国科嘉和丁润强：AI投资风险始于A轮，商业化是关键

传统IT是AI赋能的基础，有些行业具备与AI深度结合的先天优势，注定会走在商业化进程的前列。因此，想要做好AI投资，必须明白钱应该往哪个方向流。

分享人：丁润强，国科嘉和执行董事

大家好，我是国科嘉和的丁润强。国科嘉和成立于2011年，是中科院国科控股直管的一级股权投资平台，主要任务之一是推进中科院科研成果的转移转化，以及为市场上前沿科技项目与中科院优势资源进行对接。

目前中国市场上不少基金都投过与人工智能相关的项目，领域涵盖算力、算法、大数据、智能硬件等。

人工智能行业有一个特点，不少项目的投资风险都从A轮开始突显，天使轮的项目风险反而比较小。因为在早期，只要确保项目创始人和团队靠谱就可以了，而以A轮为起点，项目估值开始严重偏离，比如产品迭代出状况，销售业绩不佳等，导致风险越来越高。

全球AI投资火热，中美投资流向不同

从全球市场来看，近些年AI投资一直很火。从2011年到2017年，投资热点不断变化。医疗健康、金融科技、电子商务、网络安全、物联网、教育等领域都成为了与AI合作的热点。

资料来源：国科嘉和

同样是从2011年到2017年，美国AI领域的投资金额上涨了10倍，累计投资金额近200亿美元。其中，30%的投资与企业服务相关，15%的投资与医疗健康相关，14%的投资与物联网相关。

从2012年到2017年5年间，中国AI投融资总规模超过了2270亿人民币。其中400多亿投向了金融业，300多亿投向了汽车行业，医疗、安防、教育行业各有两百多亿，这5个行业汇集了中国AI领域70%的投资，属于与AI结合的头部行业。

早年面对互联网项目，中国投资人的思路以“两美一中”为主：创始人来自美国、该模式在美国市场取得了成功、该模式在中国拥有广泛市场。近两年，中国政府大力扶持科技行业，国务院相继出台“十三五”国家科技创新规划、新一代人工智能发展规划，2018年两会还提出了加强新一代人工智能研发应用，中国人工智能项目由此开始享受政策红利，在商业化应用方面，大有赶超美国之势，“两美一中”模式行不通了。

投资AI项目：重点关注项目的数据基础和应用场景

投资人看AI项目，总会谈到算法、算力、数据基础、应用场景四方面内容。

有些投资人将算法视为项目核心，但我认为算法并不是最具价值的资源。没有哪一种算法是万能的，谷歌在开源，百度在开源，无数算法科学家在开源，学术界不存在闭关锁国的问题，大家都秉持着开放心态，算法的研究与获取已经不再是一个难题。

同样，虽然半导体和AI的进步都离不开算力的发展，但算力在本质上属于“基础设施”范畴，在AI项目中并不起关键作用。

真正具备价值的是数据基础和应用场景。

优质的、真实的且不断更新的数据基础不易获得，有些数据可能掌握在政府手中，有些数据可能存在于特殊的商业环境中，有了这些数据才能辅助项目决策、实现项目变现。

专注早期项目的投资人，要看项目在某个场景里做了哪些创新，或者将哪些比较单薄的业务做的比较丰富了。专注于中后期的投资人会注重项目盈利能力和增长能力，如何将算法转化为实际收入，考验的是对商业场景的掌控和运营能力。

从投资角度讲，项目能否赚钱是最核心的问题。打造核心技术不应该是初创公司的任务，初创公司的主要任务是将核心技术与商业场景结合，创造商业价值。

看好与AI深度结合的六大领域

很多领域都可以与AI进行结合，投资人需要关注的是AI与每个行业结合的深度。IT技术是一个参考指标，有很强IT基础的行业更容易和AI做深度结合，从而提高行业效率。

一、商业和企业服务。传统IT技术解决了商业与企服领域链接和信息获取的问题，但随着业务多元化发展，信息的种类和数量激增，一些技术局限和瓶颈开始显现。

AI与商业、企服的结合，可以深入到更多方面，而不只是停留在智能客服这一件事上。

语音识别、语义理解、语音信号处理、NLU（自然语言理解技术）、TTS（从文本到语音，人机对话的一部分）都是目前AI发展中的常规技术，这些技术的发展将为商业和企服行业带来更多可能。比如已经发展了十几年的声纹识别技术，现在可以识别过去不能被机器识别的声音，能够用于大客户应答、反监听、追查犯罪分子等工作中。

