280      阿裏雲  技術社區[雲棲]

【AIWORLD 投資領袖論壇幹貨】過去一年AI投資最大的變化是什麼？

AI WORLD 投資領袖論壇，以“技術創新驅動的AI投資”為主題，論壇主持人由北京大學信科人工智能創新中心主任雷鳴擔任；論壇嘉賓：慈星股份副總裁、慈星機器人董事長李立軍，紅杉資本中國基金合夥人計越，藍馳創投執行董事曹巍，高瓴資本集團合夥人洪婧，藍湖資本合夥人殷明，以及藍象資本合夥人寧柏宇。論壇探討了過去一年AI投資最大的變化，AI投資中VC最看重的方麵，以及未來創業和投資的機會等話題。

過去一年AI投資最大的變化是從概念到落地

雷鳴：今天特別高興能和大家聚集一堂。各位都是在投資界的大佬。我記得去年其實咱們也有這樣一個論壇，有些人也參加了也談到了人工智能投資，當時AI投資也非常火，也提到泡沫等等。所以我首先想跟大家聊一下從去年到今年，各位覺得在人工智能這個方向的投資上，你們感覺有什麼變化嗎？包括創業、投資這些方向有什麼顯著的變化？

AI WORLD 投資領袖論壇 主持人：雷鳴

李立軍：去年到今年我覺得變化還是蠻大的。去年肯定是概念提得比較多，但是今年落地的比較多。從最近的幾個投資案例看，一個是投資的額度是蠻大的，尤其最近幾筆視覺領域的投資額度非常大。而且今年給我的感覺，就是逐步有一些具體的產業好像能夠落地了。去年的話，更多的還是覺得這個有前景，這個是未來的方向。但是今年，有些項目很大程度上來講是可以產品化了，可以去掙錢了。當然隻是一個開始，我相信接下來幾年會有更多這樣的趨勢，這是我的一些看法。

計越：去年感覺上大家投資的角度還是有點散，所以基本一個方向投很多家。從投資的角度看，基本上某一個方向以Pre-A輪、A輪為主，我想可能我們在座的很多機構都參與了不少。今年我感覺一個趨勢是，大家重點關注的一些方向基本上跑到了B輪甚至到了C輪。比如視覺、聽覺這些方向，前三名已經比較清晰了，而且可能金額都不小。同時，我覺得可能在人工智能這個領域，針對底層的投資體量都非常大，包括芯片級的。我感覺到了這個階段中國人的機會湧現出來了。以前好像真正核心的芯片，基本上都被美國公司操辦的，中國公司還沒有什麼機會。

另外一個特征是人工智能跟一些傳統產業，或者垂直行業結合了。另外在醫療方麵，我覺得也變革了。所以我覺得這也是一個比較鮮明的特征。我覺得未來幾年，領先的公司會變得更加清晰。這是我的一個看法。

曹巍：很多投資都是在非常原始、非常基礎的方麵，圍繞聽覺、視覺、觸覺，再在這些方麵深度地做一些AI方麵的投資，很多都是圍繞科技項目。 但今年我們看到，大家開始思考軟著陸了。這在整個基金的框架中是很重要的。有兩個重要的維度，效率和體驗。不管是在toC的行業還是在toB的行業，你的人工智能是不是能夠給用戶帶來顯著的效率和體驗的提升？這是軟著陸的重要指標。

我們看每一個項目的時候都會帶著這兩個指標去看。舉個例子，我們投了一個AR眼鏡團隊亮亮視野，它一開始是做toC的，但其實從體驗的角度上講，它很難讓用戶在體驗上找到飛躍式提升的點，整個技術的突破都還沒有做到。現在它在安防領域有非常不錯的突破。這個突破更多是在消防上，比如交警去街上查違章的汽車，或者在安防卡口追暴恐嫌疑人。他們給警務人員一用，就屬於戴上去之後不想摘下來了。這個團隊不錯，既找到了硬的科技的支持，又找到了真正落地的場景。回到我們說的兩個維度，一個是效率，一個是體驗，這是我們在這方麵的思考。

