腾讯的敌人只有傲慢的自己

5种嵌入工作流的ChatGPT实战用法:不学代码、不装插件 ChatGPT本质上是一个高精度语言模式匹配与重组引擎,而非具备领域常识的智能体。其真正价值在于承担人类低效、重复、易出错且结果可验证的语言处理任务,如会议纪要生成、长文档速读、多源信息对比、专业文档润色和定制化内容生成。这些用法聚焦知识工作的‘输入-处理-输出’全链路瓶颈,强调明确人机协作边界——AI负责处理语言熵值,人类专注判断、权衡与决策。实践表明,经结构化提示词调教后的ChatGPT,可在零插件、零代码前提下,将单次任务耗时压缩60%以上,关键在于‘30秒启动’设计与‘人工校验闭环’机制。本文所提炼 阅读详情

点击上方“开发者技术前线”,选择“星标”

13:21 在看 真爱

640?wx_fmt=jpeg

公众号:半佛仙人(ID:banfoSB)

1

最近的一次竞标中,腾讯失败了,那是一个央企的项目。

腾讯派出了大量的技术团队和产品团队,长时间调研了用户需求,出具了一整套完整的技术方案,甚至给出了极具竞争力的价格。但还是失败了。

因为没有真正理解用户的需求,那些华而不实的技术方案在客户看起来是可笑的。

这次竞标失败,以及努力迎合用户,像极了腾讯一年来的变化。

从2018年到现在,腾讯或许是整个中文互联网界被媒体们花式教做人最多的公司。

从《腾讯没有梦想》到《逃离温室腾讯》再到《谁在杀死腾讯》,各路媒体从自己的角度对于腾讯进行了各种各样的审视。

且大多数的基调都偏向悲观。

媒体们一致的观点是,腾讯似乎彻底进入了舒适区,已经失去了创新的动力,3Q大战之后刀枪入库,逐渐在投行化的道路上越走越远,市值很高,公司人情味足,但部门之间沟通成本高,效率低下,同一件事多个部门都在做,总结一下就是失去斗志的大公司富贵病。

是温水煮青蛙的状态。

某种程度上,这些是对的。

在产业互联网概念盛行的当下,腾讯在这个公认的未来方向中不仅没有颠覆性的产品,连所谓占主要份额的产品都没有。

上一个这样的公司,是错过了整个移动互联网时代的百度,他们的后来,大家都看得到。

于是一时之间,连很多年前的企业基因论都被拿了出来,试图证明腾讯这家企业没有toB的基因,只能做做toC的玩具。

腾讯自己也意识到了危机,于是2018年9月30日,发起了公司历史上的第三次组织架构变革,由原来的7大事业群变更为6大事业群,其中新增了平台与内容事业群(PCG)以及云与智慧产业事业群(CSIG),专攻平台,云和产业互联网,也就是toB的生意。

腾讯在组织架构的同时,也计划在1年内淘汰10%的管理者,管理和VP们参与合伙人制度,共同背负KPI,这在过去是从来没有的情况。

腾讯似乎被烫了一下,快速意识到了自己的好日子到头了。

要重新开始战斗了。

2

腾讯想要转toB,但toB没有那么容易。

ToB的生意,和toC的生意,是完全不同的概念。

如果说跨行业经营(同为toB的不同领域,例如制糖到制面),相当于重新创业。

那么跨模式经营(toB到toC),差不多相当于重新投胎。

ToC的生意,本质上是一个一对多的生意,且决定权在于平台方。

互联网公司面对一个个的个体用户,提供一个平台,用户在这个平台里面进行固定的操作,同时受制于互联网公司定立规则。

是规则在约束着你。

即使是所谓平台型互联网产品,各家接入的时候,平台规则也是由互联网公司在制定,C端用户(个体用户也好,商家也好,只要需要遵守规则的都是C)并没有真正意义上的话语权,更多是在贴着互联网公司的规则在走。

