|
第二期「甲子直播间」中，远望资本创始人、迅雷创始人程浩曾分享，to B行业实施有周期，成长必然是线性的。 而一家投资过太空挖矿、柔性外骨骼等黑科技的极客范投资机构却认为，真正的科技创新将带来非线性的、指数级增长机会。 这种坚定的乐观主义信念来自线性资本。 他们的Slogan非常有意思：Linear Path, Nonlinear Growth——线性的路径，非线性的增长。 4月23日，我们邀请到了线性资本创始人兼CEO王淮做客第五期「甲子直播间」，分享「黑科技的上山下乡」。 王淮认为，接下来的创新机会在于黑科技的“上山下乡”，即真正去解决产业问题，这就需要把黑科技变成“灰科技”，即那些好于现有方式10~100倍以上，且解决实际重要问题的黑科技。 王淮的经历非常传奇。2007年初，他拒绝了谷歌的橄榄枝，加入了当时只有130多名员工、创始人比自己还小两岁的Facebook，是公司第二位来自中国的工程师和第一位华人研发经理。 2014年9月，王淮创办线性资本，聚焦于数据智能以及前沿科技领域，主导过地平线、酷家乐、Rokid、神策等60多家科技企业的早期投资。 7年的投资经历中，线性一路陪伴这一领域从最初的高光环绕走到了扎实的落地探索。 本次分享的要点如下： 1.黑科技如何分类？ 2.灰科技需要怎样的舵手？ 3.什么样的产业才适于高科技“上山下乡”？ 4.疫情下的科技新机会？ 以下为王淮的分享实录： 1.黑科技不能太“黑”，要“灰” 很多业内人士对线性的印象是，投了很多类似起源太空这样在太空挖矿的黑科技企业，听起来很fancy（奇特）。 黑科技确实是我们的偏好，因为我们团队大多都是技术出身。但其实我们在投之前，已经对它们未来十年的形态做了预判。并且从终极目标倒推，哪一年需要什么样的里程碑？分别需要什么样的技术？技术的难点在哪里？……我们都做了很多深入的探讨。 线性在判断一个项目是否值得投资时，有一套自己的算法，这个算法基本上定义了线性的价值观。
第一个要素是data_based，必须要有数据。 第二个是AI_driven，人工智能驱动。数据需要可以被AI处理，并在有效处理后，获得可操作的洞察。 第三是commercially_applicable，获得的洞察能放到商业场景中去应用。 原来我们谈科技的商业化，大多是指比较fancy的商业应用场景，但是我们现在觉得，这种场景要土，越来越“土”。 “土”不是为了“土”，而是为了大，为了解决大家日常看到、用到的东西在生产、制造、流通上的问题。 所以，“黑科技”从学术的角度来看，要够“黑”；但当它要对物理世界、现实产生影响时，要“灰”。
如果单追求技术的酷炫，很难对现实产生效应。要让人觉得这技术够酷，同时能够产生实际效应、商业价值的东西，我们觉得，这技术应该要“灰”。这也体现了人类社会本身的复杂度。 这就是所谓的要“上山下乡”，要进入具体的产业问题中。 “黑科技”，“黑”的程度和类型是不一样的。我们把黑科技分了三个类别。
第一，自动化。 自动化就是解决方案中的简单重复。所有的数据收集，和基于数据的总结分析工作，都是可以被自动化的，替代的是体力活动，就像自动售货机一样。 自动化这类黑科技，在数据AI改造行业的类型中，属于low hanging fruits（可轻易实现的目标），是非常值得去抓住的。线性资本投过的神策、酷家乐、观远，它们的很多早期技术应用都处在这一类。 第二，智能化。 智能化和自动化的最大区别是，想去自动化的部分存在概率问题，是需要去判断的。我们投的地平线、智领云、帷幄都在尝试让insights（洞察）的挖掘变得自动化。 人做判断时，依赖的是在过往实践中积累的经验，和其在脑海中形成的模型。智能化的过程，就是把人的经验和判断模型自动化。 最厉害的专家，连续工作24小时，效率也必定会急剧下降。而在智能化的过程当中，这一切是可控、可持续的，可以做到高质量、低成本，并且能够处理更复杂的场景。 第三，融合化。 以前大家谈黑科技时，只提数据和AI。但我们越来越希望AI能够跟场景领域的科技产生融合。比如，与机械臂结合，与生物结合，从而产生单单一种黑科技无法所获取的效果。 那灰科技该如何来定义？ 用一句话来解释，就是好于现有方式10~100倍以上，解决实际重要问题的黑科技。
