ZKIZ Archives


Facebook的第二位華人工程師王淮:給阿里新貴的一些建議

來源: http://newshtml.iheima.com/2014/0921/145928.html

i黑馬:王淮,線性資本創始合夥人,Facebook的第二位華人工程師。在阿里上市後,其特撰此文以自己上市公司員工的經歷對阿里的朋友們給出了自己的建議。
 
\這幾天被阿里的同誌們的喜事刷屏,讓我想起來當年Facebook上市的場景。都是一個眾望所歸的IPO,但Facebook弄砸了,阿里很成功!
 
Congrats!
 
當然,恭喜的話肯定聽多了,就不多說;說說突然看到股票賬戶上這麽大的balance而因此帶來的一些經驗和教訓吧,尤其是對原來對資產沒有太多想法的工程師們有所幫助。
 
最大的建議就是要冷靜,一定要調整好心態,要習慣從碼農到馬龍的變化。其實,我知道各位早就知道上市後的自己股票可能的價值區間,所以資產總額的數字其實不是意外。但是,最大的不同是,paper money開始長得越來越像real money。以前更多的是臆想中的數字,現在至少在一個公開營業的brokerage賬戶上能看到的實實在在的金額數字了。你明白,在6個月的鎖定期之後,你就可以隨意的動用這筆錢,去買豆腐花,可以喝一碗倒一碗。
 
但是,打住,冷靜。請習慣有錢後的心態。我相信阿里的股票會相對穩定的增長,不至於出現像Facebook當年因為缺乏一個可信的商業模式這個挑戰帶來的過山車式的價格波動。在做任何的投資或者消費之前好好的想想,多征求一些過來人的建議。
 
好,過來人的一些建議。
 
關於Spend the mone
 
 區分needs & want
 
哪些東西是必須的,哪些東西是想要的。還是要弄清楚。根據我這兩年的經驗,沒那麽必須的東西多了反而帶來了很多精神上的負擔。not worth it. 當然,對於自己很想要的愛好以前因為經濟原因不能去做現在可以了的事情,不要管我,放手去愛吧。比如,以前買電子產品還得多想想,現在你們可以閉著眼睛下單了。但記得,不用的新東西要記得捐給我幫你減輕負擔。
 
區分for experience or for material
 
以前年輕的時候覺得自己想要擁有這個東西,那個東西;去過這個地方,來過這個地方;逐漸的明白到,這些都不重要,重要的是體驗,是經歷留在你心里面的那種化學反應;這些是等你白發蒼蒼的時候躺在床上能夠給你的兒孫吹牛的重要素材 - “想當年爺爺比你大一點,比你還帥一點的時候,曾經。。。”
 
Optimize for the experience not the materials.

稅在你賣出每筆股票之後,都有一個稅的問題。一定要預留好這部分的錢。
 
旅遊
 
在這麽多可消費的項目中,我感覺(對男性而言)最沒價值的就是奢侈品。最有收獲的兩樣,一樣是旅遊,一樣是和請牛人吃飯喝茶聊聊天(下面講)。
 
旅遊,通俗的講,從一個自己呆膩的地方來到另外別人呆膩的地方;用自己講膩味的故事交換別人見膩味的故事。這就是美好生活。這就是體驗生活。

請牛人吃飯喝茶聊天
 
2011年底我從Facebook離開後就在矽谷和西雅圖瘋狂了見了很多人——老同事,投資人,創業者……學習了很多。回國後更是交了很多朋友。基本上只要是創業者或者牛人,都是我買單(大佬除外,一定要給大佬面子讓他們請客)。為此我還在杭州的運河邊開了一家講究情調的T咖啡(當然,我本身就是一個咖啡控)。和牛人的這些聊天是我收獲非常大的經歷,畢竟一個人自己的經歷有限。站在巨人肩膀上的一種方式就是多和他們聊聊天。
 
移民
 
這麽幾個選擇,美國——不要選,不要問我問什麽;加拿大——做好放松幾年做移民監的準備;澳洲新西蘭——政治上會比較中立,地域上比較孤立,適合對世界大戰有恐懼的新貴;香港——稅法好,也適合國人,就是地方太擠了,同時天朝的余威陣陣,你懂的;新加坡——地方小,稅法倒也好,只是因為地緣和經濟的原因他估計會配合中美兩國做很多事情,對科技新貴沒啥挑戰,但義務兵役對於有小朋友的同學要多想想。
 