慈星股份副總裁、慈星機器人董事長李立軍：VC最看重的，首先是能不能落地。

洪婧：我記得去年也是同樣在這個新智元的會場，我們幾個投資人在交流的時候，我當時分享了一個觀點：很多時候人們會低估技術對未來十年的影響，但是有可能會高估技術對未來兩年的影響。所以我想分別從長期影響和短期影響的角度跟大家分享一下過去這一年AI投資方麵的變化。

首先，長期來看，AI對我們的生活必然會產生非常深刻的影響。在過去一年裏，我本人就在矽穀試過好幾個無人駕駛的汽車，至少在二三十分鍾的時間裏是沒有完全司機參與的，完全遵守美國的交通法規。我們看到AI技術和應用確實是不斷在往前跑的。同時，我們看到中國的創業者、科學家在全球的人工智能研發和特別是應用領域裏實際處於非常領先的位置。

從大家經常會高估未來兩年的影響這個角度，去年我們也分享了一個看法，說中國的很多應用場景其實可能通過垂直行業來落地，或者通過跟大的企業、大的真實應用場景來結合的，也有可能有彎道超車的機會。因為我們很多大企業其實心態還是很開放的。我們對數據也沒那麼敏感。那麼我們今年看到，像我們投資的依圖科技，除了安防之外也在跟金融、保險、電信場景結合，以及在醫療行業裏麵的落地，已經可以看到真金白銀，而且是比較大的量級。

所以在這個領域中，一方麵AI＋硬件可能會有很大規模的突破，比如自動駕駛，比如機器人。另一方麵AI＋場景的結合，AI＋行業解決方案就很可能像當年的軟件一樣，一個行業一個行業去解鎖需求。這個商業化的速度可能仍然慢於大家的預期。所以從投資的角度來講，真的還是需要大家有長期的耐心來支持他們去幫助中國的各行各業，去全麵地應用AI的技術。

殷明：我想從泡沫的兩個維度來說一下我對這個行業過去一年的觀察。

第一個維度是，中國跟美國很不一樣的地方是甲方預算的特殊性，尤其是在視覺領域。比如中國政府在安防角度的預算，金融企業在人臉識別方麵的預算都是遠遠優於美國同行的。其實視覺領域的很多公司實際的財務營收是非常好的。就今年來說，我們看到這些企業普遍的收入有兩到三倍的增長，本身規模體量不小的公司以及很多龍頭企業收入甚至接近過億美元。某種程度上來說，這些公司的估值是得到了一定的支持。你很難想像在美國視覺領域出現好幾家獨角獸，但在中國這確實是發生了。

泡沫的另一個維度是比較好的、整建製的團隊的高溢價在中長期內存在。比如一個團隊既擁有頂尖學習框架的作者，工程優化的專家以及業務定義上的老手，這樣一個在三個維度都有A級創始人的團隊，很大程度上還是稀缺的。這些團隊估值攀升的速度，也許沒有辦法短期地從財務角度去解釋，但因人才的高稀缺度，這些團隊在資本市場上能夠長期得到投資人的追捧。所以我覺得在相當長的一段時間內泡沫還是會存在。這是我們對過去一年的觀察。

紅杉資本中國基金合夥人計越：創業永遠有機會，永遠能夠推陳出新。

寧柏宇：我們是國內首家專注於“教育＋”領域的投資基金，聚焦“科技、互聯網與教育產業結合”的早期項目，目前已經投資了音樂筆記、一維弦、啟明合心、愛天科技、大腿科技、魔島英語等10餘家人工智能企業，覆蓋語音識別、肌肉電、VR、深度學習、機器人等多種技術領域。

在整個教育領域裏，老師是最核心的環節。就跟自動駕駛要替代司機一樣，人工智能總是試圖替代老師。但是到目前為止，人工智能仍舊是為老師賦能的角色，這種賦能往往體現在成熟技術在教育領域某一個細分場景得到應用。比如圖像技術，我們投的兩家公司其實都是通過圖像技術來改變教學中的環節。比如試卷批改，這是老師每天要花費大量時間做的事情，而我們投的一家公司能夠把試卷從掃描到批改完成隻需一秒鍾的時間，從主觀題到客觀題都能批改，最後給出一個合適的分數。這些技術已經在別的領域發展的比較成熟，結合學校的渠道資源就能形成商業閉環。

