互联网和移动互联网时代“商业模式创新”带来的投资红利,随着宏观经济环境、金融环境、市场和技术的发展,不再未来。当年的投资成为主流。人工智能技术成为未来8-10年非常好的投资机会。用“遍地黄金”来形容这一领域的投资机会一点也不为过。但是,作为一个关注和实践人工智能投资多年的早期创投人,我发现在人工智能投资的过程中,最困难的甚至不是去判断哪些项目具有投资价值,而是去发现志同道合的投资伙伴。因为有太多在互联网和移动互联网时代有过成功经验的投资人,没有意识到人工智能与互联网、移动互联网的本质区别,以至于还在用互联网的投资思维去评估人工智能项目。得到的结论往往与项目价值不符,会错失良好的投资机会。这篇文章是基于我自己多年早期AI项目(天使轮,A轮)的投资经验和人工智能领域朋友的创业经历。如果按照本文的逻辑进行投资,相信只要运用得当,一定可以投资到年化收益不错、相对安全稳定的项目。但有一点需要说明,如果你想投票给一个具有革命性和划时代意义的人工智能项目,那么请不要参考以下观点。人工智能项目“六投”▌一投:从垂直行业做起,而不是从互联网行业做大项目。想要赢得投资人的青睐,往往需要大而美的故事,讲规模,讲人类社会生活的革命性变化,但AI行业其实最应该做的恰恰相反的时间。你为什么这么说?因为AI不同于互联网。互联网是建立在大量用户已经在线的前提下的。对于大量的用户,很容易找到用户之间的相似性并进行分类。如果找到任何类型的用户,数量都是数千万。数亿人;同时,传统互联网其实需要解决信息不对称这个简单的问题。O2O项目虽然嵌入了一定的生产服务流程,但关注的重点是信息不对称。有了好的创意、技术和工程,上述问题并不难解决。因此,互联网项目容易规模化,规模才有投资价值。人工智能完全不同。它要解决的不是信息不对称的问题,而是对真实环境的感知和决策问题。如果说感知是比较容易的,那我想每个人都有切身体会,做决定和做选择是最难的。然而,目前的人工智能技术水平只能称为“单一问题解决能力”的水平。那么,通用的大型项目往往涉及到多因素的复杂决策,这远远超出了目前人工智能的能力范围,而真正能够落地的专用项目自然不具备“大”的属性”。当然,不能否认一些大型项目,比如基于语音识别、图像识别系列技术的项目,也是应用广泛、用途广泛的。能力需求远超同类规模的互联网项目,因为人工智能与整个服务领域深度融合。如果一个创业团队上来要做改变人类生产生活的大项目,一般来说,这个团队并不具备与大项目相匹配的能力,包括技术、资源、资金、管理能力等。更重要的是,任何一个综合性的大项目规模项目意味着用户期望极高,项目实施难度极高,项目失败概率极高(但如果你确定要投资微软、谷歌等划时代的创意项目,那么你必须为此投票)。比如AI+Fintech,很多人想做智能投顾。其实想做这个的公司很多,甚至还有很多诺贝尔奖获得者。他们都没有成功。简单的话题,比如AI辅助金融监管,利用AI对上市公司零散数据进行结构化,一定比智能投顾的商业模式更接近成功。因为这是一个封闭的单题,适合目前的AI技术水平,适合创业团队的操作。反之,如果一个团队从某个垂直领域做起,就符合早期的团队资源运营能力和人工智能现在的技术水平,因为现在的人工智能真的很弱,最擅长解决的就是batch智能替换重复工作。垂直领域应用最为合适。同时,垂直领域应用一般都是ToB。很容易找到典型的顶级客户和客户的典型刚性需求,这意味着该项目具有很强的实施能力,是一个很好的投资标的。此外,还需要考虑国内特殊的营商环境。垂直领域的项目应用效果往往是立竿见影的。在AI未被客户群体广泛深入认知之前,订单往往在前期以合作项目的形式呈现,而大项目的实施周期和验证周期非常长,甚至可能远长于项目的任期周期该职位的客户主管负责人。如果你是客户leader,有两家之前没有合作过的初创公司,一个在做一个具体的智能项目,一年实施完成,效果立竿见影,投资小;另一个是大型综合智能项目。需要几年时间,效果会更久才能看到,而且投入大。作为领导者,你会选择哪一个?▌二选一:清晰的垂直领域应用场景对于一个AI创业团队来说,找到垂直领域是不够的,还必须有清晰的应用场景。比如大家可以说自己在做一个AR+AI+网格的项目,但是用在什么场景下呢?电网的哪个部门买单?计费部门的支付能力强吗?这是项目最基本的测试。也是投资者判断项目价值的关键。