1.那些年，国际足坛失败的高价引援

《fourfourtwo》作者Matt Allen评点了九大让人失望的高价引援，他还感叹，太TM浪费钱了……

【德尼尔森(Denilson)，皇家贝蒂斯，2150万英镑】

纸面上看，德尼尔森是那种能赢得满堂喝彩的球员，他脚下灵活、特立独行、善于迷惑对手，在1997年热身赛、1998年法国世界杯以及后来的耐克广告(你懂的，机场那个)里都有亮眼的表现，让众多欧洲球探垂涎三尺。

然而悲剧的是，德尼尔森那些华丽的脚下花活更像是Bruno Tonioli(美国舞蹈节目《与星共舞》评委)，而非“火星哥”(即著名歌手Bruno Mars)。1998年，当德尼尔森从圣保罗俱乐部转会至西甲中游球队皇家贝蒂斯后，前20场比赛一球未进。最终，贝蒂斯在那一赛季排名联赛第11名，后在2000年降级。而在降级时，德尼尔森已被租借给弗拉门戈俱乐部。

【索尔达多(Roberto Soldado)，热刺，2600万英镑】

索尔达多是2013年夏天以创俱乐部纪录的价格转会到热刺的(不过几周后拉梅拉又盖过了他的风头)，他是热刺那个夏天超市扫荡型转会战的一部分，那年热刺卖掉了贝尔，口袋里攥着数不清的钞票。

按照索尔达多此前在巴伦西亚的表现来看，他是配得上热刺花得每一分钱的：在西甲，进球效率惊人的索尔达多被看作是蝙蝠军团进攻火力中的领头者。可惜的是，与之前的乌克兰前锋谢尔盖-雷布罗夫一样，索尔达多在白鹿巷球场明显水土不服，这里的风格让他的才华几乎施展不出来。

【托雷斯(Fernando Torres)，切尔西，5000万英镑】

紧急寻人：您见过这样一个人吗？身高大概约6英尺1英寸，发型像英剧《伦敦东区》里的Sharon。他上一次出现在大家的视野里还是在2011年，当时他让维迪奇陷入梦魇，让主教练的生活变得简单，还被成千上万的粉丝捧在手心。他的落脚点可能位于英格兰西北部到西伦敦的斯坦福桥之间，身上携带一张额度5000万英镑的信用卡。如果他回来的话，您可以得到奖赏(将会以卢布支付)。

【卡罗尔(Andy Carroll)，利物浦，3500万英镑】

2011年，谁不会为纽卡斯尔的安迪-卡罗尔以一架F-14雄猫战斗机的价格转会到利物浦而感到震惊呢？带着他的进球，骏马般的步伐，还有1980年代的华尔街式马尾辫，卡罗尔看似能荣誉满身。卡罗尔拥有一只很有冲击力的左脚，还曾经在一场比赛中多次“空袭”曼联门将德赫亚，让后者受了很大创伤。

可惜，在穿上利物浦战袍以后，卡罗尔却表现得像从前的他的影子。等到他在梅尔伍德的医疗室里积累了足够的忠诚分，他这匹这曾经的冠军马也被赶到了英超的胶水厂。或者说就是厄普顿公园球场。

【贝隆(Juan Veron)，曼联，2810万英镑】

贝隆并不是2001年这个星球上最贵的球员(因为皇马在齐达内身上豪掷了4800万英镑)，但他的转会费仍然在英国创造了历史。2810万镑的转会费比1996年阿兰-希勒转会喜鹊军团时创造的原纪录多了1300万镑。

可惜，贝隆没有“高地人”(指纽卡斯尔人，这里指代阿兰-希勒)那样的干劲，也没有齐达内的大师属性，所以他最终被湮没在英格兰足球的强壮和快速之中。“他发现英超有些困难”，素有“吹风机”之称的弗格森爵士在贝隆以1500万镑的价格转会切尔西之后如此说到。

【舍甫琴科(Andriy Shevchenko)，切尔西，3100万英镑】

切尔西以过高的价格签约一名球员又有什么关系？是的，他们比你感受到的还要有钱。这不，2006年，球队老板阿布拉莫维奇给“特殊的一个”送上了一份礼物：乌克兰核弹头舍甫琴科，他当时是欧洲范围内最让人恐惧的前锋之一。不过穆里尼奥得到的这份礼物却没有电池，修缮粗略，似乎存在故障。2008年，舍瓦被蓝军的时任主帅斯科拉里租借给AC米兰，后来又回到家乡的基辅迪纳摩队。

【恩塞雷科(Savio Nsereko)，西汉姆联，900万英镑】

如果你现在正在回忆恩塞雷科是何方神圣，那就让我们来帮帮你吧。2009年，当恩塞雷科从布雷西亚加盟西汉姆联时，他刷新了俱乐部的转会费纪录。彼时，他是一名19岁的德国前锋，速度快但个子不高、有技术但不强硬。显然，他很难适应英超的节奏，他总共只为铁锤帮出战10次，一球未进，一年后被交易至佛罗伦萨。不可思议的是，在离开布雷西亚后，恩塞雷科先后效力了11家俱乐部，总进球数为可怜的1个。

【罗比尼奥(Robinho)，曼城，3200万英镑】

最开始，这交易看上去非常美妙：一名技术过硬的巴西人用他的桑巴舞步、致命射术和激光般的传球，引领曼城在2008年迎来革命。在一段时间里，罗比尼奥确实拿出了符合超级球星身价的表现，他在第一个赛季共打进15球，但很快，欧洲足球的职业伦理压倒了他。(你知道的，要打出名堂，你得需要一些努力。)“在那儿，如果你是名前锋，教练派你上场就是让你去跑的”，他后来哭着表示，“你不得不跑，就是这样。”

第二个赛季，罗比尼奥被租借给桑托斯队，后来又以半价卖给了米兰。

【米特罗奥卢(Konstantinos Mitroglou)，富勒姆，1300万英镑】

马加特一定会感到被米特罗奥卢给蒙了。尽管后者不是他签的(这笔签约是马加特的前任穆伦斯汀的杰作)，但当初富勒姆看上这名前锋，就是为了让球队脱离降级泥潭。毕竟，在2014年1月加盟富勒姆之前，米特罗奥卢确实在奥林匹亚科斯完成过三个联赛帽子戏法，而且也帮助希腊国家队通过了世界杯预选赛。然而，这名前锋只在富勒姆有过一次首发机会，后来就被租还给奥林匹亚科斯了。

2.OpML 2019提前看：模型表现预测与分布式机器学习

OpML 2019 全称是 2019 USENIX Conference on Operational Machine Learning，将于 2019 年 5 月 20 号在美国加州的 Santa Clara 举办。会议旨在提供科研人员和产业从业者一个交流合作的平台，为机器学习生产生命周期管理的普遍挑战开发并带来有影响力的研究进展和前沿解决方案。

本文从 OpML2019 中选择了两篇提前发布在 arXiv 上面的文章进行分析。由于会议限制只有在会议开办（5 月 20 号）以后才公布文章，所以目前公开的只有这两篇文章。本文将着重讨论这两篇文章：

