意识的生理基础

简单来说:

意识的生物学基础是大量神经元集群的协同活动

虽然说意识无非是大量神经元的协同活动。但是这里的“大量”和“协同”才是根本性的关键问题,也是普通人很难使用实际形态的事物或者概念去理解的——这么物理/数学模型简单的神经元,如何大量地协同起来去达成复杂的功能的呢。

1. 意识的最基本单元:神经元和突触

基本神经元连接模式

神经元之间最直接的连接在于从一个神经元的轴突到另一个神经元的树突通过突触的连接。一个神经元的树突可以接收多个神经元轴突的连,同样地,一个神经元的轴突也可以连接到多个神经元的树突。姑且认为,这种连接是单向地,也就是,信号以放电的形式,只能从上一个神经元的轴突传导到下一个神经元的树突。实际上,即使这种连接是双向的,如果转换成网络,两个神经元组成的无向图在拓扑上等价于由它们组成的两个有向图。所以,我们考虑神经网络的问题,可以把这个生理结构最为简单化,也就是使用最为简单的数学/物理模型表示:

计算机神经网络基本单元

一个神经元j接收由上一个神经元传来的信号(强度) I_{k} ,并给出反应(放电) y_{i} . 这个神经元对于来组不同轴突的信号敏感性不同,对于 I_{k} 信号所来的轴突,其敏感性为 W_{I_{k}} ,同时该神经元对信号的响应函数(激活函数)为f, 那么对于这个信号的输出 y_{i}=f(W_{I_{k}}I_{k}) . 如果考虑来自于n个轴突的信号,则有:

y_{i}=f(\sum_{i}{W_{I_{i}}I_{i}}) . 实际上,神经元总是有一个额外的输入,称为bias, 并有对应的敏感性(权重),这里暂不考虑。

2. 神经元到神经元网络

神经元网络局部

从几个神经元到神经元网络,事情就突然变得复杂起来,因为这个事情的复杂度至少是指数增长的。不过我们仍然可以使用类似如下一类的多个基本神经元网络来等价生物神经元网络的拓扑结构:

神经网络,前向传输

这就是我们经常听说或者接触的神经网络。可以这样简单理解:多个数据从各自对应的树突传入,经过几个神经元的处理(加权、响应、bias等),在某个神经元的轴突传出放电信号。这个过程在生物大脑中无时不在进行。

在生物体中,神经元网络里的权重和响应函数可以通过多种方式得到改变。对于底层功能,比如基础视觉、听觉,最为常见的权重改变方式为“用进废退”(Use it or lose it) [1]. 也就是,使用越多(在适度的方位内,放电越频繁)的神经元连接会得到增强,而长期不使用的神经元连接会被削弱甚至断开。对于高级功能对应的神经元/神经元网络,其权重改变方式则要多变和复杂的多,除了用进废退,还有反馈,协同等等已知和未知的方式。

在现有的常见神经元系统中,神经元连接权重的改变的主流方法在于反向传输(Back Propagation)[2, 3],这是一种反馈方式. 简单来说,就是将输出信号跟目标信号以一定方式进行比对(loss function),然后将误差反向传导,以一定的速度(量)来改变对应神经元连接的权重(微分)。通过如下简单的python代码可以很容易的理解这个过程:

import numpy as np
N, D_in, H, D_out = 64, 1000, 100, 10
x = np.random.randn(N, D_in)
y = np.random.randn(N, D_out)
w1 = np.random.randn(D_in, H)
w2 = np.random.randn(H, D_out)
learning_rate = 1e-6
for t in range(500):
    # Forward pass: compute predicted y
    h = x.dot(w1)
    h_relu = np.maximum(h, 0)
    y_pred = h_relu.dot(w2)
    loss = np.square(y_pred - y).sum()
    print(t, loss)
    # Backprop to compute gradients of w1 and w2 with respect to loss
    grad_y_pred = 2.0 * (y_pred - y)
    grad_w2 = h_relu.T.dot(grad_y_pred)
    grad_h_relu = grad_y_pred.dot(w2.T)
    grad_h = grad_h_relu.copy()
    grad_h[h < 0] = 0
    grad_w1 = x.T.dot(grad_h)
    # Update weights
    w1 -= learning_rate * grad_w1
    w2 -= learning_rate * grad_w2

3. 意念对象与Autoencoder

这里,我将意念对象定义为我们在意识中想象事物或者概念。举例来说,我们想到树,会在意识中绘制其形状、色泽、动态特征等(编码过程)。如果问我们怎么知道我们想的东西是树呢,因为我们想象的形状、色泽、动态特征符合树的特征。当然,对于一个没见过树的可怜人来说,TA是不可能一下就能获得这个正确的意念的,而是需要多次的看、触摸以及想象。那么为什么我们人总是能通过这样的方式获得正确的意念对象呢?

