2家海外市场融资收购、6家企业战略升级、7家收获多项大奖 | 码荟志·11月

Milestone

1.  今日头条收购Musical.ly 后者估值10亿美元

11月10日,今日头条正式与北美知名短视频社交产品Musical.ly签署协议,将全资收购Musical.ly。据悉,Musical.ly的市场估值接近10亿美金。交易完成后,今日头条旗下音乐短视频社区抖音将和Musical.ly 进行合并。双方将保持品牌独立,未来会在技术、产品等多方面探索更深入的合作。这笔收购是今日头条全球化战略的继续,也是继Flipagram后,今日头条纳入囊中的第二款北美短视频产品。

2014年,Musical.ly正式出现在北美市场,是一款主打年轻用户的短视频社交产品,超过90%的用户年龄在21岁以下。此后一路走红,一度登顶美国App Store榜。目前,Musical.ly全球每天的活跃用户数超过2000万,其中北美活跃用户超过600万。

今日头条高级副总裁柳甄表示,抖音和Musical.ly深受中外年轻人的欢迎,未来抖音与Musical.ly双方将发挥技术和内容优势,联手打造全球最大的短视频社交娱乐平台。

2. RozBuzz获顺为、小米、源码资本数千万A轮融资

近日,致力于为印度庞大城镇人口提供移动互联网资讯聚合服务的Feed类应用RozBuzz,正式对外宣布完成A轮融资。本轮融资金额达数千万元,由顺为资本领投,小米和源码资本跟投。

RozBuzz成立于2016年,可谓一家中印“混血”公司,其国内团队主攻技术和数据,印度团队主攻产品设计、内容和用户运营等。通过短短一年运营,RozBuzz目前已快速发展千万用户,每天有超过百万的用户活跃在这个平台上。RozBuzzCEO陈宁预测,随着印度移动用户规模的跃升,RozBuzz预计未来会覆盖3亿左右规模的主流印度用户群体。

 

What’s new

1. 车300与好车到家达成战略合作

11月15日,汽车交易与汽车金融数据服务提供商车300与创新互联网汽车金融服务平台好车到家达成战略合作,双方将在汽车金融前端大数据交互,汽车金融后端一体化服务业务以及新媒体运营业务方面达成一系列合作,并将在上海共建汽车金融人工智能研究实验室。

目前,国内汽车金融渗透率偏低,未来发展空间很大。而车300凭借自主研发的“车贷资产伽马风控系统”,为汽车金融机构及资金方提供一体化的风险控制及资产筛选解决方案。此次车300与好车到家的全面合作,不仅能有效解决交易闭环、信息闭环、资金闭环等问题,同时将二手车行业的效率提升到一个全新的速度与高度。两家公司的合作将会形成一个良好的业态闭环。

2. 居理新房进驻京东房产 双十一成交额2.1亿

11月12日上午,居理新房公布了双十一战绩,此次与京东房产合作,从10月19日至11月11日,居理苏州单城共成交123套,成交金额达217073229元。“房产+电商”的模式在国外早已成型。以美国为例,Trulia,Zillow,Redfin以及Craigslist等一批房产信息平台的出现为市场增加了大量的房产信息。而此次双十一房产的成交量正是为“房产+电商”的模式正名。京东房产联手居理新房共同开创了大地产时代的房产电商新局面。

居理新房CEO王鹏表示:京东对电商交易有深刻理解,又具备流量和品牌优势。居理在新房电商领域深耕三年,具备从线上走到线下的全流程交易服务和数据优势,也具备行业内的品牌影响力,双方的合作可以为消费者提供更好的买房服务,让房产交易也做到多快好省。因此,这次的销售数据也是在意料之内。

3. 资产360构建多元化专业不良资产处置模式

国内经济发展步入新常态,部分行业和区域经济结构调整压力加大,未来宏观经济将继续秉承稳增长和调结构的基调。在当前形势下,互金平台及银行业不良资产率压力持续攀升,加之不良资产处置过程复杂多变,导致现金流回收具有一定不确定性,处置难度加大,特别是处置价值和处置时间在一定程度上受到影响。

资产360自主研发的不良资产处置管理系统,具有领先行业的完善功能和处置能力。智能催告中心、电催外呼系统、移动催收APP催迹等功能和产品,为其主要服务对象消费金融、小额贷款等互金平台及部分地方银行等,在智能匹配、批量操作、大数据分析、资产处置、信息反馈等关键环节上,提供全方位处置服务,力求控制处置风险、提高处置效率。同时在全国全面布局,与各级城市上千家处置机构签订战略合作,实现真正意义上的属地化处置。

4. 农分期首创“农人帮”信息系统 为新型农业经营主体进行大数据画像

“今年上半年,农分期平台在全国范围内服务种粮大户、家庭农场、农民合作社等新型农业经营主体近40万家,其中直接为2万多家农户提供了超10亿元支农资金。”