互联网平台掌握绝对话语权,用户要跟着平台规则走,这是toC业务的典型特征。

toC业务里,互联网公司和用户之间的地位是不对等的。

而toB业务,则刚好相反,互联网和客户之间的关系反转,互联网平台要跟着用户的规则走。

在toB中,互联网并不是主角,甚至都不是配角,而是工具。

很多公司习惯的互联网主人翁意识,在toB行业里面其实是毒药。

ToC业务是用户花式适应互联网平台的规则,toB业务是互联网花式适应用户的规则。

谁的花样多,谁赢。

传统行业的水有多深,想也能想到。

淹死大部分互联网公司,还是不难的。

腾讯没被淹死,但确实淹的够呛。

3

为什么过去互联网toC这么成功呢?

因为他们面对的用户不知道自己想要什么。

游戏也好,短视频也好,信息流也好,都是公司给用户选择,而非用户发自内心的选择。

用户其实只能选择自己不要什么,不能选择自己要什么。

而toB业务则不同,每一个B端用户都是一个成熟行业中的中流砥柱,知道自己要什么,也知道自己该怎么办。

每个B端用户,即使没有互联网,也有自己的一套生存法则,每一个传统产业都经历过几十甚至数百年的演进,能被留下的基本都已经达到了ROI最大化。 

B端用户不需要你告诉他应该怎么做,他们自己很清楚。

一家数据公司,想要赋能一家传统制造业生产,但是在合作的过程中,发现连有效的数据都没法全部收集完成,因为供应链和经销体系中有太多无法被量化的数据。

这叫隔行如隔山。

互联网行业飞速发展的一大原因是复制成本无限趋近于0,并且绝大多数模式都是轻快的数据,可以快速迭代和回滚,一个程序做的不好,下一版用新功能覆盖就好;

而传统行业不一样,每一步都有成本,投入产出周期较高,一旦迭代,先期的成本就全都废掉。

这叫速度降维。

4

腾讯的在全力转做toB的时候,可以说是受尽了隔行如隔山与速度降维的苦。

过去他们是耀眼的BAT之一,是最顶级的互联网企业,去哪里都是大甲方,要么是投资的,要么是去分享经验的。

现在在做toB生意的时候,这些卵用没有,因为用户不在意这些,B端用户非常Real,看问题只抓本质。

你们互联网不要搞什么花里胡哨,就简简单单告诉我,能不能做,能做的话多少钱。

有些互联网公司的思维真厉害,上市之后股价都打了4折了,这个让利促销做的真好。

用户不想听你解释,有的只有产业们最个性化的需求,即使很多需求在互联网企业看来不够合理。

例如技术改造,产业的客户只考虑提自己的实际需求,不会去考虑背后的实现难度一个简单的案例是,客户想要知道一个潜在用户曾经有没有在别人那里接触到竞品的产品同时想知道用户口袋里有多少钱。

理论上这是一个现在无法实现的需求。

但这不重要,重要的是客户需要,做toB的就要掌握所有姿势。

还有人开超市,很多公司去赋能做智慧商业,对方反过来就是一句,能让我的进货成本便宜多少,如果不能的话,我为什么要理你这些花里胡哨的流程。

你满足不了客户时,你说什么都是错的。

腾讯一开始很难理解这件事情,产品经理在面对销售带回来的需求时,第一反应不是去执行,而是评估客户的需求合理不合理,能不能让客户更改流程。

傻到可爱。

在toB,客户永远是对的,即使客户不对,如果竞品能满足,那么客户依然是对的,没有任何理由。

ToC思维一时之间没有转过来的腾讯,在服务B端的过程中甚至出现过客户要求10天拿到服务器,后台评估走流程要一个月的事情,甚至还有人质疑,为什么客户会要求这么快拿到?

