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。他们的精神和勇气值得我们学习，而在他们身上发生的事情，更是我们的前车之鉴，因为我们也在数字化转型的道路上。