专访AI List Capital：资本荒之下，如何做AI投资？

随着国内金融市场监管趋严，“资本荒”和“融资难”正成为2018年中国创投圈的关键词。

在这样的大背景下，2018年AI创投圈正发生着一幅“冰与火”交织的奇异图景：一面是钱荒，募资难、机构缺钱，随之而来的是小AI创业公司的融资难；另一面却是项目荒，好标的太少，钱快速涌向头部AI公司。可以说是饱的撑死，饿的饿死。这两种趋势齐头并进，我们无法忽略任何一方去理解眼下的AI创投市场。在这场AI行业的集体焦虑中，独角兽们担忧技术红利期即将结束，小的创业公司们则害怕自己熬不过钱荒的“寒冬”。

2018年的AI创业和投资正面临哪些挑战和机遇？在其中的创业者和投资者们还有哪些机会？中美AI行业的发展有哪些异同？为了回答这些问题，我们专访了美国早期投资机构AI List Capital管理合伙人Henry Shi博士。

AI List Capital专注于投资美国早期AI公司，其关注的领域包括AI及相关科技（物联网和区块链）等。这个博士占比已经超过一半的投资团队，目前投资的企业已经超过20家，涉及种子轮到A轮等多个轮次。其LP包括Google、Facebook、雅虎等全球知名上市公司高管、企业家和VC投资人。

聊聊AI行业发展现状

1、人工智能产业的核心驱动因素——基础数据、算力算法、应用场景等目前已经发展到什么程度？

Henry：从基础数据来看，互联网、移动互联网、物联网的发展，促进了基础数据的收集。但目前有效标记的数据还不够多，不少行业的数据需要人工标记才能用于AI算法训练。

在算力和算法方面，云计算的发展提供了很强的算力，目前已能满足大部分narrow AI的应用需求，能支持深度学习技术的大规模应用。目前深度学习在很多narrow AI的应用上表现突出，但需要大量的训练数据和算力，成本较高，借助专门的AI芯片或能降低成本。对于general AI或super AI的算法，目前AI界还处于探索期。

如今，AI的应用场景几乎渗透到各行各业。不过，绝大部分可行的应用场景还是narrow AI。需要general AI的场景（如交互性强的服务机器人）还有诸多挑战，这一领域会是未来的投资热点。同时，部分应用场景（如无人驾驶）对AI的准确性要求很高，算法离落地还有距离，创业公司应该切入可落地的“过渡型”应用场景。比如，当无人驾驶还无法实现时，创业公司或可以先从智能辅助驾驶系统着手。

2、AI+产业，百亿级公司的赛道在哪儿？

Henry：能被数字化的行业，一般都存在着百亿级公司的赛道。这些行业会积累大量数据，而AI能通过分析数据显著提升效率，甚至完全代替人力，这是必然趋势。

不过，考虑到不同行业的落地周期有所差异，我们更关注未来3年内百亿公司的赛道。短期内能落地的百亿级赛道需要满足几个条件：1)AI解决的问题是刚需且可以清晰定义；2)AI解决的问题具有规模效应；AI可提供显著价值（提高效率或降低成本）；3)有大量的数据积累或数据采集容易，且数据容易被标注；4)技术的可行性高（general AI的技术难度比narrow AI高不少）；5)对AI有一定容错率（对准确率的要求相对较低）；6)AI能提供辅助而非直接替代作用（减少应用过程中的阻力）。

根据这些条件，我认为安防、金融、新零售、教育、医疗、娱乐等行业都有潜力成为百亿级赛道，在中国会有较大的落地机会。因为数据更易获得、有政府推动等，中国AI在安防和新零售领域可能走得比美国更快。而美国AI则会在医疗、教育和金融等领域发展得更靠前。

3、在AI的落地中，您比较看好哪类商业模式？

Henry：目前，大部分AI公司采用的是2B模式（2G模式也类似），因为解决的痛点相对明确，B端付费能力较强，这种模式相对容易落地。但其缺点在于：B端客户签约周期较长、需求较为分散，这导致2B公司的发展速度不如2C公司快，同时2B的解决方案比较难标准化、规模化。目前适合2B的细分赛道有安防、AI医学读片、大数据风控、能源AI调度、智能农业、智能营销、智能制造等。