换用到计算神经网络,这就变得容易解释起来。在神经网络语境下,Autoencoder(自编码器)是一种应用反向传输算法的非监督学习神经网络,其训练的方法在于让网络的输出等于其输入,也就是 H_{W, b} (x)\approx x .

Autoencoder

一般地,Autoencoder被认为是一种数压缩算法,其数据的压缩和解压缩(decoder)是数据相关(数据驱动)、有损的。考虑到生物大脑神经网络的复杂性,我们有理由相信,在高等生物大脑中,存在大量的Autoencoder-decoder网络结构。而越来越多的神经科学研究也支持这一显然性的假设——我们因此能使用一些简单的算法,从大脑的信号中解码出视觉信息[4], 解码出的信息跟视觉信号输入高度类似,但也反映出一定的“压缩”特征:

从大脑信号中解码出视觉信息

Autoencoder的训练方式非常简单,就是让输出等于输入。这对于一个空白的、没有事物概念的人脑(刚出生的婴儿)来说,训练是可行的。Autoencoder的存在可能是我们意识中生成意念事物结构基础。我们想象人脸,在意识中生成的图像不是某一个具体的人的人脸,而是人脸的很多特征的组合——形状、肤色、结构和结构关系等,这些具体的特征就是Autoencoder的feature map. 由于Autoencoder的数据驱动性,我们意想同一个事物所生成的图像不是一成不变的,随着年龄的增长,我们意想的人脸可能更年长;出国生活一段时间之后,意想的人脸可能更具有一些外国人的特征。

4. 意识的噪声/潜意识、梦与 GAN

GAN(Generative Adversarial Network, 生成对抗网络) [5]是目前在机器学习领域最为火热的话题之一(可能没有之一)。GAN的提出受启发与二人零和博弈,GAN中有两个这样的博弈者,一个生成模型(G, Generator),另一个是判别模型(D, Discriminator)。以图像生成模型举例。假设我们有一个图片生成模型,它的目标是生成一张真实的图片,同时我们有一个图像判别模型它的目标是能够正确判别一张图片是生成出来的还是真实存在的。其训练过程如下:

生成模型生成一些图片->判别模型学习区分生成的图片和真实图片->生成模型根据判别模型改进自己,生成新的图片->····

这个训练过程直到判别模型无法通过训练提高自己的判别精度,也就是无法区分生成模型产生的图片是虚构的(网络生成的)还是真实存在的。典型地,假设生成模型是 G(z) , 其输入 z 是一个随机噪声,而 G(z) 则是将这个随机噪声转化为一张图片(尽量跟真实图片接近,从而愚弄D)[6]:

一个典型的生成模型G,输入是噪声信号(随机信号)z

GAN的训练过程由于涉及到两个网络的优化,其训练过程较一般神经网络要更复杂——两个网络相互对抗、不断调整参数,从而生成以假乱真的效果:

早期GAN生成的人脸[5]

对于我们人脑来说,这个联合训练过程是一直存在的,我们在大脑中生成意向,同时还用意识(逻辑)判断这个意向是否准确; 同时,对于我们越了解的事物,生成的意向的细节就越丰富。另外还有一个有趣的因素在于,我们大脑中生成网络所依赖的神经结构和判别网络所依赖的神经结构在空间区域上有所不同——生成图像、声音等网络的结构涉及级视觉、听觉等皮层,它们位于枕叶、颞叶等区域;而判别网络设计的逻辑推理等相关结构则大量位于前额叶及附近区域[7-9]。这一异位造成了非常有趣的结果——我们人类在意识放空、睡眠时候,前额叶区域的活跃水平会明显下降,而视觉、听觉皮层在这个时候可能保持高的活跃水平[10, 11],也就是生成网络所依赖的结构活跃的同时,判别网络的结构功能受到抑制——这大大抑制了判别网络的性能表现,而生成网络的性能较少受到影响。这个时候、我们的潜意识信号(来自神经系统广泛存在的噪声)则会作为输入,以生成网络的输出的形式浮现出来,而我们的判别网络误以为真,从而意识跟着这些生成的假意向移动,造成梦里的图像和剧情。我们大脑中没有受到抑制的记忆相关区域则不分真假、公正无私地把这些过程存储下来,形成我们醒来之后的梦的记忆——光怪陆离、时真时假,通常逻辑混乱。这就是我们的“梦”的神经网络解释。