在近日于江苏苏州举办的首届“全国新农民新技术创业创新大会”上,高级副总裁严雷说,农分期是目前国内规模最大、产品和服务体系最全的“互联网+农业”综合服务平台,已为江苏、安徽、河南等主要农业大省的农业经营主体提供了数十亿元资金、生产资料和社会化服务。

“科技是农分期平台的第一生产力。”谈及核心优势时,严雷说,农分期科研团队超过100人,首创的农人帮信息系统,为新型农业经营主体进行大数据画像,并实现数据的标签化、可视化和智能化;具有自主知识产权的“村花帮”APP,利用移动互联网帮助农户对接插秧、收割、植保、粮食销售等农业生产服务。

5. 会分期 金融+SaaS+AI为公寓运营商赋能

随着90、95后成为主力租房用户,消费升级也蔓延到居住体验,“住的要好一点”,是用户的强烈心声。租赁产品的装修、位置、配套服务及自我认知等多个维度都发生着颠覆性的升级。

但公寓运营商自身作为传统行业的从业者,对用户运营、社群营销、场景消费金融又缺乏专业能力。这时候,就需要有能力的平台来为公寓运营商赋能,提供全面的产品、运营、金融的综合性解决方案,而这正是会分期金融+SaaS+AI要做的。

会分期成立于2014年,是致力于服务公寓行业,连接公寓运营商、租住人群、三方服务商及金融机构的创新型公司。目前会分期已获A股上市公司联络互动2.3亿元C轮融资,业务覆盖了近40个城市,服务公寓数百万间。通过多年为公寓行业服务的经验,会分期创始人&CEO李磊发现在政策风向的推动下,长租公寓发展进入了快车道。

李磊说:“我们近三年看了几千家传统中介和公寓运营商,同时也积累了大量的行业数据,同时团队的核心人员来自于BAT、链家及我爱我家,相信我们有能力通过产品和服务为公寓伙伴赋能,共建租赁行业新生态,让公寓更好做!”

6. 蓦然认知成为夏普AI交互解决方案供应商

夏普发布全球首款人工智能服务电视,继续布局基于电视作为家庭物联网枢纽的智能家居环境的生态系统。为此,夏普找到国内领先的人工智能交互解决方案提供商蓦然认知(Mor.AI),并与之达成深度战略合作,进一步将人工智能赋能电视;电视+AI语音交互+服务场景的思路,推出全球首款人工智能服务电视。

这样的交互体验,充分挖掘和发挥了电视大屏的价值,同时AI语音的交互也能提升服务体验和服务分发效率。对应到实际使用场景中,家庭里的所有成员,不论男女老少、受教育程度高低都能通过AI语音交互,无障碍地操控人工智能电视,降低了普通用户使用高科技产品的门槛;在享受生活服务以及进行消费需求判断时,电视大屏的与生俱来的震撼效果,相比小屏手机更提升了视觉体验。

 

Quote

林恩民 INK银客集团联合创始人、总裁)

因为我做的是科技金融,我们经常会去思考科技金融的未来,这些思考整理之后,我们觉得智能时代可能会有四个必然。第一个必然是:智能产业的爆发,我们可以看到过去大家认为说所有的公司都要互联网化、都要做电商,但今天我们可以看到所有的公司必须做智能,因为这些东西是基础,而抢占智能入口的帐户体系就是你可以沉淀用户更多信息的方式。第二个必然是:数据安全治理,数据是智能的基础但同时它又伴随着另外一件事情就是污染。它就像人类去采矿一样,采矿之后会有大气污染,数据也会有污染,这些污染可能在一定时间内长期存在。第三个必然是:它一定会存在一些灰色的地带和数据不安全的问题,而这时如果有公司可以解决这些问题,它也是巨大的机会。第四个必然是:智能产业的垄断。数据是有黑洞效应的,当黑洞效应出现的时候,我们整个的体系就会基于这个黑洞,然后发展得越来越强大。

王朝成 (易酒批 创始人、CEO

成长逻辑就是做扎实B2B本身,向上向下延伸,但是向上向下延伸是有边界的,不要认为你可以成为中国最大的连锁公司,也不要认为你可以通过很轻松的所谓的赋能就可以在产业链中整合大家。你没有仓,没有配,什么都没有,就靠数据把大家整合起来,这件事情是因为阿里做成了,所以全中国人都在想着阿里这条路。成长的逻辑就是这么两个逻辑,核心的东西一定要做好,向上向下,规模没有问题的。变现的方法就是两个靠谱的办法,大宗我估计金融更重要,快消我估计自营电商更重要。因为在快销里面,金融的作用不像大宗里面那么大,有很多下游商家不要。上游的经销商也有足够多的钱,所以一般来讲体量不会太大。

