商业生态系统——未来发展的“超级组织”

以移动通信、物联网、人工智能、量子信息等为代表的新一代信息技术，正在加速与制造、能源、材料、生物等领域的创新应用与融合，并依托于信息技术将人——设备——业务——组织——企业连接成一个网络。

这使得企业获取资源通道愈发开放，资源交换与整合的效率不断提高，人类生产方式、消费方式及服务模式日趋丰富。企业在从局部优化走向全局优化的进程中，也推动着商业模式与管理模式的“双轨”变革。这进一步重塑了传统的机械商业运作，进而演变成复杂的商业生态系统。

01 商业生态系统的力量

1993年，詹姆斯·弗·穆尔发表于《哈佛商业评论》上的“狩猎者与猎物：竞争的新生态”一文中，首次将生态的概念引入管理学研究，并将其定义为：以组织和个人的相互作用为基础的经济联合体。此文以及1996年出版的学术专著《竞争的衰亡：商业生态系统时代的领导力与战略》一同被学术界认为是管理学领域，商业生态系统研究的起点。

近10年间，商业生态系统在理论与实践领域均成为了最热门的话题之一：

在理论研究层面，发表在战略、组织和营销等领域的《战略与管理》、《哈佛商业评论》、《组织科学》、《美国管理学会学报》等公认的顶级期刊论文中，有近766%发表于最近5年。由此可见，商业生态系统这一研究问题的研究层次在不断深入，也近一步说明这一课题已成为主流学术期刊认可的研究方向。

在商业实践层面，为了准确了解企业捕捉商业生态系统基于的现状，埃森哲战略面向全球1252位商业领袖展开调研：60%的高管希望通过打造生态系统来颠覆所在行业；76%的受访企业认为，目前的商业模式将在5年内逐步消失——而商业生态系统便是推动变革的主要力量。

詹姆斯·弗·穆尔最初的观点先于智能手机的出现和移动访问革命15年，在最低限度上，他为许多企业提供了来自自然界的强大隐喻：一个新的框架和心态，在企业越来越有客观条件去部署和激活他们本身既不拥有也不能控制的资产（资源）时，在复杂、动态和自适应的生态系统中运营。迈入新的数字经济时代，当移动连接设备及物联网技术不断迭代更新，商业生态系统又将重现怎样的潜能？

02 商业生态系统的潜能

有研究表示，在数字技术支持下，未来10年中，生态系统有望为企业及广大 社会 释放100亿美元的潜在价值。商业生态系统的最大潜力，其本质还在于，抛去一切外在环境及时代影响，追溯至最原始的经济本质——为满足人类的需求和愿望。

德勤咨询公司首席市场官、战略运营咨询师埃蒙·凯利在《商业生态系统的时代解读》一书中这样说道：商业生态系统的形成，实现了超越任何个体行为者的有效范围和能力。人类可能不需要医生，但我们想要 健康 ；我们不特别要求教室和教科书，但我们需要知识学习和取得成功。用户真实的需求，已无法由单个产品或企业满足。

所以，商业生态系统正在创造由跨行业参与者组成的网络，各方共同定义、构建并面向用户；每一方都将贡献满足用户需求的解决方案的一部分，或者提供不可或缺的能力。并且生态系统所产生的价值将远超单独创造价值之和。

尽管近期的蚂蚁集团暂缓上市一事引发了一系列连锁反应，但不禁令人回忆起，阿里巴巴于2014年9月在纽约证券交易所首次公开募股（IPO），估值过2250亿美元，到2020年10月，总市值飙升至8500亿美元；漂亮的资本市场数据，让人又再次联想起，2014年9月的那份阿里巴巴招股说明书中出现频率高达160次的词汇：“生态系统”。

如果说电子商务交易发展蓬勃的阿里巴巴是抓住了互联网浪潮，那么由传统工业制造业转型的海尔早已砸掉老牌家电企业的标签，蜕变成物联网时代的生态品牌。在全球最大的品牌价值评估机构凯度发布的2019年、2020年连续两年内，蝉联BrandZ最具价值品牌百强，是目前全球首个，也是唯一一个物联网生态品牌。

