初创企业是经济增长的重要动力,不但可以刺激新的就业,还能够催化技术进步。在这之中,估值10亿美元以上的独角兽企业,它以卓越的创新能力、爆发式的增长、较短的成长周期来颠覆产业发展的传统模式,是新产业、新技术、新模式和新业态的开拓者。
埃森哲非常关注中国独角兽企业的进化和发展,并于近日发布了《中国独角兽企业研究》报告。
埃森哲运营亚太、非洲、中东和土耳其地区总裁李惠红表示,近年来一些中国独角兽企业不断成长,埃森哲希望给这些企业提供一些支持和帮助,以此为前提,埃森哲做了《中国独角兽企业研究》。这个报告是观察和调研了7大行业87家独角兽企业,看看他们如何成长,如何面对一些挑战,以及未来怎样能够更好地发展。
独角兽有哪些相似的成长轨迹?
调查显示,54%独角兽企业的营收规模多集中在0.5到10亿人民币之间,相当于A股上市公司中后进的40%区间。李惠红表示,从营收的规模来看,这些独角兽企业都有上市的潜力,埃森哲作为一家咨询、服务公司,应该去助力独角兽企业快速成长起来。
行业方面,物流交通和信息技术领域的独角兽企业估值较高,此外,教育、信息通信互联网、文娱健康、先进制造、企业服务也是比较突出的类别。
针对这些调研结果,埃森哲对独角兽的成长呈现的趋势进行了归纳总结:趋势一,To-B模式逐渐成为主流;趋势二,重回“技术为本”,硬核技术派逐年攀升;趋势三,告别野蛮生长,做大也要做强。李惠红补充道,烧钱这个模式肯定不能维系(公司业务发展)的,企业一定靠自身去成长,自己去挣钱,靠自己的产品和服务去变现,这个才是企业发展最根本的基础。
在进化中分化的独角兽企业
生物的进化遵循优胜劣汰,独角兽企业的进化也是如此。埃森哲把目光放在“进化先锋”的身上,进化先锋选择的是2019年营业收入位居前1/4的独角兽企业,看看这些独角兽企业的新范式有哪些值得企业去学习,值得同类的行业互相交流和探索。
数据显示,进化先锋中,30%来自物流交通,43%在信息通信互联网。9%的进化先锋专注于AI、AR、大数据等新兴技术,未来突破空间值得期待。
李惠红总结进化先锋的制胜之道,首先以长期增长为着眼点,才能成长得更好,如果只是短期的烧钱没办法变成进化先锋。同时围绕四个核心的基本能力——技术创新、运营效率、人才组织、治理与信任,加上聚焦长期增长这样一个基本的管理思维,成为了进化先锋的制胜之道。
独角兽企业如何成为巨兽?
成为更强大的巨兽——这是独角兽企业的终极目标,从调研中发现,提升运营效率、构建创新生态、完善人才发展体系、构建360度信任,这四件事是独角兽企业成为巨兽的基本条件。
李惠红从这四个方面入手,逐一进行解释,她提到,提升组织的运营效率并不是单纯做的更快、更好,这只是其中一部分,能够更好的运营内外部资源,拓展企业的能力,从运营效率来讲这是非常关键的;生态的概念,永远不要只靠自己,如何能够借鉴已经有的能力构建生态的思维是非常重要的;未来的成长就是靠人才来推动的,特别是独角兽企业,埃森哲建议大家要持续关注组织和人才的发展,因为它是企业增长和创新的原动力;还有360度的信任,承担社会责任,构建360度全链全域信任,最终实现技术向善,这些都是这些企业能够构建信任的一个基础。上述四点差不多能做到的话,独角兽就有成为巨兽的可能。
独角兽企业的当务之急还是要把自己的能力做好,李惠红说道,我们也会帮助独角兽企业在海外拓展业务,埃森哲本身在全球就有运营的机制,可以帮助企业招聘人才,运营方面也可以提供一些支持,还有市场洞察等。
独角兽企业的发展态势前景可期,埃森哲《中国独角兽企业研究》报告,不仅剖析了独角兽企业“成长的烦恼”,还指出了长期运营管理之道,为更多企业的未来发展提供借鉴,其价值也会随着越来越多独角兽企业的出现,不断被复制、被推广,与时俱进,持续更新。
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。