戴帅湘 (蓦然认知 创始人、CEO

设备智能化首先需要解决的是怎样让设备和人非常自然地交互,而自然交互的本质是解放双手,甚至解放双眼,即进入语音交互的时代,跨越软件和硬件对应用进行完整的统一,通过对话就可以实现用户的需求。蓦然认知的愿景就是能够以认知计算来打造一个完整的对话及应用的框架,提供信息处理、语音识别、语义理解、服务移动对接,真正实现应用落地。整个过程具体实施起来分三个层次。最下层是硬件设备,第二层是语音识别、语音合成,上层由语义理解,对话系统、学习系统、自动服务对接、语音生成五个部分完整结合,从而真正实现语音对话。另外,技术本身不足以驱动整个行业的变革,还需要商业化落地,才能真正被应用起来。

 

Honor & Awards

1. 今日头条登榜“AI 奥斯卡”巨星企业Top10

11月8日,新智元 AI World 2017 世界人工智能大会在北京国家会议中心启幕,备受关注的AI奥斯卡五大奖项榜单揭晓。今年9月,AIWorld 2017世界人工智能大会“AI 奥斯卡”Top10 评选活动启动,引发业界强烈反响,最终获奖者由300多位新智元智库专家和30万读者共同投票选出。票数统计中,专家票权重为55%,读者票权重为45%。经过候选人提名、专家票选、读者票选、统计、专家评议,评出AI 奥斯卡的获奖名单。今日头条获评其企业榜单——“AI 奥斯卡”巨星企业Top 10。

2. 链家获评“2017企业社会责任年度影响力奖”

11月21日,由中国社会科学院指导,《中国经营报》社主办的“产城融合——2017中国城市发展峰会”在北京举行。链家凭借致力于打造“住”的入口,近年深耕社会责任,获评“2017企业社会责任年度影响力奖”。

3. 车和家荣登“2017中国硬科技领域创星企业50强”Top10

中共西安市委、西安市人民政府于2017年11月7日—8日在西安举办“2017全球硬科技创新大会”。邀请国家部委、省委省政府领导,诺贝尔奖获得者、国内外相关领域院士专家、科技企业领袖、知名投资人等约800余人参会。会上重磅发布了“2017中国硬科技领域创星企业50强”,车和家位列Top10。

4. 智融集团荣获“2017年度德勤—华兴中国明日之星”和“年度人工智能杰出应用企业”

11月9日,德勤2017中国高科技高成长50强颁奖典礼在广州正式拉开帷幕,该奖项在全球范围享有盛誉,可谓业界最具权威性、公正性及投资指引价值的榜单之一。智融集团凭借人工智能技术在金融领域应用的出众表现,历经严格筛选,从一众实力企业中突出重围,荣膺德勤高科技高成长50强评选姊妹项目“2017年度德勤—华兴中国明日之星”奖项。

11月24日,由新闻晨报、锐观察联合推出的第三届金罗盘评选结果出炉。结合互联网金融行业的发展,考虑到行业监管、合规要求的持续增强,今年评选主题是“金融科技,砥砺前行”。智融集团凭借专注于人工智能技术在金融领域应用的杰出表现,荣获“年度人工智能杰出应用企业”。

5. 随手科技荣获“2017年度金融科技最具投资价值企业”

以“创新•迭代•赋能”为主题的第四届金融科技CEO领袖年会暨投资峰会在深圳举办。福田区人民政府副区长何杰、福田区政协副主席李宁等政府领导,以及多位金融科技产业及创投领域资深人士出席活动。大会还对相关领域的领军企业进行颁奖,随手科技(随手记)等十家企业荣获 “2017年度金融科技最具投资价值企业”奖。

6. 车300荣获“汽车金融服务创新奖”

11月13日至15日,由中国汽车流通协会主办的“2017中国汽车流通行业年会暨博览会”,在苏州国际博览中心举行。会议期间,中国汽车流通协会颁发了2017年度中国汽车流通行业相关荣誉奖项,车300凭借在金融业务上的突出行业贡献和市场的优秀口碑,荣获2017中国汽车流通行业“汽车金融服务创新奖”奖项。

7. 小牛电动荣获中国外观设计优秀奖

小牛电动获第十九届中国外观设计优秀奖的小牛智能锂电电动车M1系列位列其中。“这款M1系列,已经是设计大奖的‘获奖专业户’了。”小牛联合创始人、供应链副总裁何卫华告诉记者。早在去年9月,M1系列就获得了台湾金点设计奖。今年3月,M1从54个国家的参赛作品中脱颖而出,斩获素有“设计界奥斯卡”之称的德国红点设计大奖,这也是中国电动车品牌首次摘得国际设计奖项;8月,M1摘得美国IDEA工业设计优秀奖;9月,获得有“东方设计奥斯卡奖”之称的日本优良设计大奖(Good DesignAward)。这意味着,当今国际三大设计奖(美国IDEA、德国红点奖、德国“iF奖”),小牛电动已将其中两项收入囊中,对于整个电动车行业的设计品质国际评级是一次“零的突破”。

 

以资产管理的视角看新金融的机会 | 源码内参

作者 张星辰

观点

  • 新金融都有哪些物种?
  • 以资产管理的视角看新金融还有哪些机会?
  • 我们的投资思路是什么?

