对话未来:To B的春天何时到来?
2019-12-11 18:04 To B

2对话未来:To B的春天何时到来?

本文来源|华映资本(ID:MeridianCapital)

“B端企业的生命周期很长,且向上的趋势一直在。”

近期,在由科技部中国风投委和东沙湖基金小镇指导、华映资本和昆仲资本联合主办、元禾重元和达晨创投联合组织的B计划学习季研讨会上,华映资本主管合伙人章高男、天云大数据创始人兼CEO雷涛与同场嘉宾一道,就To B行业的发展机遇、资本如何赋能To B企业等话题进行了讨论。

对于To B行业的未来发展,章高男持乐观态度,他认为虽然To B企业的成长周期相对漫长,但同时生命周期也很长,在持续发展。雷涛眼中的To B主要聚焦于大B,因为大B的认知转移好,且具有丰富的数据资源。

在雷涛看来,To B行业目前的壁垒主要来自两方面,第一是前沿科技本身的壁垒,第二是数据复制的价值,表现在推理端的服务。章高男补充道,如今壁垒虽存在,但整个To B市场尚未成熟,留下的机会还有很多。企业的圈地效应主要取决于自身服务,包括服务体验、技术壁垒等。

面对PAAS类的平台性工具如何应对不同产业、不同企业的个性化差异化需求的问题,章高男指出,从企业对数据进行处理再到找到合适的AI方法产生业务价值,整个过程都是有通用性的。只要产品扎实,对于人工智能来说,定制性的问题都能被很好地解决。

展望未来,章高男看好To B企业的长期发展趋势,他表示To B企业发展到三四年的时候是一个好的切入时点。雷涛认为目前To B领域跑得快的企业往往掌握大量的数据,总体来看,应用型企业的发展会快于工具型企业。

以下为发言全文(经整理):

To B or not To B

It's a question

“B端企业的生命周期会很长,且发展趋势一直都在。”

主持人:两位怎样看待“重新定义To B”这样一个主题?

章高男:过去,信息化在C端市场有一个非常强的爆发力,但是它在B端市场的渗透往往是润物细无声的,这与B端的特点有关。

B端是一个个独立的主体,协同效应没有那么好,所以B端的整个发展过程是相对较慢的。这个隔离作用导致现在很多信息化的技术在B端的渗透周期被拉得很长。但这也说明了B端的一个好处:B端企业的生命周期会很长,且发展趋势一直都在。

另外,我觉得物联网、通讯技术、5G技术等加速器在B端的落地会比在C端更快,进而产生一些新的应用场景,这对于B端是一个新的机会。

雷涛:正如每个人心中都有一个哈姆雷特,每个人对于To B的看法都有所不同。我眼中的To B指的还是大B,关注点也就集中在大型数据中心的大型客户,我的创业也是围绕着计算的基础设施、通用技术学习来的,都是服务于大B。

针对To B市场,我们自己主要关注两个方向。第一,这个大B应当比较成熟,我们做核心部件的替代,这个赛道正变得越来越清晰,大家已经开始启动IT大结构的更迭。刚才讲到去IOE,我们总是去大型商业银行和大型机构做测试,发现他们的IT架构大都来自这几家公司。我们这种中小型企业走入大B的门槛,靠的是专注性。

第二,我们也看到大B发展的两大潜力。一方面,它的认知转移好,大B拥有机器学习的普遍能力和实验室,容易进入。另一方面,我们交付产品和交付服务的同时还在转移大B客户的数据价值。因为AI本身是一个知识生产过程,它能把大型企业规则、流程的经验价值快速地抽样出来进行复制,这也是我们去年获得大规模收益的一个基础。

所以无论是从数据资源还是从客户的接受程度来看,大B都是我的答案。

做数据的忠诚信徒

“数据资源的价值需要通过机器学习进行提炼,形成知识,进而封装成推理服务,服务于行业。”

主持人:天云大数据做的是基础设施服务的事,很多人工智能企业也都在往这个方向跑,提供平台性工具。但提供PAAS这样一个平台性工具时,我们需要应对的是不同产业、不同企业的个性化差异化需求。您认为在这样的竞争当中,什么才是制胜的关键?

雷涛:其实这个问题的实质就是在问:壁垒在哪里?

做基础设施服务,我们总是用技术语言跟我们的生态来沟通,其实挺挑战的,无论是做PR还是做沟通。所以后来我们多聚焦在一些大型银行、大型能源等有数据资源的客户上,扎根于基础的种子客户。我们拥有一个先发优势,2015年我们开始创业的时候没有人去想,但是SAAS、SES替代的需求显然摆在那儿,我们就顺势进入了这个领域,在其中形成了一个比较窄的竞争格局。

去年我们开始思考:是不是能够离开金融科技领域?因为在金融科技领域我们没有议价权,没有分享到行业本身发展成长的溢价。所以我们开始尝试进入能源领域,拿下了中石油、中石化的AI总部认知平台。进去之后,我们发现壁垒不是来自你的能力、你的进场时机,而是数据的复制价值。AI自身可以完成知识生产。举个例子,我们从某保险公司20年长周期发生的重疾赔付的定价上学习出来的特征和内容能够快速地移植到行业里去,并且之后再也不需要碰这个公司的数据了。

