人工智能2023年投资展望：逻辑、机遇与未来
2016年，DeepMind开发的AlphaGo横空出世，彻底引爆了全球人工智能发展热潮，此后，以机器学习，尤其是深度学习为代表的新一代人工智能在更加先进、复杂、自主的方向上取得了突破性进展，给经济和社会发展带来了新的变革与机遇。
纵观人工智能诞生的60年间，我们先后经历了Pre-AI时代、黄金时代、第一次低谷、第二次繁荣、第二次低谷，目前我们正处在人工智能的第三次浪潮之中。
同时，互联网的流量时代翻篇，从增量市场转变为存量市场，人口红利已经成为过去式。以抖音、快手为代表的一众短视频平台所打造的时长红利也即将见顶。
而互联网兴起所产生的海量数据、硬件技术的发展变革以及摩尔定律带来计算力突飞猛进，推动了深度学习技术在人工智能领域的普及，并促进了语音识别、图像识别等技术快速发展并且迅速产业化。有人认为，发展人工智能，释放效率红利正是整个互联网都在寻找的新第二增长曲线。
另从国家层面上讲，中美政府都把人工智能作为未来主导型战略。在2017年，人工智能首次被写入国务院的《政府工作报告》，正式进入国家战略层面。去年，我国政府又先后颁布了一系列行动计划和纲要，继续从顶层设计层面对人工智能的发展进行整体推进。在“十四五”规划纲要中，明确了人工智能将成为建设创新型国家，实现新型工业化、信息化，推动经济高质量发展的最有力助推器之一。
根据TortoiseIntelligence报告，2021年AI投资总额达到775亿美元，较去年360亿美元同比增加了115%，这是20年来人工智能投资同比增长最大的一年。恰逢硬科技时代的到来，不少投资人都认为人工智能在2022年整体将呈现乐观趋势。
本文将根据投资蒙钛奇与多位投资机构合伙人的对话，解析以下三个方面的问题：
1、2022年，人工智能的投资逻辑是什么？
2、人工智能赛道的新机遇在哪里？
3、中国人工智能能否实现弯道超车？
2022年，人工智能投资逻辑是什么？
近几年来，大家对整个AI的基础能力与算法数据的认知都在不断深化。蓝驰创投投资合伙人石建平从宏观层面对投资蒙钛奇讲述了人工智能领域投资的三个逻辑点。
第一个是更关注视觉和语音向行业更深层次的渗透发展，例如深化行业里的应用。人工智能无论从工具层面或是应用层面，都是效率提升的重要驱动力。以往大家对AI的应用场景的印象可能还停留在人脸识别、视觉等方面，但石建平认为，随着AI的持续渗透，未来在各个行业里的深化和普及都会大大提升。例如在工业行业里，人工智能可以在设计、智能决策上提供很大的帮助。
第二个是“AI+”有望成为新的业态，曾经“互联网+”的出现，对经济发展产生了重要影响。尤其是AI+科学，AI和科学是人类认识自然世界物理规律的两种不同范式。例如由百度创始人李彦宏发起创立的生物计算引擎驱动的创新药物研发平台百图生科（BioMap）就是AI+药物发现的例子。
百图生科将先进AI技术与前沿生物技术相结合，通过高精准AI抗体设计，实现世界领先的蛋白质预训练技术，建立对抗体药物亲和力、稳定性等关键参数的预测能力。在此基础上，通过干湿闭环实验的主动、强化学习手段，大大加速抗体药物的设计和理解过程。再利用超大规模图神经网络，从海量生物数据中提取高维度的靶点与疾病关联规律，将所收集的高质量验证数据与AI技术结合，实现高效新药发现。
另外包括AI+材料，在材料方面有很大的推进作用，石建平认为这是人工智能与科学的一次有机结合，用第一性原理与人工智能融合，做更广领域的渗透，会持续发现新的场景突破。
第三，AI技术底层逻辑仍然存在挑战。整个AI的底层工具发展至今天，由于AI底层工具的壁垒较高，人工智能想要真正做到普及化还面临着很大的挑战。不过在底层AI的基础能力上，石建平相信还会持续迭代和演进，包括近期大家特别关注的通用模型、大模型、高性能计算等领域，对AI的持续发展提供重要的基础能力，也会推动AI与知识图谱更好的结合，帮助人工智能进入一个平民化的时代。
细化到项目本身，九合创投合伙人谢振亮向投资蒙钛奇表示，关于人工智能的投资并不局限某一个细分赛道，而是主要看项目本身的技术含量、落地场景结合度、市场空间以及团队人员结构是否“强大”等综合因素来评判。
换一种方式来理解，可以认为人工智能各大细分赛道无论是无人驾驶、机器人、医疗、金融或者其他领域，放眼未来都会爆发巨大的社会效益。
未来人工智能新机遇在哪里？
在与机构交谈中，谈及人工智能未来的机会，更多投资人会专注于目前的卡点，认为解决卡点就是未来的机会。而现在大家讨论最多的一个问题是人工智能的可解释性。
2021年11月，联合国UNESCO通过的首个全球性AI伦理协议《人工智能伦理建议书》（Recommendationontheethicsofartificialintelligence）中，提出十大AI原则，其中就包括“透明性与可解释性”。
现在很多AI应用其背后的算法的工作方式和算法训练数据是未知的，这种未知到了社会运转中非常关键，尤其是在医疗、自动驾驶等与生命安全直接挂钩的领域，以及公众比较敏感的隐私问题。可解释性也是这几年一直没有太大突破的地方。
在腾讯研究院发表的《可解释性发展报告2022》中总结了5个可解释性AI的意义：
1、帮助用户增强对AI系统的信心与信任。
2、防止偏见，促进算法公平。
3、满足监管标准或政策需求。
4、理解和验证AI系统的输出，推动系统设计的改进。
5、帮助评估风险、鲁棒性和脆弱性。
换言之，可解释AI主要是面向直接用户、政策和监管部门、科研研究以及公众这四个群体。眼下，可解释性成为AI亟需迈过的一道“坎”。
如果说“AI+”是未来的发展趋势，那么在受AI影响最大的地方或许也能看见新的机会。
谢振亮认为，受AI发展影响最大的行业集中在早期自动驾驶、汽车相关的领域另外从整体行业角度来看受影响较大的是医疗行业，尤其是在AI辅助制药、医疗影像等领域。
石建平则告诉投资蒙钛奇，受人工智能影响最大的有两个部分，首先是所有行业中数字化转型累计数据积累相对较多的企业，其次是相对毛利较高的企业。实际上每个行业都有符合这两个前置条件的企业，也就是说每个产业都有新机会。从未来五年的角度来说，除了互联网等一些容易获取数据的企业外，还会下沉到一些所谓的传统企业，甚至还会渗透更多到第一第二产业里去，为社会创造更多机会与价值。
提及商用空间和成熟度，眼下图像、音频领域的应用更为成熟，包括自动驾驶、安防、人脸识别、翻译、语音合成等。
再一个是NLP，人机对话在类似OpenAI这样的超大模型里，实际上语言生成能力已经达到较高水平了，但眼下NLP还不够成熟，一些逻辑性思考与连接上下文能力还有待提升。不过正因为不成熟，模型还在迭代优化中，相对图像和音频来说，有更大的机会，通用性对话会是一个突破口。
展望未来，中国能否实现弯道超车？
由于冬奥会的成功举办，人工智能也成为近期冬奥的热门话题之一。从冬奥手语播报数字人、可穿戴式体温计、滑雪场AI哨兵，到AI裁判以及一系列智能机器人成为全平台争相报道的内容，平时少与AI打交道的朋友也在转发评论。
尽管对于从事人工智能赛道的人来说，冬奥中的一些AI应用可能只是针对一些场景做了特殊优化，但经过此次冬奥会的宣传，提高了大众对于人工智能的认知度，并且不限于中国公民，凭借冬奥会的影响力，还培养了世界公民让人工智能成为生活一部分的习惯。而这还只是刚刚开始，逐渐渗透也是人工智能发展的必要路径。
依赖人工智能生活习惯的建立，能够帮助人工智能开发ToC这个大市场，也对应人工智能平民化的呼声。ToC领域有许多应用和场景，甚至可以颠覆人类的娱乐方式，例如近一年火爆的元宇宙和虚拟数字人等等。但在技术不够成熟的情况下，ToC会比ToB慢，B端的接受能力会更强。石建平认为，目前国家正在向硬科技领域做导向，对于整个社会的影响来说，ToB可能是更能创造价值的一件事。
从外部性因素层面出发，硬科技实力已经成为大国博弈的关键点。就客观事实而言，相对于光刻机等偏工程领域的技术来说，在人工智能包括云计算等领域，中美差距并不大，多位投资人均表示，看好中国未来科研能力。
对于这样的情况，石建平向投资蒙钛奇表示，中国有相当多的优势，首先是场景和规模都可以说是世界最大的。从单一国家的贡献力来说，中国也是非常领先的，加之中国更愿意在新事物领域做尝试。
同时，在人工智能研究领域华人占据了半壁江山，论文发表方面，黄煦涛老先生以1477篇居首位；论文被引用数统计中，韩家炜、吴恩达、孙剑、何恺明等排名前列，分别都有6万以上的被引数。
中国拥有丰富的场景和充足的人才储备，因此，石建平相信中国能出现一些世界级的产品。至于中国能否实现弯道超车，这需要很多人的努力，目前我们面临的挑战在于原始创新。
回到2022年的投资展望，依旧在工具、基础建设层面以及行业渗透层面，随着大家认知度不断地的提高，生产价值也会愈发明显，乐观地看待人工智能行业实际上是一种理性行为。
至于能够颠覆一切的新算法框架何时才会出现，我们无从预测，只能在人工智能质变和爆发的前夜，提前做好准备，迎接这一天的到来。
人工智能2023年投资展望：逻辑、机遇与未来
图片来源：Unsplash2016年，DeepMind开发的AlphaGo横空出世，彻底引爆了全球人工智能发展热潮，此后，以机器学习，尤其是深度学习为代表的新一代人工智能在更加先进、复杂、自主的方向上取得了突破性进展，给经济和社会发展带来了新的变革与机遇。