一、新金融都有哪些物种

“新金融”是一个相对笼统的叫法,但有一个比较清晰的边界,就是科技驱动的金融机构/金融服务企业。我们认为,新金融的物种未来将会极大丰富,我们现在的新金融还处于初级阶段。

新金融大致可以分为以下三类:

a.消费者的信贷和泛资产管理
b.企业的金融服务
c.金融机构信息化和服务

从源码资本创始合伙人曹毅的“三横九纵”投资地图来看,新金融的初级阶段正在经历一个三浪叠加的进程:线上化、智能化和国际化同时在发生,这一点在消费者群体中表现最为明显。

同样,对于大部分企业和金融机构来说,他们的线上化过程比较缓慢,不过也正是这样,给我们带来了下一波新金融的大机会。今天,我们以金融机构为例,以资产管理的视角,来看下新金融的机会在哪里。

图:三横九纵的投资地图

二、以资产管理视角看新金融机会

资产管理是金融机构的一个核心业务,同时本身也是一个视角,包含资金募集/获取、投资(投前分析、投资决策、风险控制)、投后管理、交易、退出/处置等几个环节。我们按照资产类别去切分,包括债券、股票、期货、非标债权、票据、衍生品等,不同的资产类别的“资管方式”各不相同,同时金融机构又在管理多种资产且价值创造方式不同。

用资产管理的视角,可以帮助我们了解到,新金融公司是在什么资管环节或是资产类别中创造价值。以我们最近的观察,在每一个细分的资产类别,各个环节都在发生着一些共同的变化,这些变化可以互相印证,指导我们发现新金融的各种机会。

1、资金募集/获取

P2P在过去几年经历了快速发展和监管的历程,与此同时,各类金融机构的资金募集/获取也随着科技日益发展。激进的机构如招行,自己组团队一步到位做 “摩羯智投”,也激励着诸多之前标杆betterment的创业公司转向为银行提供类似的智能投顾服务。与此同时,银行、保险和基金利用微信公众号和微信群、蚂蚁财富号、手机银行和直销银行、代理人工具、银银(保)合作等渠道服务更多的客户,背后的营销、数据分析、系统对接等都有创业公司的身影。

银行等机构以外,资本市场的钱越来越多的通过公开的海量数据,以归因分析、多因子模型、动态资产配置等方式,分配给有能力的资金管理人;高净值财富管理机构,也在根据用户画像,分析其资产风格和类型,并通过评估理财师的能力模型,更好的服务客户。几乎每一种资金,都在以越来越”聪明”的方式找到更合适的风险-收益资产,此外资金募集又是监管最严格的环节,新金融的机会在于利用技术和产品做好服务,潜力巨大。

2、投资(投前投中)

这一环节是资产管理的核心,又有几部分重要内容:系统建设、数据接入、投资策略生成、投资决策过程、风险控制

投资的竞争极其激烈,每个机构都在试图系统性的获取不同的竞争优势,而信息化和智能化在此扮演重要角色。对于一个百亿级别的资产管理机构来说,一套完备的投资系统必不可少,这套系统最好有统一的数据接入和初步分析、风控模型和定价工具。利用深度学习更好的处理信息和数据可以提高决策效率。以二级市场资产为例,万得(Wind)已经不太能满足机构更全面的数据需求,市场需要不同数据源(互联网、硬件设备甚至卫星图像)产生的非结构化数据、多维数据的整合和分析、也需要更好的量化模型和交易策略。这些产品不仅仅适用于二级市场,更广泛的在银行信贷、一级市场、保险、固定收益等领域出现。此外,独有数据的巨大优势,是能够以上帝视角或者对资产的深刻理解,做出不同于大部分投资机构的正确决策。

在“投资”这个环节中,新金融公司正在以其在系统、数据、模型、人工智能技术等优势,逐渐建立壁垒。

3、投后管理

资产的投后风控、估值、监控追踪,也在很大程度上决定了投资收益的好坏。过去的银行可能不能及时得知信贷企业客户的子公司已经违约,或者FoF没有发现某个私募基金净值已经跌到了赎回线。企业债券的刚兑已经被打破所以要有能力及时排雷,承保的车险用户也不可能总是莫名其妙的出事故。资产的类型多种多样,但投后的管理需要更加实时、准确、数据驱动。互联网的数据已经足够多,未来还会随着物联网变得更丰富。

