本周五搜狗公布，在美IPO预计发行4500万份美国存托股票（ADS），价格区间11-13美元/股。约合IPO募股规模在4.95亿到5.85亿美元之间。这是此前搜狗在招股说明书中未透露的讯息。

上述消息公布于美股盘后时间，搜狗第二大股东搜狐美股股价明显反弹，一度升至62美元，在收盘价基础上回涨6.3%以上，此后涨幅有所收窄，不足3%。本周五搜狐美股收跌8.23%，收报58.31美元。

两周前，本月13日搜狗向美国证券交易委员会（SEC）提交招股说明书，证券代码为SOGO，IPO计划募集最多6亿美元资金。当天搜狐美股股价大涨，收涨13%。

招股说明书显示，投资银行摩根大通、瑞信、高盛、中金将担任搜狗IPO的联席主承销商；华兴资本将担任副承销商。

招股说明书披露，2015年3 月，搜狗搜索引擎移动端的月度活跃用户（MAU）3.46亿，今年6月增至4.83亿，以MAU计算，搜狗称得上中国第四大互联网公司；同期搜狗输入法移动端月活用户从2.25亿增至4.03亿。

招股说明书还披露，今年6月，搜狗输入法日均活跃用户（DAU）为2.83 亿，PC端DAU为8800万。基于DAU，搜狗输入法是中国第二大PC软件，第三大移动应用。

据招股说明书：

搜狗2014年至2016年营收逐年增长，主要收入源是搜索和搜索相关广告服务。2016年这类业务营收占公司总营收的90.4%，今年上半年占比88.1%。

盈利方面，2014年搜狗净亏损2683.9万美元，次年扭亏为盈，净利润9949.9万美元，2016年净利润回落至5611.2万美元，今年上半年3576.4万美元，同比大增41%。

股权结构方面，腾讯和搜狐分别为搜狗的第一和第二大股东，持股比例分别为43.7%和37.8%。第三大股东是持股9.2%的搜狐CEO兼搜狗董事张朝阳

电商平台eBay发布了两款视觉搜索工具，帮助用户通过他们拍下的、存储的、在网站或者其他社交平台截取的图片，在eBay的商品库中寻找匹配的商品。这两个工具分别叫做“图像搜索Image Search”和“在eBay上找Find it on eBay”。两个工具建立在计算机视觉和深度学习技术之上。

Image Search允许用户在app中拍照或者调取图片库中的照片，然后软件就会向用户呈现与图片中物品一样或者至少看起来非常相似的商品信息

eBay推出视觉搜索工具，帮助用户通过照片找到想买的东西

尽管其他网站例如Amazon、代号 AMZN Pinterest或者家具垂直行业的电商Wayfair都表示自己有图片搜索的能力，但是eBay说自己的商品目录有11亿件。尽管Pinterest年初表示自己的图片站上有1000亿个“想法”，但是那些并不都是像eBay上的一样，都是可以购买的商品。eBay海量的产品目录本来也就是机器学习的好素材，公司副总裁Mohan Patt也认为，过去这么多年来积累的数据，是eBay做商品图像搜索的最佳优势。

另一个工具叫Find it on eBay，允许用户在浏览网页或者社交平台的时候，将发现的图片直接“分享”到eBay，直接找到相似的产品

尽管利用视觉搜索是网购平台的一个发展趋势，但是这个功能长期的实效目前不得而知；没有零售公司公布过图片搜索转销售的数据。在当前的技术条件下，最大的问题在于，当你使用图片搜索时，你希望得到的是你要买的那一款产品，而不是一款看起来很相似的产品。也许有的时候，你想要某种红色链带的小包，但有些人要的就是某个红色链带的小包。

尤其是当客户其实看重的是某件商品的品牌或者质量时，一款长得像200元钱墨镜的10元墨镜不能取代前者对于客户的价值。

正是由于用户体验的巨大不确定性，图片搜索还没有成为真正有效的导流方式。但是未来，如果人工智能除了分析图像本身之外，能再输入图片来源和其他大数据信息，视觉搜索商品的准确性就会大大提高。能不能转化销售率我们不知道，但一定会提高用户对商品的搜索效率。

