互联网＋科技研发：用户参与的科技创新-论文.pdf

《互联网＋科技研发：用户参与的科技创新-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、互联网+科技研发：用户参与的科技创新互联网+科技研发：用户参与的科技创新互联网和电子通讯技术的迅猛发展，推动了商业模式的日趋网络化和数字化。企业科技创新模式也由完全封闭式转变为开放式，由单一化逐步走向多元化。企业借助网络技术实现数据共享、资源整合、客户互动等，但资源匮乏和创新能力不足仍是企业面临的难题，虽然外包、战略联盟能部分解决企业创新不足的问题，但也浪费了大量财力和物力。随着科学技术的高速发展，用户也成为企业参与行为的主体，用户反馈信息发挥着至关重要的作用。因此，如何利用互联网进一步开发、整合创新资源，如何营造低成本、

2、高回报商业模式，成为众多企业解决创新不足的突破口，而众包就是当前运用较成功的推动企业科技创新的新商业模式。一、众包——互联网时代的研发外包新模式【价值内核】：集合大众智慧推动科技创新众包模式利用网络虚拟社区平台上网络广泛用户参与的特点，集合大众智慧和资源为企业所用。2006年6月杰夫·豪在美国《连线》上首次提出了众包(crowdsourcing)的概念，认为众包是一种新的商业模式，企业利用互联网或通过第三方．R5．互联网+战略一中国自留地种出的洋果实众包平台将创造企业核心价值的重任置于外部大众身上(如企业将产品研发、设计和

3、关键技术等工作委托给不同的大众，让大众去发现创意或解决技术问题)。有研究者认为，众包是一种能够带动大众发挥浓厚兴趣和动机的高能力创作战略模式，并且大众创作出的质量甚至优于专业人士的作品。而且，在众包创新模式下，大众参与的动机不仅是为了自我提升，也是为了获得一定额度的奖金。还有学者认为众包是一种具有不同数量、知识背景及地域差异的个人、机构、非营利组织或企业群体通过网络平台公开征集或自愿承担任务的网上活动。总之，这种依靠群体智慧的行为使得企业、组织的核心价值几乎完全来自大众，企业在进行价值创造的同时，不仅可以节约成本、降低风险

4、，而且可以带来不可估量的商业价值。【驱动力量】：赢利驱动与非赢利驱动并存非赢利众包——例如，维基百科、开源软件、百科全书等都是利用大众的智慧，将一个公司或机构由员工执行的工作任务以自由自愿的形式外包给非特定的网络大众。一般情况下，众包任务通常由个人来承担，但如果涉及需要多人协作完成的任务，也可能以依靠开源个体生产的形式出现。赢利性众包——例如，亚马逊土耳其机器人、创新中心(Innocentive)、戴尔等，一般都以众包竞赛模式出现，通过奖金发放策略，吸引大众参与，创造利润。由此可见，非营利性众包多依赖虚拟社区平台上用户的兴

5、趣和无偿支持，．86．互联网+科技研发：用户参与的科技创新而营利性众包多由企业主动推出有针对性的众包项目，委托网络用户开发。【运作机理】：虚拟社区平台媒介众包科技创新模式是基于委托一代理理论的一种实践，由发包商(企业)、解答者(大众)及平台三部分构成网上虚拟社区，其运作机理如图1所示。首先，发包商通过平台发布竞赛任务并设定奖金；然后，解答者选择和参加感兴趣的竞赛任务并提交解决方案；再次，发包商通过认真筛选确定最佳解答方案；最后，平台通过发包商给出的获奖信息奖励提供该方案的解答者，整个流程中双方信息是保密的。1、友邗1土劳Z

6、、惜复l-A：劈发4、检测任务3、提交任务解包商●HHw_-¨__H-．·⋯⋯m从包平台■I-_H_一⋯⋯⋯·答5、发放奖金者图1觖包宦U耕模式运仃机理【成功案例】：Innocentive医药平台科技创新——Innocentive是2001年开始南制药公司礼来(EliLilly)资助的一个网站，是第一家以现金激励为基础、促进全球性科学研究的公司，现已成为化学和生物领域的重要研发供求网络平台，其众包领域包括：商业、化学、IT、工程与设计、食品与农业、数学、生命科学、物理科学等。其运营模式是让有科研难题的相关企业在．87—互联

7、网+战略一中国自留地种出的洋果实网站上注册为“寻求者(seeker)”，寻求者在一个保密的互联网信息交流平台上张贴挑战，同时附上每个挑战项目的详细说明、相关要求、截止日期以及为最佳解决方案提供的奖金。世界各地的奇才科学家都有资格在该网站注册为“解决者(solver)”，解决者通过访问来评估、解答挑战项目，最终通过安全程序递交解答方案，此过程中双方都是保密的、安全的。Netflix推荐引擎的高效解决方案——Netnix是一家在线影片租赁提供商，公司能够提供超大数量的DVD，而且能够让顾客快速方便地挑选影片，同时免费递送。从2

8、006年10月份开始，Netflix设计了一个奖金为100万美金的众包大赛，比赛要求参赛者预测Netflix的客户喜欢什么影片，旨在把预测效率提高10％以上。获奖者是一个由来自不同国家的程师、统计学家、研究专家组成的团队，该团队成功地将Netflix影片推荐引擎的推荐效率提高了10％。Netflix大奖