計(jì)算機(jī)、微電子科技的發(fā)展推動(dòng)了互聯(lián)網(wǎng)發(fā)展，信息技術(shù)革命掀起了移動(dòng)互聯(lián)網(wǎng)的熱潮，每一次的技術(shù)革新都帶了產(chǎn)業(yè)形態(tài)的大變革。隨著移動(dòng)互聯(lián)網(wǎng)進(jìn)入下半場(chǎng)，物聯(lián)網(wǎng)、AI等多技術(shù)融合也將開(kāi)啟一個(gè)萬(wàn)物智聯(lián)時(shí)代。

作為國(guó)內(nèi)專注于AIoT領(lǐng)域的精品投行，在過(guò)去的一年間我們與上百家企業(yè)、投資人交流探討行業(yè)的發(fā)展方向，同時(shí)我們看到阿里將IoT(物聯(lián)網(wǎng))上升至第五大戰(zhàn)略，聯(lián)想全面發(fā)力物聯(lián)網(wǎng)，越來(lái)越多的企業(yè)將AIOT作為新的方向，越來(lái)越多的VC機(jī)構(gòu)開(kāi)始在布局，AIoT逐步開(kāi)始由技術(shù)革新走向行業(yè)場(chǎng)景落地。

近期格物資本旗下的自媒體物聯(lián)網(wǎng)資本也將推出AIoT領(lǐng)域機(jī)構(gòu)布局盤(pán)點(diǎn)專訪系列文章，解讀業(yè)內(nèi)知名機(jī)構(gòu)的投資邏輯和特點(diǎn)，為創(chuàng)業(yè)企業(yè)提供機(jī)構(gòu)選擇指南，同時(shí)也為計(jì)劃投資泛智能領(lǐng)域的機(jī)構(gòu)提供參考。

前沿

線性資本LinearVenture成立于2014年，由Facebook早期員工王淮Harry和京東天貓?jiān)吖軓埓∕ichael共同創(chuàng)立，關(guān)注泛智能、大數(shù)據(jù)領(lǐng)域的技術(shù)驅(qū)動(dòng)型早期項(xiàng)目。四年間，線性資本投資了地平線機(jī)器人、Rokid、中科視拓、艾拉物聯(lián)、酷家樂(lè)等超過(guò)50個(gè)創(chuàng)業(yè)團(tuán)隊(duì)，其中不少企業(yè)已邁入獨(dú)角獸行列。

線性資本的早期定位是關(guān)注大數(shù)據(jù)、人工智能，創(chuàng)始人王淮認(rèn)為，“大數(shù)據(jù)應(yīng)用一定要解決實(shí)際的商業(yè)問(wèn)題”，因此，他們只投資那些以技術(shù)為核心，并將技術(shù)應(yīng)用到他們所認(rèn)同的問(wèn)題上的項(xiàng)目。線性資本正在努力成為最好的應(yīng)用性數(shù)據(jù)智能基金（Applied-Data-Intelligence）并逐步打造有影響力的前沿科技基金（Frontier TechnologyFund）。

線性資本擁有3支美元基金和2支人民幣基金，基金總規(guī)模達(dá)到2.3億美金，三期基金最近也剛剛完成募集，關(guān)注數(shù)據(jù)應(yīng)用（DataApplication）、數(shù)據(jù)基礎(chǔ)設(shè)施（Data Infrastructure）和前沿科技，主要覆蓋天使/Pre-A/A輪階段，單筆投資規(guī)模普遍在100-500萬(wàn)美金左右。截止到目前線性資本在該領(lǐng)域已經(jīng)完了53個(gè)項(xiàng)目的投資。

格物資本根據(jù)多個(gè)公開(kāi)渠道以及行業(yè)訪談搜集到的數(shù)據(jù)，對(duì)線性資本過(guò)往的在AIoT領(lǐng)域的投資情況進(jìn)行了盤(pán)點(diǎn)，也為創(chuàng)業(yè)者提供相應(yīng)的融資參考。

