能从高管增减持自家股票中看出什么？
2022年9月万科自家高管纷纷增持自家股票。
2022年5月平安自家高管纷纷增持自家股票。
2021年12月三一重工自家高管纷纷减持自家股票
平安和万科的高管都是在股价底部时选择增持，说明他们对自己所经营的公司有信心且认为当前股价处于低位，甚至低于内在价值，看准未来能赚钱，所以现在愿意投钱。
三一重工的高管是在股价22时选择减持，他们对自己经营的企业未来有没有信心这不得而知，但至少能说明他们认为那时的股价高于其内在价值或者他们通过经营数据结合宏观数据，认为2022年三一重工的业绩有回落。通常业绩不好，投资者就会对该家企业未来预期不好，股价就会下降。所以他们选择卖出获利。
暂且不谈他们增持或减持的钱占他们总资产的多少，钱多钱少都是自己赚来的钱，人们都会维护自身利益。
所以从公司高管的行为举动能看出一些端倪。#股票##财经#
2022年9月万科自家高管纷纷增持自家股票。
2022年5月平安自家高管纷纷增持自家股票。
2021年12月三一重工自家高管纷纷减持自家股票
平安和万科的高管都是在股价底部时选择增持，说明他们对自己所经营的公司有信心且认为当前股价处于低位，甚至低于内在价值，看准未来能赚钱，所以现在愿意投钱。
三一重工的高管是在股价22时选择减持，他们对自己经营的企业未来有没有信心这不得而知，但至少能说明他们认为那时的股价高于其内在价值或者他们通过经营数据结合宏观数据，认为2022年三一重工的业绩有回落。通常业绩不好，投资者就会对该家企业未来预期不好，股价就会下降。所以他们选择卖出获利。
暂且不谈他们增持或减持的钱占他们总资产的多少，钱多钱少都是自己赚来的钱，人们都会维护自身利益。
所以从公司高管的行为举动能看出一些端倪。#股票##财经#
职业放贷人的认定标准
本文刊登于《人民司法》2022年第16期
文 / 北京市高级人民法院民二庭、北京市第一中级人民法院民三庭联合课题组
（课题主持人：靳学军、马来客；参与人：李洛云、刘春梅、李利、陈实；执笔人：陈旭云、曲建婷、李晓桐）
如何认定职业放贷人，已成为民间借贷案件审理中的突出问题，亟须统一标准。职业放贷人认定标准应从主体、对象、次数、金额、利率等方面分别予以考量。
一、放贷主体的认定标准
对于放贷主体，首要是判断是否具备放贷资质；同时要将单一主体和关联主体均纳入司法审查范围。对于关联出借人的认定应当综合考虑以下情形：
1.案外人与出借人在生产经营、交易上具有实质控制的关系，或者具有一方直接或间接持股另一方股份比例较高，一方实际控制法人、非法人组织的高级管理人员由另一方委派，一方半数以上高级管理人员同时担任另一方高级管理人员等在利益上相关联的其他关系；
2.案外人与出借人系同一单位的实际控制人、法定代表人、股东、工作人员；
3.案外人与出借人具有亲属、朋友或者其他密切关系；
4.出借资金来源于同一个人或单位，或双方资金往来频繁，且无法作出合理解释；
5.通过债权转让的方式掩盖同一出借人的事实；
6.借款合同、借据采用格式条款，且形式及内容高度近似。
二、放贷对象的认定标准
如果只是向特定对象借款，并没有进入市场，则难以构成对金融监管秩序的破坏，故不在职业放贷人的规制范围中。同时，考虑到日常生活交往中向亲友提供借款的情形，应将放贷人与放贷对象之间的特定关系纳入考虑范围，综合考量双方关系情况、借款目的、借款利率、借款次数等情况谨慎认定。
三、放贷次数及金额的认定标准
除对象不特定外，职业放贷行为的基本特征还包括出借行为的经常性、营利性。判断借贷行为是否具备上述特征，与出借人在一定时间内的放贷次数、金额、利率等量化标准密不可分。
