📖 ZKIZ Archives


沈向洋:搜索還有2次洗牌機會

http://www.yicai.com/news/2012/09/2092605.html

沈向洋:我看了你那篇《江湖人眼裡的3B大戰》。你可能忽略了官府對於江湖的作用。江湖人殺人,還是被官府抓起來不少。百度和360可能都有第六張牌,官府牌。

程苓峰:確實故意忽略掉這張牌。可意會卻難以言傳。官府也是江湖,也有幫派。江湖上也有各個幫派的把柄,制衡無處不在。你對中國的江湖豪傑瞭解嗎?

沈向洋:馬化騰和周鴻禕的產品感覺好。李彥宏是技術型。在這個社會環境下能做到今天,真的不容易。

程苓峰:搜索已經十多年了。必應還有戲嗎?

沈向洋:第一階段戰鬥基本結束。也就是web graph,網頁圖譜。但至少還有兩個新階段有機會彎道超車。一個是social graph,社交圖譜,下一個是entity graph,實體圖譜。

Social graph我們領先。必應跟Facebook和Twitter有合作,可以抓到十幾億真實用戶創造的東西。谷歌被排在外面。比如搜一個朋友,必應能把這個 人在Facebook上的照片給你。搜一個產品,必應能把好友的評價給你。在Facebook裡搜索,必應會把外部結果整合給你。

程苓峰:Social Search已經足夠好了嗎?我的感受還不強烈。

沈向洋:數據還不夠多。在網頁搜索時代一個搜索引擎要先抓到幾百億以上的信息量,搜索結果才開始有點道理。這是個基礎門檻。Facebook有9億用戶,每個人每天都在產生幾個page的內容。估計還要5年social search會有相當的力量。

程苓峰:Entity Graph呢?

沈向洋:web graph把網頁連接到一起,social graph把人連接到一起,接下來就是把實體連接到一起。比如這個酒店和那個高爾夫球場是什麼關係?跟這個咖啡杯是什麼關係?要搞清楚關係就要借助屬性, 酒店的位置、星級、住過的人、辦過的會議。如果能把這些實體相互聯繫起來,那會具有怎樣的力量?

谷歌和百度控制了web graph。誰控制了social graph和entity graph,誰就控制了未來。

程苓峰:舉個現實的例子吧。

沈向洋:今天想在AppStore裡找到合適的應用,效果不好,為什麼?一個原因是這些APP沒有建立相互的聯繫。APP裡有什麼內容,有什麼人的 名字,用戶使用它的基本信息。如果把這些東西打通,建立關聯,就能通過搜索找到最相關的應用。再把這些數據開放返回給開發者,他們就知道如何能寫出更好的 內容和應用。

程苓峰:這是個好想法。現在很多人都覺得APP是獨立的,是反互聯網的。而你在反覆在使用一個詞:聯繫。

沈向洋:相互聯繫,是互聯網最了不起的地方。 搜索的大廈是建立在三件事的基礎上:第一,人寫了很多東西放到互聯網上。第二,互聯網把它們都聯繫在一起。第三,每個人每天都在點擊這些東西,給出反饋。現在又有了第四件事,越來越多的人每天都在like這些東西。

搜索是一個human competing。是人在幫搜索做得越來越好。所以你想要玩這個遊戲不能閉門造車,一定要把產品推出來讓人來用。

程苓峰:你們準備得如何了?

沈向洋:必應的基礎有了。在美國必應有16%的份額,再加上雅虎的搜索後台也是我們在做,加在一起30%,谷歌是65%。在這個基礎上就能做social 和entity的擴展。最近亞馬遜的kindle fire也把必應作為默認搜索。

程苓峰:看來合縱連橫的策略在哪裡都有效。谷歌太強大,於是亞馬遜、雅虎、Facebook、Twitter都成了必應的夥伴。這讓我又想到了江湖。美國的互聯網業是個江湖嗎?

沈向洋大笑:美國沒中國那麼長那麼豐富的歷史,沒武俠小說,山高皇帝遠的地方比較少。美國的西部片裡描述的狂野西部的歷程其實也不長。他們有仇就是拔槍決鬥,幾分鐘解決。感覺算不上江湖。

程苓峰:美國就完全沒有像江湖的地方嗎?

