灵光 · 灵光 · · 国科智飞 Gavin
互补性资产:天下第一嫩的豆腐,为什么卖不过平庸的?
周家豆腐天下第一嫩,却越卖越小;王记豆腐平平无奇,却做成全城第一。互补性资产:利润流向配套最全的人,而不是发明最巧的人。
青溪镇做豆腐的人家,都认一个理:豆腐是水做的,水好,豆腐才好。
周老磨不信这个理。周家豆腐坊传到他是第三代,他用镇上最普通的井水,可三年前琢磨出一套「井水点浆」的法子——石膏什么时候下、豆浆晾到几成热、点完浆压多重的板,每一步都有讲究。做出来的豆腐又嫩又白,筷子夹起来颤颤巍巍,放到日头底下照,能透光。镇上人尝过都说:周家豆腐,天下第一嫩。
可怪事来了。周老磨的豆腐坊,越开越小。
每天四更起来磨豆子,五更出第一板,天不亮挑到镇口。头两板抢得飞快,日头一升起来,剩下的半板就没人要了——嫩豆腐不经搁,过午就馊。他咬牙卖了祖传的一间铺面,换了一头毛驴,想把豆腐送到县城去。驴车颠了二十里,到县城一掀盖布:豆腐颠碎了一半。剩下的一半,县城的食客尝了一口,说:「嫩是嫩。可我们吃的是王记。」
王记豆腐坊的掌柜叫王满仓。豆腐做得平平——豆子用自家三亩地的,磨是祖传的三尺大磨,一天两辆马车往县城送,跟衙门厨子有二十年交情,县里红白喜事,订的都是王记。
周老磨不服。逢人就讲:「我的法子比他的好!他做的那个,也叫豆腐?」镇上人替他可惜:「周家豆腐是好吃。可你第二天上哪儿买去?头天晚上想订,他第二天不一定做得出来。」
这话周老磨不爱听,但挡不住。他后来才明白,这不是夸他,这是给他算命。
王满仓登门那天,周老磨正在点浆。王满仓在门口站了半晌,看他点完一板,才开口:「三百两。法子卖我。」
周老磨把勺子往缸沿上一摔:「三百两?我的法子,天下第一嫩!你打发叫花子呢?」
王满仓不恼,只说了一句:「你的法子是好。可你只有法子。」
周老磨没听懂。他要是听懂了,后来那两年就不会过得那么难。
法子到底还是卖了——不是三百两,是八十两。因为周老磨的坊子还是三天馊两板,他撑不下去了。
王满仓拿了法子,回到自家坊里,一个字没改:豆子用自家三亩地的,磨用祖传的三尺大磨,水用镇上最普通的井水,法子里的火候时辰,一丝不差。头一板出来,王满仓自己夹了一块,愣了半天,回头对伙计说:「明儿加一辆车。」
三个月后,全城都传一句话:王记豆腐,天下第一嫩。
周老磨那间铺面,到死也没赎回来。他蹲在自家门口,看着王记的马车从门前过,车上码着的豆腐颤颤巍巍,是他那口井水点浆法做出来的。他对着空荡荡的磨盘,终于想明白了一件事:
「我以为是豆腐的问题。不是。是豆子、是磨、是马车、是跟衙门那点交情的问题。法子没错。错的是我只有法子。」
后来修县志,写「物产」一节,采到王满仓。王满仓说:「法子是周师傅的。我不过是把豆子备足、把磨转起来、把车跑起来。」
写志的书生提笔,在下面加了一句批注。县志里至今留着这句:
「天下最嫩的法子,是让坊子最全的人做成的。法子不会挑主人——它挑的是,谁的磨在转。」
概念:互补性资产
互补性资产(Complementary Assets) 由大卫·蒂斯(David Teece)在 1986 年的《从技术创新中获利》中提出:一项创新要真正创造价值,必须依赖一系列配套资产——生产制造、分销渠道、服务网络、客户关系、互补技术。
核心判断是:创新本身越容易被模仿,利润就越流向拥有配套资产的人,而不是创新者本人。这是「先发者未必获利」的经典解释——CT 扫描仪是 EMI 发明的,最后赚到大钱的是拥有销售网络与医院关系的 GE;无糖可乐是 RC Cola 先做的,市场却被可口可乐拿走了。周老磨的法子天下第一嫩,可他拿八十两,王满仓拿全城市场。创新者的议价权不由法子的嫩度决定,由配套决定。
推到今天:模型与算法越来越像公共品,真正稀缺的是数据、流程、渠道、信任这些「磨、豆、车」。问题往往不在能力,在配套。
故事里的映射
| 故事里的元素 | 现实中的含义 |
|---|---|
| 井水点浆法(天下第一嫩) | 核心技术或模型能力 |
| 周老磨 | 创新者:只有法子的人 |
| 三亩豆田 | 数据与行业经验 |
| 三尺大磨 | 生产系统与产能 |
| 两辆马车 | 渠道与分发 |
| 衙门二十年交情 | 客户信任与长期服务能力 |
| 过午就馊的半板豆腐 | 没有配套的创新,在真实场景里失效 |
| 三百两变八十两 | 创新者未必捕获创新的大头利润 |
| 「法子不会挑主人,它挑谁的磨在转」 | 利润流向配套最全的人 |
现实中的互补性资产
- 发明了 CT 扫描仪的 EMI 没赚到钱,拥有销售网络与医院关系的 GE 赚到了
- 先做出无糖可乐的 RC Cola,最终把市场让给了可口可乐
- 开源模型人人可用,但把模型接进客户真实系统、把数据治理做干净的服务商最值钱
- 同样一项 AI 能力,有行业数据与交付网络的公司能规模化,单点团队只能做演示
给 AI 时代的企业
AI 项目失败,常常不是模型不行,而是数据、系统、流程没打通。落地之前,先盘点自己缺哪块配套:数据治理、老系统改造、行业流程、客户信任。选服务商也一样——看谁能帮你补全配套、对结果负责,而不是只交付一份漂亮的方案。
灵光 · 用一个故事讲清楚一个概念。