在我们的神经系统生病、受到压力时候,生成网络和判别网络所依存的神经结构可能已经受损,这会使我们产生幻觉,以及更为怪诞的梦境。

5. 意识与 Hidden Markov Model(隐马尔可夫模型)

光有意念对象还不够,这些意念对象要相互联系起来,流动起来,加入逻辑,构成“剧情化”的形象,才叫做意识。

马尔可夫链

意念对象,可以认为是马尔可夫过程中的状态,一种状态以一定概率跃迁到另一种状态(可见状态链),就将各个意识对象联系起来,同时我们不用了解这些状态之后的具体影响因素(隐含状态)。由于隐马尔可夫链[12]的这一特性,我们经常地将前后出现的事物之间的关系误解为因果关系。我们在成长的过程中,不断地改变这些状态之间跃迁的概率,使它更符合外界事物的情况,同时使我们自己越来越reasonable, 越来越理性(理想状态下)。

由于人脑神经网络的复杂性,这里列举的网络结构只是九牛之一毛。个人认为这些网络结构的原理和特性对于我们理解意识的机制是最为重要,所以加以来说明。此外还有一些网络也是非常常见的,同时不可或缺,比如我们常见的CNN(Owl of Minerva:卷积神经网络工作原理直观的解释?), RNN, LSTM,Restricted Boltzmann Machine等。

通过上面的说明,我们可以发现,“意识”并不是一个纯生物学的机制,我们不能单纯地把它放在生物学/神经科学/心理学的范畴下求解


[1] Lim, J. H. A., Stafford, B. K., Nguyen, P. L., Lien, B. V., Wang, C., Zukor, K., … & Huberman, A. D. (2016). Neural activity promotes long-distance, target-specific regeneration of adult retinal axons. Nature neuroscience, 19 (8), 1073-1084.

[2] Hecht-Nielsen, R. (1988). Theory of the backpropagation neural network. Neural Networks, 1 (Supplement-1), 445-448.

[3] Le Cun, Y., Touresky, D., Hinton, G., & Sejnowski, T. (1988, June). A theoretical framework for back-propagation. In Proceedings of the 1988 Connectionist Models Summer School (pp. 21-28). CMU, Pittsburgh, Pa: Morgan Kaufmann.

[4] Miyawaki, Y., Uchida, H., Yamashita, O., Sato, M. A., Morito, Y., Tanabe, H. C., … & Kamitani, Y. (2008). Visual image reconstruction from human brain activity using a combination of multiscale local image decoders. Neuron, 60 (5), 915-929.

[5] Goodfellow, I., Pouget-Abadie, J., Mirza, M., Xu, B., Warde-Farley, D., Ozair, S., … & Bengio, Y. (2014). Generative adversarial nets. In Advances in neural information processing systems (pp. 2672-2680).

[6] Radford, A., Metz, L., & Chintala, S. (2015). Unsupervised representation learning with deep convolutional generative adversarial networks. arXiv preprint arXiv:1511.06434.

[7] Heit, E. (2015). Brain imaging, forward inference, and theories of reasoning. Frontiers in human neuroscience, 8, 1056.

[8] Fangmeier, T., Knauff, M., Ruff, C. C., & Sloutsky, V. (2006). fMRI evidence for a three-stage model of deductive reasoning. Journal of Cognitive Neuroscience, 18(3), 320-334.

[9] Christoff, K., Prabhakaran, V., Dorfman, J., Zhao, Z., Kroger, J. K., Holyoak, K. J., & Gabrieli, J. D. (2001). Rostrolateral prefrontal cortex involvement in relational integration during reasoning. Neuroimage, 14 (5), 1136-1149.

[10] Kosslyn, S. M., & Thompson, W. L. (2003). When is early visual cortex activated during visual mental imagery?. Psychological bulletin, 129 (5), 723.

[11] Horikawa, T., Tamaki, M., Miyawaki, Y., & Kamitani, Y. (2013). Neural decoding of visual imagery during sleep. Science, 340 (6132), 639-642.

[12] Blunsom, P. (2004). Hidden markov models. Lecture notes, August, 15, 18-19.

