人生就像微信,迭代才有机会

点击蓝字关注,回复“职场进阶”获取职场进阶精品资料一份

前段时间微信又迭代了一个新版本,拍一拍,据说还增加了微信摆摊功能。

微信作为国民级社交产品,坐拥超10亿用户,几乎完全垄断熟人社交领域。

我是微信的骨灰级用户,曾经通过裂变的方式,近乎0成本操盘10万微信社群和百万级微信服务号/订阅号,这些都是基于微信生态起来的。

所以我很了解微信,对微信的每一次迭代,也会很敏感。

不知道大家是否还记得微信的第一个版本,几乎只有发消息这一个功能。而今天,微信基本涵盖社交领域、金融领域甚至生活服务所能想到的一切业态。

这仅仅过去了8年时间,伴随了100多次的版本迭代。

看着微信迭代新版本,我突然意识到,人生不也是这样么。

我们来聊聊人生的迭代和改变。


 1 

别关注起点,只关注增长

几年前,创业找投资人,和一个投资人大佬在一起吃饭。

这哥们,投了300家创业公司。

要找他融资,自然就问到了创业公司估值的问题。

其实我是想问,我最多能融到多少钱。

但大佬的一段话,让我从底层改变了对估值的理解。

他说:对于起步不久的创业公司,估值多一些少一些,其实不重要。

甚至,刚开始的时候估值过高,虽然你会很开心,但事实上会让你的公司更危险。

投资人看重的是未来的潜力和增长,如果你的起点过高。

一旦后续的发展不能支撑,下一轮的估值压力就会非常大。

如果没能实现翻倍甚至更高的估值增长,投资人和创业者都会面临更大压力。

相反,如果一开始估值合理,甚至可能偏低。

后面的投资人进来之后,估值的增长就很可观。

而这是投资人更愿意看到的Case。。

“其实,我们并不关注你一开始在哪里。

我们更关注你的增长是否健康,曲线是否让人期待。”

其实我们每个人也一样,一个人的起点重要,但也不重要;真正重要的,是未来的人生增长曲线。


 2 

起点够低

才能写出好故事

一个人,他从小上国际学校,大学出国深造。

毕业后找到了一个年薪几百万的工作。

又或者自己创业成功,身价过亿,听上去是不是很牛逼?

如果是普通家庭出身,的确牛逼。

但如果我告诉你,他是一个富二代,家里家产过亿,你还会觉得他牛逼么?

是不是觉得也就这样了?

毕竟你会觉得:他取得这些成就,是应该的!

毕竟起点这么高,要是一不小心混成中产,那绝对是败家子啊!

所以说,如果一个普通人,通过打拼在大城市立足,买房买车成为中产。

那毫无疑问是比较成功的。

而一个富二代,最后变成中产,就是loser。

这就是起点的优势,也是起点的诅咒。

有时候,我甚至感觉,如果起点低一点,往往会更好。

因为起点越低,越容易讲出一个精彩的故事。

比如,一个小学因为从农村转到城市饱受欺凌患上AHDH最终休学,且长达十年受病情困扰的屌丝。

一路奋斗,参与了初创公司成长成百亿美金上市公司拿到第一桶金。

然后担任多家公司CTO、技术VP。

然后投资房产、股市,最后基本实现了财务自由。

这才是一个值得撰写的好故事。

当然,这也是我自己很骄傲的地方。

但要是我自己是个富二代,说实话,就我目前取得的这些成绩,没啥值得兴奋的。

一个长的好看的女孩子,必须需要在工作上加倍证明自己的能力,才能摘掉“花瓶”的名号。

起点是不重要的,迭代和增长,才是我们真正该关心的事情。


 3 

庸人的可悲

是无人质疑

马东有句名言:被误解,是表达者的宿命。

关于人生的改变和迭代,我想到一句话:被质疑,是迭代者的宿命。

人生的迭代,本身不难,真正难的,是你迭代后要面对的质疑和挑战。

微信前段时间关于公众号改版的迭代版本,就受到颇多质疑,被抨击阅读的体验感变差了。

当时,我也很不满意,还发了一段朋友圈直接diss这个用户体验。

当然我也知道微信有自己的考量,比如是为了明年5G时代的视频化呈现做准备。

或许是别人错判了趋势,或者别人压根就不理解你,总之,你一改变,最直接的反馈就是遭受质疑。

当然,我们愿意相信,我们的每一次勇气,微信的每一次迭代,最后的定格会是掌声。

迭代的道路上,左边的质疑,和右边的掌声,一样多。

但是反过来说,如果一个人,所有的决策,从来没被质疑过,那这个决策是有多普通呀,这个人生,是有多 normal 呀。

被质疑,是因为质疑的人,害怕内心被动摇。

别人越动摇,恰恰是你越正确。

我喜欢创业,一个很重要的点在于,创业者往往会遭受铺天盖地的质疑,来自市场,来自团队,甚至自己内心都会质疑自己,浓度高,烈度更高。

但只有在质疑中,你才能变得更有判断力,更不会踩坑,更笃定更淡定。

只有经历过了这么多的人生事故,最后你才能活成一个有故事的人。

所以,我希望自己这一辈子,我情愿活成一个受争议的人,也不要活成一个平庸大众的人,那样的人生剧本,真的太单调了。


其他原创文章可以戳:

选一线一张床还是二线一套房

为什么顶尖高手,都有超强逆商?

如何成为顶尖管理者?


你可以长按这个二维码加我微信,空位不多。

记得备注“职业信息”,我会将你拉进一个高品质圈子,全是我的读者们,从CEO、 CTO到总监、架构师还有投资人等等,是一个优质人脉圈。


【您的在看,我的莫大鼓励】

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。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip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。
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