热泵展表示，任何时代都会有一个特定时期的“漩涡核心”，在当今的21世纪，大数据时代被誉为联接“人—机—料—法—环”等的无形核心，被我们国家提升到国家大数据战略的高度，被德国以“工业4.0”战略命名，是“热泵式供暖”重要衡量坐标。

”人”的方面主要是项目少人化或无人化和精细化管理；

”机”的方面分为三块：采集、分析、决策，其中决策分为不控制决策和控制决策；

”料”的方面有物料追溯、精准排查、物料库存；

”法”的方面就是企业标准、工业指导书、生产流程等；

”环”的方面就是环保监测、安防监测、能源调度等。

20世纪经济模式过时了？

为什么暖通企业纷纷“向善”？其中一个声音认为：当今世界的经济模式急需改变。

有的社会问题，当变成有利可图的商业机会时，这些社会问题才能根本解决。把工业和商业结合起来，目的是解决社会问题……把商业的力量变成一种向善，推动商业向善成为一种趋势、成为能够让我们国家化解不平衡、不充分发展矛盾的一种力量。

商业向善是指商业企业致力于解决社会和环境问题，开发与主营业务或服务相关联的项目，在取得创新性的社会和环境影响力的同时，为公司创造财务和商业回报。企业的这种商业行为就是商业向善。

商业向善的第一经济逻辑：如果我们能用无限低的成本完成生产，便可以节省庞大的社会资源，也可以节省人类向自然索取能量和资源，实现社会资源的最优配置，才是我们商业向善当中的第一经济逻辑。商业向善的第二经济逻辑：我们把原有的成本和费用都降低后，如果还能让最创新、最有意义的人和公司自由享受我们提供的基础设施、交易费用最低的工具和方法，人类为此而付出的总成本、总代价一定是最低的。过去我们在第一生产领域中不强调公益，而在今天的数字化时代，如果能把公益嵌套在第一生产领域、第一次分配中，我们便创造了一种新的生产方式、生产逻辑，由此生产出最庞大的产品和服务，并可以公平、及时地分配给全社会的需求者和消费者，同时让公益在其中散发出无处不在的光芒。

热泵展|热泵式供暖的必然及其使用价值和金融属性: 热泵系统就是一处”大数据宝藏”,智能时代的第一资本,既善心又善脑-暖通展|上海暖通舒适系统展COMFORTECO CHINA 2025

21世纪是一个属于互联网、人工智能的时代，科技创新改变了人们的生活状态、工作状态、社交模式，而“大数据+金融科技”更改变了财富积累方式。人类的发展离不开一种核心的底层思维模型，那就是“基于数据的思维模型”，我们获取数据—分析数据—建立模型—预测未知—修正模型，就这样一步步搭建了璀璨夺目的现代文明。

大数据：智能时代的第一资本

数据如此重要，我们天天说的“大数据”岂不是更重要？是的，大数据很有可能是智能时代最关键的资本之一。

就如同“大国”之“大”不仅在于国土面积大一样，大数据的“大”更在于以下四个特征：

海量、多维、完备、实时

“完备性”，这也是带有深深的时代印记的，当互联网发展到今天，有一件以前想都不敢想的事情强力地改变了我们认识世界的方法，那就是“样本量可以非常接近甚至等于全体量”，也就是说，原本还需要从大数定律给我们以信心，而现在则完全可以直接研究全体，那么准确性自然就毋庸置疑了。

由此可知，本来我们认为笨重落后的“穷举法”，在这个时代，必须对其进行重新的认识。

当今最有价值的一批互联网巨头，在我们一般人看来，无非就是一些搜索引擎公司、电商公司、媒体公司，比如谷歌、亚马逊、百度、小米等，为什么它们备受瞩目呢？原因很简单，它们的本质都是——“数据公司”

它们手中掌握的大数据资源才是真正的资本，掌握了大数据就掌握了对于这个世界精准的认知。我们知道，一个人的财富就是它对于世界认知的变现，而一家公司的价值也是它看对于世界是如何认知的。未来，大数据会像现在的石油一样，成为非常重要的战略资源与资本，小公司及个人需要从大公司采购数据甚至采购算力。

数据驱动：现代文明的强势思路

解决同一个问题，当然也可以有各种不同的思路。人类文明发展至今，解决工程问题的思路并不统一，还出现了两派分歧。一派是以苏联为代表的“模型驱动”，他们数学功底极强但是缺乏算力与数据，所以研究重点是寻找准确但复杂的数学模型；另一派是以美国为代表的“数据驱动”，他们数学功底平平，但是计算机强大且数据量多，所以喜欢使用很多简单模型的组合来替代复杂模型。

