谷歌大中华区总裁李开复宣布离职三天后,9月7日,在清华科技园谷歌大厦旁边的一座大楼里,举办了一个高调的发布会,曝光了自己的即将开展的新事业
——一个旨在培养创新人才和高科技企业的创业孵化平台。现场有100多家媒体悉数到场,将走廊和电梯都挤得水泄不通。北京市副市长苟仲文
、富士康科技集团董事长郭台铭、美国中经合集团董事长刘宇环前来捧场,更有联想控股董事局主席柳传志和新东方创始人俞敏洪、Youtube和paypal
创始人陈士骏录下视频为之助兴。这些活跃在商界上的大佬们不仅仅是作为朋友来捧场的,也扮演着李开复新事业的出资人的角色。
“你都不晓得他们对我有多支持。”李开复颇为得意地对记者说。
在
职业经理人这个群落中,其影响力能够与李开复媲美的,只剩下唐骏一个人了。当年唐骏加盟新华都的时候,不过是举办了一次履新记者会,其轰动场面却被业内人
士评为“就是花10亿元打广告也不一定有这样的轰动效果。”李开复在塑造影响力方面同样达到了这种效果,据说有不少来自台湾的职业经理人在倾心研究李开复
模式,扩大自己的影响力,以期提高自己在中国大陆市场的职业价值。
在市场经济中,影响力在交易中的价值不可小视。大部分职业经理人面对着强大的商业组织,只能被动接受市场定价。具有影响力的职业经理人在交易谈判中却往往能够掌握一定的主动权。当年唐骏令新华都一夜成名,这就是影响力的溢价,也是唐骏获取亿元薪酬的基础。
想成为下一个李开复吗?那最好先知晓李开复的影响力模式。
李开复曾经坦诚:“我一路都是朝最大化自己的影响力来走。”
对于生于中国长于中国的人来说,这句直接表明自己行为目的的话听着有些别扭——长期沉浸于中国文化的人习惯于隐藏自己利己的真实目的,在外面罩上一层利他的面具。
这
正是李开复的影响力模式的关键要素——直陈自己的目的,不掩饰其中的利己因素。如果要复制李开复的模式,这一条对很多人来说学习起来难度不小。李开复自
11岁起随父母从台湾移民美国,自此与美国文化融为一体。在这种模式中有一种独特的文化基因,体现在李开复身上,则是中国文化与美国文化很完美地结合在一
起。李开复既能体现出中国文化所欣赏的“正道”,即要有有益于社会的远大理想和朝向这个目标迈进的行为;同时又有美国文化中所鼓励的“透明”和“诚实”,
而这两点正是中国社会转型所缺乏的两大现代元素。
这一点的门槛已经够高,足以把大部分人都档在门外。
李开复模式中的另一关键
要素是“战略规划”,说白了就是职业生涯的规划。中国的职场开始强调这一点的重要性,但迄今为止,李开复算是做得最好。当然,你可以说,唐骏可以与李开复
一比。但是,要知道,唐骏的影响力顶峰是在他以亿元薪酬转会新华都,这就是说唐骏的影响力是建立在其获取薪酬数量的基础上。财富就像黄金一样,自然就吸引
人关注,李开复在没有如此巨量财富的时候,也能拥有不低于唐骏的影响力,可见李开复在职业规划
中更为成功。
纵
览李开复的职业生涯,其实贯穿了两条主线。一是可以供其职业发展的著名公司,主要是苹果、微软、谷歌这三家具有世界影响力的公司,这三家公司为李开复的职
业生涯提供了高起点。李开复在其新著作《世界因你而不同》中如是说:“选择工作的标准,就是成长、兴趣和影响力。”要让更多的人看见你,就必须站得高一
点。这对于影响力来说,也是一个道理。
另外一条主线就是中国元素。九十年代末,作为微软中国研究院院长,李开复一来到中国就受到了全中国的
瞩目,在微软中国区总裁频频换将的时候,主管组建研究院和研发工作的李开复却在个人品牌上收获颇丰。其中的一个副产品是与中国青年的结缘,后来这证明是他
提升在中国影响力的主产品。在研究院的校园招募中,他开始在青年眼中树立起创新、阳光、明朗、开放的形象,这种良好的形象也是其后谷歌不惜冒着诉讼的风险
抢夺李开复的原因之一,因为谷歌需要在中国创造这样的公司形象。2000年,李开复被调回微软美国总部。所谓“人走茶凉”,在职场上也一样。李开复为了维
持自己在中国的影响力,虽远在大洋彼岸却依然保持与中国学生的沟通。他仿照美学大师朱光潜的《给青年的十二封信》,在以后的五年里依次写了“给中国青年的
七封信”,将自己游历中西文化之间以及在世界顶级科技公司的见闻和感悟,传达给高校的学子们,引起轰动。2004年,李开复创办了“开复学生网”,不辞辛
苦地为青年人传道授业解惑,借助互联网平台将自己的影响力以指数级别的速度扩展。至于最后“换马”到谷歌,就任谷歌大中华区总裁,对于追求影响力的李开复
而言,那是再自然不过的事情了。
李开复的模式中最后一个关键要素——这个要素的重要性再怎么强调都不过分,就是要真诚,至少是表现得让人相信你是真诚的。李开复穿梭在中西方文化之间,在职业经理人和青年导师之间变换着角色,既可以在四合院里与人喝茶谈中国文化,也可以西装革履端着鸡尾酒说着英文在谷歌总部谈笑风生,亦可以冒雨在重庆大学为学生演讲。
李
开复的真诚是不是装出来的?如果真诚可以装出来的话,一个人装一时可以,难的是从1998年开始一装装十年。可以这样说,他所表现出来的良好形象是他的文
