【读书笔记】浪潮之巅——方法论篇
浪潮之巅—方法论
信息产业生态链
摩尔定律
1965年，英特尔创始人摩尔提出“至多在10年内，集成电路的集成度会每两年翻一番”
除了芯片速度，存储容量增长更快，网络的传输速度也是摩尔速度
IT行业原材料成本不大，硬件成本主要是制造设备的成本和研发成本
摩尔定律使得各个公司现在的研发必须针对多年后的市场
Google每一次基础架构（Infrastructure）的升级，都要按照目前计算和存储量的10倍来设计
未来20年，工程师们考虑的将是在单位能耗的基础上争取让处理器性能和容量翻番，而不是单纯追求每一颗芯片性能的翻番
安迪-比尔定律
比尔拿走安迪所给的（What Andy gives，Bill takes away. ）
盖茨和英特尔前CEO安迪格鲁夫
后者将Intel真正发展为全球第一半导体公司
虽然硬件不断发展，但微软的系统和应用越来越慢、大
程序员更注重开发效率、规范化和可读性
编程语言越来越好用，但执行效率越来越低
C > C++ > JAVA
PC生态链：以微软为首的软件开发商吃掉硬件提升带来的全部好处，迫使用户更新机器，让惠普和戴尔等公司受益，这些PC厂商再向英特尔等半导体公司订购新芯片，同时向希捷等外设厂商购买新的外设
05年vista系统难产，硬件厂商股价下跌 09年Win7发布，硬件厂商大涨
PC时代产业格局：WinTel
移动时代格局：Android - ARM （2.0版安迪比尔定律）
如果比尔消失，安迪也就不复存在
PC业受到移动业冲击，软件厂商在PC上开发和更新动力不足
英特尔不再重视PC处理器提升，将重点转移到服务器处理器等
反摩尔定律
对IT公司来讲，把18个月前同样的产品卖掉营业额将下降一半
反摩尔定律逼着所有硬件厂商都必须赶上摩尔定律的发展速度
技术进步
量变：如将处理器在系统架构上没变化，只是主频提高
小的质变：如处理器由16位到32位再到64位
质变：如能用上纳米或生物技术
总结
IT工业链中
上游：软件和IT服务业
高额利润
微软--Google--Facebook
下游：硬件和半导体
苹果是例外
通过硬件实现软件价值
硅谷奇迹探秘
宛如似真的理由
气候说
硅谷属于地中海气候，只有两季：旱季和雨季
斯坦福之说
确实有相关性，但不是必然，美国科研水平最高的地方不是硅谷，是波士顿周边（哈弗、MIT），但那大公司和初创公司远没有硅谷多
重视知识产权说
一个企业并不因为重视知识产权就必然拥有创新力（IBM年年专利第一，苹果十名开外，特斯拉千名开外）
风险投资说
风投只是创业的催化剂，也不是必然
成王败寇
硅谷中心地区是美国单位面积房价最高的地区
创业成功光有好的团队和技术还不够，必须要有一个能盈利的商业模式
大多数P2P、O2O、区块链没有
绝大多数创业成功的人，最好创业成功之处和一开始的想法有很大差异
Google一开始希望企业级用户在使用搜索时收费
阿里巴巴最初做B2B业务
腾讯早期靠短信挣钱
嗜血之地
在硅谷工作时间超长
硅谷工程师比美国同行多20%，但每小时实际收入低很多
公司之间竞争激烈，员工经常加班加点
失业压力也很大
在硅谷不提供股票期权的公司几乎招不到技术人员
很多人在股票期权到期后立马跳槽
机会均等
在传统行业中过于看重个人经历而不是做事的本领
在硅谷谋职简历固然重要，但个人本事更为看重
Google更相信面试的判断
学生选上而教授落选
其他行业也很繁荣：律师业、投行、房产中介
硅含量降低
发展
60年代半导体公司遍地开花
后转移到香港，继美国第二个能产集成电路
70年代计算机系统和软件产业发展
90年代后互联网兴起
半导体产业衰落原因
反摩尔定律的效应
半导体工业难以在费用高昂的硅谷长期发展
“亚洲制造”效应
降低成本选择OEM生产
真正的奥秘
会建设的颠覆者
叛逆是硅谷最明显的特征，它成为一种文化植根于硅谷的基因
有节制的颠覆，更多的是建设而不是破坏
60年代嬉皮士运动诞生于加州
反对传统、浮华的生活方式，追求简约朴素
甲壳虫乐队对乔布斯影响巨大
硅谷的创新者常常不是技术论者，是拿来主义 很多创新性发明不产生于硅谷，硅谷将它们发扬光大
MIT是技术发源地，但只开花不结果，通常将技术授权给大公司
斯坦福会拿着技术自己去创办公司
对叛逆和失败的宽容
在美国各个科技公司员工都需要与公司签订竞业禁止协议，以免员工拿公司成果跳槽为他人所用
05年微软转告李开复跳槽Google
在加州，当一个人必须使用某一项技能才能生存时，就必须允许它使用（宽松许多）
跳槽者不能明确讲述自己过去所做工作的细节
跳槽者在新雇主那不得继续使用原公司的程序、数据、设计图纸等知识产权
加州还鼓励员工跳槽和公司挖角
10年政府起诉苹果、英特尔、Google和Adobe互相不挖角
法官认为不挖角破坏了竞争，受到损失的是员工
多元文化
亚裔占美国总人口4%，却占硅谷25%
硅谷公司的产品能成为全球化的产品
l10n本地化
在开发产品时有明确的地区定位 ，但每进入一个新市场就几乎要重做一遍
i18n全球化