03 结语

时代变化的故事，绝不仅仅是一个速度的故事，那些有力地决定着企业、经济和 社会 演变的长期边界和制约因素已经模糊甚至几近消失。我们有理由认为，商业生态系统是一个重塑商业模式、重塑“超级个体”和重新发现“人”的过程，也使我们重新认识、重新理解自己与企业、与世界的关系。

如果说生态系统是未来发展的“超级组织”，那么企业如何变革组织以形成商业生态系统？潜在的生态价值到底有多大？商业生态系统内部如何动态治理与约束？商业生态系统之间如何竞争？这都将是作者未来深入研究的方向。

#商业生态# #物联网# #海尔# #信息技术# # 财经 #

早在2014年11月的时候，全球最具影响力的管理思想家之一、哈佛商学院教授迈克尔·波特和PTC首席执行官Jim Heppelman 在《哈佛商业评论》上发表了一篇具有重大影响力的文章——《智能互联产品如何改变竞争》。他们认为，物联网互联产品将改变传统的产业结构、商业模式以及许多行业的竞争本质。

自从这篇文章发表以来，世界上已经出现了许多颠覆性的物联网商业模式创新。例如：iRobot公司凭借其自主物联网连接的吸尘机器人，实现了从零到900万台物联网连接设备的销售量，从而改变整个吸尘器行业的状态；Thyssenkrupp电梯物联网连接的电梯已经从零增加到130,000个，其三个主要竞争对手Otis、Schindler和Kone都引入了类似的基于IoT的商业模式；共享单车行业，在美国已经从零发展到3900万人次，基本上就是通过物联网技术的出现而创建的。

还有成千上万的新智能产品/物联网商业模式的例子，还在酝酿中。那些目前正在（或计划将）智能互联产品推向市场的企业，可以从这些早期的创新者身上学到什么？前不久，市场咨询公司IoT Analytics发布了《2020 IoT商业化和商业模式采用》，探讨了全球领先的设备和产品制造商（OEM）在过去5年如何成功推出智能互联物联网产品以及心得体会。

开发一个物联网业务模式或业务模型并将之商业化并不简单，但可能会是颠覆性的“ 游戏 规则改变者”。61％参与了IoT Analytics研究报告者声称，与竞争对手相比，物联网商业模式让其公司获得了竞争优势。

将智能连接产品推向市场时，需要进行很多考量，例如：是首先接触现有客户，还是瞄准新客户；可以通过硬件、软件、服务或数据获利，还是这些的组合；是一次性收费，还是按月收费，甚至可能是按使用量收费；是否免费提供某些功能；是按成本定价，还是按利润率定价，或者是通过亏损以获得早期市场份额；是直接销售给客户，还是通过第三方（市场）销售等等。

物联网商业模式与产品开发和产品商业化这两个相邻的环节紧密相连。IoT Analytics将其分为3个部分： 开发物联网产品（例如上市时间和开发功能）、开发物联网商业模式（该分析主要基于Zollenkop框架，着眼于三个要素：市场定位、价值链和收入模型）以及物联网产品的商业化（例如：确定合适的价格水平、推动采用的措施和衡量成功的KPI）。

IoT Analytics的报告就这些问题给出了相应的6个观点，并强调了哪些物联网商业模式被认为更成功。

观点1。智能连接物联网产品，从内部项目启动到第一个付费用户平均需要23个月。然而，从开始到第一次付费客户所需的总时间，相比平均值有巨大差异。最快的实现发生在8个月，而最长的可能需要长达76个月（根据IoT Analytics的分析）。

观点2。有许多因素驱动了将智能互联物联网产品推向市场的复杂性。特别是较大的公司必须花更多的时间来协调多个部门和流程。根据分析，典型的物联网产品的引入会“主要影响”到6个部门（其中IT和R＆D受影响最大）。

推动IT和研发部门工作的，是在IoT互联产品中加入许多软件特性和服务。物联网产品平均拥有12项新功能，几乎所有物联网公司（91％）都为客户提供监控仪表板，而库存管理或工作流优化等功能则很少见。