不要借錢
 
任何時候不要借錢給別人。如果借,做好收不回來的準備;不然不如當做投資給別人。有句話說的很好,不要借給好朋友錢,你不僅會失去錢,還會失去一個好朋友。當然,對於公司的可轉債的投資是另外一回事。
 
想不借錢的一個很重要的一點是 - hold住不要明確的告訴別人你的資產總數。除非業務需要。你永遠可以用最近周轉困難這個很恰當的理由來回應。老實說,我也是經常周轉困難,哪個****會放那麽多的現金可以隨時動用。
 
關於Grow your money

 Diversify——定要分散你的資產
 
把所有的雞蛋放在BABA上一定不是一個好主意. 當然,BABA繼續大漲是好事;但這只是多種可能出現的結果中的一種;資產管理的一個核心思想就是manage your downside;而manage downside的一個要點就是diversification。尤其是可以對沖的那些資產,至少不要讓你所有的財產的correlation太大。
 
一個diversification就是買房
 
我是相信Real Estate。我的一個夢想就是在全球各大城市中都有一個有風景的高層公寓。可自住,可出租。但是不要參與到買房投機中。房地產既可以對沖高科技這種高屋建瓴的資產,有可以有很強的實際用途。
 
 找兩個靠譜的私人銀行(PB)
 
一定要至少找兩家。你要做好隨時可以更換的準備,而且只把你想要相對穩定增長的那部分資產放到PB。基本上最出名的幾家我都接觸過,自己用過4家,fire過兩家,至今沒有settle……但教訓不少:
 
1)不要找美國的私人銀行
 
2)瑞士的私人銀行最保險,但很貴;能參與的亞洲項目不太多
 
3)一定要一上來弄一個用股票做抵押的loan;讓你真正急需用到大錢的時候可以迅速借錢
 
4)所有的費用都是可以談的
 
5)對於私人銀行推薦的產品要三思而後行,很多是為了賺你的費用
 
6)私人銀行和你對接的那個個人非常重要;他/她用心與否和在公司的影響力可能決定你想要的能不能拿到
 
做好Estate Planning
 
兩個事情可以考慮的。如果你的資產到一定,trust可以更好的保護你。但trust相對費用高,架構複雜,$10M以下最好不要考慮。另外就是購買life insurance product(最好在香港買)。給家人一個保障,出事了還能享受免稅。

投資問題
 
最好的投資其實還是你自己。阿里的新貴普遍年齡都不大,還有很多年可以拼命。你們最大的幸福在於 - 為何拼命,如何拼命這兩個問題終於可以自己替自己回答。你不需要看人的臉色,可以做自己關心自己開心的事情。Don’t waste the god-given fortune.
 
除了投資自己,可以考慮一些可以對你產生戰略意義的投資布局。比如,作為技術大牛,你可以考慮天使投資一些你的經驗可以幫得到的初創公司。你也可以參與一些理念吻合的早期基金,最近起來的很多。(disclaimer:線性剛完成$50M的一輪募資,1-2年內就不用考慮我們了 ;P 阿里的某位創始人也是我們的出資人)如果你是某件事情的狂熱愛好者,也可以參與這一類的投資,但一定要控制量 - 因為這個時候驅動你投資的是愛好而非專業 - 比如我的咖啡館投資。
 
對於投資,我最大的建議是:只投你丟的起的錢,投完當做錢沒了;這一類超高風險投資不要超過你所有資產的20%。
 
財富管理互助俱樂部
 
Facebook有一個早期員工Club,自嘲為”Nouveau Riche 250“,意思是暴發戶前250人——這群人都很2。大家經常無邊無際無心無肺的討論如何面對財富管理中的各種問題 - 大家共同的背景共同的信任,讓每一個人在面對新的財富問題時通過經驗教訓的分享來分攤降低學習成本。這群人討論過在墨西哥資助神廟重建的問題。。。強烈建議阿里的同學有這樣的組織。
 
