[3]此事发生在1723年。1728年11月28日，米德尔塞克斯的大陪审团再次认定这本书是“耻辱的、不光彩的作品”，并准许将原书及1723年该陪审团的裁定一同发表。——译者注

　　 [4]1723年8月12日，《真正不列颠人报》刊发了一则新书广告，说那本新书在为慈善学派辩护时，将不遗余力地反驳曼德维尔等人的许多“不正确的、卑劣的、狠毒的”观点。该报于8月16日、26日和9月2日多次刊登这则广告。但广告中的新书1724年8月才得以面世。因此，曼德维尔在此所说的5个月并没有夸张之语。——译者注

　　 [5]“尊敬的C爵士”可能是汉诺威的卡特莱特男爵。——译者注

　　1

　　第一部分

　　诗歌

　　抱怨的蜂巢，或骗子成为老实人

　　 宽阔的蜂巢聚居着许多蜜蜂，

　　 小家伙们的生活真可谓是奢靡铺张；

　　 这蜂国因法律和军队闻名遐迩，

　　 它培养了庞大而又辛勤的蜂群；

　　 这蜜蜂的王国绝对可以称之为

　　 一方科学与勤勉的肥沃热土。

　　 这群蜂有着举世无双的政府，

　　 简直无可挑剔，对此非常知足；

　　 他们无须忍受残暴君主的奴役，

　　 也不用做狂热民主制的试验品；

　　 有一点却毫无异议：他们有国王，

　　 然而法律的权威却在国王之上。

　　 这些昆虫生活在这年复一年，

　　 恰如人类世界的翻版一般；

　　 城市人会做的事他们无一不会，

　　 长剑及法衣的工作也悉数精通；

　　 他们用细胳膊细腿完成各种工作，

　　 精细而复杂，肉眼难以分辨；

　　 尽管我们不知道引擎和劳工在哪，

　　 更别说船只、城堡、军队和技工

　　 及那工艺、科学、商店、工具，

　　 然而蜂国却有其相应的替代品；

　　 我们不知道蜜蜂所言意为何物，

　　 然而每个名词必定都有所指代。

　　 有一点可以确认：除了其他事物，

　　 钱也是必需品，他们仍有国王；

　　 他们也有卫兵；因此我们能够

　　 恰当地推论：他们也欣赏戏剧；

　　 如果军团的士兵不去每日巡行，

　　 他们的存在又所为何来。

　　 大量蜜蜂来到繁荣的蜂巢，

　　 那众多的蜜蜂使他们人丁兴旺；

　　 成千上万的蜜蜂竭尽全力，

　　 满足着彼此的巨大胃口；

　　 而雇来的另外数百万蜜蜂，

　　 则见证自己的手工被糟蹋；

　　 他们占据了蜂国的半边天，

　　 与工蜂相比工作却要更多。

　　 有些天生资本富足，没有困扰，

　　 集中精力忙于生意，收获颇丰；

　　 有些则命定每日使用斧头和铁铲，

　　 做着所有最辛苦沉重的工作；

　　 那不幸者，甘心天天挥汗如雨，

　　 待到耗尽力气、疲惫不堪才有饭吃；

　　 另一些则做着些神秘技艺，［A］[1]

