吴军博士在本书中主要讨论了：
1.硅谷的形成和发展历史
2.探讨了硅谷成功的一些文化、理念上的原因
3.针对滋养硅谷的更深层次的商业理论进行探讨与分析
本文对原书进行了总结和梳理，主要分为三部分：
1.硅谷风投的基本知识和特点
2.促使硅谷成功的一些元素
3.工业时代和信息时代商业理论基础对比
一、风投，硅谷的血液
1.初创企业的批量化生产
早期，风险投资靠的是普通合伙人的眼光，而在今天则很大程度上靠的是一种制度和生态环境。
2000年后，硅谷的风险投资呈现出一种新的趋势，那就是批量生产小型创业公司，并把它们提供给大型风险投资公司做后期投资。
以YC孵化器为代表的众多风投基金，其背后大多有一些大公司高管和成功企业家在参与。这些资深人士亲自挑选有前途、愿意创业的年轻人加以培养，他们不再被动地等着创业者来要钱，而是在不断地探求未来新的科技发展机遇，并且主动寻找可能的创业者，劝说这些人出来创业，他们深知自己的公司需要什么技术，就让自己培养的这些年轻人在外面做，同时给予投资和指导，一旦达到预期，就由公司出面收购。在硅谷，这类合伙人团体非常多（作者本人也创办了“丰元资本”），这些人是连接创业者和潜在收购者的桥梁。同时，风投不仅提供科技公司早期发展的资金，还帮助这些公司建立起自己的团队，包括从其他公司挖人，甚至承担了年轻创始人导师的义务。 我们常常看到这些年Facebook高价收购的一些似乎不很知名的小公司，其实这些公司的一些投资人和顾问都是Facebook的高管。从某种角度上讲，这些小公司，有点像韩国娱乐业批量培养出来的“练习生”。
再换个视角看，如果我们把硅谷本身比喻成一个最大的风险投资机构，那么它其实是在不断地将资源从表现不好的公司里拿走，再重新分配给那些最有发展潜力的新公司。
2.风投的基本原则
在风险投资发展过程中，产生了一些被大家普遍接受的原则：
第一，投资就是投人，选对了人，就能把不好的项目变成一个好项目，投错了人，就会把一个本来有希望的好事搅得一团糟；
第二，风险投资人要储备技术和管理人才，以便今后把他们派到所投的公司去挑大梁。
红杉资本的创始人瓦伦丁的初衷就是帮助那些有创造力的工程师，因此找到这些人就成了关键所在，至于做什么项目，瓦伦丁相信工程师们自己的判断。这个原则在传统的投资中并不多见，在传统投资中，对价值的评估更重要的是基于项目，而非基于人。
而被誉为“风投之王”的约翰.多尔判断公司的准则常常就是直觉，并且通常是从与别人不一样的角度去看问题。如果计算投资成功率，他的成功率要低于整个风险投资行业的平均水平，但打出的本垒打比别人多。
所以说，要想有超出常人的表现，必须有与常人不同的（很可能是错的）看问题的视角。
但这些风投大师也有共同点：他们不会像华尔街的分析师那样对比一大堆的数据。实际上，华尔街分析师的传统方法在风投界也一度是无效的，因为很多他们关注的指标都是缺失的：大部分互联网公司不仅没有利润，甚至没有营业额。过去在二级市场上做投资的传统投资人曾人为地创造了一些看似可比对的数据，比如互联网公司的每人流量和价值比，并且拿一些已经上市的公司作为参照系比对，但这种估值的表现和收益却很差。
3.用信息论看风险投资
在信息论里，有一个最大熵原则，具体而言有两层含义：
首先，在没有信息的情况下，不能对未来做任何主观的假设；
其次，在获得了一些知识或者信息的情况下，作出的判断首先要符合这种知识（当然对其他事物的判断，依然不能做任何先验的假设）。
这样才能做到风险最小，回报最大。
对应到风投领域，好的风险投资人不做事先的假定，不知道未来的发展方向一定是什么样的，他们希望从创业者那里了解这种信息。如今，几乎所有好的投资人都不再对资本市场做预测，而是不断根据市场变化做出反应并进行调整。
风险投资的另外一个思路，与香农第一定律和霍夫曼编码原则相一致，也即要把最多的资源投给最有可能成功的项目，当然这个“最有可能”通常不是预测出来的，而是根据实际运营的结果看出来的。
就这样，当硅谷的风险投资从个人带有随意性的投资行为变成为规范化的产业时，风险投资的成功便不再是中彩那样的个例，而是成为有规律可循的常态，硅谷风投的传奇也才得以不断地续写。
二、为硅谷的成功找理由
作者尝试分析硅谷之所以长盛不衰，历经多次产业转型后仍然生机勃勃的众多原因，其中各论点成立与否，还需要读者结合原文后自行判断。
