快捷导航
当下,“独角兽”公司正受到各路资本的追捧。
  独角兽本为西方传说中的一种神兽,形如白马,额前有一个螺旋角。2013年,美国著名Cowboy Venture投资人Aileen Lee将估值超过10亿美元的创业公司统计、分类,称之为“独角兽”公司。此后,这一概念迅速流行于全球。
  从这个角度来说,“独角兽”公司大致有两个标准,其一是估值达到10亿美元以上,其二是初创企业。二者叠加即是指代那些拥有高速度发展、高市场份额的新兴企业。
  今天的“独角兽”或许就是未来的产业巨头。它是折射区域经济的一面镜子,是解读经济前沿的一个角度,是观察资本热钱流向的一个窗口。
  神话传说中,独角兽稀有且高贵;在现实中,“独角兽”却呈现出一个有趣的特征——喜好群居、扎堆。从产业分布来看,“独角兽”多扎堆于互联网产业,实体产业极少;从归属领域来看,它们多集中在消费领域;从地域来看,80%以上的“独角兽”群居于北上深杭等少数城市。
  扎堆虚拟经济
  浏览各种“独角兽”公司的榜单,无论是胡润研究院的排名,还是近来出现的中关村管委会的统计,或是媒体制造的榜单来看,它们都呈现出一个明显的现象——扎堆出现在互联网经济当中。相比而言,传统产业、实体经济中的“独角兽”数量稀少。
  如,胡润评出的“2017年独角兽企业TOP10”中蚂蚁金服滴滴出行新美大今日头条等就有7家明显带有“互联网+”属性。中关村管委会统计出的164家“独角兽”公司多数都与互联网经济相关:其中电子商务多达33家、互联网金融21家;在众多“独角兽”中,互联网金融领域估值最高、为1592.7亿美元,占总估值的25%;即便是传统产业如大健康、教育也以春雨医生、VIPKID这种网络平台公司的形式上榜。
  有人说,“独角兽”是嚼着垄断者的骨头开始成长的。不难发现金融、医疗、教育、公共交通等依赖牌照作为门槛的行业诞生出大量的“独角兽”公司。以往这些具有垄断性质的产业凭借政策门槛、牌照限制,形成了坚固的行业壁垒,产生出令人垂涎的垄断利润,首先吸引了“独角兽”蜂拥而入。
  现实中,新兴的互联网产业往往政策限制少,许多细分领域尚未形成政策门槛,已被嗅觉灵敏、反应奇快的“独角兽”冲得七零八落。如当初滴滴出行通过天价补贴,一夜之间闯入了垄断已久的出租车行业,最初一天烧掉的1个亿的补贴,迅速吸引了海量的消费者,1年内使其拉升至100亿美元市值的规模,等全国各地监管部门反应过来已为时已晚。
  滴滴出行、春雨医生、支付宝等一大批新兴公司闯入长期垄断的产业,疯狂抢夺着高额的行业利润,助其迅速成长为体型硕大的“独角兽”。一再突破政策禁区,“独角兽”一面心里窃喜一面心里打鼓,就连马云也曾试探性的公开表示,“如果国家需要支付宝,我会把公司送给国家!”
  “独角兽”公司扎堆出现在虚拟经济,一方面是因为互联网产业政策限制少,得以进入垄断行业获取高利润;另一方面或许是因为虚拟经济普遍具有轻资产、低成本、高弹性等特征。
  一个布局在传统产业、实体经济的企业要想在短时间内崛起,成为行业的“独角兽”,往往需要土地、水电、原料、物流、销售网络、产业集群配套等诸多现实条件,甚至许多制造企业只因交通运输“治限治超”、环保排放没有达标,就会被罚上百万千万。所以,一个实体企业在行业内崭露头角通常要经历十年以上的艰辛创业。
  反观互联网产业、虚拟经济,由于不像实体经济那样受各种投入要素等资源、生态环境与技术创新的限制,常常只需具备了人才、技术,再加上一个创新型的商业模式,就能吸引大笔资金,借助互联网在短短数年内迅速蹿红,估值高达数十亿。
  难怪业界普遍认为,正是由于虚拟经济、互联网产业具有成长快、成本低、利润高等特征,才造就了大量“独角兽”,呈现出扎堆聚集的现象。
  集中消费领域
  有人曾拿中美两国的“独角兽”做比对,结果却发现,中国“独角兽”多集中在消费领域,美国的“独角兽”多聚集于科技领域。
  大量中国“独角兽”的诞生是以互联网等新兴科技为平台满足、挖掘用户日益升级的消费需求,集中在吃喝玩乐和衣食住行等日常消费领域。有统计称,中国来自消费、商业服务相关行业的独角兽占全部独角兽的60%以上。而美国独角兽则多集中在以技术创新为主的人工智能,大数据,云计算以及医疗保健等领域。
  中美“独角兽”这一差别也折射出两国正处于不同社会发展阶段。早在十年前,2008年美国人均年收入已达3.76万美元,如今已然经历了消费升级阶段,率先提出了“工业互联网”战略,开始进入科技变革时代。由此,美国“独角兽”多聚集于高科技领域。
  中国经过多年经济高速发展后,中高收入群体数量突飞猛进,2017年全国居民人均可支配收入2.59万元人民币。人们已不再满足于企业提供基本服务的产品了,消费需求开始从最基本的衣食住行,转变到能够提高生活品质、服务个人意愿的方向。这时,中国面临着一场消费大升级。
