中山大学计算机科学学士，约翰霍普金斯大学计算机硕士，芝加哥大学布斯商学院MBA。主导和参与投资了力美广告、一起写、GraphSQL、数人科技、云英、PingCAP等项目；加入云启前曾在谷歌纽约和上海办公室5年，领导开发了数个个性化搜索和展示广告项目；后任力美告任首席技术官，推出中国首个专业移动DSP产品。2016年度最受欢迎菁英投资人（华兴资本）。

感谢51CTO给我这个机会和大家分享一下投资方面的心得。在转型投资之前，我也是一个技术男，最早我在Google工作，后来回国以后我参加了一个创业，是做移动广告的公司，一直从它的最早建立到新三板上市，中间我以创业者的身份也和很多顶尖机构接触过，比如IDG，也有接触其他外部投资人，像红杉这样的。当时我作为创业者非常纳闷，为什么一个投资人和我聊四五十分钟，他就可以快速做出判断呢?这个问题的答案直到我自己做了投资人以后才知道，其实投资人也是有套路的，他自己会有一套框架去衡量你的公司怎么样，你的团队怎么样，你的技术怎么样，通过简单的40到60分钟聊天和框架结构，就会得出一个判断。下面我利用半小时和大家分享一下到底投资人是怎么投资一个项目的，特别是人工智能项目。

首先，我先介绍一下我所在的机构，我们是云启资本，还算是一个比较年轻的VC基金，我们专注于早期投资，我们成立于2014年7月，到现在刚好三年。目前，我们管理了两支美元基金和两支人民币基金，资金合计大概是20多个亿。我们和很多基金不太一样的地方是我们比较专注于新技术投资，比如说像云计算、大数据、人工智能，为什么会这样?

我们觉得在未来十年里面，技术会是人类社会的一个推动。所以这一波技术大牛就好像之前的互联网或者五年前移动互联网的机会一样，谁能在大趋势里面抓住好的投资机会的话，作为投资人就会变得比较成功。我们看看我们三个主要的投资领域，云计算、大数据和人工智能，这三个领域也是高度关联的，云计算、大数据领域支撑深度学习的内容，只有这些基础设施完善以后你才会说上层的人工智能应用蓬勃发展起来。

所以，我们的投资思路也是自上而下，我们前两年获得了云计算、大数据项目，大家可能听过，像云音，分布式数据库，都是我们投资的。当基础设施完善以后，人工智能的应用就有一个兴起的条件，所以我们现在主要聚焦在人工智能应用，特别是后面我会讲到人工智能在某些行业，比如说新零售、医疗、无人驾驶等这几方面的应用。

投资首先要回答一个问题，为什么是现在，为什么我现在去投资人工智能?实际上是有三个大的因素包括在里面，首先是技术上已经完备了，我们可以看到在过去十年里面，学术界、工业界也好，投入了大量人力、物力去研究深度学习算法，GPU特别适合于做矩阵和下面的运算，它大大提高了机器学习训练的效率，还有数据方面，我们现在有很多的途径去收集数据。

我不知道大家有没有听过一家公司，小米投资的，如果我训练这个模型需要一些特定标注好的图像和数据的话，我可以简单的在网上拿到这些数据。因为这些技术上的完备使得人工智能蓬勃发展起来。其次在中国做事情大家都知道，必须要紧盯着国家的政策，国家在人工智能上面的反应是特别快的。

如果大家关注了昨天的今日头条的话，你会知道，国务院印发了新一代人工智能发展规划，非常详细的描述了整个国家对于人工智能的看法，相关的政策以及他需要达到一个什么样的目标。这个反映是比我们任何人的想象都来的快，就像以前物联网也好，互联网也好，从技术的出现发展到国家政策的推出，大概都经历了十年以上的时间。像这次人工智能上面，国家的反应尤其迅速，只是火了三四年，国家的配套政策就已经出来了，这对于所有人工智能公司来说是一大福音。