这种复制不是复制科技的工具能力属性,而是因为科技工具能力属性具有超前性,让我们能快速地跑马圈地占领巨大的数据资源场地,用他们的数据生产出价值。这个价值是一个巨大的壁垒,因为别人再也进不去了。

所以我回答的壁垒是两个阶段。第一个阶段是前沿科技本身的壁垒。在这个赛道上谁能够扎得深,谁能够交付,谁就能拔得头筹。这个时候比的是效率,就是你的产品核心价值。第二个阶段是推理端的服务。数据资源的价值需要通过机器学习进行提炼,形成知识,进而封装成推理服务,服务于行业。

在这个过程中,我们可以看到两种增长的财务指标。第一个是人均产出的变化,第二个就是推广这种推理端服务和知识本身带来的收入增长。

主持人:如何看待数字价值转移?如果仅聚焦在数字价值转移这个市场,您怎么看其往后三到五年的发展?

章高男:我是一个数据信徒,我的投资生态是围绕数据展开的,特别关注数据的底层技术。

云计算的推进对整个数据的底层技术提出了更多的要求,目前还不完美,还有很多更新和迭代的机会。另外,在目前的世界局势下,核心的底层技术中国肯定要有,这一块不能够受制于人,这也是我们布局的重点之一。雷总说得比较专业,我是非常认同的,再举两个例子来说明这件事情的价值。

第一,我们每个行业有成千上万家企业,每个企业的要求都不一样。但这些企业使用到的数据库也就那么十来个。企业从海量数据中对数据进行迁徙、清洗、去重,然后去找合适的AI的方法让它产生业务的价值,这个过程是有通用性的。所以行业多没有关系,只要你的产品扎实,对于人工智能来说,定制性的问题都能被很好地解决。

第二,获得数据之后,企业需要去找合适的方法做训练。现在的公司都有种子用户,例如大保险机构、大医院,他们有非常丰富的训练数据。各个大厂也都有现成的算法框架。他们把数据封装起来,后续能够根据自己的学习、训练找到最好的训练方法和调参参数。

同时,这个东西是有一定的复制性的,能够赋能其他类似的相关的企业。这个逻辑能够引起未来模式的改变。你看我只做了一个项目,其实我可以用很少的代码量快速做很多复制项目的能力。所以我觉得这提供了未来增长的一个可能。

主持人:我们都知道其实在中国市场里,像刚才雷总所说的这些特别头部的大B,拥有几十年数据积累,具有结构性、完整数据的企业并不是很多。本来中国企业的成长时间都不长,数据积累的习惯、标准化的程度也不够高。这是不是意味着这种壁垒一旦建立起来后,留给其他企业的机会就非常少了?

章高男:我认为不能完全这么讲,因为每家企业都有自己的优势。IAAS是技术公路,它发展成熟之后,企业就会更愿意把设备放到云上,把资源和计算力在云上做。自然而然地,未来五到十年,会有更多的企业愿意用一些PAAS和SAAS。未来会涌现各种各样的PAAS,大厂一定不会放过这个市场的。

AI也可以有 PAAS服务,我们把它叫做AI PAAS,是一个很重要的平台。AI这种PAAS平台,大厂们也都会去做,但是每个企业的立足点不一样。比如有的主攻公有云市场,其他的关注私有云市场。天云就是做私有云的,也包括其他分布式的解决方案。我觉得这个机会没有严格到说我一旦做进去,别人就做不了。

企业的圈地效应主要取决于你的服务,包括整体服务体验、服务可靠性和安全性,技术壁垒等。虽说这里面有一定的先发优势,但是市场太大了,我认为目前AI在市场渗透力连1%都不到,还留有很多机会。所以,大厂有大厂的圈地方式,小厂有小厂的圈地方式,比的是速度和服务的稳定性、产品化的能力,这都是内功。

展望未来 共探To B春天

“对VC来说,To B企业发展到三四年的时候是一个好的切入时点。”

主持人:落回到时间上,两位眼中To B的春天最快什么时候能够到来?

章高男:一般来讲,To B企业从创立到上市一般需要8年到12年左右,其成长是一个漫长的过程。对VC来说,To B企业发展到三四年的时候是一个好的切入时点。在To B行业,企业能够活到三四年,说明它已经经过了第一轮的验证,一定是能够活下去的。三四年这个时间段对VC来说是较为理想的布局时机,保险系数比较高。

就行业来讲,其实每个行业都有投资机会,我只能来谈谈个人认为较为普适的投资逻辑。第一,未来五到十年是有巨大的行业红利的,这是底线的要求。没有这种趋势,肯定不投。第二,在红利过程中,我个人比较倾向于通用型和底层技术驱动的项目,它们的行业属性不是那么强。垂直行业我最多挑两到三个市场特别大或特别分散的行业去切入。

雷涛:目前To B领域跑得快的企业都掌握大量的数据,这是数据驱动的刚需出现流动替代的问题。总体来看,应用型企业的发展会快于工具型企业。从工具上来看,我觉得目前还处在大B客户试用的阶段。