联想之星高天垚：八年投资技术领域，我判断AI未来五年会迎来大爆发

做技术类投资要具备的能力

我在这行做了七八年，一直聚焦在高科技与先进技术领域，但在投资的不同阶段。

不同阶段对项目判断的维度非常不一样。后期，投资做的是减法，以风险防范为主要考量，各种业务和财务模型测算的本质都是在推演不同风险条件下的预期表现；早期，投资做的是加法，以价值挖掘为主要考量。早期项目投资领域对投资人的要求是较高的，特别是技术领域。

做技术类投资，需要三方面的能力：第一，底层技术解析的能力。把技术的本质讲明白是最基本的要求；第二，敏感度。早期创业者往往会需要投资人的帮助，比如在业务发展方向上的判断，这就要求投资人对行业了解的同时对新技术的应用点也要有一定的敏感度；第三，跨界能力。比如帮助项目补足非技术领域的人才。

人工智能远没到收获期

原来O2O，很热，干什么的都往O2O上靠，可现在这类项目基本没有了。现在AI火，很多公司很多项目都往这方面靠，大家开始讨论AI是不是一波新的泡沫，在我看来目前AI过热，泡沫确实存在。

以前AI在投资领域是冷门方向，后来主流基金逐渐会有投资人专门负责这个方向，到现在大多数主流基金都以这个方向为重要赛道，甚至有些基金只投这赛道。因为AlphGo、无人驾驶汽车等影响，AI已经从一个专业领域上升到社会大众讨论层面，前不久国务院颁发了《新一代人工智能发展规划》，让AI又上升到了国策的高度，这些让人们对AI的预期到达了顶点。

但事实上，AI远没到收获期。最近我们联想之星对接触过的AI项目做了复盘，样本大概在200多个，基本包括了市场比较知名的AI初创项目（不包括BAT，科大讯飞等巨头公司），发现了很有意思的数据。比如：在2011年以前成立的AI项目仅占4%的比例，大多数AI公司成立于2013年以后。有明确行业属性的AI项目，最多的是金融和自动驾驶，占比分别为15%和13%，有超过四成的AI项目行业属性并不明晰。

估值在3亿人民币以上的项目超过四成，而上一年度收入在4000万以下的AI项目占比超过八成。这些数据非常直观，KUKA机器人示教器维修，也印证了我的想法，AI的发展并没有到收获期。

为什么会是这样一个结果？在我看来，AI本身并不是一个行业，它像一个工具包。这里面会有几个工具，比如CV、NLP、机器人技术等，哪个行业需要就应用到哪个行业里去。

AI的发展会驱动行业变革，每个行业有自己的发展逻辑与节奏，不能一概而论。有些项目为了AI而AI，但这并不是行业当前所最需要的，这个时候是不是AI项目并不重要，解决问题才是本质。

为什么还要投资AI？不可否认，「出乎意料」的技术变革，所带来的价值和影响力是巨大的。

即使AI未来也有很多不确定性，但我认为对技术类创业者本身来说绝对是件好事，甚至可以说技术类创业的春天已经到来。

几年前一个科研机构出身的理科或工科背景的团队是基本拿不到天使投资的，但现在即使是天使融资阶段，技术领域的创业也不断刷新着融资记录。

我们看好的投资方向

回到投资本身，前沿技术领域我们看好的4个方向：

1.深度学习

基于多层或深层神经网络的机器学习技术某种程度上可以说是这一波AI发展的驱动所在，工业机器人维修，代表着底层技术的突破。从投资层面有两层考量，一方面是技术或算法本身会不断迭代和突破，另一方面是如何更好的应用深度学习仍然存在大量机会。

2.传感设备

有人说语音或视觉是AI时代的入口，我认为传感设备才是AI时代的入口。很多人都说AI发展的三大要素，数据、算法和计算能力，其实忽略了形成数据前的一个过程，即数据采集。数据的重要性不言而喻，影响数据质量的核心是数据采集。比如无人驾驶、智能安防、无人零售等实现的前提和基础都在传感设备，所以未来传感设备的量一定很大，并且所收集数据的维度也会不断丰富。

3.航天军工

这个领域的投资以前集中在中后期，但目前越来越多的投资发生在早期，联想之星也系统性布局了这个领域，项目发展效果还是不错的。

有两个原因：第一，军民融合的政策导向在由军转民向民参军发展，技术的趋势也更多的强调自主可控，大环境对初创公司有利；第二，体制内的人员不再是我们刻板印象中的样子，也有不少创业者具备了很好的商业敏感度和资源整合能力。

4.AI技术+垂直行业

我们也非常关注AI技术+垂直行业的投资方向，但我们的观点是对这类项目判断的落脚点应该在于行业本身而非AI或技术。

长期来看AI类项目发展的核心竞争力我们认为是变现的方式和规模化的路径，很多AI项目目前仍处在找到自己变现方式的过程中，无论最终是怎样的，但应该是简单直接的，如同互联网的三个变现方式：广告、电商、游戏。而AI项目的规模化路径我们认为会是不同的，路径不应简单用ToC或ToB来区分，正因为AI是行业的工具包，有两个重要指标是需要用来做参考和判断的：一是效率；二是渗透率。

扎根实验室发现好项目

截止目前，联想之星在这个赛道一共投了超过了60个项目，分布在中美两地，库卡机器人，涵盖10个领域，包括出行、金融、医疗、安防、教育、消费与服务、IOT、物流、农业、航天。

我们不敢说自己投的是最好的，但可以说是投的最早的。联想之星在很早的时候就扎到各科研院所和高校的实验室中，和一些学术领域的带头人建立了良好的合作关系，比如2010年投资的中科虹霸项目，就源于中科院自动化所模式识别国家重点实验室。

为什么要这样扎到实验室去？一方面是出于投资打法的考量，另一方面也是我们联想之星成立的初衷，2008年我们柳总亲自设计并设立了联想之星，当时的目的之一就是帮助中科院做「技术成果的产业化」。随着我们不断的发展和壮大，联想之星的投资业务早已不只聚焦于技术领域，但我们支持技术创业的初心并没有改变。

这种风格一直延续到今天，比如我们和香港科技大学自动化技术中心主任李泽湘教授、北京航天航空大学的机器人专家王田苗教授、清华大学汽车工程系主任李克强教授都有合作的项目。

技术本身并没有捷径，没有一定的时间积累肯定是不够的。这些教授在所在领域都是绝对权威的科学家，他们的项目往往是在实验室超过10年以上的技术研发和积累。

一个值得研究的现象是，以教授或科学家为主导的创业往往不容易成功，而依托于教授或科学家及其实验室的学生创业团队，失败的概率相对会低。

为什么呢？上一代科研人员对体制的依赖会更大一些，而年轻一代更具备冒险、实干精神，敢于试错，在很多项目成立之初就具备国际视野。互联网的链接让年轻一代人更善于吸收信息、利用资源。因此，教授、实验室、学生三者结合的组合正在成为一种新的趋势，教授以顾问或导师的身份给公司或学生以技术支持，学生作为创业主体主导并运营公司，当然也承担着创业失败的风险，这种组合是有其一定的合理性的。