你想想这会影响什么，比如你公司成长过程中，如果说国家认定你是一个种子行业的话，相应的政府引导基金以及其他投资机构会把资金导向国家支持的产业上面来，你的融资就会变得更加容易。到你上市的时候，通过证监会审核的时候，如果你是国家重点行业的话，你会得到更高的过会率。所以这个时候，国家选择对人工智能支持的政策，是对创业者的一个福音。

正因为刚才说的一些宏观因素，全球范围来看AI也是非常蓬勃的发展。据预测，全球到2025年，人工智能市场规模会有600亿美元，国家发布的白皮书和我的预测比较接近，但中国直接人工智能产业国家目标是达到1万亿，如果算上周边产业的话，这个数字还要上升好几倍，资本也是逐利的，知道市场在哪里，我的资金导向就在哪里。

2011年，基本上只有几十家机构关注人工智能领域，每年项目投资也就是几十笔，到了去年这个数字已经上升到700家机构以及每年5000笔交易。我相信这个数字是不完全统计，实际这个数字可能更多，这是全球数字;在中国的数字，我们现在每年投在人工智能上面的交易数大概有1000到2000笔。我们知道为什么VC选择AI这个行业，选择了行业，第二个VC肯定会选择AI里面的细分赛道投资，为什么选择这个细分赛道呢?

其实选择的标准很简单，第一个市场大，我希望有一个千万亿级的市场规模，只要有这个市场规模，这里面无论你怎么投资，都能出几十家独角兽出来;另外AI最后还是要有一个好的落脚点，最好这个落脚点是我能够利用我的技术极大的提升行业效率。如果说AI能够对某一个行业有五到八倍的效率改造的话，我们认为这是AI能够落地的行业，我们就会喜欢去投资这个行业。我们经过这两个标准的筛选，我们认为AI在无人驾驶、医疗、安防、人机交互、教育、工业、金融上面都有很多机会。

举一个例子，像无人驾驶，为什么说它是一个千万亿级的市场，中国去年的乘用车单自主品牌出货量就是一千万台，再加上其他的进口车，我们按照每台车单价10万，乘上就是一万亿的市场。当以后无人驾驶普及后，我们相信这些传感器和软件系统以及电脑的成本，大概会占到整车成本的10%到20%，这么一乘下来，直接的市场达到数千亿之巨，这只是车的制造带来的市场。我们还要考验它的周边产业，比如说给无人车用的高精地图采集。另外一种衍生出来的商业模式，比如无人驾驶版的滴滴，把这些都算上的话，这是数千亿，甚至上万亿的市场，所以我们特别喜欢投资这种行业。

另外是项目提升，我们拿医疗作为一个例子。我之前聊到一个项目，它是通过深度学习，对病人的脑部CT片、扫描片做出一个读取并判断，辅助医生做出决定说这个病人是否得了非常严重的脑外伤或者中风，他是否应该开刀。这为什么是个重要的事情呢?如果说一个重症病人中风以后，首先会被送到急诊室，急诊室通常是全科医生，他需要2分钟才能对这个图片做出判断，而且他的正确率远远不如专科医生，但是你抢救病人的时间可能只有10分钟;用了电脑以后，我能够用短短的2秒钟时间就能达到一个专科医生水平，而且准确率和专科医生的准确率相仿，这种效率的提升能够给病人带来重大影响。我用了计算机，可能很多病人就不至于瘫痪或者死亡，能够得到更好的救治，所以这种行业里面我们应用人工智能是非常有价值的。

最后一个是安防，市场又大效率提升又明显的行业，中国每年在公共安全上投入数千亿资金，所以说这是一个特别大的市场。人工智能在里面能起到什么作用呢?比如说在一个公共集会上面，像以前我们要维护一个集会的秩序和安全，我们要派很多人去盯，但是这种人盯的效果未必好。像现在有了深度学习以后，摄像头就会实时采集这里的视频图片，去自动锁定跟踪一些重点对象，这样的话效率就得到了大大的提高，正因为有了这个技术，大家的安全也得到了保障，这是市场又大效率提升又明显的例子。所以，大家选择进入一个行业的时候先问自己这两个问题，我所在的市场是不是千亿级的市场，我用了之后效率是不是成倍的提升，而不是10%到20%的改进，如果只有10%到20%的改进是不值得投资的。