不仅是数据层面,资管机构越来越需要一个全面的中后台,对所有资产做全面的风控、应对严格的监管、并利用分析结果做资产配置的调整。新金融公司在投后管理领域可以先找到小的切入点,再结合机构需要找到做更大业务的机会。

4、交易

交易与前文的投资不同,交易的产生和扩张取决于数据可得性、信息透明程度、资产标准化、定价能力和参与者资金规模。过去有些资产不能交易,现在随着数据的线上化、更完善的定价能力逐渐变得可交易。

有些资产的交易模式比较落后,需要用新的模式/软硬件/算法做些革新;成熟的交易市场也仍然需要先进的技术提高交易效率;还有些市场交易规模仍然比较弱小,未来可能有巨大的发展,但需要更完善的市场参与方、数据工具、报价系统等基础设施。这里存在着新金融公司对传统机构的颠覆机会,值得重点关注。

5、退出/处置

很多机构在 “投资”环节花费了大量人力物力,却忽略了退出环节的重要性,而完成资产收益的闭环需要这一个环节。流动性较好的资产需要数据支持的退出决策,流动性差的资产,例如不良资产处理,在消费金融过去两年有了很大的发展,预计未来也会扩展其他资产类别。我们会继续保持观察这一领域的机会。

三、投资思路 

以资产管理为视角分析完后,我们对于投资新金融公司的有几个方向性的判断:

  1. 新金融公司与传统金融机构长期是合作大于竞争,但会互相渗透;
  2. 并不是越轻的模式越好,模式取决于金融机构需要的产品和服务;
  3. 产品不在于是SaaS还是私有部署,核心是能否获取业务相关的脱敏数据;
  4. 单一产品可能会被更高维的产品覆盖从而丢掉客户,内外部数据结合是粘性和壁垒;

总结:

我们认为新金融的浪潮仍处于中早期,创业者们在理解客户需求、技术产品、数据和团队战斗力等方面有明显的优势,同时也面临资金、资源、监管和招聘等方面的约束,源码资本愿意继续长期支持新金融的创业者,创造持久真实价值。

 

技术预言的陷阱 | 源码内参

作者 王晓亮

观点

  • 各种模型本质上都是从某些侧面对复杂世界所做的局部剪影,只满足于局部清醒而忽略全局未知因素的人,很可能会掉入模型的陷阱中;
  • 技术本身是极难预测的因素,即便是代表业界共识的Gartner曲线,在预判新兴技术走向时也远不够准确;
  • 在不确定性问题上,应追求认知优势而非完美预测,对变化和差异做二阶思考有助于建立这一优势。

一、命中抑或巧合?

1999年夏天,整个硅谷沉浸在燥热的狂喜里。Web技术和电子商务成为口口相传的热词,谁不谈论“新经济”、“新秩序”,谁就会被当成商业社会的盲人。初创公司只需在名字上加“e”或“.com”就能让估值翻番。《连线》杂志更是给出大胆预言:未来25年整个世界将步入长久的繁荣(The Long Boom)。

然而在大洋另一端,Gartner伦敦办公室的分析师Alexander Drobik却感到一阵莫名的寒意。这位IT老兵曾在航空业服役多年,早就见证过电子商务在机票预订和全球分销系统中的成熟应用。在他看来,别人谈论的e-business并不是多么颠覆性的技术,不值得市场为那些止不住亏损的公司贴上比盈利良好的公司更高的价签。他联想到1720年著名的南海泡沫,联想到四周助推互联网公司上市的狂热,他把市场预期与技术成熟度的偏离画在了文章开头那条有起有落的曲线上——这是Gartner在四年前刚提出的分析工具——然后他给出一个大胆预测:互联网泡沫将在2001年前崩盘。

这个观点在当时太过离经叛道,以至于Gartner内部也引起了不小争论。历经数月说服,评审委员会才下定决心将研报下发给数千名客户。这一天是1999年11月9日。四个月后,美国股市真如Alex预言的那样开始崩盘,NASDAQ指数在上探到历史新高5132.52点后急转直下,到2001年几近腰斩。Gartner光环曲线(Gartner Hype Cycle)也因此在业内一战成名。

但更重要的是,Alex不只预言了2001年电子商务的衰落,也预言了2003年后“True” e-business的诞生。回顾历史,LinkedIn2002)、Skype2003)、Facebook2004)、Twitter2006)都是在这段时期崭露端倪。这引起了业界和学界对Gartner曲线的兴趣——新技术的走向真的可以被预测吗?

二、统计意义上不够准确

如果你肯花时间,总能找到更多支持这条曲线的例子。比如Web技术公司的发展轨迹,Amazon和Yahoo在1998-2005年间的股价变动就和曲线走势非常接近。但你也可能听说过“后见之明”与“幸存者偏误”,很多事后看来有迹可循的因果链条,在萌发之初其实充满不确定性,只是我们选择性地过滤掉了那些与现状不相符的线索,好让它在叙事上显得融洽、和我们假想的模型更一致。

为了消除这种偏见,你应该提出反问:有多少曾经红极一时的公司没能从困境中爬出来?有多少曾被预言为前景广阔的技术最终只是昙花一现?