来源:知乎 www.zhihu.com

作者:Owl of Minerva

【知乎日报】千万用户的选择,做朋友圈里的新鲜事分享大牛。
点击下载


一加手机与一加电视之间还差一个沙漏

正午 12 点的一加公司,工位上很空,少数可见的员工正在椅子上午休。摆在面前的 iMac 虽然显眼,却被一旁的滑板比下去了。 

同行的小星说,滑板的主人平时在上班的时候也会在公司里滑,或代步或遛弯。整个办公区是“平”的,没有挡板,因此我也能看见远处外籍员工正在处理文件。 

公司大门左侧,是一块周边产品展示区,这里摆上了 8 款一加手机、配套的手机壳、一加背包、帽子等等产品。

我从心底是想买走三两件的,但不能。我顺口便向小星感叹:“一加的周边我太喜欢了,所以电视也很期待啊。” 

我说的电视,是一加 CEO 刘作虎在 9 月 17 日宣布一加手机将进军智能家居领域要做的电视。虽然还不知道名字,我且称呼该产品为“一加电视”吧。 

一加要做电视的消息其实之前就在谣传。起初我是不相信的,许多人和我一样,也不相信。因为一加手机取得的成绩大家有目共睹,似乎没有理由再另起业务。 

但刘作虎的消息一出,大家难免会联想到全球电视市场的现状。据德国市场研究机构 GfK 数据显示,2018年上半年,全球电视市场销售额达到 450 亿欧元。且受到今年俄罗斯世界杯的推动,电视市场销售额较去年同期增长了约 1%。 

“电视其实不能和‘周边’放在一起,我们有专门的周边设计团队。”小星一本正经地说,“电视是另一个团队在负责。”

解构的一加凯夫拉手机壳

关于一加电视究竟会是什么样,刘作虎在微博长文中提到“精美的设计、高品质的图像质量、丰富的内容体验和更智能的无缝连接”。产品方面的要求,刘作虎和是很有心得的,我们可以从此前 8 代一加手机的迭代中瞥见产品设计的高标准。旗舰级别的产品,向来是一加的坚持。 

因此我们有理由期待一加电视,不仅仅是工业设计,还有交互上的体验提升。一加 6 的“无负担”理念,在公司的宽松环境中得以体现,同样符合智能电视的定位。而据 PingWest品玩(微信号:wepingwest)从知情人得知,一加正在与一些国际合作伙伴沟通,寻求在交互上的改变。 

起初做电视,其实有刘作虎一份真实体验,他家里放有智能电视和传统电视,但感觉到传统电视很好用,智能电视也很好用,可两者的优点不同,并且各自也有明显的缺点。

999元的小米电视

为什么不把它们的优点融合起来,做一款更好用的产品呢?这也是推动刘作虎决定开辟电视这一条路的动力之一。 

在一加公司里,曾有一块空间是室内健身房。现在被拆掉了,成了一个开放式的会议空间。如今来看,公司内健身房的位置实在令人有些尴尬,工作与业余事件的冲突异常强烈,倒不如改造成一个更符合工作环境,却又不那么严肃的空间。 

“产品”的合理改造能让人用起来更加舒适。 

此外,刘作虎还在微博长文中提到了“5G 与 AI 等技术的发展,未来家庭生活场景将会有很大不同。”长远来看,除了之前提到的行业潜力之外,电视会是未来智能家庭场景变化的中心之一。刘作虎注意到了,且果断地下了做电视的这个决定。

一加公司的午餐区域,有一个可以看到大海的露台。走到露台门口,你能感受到海风,听到大海的声音。 

而在一加的论坛里,用户的声音是很受尊重的。在一些“加油”的眼里,一加品牌的树立,有他们的一份力,因此大家愿意提出自己的意见,优化产品。这种特性不仅在国内论坛,国际论坛尤为明显。

印度 Corma 里的一加 6

印度的“加油”们对于一加的热情,可以用“狂热”形容。每逢一加 Pop-Up 活动,印度的粉丝参与热情不亚于追星族。此外,印度的智能电视市场潜力是十分可观的。在以宝莱坞为主的印度娱乐业里,电视仍然是娱乐信息的主要载体,电视娱乐媒体在 2016 年创造了 96.2 亿美元的收入。 

目前印度有近 7.8 亿电视观众,智能电视的普及率却仅为 23%。2015 年的印度市场容量约为56.1 万台,到了 2016 年,整体上升了 97%,市场容量达到了 110.5 万台;2017年,则达到了178.3 万台。 

