好的，我們繼續解讀《第二個機器時代》的第三個，也是最後一個核心引擎：組合式創新（Innovation as Recombining）。
在理解了「指數級增長」提供了強勁動力，「萬物的數位化」準備了豐富原料之後，「組合式創新」則揭示了這些動力和原料是如何結合起來，創造出層出不窮的新產品、新服務和新知識的。
創新的本質：重新組合現有的積木
想像一下，你正在和你的朋友討論「創新」是什麼。很多人可能會認為，創新就是憑空想出一個全新的、前所未有的東西。但書中提出了一個非常重要的觀點：創新的真正本質，更多的是將已有的事物（想法、技術、流程、資源）以新的方式重新組合起來。
這就像玩樂高積木。你手裡有很多不同形狀和顏色的積木塊（這些就是已有的「建築模塊」）。你可以按照說明書搭建一個標準模型，也可以發揮創意，將這些積木以全新的方式組合起來，創造出一個獨一無二的作品。創新的過程，在很多情況下，就類似於這種「重新組合積木」的過程。
書中引用了複雜性科學家布萊恩·阿瑟（Brian Arthur）的觀點：「發明某樣東西，就是在先前已存在的東西中找到它。」經濟學家保羅·羅默（Paul Romer）也持類似的觀點，他的「新增長理論」就強調了重組式創新的重要性。羅默認為，經濟增長發生在人們獲取資源並以使其更具價值的方式重新安排它們的時候。每一代人都曾擔心資源有限會限制增長，但也每一代人都低估了發現新想法和新組合方式的潛力。可能性不是簡單相加，而是成倍增加。
數位科技：終極的組合式創新平台
如果說重組是創新的普遍規律，那麼數位科技的發展，則將這種重組提升到了一個前所未有的高度。原因有二：
- 數位「積木」的數量和種類在爆炸式增長。 正如我們前面討論的，指數級增長和萬物數位化，使得可用於組合的「數位積木」——數據、演算法、軟體工具、應用程式介面（API）、開源代碼庫、社群網路等等——的數量和種類都在以驚人的速度增加。
- 數位「積木」的組合成本極低，試錯速度極快。 由於數位資訊的非競爭性和零邊際複製成本，組合這些「數位積木」幾乎不需要消耗額外的物理資源。開發者可以快速地嘗試不同的組合方式，如果失敗了，成本也很低，可以迅速調整方向，再次嘗試。
書中用了很多例子來說明這種組合式創新的威力：
- Google 的自動駕駛汽車：它並非憑空創造，而是將已有的內燃機汽車（一個早期的通用技術）與現代的快速電腦、各種感測器（得益於摩爾定律而變得廉價）、以及海量的地圖和街道資訊（得益於萬物數位化）巧妙地組合在了一起，從而實現了科幻般的自動駕駛功能。
- Waze 導航 App：前面我們已經詳細分析過，Waze 就是一個典型的組合式創新案例，它整合了定位感測器、數據傳輸設備（手機）、 GPS 系統和社交網路。 Waze 的團隊並沒有發明這些技術，而是將它們以一種新的方式組合起來，解決了傳統導航的痛點。
- 全球資訊網（World Wide Web）：Web 本身也是一個組合的產物。它結合了互聯網早期就存在的 TCP/IP 數據傳輸網路、一種名為 HTML 的標記語言（用於規定文本、圖片等的佈局），以及一個簡單的 PC 應用程式——瀏覽器。這些元素單獨來看，可能並不具有革命性，但它們的組合卻徹底改變了世界。
- Facebook 和 Instagram：Facebook 在 Web 的基礎上，讓普通人可以輕鬆地數位化自己的社交網路並分享媒體內容，而無需學習 HTML 。 Instagram 則進一步在移動端複製了照片分享功能，並加入了數位濾鏡。這些看似簡單的組合，卻創造了巨大的商業價值。 Instagram 在成立僅 15 個月後，就被 Facebook 以約 10 億美元收購。
這些例子都清晰地表明，數位創新在很大程度上就是組合式創新。 每一項新的數位發展，都會成為未來創新的「積木」。進步不會耗盡，而是會不斷累積。而且，數位世界的邊界正在不斷擴展，延伸到物理世界，催生出自動駕駛汽車、 3D 列印機等等。
組合式增長的挑戰：篩選的難題
如果組合式創新是正確的，那麼我們將面臨一個新的挑戰：隨著「積木」的數量呈爆炸式增長，主要的困難將變成如何從海量的潛在組合中，找到那些真正有價值的組合。
經濟學家馬丁·魏茨曼（Martin Weitzman）在其論文《重組式增長》中，建立了一個數學模型來描述這種情況。他認為，經濟中的「固定要素」（如機床、卡車、實驗室等）會隨著時間的推移，被他稱為「種子思想」的知識片段所增強。而知識本身也會隨著先前的「種子思想」被重組成新的思想而增加。
這個模型有一個非常有趣的結論：由於組合的可能性增長得如此之快，很快就會出現幾乎無限數量的、由現有知識片段組成的、潛在有價值的重組。在這種情況下，制約經濟增長的瓶頸，就不再是缺乏新的想法，而是我們處理和篩選這些潛在新想法，並將其轉化為可行創新的能力。