1. MPP：Model Performance Prediction
2. TonY：An Orchestrator for Distributed Machine Learning Jobs

论文 1：MPP：Model Performance Prediction

链接：https://arxiv.org/pdf/1902.08638.pdf

1）作者简介：

本篇文章的作者皆来自 ParallelM。ParallelM（https://www.parallelm.com）是一家帮助工业界在生产环境使用机器学习算法的公司。其突出产品 MCenter 是一个帮助工业界使用、管理生产过程中机器学习算法的软件。MCenter 可以直接导入写好的机器学习算法，将数据链接，即可在算法可能出现问题的时候进行预警。内置的管理系统可允许算法迭代并且根据管理规定筛选算法。因此，工业界亟需能够判别机器学习系统工作性能的算法，而本文正是介绍了这一算法。由于是公司产品，所以文章并没有给出源代码的链接。

2）文章背景介绍：

机器学习模型在工业界有着广泛的应用。一般来说，研发者会针对一个工业问题使用许多的模型进行预测，并将表现最优秀的模型用于生产。然而，机器学习模型的表现好坏多由训练数据与生产过程中收到的数据决定，模型的泛化力不同，根据收到的数据不同，预测效果也好坏不一。因此，如何选择适合的模型、如何预测模型是否会失效、模型的准确度如何，都是工业生产过程中遇到的问题。

同时，生产中的数据多根据外界环境的变化而有敏锐的改变，因此最适合某一刻工业生产的机器学习模型也需要不断更新。而这一过程如果由人力来操作是复杂的、笨重的、迟缓的，因此最好是由自动化的算法实现。工业生产中的数据往往没有标注，因此传统的将预测结果和标注对比的方式并不能预测生产过程中机器学习模型的准确度。而本文推崇的 MPP（Model Performance Prediction）算法，可以解决这一生产中的实际问题。

3）文章概述：

文章提出了 MPP 算法用于跟踪产业中使用的机器学习模型算法的准确度，并将预测的准确度打分。预测的过程包括分类和回归，主要的打分目标为准确度和 RMSE 误差。算法将原机器学习算法的误差值作为训练目标，用于预测生产过程中使用的机器学习算法是否还有准确的效能。结果显示 MPP 算法有较好的预测能力。因此，MPP 算法有潜力防止灾难性预测值的出现并帮助数据科学家们对生产数据进行深度解析。

4）文章详解：

使用一个模型来预测另一个模型的准确度在 2013 年已由 Sheridan [1] 提出，Sheridan 使用了一个随机森林来预测另一个随机森林在特定场景下的符合度。2014 年 Balasubramanian et. al. [2] 在书中提出使用共型预测因子（Conformal Predictions）框架测量机器学习算法的置信度。2019 年，Ghanta et. al. [3] 发明了指标来测量了训练数集和测试数集之间数据规律的差异。这些工作都为本文的 MPP 算法的奠定基础。

工作原理：

MPP 算法的训练数据集由原机器学习算法的预测误差数据组成。原机器学习算法在训练数据集上进行训练，在测试数据集上进行原算法的预测，并产生与标签值的误差，此误差将输入 MPP 算法作为标签，MPP 算法的特征可包括但不限于原机器学习算法的特征、原算法输出的概率、或原机器学习模型的特征值（例如随机森林的树的个数）等。MPP 模型对两种问题进行了预测，分类问题和回归问题。对于分类问题，MPP 将输出二分类的答案，即分类准确（1）和不准确（0）。对于回归问题，算法定义了一个阀值，凡是在原机器学习算法的标签值±ε 之内即为准确（1），反之输出不准确（0）。阀值通过 Null model 计算，Null model 是一个由随机生成样本组成的模型，模型一些样本是由样本分布决定，另一些是包含了随机生成变量的样本，用来在参数不确定的情况下模拟一个随机的过程。

算法效果：

文章使用了多个数据集对 MPP 算法的效能进行测试，测试结果展示在表 1 和表 2 中。表 1 展示的是在分类问题上 MPP 的效能，第一列 Primary Algorithm Error 显示的是原本的机器学习算法分类得出的错误率，第二列是由 MPP 算法预测出的错误率，第三列是两者之间的误差。从表中我们可以看出，MPP 算法在一些数据集上有很强的预测性，可以较为准确的测量出机器学习算法的错误率。

本文用到的数据集由以下几个组成：Samsung、Yelp、Census、Forest、Letter。Samsung 的数据集来自文献 [4]，数据来自 30 位 19-48 岁腕式智能手机用户的日常活动，由手机内部的惯性探测器记录。数据记录的活动包括站立、坐、躺、行走、上楼梯、下楼梯等组成。原始数据记录的内容包括重力加速度、身体加速度、身体角速度等，数据集将原始数据进行特征映射从而分类出人类活动的内容。Yelp 的数据集来自 [5]，是一个公开给机器学习社区实验的数据集。数据集包括 Yelp 上面的图片以及用户的评价的文字信息，原文没有详解分类信息的内容是图片还是评价。Census 数据集来自 [6]，数据是由 Barry Becker 在 1996 年从 1994 年的人口普查数据中提取出来关于 16 到 100 岁之间的人口的年龄、工作类型、受教育程度等信息，目标是预测某人年薪是否在 50k 以上。Forest 数据集来自 [7]，数据集采集了北科罗拉多州的卢瑟福国家公园的森林覆盖种类，此处的森林有较少的人为入侵。数据集将森林 30x30 米的块状区域，覆盖种类由美国森林服务部（USFS）的资源信息系统（RIS）决定，特征变量包括是否野生区域、土壤种类等组成，数据来自美国地理普查（USGS）和美国美国森林服务部。Letter 数据来自 [8]，数据集包括英语 26 个大写字母的黑白图片，图片包括 20 种不同的字体，并将 20 种字体随机扭曲，形成 20000 个独特的图片数据，特征数据以 1-15 衡量图片的统计动量、边的个数等，目标是辨识图片是哪个英文字母。

表 1：MPP 在分类问题上的效能（摘自原文）

同样在回归问题的效能上，文章也做了分析，结果在表 2 中可见。对于大部分数据集（除 Turbine 外），MPP 算法都有较好的预测功能。回归问题使用了不同的数据集，包括 Facebook、Songs、Blog、Turbine、和 Video。Facebook 数据集由 [9] 获取，数据集包括了用户在 Facebook 上评论的信息，目标是预测在 Facebook 状态发出后的 H 小时之内，会收到多少的评论信息。Songs 数据集由 [10] 获取，数据包括自 1922 年至 2011 年的商业歌曲的音频特征，目标是预测歌曲是在那一年发布的。Blog 数据集来自 [11]，数据集通过博客的文字数据预测会有多少条评论数据。Turbine 数据集来自 [12]，数据集通过软件模拟的涡轮数据预测涡轮所需的维修程度。Video 数据集来自 [13]，数据集使用视频的特征数据用来推断视频所需的转码时间，且预测不需要输入解码器的种类。

表 2: MPP 在回归问题上的效能（摘自原文）

5）文章亮点：

• 文章提供了一种非常新颖的机器学习的应用，即使用机器学习模型预测原机器学习模型的准确度。虽然在算法层面上并没有新的技术，仅仅是将标签数据集更改为原机器学习算法的误差，但是在思路上还是非常原创的、新颖的。
• 文章所提出的内容有潜力解决生产中的实际问题。虽然现在有大量的文献在发明使用新的机器学习算法，但是如何将这些算法落地实用至工业界，在从学术成果转化到实操上，还有很多问题。其中算法能否保持在测试数据上的准确度就是一个问题。本文的 MPP 算法为机器学习算法的应用上了双保险，保证了机器学习算法在数据变化的时候可以提前预知，从而帮助使用机器学习的公司进行更加精确的数据管理。
• 文章非常切合 ParallelM 公司的运营目标，即为正在运行中的机器学习算法提供管理维护的服务。通过新的机器学习算法 MPP 预测的值，可以帮助运行机器学习的公司更好地掌控自己算法的准确度。