B端客户不会给你耐心和机会的,他们只要结果,能实现就成交,实现不了他们有自己的活法,不是离了你就不行了,服务B端没有捷径。

腾讯在toB的过程中屡屡碰壁,有的是因为内部沟通效率,有的是因为当前流程不适合,有的因为意识不到位。

什么困难都有,但没有放弃,因为越难啃的骨头,做下来带来的价值和门槛就越高。

图一时安逸的后果就是彻底掉队。

这个世界其实很简单,要么变,要么死。

要么生不如死。

5

做toB需要彻彻底底的满足用户的需求,并且帮助用户高效的完成,重点是客户。

那么第一点就是态度,很多互联网公司toC转做toB本身是不存在能力问题的,互联网公司的战斗力从来都不弱,很多时候就是态度问题。

腾讯面对toB的态度,用智慧零售总裁林璟骅的话来说,就是。

我们现在出去要把膝盖收到口袋里,为什么呢?随时方便掏出来。

过去1年,腾讯为了在产业互联网拿到一席之地,尽全力去满足B端用户的需求,哪怕很多需求是在赔钱的。

有一家芯片制造企业,希望通过AI解决芯片本身的自动识别问题,用于质检。

过去这部分是由人来完成的,一群年轻人在暗房里每人一天要看上万张片子,整个屋子只有屏幕是亮的。

难度不在于算法,在于样本。

算法是需要样本训练的,没有足够的样本,就没有有效的算法。

但是客户没有样本,腾讯作为外行更没有样本,怎么办?客户的需要就是机器来做这些枯燥的工作,并且识别率要达到至少99.9%,工业生有良品率的生死线。

如果是过去的腾讯,会拒绝这样的项目,因为不是自己擅长的领域,而且衡量投入产出比,不如多卖几个皮肤。

但现在必须上。

没有现成的样本,那就研发人员进产线,自己来收集,面对面和识别照片的工人们学习如何人工识别。

最终效果不差,客户满意,希望长期合作。

这个芯片工厂只是腾讯toB的一个小小案例,类似的案例,过去一年有近千个,有的成功,有的失败,但一样的是用尽全力。

腾讯在努力让自己更加贴合产业,更加能够满足产业的实际需求。

这是他们的价值。

6

在我看来,腾讯根本的问题根本不在于所谓toB的布局,对腾讯这种技术储备和体量的公司而言,转toB难,但本身不是很大的问题。

组织架构问题,态度问题以及内部的互相牵扯才是真正严重的问题。

换而言之,那些公司的中层基层管理者们,还能不能打仗,还有没有斗志,才是需要腾讯拿出内部改革的手段来面对的。

人出了问题,就真的完了。

腾讯需要一个目标来证明,来证明这群曾经帮助腾讯站稳BAT的人们,现在还有一战之力。

ToB就是这样一个目标。

腾讯历史上出现过3次变革,第一次是2005年BU化,每个业务都有自己独立的CEO。

第二次是2012年BG化,每个事业群都是独立的,防止内耗,带来的后果就是内部竞争极为严重,甚至看腾讯一块业务最不爽的不是阿里,而是其他事业群类似的业务。

但第三次,腾讯开始把相似的业务并到一起,所有人背一样的KPI,确保心在一起。

当解决内部协调问题(组织变革)后,腾讯独有的优势就会发挥出来。

阿里和头条都证明了统一的技术中台才是未来。

集合作战的时代来了。

7

如果说上一次进化后的腾讯是把一半的命交给生态合作伙伴。

那么这一次进化后的腾讯则是把自己所有的力量收归到一起,要打这一仗。

很多人现在喜欢讲公司基因,什么A公司只能做A,B公司只能做B,实际上纵观世界企业史,企业基因之说并不能完全站住脚。

诺基亚当年是造纸的,3M是矿业,巨人网络当年是保健品,三星100年前还在卖蔬菜和鱼,当年的他们,和现在的他们,完全不同。

三星靠着韩国集全国之力做工业的时候切入,舍弃了早期的产业;