1、運(yùn)作模式——做中國(guó)最好的應(yīng)用性數(shù)據(jù)智能基金

整個(gè)泛智能行業(yè)涉及的領(lǐng)域很多，從底層芯片、傳感設(shè)備、網(wǎng)絡(luò)技術(shù)到技術(shù)應(yīng)用，可以說(shuō)，未來(lái)將是一個(gè)泛智能化的時(shí)代，萬(wàn)物智能互聯(lián)。

不同投資機(jī)構(gòu)在這個(gè)領(lǐng)域也有著不同的運(yùn)作模式：

堅(jiān)持投資“硬科技”的中科創(chuàng)星；

全懂科研人員的創(chuàng)投基金國(guó)科嘉和；

專注“天使投資+深度孵化”的聯(lián)想之星；

活躍于中美以三國(guó)跨國(guó)投資的耀途資本；

致力于成為“人工智能時(shí)代的世界一流VC”的百度風(fēng)投；

看好工業(yè)4.0和底層技術(shù)、看重中美兩大市場(chǎng)的紀(jì)源資本

……

（此前我們也對(duì)上述機(jī)構(gòu)在AIOT領(lǐng)域的布局情況進(jìn)行了深度盤(pán)點(diǎn)，有興趣的朋友可以點(diǎn)擊查看）

而在這些機(jī)構(gòu)之中，線性資本則更看重?cái)?shù)據(jù)的價(jià)值，聚焦在應(yīng)用性數(shù)據(jù)智能這個(gè)細(xì)分領(lǐng)域，關(guān)注一些能在場(chǎng)景化落地的項(xiàng)目。在4年的運(yùn)營(yíng)期內(nèi)，線性資本獲得后續(xù)輪投資的項(xiàng)目比例超過(guò)50%；7個(gè)項(xiàng)目估值成長(zhǎng)至超過(guò)10億人民幣，其中4個(gè)達(dá)到5億美元估值。

下面我們將為大家盤(pán)點(diǎn)線性資本在AIOT的布局之道。（需要說(shuō)明的是由于AIOT技術(shù)應(yīng)用廣泛，在項(xiàng)目涵蓋上目前還沒(méi)有特別的統(tǒng)一的標(biāo)準(zhǔn)，我們將按照從底層芯片傳感到應(yīng)用層劃分，部分國(guó)際企業(yè)并不包含其中。更多是希望通過(guò)統(tǒng)計(jì)了解機(jī)構(gòu)的投資偏好及邏輯。）

2、AIOT投資布局——4年53個(gè)項(xiàng)目

從數(shù)量上看：根據(jù)我們的統(tǒng)計(jì)，線性資本4年間共投53個(gè)AIOT領(lǐng)域項(xiàng)目（部分海外項(xiàng)目未涵蓋），覆蓋大數(shù)據(jù)、云計(jì)算、VR、金融科技、區(qū)塊鏈等諸多領(lǐng)域。

從時(shí)間上看：線性資本在2015年前投資項(xiàng)目在AIOT領(lǐng)域共投資16家企業(yè)，2016年開(kāi)始，線性資本的投資數(shù)量逐年遞增，2017年出手11次，投資了地平線機(jī)器人、Rokid、艾拉物聯(lián)、Insight Robotics、酷家樂(lè)等一批業(yè)內(nèi)優(yōu)秀企業(yè)。

從階段上看：線性資本在AIoT領(lǐng)域的投資范圍相對(duì)寬泛，從種子輪到C輪都有涉及，但主要投資天使輪、Pre-A、A輪左右階段的項(xiàng)目，其中天使輪項(xiàng)目占到總投資數(shù)量的43%，Pre-A輪占比22%、A輪項(xiàng)目占到19%。從數(shù)據(jù)統(tǒng)計(jì)看，較少對(duì)中后期項(xiàng)目進(jìn)行投資。

