AI投資的變與不變丨CCF-GAIR 2017

7月8日下午，中國計算機學會（CCF）主辦，雷鋒網與香港中文大學（深圳）承辦的第二屆CCF-GAIR 2017全球人工智能與機器人峰會繼續在深召開。

在AI+創投專場上，在真格基金董事總經理顧旻曼的主持下，光速中國基金創始合伙人韓彥、高榕資本創始合伙人岳斌、博將資本管理合伙人徐立新、經緯創投合伙人王華東、聯想之星投資副總裁高天垚一起圍繞主題《AI投資的變與不變》進行討論。這幾位投資人在人工智能領域有著較深的投資經驗，此次他們也分別講述了自己對于這個領域的觀點，包括看好什么樣的人工智能企業，人工智能企業如何提升商業化能力，以及為人工智能企業指出雷區。

從左至右為真格基金董事總經理顧旻曼、光速中國基金創始合伙人韓彥、高榕資本創始合伙人岳斌、博將資本管理合伙人徐立新、經緯創投合伙人王華東、聯想之星投資副總裁高天垚

顧旻曼：AI這個領域還可以再細分，不管你是從底層中間來看還是垂直商業的角度，咱們的基金不管是個人投資的還是還沒有投資，但是非常看好的一家AI創業的企業，咱們就說一家，因為您不管是看好還是已經投資了，肯定也是帶出了相應對這個領域的觀點，我們就請大家來講一講，從一個項目來講您對這個項目的看法和對這個領域的觀點。

韓彥：如果說一家的話，那家公司叫e成科技，是HR領域做大數據的公司。很有意思的是我們投資這家公司是完全AI這個概念還沒有火之前投資的，這個創業者也是在2011年就聯系到我們說他有一個夢想，他想通過一個工具給所有HR經理用，因為HR經理每天管理著非常多員工，要下非常多的簡歷，效率非常低，他想通過大數據和人工智能提高他們的效率。所以2011年他們有這個簡單想法，2014年再回來找到我們說，在數據和算法兩個層面都有了突破，所以2014年年底我們投資了這家企業。現在這家企業非常低調，才成立兩年多，SaaS收入已經將近一億了，整個公司也盈利。現在AI被大家廣泛所討論，但是當時我們投資這家企業的時候沒有想這么多，我們看好這家企業的是他想提供一款產品是由SaaS提供，同時他們有很長時間的數據積累，他們知道HR每天工作的數據在哪里，也花非常大的精力、資金去吸納很多國內在數據分析方面的頂尖人才。

我提這個案例想突出的點就是光速一直在人工智能領域花非常多的時間在研究，在我個人看來，只有兩類的企業能打動我們，一就是產品技術真正能使它所落地的行業，能夠在效率上有成倍的提高；第二，通過他的數據和算法，能夠使他提供的服務或者產品好用三到五倍以上。所以，之所以這家公司能成長這么快，SaaS收入起來這么快，我覺得最大的原因是拉開了效率和產品體驗的差異，使得一個HR平時工作可能看簡歷，平時要看200份簡歷，通過他的技術告訴他，你已經看了5份了，這5份轉化率特別高，跟你需要的人才匹配度非常高，這是我們非常看好的一家企業，也是我們看AI的心得。

岳斌：今天在我們已經投資的AI公司里面，我能看到做到十億美金以上的不少于三家，如果具體講一家，那就是做的時間相對長一點，在媒體上大家也能看得到的依圖。真格早期也有參與，我們參與這家公司的時候，大家可能對他們還沒有那么多的認可，那時候估值也都不便宜，公司只有十幾個人，在上海郊區一個民房辦公，這兩位創始人，一位在美國待了很多年，之前也是在UCLA、MIT這些地方，最后工作的地方是在Yann LeCun的實驗室，另外一位創始人是他的同學，是阿里云的第一任技術總監，把阿里云從頭做起來，這兩位創始人在那個時間放棄了很好的機會，從很早時候就回來創業，做到今天在視覺這一塊，他們做出了非常多的突破，而這些突破我相信是我們在這些行業會議或者論文上是看不到的。除此之外他們也在醫療領域做相當多事情，今天很多人都在說醫療AI，但是真正落地有實際應用，有大量數據，能真的幫到醫生的，除了這家公司，我幾乎沒見到其他公司有這樣的服務。去年在CCTV還為他們專門做了記錄片，在最近的融資過程中，這家公司也是一家10億美金級別的公司，我就簡單介紹這家公司，其實我想說，這樣的公司絕對不是個例。