　　 将为数甚少的蜜蜂收为徒弟；

　　 它不求股本，只对黄铜感兴趣，

　　 即使一文不名，也能发家致富；

　　 他们是骗子、寄生虫、皮条客和唱戏的，

　　 是小偷、造假币的、街角医生和卜卦者。

　　 对于辛勤的劳作，他们统统

　　 不怀好意，因此纷纷费尽脑筋，

　　 将诚实又粗心的邻居的劳动成果，

　　 无一例外全都收入自己囊中。

　　 把这类人叫作骗子，他们并不认同，［B］

　　 严肃勤勉者也可能徒有虚名：

　　 所有地方所有行业都有欺骗，

　　 任何一种行业里谎言都存在。

　　 律师，这个行业最大的诀窍，

　　 是把办案所得瓜分完毕，狂敛钱财，

　　 与所有登记抗衡，而这些伪君子

　　 会为抵押的财产而丧尽天良；

　　 他们如同不法者，尽管不是被告，

　　 然而他们了解自己的所作所为。

　　 他们一直存心延迟出席听证，

　　 却掐指计算聘人收取的费用；

　　 为了给一桩邪恶的案件申辩，

　　 他们就翻遍所有的法律法典。

　　 就像窃贼在商店和客栈的举动，

　　 找寻着乘虚而入的一点可能。

　　 医生们对自己的财富及名声

　　 比垂危患者的健康还要珍视，

　　 也重于其医术：他们最费心钻研的，

　　 并非医术的规则细文；

　　 而是专注的外表和无用的举止，

　　 以此赢得药剂师的交口称赞；

　　 以此赢得接生婆、神甫和源于

　　 所有为生与死服务者的齐声称赞。

　　 以便与那些精于口角的人相融，

　　 洗耳恭听我太太的姑妈的指令；

　　 用一成不变的笑容，问候日安，

　　 去奉承家庭当中每一个成员；

　　 并且，最该受谴责的事情是

　　 忍受护士们的各种粗俗野蛮。

　　 以服务主神为业的众多神甫，

　　 他们的职责是赢得上界赐福，

　　 其中少数人拥有口才和学识，

　　 大部分却全都是无知和粗鲁；

　　 然而全部考核通过，

　　 并把其懒惰、骄淫、贪财和无礼悉数掩藏；

　　 凭这些嗜好而出众，

　　 如同缝衣匠钟爱白菜、水手嗜好白兰地一样。

　　 有些神甫相貌丑陋，衣着不堪，

　　 常常鬼鬼祟祟地为面包祈祷；

　　 原想凭这个收获丰厚的存货，

　　 但是他们并没有因此而多得；

　　 当这些神职苦役忍饥受冻时，

　　 他们所服务的那帮懒散之人却悠闲自得，

　　 他们的脸上

　　 正闪耀着健康富裕的灼灼光泽。

　　 有些士兵必须要去征战沙场，［C］

　　 若侥幸生还，他们会满载荣誉；

　　 我们永远认为 ，商业化问题次于价值创造问题  。

　　 作者 王淮

　　 编辑 楠哥、诗琳

　　 第二期「甲子直播间」中 ，远望资本创始人、迅雷创始人程浩曾分享  ，to B行业实施有周期  ，成长必然是线性的 。

　　 而一家投资过太空挖矿、柔性外骨骼等黑科技的极客范投资机构却认为  ，真正的科技创新将带来非线性的、指数级增长机会  。

　　 这种坚定的乐观主义信念来自线性资本  。

　　 他们的Slogan非常有意思：Linear Path, Nonlinear Growth——线性的路径  ，非线性的增长  。

　　 4月23日  ，我们邀请到了线性资本创始人兼CEO王淮做客第五期「甲子直播间」  ，分享「黑科技的上山下乡」  。

　　 王淮认为 ，接下来的创新机会在于黑科技的上山下乡  ，即真正去解决产业问题 ，这就需要把黑科技变成灰科技  ，即那些好于现有方式10~100倍以上  ，且解决实际重要问题的黑科技  。

　　 王淮的经历非常传奇 。2007年初 ，他拒绝了谷歌的橄榄枝  ，加入了当时只有130多名员工、创始人比自己还小两岁的Facebook  ，是公司第二位来自中国的工程师和第一位华人研发经理  。

　　 2014年9月  ，王淮创办线性资本  ，聚焦于数据智能以及前沿科技领域  ，主导过地平线、酷家乐、Rokid、神策等60多家科技企业的早期投资  。

　　 7年的投资经历中  ，线性一路陪伴这一领域从最初的高光环绕走到了扎实的落地探索 。

　　 本次分享的要点如下：

　　 1.黑科技如何分类 ？

　　 2.灰科技需要怎样的舵手  ？

　　 3.什么样的产业才适于高科技上山下乡 ？

　　 4.疫情下的科技新机会  ？

　　 以下为王淮的分享实录：

　　 1.黑科技不能太黑  ，要灰 很多业内人士对线性的印象是 ，投了很多类似起源太空这样在太空挖矿的黑科技企业 ，听起来很fancy（奇特）  。

　　 黑科技确实是我们的偏好  ，因为我们团队大多都是技术出身  。但其实我们在投之前  ，已经对它们未来十年的形态做了预判  。并且从终极目标倒推 ，哪一年需要什么样的里程碑 ？分别需要什么样的技术  ？技术的难点在哪里  ？……我们都做了很多深入的探讨  。

