1.4 人工智能投資，這樣搞更靠譜
我們基金的名字叫翊翎資本，從2016年2月開始，翊翎資本著手在人工智能領域進行布局。以下是我個人在人工智能領域投資過程中的一些心得。
算法、數據、算力：人工智能的“三駕馬車”
追根溯源，數據是人工智能的基礎。
早期，人類經歷了對數據的采集、清洗、標記、存儲、計算，經歷了大數據的代際更替。通過數據，人類能知曉過去發生了什么，還能知曉發生的原因。
借助于人工智能對數據的增力作用，人類又能知曉未來會發生什么，還能對未來做自動優化。
從最早的“基礎+激活”到“分析+人工決策”，未來的自動決策、自動控制將是個更重要的過程。統觀整個人工智能發展史，現在是非常重要的時間點，我們要清醒地識別出一個發展的邊界，判斷其屬于過去還是未來，同時也應該在這個邊界線的附近尋找更多機會。
人工智能有三個支撐基礎：算法、數據和算力。其中，算法是核心。
我們見過很多所謂的黑科技。為什么叫黑科技？因為它跟當下的科技水平保持了一定的距離。但黑科技如果距離當下過遠，往往可能是跨過了科技樹一定的發展過程，跟產業沒有融合，這就會產生大問題，比如說不能產生有效數據，技術開發者不能進行有效判斷。
把數據用來訓練算法，我們通常把這個訓練過程叫“喂數據”，把數據叫“奶媽”。沒有數據，再好的算法也很難進行有效升級。在過去幾年中，我們特別幸福地經歷了大數據時代。現在的時代特征是，各個行業大量數據沉淀積累，數據開始與科技產生碰撞。過去我們不遺余力、不擇手段地去獲取數據，而現在在數據紅利期，數據量極大豐富，精度極大提高，這是大數據時代給我們打下的一個好的基礎。
目前的算力大小是基于GPU的計算效率。與傳統中央處理器（Central Processing Unit, CPU）時代相比，GPU在速度上有了大幅提升，以前算一個東西需要2～3年，迭代效率太低。GPU出現之后，像亞馬遜這類公司便開始提供硬件工廠，讓大家通過租用方式去構建集群，節省了人力和硬件成本。算力提速，人工智能的產出就刺激了很多商業領域進行革新，這些革新反過來又會驅動數據和算法的持續提升。
算法、數據、算力相互促進，它們所帶來的紅利現在來看還不是很明顯。2016年Facebook、Google一起將這些東西以開源方式奉獻給社會，降低了人工智能行業的進入門檻。
如何尋找人工智能產業鏈的投資邏輯
如何投資人工智能項目？翊翎資本總結出了一個棱鏡法則。
棱鏡法則涉及光的色散原理。透過一個形狀為等邊三角形的玻璃棱鏡，白色的光從左側照進來，通過兩次折射產生光譜。這個折射過程很好地透視了翊翎資本的一種投資邏輯，有助于翊翎資本較為容易地剝開算法、科學、技術、產品的外衣，看到人工智能產業鏈的投資邏輯。
從春運看碎片化數據的價值
人工智能發揮價值過程中的第一個推進器叫數據增益。人工智能僅用于有數據的行業。這個行業積累的數據是否全面？精度是否夠高？是否愿意拿出來被用？這幾點是我們判斷人工智能產品能否有效果的第一個推進器。
現在是一個大數據極大豐富的年代，“極大豐富”說的不是量，而是利用率，這是數據本身的核心之一。很多業務場景都是基于現有數據去構建上游業務場景，上游業務場景引發新數據的產生。
我們發現，數據孤島化和碎片化的情況越來越嚴重，一家大廠商去融合各種各樣數據的可能性太低。公司自己有數據，不會給別人，而且有的數據越多，越不會給別人。
數據碎片化過程中有很多機會，也有很多商業領域的正向循環，這是翊翎資本最為關注的事情。能否在所投的大數據公司乃至整個數據產業鏈條里找到現有數據對于人工智能技術有增益的方向，這個對翊翎資本來說很重要。
春運是全國性的大難題，春運的本質問題不在于我們怎么去優化運輸環節，而在于運力不足，解決這個問題需要修建更多軌道、投放更多火車，但在非繁忙的閑置時間內，這些投入又造成了很大的浪費。
還有個問題是，春運系統越優化，春運就越擁堵。為什么？因為大家24小時不停地往回趕，每個人都想回家，這些底層的訴求都不會因為技術和數據的變化而變化，這就是這個問題的核心邏輯。