从目前的结果上来看，“数据驱动”显然更胜一筹，这也是当代工程学的主流思路，从计算机的0与1发展到今天的机器智能，都是这种“使用简单模型组合来替代复杂模型”思路的胜利。

那么，在这背后的底层逻辑是什么呢？

原因在于，单个复杂模型中包含了“过多的人工预设项”，相当于将模型的可进化能力降低了，而注入了过多建模者的个人理解；但是，多个简单模型组合后，相当于留下很多“自由度”，以契合海量的数据，模型由数据引导发生进化，即所谓的“数据驱动”。从结果上看，一定量的数据就能让简单模型的组合进化到非常准确的预测水平，其实这完全基于并符合概率统计上的切比雪夫大数定律，以及微积分思想中的泰勒展开与傅立叶展开思想。

思维模型大变革：欢迎来到智能时代

回想工业时代，当时的核心思维模型是什么呢？其实就是“机械思维”，虽然我们现在往往都把它当作贬义词去使用，但是，不得不承认，正是机械思维带领我们快速步入了工业文明，而我们至今在解决问题时，其实也常常是以机械思维为主导的。

什么是机械思维？其实就是“因果思维”，一件事情的发生，是由另一件事情导致的。因果关系在数学中使用导数、积分、微分方程来表示，可以说，人类对于物理世界的认知其实就是微分方程。

但是，智能时代的到来颠覆了这一认知。这里举出一个被《福布斯》杂志等多家媒体报道过的真实案例，让我们再次感受一下大数据的力量。

有一天，一名男子找一家商店理论，原因是男子的高中生女儿竟然收到了一堆母婴用品的优惠券，“这不是鼓励我女儿过早怀孕么？”男子非常生气。可是，几个月后，男子却反过来道歉，因为女儿真的怀孕了！这家商店利用大数据信息，分析数据的“相关性”，将男子的女儿打上了怀孕的标签，它比男子更早知道他女儿怀孕。

这样的例子已经数不胜数了，比如美国利用“用电模式”大数据，精准分析出那些在房屋内种植大麻的犯罪分子，至2011年仅在俄州一个州就破获60例这样的案件。

智能时代，“因果思维模型”将逐渐淡化，而“相关性模型”则发挥出越来越强的威力，我们将逐渐的用强相关性来代替因果性，不追究事件的说不清的原因，而更强调事件之间的相关性，因为这是智能时代解决问题最有效的手段。

大数据的魅力在于一切皆可量化

由现代信息技术引发的全球信息化浪潮冲击着社会生活的方方面面，尤以“内容、数据、用户和流量为王”的互联网思维和技术不断推陈出新，带来了“工具是武器、技术是灵魂、数据是王道、人才是根本”的新一轮大变革，催生了知识型经济、网络化社会、数字化生存和数据化时代。

“云—物—移—大—智”是当前信息时代最热的五驾马车，即云计算、物联网、移动互联网、大数据和智慧城市, 这五个要素共同筑造着我国“IT新型态”的开端和雏形。鉴于“廉价、迅速、优化”的最优综合成本，大数据作为云计算、物联网之后又一大颠覆性的技术革命,其令人着迷的地方在于用“科学”的方法挑战了“预测学”，帮助人们发现未知，辅助人们进行决策，实现了一切皆可“量化”。其核心价值是用数据还原过去、描述现实和规划未来，具体是对海量数据进行采样、存储、共享和分析，几乎涉及所有领域的结构类型,包括文、图、音、像、表等多源、多元数据，可以说“处处是沙子、到处是黄金”。大数据技术的战略意义不在于掌握庞大的数据信息，而在于对这些含有意义的数据进行专业化处理，在于数据自身潜在的价值。换言之，如果把大数据比作一种产业，那么这种产业实现盈利的关键，在于提高对数据的“加工能力”，通过“加工”实现数据里的“淘金” 和“增值”。