在投資方向上：線性資本聚焦在關(guān)注泛智能、大數(shù)據(jù)領(lǐng)域的技術(shù)驅(qū)動(dòng)型早期項(xiàng)目上，尤其是一些數(shù)據(jù)應(yīng)用類項(xiàng)目，線性關(guān)注的企業(yè)普遍特點(diǎn)是：數(shù)據(jù)驅(qū)動(dòng)，智能為核，最終落地于某商業(yè)場(chǎng)景方面，從結(jié)果上可以看到線性投資了以數(shù)據(jù)及智能驅(qū)動(dòng)，在教育、金融科技、物聯(lián)網(wǎng)、醫(yī)療、家居等諸多行業(yè)垂直應(yīng)用的企業(yè)。

3、線性資本AIOT的機(jī)構(gòu)策略

線性資本認(rèn)為，人工智能覆蓋的范圍非常之廣，但目前會(huì)先在一些具體領(lǐng)域率先爆發(fā)。

金融是一個(gè)強(qiáng)數(shù)據(jù)的領(lǐng)域，智能化能夠加強(qiáng)數(shù)據(jù)的作用，所以在互聯(lián)網(wǎng)金融里面應(yīng)該有很強(qiáng)的應(yīng)用。另外，數(shù)據(jù)性很強(qiáng)的消費(fèi)領(lǐng)域，從消費(fèi)品、安全等相關(guān)角度，例如用戶畫(huà)像、智能推薦，以及智能導(dǎo)購(gòu)，都是基于數(shù)據(jù)可以用AI機(jī)器人來(lái)幫助實(shí)現(xiàn)的。

另外，ADAS輔助駕駛也是一個(gè)典型的場(chǎng)景。線性資本發(fā)現(xiàn)，很多行業(yè)，最大的市場(chǎng)都在“吃喝玩樂(lè)行”，對(duì)于人工智能而言，“行”現(xiàn)在是最容易被影響的，因?yàn)樗菑?qiáng)技術(shù)性的?！俺院韧鏄?lè)”，雖然技術(shù)會(huì)給它們帶來(lái)一定幫助，但是內(nèi)容和渠道方面，它是有很強(qiáng)的反向控制性的，人工智能要切入是一個(gè)巨大的問(wèn)題。而“行”是一個(gè)全新的領(lǐng)域，因?yàn)樵瓉?lái)像地面交通、空中交通這些都是傳統(tǒng)公司來(lái)做的，滴滴這些新的公司的進(jìn)入，為它們帶來(lái)一個(gè)巨大的顛覆。

線性資本所謂的泛智能，就是與大數(shù)據(jù)、云計(jì)算、云存儲(chǔ)、人工智能、機(jī)器人、IoT等相關(guān)的項(xiàng)目。之所以這樣劃分，是因?yàn)榫€性有自己的一套邏輯鏈：有云技術(shù)才能實(shí)現(xiàn)大數(shù)據(jù)的存儲(chǔ)和處理；在數(shù)據(jù)基礎(chǔ)上才能做機(jī)器學(xué)習(xí)和人工智能的開(kāi)發(fā)；而開(kāi)發(fā)出來(lái)的模型需要落地，它們要么讓數(shù)據(jù)流通得更快，要么讓決策做得更好，也就是說(shuō)，這些終要變成服務(wù)，我們把它稱為DAAS（注：Data-as-a-service，數(shù)據(jù)即服務(wù)）。

智能生活這塊，線性資本認(rèn)為同樣有很大的機(jī)會(huì)。如果把出行加進(jìn)去，就是一整套的智能生活。如果撇開(kāi)出行看，單純的智能家庭生活同樣很有機(jī)會(huì)。

在泛智能的硬件領(lǐng)域里，線性資本認(rèn)為，機(jī)器人有很大的機(jī)會(huì)。機(jī)器人可以分為兩大類：一類是家庭型、娛樂(lè)消費(fèi)型，也就是2C的，另外一類是B端的。而線性資本目前關(guān)注的中心在前者。

