■
按
：
当前我们正处在科技动力切换的周期，如何获得对科技创新系统性的认知变得非常重要，线性资本创始人王淮的分享或许能让你对此有所启发。
本文为嘉宾
演讲实录，经捕手志（ID：
ibushouzhi）编辑整理。
编辑
/李苗苗
未经授权，谢绝转载
很开心能借捕手志这个平台和大家聊聊自己对科技投资的一些思考，今天我主要围绕科技的发展趋势、科技在产业的应用和我们过往在投资中的一些观察心得来展开。
我们先来梳理科技的发展。
因为我们本身属于技术出身，所以我们最早非常关注技术的前瞻性，但随着时间的转变和产业的发展，
我们
发现产业对新技术的拥抱程度越来越
高，技术赋能产业所带来的效率提升和影响才是我们最终追求的目标，同时，这个目标也让我们得到相应的收益，这是我们整体投资的大逻辑。
从投资逻辑出发，深度认知技术发展的阶段，才能更好的去寻找投资切入点。因此，
对于科技的发展，
我们会从两种来
角度
看：
一种是技术演进角度，另一种是数据角度。
我们先来看技术演进角度，整体分为三个阶段：
第一阶段：
自动化，又
称之体力劳动的替代，
即
对简单、
重复的东西或动作进行机器替代，比如替代售货员的自动售货机、
BI等
。
如果把时间拉长，整个工业革命做的就是自动化演进，时间周期将近三、四百年；
第二阶段：
智能化，也被称为脑力劳动的替代阶段
。
着重从数据过程中寻找规律，处理更加复杂的问题，帮助我们多快好省的做有质量的决策和执行。
软件层面我们叫DaaS（Decision-as-a-Service）；硬件层面是机器智能化，相比机器自动化，机器智能化在数据处理的颗粒度、数据量、复杂度上更强，总而言之，最近 20、30 年，科技发展的大方向就是让机器从方方面面替代脑力活动。
第三阶段：
融合化，
更多的是智能化与Domain tech的结合，核心在于要了解产业规律。
而认知融合的过程，我认为将来会成为技术投资的常态，即如何把我们熟悉的 AI
、5G、软硬结合的硬件技术等
，跟 Domain tech 真正有效结合。
数据智能技术更多是归纳性的技术，着重于correlation，但很难解释；
而domain tech着重于解释性，强调causality，具备可解释性，强调第一性原理。
两者的结合将会产生比任何单一技术应用更加强大的效果，
比如在生产过程中如何让AI机械臂拧螺丝，又如能不能把路径规划和高通量微流控技术和液晶显示控制芯片结合起来实现生物医药的大规模并行实验等。
总的来说，自动化是一个大的趋势，但在很多领域，由于发展不平衡，虽然数据遍地都是，但没有被高效高质的收集，
所以
当基本的自动化还没完成，谈决策的自动化就是空中楼阁，
融合化我觉得从纯粹 AI、Data 角度人是看不到的，必须要跟专业领域的实际问题结合，未来的挑战和收益也是在这个层面。
另一种，从数据应用的不同深度出发也是我们对科技发展最新的解读，我们把它分为五大类：
一是，在线化。
由于疫情的影响，远程办公需求激增，用户不断探索线上办公模式，在线化俨然正在成为主流，
但
在线化有一个很大的问题是「无法做数据沉淀」；
二是，数字化。
优势在于沉淀数据；
三是，数据结构化。
以数字化为基础，把数据根据不同维度和颗粒度进行有效记录和分类；
四是，辅助决策。
通过AI把数据进行智能化处理来辅助人类做出决策，机器也逐渐和人进行协同，这个过程主要
以人为核心；
五是，智能决策。
机器将变为整个流程中的核心主体，AI也将从辅助人变为代替人做决策，人机协同也将变为机人协同。
以上是我们解读科技发展的两个视角，也许会与其他机构视角不同，但客观来看，我们认为大而全的上帝视角不适合早期投资，
因为新技术在赋能不同产业的时候，它的落地周期、先后顺序有很大的差别。
目前互联网行业最快，传统行业最慢，造成这种问题的原因是传统行业的历史包袱很重，但这并不妨碍每个产业都有许多可以创新迭代的机会点，而机构最需要做的就是寻找到自己的视角和最佳切入点。
我们的视角就是寻找数据、人工智能等「灰科技」与产业的有效结合点。
其中「
灰科技」是指能落地的黑科技，也就是把问题带到技术的讨论中，能够有效解决实际问题的、比现有方式好
10
倍到
100
倍以上的，
我们称为「灰科技」，目的在于让快速感知、智能决策和自动执行冲击现有生产方式。
对于
「
灰科技」
的落地时机我们会从多个方面进行判断，
数据质量和数据数量是基础，
两者缺一不可，
数据质量是解决问题的中心轴，数据数量是后坐力，在保证数据质量的同时有更大的数据量是解决问题的关键；
其次是人才数量，人才分为两种，一种是产业人士，另一种是对解决问题感兴趣的技术人员；之后是产业改造意愿；再者是产业付费意愿，主要是大数据、AI给产业带来了多少增效或降本，这个非常关键；最后是产业规模，
站在投
资的角度我们希望投资其中的大机会，也就是数据、人工智能给产业带来的
影响力非常大，这很关键
，
小而美在我们看来不是很好的选择
。
对于产业机会，我们最终关注的还是人和产业的匹配，技术和问题的匹配，因为这些是主要矛盾，
我们每年都会观察市面上各个行业的变化，尤其是在数据上在与技术结合上的变化，再通过做一些定性、定量的分析，形成行业蜘蛛图，
我们的行业蜘蛛图着重六个维度：数据现有质量、数据现有数量、技术整合难度、传统利益方成熟度、市场规模和市场成熟点，
这六个维度我们分别打分，从低到高对应五个档位，最后，再计算出我们对这个市场的投资优先级的评分。
以
DaaS
为例，我们认为这个方向的数据现有质量、传统利益方成熟度、市场规模、市场成熟点得分可以打到最高，数据现有数量有待提升，得分次之，技术整合难度偏中等，得分为中等，因此得出一张蜘蛛图，面积是在我们观察的范围里面最大的，也就是我们认为的好的投资时间点。
因为我们对产业认知不断由点到线再到面，我们的逻辑思考和蜘蛛图也会一直处在一个渐变的过程，以便时时应对产业变化。
首先，行业政策变化。
