廖甜

互聯(lián)網(wǎng)和移動互聯(lián)網(wǎng)時代的“商業(yè)模式創(chuàng)新”帶來的投資紅利，隨著宏觀經(jīng)濟環(huán)境、金融環(huán)境、市場和技術(shù)的發(fā)展，已經(jīng)不再是未來十年的投資主流了，人工智能技術(shù)已經(jīng)成為未來8-10年最大的投資機會，在這個領(lǐng)域的投資機會，即使用“遍地是黃金”來形容也不為過。

然而，作為一個多年關(guān)注并踐行人工智能投資的早期風險投資人，我發(fā)現(xiàn)在人工智能投資過程中，最難的事甚至不是判斷哪些項目具備投資價值，而是找到志同道合的投資伙伴。因為有太多在互聯(lián)網(wǎng)、移動互聯(lián)網(wǎng)時代有過成功體驗的投資人， 還沒有意識到人工智能和互聯(lián)網(wǎng)、移動互聯(lián)網(wǎng)本質(zhì)上的不同，以至于還在用互聯(lián)網(wǎng)的投資思維去考評人工智能項目，這樣得到的結(jié)論往往和項目價值南轅北轍，會錯失好的投資機會。

一、六投

第一投：從垂直行業(yè)入手，而不是上來就做大項目

互聯(lián)網(wǎng)行業(yè)，要想獲得投資人的青睞，往往是故事要大而美，要講規(guī)模，講對人類社會生活的革命性變化，但AI行業(yè)其實大多數(shù)時候應(yīng)該反其道而行之。

為什么這么說，因為AI和互聯(lián)網(wǎng)不同，互聯(lián)網(wǎng)是基于海量用戶已經(jīng)在線這個前提，而對于海量用戶而言，用戶與用戶之間很容易找到相似點并歸類，隨便找到一類用戶就是幾千萬上億人；同時，傳統(tǒng)互聯(lián)網(wǎng)其實要解決的只是簡單的信息不對稱問題，O2O項目雖然嵌入了一定的生產(chǎn)服務(wù)流程，但著眼的關(guān)鍵點還是信息不對稱，有了好的創(chuàng)意，技術(shù)和工程上的問題都不難解決。因此，互聯(lián)網(wǎng)項目很容易放量做出規(guī)模，也只有規(guī)模化才有投資價值。

AI則完全不同，如果說互聯(lián)網(wǎng)技術(shù)是海面上漂浮的冰山，那么其實它只是顯露出來的一角，而AI技術(shù)可以類比為冰山隱藏在水下的部分，體積深度遠遠超過表面。它要解決的不是信息不對稱問題，是對現(xiàn)實環(huán)境的感知，以及決策問題。如果說感知還比較容易，那么我想每個人都有親身體驗，做決策、做選擇是最難的。而當前的人工智能技術(shù)，其水準又只能稱作是“解決單一問題能力”級別。那么好了，通用型大項目往往涉及復(fù)雜的多種因素決策，遠超出目前人工智能的能力范圍，能實際落地的專用型項目則天然不具備“大”這個屬性。

當然，不能否認有些具有規(guī)?；刭|(zhì)的大項目，例如基于語音識別、圖像識別系列技術(shù)的項目，也具備廣泛使用的通用性，這就遇到了第二個問題，此類項目對創(chuàng)業(yè)團隊運作管理能力的要求，遠遠超過類似規(guī)模的互聯(lián)網(wǎng)項目，因為AI是深度與整個服務(wù)領(lǐng)域融合的。如果一個創(chuàng)業(yè)團隊，上來就做改變?nèi)祟惿a(chǎn)生活的大項目，一般來說，團隊是沒有去匹配大項目的能力的，包括技術(shù)、資源、資金、管理能力等等。更重要的是，凡是綜合性大項目，意味著用戶預(yù)期極高，而項目實施難度極大，項目失敗概率極高（但是如果您確信自己要投資的是微軟、谷歌這一類劃時代創(chuàng)造性項目，那么還必須投這種）。

