内容摘要：消费者和企业客户存在太多区别：前者比较感性、决策周期较短、用户体验要求极高，后者比较理性、决策周期较长、不太重视用户体验；面向两者的销售体系并不通用，一个品牌的号召力往往不能无缝地同时覆盖两者。换句话

消费者和企业客户存在太多区别：前者比较感性、关于决策周期较短、美国用户体验要求极高，科技后者比较理性、话和决策周期较长、现实不太重视用户体验；面向两者的关于销售体系并不通用，一个品牌的美国号召力往往不能无缝地同时覆盖两者。换句话说，科技一只“大笨象”可以做好企业生意，话和甚至会被企业客户认为稳重可靠；在消费者那边，现实“大笨象”却几乎毫无可取之处。关于

2000年，美国Microsoft发布的科技初代Xbox游戏主机，就是话和这样一只“大笨象”：缺乏工业设计，傻大黑粗，现实塞满了笨重的标准化硬盘和DVD光驱，就连名字也有点拗口。这样一台设备，非常不适合放在客厅或起居室里，连搬运都很吃力，仅此一条就注定要失败。彼时彼刻，Apple正在通过工业设计推出一个又一个爆款消费级产品，Microsoft却没有从中学到任何东西；此后十年双方的消长，在此刻其实已经决定了一半。

笨重的初代Xbox主机，塞下了太多部件

你或许会反驳：“Xbox不但没有失败，反而取得了2400万部的销量，为Microsoft的游戏平台事业开了一个好头！”没错，那是用无休止的砸钱换来的——Xbox的定价远低于生产成本，从而导致了极高的性价比；在主机上市前，Microsoft火线收购了一批游戏工作室，又重金买下了一批游戏的独占权；铺天盖地的广告和营销攻势也震动了整个游戏行业。到了下一代Xbox 360主机发布时，Microsoft不仅再次因为成本过高而蒙受巨额亏损，还因为品控不力而酿成了“死亡三红”恶性故障。幸亏竞争对手Sony也犯下了类似错误，Microsoft的损失才得到了一定的控制，否则Xbox系列主机可能早已二代而终。

在其他消费级业务中，Microsoft不停地重复着恶性循环：由于产品设计不佳，导致用户体验不好，只得砸钱（降价或收买合作伙伴）解决问题，同样的问题又会在下一代产品中出现。直到实在无钱可砸，或者管理层不再愿意付钱，该业务遂关门大吉或无限期停滞。这样的命运，曾经出现在Zune音乐播放器、Lumia手机、Kinect体感设备、HoloLens VR设备身上，还曾差点出现在整个Microsoft游戏业务身上。

在企业级业务上的大量积累，本来应该使Microsoft获得一定的技术优势，以构成对消费端的“降维打击”——这是很多投资者一直盼望的。遗憾的是，企业级业务往往会使Microsoft背上历史包袱，用做企业产品的思路去做消费产品生态，由此导致了Windows Phone的悲剧，以及Microsoft彻底退出智能手机市场。

2010年，智能手机市场尚处于发展初期，Android羽翼未丰，Nokia等传统厂商未能及时推出自己的软件生态；而Microsoft拥有Windows CE、Windows Mobile等早期移动操作系统的积累，在理论上具备以Windows生态实现PC端和移动端“大一统”的可能性。然而，Windows Phone (WP)操作系统的短暂历史，就是一部合作伙伴的血泪史：WP7抛弃了以前版本的一切应用生态，第三方开发商必须从头开始；WP8则不支持大部分旧设备的升级，从而惹怒了第三方硬件商和最支持WP的老用户。到了2015年，WP系统又被全面改版为Windows Mobile 10，整个应用生态再次重启；不过反正也没什么区别了，因为Microsoft已经彻底输掉了智能手机市场的竞争。

有趣的是，自从2014年Satya Nadella接任CEO以来，Microsoft的各项消费业务出现了不同程度的复苏。这是否说明新的管理层更擅长消费业务，或者对企业文化进行了面向消费者的改造？不一定。还有两个更合理的解释：第一，Microsoft交了这么久的学费，总归交到了一个量变到质变的临界点，开始懂得服务消费者了；第二，云计算为Microsoft创造了巨大的利润和现金流、提升了团队士气，使得消费业务获得了更多资源和更宽松的条件。如果在未来3-5年内，Microsoft的各项消费业务能继续取得不错的战绩，我们才能说它的“从To B到To C”的扩张取得了全面胜利。

反过来说，为何Amazon从To C到To B的扩张，成效明显更快、代价也较小呢？运气因素是很重要的，这种成功可能不具备广泛的指导意义——Google和Meta对To B业务的扩张就远远没有那么高效。然而，Amazon的成功仍然有很多值得学习的地方，其中的核心驱动力可以称为“消费互联网公司的天然活力”。