产品要充分考虑到全球用户各种可能的需求，并尽可能一次性满足（研发虽高，但扩展市场容易）
硅谷很多公司明确规定产品和服务要在世界各国同步推出
Google在推出英语版的6个月内必须开发出其他主要语言国际版（不然就推迟英语版）
总结
硅谷的成功，其实是信息时代对工业时代的颠覆，这种颠覆是全方位的，从企业制度、资金来源、利润分配，到人与人的关系
硅谷仍会是世界科技之都。虽然硅（半导体）减少了，但创新留下了
风险投资VC
风险投资（Venture Capital， VC）
无需抵押，也不需要偿还
风险投资对社会有很大的正面的影响，促进了技术进步和产业结构的更新
而华尔街经常会起负面作用
投资
私募基金（Private Equity Funds）
专门收购长期盈利看好但暂时遇到困难的公司 大多是拥有大量不动产和很强现金流的传统上市企业
让它下市
换管理层、大量裁员、出售不动产等扭亏为盈
再上市（高盛收购汉堡王）或出售
风险投资
投资一个初创小公司，将它做大上市或被其他公司收购
关键是准确评估一项技术，并预见未来科技的发展趋势
风投的结构
资金来源
机构
如哈弗和斯坦福基金会
非常富有的个人
风投公司自己
定期会有一轮融资，如红杉10亿美元，每人至少200W
每融资一次成立一家有限责任公司 从资金到位至所有投资项目结束
风险投资公司扮演总（General）合伙人
其他投资者为有限合伙人
不参与基金管理
风险投资总合伙人和基金经理一般很懂技术
也会招很多技术精英
风投基金可以优先变卖公司资产
直接以现金回收资金（较小的投资）
获得可流通的股票(较大投资)
将股票分给每个合伙人自行定夺
最高管理者是风投公司的合伙人，再公司地位很高
特殊的风险投资--天使投资
本质上是早期风险投资，金额比较小
风投的过程
对技术申请专利
有无数量级的提高是衡量一项新技术是革命性还是革新性的关键
制定商业计划
可能出现第一次股权分配
获得天使投资，对融资前估价（Pre-Money）
进行好几轮风险投资至上市
一般创始人在公司上市还能握有10%的股份已经很高了
风投决策
风险投资必须是渐进的，在每一个阶段需要多少钱，投入多少钱
大的风投基金都会按一定比例投入到不同发展阶段的公司
对创业者来说，公司初期股价不会太高，过早大量融资会将自己的股权稀释得过低
风投的失败可能性太大，所以必须把回报率定的很高才能收回整体投资
价值1亿以下的公司在美国无法上市
市盈率一般在20倍，则年利润要500W
风投喜欢10亿美元生意，小的还是去找天使投资
风投的角色
南非投资机构Naspers投资腾讯回报超3000倍，先仍有30%股份
风投公司介入一个新兴公司后的第一个角色就是做顾问
一个风投要储备许多能代表自己管理公司的人才
风投广泛的关系网形成一种马太效应
著名的风投
“沙丘路”是风险投资公司的代名词
红杉资本
迄今为止最大、最成功的风险投资公司
未上市公司发展阶段
种子孵化（Seed Stage）阶段
产品或公司还没形成，处于天使投资阶段（思科）
早期（Early Stage）阶段
证明了概念和技术并作出产品，但商业上暂未成功（Google）
发展（Growth Stage）阶段
锦上添花
凯鹏华盈KPCB
软银
亚洲最著名的风投公司
阿里和雅虎
IDG资本
最早进入中国市场，所以在中国比红杉和KPCB成功
创新工场
中国鲜有投资人，且中国风投大多注重短期效益
在中国注册公司比美国麻烦多
由于过于资本过于早期进入创业阶段
创始团队所占股份少
是中国特定商业环境和投资环境下产生的特殊的天使投资方式
Y孵化器
提供创业经验，培训基础的商业知识和技术发展特定，且实用性强
产生Airbnb和Dropbox
有效调动了硅谷的智力和经验
投资银行
风投和投行
风险投资针对未上市公司
投资银行针对上市公司
美国金融体系
金融危机后投资银行减少，影响力也减弱，而科技公司本身的金融力量提升
罗斯柴尔德家族是阴谋论，这个家族今天对世界影响微乎其微
美国银行业的基础是私有银行，因此抵抗金融危机的能力有限
1907年由J.P.摩根牵头建立美联储
私有公司性质注册的政府部门
虽然名字叫储蓄银行，但并没有什么储备，和各国央行一样，它的职责基本上是发行美元和制定利率
美国整个经济和商业活动依然靠私有银行运转
银行分类
商业银行
传统银行。中国的四大行、美国的花旗、富国（巴菲特控股，现最大）、摩根大通银行
投资公司
高盛、摩根士丹利，股市上的庄家
抬高或打压公司股价
左右公司的并购和拆分
2008年后，美国才把这些公司性质的投行变成真正的银行，这样美联储才能合法地出手相助
共同基金公司
富达、先锋基金，目的是为了投资而不是炒作
对冲基金
文艺复兴公司、索罗斯的量子基金，目的为了专门炒作、卖空
文艺复兴公司是全球投资回报率最高的公司，平均年收益超过30%，高于巴菲特的伯克希尔哈撒韦
私募基金和风险投资基金
资产管理公司
著名的投资公司
高盛
主要业务是替别人做交易和承销（underwater）公司的上市
事件驱动业务
公司上市、合并和拆分