观点3。在这次分析中，近四分之三的受访者开发了一款全新的或主要经过重新设计的产品，而这种产品以前并不存在。大多数受访者还表示，物联网产品的销售对象是一些新的决策者（以及一些现有的决策者）。结果是，52%的物联网商业模式可以归类为“多元化”，只有11%归类为“市场渗透”，即在现有产品加上小的附加功能，销售给和以前完全相同的决策者。

观点4。目前，超过95％的物联网硬件都已获利。然而，在大多数情况下，硬件只是多种变现方式的一部分。大多数研究参与者预计，未来两年，服务（包括传统和数字）和数据的重要性将显著提高。随着硬件获利重要性的下降，预计基于时间、使用和成功而盈利的模式的重要性将会增加。

欧洲某 汽车 行业高级IT经理表示：“我们未来的重点将更多地放在数字服务上。当前我们对用户只有一个接触点：安装硬件。展望未来，随着数据日趋成熟，以及拥有更好的远程软件更新能力，我们将能够提供更多以用户为中心的SaaS产品/功能，客户可以在网上购买。”

观点5。物联网解决方案的成功商业化在产品推出前很久就开始了。美国某机械设备制造商高级产品经理表示：“在构建和销售解决方案之前，清楚了解客户的需求至关重要。”

分析显示，不同地区的客户采用率存在巨大差异，一些功能显然比其它功能更受客户欢迎。客户采用率排名占前四分之一的两项功能分别是“状态监视”和“预测性维护”，这与IoT Analytics先前关于预测性维护主题的报告相符。

因此，许多研究参与者指出，教育自己的团队，特别是面向客户的员工的重要性就不足为奇了。美国某机械设备制造商高级产品经理表示：“对员工的培训是一项艰巨的任务，因为该技术对公司整体来说是新技术，并且所有领域的专家都需要接受培训。”

当前，我们正在进入全新的“咆哮20年”的开始。这是ARM与经济学人在今年上半年推出的《物联网商业指数2020》所提示的变化：即所有产业面对的障碍正逐渐降低，超过一半的受访企业已经处于物联网网络部署初期或大规模部署阶段。《物联网商业指数2020》强调，物联网的“商业价值之路”已经出现，企业在物联网方面的初期投资通常能够明确的投资回报，而随着物联网数据与其它数据集的结合以及纳入整体分析中，物联网的价值也在上升。

