猎云注：孟醒在本文主要讲了两个问题，一、怎么投资早期人工智能公司？孟醒提到，他首先会关心AI创企的技术周期，哪些处于早期阶段、哪些期望过高，哪些技术属于成熟阶段，可以满足预期。因此，做投资时，要能够提前有很好的预判技术成熟路径。二、人工智能公司如何退出？他提到，最多的退出途径是被收购，AI 创业公司有一个很好的大公司收购的退出机会，科技巨头显然已经在AI领域布了很多局，非科技巨头其实也在入场、布局。文章转自：顺为资本（ID：shunweicapital），作者：顺为资本 孟醒。
今天顺为君与大家分享的，是 顺为资本副总裁 孟醒 在安信活动中的精彩演讲。
演讲中，孟醒分别以「创业者」与「投资人」两个身份来讲述他对未来人工智能技术公司发展趋势的看法。
作为一名创业者，他通过列举自己创业的两家公司来分析行业趋势。
此外，他还讲述了作为一名投资人，他是如何选择技术公司来进行投资，以及如何退出的。
在演讲中，孟醒还提出了许多新颖的观点，例如：
我们对于未来技术的预判能力是非常粗糙且一般的；
在中国，技术公司的收购前景仍不容“过度乐观”；
今天技术行业的溢价是远远高于理性溢价的；
技术创业者若降维与传统行业合作，将有着更大的发展前景……
下面请带着好奇心，看孟醒是如何理解人工智能创业公司未来趋势的。
也欢迎在评论处，与我们一起分享你的见解。
顺为资本孟醒 演讲速记
孟醒：
从图中可以看出，我的经历就像一个拔河的状态，左边是我创业的公司，右边是我加入的投资公司。所以在这个领域里面，我在谈判桌的两边都坐过，因此也可以从两个不同的维度与大家分享，我们在人工智能领域创业和投资的思路。
今天，我主要作为一个投资人，从投资的角度来看我们这个行业的发展。
我的创业经历映射出整个行业的变化
我进入这个行业比较早，12 年 1 月在美国读 MBA 的时候，我创立了第一家公司 Orbeus 。当时主要做人脸、物体、场景的检测和识别，将技术打包用 API 或者 SDK 的形式输出给客户。我们当时没有很好的商业模式，也没有行业属性，基本上就是做技术输出。再加上那个时候行业刚刚开始发展，很难找到行业属性。
回国后，我创立了第二家公司叫知图科技。那时我意识到不能再去做一个纯粹技术输出的公司了，天花板太低，所以进而希望做一个能把图像识别技术转化成行业竞争优势的事儿。当时我们决定做广告这个行业，试图把互联网媒体上的内容图片变成广告位。通过变成广告位，通过对这些图片的内容，与内容之间的关系进行深度识别，把合适的广告放到里面去。
因此，我们衡量自己的核心标准是广告转化率的高、低，而不再是图象识别率高与低了，相当于将技术转化为了生产力。
我自己的创业过程，其实从某一种程度上也映射了整个行业的变化：最开始大家从研究院、学校出来有了一套很前沿的思想和算法，不知道往哪一个方向去应用；到后来大家只关心怎样将技术应用在各个分类的垂直领域里面。
在难以预测未来的情况下，
如何进行早期人工智能公司投资
在人工智能投资方面，我主要讲两个事情：
一个是怎么投资早期人工智能公司？一个是人工智能我们投资公司怎么退出？
我在顺为资本主要做比较早期的技术类项目投资，我个人更关注以 A 轮为主的阶段，所以我比较关心的是早期我们怎么去投？以及我们早期投的这些公司的机会在哪里？
先说投资这一块。
我想我们做技术类投资首先关心的是技术的周期，而说到技术周期大家经常会想到 Gartner 这样的预言曲线：每年都给你一个预期，说那些技术属于早期阶段，我们的期望过高，哪些技术属于成熟阶段，可以满足我们的预期；然后告诉你每个技术的成熟期大概有多久。
昨天有一篇不错的文章，分析了过去 25 年的 Gatner 曲线所有的技术，目的是研究技术发展是否会按照 Gartner 曲线预判的方式往前走。后来发现几乎没有什么技术是完全按照这个曲线跑出来的。