譬如說，對于AI+Fintech，很多人都想做智能投顧，其實想做這個事的公司很多，甚至諾貝爾獎獲得者也不少，沒一個成功的，而反過來，如果做一個相對更加簡單的命題，例如AI輔助金融監(jiān)管，使用AI把零散的上市公司數(shù)據(jù)結(jié)構(gòu)化，比智能投顧的商業(yè)模式一定更加接近成功。因為這是一個封閉的單一命題，適合AI技術(shù)當前水平，適合初創(chuàng)團隊運作。

反過來，如果一個團隊從某個垂直領(lǐng)域入手，其實是既符合早期團隊資源運作能力，又符合人工智能當前技術(shù)水平的，因為目前的人工智能實在很弱小，最擅長解決的只是批量化智能替代重復(fù)勞動的工作。垂直領(lǐng)域應(yīng)用最為適合，同時，垂直領(lǐng)域應(yīng)用一般都是ToB類，很容易找到典型頭部客戶，以及客戶的典型剛需需求，也就意味著項目的落地能力極強，是投資的好對象。這就涉及第二投：明確垂直領(lǐng)域應(yīng)用場景。

除此之外，國內(nèi)特殊的營商環(huán)境也需要考慮，垂直領(lǐng)域的項目，其應(yīng)用效果往往立竿見影，在AI還沒有被客戶群體廣泛深刻認知之前，訂單往往早期以合作項目制呈現(xiàn)，而大項目實施周期和驗證周期都很長，甚至于可能遠長于客戶主管領(lǐng)導(dǎo)在該崗位上的任職周期。如果你是客戶領(lǐng)導(dǎo)，擺在面前兩個從未合作過的創(chuàng)業(yè)公司，一個做某個具體智能項目，一年實施完畢，效果立竿見影，投入也少；一個做大而全的智能項目，實施要幾年，效果更久才能看到，投入又高。作為領(lǐng)導(dǎo)，你會選哪個呢？

第二投：明確垂直領(lǐng)域應(yīng)用場景

對于一個AI創(chuàng)業(yè)團隊，找得到垂直領(lǐng)域還不夠，必須有明確的應(yīng)用場景，例如說，大家都可以聲稱自己在做AR+AI+電網(wǎng)的項目，但是到底用在什么場景呢？是電網(wǎng)哪個部門來買單呢？買單部門的支付能力強不強呢？這是最考驗項目基本功，也是投資人判斷項目價值的關(guān)鍵。如果有很明確的場景，例如說遠程作業(yè)指導(dǎo)，例如說巡檢，而且是明確在何種條件下的作業(yè)指導(dǎo)和巡檢，意味著創(chuàng)業(yè)團隊在這個領(lǐng)域已經(jīng)有了很深的耕耘，能夠精確把握住客戶的需求，并且形成了有效的解決方案，還知道要做成這一單生意，究竟應(yīng)該和誰去談，這一單生意是不是電網(wǎng)最好的生意，例如說，給培訓部門做項目，從收入預(yù)期上看就遠不如給生產(chǎn)部門做項目，因為培訓部門是個成本單位，每年的開銷預(yù)算有限；而生產(chǎn)部門是個利潤單位，只要能節(jié)本增效，花錢上AI項目就是賺錢，能花肯定花。這些沒有明確的應(yīng)用場景，是沒有辦法去一步步細化，最終判斷項目質(zhì)量的。

再舉個例子，目前AI+醫(yī)療影像的項目極多，但是大多數(shù)項目都瞄準了為影像科提供服務(wù)，殊不知其實這樣是動了影像科醫(yī)生的奶酪，你用AI替代了人家的工作，就意味著不需要那么多醫(yī)生，偏偏影像科還是你買單的客戶，有人愿意花錢把自己買出局嗎？這樣的產(chǎn)品一定不好銷售。反過來，做一個給內(nèi)科醫(yī)生用的，AI+醫(yī)療影像的項目，讓內(nèi)科醫(yī)生可以不借助影像科，不用等待漫長的拍片時間，就可以迅速判斷患者病理風險，以及是否要進一步去影像科精確拍片診斷。這樣買單的內(nèi)科科室有動力，對于影像科既沒有革人家的命，也可以把一部分不需要拍片的患者工作量減輕。

