獵雲網注：本文根據百度風投CEO劉維在「42章經創投理想國」線下分享《AI與產業的結合——探索路上的一些感受》上的部分發言整理而來。劉維，百度風投CEO，主要關注人工智能、前沿科技、醫療、工業、教育、智能硬件領域的投資。投資項目包括Face++、思必馳、雲丁科技、作業盒子、合刃科技、馭光科技等。文章來源：42章經（ID：myfortytwo），作者：劉維。

　　以前大家都在科普AI如何改造各行各業，而今天我更多想講的是對AI終局的預測。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作爲投資主題，我們在這個新舊動能轉換的階段也很困惑，但同時也有了一些思考，接下來分享給大家。

　　（一）AI 技術及其簡單的商業化，並不是好的投資主題

　　我們第一個感悟是，AI技術及其簡單的商業化並不是好的投資主題。

　　比如頭像識別、AI芯片技術等，放在十年前，這些可能是好的投資主題，因爲當時AI還不熱，大家對AI的認知都很淺。但問題是，這個時間節點已經過去了。

　　而且，這些年做技術投資，很多創業者以“有訂單”作爲產品需求的唯一衡量點。但有時候出現了一個創新技術，但其實用戶的痛點並沒有那麼深。

　　以火花塞爲例，它對於上一代汽車來說，是一項非常關鍵的技術，但從歷史節點上看，卻並不是一個好的投資主題，因爲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。原因在於，工業化過程中會出現很多問題。要革新這一單點技術，你必須要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。而且，就算創業公司真的做起來了，等大公司輕鬆入場後，最後也只是淪爲先烈。

　　其次，優化後的火花塞無外乎兩種結果。

　　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。這個時候你就要問一問，這小小的改進是否是關鍵性的？能否讓甲方付更多的錢？

　　它的確帶來了大改變，但不符合原有設備的條件，這意味着整個汽車產業鏈的上下游都要跟着改，這個時候你也要問問，它值不值得讓整個產業鏈冒這麼大的風險？

　　最後就算這些問題都解決了，但在整個汽車行業裏，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美金，而你的只有3美金。同時，能跑多快、給多少補貼，怎麼獲客等都是問題。

　　所以，如果不是從0到1徹底顛覆一個產業，而做的是從1到100的事，只是對原有業務進行效率上的提升，這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，市場上還大量存在着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。大家可以想想，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的視覺公司嗎？

　　我認爲不太可能，因爲未來總有一天，它們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。所以如果“藏身”的點不夠深，就很容易被大公司所淹沒。

　　所以說，AI技術及其簡單的商業化並不是好的投資主題。

　　（二）AI 的核心能力，是以更小的代價去支撐更復雜的系統

　　那爲什麼我們還在積極投資AI領域呢？

　　因爲我們堅信AI的核心能力。上面的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，但AI真正的核心能力是：

　　以更小的代價去支撐更復雜的系統。

　　拿人臉識別來說，如果從單點看，appletoapple技術的準確率遠沒有RFID或者NFC高，而且成本也相差很大，那人臉識別的優勢到底在哪裏？

　　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，並節約成本。也就是說，它在識別你的臉的同時，做Re-ID，理解你的動作、意圖，這有助於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，最後再投射回物理世界。

　　舉個具體的場景，建築工人原來需要自己劃上1.6米高度的標記，利用AR技術後，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，但並不是一件容易的事。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，也就意味着每個人的位置不固定，這就需要AI有快速理解環境，並進行快速補償的能力。

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

　　（三）我們的投資主題只有一個，發明新業務系統，實現 0 - 1

　　作爲AI基金，我們的投資主題只有一個，就是發明新業務系統。

　　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，並且有信心提前大公司三到五年把產品做出來，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。

　　那該怎麼做呢？如果我們選擇一些細分領域，去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。

　　集裝箱其實是在1940年左右，才被正式標準化並投入使用。它最大的成功在於其產品的標準化，以及由此建立的一整套運輸體系，這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，非常複雜。而當有了集裝箱，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是無處不在的。你去改變一件人類基本可以做到、但稍微有些困難的事，並不是終局。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。