财产管理
各种基金
高盛是全球最大的上市承销商
其承销了阿里、农行工行、微软、腾讯等上市
不接受散户投资，客户主要是大公司和富人
摩根士丹利
原属于J.P.摩根银行，1935年大萧条后美国禁止银行买卖股票分离
主要业务跟高盛差不多
其承销了Facebook、Google、苹果、黑石等上市
金融业中计算机化的先驱，1962年通过计算机分析股市
公司的上市过程
当一家公司开始准备上市时，投资者对它的影响就从风投基金过度给华尔街了
风投公司收回投资
被收购：YouTube，Skype
来钱快，收益低，常常公司有很好的技术或用户，但难以盈利
上市
多数盈利良好的公司
科技公司不能自己到证券交易所去兜售自己的股票，必须交给承销商公司来做
承销商收入
佣金，通常为融资的7%
期权
承销商影响力对上市成功至关重要
大客户比小客户更倾向于长期投资而不是短期炒股套利
有利于股价稳定
散户稍微有利可图就会抛售股票，对稳定股价不利
融资的额度
融资过多：原股东股权被过度稀释，且短时间流入市场股票太多，股价难以稳定
融资过少: 没有足够的资金发展和储备
上市价
承销商尽可能会把上市价定得低，保证得到的期权收益，但过低导致佣金减少
双刃剑
投资银行和基金公司对一个公司最大的支持就是直接买进该公司的股票
华尔街对公司的追捧还可体现在提高公司评级等无需成本的手段
华尔街会为每个科技公司顶下营业额和盈利的预期，若能在多个季度超过预期，华尔街就会拼命提高该公司股价
达到华尔街预期成了大多数上市公司的唯一目标，因此不得不制定很多短期目标以满足短期盈利，但可能会影响长期发展
为了不断达到预期，几乎所有市场占有率过半的大公司都不得不努力找新的增长点
对价值不大的公司，一旦未能达到华尔街预期，就会被打压到底甚至破产
想要不受华尔街影响，唯一方法就是不上市
Google和Facebook在盈利很久后迟迟不肯上市的原因
左右并购
华尔街希望科技公司之间经常并购和拆分
AT&T、惠普、朗讯的拆分中都赚了不少
华尔街有能力决定一次收购和拆分是否进行
08年微软收购雅虎失败的背后原因
实施并购方案的投资银行，常常是这些公司的庄家
若是华尔街看好的收购，出资收购一方的股价会猛涨
结束语
在美国一家上市公司的首席财务官CFO的首要任务不是管账，而是和华尔街沟通
追捧也好、打压也好，华尔街从客观上推进了科技行业的优胜劣汰
信息产业的规律
70-20-10 律
某个领域发展成熟后，一般在全球容不下三个以上的主要竞争者
70-20-10份额大致是信息产业市场份额
不同领域的体现
网络设备市场
1华为 2思科 3Juniper
互联网领域
1Google 2Facebook
IT服务领域
1IBM 2甲骨文 3惠普
其他公司即使在技术、管理或其他方面有一点优势，也不足以抵消主导者在规则制定和解释方面的优势
微软的Vista系统之后安全性已经比苹果和Linux系统安全的多，但后者数量太少导致黑客都“懒得”去攻击
改变PC行业的规则意味着从业人员的失业，他们会首先跳出来维护微软
IT行业这种特有现象在传统工业很难看到
传统行业研发成本低，但各种制造和销售成本高
IT领域制造成本不大而研发占大多数
体现在IT行业毛利率很高（基本60%以上）
信息产品生态链各环节之间的耦合性非常强
更换的学习成本高
当领头羊占到市场70%左右时扩张基本到头
自觉遵守风险控制
政府对商业垄断的严格限制
加拿大唯一一加跨国IT企业被华为挤掉
诺威格定律
一家公司的市场占有率超过50%后，就无法再翻番了，想要长盛不衰该公司就必须寻找新的增长点
增长点
横向扩展（Leverage）
扩展的前提是相近领域且有扩展的空间
Google从基于搜索的广告扩展到基于内容的广告
Google在广告业的技术优势是广告系统投放准确率高且高度自动化
微软从操作系统Windows扩展到应用软件Office
转型
通用汽车以前收购休斯电子成为全球卫星制造和卫星通信的龙头老大
可惜后来出售赚钱的电子部门去补贴无望的汽车制造
通用电气（GE）CEO韦尔奇将做不到行业前二的业务全部裁掉卖掉，同时收购市场更广阔的新兴业务
基因决定定律
一家在某一领域特别成功的大公司已经被调整得非常适应这个市场，它得企业文化、做事方式、商业模式、市场定位等已经过分适应它所在得传统市场
原因
在进入新领域时，大公司总有它传统得业务可以依赖，一旦遇到问题就可能退缩
大公司内部各部门也为市场为利益争得你死我活
一旦新业务和公司传统业务冲突，一些公司甚至会牺牲新业务
IT领域的基因
微软的商业模式是以出售客户端软件为主，不适合互联网那种以广告收入来提供免费服务
做不好MSN
Google的基因是存储和处理信息，而不是通信
搜索、视频、广告做得好，但社交网络就不行
Facebook和腾讯的基因是产品驱动的通信
做不好信息处理和电子商务
苹果的基因决定它必须通过硬件挣软件的钱
硬件和软件必须作为整体一起出售，软件的价值必须通过硬件的销售实现
总结
任何过气公司退出历史舞台，是它们对世界做的最后一次贡献，唯有如此，才会有更多的资源分配给新的公司、新的行业。