消费互联网是人类历史上边际成本最低、规模效应和网络效应最高的一门生意。因此，消费互联网公司必须是“快公司”，极端重视产品迭代和客户服务的效率，才能在九死一生的竞争中存活。必须指出，企业级业务不一定需要“快公司”，很多企业客户重视稳定远胜于重视效率。但是，在云计算这个全新的领域里，快速反应就意味着制订技术标准、掌握话语权、塑造客户使用习惯。从2003年夏AWS负责人Andy Jassy提出云计算的初步理念，到2005年AWS基础云服务小范围测试，只过了不到两年；又过了三年，AWS的“数据库、存储、分布式计算”三位一体的能力已经完全成型。我们很难想象，在消费互联网行业之外的任何一家公司，能够在这么重要的业务上达到这么高的效率！

严格地说，Google在云计算业务上的扩张效率也不低：2008年宣布，2010年开始提供存储服务，2012-13年开始提供计算服务，2016年以后即稳居全球公有云IaaS PaaS市场的前三名。相比之下，IBM从2013年才通过收购进军云服务，Oracle则直至2016年才开始提供公有云服务；缓慢的反应速度，使得这两家传统软件巨头永久失去了在云计算市场领先的机会。在中国的情况也差不多，阿里巴巴是最早拥抱云计算趋势的公司，其次是腾讯；在传统信息科技公司当中，只有华为及时做出了反应。

换一个角度思考，消费互联网公司之所以具备更高效率，除了行业本身的特性使然，或许还有企业发展阶段的原因——想当年，Microsoft、Oracle创立之初，都曾经以“快公司”而闻名！在任何企业的初创期，组织结构总是比较扁平，管理层总是有危机意识，部门内耗也还不太严重。随着组织规模扩大，官僚主义不可避免地产生，管理层和早期员工也逐渐开始自满、出现路径依赖。二十年后的互联网行业会不会像今天的传统软件行业那样低效率？或许用不了二十年？

AWS宣称，它能取得成功是因为能更好地服务客户，归根结底是因为它具备Jeff Bezos所谓的“第一天思维”：专注于客户，避免官僚主义，勇于孵化新能力，接受而不害怕失败，组织结构灵活，以有创造力的小团队为基础，优先考虑长期价值而非短期价值，等等。上述“第一天思维”是Amazon特有的吗？显然不是。任何创业公司在取得初步成功的阶段，大概都具备“第一天思维”；随着组织结构的膨胀，又不可避免地转向“第二天思维”。其实，很多Amazon内部员工也在抱怨官僚主义和组织运转不灵，今后类似的抱怨可能会越来越多。

在国内，很多投资人曾经拼命鼓吹字节跳动、拼多多、快手等“新一代公司”具备高超的执行力或组织效率，远远强于腾讯、阿里巴巴、百度等“上一代巨头”；经过2021年的残酷风浪，上述神话已经破灭了一半。即便神话是真的，一家仅有10年历史的公司的组织效率高于有25年历史的公司，也不是什么难以解释的事情，前者终归也会遇到后者的一切麻烦。

Jeff Bezos所标榜的“亚马逊第一天思维”

话说回来，我们也不能完全用“发展阶段不同”去解释企业之间的效率差别。在五大科技巨头当中，Apple和Microsoft成立于1970年代，Amazon和Alphabet成立于1990年代，Meta成立于2000年代；可是我们完全看不出Meta的组织效率高于Amazon或Apple。一言以蔽之，成立时间长短只是影响企业效率的诸多变量之一。消费互联网是近二十年来发展最快、变数最多的行业，这个行业的公司当然会获得一定的“效率加成”。至于下一个获得“效率加成”的行业会是哪一个，那就超出本文的讨论范围了。

有必要强调一点：效率或反应速度从来不是决定商业竞争成败的唯一原因。无论在消费级还是企业级市场，客户有时候喜欢产品快速迭代，并愿意接受新产品的瑕疵；有时候则喜欢“慢一些但稳一些”的产品，甚至为此付出溢价。不过，在大部分情况下，“快公司”要把速度降下来是比较容易的，“慢公司”要把速度提升上去则比较困难。或许这能在一定程度上解释，为何从To C业务向To B业务的扩张，要比反向的扩张稍微容易一些。