1.企业的快速反应能力
英特尔是硅谷早期半导体行业的代表，在探寻其成功原因时，作者认为与我们常说的“高瞻远瞩”或者“把握产业发展方向”之类的主观性因素关系不大，也并非什么专家预见性或者智慧的体现。英特尔早期的成功是通过快速适应市场，而不是诺伊斯、摩尔或者格鲁夫有什么预见性，而后来很多试图复制英特尔成功的尝试都失败了——这些公司所缺的并非“远见”，而是快速反应的能力。
2.不断创新的商业模式
在讨论硅谷的成功时，我们通常着眼于其技术方面的优势，但商业上的创新，也扮演了非常重要的角色。
这方面的代表是甲骨文，它最终能在数据库方面超越IBM，关键在于它采用了新的商业模式。与IBM不同，当一家像甲骨文一样的软件公司同时为四五家硬件厂商开发软件，那么每家硬件厂商实际摊到的开发成本便只有原来的五分之一到四分之一，这要比IBM事事亲为更为经济。另外，甲骨文也发布了一套接口工具供上层开发人员使用，逐渐形成了一个以甲骨文为核心的利益群体，形成了现在大家都在讲的“生态”。
其他公司在商业上也多有创新之举。比如英特尔开始把IT产品做成了像石油、煤、钢铁和农作物那样可以进行大宗交易的资源型产品。使得制造IT产品就如同制造汽车，只需要获得处理器、存储器等几种半导体资源即可。
3.新型劳资关系
后工业时代企业的一个重要特征是公司很难像工业时代那样通过拥有生产资料来把大家组织到一起了，因为另立门户的成本非常低。要想把员工们组织起来长期发展，必须开拓创新，采用全新的方式。（国内有本关于这方面不错的书，叫《裂变式创业》）
一言蔽之，那就是过去工业时代形成的雇佣关系被打破了。一个老板要做大公司，就要找到好的员工，而这需要出让一部分公司的所有权给这些员工，从雇佣关系变为契约合作关系。
硅谷从一开始就跳过了工业时代的很多过程，是一个按照信息时代的特征建立起来的产业中心，所以形成了特殊的人与人之间的关系。
同时，对于很多“叛逃”行为，硅谷人也基本采取了宽容的态度，通过实际案例分析，也可以看出，其宽容的态度并非什么文化或者道德上的原因，而是因为宽容可能比不宽容结果更好。
4.容忍失败的氛围
最近有种说法讲：“失败不是成功之母，成功才是成功之母”，但其实对于聪明人来说，失败和成功都是成功之母。
在硅谷，即便创业失败，创始人也完全拥有卷土从来的机会。重要的是如何从失败中吸取教训，如何承受失败压力的心态，学到这些，那么接下来成功的概率就会大很多。
宽容失败，是因为风险投资人很清楚一点：做成一件事情太难，中间有很多运气因素，没有人能够保证第一次做成。如果没有第二次、第三次的机会，不仅很少有人来冒险一试，而且无法通过失败变得更聪明。
因此，风险投资人不会因为创业者失败了就不再给他们投资。只要创业者信守承诺，尽了自己最大的努力，那么他再次获得投资的可能性通常比他第一次还大。事实上，硅谷创业成功几率最大的是第三次创业者们。
就这样，创业者也不害怕失败，甚至会系统的采用“试错法”，这种方法成功的前提，或者说以最低成本获得成功的前提，就是让“失败”来得更快一点。
5.工程师文化
在硅谷，一位优秀的工程师的生产力和创造力，往往抵得过多名普通的工程师。所以，同样的技术人员，其收入差异会很大，技术专家的地位和收入比行政高管要好的情况，也非常普遍。 这种拉大收入差距的做法能够最大程度地发展生产力，而平均主义不能，采用前一种分配方式的地区无疑会获得更快的发展，硅谷就是这样的地区。
一个公司要想通过简单地提高工程师的地位和收入就获得硅谷那样的成功，可能会失望，因为工程师文化其实反映的是硅谷公司在管理和做事方法论等方方面面的特点，而不仅仅是收入。
伟大的公司倾向于招揽一流工程师，还有一个效率的考虑。信息时代的管理是网状结构的，对于一个网状的组织结构，组织内任何两个人都有可能需要沟通，沟通成本很高，精简人数，以最少人创造最大价值，是更加低成本的方案。
因此，在硅谷，很多优秀的初创公司CEO或者创始人最重要的任务是招人，而不是负责产品的细节。
6.不迷信权威
今天很多时候所谓专家的话似乎没那么灵验了。世界发展太快，以至于旧的知识很快就过时了，这是在过去工业时代所没有的现象。靠人为积累起来的经验对今后工作的指导意义，远不如掌握更新的信息收集和处理技术来得有效，与其让权威告诉你该怎么做，不如掌握最新技术后自己分析。
