創業者和投資人的關系將發生改變：我們是生意伙伴

劉維

從前幾年的預熱到現在的極熱，這說明AI已經到了轉型的關口。百度風投把AI（人工智能）作為投資主題，我們在這個新舊動能轉換的階段也很困惑，但同時也有一些思考。

AI技術及其簡單的商業化并不是好的投資主題

我們第一個感悟是，AI技術及其簡單的商業化并不是好的投資主題。比如頭像識別、AI芯片技術等，放在10年前可能是好的投資主題，因為當時AI還不熱，大家對AI的認知都很淺。但這個時間節點已經過去了。

這些年做技術投資，很多創業者以“有訂單”作為產品需求的唯一衡量點。有時出現一個創新技術，但其實用戶的痛點并沒有那么深。以火花塞為例，它對于上一代汽車來說是一項非常關鍵的技術，但從歷史節點上看，并不是一個好的投資主題，因為火花塞只是一個單點技術。

首先，一個創業公司要把這項技術做得比大公司好很多，非常難。原因在于，工業化過程中會出現很多問題。要革新這一單點技術，必須讓整個產業鏈協同推動，同時還要考慮如何量產和成本問題。就算創業公司真的做起來，等大公司輕松入場后，最后也只會淪為先烈。

其次，優化后的火花塞無外乎兩種結果：

1、它能很好地在原有發動機上使用，確實提升了效率，有一定競爭力，但也很有可能原來的技術已經基本滿足工業化流程了。這時候你就要問一問，這小小的改進是否是關鍵性的？能否讓甲方付更多的錢？

2、它的確帶來了大改變，但不符合原有設備的條件，這意味著整個汽車產業鏈的上下游都要跟著改。這時候你也要問問，它值不值得讓整個產業鏈冒這么大的風險？

就算最后這些問題都解決了，在整個汽車行業里，火花塞這樣的單點技術是一個客單價很低的生意，你的競爭對手推出的產品客單價在500-4000美元，而你的只有3美元。同時，能跑多快、給多少補貼，怎么獲客等都是問題。

如果不是從0到1徹底顛覆一個產業，做的是從1到100的事，只是對原有業務進行效率上的提升，將很難創造大的價值。

機器視覺也是一個典型的例子。直到今天，市場上還大量存在著一類機器視覺創業公司，只是單純地圍繞某一領域或者產品做視覺識別。它們能革新上一代的技術，提高門檻去打敗大公司或者中型視覺公司嗎？

我認為不太可能，因為未來總有一天，大中型公司會選擇將業務橫向拓展到各個領域，甚至實現端到端的系統變革，自己做芯片和傳感器，優化所有工程效率。如果“藏身”的點不夠深，就很容易被大公司淹沒。

所以說，AI技術及其簡單的商業化并不是好的投資主題。

AI的核心能力是以更小的代價支撐更復雜的系統

為什么我們還在積極投資AI領域？因為我們堅信AI的核心能力。以上案例我們聊的是單點技術，把AI當成一個已有業務中的小補丁去提升單點效率，?AI真正的核心能力是：以更小的代價去支撐更復雜的系統。

以人臉識別為例，如果從單點看，apple to apple技術的準確率遠沒有?RFID或者NFC高，而且成本也相差很大。人臉識別的優勢到底在哪里？

從系統設計的角度，它的優勢是付出一些“識別不準確”的代價，進而大大提高系統效率，提供便利，并節約成本。也就是說，它在識別你的臉的同時，做Re-ID，理解你的動作和意圖，這有助于我們設計出更復雜多元的系統。

我們在美國投了一些廣義上的AR技術（中國這方面的技術很少），就是在物理世界上疊加虛擬和邏輯世界，或者工業軟件信息，最后再投射回物理世界。

舉個具體的場景。建筑工人原來需要自己劃上1.6米高度的標記，利用AR技術后，只需要打一個1.6米的激光，在加工過程中，也會有系統進行實時糾正。其實手術等場景也一樣。

這看上去簡單，但并不是一件容易的事。假設AI系統感知位置或者投射激光是通過工人的頭盔，但每位工人身高都不同，也就意味著每個人的位置不固定，這就需要AI有快速理解環境并進行快速補償的能力。

綜合來看，我認為，過去幾年AI在技術上實現了進步，但應用層面還沒有奏效，或許未來5-10年，我們能看到有相應的應用。

我們的投資主題只有一個：發明新業務系統，實現從0到1

作為AI基金，我們的投資主題只有一個：發明新業務系統。

如果你的團隊中有很多技術牛人，能最早感知到前沿技術的邊界，并且有信心提前大公司3-5年把產品做出來，這當然很厲害，但也只是一個入口，出口還是要落到新業務的效率模型。就像只發明一個火花塞是不夠的，我們需要發明一輛汽車或者一種新的交通工具。