但是在教育行業應用的技術與通用領域的技術不太一樣，它的用戶數量增速受渠道摩擦力的影響，所以如果希望用戶數量提速增長就需要找到痛點清晰的應用場景。比如藍象投資的音樂筆記項目瞄準孩子練琴沒有監督的痛點，通過人工智能技術識別你孩子在家裏學習鋼琴的情況，幫孩子進行鋼琴的陪練。這個場景是音樂學習中非常主流的場景，所以用戶增速很快。

AI投資，VC最看重什麼？

雷鳴：各位講得都非常精彩。去年呢，更多看重技術團隊、可能性等等。而今年呢，我們發現通過一年的發展，人工智能真的在很多地方落地了。我們看到它真的能夠帶來一些社會價值，而且有營收。

然後從投資額上看，去年基本上都是較小的，而今年一些比較頂端的公司，從估值上看我覺得跟去年相比翻了十倍都不止。創業方麵，更多的公司開始投入進來，包括像教育行業，以前都比較傳統，現在也有很多跟人工智能結合的一些點出現。人工智能在去年是一個很高大上的頂端的東西，到現在基本上開始在跟各個產業結合，各個行業都有很多的團隊在嚐試。在一些走得快的行業已經開始有效果，有營收。我聽說在視覺領域，比較好的企業今年可能營收能超過五個億。所以我們說人工智能真的開始走進到真實的產業中來，變成一個很實際的公司，而不是概念公司。我覺得這是比較好的發展。

回過頭來，我想在座的很多人可能也比較感興趣的一個問題是，想問問大家，如果有一個人工智能團隊來拿一個商業計劃書找你，你們各個VC最看重的是哪些點？

李立軍：首先看能不能落地。我們跟其他幾位在這裏的VC不太一樣，我們是一個產業資本，我們是做產業的，做工業自動化的。所以我們看項目更多期望這些項目能跟我們的產業進行融合。不一定說現在就融合，可能未來希望它融合。我們不光是純粹的財務性投資，我們會考量這個團隊，如何把你的技術變成產品，或者說如何變成生產環節上的某一些具體的實施方案。這方麵我們可能會更看重。很多團隊可能背景非常強，但是給我的感覺更多的是偏學術或者說偏理論的，它到產業化的過程可能會比較長，這可能是要從中長期的角度去看落地的問題。

但是對我們產業資本來講，我們也不是說今天投了，明天就要有收益。因為它是有機會成本和時間成本的。就說現在我們在做這個產業，可能過幾年這個產業變成怎麼樣我們也很難去預期。所以我們在投資這樣的技術和團隊的時候會考慮它的技術，在最近的兩到三年裏能不能有一些落地。這個我們也是比較務實的。當然我們也不排除一些相對早期的、麵向未來的，但是比例上少一點。我們更多的還是希望能夠找到最好是有行業應用經驗的團隊，或者有比較高的應用技術能力的團隊，這樣的團隊更接地氣，能把他們的技術，他們的理念變成產品。這是我們的一些想法。

計越：今年跟去年或者更早期相比，可能進入的門檻提高了。從投資的角度來說，我感覺投資的手法好像也變得更大了。大的跑道現在基本上已經有一點了。假如說你要有一個新的選手的話，你對一個團隊的要求肯定就更多了。這不是一個全新的領域，憑什麼跟市場領域那些做競爭？比如說自動駕駛，我覺得到後麵會越來越集中。大家會看得比較清楚這個領域裏最領先的幾個團隊是哪些。所以我感覺這個是大家可能更關心的，因為我覺得大的方向慢慢可能會變得趨同。什麼地方有價值的，有些比較有價值的收入體現那我就更不用說了。在一些可能沒有收入的方向，比如說自動駕駛，大家對它的前景已經看的更清楚了。關鍵是在這個方向上，如何把後麵的幾個重要的選手選中，然後我覺得資金可能接下來需求量也會變得非常非常多。

我覺得長期來看，數據才能建立壁壘。比如大家以前投社交網絡，長期來講數據自身是積累的，數據量越大越全你的新客戶越多，老客戶的數據也不停地在積累。這就慢慢地形成了一個越來越高的壁壘。在數據的角度上有什麼方式能夠產生更強的壁壘，然後將數據的積累轉化成收入？可能這是接下來我們會重點考慮的，而不是說隻是簡單地考慮一個很牛逼的團隊。

