[[328173]]

2020 年以來，在全球經濟羸弱的大環境下，也有一些賽道脫穎而出，為長線布局的資本和創業者帶來結構性機遇。

　　一個動向是，此前在中國市場不被看好的開源以及數字基礎設施層的項目，成為不少科技賽道投資人的關注焦點。

　　這里的數字基礎設施，指云計算基礎設施、基礎層數據存儲與處理、云原生代表技術，且這類公司和產品多以開發者為用戶，即做的是 to D 市場，開源是常見模式。

　　盡管外部環境蕭瑟，一些國內外“數字基礎設施”類項目仍頻頻傳出逆勢融資的消息。

　　2020 年 4 月，物聯網大數據平臺濤思數據（Taos Data）宣布完成超過 1000 萬美元的A輪融資，這是其今年完成的第二輪融資；云管理軟件及服務提供商騫云科技，同樣在 2020 年第一季度完成兩輪融資。

　　AI、5G、IoT 等技術革新不僅帶來應用層的創新，也會帶來數據感知、傳輸、存儲、處理等基礎層技術變革。而數字基礎設施領域更容易誕生通用機會。

　　算法的投資熱潮正在過去，基礎軟件的投資熱正在來臨。

　　這背后，也是整個 AI、數據技術投資邏輯的變化。

　　今天的文章，我們會分析造成這種轉向的各種因素。

　　1. 又一次跟風？

       歷來中國 VC 都有跟風美國的“習慣”。目前基礎軟件在國內火也有這個因素。

　　我們先來看看美國基礎軟件市場欣欣向榮的現狀及其崛起環境。

　　美國市場經歷了完整的信息化、云化、智能化浪潮，基礎軟件設施領域已經跑出了很多公司。

　　已上市的公司中，MongoDB 和 Elastic 兩家明星開源公司股價一路飛漲。

　　數據庫公司 MongoDB 在 2017 年 10 月上市，截止 2020 年 5 月 26 日市值已超 126 億美金，2020 財年的收入超過 4.2 億美金。即使在疫情期間美股遭受史詩級重創的情況下，MongoDB 依舊保持了 20 倍以上的 PS（市銷率）。

　　

　　在 2019 年 4 月，MongoDB 還斥資 3900 萬美元收購了面向應用程序的開源數據庫 Realm，擴充自己的移動解決方案工具庫。

　　數據搜索公司 Elastic 2018 年 10 月在紐交所上市，市值已超 50 億美金。Elastic 成立于 2012 年，因其開源搜索產品 Elasticsearch 而聞名。

　　未上市的公司同樣表現不錯。

　　2020 年 5 月，開源數據庫 Cockroach Labs 收獲D輪 8700 萬美元融資，至此 CockroachLabs 已經累積了超過 1.951 億美金的融資。

　　開源平臺 Confluent 也在 2020 年 4 月完成了E輪 2.5 億美元融資，至此 Confluent 累積融資額已突破 4.559 億美元，是行業內未上市企業中累積融資額最高的企業。

　　成立于 2012 年的云計算自動化平臺 HashiCorp 在 2020 年 3 月獲 1.75 億美元的E輪融資，估值達 51 億美元。

　　HashiCorp 稱其收入已經連續四年同比增長超 100%，每年的客戶數量也在翻倍，有超過 100 個《財富》500 強公司在使用他們的產品。而 HashiCorp 有 85% 的員工分布在全球各地進行遠程工作。

　　美國市場的蓬勃離不開大數據與云計算的背景?？梢哉f，整個基礎架構的增量和變革都在美國率先發生。

　　2003、2004 年 Google 發布的 GFS 和 MapReduce 論文，全面揭開了大數據的時代序幕。

　　亞馬遜最先入局云計算，AWS 已上線 16 年。

　　云的普遍使用帶來了程序運行環境的升級，技術創新潮流一波接一波，包括集群技術，流計算，數據庫，容器技術和機器學習等。

　　最先的潮流是云計算基礎設施，主要集中在容器和 kubernetes 技術。

　　容器好比 IT 世界里的“運輸集裝箱”。上云第一步就是要將物理資源虛擬化，在容器技術出現之前，虛擬化都是用虛擬機來完成，容器是輕量級的虛擬化，最常見的容器引擎就是 2013 年崛起的 Docker。

