【添翼思维】科技创新的维度和策略

刚忙完一些项目，突然想写点东西聊聊创新。结合过去多年来在理论研究、技术发明、产品开发、科技创业多个层次的经验，总结出科技创新的三个维度： 创新空间、创新策略、创新目的。

创新空间包括理论创新、技术创新、产品创新、商业创新四个层面。

总结自己的经验和深入思考，创新策略建议有以下诸项：

·      偶然发现：科学史上常有因科研事故而引发的新发现，譬如青霉素和X射线的发现。

·      无中生有：这是我们常说的0到1的创新。

·       迭代优化：这是1-100的创新。

·       攻克难题：数学上解决著名的猜想，技术上解决卡脖子问题等属于此类。

·      技术迁移：将一个领域的技术或者方法应用到另一个领域，这在数学和技术领域常有这种创新。

·      新术旧用：将一项新技术应用于一个成熟领域，推动领域的进一步发展。

·      技术融合：将不同的技术融会贯通而产生新技术、新产品和新产业，譬如智能手机、无人驾驶汽车、人工智能医疗等的诞生。添翼工软的旗舰产品D2M是一款集工艺设计与管控为一体的工业软件， 本质上是CAPP和MOM/MES的系统性结合。

·      思想迁移：将一种概念、原理或方法从一个领域迁移到另一个领域，并在此基础上发展出新的技术或方法，譬如笔者从解决了DLP基本问题的文本指纹算法得到启发而设计了解决CAPP基本问题的工艺指纹算法。

·      跨界融合：在数学史上，有很多这种例子，譬如代数与几何的融合产生了解析几何，拓扑学与分析的结合产生了微分拓扑和代数拓扑。数学和生物学的结合形成数理生物学这门新学科。在技术领域也有许多例子，如人工智能与医疗、人工智能与制造业、云计算与大数据、云计算与人工智能、生物技术与计算机科学等。

·      逆向思维：数学上的反证法就是通过假设结论不成立，然后推导出矛盾，从而证明原结论成立；对偶原理则是另一个例子：将原命题中的概念或关系取反，得到一个新的命题，从而发现新的性质。技术领域的逆向工程也是：通过分析产品的结构和功能，来了解其设计原理，从而进行改进或仿制。

·      精益求精：精益求精在理论创新中的体现包括问题驱动型研究、迭代优化等形态，在技术创新中则有敏捷开发、持续改进、精益生产等方式。

·      紧贴热点：这个在近些年的技术潮流中不言自明，譬如目前人工智能领域的百模大战，前几年工业互联网和区块链的泡沫化竞争等。

·      模仿微创：美团外卖的模式借鉴了饿了吗；小米手机在硬件配置上与其他品牌竞争激烈，但通过MIUI系统、社区运营等方式，打造了独特的用户生态；拼多多通过拼团、砍价等社交电商模式，成功开拓了下沉市场；瑞幸咖啡借鉴了星巴克的连锁经营模式，但通过补贴、外卖等方式，迅速占领市场；微信小程序借鉴了APP的应用场景，但通过轻量化的方式，降低了用户的使用门槛。

第三维度是创新目旳： 实用主义和追求知识。追求知识只在理论创新里有意义，在科技企业里，我们基本上以实用主义为原则，所以这个维度不用考虑。

在我们企业的实际工作中，针对创新空间的四个层次，都可酌情思虑每一种创新策略的思路。我们不是技术至上主义者，不为创新而创新， 而是为客户提供更好的产品和服务、为工业软件整体对国家的战略价值而创新。

可能有人会疑惑, 啥？在商业环境里的科技企业也做理论创新？。。。 是的， 理论创新在笔者的技术创新实践中非常重要：技术未有，理论先行。举几个例子：

·       当年在硅谷的InnoPath从事差分压缩算法的研究，为公司的FOTA开发差分压缩引擎，主要应用于手机固件升级和bug fix。有一次， 客户说他们fix bug只改了几行代码，可是差分压缩包D却大得不合常理。在跟客户软件工程师的交流中， 我们发现了机器代码的次级变化，即由代码的逻辑变化派生的非逻辑性的机器码变化。在对ARM指令集做了深入研究之后，我们建立了一个机器代码次级变化理论，在这个理论指导下，我设计了手机固件的预处理算法以消除代码的次级变化，使得差分压缩引擎的压缩率改善十几倍。这是以理论指导实践的典型案例。

·       当年创立DLP公司Provilla的时候，为了解决DLP基本问题，在没时间做太深思考的情形下，设计了一款启发式的文本指纹算法，虽然Provilla的核心技术已是行业翘楚，但是这个算法一直有几个场景处理得不甚理想。在Provilla被趋势科技并购之后，我才有时间重新深入思考DLP基本问题（给定一个文本，如何从文本库中快速而精准地搜索到最相似的文本），建立了文本相似度理论。在理论的指导下，设计了第二代文本指纹算法，彻底解决了DLP基本问题。这是理论指导实践的又一个好案例。

·       在添翼工软， 我们为了更好地设计CAPP软件而建立了D-M图理论（The Theory of D-M Graphs）,为工艺设计提供理论指导。在D-M图理论的指导下， 我们设计工艺指纹算法以解决CAPP基本问题：给定工艺的一些特征，如何从工艺库中快速而精准地搜索到最相近的工艺.