01.投资人的Knowledge Gap
什么是Knowledge Gap？
举个例子，如果我们的投向是游戏领域。那么我们对游戏领域的整个产业链，产业链上有哪几个节点？每个节点做什么？是否赚钱？每个节点分别有哪些公司？这些公司分布在北上广深哪些城市？我们和这些公司的创始人是否熟悉？这些内容我们都需要熟悉，并且会形成我们对游戏领域一个基本的知识壁垒。
如何使用Knowledge Gap？
当我们和项目进行交流的时候，会使用这个知识壁垒，去测试坐在桌子对面的项目创始人，他对于这个行业的熟悉和理解到底处于什么水平。假设，我们自己对游戏行业的知识壁垒是80分的话，如果桌子对面的创始人并不能接住我们的问题，意味着他们的知识壁垒还没有超过我们的80分。而我们要寻找的，是那些能过翻过我们的知识壁垒的创业者，那些85分，90分，95分的创业者。
但反过来，如果我们自己对游戏行业的理解只有40分的话，那么大多数人我们接触的创业者可能都能超过我们的知识壁垒，那我们就很难判断和挑选出那些最优秀的创业者了。
所以，构建自己对于细分领域的Knowledge Gap是第一步。
02.投资人的Pattern Recognition
什么是Pattern Recognition？
即投资人的模式识别能力。什么是模式识别？同样举个例子，如果我们要教一个小朋友认识什么是玫瑰花，我们会怎么做？打印一张玫瑰花的照片给小朋友看，然后打印100张不同玫瑰花的照片重复给小朋友看。最后，当我们拿出第101张玫瑰花照片时，小朋友应该能大致判断出这个是否是玫瑰花。
如何使用Pattern Recognition？
判断项目同样如此，如果我们每年看1000个项目，那么当第1001个项目进来的时候，你不需要很多的时间，就可以大致判断出这个项目大概处于什么样的水平。
时间局限是大部分投资人都有的问题，而模式识别可以很大程度上解决投资人的时间局限问题。
03.于不确定性中寻找确定性的艺术
通过降低单体风险降低系统性风险
假设你管理一支基金，每年投20个左右的项目。传统的做法是，花更多的时间搜集更高质量的案源，做好业务、财务和法务尽调。通过降低单个项目的风险，来降低整个基金的系统性风险。这个传统的做法，即精准投。
通过放大样本数量降低系统性风险
但如果我们来看硅谷的一些早期基金和孵化器，他们的整体理念和做法则完全不同。并不把希望寄托于降低每个项目的失败概率。而是增加投资项目（样本）的数量，并通过运营增加项目与项目之间，创始人和创始人之间，团队和团队之间沟通交流的机会，从而增加项目转型甚至团队重组的可能性（当然希望是往好的方向转）。
样本数量过少，这样新的重组和裂变可能性越小。样本数量越多，重组和裂变产生新物种的可能性越大。这样的重组和裂变产生新的物种，新物种的基因往往优于上一代的物种，这样他们的生存能力也更强。通过这种方法，提高了产生更优基因项目的可能性，实际上降低了单个项目的失败概率（即使你原来失败了，你也有可能参与到产生新项目的事业中去）。
简单来说，并不简单降低单个项目的失败概率，而是增加项目样本数量，提高重组和裂变的可能性，让高失败概率的项目参与到重组和裂变中去，延长他们的生命周期，曲线地降低了这些项目的失败概率，最终仍然是降低系统性风险。即概率投。
中早期的艺术家，中后期的银行家
最早期的项目，没有利润。退一步，没有收入。再退一步，没有用户。有的甚至连产品都没有做完。在做项目交流判断的时候，我们失去了传统所有的与财务有关的判断指标。
很多时候我们听投资人说投早期项目就是投人，其实这不是一个主动选择的结果。而是失去了所有其他判断指标之后无奈被倒逼的一个结果。
对于最早期的项目，很多时候做判断和艺术家对当代艺术作品做判断一样，是基于很多个人历史经验的主观判断。如果我们能够回到当年的荷兰，面对梵高的画，能够判断出这是未来价值连城的作品的艺术家，就是真正厉害的天使投资人。
