我在這行做了七八年，一直聚焦在高科技與先進技術(shù)領(lǐng)域，但在投資的不同階段。
不同階段對項目判斷的維度非常不一樣。后期，投資做的是減法，以風險防范為主要考量，各種業(yè)務(wù)和財務(wù)模型測算的本質(zhì)都是在推演不同風險條件下的預(yù)期表現(xiàn)；早期，投資做的是加法，以價值挖掘為主要考量。早期項目投資領(lǐng)域?qū)ν顿Y人的要求是較高的，特別是技術(shù)領(lǐng)域。
做技術(shù)類投資，需要三方面的能力：第一，底層技術(shù)解析的能力。把技術(shù)的本質(zhì)講明白是最基本的要求；第二，敏感度。早期創(chuàng)業(yè)者往往會需要投資人的幫助，比如在業(yè)務(wù)發(fā)展方向上的判斷，這就要求投資人對行業(yè)了解的同時對新技術(shù)的應(yīng)用點也要有一定的敏感度；第三，跨界能力。比如幫助項目補足非技術(shù)領(lǐng)域的人才。
人工智能遠沒到收獲期
原來O2O，很熱，干什么的都往O2O上靠，可現(xiàn)在這類項目基本沒有了。現(xiàn)在AI火，很多公司很多項目都往這方面靠，大家開始討論AI是不是一波新的泡沫，在我看來目前AI過熱，泡沫確實存在。
以前AI在投資領(lǐng)域是冷門方向，后來主流基金逐漸會有投資人專門負責這個方向，到現(xiàn)在大多數(shù)主流基金都以這個方向為重要賽道，甚至有些基金只投這賽道。因為AlphGo、無人駕駛汽車等影響，AI已經(jīng)從一個專業(yè)領(lǐng)域上升到社會大眾討論層面，前不久國務(wù)院頒發(fā)了《新一代人工智能發(fā)展規(guī)劃》，讓AI又上升到了國策的高度，這些讓人們對AI的預(yù)期到達了頂點。
但事實上，AI遠沒到收獲期。最近我們聯(lián)想之星對接觸過的AI項目做了復(fù)盤，樣本大概在200多個，基本包括了市場比較知名的AI初創(chuàng)項目（不包括BAT，科大訊飛等巨頭公司），發(fā)現(xiàn)了很有意思的數(shù)據(jù)。比如：在2011年以前成立的AI項目僅占4%的比例，大多數(shù)AI公司成立于2013年以后。有明確行業(yè)屬性的AI項目，最多的是金融和自動駕駛，占比分別為15%和13%，有超過四成的AI項目行業(yè)屬性并不明晰。
估值在3億人民幣以上的項目超過四成，而上一年度收入在4000萬以下的AI項目占比超過八成。這些數(shù)據(jù)非常直觀，也印證了我的想法，AI的發(fā)展并沒有到收獲期。
為什么會是這樣一個結(jié)果？在我看來，AI本身并不是一個行業(yè)，它像一個工具包。這里面會有幾個工具，比如CV、NLP、機器人技術(shù)等，哪個行業(yè)需要就應(yīng)用到哪個行業(yè)里去。
AI的發(fā)展會驅(qū)動行業(yè)變革，每個行業(yè)有自己的發(fā)展邏輯與節(jié)奏，不能一概而論。有些項目為了AI而AI，但這并不是行業(yè)當前所最需要的，這個時候是不是AI項目并不重要，解決問題才是本質(zhì)。
為什么還要投資AI？不可否認，「出乎意料」的技術(shù)變革，所帶來的價值和影響力是巨大的。
即使AI未來也有很多不確定性，但我認為對技術(shù)類創(chuàng)業(yè)者本身來說絕對是件好事，甚至可以說技術(shù)類創(chuàng)業(yè)的春天已經(jīng)到來。
幾年前一個科研機構(gòu)出身的理科或工科背景的團隊是基本拿不到天使投資的，但現(xiàn)在即使是天使融資階段，技術(shù)領(lǐng)域的創(chuàng)業(yè)也不斷刷新著融資記錄。
我們看好的投資方向
回到投資本身，前沿技術(shù)領(lǐng)域我們看好的4個方向：
1.深度學習
基于多層或深層神經(jīng)網(wǎng)絡(luò)的機器學習技術(shù)某種程度上可以說是這一波AI發(fā)展的驅(qū)動所在，代表著底層技術(shù)的突破。從投資層面有兩層考量，一方面是技術(shù)或算法本身會不斷迭代和突破，另一方面是如何更好的應(yīng)用深度學習仍然存在大量機會。
2.傳感設(shè)備
