在信息通信技术（ICT）时代，互联网革命催生了人类信息文明的第一次浪潮。然而，在这个基础上，以云计算、大数据、人工智能为主要特征的数据信息通信技术（DICT）正在引发第二次浪潮——智能革命。在这一过程中，新的科技巨头正在崛起，他们不仅具有前瞻性的视野，而且具备顽强的毅力。本文将从伟大型公司的成功经验出发，探讨在DICT产业变革中，如何抓住创业机会，实现从0到1的飞跃。

以计算机技术、IP通信技术、移动通信技术为特征的ICT（信息通信技术）技术变革引发了人类信息文明的第一波巨浪——互联网革命。随着数字化、网络化和移动化的先后到来，ICT产业已逐渐进入成熟阶段。而如今，以云计算、大数据、人工智能为主要特征的DICT（数据信息通信技术）技术变革正在催生人类信息文明的下一波巨浪——智能革命。新一波的数据入口之争创新热潮已经风起云涌。

在无论是ICT（信息通信技术）还是DICT（数字化转型）的时代变迁中，解析大型公司在从0到1成功发展过程中的关键因素，我们可以发现它们具有许多相似的特性和基因：它们具备鹰一般的洞察力，对未来产业趋势有战略性的远见和精准判断；它们拥有狼一般的毅力，无论是在当前受到资本市场的热捧的特斯拉、英伟达、亚马逊，还是在已经实现从优秀到卓越的华为帝国和谷歌帝国，这些公司都曾经历过生死存亡的考验，它们有着不屈不挠的坚持和不惧困难的执行力。如果没有狼群的集体进攻，很难想象它们的最终结果会是什么样子。

如果我们将互联网革命视为人类信息文明从0到1的野蛮生长阶段，那么智能革命则是人类信息文明从1到N、从量变到质变的精致化成长阶段。产业的价值将进一步向云端和终端延伸，产业格局也将呈现出更加集中的趋势。对于创业企业来说，成功的难度将进一步增加，试错的机会将减少，要想提高成功的可能性，创新企业需要同时具备鹰一般的洞察力和狼一般的毅力。

在未来的DICT（数字化转型）变革中，我们将遵循智能硬件、万物互联、智能应用的发展方向。智能硬件的核心突破口在于解决人与机器之间的互动交流问题，围绕智能语音、机器视觉、视觉识别、体感交互的人机交互设备和智能应用，这些都是智能革命中的从0到1的产业机遇。例如，各种可穿戴设备（如VR/AR眼镜、头盔、机器人、无人驾驶等）都将成为智能革命的受益者。

GPU、TPU以及智能传感器等领域成为智能硬件领域的重大创业机遇。在云服务方面，以满足人的需求为核心，逐步从尊重需求向自我实现需求拓展，重点关注的企业云服务、物联网应用、商业场景的个性化应用等方向，均为未来创新创业的竞争焦点。

一、从ICT产业到DICT产业的演变

大数据推动着ICT产业向DICT产业的演变，预示着一场智能革命的到来。在智能革命下，DICT产业将逐渐走向云、管、端的融合发展，管道收入占比将逐渐减少，而智能终端将成为未来的爆发点。

1. ICT与DICT概念解读

ICT（Information and Communications Technology）全称是信息和通信技术，由信息技术（Information Technology）和通信技术（Communications Technology）交汇而来。DICT是ICT产业在大数据时代的新演变，其中的D代表数据。大数据带来的变革，源于其相较于传统数据的存储方式的巨大差异。大数据具有“大”、“多维度”、“处理非结构化数据的能力”和“时间性”四大特征。其中，“大”是指数据规模的几何级别差距，而“多维度”则意味着大数据能对一个事物进行全方位描述，从而更准确地反映事物的本质。

互联网时代产生了大量的非结构化数据。对于图像、视频、音频等内容的非结构化数据，其数据量庞大却缺乏清晰的结构。预计未来十年内，非结构化数据将占据新生数据总量的90%。大数据技术通过图像识别、语音识别、自然语言分析等技术来计算和分析大量非结构化数据，从而极大地提高了数据的维度。数据量的增加有助于实现质变。在机器智能领域，数据量和数据处理速度的快慢直接决定了智能水平的高低。因此，大数据时代的DICT产业实际上正在孕育一场即将到来的智能革命。

信息技术一直是推动经济增长的主要动力。在美国和全球GDP的增长历史中，每一次新的技术出现都伴随着显著的经济增长。例如，1965年大型计算机的问世、1971年Intel微处理器的诞生、1980年个人计算机的普及、1995年互联网的兴起、2000年通信技术的变革以及2009年的云计算。这些新技术的出现都推动了美国及全球经济的快速增长。

在信息革命的浪潮下，互联网的发展速度远超人们的预期。许多新科技公司在短时间内迅速崛起，如苹果和谷歌通过智能手机操作系统成功击败了微软。云计算和大数据的发展将人工智能与互联网融为一体。语音识别能力、图像识别能力、自然语言理解能力，以及用户的个性化画像能力，这些都代表了人类的智慧能力。当计算机具备了这些人类智慧能力时，一场新的革命就将到来。

