生产力驱动工具对商业模式重大影响

       任何一个成功的商业模式，都解决了效率问题，这背后有一套生产力驱动工具。

从历史维度分析，在过去100多年到200年的科技发展中，生产力驱动工具所起到的作用和带来的变化，可以总结为以下几个过程——

机械化：用机器替代人的过程，我们称之为生产力的提高和机械化的过程。

自动化：如果机器上有很多传感器，机器的状况和处理过程就可以被数据化，之后依据数据就可以做一些基于规则的控制，即让机器做一些简单、重复的动作，因此，我们就从机械化进入了自动化。

智能化：如果数据开始大规模的流动（最典型的数据流动即在线化）和交换，当数据慢慢积累到一定程度，根据当时的技术，就会在这类数据上产生出新的决策和分配效率，机器在规则以外自主进行决策、分配或判断，此时我们称之为智能化。

有的行业会经历以上全过程，甚至经历两遍；也有的行业正在经历其中的某一段，但它并不是一定会顺次1234，有可能1212不停的循环，也有可能123123的循环。

接下来我们看看生产力驱动工具在不同的行业中，如何决定了成功的商业模式，换言之，如何决定了不同阶段中最重要的节点和机会。

机械化提升劳动效率

1.英国工业革命：机器替代人

我们讨论经济强国，是在我们有了科技和成功的商业模式之后。

英国成为头号经济强国的原因是，16-17世纪的圈地运动，使得英国的农场主拥有了较多的土地，接下来英国发生了农业革命，即用机器替代人的过程。

农业革命的重要性在于：之前，因为生产力和效率有限，全世界劳动力中一直有90%多的人口要从事农业，此种情况下，无法养活科学家、哲学家、思想家、艺术家等。农业革命之后，因为效率和生产力的提升，有人就可以变成科学家和发明家。

接下来我们就到了工业革命即蒸汽机的年代，之后进入了规模化的工业生产，使得英国成为经济强国。

这个过程最典型的特点是用机器替代人的过程，在这个节点上，谁能够先掌握机器替代人的过程，谁肯定是成功的商业模式。

2.美国工业革命：规模化

大概19世纪中后期到20世纪初，美国成为经济强国。美国发展的原因是，最先开始在全国范围之内较大规模地形成了铁路网。

随着铁路的普及，美国率先开始进行了规模化、标准化、工业化的生产。换言之，美国的工厂变得不再需要生产一台机器，只生产机器的某些零件即可，而且可以实现大批量、标准化、低成本的生产，再通过铁路将其运出去。

接下来，由于铁路的发展和标准化、规模化、工业化的发展，美国又诞生了钢铁大王。

大概从19世纪30年代到20世纪初，在美国迅速成为经济强国的这70年中，由于成功商业模式诞生了不少富豪：

第一个人是范德比尔特，他在当时是美国铁路业的最大巨头。在铁路和工业化之后，出现了第二个非常重要的亿万富豪，即卡耐基，他在20世纪初拥有的卡耐基钢铁公司每年能生产的钢铁量，已经相当于整个欧洲的总和，这得益于美国在工业化过程中是最大的应用市场。

由此可知，规模化成功的商业模式是在美国成为经济强国的过程中出现的，它们是顺周期出现的，且对提升生产力效率做出了贡献。

数据化提升分配效率阶段

1.计算机

先举一个大家最熟悉的行业，PC互联网。互联网最早是从50多年前的芯片开始的，芯片能把计算和相对复杂的逻辑处理集合到由一个机器来做，这是机械化的过程。

芯片处理的是数据。

其中还有一个非常重要的输入设备，我们暂将其称为广义的传感器，即鼠标和键盘。它们跟芯片结合之后，可以比较高效地实现本文信息的数据化。

接下来由于互联网的作用，数据开始了流动。

我们列举了以下三个公司，它们在计算机到互联网的过程中，依次诞生出的创新商业模式，起到了时代性的作用：

微软：在个人计算机上，先产生出了一些著名的公司，如IBM或惠普等。此时微软起到的作用是：使得计算机成为了广泛的生产力驱动工具。

雅虎：由于键盘的存在，文本信息可被高效地变成数据，且能被计算和处理，接下来通过互联网，文本数据开始大规模地连接和流动，需要对这种大量流动的数据产生一个分配过程。

此时雅虎起到的作用是：让文本信息被高效地消费。这有点像中国的网址导航，即按照分类列出各种不同的网站及可能的大量信息，来供用户消费。

谷歌：接下来，随着计算机的普及、计算机使用时长和用户数的大量增加，导致文本数据的指数级增长，此时，用排列的方式进行文本数据的消费和分配，效率已经不够，在巨大的冗余的生产过程中，需要进一步提高决策和分配效率。

此时谷歌起到的作用是：采用人工智能的方式，把所有的文本数据按照某种标准进行相关性排列，用户从队列里面来找他所最需要的信息。它还创造了搜索框，把用户的需求数据化。

2.手机

10年前，在智能手机面市时，它起到了什么作用？

首先与计算机一样，是机械化的过程。

不同的是，在智能手机里，装进了更多以前从未被装过的传感器，包括最常用的、高清晰度的、尺寸很小的、可以光学变焦的摄像头，即平时我们所讲的多少多少像素的摄像头，也有包括GPS等其他更多的传感器被装进了手机。

这些新被装进的传感器和计算结合，就产生出了新的状态和数据，包括图片数据、视频数据、位置信息等。

接下来，由于移动互联网的存在，这些数据大量的流动和在线，就会被要求提升分配效率。

在智能手机时代，出现了以下不同的商业模式：

苹果：

它将智能手机变成了广泛的生产力驱动工具。

当传感器被装进手机里，需要有人将其普及到足够多的用户手里，才能成为比较广泛的生产力驱动工具。这个人，在PC时是微软，Google也做了一些贡献，在智能手机时代是苹果。