3M一开始采矿,后来发现卖砂纸更赚钱,再后来发现反光条更好,然后干脆着力于开发各种有意思的小东西。

如果基因论是百分百正确的,那么现在很多公司都不该存在,因为他们成立的时候不是做这个行业的。

我不太认可基因论,我比较认可惯性理论。

就是企业会本能性顺着他们的过去的成功经验来寻找与成功经验相匹配的人才,但是这些人才反过来又帮助企业沿着惯性在走,最终导致企业无法转向,一条道走到黑。

这不是企业基因,而是企业惯性。

解决惯性问题需要大刀阔斧,矫枉必须过正。

一刀生,一刀死。

腾讯在产业起步相比阿里华为确实晚了几年,这是事实。

一个1岁的小孩和3岁的小孩,可以说他们差了4倍年龄。

一个50岁的人,和一个53岁的人,已经可以算是同龄人了。

对于这个体量的互联网公司而言,产业互联网这条路才刚刚开始,一切都还没有定局。

如果说最大的阻碍是什么,不是基因,而是傲慢。

落后从来不是生存的阻碍,傲慢才是。

腾讯正越来越正视自己 ,开始改变。他们来了。

END

开发者技术前线 ,汇集技术前线快讯和关注行业趋势,大厂干货,是开发者经历和成长的优秀指南。

历史阅读

640?
640?wx_fmt=gif
640?wx_fmt=png
觉得不错,点个好看吧
640?wx_fmt=gif
【管理科学】第六十三篇 企业管理者招聘与人才博弈战略02 编号类型领域问题问题的数学分析(含逐步推理与数值范围)方法/手段/步骤/流程/话术/策略/行为/时序的所有内容和步骤(含数学表达式与数值分析)时序数学表达式及周期行动的数学表达式(含数值范围)关联知识和法律法规651组织博弈成本控制如何在保证质量的前提下有效控制成本?逐步推理: 1. 成本控制模型:成本每降低10%,利润可提升15%~25%。但过度降本可能影响质量和员工士气。 2. 控制效果:有效的成本控制可使利润率提升5%~10%。 3. 法律风险:需遵守劳动法和产品质量法。步骤与数学表 阅读详情

相关推荐

数量1倍数特性.pdf

数量1倍数特性.pdf

官僚、傲慢、冷漠的腾讯开放平台

  我们开发了一个APP:思事日程笔记,用于统一规划思想、知识、事情。2017年发布到了腾讯开放平台,一直正常显示。(目前在腾讯开放平台名称:思事自我管理) 去年12月19日接到通知,因缺少版权证明,应用被限制显示(以前已上传,才能正常发布显示,不知为何突然说我们没有),再上传后提交工单,又回复应用名称和包内名称不同,还是限制外显。 这个应用以前为优化排名,已改过两次名称(记忆里改时说一...

mayuoy的专栏 8508

【高速互连技术】合规性测试规范:物理层信号完整性与链路均衡验证系统设计

内容概要:本文档介绍了分析工具进行实践对照,并关注后续规范版本更新以确保符合最终发布标准。

toB和toC的区别

2019独角兽企业重金招聘Python工程师标准>>> ...

weixin_34232363的博客 7762

万人睡眠健康与生活方式调查数据集

成年人群睡眠健康与生活方式研究数据集,合成模拟10000行20列单CSV文件,睡眠障碍标记人群占比约四分之一。设置双预测目标:睡眠障碍二分类字段与日间疲劳得分回归字段,可分别开展分类与回归建模。特征字段涵盖年龄、性别、十一种职业类别、每周工作时长、轮班工作标记、自我压力评分、身体质量指数BMI、吸烟状态、每周饮酒量、每日咖啡因摄入毫克数、睡前一小时屏幕使用时间、每周运动分钟数、日均步行数、静息心率、习惯就寝时间点、平均睡眠时长、睡眠质量自评等二十项。数据完整无缺失,结果列与特征列分离清晰,便于目标泄漏防范练习。适用场景:睡眠障碍预测建模、日间疲劳程度回归分析、咖啡因与睡前屏幕对睡眠时长的影响量化、不同职业群体睡眠质量对比研究、逻辑回归与梯度提升模型对比实战等。合成数据不含真实个人信息,适合健康数据分析教学、特征工程练习与机器学习课程实训项目使用。

