• 0
峰瑞资本李丰:投资切忌跟风,要盯住这个不变的关键点
统计 阅读时间大约10分钟(3919字)

2019-08-05 峰瑞资本李丰:投资切忌跟风,要盯住这个不变的关键点

3年前,在自动驾驶很热的时候,我反而去投了非常多的传感器。因为它们代表了汽车数据化过程中必须要先上车的东西。

猎云网注:在不同的行业当中,无论是机械化、自动化、智能化,你需要去判断公司所处的位置。它不太容易跳一步发生,就像在雅虎之前很难出现谷歌,在微软之前很难出现雅虎。原则上,每一个行业生产力效率的发展过程,都需要遵循这个行业的基本规律。要清楚地知道目前行业所处的位置,下一个阶段需要什么。文章来源:混沌大学(ID:hundun-university),作者:峰瑞资本创始合伙人李丰。

任何一个成功的商业模式,都解决了效率问题,这背后有一套生产力驱动工具。

从历史维度分析,在过去100多年到200年的科技发展中,生产力驱动工具所起到的作用和带来的变化,可以总结为以下几个过程——

机械化:用机器替代人的过程,我们称之为生产力的提高和机械化的过程。

自动化:如果机器上有很多传感器,机器的状况和处理过程就可以被数据化,之后依据数据就可以做一些基于规则的控制,即让机器做一些简单、重复的动作,因此,我们就从机械化进入了自动化。

智能化:如果数据开始大规模的流动(最典型的数据流动即在线化)和交换,当数据慢慢积累到一定程度,根据当时的技术,就会在这类数据上产生出新的决策和分配效率,机器在规则以外自主进行决策、分配或判断,此时我们称之为智能化。

l4.jpg

有的行业会经历以上全过程,甚至经历两遍;也有的行业正在经历其中的某一段,但它并不是一定会顺次1234,有可能1212不停的循环,也有可能123123的循环。

接下来我们看看生产力驱动工具在不同的行业中,如何决定了成功的商业模式,换言之,如何决定了不同阶段中最重要的节点和机会。

机械化提升劳动效率

1.英国工业革命:机器替代人

我们讨论经济强国,是在我们有了科技和成功的商业模式之后。

英国成为头号经济强国的原因是,16-17世纪的圈地运动,使得英国的农场主拥有了较多的土地,接下来英国发生了农业革命,即用机器替代人的过程。

农业革命的重要性在于:之前,因为生产力和效率有限,全世界劳动力中一直有90%多的人口要从事农业,此种情况下,无法养活科学家、哲学家、思想家、艺术家等。农业革命之后,因为效率和生产力的提升,有人就可以变成科学家和发明家。

接下来我们就到了工业革命即蒸汽机的年代,之后进入了规模化的工业生产,使得英国成为经济强国。

这个过程最典型的特点是用机器替代人的过程,在这个节点上,谁能够先掌握机器替代人的过程,谁肯定是成功的商业模式。

2.美国工业革命:规模化

大概19世纪中后期到20世纪初,美国成为经济强国。美国发展的原因是,最先开始在全国范围之内较大规模地形成了铁路网。

随着铁路的普及,美国率先开始进行了规模化、标准化、工业化的生产。换言之,美国的工厂变得不再需要生产一台机器,只生产机器的某些零件即可,而且可以实现大批量、标准化、低成本的生产,再通过铁路将其运出去。

接下来,由于铁路的发展和标准化、规模化、工业化的发展,美国又诞生了钢铁大王。

大概从19世纪30年代到20世纪初,在美国迅速成为经济强国的这70年中,由于成功商业模式诞生了不少富豪:

第一个人是范德比尔特,他在当时是美国铁路业的最大巨头。在铁路和工业化之后,出现了第二个非常重要的亿万富豪,即卡耐基,他在20世纪初拥有的卡耐基钢铁公司每年能生产的钢铁量,已经相当于整个欧洲的总和,这得益于美国在工业化过程中是最大的应用市场。

