【51CTO.com原創稿件】2017年7月21日-22日，由51CTO主辦的以人工智能為主題的WOTI2017全球創新技術峰會在北京富力萬麗酒店隆重舉行。峰會期間，30+AI明星，數十場圍繞人工智能主題的精彩演講與圓桌論壇緩緩揭開面紗。除了場內的精彩演講，場外還有專門為AI愛好者搭建的動手實驗室和科技體驗區，這一切都讓本次大會亮點十足。

7月21日下午WOTI2017主會場，云啟資本執行董事陳昱進行了主題為《如何吸引人工智能投資人向你瞄準》的精彩演講。以下是演講實錄，讓我們先睹為快!

[[197678]] 

感謝51CTO給我這個機會和大家分享一下投資方面的心得。在轉型投資之前，我也是一個技術男，最早我在Google工作，后來回國以后我參加了一個創業，是做移動廣告的公司，一直從它的最早建立到新三板上市，中間我以創業者的身份也和很多頂尖機構接觸過，比如IDG，也有接觸其他外部投資人，像紅杉這樣的。當時我作為創業者非常納悶，為什么一個投資人和我聊四五十分鐘，他就可以快速做出判斷呢?這個問題的答案直到我自己做了投資人以后才知道，其實投資人也是有套路的，他自己會有一套框架去衡量你的公司怎么樣，你的團隊怎么樣，你的技術怎么樣，通過簡單的40到60分鐘聊天和框架結構，就會得出一個判斷。下面我利用半小時和大家分享一下到底投資人是怎么投資一個項目的，特別是人工智能項目。

首先，我先介紹一下我所在的機構，我們是云啟資本，還算是一個比較年輕的VC基金，我們專注于早期投資，我們成立于2014年7月，到現在剛好三年。目前，我們管理了兩支美元基金和兩支人民幣基金，資金合計大概是20多個億。我們和很多基金不太一樣的地方是我們比較專注于新技術投資，比如說像云計算、大數據、人工智能，為什么會這樣?

我們覺得在未來十年里面，技術會是人類社會的一個推動。所以這一波技術大牛就好像之前的互聯網或者五年前移動互聯網的機會一樣，誰能在大趨勢里面抓住好的投資機會的話，作為投資人就會變得比較成功。我們看看我們三個主要的投資領域，云計算、大數據和人工智能，這三個領域也是高度關聯的，云計算、大數據領域支撐深度學習的內容，只有這些基礎設施完善以后你才會說上層的人工智能應用蓬勃發展起來。

所以，我們的投資思路也是自上而下，我們前兩年獲得了云計算、大數據項目，大家可能聽過，像云音，分布式數據庫，都是我們投資的。當基礎設施完善以后，人工智能的應用就有一個興起的條件，所以我們現在主要聚焦在人工智能應用，特別是后面我會講到人工智能在某些行業，比如說新零售、醫療、無人駕駛等這幾方面的應用。

投資首先要回答一個問題，為什么是現在，為什么我現在去投資人工智能?實際上是有三個大的因素包括在里面，首先是技術上已經完備了，我們可以看到在過去十年里面，學術界、工業界也好，投入了大量人力、物力去研究深度學習算法，GPU特別適合于做矩陣和下面的運算，它大大提高了機器學習訓練的效率，還有數據方面，我們現在有很多的途徑去收集數據。

我不知道大家有沒有聽過一家公司，小米投資的，如果我訓練這個模型需要一些特定標注好的圖像和數據的話，我可以簡單的在網上拿到這些數據。因為這些技術上的完備使得人工智能蓬勃發展起來。其次在中國做事情大家都知道，必須要緊盯著國家的政策，國家在人工智能上面的反應是特別快的。

如果大家關注了昨天的今日頭條的話，你會知道，國務院印發了新一代人工智能發展規劃，非常詳細的描述了整個國家對于人工智能的看法，相關的政策以及他需要達到一個什么樣的目標。這個反映是比我們任何人的想象都來的快，就像以前物聯網也好，互聯網也好，從技術的出現發展到國家政策的推出，大概都經歷了十年以上的時間。像這次人工智能上面，國家的反應尤其迅速，只是火了三四年，國家的配套政策就已經出來了，這對于所有人工智能公司來說是一大福音。

