AI WORLD 投资领袖论坛，以“技术创新驱动的AI投资”为主题，论坛主持人由北京大学信科人工智能创新中心主任雷鸣担任；论坛嘉宾：慈星股份副总裁、慈星机器人董事长李立军，红杉资本中国基金合伙人计越，蓝驰创投执行董事曹巍，高瓴资本集团合伙人洪婧，蓝湖资本合伙人殷明，以及蓝象资本合伙人宁柏宇。论坛探讨了过去一年AI投资最大的变化，AI投资中VC最看重的方面，以及未来创业和投资的机会等话题。
过去一年AI投资最大的变化是从概念到落地
雷鸣：今天特别高兴能和大家聚集一堂。各位都是在投资界的大佬。我记得去年其实咱们也有这样一个论坛，有些人也参加了也谈到了人工智能投资，当时AI投资也非常火，也提到泡沫等等。所以我首先想跟大家聊一下从去年到今年，各位觉得在人工智能这个方向的投资上，你们感觉有什么变化吗？包括创业、投资这些方向有什么显著的变化？
AI WORLD 投资领袖论坛 主持人：雷鸣
李立军：去年到今年我觉得变化还是蛮大的。去年肯定是概念提得比较多，但是今年落地的比较多。从最近的几个投资案例看，一个是投资的额度是蛮大的，尤其最近几笔视觉领域的投资额度非常大。而且今年给我的感觉，就是逐步有一些具体的产业好像能够落地了。去年的话，更多的还是觉得这个有前景，这个是未来的方向。但是今年，有些项目很大程度上来讲是可以产品化了，可以去挣钱了。当然只是一个开始，我相信接下来几年会有更多这样的趋势，这是我的一些看法。
计越：去年感觉上大家投资的角度还是有点散，所以基本一个方向投很多家。从投资的角度看，基本上某一个方向以Pre-A轮、A轮为主，我想可能我们在座的很多机构都参与了不少。今年我感觉一个趋势是，大家重点关注的一些方向基本上跑到了B轮甚至到了C轮。比如视觉、听觉这些方向，前三名已经比较清晰了，而且可能金额都不小。同时，我觉得可能在人工智能这个领域，针对底层的投资体量都非常大，包括芯片级的。我感觉到了这个阶段中国人的机会涌现出来了。以前好像真正核心的芯片，基本上都被美国公司操办的，中国公司还没有什么机会。
另外一个特征是人工智能跟一些传统产业，或者垂直行业结合了。另外在医疗方面，我觉得也变革了。所以我觉得这也是一个比较鲜明的特征。我觉得未来几年，领先的公司会变得更加清晰。这是我的一个看法。
曹巍：很多投资都是在非常原始、非常基础的方面，围绕听觉、视觉、触觉，再在这些方面深度地做一些AI方面的投资，很多都是围绕科技项目。 但今年我们看到，大家开始思考软着陆了。这在整个基金的框架中是很重要的。有两个重要的维度，效率和体验。不管是在toC的行业还是在toB的行业，你的人工智能是不是能够给用户带来显著的效率和体验的提升？这是软着陆的重要指标。
我们看每一个项目的时候都会带着这两个指标去看。举个例子，我们投了一个AR眼镜团队亮亮视野，它一开始是做toC的，但其实从体验的角度上讲，它很难让用户在体验上找到飞跃式提升的点，整个技术的突破都还没有做到。现在它在安防领域有非常不错的突破。这个突破更多是在消防上，比如交警去街上查违章的汽车，或者在安防卡口追暴恐嫌疑人。他们给警务人员一用，就属于戴上去之后不想摘下来了。这个团队不错，既找到了硬的科技的支持，又找到了真正落地的场景。回到我们说的两个维度，一个是效率，一个是体验，这是我们在这方面的思考。
慈星股份副总裁、慈星机器人董事长李立军：VC最看重的，首先是能不能落地。
