中国天使投资人学院:线性资本 · 王淮——AI都在闭眼投,但泡沫将在今年达到顶峰



阵风,还是季风?

线性资本在人工智能领域投了很多项目,但从商业角度看,这两年人工智能还没有出现成功商业化的案例,它到底是阵风还是季风我们也是不确定的。

说人工智能有可能是阵风的原因是,很多问题创业公司是解决不了的。

以自动驾驶为例,去年我们组织了一次内部讨论,找来了全球领先的汽车零部件供应商法奥雷集团,又找来了四家传统车产研究院的院长,还有百度、腾讯自动驾驶相关的负责人,智能汽车相关的创业公司。

最后我们讨论出的结果是:自动驾驶的水太深,项目初始投资动辄都是从千万美金起。但是如果真正想搞自动驾驶汽车的话,整个事情做下来没有上百亿人民币砸下去是出不了好东西的。

所以自动驾驶这块技术人员创业的问题在于:一方面考验的是你后续的融资能力,另一方面是,在创业初期的很长一段时间里是出不了东西的。

但是,如果有特别核心的技术、精悍的团队,从天使轮最多到A轮我们是可以参与的,这里参与的角度在自动驾驶的局部技术,比如用车环境下的识别技术,人车的交互等。

从长远来看,自动驾驶在未来是没有悬念的,但早期投资很难发现特别适合的团队。以传统车厂中出来的技术大牛为主,再配合深度学习的人才,这样的团队会比较好,但是目前我们找到的团队都是相反的。

总的来说,人工智能的赛道够长,从投资的角度来看就像阵风,但是从趋势来看很明显是季风。

更加激进投资AI+医疗

过去几年,我们投了神策数据、桃树、观数这种AI+商业的项目,它在某种方式上能够帮助用户更好更快地做出决策。像神策能够帮助用户做数据整理、漏斗分析,而桃树主要是给银行做贷后风控,给电商做选品分析。

AI创业的另一个机会是AI+金融领域。它其实技术整合难度不高,难点在于进入金融场景和获得资产和客户的能力。因为这个领域重监管,很敏感。

AI+Fintech我们也很关注,并且投出了同盾这样的项目。另外,区块链的项目我们虽然没有投过但是一直在关注,它的优势在于分布式、去中心,还能保障账本的可靠性。但它究竟能带来什么样的具体应用是个大问题,比特币只是一种应用,创业公司可以去关注这里面的加密技术、性能的提高等。

在AI+医疗方面,比如AI看图,过去我们偏保守了,但是今年我们会更加激进。在决定要不要投时,一方面我会看重团队的技术能力和互补性,另一方面团队的商务拓展能力在医疗领域特别重要。

现在AI看图的效率和准确率已经比人工看图高得多,但它的发展速度从技术研究到商业化不会超过六个月,错过这个档口就晚了。如果通过技术手段让医生诊断看片子的水平提高到世界一流水平,这将会对医院有很大的促进作用。

AI+工业自动化这块也是一个点,比如仓储机器人自动化,虽然有好多家在做,但每家切入的点不一样,各有优劣势。

另外,我们会把20%的时间和金钱投在AI、AR/VR里的核心技术,但是不会投平台。比如AI是一个计算密集型而不是存储密集型的领域,针对它的特殊化云计算项目我们就比较感兴趣。正在考虑投的一个项目就是利用AI技术来给数据中心做工作编排的优化,一年已经帮谷歌省掉至少十亿美金,像这种把AI加到一个比较窄的点上就很好,它们普遍的特点是能够迅速产生效果,战斗力极强。

AI泡沫将在今年达到顶峰

现在的AI创业,大家都在闭着眼睛投。

大概去年四五月份的时候一批AI创业公司开始拿到闭着眼睛投的钱了,这时被资本堆起来的泡沫就起来了,且会在今年达到顶峰。但是一般公司融到的钱能花12—18个月,忍一忍可能24个月,如果能融到下一轮就是还不错的公司。

