AI投资的变与不变丨CCF-GAIR 2017

7月8日下午，中国计算机学会（CCF）主办，雷锋网与香港中文大学（深圳）承办的第二届CCF-GAIR 2017全球人工智能与机器人峰会继续在深召开。

在AI+创投专场上，在真格基金董事总经理顾旻曼的主持下，光速中国基金创始合伙人韩彦、高榕资本创始合伙人岳斌、博将资本管理合伙人徐立新、经纬创投合伙人王华东、联想之星投资副总裁高天垚一起围绕主题《AI投资的变与不变》进行讨论。这几位投资人在人工智能领域有着较深的投资经验，此次他们也分别讲述了自己对于这个领域的观点，包括看好什么样的人工智能企业，人工智能企业如何提升商业化能力，以及为人工智能企业指出雷区。

从左至右为真格基金董事总经理顾旻曼、光速中国基金创始合伙人韩彦、高榕资本创始合伙人岳斌、博将资本管理合伙人徐立新、经纬创投合伙人王华东、联想之星投资副总裁高天垚

顾旻曼：AI这个领域还可以再细分，不管你是从底层中间来看还是垂直商业的角度，咱们的基金不管是个人投资的还是还没有投资，但是非常看好的一家AI创业的企业，咱们就说一家，因为您不管是看好还是已经投资了，肯定也是带出了相应对这个领域的观点，我们就请大家来讲一讲，从一个项目来讲您对这个项目的看法和对这个领域的观点。

韩彦：如果说一家的话，那家公司叫e成科技，是HR领域做大数据的公司。很有意思的是我们投资这家公司是完全AI这个概念还没有火之前投资的，这个创业者也是在2011年就联系到我们说他有一个梦想，他想通过一个工具给所有HR经理用，因为HR经理每天管理着非常多员工，要下非常多的简历，效率非常低，他想通过大数据和人工智能提高他们的效率。所以2011年他们有这个简单想法，2014年再回来找到我们说，在数据和算法两个层面都有了突破，所以2014年年底我们投资了这家企业。现在这家企业非常低调，才成立两年多，SaaS收入已经将近一亿了，整个公司也盈利。现在AI被大家广泛所讨论，但是当时我们投资这家企业的时候没有想这么多，我们看好这家企业的是他想提供一款产品是由SaaS提供，同时他们有很长时间的数据积累，他们知道HR每天工作的数据在哪里，也花非常大的精力、资金去吸纳很多国内在数据分析方面的顶尖人才。

我提这个案例想突出的点就是光速一直在人工智能领域花非常多的时间在研究，在我个人看来，只有两类的企业能打动我们，一就是产品技术真正能使它所落地的行业，能够在效率上有成倍的提高；第二，通过他的数据和算法，能够使他提供的服务或者产品好用三到五倍以上。所以，之所以这家公司能成长这么快，SaaS收入起来这么快，我觉得最大的原因是拉开了效率和产品体验的差异，使得一个HR平时工作可能看简历，平时要看200份简历，通过他的技术告诉他，你已经看了5份了，这5份转化率特别高，跟你需要的人才匹配度非常高，这是我们非常看好的一家企业，也是我们看AI的心得。

岳斌：今天在我们已经投资的AI公司里面，我能看到做到十亿美金以上的不少于三家，如果具体讲一家，那就是做的时间相对长一点，在媒体上大家也能看得到的依图。真格早期也有参与，我们参与这家公司的时候，大家可能对他们还没有那么多的认可，那时候估值也都不便宜，公司只有十几个人，在上海郊区一个民房办公，这两位创始人，一位在美国待了很多年，之前也是在UCLA、MIT这些地方，最后工作的地方是在Yann LeCun的实验室，另外一位创始人是他的同学，是阿里云的第一任技术总监，把阿里云从头做起来，这两位创始人在那个时间放弃了很好的机会，从很早时候就回来创业，做到今天在视觉这一块，他们做出了非常多的突破，而这些突破我相信是我们在这些行业会议或者论文上是看不到的。除此之外他们也在医疗领域做相当多事情，今天很多人都在说医疗AI，但是真正落地有实际应用，有大量数据，能真的帮到医生的，除了这家公司，我几乎没见到其他公司有这样的服务。去年在CCTV还为他们专门做了记录片，在最近的融资过程中，这家公司也是一家10亿美金级别的公司，我就简单介绍这家公司，其实我想说，这样的公司绝对不是个例。