洪婧：我记得去年也是同样在这个新智元的会场，我们几个投资人在交流的时候，我当时分享了一个观点：很多时候人们会低估技术对未来十年的影响，但是有可能会高估技术对未来两年的影响。所以我想分别从长期影响和短期影响的角度跟大家分享一下过去这一年AI投资方面的变化。
首先，长期来看，AI对我们的生活必然会产生非常深刻的影响。在过去一年里，我本人就在硅谷试过好几个无人驾驶的汽车，至少在二三十分钟的时间里是没有完全司机参与的，完全遵守美国的交通法规。我们看到AI技术和应用确实是不断在往前跑的。同时，我们看到中国的创业者、科学家在全球的人工智能研发和特别是应用领域里实际处于非常领先的位置。
从大家经常会高估未来两年的影响这个角度，去年我们也分享了一个看法，说中国的很多应用场景其实可能通过垂直行业来落地，或者通过跟大的企业、大的真实应用场景来结合的，也有可能有弯道超车的机会。因为我们很多大企业其实心态还是很开放的。我们对数据也没那么敏感。那么我们今年看到，像我们投资的依图科技，除了安防之外也在跟金融、保险、电信场景结合，以及在医疗行业里面的落地，已经可以看到真金白银，而且是比较大的量级。
所以在这个领域中，一方面AI＋硬件可能会有很大规模的突破，比如自动驾驶，比如机器人。另一方面AI＋场景的结合，AI＋行业解决方案就很可能像当年的软件一样，一个行业一个行业去解锁需求。这个商业化的速度可能仍然慢于大家的预期。所以从投资的角度来讲，真的还是需要大家有长期的耐心来支持他们去帮助中国的各行各业，去全面地应用AI的技术。
殷明：我想从泡沫的两个维度来说一下我对这个行业过去一年的观察。
第一个维度是，中国跟美国很不一样的地方是甲方预算的特殊性，尤其是在视觉领域。比如中国政府在安防角度的预算，金融企业在人脸识别方面的预算都是远远优于美国同行的。其实视觉领域的很多公司实际的财务营收是非常好的。就今年来说，我们看到这些企业普遍的收入有两到三倍的增长，本身规模体量不小的公司以及很多龙头企业收入甚至接近过亿美元。某种程度上来说，这些公司的估值是得到了一定的支持。你很难想像在美国视觉领域出现好几家独角兽，但在中国这确实是发生了。
泡沫的另一个维度是比较好的、整建制的团队的高溢价在中长期内存在。比如一个团队既拥有顶尖学习框架的作者，工程优化的专家以及业务定义上的老手，这样一个在三个维度都有A级创始人的团队，很大程度上还是稀缺的。这些团队估值攀升的速度，也许没有办法短期地从财务角度去解释，但因人才的高稀缺度，这些团队在资本市场上能够长期得到投资人的追捧。所以我觉得在相当长的一段时间内泡沫还是会存在。这是我们对过去一年的观察。
红杉资本中国基金合伙人计越：创业永远有机会，永远能够推陈出新。
宁柏宇：我们是国内首家专注于“教育＋”领域的投资基金，聚焦“科技、互联网与教育产业结合”的早期项目，目前已经投资了音乐笔记、一维弦、启明合心、爱天科技、大腿科技、魔岛英语等10余家人工智能企业，覆盖语音识别、肌肉电、VR、深度学习、机器人等多种技术领域。
在整个教育领域里，老师是最核心的环节。就跟自动驾驶要替代司机一样，人工智能总是试图替代老师。但是到目前为止，人工智能仍旧是为老师赋能的角色，这种赋能往往体现在成熟技术在教育领域某一个细分场景得到应用。比如图像技术，我们投的两家公司其实都是通过图像技术来改变教学中的环节。比如试卷批改，这是老师每天要花费大量时间做的事情，而我们投的一家公司能够把试卷从扫描到批改完成只需一秒钟的时间，从主观题到客观题都能批改，最后给出一个合适的分数。这些技术已经在别的领域发展的比较成熟，结合学校的渠道资源就能形成商业闭环。
