IDG全球副总裁熊晓鸽:投资最大风险是创业团队

对于风险,风险投资商实际上没有任何办法规避。第一,我们不去管理公司,我们只是个小股东,一般不超过30%的持股。其次,我们几乎没有办法成天去管,只有当创业公司遇到困难时,我能尽快到它那个地方去。在美国,投资人的一般规律是所投项目半径不要超过两百到四百英里的范围。换句话说,两百英里四个小时也能赶到,能够及早地见面沟通。

  我们怎么规避风险呢?实际上,在评估项目的时候要做很多工作。譬如说找一些市场研究报道,找一些专家,给你这个项目市场方面的信息。还可以用一些信得过的公司数据,IDG有一个有利的优势,因为IDG有一个市场研究公司,一些关于IT方面的数据研究我们是权威。

  其实,最大的风险还是管理的风险,也就是创业团队。第一,是否对一把手进行调查,我们的调查会找他的很多朋友,了解他过去有没有一些劣迹,是不是蒙过人,坑过人,做过什么坏事,甚至包括他家里是不是很幸福,是不是跟老婆闹离婚,这些事情都需要比较明白。

  第二,了解他团队中的这些人是不是素质好。有的人说我没问题,我老弟管这个,老婆管那个,这样的话我不一定会投了,为什么呢?因为我觉得他能力不行,第一他不能信任别人,他不可能是一个很好的领导者,把自己的七大姑八大姨都搞到公司里来,你不可能把一些能人招过来。

  但是,很多风险也是没有办法避免的。我们有过一个公司非常好,管理者非常好,但是创业者特别喜欢开车,而且开得特快。我们老说你车别开太快,他说他的生命中最重要的一个是儿子,一个是他车,老婆都放在之外。有一次他车祸死了,这就是风险,你防不胜防。

  对于风险投资讲,我们希望是投一个行业,并不一定是投某一个项目,这样的风险也就相对较少。

  为什么投一个行业很重要呢?任何一个大的行业里面,第一名能挣钱,第二名也能挣钱,第三名也能挣钱。对于风险投资来讲,看准一个行业的话,可能会每一个项目都来分析,看看这个行业内的公司有什么不一样的。比方说,我们投了3721,也投了百度,同时我们也投了中搜,都是做搜索的,但是每一个搜索都不一样。

  失败率20%

  IDG是进入中国最早,也是投得最多的风险投资商。

  一般来讲,在国外风险投资商投十个,成功两个就不错了。对IDG在中国来说,大概投十个有三个是成功的,非常高了。还有两三个,也不能说是失败,能不能上市说不定,还在耗着。我估计,大概只有20%左右的案子可能是失败的。

  许多人说8848的投资我们是失败的,其实8848从投资的回报上讲我们并没有吃亏。因为当时在准备上市以前,我们融了一回。

  我为什么不愿意说哪些公司投资失败呢?因为中国公司和美国公司一个最大的不同在于,美国公司很容易死,风险投资不投了,创业者就不干了,公司就完了。而在中国不太一样,风投要走了,公司还要折腾一下,工资少拿也好,还在那耗着,比较难死。还有一个特点,在中国投资回报的时间比国外还要长。

  举个例子来说,我们去年回报最高的是搜房,搜房是1996年投的,十年,我们总共才投了90万美金,现在已经有4500万美金的收入了,而且还有一部分股份。

  我们在投资过程中,你觉得不行的话,也有预警的机制。因为我们每个季度,每个月的报表都要去看。如果说一个公司,这个CEO老是说今年完不成任务,第二年又完不成任务,第三年还完不成任务,这个人也就不太行了。

  总之,风险投资商避免风险,最重要的还是有丰富的知识和阅历,看人识行业。我觉得做风险投资家要不停地学习,要看成功的例子,分析它是为什么成功的,同时也分析很多不成功的例子,知道它是怎么失败的。哪一种技术一定行,或者哪一种技术一定不行的说法一定是错误的,作为风险投资商,你首先要判断它能不能做大,从经济规模上能不能做大。

 
【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,用于更新网络权重,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新的方法来解决这些问题。
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。
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