6）分析师见解：

其一，文章虽然给出了关于原算法错误率与 MPP 预测错误率之间的绝对误差，但是没有详细地解释绝对误差的大小对一个工业系统所造成的影响是什么，多大的误差会影响一个工业流程的正常运行。例，在表 1 中的分类问题的误差中，使用 Census 数据集，误差已经达到 0.15，这个误差是否太大文中没有具体讨论，只是给了相应的数字。当然，如果要判别多大的误差是可以接受的，则需要很详细的内容扩充，也需要很强大的理论支持，文章由于篇幅的限制没有深入讨论也是可以理解的。

其二，文章对训练数据的规模大小没有详细的说明。因为工业界的数据有可能规模也不小，MPP 算法对规模大小的敏锐度文章并没有说明。

其三，文章所提出的算法在工业界的应用是一个预警系统的前身，所谓的预警系统，即是能够在原机器学习算法计算出错误的预测前提出警告。如果要实现这一功能，算法的速度非常重要，MPP 算法能否在原机器学习算法给出错误预测前即给出预警还是不知道的，从训练的复杂度来看，MPP 算法的复杂度也许和原机器学习算法是相当的，如果不能在速度上占优，则很难成为预警器。

其四，如何选择 MPP 算法的输入特征文中并没有详细的讨论，仅仅是提出了一些可能被用作特征的值，对于 MPP 算法使用了哪些特征而得到较好的结果文中并没有讨论。

可以理解的是，由于文章是会议文章，有篇幅限制，且在研究这个想法的初级阶段，所以没有进行详细讨论。如果由更多论文在以上四个层面进行分析，将更有助于理解这一新颖的技术。

论文 2：TonY：An Orchestrator for Distributed Machine Learning Jobs

链接：https://arxiv.org/pdf/1904.01631.pdf

1）作者简介：

所有的作者均来自于领英（LinkedIn）公司。领英是世界上最大的职业网络平台，功能包括人脉链接、工作匹配、信息发布等。领英拥有 6.1 亿的用户，用户横跨世界上 200 多个国家，因此，领英的数据库是巨大的，处理起数据是困难的，并且需要并行计算。

2）文章背景介绍：

最近的几十年中，由于网络数据的大规模累计，计算机科技已经进入大数据时代，传统的大数据处理系统，包括 MapReduce、Hadoop、Spark，已经可以允许 PB 级别的数据被存储并使用与机器学习。LinkedIn 公司的许多网站功能都是由机器学习算法支持的，包括朋友推荐（People You May Know），求职推荐（Job Recommendations），新闻（News Feed），和学习建议（Learning Recommendations）。这些算法背后的数据已经累计到非常大的规模。最简单地，在一个机器上处理数据会受到单台机器容量的限制，因此单机很难运算 PB 级别的数据。如果要大规模化训练数据，需要将数据分散到几个机器上，即并行运算。

大多数机器学习框架提供并行运算的 API，但需要在每个主机上复制程序、设置环境变量，然后在每个主机上开启训练程序。这个杂乱的过程会带来一些挑战：

• 资源竞争：当机器学习算法工程师竞争一个管理不善的计算机池中的机器时，他们会争夺同一个内存、CPU、GPU。在分配算力和内存不当的时候，会产生运行错误，导致项目失败。
• 配置繁琐且易出错：设置分布式训练需要将配置复制到所有主机，验证配置成功、更新配置是个繁琐艰难的过程。
• 缺乏监控：程序运行时，由于分配在不同的主机上，很难监控全局进展。
• 缺乏容错能力：瞬态错误很难调试，需要手动启动

本文针对这些挑战与缺陷设计了开源系统 TonY，这是一个与集群调度器交互以启动和管理分布式训练作业的协调器。

3）文章概述：

TonY（distributed Tensorflow on Hadoop YARN）是一款由 LinkedIn 开发的分布式机器学习调度处理器，很好地解决了在分布式运算中常见的如资源分配不合理、配置困难等问题。

4）文章详解：

TonY 架构：

TonY 由用于向调度程序提交作业的客户端和在调度程序中运行的应用程序组成。用户使用客户端提交他们的机器学习项目，然后由 TonY 的调度程序分配资源、设置配置，并以分布式方式启动机器学习项目。客户端接口是通用的，因此可支持向多个调度程序提交项目。在无需用户更新算法或向客户端提交代码的情况下，调度程序可以自行更改配置并实现资源重新分配。作为初级的算法实现，本文使用了 Hadoop YARN、分布式 Tensorflow 运行此项目，这些是 LinkedIn 常用的数据处理工具。图一展示了 TonY 程序的架构。

图 1: TonY 的架构

TonY 客户端：

客户端是 TonY 提供的调配分布式机器学习项目的库，用户将所需要用到的资源写进 XML 文件，例如 Tensorflow 用户可以写参数服务器实例数量、每实例所需内存和 GPU 数量。用户也可以改变基础调配程序的配置、提供机器学习程序的路径、Docker 镜像、集群上运行的虚拟环境等。

TonY 集群应用：

TonY 客户端会将用户输入的配置、程序、虚拟环境进行打包提交给集群调度器。调度器会根据不同的需要配置 GPU 或 CPU 容器。在每个容器里面由任务执行器分配端口与调度器交互，调度器收到所有任务执行器的信息后将设置全局集群参数、发送给各个执行器，并开始执行任务。执行器将监督任务进程并在结束时候向调度器报告。整个过程中 UI 会将进度报告给用户。如果出现任务失败，TonY 系统可以自动停止剩下的任务，并重新设置容器，还原配置，然后自失败的节点开始继续训练模型。

5）文章亮点：

• 文章是领英公司在分布式数据处理系统上的一个新产品，作为例子使用了公司内部常使用的 Tensorflow 以及 Hadoop YARN 进行调配。此产品在资源分配上是先进的，处理了很多分布式运行机器学习算法时所遇到的问题。
• 此产品在使用上是简洁的，用户只需一次性输入配置要求，TonY 会自行和调度器交互保证分配到合适的资源。
• 文章所描述的程序的另一优点是它是开源的，所以其他的机器学习项目也可以使用此程序进行分布式运算时候的管理，希望在开源的情况下，系统能够进一步被完善。

6）分析师见解：

因为文章没有给出代码链接，所以在算法的实现上没有太多点评，我们完全可以假设由 LinkedIn 这样的大公司开发出的代码是高效的。关于实操起来这个系统是否好用，需要推广后由各个用户来反馈。

这个系统目前还在进一步的更新中，新的系统将能够收集有关项目性能和资源利用率的指标，并在 UI 中进行汇总分析，并提出提高性能及资源利用率的新配置。如果这一功能达成，我们可以期待会有更多的用户开始使用 TonY 进行项目管理。然而，这个调度系统是否能够被广泛的商业化还依赖于更多的宣传和性能的提高。

分析师简介：剑桥大学人工智能领域在读博士生，主要攻克方向为人工智能的优化算法。是一位在人工智能领域的探索者，希望永远保持小队长的心态，对世界好奇，对人工智能乐观，带领大家一起探索人工智能这个蓬勃发展的领域。

第一篇论文引用：

[1.]Robert P. Sheridan. Using random forest to model the domain applicability of another random forest model. Journal of Chemical Information and Modeling, 53(11):2837–2850, 2013.