　　除了 Docker 對容器進行創建外，還需工具對容器進行編排， kubernetes 就是這個工具。Kubernetes 源于 Google 內部的 Borg 項目，Google 使用 Go 語言重寫后將其命名為 Kubernetes，并在 2014 年 6 月開源。之后，Kubernetes 在眾多廠商和開源愛好者的共同努力下迅速崛起。

　　與此同時，作為基礎設施的數據處理框架也在完善。

　　Google 的論文催生了大數據計算框架 Hadoop，Spark 從 Berkeley 大學的 AMPLab 實驗室誕生，Kafka 從 LinkedIn 誕生，Facebook 也把大數據查詢引擎 Presto 開源出來。

　　此外是深度學習框架以及配套工具。研究熱潮之下，開源深度學習框架層出不窮，如 Google 在 2015 年開源的深度學習框架 Tensorflow， Facebook 開發的 PyTorch、Caffe。中國互聯網企業也推出了自己的框架，如百度的 PaddlePaddle、小米的 MACE、騰訊的 ncnn 等。

　　從資本層面看，一個重要的觸發點則是近兩年開源原廠和 IaaS 大廠之間的長期矛盾，甚至在近年發生了一些糾紛事件。

　　例如云服務商“一哥”亞馬遜接連受到不少創業公司的質疑，并在去年發生了開源創企“六大門派圍剿光明頂”事件——2019 年 4 月，7 家創業公司在硅谷召開會議，主題就是如何針對亞馬遜提出反壟斷訴訟。

　　原因是亞馬遜復制其他科技公司開創的軟件，并集成到 AWS，AWS 自己作為 IaaS 廠商收到了錢，但是費用并未分給原廠。

　　也是在這個長期矛盾之下，很多開源原廠修改了其開源許可證，從開源變為“源碼可用”，不能集成到云等服務中，目的就是防止云服務商“薅羊毛”。

　　IaaS 廠商和開源原廠的博弈和上述游戲規則的變化，一方面導致大廠開始自研數字基礎設施技術，但另一方面也出現了一個對創業公司的利好——開源基礎軟件的退出窗口豁然打開，因為大廠開始通過“買買買”補充生態。

　　一個有力的買方首先是 IaaS 大廠。例如微軟以 75 億美元收購 GitHub，IBM 在以 334 億美元收購 Linux 巨頭 RedHat（紅帽）。

　　另一類買方是志在云轉型的 to B 巨頭，如 Salesforce 此前以 65 億美元收購集成平臺服務提供商 MuleSoft。

　　實際上，一直以來，開源軟件做大之后對大公司來說都有很好的并購價值，最典型的案例就是 Android 之于 Google。

　　而今基礎架構的革新，對創業公司和 VC 來說都是一輪基礎軟件的新機會。

　　2. 中國的機會

　　轉眼看中國市場，基礎軟件創業熱確實有跟風全球趨勢的因素，但也存在本土邏輯。

　　和全球趨同的是，云計算普及和開發者數量的增加也是中國市場不可阻擋的趨勢，且中國的發展速度和未來空間冠絕全球。

　　根據 IDC 發布的報告，2019-2023 年中國公有云 IaaS 年均復合增長率將達 46%，預計到 2023 年中國 IaaS 市場規模將達到 2087 億元人民幣。

　　到 2024 年，50% 的大型中國企業將在容器、開源和云原生應用開發方面依賴于第三方服務提供商。 

　　此外，開源項目的商業價值正在逐漸被中國資本市場認可。

　　這一方面是因為歐美已跑出了成功的商業模式。

　　目前開源的收費方式大概包括以下 3 幾種：

　　一是提供技術支持及咨詢服務，如 Red Hat（紅帽）。這家成立于 1993 年的公司主要出售基于開放源代碼 Linux 操作系統的軟件和服務，主要盈利方式為紅帽免費提供開源軟件，但向客戶收取維護、支持和安裝等服務費用。