进了VC这行你会很快了解到一件事，那就是投资就是寻找护城河的过程。为什么？我找不到比Gil Dibner的这篇文章更好的诠释了。

简而言之，VC要寻找未来5到10年有可能价值数亿乃至数十亿美元的公司：

预测未来现金流是预测估值的代理，

产生利润的能力是预测未来现金流的代理，

护城河是产生利润的代理。

为什么护城河是产生利润的代理？很简单，因为护城河提高了机构对供应商和客户的议价能力，帮助该机构提价降低成本一边产生更高的利润。这个简单的推理的结果就是VC要找能挖护城河的公司。

在市场（marketplaces）发挥作用的网络效应就是护城河的很好例子。AirBnB上面待出租的地方越多，需求跑到这个平台的可能性就越高，然后又会吸引甚至更多的屋主把自己的住所放到AirBnB上面出租。形成闭环。

这种机制导致了赢家通吃的状况，这种情况下通常市场的最大玩家要比竞争对手大很多。简而言之这就是投资者如此钟爱市场（marketplace）的原因。如果你足够幸运选到了市场赢家，就有很高的机率拿到高回报。

AI公司为什么如此特殊？

有趣的是，AI带来了一种新型的网络效应，有人称之为“数据网络效应”。机器学习算法需要数据才能工作。尽管这种关系不是线性的，但机器学习算法完成的预测/分类的工作随着消化了更多的数据而增加了准确率。

下面的机制是这样的：随着公司增加了更多的客户，它就可以从每一位客户那里获得更多的数据来训练和调整其算法。有了更多的数据，预测的准确度就会上升，产品整体质量也会水涨船高。一个更好的产品帮助说服新客户购买自己并为之贡献他们的数据。闭环形成。

很好的一点是这种机制帮助AI公司朝着客户采用周期前进。早期采用者对最初的bug或者次佳性能容忍度更高。通过贡献他们的数据和反馈，早期客户帮助AI初创企业开发出更好的算法并且将后期阶段采用者发展为客户。

起作用的还有另外一个自我强化的反馈回环，我们称之为“人才吸引回环”。公司拥有的数据越多，对数据科学家过来这里为该公司工作的吸引力就越大，因此团队吸引好人才帮助开发出最好ML产品的机率也就越大。

Yoshua Bengio的这段话就是很好的总结：

AI技术本身就适合赢家通吃，[……]主导该技术的国家和公司会随着时间获得更多的权力。更多数据以及更大的客户群会赋予你难以的驱赶的优势。科学家想去最好的地方工作。有着最好实验室的公司会吸引最好的人才。然后变成财富和权力的集中地。

问题是初创企业一开始并没有（或者很少）数据，只能靠少量的有才之士，大多数情况下只能靠创始人单打独斗。就像市场的网络效应需要时间和资源才能生效一样，AI公司的强化循环要想发挥作用也需要原始数据。

那么谁拥有数据呢？

既有者。

所以一些产业观察者已经指出，既有者拥有驾驭AI浪潮的不公平优势（更多参见对Marc Andreessen的采访）。

对于AI投资者来说好消息是情况并没有这么简单。接下来，我会简要描述一个思考既有者AI优势的框架。

I. 思考既有者优势的框架

一个简单的方程式也许可以解释AI公司成功之处在于：

AI成功=数据+ML人才+算法

说白了，成功且具备防御性的AI公司拥有“足够大的数据集使得ML人才能够用来创建最好的算法。” 美股人工智能公司 bubq.com

思考既有者在AI方面的优势有一个办法很有用，那就是看看下面这个2X2矩阵，横轴是每用户案例的数据量，纵轴是处理该案例的公司的性质（技术还是非技术）。其想法是看看既有者和初创企业应用这个公式的结果如何。

如果用例是由大型技术公司处理的，而且每一位潜在客户都有大量数据，这种情况下既有者的优势是非常强的。除了典型的既有者优势以外（接触客户，投资能力更大，更输得起），大型技术公司还坐在需要好几年才能积累出来的数据堆上面。

他们还受益于自身品牌和庞大的财政资源，可以付得起聘请最好的机器学习人才，后者再给他们开发出最好的算法。既有者得分：3/3。

这种情况下新的初创企业很显然不应该跟技术既有者硬碰硬。这就好比是从0开始追赶Google。

但既有者的优势不只是强在这里。再看看矩阵右下角。这部分是由非技术公司来做但每一位潜在客户也已经坐数据堆上的。比方说高速公路运营商，手上就掌握了多年的收费数据。

历史已经证明，数据甚至比算法本身还要重要，尤其是自打深度学习出现以来。这方面Edge的这篇文章给出了有趣的证明：

关键算法与取得相应进展之间平均要经过18年，而关键数据集与取得相应进展之间平均只需不到3年的时间，也就是说取得成功要快6倍，这说明数据集可能是取得进展的限制性因素。