[2.]Vineeth Balasubramanian, Shen-Shyang Ho, and Vladimir Vovk. Conformal Prediction for Reliable Ma- chine Learning: Theory, Adaptations and Applications. Morgan Kaufmann Publishers Inc., San Francisco, CA, USA, 1st edition, 2014.

[3.]Sindhu Ghanta, Sriram Subramanian, Lior Khermosh, Swaminathan Sundararaman, Harshil Shah, Yakov Gold- berg, Drew Roselli, and Nisha Talagala. Ml health: Fit- ness tracking for production models. arXiv:1902.02808, 2019.

[4.]Davide Anguita, Alessandro Ghio, Luca Oneto, Xavier Parra, and Jorge L. Reyes-Ortiz. A public domain dataset for human activity recognition using smart- phones. 21th European Symposium on Artificial Neu- ral Networks, Computational Intelligence and Machine Learning, ESANN, pages 1–15, 2013.

[5.]Yelp Dataset. https://www.yelp.com/dataset_ challenge/, 2013.

[6.]Ronny Kohavi and Barry Becker. UCI machine learn- ing repository. "https://archive.ics.uci.edu/ ml/datasets/Census+Income, 1996.

[7.]Jock A. Blackard, Denis J. Dean, and Charles W. Anderson. UCI machine learning repository. https:// archive.ics.uci.edu/ml/datasets/Covertype (http://archive.ics.uci.edu/ml/datasets/Covertype), 1998.

[8.]David J. Slate. UCI machine learning repository. https://archive.ics.uci.edu/ml/datasets/Letter+Recognition, 1991.

[9.]Kamaljot Singh. Facebook comment volume prediction. International Journal of Simulation- Systems, Science and Technology- IJSSST V16, January 2016.

[10.]T. Bertin-Mahieux. UCI machine learning repository. http://archive.ics.uci.edu/ml/datasets/ YearPredictionMSD, 2011.

[11.]K. Buza. Feedback prediction for blogs. in data analysis, machine learning and knowledge discovery. Springer International Publishing, pages 145–152, 2014.

[12.]Andrea Coraddu, Luca Oneto, Alessandro Ghio, Stefano Savio, Davide Anguita, and Massimo Figari. Machine learning approaches for improving condition based maintenance of naval propulsion plants. Journal of En- gineering for the Maritime Environment, –(–):–, 2014.

[13.]T. Deneke, H. Haile, S. Lafond, and J. Lilius. Video transcoding time prediction for proactive load balancing. In Multimedia and Expo (ICME), 2014 IEEE Interna- tional Conference on, pages 1–6, July 2014.

3.阿里的“无用”和“有用”

来源丨饭统戴老板

作者丨戴老板/张假假

2001年年初，钱塘江已经嗅到了春雨的气息，马云坐在离西湖3公里的华星科技大厦办公室里，总感觉阿里缺了点儿什么东西。

手握高盛和软银等投资的2500万美金，阿里此时已经有了不小的名气。半年前，《福布斯》记者Justin Doebele把穿格子衫的马云摆上了杂志封面的位置，让阿里在海内外声名鹊起。踌躇满志的马云高举高打，办公室开到了香港、硅谷和欧洲，人员也从开始的18个人迅速扩张至数百人。

尽管创始人豪气干云，CFO资深老练，但公司运营却一团乱麻：多地团队配合混乱，公司缺乏清晰架构，汇报体系乱作一团，账上剩下1000万美金，只能撑五六个月。更重要的是，入职的人越来越多，有的西装革履，有的拖鞋T恤，有的蓬头垢面，马云为阿里描绘的宏大愿景，他们认同吗？

在1月8日这一天，52岁的香港人关明生拖着行李箱，来到华星科技大厦报到，并在旁边120块/天的招商宾馆里一住就是两年。这位有着25年国际管理经验，在GE工作了15年的资深高管离开已定居的伦敦，千里迢迢来杭州，只办一件事：担任阿里巴巴的第一任首席运营官（COO）。

关明生温和，客气，两鬓泛白，发际线高于阿里所有的程序员。尽管他的工龄比互联网的历史还要长两倍多，但马云在北京长富宫饭店跟他聊完后，便拍板道[1]：“我看你赴约不迟到，大衣叠成方块，办事井井有条，和我天马行空的个性正相反，可以互补，阿里巴巴现在就需要条理和系统。”

出乎意料，关明生上任后来并没有马上施展他娴熟的管理手段，而是先帮马云做了一件看起来很“务虚”的事情。

来阿里报到的第5天，马云在关明生办公室里跟他阐述阿里的价值观，唾沫横飞，关明生发问：“你讲的这些都很好，为什么不把它们落实到纸面上？”马云一想有道理，于是他们俩就跟蔡崇信、吴炯、金建杭和彭蕾四个人一起，沿着关明生建议的“愿景、使命、价值观”三个方向讨论了起来。[2]

愿景和使命都在马云脑子里，前者的雏形是“80+10+1”：“80”指企业能活80年，“10”是指世界10大网站之一，“1”意思是只要是商人就一定用阿里巴巴。而使命也是现成的：让天下没有难做的生意。不好办的是价值观，马云从办公室里拿出一叠纸，是他构思价值观的草稿，足足有五六十页。

整理这些草稿颇费功夫，那叠纸彭蕾和关明生各拿一半，把里面的要点一条条地抄在办公室的玻璃板上，满满一整墙。然后六个人开始讨论，增补，删减。7个小时后，他们终于商量出了阿里价值观的第一个版本：激情、创新、教学相长、开放、简易、群策群力、专注、质量、服务与尊重。

9个关键词，两个同事提议：“叫九阴真经吧？”其他人齐摇头，这不是邪路吗？喜欢风清扬的马云脑子很快，立刻反应道：要不叫“独孤九剑”吧！

在此后的三个月里，类似的讨论和碰面几乎每天都在进行。很快，一套考核系统诞生了，目的是让全公司都能接受统一的价值观：阿里每个员工都必须有一个季度评估和打分卡，50%的得分来自于业绩，剩下的50%来自于对价值观的坚持程度，雇佣、评估、晋升和辞退均以这个得分为基础。

不出意外，员工对此并不买账，毕竟价值观从马云口里说出来是一回事儿，变成考核指标则是另一回事，更何况那9个词看起来平平无奇，像是从MBA教材里扒出来的。员工抵触是普遍现象，甚至在关明生一次宣讲中，美籍高管艾斯利曼也在台下抱怨：花了三个月，就搞出这些矫情的PPT来[4]？

是啊，这么虚头巴脑的东西，有用吗？

刷橙

员工觉得价值观“无用”，原因有两个，一长一短，短的跟当时全球互联网寒冬有关，长的跟中国企业家的心结有关。

2001年互联网泡沫刚破，丁磊在酒吧喝酒浇愁，马化腾困难时一度想卖掉公司，李彦宏为了业务转型在董事会上声嘶力竭。悲观的情绪在北上深的IT圈子里蔓延，偏安杭州的阿里却在账上现金只能撑6~7个月的情况下，花了3个月时间搞了一套价值观出来，绝大多数员工都想不通。

