对话红点中国刘岚：继续坚定看好SaaS行业，早期投资要走在「拐点」到来之前(3)

图像识别 已经达到 完全可商用的状态 核心在于「人」和「事」要高度匹配

Q：除了你刚刚提到了「九章云极」，你们另一家投过的AI企业「闪马智能」同样在前不久完成了C轮融资。其实红点在“AI四小龙”中是没有出手的，为什么这些年却开始投AI相关的项目？ 刘岚：2013、2014年的时候没有投那一拨AI企业，是因为红点作为一家硅谷起家的基金，更多以全球的视角来看技术落地，那个时间点其实AI这件事情在硅谷都还没有热，或者说AI的商业化落地在全球范围内来看都没有特别清晰，再加上早期的估值也不便宜，所以在那个时候我们没有出手。 今天回过头去看，在美国已经成功IPO的真正的AI公司，除了Palantir，也没有商业化特别成功的。但Palantir是为政府、情报机构服务的，不是市场化的项目。 也许现在我说这些话有些 “事后诸葛亮”的感觉，但红点当时其实就是这么去判断的，我们在那个时候也确实没有出手。 Q：从国内第一波“AI热”到现在差不多已经七、八年的时间了，你们对AI的理解会有怎样的变化？尤其是如何判断AI能不能在一个真正的商业场景里落地。 刘岚：现在其实很明确了， 无论是算力的成本、数据的可触达性以及算法的精准性，图像识别这件事情肯定是达到了一个完全可商用的状态。这种情况下，核心就是落地场景的需求到底有多大，以及团队对这个事情的理解有多深 。 当时我们找到闪马智能的时候，很大程度上是因为我们认为这个团队在七牛云已经积累了一定技术和对市场的理解。换言之，如果他们来做这件事，人和事的匹配度是相当高的，所以我们在最早期支持了它。 闪马智能是非常典型的一个红点投AI的案例。事实上我们以这样的逻辑已经投了七、八个项目。 Q：和AI类似，NLP对于落地场景也越来越重要。 刘岚：对于NLP这件事情，我们认为其也已经能在一些行业可以落地，但总体来讲可能要比机器视觉滞后个两、三年的时间。 Q：其实判断技术如何与落地场景真正结合，对投资人的背景也有一定的要求，所以今天越来越多的机构开始从产业里挖人。 刘岚：我们看美国风险投资人的画像，大多数都是在产业里做过多年、然后自己创业，创业有的成功有的失败，但这不是特别重要，之后才转向投资的工作。另外有一些投资人在从事VC前也有过做猎头等诸如此类的经验，很少有一毕业就从事投资工作的人。 毕竟，你投资一家企业、尤其是早期投资人，是要陪伴这家企业非常长的一段旅程的。如果你自己的社会经验不足，可能有时候就没法帮到企业。这里我想强调一点，我没有任何歧视年轻人的意思。只是如果社会阅历不足的话，对人的判断能力就必然要弱一些。 从去年下半年开始，不少的消费投资人开始转向投科技。我相信肯定有人能转过来、也能转型得很成功，但这是凤毛麟角，只适用于最聪明、最厉害的那些投资人。这些投资人的经验很多程度上还是依据对人的判断，因为早期投资的第一性原理永远是对人的判断，但一个年轻投资人的判断和一个“投资老炮”的判断还是存在蛮大区别的 。 回过头来看，我们红点之所以对“技术与产业的结合”看的比较清楚，和我们的团队背景有不小的关系——袁总（注：红点中国创始及主管合伙人袁文达）不但自己在英特尔做过工程师、产品经理，也曾先后创业三次，之后才转型成为投资人。我自己则在华为工作了六年，另一位合伙人张鸣晨也在谷歌和腾讯工作了七、八年的时间。 我们共同的特点，一个是工程师思维，另一个是对组织的运营是有认知和理解的。尤其我们都是在研发岗位做过，无论职位的高低，大公司里研发团队的运营是有一套方法论的，并且这个方法论帮助这家企业取得过成功。 上述产业里的经验或多或少给我们从事投资工作带来了帮助，并且可以和创业者平等地交流。 坦率地说，我从产业里出来后，没有创过业，在转型做投资人的前几年还是有一些挣扎的，我也很幸运陪着市场一路走过来。 Q：最开始的挣扎有哪些？ 刘岚：最开始对人的判断是不准的；同时，我是从通信设备公司出来的，那个时候都是互联网创业，To B非常非常少，所以几乎是从头开始学习互联网相关的专业知识。一步一步的，自己不断归纳总结方法论，然后应用到不同的项目上。 到今天，产业背景还是带来了非常多的帮助。比如人脉，这几年我们投芯片、投通信甚至设备，我去找华为的老同事，基本上都能直接或者间接联系到项目，并且可以学习到一些新的行业知识。