2017年1月20日，新智元百人会闭门论坛，蓝驰创投管理合伙人朱天宇从投资人的角度，带来《用10年的尺度看AI 创业，对下一个创新周期思考》的主题分享。
在分享开始前，朱天宇拿出了一本《大众软件》，他介绍说，这是 2016 年 11 月~12 月的大众软件合刊，也是这本创刊21载的杂志的停刊号，通过众筹的形式完成。朱天宇说：“这是一个事件，也是一个标志。大众软件代表的是上一个创新周期，是上一个创新周期的标志性的载体。”
科技界已经步入下一个以云计算、大数据和人工智能为代表的创新周期，在这种新的创新周期中，投资界如何看待行业发展？哪些要素决定了企业的生存能力？ 创业的本质与当下人工智能的发展状态是什么？
本次论坛结束后，新智元对朱天宇进行了专访。他谈到，独角兽只看两个方面：一个是赛道，一个是人。创业的本质是在有限的资源前提之下把结果最大化。另外，他认为，云计算、大数据和AI的关系应该是：云计算应先于大数据，大数据再先于 AI。
朱天宇：用10年的尺度看AI 创业，对下一个创新周期的思考
新智元2017年1月份的百人会闭门论坛上，朱天宇作为 AI 投资界的代表带来他的分享。以下是演讲速记稿和PPT全文：
（演讲/朱天宇）所谓的转型年，其实对于VC来讲不存在AI投资的转型年，只是要不断提升自己在这个方向上的思考和研究。我希望跟大家分享的是我们作为早期投资者至少要用10~20年的时间维度去看AI创业，这其中也包含着我们对下一个创新周期的一些思考。
简单介绍一下蓝驰，我们是1998年在美国成立的一家基金，2005年进入中国，十几年下来目前在中国已经投了将近100个项目，现在总共募集管理的资产规模超过20亿美金，现在对于早期和成长期的大数据、AI、机器人创业项目都是我们积极关注的方向。
其实一个早期投资者在看任何方向时，不管是现在的AI还是上一个创新周期的互联网、移动互联网创业项目，都是用一个超长的时间尺度看未来，其中最关键的是要在不确定性中寻找确定性。你需要在一个超长的时间尺度里，在不断变化、不断波动的实践中寻找那些可以确定的、正在增长的东西，这样才能真正捕捉到成长。
回到AI投资这个主题，大家现在谈论AI这个标签背后的确定性是什么？这是我想跟大家讨论的。所以跟大家分享两个我自己思考的主线，一是我们所面临的新的创新周期里的行业确定性是什么？二是The Next Big Thing是什么？在互联网和移动互联网的创新周期里，我们看到谷歌、Facebook，每一个创新周期里都会有一个Big Thing出来，那么下一Big Thing在哪儿？我们怎么找到它？这一点无论对于投资者还是创业者，都是很重要的问题。
在讲行业确定性之前我想跟大家分享一家创业公司的经历。我们去年下半年投了一家公司，是一家针对医疗AI影像的公司，创始人以前是剑桥博士，家里也是医疗世家，带着一腔热情回国想在医疗数字服务行业有所作为。从一名海归到真真正正地在中国这片创业热土上一步步将自己的想法落地实现的过程，体现出来的就是我们刚才说到的行业确定性问题。
这个创业者一开始很想用他学到的深度学习、机器学习这些AI技术，帮助医院做医疗影像识别，提高医生看片的效率，降低误诊率等等。但是后来发现这件事根本无法落地，因为你没有数据，也没有医生相信你，没有数据就无法训练这些诊断模型。
最后经过一年多时间才慢慢落地下去，他做了哪些事情？一是帮助医院，无论是一线城市的大医院还是二三线城市的中小医院，他为这些医院提供医学影像的云存储服务。其实医院里的医学影像存储量并不小，但是交换存取特别不方便。这也是医院很苦恼的问题，你说让他们使用阿里云服务，但这些云服务通常是针对创业企业。像医院里的医学影像其实对存取要求不高，一个片子拍完看一两回就放在那儿了，但是存储量却非常大。满足这种特征的云服务市场有吗？还真没有，阿里云又太贵。
