一家公司如何保持40年的创新力？
作者｜赵健
如果提到这家公司，可能很多人都没听过。但若提起，很多科研、工程领域的从业者，一定对它不陌生了。
之于数学软件，就如同之于办公软件。在全国大学生数学建模竞赛的国家奖队伍中，的使用率几乎是100%。除了数学计算之外，也被广泛应用于汽车、航空航天、通信、电子与半导体等工程领域。
而，就是背后的软件公司，今年刚好是其成立的40周年。
2018年出版的《规模》一书中有一组数据：幸存公司的数量在公开上市之后便迅速减少，不足5%的公司存活时间超过30年。死亡曲线显示，在50年内，死亡公司几乎占到了 100%， 其中50%在不到10年的时间里便告“死亡”。
而既没有上市，也没有衰亡，仍然保持着旺盛的活力。
根据披露的数据，2024年在全球拥有超过6000名员工，其中30%位于美国以外；公司收入超过10亿美元，其中60%的收入来自美国以外；客户遍布190个国家和地区，超过10万个商业、政府和大学场所安装了其软件，在教育领域全球超过6500所学院和大学使用其软件，用户数超过500万。
每年都会在全球各地举办用户大会。今年5月在北京举办的 EXPO 2024中国用户大会现场，人头攒动、熙熙攘攘，不少人专门从外地赶来。
EXPO 2024中国用户大会现场，图片来源：「甲子光年」拍摄
在用户大会当天，「甲子光年」专访了全球副总裁 ，着重探讨了公司的创新力与当前火热的生成式AI带给软件行业的影响。
到底做对了什么？为了更好地了解与理解这家公司，我们先从的历史起点开始。
1.的起源
的历史，要追溯到20世纪70年代中期在美国国家科学基金会的资助下开发的两个（IBM开发的编程语言）数学子程序软件库——和。
这两个软件库有多位作者，其中一位名叫Cleve Moler，当时是新墨西哥大学计算机科学系主任，教授数学和计算机将近20年。
Cleve Moler是一位对新技术充满热情的教授，他对传统的以证明定理和抽象向量空间中的线性变换为主的线性代数教学大纲感到不满，因为这种方法没有充分利用计算机和现代软件在实际问题中的应用。因此，他决心改变这种状况，希望通过使用矩阵分解等方法，并强调计算机在教学中的应用，来改革教学大纲。
于是，1978年，Cleve Moler在教学之余用编写了初版——矩阵实验室（ 的缩写）。初版的是一个简单的交互式矩阵计算环境，它允许用户执行矩阵运算和一些基本的数值分析任务。这个工具的设计初衷是提供一个更直观、更易于访问的计算平台，让学生和研究人员能够更容易地进行数学建模和数据分析。
Cleve Moler使用的第一台“个人电脑”是 4081，这是国家实验室在1978年获得的。这台机器大小如书桌，包括一个图形显示器连接到 7/32（第一款32位小型计算机）。尽管只有64千字节的内存，但由于有编译器，通过使用内存覆盖技术，可以运行。
那时候Cleve Moler没有任何正式的外部支持，当然也没有商业计划，全凭兴趣爱好。
1979-1980学年，Cleve Moler作为斯坦福大学的访问教授任教，在那里教授数值分析的研究生课程，并在课程中引入了。一些学生在学习控制理论和信号处理等课程，这些课程涉及的数学以矩阵运算为核心，因此迅速得到了学生的追捧，并很快传播到了其他大学。
Jack 是斯坦福大学的一名研究生，他的一个朋友是Cleve Moler的学生，向Jack 展示了。Jack 敏锐地认识到，的矩阵计算能力可以极大地简化控制系统的设计和分析工作。他开始在自己的研究和咨询工作中使用。
1983年，Jack 提议开发基于的商用产品。当时，IBM台式机才推出两年，很难支持这样的程序的运行，但是希望对它进行改进。他辞掉了工作，在Sears购买了电脑克隆机，并搬到了斯坦福的后山上。在Cleve Moler的鼓励以及他的朋友Steve 的帮助下，用C语言编写了新的扩展版本。