纵观人工智能诞生的60年间，我们先后经历了Pre-AI时代、黄金时代、第一次低谷、第二次繁荣、第二次低谷，目前我们正处在人工智能的第三次浪潮之中。
同时，互联网的流量时代翻篇，从增量市场转变为存量市场，人口红利已经成为过去式。以抖音、快手为代表的一众短视频平台所打造的时长红利也即将见顶。
而互联网兴起所产生的海量数据、硬件技术的发展变革以及摩尔定律带来计算力突飞猛进，推动了深度学习技术在人工智能领域的普及，并促进了语音识别、图像识别等技术快速发展并且迅速产业化。有人认为，发展人工智能，释放效率红利正是整个互联网都在寻找的新第二增长曲线。
另从国家层面上讲，中美政府都把人工智能作为未来主导型战略。在2017年，人工智能首次被写入国务院的《政府工作报告》，正式进入国家战略层面。去年，我国政府又先后颁布了一系列行动计划和纲要，继续从顶层设计层面对人工智能的发展进行整体推进。在“十四五”规划纲要中，明确了人工智能将成为建设创新型国家，实现新型工业化、信息化，推动经济高质量发展的最有力助推器之一。
根据TortoiseIntelligence报告，2021年AI投资总额达到775亿美元，较去年360亿美元同比增加了115%，这是20年来人工智能投资同比增长最大的一年。恰逢硬科技时代的到来，不少投资人都认为人工智能在2022年整体将呈现乐观趋势。
本文将根据投资蒙钛奇与多位投资机构合伙人的对话，解析以下三个方面的问题：
1、2022年，人工智能的投资逻辑是什么？
2、人工智能赛道的新机遇在哪里？
3、中国人工智能能否实现弯道超车？
2022年，人工智能投资逻辑是什么？
近几年来，大家对整个AI的基础能力与算法数据的认知都在不断深化。蓝驰创投投资合伙人石建平从宏观层面对投资蒙钛奇讲述了人工智能领域投资的三个逻辑点。
第一个是更关注视觉和语音向行业更深层次的渗透发展，例如深化行业里的应用。人工智能无论从工具层面或是应用层面，都是效率提升的重要驱动力。以往大家对AI的应用场景的印象可能还停留在人脸识别、视觉等方面，但石建平认为，随着AI的持续渗透，未来在各个行业里的深化和普及都会大大提升。例如在工业行业里，人工智能可以在设计、智能决策上提供很大的帮助。
第二个是“AI+”有望成为新的业态，曾经“互联网+”的出现，对经济发展产生了重要影响。尤其是AI+科学，AI和科学是人类认识自然世界物理规律的两种不同范式。例如由百度创始人李彦宏发起创立的生物计算引擎驱动的创新药物研发平台百图生科（BioMap）就是AI+药物发现的例子。
百图生科将先进AI技术与前沿生物技术相结合，通过高精准AI抗体设计，实现世界领先的蛋白质预训练技术，建立对抗体药物亲和力、稳定性等关键参数的预测能力。在此基础上，通过干湿闭环实验的主动、强化学习手段，大大加速抗体药物的设计和理解过程。再利用超大规模图神经网络，从海量生物数据中提取高维度的靶点与疾病关联规律，将所收集的高质量验证数据与AI技术结合，实现高效新药发现。
另外包括AI+材料，在材料方面有很大的推进作用，石建平认为这是人工智能与科学的一次有机结合，用第一性原理与人工智能融合，做更广领域的渗透，会持续发现新的场景突破。
第三，AI技术底层逻辑仍然存在挑战。整个AI的底层工具发展至今天，由于AI底层工具的壁垒较高，人工智能想要真正做到普及化还面临着很大的挑战。不过在底层AI的基础能力上，石建平相信还会持续迭代和演进，包括近期大家特别关注的通用模型、大模型、高性能计算等领域，对AI的持续发展提供重要的基础能力，也会推动AI与知识图谱更好的结合，帮助人工智能进入一个平民化的时代。
细化到项目本身，九合创投合伙人谢振亮向投资蒙钛奇表示，关于人工智能的投资并不局限某一个细分赛道，而是主要看项目本身的技术含量、落地场景结合度、市场空间以及团队人员结构是否“强大”等综合因素来评判。
换一种方式来理解，可以认为人工智能各大细分赛道无论是无人驾驶、机器人、医疗、金融或者其他领域，放眼未来都会爆发巨大的社会效益。
未来人工智能新机遇在哪里？
在与机构交谈中，谈及人工智能未来的机会，更多投资人会专注于目前的卡点，认为解决卡点就是未来的机会。而现在大家讨论最多的一个问题是人工智能的可解释性。
2021年11月，联合国UNESCO通过的首个全球性AI伦理协议《人工智能伦理建议书》（Recommendationontheethicsofartificialintelligence）中，提出十大AI原则，其中就包括“透明性与可解释性”。
现在很多AI应用其背后的算法的工作方式和算法训练数据是未知的，这种未知到了社会运转中非常关键，尤其是在医疗、自动驾驶等与生命安全直接挂钩的领域，以及公众比较敏感的隐私问题。可解释性也是这几年一直没有太大突破的地方。
在腾讯研究院发表的《可解释性发展报告2022》中总结了5个可解释性AI的意义：
1、帮助用户增强对AI系统的信心与信任。
2、防止偏见，促进算法公平。
3、满足监管标准或政策需求。
4、理解和验证AI系统的输出，推动系统设计的改进。
5、帮助评估风险、鲁棒性和脆弱性。
换言之，可解释AI主要是面向直接用户、政策和监管部门、科研研究以及公众这四个群体。眼下，可解释性成为AI亟需迈过的一道“坎”。
如果说“AI+”是未来的发展趋势，那么在受AI影响最大的地方或许也能看见新的机会。
谢振亮认为，受AI发展影响最大的行业集中在早期自动驾驶、汽车相关的领域另外从整体行业角度来看受影响较大的是医疗行业，尤其是在AI辅助制药、医疗影像等领域。
石建平则告诉投资蒙钛奇，受人工智能影响最大的有两个部分，首先是所有行业中数字化转型累计数据积累相对较多的企业，其次是相对毛利较高的企业。实际上每个行业都有符合这两个前置条件的企业，也就是说每个产业都有新机会。从未来五年的角度来说，除了互联网等一些容易获取数据的企业外，还会下沉到一些所谓的传统企业，甚至还会渗透更多到第一第二产业里去，为社会创造更多机会与价值。
提及商用空间和成熟度，眼下图像、音频领域的应用更为成熟，包括自动驾驶、安防、人脸识别、翻译、语音合成等。
再一个是NLP，人机对话在类似OpenAI这样的超大模型里，实际上语言生成能力已经达到较高水平了，但眼下NLP还不够成熟，一些逻辑性思考与连接上下文能力还有待提升。不过正因为不成熟，模型还在迭代优化中，相对图像和音频来说，有更大的机会，通用性对话会是一个突破口。
展望未来，中国能否实现弯道超车？
由于冬奥会的成功举办，人工智能也成为近期冬奥的热门话题之一。从冬奥手语播报数字人、可穿戴式体温计、滑雪场AI哨兵，到AI裁判以及一系列智能机器人成为全平台争相报道的内容，平时少与AI打交道的朋友也在转发评论。
尽管对于从事人工智能赛道的人来说，冬奥中的一些AI应用可能只是针对一些场景做了特殊优化，但经过此次冬奥会的宣传，提高了大众对于人工智能的认知度，并且不限于中国公民，凭借冬奥会的影响力，还培养了世界公民让人工智能成为生活一部分的习惯。而这还只是刚刚开始，逐渐渗透也是人工智能发展的必要路径。
依赖人工智能生活习惯的建立，能够帮助人工智能开发ToC这个大市场，也对应人工智能平民化的呼声。ToC领域有许多应用和场景，甚至可以颠覆人类的娱乐方式，例如近一年火爆的元宇宙和虚拟数字人等等。但在技术不够成熟的情况下，ToC会比ToB慢，B端的接受能力会更强。石建平认为，目前国家正在向硬科技领域做导向，对于整个社会的影响来说，ToB可能是更能创造价值的一件事。
从外部性因素层面出发，硬科技实力已经成为大国博弈的关键点。就客观事实而言，相对于光刻机等偏工程领域的技术来说，在人工智能包括云计算等领域，中美差距并不大，多位投资人均表示，看好中国未来科研能力。
对于这样的情况，石建平向投资蒙钛奇表示，中国有相当多的优势，首先是场景和规模都可以说是世界最大的。从单一国家的贡献力来说，中国也是非常领先的，加之中国更愿意在新事物领域做尝试。
同时，在人工智能研究领域华人占据了半壁江山，论文发表方面，黄煦涛老先生以1477篇居首位；论文被引用数统计中，韩家炜、吴恩达、孙剑、何恺明等排名前列，分别都有6万以上的被引数。
中国拥有丰富的场景和充足的人才储备，因此，石建平相信中国能出现一些世界级的产品。至于中国能否实现弯道超车，这需要很多人的努力，目前我们面临的挑战在于原始创新。
回到2022年的投资展望，依旧在工具、基础建设层面以及行业渗透层面，随着大家认知度不断地的提高，生产价值也会愈发明显，乐观地看待人工智能行业实际上是一种理性行为。
至于能够颠覆一切的新算法框架何时才会出现，我们无从预测，只能在人工智能质变和爆发的前夜，提前做好准备，迎接这一天的到来。
（本文首发钛媒体APP，作者|张翌楠）
干货满满，中金公司深度分析“人工智能的投资逻辑”（附全文）
9月18日，中金公司研究部黄乐平在2018世界人工智能大会上表示，麦肯锡做过一个预测，人工智能今后十年对GDP造成1.2%的影响，带动12000亿美金整体的经济增长。黄乐平认为，人工智能对中国的影响其实是远远大于美国，因为中国40%的经济构成是来自于制造业，中国去年在人工智能领域的融资规模已经超过美国。
谈到芯片行业，黄乐平称，芯片行业是人工智能最大的基础，接下来五年有10倍以上的快速增长。过去的两年里，中金主要投的是技术公司，例如芯片、算法等，特别是语音和图像公司。未来该怎么投资？重点关注拥有数据落地场景的垂直行业公司。
以下是黄乐平发言要点节选：
