昨天，猎云网"2017人工智能产业创业创新峰会"在北京四季酒店隆重召开。此次峰会的主题为“精·识·致·用”，分别诠释为精准大数据，智能识别，产业结合，生活应用。上百位人工智能领域著名学者、顶级专家和知名投资人参与，共同探讨当今AI的发展创新与变革，将产业与人们的实际应用相结合，为人工智能的普及奠定可行性的基础。

在本次峰会上，线性资本创始合伙人王淮分享了自己对AI的一些思考，首先AI具有4大特点：

创业门槛高：懂技术，能服众，（学会）懂商业；应用结合深：获得可靠数据并和集成决策；速度慢：普遍 To B；投资门槛高：技术素养和耐心都高要求。

在这样的大背景下，人工智能行业出现了“冰”点（缺点）：

1.机构杂：纷纷设立人工智能小组。

2.人才贵：PhD 的起步薪酬套装超过100万人民币。

3.资本泡沫：估值是远跑在价值之前的。但好公司能让自己的增值赶得上估值。

4.决策乱：很多机构闭着眼睛投

与此同时，人工智能和很多细分领域都有很好的结合，处于“热”的状态：

AI+BI：容易看懂；利用最新的大数据框架和机器学习方法来解决行业痛点。

AI+FinTech：金融纯数据生意，技术面落地容易，人为门槛高，离钱近。

AI+交通：最热的AI投资领域，可惜早期基金很难参与。

AI+安防：人脸、虹膜、声纹、指纹/掌纹。

AI+医疗：CV技术的应用在辅助诊断和辅助治疗，新药研发，病历病史挖掘，大健康管理。

王淮认为，未来泡沫一定会破灭，好公司一定会崛起，疯狂的投机者会退场，很多AI公司是会实现技术的产品化和大规模商业化的。同时他也劝告各位创业者，拿钱比高估值更重要，打磨场景的重要性远高于打磨技术。

以下是王淮的演讲实录，内容经猎云网整理：

首先介绍一下线性资本，线性资本我们是三个大原则，一个是基于数据，第二对于数据的处理，这是背后的核心能力，第三是应用，商业上面找到了应用场景，这是线性资本衡量一个项目的标准。我们已投37个项目，集中早期，是天使和A轮，我们有三分之一是人民币。

可能很多人知道线性资本，因为我是脸书的早期员工，加入的时候看到脸书从十亿美金变成一千亿美金。我以前是做什么的？是广告系统的后台系统，还有反欺诈这块，我们后来投的同盾，这是我们A轮投的公司。他们干的事情和我们干的事情非常像，那是我们唯一一个两个小时之内决定投的项目。我们以前做很多跟大数据人工智能相关的，线性资本经历了两年半的发展之后，从一开始各个领域都投到最后聚焦做大数据、人工智能这个方向，这是有原因的。

今天的题目是冰火两重天，我们看一下这个情况怎么发生的？这里面把这些去掉之后发现过去一年左右的时间，后面百度的曲线往上走的非常厉害。

百度指数“人工智能”

这个更加厉害，很多人资本走在现实之前，从资本的角度来说不包括中国，中国的更夸张。中国投资环境是经常，如果形成风口之后，你能够看到这个曲线更加陡峭，这是国外的CDNsights的统计。这是宏观的。

从我们自己的亲身感受来看有什么变化？

先回到2014年那时候线性资本刚刚成立。我个人投三四家公司，我们也接触很多非技术类的公司，但是2014年的时候可以说人工智能大数据这类的投资非常冷。我们最早投的一家公司是神策数据，你有线上流程就可以做用户行为分析。我们做他们的天使，那时候只有五个百度工程师，什么都没有。我们当时投了天使，心里非常忐忑不安。

到了A轮是红杉做的，红杉跟我说这个事儿，说他们当时看到这个团队，他们已经见几十个VC，没有人投他们，但是他们相信未来是需要这样的工具，但是对于数据驱动这个事情，从原来的粗放性增长变成精细化的投入，其实他比用户行为分析更大，只不过用这个词大家更容易理解。

另外一个也是明星公司，这家公司融一亿多美金，我可以保证这里的数据只要是我们投的肯定是正确。2014年10月份我们做它的天使轮，那个时候只有图纸。那时候十个人有九个人觉得这个事儿做不成，剩下这个人对这个事情的理解不一样。IDG觉得这是一个智能的台灯我们觉得这是一个智能的音箱，最后人家干的是基于语音的生态系统，是解决你的问题。最近做了一个估值，累计起来是差不多一亿美金，从一开始不解，到今天很多大基金的参与，其实有一个天壤之别。

到2016年，去年这个风口，如果真的用风口这个词形容，应该是去年年初的时候开始火爆，很大的原因是必须要感谢这位棋手兼谷歌高级软件测试师李世石，他输给阿法狗，这是第一次在代表人类智能，站在人类智能最巅峰的一个游戏，最强大脑输给人工智能，这个事情对很多人的震撼很大。这个事情在中国被极度夸大，尤其是借助朋友圈的传播，在国外的影响力温柔很多。

在中国煤老板提这个事情，他担心阿法狗代表的人工智能怎样影响他的饭碗？我们必须感谢这个事情带来的错觉，这个错觉让人工智能在接下来的一年内，不管是融资还是薪酬还是你的东西卖给煤老板，你的销售难度，对方脑子已经被这个事情洗过一遍，已经容易很多。之前跟他说有没有听说阿法狗？棋手输给阿法狗，他只要知道你就知道这个谈判比以往的其他谈判简单一半至少。