我举一个例子，比如说有一个叫网状网络的技术，从这项技术 2003 年第一次在这个曲线上出现，大家可以看到 2003 年在这里，2004 年在这里，2007 年又回去了，大家对他理解预期的变化是非常大的。他最后一次出现是在 2013 年，那时我们认为这项技术是一个十年以上才能成熟的概念，然而 2003 年的时候我们却认为它只需要 2 到 5 年就能够成熟。
接下来我们来看一下，综合了整个 20 年的 Gatner 曲线分析出来的是什么？
20 年里面列出了 200 多种技术，其中 50 多种技术只在这个曲线上出现过一年。我们认为在这个曲线中出现的技术都应该是具有颠覆性的，能够对未来产生影响的，但事实是，其中四分之一的技术在出现了一次之后就没有了。并且，也只有非常少的技术，比如 3D 打印、云计算等，才是顺理成章地按照曲线继续往后推进、发展的。
借此我想说明的是什么呢？我们对于科技周期的预判能力是非常粗糙且一般的，其实我们并没有那么强的能力去宏观预测十年以后的发展趋势。
在这个思路的基础上，在做投资时，如果不能提前很好的预判技术成熟路径，我们该怎么办？
我投出的早期科技公司有两种：
第一种是这些公司所代表的技术，它面对的市场相对成熟，因此在行业的良性生态中很快能够进入成长期的公司。
第二种是，市场还未形成，但是它的技术颠覆性能够比现有技术高 10 倍的早期公司。
1. 面对市场相对成熟的技术公司
我们先说第一种。
在做创业和投资这么长时间之后，我意识到很少有公司能够仅靠一己之力改变整个行业，或者说完全靠自己能控制的因素，仅靠团队和它的产品、技术、推广、执行力就能做得特别成功的公司几乎没有。
因此，公司成功一定要同时兼具内因和外因，即：你在做产品的同时，恰好赶上外部环境的巨大变动（政策，平台，经济，竞争等等方向的大变革）能够使你撬动外因的杠杆，实现在 Gatner 上某个节点的蜕变。
>>>>>>以 Orbeus 和 旷视 Face++ 举例说明
拿我创立的第一家公司作为例子，Orbeus 主要做图象识别和云服务两者的结合，在 2012 年的时候是非常前卫的一个产品。虽然当时我们的技术非常好，但是我们做的技术没有成熟的市场场景只有各种 demo 场景比如社交网络的相片归类这些。我们的给客户看，大家一看感觉跟魔术似的很科幻，但是结果就是，这个东西挺好，大家也希望用，但是没有也可以过得去。即便我们做的技术很超前，但并没有超前那么多，同时市场还没有成熟。虽然最后我们公司的退出结果很不错，但结果并没有达到我们当时更大更远的预期。
反过来看国内，现在几家人脸识别独角兽公司里面旷视 Face++ 跟我们差不多诞生在同一个时代，起步的时候一直到 2014 年我们都非常的相似，但是 2014 年以后图像识别在金融领域就炸开了，银行、互联网金融、支付一夜之间全部开始主动探索图像识别的应用场景。
而同一时间在美国却一直没有这样的一个行业主动勾搭图像识别技术的大环境发生，于是到今天为止美国也没有定位图像识别的公司成为独角兽。
>>>>>>以 平安城市驱动的安防 举例说明
在市场成熟这方面还有一个例子，如平安城市驱动的安防。
当时对于安防摄像头的诉求，带给了行业丰厚的收入。2016 年，包括今年，这个例子体现得更加明显，安防领域的所有做图像识别的技术驱动型公司，它们的收入基本上都翻了三倍。这里指的不单单是某一家公司，而是整个行业中的每一家公司都几乎翻了三倍。
2016 年市场上出现了千万级或者数千万级收入的公司，2017 年出现了上亿级的收入公司。仅仅在单一领域里，这个是我们以前根本不敢想象的。
从传统行业还是互联网行业切入？
然而，选择切传统行业还是互联网行业是个有意思的悖论：相比之下，前沿技术切入到互联网领域是早期比较创业公司比较喜欢的路径，因为互联网公司有技术积累同时对于创新更加开放，对接起来比较自然，但是互联网公司比较抠门，通常付费意愿比较差，而且随时有自己建团队替换你的潜在威胁；可是要切到传统领域就非常困难，因为对方企业可能接不住你这样的技术，但传统行业是有足够大的预算能够帮你支撑成立一个相当体量的公司。
AI 技术公司进入行业后的机遇