由此可知,规模化成功的商业模式是在美国成为经济强国的过程中出现的,它们是顺周期出现的,且对提升生产力效率做出了贡献。

数据化提升分配效率阶段

1.计算机

先举一个大家最熟悉的行业,PC互联网。互联网最早是从50多年前的芯片开始的,芯片能把计算和相对复杂的逻辑处理集合到由一个机器来做,这是机械化的过程。

芯片处理的是数据。

其中还有一个非常重要的输入设备,我们暂将其称为广义的传感器,即鼠标和键盘。它们跟芯片结合之后,可以比较高效地实现本文信息的数据化。

接下来由于互联网的作用,数据开始了流动。

我们列举了以下三个公司,它们在计算机到互联网的过程中,依次诞生出的创新商业模式,起到了时代性的作用:

l3.jpg

微软:在个人计算机上,先产生出了一些著名的公司,如IBM或惠普等。此时微软起到的作用是:使得计算机成为了广泛的生产力驱动工具。

雅虎:由于键盘的存在,文本信息可被高效地变成数据,且能被计算和处理,接下来通过互联网,文本数据开始大规模地连接和流动,需要对这种大量流动的数据产生一个分配过程。

此时雅虎起到的作用是:让文本信息被高效地消费。这有点像中国的网址导航,即按照分类列出各种不同的网站及可能的大量信息,来供用户消费。

谷歌:接下来,随着计算机的普及、计算机使用时长和用户数的大量增加,导致文本数据的指数级增长,此时,用排列的方式进行文本数据的消费和分配,效率已经不够,在巨大的冗余的生产过程中,需要进一步提高决策和分配效率。

此时谷歌起到的作用是:采用人工智能的方式,把所有的文本数据按照某种标准进行相关性排列,用户从队列里面来找他所最需要的信息。它还创造了搜索框,把用户的需求数据化。

2.手机

10年前,在智能手机面市时,它起到了什么作用?

首先与计算机一样,是机械化的过程。

不同的是,在智能手机里,装进了更多以前从未被装过的传感器,包括最常用的、高清晰度的、尺寸很小的、可以光学变焦的摄像头,即平时我们所讲的多少多少像素的摄像头,也有包括GPS等其他更多的传感器被装进了手机。

这些新被装进的传感器和计算结合,就产生出了新的状态和数据,包括图片数据、视频数据、位置信息等。

接下来,由于移动互联网的存在,这些数据大量的流动和在线,就会被要求提升分配效率。

在智能手机时代,出现了以下不同的商业模式:

l2.jpg

苹果:

它将智能手机变成了广泛的生产力驱动工具。

当传感器被装进手机里,需要有人将其普及到足够多的用户手里,才能成为比较广泛的生产力驱动工具。这个人,在PC时是微软,Google也做了一些贡献,在智能手机时代是苹果。

智能手机普及后,带来了新的数据,包括图片数据、视频数据、位置信息等,这些数据会大量在线,因之产生出了基于这些新的数据来消费的商业模式,即如何分配和使用这些新的在线数据。

当我们用这个视角来分析时,我们就会发现由于新的传感器驱动所产生的不同商业模式:由于新的摄像头被装入手机,产生了新的大量在线的图片和视频,美图、Instagram,接下来产生了中国的抖音,美国pc时代产生的youtube也有了新发展。

谈到Youtube,有一个有意思的问题,从投资的角度上看,中国在2006到2007年之间,产生出了非常多要做中国Youtube的公司,例如优酷、土豆等。

在当时那个年代,这些产生在PC阶段的所谓中国Youtube们,没有一家公司真正变成Youtube,即没有公司是真正意义上是靠用户上传的内容,完成了整个的商业模式,大家都还是在网站上买电影、买连续剧、买大片。

此种现象产生的原因:再往前普及大概20年左右,在美国有一个重要的家庭电子产品——家庭小型摄像机,在中国还没来得及普及就直接被跳过去了。

今天的中国之所以会出现抖音或美图,是因为随着智能手机的普及,用户已逐渐可以熟练地使用拍照或摄像功能,意味着用户知道如何产生高质量的内容了。例如所有的女生,基本上在2-3年前就百分之百的知道,自己在自拍上是哪一个仰角比较好看,或哪一个侧角比较好看。然后这些数据就开始被大量的生产、分配和消费,接下来就出现了抖音。

滴滴和Uber:

原来我们在打车的过程中,如果用传统的方式来描述,非常难描述清楚,比如要跟司机讲:我在3个小时以后可能需要从A地到B地,我此时在A地的某处、穿什么样的衣服、愿意付多少钱等。