人工智能是大数据、云计算、算法和软硬件技术的结合,云计算提供基础设施,大数据作为燃料,而人工智能则是驱动“互联网的物理化”的引擎。在信息革命下,ICT产业制造链自下而上分为感知层、网络层、平台层和业务层,服务链自下而上分为信息消费、宽带消费、信息处理和信息挖掘以及个性化服务。在智能革命中,ICT产业链的平台层和网络层将融合为云、管、端一体化,原来的四层结构将简化为三层。

我们分析了国内外属于云、管、端领域的知名公司的主营业务收入,并按照制造链和服务链进行拆分。结果表明,从2007年到2016年,制造链下的各类信息终端(端收入占比增加了37.15%)、网络设备(管的收入占比减少了21.12%)和企业软硬件(云的收入占比减少了41.72%)。服务链下的情况也类似,企业服务(含云服务)的收入占比增加了11.88%,宽带消费增加了44.45%,信息消费减少了43.66%。云端和平台的收入占比增加,底层信息消费的收入占比减少。

总体而言,ICT产业的服务链/制造链的产业总值比一直在1.9左右,但在2016年增长到了2.26,这是自2007年以来的最高值。

2000年，互联网热潮破灭之后，硅谷似乎也进入了休眠期。然而，与当时的惠普、英特尔等公司不同，Google在2002年左右迅速崛起。虽然Google是例外，但自Google崛起至2007年苹果推出iPhone，以及Facebook和Twitter的出现，这些热门公司并未像它们的前辈那样制造实体产品，而是致力于讨好消费者。2005年，美国国防部海空作战中心的一名物理学家许布纳发表了一篇名为《全球创新可能呈下降趋势》的文章。他通过一棵树的形象，描述了所观察到的创新状态：人类已经发掘出那些改变游戏规则的想法，如轮子、电力、飞机、电话、晶体管等。如今，我们只能在顶端的树枝周围进行有限的探索，大多数创新仅限于对过去发明的改进。因此，创新成为了一种有限的资源，实现创业企业从0到1的跨越也将变得越来越困难。

二、大科技公司从0到1的过程

大科技公司从0到1的共同特点在于远见卓识和坚持不懈。在DICT产业中，人们期待看到的是创新技术带来的新一轮生产力，而非仅仅用于提高消费者服务的应用。DICT产业的产业链和供应链相互促进，前十年的服务链爆发式增长为未来的制造链增长创造了机会。

1. 大科技公司的共性在于远见卓识和坚持不懈。在DICT产业中，人们期待看到的是创新技术带来的新一轮生产力，而非仅仅用于提高消费者服务的应用。DICT产业的产业链和供应链相互促进，前十年的服务链爆发式增长为

在大自然的生态系统中，鹰和狼位于生态链的高端位置，这是由它们的生活习性和生物特性决定的。鹰目光锐利、行动迅速，狼则顽强、坚韧且锲而不舍。对于一家企业来说，若想发展和壮大，并在社会竞争中立于不败之地，它就需要具备像鹰一样高瞻远瞩的视野、创新意识和像狼一样坚韧、顽强、忠诚、合作、愿意付出以及坚持不懈的精神。

特斯拉的创始人马斯克是一位性格独特、拥有超前洞察力和不屈不挠精神的传奇人物。1995年，他投身于互联网热潮，大学毕业后创立了一家名为Zip2的公司，类似于原始版的Google Maps和Yelp点评。通过这个平台，他赚得了约2200万美元。随后，他将这些资金的大部分投入到他的下一家创业公司PayPal。在互联网泡沫破灭后，他又向SpaceX投资了1亿美元，向特斯拉投资了7000万美元，并向太阳能城市投资了3000万美元。

特斯拉正在构建世界级燃料分销网络的同时，努力改变汽车生产和销售方式。该公司不依赖经销商，而是通过互联网和高端购物中心，类似于苹果专卖店的展厅来销售汽车。由于电动汽车无需像传统汽车那样更换机油以及进行汽车维修操作，特斯拉选择直接销售模式，与客户协商价格，并通过收取高昂的维修费用来实现盈利。特斯拉在全球范围内建立了特斯拉充电站，仅需20分钟即可为汽车补充数百英里续航能力。相较于传统汽车经销商通过返修和零件差价获得利润的方式，特斯拉的利润来源于一次性销售收入和可选软件服务，这体现了截然不同的服务理念。

2016年11月，特斯拉完成了对太阳城26亿美元的收购计划。收购完成后，特斯拉将转型为一家可再生能源公司，致力于开发和生产集成电池存储太阳能屋顶的无缝技术，并扩大电动汽车产品线，覆盖所有细分市场，研发自动驾驶车辆，打造一个“让闲置汽车为您”的汽车共享经济圈。然而，在特斯拉如日中天之际，其竞争对手纷纷宣告破产。例如，2014年，菲斯克汽车宣布破产，而这一结果正是由于投资方凯鹏华盈的莱恩与特斯拉失之交臂。Better Place是一家生产电动汽车和充电站的初创公司，起初它的人气甚至超过了菲斯克和特斯拉的总和，筹集了约10亿美元资金，但最终未能实现当时的承诺，于2013年宣告破产。