一是大数据“很大”。大数据是巨量资料，所涉及的资料量规模巨大到无法通过目前主流软件工具，在合理时间内达到撷取、管理、处理并整理，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。通俗地说，大数据的数据量和计算量非常大，大到现有主流软件无法胜任，需要一个全新的体系架构来支撑。而云计算是当前新兴的战略性技术，已连续多年成为十大战略新技术之一，是随着存储技术、虚拟化技术以及分布式处理演进而来的，拥有六大核心技术、五种基本特征、四种部署模型和三种模式。现在部署的移动互联网、物联网、大数据和智慧城市等应用实践主要归功于云计算的发展，云计算是这些应用场景的核心技术支撑。因为没有云计算，这些应用也就无从谈起，其终极目标就是“IT成为水电一样的生活基础设施，一切皆为云服务(XaaS)”。

因此，云计算是大数据的最好核心基础，大数据是云计算的最佳应用实践。专家认为，没有采用虚拟化和分布式技术的，都不能算是真正的云计算，没有云架构的支撑，就难以实现真正意义上的大数据应用，大数据与云计算的关系就像一枚硬币的正反面一样密不可分。所以大数据必须采用分布式架构，它的特色在于对海量数据进行分布式数据挖掘(SaaS)，必须依托云计算的分布式处理、分布式数据库(PaaS)和云存储、虚拟化技术(IaaS)。

二是大数据“不大”。通过多年的信息化建设和应用，现有的数据量虽然已经很大，但是还不够多，常见数据的冗杂、维度和多样化不够，不能涵盖真实世界可能出现的各种边界情况，且长期处于休眠状态。这需要在标签索引、数据融合、挖掘分析时，必须建立协同参与的数据库、模型库和知识库，必须结合现实数据和历史知识，为用户提供全方位、精确化和实时的情报信息和决策支持，从而实现从“已知”推理“未知”、从“现实”预测“未来”。

大数据的实质是“深度学习”，需要建立大规模训练数据集，建成服务决策的仿真环境和专家系统。事实证明，没有基于知识管理和专家参与的信息系统，难以实现精准的实时预测预警分析。这就需要人工智能技术，需要机器学习和训练，最终形成专家群体参与决策分析。同时从平台分析结果到实践间的验证、评估问题时，需要通过系统的模拟推演和现场重现，为进一步决策指挥提供可靠性测试指标，这需要建立模拟仿真平台，真正实现“人在干、数在转、云在算”。

当前我国高科技领域设计体系架构时，大多采用钱老的系统工程理论和方法，把系统建设当成一个复杂巨系统，需要建立综合集成研讨厅体系，就是在满足数据整合和挖掘的基础上，要集成模拟仿真和专家系统这两个核心子系统，才能实现效益最大化和效率最优化。大数据深度神经网络的人工智能模型，其数据量和计算量都非常大，经常需要长久的训练时间，需要算法专家、系统专家共同协同和不同数据的同步，更需要可持续的自主支撑技术，长期离不开新技术的研究和应用，尤其在自然语言处理、复杂网络、社会计算和群智算法等新技术上必须拥有独立自主的科研成果。

三是大数据的“自大”。大数据需要自上而下的顶层设计和自下而上的规范应用，两者双轮驱动、缺一不可。由于我国区域发展不平衡，各地信息化应用意识和水平不均，导致各地部署建设信息化工程项目时投入不一、各自为战，在资源共享上唯我独尊，甚至“泳道”条割、“烟囱”林立，“信息孤岛”现象频仍。一些地方高度重视科技引领作用，大手笔发展智慧城市，大投入建设大数据中心，为实施科技兴国战略肯花真金白银、肯投重兵强将，全力打造了高大全的独立平台，资源独享，权限独占，只求数据向里导，不准外人实时查，强调权限自己用，明确不给他人授。正是缺乏全局的思考和系统的把握，往往将自我置身在“一家独大”的信息墙、资源池和自留地里，无形中与墙外池外在物理、逻辑上形成信息壁垒，“只扫门前雪、不管他人霜”的思想犹存。

殊不知，在物流、人流、信息流、资金流多流并进的当下，玩大数据，不能自娱自乐，搞信息化，唯有团结协作。任何部门、任何区域、任何平台都不能靠自身包打一切，务须深化“唯共享、方共赢”的认识，树立“既要人人为我、更要我为人人”的理念，务须打破理念藩篱和数据通道，建设一个开放的、共享的、智能的云平台，成为广大用户业务交互的阵地、数据交换的枢纽和用户交流的载体，实现信息的协作、业务的协调和任务的协同。