最後,多花點時間讀點書,思考一下下一步做什麽。
PermaLink: https://articles.zkiz.com/?id=112610

線性資本王淮:一拍腦袋就投誰不會,別把創業者搞浮躁了

來源: http://www.iheima.com/finance/2016/1027/159472.shtml

線性資本王淮:一拍腦袋就投誰不會,別把創業者搞浮躁了
石慧石慧

線性資本王淮:一拍腦袋就投誰不會,別把創業者搞浮躁了

數據智能一定要解決商業問題,只有技術是“然並卵”的。

王淮,Facebook第二位中國籍工程師,第一位華籍研發經理。現在,他是線性資本合夥人,主要關註大數據和人工智能。從技術男到投資人,王淮給自己當前定下的小目標,就是投出兩家“10億美金公司”。而他的投資,也自成體系,對於數據智能,他最關註的,就是如何解決實際的商業問題。人工智能專題新的一篇文章,請聽王淮總結自己的投資理念,以及他對當下人工智能創投熱潮的看法與建議。(PS:文尾有彩蛋喲~~)

文丨石慧

王淮是典型的技術男出身。他是Facebook早期員工——2007年加入,是其中第一位華籍研發經理。但隨著Facebook的擴張,“老員工”王淮找不到初創公司的感覺了。他決定換一種生活方式。

如今,他與前京東、天貓高管張川一同創立了線性資本,關註大數據、人工智能,投資Applied Data Intelligence——業務性的數據智能。“以技術為核心,並將技術應用到我們認同的問題上,我們才會投。”王淮說,“大數據應用一定要解決實際的商業問題。”

顯然,技術出身的王淮並不僅僅關註技術本身。來自溫州的他,身上還帶著溫州商人的精明。

數據智能要強應用、商業化,是他的投資邏輯,這從線性投資的項目可見一斑。目前,線性資本投資了33個項目,包括中科視拓、神策數據、地平線機器人、Rokid、艾拉物聯、ThinkingGame數數科技、杭州同盾科技、Ping++等。

在王淮看來,人工智能的熱潮已經來了。不管他並不是很喜歡“風口”這個詞,他暫時也只能用這個詞形容現在的人工智能領域。

他給自己定了一個小目標:投出兩家10億美金的公司。“然後再說別的。”

王淮希望,大數據、人工智能創業者能第一時間想到線性資本。“所以我們必須聚焦。明白自己擅長什麽,不擅長什麽。”他說。

以下為王淮口述,經創業家&i黑馬編輯:

先定一個小目標:投出兩家10億美金公司

我是技術出身,2007年年初進入Facebook做工程師,2012年離開。我是Facebook的早期員工,加入的時候公司只有100多人,到我離開時,已經到了4000多人。

在那時,我就有後來創業的想法,我在雅虎待過一年半,對大公司的運作有了一定的認識,我想去嘗試一下不同的生活,於是就去了Facebook。當時會加入Facebook,我覺得它是家有趣的小公司。那時沒想到它後來會做那麽大,但是那些人我覺得非常有意思。後來離開也是,我覺得最好玩的日子已經過去了,接下去的也許就是按部就班的生活,想有一個更大的改變。但我覺得打工我不可能再去第二家公司,公司對我們實在是太好了。

我回國以後,看了一圈,2012年底打算做投資,和張川、薛蠻子三個人開了公司,拿自己的錢做投資。兩年後,我們想做得更專業,就創立了線性資本。

我們現在做投資,也是用當初創業的感覺去做。我們做了線性資本之後,逐漸機構化,我們自己有一系列方法論,怎麽看一個項目,形成了相對成熟的一套模式。整個過程,更像一個創業公司,從無到有,慢慢成熟。現在圈子里提起投大數據、人工智能,我們的影響力都在那里,我們努力得到了回報。我真的覺得這個過程挺好的,就像一個小公司慢慢做起來的典型的過程。

我們一直是以創業的心態去做這件事,能不能做成不知道,但我們要先定一個小目標:投的公司里出兩家10億美金的公司,1億人民幣投進去,10億美金的估值出來。

我們很重視投後管理。對我們在董事會上的公司,會有季度性風控,月度性通電話、見面。我們有一套框架來診斷一家公司,主要了解五大問題:團隊、市場、產品、技術、資本;五大問題下有三大緯度:過去一個月發生了什麽大事;處在哪個狀態的問題解決了;沒有將來你的重心是什麽,我們怎麽幫到你。