此外，大型技术公司在继续开源新的ML包，因此将算法商品化，尤其是对象识别、语言建模或者语音识别等——我们称为泛化ML这些算法。由于由于泛化ML，坐在数据堆上的非技术公司利用技术公司数据集预先训练过的开源软件包也能取得重大成果。

概括一下，大型公司，无论是否技术公司，可能内部也没有顶尖的机器学习知识，也是可以比拥有最好ML专家的小型初创企业做出更好的AI产品的。这只是因为它能比小型初创企业访问到更多的数据。

比方刚才的例子里面，高速公路运营商就可以从很多竞争性优势种获益，可以保护它防御原始数据很少的小型初创企业的攻击。

因此，我们在这个公式里面也许应该赋予数据以比ML人才更高的权重：

我们再来看看矩阵的左上角：每位客户只有少量数据，但这些板块是由大型技术公式负责的用例。一个好的例子是预测销售线索成为客户的可能性（lead scoring)，销售线索得分）。每一位潜在客户并没有足够的数据来用泛化ML做出足够好的预测。

他们每一位都有数百个数据点以及数十个预测因子摆在CRM或者营销自动化工具面前。这个有可能是不够的，或者会导致对公司数据过的拟合的风险。

他们因此需要购买基于大数据集开发的产品。然后问题就是CRM提供商是否销售这一产品的买家，还是说初创企业更适合。

这里既有者的优势就没那么明显了，而对于初创企业来说可能仍然有许多机会。

尤其是如果他们能够：

组合大型技术公司所没有的不同数据源（比如Salesforce就访问不了Hubspot的数据），或者

生成额外的专有数据（下一部分进一步讨论）

矩阵的左边区域也许是最大的机会所在：就是没有大型技术公司涉足，客户也访问不到足够大的数据集用泛化ML足够好地进行处理的左下角。农业和医疗保健就是很好的例子，这些领域大型技术公司还没有统治市场，每一位客户都只有少量的数据。

接下来，我会进一步讨论矩阵的左边，尤其是左下角的情况。

III. 新的护城河

好消息是，因为新公式“成功=数据*数据+ML人才+算法”的关系，当数据量还很小的时候（比方说，小于1时），其影响就要比原先的公式更有限。ML人才和算法也会对输出产生更大的影响，而既有者的不公平优势也要少一点。

其直接后果是有了合适的机器学习人才以及创新算法的初创企业有机会在数据稀缺的市场中成长起来。

以下是克服这种稀缺性问题的三个办法，值得注意的是它们并不互斥。

#办法1：从很多客户处收集数据

虽然单独来看每家公司未必拥有足够大的数据集来开发出很好的AI产品，但是可以将来自若干客户的数据集池化的AI初创企业也许会成为唯一一家能够开发出符合其期望产品的公司。每一个玩家都会交出他们的数据，从而受益于经过更大数据集训练的算法。

可以把SaaS解决方案视为组合多个温室数据并从中得出最佳预测的温室。每一位温室主人可能都没有足够大的数据集，但却能从做出更好预测甚至控制整个温室的AI代理中获得巨大好处。

Tom Tunguz提出了一个有趣的对照，应用了广告技术界的一些经验。

#办法 2：智能系统

如果我们再进一步推理一下，大型数据集之所以不具备的另一个原因是因为不同客户之间不仅是相互孤立的，而且在不同的SaaS工具（其中一些是互动系统如网站、Slack，一些是记录系统如营销自动化工具、CRM）之间也是互为孤岛的。

AI初创企业可以在不同的数据集之间牵线搭桥，占据做出最佳预测的最好位置，就像Greylock 的Jerry Chen 在一篇文章中所说那样，成为智能系统（System of Intelligence）。

我们可以再考虑一下CRM的用例。难道销售线索对市场宣传资料的反应方式不是购买可能性很好的预测因子吗？问题是Salesforce并没有这方面的数据因为被锁进Hubspot的数据库里面了。