藍馳創投執行董事曹巍：關注交叉學科和關注有深入壁壘的創新

曹巍：我們堅持做中早期投資，看新項目保持比較開放的態度。我們在選團隊的時候第一點是看它的硬科技。硬科技我們拆分成兩點看，一個是交叉學科的創新，比如說過去大家都強調軟件厲害，或者硬件厲害，但是現在你如果僅僅是軟件或硬件強，感知決策控製不好，沒有廠商願意跟你深度合作的話，還是跑不上路。所以軟、硬件的綜合能力其實是前所未有的重要。比如，大疆是一個高度稀缺人才的團隊，且有技術交叉學科的創新，又把硬件和軟件揉在一起。我們也在找類似的方向，比如軟硬件加上光學、區塊鏈，我們在找一些各種各樣的交叉學科，看人才的壁壘和未來是不是有機會基於自己的平台更好地鎖定數據

另外一點，人工智能分成兩個階段，第一階段是雲端，第二階段是終端。目前很多的創新團隊都在關注終端，假如一個在崗哨上執勤的幹警，手裏隻有一個手機，我能不能讓AI給他的手機賦能？他要解決的問題是什麼？他能不能在路過的五十個人裏把壞人挑出來？基於邊緣和有限資源的場景下，你能不能夠實現人工智能？並且給產業和這個場景帶來非常深刻的改變？所以在這一點看的話首先是考慮硬科技，其實就是關注交叉學科和有深入壁壘的創新。

然後就是軟著陸。軟著陸方麵我們看的是需求和模式。這裏麵我們更關注的是模式。因為在模式方麵，國內有很多的這樣的傳統產業或者細分的垂直領域，它並不是沒有底層的數據把模型跑出來，而還在模式的建設上和方案上糾結。所以我們在選擇這樣的AI團隊的時候，會關注它整個團隊裏麵，除了我們說的很牛的大牛之外，有沒有在谘詢公司做過的成員？有沒有在深度產業背景上，有方案整合能力和方案規劃的能力？這其實是非常重要的。我們在很多項目上遇到的挑戰就是這個團隊技術很牛，但是到了產業環節上很難和真正願意買單的人形成對話的窗口。所以我們覺得，優秀的技術人才加上谘詢公司背景，或者產業背景的人才，再加上銷售的人才，這是三位一體的結合。這種團隊是我們在找的。

高瓴資本集團合夥人洪婧：AI公司要準備好把自己從AI公司做成軟件公司，最後做成行業解決方案公司。

洪婧：我個人給技術創業者的建議就是，怎樣才能夠避免“拿著錘子找釘子”。從投資人的角度，我們也要避免和創業者一起憑空想象所謂的應用場景。在這個意義上高瓴其實有非常大的優勢。大家可能聽說過我們投了騰訊、京東、滴滴、美團、摩拜等互聯網公司。我們其實在二級市場中，可能中國最大的房地產公司，最大的家電公司，最大的消費零售公司，最大的品牌公司都是我們的被投企業，都有非常好的關係。所以我們可以去做一個技術人才和應用場景之間的橋梁，我們去幫他找落地應用場景，幫他找企業預算。比如說我們投了依圖科技之後帶著他們去跟百麗合作，跟肯德基合作，跟平安合作。我們幫著惠安金科跟美團合作，跟京東合作。就是我們可以跟創業者一起去跟大的應用場景合作，一起去挖掘、去解鎖企業的需求。我們希望能夠真正幫助好的技術、好的產品更快地找到落地點。當然這個過程反過來也是我們盡調的過程。能不能夠很快地滿足應用場景的實際需求？這個其實也是我們盡調中很關鍵的一點。橋梁作用也是我們希望能帶給創業者和被投企業的。