四是大数据的“他大”。虽然“自大”难以走天下，但一些地方囿于人财物的投入不足，反之产生了“他大”思想。面对风起云涌的大数据应用，总是袖手旁观、无动于衷，存在掌握新技术时往往一知半解，认识新业态中常常一叶障目，“只等别人建高楼，我直拎包入住用”的“蹭网一族”大有人在。

热泵展表示，大数据时代的浪潮已经袭来，这对于我们每一个人来说，既是大数据的缔造者，又是大数据的使用者，更是大数据的直接受益者，如何在海量的信息中坐收大数据的“渔利”，我们每一个人都不能置身事外。只有积极参与到人机、人网、人物、人事结合的同时，后台记录着你的每一次点击和浏览、每一个行为和喜好，大数据的分析结果才能精准的推送到你的桌面和掌上，才能符合你所请求和查询的预期。事实证明，只有在信息平台上刷存在感，你才拥有赛博空间的获得感。一切人性化的设计、个性化的体验都是以每一个用户的积极参与为前提，那种“躲进小楼成一统”的后果，往往会是人家收获了黄金，你可能全是沙子，你需要的是汽油，得到的却是石油

用AI给“不确定性”找规律，从看似无规律的数据中发现规律。从生产数据中寻找规则、建立模型，然后用模型判断、预测设备状态。企业进行价值网创新需要做好三个方面：第一，创造产业链纵深价值；第二，做好能力沉淀；第三，创造协同效应。当企业足够强的时候，生态会选择企业。如果只能在一个点上找到成长空间，可能会局限企业的思考路径。最好是在打点、连线、结网思考的各个维度上，寻找到不同的成长空间。

未来企业不再依靠产品赚钱，而是通过产品做为切入点来最大限度的获取你的个人信息，最后把这些信息输入人工智能，经过人工智能处理，再在消费端给你推荐你所需要的产品。

未来比拼的是一个人的综合能力、跨界能力。智能机器人只能做到在一方面做到极致，举个例子：与机器人相比，人工有三个方面的不足，一方面人工翻译掌握的词汇量没有机器人丰富，另一方面人工掌握的语言种类没有机器人多，再者就是人工翻译可以掌握多国语言，而人工翻译能达到的却寥寥无几。那么，人的长处体现在哪些方面呢？我能想到的就是跨界能力，机器人的极致能力只能跟你提供你所需要的信息，但是要做决策，需要掌握各个维度的信息。

科学文明和工程文明是人类现代历史的基础。科学家解决可能性问题，而工程师解决可行性问题。比突破技术壁垒更难的是建构这个生态！

我们推崇从0到1的创新，人们也喜欢看从无到有的魔术。然而从1到100也是一个充满创新的过程。把创意落地成产品、把科学转化为生产力需要专门的技能，这些技能的获得需要人们理解新的科学前沿知识，也需要熟悉工业生产流程。

这通常需要两种基本能力的培养：

第一，是资源的构架能力。放大已有的方案，实现从1到100的能力。从0到1只解决了可能性，从1到100则要解决可行性。这需要多种能力的组合，对多项技能和资源的深入了解，以得出最好最稳定的解决方案。

第二，是有边界的设计能力。因为工程学的目的和意义是解决现实生活中的某些实际问题，所以必然会受到“条件约束”，即物理学上常说的边界条件。这里的约束，首先是科学规律的约束，其次还有时间约束、财力约束、竞争约束、人类行为的约束等。梦想和现实的距离，商业上的投入产出比，也是约束。

工业创新往往来自已知技术在新领域中的应用。一个领域中已有的技术，可以在另一个领域中发挥新的功能。这些新应用的发生需要不同领域的人在一起交流碰撞，营造良好的沟通氛围。

工业创新还需要把每一步都做到极致，才能看到累积的结果。每一步成功的概率都是前面所有步骤和所有器件稳定性的乘积；再就是在已有的基础上进行改进，每次提高一点点，但当这个提高了一点点，周边的零件和设备又显得不匹配了，你就继续把周边的都提高一点点。所以说做得最差的那个就是核心问题。你一旦解决了这个，一定会有下一个成为新的核心问题。一路这样迭代下去，你就会发现整体上有了质的飞跃。

工业创新又源于协同创新，需要大量不同行业的工程师在一起协作，彼此深入了解对方的技术和工艺，从而知道怎样改进自己的工艺和设计以最好地配合其他部分，从而实现整体的目标。

工业设计的全新定义“新的系统设计师”