于是这个创业者给医院提供这样的服务，并且这些医院非常愿意花钱买单。通过云服务做敲门砖，把这些医院的信任通道打开，当他们接入的医院达到几百家的时候，云上的存取量也达到了几十万的量级，有了这些数据再去训练他的诊断和筛选模型。
当诊断模型有了一定结果之后，医院数量也在提高，这时候又发现二级医院其实希望把一线医院的医生诊断水平接入进来，进而又搭建一个平台，让大医院的医生主任们在平台上帮二级医院做一些筛选，同时他所训练出的大数据模型又可以在主任医师看片子之前事先做一个预筛选，把高危区域和值得怀疑的地方标记出来，帮助主任医师节约时间、提高效率，去看最需要专业知识诊断的位置。
这里面很清晰地描绘出一个路径，就是我们一直强调的从云计算到大数据再到AI。蓝驰有一个非常重要的观点：没有云计算何谈大数据，没有大数据何谈AI？刚才分享这家创业公司的经历就很好地印证了我们对这个行业的判断。而这个判断是从什么时候开始的？是在2011年，我们从2011年就开始做了一系列布局，包括投资云计算基础服务企业青云和EasyStack，还有聚焦在公共服务大数据领域的绿湾和医疗行业的汇医慧影。
在AI方面，我们的理解是整个AI领域，不管是车还是机器人，都是具备大脑、小脑这种运算、判断能力，还有耳朵、眼睛、嘴巴这些交互功能，最后结合到动力驱动的运动装置上，才形成我们期待的未来，所以这是一条确定性的主线。
另外从供给层面，从技术行业的底层来看，其实从芯片到算法再到工程创新，在过去不久时间里已经发生了一些事实变化，孙正义把他以前在阿里巴巴的股份卖掉买入了ARM。孙正义一直主张是用30年的尺度看未来，他的第一个30年买了阿里巴巴，下一个30年计划做什么？从他买ARM这件事上可以看到一些变化。
还有像 AlphaGo、Master，谷歌在训练他们的时候，一度用到了很大比例的算力，这是非常可怕的，但是对于谷歌来说他就是要在这个领域宣誓领地权，包括TensorFlow 。百度也在做数据的开源，就是在工程层面把芯片和算法带来的新的算力增长应用到场景中去。这是供给侧已经在发生的事情，这种变化也是确定的。未来供给侧只会越来越大，就像上一个创新周期大家开始预测摩尔定律一样，是一种确定性。但值得注意的是，这些算力本身并没有创造价值，它只是意味着在技术迭代过程中，这些底层提供算力的公司给大家提供了新的武器，但是我们拿到这样的武器要怎么发挥价值，一定还是跟场景结合在一起，才能真正创造价值。
这条思考主线其实是从需求侧和供给侧两个方向回顾行业正在发生的变化。围绕这两点我们可以延伸出下一条思考主线，关于下一个Big Thing在什么地方。
我们不妨先回想下之前的工业革命，从蒸汽机、电力到信息革命，每一次工业革命所带来的技术创新为整个经济体带来的影响，如果以占世界GDP的百分比来衡量，前两次工业革命创新带来的影响其实是超过30%的，因为能源效率的提升让很多实体经济发生了切实的转变。但到了信息革命，大家都经历了互联网、移动互联网的发展热潮，而这一次所产生的影响在GDP中的占比还不到10%。再加上软件和硬件的创新周期总是相互迭代的，因此我相信在下一个创新周期里，能源方面的效率提升与创新会产生更大的影响，与之相关的也是我们可以关注的下一个Big Thing。
另外结合我们对一个创新周期的认知，下一个Big Thing还可能出现在哪里？比如交互界面，我们看到上一次PC互联网时代，浏览器普及之后引爆了基于PC端的一系列应用；到了移动互联网时代，触屏手机的出现，又出发了新的创新。那么接下来的交互界面会发生哪些变化？如果我们把交互界面拆分成输入、输出两个方向来看，就会出现非常多元的可能性，沿着这条线你会发现有太多技术创新需要关注。