不过对于一加来说,智能电视任重而道远。LG、Sony 正在朝互联网方向靠近,而以小米为主的互联网电视同样在不断更新迭代,这条路上不乏强劲的对手。 

只是电视市场上还仍然缺少一股力量,正如一加刚入局的状况。以主打旗舰级别产品的一加,杀入了当时激战正酣的智能手机市场。四年之后,折戟沉沙,一加却以独特的姿态在国际市场上站稳了脚跟。 

从手机到电视,一加如今差的是一个用心走时的沙漏。 


百年两夺国际金奖,衡水老白干启动“不上头”战略

WechatIMG72_meitu_1

【猎云网(微信号:)北京】10月1日报道

近日,衡水老白干集团将在北京国家会议中心举办新战略发布会,本次会议将正式公布并启动衡水老白干的新战略—喝老白干不上头。

会议邀请了多位领导和行业专家,对此次发布的新战略和未来的发展方向展开阐述和分析。此外,还有其他领域知名人士将助阵此次发布会,从不同角度谈各界对于衡水老白干的看法以及对未来的期许。

酒文化在我国历史悠久,底蕴深厚。中国人对于酒也十分重视,生活和工作中都会不时小酌几杯。而近年来,随着人们对健康重视程度的不断提升,酒后不上头,享受又舒适,成了大多数人评价一款酒优劣的重要标准之一。衡水老白干作为白酒行业领军者,便以其独特的品质,香型和技术工艺,成为了倍受认可的不上头的好酒。

衡水老白干能够做到不上头,主要与其低杂醇油的产品特点和地缸发酵的酿造工艺相关。据研究,喝酒上头的主要原因是酒类中含有杂醇油,其具有特殊的强烈刺激性味道,并对人体有危害作用,会使神经系统充血,从而导致酒后上头。针对这一问题,老白干酒在制作工艺上实行规范化管理,严格控制杂醇油生成。从原辅料、大曲、工艺操作到卫生管理,都建立起了严格的质量管控体系,有效减少杂醇油的生成。

另一方面,老白干专注于传统的地缸发酵工艺。相比较浓香酒的泥窖池发酵方式以及酱香酒的条石窖池发酵方式,衡水老白干所采用的传统地缸发酵工艺,在发酵过程中,陶制地缸在酒醅外面,能够形成一道坚固的围墙,有效阻挡土壤中有害微生物的侵入,使酒醅中的有益功能性微生物不受影响,起到有效的隔离作用。经过地缸发酵工艺酿造出的老白干,有害醛类物含量更低,洁净度更高。

因此,老白干香型白酒的杂醇油含量要低于其它香型的白酒,低于原国家标准的1/4,不到酱香型白酒的一半。

老白干香型白酒的地缸发酵的工艺优势不仅造就了不上头这一品质优势,其伴随的酸酯平衡和分子更小,也使得衡水老白干的味道更纯正,顺口,受到广大消费者的欢迎和追捧,同时,也获得了国内外白酒行业的一致认可。

早在1915年,衡水老白干被当时的地方政府选派,冠以直隶(官厅)高粱白酒之名,成为中国白酒的代表,参加了当年的巴拿马万国博览会上,并一举拿下博览会最高奖甲等金奖。今年8月13日,在美国拉斯维加斯举办的2018年世界烈酒大赛(2018 Global Spirit Awards)上,衡水老白干斩获大赛最高奖——双金奖,再一次成为中国高端白酒的代名词。

美国烈酒专家joaniemetivier曾在品尝衡水老白干1915后,给出这样的评价: “淡雅不失清香,有一种特殊的香甜,且入口后清香感持久。”可见,历经百年,品质传承,衡水老白干再次印证了好酒不分国界,也见证了东西方不同民族对老白干香型白酒的接受和认可。

现如今,衡水老白干以老白干香型“高而不烈,低而不淡”的优势享誉国内外,以“醇香清雅、酒体谐调、甘冽醇厚、回味悠长”的品质成为更多人的选择。而这些成就,无一不证明着衡水老白干早已成功跻身高端白酒行业。未来,在新战略的指导下,衡水老白干将继续深入挺进国内外高端白酒市场, 并通过打造品牌新战略策略,来加速巩固和争夺高端市场,实现品牌高端化进程。


凛冬已至,创投圈今年无“十一”

WechatIMG72_meitu_1

【猎云网(微信号:)上海】10月1日报道(文/钱洛滢)