数据分析、机器学习与物联网
我们当前所处的世界，联网程度不断上升，低成本传感器和分布式智能也在不断普及，产业即将面临这一切带来的革命性的冲击；同时，在此过程中还会产生大量的数据，其规模将庞大到远远超过人类所能处理的范畴。对此，企业是否能足够迅速地适应并演进自身的业务，以维持在竞争格局中所处的位置？面对我们栖身的环境中植入的这些全新的信息来源和智能设备，人类应当如何掌握它们并从中获益？利用不断演进的技术组织机构将需要建立起内部数据仓库，以便能够利用新的数据源和数据流。智能接入设备亦将在某些情况下取代人的角色，它们将能够自行决策、执行自我调整，或是根据需要引发对自身的纠正和修复。在另一些情景中，众多设备的集合将聚集在一起成为完整的系统，这样的系统可以采用新的方法进行优化；而由系统聚集成的系统，将会彼此共享数据，并成为由数据和设备组成的生态系统。机器学习（指从数据中推导出意义的众多方法）注定将成为这个生态系统中的一部分；此外，随着企业着手为物联网（IoT）做准备，传统业务和数据分析技术也同样将被纳入到该生态系统之中物联网——某些人更愿意称之为“万物互联”（Internet of Everything）——正处于不断上升的轨道上。一项Gartner研究指出，在2020年IoT单元的数量将达到260亿，而IoT产品和服务的市值将达到3000亿美元1。另外，GE在工业互联网（Industrial Internet）——这一概念包含用于监控和优化工业设备（例如喷气式引擎、铁路机车、动力涡轮机和制造工艺）性能的机制和应用——领域已经活跃了很长时间。根据GE的估算和预测，在接下来20年中，工业互联网将帮助全球GDP产值提高10到15万亿美元（没错，万亿量级）。当然，围绕着已问世的全新技术和正在逐步浮现的技术概念，市场中充斥着大量炒作。例如，Gartner备受争议的 “成熟度曲线”（注：也有些人使用“炒作周期”这一贬义说法）报告就把IoT摆在了“翘首以望的顶峰”的位置上（而大数据作为之前的热点，已经进入了“理想幻灭的低谷” 3）。然而，哪怕企业家们为之表现出群情激昂的兴奋，或是记者们在笔下展现出了对未来的狂热展望，在现实中依旧存在着大量的挑战，组织机构必须克服它们，才能够真正乘上这次技术演进的东风。挑战组织机构必须聚焦于：了解产品技术和IT领域中，企业能力的相对成熟度；了解可以纳入哪些类型的IoT功能，以及新能力将会在哪些方面对客户价值带来影响；了解机器学习和预测分析模型的角色；基于市场变化的迅捷程度和竞争对手的相对敏捷度，重新思考业务模型和价值链。接下来，让我们对这些挑战逐一进行更详细地分析。理解产品和IT成熟度可以从产品和IT两个维度分别进行分析。首先，产品组合的成熟度如何？它是属于变更较缓慢且逐步演进的传统类型的产品，还是属于前进速度更快，同时具有更复杂生态系统的产品？矿产设备在技术上非常复杂。并且，与科学研究仪器相比，它拥有更为漫长的设备生命周期，和相对更缓慢的演进速度。然而，这并不意味着科研仪器的公司，在利用IoT产品进行系统优化方面更具优势。另一个需要考虑的因素是IT流程的成熟度。各种类型的组织机构都可能会因采用IoT而获益；然而，要想达成这一目标，它们所需采用的模型却各不相同。让我们进一步分析一下IT成熟度水平这个因素。举例来说，科学研究仪器供应商或许拥有先进技术，但却可能缺乏强有力的IT架构、流程和IT治理能力。与之相反，矿业设备制造商或许拥有非常成熟的内部IT流程。对科学研究仪器公司而言，IoT将让它们能够对安置在现场的仪器设备进行功能升级；但面对由多种类型设备组成的实验室信息生态系统库，公司并不一定愿意尝试去进行优化。（当然，以IT作为成本中心——例如内部IT管理——方面的成熟度不足，并不等于以IT作为利润中心——例如IT产品——方面成熟度的缺失；但当开发或拓展IT服务的时候，许多组织机构都选择在现有的基础IT能力之上构建。）在去年的哈佛商业评论（Harvard Business Review）中，讨论了一个矿业设备领域的例子：Joy Global是一家矿业设备制造商，其专家团队横跨与采矿作业相关的多种系统和流程。