徐立新：我们喜欢投一些比较会讲故事的企业家，也叫会讲梦想。达闼科技，是第一家云平台，比如说德国机器人把工人按在生产线上，去年高交会上有个机器人把玻璃撞了，把人伤了，拉到医院去了，其实机器人未来大家都担心会不会伤害到人类，会不会被控制，这个企业就做了一个云平台，这个平台是一般的黑客看不见摸不着的，是一个独立的平台。这个平台创始人是中国移动研究院的院长，他们认为金融领域是有钱的，最先用，是很多银行的股东，所以他联合一帮股东做了天使，有高通，因为做云需要通讯，还有台湾的富士康，郭台铭做的天使，我们跟郭台铭融了一亿美金，是很低调的公司，做很大的事。现在他们不仅有梦想，还在落地中，把安全的网络做一些安全通讯，比如说苹果手机有漏洞，一些敏感的部门和一些政府官员的通讯可以用安全手机，包括一些实际应用也在推进中，我觉得这是既有高大梦想又能够具体落地的企业，所以我希望能够更多的发现这些企业。

王华东：我来分享一个案例，这个项目是我们去年先投的天使后来又做的A轮，叫蓦然认知，从经纬角度来讲，我们希望投这种在技术领域有自己的积累，能够开发出有一定技术领先性的公司，比如说蓦然认知去年推出的人机对话的系统，是少有几家能做到连续对话的引擎，同时又做到非常好的商业化落地，比如说在车载有不少的客户，所以具备一定的技术壁垒，同时有非常好的商业化，这是我们去判断的最重要的两个因素。

孟醒：我觉得手心手背都是肉，说任何一家都不公平，我们在每个领域都会投做到最好的一家，比如说无人驾驶领域在视觉感知上做得非常好的Mobileye，投人工智能这件事情极限在于我们整个对认知的想象力以及对商业判断的想象力，最好的公司永远在下一个，已知的商业场景都不如在下一个挖掘最好的，不是我们已经发掘的，扎堆热点的行业，每家公司我们去投的时候都非常优秀，但是最兴奋的永远是下一家。

我说一家比较早期的公司，其他更成熟的公司不需要我在里头表扬它，我们投了一家叫Owlii公司，是一家从清华出来很早期的团队，它做的是大场景三维重建，而且是做动态的，如果说套刚才说的唯一，它是国内唯一一家在多人场景下动态实时多场景三维重建的公司，今天也上了新智造的榜单了，蛮难得的。对标的就是holo，就是我站在这里，我所有屋子里面的动作实时重建在另外一个人的眼前，他可以通过AR眼镜看到，所有的坐标信息全部实时重建到里面，往远了想，他们对标的不是视觉问题，而是交通，如果我真的不知道你是不是在我面前，你的动作足够逼真，你的角度足够逼真，让我分别不出在物理上真的出现在我面前，是可以代替掉交通不跟你面对面的。

高天垚：孟总说的我非常认同，主持人挖了一个坑，坑还不小，我相信很多机构投了很多领域相关的公司，所以我很难说出我认为最得意的，我们投旷视、思必驰，更多的是看中他们的想象力，因为计算机视觉那时候还不太受资本或者市场的关注，所以我想了半天，我举一个最近刚投的项目，比较有意思的一个项目，它是用AGV这种方式来解决停车。其实现在停车是一大痛点，有很多做停车场学习化的公司，有很多找车的设备和软件，但是这中间差一环，就是你还是要去走到你的车或者物理性质的找到你的车，而我们投的这家公司是用AGV小车的形式，你可以把车停在固执位置，可以用AGV把你的车直接抬起运走，当你回来的时候，可能有几个小车在车库里运转，传统车库也在做相关的事情，是大疆的团队，我想表达的意思是，我们认为还是要看到这个事情的未来的一些想象空间，就像我们在几年前投LP一样，当然这可能是偏硬件类的，但是如果这个节点效率提高以后，整个车厂可以停得更密，节省你车的等待时间，这个空间还是比较大的，所以分享一个比较有意思的项目。