你想想這會影響什么，比如你公司成長過程中，如果說國家認定你是一個種子行業的話，相應的政府引導基金以及其他投資機構會把資金導向國家支持的產業上面來，你的融資就會變得更加容易。到你上市的時候，通過證監會審核的時候，如果你是國家重點行業的話，你會得到更高的過會率。所以這個時候，國家選擇對人工智能支持的政策，是對創業者的一個福音。

正因為剛才說的一些宏觀因素，全球范圍來看AI也是非常蓬勃的發展。據預測，全球到2025年，人工智能市場規模會有600億美元，國家發布的白皮書和我的預測比較接近，但中國直接人工智能產業國家目標是達到1萬億，如果算上周邊產業的話，這個數字還要上升好幾倍，資本也是逐利的，知道市場在哪里，我的資金導向就在哪里。

2011年，基本上只有幾十家機構關注人工智能領域，每年項目投資也就是幾十筆，到了去年這個數字已經上升到700家機構以及每年5000筆交易。我相信這個數字是不完全統計，實際這個數字可能更多，這是全球數字;在中國的數字，我們現在每年投在人工智能上面的交易數大概有1000到2000筆。我們知道為什么VC選擇AI這個行業，選擇了行業，第二個VC肯定會選擇AI里面的細分賽道投資，為什么選擇這個細分賽道呢?

其實選擇的標準很簡單，第一個市場大，我希望有一個千萬億級的市場規模，只要有這個市場規模，這里面無論你怎么投資，都能出幾十家獨角獸出來;另外AI最后還是要有一個好的落腳點，最好這個落腳點是我能夠利用我的技術極大的提升行業效率。如果說AI能夠對某一個行業有五到八倍的效率改造的話，我們認為這是AI能夠落地的行業，我們就會喜歡去投資這個行業。我們經過這兩個標準的篩選，我們認為AI在無人駕駛、醫療、安防、人機交互、教育、工業、金融上面都有很多機會。

舉一個例子，像無人駕駛，為什么說它是一個千萬億級的市場，中國去年的乘用車單自主品牌出貨量就是一千萬臺，再加上其他的進口車，我們按照每臺車單價10萬，乘上就是一萬億的市場。當以后無人駕駛普及后，我們相信這些傳感器和軟件系統以及電腦的成本，大概會占到整車成本的10%到20%，這么一乘下來，直接的市場達到數千億之巨，這只是車的制造帶來的市場。我們還要考驗它的周邊產業，比如說給無人車用的高精地圖采集。另外一種衍生出來的商業模式，比如無人駕駛版的滴滴，把這些都算上的話，這是數千億，甚至上萬億的市場，所以我們特別喜歡投資這種行業。

另外是項目提升，我們拿醫療作為一個例子。我之前聊到一個項目，它是通過深度學習，對病人的腦部CT片、掃描片做出一個讀取并判斷，輔助醫生做出決定說這個病人是否得了非常嚴重的腦外傷或者中風，他是否應該開刀。這為什么是個重要的事情呢?如果說一個重癥病人中風以后，首先會被送到急診室，急診室通常是全科醫生，他需要2分鐘才能對這個圖片做出判斷，而且他的正確率遠遠不如?？漆t生，但是你搶救病人的時間可能只有10分鐘;用了電腦以后，我能夠用短短的2秒鐘時間就能達到一個?？漆t生水平，而且準確率和?？漆t生的準確率相仿，這種效率的提升能夠給病人帶來重大影響。我用了計算機，可能很多病人就不至于癱瘓或者死亡，能夠得到更好的救治，所以這種行業里面我們應用人工智能是非常有價值的。

