宋楠(洪泰基金副总宋楠：AI创业怎样融到“让对手绝望的钱”)

从集体狂欢到突然冷却，宋楠经历了人工智能领域投资最艰难的2016年。现在的他，时常告诫被投公司要“少谈算法，多接地气”，并且能融到“让对手绝望的钱”。

钛媒体编辑丨苏建勋

宋楠至今还记得他看完AlphaGo 比赛战胜李世石后的场景。“肾上腺素飙升”，他对钛媒体说，“这就像是一个对投资人的 trigger（触发器），想着要赶快去找下一个标的。”

2016年初，时任洪泰基金投资经理的宋楠已经在洪泰前沿科技组研究了一年多的算法、算力与数据。就在这个时点，宋楠遇见了还在种子阶段的 AI 语义公司「三角兽」（钛媒体对这家公司的 800 字极简报道），他直觉自己要找的“标的”来了。

凭借后者微软、百度的研发团队背景与在 NLP 算法端的优势，宋楠把三角兽负责搞融资的 COO 马宇驰“摁在办公室签了TS（投资意向书）”。同期与洪泰竞争三角兽的，有包括真格在内的多家一线风投机构。

不到三年的时间，三角兽的估值已上升近 30 倍，成为 AI 领域的明星创业公司。除此之外，宋楠还主导了nreal.ai、树米科技等 8 家公司的投资，估值回报平均涨幅均在3倍左右。

洪泰基金副总裁 宋楠

宋楠目前已任职至洪泰基金副总裁。身在以早期投资为主的洪泰，宋楠需要在最短时间内、在产业形成红海前进行价值判断，找到优质标的。

然而，回顾2016年在人工智能领域的投资，宋楠也曾怀抱顾虑。甚至在投资三角兽后，宋楠面对各种人工智能领域的 BP 一度“下不了手”，甚至“有些看不太明白”。

2016年以前的早期创投到底是什么样——不少 AI 创业公司，提供的大多是基于算法模型的产品构想，甚至是刚刚脱胎于实验室的科学理论；而资本市场对于这一领域趋于“概念先行”，又让不少罩着 AI 外壳的公司获得了超高估值，即所谓的“估值泡沫”。

“在当时做AI 基础研究的，哪一家有商业模式？实际上都还是在做项目。”宋楠对钛媒体说。

泡沫的存在让宋楠的决策变得谨慎。洪泰对于投资的终局成功定义并不是“投中了”一轮两轮，而是 IPO 或者以高溢价被并购，但在当时，宋楠几乎没有看到哪个 AI 项目有达到终局成功的可能性。

转机出现在2017年。

随着国内 AI 创业公司持续落地项目的探索，整个 AI+安防、金融、智能硬件等市场被进一步教育，有付费意愿的客户明显增多，相关的 AI 部署方案愈加成熟。这些现象反映在投资上，无异于有了市场、客户、客单价这类更能被量化的创业项目评估标准。

不过，这并不意味着 AI 赛道的投资会变得一马平川。由于人工智能天然的创业门槛，AI 项目的马太效应得以加剧，头部项目会更快占领市场份额，语义、视觉、物联网……每一个细分赛道看似规模庞大，但能容纳的公司却只有三、四家。

那么，AI 产业之“热”为何会造就 AI 创业之“冷”？AI 创业项目该如何构建自身壁垒？洪泰副总裁宋楠接受了钛媒体独家专访，以下为访谈实录：

AI 创业，接地气才能拿到单

钛媒体：和洪泰的消费、文娱等赛道相比，AI 领域的投资有什么特点？

宋楠：和其他领域相比，天使阶段的AI 项目确实会有一些特殊性。

拿文娱和消费来说，这些领域的投资人首先要研究整个行业的分工，再看渠道、不同产业链的细分赛道，比如消费领域要看新产品、新渠道还是新品牌，文娱行业是看网大、网综、还是电视剧电影，这就有一个很清晰的全景模型。

但对于 AI 来说，除了对算力、算法、上层应用全局建立认知以外，我们对行业进行填充的时候，并不是说是看算法、算力有机会，还是应用有机会，因为整个AI 创业相对来说还比较早期，这三个部分在不同的阶段显示出的机会，对资本市场而言有着不一样的认可度。

所以在2016年AlphaGo战胜李世石后，我们就赶紧去找有成熟算法基础的团队，在大家还没意识到 AI 怎么投的时候，我们就投了三角兽。

钛媒体：2016年你关注AI 领域的算法，现在你关注什么？

宋楠：开始渐渐往上层应用去延展。依据不同阶段的发展，我们对项目的要求也不一样，2016年是看绝对的技术，2017年至今，我们以商业化落地为主，主要关注技术跟场景的结合。现在来看，好的 AI 初创项目，需要一个优秀技术团队加一个好的产品经理。

钛媒体：为什么会产生这种变化？

宋楠：有算力或者算法的公司，如果没有收入会很烧钱，再加上他们的人工成本极高，很可能一个行业最终就1-2个最头部的公司走出来，剩下的就会因为融不到钱渐渐死掉，这就意味着如果我们不是最早进来的（投资），就会有很大风险。

在2016年，我们投了很多底层技术类 AI 项目后，发现这个市场的风向转变很快，从集体狂欢突然开始冷却，算法、算力类项目开始减少，所以我们从2017年就去往上层应用找，因为这是属于AI行业里相对来说有商业模式的。