  国家发改委会日前发布《2017年中国居民消费发展报告》报告显示,2017年,社会消费品零售总额达到36.6万亿元,增长10.2%。全国居民人均消费支出为18322元,增长7.1%。2017年最终消费支出占GDP的比重达到53.6%,自2012年以来已连续6年占比超过50%。
  消费升级主要体现在三个领域。其一,消费体验的升级,消费者渴望得到更好的服务,获得更好的体验;其次,消费品质的升级,即用相同的价格买到更好的产品,或者相同服务能有更低的价格;其三,消费品类的升级,满足消费消费者多样化、一站式的需求。
  谁化解了消费的痛点,谁能满足了市场的需求,谁就能从这场消费盛宴中更多的分羹。统观中国诞生的“独角兽”多是得益于满足了消费者的这三个方面。
  春雨医生收到追捧,即是凭借着互联网平台为患者大大化解了就医难的消费痛点;滴滴出行则让出行者有了更便捷、更省钱的出行选择;今日头条则整合海量的信息,为读者推送出喜爱的资讯……
  易观智库发布《2018年中国互联网十大盘点及十大预测》报告。报告显示,消费升级已经成为中国经济转型的一个关键点,在2018年消费升级领域将诞生更多“独角兽”。
  群居少数城市
  从区域分布来看,“独角兽”公司呈现出的另一种独特的现象是群居在北京、上海、杭州、深圳等少数区域。
  在一项综合了Wall Street Jour-nal、胡润研究院等多家机构的统计分析结果中,截至2018年2月,中国大陆境内被国内外投资者和投机机构认可的“独角兽”公司共有136家。其中,总部位于北京的有61家,总估值约16553亿元人民币,上海有29家,总估值约4976亿元人民币,杭州有18家,深圳有11家,国内其他城市共17家。拥有数量排名前四的北上杭深四大城市共拥有中国大陆总数约87.5%,总估值约90.6%。
  在刚刚发布的《2017中国独角兽企业发展报告》中,164家“独角兽”主要分布于19座城市,北京70家,上海36家,杭州17家,深圳14家……有137家“独角兽”公司群居在四个城市,占比高达83%以上。一线城市广州有3家,苏州仅1家。
  细数许多“独角兽”成长的过程,往往是几个具有创新思维的人,萌生出一个全新的商业模式,在资本的加持下就能孵化出一只“独角兽”。由于扎堆在互联网经济、属技术密集型产业,“独角兽”最关键的要素当属高科技人才。
  曾有一个故事流传于美国“独角兽”群居的硅谷。当地“独角兽”们不断“捕猎”如谷歌等科技巨头里的人才,甚至连给技术人才做饭的厨师都不放过。也正是“人”这一要素使得“独角兽”们扎堆出现在少数城市和区域。
  “中关村是国内最大的互联网人才集聚地,多年来中关村在互联网行业各个领域都形成了人才的高密度分布,包括研发、技术、产品等。”金山云CEO王育林在面对中关村何以成为一座“独角兽”之城的问题时首先提到了人才优势:“在中关村很容易就能找到所需的各行业人才。”
  事实上,上海、杭州和深圳都是全国高科技人才、金融人才、创新型人才的聚集地。
  虚拟经济、无需大面积用地,往往具有高成长性、高利润空间,“独角兽”们不必如实体企业一般计较成本因素,能够选择中国最具活力的城市驻足、最具成长性的土壤扎根。
  在《2017中国独角兽企业发展报告》列举的164家“独角兽”中,排名第三的经济大省山东竟无一家,很大程度上也是因为山东在高科技人才上的缺失。当地一位学界人士指出,作为传统经济大省,山东经济结构以国企为主,以加工制造为主,缺少具有活力的高科技民企,也就无法留住IT、金融和创新型人才。没有相应的土壤,也就导致了一个经济大省竟无一家“独角兽”的尴尬。
  今天的“独角兽”或许就是未来的产业巨头,它是折射区域经济的一面镜子,是解读经济前沿的一个角度,是观察资本热钱流向的一个窗口。从“独角兽”的群居效应、扎堆现象来看,未来产业间、区域间“强者越强、弱者越弱”的马太效值得警醒。经济观察报  种昂 


你若盛开,清风自来~
举报 使用道具
| 回复

共 1 个关于本帖的回复 最后回复于 2018-5-21 11:19

沙发
hzq15924328223 注册会员 发表于 2018-5-21 11:19:48 | 只看该作者
太牛B了,中国的独角兽公司位居全球第二,仅次于美国
举报 使用道具
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

精彩推荐

  • 房企的转型之道
  • 张一鸣成名前的2000条微博,关于自我提升、
  • 创新的可能性——分享来自罗汉堂陈龙教授
  • 土地招拍挂项目各阶段融资操作指引(23号文
  • 地产金融网广告与服务(首页广告报价)

明星用户

申请合作开关音效

Archiver|手机版|小黑屋| 地产金融网论坛 Inc. ( 苏ICP备13054326号 )  

GMT+8, 2024-11-23 15:04 , Processed in 0.473088 second(s), 33 queries .