線性資本非?？粗豂oT，但并不太關(guān)心聯(lián)網(wǎng)的問(wèn)題。線性資本關(guān)心的是Ineternet of Intelligence，真正讓不同的智能設(shè)備為一個(gè)場(chǎng)景服務(wù)。不同的智能服務(wù)互相獨(dú)立各不關(guān)聯(lián)是目前IoT的最大問(wèn)題，每家生產(chǎn)商都要自己搞一套，用戶必須同時(shí)控制多款體驗(yàn)就很差。但這樣的狀態(tài)持續(xù)不了太久，各家一定會(huì)尋求聯(lián)盟，形成交叉協(xié)議，這是必然趨勢(shì)。在國(guó)外，已經(jīng)出現(xiàn)了一些聯(lián)盟，國(guó)內(nèi)雖然現(xiàn)在還看不出來(lái)，但線性資本相信，這樣的聯(lián)盟在肯定將來(lái)是一定會(huì)出現(xiàn)的。

還有一些線性資本零星的思考。比如說(shuō)，健康相關(guān)的，不僅限于監(jiān)測(cè)，而是回歸健康的本質(zhì)，比如對(duì)人的健康產(chǎn)生預(yù)警作用的。單純的監(jiān)測(cè)，檢測(cè)比如用戶一天跑了多少步，意義不大；但如果能對(duì)用戶的健康預(yù)警，告訴用戶什么時(shí)候過(guò)勞了，要趕快休息，這種情況下猝死的概率是多少，這樣的服務(wù)才是有價(jià)值的。當(dāng)然，現(xiàn)在的技術(shù)如果想要達(dá)到這個(gè)目標(biāo)，還需要很長(zhǎng)的一段發(fā)展時(shí)間。

線性資本投資過(guò)一個(gè)做女性體溫計(jì)的項(xiàng)目，通過(guò)體溫曲線，可以測(cè)出受孕、避孕幾率。棒米科技的這個(gè)項(xiàng)目市場(chǎng)很大，但目前有一半用戶在海外，因?yàn)樵趪?guó)內(nèi)，推廣要通過(guò)醫(yī)院渠道，而這個(gè)領(lǐng)域線性不太了解，所以選擇跟投：對(duì)于不太懂的領(lǐng)域，線性資本會(huì)先跟投一兩個(gè)項(xiàng)目熟悉一下。這也體現(xiàn)了線性對(duì)于AI商業(yè)應(yīng)用的態(tài)度：能實(shí)實(shí)在在產(chǎn)生作用的，才值得投，太遠(yuǎn)的東西，除非相信它的未來(lái)，否則線性資本大多持懷疑態(tài)度。

什么樣的項(xiàng)目是線性會(huì)投的？

線性資本聚焦的創(chuàng)業(yè)公司，概括起來(lái)其實(shí)是Applied Data Intelligence——應(yīng)用性的數(shù)據(jù)智能，立足于大數(shù)據(jù)的應(yīng)用，去解決實(shí)際商業(yè)的問(wèn)題。因此線性資本投資的項(xiàng)目，必須同時(shí)具備三個(gè)要點(diǎn)：大數(shù)據(jù)、應(yīng)用性、智能性。換言之，線性只投數(shù)據(jù)智能領(lǐng)域的商業(yè)應(yīng)用，并且里面一定要有強(qiáng)數(shù)據(jù)、大數(shù)據(jù)的東西，同時(shí)它一定要解決一個(gè)相對(duì)實(shí)質(zhì)的問(wèn)題。初次之外，這家創(chuàng)業(yè)公司必須對(duì)這個(gè)數(shù)據(jù)有高門(mén)檻的處理方法或者系統(tǒng)。線性資本有一套導(dǎo)圖論來(lái)分解當(dāng)中很多的問(wèn)題，比如說(shuō)分析市場(chǎng)是不是夠大、要解決什么樣的問(wèn)題，加起來(lái)大概有3、40個(gè)問(wèn)題，最后圍繞整個(gè)框架寫(xiě)篇論文。

關(guān)于人工智能的流程，線性資本也有自己的思考。合伙人王淮把人工智能整個(gè)流程中的必要步驟，簡(jiǎn)單地分成三大塊，第一塊是數(shù)據(jù)源，第二塊是當(dāng)中算法的處理（所謂的人工智能處理的方法），第三塊就是它的應(yīng)用。