不光是普通员工无法理解，企业家们也无法理解。马云创办阿里的1999年，正处在改开后第一批民营企业家有所小成的时候。这批经历了十年动乱寒潮浸骨的50后和60后，始终处在一种如履薄冰和时不我待的分裂中，对“口号式治理”天然不信任，对一切貌似“假大空”的东西都感到厌恶。

这种情绪其实很合理。在市场经济中，实用主义的“黑猫白猫论”才是终极信仰，价值观要么像是洋人嘴里的英文单词，要么像是人民日报的头版社论，即使有企业家倡导价值观，多半也是喊的人装样子，听的人翻白眼，柳传志接地气的“搭班子，定战略，带队伍”的三板斧，才是那个年代的管理显学。

依照惯例，阿里的价值观也应该在雷鸣大作之后，化作无关痛痒的雨点。但矛盾在于，马云是真信价值观，这意味着初期一定困难重重。

率先抵触的是B2B销售团队。2000年底，阿里第一个成功商业变现的产品“Gold Supplier”(中国供应商)上线，销售工作由销售天才李琪负责，公司各种背景的Sales开始增多。这些人大都出身草莽，学历不高，这个月能不能签单决定他们下个月的温饱，“价值观”听起来既遥远又不切实际。

18岁就进显像管厂打工的区域经理俞朝翎就是典型代表，他毫不客气地评论关明生的培训：“那些都是废话，我赚我的钱，文化跟我有什么关系？”而负责深圳区的王刚则更直接，这位日后通过投资滴滴赚了一万倍的金牌销售对马云说：“Savio（关明生）的培训没用，他讲得不对。”[6]

也有闹出笑话的，比如日后成为美团COO的干嘉伟，当时在阿里杭州总部当销售员。2001年西湖论剑期间，关明生在台上讲解阿里的“独孤九剑”，干嘉伟觉得“其实可以诠释得再好一点”，于是跑到台上去讲什么“大象无形，大音希声”，直接把老关惹火了。

这些不满和牢骚，马云都看在心里。如何让干部接受统一的思想，马云知道最好的老师是谁。

方法分两步。首先，建立培训体系。2000年，在大多数互联网公司都过了今天不知明天的时候，阿里宣布花大力气搞培训，以后每年投入100万。这套培训体系被称作“百年大计”，里面价值观部分占60%，由马云、关明生和彭蕾主讲，而销售部分只占40%。阿里规定所有销售上岗前必须回杭州脱产培训一个月。等到毕业时，新员工要么抹去跟“独孤九剑”相冲突的棱角，要么很快就选择离职走人。

除了早期员工，后面进阿里的人基本都在“百大”培训过，比如日后成为赶集网COO的陈国欢是2百大（第二期“百年大计”的意思），美味不用等COO夏小虎是8百大，后来曾任职阿里B2B公司CEO的卫哲入职时已是53百大。从“百大”开始，阿里逐步建立起一整套“百年”系列培训体系。

由于橙色象征着阿里，这些培训私下里有个更生动的名字：刷橙。

马云给第一届百大培训，2001年

其次，“管住”脑子后，阿里需要用一套考核制度来管住手脚。如前文所述，阿里考核体系中价值观和绩效各占50%，这两个维度可将员工分为五类：狗（没业绩，没价值观）、野狗（有业绩，没价值观）、小白兔（没业绩，有价值观）、牛（业绩和价值观都一般）和明星（有业绩，有价值观）。

这五类里其他的都好处理，唯有“野狗”这一类，是考验能否坚持价值观的关键。2002年下半年，中供（“中国供应商”简称）团队的两名销售给了客户回扣被查出，两人都是典型的“野狗”，业绩占到所属大区的50%之多。尽管阿里当时正处于冲刺“全年盈利1块钱”的关键时刻，但马云还是没有手软，“咔咔把两个人裁掉”了。

给客户采购塞回扣侵蚀了客户的利益，显然属于违反“客户第一”原则的踩线行为，自然要祭出雷霆手段。而除了这种“树典型”案例，价值观考核已经全面渗透到员工的日常工作之中，无论大事还是小事，红线始终在那里。多年后，马云在阿里组织部的一次讲话中点出了这样做的动机：

“天下没有人不认同客户第一的，天下没有人不认同团队合作的，天下没有人不认同诚信的，你去问一下，诚信对不对？对啊，但是你不考核它，它是出不来的，文化是靠考核出来的。”

“价值观是考核出来的”是阿里文化能落地的关键。马云后来还总结：“价值观是用来弥补制度不足的，但价值观本身恰恰是需要制度保证。”把无形变有形，这是他常说的那句“虚的价值观，实做”的具体含义。这种思路，显然已经超出了经典管理学的范畴，在全球找不出多少同行者。

至此，阿里围绕价值观已经形成了相对完善的理论体系、培训体系和考核体系，大批熟稔价值观的员工奔赴前线。他们中有的高度认同，有的囫囵吞枣，有的仍存怀疑，“独孤九剑”这件武器离开马云的嘴和阿里的墙后，能否在残酷的竞争中提供战斗力，恐怕除了马云外谁的心里都没底。

如何验证武器的效用？最有效的方法永远只有一个：战斗。

战斗

2002至2007年，是阿里战斗最密集的一段时间，贯穿其中的是三大战役：B2B业务对阵环球资源和慧聪网，C2C主力淘宝对阵eBay，以及集团全体对阵非典。

率先结束战斗的是B2B战役。在两位销售大师李琪和李旭辉的带领下，“中供铁军”展现出了恐怖的战斗力，一批金牌销售如干嘉伟、贺学友、王刚、陈国环等人横空出世，把对手环球资源的市占率从90%打到了10%。等到卫哲接手的2006年底，阿里B2B业务早已一骑绝尘，彻底甩开对手。

这场胜利的因素有很多，比如能让客户赚到钱的产品、完善的销售体系方法论、激励性极强的“金银铜牌制度”、对手的反应缓慢和不接地气等，但“使命、愿景、价值观”也在其中发挥了重要作用：很多销售在地推时慢慢认同了“让天下没有难做的生意”这句话，从质疑走向相信，从相信走向坚信。

再以“独孤九剑”中“教学相长”这条为例，“中供铁军”的销售之间形成了“无保留分享”的习惯，经验和方法被毫无私心地相互传授，老同事会帮新同事close（签单），甚至在同事困难时候“赠送”客户资源。这种团队配合大大提升了业绩，又反过来让销售们对“教学相长”更加认同，形成正向循环。

曾经质疑关明生的俞朝翎在听下属述职时发现，践行阿里价值观的销售工作效率更高，业绩更突出，他从此开始认可价值观的作用[6]。“无用”终于变成了“有用”。

通过战斗来验证“使命、愿景、价值观”的好处在于：胜利的过程会被解构出无数案例，在官方的语境下，这些案例将被挂钩到价值观上，把“实战的胜利”升华为“价值观的胜利”，这样便能反过来促进价值观的强化和传播。同时，这些新解构出来的案例又能丰富阿里价值观体系的宽度和深度。