徐立新：我們喜歡投一些比較會講故事的企業家，也叫會講夢想。達闥科技，是第一家云平臺，比如說德國機器人把工人按在生產線上，去年高交會上有個機器人把玻璃撞了，把人傷了，拉到醫院去了，其實機器人未來大家都擔心會不會傷害到人類，會不會被控制，這個企業就做了一個云平臺，這個平臺是一般的黑客看不見摸不著的，是一個獨立的平臺。這個平臺創始人是中國移動研究院的院長，他們認為金融領域是有錢的，最先用，是很多銀行的股東，所以他聯合一幫股東做了天使，有高通，因為做云需要通訊，還有臺灣的富士康，郭臺銘做的天使，我們跟郭臺銘融了一億美金，是很低調的公司，做很大的事。現在他們不僅有夢想，還在落地中，把安全的網絡做一些安全通訊，比如說蘋果手機有漏洞，一些敏感的部門和一些政府官員的通訊可以用安全手機，包括一些實際應用也在推進中，我覺得這是既有高大夢想又能夠具體落地的企業，所以我希望能夠更多的發現這些企業。

王華東：我來分享一個案例，這個項目是我們去年先投的天使后來又做的A輪，叫驀然認知，從經緯角度來講，我們希望投這種在技術領域有自己的積累，能夠開發出有一定技術領先性的公司，比如說驀然認知去年推出的人機對話的系統，是少有幾家能做到連續對話的引擎，同時又做到非常好的商業化落地，比如說在車載有不少的客戶，所以具備一定的技術壁壘，同時有非常好的商業化，這是我們去判斷的最重要的兩個因素。

孟醒：我覺得手心手背都是肉，說任何一家都不公平，我們在每個領域都會投做到最好的一家，比如說無人駕駛領域在視覺感知上做得非常好的Mobileye，投人工智能這件事情極限在于我們整個對認知的想象力以及對商業判斷的想象力，最好的公司永遠在下一個，已知的商業場景都不如在下一個挖掘最好的，不是我們已經發掘的，扎堆熱點的行業，每家公司我們去投的時候都非常優秀，但是最興奮的永遠是下一家。

我說一家比較早期的公司，其他更成熟的公司不需要我在里頭表揚它，我們投了一家叫Owlii公司，是一家從清華出來很早期的團隊，它做的是大場景三維重建，而且是做動態的，如果說套剛才說的唯一，它是國內唯一一家在多人場景下動態實時多場景三維重建的公司，今天也上了新智造的榜單了，蠻難得的。對標的就是holo，就是我站在這里，我所有屋子里面的動作實時重建在另外一個人的眼前，他可以通過AR眼鏡看到，所有的坐標信息全部實時重建到里面，往遠了想，他們對標的不是視覺問題，而是交通，如果我真的不知道你是不是在我面前，你的動作足夠逼真，你的角度足夠逼真，讓我分別不出在物理上真的出現在我面前，是可以代替掉交通不跟你面對面的。

高天垚：孟總說的我非常認同，主持人挖了一個坑，坑還不小，我相信很多機構投了很多領域相關的公司，所以我很難說出我認為最得意的，我們投曠視、思必馳，更多的是看中他們的想象力，因為計算機視覺那時候還不太受資本或者市場的關注，所以我想了半天，我舉一個最近剛投的項目，比較有意思的一個項目，它是用AGV這種方式來解決停車。其實現在停車是一大痛點，有很多做停車場學習化的公司，有很多找車的設備和軟件，但是這中間差一環，就是你還是要去走到你的車或者物理性質的找到你的車，而我們投的這家公司是用AGV小車的形式，你可以把車停在固執位置，可以用AGV把你的車直接抬起運走，當你回來的時候，可能有幾個小車在車庫里運轉，傳統車庫也在做相關的事情，是大疆的團隊，我想表達的意思是，我們認為還是要看到這個事情的未來的一些想象空間，就像我們在幾年前投LP一樣，當然這可能是偏硬件類的，但是如果這個節點效率提高以后，整個車廠可以停得更密，節省你車的等待時間，這個空間還是比較大的，所以分享一個比較有意思的項目。

