2020年注定不凡,必将成为众多企业与个体成长路上的分水岭。在VUCA、黑天鹅、灰犀牛、指数级变化成为“新常态”的时代下,如何领导团队、组织和个人“在危机中成长,于绝境中重生”,也必将成为未来领导者的关键能力。
从三月份开始,华为生态大学针对当前变化莫测的经济形势,面向其生态合作伙伴,针对现代化企业人才需求举办了系列线上的管理培训课程,开展领导力、财政管理、团队管理、区块链知识等线上直播。邀请了包括清华、北大和北邮等知名教授做客“Σco时间”直播间,为合作伙伴带来了一场场饕餮盛宴。
近期,华为生态大学邀请了领导力学者,高管教练;清华大学经管学院博士、MBA;清华大学经管学院MBA特聘讲师;原清华大学经管学院高管培训中心常务副主任徐中,来为生态伙伴和广大网友分享《VUCA环境中的逆境领导力》,2小时的生动课程全面介绍了逆境中领导力的重要性和修炼意义,并从让华为与其生态伙伴们进一步认识到管理的意义与重要性,并分享了不同商业环境下的企业领导者要具备的能力,以及如何在危机面前具有随时变化。
不确定环境中,领导力要像光一样引导
VUCA是volatility(易变性),uncertainty(不确定性),complexity(复杂性),ambiguity(模糊性)的缩写。最早是用来描述越发不稳定的、不确定的、复杂、模棱两可和多边的世界。
随后这种思想被各种组织所应有,特别是在商业领域,用来描述不定的、混乱的和快速变化的商业环境。在当前的这样的时代下,我们更应该注重领导者能力。
领导者的作用是什么?就是要在茫茫黑夜中,用自己发出的微光,指引着你的队伍前进。
正本清源,领导力的核心是信任
在演讲中,徐中分享了很多企业的成功案例,对华为任正非的解读令人记忆深刻,“1988年的任正非有什么?啥都没有。不就是几个人,两万块钱嘛,为什么那么多人跟华为合作,不就是值得信赖嘛,懂得分享嘛。”
要获得企业员工的信任,徐中通过众多企业沟通发现,大家一个共识就是领导者要有雄心,要心怀宽广,并有敏锐的未来方向感。
同时对于一个优秀的领导者来讲,留住优秀人才也是最重要的抓手。华为的成功,有很大的原因是拥有大量的人才,其核心也是利益分享机制特别好,所有参与的有贡献的人都能得到比较公正的回报。
领导力最大的特点是信任。当你让生态合作伙伴感觉到信任的时候,你是有能力给对方带来价值的时候,人们就愿意和你合作。
领导者要抓最重要的事情
在当前环境中,对于生态里的合作伙伴和企业中的领导者来讲,要抓住企业发展最重要的关键点,包括要有明确的战略和目标,以及在特殊环境中及时做出应变反应来确保战略的正确。
同时要构建一个积极向上的团队,留住人才最重要。还有就是保证关键资源的获取渠道畅通,包括影响企业的资源、生态链和利益链的问题。而这些需要学习成功的企业家的一些思维、理念和行为,来减少弯路。当你日积月累实践的时候,就能形成一些正向的循环。
特殊时期,华为生态大学心系生态伙伴
在中国,华为拥有庞大的生态伙伴规模,为伙伴赋能,也彰显了华为的责任与担当。同时华为成功的关键优势也是在生态,作为华为生态网络中的一节点,如何影响生态中的每个节点,如何让节点之间的资源相互借鉴,借助华为的经验来帮助自己的团队学习和成长。
作为华为ICT人才生态的新载体,华为生态大学致力于成为中国数字化转型的人才引擎。虽然当前疫情阻断了线下培训课程的脚步,但一系列线上直播课程一样撑起了华为帮助生态伙伴人才培养的支持计划。为生态造血,促进生态健康高效发展,从三月份到现在,华为生态大学举办了6次在线直播课程,观看人次超过2万人次,华为希望通过这一系列课程,从领导者能力、现代化理念到高绩效团队,全面提升生态伙伴企业的竞争力,和伙伴一起在愈加复杂和多变的市场环境中抓住新机会,站得更高,看得更远。
好文章,需要你的鼓励
阿联酋阿布扎比人工智能大学发布全新PAN世界模型,超越传统大语言模型局限。该模型具备通用性、交互性和长期一致性,能深度理解几何和物理规律,通过"物理推理"学习真实世界材料行为。PAN采用生成潜在预测架构,可模拟数千个因果一致步骤,支持分支操作模拟多种可能未来。预计12月初公开发布,有望为机器人、自动驾驶等领域提供低成本合成数据生成。
意大利ISTI研究院推出Patch-ioner零样本图像描述框架,突破传统局限实现任意区域精确描述。系统将图像拆分为小块,通过智能组合生成从单块到整图的统一描述,无需区域标注数据。创新引入轨迹描述任务,用户可用鼠标画线获得对应区域描述。在四大评测任务中全面超越现有方法,为人机交互开辟新模式。
AI代码编辑器开发商Cursor完成23亿美元D轮融资,估值达293亿美元。Accel和Coatue领投,Google、Nvidia等参与。公司年化收入已突破10亿美元。Cursor基于微软开源VS Code打造,集成大语言模型帮助开发者编写代码和修复漏洞。其自研Composer模型采用专家混合算法,运行速度比同等质量模型快四倍。公司拥有数百万开发者用户,将用新资金推进AI研究。
MIT研究团队发现,AI系统无需严格配对的多模态数据也能显著提升性能。他们开发的UML框架通过参数共享让AI从图像、文本、音频等不同类型数据中学习,即使这些数据间没有直接对应关系。实验显示这种方法在图像分类、音频识别等任务上都超越了单模态系统,并能自发发展出跨模态理解能力,为未来AI应用开辟了新路径。