相较而言，2C的AI企业往往市场更大，数据积累速度更快，同时产品容易标准化。目前适合2C的细分赛道有：教育、智能消费、虚拟社交、智能音箱、大数据健康管理、无人零售、无人驾驶、服务机器人等。

一些我们投资的2C的AI公司：ObEN（通过声音和照片，为人们快速打造AI虚拟形象，打造全新的社交体验。合投方：腾讯、软银）、Honey（通过分析你的购物行为，为你打造最懂你的智能购物助理。合投方：花旗银行）、StatMuse（基于自然语言处理的体育类互动问答平台。投资方：Disney、Google）。

4、怎么看AI行业的资本泡沫？

Henry：我认为AI行业确实存在泡沫，泡沫主要来自两方面：市场上存在大量伪AI公司，他们借用AI概念，但并没有真正通过AI显著提高效率或降低成本；另外，很多企业赶上了2016年和2017年的AI风口，获得了过高的估值，但其在商业化方面并没有真正落地，持续烧钱却难以“造血”。

目前，资本市场已经出现了“资本寒冬”迹象，机构的“子弹”变少，在投资时会更看重AI公司的现金流，无法商业化落地、估值过高的AI公司在后续融资上可能会很困难。我认为，2018年年底会是个分水岭。

从细分赛道来看，目前新零售、医疗、无人驾驶等AI领域存在较大泡沫。泡沫大的赛道往往有如下特点：吸引的投资金额大；行业门槛不高，贴近大众；商业落地周期长。

5、面对恶劣的资本市场，对AI创业团队有什么建议？

Henry：创业公司不要盲目烧钱，应先集中火力把当下的技术／产品做好，尽早获得付费客户，达到或接近盈亏平衡。尽可能在发展势头好的时候进行融资，在估值和融资速度间找到平衡。此外，创始人还需要做好三件事：1)不断吸纳好的AI人才；2)保持对AI技术发展的敏感性，关注新技术颠覆现有技术的可能性；3)与客户密切沟通，深刻理解需求和痛点，提高场景验证和迭代能力。

中美AI创投对比

1、走到2018年，中美AI创业公司融资和机构募资有更难吗？两国AI企业的退出正呈现哪些趋势？

Henry：2018年，中国金融市场整体监管趋严，资金面趋紧。未来一段时间，中国VC／PE、股市、房地产等各类资金都会比较紧张，AI行业的投融资会面临较大影响。不过，从一级市场来看，全球AI行业的总体投资仍在不断增长，2017年全年约为150亿美元，2018年Q1的投资总额超过2017年Q1（26亿美元）；从二级市场来看，目前中国股市比较低迷，美国相对好但很可能会面临周期性的调整。

2011年到2018年全球AI公司的募资情况，图表来源：VentureScanner

2011年到2018年全球AI公司的IPO情况，图表来源：VentureScanner

从退出通道来说，美国IPO和并购市场相对更市场化，早期AI企业被并购的案例正在增多。在中国，AI独角兽企业通过IPO退出相对困难，市场对没有盈利的高科技公司通常持有保守态度。近期中国虽然正在修改发行和上市规则，希望一些掌握核心技术的高科技公司快速上市。但多数中国AI企业收入不多，想登陆A股还是比较艰难。为此，部分AI企业或可以寻求登陆港交所或海外资本市场，或通过并购退出。

李开复此前曾预言，中国AI投资从2016年开始火热，到2017年年中达到高潮。资金疯狂涌入之下，行业的估值被迅速推高。如今，随着中国资金面趋紧，部分尚没有落地场景和变现能力的AI企业，在下轮融资中将面临巨大压力。此外，二级市场的变现低迷影响基金的退出周期，以及去杠杆后机构投资者减少等，也会影响中国AI企业的融资。