2003年秋季，哈罗德·罗森邀请斯特劳贝尔与马斯克共享午餐，并向他介绍自己的电动汽车电池。当罗森了解到这些年来锂离子电池在技术方面的进步时，他深感惊讶和感动，并承诺投资1万美元，成为特斯拉的主要股东和董事长。

2005年1月27日，经过18位工程师共同努力，特斯拉的原型车终于问世，马斯克再次投入900万美元，这时特斯拉累计融资已达1300万美元。原本计划于2007年年中开始批量生产的路虎，但由于种种问题，其成本可能攀升至20万美元，而当时的预期售价仅为8.5万美元。此外，随着2008年的到来，路虎的研发成本已消耗约1.4亿美元，远超2004年商业计划的2500万美元。由于之前的融资已经用尽，金融危机爆发，美国的大型汽车制造商们在此次自1929年大萧条以来最为严重的金融危机中濒临破产。马斯克冒险投入所有财产，再次投资特斯拉。

2012年，特斯拉汽车的推出令业界同行大吃一惊。如今，特斯拉已经开始销售Model S，该车型拥有众多运动部件和电池组的完美搭配，能够源源不断地将能量输送到一个类似于西瓜大小的发动机，从而驱动车辆。其电能利用率为60%，而传统的内燃机车只能将燃料效能的10%-20%转化为动力，其余70%的能量都浪费掉了。Model S的性能相当于每加仑汽油可行驶100英里的传统汽车。2012年11月，Model S正式上市。

S正式出货数月后，《汽车族》杂志将其列为“年度汽车”，这是该杂志首次采用无记名投票方式评选的结果。特斯拉在初期每周产能仅十几辆小桥车，难以应对数以万计的庞大订单。那些通过赌公司股价下跌赚取差价的卖空者开始对特斯拉发起猛烈攻击。2012年9月，马斯克展开反击，宣布特斯拉将秘密构建充电站网络，并开始逐步施工，以便Model S的驾驶员能够轻松找到这些充电站并进行充电。然而，Model S的销售状况并不理想，马斯克甚至关闭了工厂，并与Google的创始人佩奇私下商谈收购方案。根据当时的特斯拉估值，谷歌可能需要支付60亿美元。然而，在马斯克与佩奇的律师就收购事宜进行谈判的同时，500名被强制转为销售人员的特斯拉员工出人意料地超额完成了销售目标，使得特斯拉最终实现了盈利，股价也一路飙升。

从2008年到2016年，特斯拉的主营业务收入从0.15亿美元增至70亿美元，年均复合增长率达到了惊人的215.6%。2016年，特斯拉的四项主营业务——汽车销售、汽车租赁、储能和服务分别占据了公司主营业务收入的80%、11%、2%和7%。从成本角度看，电池成本已经成为纯电动汽车售价较高的主要原因。特斯拉Model X的售价为13.4万美元至20万元美元，而Model S的售价为10万美元至19万元美元。由于需要采购电池，动力电池已经占到了整车制造成本的50%以上。

2008年到2016年期间，公司的期末现金及现金等价物从900万美元增长至33.93亿美元，这表明当前公司的现金流状况更为良好。

英伟达的创始人黄仁勋同样是一位充满传奇色彩的人物。他于1963年在台湾台北出生，9岁时随同哥哥前往美国的舅舅家。然而，由于舅舅的经济困难，他们被送往肯塔基州的乡村寄宿学校。多年后，黄仁勋回忆起这段经历时表示，幸好在寄宿学校的时光并未让他沉沦，反而使他学会了坚韧和适应能力。

13岁时，黄仁勋首次参加美国乒乓球锦标赛，但结果却令人失望，他在比赛中表现糟糕，回国后他开始反思自己的不足，并以更加专注的态度投入训练。在经过两年的努力后，他终于在美国乒乓球公开赛中获得了双打第三名的成绩。

黄仁勋非常热爱技术，他的大学职业规划就是成为全球图形处理领域的领军人物。1993年2月17日，也就是他在30岁生日的当天，他创立了英伟达公司。然而，创业的道路并不总是顺利的，从1993年至1997年，英伟达推出了NV1和NV2芯片，但由于技术方向错误，NV1耗尽了公司最早的投资，导致员工数量从100多人减少到30多人。

在这个困境中，日本游戏巨头世嘉向英伟达提出了合作开发游戏机芯片的计划，并向他们支付了700万美元的定金。这笔资金拯救了英伟达，但是世嘉后来放弃了合作，NV2芯片最终以失败告终。然而，黄仁勋为公司找到了一个新的突破口：从游戏主机转向个人电脑市场，并立即聘请了晶体动力公司的David Kirk博士担任首席科学家，组建了一支庞大的研发团队。

在Kirk博士的领导下，英伟达推出了CUDA。David Kirk博士是图形学和高性能并行计算领域的专家，他在显卡之外的另一个重要贡献就是CUDA，被誉为“CUDA之父”。

