Google I/O是由Google举行的网络开发者年会，讨论的焦点是用Google和开放网络技术开发网络应用。这个年会自2008年开始举办，到今年已经是举办的第9届了。在今年的年会上，Google主要发布了以下8种产品：智能助手Google Assistant，与Amazon Echo竞争的无线扬声器和语音命令设备Google Home，消息应用Allo，视频呼叫应用Duo，VR平台Daydream，独立应用程序的支持Android Wear 2.0，允许不安装而使用应用的Android Instant Apps，以及允许在Chromebook上使用Android应用Google Play on Chrome OS。网络创业培训研究中心而这8中产品主要都集中在了软件领域。（Google I/O 2016现场图via：webpronews.com）在Google I/O 2016的主题演讲进入尾声时，Google的CEO皮采提到了一项他们这段时间在AI和机器学习上取得的成果，一款叫做Tensor Processing Unit（张量处理单元）的处理器，简称TPU。在大会上皮采只是介绍了这款TPU的一些性能指标，并在随后的博客中公布了一些使用场景，并没有对这款处理器的架构以及内部的运作机制进行详细阐述，所以我们也许需要从一些常见的处理器的结构出发，试图猜测与探究下这款用于机器学习的专属芯片到底有着怎样的一个面孔。（Tensor processing unit实物图 via：cio-today.com）首先我们先来看看我们最熟悉的中央处理器（Central Processing Unit），简称CPU。它是一种超大规模的集成芯片，而且是一种通用芯片，也就是说，它可以用它来做很多种类的事情。我们日常使用的电脑使用的处理器基本上都是CPU，看个电影、听个音乐、跑个代码，都没啥问题。我们来看看CPU的结构CPU主要包括运算器（ALU，Arithmetic and Logic Unit）和控制器（CU，Control Unit）两大部件。此外，还包括若干个寄存器和高速缓冲存储器及实现它们之间联系的数据、控制及状态的总线。从上面的叙述我们可以看出，CPU主要包含运算逻辑器件、寄存器部件以及控制部件等。（CPU结构简化图 via：blog.csdn.net）从字面上我们也很好理解，运算逻辑器件主要执行算术运算、移位等操作，以及地址运算和转换；寄存器件主要用于保存运算中产生的数据以及指令等；控制器件则是负责对指令译码，并且发出为完成每条指令所要执行的各个操作的控制信号。我们可以运用下面这张图来说明一条指令在CPU中执行的大致过程：（CPU执行指令图 via：blog.csdn.net） CPU从程序计数器取到指令，通过指令总线将指令送至译码器，将转译后的指令交给时序发生器与操作控制器，然后运算器对数据进行计算，通过数据总线将数据存至数据缓存寄存器。我们从CPU的结构以及执行过程可以看出，CPU遵循的是冯诺依曼架构，冯诺依曼的核心就是：存储程序，顺序执行。从上面的描述我们可以看出，CPU就像一个有条不紊的管家，我们吩咐的事情总是一步一步来做。但是随着摩尔定律的推进以及人们对更大规模与更快处理速度的需求的增加，CPU好像执行起任务来就不那么令人满意了。于是人们就想，我们可不可以把好多个处理器放在同一块芯片上，让他们一起来做事，这样效率是不是就会高很多，这是GPU就诞生了。GPU诞生了GPU全称为Graphics Processing Unit，中文为图形处理器，就如它的名字一样，GPU最初是用在个人电脑、工作站、游戏机和一些移动设备（如平板电脑、智能手机等）上运行绘图运算工作的微处理器。