GE、IBM,还会有多少大佬倒在数字化转型的路上

0
508

 

 

这是一个最好的时代,也是一个最坏的时代。

 

通信技术、互联网和云计算等IT基础设施的飞速发展,已经为我们打开了通往数字化世界的大门。

 

地球上最优秀的人、最雄厚的财、最先进的物,都聚焦在数据化领域,希望抓住这千载难逢的机遇。

 

在这条通向数字化的大路上奔跑的,既有年轻力壮的新锐,也有年高德勋的明星。

 

然而,并不是所有的参赛者都能看到终点,在路上跌倒的不只是毛头小伙子,也有久经沙场的悍将。

 

GE的Predix

 

 

最近,美国经济发展势头非常好。

 

据说,早上五点,金门大桥就车辆如织,各种经济指标扶摇直上。

 

然而,正是在这样的大背景下,却传来GE准备出售工业数字资产的消息。出售名单里,甚至包括最著名的工业互联网平台——Predix。

 

近几年,物联网是非常热门的话题,大家都看好其发展空间,但受困于碎片化的特点,它也成为一个商业化的”巨坑”。

 

很多物联网的应用场景看起来很美,但一落到商业层面,就变得尴尬起来——不仅成本高、收益低,而且稳定性差、变化率高,即便是把单一应用做出来,也缺乏推广价值。

 

所以,在进行物联网的商业设计时,大多数玩家认为”平台”是兵家必争之地。

 

设计者们认为,虽然单一应用的商业价值不高,但是如果能将共性能力提炼抽象成为平台,依托平台的规模优势和横向扩展能力,最后还是能赚钱的。

 

所以,无论是面向运营商连接的CMP(连接管理平台),还是面向终端的DMP(终端管理平台),以及各类面向应用的AEP(应用使能平台),都成为行业大玩家关注的重点。

 

除了推行平台经济,从业者们还找到了一个物联网商业成功的模式,就是从工业企业那里寻求高收益。

 

比如航空、电力、石油等产业,基础设施成本超高,如果通过物联网技术,帮助下游企业节约大量资金,供应方也能够获取相对丰厚的回报。

 

2012年,GE提出了”工业互联网”概念,以Predix为核心豪赌物联网,正是这样的一个战略思路。

 

对于那些物联网圈子里摸爬滚打的人们来说,称Predix为行业垂直的霸主并不过分,既是平台,又面向工业企业客户,再加上GE雄厚的实力以及在传统产业的领导者地位,看起来这是最接近成功的物联网解决方案了。

 

为什么业界明星会被打入冷宫,甚至上了出售名单?

 

表面看起来这是GE的明星CEO伊梅尔特去职之后的连锁反应,但本质上,还是其糟糕的经营业绩。

 

上百亿美金的投入,集全集团之力推进,最终每年的收入只有数十亿美金(甚至有消息称实际收入连十亿都不到)。

 

那为什么Predix的业绩惨淡?

 

有人说,GE的概念过于超前,不仅配套技术和产品不成熟,与行业客户的理念和物联网价值认可度等方面,也存在较大差距,所以好东西卖不出好价钱。

 

也有人说,过度的宣传造势,导致了过高的期望值,尤其是GE对短期业绩产生了不合理的判断,最终资本市场对结果的不认可,迫使GE公司不得不放弃。

 

更多的人则认为:Predix的定位是PaaS,是将云基础设施(IaaS)和应用(SaaS)连接在一起的平台,而Predix是从内部运维起步的软件平台,采取高举高打的模式,专业化程度太高,开发者和使用者都觉得不好用,孤芳自赏曲高和寡才是Predix发展不起来的根因。

 

翻看GE曾经的规划,里面有这样一个响亮的目标:到2020年成为全球的”十大软件公司”。随着GE digital的出售,这个梦想已经破灭。

 

更可悲的是:在GE Digital要出售的消息被公开后,两年时间里已经下跌一半的GE股票应声上涨4%。

 