刚才讲了一些人工智能技术在行业应用里面落地的机会，接下来来讲我们人工智能技术进到一个行业之后，后续所产生的机会。
我们简单归结成一横一纵。
一纵其实我们是看从算法往上下两端拉带动的技术栈的纵深，横是算法本身的跨度。
在算法跨度的横轴上，我们有在图像领域用的最多的 CNN （卷积神经网络），也有在语音语义领域用的比较多 RNN （递归神经网络）／ LSTM（长短期记忆），有生成对抗网络 GAN 。
除了这些业外人都耳熟能详的算法，还有一些专门解决特殊问题的算法。比如我们今天被诟病最多的是在深度学习的时候需要大量的数据，能不能用小量的数据也能达到很好的学习方式？也有，比如像 Vicarious 比较推崇的 One-Shot Learning 做的就是这种非常小的数据集做机械臂的抓取。
纵向是技术站层面的纵深，这里面其实能做很多东西。
我举一个例子，比如专注于安防算法、摄像头公司跑进去之后，紧接着有一批做端上计算的芯片公司便出现在今天安防这个领域，都试图成为垂直领域的新 Movidius 。
此后这个行业内将要解决的问题还有：如何存储产生大量新的数据？是否对应有新的数据库出来？网络结点的部署是不是有更大的 I／ O 出现？是不是有新的网络定义的结构？是否可以在端上进行高纬度的运算。
你可以看到在应用层面最时髦的算法公司，在打破了一个口进去之后会连带一串公司进入到这个领域里面。所以我们再顺着这个东西往下理，横着也是一样（如图），新的算法出来后便可能会击穿其他的垂直行业，又会带一串公司出来，机会非常多。
2. 技术颠覆性达到 10x 的公司
刚才说了第一种的机会，第二个是说我们市场还未形成，但是技术却极具颠覆力的公司。我讲两个我投资的例子。
这是我投资的两家我觉得可以称之为颠覆性极强的公司，公司正处于早期阶段。
>>>>>>无人驾驶公司 Momenta 的优势体现在哪里？
例如 Momenta 这家公司成立到今天也只有一年零两个礼拜的时间，但是已经在技术进展和资本上取得了巨大的进展。他致力于为未来的自动驾驶提供完整系统解决方案，以及对应的数据平台。Momenta 团队非常完整，主要做无人驾驶的感知、决策和地图这三块东西。
无人驾驶行业炒了一年半的时间了，已经成为了一个资本热点。
而 Momenta 与其他公司相比最不一样的点在哪里？他们把花在给投资人炫技搞 demo 车的时间省下了，用在了解决无人驾驶系统工程上的问题。
举一个例子：无人驾驶的车要想在路上跑，实现 L4 级别的无人驾驶，便需要做高精度地图，因为需要实时得到精确的定位位置，以及对其他传感器不可预知的状态做预判。
有很多无人驾驶公司为了能拉着投资人在园区里跑一圈，往往仅做一个区域性的高精度地图。虽然这也有难度，但是在系统性上难度其实并不大，实际上我们用自己的车载着激光雷达跑一圈就可以完成了。但是，要想把全中国的地图都采集下来，且实时更新，那么仅仅靠自己的车队用激光雷达跑下来是不太可能的，且成本非常高。那么要想做这件事，一定有更“便宜”的方式去做。比如，我们能不能只用摄像头来替代激光雷达去采集地图数据？不能众包采集车那么该怎么办？
所以他们可以从早起就开始想如何系统性地做无人驾驶。因此，除了驾驶层面，他们在地图领域的技术积累也是非常深厚的。
在我们在投了之后，戴姆勒奔驰和蔚来汽车，一家传统车厂的巨头，一家新型电动车公司的巨头，又跟投了他们的下一轮。这也代表着他们团队得到了一线车厂的认可。
>>>>>>Owlii 的技术颠覆性体现在哪里？
第二家我要举例的公司是 Owlii ，一个清华的极客团队。他们做的事情是大场景的动态三维重现，这句话有一点绕，但是具体是指什么呢？
假设这个屋子是一个体育场，在这个屋子里面各个角度可以布置一些深度摄像头，他们的技术可以把篮球运动员在场上的所有行为实时进行三维建模，并传输到另外一个地方。如果我能戴上 AI 眼镜，那么我的视角将和在球场上实时观看的效果是一样的，我甚至可以“走”到赛场上，用库里的第一人称视角看比赛，这就与传统我们认为的 VR360 度视角是很不一样的。现在 VR 虽然可以转动视角，但是“我“的位置是固定的。因此，他们的技术便极具颠覆性。