沈向洋:有人覺得美國政界像江湖。我剛看一本書,採訪了在監獄裡的黑幫大佬,發現黑幫管理和分享利益的機制跟大公司神似。


PermaLink: https://articles.zkiz.com/?id=37679

週記(論小股票) 向洋二號

http://xueqiu.com/1598500957/23957536
以前一直不喜歡小股票、新股票,覺得太危險。

    最近創業板的大漲(絕不僅僅是炒作),加上有幸看見了一位牛人(風生水起,10年百倍)的博客記錄,促使我再想一想這個觀點,發覺其實很沒道理。

    不喜歡小股票、新股票,理由無非以下幾點。1,小公司本身的風險(財務更容易造假;本身抗風險能力更差);2,投資者對小公司瞭解不透徹(資訊少;研究者也少,不方便抄作業);3 市場估值太高。

    什麼情況對小股票一棍子打死是合理的?不想花太多精力,為了安穩,滿足於比債券略高的收益率。其他任何對收益有幻想的人,放棄小股票都是不理智的行為。僅僅憑藉小股票中優秀股票的巨大成長性,就完全值得花時間去仔細研究。投資者大多數是買少數幾家公司的股票而已,這種情況按照小市值大市值區分其實是沒道理的,若是認真做功課,上述風險在一定程度上是可以避免的,還可以分散持股,也可分散風險。而且小股票(必須是其中的好股票)除了成長性這個優點外,還有個優點:方便實地考察調研。做財務分析,經常看了半天數據,還是沒什麼深刻印象,這時實地考察就作用不小,這對大公司容易以偏概全,而小公司就那麼一兩個點,實地考察調研得出的結果就八九不離十了。

題外話:價值投資,其實路寬寬蕩蕩就在那兒,那為什麼優秀者少呢?這跟生活一個道理,我們都知道如何成為一個優秀成功的人:勤奮、專注、用心思考、耐心堅持……那為什麼優秀的始終是少數人呢?

股票主要持有瀘州老窖,東阿阿膠,浦發銀行。決定改變策略,找機會配置一些優秀的小股票。像前段時間關注過森遠股份,東方雨虹。就是思想沒轉個彎來,不願買小股票,特別是估值看似不低時。
PermaLink: https://articles.zkiz.com/?id=56051

炒股難在何處? 向洋二號

http://xueqiu.com/1598500957/24348902
先說個觀點:低價買入穩健股(沒什麼成長性但穩健),合理買入優秀成長股這兩種套路,應該是價值投資的基本功。這兩種套路理論上可以說一回事(企業增長階段不同)也可當做兩類討論,但我想大家明白我的意思,就不糾結於定義了。
    說他是基本功並不是說他容易學、沒水準,而是說其他方法、技巧,沒有這基本功不過是無根之萍。比如跟隨大盤趨勢、研究市場心理、市場週期循環類的,個股都看不懂的話何談判斷牛熊市;比如研究紙業、航空、鋼鐵這類的,如果穩健的都搞不好,何談強週期股?再比如重組,困境反轉,排除炒作,分析方法和基礎的兩類股票,也沒本質區別。

    另一個觀點是投資低估穩健股比成長股容易。穩健的股票,像大秦鐵路、福耀玻璃、瀘州老窖、格力電器、美的電器……甚至中國神華、中國石化,只要股價夠低,也可以入選。這類相對穩健的股票,低估的時候買入,雖然低估了可以更低估,便宜了可能一直便宜下去,但由於有分紅兜底,長期來看,跑贏銀行定期應該還是沒問題的。也就是說,如果你預期比較低(比如復合收益率每年7%,8%),炒股是不難的。問題是有股民滿足這個預期麼?而買入決策跟預期收益是密切相關的。

    一旦預期上升,很多股票都是看不上眼的,炒股難度自然也大大提高。比如我自己,追求10年10倍的目標,約等於3年翻一番,買股的時候計劃都是按3年為基礎估算的,看看三年後利潤增長多少,市場估值提升空間有多大,綜合來看如果有一倍以上的潛力而風險不大,就可以重點關注了。至於風生水起這樣10年100倍的妖孽級人物,難度肯定更是無與倫比,除了高山仰止,小散一枚水平有限不敢評論。