这时,拿到很高估值的公司总要证明一下自己拿完钱后做出什么东西来了,如果做不出东西来很多资本是要撤出的,只有真正对项目理解很深又比较谨慎的投资机构才有可能坚持下来,所以今年会是一个清洗泡沫的过程。

这时考验创业者的主要有两个方面。

第一个是商务拓展。从初始的几十个客户到几百几千个客户是一个大坎,能跳过这个大坎的,通常说明这个市场是有机会做起来的,而很多创业者自己想出来的应用场景是很难迈过这个坎的。

另一个问题是,AI最后是要跟业务场景结合的,所以有没有能力把项目应用到大的场景中是很重要的。就像中科视拓的人脸识别技术最终还是要应用到安防、机场、银行、小区里。

这轮泡沫清洗完之后,AI创业才会是一个健康的发展方式,但不排除第二波非理性投资人的入场。

其实我们是希望这个领域不要那么火爆,因为真的没有那么多可投的好项目:能干的人蛮多,但大部分不适合创业。

在AI领域,智能投顾一看就很扯,尤其是2C的投顾。但是如果利用处理数据的能力,帮助用户提高决策质量,把产品卖给券商、分析师这样的B端其实还是有机会的。

另外智能家居设计也是比较扯的,说的好像很悬乎,但实际上都是一些规则系统,就像沙发旁边应该放一个茶几一样,谈不上有什么智能设计。

直接找过来的项目一般不碰

我们一般是通过熟悉的人去推荐人才,直接找过来的项目一般不碰,因为相信信任的传递。比如我们投的Seeta中科视拓,我跟创始人山世光老师认识了快两年,他有近20年的人脸识别研究经验,后来他决定创业时,我们还去研究所跟领导谈了一次,最终决定投资后就把他所在的实验室商业化了。

总的来说看项目的时候,我会特别注重「三高」人群:高学历、高平台、高学习能力。这样的人群主要分成四类:

第一类主要是在BAT有过大数据经验;第二类是海归,像Facebook、谷歌、微软、IBM出来的人;第三类是学术大牛,比如国内高校的教授,国外顶尖实验室的华人;第四类是校友,浙大还有斯坦福,这两个学校加起来可能投了有十家。

在看项目的时候对技术水平和人的考量会各占一半。

因为假设一个项目的行业机会和市场机会都很大,但是团队里没有特别有影响力的人,首先组建团队的时候就会很困难。如果不是和AI领域的牛人创业,人家为什么要加入你呢?如果只是高薪挖来人,那么人来得快去得也快,创业公司最怕的就是这种。

第二个问题是拓展市场,创始人初期会自己去跑项目,如果没有行业积累和影响力,初期的单子很难搞定下来。长期来看,还是需要借鉴IBM、甲骨文、微软的销售方式,把大的单子做起来。项目发展到后期,就是看商业模式的可复制性了。

第三个问题是募资能力。创始人要让投资人明白项目能解决什么问题,怎么解决问题。我们看项目的时候会对技术研究的比较仔细,最夸张的会仔细到代码这个层面。当初投桃树的时候我就跟创始人杨滔讨论了一下午的代码,这种从粗到细都很强的人对投资人来说很难得。

决定投项目之前,我们会和团队进行至少三次会议讨论,弄清它的上下游,合作伙伴、产业环境等,并对团队、技术、产品、市场、运营、资本使用这六个方面做探讨。之后再考量项目解决的问题,这个问题带来的市场机会,还有这群人的历史背景适不适合解决这些问题。

但是我们从来不相信聊十五分钟半个小时就拿到钱的项目。别人看了半个小时就给了你钱,你拿了人家的钱,说明你很缺钱,而你完全不知道要反过来思考一下,对方到底有没有弄懂你的项目?反正不管怎么样我们对闪婚这个事情一点兴趣都没有。