生产关系的革命
股权结构和期权制度的本质
在工业时代，资方是公司的主人，资本的重要性特别明显
公司的所有权通常直接决定了公司的分配制度
工业时代，企业利润分配基本就是一个零和游戏
信息时代，知识在经营活动中的重要性陡然提升，资本的重要性相对下降
爱迪生、福特都压制或赶走威胁自己权威的人
摩尔等人自己就出走创办仙童公司
生产成本
工业时代生产成本高，利润相对偏低
谁更懂经营管理、降低成本就能获胜
信息时代成本低廉，竞争转向制造工艺
技术知识的重要性凸显
硅谷公司，创始人和投资人股权比例要相当
创始人股权太高：没有足够资金，发展受限
创始人股权太低：积极性难以调度，资方甚至会贱卖公司
期权
期权不是股票，是一种特殊的金融合约
期限内当股价达不到期权价时，期权利润为零
超过时，期权收益和股价时1：1线性增长
期权所分配的不是存量利益，而是增量利益
一个公司不能随意发放期权
太多期权会导致大量流通股，不利于股价的稳定
一家公司可发行的期权数由公司业绩增长决定
业绩增长必须超过期权增加的比例
期权制度也改变了公司里人与人的关系
从雇佣关系变成基于契约的合作关系
硅谷大部分公司里，工资只是相当于生活费，期权才是获得财富的主要来源
工程师文化
一个合格的工程师，至少应该能够独立地实现一项工程目标，不论目标大小
码农缺乏工程师那种发现问题并独立解决问题的能力
于科学家不同，工程师不关系理论的东西，在理论问题还没解决时，设法绕过去，搞定实际问题
在硅谷，产品经理和工程师的比例非常低
工程师会做很多在中国企业看起来应该由产品经理做的事
工程师的五个等级
能够独立设计和实现一项功能
对工程师的基本要求
具备产品设计的基本知识，有一定领导才能，能在产品生命周期负责到底
高级工程师的基本素质
可以做出行业里最好的产品
要在工程师花足够的时间才能达到
能给世界带来惊喜的产品
沃兹尼亚克、安迪鲁宾
能够开创一个全新的行业
爱迪生、特斯拉、福特
收入高，甚至高过高层管理、社会的认可度高，硅谷工程师转管理岗位的欲望并不强
扁平式管理
本质就是用契约合作精神，代替传统企业雇佣关系
最明显的特征是整个公司管理的汇报层级少
分权。每一级管理者或个人都有一定的决策权，同时承担相应责任
限制上级对下级的人事权
只有提拔的否定权而没有决定权
轻资产公司
工业时代谁拥有固定资产的生产资料谁就有发言权
信息时代反映竞争力的是无形资产，包括品牌、人才、技术等
科技公司中大多非现金资产不超过市值的10%
全世界最值钱的公司并非拥有大量固定资产，而是在行业里最具有竞争力的领头羊
轻资产加上巨大现金储备，让科技公司非常容易适应产业变化
科技公司能轻松剥离过时产业，很快进入新产业
重资公司在行业变迁时，资产都成了负担
最好的商业模式
Google的广告系统
Google的广告系统比传统广告有效得多，其广告模式和雅虎有本质区别
雅虎的拉广告和投放广告基本手动
Google都是自动化广告系统
Google的自动广告系统
在订单处理和投放上和双击公司一样自动化
网页中含有双击公司的链接，随机提取广告后返回给用户，再根据信息指纹判断广告请求来源以统计网站显示广告次数
Google根据搜索关键词来决定广告内容，针对性强
同时打造了一个接广告的系统，省去了广告代理商
广告设计不用人工介入，因此都是文字，使得网页干净简洁
Google根据广告点击量而不是广告显示次数收费
可以通过机器学习不断完善系统
根据用户点击数据改进搜索和广告匹配，提高相关度
eBay和亚马逊的电商
eBay
eBay提供了旧货买卖双方沟通的平台，同时采用拍卖
信用问题：让买卖双方互相评分
付款问题：收购PayPal
eBay逐渐变成了网上自由市场，现在出售的商品主要来自商家而不是个人
eBay无法控制买卖双方的资金流动，很难根治假货和交易欺诈
2015年将PayPal拆分后单独上市
亚马逊
亚马逊始于在线书店，贝佐斯为华尔街的一位分析师
和eBay不同，在亚马逊上开店所有交易必须通过亚马逊完成，商家对客户的支付信息一无所知
同时为每一笔交易购买保险
对卖书和其他亚马逊主推商品，收费很高
戴尔的虚拟工厂
传统制造业：产品设计、原料采购、仓储运输、加工制作、订单处理、批发经营和零售共7步
上世纪60年代，日本人将工厂流水线扩展到仓储运输和整个加工制作中，大大降低了制造成本，没有库存零件
戴尔将7部缩减到2步
不设工厂，由东南亚（主要台湾）OEM代工
将产品设计也外包 ODM
只留订单处理和零售两步
一直坚持直销，基本不经过经销商
让OEM厂直接将机器发给消费者
联想和小米也学习戴尔的直销模式
腾讯的浮存资金
浮存资金：类似押金、保险费等
发行Q币，通过虚拟产品或服务收回Q币
虚拟产品和服务也必须有价值
虚拟商品虽没有复制成本，但好的虚拟商品开发成本不低
总结
商业上最重要的是商业模式
通常好的商业模式非常简单，外行也能一眼看清楚
最好的商业模式是印钞机式的，不需要太多人力，一旦运作便能源源不断产生利润