　　 线性在判断一个项目是否值得投资时  ，有一套自己的算法 ，这个算法基本上定义了线性的价值观  。

　　

 

　　 第一个要素是data_based  ，必须要有数据  。

　　 第二个是AI_driven  ，人工智能驱动  。数据需要可以被AI处理  ，并在有效处理后 ，获得可操作的洞察 。

　　 第三是commercially_applicable  ，获得的洞察能放到商业场景中去应用 。

　　 原来我们谈科技的商业化  ，大多是指比较fancy的商业应用场景  ，但是我们现在觉得  ，这种场景要土 ，越来越土  。

　　 土不是为了土 ，而是为了大  ，为了解决大家日常看到、用到的东西在生产、制造、流通上的问题  。

　　 所以  ，黑科技从学术的角度来看  ，要够黑；但当它要对物理世界、现实产生影响时 ，要灰  。

　　

 

　　 如果单追求技术的酷炫  ，很难对现实产生效应 。要让人觉得这技术够酷  ，同时能够产生实际效应、商业价值的东西  ，我们觉得  ，这技术应该要灰 。这也体现了人类社会本身的复杂度  。

　　 这就是所谓的要上山下乡  ，要进入具体的产业问题中 。

　　 黑科技 ，黑的程度和类型是不一样的  。我们把黑科技分了三个类别 。

　　

 

　　 第一  ，自动化  。

　　 自动化就是解决方案中的简单重复 。所有的数据收集  ，和基于数据的总结分析工作  ，都是可以被自动化的  ，替代的是体力活动  ，就像自动售货机一样  。

　　 自动化这类黑科技  ，在数据AI改造行业的类型中  ，属于low hanging fruits（可轻易实现的目标）  ，是非常值得去抓住的  。线性资本投过的神策、酷家乐、观远  ，它们的很多早期技术应用都处在这一类 。

　　 第二  ，智能化 。

　　 智能化和自动化的最大区别是  ，想去自动化的部分存在概率问题  ，是需要去判断的  。我们投的地平线、智领云、帷幄都在尝试让insights（洞察）的挖掘变得自动化  。

　　 人做判断时  ，依赖的是在过往实践中积累的经验 ，和其在脑海中形成的模型  。智能化的过程  ，就是把人的经验和判断模型自动化 。

　　 最厉害的专家 ，连续工作24小时 ，效率也必定会急剧下降  。而在智能化的过程当中  ，这一切是可控、可持续的  ，可以做到高质量、低成本  ，并且能够处理更复杂的场景 。

　　 第三  ，融合化  。

　　 以前大家谈黑科技时  ，只提数据和AI 。但我们越来越希望AI能够跟场景领域的科技产生融合  。比如  ，与机械臂结合 ，与生物结合  ，从而产生单单一种黑科技无法所获取的效果 。

　　 那灰科技该如何来定义 ？

　　 用一句话来解释 ，就是好于现有方式10~100倍以上  ，解决实际重要问题的黑科技 。

　　

 

　　 我们投的酷家乐  ，能够让设计、渲染达到100倍的效率提升  。原来需要几个小时到几天时间才可以拿到的家装设计效果图  ，现在只需要7秒钟  。这就是灰科技落地在体验上给人带来的巨大差异  。

　　

 