谢谢丁总，我是中金研究部的黄乐平，给大家分享一下我们这次中金人工智能研究报告主要的成果。这次研究的特色就是结合一级市场、二级市场研究的能力，不但是看了传统二级市场，二级市场和一级市场我们打通一起看，特别是人工智能这样一个行业的发展趋势。我觉得这一年下来，我们去年发了一本叫《十年之后我们都干什么》，我觉得最大的一个变化就是说，已经很少有人问人工智能会不会影响到我们的行业，或者会不会影响到我们的生活，而主要是问人工智能什么时候以多大的影响力会影响到我们的生活，这是我们想回答的。第二个问题就是说，我们在这一年看到许多的独角兽起来了，比方我们讲四小龙冒起来，芯片公司我们看到很多寒武纪这样的公司起来，这些公司成功的经验或者他们将来怎么走，还有什么样的公司会起来，我们访谈了许多公司，希望这些东西能和参会的嘉宾们去分享。
先给大家分享一个事情，两年以来，我觉得今天包括昨天我们参加人工智能一天的主旨论坛，我们最大的一个印象是人工智能两年前我们看到情况是经济学家开始谈人工智能的时候，一位很著名经济学家在谈人工智能的时候，马云或者BAT在说为什么经济学家来谈人工智能，但今天或者昨天我来看这个问题的时候，我们发觉很多BAT或者很多互联网大佬都在说对经济的影响，人工智能开始影响各行各业。这里我们列了一下它怎么样对经济的影响。左面一块是麦肯锡做了一个预测，它预测人工智能今后十年对GDP造成1.2%的影响，带动12000亿美金整体的经济增长。我们怎么看呢？它有几个很有趣的分析观点，第一个就是人工智能对经济影响主要是三块，第一块是替代作用，就是说现有地段制造业的人口，最典型就是制造业的组装或者物流，通过人工智能的技术来提高它的生产效率，第二块是创新，创新带来效果是人工智能技术提升催生一些新的行业，进入头条广告视频的推送，以前短视频几乎不存在，第三类是对经济的负面影响，就是我们看到很多资本开支在往下投，这些资本开支带动的，比如现有的基础设施不能在支持人工智能的发展，那这一类短期来说经济是负面影响。人工智能对中国的影响其实是远远大于美国。
原因主要是两个，第一个从经济构成来看，中国现在40%的经济构成是来自于制造业，就是第一产业和第二产业，中国现在人均GDP，虽然我们讲中国已经成为第二个世界经济大国，人均GDP只有美国的20%或者1/5，我们调研了很多公司，我们看到最有趣的一个现象，大家为什么要做工业互联网或者为什么要做人工智能，其实一个很核心原因是人口老龄化。右上这个图列了中国人口老龄化的趋势，中国制造业的适龄人口，20岁-44岁人口比例从1980年的25%上升到最高2011年的41%，根据世界银行和中国的预测，接下来由于独生子女政策影响，人口老龄化非常快的往下走，到2030年中国制造业适龄人口只有23%，老龄化对经济的影响是非常大的。
下面那个图我很喜欢用，我们看到很有趣的现象，大家一直讲00后，觉得好像是很久远的事情，但是我们访谈一家中国最大的制造业公司富士康，富士康跟我们这么讲，他说00后其实一点不远，苹果手机制造女工现在就是18岁的女工，他们宁可到家里玩抖音，也不到富士康工厂干组装，制造业人工的减少其实是导入人工智能最重要的要素。我们觉得中国对人工智能或者工业互联网的机会是最大的。
第二张图，中国和美国的比较。我们分析了一下中国和美国在各个人工智能行业上的差距，我们看到一个很有趣的现象，就是说中国在右上角那个图来看，融资的规模来看，中国其实在去年融资规模已经超过美国，就是人工智能行业的融资规模，美国在2014、2015年达到顶风，人工智能融资额在往下走。总体来看，中国和美国的比较来看，中国在应用的行业，机器视觉或者语音识别这些领域发展不论是从公司数量或者从公司规模，或者融资额来讲，其实是超过美国，但是从基础的技术，最大的一块就是半导体，半导体的技术上或者半导体人才的储备上就远远落后于美国，中美两国的比较来看，我们在应用领域，今天我们也在讲AI，就是这个大会是讲行业落地，在很多落地领域我们走在美国的前面。人口自然产生的数据，我们监管的政策是更适合于人工智能发展，这性都会带动人工智能技术发展速度超过美国。
人工智能技术在中国落地的情况，横轴是技术，竖轴是主要的落地场景。我们看到几个主要的结论，第一个在中国图像远远是好于语音，计算机视觉的变现或者落地速度远远快过语音。图像我们看到很多应用场景，比方说传统的移动互联网，还有现在很常用的安防，这些行业带动了经济，解决了很多的问题，接下来我们看到零售、物流这些都会有。但语音碰到一个很大的问题，语音是一个非常有用的技术，但是在它能够解决问题的那些场景的技术公司很难差异化，在一些非常复杂的场景，比方自然语言处理不能解决。
竖轴来看是行业应用落地速度，最快的是移动互联网，然后是安防，智能家居，这三个行业实际上我们已经看到一些龙头企业因为人工智能的带动发生天翻地覆的变化，移动互联网我们看到今日头条，我最吃惊的一个数据就是说，通过一年时间抢到6%的用户时长，人们上网的用户时长从腾讯手里通过人工智能和智能视频推送技术。安防企业我们看到一些优秀企业从传统企业向视频服务商在转换。今天下午也有很多创业企业来，我也很想和他们分享这样的经验，我发觉医疗和汽车这两个行业的发展碰到很多困难，最主要的核心就是数据，怎么拿数据，数据可获得性变成一个很大的困难，医疗企业的变现或者技术发展其实是受制于这些数据的问题。无人驾驶行业，一年前起的非常快，但是我们看到的问题，无人驾驶有一个很大的问题，它对安全性的要求非常高，所以在一些可控环境上能够起来，可控意外的环境发展略低于我们的预期。
下面讲一下我们对半导体和芯片行业的看法。芯片行业我们做了一个分析，这个行业是人工智能最大的基础，我们看到行业增长的潜力，接下来5年有10倍以上的快速增长，这个行业我们看到有几个结论。第一个结论，半导体行业最大的一块，一年多前有英伟达以外的公司来挑战，但是这一块我们感觉很难有新的公司能够撼动英伟达的地位，但是在云端芯片或者手机端，或者安防端我们叫推理的芯片上，这些行业出现一个行业分化或者应用需求会带动不一样的芯片，这给很多创业公司一些机会，很多新的公司在专业的行业能够带动行业发展。
这里列了一下中国最成熟的一个行业，就是机器视觉或者人工智能在机器视觉行业的变现情况。我一直讲，机器视觉是一个有深度的行业，这个行业的特点，你解决了一个问题就可以通过这个问题去变现。最简单我们是做一个人脸比对和身份证比对，接下来我们看到在中国有各式各样的场景，比方说做道路闸口的比对，用户的名单，我们有一个白名单，这个白名单我们进门禁系统，这解决问题又能变现。有不同场景可以帮助机器识别公司实现它的企业价值，同时我们看到各种各样变现场景，不一样的情况下，有的企业在有的场景下，我们再往下走，我们看到有些场景，像移动互联网它做一个非常简单的，它对信赖度要求不高的场景下，做一个美颜功能就非常好，这些公司能够通过美颜功能实现一个很好的变现，但是在一些复杂场景下，比方我们做医疗影象识别或者做复杂的无人驾驶，这样对它的要求非常高，这些场景下我们数据还无法解决这样的问题。
这里看到一个企业的情况，一个很有趣的现象，机器视觉这个行业有很多企业在进来做，企业实现的价值，大家在一个产业链上所处的位置又不一样。除了传统的算法公司以外，我们看到安防公司海康、大华，他们传统只是做硬件，慢慢他们产业链往外扩，开始做云端设备。我们又看到阿里云，它提供附加价值从一个传统云计算的服务，慢慢向算法，然后向一个总包业务扩展。这样的业务模式就带动各个行业的互相渗透，一个很有趣的业务变化。这里面我们看到几个企业，这些公司慢慢成为一个平台性企业，有些企业向纵深发展，商业模式开始变化。
第7页我们列了人工智能在移动互联网的应用场景。这张图我画出来自己也很吃惊，我相信这里来的海外专家也会比较吃惊，在中国手机用户的时长一天是用多少？根据统计，中国现在平均手机用户一天使用时间是5个小时，我相信这应该是全球最高的一个使用时长。推动使用时长背后的一个很大的技术就是人工智能发挥很大作用，2018年我们看到互联网行业最大变化就是今日头条的崛起，从数据上来看，它占我们用户时长的时间从2017年的4%上升到2018年的10%，他硬生生从腾讯手里抢了6%的用户时间，它背后推动的技术是下面列的两个东西，一个东西是美颜，你用抖音，其实是一个很无聊的，我相信海外的人来看的话是一个很无聊的APP，但是它的美颜功能吸引用户黏性。第二块是用户画像，通过你上网以后对用户精准的描述，去理解你，通过你社交信息去理解你的兴趣，根据你的兴趣去推送你所想看的内容，让你中毒，就是不停的让你看你喜欢的内容，导致你的用户时长上的非常快。人工智能帮助今日头条这家公司发展的非常快。
还有一个应用场景，包括今天下午来的涂鸦也是一个很好的受益公司，就是智能家居。智能家居这个行业已经辛苦了很多年，从2013、2014年往下走，主要的一个原因是因为人和家电的交互不是很顺畅，这个背景是最早的时候有一个很不好的例子，昨天小米的雷总在，小米第一代的空调是一个非常失败的产品，它是要通过你的手机去控制空调，然后摇控器不能控制空调，这样产品交互体验非常差。过去两年最大的变化是语音识别的技术的突破，帮助了人和家电之间交互技术实现非常大的突破，有很多硬件的模块加到各式各样智能家电的产品里去，带动整个行业快速发展。我们从下面来看，最早有一个音箱类产品，现在音箱嵌入到冰箱、洗衣机里面去，这些智能功能慢慢还会体现出来。