Joy Global以此为依托，针对来自多家供货商的一系列设备，提供监控、维护和优化的服务4。了解IoT能力接下来，应该考虑一下使用智能联网设备中的哪些能力。刚刚提到的哈佛商业评论刊登的文章4指出，IoT包含四种类型的能力：监视——传感器提供关于运行环境、产品使用和性能方面的数据；控制——可以控制并定制个性化产品功能；优化——来自监视与控制的反馈回路，能够提供更高的效率、更好的性能、预防性维护，以及诊断和修复；自治——监视、控制和优化将支持独立运行、不同系统间的协作、与环境交互、个性化、补给，以及自我诊断和修复。这四个层级的能力，将为重新定义供应链并重新配置价值链提供支持。我们不应该抱有产品的功能应固定不变的观点；相反，我们应该认为它们将更具灵活性和适应性。那些智能联网设备和产品将具有可变特性，并能够随着用户需求的变化而改变。在数年以前，软件制造商就已经认识到了这一点。而现在，物理对象也正在逐渐转变为软件驱动功能的载体或容器。上述这些层级的能力要求越来越精密的数据分析方法——从收集和应用数据，到支持算法自身运用数据并在同时进行学习。第一个层级的能力——监视——将成为一套实时的机制，我们可以运用它更好地了解现场情况和用户需求，并提供新的能力。这意味着组织机构的传统产品和服务将不再泾渭分明，而且二者的边界将彼此渗透。在过去，现场设备的维护由某个现场服务承包公司承担，设备制造商的业务并不涉及此环节。而在智能设备与监视能力结合后，设备可以在故障发生前将所需的服务提前告知制造商。同时，设备制造商也可以将常规维护纳入自己的服务范畴。不过，如果利润和物流对组织机构而言是个问题的话，那么复杂的维修工作将依旧由专业承包商完成。这一“去中介化”(disintermediation)的模式也可以运用到分发链中。设备可以自动发起补充供应的请求，从而降低甚至消除供应链中的物流和库存压力。控制是建立在监视之上的更复杂的应用。我们可以监视设备运行情况，并通过控制设备的多个部分或多个系统，来扩展人工干预的边界。想象一下，在 *** 作大部分功能都是自动化执行的系统或机器时，人类所扮演的角色：人类指导机器运转，并寻找系统设计的时候没有预料到（或是基于经济划算的角度未设计应对预设）的边界条件、异常和例外。接下来，人类使用自己的判断做出变更、纠正或调整。我们并不需要（在空间上）与设备在一起，或许我们也无需实时监视它们（这取决于流程）。我们通过监视层面采集数据并进行处理（某些数据处理必须在特定时刻完成），并通过控制层面将这些数据实时（或准实时）地运用到设备或装置的运行上。需要组织机构做出的战略决策是，是否以及何时在产品中提供更多的控制能力，以及是将其作为一种服务向客户开放，还是让客户拥有这些功能。第三个层级的能力——优化——可以拓展到某个单体对象、一系列对象，或是一套由来自多家制造商、使用不同技术的对象组成的生态系统的表现方面。是否将提供的服务拓展到这一领域，取决于围绕着价值链和流程边界的知识和经验的水平。前面提到的矿业的例子，反映出Joy Global与供应商相比的优势，主要在于拥有在流程生态系统中更加聚焦的视角。以卡车制造商为例，它无法很好地优化复杂的矿业设备，但却会凭借对自己的一系列卡车（以及潜在的一系列其他制造商生产的卡车）进行优化而获益——如果行业动态确实具有商业意义的话。要将优化的范围延伸到独立运行，还需要对这三个层级的能力进行一些拓展，以支持与环境及其他系统进行受限程度更低的交互。自治要求围绕着算法提供更多的智能，以便应对计划外的情况——程序员和系统工程师未能明确设计这些情况下的方案。自主运行需要整合具有适应性的机器学习方法，以应对新出现的情况，并将之纳入到用于监视、控制和优化的核心算法中。了解分析和机器学习2014年11月，施乐公司帕洛阿尔托研究中心的Mike Kuniavsky在IDTechEx上进行了一场名为“IoT领域中预测分析方面的用户体验”的演讲。