第三投：優(yōu)質(zhì)的頭部客戶

這里的關(guān)鍵是：垂直領(lǐng)域應(yīng)用場景往往是千差萬別的，AI投資看似是一個領(lǐng)域，實際上是一個橫跨幾乎所有社會生產(chǎn)生活領(lǐng)域的橫向投資。投資人想成為每一個領(lǐng)域的專家，是非常不現(xiàn)實的，那樣判斷項目是否具有投資價值，很大程度就是看項目是否有足夠數(shù)量的頭部客戶，而且客戶簽單并不是簡單的小批量實驗性訂單，而是大批量生產(chǎn)型訂單。例如車輛領(lǐng)域最好是前裝市場訂單。如果頭部客戶肯海量下單，說明產(chǎn)品已經(jīng)具備了很好的可靠性，項目也就具備充分的投資價值。又例如現(xiàn)在很多AI項目聽起來應(yīng)用領(lǐng)域很多，但是仔細一考量，會發(fā)現(xiàn)每個領(lǐng)域可能都是簽了一兩個小訂單，客戶只是出于各種原因，為了投石問路而提供了一些實驗性項目，這樣的訂單其實不見得一定能夠持續(xù)，需要對訂單服務(wù)內(nèi)容和客戶反饋進行深入盡調(diào)分析，才能確定它能否在未來一年轉(zhuǎn)化為批量生產(chǎn)型訂單。

第四投：應(yīng)用場景夠low

沒錯，你沒看錯，不是高大上，而是夠low。原因如下：

第一，越low的地方，用重復(fù)人力勞動越多，解決的問題越簡單，越適合人工智能當下的能力。如果高大上的地方，要么其實是需要真正的“智力如創(chuàng)造力、分析力等”，現(xiàn)在AI根本做不到，要么其實用不了幾個人，你用AI替代，也沒有多少效率提升。例如游戲設(shè)計其實很low，全是拼人力，拼時間，現(xiàn)在用AI來做設(shè)計了，一下子三天干完過去一個團隊三十天的活兒，你說客戶會不會買單？一定買單。其實這一輪AI投資的秘密，就是“降本增效”，low場景從100個人降到1個人，縮減的是巨大的成本，高大上場景從1個人降到0個人，縮減的成本可能還不如雇個人。而且越low的場景，越在社會上廣泛存在，解決一個，就意味著全國乃至全世界有大量的類似場景，市場空間巨大無比。越高大上的場景個性化越強，很可能不適合作為產(chǎn)品。其實理解了這個秘密，也就不難理解AI項目的技術(shù)替代性問題，其實只要你能用很低的成本，實現(xiàn)用1個人替換100個人，根本不用擔心未來有什么新技術(shù)去取代你，因為替換1個人到0個人的收效太小，就算對手的技術(shù)實力極強，他為什么要做這個事兒呢？世界上還有無數(shù)值得去做的，需要替換100個人的場景沒有被挖掘。

第二，越low越紅海的地方，一旦用了AI就是全新的藍海，而且別人還不一定進得來。這里稍微再劇透一下我們的投資邏輯，其實我們投資的項目只有兩類：管理咨詢公司和小家電公司。因為好投的AI項目要么是把AI用于B端客戶的節(jié)約成本，提高效率，這本身就是管理咨詢公司的活兒，只不過我們AI公司有了新的AI技術(shù)工具而已；要么是把AI技術(shù)用于C端客戶的生活，最好的載體就是小家電，可能看不起眼的傳統(tǒng)家電，比如一個掃地機器人，增加了AI以后，就脫胎換骨，外形看起來還是那個圓咚咚的老樣子，但是腦子可比以前好使多了，當采用了AI以后，硬件成本又會大幅度下降（因為可以用很便宜的通用傳感器加復(fù)雜的工程算法實現(xiàn)來解決過去很貴的專用傳感器搞不定的事兒）。又便宜、又好用，一下子就把過去的紅海變成藍海了。那些傳統(tǒng)掃地機的廠商，想一下子具備AI能力，其實很難的，因為船大難掉頭，也沒有這個基因；AI廠商要進來做掃地機也沒有那么容易，有先行專利壁壘，有工程化時間差。因為AI的應(yīng)用迭代不像互聯(lián)網(wǎng)那么快，你幾輪軟件硬件磨合下來，至少半年到一年吧，有這個時間，人家先行者又弄出新東西新功能了。這還不是說有錢就能加速的事兒。