资本寒冬,这个每隔三到五年就会用冷风把投资者和创业者们发热的头脑吹得“脑壳疼”的周期性现象,今年又来了,似乎还来得更猛烈了。

除了融资渠道变窄,由个税改革等政策变化引起的用工成本急剧上升,中小企业还面临着中国史无前例的监管风暴和中美贸易战的影响,更别提P2P又接连暴雷,殃及无数池鱼。

这几座“大山”压在创业者心头,一时间,“募资难”、“融资难”、“暴雷”、“用工成本上升”、“债务违约”、“企业倒闭潮”等词汇充斥着各大媒体报端,而“生存不易”、“创业维艰”、“钱荒”则成为了朋友圈的口头禅。

钱没那么好赚了,但花钱更容易了。这是创业者们的共识。

往年“十一”长假前夕,朋友圈都是一片“坐等放假”的呼声:有谈“十一”计划的,有晒行程表的,有要陪老公、老婆、儿子、女儿的,不知凡几。

但今年“十一”的前夜静悄悄,大家仿佛无事发生,实则暗潮涌动。

这个寒冬可太冷了,如何过冬?唯有夹紧尾巴做人。

凛冬已至

去年12月26日,P2P平台“钱宝网”创始人张小雷向南京警方投案自首,两个月后,南京警方给出了一个当时还挺令人震惊的数字——据初步统计,张小雷等人非法集资未兑付集资参与人的本金 300 亿元左右。而这只是今年P2P平台暴雷的序曲。

数据显示,P2P网贷行业累计平台数量6385家,目前已经出问题的有2286家。光今年7月,暴雷P2P平台涉及的金额就达到2888.214亿元。

在基金资金募集方面,投中研究院发布的报告显示,2017年上半年完成募集基金的规模高达1342亿美元,而2018年上半年这一数字仅为341亿美元,同比降幅达74.59%。清科研究中心提供的数据也显示募资总额在下滑,2018年上半年募资总额约为3800亿元,相比较之下2017年上半年的募资额约8600亿,同比降幅约为56%。

可以看出,LP观望态度明显,已经在准备“过冬”了。

LP_meitu_2.jpg

另外据投中研究院数据显示,VC市场投资数量虽然有所上升,但单笔投资规模严重缩水。而PE市场在经历了年中的大爆发之后,便开始了持续低迷。

VC_meitu_4.jpg

有投资人士预测,未来半年,股权投资市场将经历一波大洗牌,这或许是过去四年疯狂募资投资之后的一次理性回归。

这些都与2017年11月17日中国人民银行联合银监会、保监会、外汇局出台的《关于规范金融机构资产管理业务的指导意见(征求意见稿)》不无关系——对金融机构资管业务的监管收紧了。而今年一线城市北上广深均暂停投资类企业注册,又给募资端带来不小压力。

投资人无疑更加谨慎了。光有一个idea、“情怀”或是“失败了就当做公益”,这样那样的种种理由、说法和故事,投资人听不进去了,他们会要求看公司报表——30分钟拿到大佬投资意向书的故事不会发生在这样一个2018年。

投资人都不好过,更何况是创业者?

寒冬带来的直接影响,是一个又一个悲剧的发生

今年1月25日,80后创业明星茅侃侃因拿不到融资、公司运营出现困难而在家中自杀。这是2018年第一个悲剧信号,紧接着,第二个、第三个信号接连亮起:金盾股份董事长周建灿纵身一跃,留下了濒临破产的上市公司和98.99亿元的债务;法兰游戏创始人甘来朋友圈留下一句“我会在天堂安好”,诀别而去……

创业者纷纷转发这些新闻,一边双手合十评论着:可惜了,愿他们在天堂安息。一边心里发着冷,想着更现实的问题——自己该怎么办?

迎来最恐怖倒闭潮

去年10月,尚未透露自己退休计划的马云曾预测2018年,中国将迎来最恐怖的失业潮和倒闭潮。

其实,早在2017年下半年,倒闭潮已经悄然来临:

去年下半年被众心捧月的区块链今年就不太好。无论是比特币的价值,还是区块链公司,亦或是区块链媒体等细分行业,由于严格的监管,《凉凉》已经成为了他们主旋律;

而一直站在风口的人工智能产业在2017年已经倒了一批。《2017 年中美人工智能创投现状与趋势研究报告》中指出,2017年中国和美国倒闭的人工智能公司有近百家。今年,这个数字仍在不断上升;