投後管理主要做三件事。第一,在一些核心問題上,我們自己以及請來的牛人會做他們的顧問。第二,幫助他們進行核心崗位的招聘。第三,幫他們完成接下來的一到兩輪融資。

我們把身邊的投資機構分成三類,對接融資時就從這三類里找。一類是family VC,是和我們有共同LP的基金。二是old friends,是我們合作很多的基金,比如GGV、IDG、紅杉。三是new friends,是跟我們關系很好、想一起合作的基金。

我們投的項目最大的問題可能是商業模式還有待驗證,但當初我們覺得它有機會才會投,基本上幫他們融到下一輪問題不大,線性投資的33家公司,現在至少有10家融到了下一輪。

我們做投資,這麽些年下來有一個巨大的體會,就是說你如果只去搶“風口”,這些機會你看得到的機會,別人也看得到,但你不但要看到,你還要看得懂,“懂”帶來的結果就是“快”。一拍腦袋就投誰不會,但是我覺得現在投資已經過了“搶”這個階段。搶就是倉促,你也反過來讓創業者也倉促了,本來可以紮實做事的創業者,被你這樣一搞心里也浮躁,這對任何人沒有任何好處。所以只能是聚焦,看懂,在保證決策質量的情況下,比別人時間花得更短,才能夠投得更快,而這種快就是有意義的,不是單純去“賭”。

投資還有一點,就是要“投得進”。如果你足夠專業,做到標桿,能讓大數據、人工智能領域的創業者第一個想到你,那就很不一樣了,我們想要的是這種效果。今天在業內,做大數據、人工智能的人應該都知道我們了。我們要明白自己擅長的和不擅長的,做強聚焦。

從最近6個月開始,大數據、人工智能這些領域逐漸風口化。但是“風口”這個詞,我們其實不大喜歡去用,只是說這個時代,在各種因素下,給了這樣一個機會。原來我們有60%-70%是看這塊,現在,我們是100%投入在做這塊。

5大因素帶來“數據智能”商業機會

現在,人工智能因為幾大因素,出現了很大機會。

核心因素是移動智能設備的流行,觸屏把人們原來花在PC互聯網上的時間,大幅度地拉長了。原來在PC上,大家大部分時間是用來工作,而現在,手機成為我們kill time的主要工具。這種設備創造出了一個巨大的市場,這個市場就是每個人的時間。如果把它用人和時間等單位來衡量規模的話,我覺得現在這個市場的規模至少是原來Web時代的5到10倍。時間需要產品去填補,填補過程中大量積累了數據,數據就產生了變現的需求。

因此,第二就是數據的積累。這些年,很多互聯網公司各自積累了幾百萬、上千萬的用戶數據,都非常有價值。但這些數據間,存在孤島效應,這些數據是沒有辦法交叉的。比如,一個互聯網金融公司,和一家電商,它們獲得的數據體系、性質都不一樣。但如果它們能夠放在一起,形成數據集,帶來的價值會大很多,會產生一加一遠大於二的效果。

第三,算法的發展,在過去幾年有了很大突破,比如說深度學習。傳統的數據挖掘方法對強特征問題很有效,比如反欺詐;但是對於從圖像、聲音當中去學習特征,就很難了。而深度學習在這些領域帶來了很多新的應用。近幾年聲音識別、圖像識別、人臉識別等新的應用出現,和技術突破是息息相關的。

與之相應的,是計算能力的提高。AI說起來容易,做起來很難,比如說深度學習的計算量對雲計算也提出了極高的要求。三四年前基礎架構和計算能力沒有發展到這種程度時,要做人工智能也是做不起來的。

還有人才因素。有人覺得美國人才比中國多,我不這麽看。過去幾年,BAT以及二線互聯網公司積攢了大量數據,數據需要人來處理,因此訓練出一大批有實踐經驗的人才。而美國,主要是Facebook、谷歌、亞馬遜、微軟等公司,培養的人才偏理論型,在實踐上不如中國。