我们投的酷家乐，能够让设计、渲染达到100倍的效率提升。原来需要几个小时到几天时间才可以拿到的家装设计效果图，现在只需要7秒钟。这就是灰科技落地在体验上给人带来的巨大差异。
灰科技需要具备三个属性，才能被称之为“有效”，一是“好于现有方式10~100倍以上”的效果，能否作用于行业。 很多人存疑，线性投的这些黑科技怎么赚钱。 “怎么赚钱”被我们放在思考的最后一步，但我们非常关心这个问题之前的一步——灰科技解决的问题有没有价值？ 家装图纸的设计时间从72个小时缩短为7秒钟，这是不是有意义？客户对这种灰科技有没有需求？这是不是能够帮到很多设计公司获得更多的业务？能不能帮客户产生竞争上的差异化？这是我们非常关心的。 我们永远认为，商业化问题次于价值创造问题。谁付钱，付多少钱，这些商业化问题是比较容易探讨的。但是如果没有源自灰科技的体验差距，没有10~100倍的效率提升，直接谈赚钱，没有意义。
中国过去10年的商业模式创新风生水起，但它们在科技改造行业的过程中是有问题的。一定得把效率、价值问题放在前面，再去讨论价格问题。 第二，灰科技要基于大数据，并高于大数据。 量大是对大数据的最基本要求，大数据还需要具备全面性。 在犯罪现场，如果只拍受害者的照片，却没有一张照片去描述周边犯罪现场场景，即使数据高达几十TB，也是远远不够的。分析的时候，一定会缺少重要的信息。 数据还需要具备准确性、高细节度。 比如，描述人脸，只描述是亚洲脸还是西方脸，是非常粗的颗粒度，需要关注到眉毛粗细、两眼间隔等非常高分辨率的细节程度。 最后，灰科技要使实际的决策效率产生质的飞跃。 回到问题本身，究竟使用什么样的数据、算法，取决于要怎样才能帮助决策实现10~100倍效率的提升。这也是我们做尽职调查的基本逻辑。 2.“灰科技”成功需要怎样的舵手？
我们相信，让一个技术人实现商业化，比起让商业人实现技术化，要容易得多。如果成功，带来的回报也会大得多。 所以，线性投的人，必须懂技术。但我们同时要求，他必须要humble（谦逊）。 很多人认为，搞科技创新的人太过于nerd(怪咖)。这些人懂技术，但不懂人性，跟这些人谈生意很困难。 但我们投了很多类型的公司后，发现技术人才在刚开始创业时，很多都nerd。但是这群人很快就会分化，一批是企业家，一批还是技术大牛——就是那些创业创得一般，但大家还都觉得他很酷的人。 很多技术大牛时常有种奇怪的优越感（我以前也是这种风格），这很多时候是因为他们不懂得怎么跟人去打交道，他们需要有人际方面的理解和历练。 所以，我们要求他们在骨子里必须够谦逊，明白这不是一个纯靠技术就能解决问题的简单世界。 第二点，创业人才一定要有学习能力。 学习能力是最重要的能力。在灰科技与行业融合过程中，需要从懂技术到懂行业，知道要解决什么样的行业问题。 还有一个很重要的概念是管理成长（learn to manage growth），包括对产品、营销、团队建设以及理解世界复杂度的能力提升。 技术大牛，要懂得做产品。科技在技术人的角度是算法，是数据；但用户是产品视角，他骨子里并不希望知道你的技术细节，只需要你的产品能够解决问题。 产品做出来了，还得会卖，给客户更好的支持和维护。这被我们称为产品的商品化。 |