类似地，Hubspot也不知道销售线索在销售管道中已经发展到哪一步了。因此，鉴于在这个市场数据是稀缺的（矩阵的左侧），Salesforce或者HubSpot都没有处在做出最佳预测的合适位置。而基于这两家的数据库进行预测的AI初创企业就可以用这种策略击败Salesforce和HubSpot。

思考这个的一个好办法是将数据集视为价值链的补充资产。新的，似乎无害的AI初创企业可以跟既有者永远也不想合作的公司合作，从而打造出保护自己的互补资产。

或者换种说法，任何依赖于单一来源的非专有数据的公司其防御性要比集合了若干来源的公司要低。

到头来，一切都回到这个问题的回答上来：“谁用我的数据赚钱？”是生成数据的公司吗？还是存储数据的公司？或者在这些基础上作出最好ML产品的公司？

对于AI初创企业来说这并不是什么新鲜事，但随着大家意识到自身数据的价值后，大家对AI的看法就会完全不一样了。就像Twitter干掉了所有开发替代性Twitter客户端的公司一样，Salesforce也可能会干掉任何从自身存储的数据获取太多价值的初创企业。

最后一种情况可以解决这一数据所有权问题。

#办法 3：拥有用户生成数据的独特数据集

如果一家公司无法从多位客户或者从多个SaaS工具收集数据，或者光收集这些并不足以做出足够好的预测的话，则可以从自己的SaaS产品生成额外的数据。这是开发出奇特既有者没有的专有数据集的独特机会。

IV. 学习曲线

整个推理都可以通过绘制学习曲线来概括。这条学习曲线描述的是：“需要多少时间、努力或者资金来实现足够精确度，从而满足客户的‘期望’？”

当数据并非稀缺的时候，学习曲线是这样的：

公司只需要很少的时间、努力以及资金就能得到足够多的数据来满足客户期望。因此防御性相对受限。当使用数据已经公开时尤其如此。

相反则是数据稀缺的情况，这种情况需要大量的时间、努力以及资金，曲线可能是这样的：

在这种情况下，需要大量时间、努力以及资金才能获得足够高的精确度，所以防御性也很强。

由于客户可能不愿意贡献自己的数据，数据网络效应要经过很长一段时间才见效，所以防御性会更强。

但要强调的是，这些情况均属于非常理论化，只是为了提供一个思考源自数据网络效应的防御性的框架。

数据稀缺这种情况也许会带来很强的防御性，但可能也会比较难熬，因为公司需要等到A轮之后才能满足客户期望。

作为种子轮投资者来说情况也比较艰难，因为我们不知道种子轮之后曲线会怎么发展。这些曲线看起来像是S-曲线，但实际走势可能不一样。产品是否足够好到为客户提供价值的不确定性依然存在。

最后一点是ML防御性和SaaS防御性不是互斥的。除了源自数据网络效应的防御性以外，非常长的产品路线图以及出色的UX或者用户/数据锁定仍然是一家公司防御性非常重要的贡献者。

NVDA AMD INTC AMZN VERI 美股人工智能公司 bubq.com

 亚马逊公布财报，该公司三季度每股利润52美分，远超4美分的预期。三季度收入437亿美元，同样高于421.4亿美元。

其中，亚马逊云业务的收入达到45.8亿美元，同样高于45.1美元的预期。 

亚马逊三季度收入同比增长34%。Whole Foods为其贡献了部分收入。亚马逊于今年8月购买美国连锁超市Whole Foods。分析师此前预期，亚马逊收入将增长27%。

亚马逊的运营收入下滑40%，至3.47亿美元。该公司正斥巨资进军物流业、国际市场和硬件市场。

亚马逊公布四季度指引，预计收入在560亿美元-605亿美元之间。华尔街预期为589亿美元。

亚马逊股价盘后一度大涨8%，突破1000美元大关 AMZN

未来5年全球3D打印市场将以22.3%年复合增长率扩大，3D打印直接将虚拟的数字化实体模型转变为产品，极大地简化了生产流程，降低研发成本，缩短研发周期，使得任意复杂结构零部件的生产成为可能。据国际数据公司IDC预计，未来5年内，全球3D打印市场将以22.3%的年复合增长率扩大，在2020年达到289亿美元。在不久的将来，3D打印技术或将成为基础设施的“标配”生产方式，深刻影响人们的每一天。

相关个股 DDD  SSYS XONE VJET

美国饮料巨头可口可乐第三季度获利和营收双双超预期，得益于雪碧（Sprite）、茶以及咖啡的旺销，公司在北美市场营收增加3%，从竞争对手百事可乐(110.07, -0.68, -0.61%)（PepsiCo）手中夺得市场份额。

