【邦客】创业的那些事儿[一]

商务社交网络服务(Business SNS)在中国面临独特挑战。高端人脉不愿网络化,资源分布不均导致用户价值难以体现。创业建议包括:针对年轻职场人群布局未来市场、避开巨头竞争领域及发挥链条效应。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

郑昀 20070818

邦客的活动总是很有收获。上周六参加了邦客在清华科技园的聚会,本周六参加了邦客做客锣鼓网的聚会。

这两期与会的精英们发表了精彩言论,真后悔没有录音笔啊,下面整理一下烙印在脑中的那些话。

跳楼1号,光影,建筑,雕塑,数字,1

1联网垂直领域必须做到前三名,否则根本没戏。MSNNEXT之所以切入商务SNS这块,就是因为这个领域还没有形成前三名的格局。

言下之意,wealinkxing还都是婴儿期。

 

2务社交市场还需要再忍五年。中国特色的人际关系主要呈现灰色,无法拿出来分享。有资源的不愿意注册,没资源的注册也只能是无价值用户。对策:用户基点下放,锁定2227岁之间的80后上班族,静候这批用户成长。

这个论断和麦田的蚂蚁网与Web2.0一代一起成长是一致的。

也和《商务SNS网站各领风骚一年,下一个王者是谁?》的说法有重合的地方,比如“前段时间有人问毛向辉,blogbuswealink哪个先死?而毛的回答更是让很多人出了点小汗:“wealink先死”。”、“商务SNS的发展早就已经进入了洗牌阶段,这个洗牌大概需要两年的时间,这个时间是残酷的,残酷的有点让人窒息”。

 

3务人脉市场在中国短期内没有市场可言。高端人士的人脉圈没有必要网络化。中国用户是超市思维。

   传统行业的高端俱乐部,比如地产,收会员费收得很舒服,根本不需要互联网。而且他们用高额收费明示了门槛,收费越高,俱乐部的价值反而越大。

   互联网们却在一味地压低收费,甚至免费,与传统行业的SNS做法背道而驰。

 

4内互联网是寡头时代,每个细分市场都拥有两到三个寡头。在这种恶劣的创业环境中,只有两种做法可以生存下去,第一种是做颠覆性的事情,而绝对不是改良,不是渐进;另一种是做脏活累活,做那些巨头不愿意做的事情。

不要做那些巨头也会倾尽资源去做的事情,比如电子商务的某些领域,阿里巴巴、网盛、生意宝等等都一定在做,他们更有资源。

 

5的技术先发优势,在巨头要进入或已经进入的领域中,不算什么,人家只要想做,网盛虽然现在技术很差,架构很烂,但真的遇到瓶颈的时候,花几百万搞定即可。之所以没有去搞,也许并不是他们看不到问题之所在,也许是因为这个技术问题并不太影响推广和营收。

 

6创业,要做到,链条有了你更平滑,没有你有断层。也就是寻找链条中的缺口,成为其中一环,使得上下游的效率比没有你的情况下高。这样你才有价值。否则,链条中你强行插入,多了你不平滑,少了你没人在意,基本创业就是必死无疑啦。

 

7业的起步时,受人诟病,并不是什么坏事。譬如百度,譬如阿里巴巴,最初都不被人瞧得起,模式没有人看得懂。问题就在于此,如果别人对你的模式看得清清楚楚,你一说他就立马明白了,那么很有可能你在红海上创业,你的对手会怒多。

 

8:待续。

 

本系列: 8/19/2007  | 【邦客】创业的那些事儿[] | 【邦客】创业的那些事儿[]

 

我的相关日志:

8/15/2007  | 【新媒体】的微内容

8/13/2007   | 论坛和博客的语义聚合新势力

8/13/2007   | 围绕新闻的观点聚合是有价值的【新媒体】

8/10/2007   | 百度新闻向左 Google新闻向右【新媒体】

8/2/2007   | 【飞行术】Web2.0如何改变电信业

7/15/2007   | 【职经分享】走出公司-进入产业-建立圈子

7/8/2007   | 【新媒体讨论】关联趋势和就是不服

7/7/2007    | 【新媒体讨论】动嘴不如动手

 




