线性资本王淮：大数据AI+产业机理模型成投资新标配 | 甲子光年

过去十年是中国科技变化最快的十年，作为核心的硬科技之一，人工智能的发展变化也恰恰投射了整个硬科技撬动产业的发展过程。

从最初的看不懂，到备受资本追捧，再到新一轮的降温，人工智能赛道从“资本宠儿”到被质疑再到回归理性视角，几经跌宕，也在这个过程中找到了与产业融合的方向。

行业也逐步走入了常态化投资的节奏。IT桔子数据显示，截至2022年6月23日，我国人工智能行业共发生投资事件6005起。其中，投资事件数在2019-2021年间逐年上升，2021年投资事件数1001起，较前年增长了174起。2022年初至2022年6月23日，我国人工智能行业投资事件数为344起。

站在当下的时间点，人工智能赛道该怎么投？从业者又该从哪些视角重新审视这个赛道的过去和未来？对于这些问题，近期亚马逊云科技张侠和线性资本创始人王淮在亚马逊云科技活动上的对话或许能给予一些新的思考。

嘉宾介绍：

张侠：亚马逊云科技首席云计算企业战略顾问

王淮 Harry：线性资本创始人兼 CEO，关注前沿科技解决产业升级问题项目的投资。是地平线机器人、神策数据、特赞、酷家乐、若琪、思灵机器人等公司的天使投资人。成立线性资本前，Harry 是 Facebook 总部第二位中国籍工程师和第一位中国籍研发经理，这段经历已经写成畅销书《打造 Facebook》。

以下是对话实录。

Q&A

张侠：在资本市场波动，全球经济不确定性行进的当下，回看过去十年的市场波动，你有什么感受？当下这个时间点处于什么样的阶段？

王淮：与两三年前的高峰相比，当下的资本市场已经从高点下来，正处于为未来两三年的蓄势待发做调整准备的阶段。2012年左右回国时，正值移动互联网发展起步的关键时间，之后，随着智能手机走进千家万户，创新的产品带来生活翻天覆地的变化，这是普通人生活数字化的一个过程。伴随着这个过程，2015年2016年，移动互联网科技产品的投资达到了高峰。

从2015、2016到2018、2019年，我认为发生了两个变化：

首先，原来的数字化产品已经变得耳熟能详，新的移动互联网的商业化机会也大幅下降，拼多多的崛起在我看来是移动互联网时代的落幕。

其次，与原来to C的数字化机会不同，2016、2017年开始，到2018、2019年左右三四年时间，企业的数字化和智能化在中国成为新的机会。这个过程中，从数字化到智能化，许多原来谈 AI、数字化、数据、算法时飘在空中的理念与企业中实实在在遇到的问题深度结合，硬科技开始走进产业，这是最关键的3~4年。

未来3~10年，硬科技人工智能与产业深度结合的机会，也是科技投资的黄金十年。

张侠：人工智能过去几年在投资领域的发展变化是什么？市面上有泡沫论、风口论，你怎么看？

王淮：泡沫是一定有的，但分两种，一种就像吹出来的泡泡，破灭了就什么都没了。还有一种是啤酒泡沫，喝完之后，下面是有真实的啤酒的，这种泡沫我觉得是有味道、有价值的泡沫。

我认为人工智能的泡沫是后者。当然过程当中有很多人是趁着这波热潮来的，但这波纯跟风的投资人和创业者迟早会退场。因为一旦技术真正要落地，跟产业结合，这个过程很难很辛苦，并不能赚到快钱。大浪淘沙会淘掉很多投机的创业者跟投资人，但同样也能够沉淀下一批新的创业者和投资人。

过程中，创业者和投资人要有两种心态，一是耐心，还有就是能够抓第一性原理，真心的去弄清楚产业的问题究竟在哪里，要解决这些问题该如何和人工智能等技术做结合。

这需要深入到产业当中，又不会被产业当中原来的那套问题所牵扯，又要有科技的思路，有数据的思路、AI的思路，这对投资者、创业者都提出了更高的要求，这也是试出真假金石的一个机会。

张侠：人工智能领域，最近看好什么样的投资机会？

王淮：投资的大方向上，两类是我们现在非常重视的领域，一类是最近3~4年我们才重视起来的新的场景，比如人工智能大数据跟生物医药。

比如，生物医药领域存在大量的需要获取基因数据做分析的环节，这些数据不是自然而然产生的，而是要通过实验，这是这几年一个典型的特点。大量的数据以及做数据处理的机会，比如找靶点等，这些数据必须要跟产业本身的特点结合。这个就是典型的把所谓的黑科技要变成灰科技，绕不开这些生物实验的数据来源。过程中，不管是数据存储，还是数据计算都有机会。这些专业的领域，数据量极大，也是是专业数据，所以需要走进产业，用专业的手段去获得。

第二类就是跟生活比较接近的，比如市场、营销等相关的数据分析处理。线性早年投的有神策数据、观远数据、数数科技等公司，近两年投的有径硕科技，专注做ToB营销的，这类我们依旧在看。这是一种高颗粒度的数据，在理解人的偏好、行为的过程中获得。这种高颗粒度的数据能够把人的需求认知和产品结合，让不同的客户更好地去理解自己的用户，理解自己的产品，理解什么样的方式能够让产品更好、更快、更准的找到对的客户，以及用什么样的营销方式。这些数据把整个链条串起来。营销在整个商业里每年至少是几万亿的花费，这是一片过去10年的金矿，也是未来10年的金矿。