　　两家公司几年来均已调整战略，重点销售低卡路里可乐，并收购更健康的饮料品牌，因为含糖汽水饮料不再受到消费者的热捧。

　　但可口可乐似乎正在赢得这场所谓的“可乐大战”，转而采取更加积极的姿态，销售果汁、茶和维生素饮料，并率先采用瓶装业务的特许经营以降低成本。

　　“可口可乐显然正在扩大市场份额，它对百事可乐的业绩领先优势扩大，便说明了这一点，”RBC(78.34, -1.42, -1.78%) Capital Markets分析师Nik Modi在报告中说。

　　根据Euromonitor数据，该公司去年在北美软饮料市场的份额占到22%，百事可乐为19%。

　　可口可乐第三季利润增加38%至14.5亿美元，北美市场饮料业务营收增至27.5亿美元。

　　形成鲜明对比的是，百事可乐（PepsiCo）公布季度北美饮料销售两年来首度下滑，受累于Gatorade需求疲弱，以及营销失策。

Snap 公司打造的首款硬件产品——The Spectacles引发了时尚圈和社交圈的轰动，最疯狂的时候在eBay网站上的拍卖价格可以达到上千美元（原价130美元）。援引外媒报道，这款产品出现了滞销现象，在国内的仓库中积压了数十万套产品, 导致snapchat 股价下跌

有用户指出，谷歌Pixel 2 XL遭遇烧屏问题，AndroidCentral博客报告详细列举了使用一周过后遇到的问题。通常而言，屏幕老化出现在使用多年之后，用户可能难以在手机屏幕上浏览信息。

谷歌在周日表示，正在调查屏幕相关问题。谷歌还称，作为对用户反映Pixel 2 XL屏幕问题的回应，可能会推出新的软件。

除了屏幕问题之外，用户和评测者还向线上支持论坛反馈通话期间的杂音，以及蓝牙连接不佳的问题。谷歌尚未对此作出回应。

Business Insider援引调研公司IDC移动设备分析师Ryan Reith称，如果出现问题，谷歌可能需要停产。

此外，Pixel 2的交货时间也出现状况。AndroidPolice博客显示，谷歌在周末向顾客发送邮件，称Pixel 2可能会延迟一个月发货。google

和信贷下月初登陆美股 创始人安晓博持74.5%股权

近期的互金行业，由于多家企业密集宣布赴美上市而显得格外热闹，而和信贷便是本次赴美上市小分队中的一员。今年十一前夕，和信贷向美国证券交易委员会(SEC)递交了招股书，股票代码暂定为“HX”。据和信贷近日向SEC提交的IPO更新文件显示，和信贷计划最少发行2727273股美国存托股票(ADS)，最多8888888股，每股ADS代表1股普通股。同时，和信贷宣布，此次IPO发行价区间为每股ADS9美元至11美元，拟融资8000万美元。按照发行价区间上限和最高ADS发行量计算，和信贷最高融资9777.8万美元。

截至目前，和信贷运营已超4年。据招股书显示，自和信贷业务成立至2017年6月30日，平台上的贷款总额为15亿美元。和信贷主要专注于额度2万元人民币至14万元人民币的中等规模贷款。在截至2017年3月31日的这一财年以及截至2017年6月30日的这一季度，这样的贷款占平台总交易额的约80%。

实际上，在平台上线的头两年，平台的数据指标增长也较快。据平台2014年年报、2015年年报显示，截至2013年底，用户注册人数5849人。截至2014年底，总用户数量94401人，总发标数量2891个，总成交笔数181205笔，总成交金额2052241000元，已还清标数量2199个，已还本金1615012073.09元。而到了2015年年底，总用户数量275034人，总发标数量9829个，总成交笔数452688笔，总成交金额4779780914元，已还本金3948103676元。

以上数据指标也为和信贷招股书中的说法做了注解——和信贷是一个快速增长的消费贷款平台，面向中国新兴中产阶级日渐增长的消费需求提供贷款。从截至2015年3月31日这一财年到截至2016年3月31日的这一财年，通过其在线平台的总贷款额同比增长42.9%，而到截至2017年3月31日的这一财年又同比增长11.5%。从截至2016年6月30日的这一季度到截至2017年6月30日的这一季度，通过其在线平台的总贷款额同比增长了54.4%。