郑昀 20070818

邦客的活动总是很有收获。上周六参加了邦客在清华科技园的聚会,本周六参加了邦客做客锣鼓网的聚会。

这两期与会的精英们发表了精彩言论,真后悔没有录音笔啊,下面整理一下烙印在脑中的那些话。

跳楼1号,光影,建筑,雕塑,数字,1

1联网垂直领域必须做到前三名,否则根本没戏。MSNNEXT之所以切入商务SNS这块,就是因为这个领域还没有形成前三名的格局。

言下之意,wealinkxing还都是婴儿期。

 

2务社交市场还需要再忍五年。中国特色的人际关系主要呈现灰色,无法拿出来分享。有资源的不愿意注册,没资源的注册也只能是无价值用户。对策:用户基点下放,锁定2227岁之间的80后上班族,静候这批用户成长。

这个论断和麦田的蚂蚁网与Web2.0一代一起成长是一致的。

也和《商务SNS网站各领风骚一年,下一个王者是谁?》的说法有重合的地方,比如“前段时间有人问毛向辉,blogbuswealink哪个先死?而毛的回答更是让很多人出了点小汗:“wealink先死”。”、“商务SNS的发展早就已经进入了洗牌阶段,这个洗牌大概需要两年的时间,这个时间是残酷的,残酷的有点让人窒息”。

 

3务人脉市场在中国短期内没有市场可言。高端人士的人脉圈没有必要网络化。中国用户是超市思维。

   传统行业的高端俱乐部,比如地产,收会员费收得很舒服,根本不需要互联网。而且他们用高额收费明示了门槛,收费越高,俱乐部的价值反而越大。

   互联网们却在一味地压低收费,甚至免费,与传统行业的SNS做法背道而驰。

 

4内互联网是寡头时代,每个细分市场都拥有两到三个寡头。在这种恶劣的创业环境中,只有两种做法可以生存下去,第一种是做颠覆性的事情,而绝对不是改良,不是渐进;另一种是做脏活累活,做那些巨头不愿意做的事情。

不要做那些巨头也会倾尽资源去做的事情,比如电子商务的某些领域,阿里巴巴、网盛、生意宝等等都一定在做,他们更有资源。

 

5的技术先发优势,在巨头要进入或已经进入的领域中,不算什么,人家只要想做,网盛虽然现在技术很差,架构很烂,但真的遇到瓶颈的时候,花几百万搞定即可。之所以没有去搞,也许并不是他们看不到问题之所在,也许是因为这个技术问题并不太影响推广和营收。

 

6创业,要做到,链条有了你更平滑,没有你有断层。也就是寻找链条中的缺口,成为其中一环,使得上下游的效率比没有你的情况下高。这样你才有价值。否则,链条中你强行插入,多了你不平滑,少了你没人在意,基本创业就是必死无疑啦。

 

7业的起步时,受人诟病,并不是什么坏事。譬如百度,譬如阿里巴巴,最初都不被人瞧得起,模式没有人看得懂。问题就在于此,如果别人对你的模式看得清清楚楚,你一说他就立马明白了,那么很有可能你在红海上创业,你的对手会怒多。

 

8:待续。

 

本系列: 8/19/2007  | 【邦客】创业的那些事儿[] | 【邦客】创业的那些事儿[]

 

我的相关日志:

8/15/2007  | 【新媒体】的微内容

8/13/2007   | 论坛和博客的语义聚合新势力

8/13/2007   | 围绕新闻的观点聚合是有价值的【新媒体】

8/10/2007   | 百度新闻向左 Google新闻向右【新媒体】

8/2/2007   | 【飞行术】Web2.0如何改变电信业

7/15/2007   | 【职经分享】走出公司-进入产业-建立圈子

7/8/2007   | 【新媒体讨论】关联趋势和就是不服

7/7/2007    | 【新媒体讨论】动嘴不如动手

 