这项技术的未来应用可能是：在开会时，即使我们只是各自坐在自己的家里面，你也可以走到我身边看我，如果显示得足够逼真，那么你是看不出来我物理上在这里还是不在这里的，除非你伸手去摸我。因此很多交互活动就不再需要物理层面的移动了。这也就意味着这项技术可能会改变交通、或房地产行业的价格结构，等等……
人工智能公司如何退出？
我要讲的第二个问题是人工智能公司怎么退出？
在中国走收购这条路可行吗？
海外公司给了我们很多可以借鉴的方式，最多的退出途径便是被收购，包括我自己的一家公司也是出售。
你可以从图中看出，大公司收购 AI 创业公司的热潮从 2012 年开始，2013 年有一些，2014 年开始爆发。在美国，AI 创业公司都有一个很好的大公司收购的退出机会。
看这个图的下半截，收购技术公司的企业也有可能来自于传统行业，比如说 GE 、福特等等，此外还有联合利华等公司也会进行技术类公司的收购。科技巨头显然已经布了很多局，但是非科技巨头其实也在入场、布局。整个海外的氛围就是如此。
但国外往往会出现用一亿美金以上的价格去收购小型技术公司的情况。这样的溢价是否合理？是不是该有这个溢价？
我个人的意见，从大公司的角度来讲，时间确实是他们最宝贵的因素之一，确实可能存在用收购价格去抵消时间成本的情况。但是花溢价我觉得是行业的传统和惯性导致的，今天所在行业的溢价是远远高于理性溢价的。
因此我认为美国传统的情况也许并不是我们未来中国参照的样板，因为溢价是虚高的。
今天在这个图上（见企业收购图），百度很荣幸在里面。从 2016 年到 2017 年，共收购了三家公司进来。我把这种情况称为“陆奇的效应”，因为这意味着在中国，技术公司也有着很好的被收购前景，也许一些公司最后壮大了之后可以卖给陆奇。但我认为这些都只是个例，行业内大规模的高价收购还是很困难的。
反过来讲，我们选择投资时，也不应该只看它的技术维度，以及技术收购价值的可能性。而是应该反过来看它在行业中的属性以及能够体现出的价值。
以人工智能举例来谈，可以看到现在在海外，大家已经不怎么去做专业的人工智能的投资了。可能三、四年前还有专门这样的部门，但现在这样的部门已经慢慢没有了，而是逐步分散至各自的垂直行业里面去看，大家开始利用人工智能去改造某一个行业。
因为人工智能技术本身带来的回报可能并不大，必须打散在行业里面产生的回报才会更大。
技术公司如何造血
造血能力，是技术公司的核心竞争力。
怎么做呢？
>>>>>>技术输出
有两种途径，一种是我们做特别高大上的行业，我们把技术出口或者进入到高大上的科技领域、给大的互联网公司，给 BAT 、京东、小米这些公司输出技术服务。对技术公司来说，这条路可能是最顺畅的，因为知道对方缺什么，并且对方也可以接得住，但是行业毛利非常低。
因为你的地位不是很稳定，而且这些大公司自己也可以做这套。
>>>>>>将技术应用于传统行业
我比较看好的是这些非常聪明的技术大咖进入一些他们生活当中不会做的行业，这就是我说的第二种途径，比如说进入到农业以及生产行业等。
目前国内的技术公司还是死盯那些比较集中的、大的、已经有眉目的行业，但在美国有很多这样的例子。在农业方面，美国有一家公司主要做农机上的图像识别，拖拉机上悬挂 20 个农药喷嘴，每一个喷嘴上面放一个摄像头。当你开过一片农地时，摄像头可以一株一株地看农作物，这样就可以节省 80% 的农药，而且你的菜可以卖得更贵，因为用了更少的农药。类似这样的场景，我却在国内还没有见到有公司正在做这样的事情。
所以我认为技术人员降维与传统行业合作，是一个有着更大发展空间的场景。
这些是我的猜测，长期以来大家退出途径是 BAT 和其他的巨型互联网收购的概率可能是 10% ，传统公司又收购了 10% ，剩下的自己造血成为有收入、有利润的公司应该占绝大多数，而这一部分也是我们真正关注的。