如果有一个非常清晰的场景,比如远程操作指导,比如巡检,明确在什么条件下进行操作指导和巡检,说明创业团队已经在这个领域下过功夫,能够准确把握客户的需求,并形成有效的解决方案,并知道与谁交谈来完成这项业务,以及这项业务对电网来说是否是一项好业务。例如,在收入预期上,为培训部门做项目远不如为生产部门做项目,因为培训部门是成本单位,年度预算有限;而生产部门是盈利单位,只要能省本增效,花钱做AI项目就是赚钱,能花就一定会花。这些都没有明确的应用场景,也没有办法一步一步去提炼,最终判断项目的好坏。再举个例子,目前有很多AI+医学影像项目,但大部分都是为影像科室提供服务。殊不知,这是影像医生的奶酪。如果你用人工智能代替他们的工作,意味着你不需要那么多医生,但放射科仍然是你买单的客户。有谁愿意花钱买断自己?这样的产品一定不好卖。反过来,为医生打造一个AI+医学影像项目,让医生可以快速判断患者的病理风险,无需诉诸影像科室或长时间等待拍片,是否需要进一步到影像科室进行精准拍片诊断。这样一来,买单的内科就有动力了。不会改变影像科室的生活,也可以减少一些不需要拍片的患者的工作量。▌第三次投入:优质头部客户这里的关键在于:垂直领域的应用场景往往差别很大。AI投资看似是一个领域,实际上是横跨社会生产生活几乎所有领域的横向投资。投资者想要成为各个领域的专家是非常不现实的。判断一个项目是否具有投资价值,很大程度上取决于该项目是否拥有足够数量的顶级客户,而客户签约不是简单的小批量实验订单,而是量产订单。比如在整车领域,最好在前装市场下单。如果顶级客户愿意大量下单,说明产品可靠性好,项目有足够的投资价值。再比如,现在很多AI项目听起来应用领域很多,但细细一想,你会发现每个领域可能都签了一两个小订单。客户只是因为各种原因提供了一些实验项目,只是求指点。事实上,这样的秩序不一定是可持续的。它需要对订单服务内容和客户反馈进行深入的尽职调查分析,以确定是否可以在明年转化为量产订单。▌第四票:应用场景够低,你没看错,不是高,而是够低。原因如下:1、越往下的地方,越用重复的人类劳动,解决的问题越简单,越适合人工智能现在的能力。如果一个高端的地方真的需要真正的“创造力、分析能力等智能”,AI根本做不到,或者很多人用不上。如果换成AI,效率提升不会太大。比如游戏设计其实很low。一切都与人力和时间有关。现在用AI做设计,一个团队过去30天可以做的事情,三天就可以完成。你认为客户会付钱吗?他们肯定会付钱的。事实上,本轮AI投资的秘诀在于“降本增效”。低场景从100人减少到1人,减少了巨大的成本。最好雇人。而且,越是低级的场景,在社会上越是普遍。解决一个,就意味着全国乃至全球都存在大量类似的场景,市场空间巨大。场景越高,个性化越强,作为产品未必合适。其实,明白了这个秘密,就不难理解AI项目的技术替代问题了。其实只要你能以极低的成本把100人换成1个人,你就不用担心以后会有什么新技术来换掉你,因为1人换成0人的效果太差了小的。就算对方技术实力再强,又何必这么做?世界上还有无数值得做的事情,需要更换100个人的场景还没有被发现。2.越低的地方,就变成红海。AI一旦用上,就是一片全新的蓝海,其他的未必进来。这里稍微剧透一下我们的投资逻辑。其实我们投资的项目只有两类:管理咨询公司和小家电公司。因为容易投资的AI项目,要么是用AI为B端客户节约成本,提高效率。这是一家管理咨询公司的工作,但我们的人工智能公司有新的人工智能技术工具;对于C端客户的生活,更好的载体是小家电,可能是不起眼的传统家电,比如扫地机器人。添加AI后,它会重生。它比以前好多了。当采用人工智能时,硬件成本将大幅下降(因为廉价的通用传感器和复杂的工程算法可以解决过去昂贵的专用传感器无法处理的事情)。它便宜又好用,一时间把红海变成了蓝海。传统扫地车的厂商其实很难一下子具备AI能力,因为船太难掉头了,没有这个基因;AI厂商想进来做扫地机并不是那么容易,因为有先进的专利壁垒和工程时间差。因为AI的应用迭代没有互联网快,经过几轮软硬件磨合,至少需要半年到一年的时间。有了这个时间,先驱们就会想出新的东西,新的功能。这并不是说金钱可以加速事情的发展。3、低场景更适合初创团队。场景越高,越难解决,越适合已经有足够规模的企业。就像大家都知道的,打鬼子有好武器,直接上正规军是很好的,但问题是没有穷白的,正面战场还不如low-看游击战。▌第五票:强大的工程和服务能力这个问题经常被很多朋友搞糊涂,因为大多数人认为投资人工智能是看技术的,尤其是领先的算法……其实,本轮AI热潮的理论基础理论的问题在2008年左右就被学术界解决了,可以认为大树的枝条已经形成,各种算法不可能都是树枝或者树叶,高质量学术论文支撑的算法也未必实事求是。