2016年,Icon Ventures的投资人Michael Mullany对此做出了有趣的探究。通过回溯2000-2016年间Gartner光环曲线提及的200多项新兴技术,他发现:

  • 在炒作高峰后跌入谷底的技术中,很多没能再爬起来;有超过50项技术只炒作了一年就淡出人们视野;其中众包(2013)、HTML5(2012)、BYOD(自带设备,2012)和播客(2005)等技术虽然仍在使用,但也只能算是小有成就。
  • 只有4项重大技术很早就被发现,而且完整地经历了曲线先起后落再起的阶段;它们是:云计算(2008)、3D 打印(2005)、自然语言搜索(2002)和电子墨水(2000)。
  • 有一些被炒作过的领域在技术洞察上是有前瞻性的,但却因落地方式不对或市场仍不成熟,直到数年之后才重新得到应用,例如 Web Service Enabled Business Model(2003;现在Twilio、Plaid等公司采用这种模式)、公共认证服务(2002;类似于现在的Oauth认证)、万亿级架构(2006;可以容忍局部故障并尽快恢复的大规模计算体系)。
  • 技术曲线也漏判了很多重大技术,如x86、NoSQL、Hadoop、开源技术等,它们或者很晚才被发现,或者从未出现在光环曲线上。换言之,如果你是all in黑科技以求弯道超车的CEO,或是照着Gartner曲线撒网早期项目的的投资人,那么多数时间你都会铩羽而归。因为统计意义上,Gartner曲线的预测并不准确。但如果你擅长做二阶思考,能从人们都看得见的信息里发掘出少有人思考过的盲区,那么这条曲线其实很有价值。


三、从二阶思考中淘金

不妨从一个简单例子入手。下图是2017年7月发布的新兴技术曲线,密密麻麻排布着32项技术。如果你是创业者、投资人、咨询师,你的第一印象会是什么?

  • 看起点,5G技术和边缘计算(edge computing)首次上榜,并被寄予厚望;
  • 看高峰,物联网平台、深度学习、机器学习风头正盛,且预计2-5年内能进入成熟期;
  • 看低谷,增强现实和虚拟现实的预期回归理性,且业界认为,虚拟现实正逐渐展露出应用前景。

这些结论都不错。但它对创业/投资/商业管理意味着什么?如何将它应用于行动和判断?这些才是我们真正感兴趣的议题。让我们对曲线做些加工,以投资领域为例,画一个4*4的矩阵,横轴是一项技术距离得到广泛应用所需的时间,从最短的“2年以内”到最长的“超过10年”,对应Gartner曲线上四类不同的标志;纵轴是我们对其商业价值的预判,同样分为四个层级。然后可以将曲线上的点一一映射到下图的矩阵中,对不同技术采取不同的投资策略。例如:一项技术的价值如果是颠覆性的,且在5年内能得到广泛应用,那我们就应当给予最高的投研优先级(对应图中深红区域);反之,如果一项技术有较高价值,但距离工程和商业上的成熟还有5年以上距离,那么我们应当谨慎布局或者以储备认知为主(对应黄色和灰色区域)。

注:上图在技术成熟度和商业价值的判断上与Gartner曲线有所差异;仅供示意,不构成投资建议

你能在Gartner每年发布的报告中找到类似的矩阵(关键词:Gartner Priority Matrix)。但仅仅对曲线做形式上的变换,并不是我们的最终目的。信息的价值来源于差异化的思考和对变化的追问,例如:

  1. 评估准确性:Gartner对技术成熟度和潜在商业价值的判断和我一致吗?哪些过于乐观,哪些过于保守?相应的,各项技术在矩阵中的位置应该如何调整?
  2. 识别差异性:成熟度其实分两个维度——工程上和商业上;不同行业、不同国家在这两个维度的情况一样吗?在我关心的市场上,该技术的发展处于什么阶段?
  3. 动态化思考:哪些技术去年出现了而今年没有出现?哪些技术曾经消失而今年又一次上榜?背后的原因何在?媒体的热情曝光会缩短一项技术的成熟周期吗?哪些技术可能还没等自身成熟就已经被新浪潮取代?

