【AI峰會】線性資本王淮：人工智慧的冰火兩重天，拿錢比高估值更重要

【獵雲網（）北京】4月13日報道（文/竹子）

今天，獵雲網」2017人工智慧產業創業創新峰會」在北京四季酒店隆重召開。此次峰會的主題為「精·識·致·用」，分別詮釋為精準大數據，智能識別，產業結合，生活應用。上百位人工智慧領域著名學者、頂級專家和知名投資人參與，共同探討當今AI的發展創新與變革，將產業與人們的實際應用相結合，為人工智慧的普及奠定可行性的基礎。

在本次峰會上，線性資本創始合伙人王淮分享了自己對AI的一些思考，首先AI具有4大特點：

創業門檻高：懂技術，能服眾，（學會）懂商業；應用結合深：獲得可靠數據並和集成決策；速度慢：普遍 To B；投資門檻高：技術素養和耐心都高要求。

在這樣的大背景下，人工智慧行業出現了「冰」點（缺點）：

1.機構雜：紛紛設立人工智慧小組。

2.人才貴：PhD 的起步薪酬套裝超過100萬人民幣。

3.資本泡沫：估值是遠跑在價值之前的。但好公司能讓自己的增值趕得上估值。

4.決策亂：很多機構閉著眼睛投

與此同時，人工智慧和很多細分領域都有很好的結合，處於「熱」的狀態：

AI+BI：容易看懂；利用最新的大數據框架和機器學習方法來解決行業痛點。

AI+FinTech：金融純數據生意，技術面落地容易，人為門檻高，離錢近。

AI+交通：最熱的AI投資領域，可惜早期基金很難參與。

AI+安防：人臉、虹膜、聲紋、指紋/掌紋。

AI+醫療：CV技術的應用在輔助診斷和輔助治療，新葯研發，病歷病史挖掘，大健康管理。

王淮認為，未來泡沫一定會破滅，好公司一定會崛起，瘋狂的投機者會退場，很多AI公司是會實現技術的產品化和大規模商業化的。同時他也勸告各位創業者，拿錢比高估值更重要，打磨場景的重要性遠高於打磨技術。

以下是王淮的演講實錄，內容經獵雲網整理：

首先介紹一下線性資本，線性資本我們是三個大原則，一個是基於數據，第二對於數據的處理，這是背後的核心能力，第三是應用，商業上面找到了應用場景，這是線性資本衡量一個項目的標準。我們已投37個項目，集中早期，是天使和A輪，我們有三分之一是人民幣。

可能很多人知道線性資本，因為我是臉書的早期員工，加入的時候看到臉書從十億美金變成一千億美金。我以前是做什麼的？是廣告系統的後台系統，還有反欺詐這塊，我們後來投的同盾，這是我們A輪投的公司。他們乾的事情和我們乾的事情非常像，那是我們唯一一個兩個小時之內決定投的項目。我們以前做很多跟大數據人工智慧相關的，線性資本經歷了兩年半的發展之後，從一開始各個領域都投到最後聚焦做大數據、人工智慧這個方向，這是有原因的。

今天的題目是冰火兩重天，我們看一下這個情況怎麼發生的？這裡面把這些去掉之後發現過去一年左右的時間，後面百度的曲線往上走的非常厲害。

百度指數「人工智慧」

這個更加厲害，很多人資本走在現實之前，從資本的角度來說不包括，的更誇張。投資環境是經常，如果形成風口之後，你能夠看到這個曲線更加陡峭，這是國外的CDNsights的統計。這是宏觀的。

從我們自己的親身感受來看有什麼變化？

先回到2014年那時候線性資本剛剛成立。我個人投三四家公司，我們也接觸很多非技術類的公司，但是2014年的時候可以說人工智慧大數據這類的投資非常冷。我們最早投的一家公司是神策數據，你有線上流程就可以做用戶行為分析。我們做他們的天使，那時候只有五個百度工程師，什麼都沒有。我們當時投了天使，心裡非常忐忑不安。