与此同时，我们也看到了其实历次的创新，Big Thing其实都是由连接产生的网络效应。比如信息与信息的连接产生搜索、人与人的连接产生社交，这些都是网络效应非常突出的产物。那么接下来我们可以期待的是物与物的连接，可能现在大家对物物连接的认知还停留在以前相对原始的状态，我们不妨沿着刚才的两条主线，一是在不确定性中寻找确定性，二是产生巨头的连接点在那儿，去想一想，打开我们的认知。
最后简单分享几个我们经常跟创业者沟通的观点。一是行业发展的节奏，没有云计算何谈大数据，没有大数据何谈AI。这句话对于很多创业者来讲，就是你要判断你做的这件事它在市场行业中处于什么层次，这是一个判断层次的很重要的依据。二是我觉得现在云计算这一波发展已经经过了几年时间，现在正处在大家积累数据的过程中。
另外关于大数据创业我们总结了三个关键字：
一是从“-1到 0”，你先要找到真正能够把数据收集上来的地方。而且这里面还有一句话就是你能不能一边赚钱一边赚数据，我觉得这在中国的创业环境当中是非常关键的一个点。
二是场景，你有这么多技术、这么多标签，但是如果不熟悉场景，不熟悉行业客户的真正需求，没能解决他的问题，那么创业也无从谈起。
三是定价权，就是你收集什么样的数据，数据的质量、持续性、稀缺性、不同的数据源形成的模型以及你对数据进行再加工的能力，这些只是简单的统计还是能够分析、预测，不同的水平等级形成了你这家公司最终定价权的能力有多强，这也决定了你有多强的赚钱能力。
我面对创业者的时候总会说，AI不是风口。不知道这算不算泼冷水，大家太喜欢谈论风口，风口上猪都可以飞起来。但我觉得AI不是风口，AI只是一个标签。这个标签让我们识别什么呢？无论在行业的需求侧还是供给侧，比如说高级算力，从芯片到算法等等，现在有了新的可能性，这是我们可以用AI标签去表示的。但是这套算力到底输送到什么场景中去，怎么赚钱，怎么解决行业问题，这不是靠风口，也不是说我们都谈论AI就可以做到的。关键还是要知道怎么从场景里抓需求，怎么找到有效的解决方案，怎么规模化扩展，还是创业的三大方法论。
创业者可以记住最简单、最接地气的一句话，一边赚钱一边赚数据。
另外大家也都看到了包括NVIDIA在内，越是大公司现在开始跳出来做这方面宣言的时候，这些算法和算力就越来越接近到一个唾手可得的商品化的阶段，这个时候中小公司在技术上的优势差别会更小，最后拼得更多的是你要怎么去应用这个算力，这才是真正的商业要素。
基本上跟大家分享的就是这些，我们以前投天使轮到A轮，是非常早期的阶段，像赶集、PPTV等等，我们都是他的第一轮投资人，而且都是在公司规模还很小，团队不到10个人，甚至只有一纸商业计划书的时候就参与进去了，跟他们一起成长。但是如今已经已经进入下一个创新阶段，加上我们本身的规模扩张，所以无论是早期还是成长期，只要是落在人工智能相关领域的创业公司，我们都会积极的去关注、去支持。谢谢大家！
基本上和大家分享的就是这个，我们主要的阶段以前从天使到A轮，非常早期，刚才跟大家分享像赶集、PPTV等等，我们以前都是他的第一轮投资人，而且都是在公司可能还很小，不到10个人，甚至只有一张纸商业计划书的时候我们就进去了，跟他们一起成长，但是在下一个阶段，加上我们现在规模扩张，无论是早期还是成长期，只要是落在人工智能相关领域的创业公司，我们现在都会积极的去支持。谢谢大家！
大公司大科学家的光鲜背景，不代表有独角兽的能力
新智元：蓝驰创投是新智元本次 Pre-A 轮融资的领投方，你也是新智元“寻找AI独角兽”2017年创业大赛的评审，你认为什么样的企业有潜力成为独角兽？
朱天宇：就是找 Next Big Things。我觉得独角兽历来是这样，甭管你跟 AI 相不相关，其实就是两件事：一个是赛道（事），一个是人。这两个缺一不可。
比如说我们做的，从云计算到大数据到 AI 这条路径，其实我们已经看了五六年了，布局了一系列的东西。对行业内在发展的东西和结构我们必须要有理解。