數(shù)據(jù)這塊，一家好的創(chuàng)業(yè)公司必須擁有典型的三個(gè)大的特征：

首先，規(guī)模要大。對(duì)于一個(gè)小孩子，只需要給他一張?zhí)O果的照片，再讓他看蘋(píng)果并判斷其為蘋(píng)果，問(wèn)題就不大，但是機(jī)器不行。因此，對(duì)于機(jī)器而言，需要非常多的數(shù)據(jù)來(lái)進(jìn)行輔助訓(xùn)練。其次是數(shù)據(jù)必須結(jié)構(gòu)化，尤其在深度學(xué)習(xí)出現(xiàn)之前的可能更多的是像做反欺詐的時(shí)候，很多都是1是1，2是2，都是結(jié)構(gòu)化的數(shù)據(jù)。第三是特征必須是標(biāo)注好了的。舉例而言，什么是好人什么是壞人，他是什么特征，這個(gè)都要標(biāo)注好。

第二塊是算法處理的方法論。典型的機(jī)器學(xué)習(xí)的方法有兩類，過(guò)去我們大多使用回歸算法，決策樹(shù)，SVM這些原來(lái)統(tǒng)計(jì)的學(xué)習(xí)方法，現(xiàn)在比較流行的深度學(xué)習(xí)，這是過(guò)去兩三年才真正成熟進(jìn)入到主流的視野當(dāng)中。比如，現(xiàn)在做人臉識(shí)別的公司都是在過(guò)去兩三年起來(lái)的，以前他們大部分都是在學(xué)?？蒲薪嵌?，沒(méi)有生意可做，但現(xiàn)在，越來(lái)越多的方法論被普及，很多從業(yè)者也開(kāi)始嘗試著將商業(yè)與技術(shù)相結(jié)合，這也為變革帶來(lái)了希望。實(shí)際上，線性資本其實(shí)并不關(guān)心公司在算法層面能夠達(dá)到怎么樣的深度，只關(guān)心算法本身是否是有用的，是否能提高決策質(zhì)量，提高決策速度。

第三個(gè)很重要的因素是投資人們所關(guān)注的問(wèn)題：應(yīng)用場(chǎng)景。有的創(chuàng)業(yè)公司搞了一堆數(shù)據(jù)，搞了一堆處理，完成之后不能解決商業(yè)實(shí)質(zhì)解決的問(wèn)題，這就不是一個(gè)很好的投資標(biāo)的。大家對(duì)于人工智能的期許其實(shí)是比較簡(jiǎn)單的，但是要么比別人的商業(yè)決策更快，要么讓決策質(zhì)量更高，如果連這兩個(gè)都做不到，那么這個(gè)東西就沒(méi)人會(huì)愿意買(mǎi)單，創(chuàng)業(yè)公司也沒(méi)有辦法依賴自己在數(shù)據(jù)處理技術(shù)上面建立的優(yōu)勢(shì)去實(shí)現(xiàn)產(chǎn)品到商品的轉(zhuǎn)變過(guò)程。致命的是，如果這個(gè)因素沒(méi)能實(shí)現(xiàn)的話，這樣的創(chuàng)業(yè)公司即使技術(shù)再牛，也是不可投的。

從線性資本投資過(guò)的公司就能看出這個(gè)邏輯：神策數(shù)據(jù)是數(shù)據(jù)服務(wù)公司，可以通過(guò)用戶畫(huà)像，從而分析公司的發(fā)展趨勢(shì)；智能機(jī)器人Rokid是基于數(shù)據(jù)的智能實(shí)體化，但它的核心仍然是AI的軟件；地平線機(jī)器人提供的AI解決方案應(yīng)用點(diǎn)也非常廣，比如它目前在輔助駕駛ADAS這方面的應(yīng)用，就體現(xiàn)了這一點(diǎn)。這些公司能提供應(yīng)用，解決一些有用的問(wèn)題，而不是只有技術(shù)但“然并卵”的東西。

