导语

如果你经常关注创投界，一定会注意到，最近几年人工智能突然迅速发展起来，而人工智能公司模式中，2C的相对较少，这背后的原因是什么？作为早期投资人的我们，又该如何把握人工智能领域的投资逻辑主线？本期「导师说」，将由腾飞资本任溶先生带来他对人工智能的思考。

过去七年（2010-2017），我先后在几家单位工作，参与了对软件领域及部分人工智能领域的项目投资。经手投的软件领域，涉及信息安全、硬件、通信、互联网、数据库等相关领域，在人工智能领域也涉及识别、应用等领域。但相对而言，我对人工智能领域的投资还是觉得一头雾水。

跟很多投人工智能领域的人和机构相比，我觉得他们太过于激进或自信了，行业研究建立在相对不真实的“沙滩”上，投人工智能风口的愿望也很强烈，似乎不投一个人工智能项目就可能不算真的投资人，投资项目的估值也是史无前例的高涨，出现了很多号称“独角兽”的项目和吸金大户。

每家机构或投资人都应该有自己的投资方法论，我今天想结合如何投软件和人工智能领域的早期投资，谈谈自己的看法。

正确方法论只能靠行业研究来

人工智能其实是个老话题，最近处于发展黄金期，但对这个行业的投资并无成功者，都是万里长征中走了或多或少的几步。正确的投资方法论怎么来？这并不是一个伪问题。不同的人有不同的思考：

第一种，逆向思考，根本就不需要方法论。

很多人都这么回答这个问题，结果吃的亏太多。早期投资如果没有方法论，你根本就搞不清楚今天投什么，明天投什么，后年投什么，无法顺利的布局。比如说，今年还追不追人工智能芯片、“双创”、基因分析、B2B？没有方法论，就像个没头苍蝇到处撞或随波逐流，最后可能也会投出一两个好项目，但那是碰运气。

我们中国的一级市场，将逐渐是一个成熟的市场，一二级市场之间对接越来越通畅，以后投项目越来越难。为什么在美国做天使投资人，绝大多数都是个人或者孵化器，很少有其他类型的机构呢？因为在一个成熟的市场情况下，一个机构的治理结构和决策及服务效率等不适合做早期投资。还好我们现在市场还不成熟，所以大家都还有点机会。

第二，强调重点看赛道（或者所谓趋势）、或者看选手，这是绝大多数人都认识到的，但往往把二者割裂开、绝对化。

微信上的段子手曾提出来一个观点，有人说红杉是重点看赛道，IDG重点看选手之类的，我听了也就“呵呵”了。我觉得如果没有看中长期趋势，如果不看方向，选手再强也没用的。

打个比方，现在去投一个早期项目，团队很强，可能未来在国内做民用级别的针（缝补的针）做的最好，敢不敢投？敢投吗？一定不敢。因为民用级的针，是成熟的市场，需求和市场结构没太大变化，老百姓也不在乎你的技术是能把针做到直径是1毫米还是1纳米、硬度做的有多高，差不多就行了。

而做工业级别的针，在不同行业有不同的应用，可能要用到激光技术等不同的手段，对硬度、尺寸等各有要求，要结合具体应用场景谈标准化，其中的制造和工艺水平又难以被一个小团队完整掌握。再如，人脸识别，除了国安、银行等要求匹配速度和准确率要高以外，普通的民用如建筑小区、智能小区等不需要那么高，选手之间的差异很难比较。

第三，看赛道和看选手相结合，我觉得这实际上是真正的投资方法论的形成路径。

有赛道无选手，说明投资介入时机不对。有选手无赛道，只能说明我们选的是无实际用处的“屠龙术”。基金投资首先要看赛道，第二位才是要看选手。一是因为赛道大小、时间周期长短决定选手的极限和天花板，二是因为投资基金不仅要关注投，还要有时间和空间真正退出。很多机构不是投的时候没投好，而是因为退的时候没退好，低买高卖，卖出的时机并不容易掌握，很多机构一样掌握不好。

具体正确投资的方法论从哪儿来？我觉得是从行业研究中来，如果非要说成功的早期投资靠什么，我觉得投所有行业都差不多，应该是50%的行业研究，再加上25%的守纪律，还有25%左右的“运气”。

守纪律包括和所谓的“市场先生”作对照，别人贪婪时你恐惧，别人恐惧时你贪婪，以及知道自己的所限，只赚自己深耕细作的领域的钱，该走（退出）时坚决走。而“运气”，来自于不同的人对宏观经济包括资本市场的把握。

我们现在投一级市场，宏观经济面临什么样的情况？“非常态”状态。常态依据于我们过去的经验思维，例如 1978年及以后每年年均GDP都保持高增长，而且绝大多数行业几乎所有的时间都是增长的。

例如我们今天所分析的软件和信息服务行业，从1978年以来一直到去年，平均起来都是以每年的规模（总产值）达到年化复合20%以上的速度递增的，但是2016年的增长不到15%。

