线性资本王淮:一拍脑袋就投谁不会,别把创业者搞浮躁了
石慧 石慧

线性资本王淮:一拍脑袋就投谁不会,别把创业者搞浮躁了

数据智能一定要解决商业问题,只有技术是“然并卵”的。

王淮,Facebook第二位中国籍工程师,第一位华籍研发经理。现在,他是线性资本合伙人,主要关注大数据和人工智能。从技术男到投资人,王淮给自己当前定下的小目标,就是投出两家“10亿美金公司”。而他的投资,也自成体系,对于数据智能,他最关注的,就是如何解决实际的商业问题。人工智能专题新的一篇文章,请听王淮总结自己的投资理念,以及他对当下人工智能创投热潮的看法与建议。(PS:文尾有彩蛋哟~~)

文丨石慧

王淮是典型的技术男出身。他是Facebook早期员工——2007年加入,是其中第一位华籍研发经理。但随着Facebook的扩张,“老员工”王淮找不到初创公司的感觉了。他决定换一种生活方式。

如今,他与前京东、天猫高管张川一同创立了线性资本,关注大数据、人工智能,投资Applied Data Intelligence——业务性的数据智能。“以技术为核心,并将技术应用到我们认同的问题上,我们才会投。”王淮说,“大数据应用一定要解决实际的商业问题。”

显然,技术出身的王淮并不仅仅关注技术本身。来自温州的他,身上还带着温州商人的精明。

数据智能要强应用、商业化,是他的投资逻辑,这从线性投资的项目可见一斑。目前,线性资本投资了33个项目,包括中科视拓、神策数据、地平线机器人、Rokid、艾拉物联、ThinkingGame数数科技、杭州同盾科技、Ping++等。

在王淮看来,人工智能的热潮已经来了。不管他并不是很喜欢“风口”这个词,他暂时也只能用这个词形容现在的人工智能领域。

他给自己定了一个小目标:投出两家10亿美金的公司。“然后再说别的。”

王淮希望,大数据、人工智能创业者能第一时间想到线性资本。“所以我们必须聚焦。明白自己擅长什么,不擅长什么。”他说。

以下为王淮口述,经创业家&i黑马编辑:

先定一个小目标:投出两家10亿美金公司

我是技术出身,2007年年初进入Facebook做工程师,2012年离开。我是Facebook的早期员工,加入的时候公司只有100多人,到我离开时,已经到了4000多人。

在那时,我就有后来创业的想法,我在雅虎待过一年半,对大公司的运作有了一定的认识,我想去尝试一下不同的生活,于是就去了Facebook。当时会加入Facebook,我觉得它是家有趣的小公司。那时没想到它后来会做那么大,但是那些人我觉得非常有意思。后来离开也是,我觉得最好玩的日子已经过去了,接下去的也许就是按部就班的生活,想有一个更大的改变。但我觉得打工我不可能再去第二家公司,公司对我们实在是太好了。

我回国以后,看了一圈,2012年底打算做投资,和张川、薛蛮子三个人开了公司,拿自己的钱做投资。两年后,我们想做得更专业,就创立了线性资本。

我们现在做投资,也是用当初创业的感觉去做。我们做了线性资本之后,逐渐机构化,我们自己有一系列方法论,怎么看一个项目,形成了相对成熟的一套模式。整个过程,更像一个创业公司,从无到有,慢慢成熟。现在圈子里提起投大数据、人工智能,我们的影响力都在那里,我们努力得到了回报。我真的觉得这个过程挺好的,就像一个小公司慢慢做起来的典型的过程。

我们一直是以创业的心态去做这件事,能不能做成不知道,但我们要先定一个小目标:投的公司里出两家10亿美金的公司,1亿人民币投进去,10亿美金的估值出来。

我们很重视投后管理。对我们在董事会上的公司,会有季度性风控,月度性通电话、见面。我们有一套框架来诊断一家公司,主要了解五大问题:团队、市场、产品、技术、资本;五大问题下有三大纬度:过去一个月发生了什么大事;处在哪个状态的问题解决了;没有将来你的重心是什么,我们怎么帮到你。