大數(shù)據(jù)領(lǐng)域的創(chuàng)業(yè)公司在創(chuàng)業(yè)時(shí)主要都得面臨上述問(wèn)題的處理。技術(shù)和應(yīng)用場(chǎng)景往往對(duì)于大部分優(yōu)質(zhì)的創(chuàng)業(yè)公司而言都不是很大的問(wèn)題，但是數(shù)據(jù)要如何去獲取呢？

王淮指出，創(chuàng)業(yè)公司必須有一個(gè)原始數(shù)據(jù)積累的強(qiáng)策略。大部分做人工智能的公司都存在兩大問(wèn)題：數(shù)據(jù)不是自己的，應(yīng)用場(chǎng)景不是自己的，雖然自身處理問(wèn)題的能力很強(qiáng)，但沒(méi)辦法獲得數(shù)據(jù)，這就意味著公司本身是無(wú)源之水，干不了很多事情；沒(méi)辦法掌握業(yè)務(wù)，付錢(qián)的時(shí)間決策點(diǎn)就取決于別人，必須要求著人家。

對(duì)于創(chuàng)業(yè)者而言，如果沒(méi)有特殊的方法，有兩種解決這個(gè)問(wèn)題的典型方法：一種是公司本身有歷史的數(shù)據(jù)積累，像線性資本投資的中科院計(jì)算所專注在人臉識(shí)別19年了，掌握了大量的歷史數(shù)據(jù)積累；另外一種是創(chuàng)業(yè)公司的技術(shù)很強(qiáng)，其他人愿意用公司的服務(wù)，比如同盾科技。

能夠滿足這幾點(diǎn)的創(chuàng)業(yè)者，就是一個(gè)比較理想的投資標(biāo)的。

對(duì)于創(chuàng)業(yè)者，線性資本也有自己的考量尺度：很多創(chuàng)業(yè)者比較冷靜，跟他探討問(wèn)題時(shí)很難有熱烈的感覺(jué)，但他會(huì)有很多思考，他明白里面的各種問(wèn)題，這樣的創(chuàng)業(yè)者是線性資本所喜歡的。線性資本最怕有激情的人，這類人會(huì)把很多東西推到未來(lái)，認(rèn)為船到橋頭自然直，很多事情最終是這樣子，但是還要認(rèn)識(shí)到：對(duì)于問(wèn)題，一定要有深入冷靜的思考，這個(gè)思考是需要有深度和有分量的。線性資本很喜歡深度的思考者，跟他交流的過(guò)程中，可以感受到殘酷的冷靜，這是一種極客的素質(zhì)。包括線性資本自己也努力做到類似的標(biāo)準(zhǔn)，有時(shí)候看項(xiàng)目，一兩個(gè)小時(shí)聊下來(lái)很興奮，感覺(jué)很不錯(cuò)，但也得遵循一套流程將自己冷靜下來(lái)，1小時(shí)內(nèi)不做決定(有一個(gè)反悔期)。

同時(shí)我們格物也發(fā)現(xiàn)線性更傾向于有良好學(xué)習(xí)背景的創(chuàng)業(yè)者，對(duì)于技術(shù)領(lǐng)域的創(chuàng)業(yè)并非像有些模式創(chuàng)業(yè)，有一個(gè)很好的Idea加上一個(gè)強(qiáng)有力接地氣的執(zhí)行團(tuán)隊(duì)就可以快速推進(jìn)，在泛智能化領(lǐng)域的創(chuàng)業(yè)更多是是依靠創(chuàng)始人多年的教育背景和技術(shù)積累。所以我們也可以看到線性資本在做泛智能化投資方面也明顯傾向于有良好教育背景和深厚技術(shù)底蘊(yùn)的創(chuàng)業(yè)公司。