殷明：我覺得今天大家在找行業或場景的解決方案時所看重的：

第一，要盡量遠離大公司已經擁有比較良好數據基礎的通用功能。比如機器翻譯，廣告推薦的算法。

第二，這些年很多投資方向越來越偏近於傳統行業，從投資純粹的技術慢慢轉向投資技術賦能的垂直行業。比如說對自動化放貸領域，技術如何能夠在金融周期性當中幫助企業更早地覺察風險和甄別新的資產類別。比如對醫療檢測領域，你需要明白在整個醫療行業的鏈條裏到底是早期疾病的幹預和治療價值更大，還是檢測本身價值更大。我覺得這些也是創業者要想明白的事情。

最後，我們藍湖認為，對一些顛覆性的技術是值得我們長期陪著創業者往前走的。比如我們去探索無人駕駛領域，藍湖在去年A輪領投了自動駕駛技術團隊Momenta。但是我覺得投資人做技術路線的預測依然是非常危險的。我們看到Gartner技術曲線裏麵有幾十個新技術術語，但每年都有20%的技術從這個曲線上消失。學界結合研究機構的預測尚且隻能做到這個程度，從財務投資人的角度預測更難。另外，很多技術是沒有辦法一蹴而就的。無人駕駛技術怎樣用相對低成本的采集方式做高精地圖的繪製，或者在和車廠配合提高駕駛控製環節的穩定性時，麵臨汽車行業較長的產品迭代周期，這都是是需要長期耐心的。這需要所有人遵循基本的商業規律，耐心等待顛覆性技術能夠達到商業應用的狀態。

寧柏宇：在二十多個大的行業裏麵，教育與農業在信息化程度上排名後三位。所以我們要跟高大上的AI接口，我們在尋找創業者的時候會著重關注兩點。第一要技術大牛，師出名門，比如我們投資的一維弦創始人唐博維出身於世界級殿堂機器人實驗室，導師是風靡全球的《超能戰隊》裏大白機器人的原型發明者，CMU 的Christopher Gatkeson 教授。創業者不僅需要有過硬的技術背景，還需要有對教育情懷的理解和認同。第二點，教育科技創業者要能快速適應中國的商業環境。因為教育是比較複雜的行業，它是高管製的、保障性的行業。所以想要在這個行業裏獲得商業成功，創業者必須迅速熟悉中國的商業環境。

創業的機會：一邊賺錢一邊賺數據

雷鳴：謝謝各位。如果一個企業想融資或者發展的話，究竟該怎麼做？你們見過很多企業，投資的要點恰恰是企業在發展過程中特別重視的。你們覺得還有哪些機會可以讓小團隊成長起來？

李立軍：製造業需要提升它的效率，把品質做得更好，而人可以用得更少。所以我們其實在這塊做了蠻多工作。我們覺得在這個領域還是有蠻多機會的。製造業足夠大，行業足夠多，而且目前中國，以及東南亞地區很多製造業還是以人工為主。這個領域我覺得我們中國能把智能製造做好是有道理的，反而歐美國家不太有這樣的產業場景。不過，目前大型企業的智能製造，比如說汽車企業的生產智能化程度已經非常高了，所以未來的機會我個人認為在於中小企業如何通過智能製造的手段來實現柔性製造。包括現在正開始流行的C2M，把客戶個性化的需求變成生產廠家生產線上實時的生產，減少庫存，我覺得這方麵是有很多工作可以做的。

特別在製造這個環節，現在我們講工業機器人的時代，其實很多環節已經用機器人了，但是目前的工業機器人其實是蠻笨的一個東西，所有的動作都是要人去編程。在做一些批量性的生產，比如做大貨的情況下它是比較合適的。但是C2M，它就需要小批量多批次，怎麼樣能夠讓機器人適應這樣的環境，通過人工智能的手段來去實現機器人控製的閉環？現在已經有這樣的趨勢，也有這樣的應用案例，比如把機器視覺應用到工業場景裏麵。早期可能隻是通過機器視覺做定位、檢測，和測量，但是現在已經有很多團隊在嚐試利用深度學習的方法，訓練機器人自主的學習。我認為這可能是一個比較大的機會，特別是對於小規模的初創團隊而言，大有可為。