随着显卡技术的进步，GPU在计算能力方面已经超过了通用的CPU。然而，在CUDA出现之前，GPU编程需要大量的底层语言代码。英伟达通过CUDA架构实现了GPU平台的通用并行计算。自2007年推出专为高性能计算而设计的Tesla GPU以来，英伟达在许多年内成为了高性能并行计算领域的领导者，超越了英特尔和AMD。此外，GPU特别适用于深度学习神经网络。

英伟达公司的核心技术和产品主要基于GPU芯片开发，包括高级渲染、深度学习、GPU集成以及光线追踪等。目前，全球约有3000家AI初创公司采用英伟达的硬件平台。受益于深度学习的东风，过去12个月英伟达股价上涨了近200%，过去5年则上涨了超过500%。反过来，GPU技术的发展推动了计算能力的提升，进而促进了深度学习的发展，推动了人工智能革命的前进。

公司的业务涵盖了游戏、专业可视化、数据中心和汽车等领域。在PC游戏本显卡驱动领域，该公司拥有80%的市场份额，堪称GPU市场的龙头企业。从2008年到2018年，公司的主要营收从40.98亿美元增长至82.44亿美元，年均复合增长率为9%；净利润也从7.98亿美元增长至20亿美元，年均复合增长率为10%。

未来战略：英伟达致力于扩大其在AI领域的领导地位，打造一个完整的端到端GPU计算平台，以支持深度学习。这包括GPU、CUDA编程语言、算法、库和系统软件。我们的目标是在所有服务器、云服务和自家的AI超级计算机上普及该平台，从而增强GPU架构的AI特定功能。为此，我们与数百所大学及1000余家初创公司展开合作，推广AI应用。同时，我们将设立深度学习研究所，针对神经网络驱动的机器学习进行设计和训练策略研究，涵盖各大流行的开源框架和我国最新的GPU加速深度学习平台。

此外，我们将进一步拓展知识产权授权范围。我们的客户和合作伙伴可以通过许可证和开发协议，直接将产品建立在自己的基础上，或通过定制开发来实现相关功能。借助我们在GPU计算领域的专业知识，我们将进入视觉和加速计算等四大关键市场：游戏、专业可视化、数据中心和汽车。

2002年，亚马逊改变了库存管理方式，从后进先出法（LIFO）转变为先进先出法（FIFO）。这一转变使得亚马逊能够更准确地区分自有产品和合作伙伴提供的产品。

接下来，亚马逊开始针对价格不敏感的客户推广其Prime业务，并在第二年推出了全新的货物寄存服务——FBA。该服务允许其他商家将货物存放在亚马逊的仓库中，随后再由订单履行中心进行配送。作为一项新的优惠政策，拥有Prime会员资格的客户可在两天内收到货物，并且可以向亚马逊最活跃的客户推荐这些销售商。在2003年至2005年间，亚马逊开始研发自己的搜索引擎，并想出了一个方法，使得顾客能够在上搜索图书中出现的短语。2006年3月，亚马逊推出了简单存储服务（AWS），允许其他和开发者在其服务器上存储计算机文件，如照片、文档或视频游戏玩家的个人资料。

在2007年11月，亚马逊推出了“Kindle”，与此同时，投资者们逐渐意识到Prime服务的优势，股价因此上涨了240%。然而，2007年12月至2009年7月期间的经济大衰退对亚马逊的影响较小。尽管一些大型零售商店的价值大幅缩水，但亚马逊却保持稳健增长。在2009年初，经济危机的阴影进一步加剧，亚马逊的季度增长率重新回到了衰退前的水平，而在随后的两年中，股票价格上涨了236%。全世界都一致认可亚马逊的巨大潜力，包括Prime服务的潜力、强大的实力、AWS的前景以及Kindle的市场份额。分析师纷纷提高了对亚马逊股票的预期，基金经理也将亚马逊纳入他们的投资组合。亚马逊首次与谷歌和苹果展开竞争，不再只是跟随者，而是地位平等的领导者。亚马逊已驶入高速发展的快车道。

自2006年至2016年，公司的主营业务收入从191.66亿美元增长至1359.87亿美元，年均复合增速达到28.9%。同期，公司的主净利润也从1.9亿美元增长至23.71亿美元，年均复合增速为28.71%。2016年，亚马逊实现了1360亿美元的年度营收，同比增长27%，同时实现了23.7亿美元的净利润，同比增长300%。公司2012年和2013年的净利润出现了直线下滑，这主要是由于两个因素：一是海外子公司的收入有所下降，但是相应的税费并没有减少，2012年的税费达到了4.3亿美元；二是亚马逊在2011年底投资了Kindle Fire项目，并建设了大量配送中心。截至2012年，已经有八家新的存储仓库投入使用，亚马逊还计划在未来几个月内再投入十家存储仓库。