互联网2.0
互联网前传
互联网商业化历史上第一件大事当属1993年思科上市
2000年世界上流量最大的网站全是门户网站
01年互联网泡沫破裂
Google再次证明利用广告收入是可以维持用户免费上网的运营方式
2.0时代特征
07年金融危机前互联网2.0概念登场
“赛道”一词同时出现
并不是互联网2.0本身错了，而是炒概念这种做法错了
首先，它必须有一个平台可以接受并管理用户提交的内容，而且这些内容是服务的主体
内容是指有价值的资讯信息、各种媒体娱乐内容
内容可提供到所有用户，而不是极少部分
YouTube、抖音是，百度网盘不是
提供一个开放的平台，允许用户在平台上开发自己的应用程序并提供给其他用户使用
微信是，因为有公众号和小程序
非竞争和自足性
不应该过多主导内容和服务，不应和用户产生竞争
B站、YouTube是，爱奇艺等不是
互联网2.0和早期互联网很大不同在于2.0能在很短时间（一年左右）里便主导大量用户
互联网2.0公司
Blogger
99年推出，称得上最早的互联网2.0公司
03年被Google收购
比起媒体博客更能准确传播博主的言辞观点，还可以和读者粉丝交流
维基百科
Wikipedia
Wiki是一种可供多个用户在浏览器中同时编修修改文档的技术
词尾pedia意思是教育和文化
传统的百科全书
出版周期很长，常常一出版就成了历史参考书
选择的条目通常是学术上重要而不是普通人关心的
阳春白雪的出版物，背离了作为公众参考书的初衷
2001年推出，让互联网用户自己编写然后免费分享
提供了一个平台和超链接相关内容的技术
由于是用户自发，上面的内容不能作为正式出版物的参考资料
对敏感话题内容的公正性也存疑
至今没有盈利，基本靠赞助维持运营
Twitter
一开始就继承了短信和博客两种基因
每条消息（tweet）不能超过140词，大幅降低了门槛
美国没有QQ群，没有群聊的习惯，算是补上QQ群的缺口
虽然用户增长快，但至今没有合适的商业模式盈利
新商业模式的天花板
互联网2.0对整个互联网生态进行了一次优化
将平台和应用分离的理念深入互联网行业
互联网2.0专注打造一个通用的平台，完整的服务由用户填充
有效地整合了互联网资源，捧红了网红经济、流量明星
从技术上看，2.0没有什么创新
从商业上看，使对互联网生态的一次优化，给更多人分利的机会
金融风暴的冲击
危机的形成
直接的原因是次贷以及其金融衍生物CDS
深层原因是违反经济规律，只消费不创造
90年代克林顿时期，为了让穷人也有房住，发明了次级贷款
银行提供利率较高的首付
真正要银行命的不是次贷本身，而是其衍生物CDS
CDS:保险公司将担保业务打包，以证券的方式在市场上交易，套娃式担保
美国及西方所有发达国家的问题在于长期以来开支严重超过经济发展所能承受水平
虽然金融危机起源于美国，但美国的问题在西方主要国家都有，最终演变为全球性灾难
恢复经济，短期靠基础建设；长期靠IT产业
随处可见的商机
危机也是转机，每次经济危机就会导致一些产业变迁和行业内部调整
1975年石油危机让省油的日本汽车逐步取代美国汽车
75年后各家公司受到重创后开始考虑节流的问题
全球化兴起
中国在金融危机后几年内靠印钞票刺激经济，而美国复苏是以国债翻番为代价
格局的变迁
传统价值的回归
危机前
资本从实体经济向虚拟经济转移，始于银行业
超前消费
克林顿时代起全社会债务比储蓄高
泡沫时，有些公司没有利润甚至没有营业额，根本无法按传统市盈率P/E来估价，华尔街就发明了股价/流量比来对垃圾公司估价
危机后
几乎所有公司都在降低债务，关注核心业务提高利润和现金储备
无论公司还是个人在商业活动中变得谨慎
世界格局的变迁
美元是最稳定的储蓄方式，而美国国债时所有美元储蓄中最安全的
美国是世界主要经济体中发行货币最谨慎的国家
中国只持有美国国债总数的5%左右
经济地位能够决定政治地位
法国大革命背后原因
G2时代
美国不存在大型国企，凡是和商业相关的活动都由私营企业运作完成，效率高，竞争强
美国金融业发达，能吸引全世界的资本
高盛和摩根士丹利等投行其实是为全世界理财
美国的M2货币发行量只有中国的一半，说明能够以相对较少的货币供应创造更多的财富
美国是藏富于民的国家
政府没有钱不代表美国没有钱
美国人不喜欢储蓄，很多都用于理财投资，美国人其实是美国国债最大购买者
政治正确是美国的大问题
中国在未来很可能会出现一次经济危机
经济危机对改善经济结构是必要的和不可避免的
结语
在一个新兴的、商业潜力巨大的行业，通常会出现短期的泡沫，让一些公司昙花一现，但当潮水退去后，就能发现谁在其中裸泳
云计算
云计算的起源
90年代初甲骨文的埃利森提出网络电脑
当时太过于超前，配套网络及应用等设施还不完善
基础：2000年后，大型数据中心的出现，计算资源才有了贡献的可能，而这些大型数据中心之间采用高速光纤网络连接
2005年Google、IBM、亚马逊提出云计算
IBM是为了卖服务器设备
2012年后从卖机器到对外提供计算和存储服务
Google希望将大量用户的应用搬到网上