但是在教育行业应用的技术与通用领域的技术不太一样，它的用户数量增速受渠道摩擦力的影响，所以如果希望用户数量提速增长就需要找到痛点清晰的应用场景。比如蓝象投资的音乐笔记项目瞄准孩子练琴没有监督的痛点，通过人工智能技术识别你孩子在家里学习钢琴的情况，帮孩子进行钢琴的陪练。这个场景是音乐学习中非常主流的场景，所以用户增速很快。
AI投资，VC最看重什么？
雷鸣：各位讲得都非常精彩。去年呢，更多看重技术团队、可能性等等。而今年呢，我们发现通过一年的发展，人工智能真的在很多地方落地了。我们看到它真的能够带来一些社会价值，而且有营收。
然后从投资额上看，去年基本上都是较小的，而今年一些比较顶端的公司，从估值上看我觉得跟去年相比翻了十倍都不止。创业方面，更多的公司开始投入进来，包括像教育行业，以前都比较传统，现在也有很多跟人工智能结合的一些点出现。人工智能在去年是一个很高大上的顶端的东西，到现在基本上开始在跟各个产业结合，各个行业都有很多的团队在尝试。在一些走得快的行业已经开始有效果，有营收。我听说在视觉领域，比较好的企业今年可能营收能超过五个亿。所以我们说人工智能真的开始走进到真实的产业中来，变成一个很实际的公司，而不是概念公司。我觉得这是比较好的发展。
回过头来，我想在座的很多人可能也比较感兴趣的一个问题是，想问问大家，如果有一个人工智能团队来拿一个商业计划书找你，你们各个VC最看重的是哪些点？
李立军：首先看能不能落地。我们跟其他几位在这里的VC不太一样，我们是一个产业资本，我们是做产业的，做工业自动化的。所以我们看项目更多期望这些项目能跟我们的产业进行融合。不一定说现在就融合，可能未来希望它融合。我们不光是纯粹的财务性投资，我们会考量这个团队，如何把你的技术变成产品，或者说如何变成生产环节上的某一些具体的实施方案。这方面我们可能会更看重。很多团队可能背景非常强，但是给我的感觉更多的是偏学术或者说偏理论的，它到产业化的过程可能会比较长，这可能是要从中长期的角度去看落地的问题。
但是对我们产业资本来讲，我们也不是说今天投了，明天就要有收益。因为它是有机会成本和时间成本的。就说现在我们在做这个产业，可能过几年这个产业变成怎么样我们也很难去预期。所以我们在投资这样的技术和团队的时候会考虑它的技术，在最近的两到三年里能不能有一些落地。这个我们也是比较务实的。当然我们也不排除一些相对早期的、面向未来的，但是比例上少一点。我们更多的还是希望能够找到最好是有行业应用经验的团队，或者有比较高的应用技术能力的团队，这样的团队更接地气，能把他们的技术，他们的理念变成产品。这是我们的一些想法。
计越：今年跟去年或者更早期相比，可能进入的门槛提高了。从投资的角度来说，我感觉投资的手法好像也变得更大了。大的跑道现在基本上已经有一点了。假如说你要有一个新的选手的话，你对一个团队的要求肯定就更多了。这不是一个全新的领域，凭什么跟市场领域那些做竞争？比如说自动驾驶，我觉得到后面会越来越集中。大家会看得比较清楚这个领域里最领先的几个团队是哪些。所以我感觉这个是大家可能更关心的，因为我觉得大的方向慢慢可能会变得趋同。什么地方有价值的，有些比较有价值的收入体现那我就更不用说了。在一些可能没有收入的方向，比如说自动驾驶，大家对它的前景已经看的更清楚了。关键是在这个方向上，如何把后面的几个重要的选手选中，然后我觉得资金可能接下来需求量也会变得非常非常多。