回顾公司过去几年的毛利率情况，自2011年开始，它呈现出大幅上涨的趋势。2011年至2016年，公司的毛利率从22.4%上升至35.1%。2016年，公司对各项业务进行了重新划分，分为零售收入、网络服务（包括云服务、第三方销售服务和其他业务，占公司总营业收入的69%、17%、9%和5%）等几个部分。其中，云服务已经成为公司的明星业务，其单季度的收入从2015年第一季度的16亿美元增长至2016年第四季度的35亿美元，2016年全年的同比增长率达到了55%。公司年末的现金流稳步增长，2016年年末的现金余额达到了193亿美元，这意味着公司未来的增长潜力巨大。

华为：华为的创始人任正非，同样拥有着一段传奇般的经历。他的求学之路充满坎坷，生活困苦，饥饿伴随左右。高中时期，他最大的愿望竟然是能品尝到一个雪白的大馒头。这段艰苦的经历锻炼了他坚韧不屈的性格。在家庭的支持下，任正非完成了大学学业，随后进入军队服役。然而，在1982年，由于国民经济调整和国家体制变动，军队进行了体质改革，工程兵部队被撤销。为了孩子的教育和未来的生活，任正非转业到了深圳的南油集团。然而，这位忠厚朴实的军人不久便被骗走了200万元人民币的货物。在那个年代，这相当于现在的两亿元。任正非因此背负了“使公司遭受四百万损失的大包袱”，没有人愿意聘用他。与此同时，他的第一段婚姻也走向了尽头。离婚后，任正非与父母和侄子一起租住在一间十几平米的小房子里。这座房子没有厨房，阳台便是烹饪的地方，晚上睡觉的空间也非常局促。他每天都很晚才休息，一直在思考，自己的人生道路究竟在何方？

1987年，任正非与合伙人共同创立了“深圳华为技术有限公司”，寓意“华为华为，中华有为”。该公司最初作为香港鸿年公司的小型HAX程控交换机的代理商，由于其非凡的气质，公司老板为其提供了授信额度，使得任正非能够在不付出现金的情况下获得HAX小型程控交换机。通过打价格差，任正非在程控交换机市场上取得了第一桶金。然而，随着业务的扩展，客户订单无法得到满足，任正非为了维护信誉，决定进口组件并自行组装小型用户交换机。他在深圳湾边的两个简陋仓库里雇佣了技术工人，开始组装小型用户交换机。尽管这个仓库没有窗户，屋顶也没有遮风雨的瓦片，而且条件十分艰苦，但工人们仍然在这里努力工作。如今，谁能想到，这些电子零部件和从香港进口的电路板，在经过十几名技术工人和十几把螺丝刀的拼装后，竟然打造出了一个世界级公司的雏形。

在20世纪80年代末至90年代初，我国的程控交换机市场几乎完全被七家外国电信巨头（日本NEC和富士通、美国朗讯、瑞典爱立信、德国西门子、比利时BTM公司和法国阿尔卡特）垄断，他们被称为“七国八制”，控制着的电信市场。当时，国外的高价程控交换机盛行，小型组装机泛滥，甚至还有走私程控交换机的情况。然而，任正非却毅然决定自主研发小型程控交换机。

研发环境艰苦，科研设备简陋，但我们依然努力克服；员工工资有时发放困难，但我们咬牙坚持；没有研制经费，甚至需要借钱维持研发，这便是华为初创时期的真实写照。尽管深圳气候炎热，没有空调，晚上休息时缺乏防蚊设施，我们的员工想出了一个土办法：在散件货箱子上覆盖塑料袋，将全身裹得严严实实，只留下鼻子和嘴巴。然而，一觉醒来后，发现塑料袋接触的地方往往会长出许多痱子。我们的老员工仍然清楚地记得，大家加班至深夜，任正非会让厨师熬一大锅热腾腾的猪尾巴汤，让大家滋补身体：“吃得菜根，百事可做。”习惯喝猪尾巴汤的团队，研发工作也取得了质的飞跃。

1992年，是华为丰收的一年，总产值达到一个亿，总利税超过1000万元。事业刚刚起步，任正非却遭遇了人生中最大的悲痛：1993年，他的父亲去世；1995年，他的母亲去世。在任正非的文章中，他写道：“我一生无愧于祖国、无愧于人民、无愧于事业和员工、无愧于朋友，唯一有愧的就是对不起我的父母。在没有条件时，我没有照顾他们；而在条件改善时，我也未能好好陪伴他们。如今，无论我如何呼唤，也无法挽回他们的离世。”

逝者已逝，生者仍需前行。2008年，我国进行了电信行业的重组，重组后的电信计划在接下来的三年内投入约800亿元用于建设C网，并为此进行81次招标，总价值约为150亿元。在招标过程中，华为提出了最低价为6.9亿元的价格，这一价格仅为中兴通讯报价的1/10，阿尔卡特朗讯报价的1/20。凭借这一低报价，华为成功拿下了北京、广州等核心城市的大单，占总招标金额的25%-26%，超过了中兴通讯（22%-23%）和阿尔卡特朗讯（17%）的总和，位居榜首。华为的这一低报价策略实际上是一种“以退为进”的策略；它成功进入了我国电信的CDMA网络；在后续的设备升级过程中，华为争取到了更多的市场份额。即使在中兴通讯和阿尔卡特朗讯在C网扩容订单中未能盈利，华为仍然可以通过网络升级赚取更多的利润，因为网络升级是C网市场规模的一倍左右。