化和性格相结合的结果,他好为人师虽然令有些人生厌,但可能确实是他的兴趣之所在。自从张海迪这样的传统符号不再能起到正面激励作用的时候,由李开复这样
异质文化的职业经理人填补这个空白,至少不能说是一种坏事。
有趣的是,不仅是李开复,“青年导师”无一例外地成为当下很多企业家热衷的身
份。无论是马云、李彦宏,还是唐骏、俞敏洪、柳传志,近年来频频出现在类似的青年创业选拔赛现场,而诸如此类的电视节目也总是能在任何时候获得火爆的收视
率。然而,其中也有不同在于,前者是在创业成功、取得财富的基础上获得了影响力,财富与影响力既是因果关系,同时又被青年人在两者之间划上等号。李开复走
得是另外一条道路,他的模式告诉年轻人,即使不走创业的道路,即使没有成为暴富的阶层,一个人同样可以获得人生的成功,同样可以享受影响力所带来的成就感
和快乐。
在狂热拜富的社会里面,李开复模式或许更具有启发心智的作用。
李开复是否能真如其所言,帮助很多青年实现创业梦想,
创造奇迹,尚属疑问。但毫无疑问,在个人影响力方面,他已经占领了制高点。然而,无论是唐骏,还是李开复,他们的模式对于其他职业经理人而言,真的具有可
复制性吗?至少唐骏自己认为:我的成功可以复制。而李开复一次又一次面对青年人的授业解惑,似乎也在表明:我的经验可以学习。
下一个李开复,又将是谁呢?
李开复简历
1961 年出生于中国台湾
1966 - 1972 台湾就读小学
1972 - 1979 美国田纳西州就读初中、高中
1979 - 1983 美国纽约哥伦比亚大学计算机系学士
1983 - 1988 美国卡内基梅隆大学计算机系博士
1988 - 1990 美国卡内基梅隆大学计算机系助理教授
1990 - 1996 美国苹果电脑公司,历任语音组经理、多媒体实验室主任、互动多媒体部全球副总裁)
1996 - 1998 美国SGI电脑公司(网络产品部全球副总裁、Cosmo 子公司总裁)
1998 - 2004 美国微软公司(微软中国研究院院长、自然互动部全球副总裁)
2005年7月 李开复离开微软,闪电加盟Google。并担任Google中国区总裁。
2009年9月 李开复离开GOOGLE(离职),在中国北京创立创新工场。
分享到:
相关推荐
# 【spring-ai-bedrock-converse-1.0.0-M7.jar中文文档.zip】 中包含: 中文文档:【spring-ai-bedrock-converse-1.0.0-M7-javadoc-API文档-中文(简体)版.zip】 jar包下载地址:【spring-ai-bedrock-converse-1.0.0-M7.jar下载地址(官方地址+国内镜像地址).txt】 Maven依赖:【spring-ai-bedrock-converse-1.0.0-M7.jar Maven依赖信息(可用于项目pom.xml).txt】 Gradle依赖:【spring-ai-bedrock-converse-1.0.0-M7.jar Gradle依赖信息(可用于项目build.gradle).txt】 源代码下载地址:【spring-ai-bedrock-converse-1.0.0-M7-sources.jar下载地址(官方地址+国内镜像地址).txt】 # 本文件关键字: spring-ai-bedrock-converse-1.0.0-M7.jar中文文档.zip,java,spring-ai-bedrock-converse-1.0.0-M7.jar,org.springframework.ai,spring-ai-bedrock-converse,1.0.0-M7,org.springframework.ai.bedrock.converse,jar包,Maven,第三方jar包,组件,开源组件,第三方组件,Gradle,springframework,spring,ai,bedrock,converse,中文API文档,手册,开发手册,使用手册,参考手册 # 使用方法: 解压 【spring-ai-bedrock-converse-1
房地产 -可视化管理课件.ppt