顧旻曼：關于AI這個領域里面，我覺得有一個三角，這三角分別是剛才大家提到的商業化，在整體AI不管是技術能力還是算法也好，還有獲取數據的能力，以及不管是垂直領域還是通用領域，實現商業化的能力往往都是成就一個公司非常重要的三角形，我們看到剛才幾位嘉賓提的公司里面，這三個角往往是有非常強項，但是另外兩個角也在慢慢補足。在早期投資的時候，我們不能要求一個完美的公司在你面前，又剛好是你投進去的價格。我接下來的問題是關于取舍，或者說更多的想幫助在座的人了解偏好，在面向早期的團隊走過來的時候，在這個大三角里，我們是怎么平衡？或者優先級取舍。

高天垚：這里面還有一個維度就是投資階段，剛才顧總提到了真格做天使為主，就是很難有收入，基本上不可能有收入，所以我們在早期去看項目，判斷上來說是需要你有特別突出的優勢，我想到主持人剛才提到很好的觀點，你會用錘子或者用錘子敲釘子，我們看AI或者AI相關的領域也是希望尋找做錘子的人或者說會用錘子的人。AI這一波最大的想象力就是，你還是不知道什么東西可以被解決，咱們都提到商業落地、效益提升，這肯定是一個必然的大家所追求的東西，但是不太能夠知道的是在這個時點上，你不知道技術的演進或者說不斷地有新的創業的優秀人才的出現，它能夠解決更多的行業里的問題，這其實是我們看這里面很大的機會。回到主持人的問題，我們比較關注兩類人，一類是你會做錘子，一類是你會用錘子，要不然你就是有非常好的包括剛才劉總提到的算法，雖然長期來看算法是壁壘會下降，但在目前算法的稀缺性還是有的，包括軟硬結合的能力，這是你會做錘子。再就是你會用這個錘子，希望這一塊更多的是把商業落地體現出來，所以我們其實沒有一個特別的你這個不行，你什么不行就不投，我們看中的是你什么方面特別強，我們愿意在這上面支持你。

孟醒：先說結論，我們看這個項目的結論是不做取舍的，不放棄任何一個點，全都要，怎么去理解呢？接著剛才的話題在講，為什么看沒見過的投資項目很興奮，數據量、算法、商業化，比如說做數據量這件事情，海量數據是前提，大家都知道，但是有太多思路和算法都是為了解決這個問題，我能不能用非常小的數據做到同樣好的方式，這些項目對我們來講有巨大的加分，因為它是在顛覆我們固有的模型，認為一定要有大數據才能解決問題。第二就是我們沒有這樣的方式，我們在商業化上能不能想辦法去說，這類的模式我如果沒有辦法有這樣的數據的話，能不能在商業模式上找，我的產品定義上能不能使得我吸收到更多的數據，哪怕我商業能力不行，或者我沒有天然數據，或者說在沒有人碰過的領域，沒有人跟我競爭數據的數據源，我自己成為數據的開發者以及數據的分析者。兩件事疊加在一起。我覺得可能說得比較虛，但是確實是這么考慮問題的，我們不太希望你必須有商業化或者有數據，這個三角是不存在的，我們是一個四角或者五角。剛才顧總講的三塊東西基于自己的技術和算法是與生俱來的，絕大多數可能在引進的過程中不太容易改變，所以這段作為初始團隊或者早期條件是必然存在的。數據這件事情是有手段去碰的，但是無論是你去換一種算法，用更少的數據，還是你在合適的方向去看是必須要解決的。我們今天不是很看重商業化，而是商業化的前景，而不是你賬上已經掙了多少錢，如果能把前兩件事做好，但是天花板非常低的或者不太可能有巨大突破的，這件事情天然的我們也沒法做取舍，也是沒法投的項目。

（顧旻曼：什么都想要，什么都不取舍，那能不能說一下投資的階段？因為我跟高總就很實際，做早期不能什么都要，我知道順為是比較全階段的公司，對AI這個領域比較舒服，真正能入場的是什么階段？）

順為投的比較多的是A輪和B輪，我覺得創業者或者團隊一定有它劣勢的方向，但是有不同的方向去解決它的劣勢能力，這是我比較看中的。

王華東：經緯主要做A輪和B輪的投資，從我們的角度，我先講結論，我們看這種項目最關鍵的是他有沒有想清楚這個東西的使用場景，在使用場景下我們會關注這個團隊的構成，你可以把它理解為關注使用場景是關注未來的商業潛力。如果說一個東西有商業潛力的話，需要有一個團隊做出來，而在這個時候，我們不希望只是投一家純技術的團隊，我們希望這個團隊有人能夠把技術做得非常好，有人能夠把運營做得非常好，也就是產品做得非常好，所以這個事情是我們比較關注的。