终于，PC-于1984年在拉斯维加斯举行的IEEE决策与控制会议（IEEE on and ）上首次发布。这一年，Cleve Moler、Steve 与Jack 三人一起创立了商业公司。
1985年2月，向麻省理工学院出售了第一笔订单，共10份，一共500美元。的商业化之路从这里正式启程。
2.声名鹊起：FDIV漏洞事件
到1988年时，的员工只有8个人，而且Cleve Moler还是以兼职顾问的身份加入，直到1989年才成为的全职员工。
1988年，公司的八位早期员工。第一排右一为Jack ， CEO
1994年秋天，公司成立十周年之际，仍然是一家小型公司，员工不足250人。产品名称虽然为客户所熟知，但公司名称并不广为人知。
但这一年的一次偶然事件，让声名鹊起。
1994年，托马斯·尼斯利（ ），一位位于林奇堡学院（ ）的数学教授，在不同的计算机上运行同一个计算“孪生质数的倒数之和”的算法时，基于英特尔奔腾处理器的计算机的运算结果与其他计算机不一致。
尼斯利教授花费了数月时间排除其他可能的原因，最终确定问题出在奔腾处理器上。他在1994年10月24日通知了英特尔，并在10月30日向其他联系人发送了电子邮件。尼斯利教授的电子邮件被转发到了网络上，随后在技术社区（叫新闻组，是当时互联网上最流行的交流社区）引发了关注。很快，有技术人员测试发现，奔腾处理器存在一个被称为FDIV的技术漏洞，会导致浮点除法运算出现错误。
Cleve Moler最开始是出于“吃瓜”的心态关注这一事件。但在接到一些客户对技术支持的电话咨询后，Cleve Moler提高了对这一问题的兴趣。
1994年11月15日，Moler分别在两个新闻组（comp.soft-sys.和comp.sys.intel）里发表了帖子，详细地总结了当时已知的情况。一周后，喷气推进实验室的两位工程师建议他们的采购部门停止订购带有奔腾芯片的计算机。
Moler的帖子引起了媒体的关注。在媒体的报道下，奔腾处理器的FDIV漏洞事件从技术社区出圈，成为当时的主流新闻。
英特尔最初对这一问题的严重性轻描淡写，但随着媒体的广泛报道和公众压力，英特尔最终宣布将更换所有受影响的处理器。
与此同时，Cleve Moler正在与包括英特尔的硬件和软件工程师在内的团队合作，开发了一个软件解决方案来巧妙地绕过FDIV漏洞，并且将这一方案发布到了网上供所有人免费使用。
同年11月23日，发布了一个新版本的，可以检测和纠正除法Bug，同时还发布了一篇新闻稿，很快遍布在了全国媒体的传真机上。12月27日，新版本被免费提供给 for 的用户。
FDIV漏洞事件短暂打击了当时的芯片巨头英特尔，但却让MATLA以及的知名度得到了飞速的提升。
3.从数学到工程计算
想要梳理四十年的业务发展历史并不容易。但好在2020年时，两位创始人Cleve Moler与Jack 亲自总结了一个长达67页的公司发展历史。
通过这份总结，我们可以梳理出几条业务主线脉络，来理解这家公司的基因：
首先，不断扩展自身的数学能力，这是发展的根基。
多年前， Tech的Jim 教授说：“在信号处理方面如此出色，是因为它不是为了信号处理而设计的。它是为了数学而设计的。”同样的说法也适用于信号处理之外的数十个领域。矩阵和常微分方程是当今技术计算的基础。
最初是一个交互式矩阵计算器，随着时间的推进陆续增加了对循环、条件语句等编程基础结构的支持，使得用户能够编写更复杂的脚本和函数。
比如数据类型上，1992年发布的 4支持稀疏矩阵，1996年发布的 5支持单元格数组，2004年的 7支持单精度和整数数学、嵌套和匿名函数等，2008年面向对象编程功能得到了重大增强，支持调用C、C++、Java等语言编写的代码，增强了与其他系统的集成能力。
在增强数学能力的同时，也不断通过图形化的设计与交互，降低使用门槛，甚至有大量的用户就是通过图形交互才开始使用。线图、条形图、散点图、饼图、三维图形、动画——随着每个版本的发布，列表不断扩展。
