ZKIZ Archives


線性資本王淮:一拍腦袋就投誰不會,別把創業者搞浮躁了

來源: http://www.iheima.com/finance/2016/1027/159472.shtml

線性資本王淮:一拍腦袋就投誰不會,別把創業者搞浮躁了
石慧 石慧

線性資本王淮:一拍腦袋就投誰不會,別把創業者搞浮躁了

數據智能一定要解決商業問題,只有技術是“然並卵”的。

王淮,Facebook第二位中國籍工程師,第一位華籍研發經理。現在,他是線性資本合夥人,主要關註大數據和人工智能。從技術男到投資人,王淮給自己當前定下的小目標,就是投出兩家“10億美金公司”。而他的投資,也自成體系,對於數據智能,他最關註的,就是如何解決實際的商業問題。人工智能專題新的一篇文章,請聽王淮總結自己的投資理念,以及他對當下人工智能創投熱潮的看法與建議。(PS:文尾有彩蛋喲~~)

文丨石慧

王淮是典型的技術男出身。他是Facebook早期員工——2007年加入,是其中第一位華籍研發經理。但隨著Facebook的擴張,“老員工”王淮找不到初創公司的感覺了。他決定換一種生活方式。

如今,他與前京東、天貓高管張川一同創立了線性資本,關註大數據、人工智能,投資Applied Data Intelligence——業務性的數據智能。“以技術為核心,並將技術應用到我們認同的問題上,我們才會投。”王淮說,“大數據應用一定要解決實際的商業問題。”

顯然,技術出身的王淮並不僅僅關註技術本身。來自溫州的他,身上還帶著溫州商人的精明。

數據智能要強應用、商業化,是他的投資邏輯,這從線性投資的項目可見一斑。目前,線性資本投資了33個項目,包括中科視拓、神策數據、地平線機器人、Rokid、艾拉物聯、ThinkingGame數數科技、杭州同盾科技、Ping++等。

在王淮看來,人工智能的熱潮已經來了。不管他並不是很喜歡“風口”這個詞,他暫時也只能用這個詞形容現在的人工智能領域。

他給自己定了一個小目標:投出兩家10億美金的公司。“然後再說別的。”

王淮希望,大數據、人工智能創業者能第一時間想到線性資本。“所以我們必須聚焦。明白自己擅長什麽,不擅長什麽。”他說。

以下為王淮口述,經創業家&i黑馬編輯:

先定一個小目標:投出兩家10億美金公司

我是技術出身,2007年年初進入Facebook做工程師,2012年離開。我是Facebook的早期員工,加入的時候公司只有100多人,到我離開時,已經到了4000多人。

在那時,我就有後來創業的想法,我在雅虎待過一年半,對大公司的運作有了一定的認識,我想去嘗試一下不同的生活,於是就去了Facebook。當時會加入Facebook,我覺得它是家有趣的小公司。那時沒想到它後來會做那麽大,但是那些人我覺得非常有意思。後來離開也是,我覺得最好玩的日子已經過去了,接下去的也許就是按部就班的生活,想有一個更大的改變。但我覺得打工我不可能再去第二家公司,公司對我們實在是太好了。

我回國以後,看了一圈,2012年底打算做投資,和張川、薛蠻子三個人開了公司,拿自己的錢做投資。兩年後,我們想做得更專業,就創立了線性資本。

我們現在做投資,也是用當初創業的感覺去做。我們做了線性資本之後,逐漸機構化,我們自己有一系列方法論,怎麽看一個項目,形成了相對成熟的一套模式。整個過程,更像一個創業公司,從無到有,慢慢成熟。現在圈子里提起投大數據、人工智能,我們的影響力都在那里,我們努力得到了回報。我真的覺得這個過程挺好的,就像一個小公司慢慢做起來的典型的過程。

我們一直是以創業的心態去做這件事,能不能做成不知道,但我們要先定一個小目標:投的公司里出兩家10億美金的公司,1億人民幣投進去,10億美金的估值出來。

我們很重視投後管理。對我們在董事會上的公司,會有季度性風控,月度性通電話、見面。我們有一套框架來診斷一家公司,主要了解五大問題:團隊、市場、產品、技術、資本;五大問題下有三大緯度:過去一個月發生了什麽大事;處在哪個狀態的問題解決了;沒有將來你的重心是什麽,我們怎麽幫到你。