該怎么做呢？如果我們選擇一些細分領域，重新梳理業務系統之間的邏輯，就會發現大量從0到1的機會。

來看看集裝箱的例子。集裝箱是在1940年左右才被正式標準化并投入使用，它最大的成功在于其產品的標準化，以及由此建立的一整套運輸體系，大大降低了物流成本，提升了運輸效率。

回到那個時間點，我們會發現，當時每一個物流鏈上的節點都有大量的人在卸貨、包裝、裝貨，非常復雜。而有了集裝箱，裝貨、卸貨包括整個商品包裝行業的上下游都發生了改變。

所以，當我們重新發明一個“容器”，整個行業的很多節點和鏈條其實都改變了，它代替了很多原有節點，又誕生了新的節點。

發明新業務系統的機會無處不在。你去改變一件人類基本可以做到但稍微有些困難的事，并不是終局。但是你能讓它實現從0到1的改變，就要比大多數人類高一個量級。

人類的歷程就是不斷地利用前沿技術和對行業的理解，去發明一些新的工具，去重塑節點和業務流程，人類的組織進化就是先標準化再個性化的過程。

從這個角度來看，AI技術還有很大空間。以醫療技術為例，有大量潛在的數據軸需要AI去挖掘，比如掃描和成像技術。因為圖像獲取上存在很大誤差，沒辦法達到通過認證的標準，必須要經過更復雜和個性化的調試才能得出一個更好的參數，或者通過其他數據軸的情況進行實時調整，做多輪次的感知技術，比如體內傳感器。

這在原來完全不可解，但在AI時代，就是一個有著發明新業務系統機會的垂直領域。

如何抓住AI投資機會

要抓住這樣的變革機會，就不可避免地要做加法。做加法，就要做大乙方。該過程不需要讓技術100%落地，理解了技術邊界就可以去找場景，往系統變革的方向去躍升。

所謂大乙方，就是不滿足于對單點的替代，而是和客戶一起重新定義端到端的模型，利用AI技術定義一個全新的業態。

比如零售，如果我選擇融入傳感器技術，做一個貨架加人臉識別的探頭，你會發現，最終的客戶營銷漏斗還是沒變。但如果用AI技術賦能會怎么樣？我可以做個猜想：零售可不可以不是一家店，而是一塊靠近通道，能夠快速捕捉客戶興趣的互動屏幕，再加上一個后端的前置倉？一定會出現這樣的可能性，就像超市也并不是與生俱來就有的，而是人類發明的新系統。

我認為，對于創業者來說，最驚險愉悅的機會，永遠是在技術尚未成熟時，比如提前3-5年去打造一個冒險的業態。在當時可能無法理解，但幾年后，就是業態上的優勢。

對很多行業來說，大乙方可能還不夠。我們現在非常鼓勵創業者去嘗試做新甲方，或者用新甲方的心態去考慮自己能不能做乙方和技術供應商。

用蘋果舉例。三五年前，我們在美國投了很多農業AI項目，現在他們普遍轉型，自己當甲方。在美國，農業領域的傳統甲方是一些分散的中型農場，光賦能補上了其中一環，甲方在別的環節水平跟不上，也沒有辦法快速把優勢發揮出來——這和中國SaaS發展不起來邏輯上是一樣的。

所以美國的農業項目，通常是先拿這些甲方練手，站在大乙方的角度，去設計一個端到端的解決方案——根據下游供應鏈的訂單來決定提前幾天、去哪個區域摘蘋果，以及怎么調控灌溉的時間。對蘋果的整個生產環節進行數字化配置，搭建提升農場運營效率的模型。

這實際上相當于樹立了一個新的蘋果品牌。這就是AI非常大的系統優勢，因為AI能夠讓每一個蘋果的每一個生產環節都實現數字化配置。

假設全果園有6，657，423個蘋果，我到底要摘哪一個？如果是人工，肯定會根據“看上去很紅”的標準，但如果使用AI技術，借助冒泡算法，我可以很確定地摘第50個紅蘋果來保證交期。不僅如此，還可以減少農藥的噴灑量和水的使用量。

這樣，甲乙方的關系慢慢就會發生轉變，原來的甲方變成大乙方的加盟商。因為如果讓傳統甲方賦能AI系統，因其滯后的供銷渠道，就不能把價值發揮到最大。

現在的模式主要是：新甲方承諾給傳統甲方會提供什么樣的水果質量，并且負責統購統銷，傳統甲方只要按照規定的流程，就能實現雙贏。我們今天知道的品牌商比如Dule ，就是這個定位。