比如在B2B战役中，李琪琢磨出了一套“金银铜牌激励制度”，主要内容是如果销售员这个月业绩优异，下个月的提成比例就很高，而为了不浪费这个高提成比例，销售下个月就自觉地冲击更高业绩。这套设计巧妙的制度，后来演变成“今天最好的表现是明天最低的要求”这条新的阿里价值观。

这种通过战斗来对价值观进行强化、传播、丰富、拓宽的方法，在第二场战役中也被体现地淋漓尽致。

淘宝打败eBay的过程早已众所周知，湖畔花园的秘密研发、马云跟惠特曼的隔空交战、雅虎的10亿美金等片段，已经是互联网编年史里中众口传诵的故事。跟B2B战役一样，价值观为胜利贡献了力量，也从中获取了新鲜实例的支撑，比如支付宝的诞生过程，就成为“因为信任，所以简单”的经典案例。

相比于前两次战役里价值观暗中发挥力量，2003年初全集团对抗非典疫情，更像是价值观的主场战事：以“客户第一”始，以“客户第一”终。

2003年4月15日，广交会开幕，广州此时已被明确划为“非典”疫区。阿里由于此前已经承诺带50位“中国供应商”客户参展，所以仍然派出包括美籍高管艾斯利曼在内的7名员工参加广交会。他们回杭州不久，一名女员工就被确诊为非典疑似病人。

抗击非典，2003年

第二天，阿里全部400多名员工回家隔离。业务中断的伤害是毁灭性的，但当时400名员工自发把台式机、通讯录、客服电话搬回家，并发动家属帮忙接听客服电话。结果阿里巴巴客户与流量不仅没有流失，新增会员数、网站访问量、信息发布量反而大幅增长，顺利地扛过艰难时刻。

而在隔离期间，秘密研发的淘宝仍在紧张进行（在远离总部的湖畔花园封闭开发，所以没被隔离），5月10日，日后席卷中国的taobao.com顶着压力上线，马云无法亲到现场庆功，只能通过雅虎通视频对10名员工表示了感谢[5]。5月10号后来也被定为“阿里日”，感谢阿里家人的付出。

三场战役结束后，阿里的“愿景、使命、价值观”从PPT里的枯燥文字，变成了一个个生动的案例，它们被提炼、总结、升华，刻在了每个阿里人的脑子里。

2004年，“独孤九剑”被浓缩，从九条变成六条：客户第一、团队合作、拥抱变化、激情、诚信、敬业，称为“六脉神剑”，考核方式也变成了更为严格的通关制，但抵触情绪却比三年前少了许多。这得益于用打仗来深化价值观的方法，从胜利走向胜利，到战斗中去，完成从“无用”到“有用”的转化。

从关明生报到的2001年，到eBay退出中国的2006年，阿里价值观体系的建设可用三句话总结：用培训来传授，用考核来落地，用战斗来深化，连贯而完善。不过虽然这套体系超出同时代其他公司的段位，但仍称不上无懈可击，比如：假如某天阿里的掌舵者试图改变价值观，如何应对？

而随着阿里陆续开拓C2C、支付和软件等新业务领域，“统一步伐”的难题也浮出水面：各新业务之间商业模式差别很大，组织管理差别很大，发展速度差别更大，集团开始形成隐形的气墙和山头。如何不让强势的业务部门成为水泼不进的独立王国，是摆在中外管理者案头的共同难题。

所以马云并没有止步于此，而是思考下一个问题：如何设计一套制度，来保证阿里的航向和价值观的传承。

修舵

2007年初，阿里“一拆五”，B2B、淘宝、支付宝、雅虎中国、阿里软件五家公司独立，引发全球瞩目。与此同时，另外一个机构也悄悄地成立了，它就是阿里的“组织部”。

组织部的门槛很高：级别在M5和P10以上。但很显然，这个听起来很耳熟的部门并非一个单纯的高管俱乐部，而是承担着通过凝聚公司骨干实现上通下达，统一调遣集团干部的功能：进入到组织部的高管，就会成为集团的“资产”，晋升、调动和待遇都要服从集团。对此，马云在组织部的内部讲话中给出了清晰的阐述：

“……你们属于阿里巴巴集团了……在淘宝工作的组织部员工不是淘宝的，是集团派你去淘宝的；你去支付宝，是集团派你去支付宝，你是属于集团的人才，集团管你。”

从管理角度看，组织部实现了“集权”和“分权”的平衡，让阿里实现了“良将如潮，调度自如”的能力，好处显而易见。外界通常看不懂阿里的高管调度：管物流的调管云计算了，管云计算的调去管金融了，被调遣的干部基本上毫无怨言，迅速到位，从不拖泥带水，这就是组织部功能的体现。

而从价值观的角度来看，这种设计也大有裨益。组织部的规模是500多人，几乎涵盖阿里的前台、中台和后台的所有部门，是阿里中高层干部的大集合，他们“步伐统一”，阿里才能“步伐统一”。马云对组织部这样要求[12]：“组织部对大家有所要求，就是不断传递我们的价值观，我们的使命感。”

但这还不够，在2009年阿里成立十周年之际，马云进一步推出了“阿里合伙人”制度。

阿里合伙人规模在30~40人之间（目前38人），人数是组织部的1/10，有些合伙人未必属于严格意义上高管序列，但在传承公司价值观、文化方面绝对值得信赖。合伙人制度的用途，仍然可以从管理和价值观两个角度来分析。从前者的角度看，合伙人可以提名大多数董事人选，让最懂这家公司、最在乎这家公司的人决定它应该去向哪里。

从价值观角度看， “合伙人”这套制度跟组织部类似，或者说一横一纵，一虚一实，通过囊括各条业务阵线关键人物的组织，确保集团的“步调一致”。在38人的团体中，还存在一个由马云、蔡崇信、彭蕾、张勇和井贤栋5 个人组成的“合伙人委员会”，负责新提名候选人的审核，这保证了合伙人层面价值观的不偏航。

从5个人，到38人，再到500人，再到整个集团数千人的HRBP，阿里构建了一套按照大概1:10比例递增的同心圆体系，管理半径不断扩大。通过这个体系，阿里的“使命、愿景、价值观”就能够自上而下传递到集团十万级别的员工。对此，马云在2011年3月的迎接组织部新人交流会上是这样归纳的[12]：

我不可能直接走向2.3万名员工，我的精力是放在像陆兆禧、彭蕾、蔡崇信、曾鸣等这些人身上。我影响他们，通过他们去影响组织部的人，让组织部的同事再去影响更多的人，影响到2.3万名员工。

值得注意的是，这套体系不同于传统的管理体系，上下没有隶属关系，各个层面也几乎不做商业决策。而负责管理具体业务的是另一套管理体系——消息显示，由阿里巴巴董事局主席兼首席执行官张勇（花名逍遥子）负责的经济体发展执行委员会，下设“五委四办”，管理阿里旗下零售、金融、消费者服务、批发、物流、云计算等所有业务线[13]。

两条线同时发挥功能，使得阿里能够调动数量超过10万人的公司。干部思想统一，兵将指哪儿打哪儿，形成了强大的组织力。美团二号人物王慧文在去年在36氪大会上这样称赞阿里：“所有新经济公司里，只有阿里的组织能力过关。阿里巴巴今天能支撑这么多业务，还不出乱子。”