目前線性資本已總結(jié)出一套方法論做支撐，不管是對(duì)人、對(duì)事都會(huì)有更多深入的探討。正如合伙人王淮所說(shuō)，“結(jié)構(gòu)化的東西，可預(yù)測(cè)性會(huì)更強(qiáng)一點(diǎn)，假以時(shí)日它所體現(xiàn)出來(lái)的系統(tǒng)性的回報(bào)率可能會(huì)更高，成功率也可能會(huì)更高?！泵客兑粋€(gè)項(xiàng)目，線性資本的團(tuán)隊(duì)都會(huì)寫(xiě)一篇論文，里面方方面面的東西都會(huì)有一個(gè)系統(tǒng)性的覆蓋，這里面對(duì)于項(xiàng)目結(jié)構(gòu)、邏輯體系推演，做得都比較嚴(yán)謹(jǐn)。這也是線性資本很突出的一個(gè)略顯極客色彩的風(fēng)格。

4、線性資本看AIOT未來(lái)

在線性資本看來(lái)，人工智能領(lǐng)域目前正處在一個(gè)前所未有的蓬勃發(fā)展的階段，因?yàn)槲宕笠蛩氐墓餐饔茫斯ぶ悄茴I(lǐng)域出現(xiàn)了很大機(jī)會(huì)：

第一，設(shè)備的普及。移動(dòng)智能設(shè)備的流行，觸屏把人們?cè)瓉?lái)花在PC互聯(lián)網(wǎng)上的時(shí)間，大幅度地拉長(zhǎng)了。原來(lái)在PC上，人們大部分時(shí)間是用來(lái)工作，而現(xiàn)在，手機(jī)成為用戶kill time的主要工具。這種設(shè)備創(chuàng)造出了一個(gè)巨大的市場(chǎng)，這個(gè)市場(chǎng)就是每個(gè)人的時(shí)間。如果把它用人和時(shí)間等單位來(lái)衡量規(guī)模的話，現(xiàn)在這個(gè)市場(chǎng)的規(guī)模至少是原來(lái)Web時(shí)代的5到10倍。時(shí)間需要產(chǎn)品去填補(bǔ)，填補(bǔ)過(guò)程中大量積累了數(shù)據(jù)，數(shù)據(jù)就產(chǎn)生了變現(xiàn)的需求。

第二，數(shù)據(jù)的積累。這些年，很多互聯(lián)網(wǎng)公司已經(jīng)各自積累了幾百萬(wàn)、上千萬(wàn)的用戶數(shù)據(jù)，都非常有價(jià)值。但這些數(shù)據(jù)間，存在孤島效應(yīng)，這些數(shù)據(jù)是沒(méi)有辦法交叉的。比如，一個(gè)互聯(lián)網(wǎng)金融公司，和一家電商，它們獲得的數(shù)據(jù)體系、性質(zhì)都不一樣。但如果它們能夠放在一起，形成數(shù)據(jù)集，帶來(lái)的價(jià)值會(huì)大很多，會(huì)產(chǎn)生一加一遠(yuǎn)大于二的效果——這也是當(dāng)前數(shù)據(jù)智能在不斷發(fā)展的一個(gè)重要方向。

第三，算法的發(fā)展。在過(guò)去幾年有了很大突破，比如說(shuō)深度學(xué)習(xí)。傳統(tǒng)的數(shù)據(jù)挖掘方法對(duì)強(qiáng)特征問(wèn)題很有效，比如反欺詐；但是當(dāng)算法從圖像、聲音當(dāng)中去學(xué)習(xí)特征時(shí)，這個(gè)過(guò)程就很困難。深度學(xué)習(xí)在這些領(lǐng)域帶來(lái)了很多新的應(yīng)用，比如近幾年聲音識(shí)別、圖像識(shí)別、人臉識(shí)別等新的應(yīng)用出現(xiàn)，這些都和技術(shù)突破息息相關(guān)。

與算法突破相應(yīng)的，是計(jì)算能力的提高。AI說(shuō)起來(lái)容易，做起來(lái)卻很難，比如說(shuō)深度學(xué)習(xí)的計(jì)算量對(duì)云計(jì)算也提出了極高的要求。三四年前，當(dāng)基礎(chǔ)架構(gòu)和計(jì)算能力沒(méi)有發(fā)展到今日這種程度時(shí)，人工智能的發(fā)展也相應(yīng)地受到了很大的限制，但如今隨著基礎(chǔ)構(gòu)架和計(jì)算能力的發(fā)展，越來(lái)越多曾經(jīng)無(wú)法實(shí)現(xiàn)的算法成為了顯示，人工智能也迎來(lái)了爆發(fā)的最好時(shí)代。