到了A輪是紅杉做的，紅杉跟我說這個事兒，說他們當時看到這個團隊，他們已經見幾十個VC，沒有人投他們，但是他們相信未來是需要這樣的工具，但是對於數據驅動這個事情，從原來的粗放性增長變成精細化的投入，其實他比用戶行為分析更大，只不過用這個詞大家更容易理解。

另外一個也是明星公司，這家公司融一億多美金，我可以保證這裡的數據只要是我們投的肯定是正確。2014年10月份我們做它的天使輪，那個時候只有圖紙。那時候十個人有九個人覺得這個事兒做不成，剩下這個人對這個事情的理解不一樣。IDG覺得這是一個智能的檯燈我們覺得這是一個智能的音箱，最後人家乾的是基於語音的生態系統，是解決你的問題。最近做了一個估值，累計起來是差不多一億美金，從一開始不解，到今天很多大基金的參與，其實有一個天壤之別。

到2016年，去年這個風口，如果真的用風口這個詞形容，應該是去年年初的時候開始火爆，很大的原因是必須要感謝這位棋手兼谷歌高級軟體測試師李世石，他輸給阿法狗，這是第一次在代表人類智能，站在人類智能最巔峰的一個遊戲，最強大腦輸給人工智慧，這個事情對很多人的震撼很大。這個事情在被極度誇大，尤其是藉助朋友圈的傳播，在國外的影響力溫柔很多。

在煤老闆提這個事情，他擔心阿法狗代表的人工智慧怎樣影響他的飯碗？我們必須感謝這個事情帶來的錯覺，這個錯覺讓人工智慧在接下來的一年內，不管是融資還是薪酬還是你的東西賣給煤老闆，你的銷售難度，對方腦子已經被這個事情洗過一遍，已經容易很多。之前跟他說有沒有聽說阿法狗？棋手輸給阿法狗，他只要知道你就知道這個談判比以往的其他談判簡單一半至少。

這是典型特點。創業門檻高很多，比O2O的時候，懂商業模式的創新這類人會多了很多要求，就是懂技術，這裡的人才，雖然絕對數量多但是相對數量非常少，培養這樣的人不容易，這樣的人加入一家公司要服眾，要領導這些人非常不容易。

對於CEO的要求除了懂技術能夠帶領AI人才，還要懂商業，這個曲線一定要形成。我們說我們尋找的是什麼？是出身於技術大牛，最後能成長起來的商業領袖，如果沒有辦法體現這個部分，這些公司一定會碰上天花板。

我們之所以這麼說主要的原因在哪兒？這樣才能獲得大量數據，還有可能回到流程決策。因為沒有這個數據來不了，你空有能力不行。你處理數據之後，你要回到決策流程，這樣才能對對方造成一個效果，讓他的決策更快決策質量更好，這是我們為什麼跟應用結合深的原因。這個裡面速度是慢的，因為是一個2B的生意，投資門檻比較高，對於投資人來說，我們懂的不如他們。但是一定要按照這個路徑，看一下是怎麼進行的。還有是耐心要高，不能像O2O一樣砸錢就可以複製，基本做不到。

缺點

它的缺點就是機構雜，我沒有看到投這塊的小組的，人才非常貴，起步薪酬現在達到一百萬人民幣，就是每年算下來一百萬人民幣以上沒有問題。資本泡沫，有人說有沒有資本泡沫？這個答案非常明顯，估值是跑在價值之前，只不過好的公司讓自己的價值趕上自己的估值，退潮的時候這些人準備好了，至少沒有裸泳。

泡沫破裂對所有人不好，但是一定會去泡沫，這個東西不像房價一下去泡沫不行，我覺得技術領域完全可以實現，就像O2O過去，其實的O2O也好，在移動這塊也好典型的出現就是大家覺得這個事情一直會增長下去，高估值下去，兩個月進入寒冬期。