相较而言，美国AI行业的投融资比中国更理性——估值更合理，二级市场的退出也比较良性，最重要的是，很多AI企业目前已具备不错的现金流。走到2018年，美国AI企业的融资形势相对乐观。多家美国VC成立了新的AI基金，比如吴恩达成立了1.75亿美元的AI Fund。

总的来说，我们对中美AI公司的未来融资都比较乐观，因为好企业不会缺钱。即使是市场形势暂时有挑战，只要公司有足够强大的竞争力，一定会得到市场认可。

2、中国AI行业的投资目前格局如何？和美国有何差异？

Henry：中国AI行业有几大特点：1)政府对AI产业的扶持强于欧美；2)AI公司不那么注重数据隐私，获取数据更为容易；3)近2/3的资本集中于头部公司，而美国相对分散；4)投资总额和融资节奏较快、企业整体估值偏高，同时退出数量较少。

CB Insights数据显示，2016年中国AI公司的融资额在全球的占比为11.6%，2017年上升到48%，首次超过美国（38%）；美国AI公司从成立到种子/天使轮平均需要15个月，中国只需要10个月；中国AI公司的整体估值是美国的1.5-3倍；据不完全统计，2017年全球AI行业有117项收购或上市退出，其中美国有68项，中国只有4项。这既是因为中国AI行业刚进入发展阶段（融资多在B、C轮），同时也因为中国大公司相对缺乏收购习惯，且大部分AI公司没有利润，缺乏被收购的吸引力。

5) 中国高端AI人才的数量明显少于美国（差距10倍以上）；6)从细分赛道上看，中国AI企业主要集中于应用层和通用技术层，在基础层（如AI芯片）上和美国差距明显：中国芯片企业的融资额不到美国的1/10，且技术上差距较大（美国在GPU 和 FPGA两个领域保持垄断地位）；在应用层，美国企业的应用范围更广，比如在能源、太空、农业等行业应用上发展深入。

中国AI投资多以应用层为主，而美国则是面向全产业投资，除了因为美国AI人才储备更多，还因为中国资本市场整体更“急功近利”，更倾向于较容易变现、研发周期更短的应用层AI公司。

基于此，我们判断，目前中国AI行业不缺资金，缺的主要是高端人才，这造成资本集中于头部企业和整体估值偏高。AI List Capital希望立足美国的人才优势，投资美国有技术/数据壁垒的早期项目，并帮助其拓展中国市场。

3、中美数据发展环境的差异如何影响AI的创业和投资？

Henry：美国对数据隐私的敏感度对AI的发展有一定制约，这也是为什么中国正吸引越来越多的AI公司落地。但美国对数据隐私的保护，让美国企业更加重视数据的安全性，在数据存储和共享方面做得更完善，这对AI整体生态的中后期发展有益。

4、AI是中国独角兽的集中赛道，其中融资占比前三的领域是计算机视觉与图像，自然语言处理以及自动驾驶。光是视觉识别领域，中国目前就有4家独角兽。为什么中国AI领域的独角兽如此集中？中美情况有何不同？

Henry：中国独角兽集中在AI领域，首先是因为政府的推动，比如其在安防、智慧城市等领域的巨大投入，极大促进了计算机视觉的应用。比如，旷视拥有中国十几亿人的生物识别数据，云从科技获得了广州政府几十亿人民币的扶持资金。在这种推动下，商汤、旷视、依图、云从等独角兽企业获得了人才和数据积累上的先发优势。在AI数据的网络效应（Data network effect）下，这些数据壁垒会形成技术壁垒，进而吸引更多客户。这成为这些公司估值高的原因。

目前，中国头部AI公司大部分属于“通用技术”（如视觉、自然语言处理）。这些企业往往具有三个特点：由该类技术的科研领军人物创立；聚集了该技术领域的一批高端人才；深耕该类技术，并应用到不同行业，市场空间巨大。因为这些特点，“通用技术”型企业更容易成为独角兽公司，不过这样的机会正逐渐变少。