最後一點,市場已經準備好了。人工智能公司的目標客戶,原先比較傳統,現在它們的思維開始變了。我們要感謝馬雲對DT時代的傳播,但是,AlphaGo帶來的影響更為巨大。AlphaGo雖然下的是圍棋,但讓很多中國人以為深度學習已經來了,它會搶走所有的工作,你要是不趕緊改變,就等著被幹掉吧。這讓人工智能公司發展客戶變容易了。當然,這種想法還有很大誤區,被人工智能完全顛覆的那天真正到來,還有很長時間,但是,這卻讓人工智能推廣的難度大大降低了。

這幾個因素造就了人工智能的熱潮。這是一個數據依賴技術進行變現的時代。這5個因素,給了人工智能,或者我更願意稱它為“數據智能”,帶來了極大的商業機會。很多投資人也開始關註並進入這個領域。

但是我認為,不能走偏。現在也有很多項目,並不是很“智能”,而是努力向這個概念上來“靠”。所以,要同時具備三個要點:大數據、應用性、智能性的項目,我們才會投。

數據智能只有技術是“然並卵”

我們聚焦的領域,概括起來其實是Applied Data Intelligence——業務性的數據智能。立足於大數據的應用,去解決實際商業的問題。我們投的項目,是以技術為核心,但我們的關註點在應用上。我不會單純因為這個項目的技術牛而去投資,它要將自己很牛的技術應用到我們認同的問題上。

大數據應用一定要解決實際的商業問題。很多SaaS只是數據和數據應用,把傳統的、低效的東西在線化,但沒有思考如何處理數據,從中做些文章。比如稅收類應用,如果只解決數據問題,那是很普通的SaaS。而我們在意的是,它能不能進一步提供增值服務,比如能夠準確反映出企業健康狀態來。

從我們投的公司就能看出我們的邏輯。我們的投的神策數據是數據服務公司,可以通過用戶畫像,從而分析公司的發展趨勢;智能機器人Rokid,它是基於數據的智能實體化,但它的核心仍然是AI的軟件,並非單純強調硬件;地平線機器人提供的AI解決方案應用點也非常廣,比如它目前在輔助駕駛ADAS這方面的應用,就體現了這一點。它們能提供應用,解決一些有用的問題,而不是只有技術但“然並卵”的東西。

在Applied Data Intelligence這個大的架構下,我們主要投三大類的項目:泛智能、基於數據的Fintech(金融科技)和VR/AR的核心技術。前兩類我們投了不少。

我們所謂的泛智能,就是與大數據、雲計算、雲存儲、人工智能、機器人、IoT(註:Internet of Things,物聯網)等相關的項目。我們之所以這樣劃分,是因為我們有自己的一套邏輯鏈:有雲技術才能實現大數據的存儲和處理;在數據基礎上才能做機器學習和人工智能的開發;而開發出來的模型需要落地,它們要麽讓數據流通得更快,要麽讓決策做得更好,也就是說,這些終要變成服務,我們把它稱為DAAS(註:Data-as-a-service,數據即服務)。

2

*線性資本合夥人王淮(受訪者供圖)

在泛智能的硬件領域里,我們認為,機器人有很大的機會。機器人可以分為兩大類:一類是家庭型、娛樂消費型,也就是2C的,另外一類是B端的。而我們目前關註的中心在前者。

我們非常看重IoT。但我們不太關如何心聯網的問題,我們關心的是Ineternet of  Intelligence,真正讓不同的智能設備為一個場景服務。不然我回到家,空調打開一個App,電視打開一個App,窗簾再打開一個,我就累得半死了,這哪是物聯網智能家居,變成我為家居服務了。這是目前IoT的最大問題,每家都要自己搞一套,體驗就很差。

但這樣的狀態持續不了太久,大家一定會尋求聯盟,形成交叉協議,這是必然趨勢。但是,這並不是會非常順利的過程,中間肯定會有博弈。在國外,已經出現了一些聯盟,國內雖然現在還看不出來,但肯定將來是一定會出現的。

人工智能會在哪些領域爆發?