值,因为学术论文的前提假设可以随意设定,而现实却完全不同。任何没有前提假设的算法都没有价值。既然算法不重要,也就是说现在的AI在实用阶段不存在算法的本质区别。产品与产品的区别主要体现在工程能力上,也就是在实际场景中,各种约束,学术论文无约束风格的问题,变成了一个有大量前提明确的问题。这就是所谓的工程化,不仅包括算法的实际实现能力,还包括项目组如何综合利用各种软硬件资源,构建有效、可靠的产品。这一点很重要,因为产品不是学术研究,必须处理各种真实的不完美。这一定是有多年工程经验(不一定有AI工程经验)的创业团队,因为只有这样的团队才会有足够的敏锐度去预见产品中的陷阱,并尽量避免它们,从而提高投资效率。工程能力在互联网项目中基本上不需要特别考虑,但也有例外,比如摩拜和小黄车的大战。在我看来,除了创始团队因素,小黄车的败北更重要的是工程能力和经验不足,摩拜单车已经清醒地意识到,共享单车作为一个物理设备,一旦投放市场,其稳定性和可靠性是有问题的。很重要。因此,从智能锁的设计到车身的加固等,都远超小黄。车。人工智能的应用要比共享单车复杂得多。从软件到硬件,从环境感知到行为决策,每一步都要考虑复杂的现实、软硬件的健壮性等等。如果创业团队没有丰富的工程能力和经验,就会不断地掉坑里。如果投资者没有工程经验,很难理解工程的重要性,但没关系,人不一定有自己的经验去行动,只要意识到工程的重要性即可。服务能力也是如此。ToB项目一半是产品,一半是服务。通常,一个AI项目在其开发的不同阶段是不同的。借用AI圈知名企业家和思想家鲍杰博士的比喻,AI项目就像毛毛虫,小时候的商业模式是吃树叶,商业模式是变成蝴蝶长大后就是吸花蜜。蝴蝶虽然美丽,但要求毛毛虫吃花蜜是不可能的。一个好的AI项目是在不同商业模式的外在形态之间不断转换的。转型的基础是服务能力,因为只有具备良好的服务能力,才能不断把握客户和潜在客户的新需求。上一代产品是需求的源泉,是下一代产品的垫脚石。服务能力和工程能力一样,是创业团队在之前的人生旅途中获得的。我发现一个很有趣的现象。一个做得好的AI团队,除了拥有AI技术专家外,极有可能拥有一个或多个通信行业的创始合伙人。我觉得主要是这两个行业相似度高,人才的多面性。一是它们都是基于计算机科学和电子科学;行业的发展越来越稳定,很多有能力的人都在寻找新的机会。这就形成了从通信行业到AI行业的过渡。前面说了,AI行业的转型能力很重要,可以从通信行业跨界转型,AI行业内的转型自然很容易,之前的软硬件整合、应用能力、重点客户服务能力都可以完全转移。因此,如果你所面对的AI项目中有靠谱的通信行业创始人,请慎重考虑。(以下内容感谢网友Kevin的贡献和大部分内容。)服务能力之所以重要的另一个原因其实是“CustomerEngagement”(请原谅我使用老东家最爱的英语词汇,因为这个词真的很贴切)。首先,B/G客户最熟悉的是自己的业务,但对于新技术、新理念如何在“合规”的情况下能够带来新的管理价值或成本优势,以及如何合理实施,并不是很清楚.(其实没有AI概念的客户是无法想象AI能为他们做什么的,过去有一种说法是贫穷限制了想象力,其实这种贫穷不仅限于财富,还包括包括知识。)AI团队熟悉技术细节,也会有一些“优秀实践”或“他山玉石”,但很多没有传统行业基因的AI团队其实很难抓住重点,那就是:比自己更熟悉客户,了解目标客户的需求管理状况、问题、问题产生的原因(内部政治因素?技术?或者不知道已经有先进的解决方案)。并且能够结合特定客户、特定问题、特定落地场景,有针对性地为客户提供完整的交钥匙级解决方案。(为什么越来越像通信行业了)而不是一年的PPT,不顾观众的顾虑,不听真正的需求,好像在说:我很熟练,我也有一个某些情况,你自己想办法,看我能做什么,我会为你做。(呵呵,这个风格太像国外公司了)尤其是当这个新技术的引入涉及到管理变革或者流程优化等接近BPR的操作时,为了让新技术的价值最大化,就需要有足够的艺术性、上下文相关性、条理清晰、逻辑严密、足够高层次和通用性,能够清楚地说明程序的应用价值和打动客户的能力。良好的解决方案能力和表达能力有助于赢得一个项目或抓住客户的一个小需求,向客户传达足够的信心和期望,进而以强大的工程服务和交付能力实现AI价值落地与合作。“兑现那些被吹走的人。