　　不過這種商業模式是項目制，很難規模化，“紅帽模式”并不容易復制。

　　更為常見的方式是是 Open-Core，即核心代碼開源，商業版套件收費。

　　因為大部分企業客戶在下載源代碼后都需要購買額外功能才可規模化使用，這種方式相當于用免費的代碼吸引開發者，來取代傳統軟件業的營銷投入，再賣付費的其他功能。

　　最后一種是云服務的 Hosting（托管）模式——開源廠商將其服務托管在公有云平臺上，開發者付費給 IaaS 廠商，IaaS 廠商再分一部分給開源原廠。

　　這種模式的問題是，實際上作為渠道的 IaaS 廠商最初過于強勢，比如 AWS 改改源代碼就說是“新產品”，自己收錢。但在經過原廠的強硬抵制后，云托管已逐漸規范，成為行業慣例。

　　數據公司 Databricks、開源軟件服務公司 Acquia 都是這種模式。

　　開源項目被中國資本市場認可的另一原因是，國內 IaaS 大廠也有收購開源項目的意愿。

　　例如早在 2017 年阿里巴巴投資歐洲開源數據庫 MariaDB，有分析稱這是阿里巴巴“在海外領域最引人注目的云交易”。

　　而本土利好因素之一則是，中美貿易摩擦下的國產替代。

　　中國市場每年進口 3000 多億美金的底層技術，自主可控和進口替代為底層技術投資帶來機會。

　　例如數據庫領域國產替代正如火如荼，一家獨大的 Oracle 數據庫的陣地正在被侵蝕。

　　在數據庫技術社區墨天輪的國產數據庫排行榜中，已有 PingCAP 研發的 TiDB、阿里體系下的 OceanBase 和 PolarDB 等國產數據庫開始占據重要份額?！　?/p>

墨天輪國產數據庫排行榜

關系型數據庫之外，從新型的圖數據庫、到向量搜索引擎、深度學習框架等領域，也涌現了一批中國的基礎軟件團隊。

　　其中有創始人剛剛當選 Linux AI 基金會新一屆董事會主席的數據處理公司 Zilliz，他們目前主打的產品是向量搜索引擎 Milvus；即將發布開源深度學習框架 OneFlow 的一流科技；由 Apache 軟件基金會項目 Apache Kylin 核心團隊創建的 AI 增強數據倉庫公司 Kyligence；今年三個月內完成兩輪千萬美元融資的物聯網數據服務商濤思數據；新一代云數據倉庫偶數科技；

　　處理和存儲知識圖譜的圖數據庫 Neo4j；容器 PaaS 服務商 DaoCloud 道客云、靈雀云、飛致云、時速云；
私有云服務商 EasyStack 和聚焦 IaaS 層的 ZStack。……

　　另外是“新基建”政策紅利。

　　“新基建”概念 2018 年底首次被提出，并于 2020 年 4 月 20 日被明確范圍。其中信息基礎設施包含：以 5G 為代表的通信基礎設施，以云計算、AI 為代表的新技術基礎設施，以 IDC 為代表的算力基礎設施。

　　各個互聯網巨頭開始摩拳擦掌。阿里云剛在今年 4 月 20 日宣布未來三年將投 2000 億元，用于云操作系統、服務器、網絡、芯片等核心技術研發和數據中心建設。

　　一個月后，騰訊云也在 5 月 26 日對外宣布，五年投 5000 億元，劍指新基建。

　　在昨天（5 月 28 日）最新公布的騰訊 AI 新基建架構中，其包涵了全域安全、加速網絡的“云基支撐”層和包涵了算法核心框架、深度學習工具組件等的“算法平臺”層，就是對應著數字基礎設施的建設。

