硅谷密探
硅谷Live / 实地探访 / 热点探秘 / 深度探讨
封面图自网络，版权属于原作者
说到创新，硅谷一直有世界创新高地的标签，吸引世界各地的创业者、投资人、学者和作家源源不断的前来一探究竟。以往研究硅谷创新系统的学者往往以 ”要素说” 来解释硅谷的创新，如硅谷有斯坦福大学、加州大学伯克利分校这样世界一流的研究高校，有着来自世界各地的源源不断的优秀的移民人才等。
然而，不管硅谷有什么。创新都是动态变化的，今天的硅谷是否和10年前，20年前一样创新？十年后的硅谷，又是否还能继续保持这样的创新？能实时测量“创新值”的波动，发现创新力增强或减少的背后原因，并及时进行干预，可以说是研究创新和经济发展的学者们的“终极梦想”。
硅谷洞察的特约记者注意到，在斯坦福大学两个不同的学院里，有两位教授在分别尝试用全新的方法来测量 “创新” —— 这个看起来略微抽象的概念。由于对创新的理解不同，测量方法和工具不同，他们也得出了不同以往的新的洞见。
用跨2个世纪的专利大数据来测量突破性创新
如何衡量创新一直都是个大难题。传统测量创新的标准有这样几个：第一，研发投入。第二，申请的专利的数量。第三，发表论文的数量。
但是，这几个标准跟如今的创新力之间越来越难以划上等号。
以研发投入来说，在资本助推创业的今天，能在研发上有大量资本变得越来越容易，但这并不足以说明这些钱就真的会转化为创新力；衡量专利的数量和发表论文的数量也是如此，发论文变得越来越容易，但质量却往往无法保障。慢慢地，人们有时开始为了发表论文而发表论文，为了申请专利而申请专利。
面对这些问题，斯坦福大学金融学教授、胡佛经济研究所高级研究员阿米特•塞鲁（Amit Seru）和耶鲁大学的教授布莱恩.凯利（Bryan Kelly）等合作，利用庞大的美国专利数据库发明了一种新的创新衡量标准。
Amit Seru 教授，图自斯坦福大学官网
研究人员通过比较某个专利的文本与早期和后期专利的相似程度来衡量每项专利的质量。塞鲁教授解释：“突破性创新的专利文本应该与以前的任何专利都不同，但却能有足够的影响力，以至于后来的发明者都在采用并扩展它。通过计算在特定年份提交的这种类型的专利的数量，我们就可以估算当年发生了多少突破性创新”。
比如，第一个在文本中提到“电”这个词的专利非常重要、前所未有。在后来的专利数据库里，跟 “电” 有关的专利成百上千 —— 因为电的发明给整个人类社会带来了翻天覆地的变化。这个时候，研究人员就会给该专利打一个高分，列入 “突破性创新” 之列。
确定用专利文本的相似性来分析创新的质量后，塞鲁教授和他的合作团队分析了自 1836 年以来向美国专利局提交的 900 多万件专利的文本，编译了每个专利中使用的每个单词后，他们过滤掉了极其常见的如”那个”这种意义不大的普通单词，然后专注的分析其他单词文本的相似性。
用分析专利文本来获得突破性创新数量后，塞鲁教授和他的团队将突破性创新与生产率的变化关联起来分析。试图用大数据来验证：到底突破性创新与经济增长之间有多大的关系呢？
突破性创新：从“混乱”和资源重新分配中产生
通过对过去两个世纪的专利文本与行业的关联分析，他们发现，技术创新确实是过去两个世纪以来美国经济增长的关键：每次大量的突破性创新之后，就会毫无例外的迎来生产率的提高。
比如，某个行业的突破性创新比平均值高出 30% 时，这个行业的生产率就会比其他行业高出 11%。
通过行业的创新与时间的关联分析，可以更清晰的从数据曲线的变化看到，那些生产力显著提高的行业与美国技术进步的三大浪潮密切相关：19世纪后期所谓的第二次工业革命（新的铁路技术和电力的诞生），20世纪30年代（电力和发展的新应用）化学品，包括第一个全合成塑料，和20世纪90年代（计算机，通信和遗传学革命）。这些技术创新的共同特点是，它们带来了一阵“混乱”，对已有的资本、人才和市场资源都进行了重新分配。
配图自《经济学人》，版权属于原作者
通过突破性创新和公司以及时间的关联分析，研究发现，那些具有突破性创新的公司比没有的公司都有至少 5% 的未来盈利能力。