    繼續說我的追求:十年十倍/3年翻番。無非是本文開頭的兩條路:估值回升;業績增長;或者兼而有之。估值回升,可以用瀘州老窖、浦發銀行為代表。問題來了,估值修復可以憑藉嗎?3年之內,市場要是不修復,我一點辦法沒有,唯有紅利墊墊底(低估類的我喜歡高分紅的)。第二條路業績增長,3年翻倍主要靠業績翻倍實現。可以用雙鷺藥業為代表。問題是,你怎麼確信3年業績一定能翻翻?其實前面低估類也有這個問題,只是不如成長類的重要(雖然我覺得業績相對穩健,但怎麼100%肯定業績不會下滑?)。炒股難,主要就應該難在這裡。凡是對收益有較高期望的,都逃不開這個問題。收益期望越高,對(高)增長的確定性要求就越強。(至於合適的上車機會少,如果你能確定業績,上車機會還是可以找著的。)

     換句話說,難就難在怎麼確定業績的趨勢以及大概幅度。這問題聽著很白很二,但我認為就是核心。搞不清楚,你就不會買/挨套;不敢買/拿不住/賣了又悔。

    僅僅財報是給不出答案的:瀘州老窖2012同比增長50%,誰能從財報上看出今年一季度同比下跌10%以及看出今年半年報大概持平?更不用說從財報看出3年後啥樣了。財報都是過去式,是經營的體現,只有在初選股票和印證判斷時有用。

    而許多分析貼或者券商報告,其實是在描述業績的可能性,看不出必然性在哪兒。

    我覺得要達到這個目標,唯有從古、今、中、外類似行業/公司的發展歷程中做對比,唯有對這行業本身很熟悉,需求供給參與者、行業特色競爭格局什麼的通通都能瞭然於心。然後按部就班,比如費雪的理論,一個問題一個問題的問下去。不然,就老老實實的調低預期,或者要求更大的折扣(機會就極少了)。

(水水的文章,如果有股友有興致看完了,還望指點指點,交流使人進步撒)
PermaLink: https://articles.zkiz.com/?id=63165

什麼樣的管理層是好的管理層? 向洋二號

http://xueqiu.com/1598500957/24600295
先說我自己的經驗總結:一,有能力;二,有人品。
具體的方式如:
1, 分紅制度合理;
2, 高管是否持股;
3, 股權激勵方案合理(行權期短;與工資不成比例;行權業績目標低;獎勵股份與業績不匹配要不得)
4, 言行一致不放空炮;
5, 工作狂熱,隨時處於可處理公司事務狀態等等。
具體就不展開說了。主要分享德魯克的觀點:管理層最好是一個團隊,而不是一人當家。可以有表面的職位高低差異,但實際團隊內部是平等的。一個標誌就是頂層的幾位人士工資水平差不多。
附原文吧:(在這之前,他論述了一人當家的壞處)查看原圖
查看原圖
查看原圖
...........................
...........................
............................

查看原圖
    巴菲特也有相關的的言論論述一人當家的危險:任何一個崇拜領導者的組織,不管有多離譜,他的追隨者永遠可以找到可以支持其理論的投資評估分析報告。

    然後我用我關注的一二十隻股票驗證了一下:大體符合這個工資標準:最頂端的4、5個人工資水平相差無幾;副總經理的薪水是總經理的75%-90%。不管是國企、私企,大企小企,像瀘州老窖、沃森生物...才發現一家例外:格林美(現在企業歷史還短,企業早期)。而印象中老大強勢的,就不太符合這個工資標準,例如格力電器、美的電器、萬科。
    當然,這個工資標準只說明管理層是團隊模式概率大於是一人當家模式。而團隊模式也不一定任何情況下都比一人當家模式效果更好。
    問題:符合工資標準的企業中團隊模式/一人當家模式的比例?
              優秀企業中有多少比例的企業符合這個工資標準?
              符合這個工資標準的企業中,有多少比例企業可稱得上優秀企業?
             不符合這個工資標準的企業中,優秀/一般/差等企業比例?
             有哪位神人做個統計就好了[大笑]
如果您看見這篇文章還算感興趣的話,還請指教。嗯,最重要的是留下您認為優秀的企業中,哪些是團隊模式/一人當家模式,哪些符合這個工資標準[大笑]
PermaLink: https://articles.zkiz.com/?id=70335

