專訪聯想之星 · 高天垚： 八年投資技術領域，我判斷AI未來五年會迎來大爆發

無可否認人工智慧已經成為熱門賽道，技術的突破，到底能帶來怎樣的巨變？眾說紛紜。另外，行業對人工智慧盈利的點也不夠明晰，也是事實。這期投投為你分享的是專業投技術領域的投資人高天垚，他說人工智慧是工具包，可以滲透到任何一個行業。如何破局？他有話說。

做技術類投資要具備的能力

我在這行做了七八年，一直聚焦在高科技與先進技術領域，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。後期，投資做的是減法，以風險防範為主要考量，各種業務和財務模型測算的本質都是在推演不同風險條件下的預期表現；早期，投資做的是加法，以價值挖掘為主要考量。早期項目投資領域對投資人的要求是較高的，特別是技術領域。

做技術類投資，需要三方面的能力：第一，底層技術解析的能力。把技術的本質講明白是最基本的要求；第二，敏感度。早期創業者往往會需要投資人的幫助，比如在業務發展方向上的判斷，這就要求投資人對行業了解的同時對新技術的應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領域的人才。

人工智慧遠沒到收穫期

原來O2O，很熱，幹什麼的都往O2O上靠，可現在這類項目基本沒有了。現在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在投資領域是冷門方向，後來主流基金逐漸會有投資人專門負責這個方向，到現在大多數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已經從一個專業領域上升到社會大眾討論層面，前不久國務院頒發了《新一代人工智慧發展規劃》，讓AI又上升到了國策的高度，這些讓人們對AI的預期到達了頂點。

但事實上，AI遠沒到收穫期。最近我們聯想之星對接觸過的AI項目做了復盤，樣本大概在200多個，基本包括了市場比較知名的AI初創項目（不包括BAT，科大訊飛等巨頭公司），發現了很有意思的數據。比如：在2011年以前成立的AI項目僅佔4%的比例，大多數AI公司成立於2013年以後。有明確行業屬性的AI項目，最多的是金融和自動駕駛，佔比分別為15%和13%，有超過四成的AI項目行業屬性並不明晰。

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項目佔比超過八成。這些數據非常直觀，也印證了我的想法，AI的發展並沒有到收穫期。

為什麼會是這樣一個結果？在我看來，AI本身並不是一個行業，它像一個工具包。這裡面會有幾個工具，比如CV、NLP、機器人技術等，哪個行業需要就應用到哪個行業里去。

AI的發展會驅動行業變革，每個行業有自己的發展邏輯與節奏，不能一概而論。有些項目為了AI而AI，但這並不是行業當前所最需要的，這個時候是不是AI項目並不重要，解決問題才是本質。

為什麼還要投資AI？不可否認，「出乎意料」的技術變革，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，但我認為對技術類創業者本身來說絕對是件好事，甚至可以說技術類創業的春天已經到來。

幾年前一個科研機構出身的理科或工科背景的團隊是基本拿不到天使投資的，但現在即使是天使融資階段，技術領域的創業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，前沿技術領域我們看好的4個方向：

1.深度學習

基於多層或深層神經網路的機器學習技術某種程度上可以說是這一波AI發展的驅動所在，代表著底層技術的突破。從投資層面有兩層考量，一方面是技術或演算法本身會不斷迭代和突破，另一方面是如何更好的應用深度學習仍然存在大量機會。

2.感測設備

有人說語音或視覺是AI時代的入口，我認為感測設備才是AI時代的入口。很多人都說AI發展的三大要素，數據、演算法和計算能力，其實忽略了形成數據前的一個過程，即數據採集。數據的重要性不言而喻，影響數據質量的核心是數據採集。比如無人駕駛、智能安防、無人零售等實現的前提和基礎都在感測設備，所以未來感測設備的量一定很大，並且所收集數據的維度也會不斷豐富。

3.航天軍工

這個領域的投資以前集中在中後期，但目前越來越多的投資發生在早期，聯想之星也系統性布局了這個領域，項目發展效果還是不錯的。

有兩個原因：第一，軍民融合的政策導向在由軍轉民向民參軍發展，技術的趨勢也更多的強調自主可控，大環境對初創公司有利；第二，體制內的人員不再是我們刻板印象中的樣子，也有不少創業者具備了很好的商業敏感度和資源整合能力。

4.AI技術+垂直行業

我們也非常關注AI技術+垂直行業的投資方向，但我們的觀點是對這類項目判斷的落腳點應該在於行業本身而非AI或技術。

長期來看AI類項目發展的核心競爭力我們認為是變現的方式和規模化的路徑，很多AI項目目前仍處在找到自己變現方式的過程中，無論最終是怎樣的，但應該是簡單直接的，如同互聯網的三個變現方式：廣告、電商、遊戲。而AI項目的規模化路徑我們認為會是不同的，路徑不應簡單用ToC 或 ToB來區分，正因為AI是行業的工具包，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。

紮根實驗室發現好項目

截止目前，聯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個領域，包括出行、金融、醫療、安防、教育、消費與服務、IOT、物流、農業、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，和一些學術領域的帶頭人建立了良好的合作關係，比如2010年投資的中科虹霸項目，就源於中科院自動化所模式識別國家重點實驗室。

為什麼要這樣扎到實驗室去？一方面是出於投資打法的考量，另一方面也是我們聯想之星成立的初衷，2008年我們柳總親自設計並設立了聯想之星，當時的目的之一就是幫助中科院做「技術成果的產業化」。隨著我們不斷的發展和壯大，聯想之星的投資業務早已不只聚焦於技術領域，但我們支持技術創業的初心並沒有改變。

這種風格一直延續到今天，比如我們和香港科技大學自動化技術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。

技術本身並沒有捷徑，沒有一定的時間積累肯定是不夠的。這些教授在所在領域都是絕對權威的科學家，他們的項目往往是在實驗室超過10年以上的技術研發和積累。

一個值得研究的現象是，以教授或科學家為主導的創業往往不容易成功，而依託於教授或科學家及其實驗室的學生創業團隊，失敗的概率相對會低。

為什麼呢？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、實幹精神，敢於試錯，在很多項目成立之初就具備國際視野。互聯網的鏈接讓年輕一代人更善於吸收信息、利用資源。因此，教授、實驗室、學生三者結合的組合正在成為一種新的趨勢，教授以顧問或導師的身份給公司或學生以技術支持，學生作為創業主體主導並運營公司，當然也承擔著創業失敗的風險，這種組合是有其一定的合理性的。

記者眼：踏破鐵鞋

前前後後與高天垚溝通過三四次，第一聊完之後忽然發現驚喜，可以拋掉投資邏輯這類的問題，直指人工智慧，完全聚焦在這上面。

他做技術投資夠久，又有不同投資階段的經歷，去談這個事情天時、地利、人和。後來又值機構的復盤，文章里加了復盤的數據，更能直觀看到這個行業的現狀。

《投資人說》的風格是儘可能還原投資人說話的腔調，但操作這篇時我遇到不小的麻煩。專業術語多，如何清晰的表述，是難的。感謝所有接受採訪的耐心的投資人們，忍受我的幾番轟炸。

最近常被問做這行的成就感是什麼，我脫口而出：採訪的時候聊的很好，寫的時候不誤讀。