数据智能无处不AI 未来十年投资AI将是“长长雪坡

 新闻资讯     |      2020-01-07 13:40

曦域资本创始合伙人黄晓黎在演讲中表示,“AI投资是需要耐得住寂寞的长跑,要等到产业、业务、数据、产业链的利益分配等都成熟了,AI才有可能在产业中扮演最重要的角色。

大家好,很高兴有机会分享一下对AI投资的看法。首先介绍一下我自己,原来我在景林是负责一级市场投资,比较熟悉的行业是TMT和消费,由于我本科学的计算机,一直很信息技术的发展,熟悉的商业模式是2C的模式,或者是直接技术交付的方式。

横轴是技术这条线,沿着信息技术的发展,目前发展阶段我们总结为“数据智能”。纵轴是金融行业,从2015年开始,我们就专注在金融科技的投资。

我分享一下从投资人角度看,一个投资机构和投资人如何来参与AI行业的大发展,首先我觉得AI驱动有三个要素:算法、算力、数据。

底层算法越来越多是公开的,在中国产生谷歌还有相当距离,但是应用越来越多,从开源的角度来讲,实际应用中算法的差距不大。算力美国强于我们很多,无从再多解释。从数据的角度,我画了一个问号,中国是不是有优势?

我们看到数据领域,中国监管越来越趋严也是社会进步发展的标志,我们是投金融科技的,但我们一家金融数据公司没投,可见对监管一直比较担心的。

中国在数据上是不是有优势呢?不能单纯的就数据而看数据,这背后代表的是市场、是人,中国有大的市场有这么多人口,数据若能很快的连接就会有优势。为什么要比较中美之间的AI底层驱动力区别呢?主要是要思考在中国投AI怎么去投?哪些是中国的优势?BAT不需要你去投了,我们投有数据优势的,数据背后代表的是行业,是大市场,是在线互联、数据化、自动化乃至智能化。

我们作为投资机构,怎么参与AI投资。从2014年以后,AI投资非常热,大家可以看到2014年和2015年投AI是简单、粗暴、高投入,大家把资本聚集在一起,投资明星团队,用互联网打法去做。到现在看到一些结果,除了人脸识别AI技术之外,其它看到的可能没那么颠覆。大家认识到不管是AI智能驾驶还是人机交互,还是别的什么,不是短时间就能成就的。

作为天使投资要足够分散,你只投几个天使,投的重,用大资本去催生,这个就没有办法算概率了成功会很随机。现在投资AI,你要投很成熟阶段的公司是没有什么可投了,真正纯AI驱动的公司里面有多少是成熟期的?还有市场上也出现了一些投资并购,除了BAT之外还有高估值的AI公司,因为他们拿了很多钱,可以通过资本获得一些市场和产品。但是AI行业远远没有达到并购的阶段,并购前提是产业本身格局已初步呈现。我们可以看到市场上每个机构有不同的打法,但对于AI投资来讲,我们认为专注投AB轮早期和成长期的机构更有机会。

作为投中早期的机构怎么看AI项目?我们认为不能就技术而技术,技术能力只是其中一个因素,还要看产品与市场。我们青睐的产品也可以通过一横一竖来描述。一种产品是横向的,能够在多个产业产生应用价值的PAAS层级的通用型产品。比如说我们投资的天云AI的建模的平台,虹星的人脸加上远距离虹膜识别,MOAIR的用AI的方法快速AR建模等等。

另外一种我们看好的AI产品,就是在垂直领域能够做得非常很好,产品本身来讲通用性不强,但是在业务上能够明显产生商业价值,并且商业价值很容易量化,这种产品也非常有投资价值。

我现在看到,很多的技术团队的问题是:技术很强,但是产品不行。一个是对业务本身的理解不够,另一个是,你用一个什么产品先切入到市场?目前来看,比较有效的产品,是找一个从经济效益上能够非常简单核算的,让客户知道用了这个产品,能获得多少经济效益。不管产品大还是小,先切入到客户,因为AI可以应用在数据化的各个方面,只要其他业务数据量够大,就容易再通过这个点切入到客户的其他业务。所以,首先产品要好,能做出一些好的产品,这是我觉得目前很多AI技术团队最最缺乏的。

所以从产品角度来讲,要么是多行业通用型产品,要么是商业价值比较好核算的垂直型产品。

我想强调,实际上在数据智能里,AI是无处不在的。数据职能公司,用数据做生意的公司没有哪一家不用AI。比如说建模上用AI,比如说在OCR识别上用AI,后端智能理赔上用AI,智能推荐上用AI,风控定价上也用AI。所以大家可以看到,只要任何行业的任何的项目,如果是依赖数据去经营的,如果具有大量的数据或者可以连接到外部大量的数据,如果数据质量可以,几乎都是人工规则建模和深度机器建模的结合,就是传统BI和AI的结合,底层伴有知识图谱、图数据库、和业务自动化、互联网化等业务特征。

