XiaoMi-AI文件搜索系统
World File Search SystemCrunchbase
建议引用：Chae, Bongsug；Goh, Gyuhyeong (2020)：人工智能和数据分析领域的数字企业家：他们是谁？，《开放式创新：技术、市场和复杂性》杂志，ISSN 2199-8531，MDPI，巴塞尔，第 6 卷，Iss。3，第 1-15 页，https://doi.org/10.3390/joitmc6030056
摘要：数字技术是创业活动的关键资源，人们对数字创业非常感兴趣。虽然许多研究都集中在数字技术在创业中的作用以及它们如何塑造这个领域，但对数字创业的关键参与者的研究相对较少。本研究使用来自 Crunchbase 和 Twitter API 以及学习机的数据，试图回答“谁是数字企业家？”的问题。 本研究报告称，人工智能和数据分析 (AIDA) 行业的数字企业家比非数字企业家更有可能是男性，并且更活跃且在线联系更紧密。此外，他们往往比其他非数字企业家更外向，更不认真和随和。我们的研究结果有助于更清楚地了解数字企业家，这将引起投资者、政策制定者、当前和未来的数字企业家和教育工作者的极大兴趣。
纽约创业通道：
然而，纽约市科技和风险投资 (VC) 行业的快速增长并没有为所有纽约人创造公平的机会。尽管黑人和拉丁裔员工占纽约市整体劳动力的 43%，但他们仅占该市科技人才的 21% 左右。关于纽约市初创企业创始人和风险投资人口统计的具体数据仍然有限。然而，在全国范围内，全女性创办的初创企业获得的风险投资不到 3%，黑人和拉丁裔创办的初创企业获得的投资不到所有投资的 3%。根据 Pitchbook 和 Crunchbase 的数据，在风险投资人中，只有 1.2% 的投资决策者是黑人，不到 18% 是女性。同时，根据 Diversity VC 的《股权记录》报告，女性和少数族裔投资者仅管理着风险投资公司所有管理资产 (AUM) 的 2%。
人工智能、教育和创业
∗ Michael Gofman（通讯作者，Gofman@mail.huji.ac.il）就职于耶路撒冷希伯来大学和罗切斯特大学。赵进（Jinzhao@ckgsb.edu.cn）就职于长江商学院。我们感谢 Sabrina Howell（讨论者）、Ron Kaniel、Adrien Matray、Cade Metz、Michael Roach、Scott Stern、Zvi Wiener、2019 年斯坦福 HAI-AI 指数圆桌研讨会和 2021 年 SFS Cavalcade NA 的参与者，以及希伯来大学、阿尔伯塔大学和 UCSC-BIU-BGU 虚拟研讨会的研讨会参与者提供的意见。Michael Gofman 感谢阿尔弗雷德·P·斯隆基金会的资金支持（拨款编号：G-2020-14005）。赵金感谢尤因·马里昂·考夫曼基金会的资金支持（拨款编号：G-201806-4434）和 Crunchbase 对其数据库的访问权限。我们感谢 Luis Azar Barrionuevo、陈侃、Theo Mambu、Ayobami Sanusi、Botong Shang 和 Yuchi Yao 提供的出色研究协助。所有错误均由我们自己承担。我们已阅读《金融学杂志》的披露政策，没有利益冲突需要披露。
美国对中国人工智能企业的海外投资
《美国对中国人工智能公司的海外投资》摘要 美国政策制定者担心对华投资可能对国家安全产生影响，这促使他们考虑建立新的监管制度。本报告使用 Crunchbase 数据增强美国政府监控和衡量此类交易的有限能力，分析了 2015 年至 2021 年美国对中国人工智能公司的投资范围和性质。CSET 的研究结果显示，中国投资者是国内人工智能公司的主要资本供应者。2015 年至 2021 年间，至少 71% 的交易价值和 92% 的没有美国参与的投资交易来自中国投资者。在对 251 家中国人工智能公司的 2,299 笔全球交易中，美国投资者参与了 401 笔，占 17%。这 401 笔交易总额达 402 亿美元，占同期所有中国人工智能公司筹集的 1,100 亿美元的 37%。然而，这 402 亿美元中来自所有美国投资者的具体份额尚不清楚。
alphavc：基于增强的基于学习的风险投资投资策略
风险投资投资在推动早期初创公司的出现和增长方面发挥了重要作用。但是，只有一小部分由风险投资的初创公司才能成功生存和退出。先前基于数据驱动的预测或基于建议的解决方案无法为跨不同投资回合的初创企业提供有效且可行的策略。在本文中，我们开发了一种基于强化学习的新方法Alphavc，以促进风险资本家的决策。我们的基于政策的强化学习者可以动态地确定最佳候选人，并依次将最佳投资金额放在适当的回合中，以最大程度地利用给定投资组合的财务收益。我们从Crunchbase检索公司的人口统计和投资活动数据。与各种最先进的基线方法相比，我们的方法论证明了其在排名和基于投资组合的性能指标中的功效和优势。通过敏感性和消融分析，我们的研究突出了保理中远端结果的重要性，并在不同时间点做出决策时承认学习效果。此外，我们观察到，Alphavc专注于精选的高潜力公司，但在投资流程的各个阶段均匀分配投资。关键字：风险资本，加强学习，投资组合优化