　　 灰科技需要具备三个属性  ，才能被称之为有效 ，一是好于现有方式10~100倍以上的效果  ，能否作用于行业  。

　　 很多人存疑  ，线性投的这些黑科技怎么赚钱 。

　　 怎么赚钱被我们放在思考的最后一步  ，但我们非常关心这个问题之前的一步——灰科技解决的问题有没有价值  ？

　　 家装图纸的设计时间从72个小时缩短为7秒钟 ，这是不是有意义 ？客户对这种灰科技有没有需求  ？这是不是能够帮到很多设计公司获得更多的业务 ？能不能帮客户产生竞争上的差异化  ？这是我们非常关心的  。

　　 我们永远认为  ，商业化问题次于价值创造问题  。谁付钱  ，付多少钱  ，这些商业化问题是比较容易探讨的  。但是如果没有源自灰科技的体验差距  ，没有10~100倍的效率提升 ，直接谈赚钱  ，没有意义 。

　　

 

　　 中国过去10年的商业模式创新风生水起 ，但它们在科技改造行业的过程中是有问题的  。一定得把效率、价值问题放在前面  ，再去讨论价格问题  。

　　 第二  ，灰科技要基于大数据  ，并高于大数据  。

　　 量大是对大数据的最基本要求  ，大数据还需要具备全面性  。

　　 在犯罪现场  ，如果只拍受害者的照片 ，却没有一张照片去描述周边犯罪现场场景 ，即使数据高达几十TB  ，也是远远不够的 。分析的时候 ，一定会缺少重要的信息  。

　　 数据还需要具备准确性、高细节度  。

　　 比如  ，描述人脸  ，只描述是亚洲脸还是西方脸 ，是非常粗的颗粒度 ，需要关注到眉毛粗细、两眼间隔等非常高分辨率的细节程度  。

　　 最后  ，灰科技要使实际的决策效率产生质的飞跃 。

　　 回到问题本身 ，究竟使用什么样的数据、算法  ，取决于要怎样才能帮助决策实现10~100倍效率的提升  。这也是我们做尽职调查的基本逻辑  。

　　 2.灰科技成功需要怎样的舵手

 

　　 我们相信 ，让一个技术人实现商业化  ，比起让商业人实现技术化  ，要容易得多  。如果成功 ，带来的回报也会大得多  。

　　 所以 ，线性投的人  ，必须懂技术 。但我们同时要求  ，他必须要humble（谦逊）  。

　　 很多人认为  ，搞科技创新的人太过于nerd(怪咖)  。这些人懂技术  ，但不懂人性  ，跟这些人谈生意很困难 。

　　 但我们投了很多类型的公司后  ，发现技术人才在刚开始创业时  ，很多都nerd  。但是这群人很快就会分化  ，一批是企业家 ，一批还是技术大牛——就是那些创业创得一般 ，但大家还都觉得他很酷的人  。

　　 很多技术大牛时常有种奇怪的优越感（我以前也是这种风格） ，这很多时候是因为他们不懂得怎么跟人去打交道  ，他们需要有人际方面的理解和历练 。

　　 所以  ，我们要求他们在骨子里必须够谦逊  ，明白这不是一个纯靠技术就能解决问题的简单世界  。

　　 第二点  ，创业人才一定要有学习能力  。

　　 学习能力是最重要的能力  。在灰科技与行业融合过程中 ，需要从懂技术到懂行业 ，知道要解决什么样的行业问题  。

　　 还有一个很重要的概念是管理成长（learn to manage growth） ，包括对产品、营销、团队建设以及理解世界复杂度的能力提升 。

　　 技术大牛  ，要懂得做产品 。科技在技术人的角度是算法  ，是数据；但用户是产品视角  ，他骨子里并不希望知道你的技术细节  ，只需要你的产品能够解决问题  。

　　 产品做出来了  ，还得会卖  ，给客户更好的支持和维护  。这被我们称为产品的商品化  。

　　 理解世界复杂度也很重要  。搞技术的人可能会习惯管理技术团队  ，大家都是工程师  ，直来直往很开心；做起产品 ，可能有一半同事可以处得来  ，有一半处不来；做生意  ，10%的人也许喜欢你这种直来直往 ，但90%的人和你处不来 ，日子就会过得很难受  。