因为对于处理图像数据来说，图像上的每一个像素点都有被处理的需要，这是一个相当大的数据，所以对于运算加速的需求图像处理领域最为强烈，GPU也就应运而生。（CPU与GPU结构对比示意图 via：baike.baidu.com）通过CPU与GPU结构上的对比我们可以看出，CPU功能模块很多，能适应复杂运算环境；GPU构成则相对简单，大部分晶体管主要用于构建控制电路（比如分支预测等）和Cache，只有少部分的晶体管来完成实际的运算工作。而GPU的控制相对简单，且对Cache的需求小，所以大部分晶体管可以组成各类专用电路、多条流水线，使得GPU的计算速度有了突破性的飞跃，拥有了更强大的处理浮点运算的能力。当前最顶级的CPU只有4核或者6核，模拟出8个或者12个处理线程来进行运算，但是普通级别的GPU就包含了成百上千个处理单元，高端的甚至更多，这对于多媒体计算中大量的重复处理过程有着天生的优势。这就好比在画一幅画的时候CPU是用一支笔一笔一笔的来画，而GPU则是多支笔对不同的位置同时进行描绘，那自然效率就是突飞猛进的。（英特尔CPU与英伟达GPU浮点运算性能对比图 via：blog.sina.com.cn）虽然GPU是为了图像处理而生的，但是我们通过前面的介绍可以发现，它在结构上并没有专门为图像服务的部件，只是对CPU的结构进行了优化与调整，所以现在GPU不仅可以在图像处理领域大显身手，它还被用来科学计算、密码破解、数值分析，海量数据处理（排序，Map-Reduce等），金融分析等需要大规模并行计算的领域。所以GPU也可以认为是一种较通用的芯片。FPGA应运而生随着人们的计算需求越来越专业化，人们希望有芯片可以更加符合我们的专业需求，但是考虑到硬件产品一旦成型便不可再更改这个特点，人们便开始想，我们可不可以生产一种芯片，让它硬件可编程。也就是说——这一刻我们需要一个比较适合对图像进行处理的硬件系统，下一刻我们需要一个对科学计算比较适合的硬件系统，但是我们又不希望焊两块板子，这个时候FPGA便应运而生。FPGA是Field Programmable Gate Array的简称，中文全称为场效可编程逻辑闸阵列，它是作为专用集成电路领域中的一种半定制电路而出现的，既解决了全定制电路的不足，又克服了原有可编程逻辑器件门电路数有限的缺点。FPGA运用硬件描述语言（Verilog或VHDL）描述逻辑电路，可以利用逻辑综合和布局、布线工具软件，快速地烧录至FPGA上进行测试。人们可以根据需要，通过可编辑的连接，把FPGA内部的逻辑块连接起来。这就好像一个电路试验板被放在了一个芯片里。一个出厂后的成品FPGA的逻辑块和连接可以按照设计者的需要而改变，所以FPGA可以完成所需要的逻辑功能。 （FPGA结构简图 via：dps-az.cz/vyvoj）FPGA这种硬件可编程的特点使得其一经推出就受到了很大的欢迎，许多ASIC（专用集成电路）就被FPGA所取代。这里需要说明一下ASIC是什么。ASIC是指依产品需求不同而定制化的特殊规格集成电路，由特定使用者要求和特定电子系统的需要而设计、制造。这里之所以特殊说明是因为我们下面介绍的TPU也算是一种ASIC。FPGA与ASIC芯片各有缺点，FPGA一般来说比ASIC的速度要慢，而且无法完成更复杂的设计，并且会消耗更多的电能；而ASIC的生产成本很高，如果出货量较小，则采用ASIC在经济上不太实惠。但是如果某一种需求开始增大之后， ASIC的出货量开始增加，那么某一种专用集成电路的诞生也就是一种历史趋势了，我认为这也是Google生产Tensor processing unit的一个重要出发点。至此，TPU便登上历史舞台。随着机器学习算法越来越多的应用在各个领域并表现出优越的性能，例如街景、邮件智能回复、声音搜索等，对于机器学习算法硬件上的支持也越来越成为一种需要。