投后管理主要做三件事。第一,在一些核心问题上,我们自己以及请来的牛人会做他们的顾问。第二,帮助他们进行核心岗位的招聘。第三,帮他们完成接下来的一到两轮融资。

我们把身边的投资机构分成三类,对接融资时就从这三类里找。一类是family VC,是和我们有共同LP的基金。二是old friends,是我们合作很多的基金,比如GGV、IDG、红杉。三是new friends,是跟我们关系很好、想一起合作的基金。

我们投的项目最大的问题可能是商业模式还有待验证,但当初我们觉得它有机会才会投,基本上帮他们融到下一轮问题不大,线性投资的33家公司,现在至少有10家融到了下一轮。

我们做投资,这么些年下来有一个巨大的体会,就是说你如果只去抢“风口”,这些机会你看得到的机会,别人也看得到,但你不但要看到,你还要看得懂,“懂”带来的结果就是“快”。一拍脑袋就投谁不会,但是我觉得现在投资已经过了“抢”这个阶段。抢就是仓促,你也反过来让创业者也仓促了,本来可以扎实做事的创业者,被你这样一搞心里也浮躁,这对任何人没有任何好处。所以只能是聚焦,看懂,在保证决策质量的情况下,比别人时间花得更短,才能够投得更快,而这种快就是有意义的,不是单纯去“赌”。

投资还有一点,就是要“投得进”。如果你足够专业,做到标杆,能让大数据、人工智能领域的创业者第一个想到你,那就很不一样了,我们想要的是这种效果。今天在业内,做大数据、人工智能的人应该都知道我们了。我们要明白自己擅长的和不擅长的,做强聚焦。

从最近6个月开始,大数据、人工智能这些领域逐渐风口化。但是“风口”这个词,我们其实不大喜欢去用,只是说这个时代,在各种因素下,给了这样一个机会。原来我们有60%-70%是看这块,现在,我们是100%投入在做这块。

5大因素带来“数据智能”商业机会

现在,人工智能因为几大因素,出现了很大机会。

核心因素是移动智能设备的流行,触屏把人们原来花在PC互联网上的时间,大幅度地拉长了。原来在PC上,大家大部分时间是用来工作,而现在,手机成为我们kill time的主要工具。这种设备创造出了一个巨大的市场,这个市场就是每个人的时间。如果把它用人和时间等单位来衡量规模的话,我觉得现在这个市场的规模至少是原来Web时代的5到10倍。时间需要产品去填补,填补过程中大量积累了数据,数据就产生了变现的需求。

因此,第二就是数据的积累。这些年,很多互联网公司各自积累了几百万、上千万的用户数据,都非常有价值。但这些数据间,存在孤岛效应,这些数据是没有办法交叉的。比如,一个互联网金融公司,和一家电商,它们获得的数据体系、性质都不一样。但如果它们能够放在一起,形成数据集,带来的价值会大很多,会产生一加一远大于二的效果。

第三,算法的发展,在过去几年有了很大突破,比如说深度学习。传统的数据挖掘方法对强特征问题很有效,比如反欺诈;但是对于从图像、声音当中去学习特征,就很难了。而深度学习在这些领域带来了很多新的应用。近几年声音识别、图像识别、人脸识别等新的应用出现,和技术突破是息息相关的。

与之相应的,是计算能力的提高。AI说起来容易,做起来很难,比如说深度学习的计算量对云计算也提出了极高的要求。三四年前基础架构和计算能力没有发展到这种程度时,要做人工智能也是做不起来的。

还有人才因素。有人觉得美国人才比中国多,我不这么看。过去几年,BAT以及二线互联网公司积攒了大量数据,数据需要人来处理,因此训练出一大批有实践经验的人才。而美国,主要是Facebook、谷歌、亚马逊、微软等公司,培养的人才偏理论型,在实践上不如中国。