# 【tokenizers-***.jar***文档.zip】 中包含: ***文档:【tokenizers-***-javadoc-API文档-中文(简体)版.zip】 jar包下载地址:【tokenizers-***.jar下载地址(官方地址+国内镜像地址).txt】 Maven依赖:【tokenizers-***.jar Maven依赖信息(可用于项目pom.xml).txt】 Gradle依赖:【tokenizers-***.jar Gradle依赖信息(可用于项目build.gradle).txt】 源代码下载地址:【tokenizers-***-sources.jar下载地址(官方地址+国内镜像地址).txt】 # 本文件关键字: tokenizers-***.jar***文档.zip,java,tokenizers-***.jar,ai.djl.huggingface,tokenizers,***,ai.djl.engine.rust,jar包,Maven,第三方jar包,组件,开源组件,第三方组件,Gradle,djl,huggingface,中文API文档,手册,开发手册,使用手册,参考手册 # 使用方法: 解压 【tokenizers-***.jar***文档.zip】,再解压其中的 【tokenizers-***-javadoc-API文档-中文(简体)版.zip】,双击 【index.html】 文件,即可用浏览器打开、进行查看。 # 特殊说明: ·本文档为人性化翻译,精心制作,请放心使用。 ·只翻译了该翻译的内容,如:注释、说明、描述、用法讲解 等; ·不该翻译的内容保持原样,如:类名、方法名、包名、类型、关键字、代码 等。 # 温馨提示: (1)为了防止解压后路径太长导致浏览器无法打开,推荐在解压时选择“解压到当前文件夹”(放心,自带文件夹,文件不会散落一地); (2)有时,一套Java组件会有多个jar,所以在下载前,请仔细阅读本篇描述,以确保这就是你需要的文件; # Maven依赖: ``` <dependency> <groupId>ai.djl.huggingface</groupId> <artifactId>tokenizers</artifactId> <version>***</version> </dependency> ``` # Gradle依赖: ``` Gradle: implementation group: 'ai.djl.huggingface', name: 'tokenizers', version: '***' Gradle (Short): implementation 'ai.djl.huggingface:tokenizers:***' Gradle (Kotlin): implementation("ai.djl.huggingface:tokenizers:***") ``` # 含有的 Java package(包): ``` ai.djl.engine.rust ai.djl.engine.rust.zoo ai.djl.huggingface.tokenizers ai.djl.huggingface.tokenizers.jni ai.djl.huggingface.translator ai.djl.huggingface.zoo ``` # 含有的 Java class(类): ``` ai.djl.engine.rust.RsEngine ai.djl.engine.rust.RsEngineProvider ai.djl.engine.rust.RsModel ai.djl.engine.rust.RsNDArray ai.djl.engine.rust.RsNDArrayEx ai.djl.engine.rust.RsNDArrayIndexer ai.djl.engine.rust.RsNDManager ai.djl.engine.rust.RsSymbolBlock ai.djl.engine.rust.RustLibrary ai.djl.engine.rust.zoo.RsModelZoo ai.djl.engine.rust.zoo.RsZooProvider ai.djl.huggingface.tokenizers.Encoding ai.djl.huggingface.tokenizers.HuggingFaceTokenizer ai.djl.huggingface.tokenizers.HuggingFaceTokenizer.Builder ai.djl.hu
内容概要:本文详细介绍了如何使用MATLAB构建和应用BP神经网络预测模型。首先,通过读取Excel数据并进行预处理,如归一化处理,确保数据的一致性和有效性。接着,配置网络结构,选择合适的训练算法(如SCG),设置训练参数(如最大迭代次数、目标误差等)。然后,进行模型训练,并通过可视化窗口实时监控训练过程。训练完成后,利用测试集评估模型性能,计算均方误差(MSE)和相关系数(R²),并通过图表展示预测效果。最后,将训练好的模型保存以便后续调用,并提供了一个简单的预测函数,确保新数据能够正确地进行归一化和预测。 适合人群:具有一定MATLAB基础,从事数据分析、机器学习领域的研究人员和技术人员。 使用场景及目标:适用于需要对多维数据进行预测的任务,如电力负荷预测、金融数据分析等。主要目标是帮助用户快速搭建一个可用的BP神经网络预测系统,提高预测准确性。 其他说明:文中提供了完整的代码框架和详细的注释,便于理解和修改。同时,强调了数据预处理的重要性以及一些常见的注意事项,如数据量的要求、归一化的必要性等。