所以有時候，那些所謂“極大豐富”的客流數據在春運領域里作用真不大。但這些數據放到地方是有用的。比如山東這樣的省份，一個城市里高達11.7%的人口都在外地務工，為了應對這些人在春節集中返鄉，對這些地區水電使用量等數據的早期預測很重要。也就是說，春運數據用在其他領域反而是合適的。
但春運數據怎么公開？這個事就變得非常矛盾，理論上春運數據是公開不了的，這關系到隱私問題。現在中國數據開放程度在全球排名很靠后，排到八九十位。數據的開放程度與對個人隱私的尊重成正比。只有保護隱私才能夠去開放，這一點從側面說明了數據碎片化一定會越來越嚴重。
場景增益要做頂層機構調整
人工智能發揮價值過程中的第二個推進器叫場景增益。移動互聯網領域有著嚴重的To C邏輯，而To C消費類互聯網服務講究沉浸感，大家絞盡腦汁為了增強用戶體驗而完善產品，比如幫助用戶查詢時間縮減一秒，幫助用戶在使用App時少翻頁、少點擊，獲取更準確的結果。這些都是產品的提升，但人工智能正處于嬰兒階段，現在就進入商業環境，對場景的增益有多強？這個問題值得認真思考。
場景增益決定光譜的價值。
場景落地的時候，企業端看的是投入產出比。企業投入極低價格幫自己解決一部分問題，對企業來講就是個極大效益。所以到了場景增益的時候，我們要做的是頂層結構的調整，這個頂層結構的調整從兩邊來看，一邊是做人工智能的公司，另一邊是應用人工智能的公司。
早期人工智能公司都是To B的增益，投資者一定要去理解產業上的一些問題，知道產業癥結在哪，進去之后才能夠對這件事有極大增益作用，才能拿到數據，持續在上面做學習和改進。
人工智能應用型公司也是一個投資方向，看哪些產品可以去附著到人工智能上來變成增益。在這個過程中我們需要不斷切換，從一級市場、二級市場、一級半市場三個部分的切換中看這件事，不同事情在不同市場下一定是不同的。
一級市場和二級市場的收益差在逐漸降低，根據我個人估計，這個數據一旦加速，迭代周期就會縮短。所以在這個時候公司要找到需求側的投資，因為它會在場景落地時產生極大的項目價值。
無人駕駛：換一種思路
我們在投資一些人工智能類、技術類公司時，一定要看到它在商業上的一些思考和方式。這里舉一個相對比較集中的例子——無人車自動駕駛。
從傳統意義上來講，我們對于無人車的認知已經不再僅限于它怎么躲避障礙物，怎么躲避行人，遇到緊急情況時怎么保證駕駛人和行人安全。現代自動駕駛里技術應用最成熟的公司是優步（Uber），它2016年收購了一家公司叫OTTO，專門研究貨車的無人駕駛。他們的思路是要把無人駕駛變成火車：前邊一個駕駛員開車，后邊八輛無人駕駛大卡車全都跟著，這也是為什么現在大家都說這家無人駕駛公司做的技術叫跟隨式技術，這種技術研究的根本不是自動駕駛，而是跟隨。
跟隨其實是沒有錯的，這就是頂層結構性調整推動事物回到底層做重新認知，再把它推到商業環境中來的過程，即底層結構的更改。
我們研究自動駕駛，如果都考慮讓它像人一樣學駕駛，是一種思路，但這種東西的研究可能會非常非常的慢。在實際應用過程中，落地場景會遇到各種障礙。做無人車很難，但是做火車就簡單多了，鋪一條軌道就可以。
傳統人類駕駛用的是地圖，無人駕駛項目的核心投資點也應該在地圖上。這種技術在國內被稱為高精地圖，在國外叫Mapping。Mapping的制圖技術更重要一些，因為無人車駕駛技術的研發就是基于軌道的方式來思考。
技術服務化，服務商品化，服務組合共振化
現在很多大公司都在把人工智能服務化，比如百度就把很多關于圖片鑒黃、語音識別、自然源處理等技術以API的方式開放，任何人只要會寫幾行代碼就可以調用。在這個代際更替的過程中，慢慢會出現技術服務化、服務商品化和服務組合共振化的現象。比如現在很多公眾號都變成機器人，用戶可以通過語音形式跟服務號說打車，那么當他按住語音鍵說“我要打輛車去東直門”時，后臺要經歷哪些過程呢？第一層叫語音識別，后臺要把語音識別成文本。
第二層是自然源處理的過程，通過理解這個語言，來判斷出打車要從當前位置到東直門的這件事。
第三層是要跟用戶做更多交互，比如是否要通過技術化手段自動叫輛滴滴專車過來，然后告訴用戶車來了。
