📖 ZKIZ Archives

格隆匯醫藥群線上討論紀要：滬港通後AH醫藥股投誰？

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 2016-10-27 18:58

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）。

*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！

文章評論

匿名用戶

發布

全部評論：10

發布