郑昀 20070818

邦客的活动总是很有收获。上周六参加了邦客在清华科技园的聚会,本周六参加了邦客做客锣鼓网的聚会。

这两期与会的精英们发表了精彩言论,真后悔没有录音笔啊,下面整理一下烙印在脑中的那些话。

跳楼1号,光影,建筑,雕塑,数字,1

1联网垂直领域必须做到前三名,否则根本没戏。MSNNEXT之所以切入商务SNS这块,就是因为这个领域还没有形成前三名的格局。

言下之意,wealinkxing还都是婴儿期。

 

2务社交市场还需要再忍五年。中国特色的人际关系主要呈现灰色,无法拿出来分享。有资源的不愿意注册,没资源的注册也只能是无价值用户。对策:用户基点下放,锁定2227岁之间的80后上班族,静候这批用户成长。

这个论断和麦田的蚂蚁网与Web2.0一代一起成长是一致的。

也和《商务SNS网站各领风骚一年,下一个王者是谁?》的说法有重合的地方,比如“前段时间有人问毛向辉,blogbuswealink哪个先死?而毛的回答更是让很多人出了点小汗:“wealink先死”。”、“商务SNS的发展早就已经进入了洗牌阶段,这个洗牌大概需要两年的时间,这个时间是残酷的,残酷的有点让人窒息”。

 

3务人脉市场在中国短期内没有市场可言。高端人士的人脉圈没有必要网络化。中国用户是超市思维。

   传统行业的高端俱乐部,比如地产,收会员费收得很舒服,根本不需要互联网。而且他们用高额收费明示了门槛,收费越高,俱乐部的价值反而越大。

   互联网们却在一味地压低收费,甚至免费,与传统行业的SNS做法背道而驰。

 

4内互联网是寡头时代,每个细分市场都拥有两到三个寡头。在这种恶劣的创业环境中,只有两种做法可以生存下去,第一种是做颠覆性的事情,而绝对不是改良,不是渐进;另一种是做脏活累活,做那些巨头不愿意做的事情。

不要做那些巨头也会倾尽资源去做的事情,比如电子商务的某些领域,阿里巴巴、网盛、生意宝等等都一定在做,他们更有资源。

 

5的技术先发优势,在巨头要进入或已经进入的领域中,不算什么,人家只要想做,网盛虽然现在技术很差,架构很烂,但真的遇到瓶颈的时候,花几百万搞定即可。之所以没有去搞,也许并不是他们看不到问题之所在,也许是因为这个技术问题并不太影响推广和营收。

 

6创业,要做到,链条有了你更平滑,没有你有断层。也就是寻找链条中的缺口,成为其中一环,使得上下游的效率比没有你的情况下高。这样你才有价值。否则,链条中你强行插入,多了你不平滑,少了你没人在意,基本创业就是必死无疑啦。

 

7业的起步时,受人诟病,并不是什么坏事。譬如百度,譬如阿里巴巴,最初都不被人瞧得起,模式没有人看得懂。问题就在于此,如果别人对你的模式看得清清楚楚,你一说他就立马明白了,那么很有可能你在红海上创业,你的对手会怒多。

 

8:待续。

 

本系列: 8/19/2007  | 【邦客】创业的那些事儿[] | 【邦客】创业的那些事儿[]

 

我的相关日志:

8/15/2007  | 【新媒体】的微内容

8/13/2007   | 论坛和博客的语义聚合新势力

8/13/2007   | 围绕新闻的观点聚合是有价值的【新媒体】

8/10/2007   | 百度新闻向左 Google新闻向右【新媒体】

8/2/2007   | 【飞行术】Web2.0如何改变电信业

7/15/2007   | 【职经分享】走出公司-进入产业-建立圈子

7/8/2007   | 【新媒体讨论】关联趋势和就是不服

7/7/2007    | 【新媒体讨论】动嘴不如动手

 




