9月17日——9月18日，由36氪主辦的“2019中國投資人峰會”在深圳灣1號舉行。

當下的中國一級市場仍置身于至關重要的歷史時期。過去10年，GP、LP聯手創造了巨大價值、也獲取了超額回報，但如今，當狂飆突進已成歷史、原本充沛的資金源突被抽底、新一代的投資主題仍未充分顯形，大多數中國投資人和投資機構們都身處于漫長的職業平穩期——甚至是低谷期。面對更加復雜、更不可期的未來，在此次投資人未來峰會期間，各路投資人們還是坦承分享了他們對的趨勢洞察、以及掌握制勝之道的觀點與方法，以期探索在新周期、新常態下的生存法則。

當我們回顧過去兩年的創投熱點時，人工智能無疑是無法繞過的重要領域。作為世界創投歷史上“壽命”最長的投資主題之一，AI投資在中國在過去短短兩年內，也經歷了不少次起起落落。時至2019年，投資人們會如何重新審視AI投資，估值泡沫還有多大，呼之欲出的5G又會為AI投資帶來什么變化？36氪邀請了君盛投資合伙人李昊、久友資本董事長李陽、十方創投創始合伙人吳曼、聯想創投董事總經理梁穎和同創偉業董事總經理陳悅林來共同探討。

以下為對話摘編：

AI的估值泡沫還有幾成？

李昊：大家下午好！AI領域多年來起起落落，但也涌現了一批獨角獸公司，也有一大批公司倒下了，投資機構們有鎖斬獲但也有一些掉進坑里，今天的圓桌論壇我們圍繞“人工智能的理性回歸”進行討論。

先介紹一下君盛投資。我們到現在走過了15年的歷程，最早從PE業務起家，到現在我們轉型以VC業務為核心，現在主要投中早期，在硬科技里面以通信、半導體、信息技術為核心，包括一些先進制造。在軟科技中，以人工智能、金融科技和企業服務三個細分板塊為主。

圍繞AI領域，我們開始討論第一個話題：AI領域的估值最近兩年一直在往下掉，人們也在探討，AI公司的估值到底合不合理？未來估值會往哪個方向去發展？

李陽：我是來自久友資本的李陽。在回答李昊總這個問題之前，我也稍微介紹一下我們公司的背景。久友資本成立于2015年，專注在兩個大的方向：一個是科技創新，比如人工智能、光電芯片、半導體、集成電路、新材料這些領域；另外一個大的方向是精準醫療、原創新藥。到目前為止我們管理的基金規模20多億，累計投了30多個項目，在科創板第一批25家上市公司里有我們投的一家。另外在創業板里也有兩家在會議審核中，科創板還有三四家正在準備申報過程中。

關于AI，自我們成立時就一直是我們重點布局的方向。我對AI行業從一個專業投資機構的角度來看，它特別像一次馬拉松。1956年AI的概念就已經提出來，到現在60多年了，AI估值的發展就像一次中長跑——AI這個概念剛火起來的時候估值高，投資機構、創業者都很興奮，但是一次萬米長跑一定會經歷第二個階段，興奮期過去會進入一個比較痛苦的成長期。這個痛苦的成長期中，就會出現分歧，投資機構有些會更堅定一些，但有些可能就會動搖。AI產業不是短期的，它會是馬拉松式的長期發展，這是這個行業本身的特點和屬性所決定的。

未來，我們認為在AI的賽道上會出現比較嚴重的分化。對于很多AI創業者來講，最痛苦的事情是什么呢？是你上了路，但你選錯了賽道，而且你還融到了資，這是最悲哀的事情。為什么呢？因為它會浪費你的青春、浪費你的時間。如果從天使還融到了A輪，你更慘，因為你接下來可能又要浪費2-3年的時間。所以在AI創業方面，我們特別建議每一位創業者，一定要在起步的時候不要急，琢磨清楚，賽道不能錯。

吳曼：先介紹一下：十方創投是2015年成立的早期創投基金，我們不去定義我們投哪一類的技術，我們更關注以新技術為融會貫通的場景應用服務的創業類早期項目。我原來是在小網通，從那開始關注了IP、WDN等，我們建立了第一張IP骨干網，之后我們又關注寬帶、云計算、大數據，到現在的人工智能，甚至區塊鏈以及未來的新型的科技趨勢。

關于AI公司的估值往下掉的問題，我覺得這個是一個很正常的大潮退去的表現。大家會看到頭部的項目估值堅挺，真正估值往下掉的其實是一些腰部和尾部的項目，甚至一些尾部的項目已經被淘汰了。因為過去20年我都是在比較前沿的地方在參與，在推動，甚至在引導。在整個大浪淘沙的過程中，你會發現，科技的傳承是一個疊進的過程，隨著技術的不斷精進，比如因為有了IPE，有了寬帶，讓我們的數據更加便宜；有了云計算，大家應用的場景更加方便、無時無處；又有了大數據、人工智能等。大家都會明白，任何一項技術都不是孤立的，不是單一的，它一定是多種數據的融會貫通。