相较而言，美国多是大企业研发AI通用技术，创业公司往往偏向行业应用。因为大公司在通用技术领域布局较早，且进行了巨大的科研投入（各大公司都设有研究院）。同时，美国众多独角兽企业原本都是互联网／移动互联网公司，它们是在积累大量数据后自然“转型”成AI公司的，比如Robinhood（AI+金融）、UiPath（AI+医疗）、Tempus Labs（AI+医疗）、Uber（AI+物流）、Instacart（AI+物流）等。

5、中美视觉识别领域的发展和落地情况有何不同？

Henry：中国计算机视觉领域的公司数量超过百家，头部效应明显：头部公司拥有深厚的资本和人才优势，不断地切入细分行业，形成“大者恒大”的“平台型”公司。通过资本来整合其他AI公司往往成为这些头部公司的扩张战略，比如商汤科技和鼎晖投资联合成立AI基金来对AI初创企业进行投资布局。

美国计算机视觉领域缺乏商汤这样的“平台型”计算机视觉公司。美国的AI公司更偏重细分行业应用，除了热门的医疗、教育、零售、娱乐等行业外，在能源、农业、矿业、太空等行业也有较前沿的探索。但因为政府的推动力不如中国，美国在安防领域的应用相对少。

从落地角度来说，中国视觉识别技术在安防领域的落地较好，规模化效应强。但落地较强的仅限于人脸识别，对于智能行为识别（如判断是否打架）方面，现有的技术还面临着很大挑战。在金融领域，中国视觉识别技术在大数据风控、智能投顾等方面都进行了一定落地，但尚未规模化。比如，部分中国P2P公司建立了自己的大数据风控系统，但规模化还较难。在智能投顾方面，美国发展得相对更靠前，比如金融交易所和数据公司S&P Global最近以5.5亿美元收购了Kensho。

在新零售领域，中国智能商品推荐、用户行为分析等都达到了较好的落地程度，但目前绝大多数无人商店只进行了部分环节的自动化，更多处于概念阶段。这个领域还需要更多技术突破，真正落地估计还需要两到三年。

6、“中美贸 易战”可能如何影响中美两国的AI创业和投资？

Henry：关于“中美贸 易战”，我们有如下几个判断：1)中美博弈会长期存在，现在仅是开始，要有打持久战的准备。2)在中美博弈中，中国处于相对的劣势，因为中国对美国的依赖大于美国对中国的依赖：没有中国，美国还可以从其他国家进口产品。但中国出口美国的产品数量庞大（5000亿美元），短时间内很难找到其他替代市场。中国在高技术领域（比如芯片、飞机等）和美国有较大差距。3)美国从贸易入手，根本目的是保护其知识产权和在高技术领域的核心竞争力，因为这涉及到美国的安全和整体利益。

我们觉得中美贸 易战会对随后的AI创业投资有几点影响：在核心高技术（比如芯片）或AI领域的底层技术上，中国资本基本很难进行投资或收购；中国AI核心技术方面的创业会受到更多资本、大企业和政府的扶持，但挑战在于中国AI高端人才缺乏；为了在AI核心技术方面有所突破，中国或将吸引更多海外高端人才回国创业。

聊聊AI投资方法论

 

1、专投AI的VC难在哪里？您在投资中，最看重的点是什么？

Henry：AI的研发周期较长，早期判断其商业化路径有一定挑战。其中的难度在于，判断AI项目的技术风险及该项目能否解决真正的行业痛点，而非伪需求或浅需求。要想对此有较好判断，投资人需要对AI技术有深入理解。

作为早期投资者，我们主要关注三方面：首先，该AI项目是否提供了清晰的价值（比如具体提升了哪部分效率，提高了多少效率等）；其次，AI是否真正解决了用户痛点（是否有付费或试用/合作用户）；最后，AI离真正商业落地的距离。

对此，投资人可能需要进一步考虑如下问题：要解决行业痛点，现在的技术是否可行？技术需要多久才能真正落地？技术是否可能无法实现？如果技术成熟还需要几年，是否可以通过过渡型产品来降低风险（如辅助驾驶）？