第三，Low的場景，反而適合初創(chuàng)團隊，越高大上的場景，解決起來越不容易，越適合已經(jīng)具備足夠規(guī)模的企業(yè)。就像誰都知道，打鬼子有好武器，直接上正規(guī)軍最好，但是問題是一窮二白沒有啊，正面戰(zhàn)場那就不如看起來很low的游擊戰(zhàn)。

第五投：強大的工程和服務(wù)能力

這個問題也是很多朋友經(jīng)常會疑惑的，因為大多數(shù)人認為，投人工智能投的是技術(shù)，特別是算法的領(lǐng)先……其實，目前這一輪AI熱潮的理論基礎(chǔ)在2008年左右已經(jīng)被學術(shù)界解決，可以認為是大樹枝干已成，各種算法無法都是些旁支或者葉子，并且學術(shù)上有優(yōu)質(zhì)論文支持的算法，在實際中未必有任何實用價值，因為學術(shù)論文的前提假設(shè)可以自己隨意設(shè)定，而實際完全不同，任何算法脫離了前提假設(shè)都沒有存在價值。

既然算法并不重要，也就是說目前的AI在實用階段其實沒有算法的本質(zhì)區(qū)別，產(chǎn)品和產(chǎn)品的區(qū)別，主要就體現(xiàn)在工程化能力，也就是實際場景中，各種限制條件，把學術(shù)論文天馬行空的問題，變成了有大量明確前提的問題，這就是所謂工程化，既包括了算法的實際落地能力，也包括了項目團隊如何綜合運用各種軟硬件資源，搭建有效、可靠的產(chǎn)品。這一點非常重要，因為產(chǎn)品不是學術(shù)研究，必須完美應(yīng)對各種現(xiàn)實的不完美，這必須是創(chuàng)業(yè)團隊有多年的工程經(jīng)驗（未必是AI工程經(jīng)驗），因為只有這樣的團隊才會有足夠敏感度去預(yù)感產(chǎn)品中的坑，并且盡量規(guī)避，提高投資效率。

工程化能力，在互聯(lián)網(wǎng)項目里基本上不用特別考慮，不過也有例外，例如摩拜和小黃車的作戰(zhàn)，在我看來，小黃車的敗北除了創(chuàng)始團隊因素以外，更重要的就是工程化能力和經(jīng)驗不足，摩拜很清晰地認識到了，共享單車作為一個物理設(shè)備，一旦投放市場后，其穩(wěn)定性、可靠性非常重要，所以從智能鎖設(shè)計，到車體加固等都遠勝小黃車。AI的運用，比共享單車要復(fù)雜更多倍，從軟件到硬件，從環(huán)境感知到行為決策，每一步都要考慮復(fù)雜的現(xiàn)實情況，軟硬件的魯棒性等等。如果創(chuàng)業(yè)團隊沒有豐富的工程化能力和經(jīng)驗，就會持續(xù)不斷掉到坑里。而投資人如果沒有過工程化經(jīng)驗，就很難設(shè)身處地去理解工程化的重要性，不過也不要緊，人不一定有自身體驗才能行動，只要認識到工程化之重要即可。

服務(wù)能力也是一樣，ToB項目一半是產(chǎn)品，一半是服務(wù)，往往一個AI項目在其發(fā)展的不同階段是不同的，借用好友AI圈知名創(chuàng)業(yè)者和思想家鮑捷博士的比喻，AI項目好比毛毛蟲，小時候的商業(yè)模式是吃葉子，長大變成蝴蝶的商業(yè)模式是吸花蜜，雖然蝴蝶很美，但是要求毛毛蟲去吃花蜜是不可能的。好的AI項目是不斷在不同商業(yè)模式的外在形態(tài)間躍遷的，躍遷的基礎(chǔ)就是服務(wù)能力，因為只有有很好的服務(wù)能力，才能非常好的不斷抓住客戶和潛在客戶新的需求，往往上一代產(chǎn)品就是下一代產(chǎn)品的需求來源和敲門磚。