　　 创业人才需要学会往前看  ，主动预测 ，而不是被动反应  。

　　 当情况变化才去调整 ，就已经晚了  ，必须具备预言能力  ，预估可能会发生什么事  。这次疫情就是一次试金石  ，对掌舵者的能力要求非常高 。

　　 他同时需要think above ，学会拥有全局观  。

　　 做技术时  ，只需要管好自己技术上的一亩三分地  ，缺乏全局性的视角  。而创业者  ，需要把各种技术和非技术问题糅合在一起  ，形成有效的产品或解决方案  。

　　 很多时候客户会说  ，我要A、要B、要C、要D  。怎样理解客户究竟要的是什么  ？

　　 如果你问拉马车的人  ，想要什么样的新交通工具  ，他会跟你说  ，更快的马 。他想象不出来汽车的  。

　　 同样的道理  ，一定要去区分客户想要的  ，跟他背后本质的需求  。从中思考  ，你能给别人提供的有效minimum feature set（最小特征集）是什么样的  。

　　

 

　　 Think above也意味着 ，我们有时需要跟别人合作  ，一起联合打单  。

　　 我们有时需要整合渠道商现成的方案；有时在卖给B时  ，可以利用在A里积攒的经验和代理商 。建立这种资源网  ，需要有全局观：

　　 谁是你的朋友  ？谁是你的竞争对手  ？谁是你最好的投资人  ？

　　 第三点  ，是商品化  ，Learn how to sell 。

　　 商业的本质是低买高卖 。

　　 最低级的商业  ，买卖的是同样东西  ，只是打了一个信息差价  ，要达到一个很大的价差是很困难的  。

　　 牛的是什么呢  ？低买商业要素 ，加上你对应用的理解  ，卖出有效的黑科技 。这样卖出的是别人自己没法生产、获得  ，或者在市场上供应极度有限的商品  。

　　 这方面的典型是苹果  。Apple的零部件本身也都只是普通商品  ，但通过苹果公司精巧的整合、极致的设计和强有力的品牌  ，让Apple成为Apple 。

　　 低买高卖间的增量  ，是商品化的过程中一定要去思考的  。这就要求他必须深刻理解数字化变革的价值所在  。

　　

 

　　 3.上什么山、下什么乡 有了对灰科技的判断  ，有了对适合带领团队的舵手的判断  ，接下来的问题是落地方向——什么样的产业值得高科技上山下乡  ？

　　 我们对行业机会的判断首先是：体量够大  ，切入点够小  。

　　 体量够大即市场天花板高  。

　　 而切入点够小的意义在于  ，只有找到足够小的切入点才能让10~100倍的提升变得可能  ，让别人直接感受到黑科技所带来的爆炸性冲击  ，否则能量压强会大大降低  。而且什么都做 ，很容易什么都做得一般 。

　　 我们投的酷家乐、粒界、时谛  ，都是用这套逻辑去衡量的  。

　　 对于行业 ，我们要求它具备能够产生高颗粒度、高质量数据的可能性和技术基础  。如果行业本身的技术基础很差 ，需要先做很多改造工作 ，那么这个行业的数字化并没ready(准备好)  。

　　 除了基础数据设施要有可行性  ，行业里也需要存在rebels（叛逆者） 。

　　 零售行业今天就处在这个层面 。很多知名品牌里的创新部门、数字化部门负责人、骨干 ，存在很多rebels  ，他们想革新  ，想给传统行业带来一些变化  ，又对所处的行业有一定理解 ，我们需要跟这些人合作  。

　　 在线性有专门与rebels对接的同事 ，对于CEO等最高层面高管  ，我甚至很多时候会亲自去洗脑  ，去产生高水平的共识  。

　　 第三  ，需要有已经成熟到愿意尝试、愿意做初始付费的企业  。

　　     

　　以上就是小编为大家介绍的线性王淮：为什么现在需要“灰科技”？甲子直播第五期回顾的全部内容，如果大家还对相关的内容感兴趣，请持续关注上海危机公关公司

　　本文标题：线性王淮：为什么现在需要“灰科技”？甲子直播第五期回顾　　地址：/yuqingchuli/2022/0122/2721.html