最后，更多的数据关联分析结果发现，突破性创新可能来自任何地方：可以来自新公司，也可以来自老公司，可以从私人公司，也可以从上市公司中产生，当然也可以来自大学和政府 —— 但它往往是政府、大学和企业在使用非常多元化的员工/人才后发生的。
给一个设计团队的创新过程编码
如果说塞鲁教授测量创新的新方法是从重新评价创新的结果着手，那么，斯坦福大学人类创新设计研究执行主任尼拉什•索拿卡（Neeraj Sonalkar）测量创新的新办法，就是从关注创新的过程着手。
斯坦福大学人类创新设计研究执行主任尼拉什•索拿卡（Neeraj Sonalkar）
“对于创新，人们总是说，‘你告诉我具体怎么做就好，第一步是什么，第二步是什么’ ... 如果你这么想，你就是在要一份 ‘创新配方’，但这本质上不是创新。发现你自己的独有创新配方，才是真正的创新。
为什么不能给你一模一样的食谱配方呢？因为你的 ‘创新原材料’ 很可能跟我的不一样，如果照搬别人的方法，只要稍有不同就不可能做出一模一样的菜来。我可以教你的，是如何根据已有的资源和材料即兴创作。”
通过在斯坦福大学设计学院多年的设计思维团队训练，尼拉什发现，一个团队在创新过程中如何互动，是影响整个团队创新成果和质量的关键所在。那些总能有非凡表现的团队，他们在整个团队合作中是如何跟彼此互动的呢？有没有一种方法，可以记录下这些出色的互动方法和元素，并且教给其他任何人来使用，从而提高团队的创新能力呢？
对他来说，发现这些能够有效提高创新的人际互动方法，就是在教给人们如何有能力跟任何团队都能产生出色的创新。
于是，尼拉什发明了一种他称之为“动态互动注解”（IDN）的方法，用这种特别的符号语言来记录和再现一个设计团队互动的过程。这个过程就像是给每个团队的创新过程“写谱”。
他的团队首先找到了两个实验团队。这两个团队的任务是，设计一款安全又有趣的玩具，要求他们产生尽可能多的新主意和新概念。团队可以使用乐高积木以及书写和画画工具，以方便他们设计和分析新产品的原型。每个任务持续约40分钟。
然后，研究人员用摄像机拍下两个团队做任何的整个过程，之后再用视频来分析一个新的概念是如何在团队中生成的。 研究在斯坦福大学设计研究中心的实验室环境中进行，因为它设置好了能同时捕获所有参与者的特写摄像机，能够从细节上同时分析一个人的语言和非语言表达行为，还能迅速收集和分析视频数据。
收集两个团队的视频数据之后，尼拉什和同事在开发视觉符号的编码方案时，把重点放在识别团队互动过程中的 “想法”、“发言者的转换”，和 “互动片段” 这几个部分。其中 “想法” 被定义为可能的现有产品的替代方案，可以是另一种的产品结构，甚至是另一种产品生产过程的方案。一个发言是对另一个发言的回应，然后又引来新的发言者的回应，几个连续的发言者转换组合在一起就是“互动片段”。
在团队的互动中，A和B谁何时发言，C如何回应，是表示支持还是否定，是否提出了一个新“想法”，还是一直在用批评给A制造表达想法的“障碍”，这些都会被研究者在观看视频的时候，用特定的视觉符号记下来，给团队的动态互动过程编码的这个方法，就是 “动态互动注解”。整个编码使用的都是人们比较熟悉的用来隐喻人际反应的视觉符号。比如，“阻碍”由一面墙表示，“克服阻碍” 由越过一面墙来表示， “支持”由工程自由体图中使用的地面符号表示。
按照这种方法，如果一个团队有三个人，分别以A，B，C来指代，一段三人互动的视频被编码后的就会被表示为如下图中的模样：
图片版权：Neeraj Sonalkar
尼拉什教授表示，这种方法目前的主要应用是，第一：对设计团队的诊断。比如，有的设计团队想要设计一个新的儿童智能玩具，但却苦于没有让人眼前一亮的设计。尼拉什教授就会让核心设计团队到实验室来，通过实时的视频和 IDN 注解的方式来诊断设计过程中的互动，看到底哪一部分出了问题。然后，他会把整个诊断结果做成报告，主要包括团队互动的主要问题和给出的改进建议。
“这种诊断报告的方式会给整个设计团队一种强大的自我觉知能力，他们身处团队互动的过程中往往会丧失这种觉知，但‘旁观者清’，作为第三者可以更客观和清楚的告诉他们团队工作的得与失”。
