中國的國慶節(jié)期間,科技公司進行了一系列的資本大操作。其中有AMD擬收購賽靈思這樣的百億美金大整合,也有IBM涉及百億美金營收變動的世紀(jì)大分拆。
生存還是毀滅,作為一個問題,困擾了哈姆雷特很久。
動輒百億美金的分拆還是收購,顯然也是一個問題。但對科技公司而言,卻是司空見慣的操作。除了這兩起并購分拆案,英偉達和ARM的百億美金收購案,早已懸在空中。
科技公司為什么熱衷此項操作,需要從拆解「科技公司」四個字開始,我們先來談一談「科技」,再說一說「公司」。
“科技”:天生不可“算命”
和其他傳統(tǒng)行業(yè)不同,科技公司最大的特點是不確定性,更準(zhǔn)確的說,是技術(shù)的不確定性。
技術(shù)的不確定性,會造成業(yè)務(wù)的不確定性。和其他公司相比,科技公司的產(chǎn)業(yè)格局,會發(fā)生逆轉(zhuǎn)性的變化。
我們可以用汽車行業(yè)和科技公司做個比較。
德國工程師卡爾·本茨(即“奔馳”的諧音)被公認是汽車的發(fā)明者,美國人亨利·福特是廉價汽車的創(chuàng)造者(通過生產(chǎn)線制造)。距離本茨發(fā)明汽車已經(jīng)過去130年,距離福特的第一條生產(chǎn)線已經(jīng)過去107年,但是奔馳和福特汽車,依然是全球重要的汽車品牌。
同時,汽車的動力體系和主要形態(tài),在超過百年的歷史歲月中,也沒有發(fā)生根本性的變化(直到埃隆·馬斯克主導(dǎo)的特斯拉出現(xiàn),我們會在稍后的奇客故事里,專門討論特斯拉的問題)。
與之相比,科技產(chǎn)業(yè)的變化則日新月異。
以個人計算設(shè)備為例,我們經(jīng)歷了計算機到筆記本再到智能手機的三段式發(fā)展,但是故事中的角色如走馬燈般變化。
第一個造出個人PC的IBM公司,已經(jīng)將PC在16年前出售給聯(lián)想,業(yè)務(wù)重點轉(zhuǎn)向現(xiàn)在的混合云;第一個造出筆記本電腦的東芝公司,在今年的8月10日,將業(yè)務(wù)出售給夏普,信息通信業(yè)務(wù)只剩下數(shù)字復(fù)印印刷;第一個造出智能終端(諾基亞的塞班手機)的諾基亞,已經(jīng)不再造手機,埋頭研究系統(tǒng)網(wǎng)絡(luò);更不用說第一個將安卓手機搞的風(fēng)生水起的HTC,早已經(jīng)將業(yè)務(wù)重心放到了VR。
對汽車公司而言,其燃油發(fā)動機是其百年歷史亙古不變的真理,但是對科技公司而言,它們的技術(shù)發(fā)動機,大概以二十年為周期就需要進行更換。而且換掉哪一個,換為哪一個,沒有原則可循,無法預(yù)測。
正因為技術(shù)的不可預(yù)測性,所以在科技產(chǎn)業(yè),留下了很多看似很蠢的名言,比如“我完全想不出個人可以用電腦干嘛用”、“世界有5臺計算機恐怕就夠了”、“iPhone這樣的手機,其實并沒有什么新鮮”等等等等。這些話現(xiàn)在看來很蠢,但是在當(dāng)時,卻再合理不過。
談完「科技」二字,再來講一下「公司」。
“公司”:與生態(tài)相愛相殺
就像科技和其他產(chǎn)業(yè)存在巨大差別一樣,科技公司作為組織實體,與傳統(tǒng)行業(yè)公司在運行機制上,也有很大不同。
對科技公司而言,生態(tài)平臺是至關(guān)重要的。
科技產(chǎn)業(yè),一般不強調(diào)自己做所有事情。
拿個人電腦來說,IBM雖然有做個人電腦的念頭,但是它一不造CPU,二不造操作系統(tǒng),而是將其分別“外包”給微軟和英特爾。