（一）时间与次数因素
放贷人在一定时间内向不特定对象发放贷款的次数是认定放贷行为具有经常性的关键要素。由于民间借贷案件中借贷双方往往存在多次款项往来，且如果不是自己审理的案件，很多时候难以获取放贷次数的信息，因此，建议将出借人涉及的案件数量作为衡量放贷次数的标准进行考量。为防止出借人通过公证债权文书、约定仲裁、积极调解等方式逃避规制，课题组认为，将统计出借人涉及案件数量的范围，限定于民间借贷案件（含诉前调解）或出借人作为申请执行人申请执行公证债权文书、仲裁裁决的案件，较为合理。
（二）金额与利率因素
对于在一定时间内涉及的案件数量较多的放贷人，以案件数量作为标准即可判断其放贷行为是否具有经常性特征；而对于在一定时间内涉及的案件数量虽然较少但放贷金额较大的放贷人，则需将案件数量与放贷金额结合进行考量。北京法院2017~2019年案均标的额呈逐年上升趋势，年均案均标的额超过600万元。但考虑到案件标的额包含借款本金及利息，且当时对于民间借贷利率的规制还是“两线三区”的标准，而目前利率保护红线已经下调，因此，以案均500万元作为标准。
就利率而言，鉴于民间借贷司法解释已经对利率作出限制，对于超出规定部分的利率，法律本就不予保护，且如果以利率作为认定标准，难免出现例如规定超过年利率24％即为职业放贷人，出借人就约定年利率23.9％，以逃避法律规制的情况。因此，课题组认为，不宜将借款利率作为职业放贷人的认定标准作出量化规定。
（三）综合结论
结合各法院的倾向性意见，课题组认为，同一或关联出借人涉及的民间借贷案件（含诉前调解）或作为申请执行人申请执行公证债权文书、仲裁裁决的案件，满足下列条件之一的，可以认定为职业放贷人：
1.以连续3年收结案数为标准，在同一法院民事诉讼中涉及10件以上，或者在全市各级法院民事诉讼中涉及20件以上的；
2.在同一年度内，在同一法院民事诉讼中涉及5件以上，或者在全市各级法院民事诉讼中涉及10件以上的；3.在同一年度内，在同一法院涉及3件以上且累计金额达1500万元以上，或者在全市各级法院涉及6件以上且累计金额达3000万元以上的。
同时，为与审判实践中的复杂情况相适应，课题组认为应对上述案件数量及金额的硬性标准作出例外规定，即如果通过相关案件审理或者其他途径可以认定出借人系职业放贷人的，则不受上述案件数量及金额的限制。需要明确的是，职业放贷行为的主要特征之一就是营业性，因此如果借款人出借款项的目的并非营利，那么该出借行为引起的案件则不应计算在内。另外，因同一笔借款引起的案件也不应重复计算。
四、例外情形
虽然从《全国法院民商事审判工作会议纪要》（法〔2019〕254号）对于职业放贷人的定义来看，并未将小额贷款公司、P2P网络借贷等情形排除在规制范围之外，但课题组认为，小额贷款公司、P2P网络借贷等情形不能适用上述认定标准。 https://t.cn/RSvGn0C
本文刊登于《人民司法》2022年第16期
文 / 北京市高级人民法院民二庭、北京市第一中级人民法院民三庭联合课题组
（课题主持人：靳学军、马来客；参与人：李洛云、刘春梅、李利、陈实；执笔人：陈旭云、曲建婷、李晓桐）
如何认定职业放贷人，已成为民间借贷案件审理中的突出问题，亟须统一标准。职业放贷人认定标准应从主体、对象、次数、金额、利率等方面分别予以考量。
一、放贷主体的认定标准
对于放贷主体，首要是判断是否具备放贷资质；同时要将单一主体和关联主体均纳入司法审查范围。对于关联出借人的认定应当综合考虑以下情形：