另外一點是，最近好像人工智能這個浪潮又開始有點降溫，為什么會降溫呢？因為有很多的項目開始找不到場景的發力點，它沒有真正的落地點，沒有扎根在實際的應用場景下，于是就會出現發展中的戰略迷茫。

十方在選擇項目的時候，會優先去選擇已經想清楚這個產業落地點或者場景著眼點的早期創業者，同時他們又擁有了技術的融合能力以及行業資源，包括對業務客戶的需求把握等。

另一類就是針對于技術類的創業者，我們更關注的就是技術本身怎么樣能夠扎根在一厘米寬、十公里深百公里深的落腳點上，這是最關鍵的。我相信，大浪淘沙的過程更多是對于很多純粹的人工智能技術類項目的挑戰，如果不能在轉型過程中快速找到自己的著眼點，后面面臨的情況不是簡單的估值下降，而是真的生死存亡的問題。

梁穎：我先簡單介紹一下聯想創投。聯想創投是聯想集團旗下的全球科技產業投資基金，專注以物聯網、邊緣計算、云、大數據、人工智能為核心的智能互聯網賽道，同時關注這些核心技術與產業的深度結合帶來的機會：智慧交通、智慧城市、智慧教育、智慧醫療、智慧家庭、智慧能源等。我們希望通過資本+創業者的力量，開放聯想的全球資源，幫助創業團隊實現技術的商業化轉換。我們目前外部投資了超過100家企業，同時在聯想內部孵化了10家子公司和創新業務。

我們在人工智能賽道的布局比較早，比較廣泛，國內人工智能比較頂尖的獨角獸我們都有投資或者合作，我們是曠視科技的天使投資人，寒武紀多輪投資人。

我個人認為人工智能初創企業的故事還是存在泡沫。泡沫一方面來自在座投資人的追逐；另外一個是對AI技術未來的期許，但是在此之前，AI仍有很長一段路要走，目前人工智能在商業的應用最成功的是安防、金融，但在安防領域，一些特殊場景的識別比如突發事件的識別，還不夠成熟。

未來兩三年或者更長的時間，對待人工智能行業可能需要更加理性的思考，找到技術與行業的真正結合點，讓人工智能最終回歸商業本質、回歸產業，它才能真正發揮效應。

陳悅林：我來自同創偉業，我們從2000年成立到現在，明年就20年了。我們管的基金有200多個億，有人民幣+美元。我們以前以PE投資為主，這兩年都轉到成長期為主。我們偏綜合性的機構，我們內部分TMT、科技、醫藥和消費，但是這兩年我們重點覆蓋的賽道，同制造業到一些電子信息這塊我們覆蓋比較深，所以這兩年5G、互聯網、人工智能、企服這些是我們重點覆蓋的賽道。

我們上市公司有70家，今年科創板大概我們會有五六家的科創板的企業。

關于主持人的問題，我就兩個觀點：

第一是整個人工智能第一階段的投資在核心技術上，核心技術是什么？只要你跑出來，整個行業的上游有可能就幾家，它的天花板非常高，它本身就享有高的溢價，這些公司貴是貴得有理由的。

第二個觀點是，到這一階段，大部分是往應用上去做投資，應用階段有很多不同的場景，但是誰能跑出來是不確定的。舉個簡單的例子，因為我們在機器視覺、在工業檢測上面投了好幾家公司，前兩年只要你說是基于視覺做工業檢測，不管什么場景，有可能有一兩個測試訂單就能在市場上以很高估值融到新一輪，但是檢測在不同的工業場景下有可能的落地應用的難度是不一樣的，有可能這個行業能跑出來，另外行業不一定能跑出來。所以大家坑踩多了，整體估值就會下來。所以，你在起步的時候要想清楚，你對這個行業是否真的理解透了，它的難度到一個什么樣的階段，能不能支撐你到一個什么樣的階段，這是團隊在選擇你的創業方向非常重要的，也是能否支撐你快速往前跑一個非常重要的因素。

李昊：我們的第一個思考是，我們應該怎么樣去看待估值體系的特征和變遷，要看背后的驅動力和相關的特點。我們會聽到一個說法，個體的理性會帶來群體的非理性，AI行業的整體估值變遷也有這樣的特點。AI行業有幾點特點：