藍湖資本合夥人殷明：要有耐心等待顛覆性技術達到商業應用的狀態

計越：因為時間有限，我就簡單說兩點。首先還是繼續我以前的說法，能夠持續獲得數據。那樣的方向我覺得可能其他一些行業慢慢還是能夠找到。我覺得創業永遠有機會，永遠能夠推陳出新。但是我覺得在這個方向上具有產生持續的數據的可能性，團隊去做這樣的方向我們是比較願意去投的。 第二點，假如創業方向還不清晰，我們就看創始團隊背景，比如BAT出來有AI相關的背景經驗的。

曹巍：我們堅持看產業的痛點，看你能不能“一邊賺錢一邊賺數據”。如果隻賺數據，說實話除非是特別大的大牛，現在還是有很多機會的。但是一般的創業團隊，還是希望大家能夠找到又賺錢又賺數據的。並且最後還能圍繞自己的小的事情，把平台的框架慢慢通起來。我們相信很多邊緣創新的機會不是大公司或者成熟的產業巨頭們已經完全想清楚的。所以有些東西是邊打邊看的。大家也不要因為太多的巨頭已經把市場上各個板塊都占據了而產生畏懼。

洪婧：我覺得現在還是有非常多的創業機會，AI創新才剛剛開始。如果說中國製造已經成為全球的領軍產業，那麼中國AI以後一定是全球領軍的。現在隻是因為很多創業者是技術背景的，不是很了解行業，所以有一個摸索的過程。但是如果能夠找到好的行業，深挖下去是有非常大的潛力的。可能某種意義上AI公司要準備好把自己從AI公司做成軟件公司，最後做成行業解決方案公司。最後可能大的公司不見得是通用型的，這其實需要大家一方麵心存高遠，一方麵要耐得住寂寞，隻要肯在一個行業裏深挖我覺得機會還是非常非常大的。

殷明：我們總結了八個字，就是開源節流，提效合規。我們藍湖非常關注垂直行業的智能化改造。雖然每個行業的周期不一樣，比如零售行業、金融行業由於數據基礎好，可以直接做到應用層的產品化，而工業領域則相對考驗團隊定義問題和架構數據顆粒度的能力。投資人第一步需要扮演企業的谘詢顧問。但最終能體現創業公司本身的壁壘的，無非是數據的質量，以及所呈現的最終產品形態（可以是軟件），能夠最終改變了企業工作的流程，很深地嵌入到企業運營之中。這些能形成壁壘的模式也是我們相對看好的方向和機會。

藍象資本合夥人寧柏宇：好的技術場景結合渠道資源，就可以變成一個閉環。

寧柏宇：教育行業足夠大，裏麵的痛點特別多。所以人工智能和四萬億的教育產業結合一定會有很大的應用場景。

雷鳴：謝謝各位。總結起來，人工智能其實機會還很多。關鍵是要技術腳踏實地地落在應用上，積累數據產生價值。現在看到的所謂的一些大的賽道，像自動駕駛或者醫療，這些都是特別重要的。我認為兩個方向可以考慮，第一就是更加具體的，或者更加長尾的機會，比如剛才講的工業、農業、教育。不是隻要有自動駕駛，整個運輸業的問題就解決了。

第二，我覺得要考慮toC，就像互聯網起來之後，最終的巨頭全是toC的企業。toB的沒有非常大的企業，基本上是大的toC企業的十分之一。所以要考慮人工智能在toC上到底能有什麼機會。toC的機會一般會稍晚，像Facebook，這是toC的巨大機會。互聯網基本上1994年就開始第一波創業機會了，但是Facebook是在2004年，第一波創業潮十年之後才創辦的公司。我認為人工智能未來的機會是逐步展現的，絕對不是兩年就被做完了，沒有機會了。這是不可能的。

所以這些方向值得大家去不斷地思考和探索。現在還是人工智能創業的黃金時期，也是投資的黃金時期。本次論壇就到此結束，謝謝大家。

原文發布時間為：2017-11-17

本文作者：AIWORLD2017

本文來自雲棲社區合作夥伴新智元，了解相關信息可以關注“AI_era”微信公眾號

原文鏈接:【AIWORLD 投資領袖論壇幹貨】過去一年AI投資最大的變化是什麼？

最後更新：2017-11-17 10:34:16

  上一篇：  有沒有打算申請雲主機ECS的朋友，交換使用優惠券？

  下一篇：  docker登錄