即使是蘋果,這樣看起來芯片設(shè)計和操作系統(tǒng)開發(fā)能力都有的公司,一來不造芯片,二來不怎么搞APP。相比較而言,你很難想象一個汽車公司,不造汽車(當(dāng)然PPT造車另當(dāng)別論)。
這些外部能力,對科技公司而言,就叫做生態(tài)平臺。
相信,你對這些名字非常熟悉,比如X86生態(tài)、Windows生態(tài)、ARM生態(tài)、驍龍生態(tài)、iOS生態(tài),國內(nèi)如鯤鵬生態(tài),等等。
科技公司雖然互有競爭,但是往往會在生態(tài)平臺層面互相合作,甚至相互依存。
“命運齒輪”:收購還是分拆
談完「科技」與「公司」,我們最后終于可以談一談收購和分拆,其實道理已經(jīng)不言而喻。
無論是分拆還是收購,最終都會服務(wù)五個目的,我們可以用一副齒輪圖片,來更形象的展示說明。
目的一:更換發(fā)動機
每個公司,都有一項核心業(yè)務(wù),起到對公司整體業(yè)務(wù)的支撐推動作用,如同圖中金色齒輪(核心業(yè)務(wù)),帶動了其他銀色齒輪(關(guān)聯(lián)業(yè)務(wù))。
因為技術(shù)的不可預(yù)測性,這項核心業(yè)務(wù)會經(jīng)常性的變動,比如五十年前對IBM至關(guān)重要的PC,后來就變成了可有可無的業(yè)務(wù)。
所以盡管每個公司都需要一個金色齒輪,但這個齒輪也需要更換。
同樣由于技術(shù)的不可預(yù)測性,科技公司難以保證金色齒輪總能從內(nèi)部研發(fā)而成。
收購其他人的技術(shù),作為自己的新金色齒輪,此為目的一。
目的二:力爭生態(tài)上游
盡管科技公司倡導(dǎo)競爭合作并重。
但是所有人都清楚,主導(dǎo)生態(tài)平臺,往往能獲得產(chǎn)業(yè)利益鏈條中最核心的利益。
如同造出個人電腦的IBM,其實遠不如掌握X86生態(tài),和Windows生態(tài)的英特爾、微軟利益來的更多一樣。
所以,投資收購上游技術(shù),切入生態(tài)平臺,此為目的二。
目的三:重置業(yè)務(wù)獨立性
在齒輪組合中,金色齒輪是起帶動作用的,銀色齒輪是被帶動的。
但是這種主次關(guān)系,不一定是持久的?,F(xiàn)實情況中,很可能銀色齒輪經(jīng)過發(fā)展,具備了自我積蓄動能的作用。而金色齒輪因為各種各樣的關(guān)系,需要新的動能組合。
此時,金色齒輪不僅不能帶動銀色齒輪,反而可能造成金色齒輪和銀色齒輪之間的“差速”。
因此,將銀色齒輪獨立分拆,讓其成為新業(yè)務(wù)的金色齒輪,為金色齒輪,匹配新的銀色齒輪,此為目的三。
IBM分拆公司,投資紅帽,可以看作是目的一與目的三的組合。
目的四:保障業(yè)務(wù)安全性
盡管科技公司之間倡導(dǎo)競合,生態(tài)互用。甚至有的公司本身就是一組銀色齒輪,需要其他公司的生態(tài)作為其金色齒輪。
但是由于地緣政治、資本意志等關(guān)系,他人生態(tài)不見得一直可用,通過投資收購上游技術(shù),保障自身業(yè)務(wù)連續(xù)性,為自己設(shè)置備用金色齒輪,此為目的四。
這方面,就不舉例子,摘錄一段懂得都懂的廢話如下:
有一說一,這件事大家懂得都懂,不懂得,說了你也不明白,不如不說。你們也別來問我怎么了,利益牽扯太大,說了對你們也沒什么好處,當(dāng)不知道就行了,其余的我只能說這里面水很深,牽扯到很多大人物。詳細資料你們自己找是很難找的,網(wǎng)上大部分已經(jīng)刪除干凈了,所以我只能說懂得都懂,不懂得也沒辦法。
目的五:滿足資本胃口