在国内市场扩张的过程中,华为逐渐开展了其国际业务,第一站是香港。1996年,香港和记电讯获得固定电话运营牌照,需要在三个月内实现移机不改号的业务。之后,和记电讯前往欧洲寻找供应商,但被告知最快也需要六个月,而且成本高昂。最终,他们找到了华为,华为的研发团队迅速响应,仅用了很短的时间就为香港的机房提供了壁挂式远程模块,并提供了定制的号码携带NP功能,用不到三个月的时间就完成了任务。

华为的国际化战略的第二站是莫斯科。经过六年坚持不懈的努力和等待,2003年,华为在俄罗斯实现了超过一亿美元的销售额,还建设了俄罗斯3797公里的超长距离320G国家传输网。此后,华为在非洲、中东、欧洲等地区的销售网络遍布全球。2013年,华为的销售收入约为393-396亿美元,而爱立信的全年销售额约为353亿美元,首次在全年营收上超越爱立信,成为全球最大的通信设备商。

2010年至2016年，华为主营业务收入从1825.48亿元增长至5215.74亿元，年均复合增长率达到了19.1%。同期，公司主净利润也从247.16亿元增长至370.52亿元，年均复合增长率达到了21.4%。2016年，华为主营业务收入和净利润分别同比增长了32%和0.4%。营收增幅的主要原因在于消费者业务的快速增长，而净利润的微增则是因为公司持续加大消费者业务，以品牌和渠道建设为主的投入。

在2016年，华为继续投资未来，研发费用达到了764亿元。同年，智能手机的发货量和销售收入分别达到了1.39亿台和1798亿元，同比增长44%。回顾华为自2010年以来的业绩，毛利率一直稳定在40%，而营业利润率仅为10%。这主要是因为华为实施了员工持股制度，员工的薪资也高于行业平均水平，导致人力成本较高。

在2016年，华为的三大业务——运营商、企业和终端分别实现了销售收入2905.61亿元、406.66亿元和1798.08亿元，占主营业务收入的比重分别为57%、8%和35%。从2011年到2016年，运营商、企业和终端三大业务的年均复合增长率分别为14.14%、34.72%和32.15%。

华为运营商业务始终坚守“管道战略”，专注于数字化转型，不断尝试解决方案和商业模式，实现了稳健的增长。华为企业业务致力于抓住行业数字化转型的机遇，与合作伙伴、客户共同构建商业驱动的ICT基础设施，已成为行业数字化转型首选合作伙伴，助力客户引领新的ICT时代。华为消费者业务以消费者为核心，持续优化消费者体验，注重有价值的创新，并在多个领域取得重要突破，赢得了全球更多消费者的喜爱和合作伙伴的认可。

在当前DICT产业变革的大背景下，创业企业面临着新的挑战。通过梳理全球优秀的ICT企业的创立时间，我们可以看到信息化浪潮起源于日本，随后传播至北美、欧洲和亚洲。在20世纪30-60年代，日本成为了ICT创新型企业的集中地，其中包括富士通、松下电器、夏普、佳能、索尼、爱普生等公司。到了1960年以后，北美地区的创业型公司开始迅速崛起，例如英特尔、戴尔、EMC（易安信）、苹果、微软、交通通信集团（SAIC）等。而在20世纪80年代之后，亚洲和北美的大型公司逐渐增多，包括甲骨文、思科、戴尔、Twitter、Facebook、Google、Salesforce，以及我国的企业联想、中兴、华为、华硕、腾讯、阿里巴巴、百度等。

通过对不同时期具有代表性的大型创业公司的分析，我们可以发现，在同一时期创办的成功公司，它们的创业道路具有一定的共性。

在未来DICT产业的浪潮中，人们期待着创新技术的引领作用，而不仅仅局限于提高消费者服务水平。自服务链与制造链诞生以来，它们一直相互促进，共同发展。过去十年间，服务链实现了爆炸式的增长。我国的企业巨头如Google、百度、阿里巴巴、腾讯、亚马逊等，已从零起步，迈向帝国时代。为了实现智能革命的技术跨越，DICT产业急需新鲜血液的注入。各大发达国家已经开始布局智能制造产业，经济时代的野蛮生长已经结束，创业试错的机会成本将增大，未来对创业者的要求也将更高。这些创新型企业不仅需要具备专业知识，还需要具备前瞻性和应变能力，因为一次战略失误可能会给企业带来灾难性的后果。

三、DICT产业变革中的创业机遇与投资节奏

大数据、深度学习和智能硬件是推动智能革命的三大驱动力。在未来十年中，芯片及传感器、智能硬件、互联网服务和云服务将成为最佳的创业领域，其爆发点将在未来三年、三年至五年和五年后出现。