资源下载链接为: https://pan.quark.cn/s/22ca96b7bd39 在现代军事领域,导弹的精确打击能力至关重要,而导弹的飞行轨迹直接影响其命中精度。为了深入研究导弹的飞行特性,本文通过 MATLAB 软件中的 Simulink 工具,对导弹的六自由度三维轨迹进行仿真分析。目标在惯性坐标系下进行匀速或变速机动,导弹采用比例导引法进行追踪。通过建立运动学与动力学模型,模拟导弹的飞行过程,旨在获取导弹的运动轨迹以及与目标的距离变化规律,为导弹的制导与控制研究提供理论支持与数据参考。 目标在惯性坐标系中按照设定的匀速或变速规律进行机动。其运动状态由位置、速度和加速度等参数描述,通过数学公式精确表达其在三维空间内的运动轨迹。匀速运动时,目标的速度保持恒定,位置随时间线性变化;变速运动时,引入加速度参数,使目标的运动更具复杂性和实战性。 导弹采用比例导引法进行制导。根据比例导引法的基本原理,导弹的加速度与目标与导弹之间的相对位置和相对速度成正比。结合导弹的运动学和动力学规律,建立导弹的六自由度运动模型。该模型考虑了导弹在三维空间内的平动和转动自由度,包括导弹的俯仰、偏航和滚转运动,以及相应的速度和加速度变化。通过运动学方程描述导弹的位置和姿态变化,动力学方程则考虑了导弹的推力、气动力和重力等因素对导弹运动的影响,从而全面刻画导弹的飞行特性。 在 MATLAB 的 Simulink 环境下,搭建仿真模型。将目标运动模型和导弹运动模型以模块化的方式进行组合,通过信号连接实现目标与导弹之间的信息交互。设置不同的初始条件,如目标和导弹的初始位置、速度、加速度等,以及比例导引法中的比例系数等参数。启动仿真后,Simulink 根据模型中的方程和参数,实时计算导弹和目标的运动状态,并以图形化的方式展示导弹的三维飞行轨迹以及导弹与目标之间的距离变化曲线。通过多次仿真,调整参数,
资源下载链接为: https://pan.quark.cn/s/f989b9092fc5 图像超分辨率是种计算机视觉技术,目的是将低分辨率图像提升为高分辨率图像,恢复其细节。近年来,深度学习的快速发展为该领域带来了显著突破。本文将探讨如何利用Python和深度学习实现图像超分辨率,并以srez-master项目为例进行实战解析。 深度学习是机器学习的个分支,依靠多层神经网络模拟人脑学习过程。在图像超分辨率任务中,卷积神经网络(CNN)是常用架构,能够学习图像特征并生成高分辨率图像。 Python是数据科学和机器学习领域的主流语言,拥有丰富的深度学习库。对于图像超分辨率,常用库包括: TensorFlow 或 PyTorch:提供构建和训练神经网络的工具。 Keras 或 PyTorch Lightning:简化模型构建和训练。 OpenCV:用于图像处理和预处理。 Numpy:用于数值计算和矩阵操作。 PIL 或 imageio:用于处理和显示图像。 srez-master是个开源的图像超分辨率项目,基于SRGAN(Super-Resolution Generative Adversarial Network)模型,包含生成器和判别器: 生成器:将低分辨率图像转换为高分辨率图像。 判别器:区分真实高分辨率图像与生成器生成的图像,提升生成器的细节还原能力。 数据准备:收集低分辨率和高分辨率图像对,进行缩放和归化等预处理。 模型构建:根据srez-master代码搭建SRGAN模型,包括生成器和判别器。 训练过程:使用优化器(如Adam)和损失函数(如MSE或GAN损失)进行训练,并定期保存模型权重。 测试与评估:将模型应用于新的低分辨率图像,生成高分辨率结果,并通过PSNR和SSIM等指标评估效果。 结果展示:对比原始低分辨率图像和超分辨率图像,直观展示效果。 ESR
评论
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