徐立新：我們對項目階段上主要是A輪為主，也就是它有自己的獨特性的比較多，有點像道和術，現在的風口是AI，這是一個道場，已經建起來了，大家都各有各的招數，你搞人臉識別，他搞語音識別，他搞移動裝置、算法，各有所長。這個術是屠龍之術還是窄雞的要看一下，比如說圖象識別做到100%可能要很長的里程，如果沒找到一個實地落地的方向可能要考察一下。如果說圖象識別或者語音識別達到99%了，離圓滿還有一點距離，但是能找到我的應用場景，比如我在安防或者金融領域，我覺得是非常接地氣的，這個術不是屠龍之術，它有用，符合我投資的方向。

岳斌：在過去投AI公司的過程中，比較有幸的確投到了在商業上非常有感覺，在技術上也是在全世界做得最好的公司，每次有機會碰到這樣的公司，哪怕一年只碰到一家，這都是會讓人做夢笑出來的事情，但是非常有幸也碰到了一些，這樣的公司確實是極少。在AI領域的投資還有一個特點，稍微好一點的公司其實步子都非常高，這個領域里面對VC要求就會非常高，幾乎所有的VC都非常難，在這么高估值，好的團隊這么少的情況下，一年下來出手機會是極其有限的，所以在這種情況下要有好的回報，必須出手很準。回到這幾個點上，也要分具體的領域去看，比如說就是拿深度學習算法去做訓練，希望得出非常好的精度和結果的話，這種情況下數據量的確是非常重要的，或者說今天沒有數據，明天獲取數據的方式也是非常重要。但是如果在另外的領域，比如說大家都去做圍棋，但是實際上大家做圍棋數據都是原始的那三千萬盤棋，騰訊的絕藝和阿爾法狗相差可能都很大，就是在同樣的條件下，不同的細分領域對這些要求也會各有不同，如果把這幾個點綜合在一起，到底什么最重要呢？認知是最重要。現在行業會議很多，AI會議很多，各種各樣出來做PR的人也很多，各種觀點，到底是不是最有價值的觀點，這里面最有價值的觀點極少，而擁有這些有價值觀點的人在哪兒呢？我覺得也有可能不在我們這樣的會場里面，可能他還在電腦前正在努力去試驗他的下一個結果，我們如果有機會碰到這樣的對這個行業的前沿發展真的有深刻認知的人，我覺得商業化的事大家可以一起來幫忙，數據量不夠，大家也可以一起來想辦法。回到剛才講的這些點，如果總結一下，在今天其實對VC的要求是如果真的要在AI領域里面投到最好的公司，并且賺到大錢，一方面要投到最好的公司，同時還要保證你投的每家公司都不要讓別人覺得這家公司實際上很一般，兩個條件都得要做到。

韓彥：岳斌講的我聽了非常有感觸，因為我和岳斌非常熟，感覺大家每年看這么多案子，都在找有顛覆性的案子，如果從投資人的角度來說，我們感覺最能打動我們的創業者，對這個行業的理解不一定是正如岳斌說的，在某一個行業是專家，他可能是外行人，但是他對某個行業有深的見地，或者有一些瘋狂的想法，同時他在商業上是非常有感覺的，往往這種人對標準VC來說是很打動的，所以對未來的感知能力、想象能力還有商業上的感覺，我覺得是難能可貴的，有這樣的團隊我們肯定是緊抓的。回過頭來，每年做成大公司的機會不是那么多，所以創業也不要整天想著我要成就下一個滴滴，要做下一個風口，我覺得還是要從團隊的自身分析一下自己的長板在哪里。從我的觀察，AI雖然這么火，投資人在過去兩三年里面，還是在補團隊，這個團隊在這個行業里有非常多的積累，可能他的積累是在算法層面，可能他的積累是在數據量層面，所以投資人也不是神仙，不能預測未來，他在找什么呢？找團隊的長板。所以從創業者角度，千萬不要跟風，不要看PR文章，看看自己的長板是什么，是不是技術？技術也OK，有價值，技術上有亮點就賣掉公司，這也是成功的創業。所以從創業角度一定要多看自己身上的長板，發揮長板，同時不要忘了這件事情能做大，你在商業上的理解也是需要非常深。舉個例子，最近把醫療的AI看了一遍，最打動我的那個企業出身不是醫療企業，但是他能夠把醫療行業里最懂醫療的專家挖出來，把他們知識學到自己身上，把那些專家吸納到自己團隊，我感覺這種人從醫療角度一聽是很瘋狂的，這是我從VC角度的看法。