FANUC-R2000iC165F-六轴机械臂码垛仿真

FANUC_R2000iC165F_六轴机械臂码垛仿真

PDM,读《腾讯传》

吴晓波作为顶尖的财经作家,文笔不消说,气势满满。但可明显看出,前三分之二章节用心做了调研、访谈,剩余部分,则如流水账般平白叙述,有公关文之嫌。但总体来说,以企业作传(腾讯还只是个青年,也未到顶峰,为何以传记命名?),此书写出了一家腾讯自创建到16年的辗转历程,对于认识这家企业、产品经理的文化,益处良多。 吴晓波的文笔,果如评论,写出了时代下的企业,像是史书,活现大背景中的人。争取今年打卡其大败局...

kyle1111 309

frontend-design skills

frontend-design skills

Snapchat创始人与扎克伯格的战争内幕 孙子兵法的精髓

十三个月前,世界上最有钱的80后,Facebook创始人扎克伯格向Snapchat创始人Spiegel发出了一份电子邮件,邀请Spiegel来门洛帕克谈谈。然而,现年23岁的Spiegel略显傲慢,他是这么回复的:“如果你来找我,我会很高兴见你......” 图片来源:腾讯科技 与扎克伯格的战争 为了这次会谈,扎克伯格做足了准备,在和设计师Frank Gehry商量好

呆萌院长 2037

政府科技管理者在推动区域科技成果转化过程中,如何解决成果供需匹配效率低的问题?.docx

政府科技管理者在推动区域科技成果转化过程中,如何解决成果供需匹配效率低的问题?

用于计算系统状态的卡尔曼最优增益和最小均方误差(MMSE)估计研究(Matlab代码实现)

内容概要:本文围绕用于计算系统状态的卡尔曼最优增益和最小均方误差(MMSE)估计展开研究,深入探讨了卡尔曼滤波在动态系统状态估计中的核心作用。文章系统阐述了卡尔曼滤波的数学基础,包括状态空间模型的建立、先验与后验状态估计、协方差矩阵的递推更新,以及最优增益矩阵的推导过程,确保在高斯白噪声环境下实现对系统状态的最小均方误差估计。结合Matlab代码实现,完整展示了算法从理论建模到仿真实验的全流程,涵盖系统建模、噪声设置、滤波迭代、状态更新与误差分析等环节,并通过仿真实验验证了算法在噪声干扰下对系统真实状态的高精度跟踪能力。该研究为控制工程、导航系统、信号处理及自动化领域中的状态估计问题提供了坚实的理论依据与高效的数值实现方案。; 适合人群:具备一定控制理论、概率统计基础和Matlab编程能力,从事自动化、电子信息、航空航天、机器人、导航定位等相关领域的科研人员、工程技术人员及高校研究生。; 使用场景及目标:①掌握卡尔曼滤波的基本原理及其在状态估计中的数学推导过程;②学习如何利用Matlab实现卡尔曼滤波算法并进行系统仿真与性能评估;③应用于目标跟踪、传感器融合、惯性导航、故障诊断、时间序列预测等实际工程中的动态状态估计问题。; 阅读建议:建议读者结合文中提供的Matlab代码进行动手实践,通过调整系统模型参数、过程噪声与观测噪声强度,观察滤波效果的变化,深入理解卡尔曼增益的自适应调节机制与MMSE估计的收敛特性。同时可进一步拓展学习扩展卡尔曼滤波(EKF)、无迹卡尔曼滤波(UKF)等非线性滤波方法,以应对更复杂的非线性系统状态估计挑战。

就在支付宝、美团把商家搞疯的时候 百度钱包干了件对的事!