阿里的“虚”和“实”已冲破气墙，紧密结合，大幅提升了管理半径，“无用”的价值观已实实在在地变成“有用”的组织力和生产力。但在外界看来，这些与众不同的制度设计在西方管理教科书里找不到，在当代中国企业管理实践中也找不到，它们增加了阿里的神秘性，并总是引来一系列自行臆想的猜测。

猜测会带来误解，误解会带来质疑，而质疑会带来敌视，它们都将在2011年爆发。

孤寒

从春节开始，阿里巴巴的2011年就没好过过。

首先爆发的是“中供欺诈事件”。2011年1月，阿里内部的由蒋芳牵头的调查显示：从2009年至2010年，中供前线销售团队中大概有100名基层员工或蓄意或疏忽，容许了2326名中国供应商诈骗全球买家[7]，引发轩然大波。事发后，CEO和COO因这起内部贪腐大案引咎辞职。

这个决定并不容易，事后马云对他的助理说[9]：“在战场上拼刺刀，手脚被敌人刺一刀是感觉不到太痛的，而在家里你要砍掉自己一只手，那个痛······”

卫哲的离去造成了一种难以言说的尴尬：围观群众纷纷觉得此事是借题发挥，拿价值观来“铲除异己”，或者杀中供以儆淘宝。而尽管当事人事后一再强调自己“不冤”[7]，但信者寥寥。归根结底，这种错位来源于外界对阿里价值观的陌生和误解：人们不相信贴在墙上的标语，会真的拿来践行。

中供欺诈事件给团队造成的裂痕还未抚平，3月焦点访谈就曝光了淘宝网纵容假货，又令阿里上下焦头烂额；10月，“十月围城”爆发，3000多个中小卖家围攻淘宝商城。

马云承认做得不够好，但丝毫不认为自己违背了价值观。他挨个回应，“淘宝的投诉量远低于线下市场的投诉量。淘宝网从来没有纵容售假，淘宝能追查出售假的根源，但没有执法权”；然后又用“新人新办法，老人老办法”的政策安抚商家，拿出10个亿作为消费者保证基金，最后才平息围城。

委屈和牢骚自然不少。在接受彭博社采访时，他不忿道：我在做我认为正确的事情，别人不相信。“我就这么讲吧，第一，中国企业你要讲价值观。forget it，他妈的企业来讲价值观，他就不敢相信。第二，用不用得好，执行对不对。因为每个人离开的时候，都会认为你用价值观做借口[8]。”

这是他罕有的表达负面情绪，但现实其实很合理：你树立一杆价值观的大旗，别人要打你，也会利用这面旗，你四处倾诉委屈，别人也不会理解。这就是高处的孤寒。

从湖畔花园创业的1999年，到阿里合伙人落地的2009年，十年之间马云尽管也遭遇过瓶颈和挫折，但总体上还是“从胜利走向胜利”，凯歌高奏之下，“使命、愿景和价值观”的框架不断丰富和拓展。2011年是阿里价值观首次进入大众传播的视野。显然，它进入的方式和角度令马云失望。

这些陌生、误解、质疑和敌视，让阿里成为一道互联网世界里奇特的风景：“失道寡助”成了阿里身上的标签，“不被理解”成为人们谈论阿里的常用语，“洗脑文化”被用来形容阿里的价值观，“路上看表情就能辨别出阿里的员工”成了互联网圈的共识，媒体甚至把“孤独”这个词贴在马云身上。

阿里似乎并不畏惧。张勇在一次内部会议上说，“每个人都是成年人，每个阿里的员工都是在某一个领域，某一个行业，都有建树的同事，脑子岂是这么轻易能被洗的。”

而阿里的价值观体系也无视争议，继续原路向前，甚至仍在进化。2013年，六脉神剑价值观的新考核方式诞生，在04年版本的基础上，开始向帮助组织发现、识别、培养人才倾斜。这一年，马云还做了一个重要的决定：他要辞任CEO，并以此来检验他这套作品的坚强和韧性。

这涉及到了那个终极问题：在互联网公司愈发同质化的今天，为什么只有阿里如此不一样？它与众不同的来源是什么？

溯源

一家公司的精气神儿，很大程度上取决于创始人的性格。而阿里独特的本源，其实来自于马云这个人。

马云的性格，是一种时代和家庭赋予的复杂糅合。他出身曲艺世家，迷恋传统中国里一切好的东西；他英文好，很早就接触西方，年轻时就跨越重洋，见识西方最先进的东西；他口才卓越，在95年西湖明珠电视台的一则随机测试型采访中，他制止偷窨井盖的几个壮汉，既有勇气，又有谋略。

他心直嘴快，常常口无遮拦，令公关头疼。舆论批判996时，他硬要表态，坚持认为“我完全可以说一些‘正确的话’，但今天社会不缺正确的话，我们缺的是实话、真话、让人思考的话”；而在2014年阿里赴美上市期间，有投资者问：早知道你把股东排第三，我就不买你股票了。马云回答：你赶紧卖掉吧。

这个人又特爱折腾，好奇心十足。他研究中外历史、佛学道家、儒释典籍、西方管理、毛氏战略，东方西方的都能被他拿来用，年会时一身乔装上去唱歌，模仿迈克杰克逊尬舞，跟李连杰拍电影，跟许家印搞足球，他用生命诠释了：有钱人的快乐虽然朴实无华，但一点儿都不枯燥。

阿里10周年年会，2009年

这种性格，不用说是在理工技术男扎堆的互联网圈不多见，就是放眼全中国，也找不到几个。他自己总结：美国人认为我是很典型的中国人，中国人却把我视作美国人。

翻开1995-2010的中国创业版图，张朝阳、王志东、李彦宏、陈一舟、邵亦波、携程四君子等这些领跑者无不都是清一色海外背景，连英语蹩脚的雷军，启蒙教材也是《硅谷之火》，丁磊和马化腾虽是土生土长，但也都是技术男和工程师做派。这些人懂技术、懂运营、懂管理、懂销售。

以上这些，马云一个都不会，那他到底会什么？

马云最擅长的，是构建一个精神气场（价值观），选择一条广阔的赛道（商业设计），设计出一套能战斗的体系（组织设计），把他想要的人才聚拢旗下，然后共同去完成一件目标（愿景和使命）。换句管理学味儿浓的说法，就是：用“愿景、使命和价值观”确定方向，用组织设计和商业设计来抵达终点。

他的性格和经历，都有助于他完成这件事情。程维曾问关明生，马云是怎样在一年时间内组建起蔡崇信、吴炯、李琪等人的豪华团队？关明生说他也纳闷。蔡崇信三代耶鲁，吴炯雅虎骨干，李琪销售鬼才，关明生外企高管，最后却都心甘情愿地跟随马云创业，其根本就在于马云的精神气场。

淘宝创始团队合影，2003年

这种构建精神气场的能力，起源于马云的性格，又在他短暂的教师生涯中被锻炼强化。冯仑曾讲过，马云本来就是教师出身，而教师最擅长的就是同样内容可以不厌其烦地讲上千遍，给1班讲完，给2班讲，再给3班讲……正是因为他反反复复讲使命、愿景、价值观，大家听得多了，也就信了。

在把“精神气场”固化的过程中，武侠文化的作用被高估了。事实上，没人会因为自己有一个花名、在称作“光明顶”“桃花岛”的会议室里开过会，就会生出“侠之大者，为国为民”的慷慨之情。阿里的价值观之所以成功，归根接地还是来自于“用培训来传授，用考核来落地，用战斗来深化”的执行体系。