对这些问题的回答决定了认知的质量。谨记Peter Thiel的教诲:公开的秘密没有价值,能带给你优势的,是别人未必认同但你却深深相信的道理。

限于篇幅,我们仅以最后一个问题为例做些延伸和阐释。对其他问题感兴趣的朋友可以持续关注源码的文章,或者从文末的问答环节寻找更多线索。

源码资本创始合伙人曹毅曾在《科技创新的9个面孔》一文中提出过三浪叠加的原理

通常第一波技术驱动产生的影响正在势头上,第二波大的浪潮已经起来,有时甚至第三波浪潮也在积蓄力量。最典型的例子是2008年的中国零售业:第一波浪潮里,传统零售业在通过科技手段不断提高效率;第二波则是苏宁、国美这样的卖场通过“科技化”、“连锁化”、并购等方式做全国性扩张。那时大家都在享受超过百分之几十的增长,虽然也看到了第三波浪潮中以淘宝为代表的电商的崛起,但都误以为自己已经站得很高,而电商体量太小,不会对自己构成威胁……最后结果是,长江后浪推前浪,前浪死在温柔乡。

零售业并非个案。如果你有心回溯过往的Gartner曲线,会发现更多有趣的例子。

2003年,Gartner在消费新兴技术曲线上将MP3播放器列为即将走出低谷、得到广泛应用的技术;而到2007年,这项技术确实如愿走上了生产力的高峰。但就在同一年,另一项技术也悄悄攀上风口,它起初被称为Ultramobile Devices(超便携类计算机设备),而后演化出超极本、平板电脑,以至于今天无所不能的智能手机。MP3播放器的市场则在新技术侵蚀下逐渐萎缩,以至于今天,更多时候是作为便携设备的子功能。

类似的还有视频点播技术(Video on Demand)。2003年,Gartner认为至少还需5-10年这项技术才能成熟;但到了2007年,这项技术已经迎来商用的曙光,人们甚至开始畅想更快更好的宽带视频点播技术。然而谁都没想到,十年后的今天,最普及的却是彼时被看衰的移动端流媒体播放(Mobile TV Streaming)。

我并不想造成一种“唯新技术是瞻”的误解,只是想提醒那些已有成就的探索者们,对事物的变化仍要保持足够的敏锐,思维模型也需要时时更新。技术上的先发优势不总能保证你的商业模式固若金汤。它更应被看成一条生态链,螳螂在先,后有黄雀。所有技术物种都要靠不断进化和迭代才能保证阶段性的安全。

四、清醒者的困境

在文章最后,我想把视角再次拉回互联网泡沫破灭的那个夏天。

2000年,福布斯杂志向550家VC发出了关于投资回报的问询。其中Accel Partners第五期的21.6倍和Charles River Ventures的16.8倍在今天看来依然耀眼(数年后Accel投资了Facebook,CRV投资了Twitter,但同期回报都没能超过这个标杆)。

可即便是这两家明星VC,在Crosspoint Venture Partners面前也略显失色。Crosspoint在1996年那一期基金的回报是33.7倍——相当于四年前投资过1美元的LP,现在已经拿回了29.6美元,而且还有4.1美元在账户里。所以即便二级市场开始雪崩,Crosspoint依旧顺利募集了单期8.5亿美金的超级基金。

然而就在这年年底,Crosspoint突然宣布将本期基金全部退还给LP,并且无限期暂停下一期基金的募集。这在业界引起一片震动。其合伙人Rich Shapero不得不向外界解释:“二级市场的崩溃让我们过去所有的预测模型都失效了…如果市场的繁荣一去不复返,我们就没办法交出我们想交出的成绩单…我们有伟大的历史,我们不想毁掉它…这不是一个投资任何公司的好时候”。

摘自《一支顶级VC的自杀》,刘元,有改动

不是一个投资任何公司的好时候。这句尤其耐人寻味。

从结果看,NASDAQ指数直到2012年才重新站上3000点位;1999和2000年也成了美国风投历史上唯二的负IRR年份。但从另一面,Crosspoint也错失了这十二年来成立的LinkedIn、Skype、Facebook、Twitter、Airbnb和WhatsApp,而它的老对手NEA、CRV、Benchmark、Sequoia却坚持到了这些独角兽长成参天大树的那天。

可以说,Crosspoint对互联网泡沫和市场衰退的判断是清醒而准确的,只是这种宏观上的清醒并没能带来微观上的好运。风险投资本质上是一个捕捉正向黑天鹅事件的过程——多次有限损失的试错,总可以被一次极大收益的命中抵消。在黑天鹅问题上,起作用的不是平均值,而是极端值。就好比你无法安然渡过一条平均1米深的河流,因为风险全在河流最深处。纳西姆·塔勒布是研究黑天鹅事件的专家,他在金融危机爆发前数年就曾写书揭示金融体系的风险,他的经验或许可以给我们一些启示:

