01.投資人的Knowledge Gap
什么是Knowledge Gap？
舉個例子，如果我們的投向是游戲領域。那么我們對游戲領域的整個產業鏈，產業鏈上有哪幾個節點？每個節點做什么？是否賺錢？每個節點分別有哪些公司？這些公司分布在北上廣深哪些城市？我們和這些公司的創始人是否熟悉？這些內容我們都需要熟悉，并且會形成我們對游戲領域一個基本的知識壁壘。
如何使用Knowledge Gap？
當我們和項目進行交流的時候，會使用這個知識壁壘，去測試坐在桌子對面的項目創始人，他對于這個行業的熟悉和理解到底處于什么水平。假設，我們自己對游戲行業的知識壁壘是80分的話，如果桌子對面的創始人并不能接住我們的問題，意味著他們的知識壁壘還沒有超過我們的80分。而我們要尋找的，是那些能過翻過我們的知識壁壘的創業者，那些85分，90分，95分的創業者。
但反過來，如果我們自己對游戲行業的理解只有40分的話，那么大多數人我們接觸的創業者可能都能超過我們的知識壁壘，那我們就很難判斷和挑選出那些最優秀的創業者了。
所以，構建自己對于細分領域的Knowledge Gap是第一步。
02.投資人的Pattern Recognition
什么是Pattern Recognition？
即投資人的模式識別能力。什么是模式識別？同樣舉個例子，如果我們要教一個小朋友認識什么是玫瑰花，我們會怎么做？打印一張玫瑰花的照片給小朋友看，然后打印100張不同玫瑰花的照片重復給小朋友看。最后，當我們拿出第101張玫瑰花照片時，小朋友應該能大致判斷出這個是否是玫瑰花。
如何使用Pattern Recognition？
判斷項目同樣如此，如果我們每年看1000個項目，那么當第1001個項目進來的時候，你不需要很多的時間，就可以大致判斷出這個項目大概處于什么樣的水平。
時間局限是大部分投資人都有的問題，而模式識別可以很大程度上解決投資人的時間局限問題。
03.于不確定性中尋找確定性的藝術
通過降低單體風險降低系統性風險
假設你管理一支基金，每年投20個左右的項目。傳統的做法是，花更多的時間搜集更高質量的案源，做好業務、財務和法務盡調。通過降低單個項目的風險，來降低整個基金的系統性風險。這個傳統的做法，即精準投。
通過放大樣本數量降低系統性風險
但如果我們來看硅谷的一些早期基金和孵化器，他們的整體理念和做法則完全不同。并不把希望寄托于降低每個項目的失敗概率。而是增加投資項目（樣本）的數量，并通過運營增加項目與項目之間，創始人和創始人之間，團隊和團隊之間溝通交流的機會，從而增加項目轉型甚至團隊重組的可能性（當然希望是往好的方向轉）。
樣本數量過少，這樣新的重組和裂變可能性越小。樣本數量越多，重組和裂變產生新物種的可能性越大。這樣的重組和裂變產生新的物種，新物種的基因往往優于上一代的物種，這樣他們的生存能力也更強。通過這種方法，提高了產生更優基因項目的可能性，實際上降低了單個項目的失敗概率（即使你原來失敗了，你也有可能參與到產生新項目的事業中去）。
簡單來說，并不簡單降低單個項目的失敗概率，而是增加項目樣本數量，提高重組和裂變的可能性，讓高失敗概率的項目參與到重組和裂變中去，延長他們的生命周期，曲線地降低了這些項目的失敗概率，最終仍然是降低系統性風險。即概率投。
中早期的藝術家，中后期的銀行家
最早期的項目，沒有利潤。退一步，沒有收入。再退一步，沒有用戶。有的甚至連產品都沒有做完。在做項目交流判斷的時候，我們失去了傳統所有的與財務有關的判斷指標。
很多時候我們聽投資人說投早期項目就是投人，其實這不是一個主動選擇的結果。而是失去了所有其他判斷指標之后無奈被倒逼的一個結果。
對于最早期的項目，很多時候做判斷和藝術家對當代藝術作品做判斷一樣，是基于很多個人歷史經驗的主觀判斷。如果我們能夠回到當年的荷蘭，面對梵高的畫，能夠判斷出這是未來價值連城的作品的藝術家，就是真正厲害的天使投資人。
