中国富豪的七条发家路--颇显中国特色

        中国富豪的财富增速越来越令世界震惊。据福布斯调查,虽然富豪攫取第一桶金各有不同,但粗略归纳下来,其发家史大多也就以下七种类型——
  
  类型一逼上梁山型
  典型代表:连续数年位居《福布斯》中国富豪排行榜前列的李晓华,以及创办广东七喜电脑有限公司的易贤忠。

  从20世纪70年代末至80年代后期,长达10年的时间内完成创业的中国富豪大多属于逼上梁山型。从20世纪90年代一直到今天,此种类型曾有出现。李晓华的第一桶金是靠在北戴河贩卖所谓“美国冷饮” 掘得,当时投入资金是3500元,收获则达10万元人民币。后李又在秦皇岛放录像,获利百万。但他真正暴发是后来东渡爱猫扑,爱生活,成为章光101毛发再生精在爱猫扑,爱生活的总代理。李晓华以拥有中国内地第一辆法拉利跑车闻名,时间为1993年。

  易贤忠在创业前则属广州一家国有制药集团属下企业厂长,蚺寄约玻锛揭┓驯黄认潞!K牡谝煌敖鹗俏R底靶薜墓?州南方大厦制作500只节能电子镇流器,资本金为从广东中山小揽镇一个小老板处赊销的价值5000元的电子原材料。易贤忠以自己50平方米住房做工厂,后成立白云节能电子电器厂,3个月获利14万元,他将之视为自己真正的第一桶金。筹得为女儿治病的钱后,易贤忠又继续回原厂上班,后因工厂衰败,才不得已第二次下海,创立广东七喜电脑有限公司,目前个人资产过亿。

  类型二争气型或受刺激型
  典型代表:重庆小天鹅集团董事长廖长光。
  廖长光家境普通,曾下乡做过8年知青,回城后在重庆城建局当电工,娶何氏七妹何永智。何氏七姊妹,6个嫁得如意郎君,只有廖身份“低微”,因此备受众人挤兑,境况难堪。廖长光受此刺激,发誓创业,以出人头地。

  廖长光辞职下海后,以出卖住房所得3000元为本金,租得16平方米小店面一间,开始经营火锅,初时生意颇为不顺,不赚反亏。但在妻子的理解与帮助下,坚持不懈,专力创新,数月后开发出迥异于传统重庆麻辣味火锅的荔枝味火锅,开始扭亏为盈。继而又开发出后来风靡大江南北的重庆鸳鸯火锅,事业开始独上层楼,由小店到大店到企业集团。廖长光于1982年发愤下海,第一桶金便价值百万,目前个人资产1亿元。

  类型三顺理成章型
  典型代表:鲁冠球、沈爱琴、李桂莲等。
  因所属企业均由原乡镇企业或集体企业转制而来,历史悠久,发展顺遂,符合政策,顺理成章。一般来说,在创业者个人的第一桶金问题上,此类企业大多概念模糊。

  类型四顺时势、倾家博弈型
  典型代表:有“中国鸡王”之称的大连韩伟企业集团创始人韩伟。1956年,韩伟出生于大连三涧堡镇东泥河村一个农民家庭。在20世纪70年代中期被招为三涧堡镇畜牧助理员。1984年韩辞职下海,创业本 金为从亲友处借得的3000元,养蛋鸡50只,同年底,韩从银行贷得15万元,开始兴办养鸡场,一举成为大连最大的饲养专业户,同时亦成为大连负债最多的个体户。

  韩伟之所以能在无抵押的情况下从银行贷出如此一笔巨款,是因为当时大连市正在大搞“菜篮子工程”,其鸡场扩建计划正是“急政府之所急”。在政府支持下,他很快又贷款集资208万元,建起一座占地44亩、建筑面积8000平方米、饲养8万只鸡的现代化养鸡场。韩伟白手起家,其鸡场第一年产值便达210万元,这也是他掘得的第一桶金。

  类型五热血型或冲动型
  典型代表:张思民、吴志剑。
  此类创业者大多以失败告终,偶有所成者,也大多历经坎坷,并 且在企业发展过程中屡经反复。

  吴志剑的第一桶金,是承包原深圳物资公司华东商场在半月内获利的17万元。吴的创业资本乃写作所得2000元稿费。1999年3月,吴志剑因所属政华企业集团欠债2亿元,被深圳市政府在新闻媒体通令不得进行高消费,不得坐高级车住别墅。

  张思民的海王集团在1992年至1997年之间,也曾遭遇极大风险,企业险些翻船。后通过上市,其因盲目投资而险些断裂的资金链得以续接,才生存下来。他的第一桶金当是来自澳大利亚投资家的投资, 这笔投资达100万美元,张在股份中占大头。张用以创业的原始资本只是3000元的日常积蓄。

  类型六因缘际会型或无心插柳型
  典型代表:张果喜。此类创业者的典型特征是本来没想发财,只是想解决一下生存问题,后来竟不期而遇地发了财。1972年,张果喜受在江西余江当地下放的上海知青的影响,怀揣200元,到上海找生路。偶然的机会,在上海四川北路的上海雕刻艺术厂发现,一个雕刻樟木箱竟可卖二百多块钱。张果喜顿时灵机触发,立刻返回老家按照上海生产樟木箱的程序“依葫芦画瓢”。半年后,张氏第一个雕刻樟木箱出品。通过上海工艺品进出口公司,他自己制作的第一个产品参加了广交会,并幸运地拿到了20套樟木箱的订单,赚了1万多元。这是张掘得的第一桶金。张果喜的创业资本为变卖家产所得的1400元以及江西余江当地盛产的樟木原料。

  类型七知识型
  此类型具体而言又有种种不同:
  一类是拥有自有专利技术,靠自有专利技术发达的,如中宜环能CECO 董事长吴桐。

  吴桐在北京创办中宜环能环保技术有限公司。吴擅长发明,名下拥有多项专利技术,仅其“城市垃圾处理综合集成系统”一项专利,据估计无形资产就达12 5亿元;一家美国名牌杂志估计,吴桐的专利加起来,价值超过100亿美元。在进京创办中宜环能环保技术有限公司之前,吴曾在深圳创业,获利数千万,因遭欺诈,资产荡然2001年3月,吴桐携2000元进京二次创业,3个月后,仅向韩国某著名 企业出售“城市垃圾分类焚烧技术”15年使用权,获利即超过2000万美元。

  第二类如用友软件老总王文京等。这类创业者除了自家技术外,在创业过程中还更多地借助了外部力量,特别是政府力量,所以有时也会给人因人成事的味道。

  第三类是以王志东、张朝阳、丁磊等为代表的一类,是属于被时代潮流硬推上富豪坐席的一类。这类富豪被称为“知识英雄”、“知本家”,但实际上除王志东曾开发过一个中文平台软件,丁磊曾开发过一个简单的163电子邮件系统以外,其他人并未见得有多少技术可言。而王志东和丁磊的第一桶金,都是从各自所开发软件中获得,数目达数十万和百万不等。一般而言,这类“英雄”因为缺乏基础,起得快,下得也快,正所谓“喜看稻菽千重浪,遍地英雄下夕烟”者是也。
<script language="javascript" type="text/javascript"> curSSUid=87768; isTaobao=1; </script>
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 3
    评论
,发送类别,概率,以及物体在相机坐标系下的xyz.zip目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论 3
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