5月21日-22日,由TGO鲲鹏会、极客邦科技主办的“2021 GTLC 全球技术领导力峰会”全球总站在上海召开。本届峰会邀请了数十位行业技术领袖,以“构建技术领导力,成为引人追随的管理者 ”为主题,展开了深度交流与思想碰撞。
其中,全球领先的互联网通信云厂商融云作为To B领域的技术创业代表受邀参会。会上,融云联合创始人&CTO、TGO 鲲鹏会(北京)负责人杨攀发表了《经营 To B 企业,如何寻求产品、商业与技术的平衡》的主题演讲,分享了创业实践中,如何选择和确定创业赛道,产品、商业、技术的关系,以及如何不偏离企业战略目标等内容,帮助技术管理者向领导者进阶,从而吸引更多的追随者,组建更有战斗力的团队。

TO B市场技术创业的机会
融云创立于2014年,始终专注于To B领域的互联网通信云赛道,以“IM+RTC+PUSH”整体通信解决方案赋能千行百业。之所以选择To B领域进行技术创业,这与融云核心创始团队全部来自于原中国移动的飞信团队有很大关系。彼时,杨攀带领团队以技术支撑着日活过亿的飞信产品,他们看到了To B市场出现了新的创业机会,以SDK/API方式交付开发者底层通信能力,凭借多年C端市场的技术积累与运营经验,让杨攀团队选择了To B赛道,为更广泛的开发者提供PaaS平台级的通信能力。

自那一年后,市场上每年都在讲To B市场的元年来了。但杨攀认为,2021年才是To B市场真正的开启之年。原因有四个:流量、人才、资本与疫情。
第一,从流量看,To C 流量进一步向超大 App 聚集,开发者除了开发成本外,运营成本逐年攀升。
第二,从人才流动看,To C 产业人才、硅谷人才、中国外企人才,这三个方面的人才逐年向To B 市场溢出。
第三,从资本看。To C 业务发展遭遇瓶颈,流量被大厂控制,机会不多,因此To C 资本逐渐溢出,去向更有钱赚的地方,那就是To B市场。
第四,从疫情看。疫情加速了国内信息化建设,由原先较为平缓的建设,发展为跳跃性的建设,让原本对信息化无概念的公司管理者意识到信息化的重要性。
基于上述四个方面的原因,杨攀认为选择To B领域技术创业正当时。
寻求产品、商业与技术的平衡
选择和确定创业赛道,依靠的是团队之前的技术积累和运营经验;但经营一家To B企业,则面临如何平衡产品、商业与技术这三者关系的课题。
杨攀认为,产品负责“做什么成”,通过市场研究、竞争分析、客户研究、商业策划、产品定义、运营数据分析等决定创业公司的产品方向;技术负责“做成什么”,也就是公司核心能力的构建,包括质量优势、成本优势、开发者效率优势等方面;商业负责“怎么做成”,这就需要分析营收增长、客户增长模型,由市场创建销售漏斗,售前和销售共同达成任务。
一个公司,是销售部门强势?是产品部门强势?还是技术部门强势?取决于如何帮助客户成功,同时又不偏离公司既定的战略方向。当技术管理者面对市场的变化,竞争对手的追赶,仍旧能够理清这两者的关系,寻求产品、商业与技术的平衡时,就是一个优秀的技术管理者向领导者进阶的过程。
因为创业公司高层的视角永远是看方向,看似讲平衡,其实是协调一致,发挥团队现有人员的最大效力。
真正伟大的企业有所为,有所不为
如何看准方向,不偏离公司既定的战略目标?杨攀给出的答案是:真正伟大的企业有所为,有所不为。这就是战略的本质:取舍与排序。
每一个领导者都应思索,公司战略目标应该是客户驱动?对手驱动?还是战略驱动?怎么取舍?怎样排序?
客户驱动最大的问题在于:满足了客户需求,往往可能偏离了公司既定的战略方向;最大的好处是通过满足个性化的客户需求,可能会发现一个潜在的商业领域,把它做成普适性的产品,进而成为公司战略方向的一部分。因此当一个公司深陷客户驱动的时刻,就要仔细审视其最大的弊端和好处,进行取舍。
对手驱动,领导者应该要求不能纯粹的 “抄作业”,而是要以对手为镜,学习战术打法,形成战略层面的独立思考。一味模仿,只会因彼此路径不同、资源不同、内核逻辑不通,反被入坑。
战略驱动,在杨攀看来,是所有管理者都应该做的事情,但往往短期内不会获得成功反馈。一个To B领域的创业公司应该追求长期价值主义,脚踏实地打磨技术与场景,追求为开发者带来超值体验与服务。
因此,一家真正伟大的企业,应该要顶住压力做该做的事情,也许艰难,但会一路向上;摒弃短效利益,确保核心目标的达成。
结语
技术管理者应该铭记心中:商业的本质是增长与效率,战略的本质是取舍和排序。杨攀通过融云的创业实战,分享了技术管理者向领导者进阶过程中,应如何坚持既定战略方向,平衡产品、商业与技术,让公司与领导者快速成长,向做一家伟大的企业前进。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。