科学是一个方法，一个过程，而非一个结论。一个结论是否正确，不能看它是由谁说出来的，而是要看它是怎么得到的。硅谷人比其他地区的人更懂得这个道理。权威的优势在于他们的经验和对所在领域技术的全面了解，以及对未来比较准确的预知。但是，这些优势有时也限制了他们的想象力，因此我们通常看得到的革命性产品，常常是外行颠覆专家的结果。
以上几点就是作者总结出的一些硅谷所以成功的要素(还有些未列举)，其中每一条都有其道理，也有值得推敲的地方。或许我们并不应该在意它们是否真的是硅谷繁荣的原因，而是从中找到自身能够学习和借鉴的点。
三、理论基础决定上层建筑
从工业时代进入信息时代，科学思维和理论体系在不断的发展，并从中衍生出新的商业管理哲学，最终体现在了企业不同的管理和行为方式上。对于信息时代的硅谷，如果仍然用工业时代的眼光看待，可能会产生不必要的困惑。
在书中，作者对两个时代的科学及商业理论基础进行了对比。
1.工业时代的理论基础
1.1 牛顿和机械思维
工业时代的科学基础是牛顿和机械思维，在商业和管理上，体现在泰勒管理理论。泰勒管理理论以优化流程和标准化管理为主要目标，其特点如下：
（1）生产效率优先
（2）自上而下的树状同构组织架构
（3）以物质为主的“积极性加刺激性”管理
（4）重视可预测性
额外提及一点，这种可预测性也反映到资本市场上，上市公司在投资人和监管部门的双重压力下，不得不披露越来越多的经营和商业信息，包括对未来营收的预测。令人吃惊的是，一半的上市公司居然能够准确预测下一年的经营情况，而另一半上市公司虽然预测出了偏差，有时高些，有时低些，但是从较长时间来看，它们的经营情况与预测的结果相差不大。这其实是不符合复杂市场环境条件的，一个公司如果想做到这一点，某种程度需要管理层高超的“手段”。
1.2 工业时代商业要素重要性顺序
（1）资本
资本是现代工业时代最重要的因素，是社会运转的血液，没有资本的存在，现代工业生产就组织不起来。
（2）生产资料
传统意义上的生产资料还重要吗？在今天这个节点上，一些人仍然相信拥有生产资料对创造财富（和保有财富）的重要性，因此他们愿意买；而另一部分人已经看到这些资产在信息时代起的作用远不如在工业时代大，因此愿意卖，于是达成了很多不太容易理解的生意。
（3）市场
随着商品经济的不断步发达，几乎所有产品都出现了供大于求的情况，因此光有能力制造产品还不够，还要拥有市场。生产资料加上市场，有些时候也被统称为“平台”。比如早些年前，再有名的记者都必须隶属于一个报社或者电视台，因为这些媒体公司不仅拥有生产资料（比如办公室和专业器材），而且拥有读者群，这就构成了一个平台，记者必须隶属于一个媒体平台才能发挥自己的价值。
（4）劳动者
工业时代的劳动者，被替换的成本是很低的。而作为整体，劳动者与资方的利益也很难调和，因为根本上他们是在玩一个零和游戏。哪方能分得多，就得看哪一方力量强。
然而在信息产业，上述排序并不成立。
就在硅谷的工程师文化背后，其实已经隐藏着两个深层的含义。首先，资本变得相对次要，甚至生产资料也不像原来那么重要了，而人的创造力已经成为商业成功最重要的因素。其次，在信息社会人与人之间沟通带宽不断增加，使得管理成本大大降低，销售成本也在不断降低，公司中层管理人员和销售人员的地位随之相对下降，间接地体现出工程师地位的上升。
2.信息时代的理论基础
作者认为，信息时代的硅谷企业，其行事风格有意无意的契合了“三论”（控制论、信息论和系统论），虽然这“三论”并不与牛顿机械思维对立，但却更能应对复杂的商业世界。
2.1 控制论：从预测到反应
火箭能登月，靠的不是精准预测，工程师们不再假定事先已经准确无误地考虑了全部的可能性，而是在火箭的实际飞行过程中，不断根据一组组允许有偏差的、火箭位置和速度的实际观察数值，计算出飞行器当前应该有的速度和方向。也就是说，在整个登月的过程中，飞行器能够不断自行调整，这样才保证了它最终准确着陆。
2.2 信息论：信息是新时代的金矿
1.谷歌广告为什么能赚钱？