另外我们要有足够大的赛道——像车，我觉得肯定是一个大的东西。我们已经在这方面做了布局，差不多春节之后可以公布。我们在无人车、机器人、AR 都方面都有所布局，但我觉得不应该用无人车、机器人、AR这些标签去区分赛道，其实在我看来，这些都是高级算力所支撑的场景的应用。
高级算力就是 ，从芯片到算法到工程，这几个层次的创新带来新的高级算法，它支撑了很多场景的迭代。比如车可以有很强的感知周围环境的能力，现在有很多sensor，可以看近处，看远处，看天空，然后还有一个脑袋进行决策，什么时候刹车、怎么拐弯、它有大脑和小脑决定怎么去控制。车是我们所熟悉的东西。当智能的东西赋能给车的时候，会带来一些新的机会。
车本身也是物联网的一个超级载体。Autonomous Vehicle 是一种拥有自治力的机器，其实你的无人车、无人船、机器人都可以是 Autonomous Vehicle，它有大脑，有眼睛和耳朵，有小脑，有运动能力，从这个角度来看它们是统一的。我们要的是它的大脑能力怎么区分，它的小脑能力怎么区分，它从外部的 Input 这个数据，怎么去扩大。
新智元：那你们是怎么挑人的呢？
朱天宇：对我们来说，看事也是看人。创业者对他自己选择事情、身处的赛道认识到什么样的程度，其实说明了一个人的眼光和自我认知。创业者要知道自己能力怎么样，自己的长板和短板是什么，还要知道外部市场存在的问题是什么，到底有什么样的痛点要去解决，解决的过程中有什么有效的方案，这个方案怎么规模地去支撑它成长，等等。这些思考体现了他思考的深度。还包括他执行的能力，这些都是一个创业者需要具备的能力。
还要强调一点，刚刚说首先是他的自我认知，其次是对人对外部环境的认知，还有重要的一点是他的执行能力——能不能把事做成，光想也是不行的。对外部的思考，决定了创业者会以什么样的方式把这个事做起来，但，还有最重要的一点，创业有一个本质——创业需要在有限的资源前提之下把结果最大化。这句话其实就把很多人框在外头了，他们就做不了创业者。创业者就是要在非常有限的资源前提下，把事做起来。经常有人说一些大公司出来的、大科学家，有着非常光鲜的教育经历、从业经历，一看这个人谈吐什么的都非常棒，可是他做不出东西。
新智元：你是说他们不够狼性吗？
朱天宇：这已经不是简单的狼性了，而是本质的特征。一个人能在没有资源的情况下，from the scratch，从0到1，这个能力是非常少有的，再从1到100，从100到10000，这个过程又会淘汰掉很多人。所以，要从一个三五人的小公司，做到上市公司，创业者要经历一个怎么样的成长？
一个人的成长能力。第一是自省；第二愿不愿意改；第三是改的有多快。这是人的成长能力的三个阶段。只有这三件事情都做到了，人的成长速度就很快了。很多人在第一层次就趴下了，你都不知道自己有问题，更别说改了，更别说改的有多快了。但是，真正优秀的创业公司CEO，包括我们支持的趣店，他们三年给我们的投资回报是五百倍到一千倍。为什么他能长得这么快呢？首先是人成长得非常快，CEO自己在成长。我认识他之前他创业失败十次，这才积累到这样，所以可想而知，他对自己认知到达什么样的程度。
真正的独角兽不是静态的，不是说我看就能看出一只独角兽。首先，你要看它有没有起点的资格，有没有起步的标准。再往后就看不出来了，那就成水晶球了。但也不能像塔罗牌，可以算出它是一个独角兽。不过，投资之初，可以从他过去的一些经历，工作生活经验，或者他之前创业的一些事，是可以看出来潜力的。
创业者的成长因素不取决他是否成功，在于他改进的速度。你自己从一个痛点开始做起来，像一个小雪球那样越滚越大，你做的越好，你能够撬动的资源越多。
创业公司如何拿到政府的数据
新智元：刚才您强调了数据的重要性，那么你们所投的公司——绿湾，它的数据，从哪里来的呢？
朱天宇：是从政府来的。
新智元：他们有这个关系可以搞定吗？