除了对技术和赛道进行判断，早期投资的核心还在于投人。总结来说，我们看重创始人的经验、野心和决心。值得注意的是，部分AI创业者虽然有很强的技术背景，但商业经验未必丰富，做出的产品不一定能真正落地。

比如说我投资了20多家AI公司（注：部分公司是Henry在正式成立AI List Capital之前个人投资的），包括智能购物助理Honey（花旗投资）、个性化AI技术公司ObEN（软银、腾讯投资）、网络安全公司Shape Security（KPCB、Google投资）、Uber模式的卡车货运平台Next Trucking（红杉投资）、基因测序公司Veritas Genetics（Lilly Ventures投资）等。其中，对ObEN和Honey的投资较有代表性。

2、如何打磨出一支优秀的AI投资团队，让他们跟上科技的发展速度？

Henry：首先需要团队在AI领域上有专业度。比如我们的投资团队成员中超过一半是AI领域的博士，能深入理解技术，和AI公司在一个频率上交流。同时，能帮助所投的AI公司引入世界级的AI顾问。

其次要不断自我升级，很重要的是保持谦卑包容的学习态度，不对新事物主观臆断。在训练团队成员看项目时，我非常强调深度思考，看透本质。我经常会问团队成员：“假如你只能问创业者3个问题，你会问什么？”当你只能问最少的问题时，就会深入思考什么是最关键的元素。

在投资团队的打磨上，我们有如下几条策略：

一、要求每位成员都学习AI，对技术有一定认知。

二、组织团队进行系统化的行业研究。2017年7月到10月，以及2018年的6月到8月，我们分别做了两次行业研究，深入研究了AI和区块链在七大行业（金融、医疗、教育、娱乐、能源、农业、太空）的应用，梳理了超过5000家公司。在研究中，试图回答以下问题：a) 爆发式增长的创业/投资机会在哪里？b) 如何理解技术的本质、局限和趋势？c) 美国有哪些领先中国的技术和模式？哪些具备落地中国的潜力？d) 传统行业的升级转型机会在哪里？ e) 发现了爆发式的机会，如何快速把握？

三、与业内顶级的投资机构保持互动，联合讨论项目。

3、可否总结一下您2018年上半年的AI投资？您觉得未来两年AI会有哪些新趋势？

Henry：2018年上半年，我们重点投资了若干AI+行业（教育、医疗、安防、营销）的项目。其中大部分项目在我们投资时，都接近盈亏平衡，并同时具备爆发式增长潜力。目前，约一半公司获得了下一轮投资，回报率跻身美国第一梯队。

未来两年的新趋势：1）结合物联网：更多软硬件相结合的AI项目。比如我们在美国投资的安防、采矿或建筑机器人项目。结合硬件，可以提升这类项目的壁垒。2）结合区块链：区块链解决了信任问题，能促进AI协作和数据共享。3）在能源、农业、制造、太空等门槛较高的行业产生更多应用。4）更多2C AI应用的涌现。

嘉宾简介

Henry Shi 博士，AI List Capital管理合伙人。在人工智能领域拥有10 年以上的科研和投资经验，专注于投资早期 AI 公司。已投资近 20 家美国人工智能初创公司，研究了全球超过 5000 家人工智能公司。

作为连续创业者，Henry 联合创立了南加州地区最大规模的华人创业服务平台 PlusYoou 普创。Henry 为美国南加州大学人工智能的博士，卡内基梅隆大学机器人系访问科学家，曾受邀在Google、Amazon、长江商学院、中科院等机构坐过人工智能的专题讲座。

Henry 在 AI 领域的代表性投资包括 Veritas Genetics（AI+ 医疗）、Shape Security（AI+ 安全）、Honey（AI+ 消费）、ObEN（AI+ 娱乐）、Next Trucking（AI+ 物流）等，这些公司均获得了顶级投资机构（红杉、KPCB、Google Ventures、软银、腾讯等）的后续投资。联系方式：henry@ailist.io。