将客户端搬到浏览器
亚马逊希望向商家和网站出售计算能力
最初为了满足商家 的网站托管，后向任何网站开发
云计算的本质
云计算保证用户可以随时随地访问和处理信息，非常方便与他人共享信息
云计算保证用户可以像使用水电使用云端的大量计算和存储资源，无需自己购置设备
云计算的核心技术
存储问题
Google文件系统GFS
目标是在多台机器上分布式存储海量数据
为了保证数据安全，GFS的每个文件都有三个备份
不是为随机读写设计的
随机读写的数据放在内存中
现实应用大量数据都是结构化的（类似数据库）
Google提出并实现大型结构化数据的BigTable系统
资源管理问题
MapReduce
Map：将一个大任务分解成许多小任务，分派到不同服务器完成
Reduce：把每一台服务器上完成的小任务合并起来
Borg
将整个云端（可以跨几个数据中心）的服务器资源作为整体进行管理，并根据用户需求动态分配这些资源
信息安全是云计算能否普及的关键
云计算的服务提供商必须遵守统一、开放的标准，最好的发展模式莫过于构建开放的开发环境和工具（Hadoop、Android）
新的IT产业链
云计算的普及将从根本上颠覆IT产业链
WinTel体系式微
PC更新放缓，移动设备性能不断增强
软件开发者将大部分功能从PC端转移到云端
浏览器和APP商店变得重要
提供云计算服务的公共平台变成了新软件产业的枢纽
过去是微软的下游，现在成了AWS的下游
软件即服务SasS
在美国、日本、欧洲大多国家，企业级IT市场规模比个人用户大很多，每个员工每年在软件上花费很容易超过一千美元
中国正好相反，中国最大的软件公司是腾讯百度，而不是金山
企业级市场，数据忠诚度高，初创公司颠覆老公司几乎不可能
云计算让服务成本极大下降，把传统IT软件和服务企业拉到与初创公司同一个起跑线上
利用规模经济的效应，亚马逊自己设计服务器，让OEM厂代工，对服务器资源自动化管理，一台服务器可以提供给多个企业按需分时使用
亚马逊提供的是基本的存储和计算功能，而不是各种专门领域
微软将过去的数据库系统和Office搬到Azure上，并接纳第三方软件到其平台
甲骨文通过并购获得云计算业务，并将数据库从服务器往云计算上迁移
中国很多企业炒作云计算，搭建私有云
云计算的初衷是整合社会的计算资源，达到节省资源的作用
私有云并不意味着规模小，Google的也不过是私有云
汽车革命
电动汽车革命
电动车的历史甚至比内燃机汽车还要长
早期速度慢、续航差
通用汽车于1996年推出面向消费者的电动汽车EV1，但很失败
特斯拉
2003年由两个跑车爱好者创立
2004年马斯克投资特斯拉成为最大股东
第一款特斯拉电动车是Roadster，其直接在英国莲花跑车公司的汽车进行改装
三步走
瞄准运动型轿车市场，推出Model S
瞄准高净值家庭
2016年推出低端电动车Model 3，对标宝马3系
在中国建厂
上海工厂是特斯拉在美国以外第一座工厂
中国建厂不需要特斯拉出钱，从中国贷款
电池管理
电动汽车的电池系统由很多中小电池串联和并联起来形成的
如果每个电池单元的电压有细微差别，会导致并联电池互相充放电而浪费
电动车的充电是随时的，并不一定要在充电桩上，如下坡时可将动能和势能转为电能
网约车
Uber
2009年Uber成立
公司本身不拥有汽车，而是在打车交易中扮演了连接者的角色
14年uber进入中国
开始和滴滴打价格战
2016年将中国业务卖给滴滴
网约车使用技术手段重新规范和组织社会劳动力
Uber、滴滴、Waymo估值高的原因：单纯利润上，折算到每辆车的市场规模，抵得上过去30辆车
无人驾驶
Google的Waymo是美国估值最高的汽车公司
Google将无人驾驶这个看似机器人的问题变成了大数据的问题
大数据
出发前，根据街景和地图数据就对行驶路线有全面的了解并作出全局最优规划
汽车上拥有十多种传感器随时监控周围360度的情况
先是采用GPU，后采用专威人工智能设计的TPU(Tensor)
无人驾驶汽车既不用携带服务器，也不需要联网到计算中心了
早在2010年，无人驾驶技术就比较成熟了，做到了99%
接下来是将99%提高到99.99%
自动驾驶的6个分级
第0级，完全由人来驾驶的汽车
第1级，具有控制方向的辅助驾驶功能
特斯拉汽车
第2级，由人监控的自动驾驶，依然保留人工干预
百度上路的实验汽车
第3级，限定条件的无人驾驶汽车，限时限路段
第4级，高度无人驾驶汽车，可以没有路段限制
第5级，完全的无人驾驶
Google的目标开放
总结
引发汽车革命的动力来自产业外部，主要是IT产业
信息时代的科学论
从机械论到“三论”
二战前的工业时代，方法论为机械论；二战后的信息时代，方法论为“三论”
机械论：世界上的一切规律都像机械运动那样，是确定的、可预测的
三论概述
控制论
突破了牛顿的绝对实践观
时间不是静态和片面的，事物的发展不能简单拆分成一个个独立的因果关系
任何系统在外界刺激（输入）下必然作出反应（输出），然后反过来影响系统本身