面向工业4.0的工业设计的核心在于将虚拟的数字世界和真实存在的物理世界有机融合，它将是综合客户需求、硬件制造、工业设计和互联网的复杂系统设计。除了传统意义上工业设计的功能与造型设计之外，未来工业设计也将更加关注用户在产品设计中的意愿和个性化表达。

同时，小批量高速迭代、多种技术融合、产品快速升级，这些要求都对传统的制造业模式和产学研管理提出了全新的挑战。比如，组织跨专业的设计团队和制造型企业协同创造，将是一个复杂但必需的过程，这也将成为未来工业设计中的核心研究课题。而跨专业的实践训练和持续学习，也将成为未来工业设计教育的核心。

专利给了第一次提出这样想法的人获得丰厚回报或幻想财富的机会。但凭借今天的信息交互之便利，越来越多的工业企业意识到把知道怎样做的方法拿出来与同行和供应商共享，反而会获得更大的收益。如今，在要实现工业4.0的制造业中，专利在有限地作恶，它成为知识工作者妄想坐享其成的迷梦。不要轻易否定这样的言论，如今发展得如火如荼的开源研究模式，就是对专利这一历史上产生的怪物展开的斗争。

创业往往分为两个步骤：发现问题和解决问题。

发现问题只是完成了一半，选择一个好的模式解决问题或许能让创业者们少走许多弯路。

目前，解决问题主要有以下几种模式：

第一，“山寨”模式。对标同类企业或者遇到相同问题的企业，参照他们的方式做调整。

第二，根据长期培养出来的工程意识做决策。

第三，通过数学、物理等科学方法，将复杂问题简单化，通过找出问题的核心关键点来解决问题。

在这三种模式中，第一种模式难有突破性创新，第三种模式最优但一般人难以做到，第二种模式——工程意识是非常重要且值得培养的，也是能把学术研究和商业实践进行有机结合的核心能力。

成功科技创业的共性：

领头人具备综合素质

在智能硬件方面，领头人一定要有混合式的交叉背景，他不但要懂机械和电子，也要懂软件和设计；他不但要是产品经理，还要是市场经理、人事经理、运营经理。

虽说人无三头六臂，但是要做好硬件领域创业公司的领头人，这些是必备素质。

好的创意

好的创意怎么产生？设计思维、批判思维、市场调研、头脑风暴、集思广益，这都是必不可少的过程。

团队建设

随着产品不断试错的过程进行迭代，配备合适的团队才真正具有战斗力。

做与众不同的产品

不要看别人做什么，我就去山寨。要做就做与众不同的产品。

核心竞争力

不要老想忽悠资源，只有具备核心竞争力，你才不容易被取代。

商业的目的就是创造交易盈余

交易盈余＝消费者盈余+企业盈余。

消费者盈余＝使用价值-交换价值。使用价值是消费者对商品效用的估值。消费者觉得商品值多少钱，减去消费者实际花出去的钱，就等于消费者盈余。当然，花出去的，不一定只有钱，可能还有搜寻、谈判的成本。这些构成了消费者的交易费用。

使用价值是主观的，同样的商品，每个人在不同的情况下估值不一样。饥饿时候的一碗饭和吃饱了时候的一碗饭，价值不一样。

企业盈余＝企业收入-成本费用。企业支付的成本，可能又是其他人的收入。如工资是工人的收入，采购费是供应商的收入，销售费用是销售员和渠道商、广告商的收入。

企业经营的目的，就是创造更大的交易盈余，让顾客、渠道商、员工、供应商以及股东，都有得赚。

这需要创新，一方面，要想办法为客户创造更大的价值，另一方面要想办法节约费用。简单讲，就是创造有利可图的客户价值。

同样东西，卖给不同的人，卖到不同的地方，销量不一样，这是因为不同地方的需求满足程度不一样。这是市场的创新。

同样的客户，不同的商品，功能性能不一样，使用价值不一样，愿意支付的价格也不同。这是产品的创新。

针对同样的客户打造同样的商品，使用不同的生产工具、技术、生产流程，生产效率不同。这是生产方式的改善和创新。

同样的原材料，不同的供应商供应费用不同。或者同样的功能，用不同的材料代价不一样。这是原料及原料供应商的创新。

最后，和利益关联者不同的合约方式，对大家的激励程度不同。好的合约，能够降低交易费用，激励参与者的积极性，将人的主观能动性调动起来，把劳动力释放出来，从而创造更大的价值。