最后一点,市场已经准备好了。人工智能公司的目标客户,原先比较传统,现在它们的思维开始变了。我们要感谢马云对DT时代的传播,但是,AlphaGo带来的影响更为巨大。AlphaGo虽然下的是围棋,但让很多中国人以为深度学习已经来了,它会抢走所有的工作,你要是不赶紧改变,就等着被干掉吧。这让人工智能公司发展客户变容易了。当然,这种想法还有很大误区,被人工智能完全颠覆的那天真正到来,还有很长时间,但是,这却让人工智能推广的难度大大降低了。

这几个因素造就了人工智能的热潮。这是一个数据依赖技术进行变现的时代。这5个因素,给了人工智能,或者我更愿意称它为“数据智能”,带来了极大的商业机会。很多投资人也开始关注并进入这个领域。

但是我认为,不能走偏。现在也有很多项目,并不是很“智能”,而是努力向这个概念上来“靠”。所以,要同时具备三个要点:大数据、应用性、智能性的项目,我们才会投。

数据智能只有技术是“然并卵”

我们聚焦的领域,概括起来其实是Applied Data Intelligence——业务性的数据智能。立足于大数据的应用,去解决实际商业的问题。我们投的项目,是以技术为核心,但我们的关注点在应用上。我不会单纯因为这个项目的技术牛而去投资,它要将自己很牛的技术应用到我们认同的问题上。

大数据应用一定要解决实际的商业问题。很多SaaS只是数据和数据应用,把传统的、低效的东西在线化,但没有思考如何处理数据,从中做些文章。比如税收类应用,如果只解决数据问题,那是很普通的SaaS。而我们在意的是,它能不能进一步提供增值服务,比如能够准确反映出企业健康状态来。

从我们投的公司就能看出我们的逻辑。我们的投的神策数据是数据服务公司,可以通过用户画像,从而分析公司的发展趋势;智能机器人Rokid,它是基于数据的智能实体化,但它的核心仍然是AI的软件,并非单纯强调硬件;地平线机器人提供的AI解决方案应用点也非常广,比如它目前在辅助驾驶ADAS这方面的应用,就体现了这一点。它们能提供应用,解决一些有用的问题,而不是只有技术但“然并卵”的东西。

在Applied Data Intelligence这个大的架构下,我们主要投三大类的项目:泛智能、基于数据的Fintech(金融科技)和VR/AR的核心技术。前两类我们投了不少。

我们所谓的泛智能,就是与大数据、云计算、云存储、人工智能、机器人、IoT(注:Internet of Things,物联网)等相关的项目。我们之所以这样划分,是因为我们有自己的一套逻辑链:有云技术才能实现大数据的存储和处理;在数据基础上才能做机器学习和人工智能的开发;而开发出来的模型需要落地,它们要么让数据流通得更快,要么让决策做得更好,也就是说,这些终要变成服务,我们把它称为DAAS(注:Data-as-a-service,数据即服务)。

2

*线性资本合伙人王淮(受访者供图)

在泛智能的硬件领域里,我们认为,机器人有很大的机会。机器人可以分为两大类:一类是家庭型、娱乐消费型,也就是2C的,另外一类是B端的。而我们目前关注的中心在前者。

我们非常看重IoT。但我们不太关如何心联网的问题,我们关心的是Ineternet of  Intelligence,真正让不同的智能设备为一个场景服务。不然我回到家,空调打开一个App,电视打开一个App,窗帘再打开一个,我就累得半死了,这哪是物联网智能家居,变成我为家居服务了。这是目前IoT的最大问题,每家都要自己搞一套,体验就很差。

但这样的状态持续不了太久,大家一定会寻求联盟,形成交叉协议,这是必然趋势。但是,这并不是会非常顺利的过程,中间肯定会有博弈。在国外,已经出现了一些联盟,国内虽然现在还看不出来,但肯定将来是一定会出现的。

人工智能会在哪些领域爆发?