第一，從中長期看，比如三五年的周期，整體來看對結果會相對樂觀，比如說人工智能會逐步去滲透各行各業落地，并且這種樂觀基本上是絕大多數機構和產業從業人員的共識。但是另一方面，通往這個結果的路徑非常復雜而不可預知，你不知道哪條路能走通；

第二，對于過去幾年，尤其是2012-2017年這個周期里，大部分機構相對有錢，而這個市場幾千家機構中，大部分機構會對中觀層面的路徑、規律和邏輯上的風險意識不足，而更多會在對宏觀結果的樂觀預期和對具體項目發展的樂觀估計之下形成相對激進的投資行為；

第三，在面對同一個項目，在同一個時間段中，可能不同機構會有不同的估值模型，有的比如用pe思考、有的用ps思考、有的可能更加激進，然而最后能獲得項目的一定是最激進的估值方式，進而整體的AI創業公司的估值在市場不錯的情況下都會變得相對激進。也就是說，在這三個力量裹挾下，AI公司出現整體估值偏高的情況，尤其是第一梯隊公司，是必然的結果，是無法通過個體機構行為改變而改變的結果，即使我們現在重新回到六七年前來重新走一遍，依然會把這個過程再來一遍。因此，核心是VC公司要找到你在這個大勢中的定位。

我們的第二個思考是：AI行業估值特征的變化，是和行業的特征和輪動緊密結合在一起的。我們通常說，AI分為三層，最底層是基礎層，比如算力、算法等等；中間層是基礎技術平臺，比如目前上市場圖像視覺、語音語義這幾塊占據了一大半融資金額；再往上是應用層，AI在各行各業的應用。

2010-2012年，隨著基礎層深度學習技術逐步走入大眾視野，加上算力的不斷迭代，帶動了2012-2015年基礎技術平臺的興起并大量獲得融資。

2016-2018年，行業熱點逐漸就往應用層去遷徙。在我們通常說估值比較高的通用技術層為例，通常企業發展起來要跨越兩個鴻溝：一個是技術鴻溝，一個是商業鴻溝。技術鴻溝方面，經常動輒就是需要近百人的團隊去組建，商業鴻溝方面，很多AI公司必須要搶占一個合適的場景和面，比如金融、安防這樣的有封閉、相對成熟數據基礎并且有相對好的付費能力的場景，再去喂養團隊、技術的迭代和升級。那很多公司在跨越這個鴻溝的過程中，就會出現明顯的估值提升快于基本面提升的情況。

但是從這兩年看，很多企業其實跨越不過去，那估值往下掉就成了必然結果。其次，行業輪動到了應用層公司的興起，但是應用層公司不能復制技術平臺層的邏輯，它們必須直接和效果、產出，也就是相應和收入掛鉤。而挺多細分領域的應用型公司依然在講技術平臺公司的估值邏輯，這是不能完全講通的，整體估值體系就會顯得保守一些，這類公司比例的提升也會相應拉低AI公司整體的估值。

投資人偏好的AI公司有何嬗變？

李昊：最近兩三年來，大家越來越多地談到，以前覺得AI是技術驅動，到但現在大家覺得更多是商業、落地、場景，大家怎么看這個問題？另外，5G來臨，對AI投資會有什么影響？

李陽：關于商業落地，大家還是得想清楚你做的到底是一個什么級別的AI，什么級別的技術創新。如果你做的是原子彈，沒問題，你可以一路專研在技術上，比如自動駕駛，尤其是L4、L5級別以上的自動駕駛，投入大量的資金，它足夠大，一旦實現可能帶來的是顛覆性的變化。但是絕大多數的AI創業公司，可能不到這一點，我們做的可能不是原子彈，只是有一定的殺傷力，這個時候沒有辦法忽略掉商業上的落地。這是絕大部分AI創業公司要考慮的問題。

對于絕大部分AI公司，我們建議是技術要稍微超前一點，但是不能離商業落地太遠，除非你做的是原子彈。絕大部分AI公司還是要考慮技術跟商業之間的平衡問題。

另外一方面，大家都知道中國這么大，做AI的公司這么多，如果你的技術領先度不足，也很容易被PK掉。所以關于技術和商業方面的平衡是兩個方面。

吳曼：剛才李總講的都非常同意，補充一點：我們談科技創業，本質上它還是在談商業，我們不是在談一個科技趨勢，而是我們要怎樣將科技成果轉化成商業落地的場景，最終形成訂單，它本質上還是一個商業模式的問題。只要談到商業模式，你自然而然要跟閉環聯系起來，就是說我的錢是怎么進，最后怎么回收回來。這是創業者要想清楚的一點。