我们内部除了通用型技术,从产业应用角度,是不会把AI单独列出来的,我们统称叫“数据智能”,它更是一个整体,更符合当前产业发展的阶段。

对于我们曦域来讲,我们非常清楚,我们能力圈在哪里,我们知道怎么干这件事。实际上,最大利用AI的行业就是金融。我选金融的原因很简单,从信息技术发展角度来讲,AI是什么?要有足够的数据生产资料,哪个行业数据化最好,数据量最大,最靠数据经营?就是金融。我们就是从金融行业里面看数据智能,看AI。

另外一个,建立跟方向能力匹配的团队和不太超出创始人个人能力圈也很重要。你要我投轴承传感器是一定不行的,但是,我可以看数据技术发展带来的经营变化,我看过不同的产业,在产业里面应用这些技术有共通性。

以前我当过律师,我在中国12到16年金融机构第一波股改上市的时候,作为签字律师做过太保、交行等很多金融机构上市,还有一些信托公司、证券公司的资本市场业务。在金融行业里面还有一个门槛就是合规性,你要对监管合规有了解,我们投了20多个项目一个没有暴雷,LP对我们还是非常满意的。

一个机构一定要在你的能力圈范围内,我们作为投了这么多年投资的人,一定要先划清自己能力圈,一个机构掌舵人尤其要清楚自己个人的能力圈,在一个机构创业初期组织能力还没有培养起来的时候尤其重要,当然,一个机构组织建好了,能力圈会慢慢溢出,甚至可以有溢出加速度。

综合能力是整个团队的能力,我们有两个主要合伙人,一个是互联网技术,专门做技术的,我们自己的业务系统就是他自己用三年多时间开发累积的,另外一个合伙人擅长数据分析和建模。我们的投资团队,多数背景是学金融工程、数学和计算机的,要建立一个完全匹配的团队,而且要慢慢成长,投资最怕就是跟风,而任何大的失误就可能让这个机构不再有未来。

在投资行业跟风在未来会死的很惨,原来投资互联网,网络效应确实速度够快,反馈够快,现在这种投资机会不好找,一个垂直行业创业公司没有四五年连个大客户都找不到,靠资本常熟货架助推跟风,创业公司是没有办法在五六年内交出答卷的。

整体来讲AI领域,未来十年是投资黄金期,是一条长长的雪坡。我们需要的是手里要先有一个小雪球去滚,而且要握实了去滚。雪很分散的时候,你是握不实的。比如说我们投金融科技,在细分里不断划格子,把格子填满,就把雪填实了。所以对每个投资机构来讲,根据自己的能力圈找到你握实的小雪球,再一点点滚,这样才是你能抓住的机会。

对于我们这样的机构来讲,我们要一点点攒实力和能力圈,对于大机构未必是这样的策略。

未来十年,机构要具备两个能力。一个是你的能力圈,另外一个是策略和运营。我以前在景林也从建团队开始,现在建立曦域,心里面很笃定的,五六年怎么去积累?还是比较清楚的。

所以,对于基金来讲,比拼的不是投了几个项目,那是投资人个人的追求,对于一个基金来讲,怎么能够在AI的“长长雪坡”里面成为重要的选手,整个基金策略和运营能力是非常重要的,能融多少钱就采用相应的策略去做,策略确定了就要坚持,不要跟风,不要左右摇摆。

基金整体运营是一个能力,现在资本寒冬一个基金的融资能力就是非常重要。从长远讲,一个基金的系统能力和文化最为重要,建立起用数据去做业务做投资的系统就是保证了你投资长期的质量,有一个有理想的正气的利己利他的文化,基金才能在一件件人与事中穿越周期。未来基金没有综合能力,“雪坡”就不会是你的。

第一点,要坚持精细化和数据化,颗粒度越来越细的进行经营管理。在本身能力圈的范围里,从横轴技术条线,纵轴行业条线来划分格子,细分内充分覆盖和比较,选一家投,慢慢这么做就好了。对于基金来讲,管理颗粒度变得越来越细,投资没有那么哲学化或者个人化,我觉得我们也是一门生意,这个行业本身就是以技术运营导向的,也是需要精细化运营的行业。母婴店货架

而且你会发现,如果你颗粒度做得足够细,系统也匹配做到了,坚持五六年后,第一个周期先跑出来,后面能力圈溢出就自然而然了。

第二点,投资数据智能也好,AI也好,是耐得住寂寞的长跑,没有那么快,未来在场景里面很少能找到人脸大爆发的AI了。大家都需要很长的时间,大部分行业连数据化都没有,大部分行业没有连接起来,还有很多行业都是数据孤岛,还有很多行业数据质量根本不能用,怎么谈AI?

AI在产业中的应用是随着数据化经营的一个渐变的过程,从产业、业务、数据,包括领导认知,产业链的利益分配,都适合成熟了,可能AI才在里面扮演最重要的角色。这是个长期的过程,但我们毫不怀疑会在比我们预期还快的时间点,来到我们生活和产业的各个方面,谢谢大家。