看来,资本市场早就在等这个决定了。

 

IBM的Watson

 

 

2011年的时候,IBM的认知计算系统Watson横空出世,在问答节目中首次击败了人类。

 

当时,Watson一度成为IBM,乃至全球AI(Artificial Intelligence,人工智能)项目的代表。

 

但在事实上,AI的研发还是不同的”路径斗争”。

 

比如,一条很早便提出的路径,是希望通过海量的数据和案例训练,把AI做成一个无所不知无所不能的专家系统。

 

在这方面,IBM无疑是成功的,问答节目的冠军头衔已经证明,Watson具备超越常人的能力了。

 

然而,近年来,AI的技术方向已经有了新的选择。数学、神经生理学、心理学和仿生学甚至语言学、医学、哲学等一大批非计算机科学研究的突破,极大地推进了AI的发展。

 

一些公司开始转变思路,它们给AI的定义,不再是高高在上的专家系统,而是着眼于替代人类,去做那些肩挑手扛的”脏活儿”。

 

他们将AI定位为人类的”辅助者”,并基于这样的理念和目标,进行AI的发展探索。

 

哪种路径更正确,现在我们还无法定论。

 

不过,我们至少可以知道,Watson出了问题。

 

在2014年,斥资10亿美元,为Watson团队成立新的业务部门,大举发展”认知计算”之时,这个蓝色巨人曾坚持认为,可以通过NLP、情绪识别、机器学习等方式,从复杂的非结构化数据中找到事物背后的规律与真相,逐一发现各种商业、技术行为背后的规则,成为这些领域的专家。

 

根据IBM以往的经验,将概念推广的最好办法,就是先做个成功将概念落地的案例,然后再通过对这个项目的宣传,将成功复制到其他地方。

 

所以,这个案例不能太容易,否则复制的时候,对别的行业/企业缺乏说服力。而一旦有了合适的机会,为了确保项目成功,IBM可以付出极其昂贵的代价。

 

在这样的思维定式下,Watson选择了健康医疗产业作为突破口,而且,抛开了辅助医疗(如影像解读、病历管理等),直接宣布杀入肿瘤研究领域,将”惠及十亿人,能够解决、诊断和治疗80%的癌症种类中的80%的病患”定为目标。

 

然而,三年时间过去,Watson还是没能完全学会肿瘤的诊疗技术,更无法发现癌症深层次的成因,越来越多的医疗机构也宣布退出与IBM的合作。

 

2017年2月,著名癌症研究机构MD安德森肿瘤中心中止了与IBM Watson的合作,而当初安德森肿瘤中心与IBM的合作正是Watson起步的标志性事件。

 

没有数据和病历的喂养,再牛的计算机和算法工程师也难以继续工作下去。而业务拓展不达预期的代价,更是可想而知。

 

几个月前,据 The Register报道,IBM内部消息人士透露,Watson健康部门要解雇大约50%至70% 的员工。

 

结语

 

 

客观来说,从GE和IBM的视角看, Predix和Watson的战略设计都是很到位的。

 

大公司的运作成本高,因此只能找机会做高收益的生意;而基于公司在宣传、营销、运作等方面的优势,研发部门定位于开展平台化运作,也非常符合两家公司的基因。

 

然而,当它们复制以往的成功经验时,却都败走了麦城。

 

究其原因,是互联网时代的游戏规则变了。

 

阳春白雪的模式做基础研究可以,但如果考虑到商业应用场景,大企业的优势已经被大大削弱。

 

相反,由于互联网驱动社会在扁平、开放的道路上狂奔,传统的大企业在成本和速度方面的劣势尽显无疑。

 

适合自己的战略,未必是正确的战略,因为发展目标和游戏规则,已经不再由大的玩家说了算。

 

路径偏差付出的代价,太大了。

 

当然,百足之虫,死而不僵,更何况这些巨无霸企业。无论是GE还是IBM,都没有放弃数字化阵地,跌倒了没关系,只要还有机会,它们还会爬起来继续跑。