钛媒体：算法、算力类的项目为什么会减少？

宋楠：像算法、算力上的技术优势反馈到客户那里，可能会有3％-5％准确率的差别，但这种差异很难去做一个定量的横向比较，实际上，AI 公司去拿单的一个核心因素是说商业的服务能力。

具体来说，比如和客户沟通，很多科学家背景的 AI 项目方会觉得，我的技术这么好你凭什么不用我？这就是他们在和客户沟通时不适应的地方，你要让客户感觉到你作为乙方公司的诚意，坦白说就是“接地气”，做到这一点才能拿到单。

而在实际的项目落地层面，客户真正需要的，与 AI 行业讲究的所谓高大上的算法、豪华的团队又完全不是一回事。

拿安防的应用来说，核心问题就不是提升算法，而是如何让脸的成像变得更清楚，所以在地铁等场景，AI 项目的落地实施要考虑的因素是：摄像头要架多高；焦距怎么设置；遇到夹角该怎么保证覆盖到所有人……这些经验要比算法的提升更加重要。

对 AI 项目更有“忍耐力”

钛媒体：当下的 AI 创业公司该如何形成自己的壁垒？

宋楠：融到让别人绝望的钱，这个绝对是第一位的。

投资人是锦上添花的，你有10个亿我不介意在多投你2个亿，但你要只有2000万却让我投2个亿，我一定会好好考虑一下。这就像是滚雪球，创业者一定要把这个雪球滚下去。

现在你还能看到有人在做 AI 图像、语音识别的创业吗？很少了，现有的企业已经融了足够的钱。那么对于投资人来说，如果看到有人在做图像、语音的 AI 创业项目，会投吗？肯定不会了。

所以说，AI 行业是绝对的马太效应，要想真正建立门槛，你就要在这个行业里想方设法变成头部。

钛媒体：建立这种壁垒的难点在哪？

宋楠：不管是互联网公司的开放程度，还是作为核心的前沿算法算力，都存在问题

从数据维度来讲，现今互联网绝大多数的数据都存在于微信、淘宝、百度等大公司的平台中，这些数据对于算力的核心、甚至整个人工智能深度学习的应用都会产生重要影响，那么这些数据什么时候能得到开放？这也是为什么国外有很多跨数据源、跨产品的创新我们都做不了。

另外在所谓的算法算力上，我很少看到让人眼前一亮的在底层算法框架上的创新。

国内 AI 创业者做得事情相对来说比较表面，比如算法很简单，做图像 AI 使用得大多是基于微软最早的那套深度学习算法，在团队背景上也大都来自微软；另外在国外流行的诸如增强神经网络学习等 AI 技术，也很少看到国内的创业者参与其中，这一方面是因为资本市场的支持的确不够，一方面也是在人才储备上，我们和美国的确有差距。

钛媒体：技术是否是 AI 创业的门槛？

宋楠：技术资产本身是有价值，但当投资人发现在这种项目退出无方的时候，你会发现技术再好，还是要符合资本市场的语言体系，所以我们还是会看有未来可期的商业模式的AI 项目。

回到具体的行业，我看的也不是基于所谓的垂直应用创新型项目，而是成熟的应用落地型项目。什么意思？比如在人工智能语音交互、语义分析、图像识别、机器人控制等模块中，语音和图像相对来说比较成熟，我现在看的项目，实际上就是在这两块成熟技术基础上的不同应用场景的落地。

钛媒体：你刚才谈到两点，一点是2017年的投资标的已经由算法转向了应用，另一点说国内算法、算力相关的技术较为滞后，这种投资错位的情况会不会造成国内 AI 产业在底层技术上的短板加剧？

宋楠：这确实是个问题。前两天我看了一本书叫《技术大停滞》，当中谈到整个科技创新是围绕资本获利的欲望来进行，这种趋势实际上是人的天性问题。

到底这个问题该由谁来解决？我认为首先应该由国家，所以现在国家也做了很多创新方面的引导基金，用这种国有投资力量来确保创新的存在，这种创新不是强者恒强，而是鼓励星星之火的创新。

再者，我们参考国外的创新环境，会发现国外的科技巨头会更愿意并购一些有新想法的创业公司，这就为资本提供了一个很好的退出渠道。这在很大程度是因为VC行业在美国已经持续多年，很多VC投资人本身也是很多科技巨头的高管或者投资人，VC本身对科技公司的决策影响力也更大。这种状况已经在国内发生了，像百度收购渡鸦、阿里与杭州政府在资本层面的布局、腾讯旗下的多支基金，都代表了BAT 与创业项目的投资人之间产生的千丝万缕联系。

钛媒体：对于 AI 这类新科技项目，投资机构的估值模型会发生改变吗？

宋楠：对于小玩家，投资机构的心态就属于“不见兔子不撒鹰”，投资人还是会问你做了什么？产品落地进度怎么样？变现状况如何？即使你是新科技，VC 还是在用一种旧的估值模型和旧的融资方式在谈判。

但对于这个行业的大玩家来说，投资机构为了押注，可以不关心他们的财务指标，大家只看一件事，就是能不能在行业里把你的地位和影响力维持住。

所以说，在 AI 领域，与其说 VC 有更强的包容力，不如说是在相对非理性的估值体系里，投资人的忍耐力有多高。（本文首发钛媒体，采访、撰文/苏建勋，编辑/葱葱）

本文源自钛媒体

更多精彩资讯，请来金融界网站(www.jrj.com.cn)