目前很多的机器学习以及图像处理算法大部分都跑在GPU与FPGA上面，但是通过上面的讲述我们可以知道，这两种芯片都还是一种通用性芯片，所以在效能与功耗上还是不能更紧密的适配机器学习算法，而且Google一直坚信伟大的软件将在伟大的硬件的帮助下更加大放异彩，所以Google便在想，我们可不可以做出一款专用机机器学习算法的专用芯片，TPU便诞生了。 （TPU板卡图 via：cloudplatform.googleblog.com） Google想做一款专用机机器学习算法的专用芯片——TPU从名字上我们可以看出，TPU的灵感来源于Google开源深度学习框架TensorFlow，所以目前TPU还是只在Google内部使用的一种芯片。Google其实已经在它内部的数据中心跑TPU跑了一年多了，性能指标杠杠的，大概将硬件性能提升了7年的发展时间，约为摩尔定律的3代。对于性能来说，限制处理器速度的最大两个因素是发热与逻辑门的延迟，其中发热是限制速度最主要的因素。现在的处理器大部分使用的是CMOS技术，每一个时钟周期都会产生能量耗散，所以速度越快，热量就越大。下面是一张CPU时钟频率与能量消耗的关系，我们可以看到，增长是指数性的。（CPU时钟频率与功耗关系图 via：electronics.stackexchange.com）从TPU的外观图我们可以看出，其中间突出一块很大的金属片，这便是为了可以很好地对TPU高速运算是产生大量的热进行耗散。TPU的高性能还来源于对于低运算精度的容忍，也就是说每一步操作TPU将会需要更少的晶体管。在晶体管总容量不变的情况下，我们就可以单位时间在这些晶体管上运行更多的操作，这样我们就可以以更快的速度通过使用更加复杂与强大的机器学习算法得到更加智能的结果。我们在TPU的板子上看到了插条，所以目前Google使用TPU的方式是将载有TPU的板子插在数据中心机柜的硬盘驱动器插槽里来使用。而且我觉得TPU的高性能还来源于它数据的本地化。对于GPU，从存储器中取指令与数据将耗费大量的时间，但是机器学习大部分时间并不需要从全局缓存中取数据，所以在结构上设计的更加本地化也加速了TPU的运行速度。（AlphaGo对战李世乭比赛中使用的载有TPU的服务器机架，不知道为什么侧面贴的围棋图有种萌感。via：googleblog.com）在Google数据中心的这一年来，TPU其实已经干了很多事情了，例如机器学习人工智能系统RankBrain，它是用来帮助Google处理搜索结果并为用户提供更加相关搜索结果的；还有街景Street View，用来提高地图与导航的准确性的；当然还有下围棋的计算机程序AlphaGo，其实这一点上也有个很有趣的地方，我们在描述AlphaGo的那篇Nature文章中看到，AlphaGo只是跑在CPU+GPUs上，文章中说AlphaGo的完整版本使用了40个搜索线程，跑在48块CPU和8块GPU上，AlphaGo的分布式版本则利用了更多的机器，40个搜索线程跑在1202个CPU和176块GPU上。这个配置是和樊麾比赛时使用的，所以当时李世乭看到AlphaGo与樊麾的对弈过程后对人机大战很有信心。但是就在短短的几个月时间，Google就把运行AlphaGo的硬件平台换成了TPU，然后对战的局势就艰难了起来。那么除了TPU可以更好更快地运行机器学习算法，Google发布它还有什么其他目的。我觉得说的玄幻一些，Google也许在下一盘大棋。Google说他们的目标是在工业界的机器学习方面起到先锋带头作用，并使得这种创新的力量惠及每一位用户，并且让用户更好地使用TensorFlow 和 Cloud Machine Learning。其实就像微软为它的HoloLens增强现实头显配备了全息处理单元（holographic processing unit，HPU），像TPU这样的专业硬件只是它远大征程的一小步，不仅仅是想让自己在公共云领域超过市场老大Amazon Web Services (AWS)。随着时间的推移，Google会放出更多的机器学习API，现在Google已经推出了云机器学习平台服务和视觉API，我们可以相信，做机器学习技术与市场的leader才是Google更大的目标。