因为新能源汽车而起势的充电桩企业也过得不好——就在今年7月初,富电绿能被新三板终止挂牌,月末,容一电动宣布解散;

互联网家装行业也扎堆死亡:以南京的一号家居网和湖南的苹果装饰的互联网家装企业跑路,这个行业的尝试几乎都宣告失败了——3年以来,超过100家互联网家装企业宣布倒闭;

游戏停止审核版号之后,游戏版号数量被限制,游戏行业的洗牌加剧,许多国内独立游戏制作商恐怕也难以挨过这个寒冬。

除了互联网相关的产业,家具、纺织、化工、房地产、教育、制造业等不少与百姓生活息息相关的传统产业均纷纷迎来倒闭潮。

 

TIM截图20180930183338_meitu_6.jpg

面对可怕的倒闭潮,企业创始人们也不免拍胸脯长吁短叹一番:还好我还活着。然后继续在夹缝中努力生存。

一切为了生存

前两日,在万科举办的秋季例会上,会场屏幕和侧墙上都用红底白字打着醒目到已经刺目的“活下去”。足见不仅仅中小企业和投资机构在恐慌,连巨头们也开始思考如何过冬了。

微信图片_20180930094302_meitu_7.jpg

而在今年8月,互联网巨头腾讯发布2018半年报:自2015年连年增长后,腾讯业绩首次出现下滑。数据表明,今年二季度,腾讯收入同比增长达30%,但毛利环比下降7%,经营盈利较上季度甚至下降29%。

腾讯接连被人诟病产品缺乏创新力、“没有梦想”、“将被杀死”,日子也不好过,

于是,9月29日,20岁的腾讯正式宣布将启动新一轮整体战略升级,将七大事业群调整为六大事业群,呈现跨业务线的协同性发展,将内容、产品、运营、技术融合为整体生态,重塑行业竞争格局。

1538265860393818_meitu_8.jpg

其实,腾讯每隔6、7年就会做一次架构调整,这也是腾讯在积极拥抱市场变化的体现——只有主动改变自己才能适应这个时代

大公司尚能思考如何通过改变自己来应对寒冬,小公司却只能靠降薪、裁员度日。

高筑墙,广积粮”、“回归商业的本质”等耳熟能详的口号,还是上一个寒冬时遗留物,但创始人们发现,今年要过冬,还是要把这几句话套在自己身上保暖。

不少创业者表示,裁员是一个心痛的过程,一边裁员一边痛恨自己无能。但那又能怎么办呢?只有走投无路才会走上裁员这条路。

不少“冬寒水冷鸭先知”的广告和营销商们最能感受到中小企业客户的变化:大家都变穷了——客户不再需求“五彩斑斓的黑”,而是要求方案“能省则省”;客户的回款周期明显边变长,经常给不出钱来。

企业信息化软件服务的公司们倒是迎来了“春天”——随着新零售时代的开启,为了更快打通全渠道,不少零售企业对能够降低成本、提升效率的信息化服务开始感兴趣。

d8f1fd10e689c9f28f3db70e81369f20095efed91408e-UZjlUP_fw658_meitu_9.jpg

降薪、裁员和降低成本是常规操作,有钱就拿也是不二法则。

天图投资向自己投资的企业发出建议“尽快拿到钱,同时要把策略调到最优,谨慎使用自己的钱,做好过冬准备”。对于营收还不错的,尽快盈利,一些可能受寒冬影响最大的“烧钱期”项目,则要聚焦控制烧钱的规模,从之前的一边大规模扩张一边试错,转变为先在小区域内完成试错,再进行扩张。

“尽快融资,不要太在意估值。”几乎每一位投资人都提出了相似的建议,宏泰基金创始人盛希泰还建议创业者们有节奏有计划地花钱

共享汽车公司Ponycar CEO刘逸洵则在跟其他创业者也在不断互相提醒,收缩亏损业务,做更长远的规划:“比如账上的资金原本按照2年规划,现在延长到3年。人员收缩,发力一些好盈利的业务,更关注盈利。”

而倒闭潮、降薪潮和裁员潮的另一边,是房地产大佬们纷纷变卖资产套现和大企业们的“产业出海”,还有独角兽们像约好了似地扎堆赴美赴港IPO,似乎出海和上市成为了新的逃生通道

拼多多、趣头条、蔚来汽车、新美大都是最近的“上市代表”。特别是前两者,还没上市就争议不断,一上市就成“妖股”,刷屏了创投圈。

但无论如何,钱已经被他们抓在手里了,不然,连拥有争议的资格都没有。

这个“十一”不敢歇

成立一年多的创世伙伴资本不久前刚刚完成新一期近2亿美元融资,创始主管合伙人周炜在接受《不凡商业》采访时说:“我过去至少经历了3到4个周期,大概每两三年就会有一次,所以面对这个状况就不会那么紧张。2008年市场比现在还要可怕,很多项目都是半价,也很快就过去了。”

按照以往的规律,资本寒冬过后,甚至还会有一波创业企业迎来收获期。正如那句老生常谈:冬天来了,春天还会远吗?