　　我想人類的歷程其實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。

　　以醫療技術爲例，有大量潛在的數據軸需要AI去挖掘，比如掃描、成像技術，因爲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，就是一個有着發明新業務系統機會的垂直領域。

　　（四）如何抓住AI投資機會：不可避免要做加法，有機會的是垂直領域的新效率模型公司

　　但是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，就是不滿足於對單點的替代，而是和客戶一起去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，其實你會發現，最終的客戶營銷漏斗還是沒變。但如果用AI技術賦能會怎麼樣？我這裏做個猜想：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，再加上一個後端的前置倉？

　　一定會出現這樣的可能性，就像超市也並不是與生俱來就有的，而是人類發明的新系統。

　　我認爲，對於創業者來說，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，但幾年後，就是業態上的優勢。

　　不過對很多行業來說，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，也沒有辦法快速地把優勢發揮出來——這和中國的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，以及怎麼調控灌溉的時間——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。

　　這實際上相當於樹立了一個新的蘋果品牌。這其實就是AI非常大的系統優勢，因爲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6657423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，藉助冒泡算法，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，甲乙方的關係慢慢就會發生轉變，原來的甲方變成大乙方的加盟商。爲什麼呢？因爲如果讓傳統甲方賦能AI系統，因其滯後的供銷渠道，就不能把價值發揮到最大。

　　所以現在的模式主要是，新甲方承諾給傳統甲方會提供什麼樣的水果質量，並且負責統購統銷，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，其實就是這個定位。

　　但新甲方有一個必要的條件，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着就好，並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，因爲中國擁有經濟週期上的優勢，大量的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。

　　那SaaS爲什麼不算一個好機會？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於創業者的，但也有很多屬於大公司。相反，一些大家不願意碰的垂直領域，如果你從0開始佈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。

　　所以我認爲，10年後，中國並不會出現一批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。

　　（五）加法的本質，是減法減法是洞察、定力、取捨

　　但回過頭來，加法的本質其實還是減法。這裏的減法指的是什麼？

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

　　那什麼纔是“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三至五年入場，然後通過一個更長的週期去佈局，就會有大量機會。

　　比如動態生成的全個性化引導視頻，會應用到什麼水準？以後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，那麼每個人看到的商品，都是個性化生成的。如果你賭這個技術5年後能實現，那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。

　　所以會有很多“雙跳躍”的機會，但背後需要你的洞察力。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麼樣，就需要精細化預測了。

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

　　像人臉識別，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了。而那些在幾年前以人臉識別作爲技術切入，做城市級的、視頻矩陣內的全局可視化、結構化的公司才活了下來。

　　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。

　　這就需要大量的洞察、定力和取捨，所以這是一個先做減法，再做加法的一個過程。

　　（六）未來，會誕生一批全新的創業者和投資人

　　最後，在這樣的一個時間點，我認爲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，有很牛的技術背景，我們會先投了，再催着他去找人找項目，因爲教授總是稀缺的；在商業化方面，我們也會找一些傳統行業的高管，因爲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，並不是最理想的投資主題。

　　我們認爲，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，需要基於對技術的理解和對行業的洞察，提出新的效率模型。行業裏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。

　　所以在這樣的背景下，剛纔說的教授和高管都是很好的VP，可以爲最優秀的創業者所用。而最優秀的創業者，應該是年輕、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也變得越來越大，因爲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係也將發生改變。我們過去總說，VC要成爲創業者的co-founder，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，用分析出的結論去和優秀的創業者碰撞。投資人的優勢是視角，因爲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，併爲課題匹配一定的資源。

　　出現這樣的轉變後，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了。我們把投資人都定義爲創業者的businesspartner，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。

　　所以，我認爲，VC也存在着新的機會。一個好的VC永遠會跟隨大的趨勢和人羣的變化，而AI時代帶來的好處就是，創業者和投資人所涉及的業務邊界會發生巨大變化。