在演讲中他表示，我们应该将几乎所有功能都存放（或是在不久的将来存放）在云上。数据和功能可以从任何位置、通过任何设备访问。而专业设备则提供用户访问数据的环境。健康手环可以通过iPhone或笔记本电脑，在特定的锻炼环境中访问用户的身体健康数据。在这种情况下，健康手环扮演了IoT传感器的角色，同时也提供了访问和使用数据的一种途径，而且它还通过软件功能包含了其他一些设备（例如计步器）的能力。设备上产生的数据可以为厂家提供额外的洞见，帮助其了解消费者的使用情况和喜好，并藉此升级功能或开发新特性。如果汇聚来自用户群的数据并结合其他数据集，那么新的洞见可以阐明流行病方面的数据、人群活动水平、生活方式和人口统计数据。对市场人员、健康服务提供者、保险公司和政府机构来说，这些信息具有宝贵的价值。（当然，我们必须认真对待隐私和数据使用许可方面的责任。）我们可以使用机器学习算法，基于这些数据模式作出预测。例如，在一份来自Mayo Clinic的研究中，发掘出了活动数据与心脏病人恢复速度的相关性5。同样的机器学习和预测算法也是许多联网智能消费设备的基础。例如，Nest恒温器是一套能够使用数据模式的设备，它预测消费者对于某个特定房间、在一天中的某个特定时刻的温度要求。（另一个控制和优化的例子体现在聚居区的层面。在获得了业主许可的情况下，电力设施可以通过远程调节的方式，控制成百上千的Nest设备，将室温调高或调低几度，从而完成高峰期的用能负载调度）。这类消费设备涵盖了从声音模式（例如亚马逊的个人助理输入设备Echo6）到更复杂的行为和活动模式（例如捷豹的路虎监视系统，它依赖于一套复杂的软件系统，该系统让汽车能够学习、预测和检查，并提醒车上的乘客帮助驾驶员自动委派次要任务，以便驾驶员将更多的注意力集中在驾驶上7）进行学习的范围。优化算法通过使用机器学习机制，来利用从动态环境下交互的传感器和智能设备传回的数据。算法不能基于特定的参数，精确地预测这些多变的情况，而是需要不断地感知、响应并适应。例如，随着汽车从驾驶员身上分担了更多的责任，它们需要与周边环境中更多的数据来源进行交互（传感器、灯光、其他车辆等等）。在工业自动化、物流和交通运输、电力网络与能源系统、交通管理、安全系统以及其他“系统的系统”等领域中的各类应用，都将让机器直接与其他机器进行交流。此外，这些应用还将基于能够演进和自适应的算法，帮助机器翻译数据流，从而使机器能够依据给定的运行参数达到要求的最终状态。反思业务模型和价值链智能联网设备要求组织机构重新检视，它们处在市场中的什么位置、以什么方式创造价值，以及这些价值将如何随着竞争环境和信息生态系统的演进而增加或减少。分析将帮助验证某些决策（例如，在对特性进行变更或是增加服务和功能后，获得实时使用数据）；不过，市场新进入者和新的价值链结构或许会对业务模式带来巨大的转变，而基于公司传统业务模式做出的分析将不再具有相关性。因此，产品或服务的基础，或许会转变为来自传统产品的数据流，而不是来自产品本身的收入。新的业务模式将得以延展，甚至有可能远远超出产品本身的范畴，覆盖上游供应商或下游消费者。最重要的是，所有这些可能性，都会要求组织机构拥有围绕着其内部数据健康度和用于分析的基础设施的基础能力：数据“打捞”（curation）、所有制和质量标准、具有一致性的企业架构、干净整洁地集成在一起的系统、自动化的数据载入流程，以及成熟的分析专家。如果欠缺或未能有效管理这些基础条件，组织机构将很难进行快速反应，并演化出新的分析和数据管理功能与能力。IoT将基于数据流和复杂的方法，从信息中获取洞见，并通过与企业知识整合，将之运用到价值创造方面。而不具备这些能力的组织机构将在市场上落后，或是降级到低价值、低利润的层次。数据被称为“新的石油”——我们可以拓展这一比喻，这意味着通过分析能力中的知识提炼环节，数据将被精炼为高价值产品。组织机构现在就需要在构建此类基础设施的方面投入资源，以便为接下来数年中应对供应链和价值创造环节的转型、扰动和颠覆做好准备。信息敏捷性将成为必备的核心能力。