这是我们讨论很多的无人驾驶问题。我每年去拉斯维加斯的CES，我觉得拉斯维加斯已经慢慢变成一个车展，但是我们今年看到的情况无人驾驶的发展速度不好的情况就是通用嘉士商发展速度远远低于大家的预期，本来是2021、2022年真正无人驾驶能够上路，但是在美国我们看到的这些事故，包括Uber、特斯拉的这些事故，我们相信进度会放缓。但是我们很高兴看到在中国特别是中国应用场景里面看到，很多在可控环境里，比方说物流车，比方说我现在在上海或者在北京住酒店，过去我早上要一个剃须刀一般要有一个服务员送上来，现在是一个无人驾驶的小车把剃须刀送到我的房间门口，这样的利用场景，而且这些公司开始赚钱了，这样的可控场景下的无人驾驶其实是真正带动无人驾驶起来的一个很好的需求。
下面是讲AI的医疗，我们下午有很多医疗公司。我们下午有很多医疗公司。医疗行业发展过去一年我看到的情况是低于大家的预期，主要的原因，特别是在北美，就是数据的可获得性造成一个很大的问题。获得医疗数据的成本非常高，医疗数据碎片化也非常厉害，这样的行业我们来看，中国和美国有一个很大的区别，中国现在成立了三家国立的医疗大数据公司，成立全国肿瘤数据公司，这些公司能够有能力，中国有能力把这些数据汇总起来，能帮助这些医疗公司发展快于美国的发展，这是关于医疗行业。
最后我想讲一下我们对行业的一个观点。现在在讲人工智能，过去一年或者两年我们主要投的是横轴的这些公司，芯片、算法，特别是语音和图像公司。未来我们怎么看投资？我觉得比较有意思的是两块，最大的受益者其实不是横轴的公司，最大的受益者应该是拥有数据的竖轴的这些垂直行业的公司，比方我们看到很多垂直行业其实发展非常快，移动互联网、今日头条它可以说是加互联网的公司，我们看到安防海康慢慢从一个安防公司向视频服务在变化，我们看到金融里面的平安，平安集团我觉得是最大的fintech公司，投资从横轴向竖轴，或者从AI+，向+AI行业发展是未来的趋势。我要讲的就是这些，谢谢。
【投稿】人工智能的5大投资逻辑
图：信息技术革命的发展历程
撇开电话、电报、打字机这些广义上的信息技术，我们从IBM发明第一台微型计算机开始说起。
1981年，IBM推出其研发的微型计算机，获得了巨大的成功，这意味着PC时代的到来。最初IBM的计算机对于家庭来说过于昂贵，但是在企业界获得了快速的推广。企业通过新的媒介，将文字材料信息化。由此围绕IBM计算机为中心的生态逐渐建立，在此生态的基础上，带动了一个产业的发展，包括让Intel成为了名扬四海的处理器供应商，让索尼成为了软盘提供商等。
1983年，微软公布Windows操作系统，为IBM个人电脑提供图形化界面，管理多任务环境。由此降低了人类使用电脑的学习成本，带动了一批围绕Windows操作系统开发软件的软件公司。随着企业用户的增多，信息化程度的提高，数据量的扩充，数据库服务提供商、企业服务提供商得到了商业的发展，其中包括著名数据库公司Oracle，以及企业服务公司SAP等。
此时，PC时代的基础设施基本构建完成，以计算机为基础的计算服务将文字、图片、声音、图像信息化，以标准化方式进行低成本、高效率的传播，提高了生产工作科研效率，扩展了文字与知识的载体。在某些领域甚至延展了人类的能力，使原有科技水平下无法完成的任务得以实现（为火箭的发射、原子弹的仿真提供运算等）。人们沉浸在科技带来的变革的愉悦中，然而技术演进的脚步并没有停止。
随着科技的进步，硬件成本快速下降，微软不断改进其操作系统的人机交互方式，PC逐渐进入了家庭，随着以思科为代表的网络方案解决厂商将互联网设施推广普及（1986年），以网景浏览器为代表的产品商用（1994年），PC不再是独立的节点，而被网络互联，人类进入了互联网时代。
之后的故事是我们这一代人熟知的故事，我们亲身经历了这个时代，即便感触不深，我们的耳边也常常想起那个时代大起大伏的故事。从这时起，中国也加入了信息时代发展的浪潮中来。
最早的互联网的用户也是企业客户，企业会制作网站通过互联网将自己推广。然而成千上万的零散信息对于查询极其不便，1994年雅虎编制了第一个网站信息引索。随后以雅虎为代表的公司逐渐发展成门户网站，并提供邮箱服务。
1996年，Google发明并上线其搜索引擎，成为一家独立的搜索引擎公司，占领了互联网的入口，逐步发展成为一家科技巨头。
亚马逊和阿里巴巴可以说是从搜索引擎中独立出来的一个垂直场景，电子商务独立地围绕互联网结合线下的消费场景，构建起了独立的商业生态。2000年互联网泡沫破裂，却是电子商务蓬勃发展的年代。
2007年，iphone第一代发布，由此掀开了又一次波澜壮阔的移动互联网浪潮。移动互联网从内容上与PC时代互联网并没有太大差异，但是在用户端，移动设备成为了消费者离不开的工具，甚至被后人称为“电子器官”，在使用工具的时候，积累了大量消费者的行为数据，这些行为数据包含了与消费者相关的巨大信息。由此衍生了云计算、大数据产业。
人工智能的5大投资逻辑
从信息技术革命的发展史，我们总结规律，并针对人工智能的投资逻辑给出我们的判断：
1.把握行业发展周期：现为弱AI阶段
从PC时代到移动互联网时代，从我们总结的历史发展进程中可以看到，它经历了20年的发展才走到了今天。
我们认为在10年周期内人工智能都将处于弱人工智能阶段，人工智能将在语音识别、图像识别、自然语言理解等领域单独发展，目前语音识别技术和图像处理技术较为完善，但是技术仍须进一步完善。自然语言理解技术刚刚兴起，国外互联网巨头公开的开源框架加快了这个领域的进步。
2.把握行业执行路径：2B先行
由于B端对于效率成本追求的需求旺盛，并且需求单一，相对容易实现，因此纵观所有的技术革命，发展都是从B端开始的。IBM的个人计算机首先进入的是商用市场，最早的门户网站是为了整合企业网站，电子邮箱最初是商用收费的，电子商务最初也是2B的业务。
因此我们判断人工智能技术也将优先在B端落地，语音识别、图像识别持续在B端服务。原因主要包括：1）B端对于生产力效率的提升需求最为强烈，新技术可显著提高效率；C端对技术不敏感，重视体验和产品，目前独立的技术很难生产用户体验很好的产品和应用（如服务机器人）。2）B端场景和需求比较明确，如安防、政务、工业、商业等，而人工智能和C端需求结合场景下的产品模糊。
但是针对一些特定场合下的个人消费类智能应用，我们也会持续关注，因为所有颠覆式的创新发展都源于星星之火。
3.商业生态系统的建立需要载体
互联网第一次浪潮的发展建立在PC+操作系统+网络的基础上，第二次建立在移动设备+手机操作系统+移动网络之上。而且设备的变革是越来越便携，越来越接近人的。
基于信息技术革命的判断，凯泰资本认为，人工智能技术需要载体的存在。广义的智能设备构筑的物联网将引领一个新的时代，在这个时代下信息化将穿透图文信息的传播，进入人们生活中的各个场景。这些智能设备包括：汽车、机器人、无人机、智能家居等。
4.商业生态的构建需要核心技术
互联网时代，支撑整个生态系统的技术总结起来可以分为：计算体系层（计算机芯片、存储设备等）、网络连接层（网络通信协议等）、人机交互层（操作系统、数据库等）、应用层（应用软件）。
人工智能时代，我们同样认为生态体系的建设需要有核心技术的支撑，我们可以想象未来我们身边的智能设备的场景，它们会以拟人的方式存在，它们会听，会说，会理解，会辅助我们劳动，这一直是人类追求的梦想。基于计算能力的突破以及目前人工智能的发展趋势，我们坚定地认为这一次人工智能的发展会让我们这个梦想成真。
支撑这个体系的技术，我们也做了总结，它可以分为以下四类：
计算体系层：人工智能计算专用芯片、云计算体系；
基础技术层：深度学习技术、强化学习技术、生成对抗网络技术等；
应用技术层：语音识别技术、声学处理技术、语音识别技术、自然语言理解技术、情感识别技术、问答系统技术、机器翻译技术等；
应用层：与生产生活结合的各类场景，如医疗健康、网络安全、农业科技、无人驾驶、消费科技、金融科技、营销自动化、工业自动化等。
5.通过业务积累并私有化数据的能力是核心竞争力
通过业务场景私有化数据或者自建数据的能力是必要的。在互联网时代，雅虎通过自建门户数据库整合大量信息满足了人们的需求，谷歌整合并私有化了网站索引数据。
本次人工智能技术在行业中的应用得益于以深度学习为核心的概率模型，应用此技术的特点是依赖大量有标签的数据，如何在满足用户真实需求的业务执行过程中积累大量的有标签的经验数据将成为行业的核心竞争力。
理性投资，携手同行
人工智能将会出现在我们生活的方方面面，我们不能低估对于这个世界未来的想象。但是在当前，作为这个行业发展的初期，技术在各行各业的应用还尚未成熟，我们也不能高估了当下。对于宏观大趋势的投资一直是凯泰资本所坚持的，我们也愿意和我们的同行一起交流，一起合作，用资本的力量把资源向有梦想的公司倾斜。人工智能这个主题很大，未来我们会针对每一个应用板块，结合我们投资标的继续与大家分享。
本文来自猎云网，如若转载，请注明出处：http://www.lieyunwang.com/archives/340192返回搜狐，查看更多
AI+机器人的核心投资逻辑到底是什么
原标题：AI+机器人的核心投资逻辑到底是什么？机器人正成为近期市场最热门的AI应用端主题。自1938年开始诞生第一个机械臂开始，人类对于机器人的研发从未终止，此次生成式AI的诞生，更是引发了市场对于机器人最后发展阶段的联想。
究竟AI+机器人能够产生怎样的火花？机器人产业链的核心投资逻辑是什么？本文将详细解析。