二、制造业。AI与制造业的结合不只是利用工业技术手臂完成一个设备的制造或装配过程那样简单。机器人与工业策划的发展可以帮助整个传统制造业转型，这是当今中国最为需要的。AI可以提升和摆脱人工生产的边界，降低和避免人工生产的误差，优化从设计到生产和制造的所有环节。

过去生产线上的常规自动化设备只有机械臂，现在通过AI可以实现万物互联，生产过程中的每一个工位、每一个生产节点，都可以实现智能感知、检测和维护，还可以完成设备自动品控、仓储和物流配送，进一步提升运营效率。

市场追求的品质革命，一方面需要通过自动化和机器人提高效率、减少错误，另一方面需要通过AI实现“柔性制造”，让客户反馈真正的反映到产品生产制造过程中，及时做出调整。

三、金融业。金融行业最适合与AI进行深度结合。在所有行业中，金融业的信息化程度最高，也是最早将最先进的IT技术应用到自身体系中的行业。金融业具备先天性最好的计算平台、云化和信息化的存储结构，庞大的数据积累。借助于AI，金融业可以快速实现核查交易文件、反欺诈、降能增效，提高用户满意度等业务。

四、安防。目前我国监控视频数量不断增加，摄像机数量在以每年20%的数量增长，但是影像数据处理和识别的效率不高。在未来，安防不仅要能够完成监视工作，还要将视频和数据作进一步分析，实现意图识别与行为识别，这就必须依靠AI的帮助。

五、智慧城市和能源。智慧城市和智慧出行是一个长期赛道。人类对汽车的改造还是很保守的，无论是安装传感器还是其它设备，都需要一个漫长的过程。从这一角度看，智能汽车发展还需要很长时间。实际上，需要接受智能化改造的不仅只有小轿车和卡车，还应该包括工程机械、农机、矿山用车等，这一方向有巨大的市场。给一辆价值50万的轿车安装一台5万元的智能控制设备，难度很高，因为厂商很难接受。但是给一辆价值300万的工程车安装一个10万元的智能设备，阻力就很小了。完全实现无人驾驶的载人汽车，至少在未来5年内不会上路。但是类似于清扫车、巡检车、农机等在一定范围内工作的特种车辆，容易被社会接受，技术层面也并不复杂，可以通过智能化、自动化的方式实现无人驾驶。

传统的工业互联网，将各类传感器和过程信号连接，并贯穿于能源的生产、输配和分发全过程，随着时间的推移产生了一些问题：数据现成且仍在不断增加，种类繁多、结构复杂；数据分析和处理的工作量巨大，耗时费力；能源的分配有待从计划转变为柔性和自适应。

而通过AI技术，可以有效解决这些问题：1、根据环境实时调整控制参数，实现发电效率最大化；2、利用已有的数据基础和AI算法智能调节能源供需，最大程度使用可再生能源；3、柔性输配电、微网控制以及智能电网；4、基于机器人、图像和模式识别的巡线与建模。

六、教育。教育领域的数字化和信息化水平高、数字化内容丰富、数据基础庞大，具备与AI结合的先天优势。中国教育在过去强调传授学习知识，现在强调学习方法。很多学生学习成绩不好，是因为没有找到适合自己的学习方法。基于图谱和大数据的AI算法，能够精准定位学生知识点掌握情况，挖掘出与个体知识状态和学习偏好相匹配的学习路径和内容。教育也是一个长期的跑道，它有庞大的用户基础，而且具备刚需属性，与AI的结合令人期待。（完）

丁润强|国科嘉和执行董事

2015年加入国科嘉和基金，先后担任投资总监、副总裁、执行董事，主要专注在以硬件和智能等高科技细分领域的一线投资，同时负责中科院各研究所的科研成果转移转化对接工作。

在国科嘉和基金主导投资了博鹰通航、天仪研究院、钛米机器人、行易道、中科飞测、中科海钠、LaserFleet、苏纳光电、慧拓智能、中科新微特、上线了、Precision Robotics、国科量子、亿兆互联等企业。

在加入国科嘉和之前，曾就职于贝尔实验室和美国国家仪器，有十几年在前沿科技领域的技术研究、产品开发、市场拓展和企业运营的经验。

拥有北京邮电大学学士学位、清华大学和麻省理工学院（MIT）的硕士学位