Alphabet vs. IBM: 硬科技的核心问题在于应用场景

IBM是中国人非常熟悉的一家信息科技公司。它不但主宰了计算机行业在PC出现之前的历史，而且亲手创造了PC产业。虽然在1980年代一度陷入危机，但是从1990年代开始，IBM在Louis Gerstner的领导之下成功回到了一线巨头的位置（尽管仍然远远落后于Microsoft这样的新一代公司）。IBM对人工智能(AI)的投资可以上溯到1990年代，很多人至今还记得“深蓝”超级电脑在国际象棋中击败人类的报道。2010年代，IBM又推出了Watson这个“基于自然语义的人工智能解决方案”，试图以此为支点彻底改造人类的商务和政务活动。

然而，2022年4月的IBM，市值仅有约1100亿美元，远远低于上文提到的“五大科技巨头”。IBM Watson早已沦为历史遗迹，现在人们印象最深刻的是Alphabet (Google)开发的Alpha Go在围棋中击败人类的一幕；Alphabet与Amazon、Microsoft一道，成为了新的人工智能三巨头（有人认为Meta是第四巨头）。无论人工智能在今后二十年能发展到什么阶段，IBM的受益程度将注定小于Alphabet这个后辈。

IBM和Alphabet在人工智能领域的此消彼长，原因固然很多，但最根本的原因是：前者没有找到最合适、性价比最高的应用场景，而后者找到了。因此，Alphabet是在沿着阻力最小的路径前景，基础研发和应用之间形成了良性循环；而IBM的惊世豪赌则以惨败告终。“后人哀之而不鉴之，则使后人复哀后人也！”

IBM: 一部追逐“硬科技”应用失败的总记录

在中国资本市场趋之若鹜的“硬科技”领域，IBM一直不缺乏成果。毫不夸张地说，越是前沿、越是不接地气的研究方向，IBM的存在感往往就越强；如果一项研究项目还停留在实验室里，那它很可能就是IBM精通的项目。当下最典型的例子是量子计算(Quantum Computing)，被学术界视为传统（电子）计算机的潜在颠覆者，但是离大规模实用还非常遥远。IBM Q System One不但是世界上第一部基于线路(Circuit)的量子计算机，而且是第一台投入商业运营的量子计算机。虽然实际商业价值非常有限，这个成就仍然得到了无数媒体的报道，并且必将在IBM印发的各种PPT当中反复被强调。

IBM Q System One, 世界上第一台量子线路计算机

熟悉历史的人不妨大胆预测：一旦量子计算开始大规模投入实用，IBM的领先地位即使不丧失，也会大打折扣。这家老牌科技公司有能力维持基础研发投入，却总是在寻找应用场景上落后于那些更新潮、更灵活的公司——以前是Microsoft, 现在是Alphabet。我们不需要寻找遥远的例子，只需要回顾IBM Watson这个高开低走的大型泡沫就足够了。

机器学习(Machine Learning, ML)是人工智能的一个重要分支，而且从1990年代开始逐渐发展为一个独立的研究领域。在这份研究报告中，我们没有必要讨论二者的微妙区别，只需要了解机器学习更重视大数据、强调通过海量数据的训练去自动提高算法精度即可。沿着这条道路发展下去，算法可以代替人类解决越来越多的智力问题，就像机器已经代替人类解决了大部分体力问题一样。有人将机器学习视为下一次工业革命的核心技术，并非没有道理。

IBM不可能缺席如此重要的前沿技术。早在2016年，它就启动了Watson项目，目标是在自然语义下实现复杂的人机问答。也就是说，用户可以以日常语言向计算机提问，无需将其转换为代码，即可获得专业的、可理解的回答。2011年1-2月，IBM Watson取得了一个万众瞩目的开局：在美国历史最悠久的电视智力竞赛节目“Jeopardy!”当中击败了两位人类冠军，并获得了100万美元的大奖。同年，IBM宣布Watson已经达到了医学院二年级学生的知识水平。

雄心勃勃的IBM决定利用Watson改造整个西方世界最复杂、资源浪费最大的行业——医疗，而且一上来就聚焦于难度最高的癌症诊疗。2013年，包括德克萨斯大学MD Anderson癌症中心在内的三家大型医疗机构与Watson签约合作；IBM市值的历史最高点，也恰好出现在这一年（比现在高25%）。2015年，Watson Health正式成为了IBM旗下的一个独立部门。与此同时，Watson在教育、交通、工程、政务、天气预报等领域也得到了一定的应用。人们有理由相信，IBM将成为机器学习产业化的最大受益者之一。

然而，IBM Watson此后的历史，给“技术泡沫”这个词做出了最佳注脚。从2018年开始，每年都有大批医疗机构与Watson解约；2019年，IEEE Spectrum发表了一篇文章，详细论述Watson为何不能完成自己的承诺；2021年，IBM终于决定出售Watson Health的大部分资产，由于买家兴趣平平，直到2022年才出售完成。综合看来，Watson的失败完全是可以理解的：