说完宏观，下一个我们会评估这个标的。我们会从几个方面来去评估，包括这里面的产品数据和算法，像产品是toC和toB的判断方法有一定的不同，toC人工智能运用最多是智能家具，智能电器、智能家具这个词已经提了很多年，但是一直却没有真正的在消费者里面得到很大的反响，为什么?这里面是有一个产品设计问题的。

早年，行业从业者认为我给空气净化器也好、空调也好加上联网功能，我这就是智能的。但未必如此，因为远程控制并不是痛点，我不会为了一个联网功能多付钱去买一个所谓智能的产品。真正一个好的产品是真正解决人的痛点，我见到过现在市面上最好的智能电器品类是小米智能电饭煲，它加入了一定的智能控制器，所以说你放不同的米和不同份量的水下去的话，它能够自动侦测出来，用最好的温度曲线去喷热米饭，出来的饭特别好吃，这就解决了痛点。

因为我买电饭煲是为了煮一个好吃的饭，如果我之前没有经验的话煮出来的饭就不好吃，人工智能帮助我解决了这个问题，这是特别好的例子。大家做toC产品的时候一定要想清楚痛点在哪里。toB也是类似的，但toB的痛点往往出在效率上面，就像我刚才所举的例子，你要使得技术应用在产业上面必须要有效率比较好的提升，只有这样的话，你的技术才会产生价值，所以产品是我们特别看重的方面。

有了产品或者有了好的应用场景，接下来要考虑的是另外两个更加技术的问题，一个是数据，一个是算法。数据大家都知道，深度学习特别废数据，怎么样收集数据呢?这是创业者需要去解决、去思考的一个问题。像我们之前也聊了很多医疗类的项目，医疗类项目最大的一个问题在于你很难获得一个数据，为什么呢?因为没有任何一家医院会把数据交给你，你能做的事情需要和这个医院某个科室或者主管信息化的副院长搞好关系，然后拿到图片，但这种图片来源往往有限，这就导致了训练出来的模型效果不是特别好。

另外是标注的一个问题，大家很多时候也忽略数据标注这个问题，像我们知道有些地方会把数据标注外包，但这经常会导致一个问题，我的数据标注出来可能有很多噪音，影响后续模型训练效果。但在国外，大家非常重视数据标注问题，之前Google大脑团队也是在做用机器辅助医疗诊断的项目，博客里面提到这么一句话，他们的训练级数据都是请一组有经验的医生对数据做标注，而且他们采用投票制，比如三个医生，两个认为这是正确的标注，他才会标上去。在中国大家往往不是那么重视，也可能没有花那么大成本在这上面，所以有时候标注的效果差强人意，导致后面我会对你产生怀疑。所以我们在看一个团队的时候，看他怎么去对待数据，往往就是我们对他的一个判断。只有你认真对待数据，有一个非常系统的方式收集数据，去清洗数据、标注数据，并且被模型训练所用，我们才认为你是一个合格的AI团队。

最后是算法，现在算法门槛相对已经比较低了，开源框架都非常普遍，很多学术论文也在讨论各种不同的网络结构可能会对这个系统的影响。但是话又说回来，这些论文是要有人读的，框架还是要有人使用的。在中国人才供给是特别大的问题，每年真正计算机专业学机器学习方向出来的研究生、博士生也就那么几千个几万个，但我这里除了BAT这些大企业以外，我还有成千上万个创业企业，都要争夺这个人才。所以说你怎么构造一个强的算法团队呢?这是每个初创企业需要回答的一个问题。我们总结一下，一个团队你必须要找到一个好的落地场景，有好的产品设计，再加上对大数据认真，搭建好的团队，这样你才能走的更远，才是我们VC想找的团队。