顾旻曼：关于AI这个领域里面，我觉得有一个三角，这三角分别是刚才大家提到的商业化，在整体AI不管是技术能力还是算法也好，还有获取数据的能力，以及不管是垂直领域还是通用领域，实现商业化的能力往往都是成就一个公司非常重要的三角形，我们看到刚才几位嘉宾提的公司里面，这三个角往往是有非常强项，但是另外两个角也在慢慢补足。在早期投资的时候，我们不能要求一个完美的公司在你面前，又刚好是你投进去的价格。我接下来的问题是关于取舍，或者说更多的想帮助在座的人了解偏好，在面向早期的团队走过来的时候，在这个大三角里，我们是怎么平衡？或者优先级取舍。

高天垚：这里面还有一个维度就是投资阶段，刚才顾总提到了真格做天使为主，就是很难有收入，基本上不可能有收入，所以我们在早期去看项目，判断上来说是需要你有特别突出的优势，我想到主持人刚才提到很好的观点，你会用锤子或者用锤子敲钉子，我们看AI或者AI相关的领域也是希望寻找做锤子的人或者说会用锤子的人。AI这一波最大的想象力就是，你还是不知道什么东西可以被解决，咱们都提到商业落地、效益提升，这肯定是一个必然的大家所追求的东西，但是不太能够知道的是在这个时点上，你不知道技术的演进或者说不断地有新的创业的优秀人才的出现，它能够解决更多的行业里的问题，这其实是我们看这里面很大的机会。回到主持人的问题，我们比较关注两类人，一类是你会做锤子，一类是你会用锤子，要不然你就是有非常好的包括刚才刘总提到的算法，虽然长期来看算法是壁垒会下降，但在目前算法的稀缺性还是有的，包括软硬结合的能力，这是你会做锤子。再就是你会用这个锤子，希望这一块更多的是把商业落地体现出来，所以我们其实没有一个特别的你这个不行，你什么不行就不投，我们看中的是你什么方面特别强，我们愿意在这上面支持你。

孟醒：先说结论，我们看这个项目的结论是不做取舍的，不放弃任何一个点，全都要，怎么去理解呢？接着刚才的话题在讲，为什么看没见过的投资项目很兴奋，数据量、算法、商业化，比如说做数据量这件事情，海量数据是前提，大家都知道，但是有太多思路和算法都是为了解决这个问题，我能不能用非常小的数据做到同样好的方式，这些项目对我们来讲有巨大的加分，因为它是在颠覆我们固有的模型，认为一定要有大数据才能解决问题。第二就是我们没有这样的方式，我们在商业化上能不能想办法去说，这类的模式我如果没有办法有这样的数据的话，能不能在商业模式上找，我的产品定义上能不能使得我吸收到更多的数据，哪怕我商业能力不行，或者我没有天然数据，或者说在没有人碰过的领域，没有人跟我竞争数据的数据源，我自己成为数据的开发者以及数据的分析者。两件事叠加在一起。我觉得可能说得比较虚，但是确实是这么考虑问题的，我们不太希望你必须有商业化或者有数据，这个三角是不存在的，我们是一个四角或者五角。刚才顾总讲的三块东西基于自己的技术和算法是与生俱来的，绝大多数可能在引进的过程中不太容易改变，所以这段作为初始团队或者早期条件是必然存在的。数据这件事情是有手段去碰的，但是无论是你去换一种算法，用更少的数据，还是你在合适的方向去看是必须要解决的。我们今天不是很看重商业化，而是商业化的前景，而不是你账上已经挣了多少钱，如果能把前两件事做好，但是天花板非常低的或者不太可能有巨大突破的，这件事情天然的我们也没法做取舍，也是没法投的项目。

（顾旻曼：什么都想要，什么都不取舍，那能不能说一下投资的阶段？因为我跟高总就很实际，做早期不能什么都要，我知道顺为是比较全阶段的公司，对AI这个领域比较舒服，真正能入场的是什么阶段？）

顺为投的比较多的是A轮和B轮，我觉得创业者或者团队一定有它劣势的方向，但是有不同的方向去解决它的劣势能力，这是我比较看中的。

王华东：经纬主要做A轮和B轮的投资，从我们的角度，我先讲结论，我们看这种项目最关键的是他有没有想清楚这个东西的使用场景，在使用场景下我们会关注这个团队的构成，你可以把它理解为关注使用场景是关注未来的商业潜力。如果说一个东西有商业潜力的话，需要有一个团队做出来，而在这个时候，我们不希望只是投一家纯技术的团队，我们希望这个团队有人能够把技术做得非常好，有人能够把运营做得非常好，也就是产品做得非常好，所以这个事情是我们比较关注的。