“我们还会给学生的设计作业给出反馈，当来自世界各地的学生们在做一个设计项目的时候，我把他们带到这里，录下一个15分钟左右的视频，然后给他们一个反馈报告。这会给学生一个全新的视角，让他们知道在团队中该怎么表现”。
第二，尼拉什教授的团队正在和可计算口语（Computational Spoken language）领域的博士学生合作，他们设计了一个人工智能系统，尝试利用机器学习帮助我们迅速分析大量的团队互动数据（关于同一个主题），从而找出一个最好的互动模型。这可以帮助我们更好的定义什么是好的设计，什么是高质量的互动。
尼拉什教授也在跟旧金山一家生物公司合作来做类似的数据建模，他们使用一种大数据分析软件来清洗和整理他们的基因数据。
“虽然我们所处的领域完全不同，但从方法论的角度来看，不管一个团队互动的过程是怎样的，包含口语或非口语的信息，它们都可以利用‘动态互动注解’的方法转化成一串容易阅读和理解的视觉符号。这其实和基因编码的——ATGC 原理是非常相似的。如果大数据的方法可以用于生物信息学，当然也可以用来解码团队互动。我们利用生物信息学里的模型匹配算法（pattern-matching algorithms）来分析使用 IDN 转化成的一长串的互动注解符号，试图来发现团队互动中的几种最佳模型”。
硅谷创新的真正来源：高质量人际互动
虽然“最佳团队互动模型”的成果还在研究过程中，但 Neeraj 教授可以肯定的一点是，新的概念的产生跟团队之间的积极互动方式有极大的正相关关系。这些积极的互动方式包括积极的倾听，不管团队中成员说什么，都能频繁乃至始终的用“是的，而且（Yes，And）”这样鼓励并延伸的句子来反应，更多的其他成员的支持，不管口头还是语言，都会让发言者的反应和互动更加活跃。相反，那些“阻碍”式的沟通和互动方式，往往会让团队的互动陷入消极。
Neeraj 进一步提出，可以用人际互动作为工具来解释硅谷的创新奥秘和经济增长奇迹。Neeraj 的同事、斯坦福大学研究设计思维的专家阿迪•邦尼特（Ade Mabogunje），是这样解释创新是从人际互动中产生的：
“基于对硅谷生态系统的研究，我们发现了几个创造财富的共同的人际互动的特征。这是当今经济学说的重要缺失因素，这些人际互动的多个特征中包括：1、社会关系网。世界上很多人都会因各种原因相遇，但拉里•佩奇和谢尔盖•布林第一次在学生培训期间相识，然后就决定一起创建谷歌，这对世界是有很大影响的。创新很多时候来自你的社交网络，即人脉。
2、信任。在一个社区中，人们合作的效率如何？是一次握手就足以跟一个陌生人建立合作，还是需要律师和签订昂贵的合同？在硅谷，人们很少在开诚布公的分享彼此的计划之前签订合同，但在世界其他地方，几乎都是相反的，人们总是先签订合同之后再开始做事情。
《硅谷百年史》作者皮埃罗•斯加鲁菲（Piero Scaruffi）也指出，要学习硅谷的创新，不能仅看资本，高质量的大学，人才这些经济体系里有形的因素，学习整个社会，了解社会文化这些无形的东西，才能真正解释硅谷。比如硅谷所在的加州湾区这个系统，独特性就在于，它是一个艺术家和科学家，创业者们频繁互动，彼此影响的生态系统。
创新启示录
所以说，看了以上两种测量创新的洞见，如果我们想长远地培育某个地区的创新，应该多问以下问题：
如何激励政府、大学和公司都来积极产生更多突破性创新？
如何设计一个系统，能够让该地区的各个群体：学生，创业者，科学家，商业领袖等能更容易的产生更积极和频繁的，更有价值的互动？
如何给多个跨领域的人群自然而然的创造各种相遇的机会？
如何让整个社区内的社交人际网更紧密，更多元？
如何让不同社会群体之间的信任成本降低？
如何用好大数据和人工智能这些工具，建设一个真正具有创新力的，人与人之间有着积极互动的智能城市？
以这个标准衡量，你看好哪座城市成为下一个创新之城？是北上广深这样的大城市、还是厚积薄发的二三线、甚至四线城市？欢迎留言讨论！
本文作者
牛金霞，资深媒体人，斯坦福大学访问学者，科技图书《人类 2.0》、《科技与和平》合著者。