新甲方有一個必要條件，就是要素得充分開放，否則打不過原來擁有要素的老甲方。就像上一輪的房地產，老甲方只要把房子囤著就好，并不需要把它造得更好。

目前很多行業其實都存在這樣的機會，尤其是今天的中國，因為中國擁有經濟周期上的優勢，大量行業要素都已經充分開放、充分競爭、可交易，且需求還在快速變化且增多。

SaaS為什么不算一個好機會？做SaaS是利用了別人已經做過的計算機服務器，所以滲透的機會有一些是屬于創業者的，但也有很多屬于大公司。相反，一些大家不愿意碰的垂直領域，如果你從0開始布局傳感器和硬件技術，圍繞該品類算法做大量的開發和優化，機會就來了。

我認為，10年后，中國并不會出現一批AI平臺公司類機會，真正有機會的是那些垂直領域的新效率模型公司。

只有“雙跳躍”才會帶來一些機會

回過頭來，加法的本質其實還是減法。這里的減法指的是什么？

首先，我認為，是對未來的洞察力。我們內部有個詞叫“雙跳躍”（技術和行業加持），指的是只考慮技術或者行業都不行。因為AI技術的影響已經是一種顯學，大公司一定會比我們了解得更透徹，而行業研究的話，PE們肯定比你懂。只有“雙跳躍”才會帶來一些機會。

什么才是“雙跳躍”式的機會？在諸多種技術和極多細分行業的網格中，可能有1%的機會是兩邊人都不相信的，所以如果我們能提前3-5年入場，再通過一個更長的周期去布局，就會有大量機會。

比如動態生成的全個性化引導視頻，會應用到什么水準？以后也許商品包裝上就是一個動態屏幕，如果成本能夠實現量產，那么每個人看到的商品都是個性化生成的。如果你賭這個技術5年后能實現，就完全可以開一家不一樣品類和業態的店。像這類應用場景，兩邊人都不太會相信。

會有很多“雙跳躍”的機會，但背后需要你的洞察力。不過這很難，我們預測未來一年或者二十年可能相對容易，但是未來五年或六年會怎么樣，就需要精細化預測。

這種洞察不是通過拍腦袋想出來的，而是在過程中不斷迭代和摸索，同時，想清楚一個方向之后還要有定力，要拒絕很多誘惑。

比如人臉識別。前兩年賣人臉抓拍機的公司今天基本都死了，雖然他們一開始賣得很好，但是過兩年，甲方發現這解決不了問題，就不買了，偶爾還買的也都找大公司。而那些在幾年前以人臉識別作為技術切入，做城市級的、視頻矩陣內的全局可視化、結構化的公司活了下來。

做這樣的事其實需要大量的軟硬件投入，要自己做芯片、傳感器、系統，甚至是運營，把別人不相信的東西落地，需要大量的洞察、定力和取舍。這是一個先做減法，再做加法的一個過程。

未來創業者最核心的能力是模型打造

在這樣一個時間點，我認為會誕生一批全新的創業者和投資人。

按照過去AI1.0的觀點，如果有一個教授，有很厲害的技術背景，我們會先投，再催著他去找人找項目，因為教授總是稀缺的;在商業化方面，我們也會找一些傳統行業的高管，因為這些能帶團隊的人也稀缺。這兩類人具有非常大的價值，但按照效率模型，他們只是其中的元素，并不是最理想的投資主題。

我們認為，未來創業者和互聯網時代的產品經理很類似，創業者是效率模型的戰略產品經理，需要基于對技術的理解和對行業的洞察提出新的效率模型。行業里有很多人只對模型的某一個點執行能力強，而且多少會陷入對原有路徑的依賴。

在這樣的背景下，剛才說的教授和高管都是很好的VP（副總裁），可以為最優秀的創業者所用。而最優秀的創業者，應該年輕、充滿洞察力和野心。他們是全新的，很可能是年輕的博士，或者是在一線互聯網公司做過多年數據分析的產品經理，甚至是投資人。投資人在這個時代做創業者的機會變得越來越大，因為未來創業者最核心的能力就是模型的打造。

同時，創業者和投資人的關系也將發生改變。我們過去總說，VC要成為創業者的co-founder（共同創立者），但事實上，執行者主要還是創業者，VC只是提供資金和資源。但將來會有所變化，百度風投現在就是把自己當成一家創業公司，我們會先做一些工作，用分析出的結論和優秀的創業者碰撞。投資人的優勢是視角，因為我們看過很多橫軸和縱軸上的領域，可以請一些優秀的創業者分析一些課題，并為課題匹配一定的資源。

出現這樣的轉變后，我們內部也開玩笑說，我們現在已經沒有投資人了，看技術的人改叫技術BP，看行業的人改叫行業BP。我們把投資人都定義為創業者的business partner（生意伙伴），利用他們的研究來幫助創業者，一起去尋找更好的“雙跳躍”機會。

我認為，VC也存在著新的機會。一個好的VC永遠會跟隨大的趨勢和人群的變化，而AI時代帶來的好處是，創業者和投資人所涉及的業務邊界會發生巨大變化。