  • 任何从观察中获取的知识都有陷阱。看过一万只白天鹅也无法证明黑天鹅不存在,这是归纳法固有的局限。在损失有限而收益无穷的问题上,你不知道的事比你知道的事更有意义。试图靠归纳法预测黑天鹅的人多半徒劳无功。在不确定性问题面前,你更容易通过收集证据来证明哪些事情是错的,而不是哪些事情是对的。证伪的价值总是被低估。
  • 人们在使用科学模型时往往会犯两个错误:一是对问题做不恰当的抽象和简化,比如试图用平均值去概括一个80/20分布的事物,而忽略变量的方差;二是自我确认偏误,复杂系统内部往往充满难以察觉的相互依赖和非线性关系,如果你只关心如何微调自己对普通事件的理解,使新事件适应旧模型,那么最终模型会变得异常复杂以至于偏离真实情境。

塔勒布的观点需要绕个弯才能理解。他揭示的不是“什么可为”,而是“什么不可为”。在他看来,人们过于轻视那些无法被语言精确描述的知识,过于迷信自己构建的模型,最终注定要在模型匹配不了现实的地方落入陷阱。

而无论是Gartner曲线本身,还是Michael Mullany对曲线的回溯,抑或是Crosspoint对泡沫崩盘后世界的判断,本质上都是从某些侧面对复杂世界所做的局部剪影。对局部足够清醒是必要的,但不能因局部的自信而忽略更大的图景。在全局中,你不知道的事可能扮演着更重要的角色。保持谦卑心,不断扩宽认知边界,这既能帮你更好地抵御风险,也可能让风险站到对你更有利的一边。

五、One More Thing

在解释Gartner曲线的过程中,我有意避开了一些容易让人分神的技术细节。如果你对此感兴趣,下面两个自问自答可以视为上述内容的注脚和补充。

Q1Gartner曲线是如何画出来的?背后有没有实证研究作为支撑?

A1:很多频繁引用它的人都不知道,这条波浪线其实是两条曲线的叠加。一条是Hype Level,反映的是媒体和公众对于该技术期望值中虚高的部分;另一条则是工程与商业上的成熟度。两者叠加后,Y轴对应一项技术的实际期望(expectation),X轴对应时间的演进。

Hype的本意是“夸大的宣传”。当一项技术取得突破、发布demo或推出产品时,媒体往往会快速跟进,关于技术前景的畅想和传闻会抬升公众的兴趣度。但随时间推进,客观的分析和试错会越来越多,宣传中不实的成分也就逐渐被市场淘汰,这是Hype Level先走高后回落的内在逻辑。而一项技术在工程和商业上随时间推进愈发成熟,这也和我们的常识相符。

需要注意的是,无论是hype还是expectation(即曲线Y轴),目前都没有统一的、公认的指标可以度量;技术成熟度和商业成熟度亦然。Gartner团队是通过访谈业内专家和从业者并进行分析预测的方式,来确定各项技术在曲线上所处的位置,因此存在一定的主观性,也不适合以定量眼光去考察,它的价值更多在于定性揭示各项技术在憧憬和现实间的偏离程度。

Q2:曲线只有这一种形态吗?有没有哪些变体?

A2:远不只一种。有些技术可能会经历凤凰涅槃式的变化,在首次出现时被热捧,而后因技术尚不成熟趋于冷寂,但数年后又因技术和产品上的重大进展重归大众视野,并掀起新一轮的炒作高峰。这时曲线会出现“双峰”形态,甚至第二峰比第一峰还高。一个经典的例子是Virtual Reality,你能猜到它最早一次出现在Gartner曲线上是什么时候吗?答案是1995年。

除Hype Level外,另一个思考维度是Maturity。技术并不总遵循线性增长的模式,有些技术的成熟周期明显比其他短。背后的原因可能有这样几类:

  • 使用极其简单,安全隐患低,因此很快能从to C生意扩展到to B端;
  • 技术有很强的可见性和示范效应,当其他人使用时,易于出现病毒传播;
  • 产业链上游的供应商合力推动,或是技术本身可以借力现有的基础设施。

对应下方左图,当一项技术有幸踏上发展的快车道时,很可能不会有明显的低谷期,而是在预期回归理性后就步入成熟应用。反之,也有一些技术会经历长达数十年的低谷,因为底层科学研究的进展远比预想中缓慢,如人工智能和纳米计算。

另一类变体是“马尾效应”,指一项技术在工程上趋于成熟,但在不同行业中的发展命运却呈现明显差异。上图右侧给出的例子是RFID。这项技术在90年代中期曾被各行各业寄予厚望,但最终得到广泛应用的领域主要是快消和零售,在航空业货物分拣上的尝试很早就以失败告终。

此外,空间和时间的差异也值得考虑。一项技术在不同国家或地区所处的位置可能不同,但发展路径有相似性。先行者靠试错积累的经验既能为后来者指明道路,也能加速该技术在后发地区的成熟速度,进而产生空间套利的机会。这和孙正义常说的“时间机器”理论不谋而合——先在美国这样的发达国家开展业务、验证模式,然后等时机成熟再凭经验优势杀回日本和中国。