如上这些创新，单一创新有价值，合起来创新价值更大。通过创新，就能创新更大的交易盈余。

企业的价值，不仅仅是自己获得的利润，还有为所有参与贡献的利润。一起加总，是企业创造的价值空间。企业让大家都得利，自己也从中得利，这就是成人达己的逻辑。

数字化价值经营

1、从双碳-区块链落地洞察数字化科技如何价值经营

正如前文所说，随着社会上越来越多的人开始关注，过去的一年被认为是“区块链+双碳”元年。这说明人们开始逐步发现、认可区块链技术在双碳领域的价值，也是区块链实现”价值经营”理念的第一步。曾几何时，随着区块链技术的火爆，不少企业对外宣称在使用区块链技术，但实际上区块链并不能解决这些企业的业务需求和痛点。而很多科技大厂在行业发展早期，以技术开发人员为班底组件了区块链团队或部门，过了几年当企业要求团队实现商业变现时，又似乎找不到好的商业模式，经常被诟病“拿着锤子找钉子”。

《哈佛商业评论》前主编Theodore Levitt说：人们不仅仅需要买一把打洞的钻头，而是想要一个洞。(People don’t want to buy a quarter-inch drill. They want a quarter-inch hole)近年来，科技企业高管越来越关注，如何通过“价值经营”理念来解决新兴数字化科技走向市场的问题。为了更好地把技术价值融入到不同行业的业务场景中，数字化价值经营把新兴技术市场化分为三个阶段：价值认可，商业盈利，模式优化。

(1)价值认可。产品和方案满足市场需求，市场认可产品和方案的价值。这看上去不是什么难理解、难解决的问题。但这个问题的本质是科技公司、团队如何理解需求和价值。ToB(企业服务)这个领域，本质上买的是行业Know-how，在不理解行业背景和用户需求的情况下想做出被认可的标准化产品是不现实的。今年三月，生态环境部公开中碳能投等机构碳排放数据作假的新闻被报道，很多人才意识到需要数字化新技术（像区块链）引入，碳排放、碳核查、碳交易多方之间需要可信、共享且隐私的平台。我们在深入调研核查机构TIC全流程并和碳核查部门共同制定MRV数字化解决方案，才让业内人士也认可了区块链技术的价值。

(2)商业盈利。科技产品必须在某些行业或业务场景长期保持需求，而不是一锤子买卖陪甲方爸爸做实验，才能保障合理的商业盈利模式。在价值被认可的基础上，要实现持续的商业变现、盈利，需要考虑外部的行业、场景、需求，还要评估内部的产品、服务、成本，有以下几点供大家参考：一是充分了解客户和行业避免闭门造车，二是以专业的服务去引导客户模糊的需求，三是控制成本必须做到非线性增长。双碳-区块链数字化平台构建初期，在完成国家示范试点和公司相关任务的前提下，我们采取了“精益”策略，联合多方生态，以最低成本敏捷启动研发和业务的开展。

(3)模式优化。做大做强，从来都是好企业的愿景和目标。这就像一个雪球可以越滚越大，逐步实现复利式增长，最终独享一条雪道。这个阶段一方面要考虑如何建立壁垒，树立品牌让社会效益向经济效益转化，让产品更加尊重用户体验，拓展并分类行业赛道、渠道及资源；另一方面需要耐心和驱动力，让团队坚持做困难但正确的事，才能从诸多雪道中脱颖而出，看到广阔的雪野。天之道，损有余而补不足；人之道，损不足以奉有余，很有道理。

商业模式是“利益相关者的交易结构”。

其实，要从0开始构建一个商业模式，中间所涉及的过程，它的方法论，总结起来就是六个步骤。

1)自己；2)客户；3)能想到的所有其他人；4)连接他们；5)去掉、增加或挪动利益相关者；6)整体有增量。

核心要点是，怎样找到那些利益相关者，并且在所有人获益的前提下，设计出他们之间的交易结构。

商业模式既然是“利益相关者的交易结构”，那么什么是好的商业模式呢？

就是让参与这个交易结构的人，获得更大的利益了。

找对人，画对图，都获利，就是好的商业模式。

如果只有我们自己获得更大利益，而最终驱动循环的其他节点没有获得更大利益，这是不行的。

这个驱动是谁？是客户。是合作伙伴。

但是，怎么可能所有人都获利呢？

如果所有人都获利，是因为这个交易结构，一定创造了一个“全局性的增量”。

它一定利用效率的优势，组织资源的方式，创新的办法等等，创造出了增量。