再有一點，站在創業的角度，要知道投資人的篩選標準和價值評估體系。很多時候我看到很多優秀的創業者——尤其是一些科技類創業者，明明技術很好，但卻融不到資。非常重要的原因就是在創業和投資之間的語境體系話術沒有對等。

另外一個是關于5G物聯網的到來。我覺得這肯定是對人工智能的一個特別大的助力。人工智能是一個老概念，為什么今年感覺又回潮了，很大一個因素是因為5G和物聯網的到來。從基礎設施的角度，5G可以讓整個成本大幅降低，物聯網可以提供更好的覆蓋性，才能夠使人工智能的算法和場景有更緊密的結合，這是一個相輔相成的過程。

梁穎：關于人工智能時代，我認為最大的機會是與產業的結合。第一波人工智能投資潮時，大家都投資了人工智能技術與行業專家本身。我們不僅投科學家、投技術，還要去考量這些科學家如何將技術落地到產業。比如曠視最早在安防領域扎根，在業務發展中選了物流作為第二個重要產業賽道。

我們認為，人工智能落地行業的時候，首先要找到行業的切入點和痛點。舉個例子，在智慧交通領域，我們投了深圳智能交通，它擁有國內大概200多個城市的出租車、公交車、地鐵行駛信息，過去深圳華強北是一直塞車，尤其是上下班時間，我們提供的解決方案是，基于華強北周邊的交通信息，來做道路、人群分析處理，并實行了一個很簡單的改造，把之前的越南路從雙向改成了單向，只花了一千多萬，就大大提升了戶型小籠包。

智能制造也是人工智能落地非常好的場景。我們投資了一家利用AI機器視覺進行手機玻璃面板檢測的公司中科慧遠，這套檢測技術還避免了藍光給工人眼睛造成傷害，同時大幅提高了效益，將品質全檢漏檢率嚴格控制在了1%以下，過檢率控制在了2%以下。

我建議，初創企業最好從垂直行業切入，真正解決一個具體的問題，不要做偽需求。

陳悅林：關于人工智能，我們分為兩個大的方向：一個我們內部自己總結的，是詩和遠方，另外一個是當前的飯碗。

詩和遠方是技術，因為人工智能這一階段很多技術已經到了瓶頸，大部分項目都集中在語音語義、機器視覺、視覺圖形圖像識別等，但是人工智能并不僅僅是這些技術。像腦機接口、人機協作相關的一些技術是面向下一代的人工智能技術的基礎數據。這是我們深度跟蹤和在早期階段去投資的。

另外一個是當前的飯碗，就是現在產業化應用的方向，應用人工智能技術去降本增效。

針對這兩個核心方向，比如先進制造，我們自己投的在電子信息產業領域，當上市公司就有十幾家，基本上把和電子信息手機相關的產業都投，所以我們做機器視覺這塊投了好幾家。未來我們還會深度挖掘在這個產業鏈上的投資。

第二塊我們現在重點在看的是金融行業。金融行業有最優質的數據，前幾年整個金融行業我歸納為互聯網金融，但是現在真正回歸到金融技術的這個領域。我覺得難度是分證券、銀行、保險這幾方面，他們到了要提高它整個運作效率的階段，AI技術會很好地解決這些問題——類似我們最近在掃很多關于保險的公司，AI就能幫助提升核保的效率。

李昊：我也簡單談一下我們的觀點。

三個方面，第一個是技術和商業的關系。技術一定是引領，商業是補充。技術需要商業提供場景，提供數據，提供公司發展的彈藥。所以我們看很多公司，尤其頭部公司，他們能發展起來，是非常復合型的能力，而非僅僅技術強。很多公司在銷售、政府公關、甚至pr、融資方面，能力都比較強，而這恰恰為技術迭代提供了支持。

在布局賽道方面，我們目前在沒有底層技術重大突破的前提下，我們更關注應用層。但是我們投資應用層有三個準則：第一，必須直接對應效果。如果形成一個效果有十個因素，但是AI只能解決其中五個，甚至還得一個個去解決，那樣“效果噪音”就會特別大，就無法衡量AI作用的權重。這一點解決的是買單問題。第二，必須是解決可衡量的剛需。這一點解決的是定價問題。第三，必須和所在行業能夠深度耦合，這個解決的是壁壘問題。很多項目落地的場景比較low，比如我們早期投資了一家在陶瓷原材料領域利用AI技術進行供應量優化的公司，現場都是泥巴，完全看不出AI公司的高逼格，但是確實能解決問題，發展也非常迅速。

關于5G，5G未來可能會拓展AI應用的場景，這個是有希望的。5G會帶來很多行業的變革的機會，但是具體如何和AI相結合，又能延伸出什么機會，比如是否真能在制造業領域通過AI或者大數據產生變革，我們內部討論也在猶豫和觀察。