为了维持一个系统的稳定或对它优化，可以将它受到的刺激反回馈给系统，达到自我调节的机制
信息论
香农第一定律：可以将信号源的符号变成任何通信的编码，当编码服从等概率分布时每个编码的信息量最大，进而提高整个通信系统效率
香农第二定律：信息传递的速率受制于带宽
最大熵原理：对未知的情况不要做任何主观假设、“不要把鸡蛋放在一个篮子里”
系统论
一个有生命的系统和非生命系统是不同的
前者是一个开放的系统，需要和外界进行物质、能量交换
后者为了其稳定性，需要和外界隔绝才能保持其独立性
一个封闭的系统总是朝着熵增加的方向变化的，即从有序变为无序
开放能发展，而封闭只会腐烂
他山之石，可以攻玉
将每一个局部研究清楚了，不等于整个系统研究清楚了
和机械论的整体总是能分解成局部，局部可以再合成整体的思路完全不同
控制论的应用：从V-2导弹到阿波罗登月
机械思维：对未来做一种尽可能的预测
V-2导弹始终炸不到伦敦桥
控制论：根据变化不断调整
在整个登月过程中，飞行器能够不断自身调整保证准确着陆
信息论对广告系统的优化
Google通过关键词提取信息来消除广告投放的不确定性
Facebook通过挖掘用户的使用习惯获取信息
系统论思维：整体性能未必通过局部性能优化实现
iPhone虽然很多点做不过安卓，但整体体验最优
信息时代思维指南
预测vs反应
好的投资人不对资本市场做预测，而是不断根据市场变化作出反应和调整
Google内部的产品原则：没有足够的数据不能下结论
风险投资的实质也是变预测为反应
不断根据公司表现重新评估
拥有vs连接
硅谷公司在快速发展期都是采用租房的方式
把资金投给固定资产，不如投给自己的核心产业回报高
当企业开始大量买地建房时表明它们找不到好的投资方式了
硅谷虽设计了全球最多的半导体芯片，却没有一条成规模的半导体生产线
重资产项目一旦要转型，是非常困难的
后互联网时代，获得连接用户的带宽比拥有资产更重要
所有连接中，关键节点最重要
Airbbnb、滴滴等
局部vs整体
地区对大公司的依赖
匹兹堡、底特律、东北经济衰落
优化了局部利益，而牺牲了一个地区整体和长远发展
产业里最好的公司难以走出这个产业
当大公司的组织架构和管理风格不断优化到最适合现有业务时，就很难再适应新的业务
硅谷正是没有形成统治性的企业，整体地区才富有活力
宽容失败
工业时代的大企业会设立研究部门，但那些发明很难产生效果
Google将研发开发合二为一，不经过对新技术的实验直接投放市场尝试
摸着石头过河
成本上升--需要将失败的成本都摊到每一个成功的产品里去
硅谷的半导体行业不会去做毛利率低于20%的事
台湾的半导体甚至会考虑做毛利率低于5%的生意
没有失败的成本，当然也就无法引领科技
Google一个小bug会造成几百万美元的损失，但Google从未因此处罚过任何工程师
任何创新都会失败。宽容失败本质上是对不确定性的认可
大数据和互联网思维
大数据思维
大数据的科学基础就是信息论，大量强相关数据的涌现，改变了人们的思维方式和工作方法
人民利用大量信息，建立起概率模型（而不是以前那些确定性的方程），来消除过去消除不了的不确定性，控制系统的稳定性
大数据的产生
互联网普及后的数据大爆炸
原来不同领域的数据可以关联起来
互联网思维
互联网思维的科学基础是香农第二定律，即信息传递的速率受制于带宽
带宽决定通信能力
电话线拨号上网；ADSL上网；宽带上网；光纤入户
带宽的增加引发了赢者通吃的马太效应
本质：尽可能地拓宽带宽，利用带宽，将自己的产品和服务推向每一个角落
下一个Google
未来新产业
今天正处在以摩尔定律为核心的传统IT产业向以数据为核心的智能产业转变的新旧交替的阶段
新能源
太阳能
光伏太阳能发电成本难以下降
太阳能板等污染很赞的生产和回收放在中国
页岩油气
页岩油的储量大约是常规石油储备的3-4倍
页岩气革命改变了美国的中东政策
这场革命由很多小公司一同完成，很难赢者通吃
生物制药
FDA监管在提升药品安全性同时，也大大限制了美国制药业的革新和发展
近年中国批准一款药品上市不比美国更快
大数据医疗
由于癌细胞基因会变异，但大数据有望实现针对每一位癌症患者量身制定药物和治疗方法
圣杯公司正通过检测人体血液中的异常基因，及早发现肿瘤
建立起基因、健康数据、（疾病）表征的对应非常重要
物联网IOT
在万物互联领域，必将诞生新一代的Google
今天全世界的电信产业（包括运营商和制造商）比互联网产业大一个数量级
IOT时代最重要的技术是新一代的处理器和操作系统
人工智能
人工智能主要是以数据驱动的
美国不可能产生新的伟大公司，引领发展的是Google、微软和IBM等大公司
中国目前大科技公司的水平相差一个量级
工业革命和颠覆式创新的范式
技术革命
新的工作不是为那些由于产业升级而被淘汰下来的员工准备的
知识密集型产业其实消化不了原先劳动密集型那么多的劳动力
第四次工业革命：以人工智能为中心的智能革命
技术呈现方式会变化得很快（语言），而基础技术本身适用时间是相当长得（算法）
工业革命的范式