Oliver Stern，31岁，法国人。最近，他把全副身家的三分之一，额，也没有很多——10000欧元，大概11000美元、72000人民币——创立了一家专做数字加密货币（cryptocurrency）的初创公司。所谓「cryptocurrency」，就是像比特币这样基于密码学原理的数字化货币。这家公司的名字还挺长，叫「去中心化自治组织」（Decentralized Autonomous Organization，简称DAO），却正好反映了它的本质——利用去中心化的区块链技术自动完成投资。对，这算是一家风投基金。就跟世界上许多其他的虚拟货币公司一样，DAO的法律地位还有待商榷，甚至连具体业务也解释不清。由于监管漏洞和法律空子的存在，它也存在陷入法律纠纷之虞。但是，自从上个月师出无名地闯入风投圈，DAO至今已经吸引了至少一亿五千两百万美元的资本，受其吸引的大多是像Stern一样热爱风险、敢于吃螃蟹的投资人，成为了史上最成功、最赚钱的「众筹企业」。这些资本来自全世界各地的匿名投资者，他们通过口耳相传得知DAO，然后用一种叫「以太」（Ether）的虚拟货币投资。以太币的历史比比特币短，被认为是比特币的改良形式。在某种程度上，对这些投资人来说，现阶段给DAO投资几乎等于捐钱。不过，有一些「捐了钱」的人的确对它的信心满满。在五月二十八日，即募集「以太币」的最后一天后，DAO开始有点风投的样子了——把钱投给其他数字货币初创公司。有这么多大大小小的投资人，投资决策是通过股东的线上投票完成的。就连Stern本人也是在本职工作之外兼职运营着DAO，他平时在巴黎外的小镇Montreuil工作，负责管理当地的停车政策。Stern曾经给比特币投资。当全球最大的比特币交易网站Mt. Gox破产之后，他投进去的一笔小钱也付诸东流。「我认为，它（DAO）是一个能在某种程度上创造历史的开端，」他说，「它可能失败，可能成功，但总之肯定是一个有趣的想法。」随着金融科技从崭露头角到蓬勃发展，华尔街和许多主流的大银行机构开始拥抱区块链技术。区块链，正是比特币和以太币开创并倡导的一种「线上账本」。银行业把希望寄托于区块链，希望此类技术能够以速度更快、成本更低的方式进行交易和储存数据。但是，DAO更希望实现虚拟货币发明伊始的雄心壮志。虚拟货币完全由电脑代码设置，不需要人为操作的干预。在DAO的系统里，所有的投资决策都通过投资人的投票进行，用科技让一个集体正常运作，不需要高层或领导。DAO的基本代码是一个叫Christoph Jentzsch的德国码农写的，不过他并不想在DAO里继续担任什么职务。DAO也不会扣留投资人的钱，投资人用以太币换得DAO代币，作为有权投票决定投资项目的证明。Jentzsch在一次采访中表示，这种架构本身让他得以从DAO可能陷入的法律泥沼里脱身。虚拟货币虽然在世界各地逐渐兴起，却一直充满争议。美国当局也对虚拟货币加以更为严格的监管，开始处罚通过虚拟货币出售投资产品的创业者。Jentzsch在一封邮件中写道：「这个企业当然伴随着风险，但这项技术代表了互联网的未来。」Patrick Murck长期处理与比特币业务相关的法律事务。