迅雷程浩：用创业的心态做投资 聚焦是我最大的优势

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：

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。

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。

在人工智能这个领域，人工智能基础服务类我基本不投，比如人脸识别、语音识别、手势识别等，这些赛道已经有人做出来了，但本身并没有直接的商业模式。做底层服务的，往往必须得结合垂直服务，因为光靠做底层服务卖SDK根本不赚钱。做这个要基于数据模型，你必须依靠越来越多的数据，来增强效果、提高识别率，所以就一定都是免费开放给别人用的。底层技术是一“横”，还必须加上垂直这一“竖”。像科大讯飞比较偏重教育，它就出了个托福的自动评分。

再比如人脸识别，技术是“横”，在“竖”里，最核心的领域就是安防以及金融。现在人脸识别已经越来越多地获得应用，比如金融开户或者支付行为上。但只做“横”肯定不行。未来越来越多的企业不会去做“横”，直接用你的底层开发就行了。当然现在还是发展的前期，一切还没那么健全，但长期趋势一定是这样。

因此，我们更多地在看垂直行业的一些赛道，投资的是“人工智能+”。

在未来，人工智能将深刻改变各个行业。AI+可以细分出无数个行业，比如人工智能加金融，人工智能加机器人……而机器人本身就有三个赛道：工业机器人、企业服务类机器人、面向个人消费的机器人。

在机器人领域，我个人更偏向面向企业的机器人，例如工业和服务类机器人。工业机器人市场显而易见，服务类机器人未来也会有大的发展，核心就是机器替代人工。未来很多工作都不再需要人去做了。未来你看星巴克里，桌子上有一块小屏幕，咱们点一杯卡布奇诺，点了确定，微信一扫支付，那边机器人就开始做了。这类东西因为是标品，拿机器人做很容易，做完之后直接就送上来了。我觉得不用太长时间，可能5年以后，很多星巴克就不再需要人工了。

更多的领域都在呈现这个趋势。比如汽车自动驾驶，我觉得5-10年内，它会把整个汽车产业链全部革新化。再比如HR领域，可以进行机器人面试，由机器进行简易的自动匹配。以前微软的小型面试机器人，曾花了16个小时面试了1万个人，筛掉了7000个。或许现在的人工智能从1万人中间筛选100个人还很难做到，但筛掉9000人是没问题的，效率会大大提高。

以前讲人工智能也好，机器人也好，我们总认为它将来会替代的都是简单重复的工作，但是我觉得，这个认识是错误的。当然，简单重复的工作是会率先被替代的，但是，未来一些我们认为高大上的职业，也会被它所取代。

现在在美国，有的基金公司已经开始尝试用机器来取代基金经理（Fund Manager）。以前很多深度学习或者机器学习的会议，都是谷歌、Facebook赞助或支持的，现在有将近一半都是基金公司在赞助了。因为他们更需要这样的技术服务。类似基金经理这样的工作会被取代，因为满足两个条件：第一，它的输入有明确边界；第二，输出标准化，容易被评测。

当然，也并不是所有看起来不是那么“高大上”的职业都容易被取代。比如幼教老师，看起来教孩子很简单，但是它并不满足以上两个条件。

在我看来，“人工智能+医疗”在未来绝对是条大赛道。现在，也已经有机器人能够看病例片子分析病情，甚至给病人做手术。

如今在物流领域，“第一公里”——也就是仓库里很多已经是是机器人了。

为什么我们看好面向企业的机器人，认为它会是最先发展起来的领域？说的直白一些，它的核心就是替代人力。而消费类机器人现在还不太成熟，因为所有的技术发展一定先是2B再是2C，或者经过B2B2C，不会一上来就是2C的。

2B和2C区别是非常大的。我们还是拿机器人来举例。首先，在技术和产品还不成熟的情况下，2B是比较容易接受它的，第一就是价格。一个机器人价格可能是上万，现在还是产业的萌芽期，大家都知道，只有量上去，价格才能下来，但现在量没上去，所以价格都还很贵。这时只有B端才会接受你的产品，因为企业会计算机器人可替代的人力成本，能节约成本企业就能接受。但C端是不行的。首先消费者对价格的敏感度就不一样。其次，2B现在基本都是“人+机器”的模式，机器是辅助人工的，既能帮助企业降低成本，生产或工作的难度又被大大降低了，这也使得企业服务类机器人更容易走向商用。

另外，2B的产品目标单一，一种产品就为了一种作用，比如星巴克就需要它做好咖啡送上来，这种单一目标是非常好实现的。但2C的产品，恨不得它什么都能做，能唱歌，能跳舞，最好还能点个外卖，这种要求太高了。