由于技術(shù)的不確定性,科技公司往往需要資本支持,才能保證技術(shù)研發(fā)的持續(xù)性。風(fēng)險投資的出現(xiàn),就是伴隨科技公司的發(fā)展出現(xiàn)的。而科技公司,往往又需要滿足資本的高增長要求,所以通過收購,做大營業(yè)額,始終給資本市場一個好聽的成長故事。與投資整合相反,持續(xù)賣掉一些增產(chǎn)不增收的業(yè)務(wù),增加短期回報,做大每股盈利,同樣可以實現(xiàn)這個目的。
這方面,也不需要舉例了,同樣懂得都懂。
著名經(jīng)濟學(xué)家科思在《廠商的本質(zhì)》中指出,生產(chǎn)活動在市場交易中需要交易成本,如果這些交易活動在廠商內(nèi)部進行的成本小于在外部市場中的交易成本,廠商就會出現(xiàn),從而把原本的市場交易變?yōu)閺S商內(nèi)部配置,以達到節(jié)省交易成本的目的。
其實無論是整合還是分拆,所有的道理都可以用科思這段話作為解釋。
如果用自己的東西(內(nèi)部交易成本高),還不如用別人的東西、買別人的東西,這就是生態(tài)合作和投資收購(外部交易低);如果自己的東西,與其放在手里貶值(內(nèi)部交易成本高),不如任其自由發(fā)展(外部交易成本低),這就是分拆。這說的就是目的一、目的二和目的三的道理。
不過很多時候,資本上的事情,又不能只用技術(shù)來解釋,特別是在2020年的當(dāng)下,這就是目的四和目的五的道理了。
2008 年,聯(lián)想1億美金分拆賣掉了手機業(yè)務(wù),一年后,又花2億美金買回來手機業(yè)務(wù),在目的一和目的三之間反復(fù)橫跳。
就更顯出命運的不可知了。
好文章,需要你的鼓勵
騰訊ARC實驗室推出AudioStory系統(tǒng),首次實現(xiàn)AI根據(jù)復(fù)雜指令創(chuàng)作完整長篇音頻故事。該系統(tǒng)結(jié)合大語言模型的敘事推理能力與音頻生成技術(shù),通過交錯式推理生成、解耦橋接機制和漸進式訓(xùn)練,能夠?qū)?fù)雜指令分解為連續(xù)音頻場景并保持整體連貫性。在AudioStory-10K基準(zhǔn)測試中表現(xiàn)優(yōu)異,為AI音頻創(chuàng)作開辟新方向。
Meta與特拉維夫大學(xué)聯(lián)合研發(fā)的VideoJAM技術(shù),通過讓AI同時學(xué)習(xí)外觀和運動信息,顯著解決了當(dāng)前視頻生成模型中動作不連貫、違反物理定律的核心問題。該技術(shù)僅需添加兩個線性層就能大幅提升運動質(zhì)量,在多項測試中超越包括Sora在內(nèi)的商業(yè)模型,為AI視頻生成的實用化應(yīng)用奠定了重要基礎(chǔ)。
上海AI實驗室發(fā)布OmniAlign-V研究,首次系統(tǒng)性解決多模態(tài)大語言模型人性化對話問題。該研究創(chuàng)建了包含20萬高質(zhì)量樣本的訓(xùn)練數(shù)據(jù)集和MM-AlignBench評測基準(zhǔn),通過創(chuàng)新的數(shù)據(jù)生成和質(zhì)量管控方法,讓AI在保持技術(shù)能力的同時顯著提升人性化交互水平,為AI價值觀對齊提供了可行技術(shù)路徑。
谷歌DeepMind團隊開發(fā)的GraphCast是一個革命性的AI天氣預(yù)測模型,能夠在不到一分鐘內(nèi)完成10天全球天氣預(yù)報,準(zhǔn)確性超越傳統(tǒng)方法90%的指標(biāo)。該模型采用圖神經(jīng)網(wǎng)絡(luò)技術(shù),通過學(xué)習(xí)40年歷史數(shù)據(jù)掌握天氣變化規(guī)律,在極端天氣預(yù)測方面表現(xiàn)卓越,能耗僅為傳統(tǒng)方法的千分之一,為氣象學(xué)領(lǐng)域帶來了效率和精度的雙重突破。