1.大数据、深度学习、智能硬件催生的DICT产业投资地图

大数据是深度学习的基石，没有大数据的支持，深度学习的算法和神经网络将难以进一步优化。同时，深度学习对大数据处理能力的需求也需要智能硬件（如芯片和计算机架构）来实现，因此大数据、深度学习和智能硬件三者相互促进，形成了推进智能革命的良性循环，成为了驱动智能革命的三大力量。

驱动因素一：大数据

大数据之所以被称为大数据,主要有五个特征,即大、多维度、处理非结构化数据的能力、具有时间和相关性。以前,人们无法通过“穷举”的方式来掌握事物的规律,只能采用“取样”来估算,或者通过观察使用简单明了的函数来描述事物的规律。但是,大数据的出现使得这种笨拙的方法变得可行。

深度学习是另一个重要的驱动力。在20世纪70年代末,Geoffrey Hinton教授等人就已经发现,如果能够实现多层的神经网络,就可以逐层递进地找到模式中的模式,从而让计算机自己解决复杂的问题。深度学习的最核心概念是通过增加神经网络的层数来提高效率,将复杂的输入数据逐层抽象和简化,也就是将复杂的问题分成多个部分,每个部分由一层神经网络来解决。因此,一层神经网络可以找到简单的模式,而多层神经网络则可以找到模式中的模式。

深度神经网络大大提高了机器学习的速度,使人工智能技术获得了突破性的进展。在这一基础上,图像识别、语音识别和机器翻译等领域的技术也取得了长足的进步。基于深度学习的人工智能与传统的人工智能原理不同,但它与我们所了解的数据挖掘有相似的逻辑:先得到结果,然后反向寻找模式。这个过程被称为训练。

最后一个驱动力是智能硬件的发展。在过去,人们构思机器学习方法时常常缺乏足够的数据来进行验证和训练。然而,随着互联网的爆发式增长,数据的获取不再是问题,但如何处理这些数据以提高计算能力却是一个挑战。因此,思维倒逼硬件革命,即数据和计算量的增加要求整个信息基础设施都作出相应的改变。

目前，计算机内存运行速度的提高仅每年9%，而硬盘性能的提升平均只有6%。相比之下，计算机内存的运行速度仅为CPU速度的百分之一，成为限制计算机性能的关键因素。当前的数据存储吞吐量模式严重拖累了计算机性能，需要突破的两个方向是：一是物理学的突破应用，例如利用量子物理学中的叠加效应，创造性能百万倍于现有计算机芯片；二是增加深度学习芯片的数据处理能力。人们对数据处理能力创新的主要尝试包括：GPU显卡芯片、FPGA芯片和智能芯片。

自2011年至2017年，全球大数据市场规模从73亿美元增长至485亿美元，年均复合增速达37%。其中，关系型数据库（如NoSQL）和大数据应用（分析与交易）以及云服务增速最快，近6年来年均复合增速分别为59%、56%和45%。2017年，专业服务市场份额占比最大，为35%，其次是计算、应用（分析与交易）和存储，市场份额分别占比16%、15%和14%。

自2010年至2016年，我国云计算市场规模从167.31亿元增长至2797亿元，年均复合增速达到65%。全球公有云服务市场规模也从769.4亿美元增长至2086亿美元，年均复合增速为18%。在公有云服务市场中，基础设施即服务（IaaS）、平台即服务（PaaS）的增长速度远超市场平均水平，近6年来年均复合增速分别为42%和40%。

从2017年全球大数据各细分市场规模来看,专业服务的市场份额占比最大,为35%。其次为计算、应用(包括分析、交易和存储)市场份额分别为16%、15%和14%。与IaaS、PaaS业务等增速最快的云计算业务相比,这些业务的市场占比反而较小,成为公有云服务市场的未来增长点。在大数据、深度学习和智能硬件的驱动下,信息革命时代的ICT产业链由4层变为了3层,其中网络层和平台层合并为广义的网络层。同时,我们考虑创新维度(包括原始创新、集成创新、业务创新和模式创新),在智能革命下的浪潮下,我们的投资地图呈现出了新的格局。

在原始创新领域,需要极高的技术水平。如果能在该领域取得突破并制定行业标准,就可以在行业内树立一个高进入壁垒,创新型公司在一定时间内可以享受到排他性的垄断竞争优势所带来的经济利益,从而快速成长。与原始创新相伴而生的通常是模式创新,而模式创新下的平台经济有两个方向:2C端和2B端。对于中小企业而言,2B端相对于2C端更易于进入,因为2C端市场竞争越来越集中,目前2C端业务已经被BAT(百度、阿里巴巴和腾讯)三大巨头瓜分,小企业在2C端创业的难度非常大。

从横向来看,应用层主要是2B业务,这对小公司来说是一个机会。但是,要建立云智能和云平台,必须建立在成熟的算法和深度学习基础之上。

广义的网络层上的集成创新和业务创新将被纳入规模经济的范畴。这些创新的特征在于规模化、定制化和低成本。对于初创企业而言，规模是一道难以逾越的门槛。在感知层上，主要是面向消费者的2C业务。然而，在原始的智能芯片领域，小公司如我国北京寒武纪科技有限公司已成功研发出全球首款专用于计算机深度学习的芯片。集成创新的手势识别和语音识别需要在芯片技术达到一定成熟度之后才能实现爆发。