投後管理主要做三件事。第一,在一些核心問題上,我們自己以及請來的牛人會做他們的顧問。第二,幫助他們進行核心崗位的招聘。第三,幫他們完成接下來的一到兩輪融資。

我們把身邊的投資機構分成三類,對接融資時就從這三類里找。一類是family VC,是和我們有共同LP的基金。二是old friends,是我們合作很多的基金,比如GGV、IDG、紅杉。三是new friends,是跟我們關系很好、想一起合作的基金。

我們投的項目最大的問題可能是商業模式還有待驗證,但當初我們覺得它有機會才會投,基本上幫他們融到下一輪問題不大,線性投資的33家公司,現在至少有10家融到了下一輪。

我們做投資,這麽些年下來有一個巨大的體會,就是說你如果只去搶“風口”,這些機會你看得到的機會,別人也看得到,但你不但要看到,你還要看得懂,“懂”帶來的結果就是“快”。一拍腦袋就投誰不會,但是我覺得現在投資已經過了“搶”這個階段。搶就是倉促,你也反過來讓創業者也倉促了,本來可以紮實做事的創業者,被你這樣一搞心里也浮躁,這對任何人沒有任何好處。所以只能是聚焦,看懂,在保證決策質量的情況下,比別人時間花得更短,才能夠投得更快,而這種快就是有意義的,不是單純去“賭”。

投資還有一點,就是要“投得進”。如果你足夠專業,做到標桿,能讓大數據、人工智能領域的創業者第一個想到你,那就很不一樣了,我們想要的是這種效果。今天在業內,做大數據、人工智能的人應該都知道我們了。我們要明白自己擅長的和不擅長的,做強聚焦。

從最近6個月開始,大數據、人工智能這些領域逐漸風口化。但是“風口”這個詞,我們其實不大喜歡去用,只是說這個時代,在各種因素下,給了這樣一個機會。原來我們有60%-70%是看這塊,現在,我們是100%投入在做這塊。

5大因素帶來“數據智能”商業機會

現在,人工智能因為幾大因素,出現了很大機會。

核心因素是移動智能設備的流行,觸屏把人們原來花在PC互聯網上的時間,大幅度地拉長了。原來在PC上,大家大部分時間是用來工作,而現在,手機成為我們kill time的主要工具。這種設備創造出了一個巨大的市場,這個市場就是每個人的時間。如果把它用人和時間等單位來衡量規模的話,我覺得現在這個市場的規模至少是原來Web時代的5到10倍。時間需要產品去填補,填補過程中大量積累了數據,數據就產生了變現的需求。

因此,第二就是數據的積累。這些年,很多互聯網公司各自積累了幾百萬、上千萬的用戶數據,都非常有價值。但這些數據間,存在孤島效應,這些數據是沒有辦法交叉的。比如,一個互聯網金融公司,和一家電商,它們獲得的數據體系、性質都不一樣。但如果它們能夠放在一起,形成數據集,帶來的價值會大很多,會產生一加一遠大於二的效果。

第三,算法的發展,在過去幾年有了很大突破,比如說深度學習。傳統的數據挖掘方法對強特征問題很有效,比如反欺詐;但是對於從圖像、聲音當中去學習特征,就很難了。而深度學習在這些領域帶來了很多新的應用。近幾年聲音識別、圖像識別、人臉識別等新的應用出現,和技術突破是息息相關的。

與之相應的,是計算能力的提高。AI說起來容易,做起來很難,比如說深度學習的計算量對雲計算也提出了極高的要求。三四年前基礎架構和計算能力沒有發展到這種程度時,要做人工智能也是做不起來的。

還有人才因素。有人覺得美國人才比中國多,我不這麽看。過去幾年,BAT以及二線互聯網公司積攢了大量數據,數據需要人來處理,因此訓練出一大批有實踐經驗的人才。而美國,主要是Facebook、谷歌、亞馬遜、微軟等公司,培養的人才偏理論型,在實踐上不如中國。

最後一點,市場已經準備好了。人工智能公司的目標客戶,原先比較傳統,現在它們的思維開始變了。我們要感謝馬雲對DT時代的傳播,但是,AlphaGo帶來的影響更為巨大。AlphaGo雖然下的是圍棋,但讓很多中國人以為深度學習已經來了,它會搶走所有的工作,你要是不趕緊改變,就等著被幹掉吧。這讓人工智能公司發展客戶變容易了。當然,這種想法還有很大誤區,被人工智能完全顛覆的那天真正到來,還有很長時間,但是,這卻讓人工智能推廣的難度大大降低了。

這幾個因素造就了人工智能的熱潮。這是一個數據依賴技術進行變現的時代。這5個因素,給了人工智能,或者我更願意稱它為“數據智能”,帶來了極大的商業機會。很多投資人也開始關註並進入這個領域。