# 【tokenizers-***.jar***文档.zip】 中包含: ***文档:【tokenizers-***-javadoc-API文档-中文(简体)版.zip】 jar包下载地址:【tokenizers-***.jar下载地址(官方地址+国内镜像地址).txt】 Maven依赖:【tokenizers-***.jar Maven依赖信息(可用于项目pom.xml).txt】 Gradle依赖:【tokenizers-***.jar Gradle依赖信息(可用于项目build.gradle).txt】 源代码下载地址:【tokenizers-***-sources.jar下载地址(官方地址+国内镜像地址).txt】 # 本文件关键字: tokenizers-***.jar***文档.zip,java,tokenizers-***.jar,ai.djl.huggingface,tokenizers,***,ai.djl.engine.rust,jar包,Maven,第三方jar包,组件,开源组件,第三方组件,Gradle,djl,huggingface,中文API文档,手册,开发手册,使用手册,参考手册 # 使用方法: 解压 【tokenizers-***.jar***文档.zip】,再解压其中的 【tokenizers-***-javadoc-API文档-中文(简体)版.zip】,双击 【index.html】 文件,即可用浏览器打开、进行查看。 # 特殊说明: ·本文档为人性化翻译,精心制作,请放心使用。 ·只翻译了该翻译的内容,如:注释、说明、描述、用法讲解 等; ·不该翻译的内容保持原样,如:类名、方法名、包名、类型、关键字、代码 等。 # 温馨提示: (1)为了防止解压后路径太长导致浏览器无法打开,推荐在解压时选择“解压到当前文件夹”(放心,自带文件夹,文件不会散落一地); (2)有时,一套Java组件会有多个jar,所以在下载前,请仔细阅读本篇描述,以确保这就是你需要的文件; # Maven依赖: ``` <dependency> <groupId>ai.djl.huggingface</groupId> <artifactId>tokenizers</artifactId> <version>***</version> </dependency> ``` # Gradle依赖: ``` Gradle: implementation group: 'ai.djl.huggingface', name: 'tokenizers', version: '***' Gradle (Short): implementation 'ai.djl.huggingface:tokenizers:***' Gradle (Kotlin): implementation("ai.djl.huggingface:tokenizers:***") ``` # 含有的 Java package(包): ``` ai.djl.engine.rust ai.djl.engine.rust.zoo ai.djl.huggingface.tokenizers ai.djl.huggingface.tokenizers.jni ai.djl.huggingface.translator ai.djl.huggingface.zoo ``` # 含有的 Java class(类): ``` ai.djl.engine.rust.RsEngine ai.djl.engine.rust.RsEngineProvider ai.djl.engine.rust.RsModel ai.djl.engine.rust.RsNDArray ai.djl.engine.rust.RsNDArrayEx ai.djl.engine.rust.RsNDArrayIndexer ai.djl.engine.rust.RsNDManager ai.djl.engine.rust.RsSymbolBlock ai.djl.engine.rust.RustLibrary ai.djl.engine.rust.zoo.RsModelZoo ai.djl.engine.rust.zoo.RsZooProvider ai.djl.huggingface.tokenizers.Encoding ai.djl.huggingface.tokenizers.HuggingFaceTokenizer ai.djl.huggingface.tokenizers.HuggingFaceTokenizer.Builder ai.djl.hu
内容概要:本文探讨了电动汽车(EV)对IEEE 33节点电网的影响,特别是汽车负荷预测与节点潮流网损、压损计算。