顧旻曼：謝謝幾位嘉賓，我為什么會問出剛才的問題，是因為兩個月前真格帶著國內一批最頂尖的AI公司到美國和硅谷，和可以說是全球最頂尖的AI實驗室做交流，那次交流中我們發現創始人坦誠相待之下，大家有非常多的困惑，不管這個公司是什么樣的規模，不管他面對的國際同行大家是什么水準，大家對AI技術到底怎么樣才能實現更大的商業化的突破，包括對于一個創業公司來講，怎么樣能夠拿到真正大量的數據，讓AI技術發揮應有的價值。所以在這個問題上，我覺得更多的是投資人帶著他們的觀點和帶著他們投的項目發展的路徑給大家非常無私的分享和觀察。

接下來是最后一個問題，之前有一個投資人說了一個非常有意思的觀察，他說如果創業就像追姑娘，你不要追漂亮的那個，你應該追最漂亮姑娘的閨蜜。這個話怎么講呢？是引出了創業公司作為很實在的出發點來看待自己從開始進入這個市場，但是和這個市場里面已有的大公司之間不可避免是存在競爭的，以及在數據、技術各個維度上肯定有自己需要補齊的短板。所以最后一個問題是，如果說你要給AI創業這個領域里面的公司指一個雷區，建議它不要做，這會是什么？因為時間不是很多了，我先來，我建議大家不要再做自動駕駛了，我估計還有很多雷區，但是這個我覺得大家可以不用做了，每個人非常干貨簡短的指一個明路。

高天垚：不要做平臺級的東西，特別是在AI領域的初創公司，當然平臺是價值很大，但是很難，我們看到過，不要期望做一個很通用平臺級的，AI這個領域很難。

孟醒：我覺得不要去抱著以賣技術的心態做創業，無論是你的產品還是你最后的退出途徑，中國沒有這樣的土壤。

王華東：我同意孟醒的觀點，不要覺得自己的算法多牛就可以用這個牛的算法做一家公司，算法是有周期的。

徐立新：人工智能處在剛剛開張的階段，就個人來說還看不準哪里有窟窿，但是你不要做不熟悉的東西，你不知道什么地方是坑，什么地方是包，也許你自己就撞了一頭包了，所以團隊里要有熟悉的領域才能做，把技術落實到相應的場景，給自己信心，不然自己就會搞得很沮喪。

岳斌：在今年我干了這么幾件事，去年投了一家公司仍然很早期，我非常喜歡，今年年初他告訴我考慮做新一輪融資，他告訴我融資值之后我說不用出去融了，我直接投了。這樣的一些團隊有什么特點呢？他們人才的價值可以說在這個領域里極其稀缺，他們對行業的發展，對于他們所做事情的理解極其深刻，而這樣的人太少了。我能給大家的建議是什么呢，現在國內的媒體環境包括雷鋒網包括自媒體都非常好，像國內有任何新的進展，國內第二天基本上都可以保證看得到，如果我們考慮做一個領域的事情，我們對全行業的進展，沒有我們自己的認知和理解，你甚至都不理解別人在干什么，他在做這件事情到底是怎么考慮的，我覺得較大的可能性就是不用干了。因為今天在AI這個行業就像早幾年智能硬件和很多領域都很火，但是現在智能硬件公司真正賺錢的到底剩下幾家？從智能硬件里賺到錢的VC又是幾家？極少。最后大成的是哪幾家？為什么是他們？如果有我做了，大公司也做了怎么辦等等這樣的問題困擾，我覺得真正做投資的人不會去想這些問題，包括中國的BAT，他們對大公司充滿尊重，但是他們的確看到了要通過什么路徑能夠做起來，如果我們做的時候沒有站在一個這樣的高度做事情，較大的可能是真的不用干了。

韓彥：前面幾位講得非常好，我非常贊同不熟的領域千萬不要做。AI領域的創業千萬不要再去幻想會有滴滴這么多錢砸進來，所以一定要做好五到十年的準備，要打有耐心的仗，如果你能預想這個創業是要足夠時間、足夠耐心、足夠專注，那你勢必對這個領域是有很強的感知、認知，其他不熟的千萬不要去碰，不要為了創業而創業，過去O2O留下了兩三家公司，電商就留下了兩三家公司，AI說不定也留下個別公司，這是我的觀點。

更多關于CCF-GAIR 2017報道，可關注雷鋒網專題。

雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。