即將發(fā)生前所未有的變化等等,受眾就會對自己已有的知識產(chǎn)生擔(dān)心和焦慮。這時候,羅振宇再灌輸自己的東西給受眾,受眾也就毫不懷疑的接受了,畢竟原來的都是錯的嘛。
然而這些灌輸?shù)?ldquo;新東西”其實(shí)并無實(shí)際案例支撐,所以暴風(fēng)影音、ofo、樂視和錘子手機(jī)這樣同樣天天講要顛覆世界的公司,就成了羅振宇最好的“伙伴”,因?yàn)樵谡Z言體系上,他們是一致的。他們都利用了科技革命和工業(yè)革命轉(zhuǎn)型期,世界必然會存在的一種不確定性,對受眾進(jìn)行了一次FUD心理攻擊。
三年前,我拜訪一位老院士,他研究的是制造業(yè)。臨別之際老院士說,我最近會比較忙,因?yàn)橐獙懸槐緯?,但是進(jìn)度有點(diǎn)慢。我本能地說,“您寫書還有什么難的”。老院士說,“因?yàn)槲覀儤?gòu)想了一個原創(chuàng)理論,但是目前應(yīng)用這個理論的公司們,多數(shù)處于項(xiàng)目發(fā)展早期。所以就不能斷言這個理論是可行的,我們只能一邊寫,一邊等”。
我半開玩笑的說,很多國內(nèi)外的商業(yè)暢銷圖書,其實(shí)都是貼標(biāo)簽寫作的,只要找到一些現(xiàn)成的公司,條件是符合預(yù)想的理論,就當(dāng)作案例來寫進(jìn)書籍了。老院士立刻說,這不好,一方面,人家并也沒用我的理論,是“竊取別人的成功”,另外一方面,新的問題,也需要新的方法解決,不能投機(jī)取巧。
所以,真正的學(xué)者,不會用不確定的未來恐嚇受眾,更不會為一些所謂成功企業(yè)貼一個標(biāo)簽,提供一碗看似捷徑的心靈雞湯。相反,他們會認(rèn)真思考解決方案,為世界真正解決新問題,盡管這是一條顯然更難走的路。
好文章,需要你的鼓勵
浙江大學(xué)團(tuán)隊(duì)提出動態(tài)專家搜索方法,讓AI能根據(jù)不同問題靈活調(diào)整內(nèi)部專家配置。該方法在數(shù)學(xué)、編程等任務(wù)上顯著提升推理準(zhǔn)確率,且不增加計(jì)算成本。研究發(fā)現(xiàn)不同類型問題偏愛不同專家配置,為AI推理優(yōu)化開辟新路徑。
清華大學(xué)研究團(tuán)隊(duì)提出SIRI方法,通過"壓縮-擴(kuò)張"交替訓(xùn)練策略,成功解決了大型推理模型"話多且準(zhǔn)確率低"的問題。實(shí)驗(yàn)顯示,該方法在數(shù)學(xué)競賽題上將模型準(zhǔn)確率提升43.2%的同時,輸出長度減少46.9%,真正實(shí)現(xiàn)了效率與性能的雙重優(yōu)化,為AI模型訓(xùn)練提供了新思路。
南洋理工大學(xué)與騰訊聯(lián)合研究團(tuán)隊(duì)開發(fā)出Rolling Forcing技術(shù),實(shí)現(xiàn)AI視頻實(shí)時流式生成的重大突破。該技術(shù)通過滾動窗口聯(lián)合去噪、注意力錨點(diǎn)機(jī)制和高效訓(xùn)練算法三項(xiàng)創(chuàng)新,解決了長視頻生成中的錯誤累積問題,可在單GPU上以16fps速度生成多分鐘高質(zhì)量視頻,延遲僅0.76秒,質(zhì)量漂移指標(biāo)從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內(nèi)容創(chuàng)作開辟新可能。
華中科技大學(xué)研究團(tuán)隊(duì)發(fā)現(xiàn),通過讓AI模型學(xué)習(xí)解決幾何問題,能夠顯著提升其空間理解能力。他們構(gòu)建了包含約30000個幾何題目的Euclid30K數(shù)據(jù)集,使用強(qiáng)化學(xué)習(xí)方法訓(xùn)練多個AI模型。實(shí)驗(yàn)結(jié)果顯示,幾何訓(xùn)練在四個空間智能測試基準(zhǔn)上都帶來顯著提升,其中最佳模型達(dá)到49.6%準(zhǔn)確率,超越此前最好成績。這項(xiàng)研究揭示了基礎(chǔ)幾何知識對培養(yǎng)AI空間智能的重要價值。