1.案外人与出借人在生产经营、交易上具有实质控制的关系，或者具有一方直接或间接持股另一方股份比例较高，一方实际控制法人、非法人组织的高级管理人员由另一方委派，一方半数以上高级管理人员同时担任另一方高级管理人员等在利益上相关联的其他关系；
2.案外人与出借人系同一单位的实际控制人、法定代表人、股东、工作人员；
3.案外人与出借人具有亲属、朋友或者其他密切关系；
4.出借资金来源于同一个人或单位，或双方资金往来频繁，且无法作出合理解释；
5.通过债权转让的方式掩盖同一出借人的事实；
6.借款合同、借据采用格式条款，且形式及内容高度近似。
二、放贷对象的认定标准
如果只是向特定对象借款，并没有进入市场，则难以构成对金融监管秩序的破坏，故不在职业放贷人的规制范围中。同时，考虑到日常生活交往中向亲友提供借款的情形，应将放贷人与放贷对象之间的特定关系纳入考虑范围，综合考量双方关系情况、借款目的、借款利率、借款次数等情况谨慎认定。
三、放贷次数及金额的认定标准
除对象不特定外，职业放贷行为的基本特征还包括出借行为的经常性、营利性。判断借贷行为是否具备上述特征，与出借人在一定时间内的放贷次数、金额、利率等量化标准密不可分。
（一）时间与次数因素
放贷人在一定时间内向不特定对象发放贷款的次数是认定放贷行为具有经常性的关键要素。由于民间借贷案件中借贷双方往往存在多次款项往来，且如果不是自己审理的案件，很多时候难以获取放贷次数的信息，因此，建议将出借人涉及的案件数量作为衡量放贷次数的标准进行考量。为防止出借人通过公证债权文书、约定仲裁、积极调解等方式逃避规制，课题组认为，将统计出借人涉及案件数量的范围，限定于民间借贷案件（含诉前调解）或出借人作为申请执行人申请执行公证债权文书、仲裁裁决的案件，较为合理。
（二）金额与利率因素
对于在一定时间内涉及的案件数量较多的放贷人，以案件数量作为标准即可判断其放贷行为是否具有经常性特征；而对于在一定时间内涉及的案件数量虽然较少但放贷金额较大的放贷人，则需将案件数量与放贷金额结合进行考量。北京法院2017~2019年案均标的额呈逐年上升趋势，年均案均标的额超过600万元。但考虑到案件标的额包含借款本金及利息，且当时对于民间借贷利率的规制还是“两线三区”的标准，而目前利率保护红线已经下调，因此，以案均500万元作为标准。
就利率而言，鉴于民间借贷司法解释已经对利率作出限制，对于超出规定部分的利率，法律本就不予保护，且如果以利率作为认定标准，难免出现例如规定超过年利率24％即为职业放贷人，出借人就约定年利率23.9％，以逃避法律规制的情况。因此，课题组认为，不宜将借款利率作为职业放贷人的认定标准作出量化规定。
（三）综合结论
结合各法院的倾向性意见，课题组认为，同一或关联出借人涉及的民间借贷案件（含诉前调解）或作为申请执行人申请执行公证债权文书、仲裁裁决的案件，满足下列条件之一的，可以认定为职业放贷人：
1.以连续3年收结案数为标准，在同一法院民事诉讼中涉及10件以上，或者在全市各级法院民事诉讼中涉及20件以上的；
2.在同一年度内，在同一法院民事诉讼中涉及5件以上，或者在全市各级法院民事诉讼中涉及10件以上的；3.在同一年度内，在同一法院涉及3件以上且累计金额达1500万元以上，或者在全市各级法院涉及6件以上且累计金额达3000万元以上的。