但是我認為,不能走偏。現在也有很多項目,並不是很“智能”,而是努力向這個概念上來“靠”。所以,要同時具備三個要點:大數據、應用性、智能性的項目,我們才會投。

數據智能只有技術是“然並卵”

我們聚焦的領域,概括起來其實是Applied Data Intelligence——業務性的數據智能。立足於大數據的應用,去解決實際商業的問題。我們投的項目,是以技術為核心,但我們的關註點在應用上。我不會單純因為這個項目的技術牛而去投資,它要將自己很牛的技術應用到我們認同的問題上。

大數據應用一定要解決實際的商業問題。很多SaaS只是數據和數據應用,把傳統的、低效的東西在線化,但沒有思考如何處理數據,從中做些文章。比如稅收類應用,如果只解決數據問題,那是很普通的SaaS。而我們在意的是,它能不能進一步提供增值服務,比如能夠準確反映出企業健康狀態來。

從我們投的公司就能看出我們的邏輯。我們的投的神策數據是數據服務公司,可以通過用戶畫像,從而分析公司的發展趨勢;智能機器人Rokid,它是基於數據的智能實體化,但它的核心仍然是AI的軟件,並非單純強調硬件;地平線機器人提供的AI解決方案應用點也非常廣,比如它目前在輔助駕駛ADAS這方面的應用,就體現了這一點。它們能提供應用,解決一些有用的問題,而不是只有技術但“然並卵”的東西。

在Applied Data Intelligence這個大的架構下,我們主要投三大類的項目:泛智能、基於數據的Fintech(金融科技)和VR/AR的核心技術。前兩類我們投了不少。

我們所謂的泛智能,就是與大數據、雲計算、雲存儲、人工智能、機器人、IoT(註:Internet of Things,物聯網)等相關的項目。我們之所以這樣劃分,是因為我們有自己的一套邏輯鏈:有雲技術才能實現大數據的存儲和處理;在數據基礎上才能做機器學習和人工智能的開發;而開發出來的模型需要落地,它們要麽讓數據流通得更快,要麽讓決策做得更好,也就是說,這些終要變成服務,我們把它稱為DAAS(註:Data-as-a-service,數據即服務)。

2

*線性資本合夥人王淮(受訪者供圖)

在泛智能的硬件領域里,我們認為,機器人有很大的機會。機器人可以分為兩大類:一類是家庭型、娛樂消費型,也就是2C的,另外一類是B端的。而我們目前關註的中心在前者。

我們非常看重IoT。但我們不太關如何心聯網的問題,我們關心的是Ineternet of  Intelligence,真正讓不同的智能設備為一個場景服務。不然我回到家,空調打開一個App,電視打開一個App,窗簾再打開一個,我就累得半死了,這哪是物聯網智能家居,變成我為家居服務了。這是目前IoT的最大問題,每家都要自己搞一套,體驗就很差。

但這樣的狀態持續不了太久,大家一定會尋求聯盟,形成交叉協議,這是必然趨勢。但是,這並不是會非常順利的過程,中間肯定會有博弈。在國外,已經出現了一些聯盟,國內雖然現在還看不出來,但肯定將來是一定會出現的。

人工智能會在哪些領域爆發?

人工智能會先在一些具體領域爆發。

金融是一個強數據的領域,智能化能夠加強數據的作用,所以在互聯網金融里面應該有很強的應用。另外,數據性很強的消費領域,從消費品、安全等相關角度,例如用戶畫像、智能推薦,以及智能導購,都是基於數據可以用AI機器人來幫助實現的。

ADAS輔助駕駛也是一個典型的場景。其實,我們發現,很多行業,最大的市場都在“吃喝玩樂行”,對於人工智能而言,“行”現在是最容易被影響的,因為它是強技術性的。“吃喝玩樂”,雖然技術會給它們帶來一定幫助,但是內容和渠道方面,它是有很強的反向控制性的,人工智能要切入是一個巨大的問題。而“行”是一個全新的領域,因為原來像地面交通、空中交通這些都是傳統公司來做的,滴滴這些新的公司的進入,為它們帶來一個巨大的顛覆。