具體體現這些數據上面，這個表有一定的代表性，上面都是非常有不錯的公司，我的感受包括我們自己在裡面有兩家公司，這裡面所有的都是有泡沫，只不過好的公司能夠改善泡沫。今天已經處於AI熱，究竟熱哪些方面？我們自己不好看但是我可以解釋一下，我們分成三大類。最底層就是物理層，這裡有很多雲計算、高性能的計算雲，有屬於數據平台，很多人說空有武功找不到數據，數據在哪兒？數據在平台上。

應用層是我們的重心，七成的時間精力在這一塊。比如AI+交通出行，我們認為是去年最火的AI投資的領域，從資金量來看。AI+FinFech，這是非常大的資金量。還有機器人，有一些人投有一些人沒有投。AI+安防，跟國家在安防上面的投入有關，BI，商業智能和SaaS，這裡分傳統SaaS和數據的DaaS，還有IOT，AI+教育。其實我們以前一直尋找這樣的團隊，我們很相信對於教育這裡帶來一些改進的工作。

還有未來性質的項目，這個對於你的耐性要求特別高，三年之內別指望有很大的回報，包括VR、AR的一些核心技術，包括自動決策、各種感測器，一整套的，如果稱之為泛AI能力，這個要求是非常高的。但是這個事情如果是沒想明白直接進去，基本上是九死一生。

重中之重的典型領域

我們典型的認為這幾個，一個是AI+BI就是商業智能，原來做SaaS投資的人加上數據是有機會貼到這一塊。還有AI+FinFech，金融是一個典型的數據生意，如果在數據上面提供新的能力，那麼它帶來的好處很明顯，但是人為門檻很高，擁有數據擁有業務這塊是怎樣能夠讓他們理解認識數據的價值？這一塊是一個巨大難度，但是如果進入產生效果，只要拿到數據可以產生很好的效果。如果進入了這個數據不能產生效果，一定是哪裡出了問題。

智能投顧，一年前我們覺得這個領域說的比做事情的人，但是現在有一些好團隊出來，典型團隊就是懂大數據和金融領域幹了很多年。我們剛投一個是在美國待了十幾年，一個很資深的人出來做智能投顧的項目。這個詞在十個人腦子裡有十種不同理解，今天不展開了。

AI+交通我們覺得這是一個很好的領域，但是分享到兩點。2030年就是50%以上被機器取代的自動駕駛，還有兩到三年強調應用場景的這類自動駕駛的投資都會出問題，還是在核心底層的技術投資更有意義。作為一個整套方案，我覺得早期基金不太適合。

AI+安防，我們把自動駕駛，如果做整套方案我們把它直接放棄，不適合早期基金小基金做。因為五億美金做這個意義不大，AI+安防，我們投過一些。

AI+醫療是我們今年著重，我們今年領投一個跟投一個，到年底估計還有一到兩個的投資。用機器看片在醫療這個領域，技術這個層面有很多突破，現在大家期待用什麼方式跟傳統醫療做緊密的結合？一個就是分享2月份的時候，第一次在自然地理的雜誌一個月內有兩篇關於機器學習看圖的文章，這是歷史上第一次。很少有兩篇文章同時出現。

對未來的猜想

我們認為泡沫一定會破滅，而且很可能是在今年年底，因為前一波開始拿到錢的公司，過了12到18個月，開始融下一輪，很多公司融不到，融不到會有很多報道出來。

瘋狂的投技者會退場，拿錢比高估值更重要，打磨場景比打磨技術更重要，很多AI公司到今年年底好的那些在實現技術的產品化和產品的商業化會有一些實際案例出來。

我們的邏輯最早是搜索，再後面是研究的技術化，就是更加成熟可用了，技術的產品化、傻瓜也可以用，用你的成本非常低，再後面有沒有本事賣兩百家三百家，這就是考驗你商業化的能力。