最后一個是安防，市場又大效率提升又明顯的行業，中國每年在公共安全上投入數千億資金，所以說這是一個特別大的市場。人工智能在里面能起到什么作用呢?比如說在一個公共集會上面，像以前我們要維護一個集會的秩序和安全，我們要派很多人去盯，但是這種人盯的效果未必好。像現在有了深度學習以后，攝像頭就會實時采集這里的視頻圖片，去自動鎖定跟蹤一些重點對象，這樣的話效率就得到了大大的提高，正因為有了這個技術，大家的安全也得到了保障，這是市場又大效率提升又明顯的例子。所以，大家選擇進入一個行業的時候先問自己這兩個問題，我所在的市場是不是千億級的市場，我用了之后效率是不是成倍的提升，而不是10%到20%的改進，如果只有10%到20%的改進是不值得投資的。

說完宏觀，下一個我們會評估這個標的。我們會從幾個方面來去評估，包括這里面的產品數據和算法，像產品是toC和toB的判斷方法有一定的不同，toC人工智能運用最多是智能家具，智能電器、智能家具這個詞已經提了很多年，但是一直卻沒有真正的在消費者里面得到很大的反響，為什么?這里面是有一個產品設計問題的。

早年，行業從業者認為我給空氣凈化器也好、空調也好加上聯網功能，我這就是智能的。但未必如此，因為遠程控制并不是痛點，我不會為了一個聯網功能多付錢去買一個所謂智能的產品。真正一個好的產品是真正解決人的痛點，我見到過現在市面上最好的智能電器品類是小米智能電飯煲，它加入了一定的智能控制器，所以說你放不同的米和不同份量的水下去的話，它能夠自動偵測出來，用最好的溫度曲線去噴熱米飯，出來的飯特別好吃，這就解決了痛點。

因為我買電飯煲是為了煮一個好吃的飯，如果我之前沒有經驗的話煮出來的飯就不好吃，人工智能幫助我解決了這個問題，這是特別好的例子。大家做toC產品的時候一定要想清楚痛點在哪里。toB也是類似的，但toB的痛點往往出在效率上面，就像我剛才所舉的例子，你要使得技術應用在產業上面必須要有效率比較好的提升，只有這樣的話，你的技術才會產生價值，所以產品是我們特別看重的方面。

有了產品或者有了好的應用場景，接下來要考慮的是另外兩個更加技術的問題，一個是數據，一個是算法。數據大家都知道，深度學習特別廢數據，怎么樣收集數據呢?這是創業者需要去解決、去思考的一個問題。像我們之前也聊了很多醫療類的項目，醫療類項目最大的一個問題在于你很難獲得一個數據，為什么呢?因為沒有任何一家醫院會把數據交給你，你能做的事情需要和這個醫院某個科室或者主管信息化的副院長搞好關系，然后拿到圖片，但這種圖片來源往往有限，這就導致了訓練出來的模型效果不是特別好。

另外是標注的一個問題，大家很多時候也忽略數據標注這個問題，像我們知道有些地方會把數據標注外包，但這經常會導致一個問題，我的數據標注出來可能有很多噪音，影響后續模型訓練效果。但在國外，大家非常重視數據標注問題，之前Google大腦團隊也是在做用機器輔助醫療診斷的項目，博客里面提到這么一句話，他們的訓練級數據都是請一組有經驗的醫生對數據做標注，而且他們采用投票制，比如三個醫生，兩個認為這是正確的標注，他才會標上去。在中國大家往往不是那么重視，也可能沒有花那么大成本在這上面，所以有時候標注的效果差強人意，導致后面我會對你產生懷疑。所以我們在看一個團隊的時候，看他怎么去對待數據，往往就是我們對他的一個判斷。只有你認真對待數據，有一個非常系統的方式收集數據，去清洗數據、標注數據，并且被模型訓練所用，我們才認為你是一個合格的AI團隊。

最后是算法，現在算法門檻相對已經比較低了，開源框架都非常普遍，很多學術論文也在討論各種不同的網絡結構可能會對這個系統的影響。但是話又說回來，這些論文是要有人讀的，框架還是要有人使用的。在中國人才供給是特別大的問題，每年真正計算機專業學機器學習方向出來的研究生、博士生也就那么幾千個幾萬個，但我這里除了BAT這些大企業以外，我還有成千上萬個創業企業，都要爭奪這個人才。所以說你怎么構造一個強的算法團隊呢?這是每個初創企業需要回答的一個問題。我們總結一下，一個團隊你必須要找到一個好的落地場景，有好的產品設計，再加上對大數據認真，搭建好的團隊，這樣你才能走的更遠，才是我們VC想找的團隊。