具身智能时代越来越近
国际上通常将机器人分为工业机器人和服务机器人两大类。目前，机器人已从实验室技术积累到工业机器人领先的阶段，逐步向具有自主决策与行为能力的类形机器人迈进。随着机器人成本的降低，它的智能化程度也得到了极大的提升，机器人的实用性和性价比都得到了显著的提升，逐渐进入了商业化的阶段，并融入了各种场景。
工业机器人最大的问题，就是研发难度太大，需要专业的工程师，手工编写代码，反复调试，才能满足产线的特定任务要求，高昂的成本，极大地限制了工业机器人的推广。在大模型人工智能的发展趋势中，工程师可以通过大模型自动生成代码指令，完成机器人的功能开发和调试。
在2023年初，谷歌发布了一种视觉语言模型PaLM-E，并将其应用于工业机器人，在没有人工指导的情况下，自动识别环境的变化。阿里巴巴于2023年将“通义千问”大模型与工业机器人连接，成功实现了“对话控制”机器人的工作。未来十年，由于机器人可直接与人交流，使其应用得以实现，并使潜在应用领域的渗透率大幅跃升，这将是其中一个重大机遇。
具身智能最强大的地方，就在于它可以自主地感知物理世界，通过拟人的方式来学习，从而做出人类想要的反应，而不是被动地执行。简单地说，具身智能也就是AI，它可以与我们所处的环境进行互动，从而展现出自己的智慧行为，不断地进行迭代，不断地学习，最终找到最优的行动策略。
在未来，除了最初的指导和监督外，人类只需要将所有的任务告知具身智能机器人，就可以实现无人化生产。同时，他们也会根据当前的生产效率，对生产策略进行调整，不需要任何人工干预，这才是真正意义上的自动化。
机器人产业链的核心投资逻辑是充分降本
机器人发展至今最关键是问题是如何低成本地量产落地。量产面临的问题在于三点：
1.应用场景还不足
2.技术问题较多
3.成本高
根据以上三个问题，人形机器人的商业化量产可能的路径推演：
机器人发展的核心仍然是提高机器人的功能与智能，使其能够从封闭式场景过渡到开放式场景，从单一场景过渡到复杂场景。
以ChatGPT,PaLM为代表的人工智能多模态大模型，提高了智能程度，提高了机器人人与人之间的交互能力，自主编译能力；除此之外，电机，减速机，传感器，芯片，都在不断的升级。
大规模的降低成本，引入国内的供应链。目前特斯拉的人形机器人还处于原型机阶段，还没有量产、交付，但随着商业化的普及，以及国内供应商的引入，人形机器人的成本将会进一步降低，人形机器人的普及将会变得更加容易。
目前，人形机器人的造价大约为10万美元，而马斯克预计，远景机器人的造价将降低到2万美元。我国在电机、减速器、滚子螺杆和传感器等方面已经积累了丰富的制造经验，引进国产供应链有望进一步降低核心部件价格。优必选公司副总裁付春江预计，在动力系统方面，可以节省50%左右的成本，在结构与外观方面，可以节省40%左右的成本，在计算系统方面，可以节省20%的成本。
我国在美、日、欧等国家的机器人零部件产业链上具有先发优势，目前已占据了中高端的价值链。国内品牌一般都是先从集成商入手，然后逐步攻克上游核心部件的技术。凭借完整的产业链规模、持续的研发投入和人力成本的优势，国内厂商在未来的机器人供应链中将会有更深层次的参与。国内硬件厂商具备较强的低成本大批量生产能力，将为特斯拉的机器人产业链提供重要的机会。
东吴证券长期看好人形机器人智能化迭代升级的产业趋势，看好国产供应商进入特斯拉产业链机遇。谐波减速器重点关注：绿的谐波、双环传动、中大力德、丰立智能。伺服电机重点关注：汇川技术、禾川科技。空心电机重点关注：鸣志电器、江苏雷利。行星滚柱丝杠重点关注：鼎智科技。力传感器重点关注：柯力传感。机器视觉重点关注：奥比中光。执行器重点关注：三花智控、拓普集团。返回搜狐，查看更多
责任编辑：人工智能领域投资与创业的逻辑：行业太热、项目太贵怎么办
本篇文章是上周五GPLP人工智能沙龙的嘉宾讨论实录。
虽然人工智能成为2017年的另外一个投资风口，然而，无论是从创业还是投资的角度来看，人工智能都有点早期，如同2016年的VR/AR一般，属于雷声大，雨点小的境地。
那么，具体到实际业务阶段，无论是创业者还是投资人，他们是如何具体处理理想与现实之间的距离的呢?
让我们且看人工智能领域内的投资人及创业者的现身说法。
天明创新CEO徐明：中国的人工智能不太接地气
我们是把人工智能的算法用在医学映像，我希望通过这些算法进行分析，加上工程，加上医学院的努力，能够做出真正可以用的东西，比如预防及治疗职业病领域。
关于人工智能创业，我们也走过一些弯路，比如技术上看起来达到了，但是却没有得到医生的认可，后来发现人工智能不是有了技术想当然就能走下去的，因此，人工智能创业，一定要想明白，真正的算法能够带来什么，什么东西能够落地。
当然随着人工智能的继续发展，比如说在深度学习和神经网络方面，还需要继续发展，目前这方面的技术还不能实现，因此，目前的人工智能只能在一个个的垂直的领域逐步解决问题。
关于人工智能这个趋势我想没有人反对，但是前两年有一些逆转现象，那就是很多投资人的动作都是去高校找教授或者BAT里面去挖技术牛人而进行投资，大家都想通过技术解决问题，然而，实际上在中国的人工智能行业，目前纯技术还不能解决实际问题，因为人工智能最顶级的技术目前没有一个诞生在中国，而且也没有看到中国有哪个研究说接近顶级，而从实际应用角度来看，也没有哪个创业团队真正能够脚踏实地的去研究用户行为。
因此我两年前跟投资人沟通的时候，投资人都不搭理我，但是现在时间说明了一切。因为没有长时间的跟用户走在一起，这个项目就不会足够的接地气，因此，如果有一天中国就很牛逼的科学家颠覆整个行业技术，同时也有更多脚踏实地的创业者的时候，中国的人工智能行业才可以真正说的上是人工智能，否则大家一起吹吹牛皮，吹吹估值就完了。
人工智能的团队方面，我的观点是不一定豪华团队就能走到最后。以我的经历来说，我们刚开始的时候全部是清华的博士，大家都在美国，看起来非常豪华，然而实际运营了一段时间发现，这些人的战斗力却一般，因为美国的环境是它到一定程度就休假两个星期，找不到人了，失踪了，最终我们发现创业并不一定是PHD才能把事搞成，可能很多时候硕士就足够了。
另外，关于人才，我真的感觉创业的心态可能是最重要的，你真正碰到什么事情的时候，能否坚持下去?因为创业到最后我发现很多时候不是技术问题，而是工程问题，甚至是你在医院多久，跟医生讨论问题的时候，能不能坚持，甚至有时候你的方向看得不对，转一个方向，干别的事，照样可以做成。
视频机器学习创始人李喆：中国没有太多技术创业一定要解决某个痛点
我们致力于做视频类的人工智能，目前现有产品效果还不错。
关于人工智能，我认为技术是基础，然后是产品和交互应用，最后则是商业模式上的成功，哪一个都不可或缺，而且一层比一层重要一些。
这是我们真实的心里路程。
有一段时间，我们痴迷于研究技术，但现在感觉生存下来更重要，而且我们实践后发现，人工智能想要行业生存下来，最重要是要绑定一个行业，因为现在人工智能很难做到全品类的通用的智能，离我们想要的智能人还有很长的路，所以不管是人工智能后的网络，还是前端的机器人都需要找到一个行业，解决一个行业的痛点，不一定要把技术用得特别多，虽然技术特别重要，但是一定要解决某个痛点，才能有长远的发展。
而就技术来讲，中国不是技术为基础的产业，而目前的人工智能其实不需要太多技术含量，比如我怎么用他们的算法整合达到我要的效果，这些都是累活，根本不是特别高大上的技术，而是资金密集型的产业，我们所有人做整合、算法，传感器，但是没有人做自己的电机，反而这些专利都在国外相关公司手里手里，底层的东西我们也没有做，我们做的就是整合，所以技术含量并不是特别高，只不过这些东西，一般情况下，软件工程师觉得硬件特别难，硬件觉得软件难。
我们参加了很多展会，大部分东西都是大同小异，语音识别，室内导航，这些都是模块化，看起来都有现成的解决方案但实际上是很简单的东西拼凑在一起，所以必须找到一个行业，解决行业的痛点，这样才能有后面的生存发展。
关于创业团队方面，我个人认为两点最重要：一方面是，每个人要聪明，第二，必须要有责任心，也就是说靠谱，最好有一定视野，不能只看自己的代码，还有就是创业团队要有执行力，如果没有执行力，肯定有怨言，很难把队伍带出来，整个创业就是长征，中间有人离开了，受不了了，或者有一些诱惑逃了，真正跟队伍走出来的，肯定是具备精神层面素质的人，大家对总体目标都要有责任感，才能把这个事情做好。
知镜AR创始人李永：人工智能创业2B更现实一些
我们的AR眼镜是把AI引入人工智能当工具，通过学习的方式，解决一些实际的问题，比如说通过引进网络，不仅可以跟踪环境，还可以理解、识别环境。
关于人工智能整个行业，我的理解是这个行业刚刚萌芽，还不是特别成熟。在这个行业创业，我们也走过一段时间的弯路，比如说我们做过一段时间的2C业务，然而实际效果并不好，后来我们转型2B的业务，比如做企业级的解决方案和技术授权。
通过我们这两年的心路历程，我们想说：第一，让我们的现有技术持续积累，包括改善自己的技术，通过积累产品可以逐渐迭代。第二，机会很多，但是我们不会轻易扩展，我们的选择是保持团队稳定和技术积累的前提下不轻易扩张，等比较合适的机会，如果有很好的机会，我们再做一些2C的产品。
AA投资成妙琦：人工智能行业投资与其他行业不太一样
人工智能，无论是做投资还是做创业，一定要跟应用结合起来。