他认为，如果Jentzsch和他的搭档不继续管理公司的话，一旦投资出现差错，他们或许得承担法律责任。就算一切正常运转，风险也依然存在。「法律责任不是用一两行代码就能免除的，以前有人尝试过，也有人失败过。」哈佛大学柏克曼中心的研究员Murck表示。五月十八日，一个以太币的价格达到13美元，一比特币价值450美元——这也多少说明了新兴虚拟货币的不稳定性。大部分人仍然对它感到陌生，价格受到很多主观因素的影响。DAO以以太币作为投资资本，投资也不需要确认身份信息，这种制度可能让洗钱有机可乘。Jentzsch承认，他也没有想到DAO会在这么短的时间里发展到现在的规模。类似的创业项目里，募资规模最大的也不过达到几百万美元。左为Christoph Jentzsch，DAO基本代码的幕后功臣。右为他的兄弟Simon。图片来自Yvonne Jaursch。网络创业培训研究中心迄今为止，共有两个项目向DAO申请投资，其中一个项目的创始人就是Jentzsch和他的兄弟Simon。Jentzsch给DAO写的代码设了一些安全机制，无论是他还是其他投资人，想要操纵股东投票以拿到投资都绝非易事。但是，哪怕是现在最成功的一些众筹网站，都无法确保能够完全控制用户对项目的热情乃至操纵。另一个区块链交易系统比特股（BitShares）的创始人Daniel Larimer甚至撰文批评：「我认为DAO很快就会死去。共同进行投资决策本身就不靠谱，必将面临个人利益、政治层面和经济层面的冲突显示。」这也正是比特股现在名存实亡的原因。失败的可能性没有让Stern停下前进的脚步。这个法国人虽然只投了七万块，却对DAO的财务回报信心满满。他也充满信心，DAO是探索新的公司组织乃至政府组织形式的一场伟大实验。「提出新想法并付诸尝试，有着很重要的意义。」Stern说。

巨人网络借壳世纪游轮回归A股画上句号，商界传奇人物史玉柱(微博)成为公司新任董事长。29日晚间，世纪游轮公司公告称，公司董事会第九次会议选举史玉柱为第四届董事会董事长；此外，会议同意公司在香港设立全资子公司，用于拓展海外业务，投资金额不超过2000万美元。世纪游轮被借壳后股价飙涨最大的受益者是史玉柱。根据重组方案，世纪游轮向交易对方以29.58元/股发行4.43亿股。史玉柱间接持有世纪游轮1.53亿股左右。此外，根据统计，史玉柱通过其旗下的巨人投资、上海健特生命科技持有多家上市公司如民生银行、华夏银行、辽宁成大等，横跨保健品、金融、互联网、传媒等产业。史玉柱1962年9月15日生于安徽蚌埠市，著名企业家。1989年深圳大学研究生毕业后，随即下海创业。1992年在珠海市创办珠海巨人高科技集团。1994投资保健品，第一个产品是“脑黄金”，后来因为投资巨人大厦导致资金链断裂而几乎破产，欠债2.5亿元人民币。2000年，史玉柱再度创业，开展“脑白金”业务。2009年3月12日，福布斯全球富豪排行榜，史玉柱以15亿美元居468位，在大陆位居第14位。2012年，在《财富》中国最具影响力的50位商界领袖排行榜中排名第22位。2013年4月9日，巨人网络宣布史玉柱因个人原因辞去CEO一职。2016年1月史玉柱重新回归巨人网络。5月22日晚间，世纪游轮密集发布了四个公告，宣布了三件事情，分别是巨人网络股权过户完毕，管理层换血完毕，和新发行约5139万股股份，募集了近50亿元资金。公告称，巨人网络100%股权已过户至上市公司，并完成相关工商登记变更手续。重大资产重组的拟购买资产的过户手续已办理完毕，上市公司已合法有效地取得拟购买资产。本次交易，巨人网络100%股权估值131亿元人民币。此外，巨人网络总裁刘伟担任公司总经理，原有管理层全部退出。2007年登陆美国纽交所时，巨人网络市值最高超过260亿元人民币；2014年7月在完成退市交割时，其估值折合约200亿元人民币，不过巨人网络这次收购作价仅有131亿元，仅为退市价格的六成多。随着此次借壳的完成，可以预见的是，世纪游轮将很快更名为“巨人网络”。在此之前，从美股退市的分众传媒已成功借壳七喜控股，并将壳公司七喜控股更名为“分众传媒”。史玉柱重新出山，意味着巨人网络将面临重大变化，此番借壳成功，史玉柱和巨人网络也将踏上新征途。