下面相對來說是一些比較虛、比較通用的內容，比如說我們會去評估這個團隊的成員是否互補，因為很多時候我們看技術人員出來創業一般來說他在技術方面是有獨到之處，但是他往往缺乏的是一個合作伙伴，去幫他搞定商業上的一些東西。而這個伙伴其實是十分重要的，像很多行業，舉一個例子，像醫療行業或者教育行業，如果說你沒有一個好的伙伴，沒有一個好的渠道的話，你做出來的產品再好也是推銷不出去的。這個時候你怎么尋找你的搭檔，是大家在創業時候需要去想的一個問題。

我們希望看到的是，創始人團隊大概會有兩到三個，他們中間又有技術能力強的，也有商務能力強的，他們的技術和性格最好能夠互補，股權分配合理。我們最不愿意看到的是，比如三個創始人，股權每個人三分之一，為什么不好呢?最后公司還是需要有一個人做決策的，如果沒有一個人占大股的話，最后公司出問題就沒有人站出來對這件事情負責，這對公司是特別不好的地方。

另外很重要的一點，三個人雖然他們的背景和經歷都是不同的，但是他們必須要有一個共同的價值觀，沒有共同的價值觀是很難在創業過程中堅持下去。這是老生常談了，另外一個是商業能力，像現在普遍碰到的一個問題是AI公司的估值都特別高，但是一談商業模式，一談收入的話，大家就像一個癟了氣的氣球一樣，完全沒有信心，為什么會這樣?現在很多時候，雖然大家能夠找出AI的熱應用場景，但很多時候沒有想清楚，我怎么去做商業變現，這個問題不單是創業者的困惑，其實對投資人來說也是挺困惑的。就像現在的明星企業也好，你會發現，他也沒有找到特別好的能夠產生規模收入和變現的方式，到底最后這個方式會是怎么樣的，這個問題我現在沒辦法回答，但也是我希望能夠和創業者共同探討的一個問題。

創業公司在創業的時候很難避免會和大公司去競爭，在這個時候大家的定位一定要做好。你要搞清楚你是什么樣的公司，創業公司不要一上來就說我就是要做一個大平臺，大平臺也好，生態環境也好，這不是你創業初期應該考慮的問題，這是BAT或者說晚期創業公司，比如今日頭條這樣的公司考慮的問題。一開始我認為創業公司就應該扎扎實實找到一個小的應用場景，我用技術把這個場景里面的一個痛點問題給解決掉，然后你再慢慢的去拓展你的領域，直至你的公司慢慢的成長起來，最后能夠變成另外一個大公司，在這個時候你再考慮構造什么開放平臺也好，去構造一個生態環境也好。

另外一點，有一種創業公司，他是嘗試去解決基礎設施的問題，但是這種公司，我是覺得大家應該慎行。像地平線，像深圳科技這種，它是嘗試去做AI的芯片，這種產品往往投入巨大，而且即使你做出來，你要面臨著來自于大公司，像這些云廠商的競爭，因為像這種情況下，大家都進入這個方向要考慮清楚，如果說你沒有足夠強的技術能力，你沒有足夠強的融資能力的話，還是不要進入這種投資會比較巨大的基礎設施行業。

最后說一點，成功的創業是在對的時機做對的事情。舉個例子，像教育，AI+教育現在比較火的一個是我怎么用機器對我的考卷做批改，這個產品很多年前已經在美國流行了，在中國最近變得普及起來也是因為政策的驅動，就像說2020年英語口語會列入中考，會采用大數據、人工智能的方式去評分，國家這么做的一個原因也很簡單。第一個，機器是比較擅長于做這樣的事情，第二個，機器能夠保證公平性。正是因為有這個國家的大環境，政策驅動因素在，所以這方面的創業變得可行起來，所以大家在創業的時候也要想一下，問一下自己，到底為什么我現在做這件事情時機是對的，為什么我早一年不能做，或者我晚一年進入市場就晚了。所以這是大家去思考的幾個問題。