有人說語音或視覺是AI時代的入口，我認為傳感設(shè)備才是AI時代的入口。很多人都說AI發(fā)展的三大要素，數(shù)據(jù)、算法和計算能力，其實忽略了形成數(shù)據(jù)前的一個過程，即數(shù)據(jù)采集。數(shù)據(jù)的重要性不言而喻，影響數(shù)據(jù)質(zhì)量的核心是數(shù)據(jù)采集。比如無人駕駛、智能安防、無人零售等實現(xiàn)的前提和基礎(chǔ)都在傳感設(shè)備，所以未來傳感設(shè)備的量一定很大，并且所收集數(shù)據(jù)的維度也會不斷豐富。
3.航天軍工
這個領(lǐng)域的投資以前集中在中后期，但目前越來越多的投資發(fā)生在早期，聯(lián)想之星也系統(tǒng)性布局了這個領(lǐng)域，項目發(fā)展效果還是不錯的。
有兩個原因：第一，軍民融合的政策導(dǎo)向在由軍轉(zhuǎn)民向民參軍發(fā)展，技術(shù)的趨勢也更多的強調(diào)自主可控，大環(huán)境對初創(chuàng)公司有利；第二，體制內(nèi)的人員不再是我們刻板印象中的樣子，也有不少創(chuàng)業(yè)者具備了很好的商業(yè)敏感度和資源整合能力。
4.AI技術(shù)+垂直行業(yè)
我們也非常關(guān)注AI技術(shù)+垂直行業(yè)的投資方向，但我們的觀點是對這類項目判斷的落腳點應(yīng)該在于行業(yè)本身而非AI或技術(shù)。
長期來看AI類項目發(fā)展的核心競爭力我們認為是變現(xiàn)的方式和規(guī)模化的路徑，很多AI項目目前仍處在找到自己變現(xiàn)方式的過程中，無論最終是怎樣的，但應(yīng)該是簡單直接的，如同互聯(lián)網(wǎng)的三個變現(xiàn)方式：廣告、電商、游戲。而AI項目的規(guī)模化路徑我們認為會是不同的，路徑不應(yīng)簡單用ToC 或 ToB來區(qū)分，正因為AI是行業(yè)的工具包，有兩個重要指標是需要用來做參考和判斷的：一是效率；二是滲透率。
扎根實驗室發(fā)現(xiàn)好項目
截止目前，聯(lián)想之星在這個賽道一共投了超過了60個項目，分布在中美兩地，涵蓋10個領(lǐng)域，包括出行、金融、醫(yī)療、安防、教育、消費與服務(wù)、IOT、物流、農(nóng)業(yè)、航天。
我們不敢說自己投的是最好的，但可以說是投的最早的。聯(lián)想之星在很早的時候就扎到各科研院所和高校的實驗室中，和一些學術(shù)領(lǐng)域的帶頭人建立了良好的合作關(guān)系，比如2010年投資的中科虹霸項目，就源于中科院自動化所模式識別國家重點實驗室。
為什么要這樣扎到實驗室去？一方面是出于投資打法的考量，另一方面也是我們聯(lián)想之星成立的初衷，2008年我們柳總親自設(shè)計并設(shè)立了聯(lián)想之星，當時的目的之一就是幫助中科院做「技術(shù)成果的產(chǎn)業(yè)化」。隨著我們不斷的發(fā)展和壯大，聯(lián)想之星的投資業(yè)務(wù)早已不只聚焦于技術(shù)領(lǐng)域，但我們支持技術(shù)創(chuàng)業(yè)的初心并沒有改變。
這種風格一直延續(xù)到今天，比如我們和香港科技大學自動化技術(shù)中心主任李澤湘教授、北京航天航空大學的機器人專家王田苗教授、清華大學汽車工程系主任李克強教授都有合作的項目。
技術(shù)本身并沒有捷徑，沒有一定的時間積累肯定是不夠的。這些教授在所在領(lǐng)域都是絕對權(quán)威的科學家，他們的項目往往是在實驗室超過10年以上的技術(shù)研發(fā)和積累。
一個值得研究的現(xiàn)象是，以教授或科學家為主導(dǎo)的創(chuàng)業(yè)往往不容易成功，而依托于教授或科學家及其實驗室的學生創(chuàng)業(yè)團隊，失敗的概率相對會低。
為什么呢？上一代科研人員對體制的依賴會更大一些，而年輕一代更具備冒險、實干精神，敢于試錯，在很多項目成立之初就具備國際視野?；ヂ?lián)網(wǎng)的鏈接讓年輕一代人更善于吸收信息、利用資源。因此，教授、實驗室、學生三者結(jié)合的組合正在成為一種新的趨勢，教授以顧問或?qū)煹纳矸萁o公司或?qū)W生以技術(shù)支持，學生作為創(chuàng)業(yè)主體主導(dǎo)并運營公司，當然也承擔著創(chuàng)業(yè)失敗的風險，這種組合是有其一定的合理性的。