IP一词，是继TMD之后，中国人生造的一个通俗英文单词，这个单词的含义，别说英语国家的人看不懂，就连发明它的中国人自己也搞不懂其具体含义。IP，之所以成为大家突然津津乐道的词语，是因为什么?IP与网红突然闯进我们的生活，并和我们最关心的商业经济高度相关。我们中国人，关注经济是头等大事，任何事情，只要发现它居然和钱有关，那就必须得火爆，反过来说一切火爆的事情最后一定要跟钱扯上关系，你比如说前天的陆家嘴视频，非常火爆，火爆的结果就是作案现场的那把椅子生产商的股票涨停板了。中国人的哲学，是入世哲学，中国人的人生观，是实用主义，中国人的图腾，就是money，中国人的信仰，从来就是自己。从中西文化对此的结果，我们可以得知：入世的中国人比哪个族群都累，按理，我们没有宗教信仰的大部分中国人初一十五不用去烧香，周末不用去做礼拜，应当很轻松很快乐的，然而事实却恰恰相反，精神信仰的缺失让中国人反而越活越累，有人说我们有国学，但问题是有几个人用国学修心养性呢?物欲横流让我们的心灵彷徨，刚刚说我们中国人只信自己，但现在我们信自己吗?我们现在连自己也不信了，那么，我们现在信什么?前面30年，我们的信仰就是为赚钱过上好生活而努力奋斗。 我们的图腾就是钱，为了省钱而寻求更经济的生活方式与商业机会;网络创业培训研究中心我们的图腾就是钱，我们的偶像就是我们县城最有钱的老板，我们向他们学习为人处事、尔虞我诈、官商勾结、过河拆桥的本领;我们的图腾就是钱，有钱就是成功，有钱就开心快乐，有钱就牛逼就是大爷，有钱才可以成为上层人士，有钱才能享受上层社会的光环与荣誉。而随着移动互联网的诞生，赚不到钱的人与赚到钱的人都发现：钱和开心快乐没关系，钱和进入上流阶层没关系，有钱并不见得就真牛逼，有钱并不能保证你受人尊重。比如，没钱也可以找到和自己志趣相投的人，混在一起折腾点啥也很快乐，没钱也可以因为吐槽一部电影一支神曲一瓶饮料而出名备受关注，没钱也可以凭着自己的才学被山呼大神打赏膜拜，没钱也可以在网上指点江山被惊为天人，甚至成为元首的座上宾。我们回忆一下马克思对于共产主义特征的描述： 实现人的解放与全面发展。今天放眼四周你会发现，这一特征越来越显现，你会惊讶于100多年他的洞见。所谓人的全面发展，就是： 人成为自己想要的成为的那个人之成本比以往任何时候都低，人的多样性得到充分之展现。比如：你想成为作者，天天写文章发到网上，当然会有人骂你傻逼，但一定会有人赏识你;你想成为一个花卉摄影师，天天发照片到网上，你也会有自己的花粉；如果你想成为一个网召出租车司机，那就太容易了。总之，移动互联网时代的居民，只要你愿意，你想不怎么样就不怎么样，离马克思说的人的解放与全面发展时代越来越近了。人的多样性，最多能有几样?一人一个样。但人是群居的社会动物，人类天生就渴望被理解、被认同、被尊重，所以，人要找知音，人要找社群。而今天的碎片化、去中心化的前提下，因同一精神文化追求自由链接板结而成的圈层社群之坚固程度是以往任何时候通过宗教、主义教育所不能达到的。我尝试举例证明这一点：20年前，是存在一批社会精英的，天文地理历史文化艺术商业金融基本都通懂，因为博学多闻，这个社会上几乎没有他们完全不晓得来历的事情，即使有，问问旁人也就晓得了。而今天，所谓的精英却看不懂孩子写的文字，不认识孩子们为之痴迷的歌星，甚至听不懂同事之间的一句笑话，转头再去问好友，也是不甚了了。