同时，为与审判实践中的复杂情况相适应，课题组认为应对上述案件数量及金额的硬性标准作出例外规定，即如果通过相关案件审理或者其他途径可以认定出借人系职业放贷人的，则不受上述案件数量及金额的限制。需要明确的是，职业放贷行为的主要特征之一就是营业性，因此如果借款人出借款项的目的并非营利，那么该出借行为引起的案件则不应计算在内。另外，因同一笔借款引起的案件也不应重复计算。
四、例外情形
虽然从《全国法院民商事审判工作会议纪要》（法〔2019〕254号）对于职业放贷人的定义来看，并未将小额贷款公司、P2P网络借贷等情形排除在规制范围之外，但课题组认为，小额贷款公司、P2P网络借贷等情形不能适用上述认定标准。 https://t.cn/RSvGn0C
扬言「吊打」英伟达的AI芯片公司，快被现实打趴了（中）
源自：包永刚AI科技评论
2、起个大早，赶了个晚集的「早鸟」
说来有趣，有产品但还要抢融资的公司A此前面临过一次融资危机，公司的两次动荡为这家公司的前景蒙上一层阴影。另一家起个大早的AI芯片初创公司B早早准备好产品，却被困在了软件里，先发优势消耗殆尽。
两家起了大早赶了晚集的AI芯片公司，一个从公司经营的维度，另一个从产品的维度，展现了大芯片创业的巨大挑战。
两次动荡，前途未卜
A公司成立很早，2018年就发布了首款产品，占据了先发优势，但这家公司的前员工向雷峰网透露，在公司发布首款产品的一年多之后，融资一直处于B轮，融资进度跟不上研发需求，于是开始缩减业务、欠薪、裁员，连CEO也被“裁”了。
A公司的前员工透露，“那次的大变动，公司只保留了芯片团队，公司管理层和业务大洗牌。不过融资也只是公司动荡的其中一个因素，实际是各种因素的共同作用。”
业界的说法是，这家公司的CEO和联合创始人在技术路线上理念不合，联合创始人和投资人一起让CEO出局。
创始人被踢出局的戏码算不上新鲜，但不幸的是公司的关键人物变动似乎成了这家公司的“劫”。
A公司在第一次动荡之后重整旗鼓，发布了新产品，迎来新的掌舵人，正当一切都重回正轨之时，再次遭遇动荡。
“A公司新任CEO气焰有些嚣张，声称某公司的项目势在必得，2022年能落地2亿的项目。”多位AI芯片业界人士都向雷峰网提及。
但这位经验丰富的CEO还没实际创造2亿的营收就遭遇了调查。
“一时间，香饽饽CEO好像成了烫手山芋，不说2亿，不知道A公司今年能不能实现几千万的营收？”这成了同行会关注的话题。
每代产品不同样，没有高质量落地项目
A公司因为人的因素没能占尽先机之时，B公司被局限在了创始团队的认知里。
“软件做的真的太差，客户没办法用起来，自然难落地。”几位B公司前员工以及业内同行都如此评价。
软件没做起来，是因为硬件设计也有问题。
“B公司的芯片迭代到了第三代，但每一代芯片架构思路都在变，甚至首席架构师都不同，设计出的硬件微架构也有很大的不同，硬件架构没有延续性，就算软件的工程师再努力，软件也难以复用，每一代产品软件就像是从零开始。”了解B公司的马超（化名）说：“另一方面，B公司没有能真正掌控整个软件栈的技术大牛。”
一位B公司的前员工透露，公司没有业界顶尖的大牛，软件团队的人背景虽然都还不错，但就背景差不多造成了相互看不上，怎么可能做出好产品。当然，公司请过一个业内某技术领域的高手，但面对AI芯片这么大一摊子软件，估计也很难把控，待了一个多月两个月就离开了。
对于这种情况，几位业界人士有一些共识，这家公司的创始人确实是有深厚积累的芯片专家，但毕竟不是芯片架构方面的专家，有局限性也很正常。但这家公司的创始团队中没有软件的大牛，外部招来的人即便能力再强，也很难被“接纳”，在核心管理团队中没有话语权，也很难发挥合力做出好产品。