下面相对来说是一些比较虚、比较通用的内容，比如说我们会去评估这个团队的成员是否互补，因为很多时候我们看技术人员出来创业一般来说他在技术方面是有独到之处，但是他往往缺乏的是一个合作伙伴，去帮他搞定商业上的一些东西。而这个伙伴其实是十分重要的，像很多行业，举一个例子，像医疗行业或者教育行业，如果说你没有一个好的伙伴，没有一个好的渠道的话，你做出来的产品再好也是推销不出去的。这个时候你怎么寻找你的搭档，是大家在创业时候需要去想的一个问题。

我们希望看到的是，创始人团队大概会有两到三个，他们中间又有技术能力强的，也有商务能力强的，他们的技术和性格最好能够互补，股权分配合理。我们最不愿意看到的是，比如三个创始人，股权每个人三分之一，为什么不好呢?最后公司还是需要有一个人做决策的，如果没有一个人占大股的话，最后公司出问题就没有人站出来对这件事情负责，这对公司是特别不好的地方。

另外很重要的一点，三个人虽然他们的背景和经历都是不同的，但是他们必须要有一个共同的价值观，没有共同的价值观是很难在创业过程中坚持下去。这是老生常谈了，另外一个是商业能力，像现在普遍碰到的一个问题是AI公司的估值都特别高，但是一谈商业模式，一谈收入的话，大家就像一个瘪了气的气球一样，完全没有信心，为什么会这样?现在很多时候，虽然大家能够找出AI的热应用场景，但很多时候没有想清楚，我怎么去做商业变现，这个问题不单是创业者的困惑，其实对投资人来说也是挺困惑的。就像现在的明星企业也好，你会发现，他也没有找到特别好的能够产生规模收入和变现的方式，到底最后这个方式会是怎么样的，这个问题我现在没办法回答，但也是我希望能够和创业者共同探讨的一个问题。

创业公司在创业的时候很难避免会和大公司去竞争，在这个时候大家的定位一定要做好。你要搞清楚你是什么样的公司，创业公司不要一上来就说我就是要做一个大平台，大平台也好，生态环境也好，这不是你创业初期应该考虑的问题，这是BAT或者说晚期创业公司，比如今日头条这样的公司考虑的问题。一开始我认为创业公司就应该扎扎实实找到一个小的应用场景，我用技术把这个场景里面的一个痛点问题给解决掉，然后你再慢慢的去拓展你的领域，直至你的公司慢慢的成长起来，最后能够变成另外一个大公司，在这个时候你再考虑构造什么开放平台也好，去构造一个生态环境也好。

另外一点，有一种创业公司，他是尝试去解决基础设施的问题，但是这种公司，我是觉得大家应该慎行。像地平线，像深圳科技这种，它是尝试去做AI的芯片，这种产品往往投入巨大，而且即使你做出来，你要面临着来自于大公司，像这些云厂商的竞争，因为像这种情况下，大家都进入这个方向要考虑清楚，如果说你没有足够强的技术能力，你没有足够强的融资能力的话，还是不要进入这种投资会比较巨大的基础设施行业。

最后说一点，成功的创业是在对的时机做对的事情。举个例子，像教育，AI+教育现在比较火的一个是我怎么用机器对我的考卷做批改，这个产品很多年前已经在美国流行了，在中国最近变得普及起来也是因为政策的驱动，就像说2020年英语口语会列入中考，会采用大数据、人工智能的方式去评分，国家这么做的一个原因也很简单。第一个，机器是比较擅长于做这样的事情，第二个，机器能够保证公平性。正是因为有这个国家的大环境，政策驱动因素在，所以这方面的创业变得可行起来，所以大家在创业的时候也要想一下，问一下自己，到底为什么我现在做这件事情时机是对的，为什么我早一年不能做，或者我晚一年进入市场就晚了。所以这是大家去思考的几个问题。