朱天宇：这个就是我所提到的大数据创业公司的数据冷启动问题，“从-1到0”。大家都奇怪这个数据从哪儿来的，为什么他们能得到，别人拿不到？那是人家撸起袖子干了两年苦活累活的结果啊。
他是用相对市场化的方式获得的数据。虽然大家一听政府部门，就觉得很难啃，觉得是不是有什么关系。这又是一种自上而下的思维。 他们是通过市场化的方式，帮助政府部门，一点点做起来的。
大家都知道，业界技术服务政府上有很大的优势，但是政府组织和商业机构需要一个建立互信的过程。所以如果一开始帮他们做一点小事，人家发现很快就解决好了，比如做个小工具、做个分析，人家觉得好使，靠谱，就让你做更多的事情。
这样一方面双方的信任建立，另一方面也是对方对你的能力的认知，他知道你到底能做什么事，慢慢的就把数据给你了。当然，一开始也不会给这么多数据，一开始可能就是一个小样本数据，但是跑完之后发现这在某件事情上，可以为他节省很多时间，之前他们要做十天半个月的活，你可能一天就给做完了。
用这种方式建立信任之后呢，人家更愿意把数据给你。然后，像绿湾在拿到数据后，就开始真正把数据放在一起，做一些数据模型提炼的工作，提供一些对外的服务。创业者要一边解决他们的问题，然后再拿着数据对外服务。对外服务之后，把大规模的数据和信息带过来，其实政府公共部门本身对这也是有需求的。这就形成一个新的循环。这就是非常健康的。
这时候你再拉远了看，当政府公共部门存在这一信息化和技术能力的洼地的时候，商业组织起到了一个桥梁的作用，他有更强的能力获取外部的数据来提高公共部门效率，现在如果一个技术公司能解决这个问题，一下子就能做起来了。
这种做法并不罕见。“从-1 到 0”，这个数据冷启动一点都不罕见，这是必经之路。再举一个例子，庄辰超创办“去哪儿”的时候，跟我吐槽说：“我们是不是选错方向了？”，我问：“为什么啊？”庄辰超说：“怎么这么艰难啊”。他以前跟中航信合作，各大航空公司数据都从他这里过，占了所有数据的95%以上，他想做机票搜索，绕不开只能跟中航信合作，只有帮中航信打补丁，先撸起袖子干两年活，把这些东西都做好了，才有机会去做机票搜索。
这么多信息洼地里，你不解决“从-1到0”的问题，就没有后来的机会。
创业者抱大腿，不如选对时机
新智元：您认为创业公司需要什么样的平台或者资源来帮助他们获得成功？
朱天宇：不靠平台和资源。靠自己，靠他们自己对事物的认知，平台和资源都是他可以借的势。
新智元：我的意思是虽然这些资源不是关键，但是有哪些资源也是有用的，也许是他自己找的VC，但也许是VC自己找上门的。
朱天宇：那需要的资源太多了，最需要人。资金是一方面，最关键的还是时机。你选多粗的大腿，不如你选个正确的时机，它会推着你往前走，整个行业都在成长，你跟着这个行业往前成长。
从云计算到大数据再到 AI ，一定是以需求为中心
新智元： AI 成功三要素：数据、算法、算力，哪个最值得投资的呢？
朱天宇：不区分这个。无论是算法还是算力还是数据。数据和算法算力，要分开来看。算法和算力，属于整个行业的供给方面，就像摩尔定律一样，芯片它每十八个月算力提升一倍，这是它的行业发展周期，受制于很多因素。
我举摩尔定律的例子，是想告诉你，这个行业算力的增长已经在往前走了，数据未必是，所以它们不能放在一起来看。回到刚刚的问题，我现在会更关注数据这一块。没有数据，你是没有办法谈算法和算力的。
我之前的演讲中，提到的行业主线是两条：第一条是需求侧，从企业来看，他的业务要迁移到云上，有多大程度去数字化信息化，它有多大程度需要 AI 来促进效率提升，这是从它的需求角度来看。这就是云计算到大数据到 AI。
另外一方面，从芯片到算法的巨大突破，再到工程上的积累，带来了算力的提升，这个是供给侧的一个周期。
一定是以需求为中心。否则供给再怎么热闹，也要有需求，才有人买单啊。你做的太热闹了，你步子迈的太大会伤害到自己。但是数据不一样。