在人工智能创业及投资领域，目前我们只看跟2B方向，不看2C的，一方面是2B可以尽快获得收入，对公司来说，有收入才可以养更多的团队，把产品和业务跑起来，另外一个方面，2B的使用场景是封闭的，封闭的这个场景比较容易达到90分的产品出来，无论是算法和数据都需要比较好的积累，而2C的产品，比如说机器人，大家期望的机器人短期内很难实现。
当然，人工智能在2C方面的应用更广，目前来看最快普及的是自动驾驶，这个有可能在5年之内就能够有一个上市通用。
谈到创业团队，我们AA投资正是非常注重看人的基金，我们投资的项目比较少，但是他们有88%的能拿到后续投资，诀窍就在于我们对人和团队的判断，我们自己有一套怎么评价CEO的体系，包含核心能力;个人特质;以及他的核心能力、个人特质和所属行业的匹配程度。
我们做人工智能投资之后发现，整个行业与其他行业不同：
第一，整个行业的项目价格很贵，一方面是炒作的很热，另外一方面就是AI的人才太少，所以AI的创业一定是高门槛的事情。
第二，我们判断人工智能行业的创业团队也与其他行业不同，其他行业我们对CEO的判断，占整个项目判断的70%-80%，但是我们做AI判断的时候，我们除了对CEO做判断，还要对CTO做判断，因为AI本来创业壁垒非常高，一个好的CTO非常重要。一方面他是把握方向，另一方面，体现在招聘方面，CTO的背景可以帮助他们忽悠更多的技术大牛加入公司。
联想之星高天垚：人工智能是个赛道但是投资要看到商业本质
人工智能一直是联想之星重要的赛道，2011年我们投了Face++，及其他一些项目。
当然对于整个行业，关于人工智能，我们目前最直接的感觉是和几年前相比，现在人工智能的项目太贵了，如果说给创业者一些想法和建议，那就是作为创业者来说，你需要想清楚，你做这个事的长期价值，这个事的决心，如果你是迎合市场，那么这是投资人会比较担心的。
我分享一下我的观点及想法：
第一，投资要看到商业的本质。
从智能投顾的角度谈，什么是人工智能，这个范畴不断变化，狭义的人工智能，则指所谓的神经网络，深度学习等。
目前来看这个范围太广泛了，我们收到看商业计划书，很难看到不是人工智能的项目，因此基于这一点，从投资角度看，你需要找到的不是技术，实际上是商业模式，人工智能的商业模式是什么，然后再谈人工智能的估值、模型是什么，这样最后从投资角度上来说，才能判断这个项目是否值得投资，而不是说这个项目很热我就要投资。
如同从这个投资逻辑蜡看，人工智能的创业也不太复杂，它可以简单从硬件和软件上进行区分，硬件就是制造，人工智能就是生产制造供应链，软件的话，光靠算法也无法挣钱，因此现在都在软硬结合，我们听的最多的就是系统集成，关于这个事情，我们希望探索到商业本质看这个行业发展，
第二，2C的企业更有想象空间。
目前为止，实际上我们自己投的项目基本上是2B的，因为在2C赚不到钱，如果能在2C赚钱，那就不会2B，但是，2C的想象空间更大。举例子，大疆它是2C的，如果把扫地机器人看成机器人，也是2C。
我个人感觉想象最大的人工智能肯定会诞生在2C领域，但在这个阶段，2C是挣不了钱，C端体验不好，只是2B是产业中一环，解决一个问题。
第三，人工智能的技术还有很长的过程要走
我个人觉得，技术或者整个人工智能相关的技术，现在还是在初级阶段，还有很长的过程要去实现。
了解了整个行业，再就是判断团队了，当然，从投资角度上来说，判断团队是最大的难题。
那么我们会选什么样的团队呢?
我的观点就是具备良好认知和变化的团队。
创业者有良好的认知很重要，这个认知是指他对于目前做的事，或者对于行业、技术或者对于竞争对手，或者对于客户，心态很重要，
第一，是你对自己的事有没有认知;
第二，良好的自我认知，能使你有很开放的心态，这个挺重要，如果你没有这个心态，那么公司从小到大，从早期到后期，在不同的发展阶段，肯定需要不同的人，你肯定是一个变化的过程，所以就是说良好的自我认知可以量化的团队，是希望这样的一个。
九合创投谢振亮：预测人工智能下半年也会冷下来
我观察了一个现象，在人工智能火了以后，很多原来做技术的人都出来创业了，当然有些团队的技术真的是很牛，但是市场、商务比较弱，所以在我看来，如果一个企业在某个方面有短板的话，走得不太远，所以技术创业者来说，一定要找好的伙伴把短板补全，因为有短板的企业很容易死。
另外，对于创业者来说还要有一定的胸怀和信仰，坚持这个事情能做成，坚持这个事情对用户是有价值的。只有有这种信仰，才能遇到各种问题，生存下去，因为企业会遇到各种问题，能够禁得住市场的波动，能够禁得住各方面不利的因素，竞争环境之类的，所以我们在判断一个团队的话，这个人做这件事情的出发点是什么，为什么要做这个事非常关键。
对于人工智能整个行业，我个人也觉得有点太热，目前本身还是处于比较初期，属于解决感知层的问题，还没有到内质的层面，所以这个热度可以下来一点，再来爆发期，因此我预测关于人工智能下半年也会冷下来，因为目前现在项目的实在太贵，大家都往这儿靠。
另外还是2B、2C的问题，2C其实不是技术层面的问题而是切入点的问题，比如我们投资了一个实时翻译的公司，翻译效果非常好，当然，2B走得目前走的更快，但是2C的市场更有想象力。
海康威视—从安防龙头到人工智能龙头 投资逻辑：人工智能AI开始进入产业化落地阶段，行业需求将爆发，头部企业更受益；公司作为全球监控设备提供商的安防龙头，在安
来源：雪球App，作者：龙头情报局，（https://xueqiu.com/1961550347/169833807）
投资逻辑：
人工智能AI开始进入产业化落地阶段，行业需求将爆发，头部企业更受益；
公司作为全球监控设备提供商的安防龙头，在安防的基础上，至少在二三十个领域进行了企业数字化转型的打磨，积累了天然优势，是视觉领域里确定性最大的公司；
海康威视的商业模式从提供设备到提供数字化的解决方案，估值体系需要得到提升；
行业特征
一. 人工智能进入产业化落地阶段
经历了近三年人工智能行业的“遇冷”时期，AI已经初步显现正常回温现象，各相关公司财报从2020Q3开始出现了业绩拐点信号。
从目前趋势来看，AI行业、经过两年的预期消化，已不再是追逐热点赛道，而更倾向于考虑打造合理的商业模式，帮助人工智能产业化落地。
2017-2020年期间，在预期消化的同时，在资本的助力、政策的驱动、技术的投入下，人工智能领域中数据、硬件、算法都发生了巨大飞跃，成为了人工智能拐点的催化剂，推动业务的飞跃发展。
各大券商机构都预计，2021年，AI会进入一个成长期，是需要重点关注的行业。且2020年四季度以来，有多家人工智能公司陆续被科创板受理或公布其上市，包括有依图科技、云从科技、云天励飞、旷视科技等独角兽，势必带来各路资金和投资者对人工智能的偏好和关注。
二. AI应用的广度不断拓展
面向C端，满足消费日常的AI产品不断涌现，比如录音笔、智能屏、学习机等；
面向B端，人工智能赋能各行各业前中后台。比如金融业，前台有银行的智能客服机器人，中泰有智能投顾，后台有智能风控。各个行业的各个企业都在数字化转型的过程当中，这方面海康威视优势最大。
面向G端，国内各地政府也在通过建设一站式服务平台、城市大脑等方式积极推进政务智能化。包括海康的PBG，还有各个比较优秀的城市大脑企业，像阿里的话也是有各种各样的应用，它的范围和范畴应该处在一个全面开花的阶段。
三. 机器视觉—AI给安防带来溢出红利
机器视觉是人工智能的重要分支，其核心是使用“机器眼”来代替人眼，与安防对 AI的需求不谋而合。机器视觉可以理解为基于视觉技术的机器系统，其主要工作是对图像数据进行处理和分析，同时在智能开发系统中起着关键的作用
根据前瞻研究院数据显示，2019 年中国机器视觉市场规模 138.77 亿元，2014-2019 年复合增长率为 16.66%。随着国产品牌逐渐在自动化领域深耕，机器视觉领域的国外品牌光环将不复存在，国产工业机器视觉产品将逐渐成为工业智能化改造的首选。
四. 规模效应很强
国盛计算机刚在上周召开的电话会议中提到说：“为什么AI这个行业我们这么重视，是因为行业的需求爆发。人工智能目前看起来也不是渗透率那么高的阶段，为什么我们在这个阶段会这么重视，就是因为这个行业它会有非常强的规模效应。”
人工智能跟云计算一样，越多的客户就会有越多的数据，越多的数据就会形成越好的产品，越好的产品就会越和竞争对手拉开差距，从而获得更多的客户，慢慢提升议价权。
头部公司的优势会逐步体现，在非常长的周期内，它的可投资性就会非常强。头部公司的业务持续性非常强，同时头部公司还在不停进化，给客户提供更好的产品。从而形成非常强大的规模效应，形成天然的护城河。
个股优势
一. 安防龙头
公司连续9年全球视频监控市占率稳居第一。
据HIS数据，2018年海康威视全球市占率高达24.1%，连续8年（2011-2018）占据视频监控设备行业市占率第一名。
2019年A&S全球安防50强数据，海康威视以77亿美元收入位列第一，市占率达到29.8%，第二名是大华股份，收入37.8亿美元，市占率为14.7%。
赛道集中度持续提升，马太效应非常明显，强者恒强，随着行业增速放缓，中小企业将进一步淘汰，未来行业集中度有望进一步提升。
二. 三大业务群
海康威视从2009 年开始推出解决方案，覆盖公安、交通、司法、金融、文教卫、能源和楼宇 7 大行业和 40 余个子行业的纵向垂直行业布局。
公司在 2018 年启动业务架构的变革重组，将国内业务分为 PBG、EBG、SMBG三个业务群。
