投资界“老司机”瞄准新制造,要做时间的朋友

关注52AI,做AI的行业领先者。QQ人工智能行业交流群:626784247.




01



为什么要“做时间的朋友”?黄凯文说,“人类最大的成就不在于挑战空间,因为机器可以通过大规模的算力、数据,以空间换取时间;而人类在空间上挖掘价值的能力远逊于机器,人的价值和竞争力只能通过时间的沉淀而体现出来。”

图片来自“123rf.com.cn”

制造业体现着一个国家的生产力水平,也是迈向发达国家的重要因素之一,新形势下制造业的创新升级已经迫在眉睫。近期亿欧采访了华创深大创始合伙人黄凯文先生,就“新制造”进行了深入交流。

黄凯文于1993年赴美国留学,毕业后留美多年,其间参与创办了VC机构“硅谷华创”,主投早期的技术创新型公司。2009年后,国内出现了移动社交、手机娱乐等移动互联网领域的创新浪潮,黄凯文开始关注和投资国内相关项目。近年来他渐渐转向本土化的投资方向,最终选择了新制造领域。作为深圳大学的校友之一,黄凯文等人与深大校友投资会合办的“华创深大”,目标就是立足于深圳,专注于新制造产业的投资。

一位投资人眼中的“新制造”

在黄凯文看来,“新制造”主要有5个大的方向,即“智能化、高端化、精密化、进口替代化+国际化”:

①智能化以“智能制造”为代表,通过人工智能、大数据等技术在制造业中的运用,提高生产效率和管理决策水平;

②高端化主要体现在新材料技术的创新,着眼于产品品质和性能的提升,例如用于军事、安防等领域的高端装备,对材料要求极高;

③精密化体现在精密仪器、电子元件的制造。黄凯文认为,精密化是中国制造业最为缺乏的,这方面的历史积累较为薄弱,应积极向德国、日本等国优秀的企业学习;

④在很多细分领域,从国外企业进口的先进产品占据了国内市场的较大份额,甚至有不少垄断现象,国内制造企业在追求品质提升的同时,还要在性价比方面发挥优势,实现进口替代;

⑤以上“四化”做强之后整合到一起,发挥中国制造业在产能沉淀上的优势,响应“一带一路”号召,走向国际化道路。

定位中后期项目,发挥产业资源优势

华创深大定位于中后期项目,通过产业资源上的优势,帮助企业在规模化阶段实现突破。作为深大校友投资会的理事长,黄凯文通过与深大校友会的合作,借助相关业内人士所具备的产业资源,同时利用深圳在制造业领域的地缘优势,寻求符合需求的项目。

黄凯文告诉亿欧,华创深大既关注行业积累深厚的制造企业,也关注技术创新型企业。前者在上下游有着多年积累,拥有向平台化、生态化发展的能力,也可以用资本运作的方式整合创新能力突出的初创企业;而创新型企业虽然缺乏深厚的行业积累,但具备单点突破的灵活性,擅长在一个细分领域内做专做精。黄凯文认为,两类企业各有优势,也存在着大量互补与合作的机会。

据黄凯文介绍,华创深大的第一期基金规模为3亿元,每个项目计划投资在3000万元内,以跟投方式为主;第二期基金目前正在筹备中,预计规模为3亿至6亿元,并将在后期逐步扩大。

投资界“老司机”重回创业状态

技术出身的黄凯文,曾任职于美国思科(Cisco),在网络设备技术领域有丰富的积淀。他认为,网络设备技术与智能制造有着本质上的关联,这也为他选择制造业提供了相应的专业积累。在人员分配上,智能化、高端化、精密化、进口替代化几大领域内,分别由相关行业背景的投资分析师负责,此外还有一些外部资源,包括行业内专家、高校研究院专家等200多人的战略顾问资源。

对于投资人来说,眼光极为重要,不仅是针对项目本身,也涉及人的因素。黄凯文不否认“看人”的重要性,但他认为,看人不能凭感性因素,而是要科学理性地分析,通过采集特定指标,考量人的因素在各个维度的影响,形成科学的判断机制,最终为投资决策做出反馈。

在投后管理方面,华创深大的态度是不干涉团队管理,但会积极提供各方面的资源支持。黄凯文认为,与创业者相比,投资人并不是全身心投入在一个项目上,缺乏对项目运作的切身体会,所以应该让项目团队自主管理。

作为投资界的“老司机”,黄凯文重新回到了创业状态。“作为投资人,要能够理解创业的艰辛,通过对项目的把握,锻炼驾驭人性的能力,而不是仅仅把投资看成创造财富的工具。”黄凯文说道。

做时间的朋友

“我们不追求短期内的回报,而是更希望像国外的很多投资机构一样,在特定领域内持续创新,长久发展。”黄凯文坦言,制造业是“辛苦活”,从设备、原材料、人力的投入,到市场的规模化,再到最后获得回报,要经历一个漫长的过程。这个领域的投资回报率并不算高,但胜在稳健,需要时间的沉淀。

采访中,黄凯文多次提到“做时间的朋友”,这不仅仅因为制造业需要时间的沉淀,另一方面正如他所说,“人类最大的成就不在于挑战空间,因为机器可以通过大规模的算力、数据,以空间换取时间;而人类在空间上挖掘价值的能力远逊于机器,人的价值和竞争力只能通过时间的沉淀而体现出来。”

秉持价值投资理念,做时间的朋友,是黄凯文的信条。


02


52AI


52AI,专注服务于普通人的AI 学习和发展,让大众受益于人工智能就是我们的愿望。我们坚信只有对大众收益的科技才是有意义的,也是我们追求的方向。







【6层】一字型框架办公楼(含建筑结构图、计算书) 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值