线性资本 · 王淮：AI都在闭眼投，但泡沫将在今年达到顶峰

　　线性资本创始合伙人 王淮先生

　　1.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。

　　2.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，难点在于进入金融嘲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。

　　3.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嘲是很难迈过这个坎的。

　　另一个问题是，AI最后是要跟业务嘲结合的，所以有没有能力把项目应用到大的嘲中是很重要的。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创业才会是一个降的发展方式，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。

　　4.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。

　■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。