第四，人才的因素。很多人會(huì)想當(dāng)然地覺(jué)得美國(guó)人才比中國(guó)多，但從美國(guó)硅谷創(chuàng)業(yè)熱潮中歸來(lái)的線性資本合伙人王淮則提出了不同的觀點(diǎn)：過(guò)去幾年，BAT以及二線互聯(lián)網(wǎng)公司積攢了大量數(shù)據(jù)，數(shù)據(jù)需要人來(lái)處理，因此訓(xùn)練出一大批有實(shí)踐經(jīng)驗(yàn)的人才。而美國(guó)，主要是Facebook、谷歌、亞馬遜、微軟等公司，培養(yǎng)的人才偏理論型，在實(shí)踐上不如中國(guó)。

最后一點(diǎn)，市場(chǎng)已經(jīng)準(zhǔn)備好了迎接人工智能的時(shí)代。人工智能公司的目標(biāo)客戶，原先比較傳統(tǒng)，對(duì)人工智能的接受程度十分有限，但現(xiàn)在，越來(lái)越多的傳統(tǒng)公司的思維有了變化。我們要感謝馬云對(duì)DT時(shí)代的傳播，但是，AlphaGo帶來(lái)的影響更為巨大。AlphaGo雖然下的是圍棋，但讓很多中國(guó)人以為深度學(xué)習(xí)已經(jīng)來(lái)了，覺(jué)得它會(huì)搶走所有的工作，如果自己不趕緊改變，就只能等著被干掉。這讓人工智能公司發(fā)展客戶變?nèi)菀琢耍ó?dāng)然，這種想法存在著很大的誤區(qū)，現(xiàn)在的我們距離人工智能完全顛覆傳統(tǒng)商業(yè)模式的那天真正到來(lái)還有很長(zhǎng)時(shí)間，但是，這卻讓人工智能推廣的難度大大降低了）。

這幾個(gè)因素造就了人工智能的熱潮。這是一個(gè)數(shù)據(jù)依賴技術(shù)進(jìn)行變現(xiàn)的時(shí)代，這5個(gè)因素的相互結(jié)合，給人工智能帶來(lái)了極大的商業(yè)機(jī)會(huì)。很多投資人也開(kāi)始關(guān)注并進(jìn)入這個(gè)領(lǐng)域。

實(shí)際上，大數(shù)據(jù)、人工智能這些領(lǐng)域逐漸風(fēng)口化。即使“風(fēng)口”這個(gè)詞線性資本其實(shí)不大喜歡去用，但也承認(rèn)，這個(gè)時(shí)代，在各種因素下，給了人工智能的爆發(fā)這樣一個(gè)可遇而不可求的機(jī)會(huì)。

但是，線性資本的合伙人王淮同時(shí)認(rèn)為，2017年AI行業(yè)的泡沫將到達(dá)頂點(diǎn)。隨著投資人們的熱捧，AI領(lǐng)域內(nèi)的資本總量會(huì)越堆越大，這也就意味著未來(lái)5年內(nèi)人工智能領(lǐng)域會(huì)有一個(gè)擠泡沫的過(guò)程。當(dāng)然，對(duì)于線性資本而言，雖然現(xiàn)在普遍認(rèn)為AI領(lǐng)域里面泡沫很大，但是真正與智能相關(guān)的投資才剛剛開(kāi)始，這個(gè)領(lǐng)域至少還有5年的時(shí)間可以有很熱鬧的投資跟創(chuàng)業(yè)的機(jī)會(huì)存在。而線性資本的目標(biāo)，就是努力地找到這些帶有點(diǎn)牛逼技術(shù)卻不善言辭，還總有些偏執(zhí)和小驕傲的創(chuàng)業(yè)極客們和他們優(yōu)秀的創(chuàng)業(yè)公司，并且滿足他們的需求。

另附：線性資本-AIOT領(lǐng)域投資統(tǒng)計(jì)