而商业设计和组织设计也很重要。扬长避短，是马云的强项，他可以不懂技术和管理，但通过商业设计和组织设计，他总能找到最合适的人。

只有商业和组织设计能力，是“强公司”；只有“使命、愿景、价值观”，是“佛公司”；同时拥有这三者，才是“好公司。”

中国的“强公司”很多，无论是互联网等新兴产业，还是家电地产等传统行业，每个做到细分领域霸主的公司都是强公司。但精神气场这个东西，确是阿里独有，你能够在其他公司身上嗅到创始人的味道，有的是产品味儿，有的是技术味儿，但你很难感受到一种引力，这就是阿里的精神气场。

精神气场到底好不好，见仁见智。有人觉得它是提高组织效率的良药，有人觉得它是某种程度上的“洗脑”，但唯一没人否认的是：同时具备“虚”和“实”能力的公司，组织战斗力、航向管控力、内部凝聚力都会大大增强。有的人批判它，讨厌它，但也有人想借鉴它，学习它，甚至模仿它。

等到后一种人越来越多的时候，人们的误解和质疑才会慢慢消融。即使强大如阿里，这一天也要等很久。

传承

从2015年开始，学习阿里价值观的人变多了，质疑阿里价值观的人变少了。

触发这个临界点的，一是阿里的业绩仍然在高速增长，而常拿来对比的腾讯却陷入中年焦灼之中，这让一批曾经低估阿里的人开始反思；二是大批从阿里出来创业的人，在各个细分行业建功立业，并毫不掩饰自己对阿里价值观的认同，让观察家们不得不思考：我们有没有误解阿里？

原中供铁军成员，同程网创始人吴志祥曾经在《赢在中国》里这样说：“从阿里巴巴出来的每一个人，带走的绝对不是阿里的商业模式，带走的是阿里巴巴的价值观和创业的激情。”在之后，无论是去了美团的干嘉伟，还是创办滴滴的程维，或是搞投资的王刚，都发出过类似的感慨。

曾经有个公司从阿里挖了二十几个人，这些员工在新公司里天天跟老板讲价值观，并认为不考核价值观是错误的[12]。后来老板受不了，打电话给马云：你是派了一批间谍来策反我吗？

而回到阿里本身，关于价值观的争议却仍然存在。2016年9月，4名阿里员工因擅自用自写的脚本抢月饼而被开除，理由是触及诚信红线。外界一片指责，曾经揭开“中供欺诈事件”的蒋芳做了全面的回应，但得到的仍是网友和媒体的口诛笔伐。跟当年类似，他们仍然认为价值观是“无用”的。

但跟往常一样，质疑没有阻挡阿里价值观演变的脚步。2019年9月10日，阿里在20周岁生日这一天升级了新的六脉神剑：1. 客户第一、员工第二、股东第三；2. 因为信任，所以简单；3. 唯一不变的是变化；4. 今天最好的表现，是明天最低的要求；5. 此时此刻，非我莫属；6. 认真生活，快乐工作。

阿里巴巴董事局主席兼首席执行官张勇

这六句土话，每一句背后都有典故和案例。比如“此时此刻，非我莫属”是由“If not now, when? If not me, who?”这句话翻译过来的。这句话在1999年被刚刚成立的阿里当做招聘广告词登在了《钱江晚报》上，表面上看是疑问句，其实是自问自答，暗含“舍我其谁，独当一面”的战斗精神。

2019年8月19日，苹果、亚马逊等181家全球顶级公司达成共识，“股东价值不再是美国一些顶级商业领袖的主要关注点，投资员工，为客户创造价值，与供应商合作并支持外部社区，现在已成为公司业务目标的重中之重。”这似乎在向阿里“客户第一，员工第二，股东第三”的价值观致敬。

改开波澜壮阔的四十年，中国诞生了无数优秀而卓越的公司，他们在商业领域披荆斩棘，在管理领域也在艰难探索，如何管理、指挥、调度一个数万数十万人的商业组织，持续地为亿万中国人提供服务，同时坚守良知坚守底线，华为在撰写答卷，腾讯在撰写答卷，阿里也在撰写答卷。

而阿里这份尚未落笔的答卷，是几千年来中国商人阶层探索商业伦理的延续。早在先秦时期，儒家就把伦理道德注入商业活动中，形成“诚信无欺、以义制利、和厚生财”的价值观，却往往沦为没有约束力的道德说教。而商人阶层也被逐步异化成投机倒把、囤积居奇、无商不奸的形象。

而阿里对价值观的实践，其实承接了儒家的古老义利观，相信人性本善，以义制利。但区别在于，通过制度的设计，阿里让价值观从虚弱无力的道德说教变成落地的管理体系。这使得“善”主导的企业精神传递到其员工、客户和社会。它的价值超越了管理本身。

马云无意也无力为中国企业输出一套完美的样板，他能做的，只是用商业和组织能力，叠加“愿景、使命、价值观”的体系，帮助阿里成为“好公司”，然后把接力棒交给继任者，正如他在昨天阿里20周年年会时讲的那句话：“今天不是一个人的选择，而是一个制度的成功。”

而对他自己，阿里在“无用”和“有用”之间的实践，助他抵达了道家的那重境界：人皆知有用之用，而莫知无用之用。无用之用，方为大用。

参考资料：

[1]. 关明生：采访口述

[2]. 关明生：阿里巴巴价值观的演变

[3]. 陈润：理想是用来实现的

[4]. 波特·艾利斯曼，阿里传：这是阿里巴巴的世界[M]北京：中信出版集团

[5]. 李亮，马云：一路这样走来[M]贵阳：贵州人民出版社

[6]. 和阳，阿里局1[M]广州：广东经济出版社

[7]. 和阳，阿里局2[M]广州：广东经济出版社

[8]. 李翔，马云专访：商业王国、孤独感、管理艺术

[9]. 贝拉，德川宗教：现代日本的文化渊源

[10]. 周林娟：日美企业经营比较研究[M]上海：上海远东出版社

[11]. 陈伟：这就是马云[M]杭州：浙江人民出版社

[12]. 马云内部讲话系列[M]：红旗出版社

[13]. 晚点LatePost，阿里最有权力的13个人

[14]. 纪录片：扬子江大鳄

[15]. 宋金波，韩福东，阿里铁军[M]北京：中信出版社

[16]. 阿里巴巴：阿里味儿上中下

[17]. 王利芬，李翔：决定阿里巴巴生死的27个节点[M]北京：北京联合出版公司

[18]. 吴新文，国外企业伦理学：三十年透视[J]

[19]. 骆轶航，阿里巴巴孤独进行时

[20]. 阿里研究院，新经济崛起[M]北京：机械工业出版社

[21]. 陈伟，这还是马云[M]杭州：浙江人民出版社

[22]. 林军：沸腾十五年

2019黑马产业加速大会广州站·消费产业专场

扫码报名↓↓↓

深圳创投帮：千亿“押注”中国硬科技

深创投孙东升：专业化是本土创投转型升级的必由之路

松禾资本厉伟：老老实实做生意

* 创业家，读懂中国7000种赚钱生意。

商务合作：heima-na（微信）

13146024639（电话）

部分图片来源于网络，侵删