　　騰訊云公布了 AI 新基建的整體布局，即“一云三平臺”架構，一云是指騰訊云，三平臺包括算法平臺、服務平臺以及開放平臺。

　　5G 也是中國市場的變量——5G 可能會帶來無人駕駛、VR/AR、遠程醫療、工業物聯等新應用，也會帶來數據感知、傳輸、存儲、處理等底層技術的變革。

　　開源在大數據時代曾在美國市場繁榮，如 AI、5G、IoT 的浪潮是中國的機會。

　　3. 昨日算法，今日基礎軟件

　　基礎設施公司創業潮，也顯示出近兩年 AI 創投的動向：從應用層往基礎層遷移。

CSDN 論壇，alice_tl：《AI 的架構與核心》

　　在起于 2016 年的這一波 AI 創業熱潮中，中國市場最初最受追捧的是以算法為核心的公司。

　　它們多以通用算法起家，如以人臉識別起家的商湯、曠視，以語音技術起家的云知聲、思必馳等。

　　不過從商業上看，在走向市場的過程中，算法本身面臨很大挑戰。

　　這首先是因為當前的深度學習仍是弱人工智能，其表現非常依賴數據環境，而 AI 的訓練測試數據跟實際場景中的數據有很大落差，這就導致預訓練的算法真的落地具體場景時，做不到“開箱即用”，需根據不同場景的數據特征做調參。

　　所以，做通用算法的公司，除了在一些個別場景——如安防領域大規模的人臉識別等——領域能有用武之地，很難再開拓新市場。

　　而當 AI 公司迫于生存和市場壓力，從通用算法轉向深入場景，踏實做行業產品和服務后，又面臨難復制、難以規?；钠款i。

　　因為在核心的算法能力之外，AI 公司還不得不處理場景里紛亂的數據，開啟“設置框架、喂數據訓練、調參數、喂數據訓練、再調參數”的循環，派駐工程師駐場，養起人數眾多的實施、部署、服務部門。

　　這直接影響的是 AI 公司的毛利率。

　　硅谷頂級風投機構 Andreessen Horowitz（A16z）曾調查發現，毛利率低幾乎是全球 AI 公司的共性——AI 企業毛利率通常在 50-60％，遠低于 SaaS 企業 60-80％ 以上的毛利率。

　　另一方面，如今算法能力已不再稀缺。

　　各大科技巨頭和學術會議每年產生著大量的開源通用算法——自然語言處理（NLP）領域，Google 在 2018 年發布的 BERT 預訓練模型已在多項任務上取得了優異效果；“科創板 AI 第一股”計算機視覺算法提供商虹軟科技也在 2018 年推出虹軟視覺開放平臺時就宣布永久免費。

　　可以說，算法類的創業公司，確實偏離了資本最初對平臺型、通用型發展機會的預期。這中間，是投資人被忽悠了，還是從業者自己也霧里看花？

　　相比而言，數據理解、數據處理等更基礎的環節，理論上能誕生跨行業的通用型機會。這也是現在大家開始“跟風”看這個領域的原因之一。

　　但處于發展早期的中國基礎軟件市場，也面臨很多不確定性。

　　不確定性首先在于，中國的 to D 市場很不成熟。

　　To D 其實可以算 to B 的一個子類，雖然使用者是開發人員，但付費方還是開發者所在的機構。

　　而中國市場付費能力最強的機構是政府和大型企業，其中還有不少國企，它們更偏好私有云或行業云，對公有云上的開源系統有安全性等顧慮。

　　另一方面，基礎軟件創業也受限于中國的低信息化水平。

　　從比例上看，較于美國，中國開發者數量仍然很低。波士頓咨詢發布的報告數據顯示，美國每萬人 AI 人才密集度約為中國 72 倍。

　　此前我們在與一位阿里云業務負責人交流時，他就提到國內除互聯網和金融之外，國內別的行業的信息化水平與國外“天差地別”。

　　比如中國某 Top3 的大型鋼鐵企業，一共沒幾個能做 IT 開發的人，這在國外成規模的制造業企業是不可想象的。

　　所以，“基礎軟件+開源”雖在國外已有先例，但國內能否復制還要打個問號。

　　其次，基礎軟件創業公司的成長周期長，非?？简灩境掷m融資能力。

　　也因此，現在活躍在此領域的投資機構多為存續期長的美元基金。

　　總的來說，這條以往少有人走的路，正吸引著人才和資本躍躍欲試，想象空間不小。