最后我分享幾個我們投資的案例，也算是對我前面講的投資框架的總結。第一個是我們最近在硅谷投的一個無人駕駛團隊，他們三個都是百度研究院出來的，這是一個市場巨大的產品，無人駕駛市場是數千億級別的市場，是每個投資機構必須布局的地方。這個行業進入門檻相對比較高，你之前必須真真正正在Google、百度、特斯拉實踐過無人駕駛的團隊出來的，你看過這些解決方案，站在巨人的肩膀上你才能造更好的新輪子。剛好我們機緣巧合，在一個偶然情形下碰到這么一個團隊，并且完成了一個投資，他們現在的進展蠻好，他們的無人駕駛汽車會在12月份上路。

第二個是機器人的例子，這個公司做的是機器人勞動輸出公司，我們為什么選擇這個行業，這個行業和勞動力行業是等價的，人做的事情如果最終都是人做的話，這兩個行業價值是可以類比的，這也是巨大的市場。為什么是現在做，有兩個因素在里邊。第一個是中國勞動力成本在不斷上揚，這是因為中國慢慢進入老齡化社會，勞動力供給在不斷下降，再加上通貨膨脹和其他經濟因素，所以勞動力成本不斷上揚;機器人制造成本方面，機器人現在的核心零部件和傳感器成本很多，但質量卻上去了，所以現在就意味著我們可以用更便宜的價錢造出可以和人相仿的機器人，這就是說我們去投資這個行業的先決條件。

這個公司具體做什么東西呢?一個通用的室內服務機器人底盤，這個底盤在室內自主行動，上面搭載不同的身體，就能夠完成不同的工作。比如說送菜，比如室內導航、安防等，這都是常見的應用。所以我們看中這個團隊，第一個這個團隊特別扎實，第二個他們做出來的機器人成本特別低，現在催生了一個新的模式，機器人不賣了，99塊錢租給別人一天，客戶是非常愿意接受的。因為現在你請一個送菜的傳菜員，工資2500到3000，還有社保以及其他相應待遇，用工成本遠高于機器人，而且機器人任勞任怨，一天可以工作24小時，節假日不請假，所以從任何一個角度看，機器人都是對人很好的替代。最后人都被機器人替代了怎么辦?這個問題就像我們小時候是以天空做紙，以后我們難道不能解放人出來變成三天工作制、四天工作制，人花更多時間去娛樂嗎?我相信這個答案是肯定的。

還有一個機器人公司，它在硅谷，我想著重說的是它的商業模式，它的商業模式是做外賣計費，在美國送外賣成本大概是5美元，遠高于中國現在的快遞成本，他們就用機器人替代，降低成本。我們這個團隊有MIT兩個博士做的機器人可以讓這個成本變成一到兩美元，這就極大降低了成本，也是催生了一個新的商業模式，和中國的達達、同城快遞公司類似，只不過在中國可以用人加電瓶車，在美國可以用低速的室外無人駕駛機器人去完成工作。

最后分享一個蠻有趣的給消費者用的東西，它實際上是個智能硬件。這里有很多人有小孩，有很多人小孩去學鋼琴，但很多時候家長在陪練的時候有困擾，我又不懂鋼琴怎么知道小孩彈的音是正確的，以前這個問題是無解的?，F在我們投資的一家公司有個巧妙的設計方案，他在鋼琴和電子琴上面裝了一個攝像頭，他會實時通過鍵盤上面的視頻，分析這個小孩彈的音是否準確，指法是否正確，通過小孩的面部表情可以看出他是否專注看鋼琴譜，有了這些技術的輔助手段就會讓這個鋼琴陪練變得更加簡單起來。以后，我們希望它上量以后，我們還可以再去切入鋼琴的在線教育，通過切入在線教育以后，商業模式這條路就打通了，它就能夠做一家能夠規?；癄I利的公司，不僅僅是智能硬件的公司。所以這是我們的一些考慮。

謝謝大家的時間，我今天的分享就到這里，謝謝。

51CTO記者將持續為您帶來WOTI2017全球創新技術峰會前方精彩報道，敬請期待!

【51CTO原創稿件，合作站點轉載請注明原文作者和出處為51CTO.com】