第一次工业革命：现有产业+蒸汽机=新产业
第二次工业革命：现有产业+电=新产业
第三次工业革命：现有产业+摩尔定律=新产业
第四次工业革命：现有产业+大数据=新产业
格力和小米之争
格力还处于传统的工业时代，注重核心技术，所以要宣布自己做芯片
小米一开始就没有把自己定位为制造型企业，它从每一位用户身上获取长期的收益
【读书笔记】浪潮之巅——方法论篇相关推荐
- 《世界是数字的》读书笔记第一部分_硬件篇
<世界是数字的>是一部科普读物,出自顶尖计算机科学家Brian W.Kernighan之手,如果你不知道此人是谁的话,那么你或许知道The Practice of Programming( ...
- 读书笔记——阿里数据中台(第二篇：OneData体系1)
今天来介绍数据中台的第二篇,第二篇共分为三个大部分分别对应的是阿里的数据中台三大体系(阿里的数据中台体系架构见上一篇),OneData体系,OneEntity体系,OneService体系,三大体系相 ...
- 【读书笔记】用户画像方法论与工程化解决方案
书名 用户画像 副标题 方法论与工程化解决方案 作者 赵宏田 出版社 机械工业出版社 本书从技术维度系统讲解了用户画像的方法论和一些常见的工程化解决方案. 一套好的解决方案需要包括以下几个层面. 1) ...
- 【读书笔记】NeurIPS2018的两篇文章：The Tradeoffs of Large Scale Learning和Neural Ordinary Differential Equations
今天看了 NeurIPS 2018 上的两篇文章,一篇是获得 best paper 的 Neural Ordinary Differential Equations (陈天奇的文章),一篇是获经典论文 ...
- 读书笔记——阿里数据中台(第二篇：OneData体系2)
今天介绍OneData体系的第二部分,这部分主要的内容是从成本中心向资源中心转变的一个过程.这个过程的主要内容是有元数据做底层构建的.核心思想是将存储和计算成本与数据的价值挂钩,形成数据资产的概念.简 ...
- 3D数学读书笔记——矩阵基础番外篇之线性变换
本系列文章由birdlove1987编写.转载请注明出处. 文章链接:http://blog.csdn.net/zhurui_idea/article/details/25102425 前面有一篇文章 ...
- Testing Types - 读书笔记
看到 Wikipedia 上面有一篇对于软件测试的综述,挺有总结性,做下读书笔记. Wikipedia 的这篇文章,可以通过下面的 URL 访问: http://en.wikipedia.org/wi ...
- Testing Process - 读书笔记
看到 Wikipedia 上面有一篇对于软件测试的综述,挺有总结性,做下读书笔记. Wikipedia 的这篇文章,可以通过下面的 URL 访问: http://en.wikipedia.org/wi ...
- 《思维导图的三招十八式》读书笔记
1.书籍信息 --------------------------------------------------------- 书籍名称:思维导图的三招十八式 作者:张鄂勇 出版社:电子工业出版社 ...
- 【分享】《小强升职记》读书笔记分享4
抽出绿叶,积极主动 看完本章内容,自己最受感触的一点就是--主动性. 先从"听话的孩子"说起吧.从小学到中学,相信老师都喜欢听话的孩子,因为我也算是这么一个孩子吧,老师说让什么时候 ...
最新文章
- 51nod 1179 最大的最大公约数 （打表计数法）
- 鸟哥的Linux私房菜(服务器)- 第十三章、文件服务器之一：NFS 服务器
- 《系统集成项目管理工程师》必背100个知识点-46质量与等级
- Python小游戏（打乒乓）
- Codeforces Round #327 (Div. 2) B Rebranding
- Git 提示fatal: remote origin already exists 错误解决办法
- leetcode之Insertion Sort List
- 跟我一起学Redis之高可用从主从复制开始
- 文件的下载学习笔记：
- CreateInstance 方法解析
- P3211 [HNOI2011]XOR和路径
- Tensorflow训练简单神经网络
- Polybase要求安装orcale jre 7更新 51或更高版本如何解决
- 【I.MX6ULL】6ull 加载 linux 驱动模块失败
- excel宏 批量生成返回目录
- oss 视频 转码_oss视频转码----比阿里云文档更详细
- Android进程间通讯AIDL使用及问题详解（雷惊风）
- js字符串格式化方法format
- 送书｜逆向系列-你一定要懂的MD5加密
- 在word的文字右上角添加符号（插入上标）？