PBG的服务内容为，城市治理和城市服务。技术门槛较高，以整体解决方案为主，海康威视的优势是可以从底层 IaaS做到顶层 SaaS，协同性优势降低了顶层 SaaS的搭建成本。
EBG的服务内容为，传统大型企业市场服务，适应集团企业的条状模式，顺应集团企业的垂直化运营管理需求，针对头部客户推出综合解决方案。其增长驱动力来自于大型企业自身主导的数字化转型，相对于转型之前企业对视觉的产品需求或增加 1-2 个量级。
SMBG的服务内容以中小型企业市场服务为主，销售偏碎片化，海康的竞争优势在于其具备品牌优势和更好的门店库存管理能力，可以提供行业相关的解决方案。
三. 公司的产品迭代历程
~2010年，以数字视频录像机（DVR）为主；
2010年，以数字视频录像机（DVR）向网络摄像机（NVR）发展；
2011年，软件业务崭露头角，彻底摆脱对DVR的依赖；
2013年，推出萤石(EZVIZ)品牌，发展互联网视频业务；
2015年，逐步提供基于视频价值的增值服务，推出数款工业相机及行业级无人机；
2016年，公司将深度学习算法和产品结合，推出了全系列深度智能产品，推出了“阡陌”智能仓储管理系统，发布了“深眸”摄像机、“超脑”NVR、“脸谱”人脸分析服务器等系列产品；
2017 年海康威视以云边融合的 AICloud计算架构大力推进人工智能在物联网领域的发展和应用；
2018 年海康威视将两池一库四平台软件产品整合形成物信融合数据平台，推出“云眸”。
随着安防行业整体增长趋势放缓，行业龙头在传统安防主业的基础 上，进一步为用户多元化需求场景探索更丰富的应用类型。以后台AI赋能前台硬件、软件、创新产品和整体解决方案，形成完整AI产品线。
四. 业绩分析
公司在至少是二三十个领域，都是可能万亿以上的市场规模，进入了企业数字化转型的过程。目前处于在和头部公司打磨产品的阶段，需要做很多的苦活，需要一个一个打客户的痛点，然后形成产品，为客户在管人管物、安全防控上提升整个业务的价值。海康威视在很多场景领域，比如说在建筑、工业、物流、家居的领域，它有很多场景和产品在不停地延伸。
公司前期为了满足很多碎片化的需求，去打磨产品，投入了很多人力物力，还要严格进行研发。从公司经营的角度来讲，之前这种持续投入不赚钱的过程已经过去了。公司即将进入业绩兑现期，营收和业绩的增速有可能会进一步的提高。
图1 海康威视的单季度业绩成长能力指标表
2020年尽管受疫情影响，但是海康威视的营收增速从二季度开始保持了较高增长，第二季度的单季同比增速为6.16%，第三季度的单季同比增速为11.53%。连续两个季度转正增速且持续变大，可以判断其业绩拐点已经出现，后续随着商业模式的转变，以提供后端设备为主到以提供全套企业数字化解决方案，未来成长性可期。
预测与估值
通过Choice软件对各大机构的预测统计分析，得到海康威视的一致性业绩预测数值是：
2020年实现营业收入为633.23亿元，同比增速为9.83%；2021年实现营业收入742.89亿元，增速为17.32%；2022年实现营业收入871.68亿元，增速为17.34%。
2020年实现归属净利润为137.97亿元，同比增速为11.13%；2021年实现归属净利润165.43亿元，增速为19.91%；2022年实现归属净利润197.22亿元，增速为19.21%。
图2 各大机构对海康威视的归属净利润预测统计图
图3 各大机构对海康威视的营业收入预测统计图
从海康威视的历史PE估值区间图可以看到，截止1月22日收盘，公司的总市值为6235.80亿元，对应PE（TTM）为48.62，处于历史估值区间的最大值。
图4：海康威视的历史PE估值区间图
公司历史60%分位的PE值为37.17，如果按照37.17的倍数算的话，公司在2022年对应的市值应该为37.17*197.22亿元=7330亿元，还有17.55%的空间。这个历史区间是根据海康威视之前作为安防设备龙头公司来给的估值。
但是，如果考虑到目前海康威视的主要发展方向将是为企业提供数字化的智能解决方案，属于软件服务提供商，是可以永续收费的，其估值体系会得到提升。我们保守给它作为人工智能龙头以40-45倍的估值，那么对应2022年的利润的市值可以达到7888亿元—8874亿元，还有26.5%—42.32%的空间。
根据机构对海康威视调研的次数的统计，截止1月22日，近一个月、近三个月、近半年分别有60家、316家、642家机构对公司参与过调研。
图5：海康威视的筹码分布图
公司的筹码分布非常有利，目前被主力高度控盘中。
综上，如果作为短期投资标的，可以等回调后，结合筹码分布、资金流向和市场热点择机参与。如果作为中长期投资标的，公司是人工智能优质赛道里的绝对龙头，可以放心配置持有。
注：文章数据来自公司公告、公开信息、国盛计算机研究报告、东方财富CHOICE软件，以上分析仅供参考，不作为投资建议。
$海康威视(SZ002415)$ $紫光股份(SZ000938)$ $科大讯飞(SZ002230)$
#比亚迪飙涨市值突破7000亿# #英科医疗预计2020年净利润增长近40倍#
普华资本蒋纯：硬科技产业投资的逻辑与趋势是什么｜科技产投家
其次我们也要看到，这几年科技产业本身也出现了较多的机会点。人工智能、物联网、机器人引领的各行各业“无人化、智能化”浪潮，也拉动了底层硬科技的创新，使得硬科技产业出现了很多“换道超车”的机会。典型的比如人工智能发展而引起的芯片架构创新，存算一体这样的技术因为更高的人工智能运算效率而登上舞台。
投资是服务于产业的，产业的发展需求，产业的增长，就是投资应该去的方向。因此硬科技的投资热度也是顺应产业发展趋势的。
产投家张平：总结一下，硬科技热度高的原因在于去全球化和国产替代的背景和正常的技术升级。那在这样的背景下，国内的硬科技企业有哪些机会？您看好哪些细分赛道？
蒋纯：我们觉得国内硬科技企业有非常多的机会，哪里有断点，哪里有创新哪里就有机会。
从补断点的角度来说，全球化时代我们和全球产业链结合得非常紧密，所以现在看起来，上游产业链的断点或者风险点非常多，企业在任何一个点做好国产替代，都有一个成熟的市场，成熟的商业模式等着他，用大白话来说就是一堆钱在等着他。当然把这个国产替代做好是有比较高的技术门槛的，这就是这个事的壁垒所在。
从创新的角度来说，我们自己构建了一个未来的数字化世界框架。那就是人工智能未来的“破圈而出”，人工智能要更大的发挥作用，就不能像1.0时代那样只是躲在自己的cyberworld里，而是要“生出耳目、长出手脚”，进入到物理世界中。具体来说就是要以传感器为耳目，收集物理世界中更多的数据以完善人工智能的模型，以机器人为手脚，把人工智能的超强运算能力用于操作物理世界，提升我们的生产力，这样才能让人类文明上一个层次。虽然现在整个世界围绕如何“分蛋糕”有很多的争执，但是长期来看，只有把蛋糕做大，把生产力做上去，才是人类社会长期和谐发展的根基。而这种人工智能对人类社会的重构，其实也蕴含着从上层应用到底层硬科技全产业的把所有行业“重做一遍”的机会，所以这个机会范围非常广。
但是行业起来有时间节奏，就细分赛道来说，我目前重点看好新能源，半导体、先进制造、数字化这四个方向。
产投家张平：我这里正好有一个关于细分赛道的问题。国产半导体赛道也出现了一股投资热潮，这背后的逻辑是什么？
蒋纯：最主要的逻辑就是刚才说的国产替代。半导体是非常重要的一个领域，我们现在每年的进口规模都是几千亿美元，而且是产业“无人化、智能化”的核心，对我们国家比较强的电子产业下游影响巨大，当前是中美经济斗争的焦点，所以国产替代需求强烈。我们在这个赛道投了像臻镭科技这样的公司，这个案子创造了我们自己的历史，当A轮项目投的，结果投完不到两年就上市了。
但就像前面说的，这里也有“换道超车”的机会在。人工智能提出了全新的计算需求，加上美国对我们先进制程的限制，使得一些新的技术变得更加有需要，比如存算一体技术，我这边早期投资了赛道领先的公司知存科技、苹芯科技，比如新一代的存储技术，我们早期投了致真存储和亘存，我们还投了做芯片堆叠的头部企业，杨士宁先生创立的芯盟科技。
产投家张平：刚才讲到半导体赛道出现了投资热，他现在发展到怎样的阶段了，您给总结一下。
蒋纯：这个可以用一个成语“方兴未艾”，现在是因为经济周期的原因，出现了起伏，所以最近有些收缩。特别是叠加疫情影响，造成的下游实体经济萎缩。
不过，半导体本身产业就是有周期性的，所以大家看到半导体赛道出现了一个小寒冬，但我觉得还是要对半导体有信心，半导体行业要起来也很快的，这是强周期行业的特点。
新能源产业要发展，需解决储能、电网调节难题
产投家张平：部分新能源车企采用的换电模式吗，算不算一种好的储能解决方案？
蒋纯：挺好的。新能源有一个很大的挑战，就是发电看天吃饭，无法像传统能源那样主动根据用电负荷调节，储能环节变得极端重要。我们一直觉得储能是新能源里面的一个核心关键点，他会有一个巨大增长。
车企的换电模式是一种集中式和分布式结合的储能和用电方式，可以让用电负荷更平滑，同时也有利于电池的梯次利用和回收。所以是个不错的解决方案。
产投家张平：还有其他的比较好的储能解决方案吗？
蒋纯：大的来说储能分两种模式。
一种是集中式储能，往往是通过电网侧来做的，典型的就是传统的抽水蓄能，新型储能里边就是比如我们投的中储国能做的压缩空气储能，还比如包括以后技术进一步成熟后的液流电池电池。锂电池做集中式储能要解决安全风险问题。