智能手机普及后，带来了新的数据，包括图片数据、视频数据、位置信息等，这些数据会大量在线，因之产生出了基于这些新的数据来消费的商业模式，即如何分配和使用这些新的在线数据。

当我们用这个视角来分析时，我们就会发现由于新的传感器驱动所产生的不同商业模式：由于新的摄像头被装入手机，产生了新的大量在线的图片和视频，美图、Instagram，接下来产生了中国的抖音，美国pc时代产生的youtube也有了新发展。

谈到Youtube，有一个有意思的问题，从投资的角度上看，中国在2006到2007年之间，产生出了非常多要做中国Youtube的公司，例如优酷、土豆等。

在当时那个年代，这些产生在PC阶段的所谓中国Youtube们，没有一家公司真正变成Youtube，即没有公司是真正意义上是靠用户上传的内容，完成了整个的商业模式，大家都还是在网站上买电影、买连续剧、买大片。

此种现象产生的原因：再往前普及大概20年左右，在美国有一个重要的家庭电子产品——家庭小型摄像机，在中国还没来得及普及就直接被跳过去了。

今天的中国之所以会出现抖音或美图，是因为随着智能手机的普及，用户已逐渐可以熟练地使用拍照或摄像功能，意味着用户知道如何产生高质量的内容了。例如所有的女生，基本上在2-3年前就百分之百的知道，自己在自拍上是哪一个仰角比较好看，或哪一个侧角比较好看。然后这些数据就开始被大量的生产、分配和消费，接下来就出现了抖音。

滴滴和Uber：

原来我们在打车的过程中，如果用传统的方式来描述，非常难描述清楚，比如要跟司机讲：我在3个小时以后可能需要从A地到B地，我此时在A地的某处、穿什么样的衣服、愿意付多少钱等。

司机也要跟你讲说：我现在离你还有多远，开一辆什么样的车，大概多长时间能到，但无法准确地预知哪一分钟到。

但是由于智能手机的存在（智能手机中嵌入了GPS），就会使得双方各在哪里、要去哪里这件事变得一目了然。在智能手机被大量普及后，在这种大量出现的新在线数据上来建构新的商业模式和分配效率，就开始变成非常大的可能且提高了很多效率。

美团和Airbnb，一样的道理。

未来移动互联网一定还会出现新的事情，因为会有越来越多新的传感器被装进智能手机，这些新传感器随着精度的提高或第一次被应用，会带来新增量的大量数据。这些数据积累到一定程度，就一定要求用某种形式来进行分配和消费，就会进入新的分配和决策效率，意味着这些数据背后所代表的商业模式会被极大地提高一次需求。

以上案例提供了一些分析视角，可以帮助我们去评价和分析商业模式，看它到底利用了哪些新增的在线的大量数据，到底是处在自动化的过程，还是智能化的过程。智能化的过程即加入算法，用人工智能来处理这些过量的数据，以增加它的使用效率。

3.自动驾驶

我们用同样的逻辑来看自动驾驶行业。

在自动驾驶这个最热的话题和最热的创业方向上，我们无非是探讨这样几个问题：

（1）推动自动驾驶走向现实的重要因素

（2）目前自动驾驶是处在了什么样的位置上

（3）接下来会发生哪些事情

汽车就跟当年的火车一样，是一个用机器来替代劳动力的过程，显然是一个生产力跃迁、机械化的过程。

之前在汽车里装的对外感知的传感器和计算芯片不多，在自动驾驶发生的过程中，基于我们的分析逻辑，要先在汽车上装上越来越多的传感器，无论是毫米波雷达、多个摄像头或激光雷达等。

还要装上越来越先进和算力越来越强的芯片，这个过程其实是把汽车这件事进行了高度的数据化，它的状态、环境、所碰见的情况和周边的感知进行高度的数据化。

这些数据一旦产生了更大范围的流动和交换，或者叫互联互通，包括与路面的、与交通灯的、与交通控制指令的等等，这些数据在极大量的产生、流动时，就会产生新的决策和分配效率，进入了我们讲的智能化。

因此，汽车大概要先经历用机器替代人的过程，然后再通过传感器和计算将其数据化，完成数据的极大量积累后，才会进入智能化，即自动驾驶。

依据这个原因，我在3年以前看待这个领域的时候，投资稍微偏谨慎，因为当时汽车的数据化过程还没有大规模和大范围的完成，即传感器们都还没有被装到汽车上，以至于汽车的状态、状况和环境还没有被充分的数据化。

3年前，这个领域在AI上很热时，我反而去投了非常多的传感器，包括加特兰微电子、睦星科技、芯路航、飞芯光电、Aqronos，它们代表了汽车数据化过程中必须要先上车的东西。

小结

在不同的行业当中，无论是机械化、自动化、智能化，你需要去判断公司所处的位置。它不太容易跳一步发生，就像在雅虎之前很难出现谷歌，在微软之前很难出现雅虎。

原则上，每一个行业生产力效率的发展过程，都需要遵循这个行业的基本规律。要清楚地知道目前行业所处的位置，下一个阶段需要什么。

企业的创新只能是面向下一个阶段来做。例如：如果处在了A这个位置上，你可以再往下做一段B的事情，接下来就会有较大的价值。

你也可以在一个比较垂直和很窄的领域中，努力通过自己的商业模式，迅速将这三个环节做成闭环。

本文由： 品牌研究杂志社编辑部整理发布，如需转载，请注明来源。

品牌研究杂志社编辑部

2019/08/13