如果家庭消费类的机器人，真正能够实现价格可接受范围内的商用，那么这肯定是一块很大的市场。但现在而言，还是太早了。

BAT都在布局人工智能，特别是百度。其实搜索引擎本身就是人工智能的应用，但百度现在最大的动作，还是无人驾驶。自动驾驶是我们在人工智能领域看得最清晰的，它是潜在的、更大的趋势。这将是规模达千亿、万亿的大市场，尤其是对于百度这类大型公司而言，意义重大。

在未来，百度一定会去做滴滴的事情。

打个比方，现在的车厂，比如宝马、奔驰等，就相当于现在的手机制造商。做自动驾驶的公司，相当于安卓操作系统。但这还不行，你要想打电话，还缺乏一个中国移动这类的运营公司。Uber或滴滴等，就相当于这个运营商的角色。但他们都不会甘心只在自己这个层面做。

如果说现在中国每年汽车产销量是2000万台，那自动驾驶普及后，可能每年只生产出几百万台就够了。因为一旦自动驾驶普及了之后，按需用车将成为趋势，大部分消费者不会再买汽车了。未来的行业格局一定是，无论车厂也好，自动驾驶解决方案提供商也好，都将向出行服务转型。现在看是三个产业链，未来一定会整合在一起。

现在，滴滴和Uber都在内部研发自动驾驶，Uber的无人车已经上路，谷歌和百度也早已布局，在无人车领域发力。

尽管滴滴现在出行市场占有率高，但依靠自动驾驶技术的普及，百度想要逆转超越滴滴，并不复杂。滴滴现在的业务有双边网络效应：司机越多，乘客等待时间可能越短；乘客越多，司机空驶越少，两者会互相加强。而一旦自动驾驶开始流行，双边效应即将被打破，因为不需要司机端了。百度不缺流量，它完全可以从区域化做起。而且，自动驾驶来了后，服务成本将大大降低，推广力度可以加大。

百度的技术肯定更专业，而滴滴的优势是大数据。但它如果要做自动驾驶，现在的数据还不行，精度不够。如果要做，它得在汽车上加传感器才行。

对滴滴来说，自动驾驶是必须要做的事。如果没做好，10年后这个公司可能就被颠覆了。

什么时候开战，没那么快，但是5-10年内肯定会开打。这个趋势已经不难预测了，在美国，谷歌和Uber的相互渗透已经开始了。

至于自动驾驶的应用场景现在会从哪些领域开始？我认为，将会是限定场景下的2B业务，也就是说，先实现可控环境下的自动驾驶。比如说，高速公路货运，一定是先从这种领域开始。因为，货运中的高速行驶，路况简单，不涉及到乘客安全问题，安全可靠度更高。

现在中国，人工智能发展最大的制约是技术人才还比较稀缺。这也导致有技术背景的创业项目上来身价就很贵。长期来看，随着AI逐渐成熟，越来越多的框架开源，门槛会越来越低，人才也会越来越多。

但对于我们投资项目来说，由于我们主要投的是“人工智能+”，我们希望这个项目的团队，不仅要懂人工智能，还要懂行业。你得知道这个行业的痛点是什么，以及做出什么样的产品能够满足用户的需求，最终怎样能够卖出去。说白了，这必须得是个跨界的团队。

我现在感觉最大的问题是，很多团队空有一身武艺，却属于拿着锤子找钉子，不知道劲儿用在哪儿。你确实有很牛的铁锹，但是你没找到金矿，那没用。过去的中国，产品经理创业相对容易成功，他们最大的优势是懂用户需求，知道产品怎么快速验证、快速迭代。研发人员就可能会碰到一些软钉子，做的东西很好，但不知道用在哪儿，也不知道怎么赚钱。当然只懂行业也不行，你没有核心技术实力，没有能力把产品持续调优，未来就会失去长期竞争力。但这样“跨界”的团队并不好找，其中涉及到的可能是两个不同行业的人，同时大家在一起，相互磨合也是个挑战。

因此，我出手并不急。人工智能是个5-10年的机会。前半年，我哪怕只是学习，影响都不大。不像有些领域，机会窗口就那么窄，可能还有一年的机会，我费半天劲，把事情研究透了，到明年赛道就换了，这对我没价值。我宁可精耕细作一个赛道，步调稳一些，做长期打算，这样价值更高。

精彩文章

▼

➤如果你是创业者，欢迎发BP到我的邮箱：[email protected] 

➤如果你对浩哥的基金感兴趣，请通过[email protected]联系浩哥