据外媒(VentureBeat)报道,硬件初创公司似乎在前一分钟内纷纷涌入硅谷,而在后一分钟迅速撤离。美国风险投资多年来不触及硬件创企。正如《连线杂志》所言,硬件创企成了不为风险资本所待见的边缘领域。几年前,由于零部件成本降低,快速原型设计和众筹,形势略有改变。然而,如今潮流复归。面向硬件的风险投资呈现放缓之势。例如,对IoT的投资下降,智能家居硬件交易减少。
另一方面,消费者硬件公司也确实败迹累累。无人机创企Lily在2015年筹集了3400万美元预付款,然而在今年1月份突然宣告倒闭。谷歌当初对智能家居企业Nest的收购在后来被认为是“一场灾难”。智能手表创企Pebble是另一个例子,FitBit最终收购Pebble的价格仅为此前收购要约价格的零头。(同早起Pebble投资和估值相比更是天上地下)
美国风投界兴趣不再,嗷嗷待哺的硬件初创企业便前往中国寻求资金。中国投资及在家居领域的优势将激发下一个创新型企业的新纪元。原因如下:
降低成本
中国以低成本闻名。以前中国曾是廉价产品和廉价劳动力的同义词,现在则已发展成硬件公司的首要市场。硬件公司失败的一个主要原因是钱不够花,或者产品价格居高不下销售困难。对于那些为高生产成本叫苦不迭的行业来说,选择可负担的零部件和劳动力至关重要。
更快的市场速度
硬件产品上市总免不了跳票和拖延,这对那些新入行的没有经验的公司来说尤其如此。CNNMoney的一项研究发现,国外著名众筹平台Kickstarter上排名前列的项目中,有84%都出现发布延迟。工程、设计和硬件生产复杂且易出错。各种因素加起来很容易让人们低估将产品推向市场所需的时间。
美国并不擅长提供一个简化和迅速的系统专门用于硬件产品开发,这却是中国的特长。过去十年以来,中国在基础设施方面投入大量资金。硬件创企希望减少延迟,尽快将产品推向市场,中国正好能满足这一需求。
热切的消费者
拥有14亿人口的中国是世界上人口最多的国家,同时也是一个充满着科技电子产品狂热消费者的国度。人群即市场。中国领先VR等尖端技术的采用。硬件产品在中国表现良好,初创公司可以选择进入中国消费群体,而不必为美国市场忧心忡忡。
此外,中国市场具有令人难以置信的竞争性。这一高效的筛选机制意味着,如果一家创企能在中国取得成功,后续进入美国也会有更好的预期。由于消费电子产品的易复制性,它在美国是不可持续的。而中国公司总是能够更快、更便宜地扩展。中国企业从来不用担心自己过时。
风险投资
同硬件创企在美国烫手山芋一般的角色相比,中国VC市场对硬件创企的兴趣方兴未艾。中国初创企业基本上都是在本土完成A轮融资。许多中国风险投资者靠硬件赚钱或将其作为管理钱的手段,所以他们会看好硬件行业的机会。
除了钱本身,中国风险投资方还提供另外很多好处。他们了解构建硬件产品所需要的内容,也会在评估投资时查看设计和制造过程的每个方面,而不只是盲目投资。美国VC更习惯快速的软件开发,中国投资者对硬件产品的缓慢制造过程更有信心。中国投资者专注于解决真正的市场需求,并有足够的耐心看到愿景成真。
毕竟是制造大国
中国经济建立在对供应链的制造和掌握上。中国拥有世界上最好的制造基础设施,成为硬件创企将理念产品带入现实的理想场地。这一巨大优势可帮助降低准入门槛,加快产品上市时间,减少错误——所有这些都能以低成本实现。
充满活力的中国制造业所能提供的另一个好处是,制造厂通常会直接投资同他们有合作的公司。制造厂身兼投资方的角色,同初创企业展开密切并透明的合作,深度参与创业公司的产品研发过程,帮助创业公司尽量少趟坑,加快进度,确保产品交付。这方面一个很好的例子是中国深创谷(Shenzhen Valley Ventures)。深创谷最近与中国合作伙伴一起在帕洛奥图设立孵化器。
在中国,企业有更多机会同制造商建立信任,将后者视为合作伙伴而非承包商。美国公司还不习惯这一套。美国公司要么为制造行业术语头痛不已,要么担心制造商剽窃它们的IP。彼此之间信任的缺失经常造成产品交付的延缓。
美国风投界或许对硬件创企不感兴趣,但中国绝对是欢迎的态度。硬件创企应该拥抱这个机会,充分利用中国所能提供的所有条件,而不再仅将其视为组装生产地。
好文章,需要你的鼓励
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。
这篇论文介绍了LegalSearchLM,一种创新的法律案例检索方法,将检索任务重新定义为法律要素生成。研究团队构建了LEGAR BENCH数据集,涵盖411种犯罪类型和120万案例,并开发了能直接生成关键法律要素的检索模型。实验表明,该模型在准确率上超越传统方法6-20%,且在未见犯罪类型上展现出强大泛化能力。这一突破为法律专业人士提供了更高效、精准的案例检索工具。