服務(wù)能力和工程化能力一樣，是創(chuàng)業(yè)團隊要在之前的人生旅程中實踐獲得的。我發(fā)現(xiàn)一個很有意思的現(xiàn)象，做得好的AI團隊，除了要具備AI技術(shù)大牛以外，很大概率上都有一個甚至多個來自通信行業(yè)的創(chuàng)始合伙人。我認為原因主要是這兩個行業(yè)具備高度的相似性和人才通用性，第一是都是基于計算機科學和電子科學的，第二是都是服務(wù)B端，而且是大B，第三是因為通信行業(yè)發(fā)展日趨穩(wěn)定，有能力的很多人士都紛紛尋找新的機會，這就形成了從通信業(yè)到AI業(yè)的躍遷，前面又說過，AI行業(yè)躍遷能力非常重要，能夠從通信行業(yè)跨界躍遷過來，在AI行業(yè)內(nèi)部躍遷自然不在話下，而之前的軟硬件集成、運用能力和大客戶服務(wù)能力又可以完美轉(zhuǎn)移。所以，如果您面對的AI項目里有一個靠譜的通信行業(yè)創(chuàng)始人，請重點考慮一下。

第六投：團隊的演進能力強

剛才舉的毛毛蟲例子，其實就說明了項目演進、躍遷能力必須要強，因為每一個階段應(yīng)對的問題都不一樣。而且創(chuàng)業(yè)團隊要具備的演進能力既包括了技術(shù)和產(chǎn)品能力，也包括了客戶服務(wù)能力，最關(guān)鍵是自身的管理能力，如果任何一個階段跟不上，項目都可能就此停滯，未必是銷聲匿跡，但是可能估值就不再提高，對于投資人來說，是很大的潛在機會成本。

如前面所說，要判斷團隊演進能力是否強，一個好的辦法就是看創(chuàng)始人之前的經(jīng)歷是不是有過成功的躍遷，或者至少有過合理的躍遷，能夠敢于從相關(guān)行業(yè)躍遷到AI行業(yè)的人，或者在AI行業(yè)已經(jīng)工作創(chuàng)業(yè)多年，做過多個不同的項目的人，比起純粹學習AI行業(yè)，博士畢業(yè)出來第一次創(chuàng)業(yè)的人，成功概率要高很多。年齡大一些，成熟一些的創(chuàng)業(yè)者，成功概率要比年輕人高很多。沒辦法，這些都是要靠多年經(jīng)驗一點點浸出來的，可不是互聯(lián)網(wǎng)時代所謂過三十不投的邏輯。

最后說說為什么AI項目會不斷演進呢？原因也很簡單，AI公司就是管理咨詢公司，所有的管理咨詢都是從簡單的事情入手，給客戶解決了問題，客戶體驗很好，會自動提出新問題來。例如一家做叉車智能化的公司，很多客戶是工商業(yè)頭部客戶，他們一旦發(fā)現(xiàn)在叉車這一塊，每年投入1500塊，一年能節(jié)約15萬成本，你說他會不會高興，肯定會；他會不會想出一些新的物流倉儲智能化需求來問你，肯定會。那么這些新的需求，經(jīng)過一段時間，必然會衍生出新的產(chǎn)品和服務(wù)機會，商業(yè)模式躍遷也就完成了。反過來說，如果沒有叉車智能化這個敲門磚，你就算認識客戶，客戶也不見得能想得出來其他的需求，因為他對AI沒有認識，沒有體驗。所以說，AI當前一代產(chǎn)品和服務(wù)投入使用，就是AI新一代產(chǎn)品和服務(wù)研發(fā)的開始。

二、三不投

一不投：聲稱要解決萬眾矚目的通用性問題

凡是這一類項目，如果說得好呢，是胸懷遠大，如果說得實際一點，往往是因為創(chuàng)業(yè)團隊缺少對AI的深刻認識，沒有意識到它的局限性；也缺少對任何傳統(tǒng)行業(yè)的深刻理解，想不出AI可以用在具體何處，而泛泛的大場景是最容易想到的；所以才提出要解決這些問題，其特點還包括問題所需的數(shù)據(jù)往往是已經(jīng)很好結(jié)構(gòu)化的，例如互聯(lián)網(wǎng)大數(shù)據(jù)、政務(wù)大數(shù)據(jù)等等。那么問題就來了，即使創(chuàng)業(yè)團隊有足夠的能力，在獲取這些數(shù)據(jù)方面，相比巨頭也完全不具備優(yōu)勢，基本上沒有成功概率可言。這種事還是適合華為、BAT等等去做。