最后我分享几个我们投资的案例，也算是对我前面讲的投资框架的总结。第一个是我们最近在硅谷投的一个无人驾驶团队，他们三个都是百度研究院出来的，这是一个市场巨大的产品，无人驾驶市场是数千亿级别的市场，是每个投资机构必须布局的地方。这个行业进入门槛相对比较高，你之前必须真真正正在Google、百度、特斯拉实践过无人驾驶的团队出来的，你看过这些解决方案，站在巨人的肩膀上你才能造更好的新轮子。刚好我们机缘巧合，在一个偶然情形下碰到这么一个团队，并且完成了一个投资，他们现在的进展蛮好，他们的无人驾驶汽车会在12月份上路。

第二个是机器人的例子，这个公司做的是机器人劳动输出公司，我们为什么选择这个行业，这个行业和劳动力行业是等价的，人做的事情如果最终都是人做的话，这两个行业价值是可以类比的，这也是巨大的市场。为什么是现在做，有两个因素在里边。第一个是中国劳动力成本在不断上扬，这是因为中国慢慢进入老龄化社会，劳动力供给在不断下降，再加上通货膨胀和其他经济因素，所以劳动力成本不断上扬;机器人制造成本方面，机器人现在的核心零部件和传感器成本很多，但质量却上去了，所以现在就意味着我们可以用更便宜的价钱造出可以和人相仿的机器人，这就是说我们去投资这个行业的先决条件。

这个公司具体做什么东西呢?一个通用的室内服务机器人底盘，这个底盘在室内自主行动，上面搭载不同的身体，就能够完成不同的工作。比如说送菜，比如室内导航、安防等，这都是常见的应用。所以我们看中这个团队，第一个这个团队特别扎实，第二个他们做出来的机器人成本特别低，现在催生了一个新的模式，机器人不卖了，99块钱租给别人一天，客户是非常愿意接受的。因为现在你请一个送菜的传菜员，工资2500到3000，还有社保以及其他相应待遇，用工成本远高于机器人，而且机器人任劳任怨，一天可以工作24小时，节假日不请假，所以从任何一个角度看，机器人都是对人很好的替代。最后人都被机器人替代了怎么办?这个问题就像我们小时候是以天空做纸，以后我们难道不能解放人出来变成三天工作制、四天工作制，人花更多时间去娱乐吗?我相信这个答案是肯定的。

还有一个机器人公司，它在硅谷，我想着重说的是它的商业模式，它的商业模式是做外卖计费，在美国送外卖成本大概是5美元，远高于中国现在的快递成本，他们就用机器人替代，降低成本。我们这个团队有MIT两个博士做的机器人可以让这个成本变成一到两美元，这就极大降低了成本，也是催生了一个新的商业模式，和中国的达达、同城快递公司类似，只不过在中国可以用人加电瓶车，在美国可以用低速的室外无人驾驶机器人去完成工作。

最后分享一个蛮有趣的给消费者用的东西，它实际上是个智能硬件。这里有很多人有小孩，有很多人小孩去学钢琴，但很多时候家长在陪练的时候有困扰，我又不懂钢琴怎么知道小孩弹的音是正确的，以前这个问题是无解的。现在我们投资的一家公司有个巧妙的设计方案，他在钢琴和电子琴上面装了一个摄像头，他会实时通过键盘上面的视频，分析这个小孩弹的音是否准确，指法是否正确，通过小孩的面部表情可以看出他是否专注看钢琴谱，有了这些技术的辅助手段就会让这个钢琴陪练变得更加简单起来。以后，我们希望它上量以后，我们还可以再去切入钢琴的在线教育，通过切入在线教育以后，商业模式这条路就打通了，它就能够做一家能够规模化营利的公司，不仅仅是智能硬件的公司。所以这是我们的一些考虑。

谢谢大家的时间，我今天的分享就到这里，谢谢。