没有高效、好用的软件，也是B公司的投资人虽然购买了少量芯片测试，但没能通过灰度测试，进入大规模采购环节的关键原因。当然，B公司也拿到了政府项目，订单金额不小，但实际能不能产生真实利润都存疑，算不上高质量、可复制的落地项目。
其实，目前国内AI云端芯片公司大部分创始团队都是有深厚的芯片从业背景，在对软件的理解和重要性的认知上有明显的局限。
一位国内AI芯片公司软件的负责人直言：“CEO和CTO都听不懂我的工作。一些国内AI公司创始人对软件的认知，相比领先的国际大公司，我认为有十几年的差距。”
那么，AI芯片的软件到底难在哪？
被AI软件栈困扰的AI芯片公司负责人陈俊（化名）指出，一方面，AI芯片的软件是从零开始，具有天然的复杂性，与CPU不同，各家的AI芯片计算架构和指令都不同，从编译器到库再到框架的适配，都不像CPU一样有开源可以复用的东西。
另一方面，AI的软件生态实际上就是英伟达生态，但英伟达的软件生态，尤其是CUDA相关的核心部分都是闭源、封闭的，想要将自家的软件与英伟达的生态兼容的难度可想而知，想要短期内自己建立一个新的AI生态，无异于痴人说梦。
最后，云端AI推理应用的多变性。目前AI的算法和模型仍然在快速发展和迭代，好不容易实现了图像分类ResNet 50模型的优化，新的语言模型BERT模型又开始流行，自然语言处理模型又开始越变越大，BERT的各种变形枝繁叶茂，这也增加了AI芯片软件的开发难度。
尤其是编译器相关的开发难度，以及针对不同模型不依赖手工优化，仅通过编译器完成自动化性能优化的模型泛化能力，这个能力的缺失几乎成了大多数AI芯片停留在“送测”而不能获取订单的核心原因。
这些是所有英伟达的挑战者面对的技术难题，同时还有人才的挑战。
马超和大多数AI芯片的从业者有相同的观点，“要打造一个完整易用的AI软件栈，必须要有一个不仅熟悉驱动、固件等基础软件，既能够从上向下看，也要能从下往上看，对整个AI软件生态有全面认识，有足够经验和能力的软件大牛。”
“AI芯片火起来之前，在国内做编译器是个非常冷门的职业。”陈俊说：“编译器是AI芯片软件栈中重要的部分，国内芯片相关软件人才非常匮乏。”
源自：包永刚AI科技评论
2、起个大早，赶了个晚集的「早鸟」
说来有趣，有产品但还要抢融资的公司A此前面临过一次融资危机，公司的两次动荡为这家公司的前景蒙上一层阴影。另一家起个大早的AI芯片初创公司B早早准备好产品，却被困在了软件里，先发优势消耗殆尽。
两家起了大早赶了晚集的AI芯片公司，一个从公司经营的维度，另一个从产品的维度，展现了大芯片创业的巨大挑战。
两次动荡，前途未卜
A公司成立很早，2018年就发布了首款产品，占据了先发优势，但这家公司的前员工向雷峰网透露，在公司发布首款产品的一年多之后，融资一直处于B轮，融资进度跟不上研发需求，于是开始缩减业务、欠薪、裁员，连CEO也被“裁”了。
A公司的前员工透露，“那次的大变动，公司只保留了芯片团队，公司管理层和业务大洗牌。不过融资也只是公司动荡的其中一个因素，实际是各种因素的共同作用。”
业界的说法是，这家公司的CEO和联合创始人在技术路线上理念不合，联合创始人和投资人一起让CEO出局。
创始人被踢出局的戏码算不上新鲜，但不幸的是公司的关键人物变动似乎成了这家公司的“劫”。
A公司在第一次动荡之后重整旗鼓，发布了新产品，迎来新的掌舵人，正当一切都重回正轨之时，再次遭遇动荡。
“A公司新任CEO气焰有些嚣张，声称某公司的项目势在必得，2022年能落地2亿的项目。”多位AI芯片业界人士都向雷峰网提及。
但这位经验丰富的CEO还没实际创造2亿的营收就遭遇了调查。