这是典型特点。创业门槛高很多，比O2O的时候，懂商业模式的创新这类人会多了很多要求，就是懂技术，这里的人才，虽然绝对数量多但是相对数量非常少，培养这样的人不容易，这样的人加入一家公司要服众，要领导这些人非常不容易。

对于CEO的要求除了懂技术能够带领AI人才，还要懂商业，这个曲线一定要形成。我们说我们寻找的是什么？是出身于技术大牛，最后能成长起来的商业领袖，如果没有办法体现这个部分，这些公司一定会碰上天花板。

我们之所以这么说主要的原因在哪儿？这样才能获得大量数据，还有可能回到流程决策。因为没有这个数据来不了，你空有能力不行。你处理数据之后，你要回到决策流程，这样才能对对方造成一个效果，让他的决策更快决策质量更好，这是我们为什么跟应用结合深的原因。这个里面速度是慢的，因为是一个2B的生意，投资门槛比较高，对于投资人来说，我们懂的不如他们。但是一定要按照这个路径，看一下是怎么进行的。还有是耐心要高，不能像O2O一样砸钱就可以复制，基本做不到。

缺点

它的缺点就是机构杂，我没有看到投这块的小组的，人才非常贵，起步薪酬现在达到一百万人民币，就是每年算下来一百万人民币以上没有问题。资本泡沫，有人说有没有资本泡沫？这个答案非常明显，估值是跑在价值之前，只不过好的公司让自己的价值赶上自己的估值，退潮的时候这些人准备好了，至少没有裸泳。

泡沫破裂对所有人不好，但是一定会去泡沫，这个东西不像房价一下去泡沫不行，我觉得技术领域完全可以实现，就像O2O过去，其实中国的O2O也好，在移动这块也好典型的出现就是大家觉得这个事情一直会增长下去，高估值下去，两个月进入寒冬期。

具体体现这些数据上面，这个表有一定的代表性，上面都是非常有不错的公司，我的感受包括我们自己在里面有两家公司，这里面所有的都是有泡沫，只不过好的公司能够改善泡沫。今天已经处于AI热，究竟热哪些方面？我们自己不好看但是我可以解释一下，我们分成三大类。最底层就是物理层，这里有很多云计算、高性能的计算云，有属于数据平台，很多人说空有武功找不到数据，数据在哪儿？数据在平台上。

应用层是我们的重心，七成的时间精力在这一块。比如AI+交通出行，我们认为是去年最火的AI投资的领域，从资金量来看。AI+FinFech，这是非常大的资金量。还有机器人，有一些人投有一些人没有投。AI+安防，跟国家在安防上面的投入有关，BI，商业智能和SaaS，这里分传统SaaS和数据的DaaS，还有IOT，AI+教育。其实我们以前一直寻找这样的团队，我们很相信对于教育这里带来一些改进的工作。

还有未来性质的项目，这个对于你的耐性要求特别高，三年之内别指望有很大的回报，包括VR、AR的一些核心技术，包括自动决策、各种传感器，一整套的，如果称之为泛AI能力，这个要求是非常高的。但是这个事情如果是没想明白直接进去，基本上是九死一生。

重中之重的典型领域

我们典型的认为这几个，一个是AI+BI就是商业智能，原来做SaaS投资的人加上数据是有机会贴到这一块。还有AI+FinFech，金融是一个典型的数据生意，如果在数据上面提供新的能力，那么它带来的好处很明显，但是人为门槛很高，拥有数据拥有业务这块是怎样能够让他们理解认识数据的价值？这一块是一个巨大难度，但是如果进入产生效果，只要拿到数据可以产生很好的效果。如果进入了这个数据不能产生效果，一定是哪里出了问题。

智能投顾，一年前我们觉得这个领域说的比做事情的人，但是现在有一些好团队出来，典型团队就是懂大数据和金融领域干了很多年。我们刚投一个是在美国待了十几年，一个很资深的人出来做智能投顾的项目。这个词在十个人脑子里有十种不同理解，今天不展开了。

AI+交通我们觉得这是一个很好的领域，但是分享到两点。2030年就是50%以上被机器取代的自动驾驶，还有两到三年强调应用场景的这类自动驾驶的投资都会出问题，还是在核心底层的技术投资更有意义。作为一个整套方案，我觉得早期基金不太适合。

AI+安防，我们把自动驾驶，如果做整套方案我们把它直接放弃，不适合早期基金小基金做。因为五亿美金做这个意义不大，AI+安防，我们投过一些。

AI+医疗是我们今年着重，我们今年领投一个跟投一个，到年底估计还有一到两个的投资。用机器看片在医疗这个领域，技术这个层面有很多突破，现在大家期待用什么方式跟传统医疗做紧密的结合？一个就是分享2月份的时候，第一次在自然地理的杂志一个月内有两篇关于机器学习看图的文章，这是历史上第一次。很少有两篇文章同时出现。

对未来的猜想

我们认为泡沫一定会破灭，而且很可能是在今年年底，因为前一波开始拿到钱的公司，过了12到18个月，开始融下一轮，很多公司融不到，融不到会有很多报道出来。

疯狂的投技者会退场，拿钱比高估值更重要，打磨场景比打磨技术更重要，很多AI公司到今年年底好的那些在实现技术的产品化和产品的商业化会有一些实际案例出来。

我们的逻辑最早是搜索，再后面是研究的技术化，就是更加成熟可用了，技术的产品化、傻瓜也可以用，用你的成本非常低，再后面有没有本事卖两百家三百家，这就是考验你商业化的能力。