徐立新：我们对项目阶段上主要是A轮为主，也就是它有自己的独特性的比较多，有点像道和术，现在的风口是AI，这是一个道场，已经建起来了，大家都各有各的招数，你搞人脸识别，他搞语音识别，他搞移动装置、算法，各有所长。这个术是屠龙之术还是窄鸡的要看一下，比如说图象识别做到100%可能要很长的里程，如果没找到一个实地落地的方向可能要考察一下。如果说图象识别或者语音识别达到99%了，离圆满还有一点距离，但是能找到我的应用场景，比如我在安防或者金融领域，我觉得是非常接地气的，这个术不是屠龙之术，它有用，符合我投资的方向。

岳斌：在过去投AI公司的过程中，比较有幸的确投到了在商业上非常有感觉，在技术上也是在全世界做得最好的公司，每次有机会碰到这样的公司，哪怕一年只碰到一家，这都是会让人做梦笑出来的事情，但是非常有幸也碰到了一些，这样的公司确实是极少。在AI领域的投资还有一个特点，稍微好一点的公司其实步子都非常高，这个领域里面对VC要求就会非常高，几乎所有的VC都非常难，在这么高估值，好的团队这么少的情况下，一年下来出手机会是极其有限的，所以在这种情况下要有好的回报，必须出手很准。回到这几个点上，也要分具体的领域去看，比如说就是拿深度学习算法去做训练，希望得出非常好的精度和结果的话，这种情况下数据量的确是非常重要的，或者说今天没有数据，明天获取数据的方式也是非常重要。但是如果在另外的领域，比如说大家都去做围棋，但是实际上大家做围棋数据都是原始的那三千万盘棋，腾讯的绝艺和阿尔法狗相差可能都很大，就是在同样的条件下，不同的细分领域对这些要求也会各有不同，如果把这几个点综合在一起，到底什么最重要呢？认知是最重要。现在行业会议很多，AI会议很多，各种各样出来做PR的人也很多，各种观点，到底是不是最有价值的观点，这里面最有价值的观点极少，而拥有这些有价值观点的人在哪儿呢？我觉得也有可能不在我们这样的会场里面，可能他还在电脑前正在努力去试验他的下一个结果，我们如果有机会碰到这样的对这个行业的前沿发展真的有深刻认知的人，我觉得商业化的事大家可以一起来帮忙，数据量不够，大家也可以一起来想办法。回到刚才讲的这些点，如果总结一下，在今天其实对VC的要求是如果真的要在AI领域里面投到最好的公司，并且赚到大钱，一方面要投到最好的公司，同时还要保证你投的每家公司都不要让别人觉得这家公司实际上很一般，两个条件都得要做到。

韩彦：岳斌讲的我听了非常有感触，因为我和岳斌非常熟，感觉大家每年看这么多案子，都在找有颠覆性的案子，如果从投资人的角度来说，我们感觉最能打动我们的创业者，对这个行业的理解不一定是正如岳斌说的，在某一个行业是专家，他可能是外行人，但是他对某个行业有深的见地，或者有一些疯狂的想法，同时他在商业上是非常有感觉的，往往这种人对标准VC来说是很打动的，所以对未来的感知能力、想象能力还有商业上的感觉，我觉得是难能可贵的，有这样的团队我们肯定是紧抓的。回过头来，每年做成大公司的机会不是那么多，所以创业也不要整天想着我要成就下一个滴滴，要做下一个风口，我觉得还是要从团队的自身分析一下自己的长板在哪里。从我的观察，AI虽然这么火，投资人在过去两三年里面，还是在补团队，这个团队在这个行业里有非常多的积累，可能他的积累是在算法层面，可能他的积累是在数据量层面，所以投资人也不是神仙，不能预测未来，他在找什么呢？找团队的长板。所以从创业者角度，千万不要跟风，不要看PR文章，看看自己的长板是什么，是不是技术？技术也OK，有价值，技术上有亮点就卖掉公司，这也是成功的创业。所以从创业角度一定要多看自己身上的长板，发挥长板，同时不要忘了这件事情能做大，你在商业上的理解也是需要非常深。举个例子，最近把医疗的AI看了一遍，最打动我的那个企业出身不是医疗企业，但是他能够把医疗行业里最懂医疗的专家挖出来，把他们知识学到自己身上，把那些专家吸纳到自己团队，我感觉这种人从医疗角度一听是很疯狂的，这是我从VC角度的看法。