我觉得长期来看，数据才能建立壁垒。比如大家以前投社交网络，长期来讲数据自身是积累的，数据量越大越全你的新客户越多，老客户的数据也不停地在积累。这就慢慢地形成了一个越来越高的壁垒。在数据的角度上有什么方式能够产生更强的壁垒，然后将数据的积累转化成收入？可能这是接下来我们会重点考虑的，而不是说只是简单地考虑一个很牛逼的团队。
蓝驰创投执行董事曹巍：关注交叉学科和关注有深入壁垒的创新
曹巍：我们坚持做中早期投资，看新项目保持比较开放的态度。我们在选团队的时候第一点是看它的硬科技。硬科技我们拆分成两点看，一个是交叉学科的创新，比如说过去大家都强调软件厉害，或者硬件厉害，但是现在你如果仅仅是软件或硬件强，感知决策控制不好，没有厂商愿意跟你深度合作的话，还是跑不上路。所以软、硬件的综合能力其实是前所未有的重要。比如，大疆是一个高度稀缺人才的团队，且有技术交叉学科的创新，又把硬件和软件揉在一起。我们也在找类似的方向，比如软硬件加上光学、区块链，我们在找一些各种各样的交叉学科，看人才的壁垒和未来是不是有机会基于自己的平台更好地锁定数据
另外一点，人工智能分成两个阶段，第一阶段是云端，第二阶段是终端。目前很多的创新团队都在关注终端，假如一个在岗哨上执勤的干警，手里只有一个手机，我能不能让AI给他的手机赋能？他要解决的问题是什么？他能不能在路过的五十个人里把坏人挑出来？基于边缘和有限资源的场景下，你能不能够实现人工智能？并且给产业和这个场景带来非常深刻的改变？所以在这一点看的话首先是考虑硬科技，其实就是关注交叉学科和有深入壁垒的创新。
然后就是软着陆。软着陆方面我们看的是需求和模式。这里面我们更关注的是模式。因为在模式方面，国内有很多的这样的传统产业或者细分的垂直领域，它并不是没有底层的数据把模型跑出来，而还在模式的建设上和方案上纠结。所以我们在选择这样的AI团队的时候，会关注它整个团队里面，除了我们说的很牛的大牛之外，有没有在咨询公司做过的成员？有没有在深度产业背景上，有方案整合能力和方案规划的能力？这其实是非常重要的。我们在很多项目上遇到的挑战就是这个团队技术很牛，但是到了产业环节上很难和真正愿意买单的人形成对话的窗口。所以我们觉得，优秀的技术人才加上咨询公司背景，或者产业背景的人才，再加上销售的人才，这是三位一体的结合。这种团队是我们在找的。
高瓴资本集团合伙人洪婧：AI公司要准备好把自己从AI公司做成软件公司，最后做成行业解决方案公司。
洪婧：我个人给技术创业者的建议就是，怎样才能够避免“拿着锤子找钉子”。从投资人的角度，我们也要避免和创业者一起凭空想象所谓的应用场景。在这个意义上高瓴其实有非常大的优势。大家可能听说过我们投了腾讯、京东、滴滴、美团、摩拜等互联网公司。我们其实在二级市场中，可能中国最大的房地产公司，最大的家电公司，最大的消费零售公司，最大的品牌公司都是我们的被投企业，都有非常好的关系。所以我们可以去做一个技术人才和应用场景之间的桥梁，我们去帮他找落地应用场景，帮他找企业预算。比如说我们投了依图科技之后带着他们去跟百丽合作，跟肯德基合作，跟平安合作。我们帮着惠安金科跟美团合作，跟京东合作。就是我们可以跟创业者一起去跟大的应用场景合作，一起去挖掘、去解锁企业的需求。我们希望能够真正帮助好的技术、好的产品更快地找到落地点。当然这个过程反过来也是我们尽调的过程。能不能够很快地满足应用场景的实际需求？这个其实也是我们尽调中很关键的一点。桥梁作用也是我们希望能带给创业者和被投企业的。
殷明：我觉得今天大家在找行业或场景的解决方案时所看重的：
第一，要尽量远离大公司已经拥有比较良好数据基础的通用功能。比如机器翻译，广告推荐的算法。