人工智能會先在一些具體領域爆發。

金融是一個強數據的領域,智能化能夠加強數據的作用,所以在互聯網金融里面應該有很強的應用。另外,數據性很強的消費領域,從消費品、安全等相關角度,例如用戶畫像、智能推薦,以及智能導購,都是基於數據可以用AI機器人來幫助實現的。

ADAS輔助駕駛也是一個典型的場景。其實,我們發現,很多行業,最大的市場都在“吃喝玩樂行”,對於人工智能而言,“行”現在是最容易被影響的,因為它是強技術性的。“吃喝玩樂”,雖然技術會給它們帶來一定幫助,但是內容和渠道方面,它是有很強的反向控制性的,人工智能要切入是一個巨大的問題。而“行”是一個全新的領域,因為原來像地面交通、空中交通這些都是傳統公司來做的,滴滴這些新的公司的進入,為它們帶來一個巨大的顛覆。

在數據層面,我認為,滴滴肯定是傾向於自己去做的。但是不要忽略了傳統渠道的威力。像OPPO、VIVO、小米、華為它們的“戰爭”形態,我覺得是很有意思的。互聯網讓世界成為平的,但是人口數量和層次的差異、城市之間和城鄉的差異,給中間過程帶來了很多的機會,只要你抓住了,能夠做不少事情。所以不要小瞧傳統廠商,它們中有很多其實非常技術化,只不過它們的傳統技術是跟車相關,互聯網不一定擅長。百度做無人車,它擅長的還是數據的收集和導航、服務,以車為核心的部分,我估計還是要跟傳統廠商合作,所以最後大家會是一個混合體。

智能生活這塊,我認為也是有很大的機會的。如果把出行加進去,就是一整套了。如果撇開它看,就是智能家庭生活,我們覺得這一塊很有機會。

還有一些我們零星的思考。比如說,健康相關的,不僅限於監測,而是回歸健康的本質,比如對人的健康產生預警作用的。只是監測,比如你一天跑了多少步,意義不大;但如果你能對我的健康預警,告訴我現在過勞了,要趕快休息,這種情況下猝死的概率是多少,才是有價值的。但現在技術還達不到。

我們投了一個做女性體溫計的項目,通過體溫曲線,可以測出受孕、避孕幾率。這個項目市場很大,但目前有一半用戶在海外,因為國內要通過醫院渠道去推。這個領域我們不太了解,所以選擇跟投。對於不太懂的領域,我們會先跟投一兩個項目熟悉一下。這也體現了我們對於AI商業應用的態度:能實實在在產生作用的,才值得投,太遠的東西,除非相信它的未來,否則我們大多持懷疑態度。

像Seeta中科視拓做的是人臉識別。它能切入生活的方方面面。人臉識別的核心是身份問題,什麽時候你需要證明“你是你”,都可以用得上人臉識別。但現在技術還不成熟,還沒有真正爆發。另外,人口數量太大了,即使人臉識別的出錯概率低到千萬分之一,那出錯的人數也很多。所以它現在只能在一些限定條件下輔助人力。未來,在銀行、公共安全監控等領域,人臉識別都會有大量應用。而且,人臉比起其他的識別方式,能夠做到自然的、無監督的、安靜這種模式下的一種識別,所以還有很大商機去挖掘。

在國內,人工智能領域創業面臨著兩個最大的問題,一個是數據,另一個是應用。很多創業者,他擁有的是算法、是技術,但是數據不在他這里,應用也不在他這里,這兩塊還要去說服別人,是典型的兩座大山。這些數據源人家為什麽要給你?這有一個信任成本的問題,要麽是我相信你一定個比我強,要麽是我沒有辦法了,不得不試一試。這是個難點。另外一個就是應用,你得解決一個實在的商業問題,但商業問題並不在人工智能行業的人手中。比如自動駕駛,車廠是控制方,它是有話語權的。你要找到商業場景,並說服它們應用你的技術,這又是一個難點。

i黑馬與今日頭條-科技聯合出品,合作多家業界頂級媒體、投資機構,邀請人工智能領域專家、大咖一起來評選的《人工智能創新公司TOP50》榜單已經啟動,我們收到了來自不同投資機構、第三方的推薦以及公司自薦報名。接下來,評委評選之外,候選公司的投票也即將開始,敬請期待!

4

 

王淮數據智能人工智能
贊(...)
文章評論
匿名用戶
發布
PermaLink: https://articles.zkiz.com/?id=220801

Next Page

ZKIZ Archives @ 2019