顾旻曼：谢谢几位嘉宾，我为什么会问出刚才的问题，是因为两个月前真格带着国内一批最顶尖的AI公司到美国和硅谷，和可以说是全球最顶尖的AI实验室做交流，那次交流中我们发现创始人坦诚相待之下，大家有非常多的困惑，不管这个公司是什么样的规模，不管他面对的国际同行大家是什么水准，大家对AI技术到底怎么样才能实现更大的商业化的突破，包括对于一个创业公司来讲，怎么样能够拿到真正大量的数据，让AI技术发挥应有的价值。所以在这个问题上，我觉得更多的是投资人带着他们的观点和带着他们投的项目发展的路径给大家非常无私的分享和观察。

接下来是最后一个问题，之前有一个投资人说了一个非常有意思的观察，他说如果创业就像追姑娘，你不要追漂亮的那个，你应该追最漂亮姑娘的闺蜜。这个话怎么讲呢？是引出了创业公司作为很实在的出发点来看待自己从开始进入这个市场，但是和这个市场里面已有的大公司之间不可避免是存在竞争的，以及在数据、技术各个维度上肯定有自己需要补齐的短板。所以最后一个问题是，如果说你要给AI创业这个领域里面的公司指一个雷区，建议它不要做，这会是什么？因为时间不是很多了，我先来，我建议大家不要再做自动驾驶了，我估计还有很多雷区，但是这个我觉得大家可以不用做了，每个人非常干货简短的指一个明路。

高天垚：不要做平台级的东西，特别是在AI领域的初创公司，当然平台是价值很大，但是很难，我们看到过，不要期望做一个很通用平台级的，AI这个领域很难。

孟醒：我觉得不要去抱着以卖技术的心态做创业，无论是你的产品还是你最后的退出途径，中国没有这样的土壤。

王华东：我同意孟醒的观点，不要觉得自己的算法多牛就可以用这个牛的算法做一家公司，算法是有周期的。

徐立新：人工智能处在刚刚开张的阶段，就个人来说还看不准哪里有窟窿，但是你不要做不熟悉的东西，你不知道什么地方是坑，什么地方是包，也许你自己就撞了一头包了，所以团队里要有熟悉的领域才能做，把技术落实到相应的场景，给自己信心，不然自己就会搞得很沮丧。

岳斌：在今年我干了这么几件事，去年投了一家公司仍然很早期，我非常喜欢，今年年初他告诉我考虑做新一轮融资，他告诉我融资值之后我说不用出去融了，我直接投了。这样的一些团队有什么特点呢？他们人才的价值可以说在这个领域里极其稀缺，他们对行业的发展，对于他们所做事情的理解极其深刻，而这样的人太少了。我能给大家的建议是什么呢，现在国内的媒体环境包括雷锋网包括自媒体都非常好，像国内有任何新的进展，国内第二天基本上都可以保证看得到，如果我们考虑做一个领域的事情，我们对全行业的进展，没有我们自己的认知和理解，你甚至都不理解别人在干什么，他在做这件事情到底是怎么考虑的，我觉得较大的可能性就是不用干了。因为今天在AI这个行业就像早几年智能硬件和很多领域都很火，但是现在智能硬件公司真正赚钱的到底剩下几家？从智能硬件里赚到钱的VC又是几家？极少。最后大成的是哪几家？为什么是他们？如果有我做了，大公司也做了怎么办等等这样的问题困扰，我觉得真正做投资的人不会去想这些问题，包括中国的BAT，他们对大公司充满尊重，但是他们的确看到了要通过什么路径能够做起来，如果我们做的时候没有站在一个这样的高度做事情，较大的可能是真的不用干了。

韩彦：前面几位讲得非常好，我非常赞同不熟的领域千万不要做。AI领域的创业千万不要再去幻想会有滴滴这么多钱砸进来，所以一定要做好五到十年的准备，要打有耐心的仗，如果你能预想这个创业是要足够时间、足够耐心、足够专注，那你势必对这个领域是有很强的感知、认知，其他不熟的千万不要去碰，不要为了创业而创业，过去O2O留下了两三家公司，电商就留下了两三家公司，AI说不定也留下个别公司，这是我的观点。

更多关于CCF-GAIR 2017报道，可关注雷锋网专题。

雷峰网原创文章，未经授权禁止转载。详情见转载须知。