在对新的投资地图进行解读后，我们预测了DICT产业中创新型企业可以进入的细分市场、市场规模和未来十年的年均复合增速（蓝色柱状图对应左侧的市场空间，红色曲线对应右侧的年均复合增速）。在这八大子行业中，电信服务（包括通信设备）属于规模经济范畴，行业规模较大，而其他子行业的规模相对较小。根据未来十年的年均复合增速数据，我们可以看出：芯片及传感器、智能硬件、互联网服务和云服务的未来十年间将保持较高的复合增速。而最适合创业的领域应该是技术壁垒较高、新用户转换率较高、市场规模大且行业复合增速快的子行业。因此，我们认为，在未来智能革命的浪潮下，智能硬件将会率先爆发，成为最适宜创业的领域，其次是互联网服务，然后是芯片及传感器，最后是云服务。如果按照投资价值的排名，从高到低依次为：云服务、互联网服务、芯片及传感器、智能硬件。

同时，我们需要把握DICT产业的技术演变周期和投资节奏。

在分析各细分市场的投资价值之后，我们接着将探讨DICT产业的技术演变周期以及三大投资阶段。投资就是要在正确的时间、正确的领域做正确的事情。根据以上技术发展周期，我们认为新科技的投入主要可以分为三个阶段：

第一个阶段的最佳介入时机在于第一代概念产品问世、媒体开始广泛宣传的时候。此时的投资策略主要是寻找与新技术相关联的机会。以天使轮投资为主，投资成功概率约为1%，但可能带来数百倍的回报。

第二个阶段的最佳介入时机是在第一代产品未能达到市场预期，第二代产品开始出现并在小型商业应用阶段取得一定市场份额（约1%）时。这个阶段的新业务对公司业绩的贡献较小，仍然属于趋势性投资阶段。投资策略仍然是寻找能够从新技术中获益的创新型企业。这一阶段主要由风险投资机构（VC）参与，投资成功概率约为10%，但可能带来数十倍的回报。

第三个阶段的最佳介入时机在于第三代产品的出现。这时，产品的性价比显著提升，市场渗透率首次超过5%，标志着大规模商业应用的转折点。在这个阶段，包括私募股权基金（PE）、风险投资机构和股票投资在内的各方都将积极参与，投资成功概率约为50%，但可能带来数倍的回报。

从产业技术生命周期的视角来看，每项技术都会经历萌芽期、期望膨胀期、泡沫破碎期、稳步爬升期和实质生产期。Gartner的研究表明：量子计算、通用人工智能、云服务目前仍处于技术萌芽期；智能机器人、物联网、互联家庭等技术正处于期望膨胀期；专家顾问知识、增强现实、企业分类法以及本地安全等技术处于泡沫破碎期；智能语音、手势识别等技术正在稳步爬升；而虚拟现实在电影和游戏中的应用则正处于实质性生产的高峰期。

综合以上分析，我们预测在未来三年内，智能制造的爆发点将主要集中在智能硬件终端及相关芯片和传感器上，例如各类可穿戴设备（如VR/AR眼镜、头盔）和智能图像传感器（如激光雷达、GPU、智能芯片等）；在未来三到五年内，深度学习和人工智能的各种算法、大数据带来的个性化互联网服务将成为行业的增长点；而在未来五到十年后，包括基础设施即服务（Iaas）、软件即服务（SaaS）和平台即服务（PaaS）在内的云服务模式将逐渐成熟并成为主流业务形态。

从0到1成就伟大公司的共同特性就是远见卓识（犹如鹰眼）与坚定决心（如同狼的意志）。一旦有创业想法能改变商业模式，就会被人们深入挖掘。未来，人们期待看到的不仅是用于提升消费者服务的创新技术，更是新一代生产力的发展。而在即将到来的智能革命浪潮中，市场对创业者的要求越来越高。这些创新型团队不仅需要具备专业知识，还需要具备前瞻性和应变能力。

在大数据时代，信息获取的成本极低，企业的经营环境也将变得越来越多变。创业者在试错方面的机会成本越来越大，一次战略上的失误可能会给企业带来毁灭性的打击，因此对创业者的要求也越来越高。

根据我们的预测，在未来十年的智能革命浪潮中，芯片及传感器、智能硬件、互联网服务和云服务将保持较高的复合增速，成为最佳的创业领域。按照投资价值从高到低排序，分别为：云服务、互联网服务、芯片及传感器、智能硬件。

我们认为，未来三年内，智能制造的爆发点将在智能硬件的终端和相关芯片和传感器上，例如各种可穿戴设备（如VR/AR眼镜、头盔）、智能图像传感器（如激光雷达、GPU、智能芯片等）。在未来五年至十五年内，深度学习、人工智能的各种算法以及大数据带来的个性化互联网服务将成为行业增长的关键点。此外，各种云服务（包括基础设施即服务、平台即服务、软件即服务的商业模式，如云存储、云计算、企业云服务等）将在未来五年后初具规模，并成为主流业务形态。