当我们对用户一无所知时，在网页上投放展示广告，点击率会非常低，每1000次展示也只能挣不到0.5美元的广告费，因为这等于是随机猜测用户的意愿，很不准确。如果我们有10万种广告，但只有10种与用户相关，那么猜中的可能性就是万分之一。用信息论的方法来度量，它的不确定性为14比特左右。搜索广告因为有用户输入的关键词，准确率就提升很多，至于提升了多少，则取决于关键词所提供的信息量。以汉字词为例，一次搜索输入了两个词，每个词平均两个汉字，大约能提供1012比特的**信息量**，这样大部分**不确定性就被消除**了，假定还是从10万种广告中猜10个，此时猜中的可能性就是十几分之一到几分之一，而读者点击广告的可能性大增。在实际情况中，Google搜索广告每千次展示所带来的收入大约是50美元，比单纯随机展示广告高出两个数量级，这就说明了信息的作用。类似地，以Facebook或Google为例，我们可以大致计算出，通过挖掘注册用户的使用习惯，可获得12个比特的信息量，从而将广告匹配的难度降低约一半。事实上，相比完全随机的展示广告，那些与用户相关的展示广告产生的广告收入正好高出一倍。
2.大数据思维就是信息论
为什么Google仅仅花了6年时间就完成了自动驾驶汽车这件看似不可能的任务？最根本的原因是采用了与以往的科学家们都不同的思维方式——将机器人的问题变成了一个大数据的问题。
自动驾驶汽车项目是Google街景项目的延伸，当前阶段，Google自动驾驶汽车只能去它“扫过街”的地方，而在行驶到这些地方时，它对周围的环境是非常了解的，这就是大数据完备性的威力。而过去那些研究所里研制的自动驾驶汽车，每到一处都要临时识别目标，这是人的思维方式。
而在这背后，根本的动力就是利用信息消除各种不确定性。大数据的重要性在于它不仅仅是一种技术手段，更是一种方法论，我们必须摈弃过去那种依靠规则，强调因果关系的机械做事方式，变成利用信息解决问题的方式。
如何有效方便从大量数据中挖掘信息，也成为了一门重要的学问，谁掌握了信息，就掌握了新时代的资本。
2.3 系统论
就在不久前，很多手机厂商仍在不断宣传自家手机的配置有多高，因为按照机械思维，高指标就意味着好手机。但是系统论的观点却认为，整体的性能未必能通过局部性能的优化而实现。留意一下iPhone的广告，就会发现它从不跟竞争对手比配置，也就是说它的理念不是单独优化每一个部分，而是组合起来达到整体优化的效果。
3.从理论到实践
从工业时代到信息时代，如果由不同的理论基础出发，便会在上层会形成非常不同的企业组织、管理上的观点和方法。如果身处于传统工业，继续使用被证明行之有效的方法没有任何问题，但如果在新兴和信息科技产业中，固守传统而不采用被硅谷证明有效的方案，很可能是一种损失。
四、硅谷的今天
过度投资，自由竞争，优胜劣汰，赢者通吃，而且通吃的速度也越来越快。
硅谷的产品也非常注重全球市场，它们很像好莱坞的大片，设计者总是挖空心思去设想如何做好一款全球化产品，来满足所有人80%的需求，而不是满足1%人的全部需求。
总的来说，硅谷在变得越来越轻、越来越快、越来越全球化。
曾经，对于硅谷创业者而言，有很多杂事需要自己处理。如今，创业者们只要做好两件事：第一，想出真正有创新的点子，并拥有过硬的技术；第二，以最快的速度去实现它。
还有需要注意的一点是，硅谷的创新力并不代表美国的整体创新力，而代表着世界的创新力。硅谷是一个开放的系统，它不断地从世界各地引入新的人才，不断地丰富本已很多元的文化，才能在整体上蒸蒸日上。世界上其他地区和硅谷相比，实际上只相当于拥有一个小的人才子集，无论是想复制前者的成功，还是要和一个人才的全集竞争，都是不切实际的。
五、总结
作者在书中提出的硅谷之所以繁荣的原因，我们或许在其他渠道也或多或少听过，但能够将它们系统的整理出来，仍然是非常的宝贵的工作。
与此同时，书中比较有新意的地方是作者对于不同时代商业理论体系的分析思考，这应该是作者原创的观点，也言之成理。
最后不得不说的是，书中出现了多处以国内“XXX公司”所举的反例，结合作者个人工作经历，应该指的是鹅厂（不知作者怨念为何这么深，在另一本《数学之美》的后记中也对国内某“世界上也数得上的公司”做出了不高的评价）。但是，重点是，就算违反了众多作者提出的能够让硅谷繁荣的原则，鹅厂近年来仍然欣欣向荣，蓬勃发展，这又是为什么呢？这或许要用到吴军博士之前的著作来解释：因为它已然站在“浪潮之巅”了！
就算管理上有低效、组织架构上有不合理、工程师文化不够、员工过分迷信权威...只要有了先发优势和技术、时代发展的趋势红利，照样能立于不败之地。