2016年推出的实时编辑器是一个图形化能力的重要更新。实时编辑器是一个交互式的文档环境，支持将代码、输出、图形和文本整合到一个文档中。
其次，不断适应新的终端，实现跨平台的支持。
1984年发布PC-，响应了个人电脑普及的趋势；1986年又发布了Pro-，支持当时流行的Unix操作系统；1987年又针对苹果公司发布了适用于Apple 的版本。
1995年，的官网上线，成为最早注册的商业网站之一。公司通过网站提供 、代码交换、在线培训和大量视频教程在内的多种工作流程。
2000年，推出了桌面版本。2010年，面对新兴的移动互联网与云计算潮流， 和 应运而生，用户能够通过云服务和移动设备访问的功能。
值得一提的是，正在跟国内的某头部云厂商接洽，会在合适的时机发布一款企业研发云，整合了主流的研发工具。
第三，公司不断扩展产品线，的工具箱与是其中的代表。
1985年，发布了第一个工具箱 ，专门为控制系统设计而开发。工具箱是的扩展“插件”，针对特定应用领域提供专门的函数、数据集和模型。
截至2018a版本，拥有63个工具箱，包括应用程序部署、代码生成、计算生物学、计算金融、控制系统、数据库访问和报告、图像处理与计算机视觉、数学、统计和优化、并行计算、信号处理和无线通信、测试与测量等。
工具箱帮助从一款通用的基础数学计算平台进入垂直领域的特定应用场景，而的推出则让公司从数学计算进入仿真领域。
1989年，在之外推出了另一个独立软件，目的是提供一个可视化的环境来模拟和分析动态系统，如汽车的控制系统、飞机的飞行动力学等。
提供数学计算和编程环境，而提供了一个可视化的仿真平台。两者的结合为用户提供了一个从概念设计到系统仿真、分析和实现的完整工具链。
4.生成式AI浪潮
2023年，生成式AI爆发，对软件行业也带来了深刻的影响。
刚发布不久，全球副总裁 接收到了一位同事的消息，问“你用过了吗？” 试用之后，当即发出感慨“不可思议（）！”但很快他就意识到，并不是所有的回答都是准确的。
告诉「甲子光年」：“随着的发布，我看到了一些很棒的事情，也看到了一切令人费解的事情，但我们所有人都清楚，世界已经改变了，技术正在发生根本性的变化，我们必须弄清楚这对我们意味着什么。”
对于人工智能而言，并不陌生。
早在1992年，就推出了神经网络工具箱的第一个版本，并出版了用户手册。2018年，神经网络工具箱更名为深度学习工具箱。今天，深度学习工具箱的用户手册长达惊人的5258页。
此外，还发布了计算机视觉工具箱、并行计算工具箱、统计和机器学习工具箱等多个人工智能相关的工具箱。这些AI工具箱也支持与第三方开发框架集成，包括、和ONNX。人工智能已经被整合到了与的工作流中，无处不在。
EXPO 2024中国用户大会现场展示的人工智能案例
认为，过去的AI更多是数据驱动，而新的生成式AI更多是语言驱动，这是两者根本的区别。现在，AI已经完全具备了融合到整个开发流程中的能力，同时大模型的特性可以在一些具体的应用场景中发挥作用，第一是优化设计需求，第二是代码注释、代码优化，甚至是自动生成代码。
但大模型要想落地到具体的业务场景中， 还指出了几个关键挑战。
一是企业如果想训练自己的大模型，就需要大量的数据去做训练，对企业的资金、人员的要求非常高，投资可能会非常巨大；二是如何利用企业内部的数据、知识产权来增强大模型的能力，并使其适用于应用；第三个挑战是模型的准确性与适用性问题，如何验证和确保输出的正确性。同时，模型也需要不停地维护，也需要大量的人力、物力与资金投入。
认为，的成功有两个核心因素，一是技术驱动，集中关注在科学与工程领域，并长期投资于未来；第二是聚焦于客户服务，教育界与工业界紧密结合，倾听客户反馈，在帮助客户成功的同时，也是在帮助自己取得商业上的成功。
———END———
限 时 特 惠： 本站每日持续更新海量各大内部创业教程，永久会员只需109元，全站资源免费下载 点击查看详情
站 长 微 信： nanadh666