是的，这就是近十年以来的精神信仰发展，一个社会人的精神世界，被切割分化，融入数个坚固的文化圈层，成为了这个IP圈层的大神、那个IP圈层的后生，人格的多样性有了多样性的圈层图腾作为精神家园。移动互联网让我们展现碎片化、多样性、去中心化的精神诉求并自由链接，我们尝试信仰一切自己内心认为“正确”并“痴迷”的人事物，圈层参与者持续地交互影响，最后，这些人事物与我们的精神诉求板结在一起，形成“一部分人”的信仰文化，形成拥有坚固壁垒的高密度圈层图腾，这就是IP。越高密度的圈层图腾，其向心力越强，成员认同度越高，其状态趋向螺旋式快速发展，就像一颗由膛线枪击发的子弹;越宽泛的圈层图腾，就越结构就越松散，成员认同度不一，其状态趋向于崩溃式离散，就像一把撒出去的沙子。小体积、高密度的圈层图腾，造就了真正基于人性的商业模式。这个商业模式归根结底五个字：影响力变现。以前我们是为商品买单，追求的是物美价廉;后来我们为品牌买单，追求的是品质与安全;而现在我们愿意为信任、情怀、爱慕、标识而买单，追求的是圈层归属感，所以，很多交易行为就从传统电商等场景离开，进入了圈层场景。看，我们终于回到“钱”这个话题了。但是请注意，这里的钱或者说财富只是圈层的附属品，任何试图为了钱而侵犯圈层核心价值认同的商业行为，会导致成员逃离，直至圈层图腾崩塌。最失败的莫过于一个已经是IP的网红，为了商业利益，接受了有违其价值观的商业广告。嗯，比如一个素食主义网红为特价三文鱼刺身代言;比如一个美妆网红给粉丝推荐假洋鬼子口红等等。基于圈层图腾的人性商业模式，大致可以分为以下三类业态：1、IP工场，也称网红孵化器，或称IP推手、提供商。包括影视投放、红人培训、动漫设计、营销策划、公关推手等。其商业孵化能力与资源配套是核心竞争力，经纪收入以及版权、周边产品是其主要收入来源。 2、IP手艺人，多称网红，或称KOL意见领袖。主要的商业模式还是代言、打赏供养、产品销售。其核心竞争力就是持续产生圈层内容的能力。3、IP支持商，也称平台，或称卖水者，包括展示平台、信任电商、流量分发、周边产品支持等。 上述三个业态是可以相互跨越融合甚至是三体合一的，比如，头狼资本于今年元月投资的汽车测评红人颜宇鹏YYP的创业项目--大家cars，就是典型的IP工厂+IP手艺人+IP支持商模式，YYP作为一个汽车领域KOL，打造了一个汽车领域KOL孵化聚合的汽车消费信任电商平台。而站在投资者角度，这三个业态各有各的投资价值，我的看法是IP展示平台的机会最小，IP工场价值最大，IP手艺人虽然赢面最大，但商业化不确定性最高。这里面我还是倾向于投专业领域的KOL，因为围绕他的圈层图腾一旦形成，他会提高对自己的商业修养与公共操守要求。君子爱财取之有道，一点蝇头小利就让粉丝板结成的圈层社群分崩离析，这代价实在太高了。当然，人无千日好，花无百日红，最妥的还是投IP工场，尤其是各个垂直领域的KOL孵化器，一定是未来。总之，我坚定认为： 今日IP热与网红经济的总逻辑是碎片化、多样性、去中心化精神信仰自由链接板结而成的坚固“圈层图腾”，这是人类社会发展的必然产物，人性商业范式的风口已经打开，能不能上天，就看你的造化了。 头狼资本致力成为国内最具狼性的早期创投机构，欢迎同行前辈与项目方赐教合作。作者简介：头狼资本创始人、高特佳投资集团高级顾问，共青团中央中国青年创业导师，广东金融学院硕士研究生导师，新华社瞭望智库研究员，信泽金商学院讲师、CCTV2《创业英雄汇》投资评委。 行伍出身，八年金融投资从业经历，曾发表多篇金融信贷与创业投资相关的热点文章，以观点犀利、言辞辛辣而著称业内。以“敢闯敢言”的狼性作风以及“快稳准狠”的投资风格备受业内关注，被誉为“国内最狼性投资人”。网络创业培训研究中心