原标题：资本寒冬来临，估值百亿的AI机会在哪里？| 国际视野

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。

拓展推荐：2018李彦宏演讲——

人工智能会叫你加速失业吗？

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；

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。

拓展推荐：智能服务2.0时代，人工智能成客服标配

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。

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+

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。

拓展推荐：对话微软CEO萨提亚·纳德拉

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。

2、目前您已经投了多少家 AI 公司？有哪些投资案例值得分享？

拿投资 ObEN 来说。2014 年，我在自己创立的美国南加州规模最大的华人创业平台“普创”上认识了 ObEN 的两位创始人。其中一位创始人郑毅是百合网的联合创始人，还拥有 10 年以上的投资经验（曾任光速创投投资合伙人）；另一位创始人 Nikhil 也是知名的连续创业者。

那时郑毅刚从国内回到洛杉矶，计划创立一家高科技公司。他俩最初计划做一个类似名侦探柯南里的“变声器”，即利用人的声音来建立发声模型。在大部分投资人看来，这个想法只是“有趣”，却很难看到应用前景，因此很多聊过后都没有投资。我是最早押注的天使投资人之一，2014 年 10 月投资了其种子轮。

我当时嗅到它的价值，是因为想到一旦实现声音和形象模拟技术，就可以实现个性化的 AI，成为每个人的“替身”，这将会开启全新的社交和服务模式，想象空间巨大。2017 年年初，为了提升个性化 AI 的安全性，ObEN 结合区块链技术，打造了人工智能公链 PAI（Personal AI）。

如今，ObEN 模式已经受到越来越多投资人和市场的认可：2018 年 1 月，ObEN 完成 B 轮融资，投资方包括软银、腾讯、K11、SM 娱乐等；2018 年 7 月，ObEN 和腾讯在清华大学设立了区块链研究中心，并入选了软银的“全球创新合伙人”计划，ObEN/PA 也 I 登陆了火币、Bitfnex 等交易所。我们投资的种子轮目前估值增长已超过 20

此外，我还投资了智能购物助理 Honey。Honey 的主要功能在于：帮助用户在电商网站结账时找到全网最便宜的打折券。2015 年 12 月，我投资了其 Pre-A 轮（目前估值增长超过 30 倍），实现了部分退出。在决定投资 Honey 时，我和 CEO George 只深聊了 1 个半小时。之所以能迅速作出决策，主要基于两点：

首先，George 对数据很敏感。当时我问他的其中一个问题是：Honey 可以为用户省钱，但是否会影响电商的利益？George 回答称，打折券是美国电商常用的促销手段，本来就在企业的营销预算内，影响不大；同时，数据显示，用户在使用 Honey 后，购买率反而提升了 1 倍。没有 Honey 时，用户多通过网上搜索打折券，期间他们离开原支付页面，这有时会造成用户流失（或去了别的网站购买，或冷静后决定不买）。而使用 Honey 后，用户始终停留在原页面，且心理上觉得享受了优惠。

其次，我看好 George 的决心和远见。作为连续创业者，George 在创立 Honey 前已经有 3 家公司被收购，他对如何做大公司有着清晰的战略。

目前，Honey 已经和美国 6000 多家电商达成合作，每月的净收入超过千万美元，完全实现盈利。公司已逐渐从工具型产品变成大数据平台型公司——目前拥有 1500 多万用户在 6000 多家电商上的购物数据。今年 3 月，Honey 获得了美国花旗银行的 D 轮战略投资，估值达 10 亿美元，步入了独角兽行列。

除了这两家公司外，我还投资了 Next Trucking 的种子轮（目前估值增长超过 10 倍），Shape Security 的种子轮（目前估值增长超过 40 倍）等。

Henry：最大的吸引力就是我们在 AI 领域的专业度，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，我们会积极地帮助所投的 AI 公司引入世界级的 AI 顾问，比如我们为所投的一家 AI 司引入了两位顾问，分别是高盛和京东的 AI 总负责人。并且，AI List Capital 构建了超过 5000 人的 AI 人才库，能够帮助 AI 公司高效地招聘技术人才。

比如，在对 ObEN 的投资中，我在前期给了他们不少技术建议，还帮助其面试了多位 AI 博士。ObEN 引入的第一位 AI 科学家 Mark Harvilla 博士就是我面试的。还有对基因测序公司 Veritas Genetics 的投资也很典型。

2014 年，一个投资医疗的朋友给我介绍了 Veritas。我当时很感兴趣，除了因为基因测序市场潜力大，还觉得创始团队很强——Veritas 由美国基因界权威 George Church 教授、医疗领域的连续创业者 Mirza Cifric 联合创立。公司除了能提供高性价比（1000 美元以下）的全基因测序服务，也在基因数据的 AI 分析领域进行了重点布局。

当时我和 Veritas 创始人谈的时候，其种子轮争抢的很激烈。Veritas 接受我的投资，主要是看重两方面优势：一、基因测序后会产生大量基因数据，测序公司的数据分析能力会成为重要壁垒，我的 AI 背景能帮助公司设计 AI 解决方案，并招募 AI 人才；二、我能帮助其拓展中国客户。

从 2014 年 10 月我投资了其种子轮至今，Veritas 的估值已经增长了超过 30 倍。

4、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：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。比如要求每位成员自学吴恩达的《机器学习》和《深度学习》课。

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，我们试图回答以下问题：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？

同时，我们也密切关注其他和 AI 结合紧密的高科技行业（如生物科技、新能源、新材料）的动向，同时和一线创业者、外部专家等交流，以弥补自己原本认知中不够完善的部分。

三、与业内顶级的投资机构保持互动，联合讨论项目。比如我们经常和软银、红杉、真格交流项目。

5、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，账面回报率过百。

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。

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。自 2011 年底起，普创已举办了 200 多场大型创业活动，深度服务过 IDG、真格基金、阿里、百度、美图等知名机构以及百余家创业公司。此前，Henry 联合创立了 P2P 留学咨询平台云飞跃，并实现了并购退出。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。