人工智能会先在一些具体领域爆发。

金融是一个强数据的领域,智能化能够加强数据的作用,所以在互联网金融里面应该有很强的应用。另外,数据性很强的消费领域,从消费品、安全等相关角度,例如用户画像、智能推荐,以及智能导购,都是基于数据可以用AI机器人来帮助实现的。

ADAS辅助驾驶也是一个典型的场景。其实,我们发现,很多行业,最大的市场都在“吃喝玩乐行”,对于人工智能而言,“行”现在是最容易被影响的,因为它是强技术性的。“吃喝玩乐”,虽然技术会给它们带来一定帮助,但是内容和渠道方面,它是有很强的反向控制性的,人工智能要切入是一个巨大的问题。而“行”是一个全新的领域,因为原来像地面交通、空中交通这些都是传统公司来做的,滴滴这些新的公司的进入,为它们带来一个巨大的颠覆。

在数据层面,我认为,滴滴肯定是倾向于自己去做的。但是不要忽略了传统渠道的威力。像OPPO、VIVO、小米、华为它们的“战争”形态,我觉得是很有意思的。互联网让世界成为平的,但是人口数量和层次的差异、城市之间和城乡的差异,给中间过程带来了很多的机会,只要你抓住了,能够做不少事情。所以不要小瞧传统厂商,它们中有很多其实非常技术化,只不过它们的传统技术是跟车相关,互联网不一定擅长。百度做无人车,它擅长的还是数据的收集和导航、服务,以车为核心的部分,我估计还是要跟传统厂商合作,所以最后大家会是一个混合体。

智能生活这块,我认为也是有很大的机会的。如果把出行加进去,就是一整套了。如果撇开它看,就是智能家庭生活,我们觉得这一块很有机会。

还有一些我们零星的思考。比如说,健康相关的,不仅限于监测,而是回归健康的本质,比如对人的健康产生预警作用的。只是监测,比如你一天跑了多少步,意义不大;但如果你能对我的健康预警,告诉我现在过劳了,要赶快休息,这种情况下猝死的概率是多少,才是有价值的。但现在技术还达不到。

我们投了一个做女性体温计的项目,通过体温曲线,可以测出受孕、避孕几率。这个项目市场很大,但目前有一半用户在海外,因为国内要通过医院渠道去推。这个领域我们不太了解,所以选择跟投。对于不太懂的领域,我们会先跟投一两个项目熟悉一下。这也体现了我们对于AI商业应用的态度:能实实在在产生作用的,才值得投,太远的东西,除非相信它的未来,否则我们大多持怀疑态度。

像Seeta中科视拓做的是人脸识别。它能切入生活的方方面面。人脸识别的核心是身份问题,什么时候你需要证明“你是你”,都可以用得上人脸识别。但现在技术还不成熟,还没有真正爆发。另外,人口数量太大了,即使人脸识别的出错概率低到千万分之一,那出错的人数也很多。所以它现在只能在一些限定条件下辅助人力。未来,在银行、公共安全监控等领域,人脸识别都会有大量应用。而且,人脸比起其他的识别方式,能够做到自然的、无监督的、安静这种模式下的一种识别,所以还有很大商机去挖掘。

在国内,人工智能领域创业面临着两个最大的问题,一个是数据,另一个是应用。很多创业者,他拥有的是算法、是技术,但是数据不在他这里,应用也不在他这里,这两块还要去说服别人,是典型的两座大山。这些数据源人家为什么要给你?这有一个信任成本的问题,要么是我相信你一定个比我强,要么是我没有办法了,不得不试一试。这是个难点。另外一个就是应用,你得解决一个实在的商业问题,但商业问题并不在人工智能行业的人手中。比如自动驾驶,车厂是控制方,它是有话语权的。你要找到商业场景,并说服它们应用你的技术,这又是一个难点。

i黑马与今日头条-科技联合出品,合作多家业界顶级媒体、投资机构,邀请人工智能领域专家、大咖一起来评选的《人工智能创新公司TOP50》榜单已经启动,我们收到了来自不同投资机构、第三方的推荐以及公司自荐报名。接下来,评委评选之外,候选公司的投票也即将开始,敬请期待!

4

 

王淮 数据智能 人工智能
赞(...)
文章评论
匿名用户
发布