在數據層面,我認為,滴滴肯定是傾向於自己去做的。但是不要忽略了傳統渠道的威力。像OPPO、VIVO、小米、華為它們的“戰爭”形態,我覺得是很有意思的。互聯網讓世界成為平的,但是人口數量和層次的差異、城市之間和城鄉的差異,給中間過程帶來了很多的機會,只要你抓住了,能夠做不少事情。所以不要小瞧傳統廠商,它們中有很多其實非常技術化,只不過它們的傳統技術是跟車相關,互聯網不一定擅長。百度做無人車,它擅長的還是數據的收集和導航、服務,以車為核心的部分,我估計還是要跟傳統廠商合作,所以最後大家會是一個混合體。

智能生活這塊,我認為也是有很大的機會的。如果把出行加進去,就是一整套了。如果撇開它看,就是智能家庭生活,我們覺得這一塊很有機會。

還有一些我們零星的思考。比如說,健康相關的,不僅限於監測,而是回歸健康的本質,比如對人的健康產生預警作用的。只是監測,比如你一天跑了多少步,意義不大;但如果你能對我的健康預警,告訴我現在過勞了,要趕快休息,這種情況下猝死的概率是多少,才是有價值的。但現在技術還達不到。

我們投了一個做女性體溫計的項目,通過體溫曲線,可以測出受孕、避孕幾率。這個項目市場很大,但目前有一半用戶在海外,因為國內要通過醫院渠道去推。這個領域我們不太了解,所以選擇跟投。對於不太懂的領域,我們會先跟投一兩個項目熟悉一下。這也體現了我們對於AI商業應用的態度:能實實在在產生作用的,才值得投,太遠的東西,除非相信它的未來,否則我們大多持懷疑態度。

像Seeta中科視拓做的是人臉識別。它能切入生活的方方面面。人臉識別的核心是身份問題,什麽時候你需要證明“你是你”,都可以用得上人臉識別。但現在技術還不成熟,還沒有真正爆發。另外,人口數量太大了,即使人臉識別的出錯概率低到千萬分之一,那出錯的人數也很多。所以它現在只能在一些限定條件下輔助人力。未來,在銀行、公共安全監控等領域,人臉識別都會有大量應用。而且,人臉比起其他的識別方式,能夠做到自然的、無監督的、安靜這種模式下的一種識別,所以還有很大商機去挖掘。

在國內,人工智能領域創業面臨著兩個最大的問題,一個是數據,另一個是應用。很多創業者,他擁有的是算法、是技術,但是數據不在他這里,應用也不在他這里,這兩塊還要去說服別人,是典型的兩座大山。這些數據源人家為什麽要給你?這有一個信任成本的問題,要麽是我相信你一定個比我強,要麽是我沒有辦法了,不得不試一試。這是個難點。另外一個就是應用,你得解決一個實在的商業問題,但商業問題並不在人工智能行業的人手中。比如自動駕駛,車廠是控制方,它是有話語權的。你要找到商業場景,並說服它們應用你的技術,這又是一個難點。

i黑馬與今日頭條-科技聯合出品,合作多家業界頂級媒體、投資機構,邀請人工智能領域專家、大咖一起來評選的《人工智能創新公司TOP50》榜單已經啟動,我們收到了來自不同投資機構、第三方的推薦以及公司自薦報名。接下來,評委評選之外,候選公司的投票也即將開始,敬請期待!

4

 

王淮 數據智能 人工智能
贊(...)
文章評論
匿名用戶
發布
線性 資本 王淮 一拍 腦袋 就投 投誰 不會 別把 創業者 創業 浮躁
PermaLink: https://articles.zkiz.com/?id=220801

股票掌故 | 香港股票資訊 | 神州股票資訊 | 台股資訊 | 博客好文 | 文庫舊文 | 香港股票資訊 | 第一財經 | 微信公眾號 | Webb哥點將錄 | 港股專區 | 股海挪亞方舟 | 動漫遊戲音樂 | 好歌 | 動漫綜合 | RealBlog | 測試 | 強國 | 潮流潮物 [Fashion board] | 龍鳳大茶樓 | 文章保管庫 | 財經人物 | 智慧 | 世界之大,無奇不有 | 創業 | 股壇維基研發區 | 英文 | 財經書籍 | 期權期指輪天地 | 郊遊遠足 | 站務 | 飲食 | 國際經濟 | 上市公司新聞 | 美股專區 | 書藉及文章分享區 | 娛樂廣場 | 波馬風雲 | 政治民生區 | 財經專業機構 | 識飲色食 | 即市討論區 | 股票專業討論區 | 全球政治經濟社會區 | 建築 | I.T. | 馬後砲膠區之圖表 | 打工仔 | 蘋果專欄 | 雨傘革命 | Louis 先生投資時事分享區 | 地產 |
ZKIZ Archives @ 2019