第二，这些年很多投资方向越来越偏近于传统行业，从投资纯粹的技术慢慢转向投资技术赋能的垂直行业。比如说对自动化放贷领域，技术如何能够在金融周期性当中帮助企业更早地觉察风险和甄别新的资产类别。比如对医疗检测领域，你需要明白在整个医疗行业的链条里到底是早期疾病的干预和治疗价值更大，还是检测本身价值更大。我觉得这些也是创业者要想明白的事情。
最后，我们蓝湖认为，对一些颠覆性的技术是值得我们长期陪着创业者往前走的。比如我们去探索无人驾驶领域，蓝湖在去年A轮领投了自动驾驶技术团队Momenta。但是我觉得投资人做技术路线的预测依然是非常危险的。我们看到Gartner技术曲线里面有几十个新技术术语，但每年都有20%的技术从这个曲线上消失。学界结合研究机构的预测尚且只能做到这个程度，从财务投资人的角度预测更难。另外，很多技术是没有办法一蹴而就的。无人驾驶技术怎样用相对低成本的采集方式做高精地图的绘制，或者在和车厂配合提高驾驶控制环节的稳定性时，面临汽车行业较长的产品迭代周期，这都是是需要长期耐心的。这需要所有人遵循基本的商业规律，耐心等待颠覆性技术能够达到商业应用的状态。
宁柏宇：在二十多个大的行业里面，教育与农业在信息化程度上排名后三位。所以我们要跟高大上的AI接口，我们在寻找创业者的时候会着重关注两点。第一要技术大牛，师出名门，比如我们投资的一维弦创始人唐博维出身于世界级殿堂机器人实验室，导师是风靡全球的《超能战队》里大白机器人的原型发明者，CMU 的Christopher Gatkeson 教授。创业者不仅需要有过硬的技术背景，还需要有对教育情怀的理解和认同。第二点，教育科技创业者要能快速适应中国的商业环境。因为教育是比较复杂的行业，它是高管制的、保障性的行业。所以想要在这个行业里获得商业成功，创业者必须迅速熟悉中国的商业环境。
创业的机会：一边赚钱一边赚数据
雷鸣：谢谢各位。如果一个企业想融资或者发展的话，究竟该怎么做？你们见过很多企业，投资的要点恰恰是企业在发展过程中特别重视的。你们觉得还有哪些机会可以让小团队成长起来？
李立军：制造业需要提升它的效率，把品质做得更好，而人可以用得更少。所以我们其实在这块做了蛮多工作。我们觉得在这个领域还是有蛮多机会的。制造业足够大，行业足够多，而且目前中国，以及东南亚地区很多制造业还是以人工为主。这个领域我觉得我们中国能把智能制造做好是有道理的，反而欧美国家不太有这样的产业场景。不过，目前大型企业的智能制造，比如说汽车企业的生产智能化程度已经非常高了，所以未来的机会我个人认为在于中小企业如何通过智能制造的手段来实现柔性制造。包括现在正开始流行的C2M，把客户个性化的需求变成生产厂家生产线上实时的生产，减少库存，我觉得这方面是有很多工作可以做的。
特别在制造这个环节，现在我们讲工业机器人的时代，其实很多环节已经用机器人了，但是目前的工业机器人其实是蛮笨的一个东西，所有的动作都是要人去编程。在做一些批量性的生产，比如做大货的情况下它是比较合适的。但是C2M，它就需要小批量多批次，怎么样能够让机器人适应这样的环境，通过人工智能的手段来去实现机器人控制的闭环？现在已经有这样的趋势，也有这样的应用案例，比如把机器视觉应用到工业场景里面。早期可能只是通过机器视觉做定位、检测，和测量，但是现在已经有很多团队在尝试利用深度学习的方法，训练机器人自主的学习。我认为这可能是一个比较大的机会，特别是对于小规模的初创团队而言，大有可为。
蓝湖资本合伙人殷明：要有耐心等待颠覆性技术达到商业应用的状态
