混沌大学创新院-李善友：第二曲线【五】第二曲线式增长-课后练习
未听过此课程的人可先参考下述连结
选择一个熟悉的行业，观察该行业中哪些要素发生过十倍速变化，从而产生了颠覆式创新，并且分析原有曲线的解构过程。
本节课中，李善友教授通过对理论的深度挖掘，并结合经典的案例，阐明了企业为什么需要进入第二曲线，如何选择进入第二曲线的时机，最重要的是怎样才能成功跨越非连续性，进入第二曲线。
“极限点”、“失速点”、“第二曲线”理论是经过实践验证的经典理论，对理论的理解并不意味着我们一定能够避免遭遇极限点和失速点，成功进入第二曲线。我们必须结合行业和技术的特点，用理论和思维模型去指导我们做出正确的决策。对于处于成熟性技术周期的企业来说，需要时刻观察现有曲线内部哪些要素正在或即将发生十倍速变化，同时将原有曲线解构，寻找能够带领企业进入第二曲线的最小单元，将其最大化，拉伸为第二曲线，不断再造企业和行业的未来。
Nvidia(英伟达)
英伟达与英特尔 2005~2017年营业额
NVIDIA成立于1993年
1. 低端颠覆式创新机会
刚好1995年PC游戏刚刚步入3D时代，大量的3D游戏的出现，CPU的性能不能满足人们对3D画面的追求，所以当时产生了一大堆图形加速卡厂商, Nvidia就是其中一家
NVIDIA的前两款产品并未称霸市场，1995年推出NV1芯片虽取得了短暂的商业成功。但因不与微软的Direct3D兼容, 差点导致NVIDIA破产。后来靠着与日本游戏大厂世嘉公司(SEGA)结成了战略合作伙伴，才度过前几年的难关。
2. 十倍速变化
1997年Nvidia推出的Riva128显卡，才让Nvidia公司运营上站稳了脚步, 这时从图形处理计算能力来讲, GPU已经十倍好于CPU, 且归功于当时PC市场的蓬勃发展, 英特尔始终没把重心放到PC游戏市场上, 在接下来的1997~2006年, 这个产业就被淘汰到只剩Nvidia跟ATI两家公司, 且ATI在2006年也被AMD收购了, 让Nvidia正式成为该领域的龙头企业
3. 跨越非连续性
就在PC产业跟手机产业都已经遇到极限点的现在, Nvidia在五年前就已经宣布放弃手机领域全力投入人工智能跟自动驾驶领域, 除了人工智能领域的深度学习需要靠GPU的大量并行运算能力之外, 区块链技术也是刚好需要这项能力, 所以等英特尔想投入大量资源争夺这些市场时, Nvidia已经是这个领域的佼佼者了。
或许Nvidia还不一定是最终赢家, 但至少让我们看到了一个很符合善友教授跟克里斯坦森理论的案例
下述是GPU跟CPU运算方式的简易比喻
GPU的工作大部分就是计算量大，但没什么技术含量，要重复很多很多次。而CPU则需要处理很多复杂任务，所以GPU用很多简单的计算单元去完成大量的计算任务。CPU因为系统架构设计关系则没有那么多简单的计算单元, 所以处理速度当然会输给GPU。
参考连结：https://blog.csdn.net/u010922186/article/details/41215203
网友评论