另一种是分布式储能，就是每家每户，每个园区工厂都自己做一套。这时一般就用锂电池或者以后钠电池这样的。
这两种模式都有他的优势，所以最后整个储能体系会由这两种方式结合起来完成。当然还有一些特定场景的需求，比如调频用的飞轮储能。
民营航空航天企业如何破局：要有技术，更要掌握系统能力
产投家张平：普华资本投了民营商业航天领域的一些项目，您觉得民企去做商业航天最需要下功夫的是哪些地方？
蒋纯：航天是一个非常高门槛的高技术行业，特别是火箭，门槛非常高。在火箭方面能够成功进入商业发射的民企，目前只有我们早期投资的星河动力。
我觉得航天创业第一个还是要把技术做好，要上得了天，不然说啥都没用。星河动力之外，我们投了民营卫星最大的长光卫星，以及电推中目前唯一进入国家星网供应链的星辰空间。也不多，主要也就投了这三家。
技术的难关攻克了，后面就是产品，应用。卫星企业，以及再下游的应用运营企业，考虑这些方面就要更多一些。卫星是前面说的数字化社会中重要的环节，“通信、导航、遥感”三大功能无一不是有着巨大空间的领域，蕴含着很大的机会。民营航天企业我理解要积极配合国家大战略，在降本增效方面多进行探索，在个性化产品服务领域多进行探索。并根据需要也积极投身于星网、空间站等国家大工程的建设，为这些国家大事出力。
投后最好是多做一些锦上添花的事，少做整天救火的事。
产投家张平：我们聊聊投后。
蒋纯：道德经有个说法是：“六亲不和，有孝慈，国家昏乱，有忠臣。”我以前讲过，给他加一句是：“投的不好，有投后。”投了好项目其实投后能做的事情很少；投的不好，才需要你投后天天忙的像在演商战片。所以投后工作从投前就开始了，投好项目是投后做好的前提。
当然，我们还是非常重视投后的，但是我们更重视的是赋能型的投后，比如对接金融、产业、政府的资源，力所能及范围内帮助解决一些问题，在企业需要时提供资本和战略方面的咨询意见，打造产业合作生态等。
产投家张平：科技项目从实验室到商业化是有个过程的，投资人要经历陪跑的过程，在陪跑的过程当中可能会经历过一些挫折，对此您和普华资本有什么样的反思或者总结。
蒋纯：确实有很多的科技创新是来自于科研机构实验室，技术很好，但成长到商业化的过程中，有很多的关口要过。比如先要能工程化，能量产，能根据客户的要求产品化，能走出自己的商业模式来变成完整的商品。包括应用的方向，或许最初设想的和最后实现的有差别，经历一些pivot，最后在一些原来没有想到的方向获得成功，这也是正常的。我们不觉得这是挫折，这是探索的一部分，是市场经济的魅力所在。我们会陪伴创始团队一起思考，一起汇聚资源去做好这个产品化商业化的过程。
产投家张平：您再给我们举个例子。
蒋纯：好的，那我就展开讲讲。
比如我们早年投过一家叫北京软体机器人有限公司的，就是做软体机器人（这样公司名字能注册下来也挺神奇的）。这个技术是北航著名的王田苗老师团队孵化出来的，很有意思，说起来就是好莱坞动画片里描绘的“大白”的那种机器人。这个技术还有其他应用，比如做成鱼，做成章鱼触手这样各种特别的机器人。但“大白”也好，章鱼触手也好，看着很神奇，但其实目前是没有办法商业化落地的。
当前真正能找到商业化应用场景的，是用这个技术来做柔性夹具。为什么要用柔性夹具呢，因为有些场合不适合用传统的末端执行器，比如硬的铁夹具或者吸盘这些。有的时候是因为被加工的物体用硬夹具夹会损伤表面，有的时候是因为要夹的物体比较脆弱且不好估计形状，比如水产、蛋挞这些。
所以这第一步就是个典型的实验室成果转化的收敛过程：找到一个好技术的商业化应用场景。
然后这个柔性夹具，理论上也有好多家研究机构会做，但是真正做到产业应用，对于夹具的使用寿命就会有要求。除了成本的因素，你也不可想象客户产线经常为你停下来调整和换夹具。所以寿命这一条，就看出差别来了，能做到工业化寿命的，全球只有两家能做到，我们这家软体机器人就是其中一家。
但真到了应用上，又会复杂一些。我们这家软体机器人现在已经切入我们浙江永康的保温杯行业，成为这个细分领域自动化生产的头部设备企业，但当初切入的时候，发现实验室里好好的，一到工厂现场就抓不住那个保温杯。为什么呢，研究好久，才发现工厂里那个现场有润滑油，这些油会让柔性夹具的材料变性，从而变得夹不住东西，然后就要调整柔性夹具的材料，使他能适应工厂的这个润滑油。
除了这些技术上的问题，还有技术外的问题。我们这家的柔性夹具早年曾经被苹果产业链看上，因为它很适合用在某些苹果手机器件的加工。本来都谈好了一个巨大的单子，但当时正好遇上中美贸易战，苹果的那家代工厂不得不把新建产能外移，这样已经谈好的单子也就没能落实，也成为公司开始阶段一个很大的挫折。
经过多次这样的碰壁和困难，这家公司已经在行业站稳脚跟。央视新闻联播在近年首次报道阐释“专精特新企业”这个概念的时候，后续的画面镜头就直接用了软体机器人这家公司的案例。他们也多次在国家重要场合亮相，成为国家先进制造科技的代表者。业务场景也一个个在落实，从制造业到食品加工业、农业的自动化。
所以创业会经历各种各样的困难，技术再好，也很可能不会简单地一帆风顺，科技创业者对这种情况要有充分准备。坚韧不拔是一个创始人要具备的非常重要的特质，同时也需要实力和一点运气。
做投资，时机很重要
产投家张平：从计算机博士到国企高管，到传媒文化投资，到TMT、科技产业投资，大概聊一聊您的个人经历。
蒋纯：我毕业后的首先是在运营商体系先后负责创新业务和信息化业务，然后到了浙报集团担任集团总工程师，当时因为有媒体创新的需要，我就做了一些投资的事情，后来机缘巧合，就开始全职做投资了。
做科技产业投资的原因就是当时觉得时机到了，2017年正好是从模式创新的最高点向科技产业转化、转移的时机，整个产业在那个时间处于这样一个转折点上。
产投家张平：回顾您带领TMT团队完成硬科技转型的过程，遇到过什么困难，最后怎么克服的。
蒋纯：如果说有困难的地方，那就是形成共识的过程。你要从一个地方转到另外一个地方，包括一旦转到新的方向这个方向上的判断标准也是要重新形成的，体系也得再重新形成，你一定要有一个大家怎么形成共识的问题，需要凝聚共识形成新的体系和标准，才能运行起来。
当时如果还是拿着原来那套投TMT的判断标准刻舟求剑的话，很可能就投了一堆不对的东西，所以当时需要摸索一套新的东西，那个时候做投资每天都在面临着新体系、新标准的形成和完善，每天都在重构自己的三观。
产投家张平：提到重新梳理标准体系、重构三观，这应该也离不开强大的学习力，您有总结自己持续学习的一些方法论，或者是怎么去构建自己的知识体系。
蒋纯：不得不说基础教育还是挺重要的。我们投硬科技的时候，经常把一些中学的物理、化学、生物知识拿出来翻一翻，其实很多知识基础都可能来自中学科学课。
另外，我觉得兴趣是最好的老师。如果自己的兴趣点根本不在这上面，因为职业所需被迫的去搞，我觉得这样蛮难搞好的。
产投家张平：刚才您提到基础教育很重要，您有过切身体会吗。
蒋纯：乔布斯说过一句话，大概是“生命中的点点滴滴连起来就会成为一个你生命的轨迹”，我同意这句话。我大学时有幸读了浙大的混合班，当时把所有的工科基础课都学了一遍，当时觉得有些多余，但在我做投资之后，这个基础还是挺有用的。
产投家张平：2017年左右，其他机构也在转型，但更多的是转向了投消费和医疗，转向硬科技的不多，您是如何做出转投硬科技的判断的，不同选择的背后有什么不同的逻辑吗。
蒋纯：我自己有一个观点，世界上的事总有一水多加面面多加水这么一个过程，科技和应用之间其实也是这么一个过程。我们都知道硅谷先是“硅”，先是出现一大堆半导体公司，仙童八叛逆形成了现在的创和投两个体系，很多人都是从这些体系里出来的，然后在科技和产业的基础上形成了互联网，这是美国的故事，然后中国再加入进来，共同打造一波互联网的神话，这是从科技到应用的典型的周期。
2017年前后，消费互联网行业低垂的果实已经被摘得差不多了，很难出现BAT了，模式创新到了一定的尽头。我们觉得，水多了就要加面，到了把新科技注入进去的时候。后来的去全球化让对硬科技的需求更迫切了，这个是当时没有想到的。
产投家张平：下面聊一聊普华资本在硬科技方向上的投资版图和投资的策略。
蒋纯：大的方向分为四块。第一块是新能源，这是“中美关系难得的绿洲”，也是难得的目前还能够做全球化的一个领域。
第二块是刚才说的半导体，这是国产替代里面最迫切、范围最广，几乎是所有产业的上游，是智能化的载体。我们进入半导体领域相对晚一些，侧重投一些相对新的，比如说新一代计算。我们也投了一些国产替代急需的，像已经上市的臻镭科技。
第三块是先进制造，这块可能大家原来听说的不是特别多，现在资本市场的热度也不是很高，但其实是非常重要的。
第四块就是数字化，这次中央开会也提到了要倡导数字化。
产投家张平：2023年重点看哪些赛道？
蒋纯：前面说了半导体、先进制造、新能源、数字化这些。我们的初心不是预见到全球化破裂，而是始终相信科技是底层的生产力，能够给全球人民带来更好的生活，是做大蛋糕的行为。
产投家张平：感谢蒋总的分享。如果大家对这个话题有兴趣，可以联系产投家，我们长期关注科技、新能源、消费以及企业数字化四大产业，会定期邀请一线投资人、创业者做客节目，与我们分享。
节点财经声明：文章内容仅供参考，文章中的信息或所表述的意见不构成任何投资建议，节点财经不对因使用本文章所采取的任何行动承担任何责任。返回搜狐，查看更多