作者 郝毅文

观点

• 在实际接触到的AI项目中，处于技术工具“造榔头”阶段的多，离产品化“造出房子”还远。
• 目前人工智能人才的最大缺口是技术型人才，但下一个缺口将会是商业化人才。
• AI类型项目主要退出方式还是被巨头收购（15年69起，16年84起），目前尚未看到哪家有独立上市苗头，和热度略逊的大数据领域也差距较大，基金退出渠道不明。

一、AI：创投圈2017年最热方向

根据烯牛数据的统计，16年底-17年初，国内各大机构在关于今年投资方向的98篇讨论中，人工智能的提及次数占48次，是第二位“文化娱乐”的1.8倍。按Venture Scanner数据，2016年，全球人工智能领域创业公司获得的融资总额达到了50亿美元，658个公司获投。市场火热程度毋庸置疑，但繁荣之下也有隐忧。

Source:CBInsights

二、产品化与估值泡沫

我们认同AI技术的普及和爆发是必然趋势，但回到实际接触到的AI项目中，处于技术工具“造榔头”阶段的多，离产品化“造出房子”还远。

对比同样To B为主，以解决企业实际问题为目标的SAAS行业，AI领域有一定估值泡沫存在。

业内对SAAS公司有按Forward P/S 5-10倍来估值的共识，而AI类项目还在看人头，看简历定价阶段，或许存在按发表论文Paper数+H Index（学术产出水平）估值的P/P方法。

此外不少换包装的“准AI”项目也大量入市。甚至有些消费类项目，商业模式关键点并不在于AI技术应用，也在融资时凑热点，堆砌一些技术名词“忽悠”投资人。这反而掩盖了自身特点，带来不必要的技术DD，以己之短博人之长。

三、人才瓶颈 

人才需求爆棚，薪资翻番，创业公司招人难。北美地区16年AI开发的相关职位供需比是3:10。该领域人才在国内的供求失衡更为严重，或达到1:10。学术圈人才大量进入工业界，也有诸多大公司骨干按耐不住开始了创业。

Source:David Simonds

目前该领域最大缺口的是技术型人才，但下一个缺口将会是商业化人才：理解技术边界和实现机制，更懂行业需求的“翻译官”类型。

创始人背景：目前普遍受认可，也是最多见的创始人背景是有学术高度的海归博士，在产业圈公司工作3-5年，晋升快，又有商业思维的。

其次是大公司研发线高层创业以及教授选手，一般在副教授级别，30-40岁，有一定学术影响力，有全职下海决心的。科学家创业需要尽快找到商业合伙人，对要落地的行业非常了解的。

四、退出路径 

全球范围，AI类型项目主要退出方式还是被巨头收购（15年69起，16年84起），目前尚未看到哪家有独立上市苗头，和热度略逊的大数据领域也差距较大，基金退出渠道不明。在国内的环境中，大公司依然倾向收购资源和收入，对人才和技术的收购并不积极。

学术界的技术从论文想法到产品落地，再到成为行业常识的时间越来越快，具有技术收购价值的窗口期缩短。例如去年的热门软件Prisma所用到的风格迁移技术，概念最早发表于 15 年 8 月的一篇论文《A Neural Algorithm for Artistic Style》，3-4个月后，开源社区将算法速度提升了几个数量级，16年上半年有2-3家创业公司拥有这个技术，7月Prisma引爆朋友圈后，现在已有不少于20个团队在这个方向创业，也成为所有美图类的标配。届时技术收购价值也大大降低。过高估值的公司，自我造血能力跟不上的话，形势尴尬。

五、技术成熟周期 

前沿科技领域的创业公司需要尊重商业规律，寻找价值创造点，敬畏技术成熟周期。Gartner每年都会公布新兴技术成熟度曲线，创业者应审视自身实力，寻找技术到站距离比较近，或是至少有中途停靠补给站（商业化应用）的赛道，伟大的企业都从满足客户需求开始，而不是依靠赢得世界级的学术地位。

Source:David Simonds

AI领域巨头积极开源，平台类型技术很快会商品化。例如Google Tensorflow这样的框架，现在不少非AI公司都在实际应用了，就像3年前Hadoop的普及一样，靠这样的框架做AlphaGo还不可能，但分析一些离线业务数据已经足够。

六、源码所看好的AI领域公司特征

数据是生产资料、计算是生产力。纵观整个产业链，我们更看好应用层的行业解决方案公司，在垂直行业中找到价值创造点，能借助AI技术提升行业效率的，或者满足必须依赖AI才能实现的新需求。同时我们也看好沉淀有大量自有数据，未来可能用AI技术发挥更大价值的公司。

Source:网易 乌镇智库 源码资本整理

以下AI+行业会更早引来爆发机会：信息分发、金融、医疗、教育、安防、物流人流等。

Source: 源码资本三横九纵投资地图

未来的AI投资难成独立赛道，将会分散到各个应用领域投资中。源码坚信，AI技术是如今最激动人心和最具变革性的机遇，但AI在2-3年后将是一个消失的独立投资领域。它会像第二次工业革命中的电一样，成为基础能力，给每个产业带来新的商业机会，也解放数以百万计现有工作岗位。

 “靠谱”AI类创业公司的特征侧写

• 从技术创业开始，从技术层切入，找到优势点后，进入某个行业做应用；
• 好切入点，有行业Know-how的高管团队；
• 数据端卡位的意识；
• 算法端可靠+性价比：基础算法不落后，创始人能卷起袖子解决工程问题；
• To B创业公司占绝大多数，To C很少见。收入以项目制为主，初期一般是分包商地位。赋能传统中间商/集成商/代理商是这个赛道里好的商业模式。