和信贷成立以来的营收和利润情况在招股书中也可见一斑。和信贷的收入来源主要在贷款撮合费、贷款管理费、贷后服务费和其他服务费。在截至2016年3月31日的这一财年，其营收为1189万美元，高于截至2015年3月31日这一财年的456万美元，同比增幅156%。在截至2017年3月31日的这一财年，其营收为2290万美元，同比增长92.7%。截至6月30日的2017年第二季度，公司总营收约为1511.3万美元，相比之下去年同期约为390.8万美元。美股投资网 Tradesmax.com

而在净利润方面，和信贷则由亏转盈：在截至2017年3月31日的这一财年，其净利润为857.1万美元，同比增长142.2%;在截至2016年3月31日的这一财年，净利润为353.8万美元。而截至2015年3月31日的这一财年为净亏损35万美元。在截至2016年6月30日和2017年6月30日的两个季度中，其净利润分别为130万美元和890万美元。

在主要股东以及董事和高管方面，根据招股书显示，实际控制人安晓博通过Hexin Holding Limited(BVI)持有和信贷74.5%的股权，自然人安晓宁通过Anhe Holding Limited持有和信贷18.6%的股权，自然人翟晓彬通过Velencia Holding Limited持有和信贷4.9%的股份。

拍拍贷下月将挂牌上市 CTO顾少丰成最大赢家

10月14日，美国证券交易委员会(SEC)挂出拍拍贷首次公开募股(IPO)招股书。招股书显示，拍拍贷计划最大筹资额为3.5亿美元，计划在纽交所上市，股票代码为“PPDF”。这距离趣店上月提交招股书，只间隔了26天。据了解，如不出意外，拍拍贷将在下月中旬左右挂牌上市。

拍拍贷招股说明书显示，截至2017年上半年，拍拍贷拥有超过4800万注册用户，累计成交总额近780亿元。

早在2012年10月份，拍拍贷完成A轮融资，获得红杉资本(Sequoia Capital)千万美元级别投资。2014年4月份，拍拍贷宣布完成B轮融资，投资机构分别为光速安振中国创业投资(Lightspeed China Partners)、红杉资本(Sequoia Capital)及纽交所上市公司诺亚财富。2015年4月份，拍拍贷正式宣布完成C轮融资，由联想控股旗下君联资本和海纳亚洲联合领投，VMS Legend Investment Fund I 、红杉资本以及光速安振中国创业投资基金等机构跟投。

根据招股说明书，拍拍贷最大股东为PPD，持股比例达到28.2%，而PPD为拍拍贷首席技术官(CTO)顾少丰所有。拍拍贷CEO张俊则持有公司770098股普通股，占总股本的5.5%;首席风险官李铁铮持有公司279879股普通股，占总股本的2%;拍拍贷首席营销官胡宏辉持有公司748834股普通股，占总股本的5.4%。美股投资网 Tradesmax.com

投资机构方面，紧随PPD之后的是红杉资本，其持有拍拍贷3561237股普通股，占总股本的25.5%;光速安振中国创业投资(Lightspeed China Partners)及其子公司持有拍拍贷1448841股普通股，占总股本的10.4%。SIG中国持有6.5%的拍拍贷股权。

拍拍贷的盈利情况也可谓是迅猛。说明书显示，截至2017年6月30日，拍拍贷上半年净营收为17.349亿元，高于上年同期的3.516亿元。净利润为10.49亿元，高于2016年同期的4.19亿元。

拍拍贷2016年净营收12.16亿元，高于2015年的1.957亿元，净利润为5.01亿元，而2015年同期为净亏损7214万元。

2017年上半年总运营费用为8.98亿元，高于2016年同期的3.99亿元。2016年总运营费用为9.79亿元，高于2015年同期的3.41亿元。

2017年上半年，归属于普通股股东的净亏损为4.08亿元，好于2016年同期的1.39亿元。2016年归属于普通股股东的净亏损为6053万元，好于2015年同期的1.81亿元。

截至2017年6月30日，拍拍贷持有的现金和现金等价物为11.72亿元，高于2016年底时的4.05亿元。总资产为45.19亿元，高于2016年底时的21.47亿元。

在招股说明书中，拍拍贷表示，拍拍贷已经建立了一个广泛的数据库，其中包括第一手通过循环信贷数据以及来自第三方来源的数据。