移动互联网,是破坏性创新吗?

本文探讨了移动互联网作为破坏性技术还是延续性技术的争议,通过克莱登·克里斯坦森的破坏性创新理论分析了移动互联网如何影响商业世界。文章深入解析了移动互联网对不同行业的影响,包括智能手机作为计算机、与云端获取数据的设备以及人与人之间关联工具的角色转变。特别提到了腾讯在移动互联网市场的破坏性布局策略。
移动互联网,是延续性技术(Sustaining)还是破坏性技术(Disruptive)?对于面对当前移动互联网带来的变局的人来说,是个重要的问题,对它的判断影响一系列后续抉择.移动互联网给人的第一感觉是破坏性的、给新进入者无数机会,但仔细看似乎现有的大公司又有着优势、很像是延续性的.

  破坏性与延续性,出现在互联网冲击商业世界时被广泛认知的一项战略理论中进行的区分,它由哈佛商学院教授克莱登·克里斯坦森提出,他的一整套理论常被简单地称为"破坏性创新".他是通过对硬盘业和钢铁业发展的历史总结出破坏性创新理论的,而非直接分析互联网,但他的理论完美地(到现在为止还是)解释了一代代互联网技术/商业模式冲击的过程.

  而其中最重要的解释是,我们通过对一项技术是破坏性还是延续性的判断,可分析得出,是"市场现存者"能在竞争中获胜,还是"市场进入者"会进来击败它们?更直白地说,是现有大企业获胜,还是 创业企业获胜?这里的技术并非指狭义的技术,而是指"一个组织将劳动力、资本、原材料和技术转化为价值更高的产品和服务的过程".克里斯坦森的破坏性创新理论的基本结论是:

  "在延续性(Sustaining)环境下:如果竞争要求企业提供更好的产品,并且出售给有吸引力的顾客以获得更多利润,我们发现,市场现存者几乎总能在竞争中获胜."

  "在破坏性(Disruptive)环境下:如果面临的挑战是使更简单、更便捷的产品商品化,虽然销售这些产品获得的利润较少,但可以吸引新的或没有吸引力的客户群,市场进入者更有可能击败市场现存者."

  破坏性技术产品的常见特征是,"性能要低于主流市场的成熟产品,但它们拥有一些边缘消费者(通常也是新消费者)所看重的其他特性.通常价格更低、性能更简单、体积更小,而且通常更方便消费者使用."这段特征描述里面就某种程度上阐述了为什么新进入企业会获胜,因为它们说服务的现有大企业觉得无利可图的是低端市场或新市场,大企业自动让出这些市场.但是,由于破坏性创新有着更快的改进速率,它们最终侵入大企业的地盘,抢占份额或者取而代之.

  相反,如果是延续性环境,新进入者是以更高的性能挑战现有大企业,性能上新进入者有可能比它更强,但大企业也能很快掌握,同时大企业会以所有的资源来保护自己的市场(和破坏性创新中它们会主动让出无利可图的市场形成鲜明对比),这就是为什么延续性环境的竞争中大企业常常获胜的原因.

  回到开头问的问题,移动互联网是破坏性还是延续性?这个问题需要细分来讨论,不应有统一的结论.如果把智能手机视为随身携带的计算机,对电脑而言它是破坏性的,智能手机的计算能力低了、用途没那么多样了,但它更方便、便捷.如果把智能手机视为与云端获取数据的设备,那么移动互联网更像是延续性的,因为涉及到云端部分时大企业资源和技术实力更强,它们也不会放弃这个市场.如果智能手机视为人与人之间关联的工具,它既可能是延续性的,也可能是破坏性的,如果人际关系是已经构建在已存在的互联网社区里,那么它是延续性的,如果是以手机为中心构建全新人际关系,那么它是破坏性的.

  让中国移动互联网变得复杂的是腾讯的一系列布局.在互联网,所有人不能逃避的问题是,如果腾讯也做怎么办?现在看,在移动互联网上,腾讯更可能主动采取破坏性布局:即便无利可图的市场也以创业的姿态占住,自己创造性地破坏自己.对其他人来说,它这个动作把移动互联网市场中潜在价值较大的区域都变成延续性的了.<!--内容关联投票-->
基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究(Matlab代码实现)内容概要:本文围绕“基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究”展开,提出了一种结合数据驱动方法与Koopman算子理论的递归神经网络(RNN)模型线性化方法,旨在提升纳米定位系统的预测控制精度与动态响应能力。研究通过构建数据驱动的线性化模型,克服了传统非线性系统建模复杂、计算开销大的问题,并在Matlab平台上实现了完整的算法仿真与验证,展示了该方法在高精度定位控制中的有效性与实用性。; 适合人群:具备一定自动化、控制理论或机器学习背景的科研人员与工程技术人员,尤其是从事精密定位、智能控制、非线性系统建模与预测控制相关领域的研究生与研究人员。; 使用场景及目标:①应用于纳米级精密定位系统(如原子力显微镜、半导体制造设备)中的高性能预测控制;②为复杂非线性系统的数据驱动建模与线性化提供新思路;③结合深度学习与经典控制理论,推动智能控制算法的实际落地。; 阅读建议:建议读者结合Matlab代码实现部分,深入理解Koopman算子与RNN结合的建模范式,重点关注数据预处理、模型训练与控制系统集成等关键环节,并可通过替换实际系统数据进行迁移验证,以掌握该方法的核心思想与工程应用技巧。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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