這就像在一個巨大的樂高積木倉庫裡，你有無限的積木塊，理論上可以搭建出任何你能想像到的東西。但真正的挑戰是如何找到最佳的搭建方案，如何將這些積木有效地組合起來，創造出真正有用的東西。
解決篩選難題：更多「眼球」和更強大的電腦
如果制約我們進步的瓶頸是篩選和處理新想法的能力，那麼加快進步的最佳途徑就是提高我們測試新組合的能力。 一個有效的方法是讓更多的人參與到這個測試過程中來。
這正是當前數位科技所擅長的。全球資訊網路將我們連接起來，讓我們可以低成本地獲取海量數據和強大的計算能力。今天的數位環境，就是一個進行大規模重組創新的絕佳「遊樂場」。
開源軟體倡導者埃里克·雷蒙德（Eric Raymond）有一句名言：「只要有足夠多的眼球，所有的 bug 都是淺顯的。」（Given enough eyeballs, all bugs are shallow.）這句話同樣適用於創新：「有了更多的眼球，就能發現更多強大的組合。」
書中列舉了幾個利用「群眾智慧」來解決創新難題的例子：
- NASA 預測太陽耀斑：NASA 在預測太陽耀斑（太陽表面爆發）方面遇到了困難。儘管擁有 35 年的研究數據，但他們仍然缺乏有效預測的方法。於是，NASA 將數據和問題發布在一個名為 InnoCentive 的科學問題眾包平台上。最終，一位退休的射頻工程師布魯斯·克雷金（Bruce Cragin），利用他對磁重聯理論的理解，提出了一種新的預測方法，其準確度遠超以往。這個例子說明，解決問題的關鍵洞察，可能來自於問題領域之外的「邊緣人群」。
- InnoCentive 的成功率：研究學者拉斯·博·傑普森（Lars Bo Jeppesen）和卡里姆·拉卡尼（Karim Lakhani）對 InnoCentive 上的 166 個科學難題進行了研究，這些問題都難倒了它們各自的提出機構。結果，眾包平台上的「群眾」成功解決了其中的 49 個，成功率接近 30% 。而且，他們發現，那些專業知識與問題領域看似不相關的人，反而更有可能提交獲獎的解決方案。這再次印證了「邊緣視角」的重要性。
- Kaggle 數據科學競賽：Kaggle 是另一個眾包平台，專注於數據密集型的預測挑戰。組織機構會提交數據集和一個基準預測，然後 Kaggle 社區的數據科學家們（無論背景如何）都可以參與競爭，目標是做出比基準更好的預測。結果往往令人驚訝：不僅預測精度大幅提升，而且獲勝者往往是該領域的「門外漢」。例如，在一項關於預測車輛責任索賠的競賽中，獲勝者的預測比保險公司的基準預測好 270% 以上。
- Kaggle 的論文自動評分競賽：更令人印象深刻的是，在 Kaggle 舉辦的學生論文自動評分競賽中，許多沒有相關經驗的「新手」，其表現甚至超過了所有專業的教育測評公司。更令人驚訝的是，在第二輪競賽中，前三名的獲勝者都沒有接受過任何正式的人工智慧培訓，僅僅是參加了斯坦福大學提供的一門免費線上課程。這充分說明了數位化學習和全球人才參與的力量。
- Quirky 的產品眾創平台：Quirky 則將眾包模式應用於消費產品的創新。它不僅向大眾徵集新產品的創意，還依靠大眾對提交的方案進行投票、研究、改進、命名和品牌推廣，甚至推動銷售。 Quirky 負責最終的決策、工程、製造和分銷，並將銷售收入的 30% 分配給參與開發的眾包成員。其成功產品「可彎曲電源排插」（Pivot Power）在不到兩年內售出超過 37 萬個，為參與開發的「群眾」帶來了超過 40 萬美元的收入。
- Affinnova 的設計優化：Affinnova 則幫助企業解決魏茨曼提出的第二階段問題——如何從眾多的可能性中篩選出最佳組合。它利用了選擇建模（choice modeling）的數學方法（其思想貢多獲得諾貝爾獎），通過線上方式快速收集用戶偏好，從而找到最佳的產品設計方案。例如，它幫助嘉士伯啤酒廠為其 Grimbergen 啤酒設計了新的瓶身和標籤，新設計的受歡迎程度比舊設計高出 3.5 倍。
這些例子都生動地展示了，在數位科技的賦能下，我們可以利用全球的「眼球」和「大腦」來加速創意的產生和篩選，從而推動組合式創新。
小結
「組合式創新」是第二個機器時代的第三個核心引擎。它強調創新並非無中生有，而是對現有元素的重新組合。數位科技的發展，特別是「指數級增長」和「萬物的數位化」，為組合式創新提供了空前豐富的「數位積木」和極低的「試錯成本」。這使得創新的速度和廣度都達到了前所未有的水平。
然而，組合式創新也帶來了新的挑戰，即如何從海量的可能性中篩選出真正有價值的組合。解決這個問題的關鍵在於利用數位科技，連接更多的人參與到創新的過程中，利用「群眾智慧」來加速創意的產生、評估和迭代。
總結來說，《第二個機器時代》認為，指數級增長、萬物的數位化和組合式創新這三大力量相互作用、相互增強，共同構成了推動當前科技革命的核心動力，引領我們進入一個充滿機遇和挑戰的新時代。