非常态是什么概念？

一是不会像以前那样，宏观经济总体那么高的速度。

二是并非所有的行业都能赚到钱，甚至相当一部分行业要关停并转，做供给侧改革、去杠杆，或提升行业集中度，钱难赚了。在金融领域，我们A股上市的券商，市值达到1000亿元人民币的很少。

还有第三点，社会生活演变出很多与以往不同的“非常态”，例如90后逐渐成为文娱领域消费的主力军，好逸恶劳的“懒人经济”更大行其道，追求长寿和高的“吃喝玩乐”生活质量的人更多，还会有一部分人天天讲着要推进政府行政改革，一部分人讲着推进政治体制改革和社群主义等等。我们作为投资人，需要记住的就是我们要干的这个事情，在未来5-8年之内还有没有发展前景，如果没有就彻底别干了，如果这个行业能有意外的或者是说不清的可能是惊喜，你就试试，根据认知的局限我们完全看得清楚哪个细分行业会好很难，但是我们可以知道哪些行业是夕阳产业，未来必死或转换形态。

比如说人工智能上来以后智能投顾行业的发展，将会给包括券商在内的投顾或理财行业带来较大的冲击。

我们的行业分析就解决两个问题：一是，确定投资环节的切入点。就是投什么行业，投这个行业的哪个环节或阶段。二是研究投资接入时机，就是什么时点进。比如说你当时确定你是想进共享单车，你确实看明白了，你就应该早进，不应该晚进，晚进太贵了，不知未来怎么退。行业研究的主要任务就是了解行业发展周期及目前所处阶段，判断和预测行业未来发展趋势，发现行业投资价值点，揭示行业投资风险点，投资决策依据。

做人工智能等领域早期投资要亲自做行业研究

做行业研究，实际就是看过去、想现在、谋未来，但对做早期投资而言，要亲自做行业研究。其中有几个问题比较基础。

第一个基础问题是研究行业分类。为什么研究行业分类呢？因为这是判断行业发展阶段和产业链的基础。软件行业已经有了科学的分类，但是关于什么叫人工智能及其分类，很难取得一致意见，还没有形成科学的判断和看法，说明行业发展还在进一步发展中，但是大家形成的一致的看法就是人工在前、智能在后，它要做的是用智能化的方法去解决过去人类所不能做的事。

第二个基础问题是根据分类找相对应的市场参与者或假定的行业标杆。很多人都从二级市场上找，然而包括券商在内的相当一部分机构对新兴行业的分类比较模糊，甚至让人啼笑皆非，所以离不开自己的去粗存精、去伪存真。

很多券商的股票服务软件，都有人工智能概念相应的板块，然而我们看到其中多数股票并不能算是人工智能项目。哪些是真正在做的人工智能公司？我觉得A股中有好多都只是貌似人工智能公司，但科大讯飞等肯定是。真正的人工智能公司，会被二级市场的机构当做价值投资标的重仓。结合行业分类，再推广一下，人工智能和金融的结合或者fintech，到底属于哪一类？其实不用纠结于形式，重点看实质。

第三个基础问题是，从行业发展的历史来看人工智能行业发展到底有没有规律？我认为是有的，人工智能行业的发展建筑在软件、硬件、网络（物联网）等发展和突破的基础上，而这些领域技术的突破和应用推广上的变化，会影响人工智能的发展。硬件领域，我们知道有“摩尔定律”、“超越摩尔定律”，互联网有麦特卡夫法则等，这些细分行业的规律，会在人工智能行业显现不同的作用形式。

如果我们投信息类技术的公司，我觉得很多人要去看看这个行业的历史到底是怎么回事。比如《硅谷之火》、《浪潮之巅》、《谁说大象不能跳舞》、《给职业经理人的一堂课》等等。

对人工智能领域发展的三个判断

第一，最近几年人工智能为什么能发展起来。今天很多的研究机构和很多的科学家、创业家告诉我们，人工智能正在进入发展黄金时期。推手主要是软硬件及网络技术的进步，国际学术界和媒体的炒作，以及部分领军企业的大胆探索。有些公司，像Google、Facebook等，基于自身发展战略的考虑先期进行了大量研究，已经率先用事实教育了大众和投资人、学术界。例如李世石和AlphaGo大战、AlphaGo和柯洁的大战、无人驾驶车和精确制导武器等等。

从过去来看，人工智能有三起三落，为什么起，为什么落？因为硬件、软件、互联网等相关行业的发展没有达到一定火候，它赖以生存发展的柱子没有夯实。好比八个人抬着一顶轿子，走得平稳需要每个轿夫的平稳表现，突然有一个人一脚踩空则轿子不平稳是必然的。我们看到，近年来上游硬件、中游软件、下游行业应用，都蕴含着重大突破、全面突破。

第二，现在看到的所有的人工智能公司，C2C的相对较少，B2B的多，不是偶然的。例如在国内，不管是格灵深瞳还是face++，还是地平线机器人等热门创业公司，都代表的是B2B业务的相对多且受追捧。

