你信奉规模效应,还是网络效应?

class="video_iframe" data-vidtype="2" allowfullscreen="" frameborder="0" data-ratio="1.7647058823529411" data-w="480" data-src="http://v.qq.com/iframe/player.html?vid=s05523wovy6&width=670&height=376.875&auto=0" style="display: block; width: 670px !important; height: 376.875px !important;" width="670" height="376.875" data-vh="376.875" data-vw="670" src="http://v.qq.com/iframe/player.html?vid=s05523wovy6&width=670&height=376.875&auto=0"/>

Hi,大家好!我是何宝宏,欢迎来到《互联网的基因》大讲堂。


在这个无话不谈互联网的时代,让我们暂时放下纷繁复杂的技术和应用,来说一个更加有趣的话题——互联网经济时代和传统工业经济时代的区别。


互联网经济和传统工业经济有什么不同?规模效应和网络效应就是典型代表。


工业经济时代更关注规模效应,重点是企业,产能是关键。网络经济时代更关注网络效应,重点转向用户,连接是核心。


规模效应指在生产规模扩大后,单位产品的成本就会下降,企业效益就会上升。这个成本下降曲线,一般是线性的。


福特的流水线生产,丰田的精益生产,彼得德鲁克的企业管理学,国际标准化组织,全球化,自由贸易,跨国公司和反垄断法等,都是规模效应的产物。


但企业的规模不可能无限扩张。企业规模扩大会导致机构臃肿,组织官僚化,信息传递缓慢甚至失真,物流成本上升等弊端。当内部的流通成本超过外部市场交易成本时,反向规模效应开始起作用,企业边界得以确立,企业停止扩张。


因为规模效应,工业时代诞生了很多全球性的巨无霸企业,如GE、西门子、波音等,使手工业者沦落成了文化艺术或历史遗迹。因为反向规模效应,即使大名鼎鼎的工业巨头,其全球市场的占比经常都不超过10%。


由于技术的限制,工业品的用户之间很难形成网络,关注点也就只能聚焦在生产上。而网络产品的用户,不仅连接着生产者,用户之间天然就是P2P网络。


网络经济将主要矛盾从企业规模,转向了用户规模。网络效应关注的重点是用户,指某种产品对一个用户的价值,取决于使用该产品的其他用户的数量。


在网络经济时代,生产支持数十万用户的单品,或者为成千上万用户提供字处理工具、数据库软件、操作系统和CRM等的难度和成本,要比发展数十万或千万真正的用户要容易多了,成本也低多了。


在网络经济时代,网络产品的成本下降仍符合规模效应,硬件等产品的成本下降曲线仍然是线性的。但网络的价值,却符合蒙特卡夫定律,与用户数量的平方成正比。


成本线性下降,价值指数增长,让网络效应压制了规模效应。


但软件的成本下降曲线不同于硬件,不是线性的,而是从第二个COPY开始断崖式下降到无限接近于零。与此同时,软件用户为了兼容性和便利性,又存在明显的网络效应。


软件业规模效应的断崖式曲线,叠加网络效应,这就可以解释软件业赢家通吃的现象。而计算机硬件业的规模效应曲线,更像传统工业品的。


但传统软件业的网络效应是线下的,类似于“气态的网络效应”。


以互联网应用、APP和云计算为代表,软件业发展到了网络时代,软件业“脉冲”式的规模效应曲线,加上在线的“加强版”的网络效应,“生化反应”的叠加效应倍增,导致APP和云服务市场,赢家通吃的现象被进一步放大。比如2015年AWS的云计算收入,是从第二名到第十五名收入总和的10倍。


也有反向网络效应,比如微信圈朋友超过了150个后,更多的朋友并不会产生新的价值,而是一种骚扰,价值反而下降。



嘉宾简介:

何宝宏,从事互联网研究领域20年的老兵,获得计算机博士学位,在通信行业从业,著有《互联网的基因》一书。本讲主要面对企业中高层、战略研究者、工程师、和有技术背景的大叔大姐,个人观点,欢迎吐槽点赞分享 。


往期回顾:

大数据的三生三世十里发家史

春风十里,不如互联网“杀熟”

事关IT男的情怀——探秘技术的养老

以数据的名义,开放算法

开源正在改变标准

老板要“又快又好又省”,怎么办?

何宝宏:从AlphaGo漫谈生物智能

何宝宏:为什么有关程序猿的笑话最多?

为什么赚钱的总是游戏?

雾计算是什么鬼?

未来,你说“人话”还是“机语”?

大数据时代,高考为什么还要考化学?

智能终端将因云而沦落

如果AI成了上帝……

AI为什么是个老棋迷?

AI隔壁的老王

分分合合,技术也玩这一套!

颠覆式创新往往来自“独裁”

如何证明你妈是你妈——致我们正在失去“身份”

是时候捍卫“遗忘权”了!

知识吃货的“减肥药”

软件统治世界,靠的是开源?

创新的“阴阳学”

谁掌控着区块链共识机制?

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
图像识别技术在病虫害检测中的应用是一个快速发展的领域,它结合了计算机视觉和机器学习算法来自动识别和分类植物上的病虫害。以下是这一技术的一些关键步骤和组成部分: 1. **数据收集**:首先需要收集大量的植物图像数据,这些数据包括健康植物的图像以及受不同病虫害影响的植物图像。 2. **图像预处理**:对收集到的图像进行处理,以提高后续分析的准确性。这可能包括调整亮度、对比度、去噪、裁剪、缩放等。 3. **特征提取**:从图像中提取有助于识别病虫害的特征。这些特征可能包括颜色、纹理、形状、边缘等。 4. **模型训练**:使用机器学习算法(如支持向量机、随机森林、卷积神经网络等)来训练模型。训练过程中,算法会学习如何根据提取的特征来识别不同的病虫害。 5. **模型验证和测试**:在独立的测试集上验证模型的性能,以确保其准确性和泛化能力。 6. **部署和应用**:将训练好的模型部署到实际的病虫害检测系统中,可以是移动应用、网页服务或集成到智能农业设备中。 7. **实时监测**:在实际应用中,系统可以实时接收植物图像,并快速给出病虫害的检测结果。 8. **持续学习**:随着时间的推移,系统可以不断学习新的病虫害样本,以提高其识别能力。 9. **用户界面**:为了方便用户使用,通常会有一个用户友好的界面,显示检测结果,并提供进一步的指导或建议。 这项技术的优势在于它可以快速、准确地识别出病虫害,甚至在早期阶段就能发现问题,从而及时采取措施。此外,它还可以减少对化学农药的依赖,支持可持续农业发展。随着技术的不断进步,图像识别在病虫害检测中的应用将越来越广泛。
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