或许在严格的监管之后,不合格的企业和产品被淘汰,大家的投资热器冷静下来,不再一味跑马圈地,而行业也朝着合规的方向发展,而优秀的企业在扫除荆棘之后会得到更好地发展——所谓寒冬,其实也是在优胜劣汰

区块链就没有真的凉透,区块链应用正在逐步落地,属于它技术的价值终究发光发热;

人工智能仍然是投资人心中的“白月光”,因为它代表着未来发展趋势,新能源、新材料、新制造版块一样如此;

互联网家装代表企业土巴兔在8月末还在准备上市……

高榕资本创始合伙人高翔曾在演讲时说:“资本寒冬从来都不是创业失败的原因。”

所以,这个秋风送爽的“十一”长假,创业者们不敢休息,他们要做的事太多了:

他们要思考市场动向,面对变化随时做出反应;

他们要抓紧投资人的橄榄枝,努力赚钱,养活自己的员工和家人;

他们要重整团队,构建壁垒,增强竞争力,让自己独一无二;

他们要在行业中找到同盟,寒风中抱团取暖;

他们要寻求那新的机遇,待来年春天,开花结果。


滴滴:筹建安全监督顾问委员会 借助“外脑”提升安全建设能力

【TechWeb】10月1日消息,滴滴日前发布公告称,为进一步满足公众安全出行的需求,全面落实企业安全生产和维稳主体责任及主管部门和检查组的整改要求,滴滴公司正积极筹备建立安全监督顾问委员会,诚邀社会各界参与共建,借助“外脑”的智慧和专业,在安全风险防范和安全事件处置等方面为滴滴破题指导,帮助滴滴持续提升安全建设能力。

据悉,安全监督顾问委员会计划每年召开不少于五次会议,委员可通过专题研讨、项目函审、课题合作等方式参与共建,切实帮助滴滴进行平台治理、推动落实安全整改措施并给予专业意见和指导,安全监督顾问委员会的产出成果也将公布给社会公众。

滴滴方面称,希望通过定向邀请、自荐和推荐等多种方式(邀请和参与机制将另行公布),面向社会各界诚邀道路交通、安全生产、犯罪心理、信息安全、刑事治安等多领域的专家加入安全监督顾问委员会。

公告内容显示,切盼委员会的成员能够为滴滴提供如下帮助和支持:安全战略规划智力支撑;各级安全管理规章制度审议;重大安全项目可行性评估;安全风险防范能力建设咨询;重大安全事件应对处置建议;安全研究及学术交流等支持。

滴滴方面表示,我们深刻认识到,在前所未有的安全体系建设挑战面前,自身的力量非常有限。滴滴平台的健康、稳定发展,需要主管部门的深入指导,更离不开乘客、司机和合作伙伴等社会各方的共建共治。安全监督顾问委员会是继“线上意见征求”和“社会各界系列恳谈会”之后,滴滴公司近期推出的第三个社会共建举措。

TIM图片20181001122611

文章


Steam官方数据出炉:PC玩家最喜欢Xbox手柄

【TechWeb】10月1日消息,根据Steam官方统计的数据显示,自2015年来Steam平台开放玩家可以使用第三方手柄后,目前已经有超过3千万的玩家注册了至少一个手柄,半数的玩家甚至注册了多个手柄。

其中,在注册了手柄的玩家群体中,使用Xbox 360手柄的玩家最多,达到了45%(2720万),其次是PS4手柄(20%)和Xbox One手柄(19%)。

TIM图片20181001121509

至于为何Xbox 360手柄的玩家最多也比较好理解,目前大部分Steam用户使用的依旧是Windows系统,而Windows系统对Xbox系手柄兼容性极强。

相比较下,Valve推出的Steam专用手柄却并没有很受欢迎。数据显示,使用Steam专用手柄的玩家大约只有150万左右。

文章