但归根结底，这个过程本质就是，只有弄清楚这些是什么数据，才能够真正去应用算法，再把算法得到的结论和场景中真实的问题结合。要把数据黑科技变成“灰科技”，真正在产业落地，抛开产业问题和具体的商业决策，空谈算法很牛，每秒钟能够处理多少，完全没有意义。

张侠：人工智能、大数据等技术和行业的结合，下一阶段的发展除了刚刚提到的医疗行业、市场营销以外，还有没有一些有意思的题目？

王淮：大数据、AI、机器人为代表的这类的科技怎么跟产业结合，跟什么样的产业结合，这个问题我们有一套结构性的思路——“1+1+1”。

第一个1是一个底座，指的是大数据、AI的这套方法论需要有一套新的数据基建——包括数据获取，新型传感器等，比如数据传输这块，颗粒度、频度就和10年前是完全不一样的。

所以要真正接触大数据，利用好数据，必须要对数据从来源传输、存储到计算，在底层进行革新。这个部分会有非常好的机会，来为数据新基建赋能。最后的想象是，很多人用数据的时候，就像水龙头一样，打开就能用，其他人只要去做好上面的算法和思考如何与商业流程结合。

在底座之上，我们分成两类大的领域，一类称之为商业应用，即直接把数据为商业所用，比如可视化等，这种应用的底层是把决策作为服务。下一代的企业软件应该是以大量的、高质量的数据为核心，而不只是一个新的基于云的软件，这是完全不够的，必须要以商业决策为出发点。

比如，我们投资的一家做招聘的企业，在做的就是把简历做处理，来和招人需求做匹配，这就把招聘需求中以前人匹配工作的人驱动机制变成了机器驱动。传统的一些软件只是把Excel做成一个云端的软件，这是不够的，一定要基于数据的决策性和预测性能力作为核心。

第二类应用是工业性质的应用。除了大数据AI还要加上机理模型。机理模型需要对事物的第一性原理进行探究。我们投过的一家农业科技公司，他们用AI帮助种地的过程中，除了农作物数据之外，还有一个很重要的就是作物的生长和自然的机理模型。所以大数据要和跟事物的机理模型结合，才能够去事半功倍地真正推动产业降本增效。

张侠：人工智能下一阶段，在技术层面上还面临哪些瓶颈？

王淮：一个很重要的问题是，人工智能要有效用起来需要大量的数据，但在很多实际应用当中，数据量找不到那么多。这成了很多时候人工智能要落地的一个巨大的限制。

这里我有三个建议，第一个是关注学术中提到的小样本学习、迁移学习、增强学习。核心的就是要想办法尽可能降低学习成本、训练成本，把时间尽可能的缩短。

第二个是，要把黑科技变成“灰科技”一定要走到产业，想办法把机理模型和数据进行有效结合。还有人才匹配，团队中既要有人懂大数据、AI，也要有管理层懂产业。以往的互联网时代，这样的人有当然更好，没有也没关系的，投资人也会投，但在如今的人工智能时代，如果没有这种技术和产业人才组合搭配，这家公司、这个团队就可能变成不可投的了。

第三个就是，早一点把产业方的客户拎进来，潜在客户不一定有效。我们有个概念是所有的技术本身是没有门槛的，所有有用的技术一定是基于问题的，如果连产业有什么问题都搞不明白，把技术搞到顶端是没用的。即使是做通用数据库这类的，也面临重重困难，因为很多通用型的技术背后都有一个应用场景假设，而这种假设现在正陷入一个崩塌的状态。

张侠：你是怎么选择投资对象的？

王淮：我们有很多细节的标准，有两个大的方向，就是对的问题，对的人。

对的问题就是，那些如果解决，会对产业会带来巨大的效率提升/突破这类的问题，也是技术能够带来杠杆效应的机会。不是所有的问题都值得用大数据的方式去解决的，我们感兴趣的是能够带来杠杆效应的科技与产业的融合。

第二就是对的人，要能真正理解产业，在理解的前提下够专业。其次是还要足够投入，有舍我其谁尽情投入的状态。创业过程九死一生，技术好也不一定能赢，在赢之前也要倒下来七八次，要有创业虐我千百遍，我待创业如初恋这样的心态。这种信念感是我们非常看重的。

第三个是言行一致，想的、说的、做的保持一致。投资也是交朋友，希望交一些坦诚的、真实的朋友，而不是只会说好话，报喜不报忧的。当真正成为彼此可靠的的、真诚的朋友，生命中会少很多麻烦和要伪装的东西。

张侠：对于想做人工智能等科技创新这一类工作的人，对他们有哪些建议？

王淮：如果是刚入行，就是想办法和做了大量实践工作的人好好学习。如果是从业者工程师，想办法加入一个真心在把AI黑科技变成灰科技的公司，理解整个反馈闭环的形成和落地。如果是投资人，多去关心产业问题，把这些技术落地的企业投上两三家，而不仅仅看到投完之后两三年能够赚多少钱。

期待更多的人加入到实践当中！

END.