VC可不是买单的人，VC 是赚钱的
新智元：蓝驰创投在人工智能领域的布局是什么样的？
朱天宇：其实你用 AI 这个标签你很难去区分这个市场，我们在无人车、机器人、AR、医疗影像如汇医慧影，还有绿湾这样掌握着海量数据的创业公司，这些方向都有布局。
新智元：那么蓝驰重点会在哪一部分发力？
朱天宇：我们都会关注。
新智元：无人车呢？
朱天宇：这是个超级赛道肯定占据了我们高度的注意力。
新智元：您认为现在还是 AI 投资的最好时代吗？
朱天宇：从十年周期看未来，不存在转型年，现在还是处在下一个创新周期成长的曲线上。总有小波动，但早期投资者是可以忽略的。
简单来讲，这一定是一个最好的时代。但是具体来讲，还是得区分跟哪个场景结合和落地。这不是写一个剧本，我可以上下嘴皮一碰，说：这是个最好的时代。你要创业的话，你会遇到很多现实问题——有谁为你的服务买单。
VC可不是买单的人，VC 是赚钱的。为什么说“一边赚钱、一边赚数据”，因为行业里面还是有很多的噪音，大家以为创业是让VC来买单的，这不可能，你要让客户来买单。
你别说什么标签，还是那三句话：你是不是在解决痛点需求，你的方案是不是有效，你是不是能够快速地成长。
一边赚钱，一边还能把数据勾进来，一边还能赚更多的数据。良性循环。我这个话的有效期是三年到五年，以后可不一定的。在创新周期的早期，一定要有造血能力去拿数据。三五年之后，也许不强调一边赚钱一边赚数据，因为数据可能被大公司趟平了。那个时候就不能拿数据，而是你有技术，你不需要解决“从-1到0”的问题，但是你也赚不到大钱了。
在技术美国要做到八九十分才有人买单，在中国可能六十分就行
新智元：您认为接下来的一年，还有哪些场景最先实现人工智能技术的落地？
朱天宇：AI 中 to B 的商业模式会比 to C 先出现。我们都期待 AI 大爆发，期待催生下一个交互界面的出现，比如一些很科幻的界面。
你能帮企业降低百分之五的成本，或者增加百分之十的利润吗？这账只要算得清楚，就有人愿意买单。但是对于一个消费者，你让我带个眼镜，这体验得有多好才会有人买单。这能量化吗？这不是一个理性的选择。有一个从量变到质变的过程，才能变成一个全品类的 toC的应用场景，就像诺基亚提“移动互联网”的概念提了很久，但中间还是经过了很长一段时间才在消费者中火起来。
另外中美市场存在差别，在美国可能技术要做到八九十分，才会有人买单，因为大家的竞争很充分，中国六七十分就有人买单了。举个例子，美国的市场，互相竞争已经很激烈，本来的效率也很高了，这个基础要再提高20%，那 AI 要做到八九十分才有人买单。中国不一样，本来企业的效率就很烂，你五六十分就可能驱动别人给你买单。
即使如此，如果你不懂行业只有技术，也没有用。
千万别迷信 AI。AI 不是点金石，并不会加上 AI 就所有事情都能解决，为什么我强调云计算到大数据到 AI 这个发展先后顺序，其实行业的需求还远远没到要 AI 来解决的地步，可能需求在于云计算，把这个大数据搞到一起进行训练，才能到 AI 这一步。
新智元：您有什么建议给人工智能创业者吗？
朱天宇：把握需求和时机。还是那句话，没有云计算何谈大数据，没有大数据何谈 AI。其次，如果你选择跟大数据相关的，一定要从“-1到 0”。第三，AI 不是风口，只不过是标签，千万别神化也别妖魔化。
最后还是一句话，我们要赚钱同时也能赚数据的公司。
新智元：VC 怎么做技术的尽职调查？
朱天宇：技术本身要看，投资圈有非常多的方式，要给行家打电话问，数据的排名怎么样。另外行业客户怎么评价。即使你跟随我说了10个指标都是世界第一，但是我需要的指标可能只有一个，哪怕不是世界第一。现在大家都喜欢刷分，这个没有意义，不代表解决用户需求的能力。
文章转自新智元公众号，原文链接