为什么B2B的多呢？因为C端的需求不太好开发，目前最终的客户绝大多数都是工业级或者是B端的客户，所以只能是B2B。由此去供应产品或做解决方案，就没有那么容易，打进去比较难，赚钱就要一个单位一个单位的去攻，可复制性就相对就差，造成创业公司的供应链、资金流就比较紧张，就要认真的打磨产品做到“一剑封喉”，而不能寄希望于像以往对C端先解决一个问题再去迭代。

这些公司都需要足够的资金做支撑，再也不可能是先融个几百万解决前期问题、小步快跑融资了。因此我们看到这个领域出现的所谓“独角兽”不少，其实不是因为商业模式得到验证，而是因为研发投入空前增加、发展周期拉长，所以融资多。而估值，也就出现传说中的按博士人头数来计价估值。

第三，未来这个行业大概会怎么演变？我觉得还是需要硬件、软件和互联网（物联网）等的进一步发展，它们之间互为驱动。其实硬件、软件、物联网也好，还有大数据科学之类的，都跟人工智能密切相关的。人工智能发展史上有起落，近年来的大发展，如果没有这些年硬件、软件、物联网、大数据的蓬勃发展，是不可能的。

现在我们判断，投人工智能概念或者是相关服务的公司，这一波行情到底能走多远，就至少要看硬件、软件和物联网行业发展怎么样，看一看大数据行业的发展趋势。所幸这些行业近年来发展都非常迅猛，发展速度在国民经济各行业中是居于前列的，所以我们去投这些行业，有较大可能是能跑赢国民经济所有行业的。

你如果有10块钱，你想做资产配置的话，绝大多数应该投在这几个相关行业，而不是其他行业。这几个行业相对于其他行业，我认为继续培养和造就更多的伟大的公司以及百万富翁群体的可能更多。

假设你是个私募股权投资基金的基金管理人，你募来了10块钱，需要做行业风险规避，怎么在行业之间进行分配？8块钱左右投物联网、大数据、人工智能等，2块钱左右投医药，这个我认为是可以的。你倒过来说8块钱投医药，2块钱投别的，请你想一个问题，最近几十年来造富现象在哪个行业相对最多？是IT行业。这个行业几乎就是这样一个循环：硬件（例如芯片）创业者想赚钱，推动技术成果转化，资本助力一推，所以硬件越来越快，更快、更薄、运算能力更强。硬件一快，在具体应用上软件和网络就有发展空间了，打游戏快一点，看图片快一点，处理起来更并行一些，所以软件和网络技术也突飞猛进。造就出一批人，寻求颠覆软件的算法或者是软件的应用模式。软件的品类和产品如雨后春笋一般，都来抢运算能力所能支持的有限的地盘，用不了多久硬件所代表的计算能力又不行了，又寻求新的硬件技术的突破。所以，我们看到软件和硬件及网络之间，存在着相互驱动的现象。

人工智能领域早期投资的逻辑主线

有两条大的投资逻辑。一是追随新旧技术的S曲线，找切入点，尤其是投通用技术。二是研究上市公司或大的公司的短板，找出它们要去收购或者是要投的，跟它错位。具体而言：

第一，关于硬件投资。硬件投资几乎等同于投半导体芯片，存在技术路线和周期性风险的问题。我主张要么不投，要投就要采用对冲策略，把相关可能的技术路线都投了。

目前我们还很难判断，英伟达、高通、Facebook、IBM、INTEL、谷歌这些公司当中的一个或哪几个会形成最主要的技术路线，所以想要投国内硬件方面的公司的话，就可能面临技术研发上的预判和站队问题。

从技术路线上讲，CPU、GPU、FPGA，还包括所谓的 BPU和TPU，它们是涌现出来的软件运算的土壤，由此设计、封装和检测等会有一些投资机会，二次开发也能存在不少投资机会。

第二，关于软件投资。传统的软件投资机会乏善可陈，但人工智能相关的软件技术，有一些机会。比如搜索技术、机器学习、专家系统、自然语言理解和推理技术这五个领域。下一步人工智能从软件技术上讲，重点突破可能来自于模糊信息的处理、并行化处理、神经网络和机器情感。

现在有人主张重点投算法的突破，我觉得不能仅仅投算法突破的公司，因为这个领域最终可能开源是主流，仅有算法突破而没有行业场景应用作检验或形成壁垒的公司，很难长久。

第三，关于应用场景。一是重点看金融，比如智能基金、基金量化交易、智能投顾，二是人工智能+交通，比如无人驾驶、高精度地图、激光雷达等发展的必经技术环节。三是安防，比如机器人、面部识别、虚拟个人助手（PDA）。四是军事，目前已有局部应用，例如制导武器、无人飞行器和网络攻防等。五是医疗，目前主要是医疗诊断、健康管理和新药研发。