司机也要跟你讲说:我现在离你还有多远,开一辆什么样的车,大概多长时间能到,但无法准确地预知哪一分钟到。

但是由于智能手机的存在(智能手机中嵌入了GPS),就会使得双方各在哪里、要去哪里这件事变得一目了然。在智能手机被大量普及后,在这种大量出现的新在线数据上来建构新的商业模式和分配效率,就开始变成非常大的可能且提高了很多效率。

美团和Airbnb,一样的道理。

未来移动互联网一定还会出现新的事情,因为会有越来越多新的传感器被装进智能手机,这些新传感器随着精度的提高或第一次被应用,会带来新增量的大量数据。这些数据积累到一定程度,就一定要求用某种形式来进行分配和消费,就会进入新的分配和决策效率,意味着这些数据背后所代表的商业模式会被极大地提高一次需求。

以上案例提供了一些分析视角,可以帮助我们去评价和分析商业模式,看它到底利用了哪些新增的在线的大量数据,到底是处在自动化的过程,还是智能化的过程。智能化的过程即加入算法,用人工智能来处理这些过量的数据,以增加它的使用效率。

3.自动驾驶

我们用同样的逻辑来看自动驾驶行业。

在自动驾驶这个最热的话题和最热的创业方向上,我们无非是探讨这样几个问题:

(1)推动自动驾驶走向现实的重要因素

(2)目前自动驾驶是处在了什么样的位置上

(3)接下来会发生哪些事情

l1.jpg

汽车就跟当年的火车一样,是一个用机器来替代劳动力的过程,显然是一个生产力跃迁、机械化的过程。

之前在汽车里装的对外感知的传感器和计算芯片不多,在自动驾驶发生的过程中,基于我们的分析逻辑,要先在汽车上装上越来越多的传感器,无论是毫米波雷达、多个摄像头或激光雷达等。

还要装上越来越先进和算力越来越强的芯片,这个过程其实是把汽车这件事进行了高度的数据化,它的状态、环境、所碰见的情况和周边的感知进行高度的数据化。

这些数据一旦产生了更大范围的流动和交换,或者叫互联互通,包括与路面的、与交通灯的、与交通控制指令的等等,这些数据在极大量的产生、流动时,就会产生新的决策和分配效率,进入了我们讲的智能化。

因此,汽车大概要先经历用机器替代人的过程,然后再通过传感器和计算将其数据化,完成数据的极大量积累后,才会进入智能化,即自动驾驶。

依据这个原因,我在3年以前看待这个领域的时候,投资稍微偏谨慎,因为当时汽车的数据化过程还没有大规模和大范围的完成,即传感器们都还没有被装到汽车上,以至于汽车的状态、状况和环境还没有被充分的数据化。

3年前,这个领域在AI上很热时,我反而去投了非常多的传感器,包括加特兰微电子、睦星科技、芯路航、飞芯光电、Aqronos,它们代表了汽车数据化过程中必须要先上车的东西。

小结

在不同的行业当中,无论是机械化、自动化、智能化,你需要去判断公司所处的位置。它不太容易跳一步发生,就像在雅虎之前很难出现谷歌,在微软之前很难出现雅虎。

原则上,每一个行业生产力效率的发展过程,都需要遵循这个行业的基本规律。要清楚地知道目前行业所处的位置,下一个阶段需要什么。

企业的创新只能是面向下一个阶段来做。例如:如果处在了A这个位置上,你可以再往下做一段B的事情,接下来就会有较大的价值。

你也可以在一个比较垂直和很窄的领域中,努力通过自己的商业模式,迅速将这三个环节做成闭环。

1、猎云网原创文章未经授权转载必究,如需转载请联系官方微信号进行授权。
2、转载时须在文章头部明确注明出处、保留官方微信、作者和原文超链接。如转自猎云网(微信号:lieyunjingxuan
)字样。
3、猎云网报道中所涉及的融资金额均由创业公司提供,仅供参考,猎云网不对真实性背书。
4、联系猎云,请加微信号:jinjilei
相关阅读
推荐阅读
{{item.author_display_name}}
{{item.author_display_name}}
{{item.author_user_occu}}
{{item.author_user_sign}}
×