“一时间，香饽饽CEO好像成了烫手山芋，不说2亿，不知道A公司今年能不能实现几千万的营收？”这成了同行会关注的话题。
每代产品不同样，没有高质量落地项目
A公司因为人的因素没能占尽先机之时，B公司被局限在了创始团队的认知里。
“软件做的真的太差，客户没办法用起来，自然难落地。”几位B公司前员工以及业内同行都如此评价。
软件没做起来，是因为硬件设计也有问题。
“B公司的芯片迭代到了第三代，但每一代芯片架构思路都在变，甚至首席架构师都不同，设计出的硬件微架构也有很大的不同，硬件架构没有延续性，就算软件的工程师再努力，软件也难以复用，每一代产品软件就像是从零开始。”了解B公司的马超（化名）说：“另一方面，B公司没有能真正掌控整个软件栈的技术大牛。”
一位B公司的前员工透露，公司没有业界顶尖的大牛，软件团队的人背景虽然都还不错，但就背景差不多造成了相互看不上，怎么可能做出好产品。当然，公司请过一个业内某技术领域的高手，但面对AI芯片这么大一摊子软件，估计也很难把控，待了一个多月两个月就离开了。
对于这种情况，几位业界人士有一些共识，这家公司的创始人确实是有深厚积累的芯片专家，但毕竟不是芯片架构方面的专家，有局限性也很正常。但这家公司的创始团队中没有软件的大牛，外部招来的人即便能力再强，也很难被“接纳”，在核心管理团队中没有话语权，也很难发挥合力做出好产品。
没有高效、好用的软件，也是B公司的投资人虽然购买了少量芯片测试，但没能通过灰度测试，进入大规模采购环节的关键原因。当然，B公司也拿到了政府项目，订单金额不小，但实际能不能产生真实利润都存疑，算不上高质量、可复制的落地项目。
其实，目前国内AI云端芯片公司大部分创始团队都是有深厚的芯片从业背景，在对软件的理解和重要性的认知上有明显的局限。
一位国内AI芯片公司软件的负责人直言：“CEO和CTO都听不懂我的工作。一些国内AI公司创始人对软件的认知，相比领先的国际大公司，我认为有十几年的差距。”
那么，AI芯片的软件到底难在哪？
被AI软件栈困扰的AI芯片公司负责人陈俊（化名）指出，一方面，AI芯片的软件是从零开始，具有天然的复杂性，与CPU不同，各家的AI芯片计算架构和指令都不同，从编译器到库再到框架的适配，都不像CPU一样有开源可以复用的东西。
另一方面，AI的软件生态实际上就是英伟达生态，但英伟达的软件生态，尤其是CUDA相关的核心部分都是闭源、封闭的，想要将自家的软件与英伟达的生态兼容的难度可想而知，想要短期内自己建立一个新的AI生态，无异于痴人说梦。
最后，云端AI推理应用的多变性。目前AI的算法和模型仍然在快速发展和迭代，好不容易实现了图像分类ResNet 50模型的优化，新的语言模型BERT模型又开始流行，自然语言处理模型又开始越变越大，BERT的各种变形枝繁叶茂，这也增加了AI芯片软件的开发难度。
尤其是编译器相关的开发难度，以及针对不同模型不依赖手工优化，仅通过编译器完成自动化性能优化的模型泛化能力，这个能力的缺失几乎成了大多数AI芯片停留在“送测”而不能获取订单的核心原因。
这些是所有英伟达的挑战者面对的技术难题，同时还有人才的挑战。
马超和大多数AI芯片的从业者有相同的观点，“要打造一个完整易用的AI软件栈，必须要有一个不仅熟悉驱动、固件等基础软件，既能够从上向下看，也要能从下往上看，对整个AI软件生态有全面认识，有足够经验和能力的软件大牛。”
“AI芯片火起来之前，在国内做编译器是个非常冷门的职业。”陈俊说：“编译器是AI芯片软件栈中重要的部分，国内芯片相关软件人才非常匮乏。”
✋热门推荐