二不投：沒有應(yīng)用場景，宣揚豪華團隊、算法領(lǐng)先、可疑市場業(yè)績、領(lǐng)導(dǎo)、專家來訪、宣揚獲獎、全新的技術(shù)架構(gòu)

如果說一不投的對象是因為年少，可能對這個世界還缺少認知，二不投的對象就往往是對社會深刻認知，只不過沒有心存善意。因為凡是有明確應(yīng)用場景，并且開發(fā)出有效產(chǎn)品的項目，一定是要講自己的場景，自己的產(chǎn)品，自己的頭部客戶，自己的市場份額；只有沒有場景，沒有好產(chǎn)品的企業(yè)，才會不得不去渲染自己的團隊豪華，這還是沒有心懷惡意的。

如果單純宣傳自己算法領(lǐng)先的項目，一定要小心，因為AI項目其實領(lǐng)先的不應(yīng)該是算法，而是基于場景的工程化能力，我相信一個有水平的技術(shù)創(chuàng)業(yè)者都應(yīng)該認識到這一點，空談算法領(lǐng)先，恰恰說明實際上并沒有什么可領(lǐng)先的地方，而算法領(lǐng)先是最難以判斷的，故意把這種“領(lǐng)先性”拋出來，其實是懷著深深的惡意，準備忽悠投資人的。以我的經(jīng)驗，這種項目一旦你花點時間去研究，下一次見面時，創(chuàng)始人給你講的技術(shù)水準一定會根據(jù)你的認知來不斷向下調(diào)整，果斷放棄就好。

如果還輔以宣傳可疑的市場業(yè)績（例如和某個單一客戶簽署巨額意向訂單，且不能提供全部的簽約協(xié)議以供投資人了解意向條件），刻意宣傳各種領(lǐng)導(dǎo)、專家來訪的項目，基本上可以判斷為欺騙投資人為主的項目，屬于為了迎合投資人喜好，故意設(shè)的局。

最后，如果宣傳自己使用全新技術(shù)架構(gòu)，基本上和渲染自己算法優(yōu)先類似，都是缺少真實的業(yè)績，才會這樣宣傳，而且越新的技術(shù)架構(gòu)，越不適合作為客戶服務(wù)產(chǎn)品，因為其不穩(wěn)定，這也是缺乏工程化能力和經(jīng)驗的表現(xiàn)。

三不投：創(chuàng)始團隊沒有工程、服務(wù)、行業(yè)經(jīng)驗和行業(yè)資源

前面說得很清楚了，如果沒有這些，基本上不適合在當前AI創(chuàng)業(yè)圈混，項目也沒有任何商業(yè)模式躍遷的可能，投資人直接忽略項目即可。

技術(shù)與投資就像DNA的雙螺旋結(jié)構(gòu)，一方的變化，會帶動另一方以相同的步驟協(xié)同上升。從大宏觀尺度看，在ICT領(lǐng)域，互聯(lián)網(wǎng)，移動互聯(lián)網(wǎng)，AI，是幾個大的DNA創(chuàng)業(yè)節(jié)點，也分別對應(yīng)不同的投資邏輯。從小尺度看，AI在其自身發(fā)展過程中，也是一波三折，在不同的技術(shù)發(fā)展階段，也需要有不同的投資邏輯匹配。這篇文章里提到的邏輯，剛剛好適合今天的AI發(fā)展階段，隨著技術(shù)發(fā)展，未來也將出現(xiàn)新的投資策略和邏輯。

但無論雙螺旋如何變化，技術(shù)與投資相輔相成交互上升是永恒的不變趨勢，AI也會有8-10年的創(chuàng)業(yè)與投資紅利。時刻把握最新趨勢就能在這場進化中占據(jù)優(yōu)勢，投出優(yōu)質(zhì)項目。