當下的市場環境推動了越來越多的人在人工智能領域創業，所涉及的領域也越來越細分，創業者在人工智能應用方面既可以只選一家，又可以選擇多家，組合出一套解決方案，通過組合來解決用戶端（C端）消費者的需求。
底層數據不共享，前端入口不開放，中間層協同效應很重要
百度不可能開放底層數據出來給任何人用，騰訊也是如此。現在騰訊拿著微信架在大家前邊，這是在上一代社交網絡的浪潮里大家就明白的事：做C端產品一定要往前做，更靠近用戶端。
跑在所有人的產品前面，這是在做To C類產品相對比較重要的法則之一。已經把C端用戶牢牢抓住的人，也不會將前端入口開放出來。我們看微信這幾年產品變化的節奏，也能清晰認識到這一點。
在協同效應過程中，翊翎資本能夠把數據從其他地方匯總過來，利用技術的方式去不斷產品化，利用不同產品組合，變成一個解決方案，然后再打向用戶。所以我認為在這個中間的過程中存在一個比較大的投資空間。
“云”引入的平臺機會
聚合人工智能服務的平臺很有可能出現有價值的投資標的。
首先，這類平臺能夠更方便地讓應用層把更多人工智能技術服務以更低成本匯總過來。
做過企業的人都知道，企業做大了之后，最關心的是對于復雜度的控制，而復雜度不會平白無故地降低，只能把全部精力都放在“有效地控制復雜度快速增長”這一點上面。各種人工智能和數據的引入有助于提升企業內部服務，但成本非常高。而聚合人工智能服務的平臺可以讓企業以更低成本快速嫁接人工智能服務，應用到企業的落地產品中來。
其次，這類平臺給了企業一個選擇，讓企業數據可以更方便地在云與云之間遷移。這些都是未來人工智能服務不斷向密集化、碎片化方向發展過程中出現的平臺機會。
這類平臺可能跟人工智能關系不大，跟數據關系也不大，它是一個綜合體。
這是翊翎資本認為的另一個投資方向：在投資過程中找到這個中間層的空間，在這個空間層里邊去找每一類企業。
SoC：算力前置帶來的投資機會
過去這些年，看來看去，大疆無人機也好，機器人也好，都有很硬的應用場景，SoC是這個窄小領域里邊很重要的一點。所謂SoC，可以理解為具有計算能力的芯片。
舉個例子，翊翎資本投資的公司里有一家是基于人臉識別的技術做會員信息采集，客戶一進到房間里，藥房助理通過人臉識別，就可以完全知道客戶信息。
這樣的場景用起來會有一個問題：企業所使用的人臉識別技術來自于第三方公司，第三方公司在云端，通過攝像頭采集完數據要回到云端，云端再把計算結果回過來，這就導致至少一兩秒的時間延遲。還有個問題是：同樣一個客戶，如果在攝像頭前面反復出現十次，企業就必須要為這十次遠程服務的調用付出成本，因為攝像頭沒有任何計算能力，每次都要跑到云端計算，這是一個很大的資源浪費。
后來技術方就拿一塊價值一千多塊錢的平板電腦，在里面寫一個程序，將其架在攝像頭后邊，才算把這個問題解決了。但如果給攝像頭安一個芯片，五六塊錢就可以解決，芯片還能做計算加速，我們將其叫作算力前置。
新交互可能是最大的投資機會
《三體》里邊有個很著名的法則叫“黑暗森林”。黑暗森林法則認為，稀缺資源是安全的，不要暴露給別人。在新的人工智能代際里，我個人認為新交互是稀缺資源。2016年，微軟、Facebook、谷歌、蘋果都對這類交互類平臺做了投資布局。
我們經歷了人跟PC的交互，后來變成人跟移動設備的交互，未來我們將通過屏幕去進行交互。新的交互方式沒有明確界面，張嘴開聊就能解決問題，而解決問題的通道和能夠解決問題的能力是兩回事。比如說我們現在在辦公室里放套音響，它能在后臺幫我們打車、訂酒店、訂機票，但是它接觸的可能是不同服務商。所以這個音響是個入口，功能的實現由多種服務組合而成，前邊的入口為后邊導流，自己能做就做，不能做就給別人，以共贏方式去打造一個比較密集的服務矩陣。
Facebook也在嘗試去開放廣告的接口SDK等，現在這些方式沒有一個明確的產品場景，無法讓人直接看懂，但對于早期投資方來說，這個交互有可能是最大的機會。
范維肖 翊翎資本合伙人。擁有十余年互聯網研發經驗，前微軟最有價值專家，曾任中國移動飛信SNS業務的首席架構師。曾作為co-founder & CTO先后打造“你聽音樂”“節操精選”、數字音樂版權交易云“DMC”等項目。