计越：因为时间有限，我就简单说两点。首先还是继续我以前的说法，能够持续获得数据。那样的方向我觉得可能其他一些行业慢慢还是能够找到。我觉得创业永远有机会，永远能够推陈出新。但是我觉得在这个方向上具有产生持续的数据的可能性，团队去做这样的方向我们是比较愿意去投的。 第二点，假如创业方向还不清晰，我们就看创始团队背景，比如BAT出来有AI相关的背景经验的。
曹巍：我们坚持看产业的痛点，看你能不能“一边赚钱一边赚数据”。如果只赚数据，说实话除非是特别大的大牛，现在还是有很多机会的。但是一般的创业团队，还是希望大家能够找到又赚钱又赚数据的。并且最后还能围绕自己的小的事情，把平台的框架慢慢通起来。我们相信很多边缘创新的机会不是大公司或者成熟的产业巨头们已经完全想清楚的。所以有些东西是边打边看的。大家也不要因为太多的巨头已经把市场上各个板块都占据了而产生畏惧。
洪婧：我觉得现在还是有非常多的创业机会，AI创新才刚刚开始。如果说中国制造已经成为全球的领军产业，那么中国AI以后一定是全球领军的。现在只是因为很多创业者是技术背景的，不是很了解行业，所以有一个摸索的过程。但是如果能够找到好的行业，深挖下去是有非常大的潜力的。可能某种意义上AI公司要准备好把自己从AI公司做成软件公司，最后做成行业解决方案公司。最后可能大的公司不见得是通用型的，这其实需要大家一方面心存高远，一方面要耐得住寂寞，只要肯在一个行业里深挖我觉得机会还是非常非常大的。
殷明：我们总结了八个字，就是开源节流，提效合规。我们蓝湖非常关注垂直行业的智能化改造。虽然每个行业的周期不一样，比如零售行业、金融行业由于数据基础好，可以直接做到应用层的产品化，而工业领域则相对考验团队定义问题和架构数据颗粒度的能力。投资人第一步需要扮演企业的咨询顾问。但最终能体现创业公司本身的壁垒的，无非是数据的质量，以及所呈现的最终产品形态（可以是软件），能够最终改变了企业工作的流程，很深地嵌入到企业运营之中。这些能形成壁垒的模式也是我们相对看好的方向和机会。
蓝象资本合伙人宁柏宇：好的技术场景结合渠道资源，就可以变成一个闭环。
宁柏宇：教育行业足够大，里面的痛点特别多。所以人工智能和四万亿的教育产业结合一定会有很大的应用场景。
雷鸣：谢谢各位。总结起来，人工智能其实机会还很多。关键是要技术脚踏实地地落在应用上，积累数据产生价值。现在看到的所谓的一些大的赛道，像自动驾驶或者医疗，这些都是特别重要的。我认为两个方向可以考虑，第一就是更加具体的，或者更加长尾的机会，比如刚才讲的工业、农业、教育。不是只要有自动驾驶，整个运输业的问题就解决了。
第二，我觉得要考虑toC，就像互联网起来之后，最终的巨头全是toC的企业。toB的没有非常大的企业，基本上是大的toC企业的十分之一。所以要考虑人工智能在toC上到底能有什么机会。toC的机会一般会稍晚，像Facebook，这是toC的巨大机会。互联网基本上1994年就开始第一波创业机会了，但是Facebook是在2004年，第一波创业潮十年之后才创办的公司。我认为人工智能未来的机会是逐步展现的，绝对不是两年就被做完了，没有机会了。这是不可能的。
所以这些方向值得大家去不断地思考和探索。现在还是人工智能创业的黄金时期，也是投资的黄金时期。本次论坛就到此结束，谢谢大家。
原文发布时间为：2017-11-17
本文作者：AIWORLD2017
原文链接:【AIWORLD 投资领袖论坛干货】过去一年AI投资最大的变化是什么？