通过蒙特卡洛算法模拟电动汽车负荷的时空特性,研究了四种不同场景下电动汽车接入电网的影响。具体包括:负荷接入前后的网损与电压计算、不同节点接入时的变化、不同时段充电的影响以及不同负荷大小对电网的影响。通过这些分析,揭示了电动汽车充电行为对电网的具体影响机制,为未来的电网规划和优化提供了重要参考。 适合人群:从事电力系统研究的专业人士、电网规划工程师、电动汽车行业从业者、能源政策制定者。 使用场景及目标:①评估电动汽车大规模接入对现有电网基础设施的压力;②优化电动汽车充电设施的布局和运营策略;③为相关政策和技术标准的制定提供科学依据。 其他说明:文中提供的Python代码片段用于辅助理解和验证理论分析,实际应用中需要更复杂的模型和详细的电网参数。
房地产 -【万科经典-第五园】第五园产品推介会.ppt
稳压器件.SchLib
1
模拟符号.SCHLIB
内容概要:本文详细介绍了如何在Simulink中构建并仿真三相电压型逆变器的SPWM调制和电压单闭环控制系统。首先,搭建了由六个IGBT组成的三相全桥逆变电路,并设置了LC滤波器和1000V直流电源。接着,利用PWM Generator模块生成SPWM波形,设置载波频率为2kHz,调制波为50Hz工频正弦波。为了实现精确的电压控制,采用了abc/dq变换将三相电压信号转换到旋转坐标系,并通过锁相环(PLL)进行同步角度跟踪。电压闭环控制使用了带有抗饱和处理的PI调节器,确保输出电压稳定。此外,文中还讨论了标幺值处理方法及其优势,以及如何通过FFT分析验证输出波形的质量。 适用人群:电力电子工程师、自动化控制专业学生、从事逆变器研究的技术人员。 使用场景及目标:适用于希望深入了解三相电压型逆变器控制原理和技术实现的研究人员和工程师。主要目标是掌握SPWM调制技术和电压单闭环控制的设计与调试方法,提高系统的稳定性和效率。 其他说明:文中提供了详细的建模步骤和参数设置指南,帮助读者快速上手并在实践中不断优化模型性能。同时,强调了一些常见的调试技巧和注意事项,如载波频率的选择、积分器防饱和处理等。
【蓝桥杯EDA】客观题解析
房地产 -物业 苏州设备房管理标准.ppt
3
房地产 -2024H1房地产市场总结与展望(新房篇).docx
内容概要:本文详细介绍了利用LabVIEW与PLC进行自动化数据交互的技术方案,涵盖参数管理、TCP通信、串口扫描、数据转移等方面。首先,通过配置文件(INI)实现参数的自动加载与保存,确保参数修改不影响程序运行。其次,在TCP通信方面采用异步模式和心跳包设计,增强通信稳定性,并加入CRC16校验避免数据丢失。对于串口扫描,则通过VISA配置实现状态触发,确保进出站检测的准确性。最后,针对不同类型的数据转移提出具体方法,如TDMS文件存储策略,确保高效可靠的数据处理。 适合人群:从事工业自动化领域的工程师和技术人员,尤其是熟悉LabVIEW和PLC编程的从业者。 使用场景及目标:适用于需要将LabVIEW作为上位机与PLC进行数据交互的工业生产线环境,旨在提高系统的自动化程度、稳定性和易维护性。 其他说明:文中提供了多个实用代码片段和注意事项,帮助读者更好地理解和应用相关技术。
d65689da7ed20e21882a634f8f5ce6c9_faad2735d293907fb32f7c5837f7302a
内容概要:本文档《NISP&CISP考试题库.pdf》汇集了大量关于信息安全专业领域的练习题,涵盖风险评估、安全策略、访问控制、恶意代码防范、加密技术、安全模型等多个方面。文档通过选择题的形式探讨了信息安全保障、风险管理和技术实施等核心内容,强调了信息安全保障的动态性和持续性,以及信息安全管理体系(ISMS)的重要性。文档还详细介绍了多种安全技术和标准,如ISO27001、GB/T 22080、SSE-CMM、CC标准等,并通过具体案例和场景分析,帮助读者理解如何在实际环境中应用这些标准和技术。 适用人群:文档适用于信息安全领域的从业者,尤其是准备参加NISP(国家信息安全水平考试)和CISP(注册信息安全专业人员)认证考试的考生,以及从事信息安全管理工作、对信息安全有兴趣的技术人员。 使用场景及目标:①帮助考生系统复习信息安全领域的基础知识和技能,为考试做准备;②为企业内部信息安全培训提供参考资料;③加深信息安全从业人员对安全标准和技术的理解,提升其在实际工作中的应用能力;④帮助信息安全管理者了解如何构建和维护有效的信息安全管理体系。 其他说明:文档不仅提供了理论知识,还结合了实际案例,有助于读者理解信息安全的复杂性和多样性。文档强调了信息安全的多层次、多维度特性,指出信息安全不仅依赖于技术手段,还需要结合管理措施和人员培训。此外,文档中的题目设计贴近实际工作场景,能够有效提升读者应对信息安全挑战的能力。