IT指信息技术。全称为Internet Technology。是主要用于管理和处理信息所采用的各种技术的总称。它主要是应用计算机科学和通信技术来设计、开发、安装和实施信息系统及应用软件。

信息技术也常被称为信息和通信技术（Information and Communications Technology, ICT）。主要包括传感技术、计算机与智能技术、通信技术和控制技术。信息技术的普遍应用，是进入信息社会的标志。

扩展资料：

2019年9月6日，工信部发布“关于促进制造业产品和服务质量提升的实施意见”，提出推动信息技术产业迈向中高端。首先，支持集成电路、信息光电子、智能传感器、印刷及柔性显示创新中心建设，加强关键共性技术攻关，积极推进创新成果的商品化、产业化。

其次，加快发展5G和物联网相关产业，深化信息化和工业化融合发展，打造工业互联网平台，加强工业互联网新型基础设施建设，推动关键基础软件、工业设计软件和平台软件开发应用，提高软件工程质量和网络信息安全水平。

第三，发展超高清视频产业，扩大和升级信息消费。规范对智能终端应用程序的管理，改善信息技术产品和服务的用户体验。

参考资料来源：

百度百科——信息技术

中国证券报——工信部：推动信息技术产业迈向中高端 支持集成电路等领域建设创新中心

《人机平台：商业未来行动路线图》（埃里克·布莱恩约弗森）电子书网盘下载免费在线阅读

资源链接：

9e2x

书名：人机平台：商业未来行动路线图

作者：埃里克·布莱恩约弗森

豆瓣评分：77

出版社：中信出版集团股份有限公司

出版年份：2017-12-1

页数：376

内容简介：

安德鲁·麦卡菲和埃里克·布莱恩约弗森是数字时代的两位前沿思想家，在其代表作、畅销书《第二次机器革命》中，他们总结——由数字技术引发的机器革命时代已经到来，我们的经济模式与社会发展正以空前的速度被改写。

承接部作品的内容，两位作者在这本新书中对当下和未来的商业形态进行了更广泛而深入的讨论，并提出了未来商业的三大关键词——机器、平台、大众：

机器智能不断地拓展功能并进行着自我进化，从自动驾驶汽车到无人机，从3D打印机到神经网络，形形色色的数字化机器正在先前的局限，扮演新的角色。在备受世界瞩目的人机围棋大战中，阿尔法狗一路战绩辉煌，轻松战胜了人类围棋大师级选手。而就在不久前，进阶版的阿尔法零又通过自我学习完胜了阿尔法狗……

年轻的科技公司轻装上阵，利用平台快速搭建市场并形成网络效应，Facebook、阿里巴巴、爱彼迎等平台企业似乎不费一兵一卒就颠覆了传统企业，构建起自己的生态系统，吸引大量资本注入。在线平台正在改变成本结构，改进供需匹配方式，在音乐录制、城市交通、电脑硬件、团体健身等各个行业进行创新……

互联网给予了大众更多施展才华的空间和更多的可能，从为乐高玩具提供创意到编辑维基百科再到区块链技术的发明群体的力量和智慧正不断涌现……

在书中，作者回顾了人类科技发展历程并得出结论——唯有成功转型才不会被科技洪流所吞噬。同时他们也用经济学、社会学、心理学、工程学等学科的知识梳理了在这三大方面有突出表现的成功商业案例。这些案例中，既有传统企业转型的典范也不乏初出茅庐却颠覆所在行业的科技新贵。

这些案例的背后是大脑与机器的博弈、是产品与平台的制衡、是核心与大众的对抗，更是一个由机器、平台和大众打造的商业新世界。掌握这三个关键词就抓住了未来商业制胜的命脉。权衡好这三大方面，将对我们如何经营企业、如何维持生计产生巨大影响。作者在向我们描绘未来图景的同时，也不断提醒我们，与以往任何时候相比，我们都更为迫切地需要认清现状并且认真思考各自的前途和命运。这无疑是一部在全球智能制造、新技术产业化领域带来的革命性的作品。

在中国《新一代人工智能发展规划》已经发布，大数据、云计算、物联网，新技术、新业态、新模式，将成为“中国制造”的关键词，这本书将有助于你绘制未来产业、商业的行动路线图。

作者简介：

安德鲁·麦卡菲（Andrew McAfee）

麻省理工学院斯隆管理学院首席研究科学家，TED知名演讲人，致力于研究数字技术如何改变企业、经济和社会。他与埃里克·布莱恩约弗森均毕业于哈佛大学和麻省理工学院，共同发起了麻省理工数字经济项目。两人合著的畅销书《第二次机器革命》曾入选《金融时报》/麦肯锡“年度商业图书”。两人也一同入选2015年“Thinkers 50” 。他的研究成果多次出现在《哈佛商业评论》《经济学人》《华尔街日报》和《纽约时报》等美国主流媒体的深度报道中。曾被评为“IT界有影响力的100人之一”（排名第38位）。

埃里克·布莱恩约弗森 （Erik Brynjolfsson）

麻省理工学院斯隆管理学院教授，麻省理工数字经济计划主管，麻省理工数字商务中心主任，美国国家经济研究局助理研究员。他于1984年于哈佛大学取得硕士学位，1991年于麻省理工学院读完博士。他研究的方向为信息技术对企业和经济层面的影响。

---