百度与滴滴必将有一战？！

口述丨程浩

整理丨石慧

编辑丨杨洁

“世界那么大，我要去看看。”在告别迅雷的内部邮件里，程浩写道。

1月29日，刚好是迅雷成立的纪念日，在迅雷打拼了13年后，程浩正式辞去一切职务，转身“创而优则投”。他没有投身大型投资机构，而是在今年年初，和松禾资本创始合伙人厉伟、合伙人汪洋联合创办了松禾远望资本。“迅雷已经上市，也算完成一个重要阶段。在一个公司做太久了，我想看看外面的世界。我觉得我挺适合做投资的。”和创业家&i黑马对话时，程浩靠在沙发上，语气轻快地说。

“寻找新鲜事物”或许是程浩内心的偏好。早在13年前，在百度任高级技术经理的程浩，就选择辞去了高薪工作，南下深圳，最后与美国杜克大学的校友邹胜龙各自凑了5万元联合创办了迅雷。2014年，迅雷在纳斯达克上市。在2016年，程浩选择了再次出发，这次，他给自己立下了一个新的目标:下一个十年，另造一支红杉。

除了创办迅雷之外，程浩在迅雷也管过几年的战略投资。“我做投资，是既感兴趣又擅长。”程浩说。“我有这么多年的科技公司经历，有着技术行业背景，有从0到1的创业经验，这些对创业者的帮助会很大。”

现在，程浩每次去硅谷，也要在那边看很多项目，以及和美国的投资人、孵化器交流。“虽然我们主要在国内投项目，但是对世界最前沿的科技得有前瞻认识。不要在国内投完之后，才发现都是即将落伍、两年之后就要被替代的东西。”

松禾远望资本选择的投资方向，主要是技术前沿的企业服务、互联网金融、人工智能（AI）和虚拟现实（VR）/增强现实（AR）。程浩个人主要关注VR/AR和AI投资方向，因为他很早就已涉入这些领域。在杜克大学念研究生时，程浩的专业与大数据相关，后来先后在百度、迅雷工作，这两家“技术气质”的公司，让程浩与前沿技术始终保持着相当紧密的接触。“投这些领域我有优势”，程浩认真地表示，并说现阶段人工智能是他更为关注的方向。

但是，在人工智能方面，程浩看了很多项目，却迄今出手并不多。在这其中，有他自己的理念和坚持。“水比较深，我想看清楚了再投，”程浩语调平和的说，“有些领域对投资人要求不高，看五年和看一年，积累的判断力差不多。但人工智能花的时间越长，看得越精准，它本身也是一个长周期产业，有5-10年的机会。”

“十年磨一剑”，既然给自己“再造红杉”定下的是十年目标，程浩显然并不急于一时，他要更精准地布局未来。

以下为程浩口述，经创业家 & i黑马编辑：

“上下游看透再出手”

在人工智能领域，我已经看了很多项目。坦率地说，这一行水比较深。一方面，特别优质的创业者，他们项目估值很高，另一方面，很多初创项目的商业模式还不清晰。相对而言，我们更想看清楚了再出手。

我们的投资阶段偏天使和A轮。一般而言，投资就两个纬度：人和事。越是早期，看人越重要，而越到后面，就越得看“事”。

从投资方向上，我们更喜欢聚焦。我个人重点偏重AI这个领域。但我投资之前，要先把相关领域吃透。什么叫吃透？举个例子，我在看AI+金融，这条赛道上有5位选手，我在和A接触，那么其他四位选手和他相比怎么样？首先，你要有一个清晰的认识，你得和他们都聊一聊。

而且这还不够，最好你能把上下游也都探究清楚了。问上下游产业相关的人士：为什么和这个团队合作？他们是性价比更高，还是产品更成熟？这些创业者的产能是怎样的？如果你对一个行业没有这样了解过的话，是很难判断的。在AI领域，如果之前你一个项目都没投过，可能每个项目都觉得很好，但是每个项目你都很难去“扣扳机”。

当然并不是每个投资人都是这种打法，有的早期投资人几乎只看人，对事情和行业了解可能没我们那么深入；但是只要觉得这个事还靠谱，这个创始人有价值、有个人魅力，这个项目就可以投。但是我们投的特别是偏A轮的项目，我们看过后几乎都会做一个行业报告出来。要投这个项目，可以，但是你要告诉我，它的竞争对手都是谁，你都有聊过没有，你投资决策的参考依据是什么？你看我们的公众号经常会出一些行业研究报告，就是做这个用的。

我们这支基金，投资决策之前，我们要对所投的领域，都有非常深刻的认识和判断才可以。我有一句话是这样说的：任何一个赛道、任何一个领域，看完上百个项目才算积累完成。看完之后，对整个行业的现状、竞争格局、痛点机会就清晰明确了，通过理性的分析比较，我就可以放心投入了。哪怕这时项目估值已变贵，或者时间可能已过几个月。但我们看重的是创业项目的长期成长性和长期价值回报，这点耐心是值得付出的。

面向企业的机器人将最先爆发

在现在这个阶段，如果你让我在人工智能和虚拟现实两个方向中选一个，我肯定优先选人工智能。虚拟现实现在只能做2B，2C的业务还需要时间。但人工智能在2B领域，机会已经开始显现。

人工智能这几年之所以热度提高，主要是由于具备了三个要素：数据的爆发、计算能力的提升和算法的改进。

首先，很多算法其实以前就有，比如神经网络。但是为什么之前没有爆发？就是因为数据量不够。你要记住一点，人工智能和大数据是孪生兄弟。现在的人工智能都离不开大数据，一定要基于大数据才能发展。比如你教机器识别图片，必须要训练上万张图片，甚至几十万张、几百万张，它才能够识别。再比如语音识别，在过去语料库没有那么丰富，即使是互联网时代，语料仍然很有限。但是在移动时代，语料就非常丰富了，移动互联网极大丰富了数据。

其次是计算能力。训练同一个数据集，以前可能要两个月，现在依靠计算能力的显著提升，用时两天就够了。第三是算法。神经网络这个概念比较早就提出了。 2006年基于机器学习大师Geoffrey Hinton和其学生Ruslan发表在《科学》杂志上的一篇论文，引发了深度学习在研究领域和应用领域的发展浪潮，深度学习开始真正发展起来。在这之上又出现了很多新的算法。人工智能的门槛也在降低。“Google Brain”开发团队在去年开源了 TensorFlow平台，极大地降低了AI开发的难度，让更多的开发者可以参与进来。开源社区的增加，让整个行业都在迅速地崛起。

（编辑：南平站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!