微軟全球副總裁沈向洋:要讓“機器人”能講出圖像背後的故事

來源: http://www.yicai.com/news/2016/01/4740024.html

微軟全球副總裁沈向洋:要讓“機器人”能講出圖像背後的故事

一財網 江旋 2016-01-17 16:23:00

人工智能不僅僅是計算機科學,它是一門交叉學科,包括了心理學、社會學、哲學、腦科學等等。對圖像的識別則是人工智能發展中的一個重要分支,重量級的互聯網公司都在該領域發力。

人們都喜歡“看圖說話”,而人工智能(AI)的研究者們希望未來計算機能像人類一樣識別圖片,理解圖片背後的故事。但這一領域的頂尖研究者卻認為,要達到這個層次,人工智能研究的任務並不輕松。

微軟全球執行副總裁沈向洋1月17日在“未來論壇”上談及人工智能中計算機視覺的最新研究進展時表示,在圖像處理的問題中,對圖像的理解是一個前沿性的問題,或許還有“漫漫長路要走”。

沈向洋稱,人工智能已經發展了50余年時間,真正要把人工智能做得像人類智能一樣的程度,首先要感知,然後是認知。人工智能不僅僅是計算機科學,它是一門交叉學科,包括了心理學、社會學、哲學、腦科學等等。

對圖像的識別則是人工智能發展中的一個重要分支,重量級的互聯網公司都在該領域發力。

以Google推出的GooglePhotos的為例,GooglePhotos不僅僅是相冊,也具備了智能的圖片識別技術:它可以將相冊中同一個人物的照片整合在一起,比如回顧一個嬰兒從小到大的成長軌跡。其“訓練”過程是:AI具有30層神經網絡,每一層對應著不同的抽象程度,比如最低層次能識別光線、色彩,下一層次能識別圖片的邊緣等等。這樣一層層的“訓練”需要大量的數據。每一層都能提取出更高層次的細節,而最後一層會決定AI對圖片的理解。

去年年底,微軟亞洲研究院視覺計算組在一項比賽中,對深層神經網絡技術又進行了突破:目前普遍使用的神經網絡層級能夠達到20到30層,此次比賽中該團隊應用的神經網絡系統實現了152層。

據悉,微軟的聊天機器人小冰已經整合了微軟在圖像識別上的技術,不僅能識別圖像類型和要素,還能進行人性化的描述。

不過,人工智能在對圖像進行處理時,雖然目前的識別技術已經非常先進了,但並非每次都很靈光。一些實驗就表明,研究員給出的相似、相近或是較複雜的圖像,往往能夠騙過計算機,使其得出錯誤或是不那麽精確的結論。

對於這些問題,沈向洋談到,圖像識別可以分為三個問題:一是對圖像的分類,二是對圖像中的要素的察覺,三是像素級別的區分。目前對這三個問題研究的進展都很迅速,但應該再向前一步對圖像理解進行深入研究。

“比如Howold,MicrosoftSelfie這些軟件,對圖像的理解到底能做到什麽地步?一張照片來了之後,能不能解釋這張照片到底是什麽,能不能挖掘背後的故事。怎麽讓這個過程變得更加有趣。”沈向洋說道。

微軟把這些功能集成在小冰聊天機器人身上。沈向洋在論壇現場展示的一張圖片顯示,一張照片中有大小兩只貓,如果僅僅是按計算機視覺來做,會得出“這張圖里有兩只貓”的結論,而小冰卻可以說出“看這貓的眼神兒太犀利了”,從而讓聊天過程變得更有趣。沈認為,這種人性化的描述通過計算機識別無法達到,只有通過人類交互才能達到。

這種更為複雜的交互方式是AI發展的一個重要方向。“人工智能是近幾年來最火的研究領域,但是當我們真正走向人工智能的時候,就算是在機器視覺的這樣一個分支上,都還有漫漫長路要走。”沈向洋說道。

編輯:邊長勇

更多精彩內容
請關註第一財經網、第一財經日報微信號

PermaLink: https://articles.zkiz.com/?id=182702

Next Page

ZKIZ Archives @ 2019