支付宝与美团最近撕得热闹,由亲密盟友转脸变成敌人。有消息称,美团近日要求商户全面停用支付宝,否则提高商户的提成比例;而阿里巴巴则退出对“新美大”的投资,全力扶持“口碑”。支付宝与“美大”斗法,却都要挟商家做一道“二选一”的选择题,但选哪一方对商户都是伤。选择美团,就等于少了一个强大的支付入口,用户流量损失不少;选择支付宝,阿里“口碑”暂时没口碑,前期孵化用户市场免不了成本剧...

weixin_34253539的博客 247

高校技术转移办公室人员如何提升成果转化服务效率?.docx

科易网基于行业知识库+行业大数据+科技资源要素+AI模型,以AI,赋能技术转移、成果转化、技术经理人培训、知识产权管理、区域产业分析与布局、地方科技招商、创新创业大赛等场景,推出科技创新领域的AI工具、场景化服务和数智化解决方案,推动科技创新与产业创新智能化发展。

考虑风光火储+需求响应+P2G多能源系统NSGA-II多目标优化调度(Matlab代码实现)

考虑风光火储+需求响应+P2G多能源系统NSGA-II多目标优化调度(Matlab代码实现)内容概要:本文介绍了基于NSGA-II多目标优化算法对包含风能、光伏、火电、储能系统、需求响应及电转气(P2G)等多种能源形式的综合能源系统进行优化调度的研究,采用Matlab进行代码实现。研究综合考虑了系统运行成本、碳排放、能源利用率等多个优化目标,通过建立精确的数学模型,结合可再生能源出力不确定性、负荷波动以及需求响应机制,实现多能源协同调度的帕累托最优解集求解,旨在提升能源系统的经济性与环保性,并验证所提方法的有效性和实用性。; 适合人群:具备一定电力系统、优化算法及Matlab编程基础的研究生、科研人员以及从事能源系统规划与运行相关工作的工程技术人员。; 使用场景及目标:①应用于多能源互补的综合能源系统优化调度研究;②为实现低碳、高效、可靠的能源供应提供决策支持;③学习和掌握NSGA-II算法在复杂多目标优化问题中的实际应用方法。; 阅读建议:建议读者结合Matlab代码与文中模型描述逐步理解算法实现流程,重点关注目标函数构建、约束处理及Pareto解集的生成与分析,有条件者可进一步修改参数或扩展模型以深化理解。

国央企创新负责人如何利用平台实现技术需求的精准挖掘与匹配?.docx

科易网基于行业知识库+行业大数据+科技资源要素+AI模型,以AI,赋能技术转移、成果转化、技术经理人培训、知识产权管理、区域产业分析与布局、地方科技招商、创新创业大赛等场景,推出科技创新领域的AI工具、场景化服务和数智化解决方案,推动科技创新与产业创新智能化发展。

自适应多机器人编队规划,以包围和跟踪具有运动和可见性约束的目标(Matlab代码实现)

内容概要:本文提出了一种自适应多机器人编队规划方法,旨在实现对具有运动能力和可见性约束目标的高效包围与持续跟踪,采用Matlab进行算法实现与仿真验证。该方法综合考虑了多机器人系统在动态环境中的协同控制、编队形态生成与保持、障碍物规避以及目标可见性维护等关键问题,通过设计分布式控制律使编队能够根据目标行为和环境变化自适应调整队形与运动轨迹,确保稳定包围并最大化目标观测质量。文中详细阐述了系统的数学建模过程、控制策略设计原理及约束处理机制,并提供了多场景下的仿真实验结果,验证了所提方法在复杂条件下的鲁棒性、灵活性与有效性。; 适合人群:具备自动化、机器人学、控制理论或人工智能等相关领域基础知识的科研人员及研究生,熟悉Matlab编程环境并致力于多智能体系统、协同控制、路径规划或智能无人系统研究的专业人士。; 使用场景及目标:①应用于多机器人系统在监视、围捕、搜救等任务中对移动目标的协同包围与跟踪控制;②为研究分布式编队控制、可见性优化、动态避障与多智能体协同决策等核心技术提供可复现的算法实例与理论支撑; 阅读建议:建议读者结合提供的Matlab代码逐模块分析算法实现细节,重点关注控制律设计、约束建模与仿真结果对比部分,宜在仿真环境中调整参数配置以深入理解系统性能边界与优化潜力。

上一篇: Vue 3.0 终于来了! 官方凌晨开源代码
下一篇: 支付系统高可用架构设计实战
DevolperFront
博客等级 码龄8年 465粉丝 81原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值