题图：上海人工智能产业投资基金、临港科创投总经理吴巍
■按：
作为国内第一支省市级人工智能产业投资基金，上海人工智能产业投资基金在成立不到一年的时间里，已经投资了乐言科技、滴普科技、星药科技、来也科技、地平线等知名人工智能的企业。
那我们不禁好奇，作为一支国资背景、聚焦科技的产业投资基金，上海人工智能产业投资基金在投资布局和推动AI产业发展方面是怎么想、怎么做的？当前全球经济正处于新旧动能交替的时期，他们又是如何理解当前人工智能乃至整个科技创新的大机会？伴随着早期科技投资竞争越来越激烈，他们的策略、打法与创新又是什么？
前段时间，捕手志跟上海人工智能产业投资基金、临港科创投总经理吴巍有过一次深度长谈，她拥有15年全球一、二级市场投资经验，曾就职于HSBC伦敦总部投行部，先后担任全球最大商品对冲基金CliveCapitalLLP基金管理人、高盛商品指数创始管理人。此次对谈，吴巍分享了她对人工智能行业与早期科技投资的系统性思考，当中不乏许多充满智慧的言论，相信能给你带来启发。
作者/李曌
编辑/潘宇波
未经授权，谢绝转载！
一
AI投资的思考原点
李曌：每个人对AI的理解都不一样，有的投资人是从数智经济作为思考的原点出发投资，有的更多是从技术周期切换的原点思考的，作为AI方向的长期投资者，你对AI投资思考的原点是什么？
吴巍：可能和我过往的宏观策略投资工作经历有关。选择聚焦科技投资、AI投资，原点是对宏观经济中金融政策和市场供需的思考。
08年经济危机后，全球范围内的货币和财政刺激对需求提振的边际效率下降，宏观金融调控对经济复苏的效果不再立竿见影。虽然国内去产能、去库存的供给侧改革及时缓解了供需「量」的不平衡，但需求仍未被拉动。核心原因是供需的不平衡更多在于「质」的不平衡，所以解决这个问题的方法不是砍掉供给，而是重新定义新产品，以此激发新需求。
重新定义产品的机会来自于科技的应用。当前中国已经到了通过科技重构产业、提升效率的时期，这是未来中国的大趋势，它解决的不是某一个产业问题，而是整个国家产业结构迁移和未来竞争力的问题。
我们在16年发起上海第一支智能制造基金时就在思考，能改变制造业底层的是两件事情：新材料和数字化。我们非常看好通过物理世界与虚拟世界连接而形成超级节点的数智化转型，在这过程中AI是名副其实的「明珠」，基于数据的高效决策将帮助产业实现更快更好的连接，从而实现产业的协同效应。
李曌：从激发新需求的角度来看，大多数投资人会从产品、品牌端来切，但你们从科技来切，这样的布局更漫长也不显性，当时的思考是什么？
吴巍：一方面，我认为产品都有生命周期，简单的产品很难有壁垒，除非与人性有着密切关系，比如茅台、可乐。另一方面，通常大家都认可科技对于生产效率的提升，所谓降低成本，但其实汽车对于出行需求的激发、互联网和通信技术对于全球贸易的激发，科技都是核心的驱动力。
我常常举一个例子，再漂亮的杯子你不会买第二个，但如果喝一口水可以检测身体指标，你一定会买。科技的核心正是在于这种能够不断创造、定义新的产品、激发需求的能力。
李曌：在科技创新中，你把AI称为「超级节点」，放在了一个非常核心的位置。清华人工智能研究院张钹院士就曾经提到第一代AI和第二代AI概念，第一代AI由认知心理学家提出的，第二代AI是以深度学习为代表的统计学习理论与方法，你怎么思考第三代AI技术？是否与「超级节点」有关？
吴巍：第三代AI强调决策推理和认知智能，其实第二代AI是大数据小模型，但进入到第三代时要实现的目标是小数据大模型，并且模型能有迁移性，能在迁移过程中解决很多调试问题。要真正实现这个目标，首先要做的就是解决算法技术问题，比如可解释性、复杂决策、多模态博弈等。
虽然数字化转型中AI是明珠，但大家对AI最大的误解是将其视作一种通用型技术，认为它什么都能解决，实际上它目前还无法达到这样的效果。我们还处在一个感知智能为主的时代，AI需要基于大量和结构化的数据来解决问题，很难作为单一技术发挥作用。
技术的本质是技术的叠加，AI技术也一定也需要和5G、物联网、区块链等技术融合。年我在开LP大会的时候提出了三个问题：AI是单点技术还是通用型技术？技术是重构产业还是赋能产业？产品是否还存在，还是它只是流程？这是我关于第一个问题的思考。
李曌：技术重构产业如何理解？
吴巍：如果单点技术解决产业一个单点问题，可能就是十亿级公司，比如流水线上检测良率指标。如果技术解决产业赋能问题，它提高了效率，类似人脸识别技术企业应用在了安防等领域，是百亿级公司。如果技术解决的不是单点的数字化，而是带动一个产业上下游完成数字化变革，包括运输数字化、生产数字化、营销数字化等，就做到了技术重构产业，那么这家公司就有可能成为千亿级公司。
李曌：为什么现在有了千亿级公司出现的机会？
吴巍：互联网与移动互联网带来人货场的重构，根据消费者需求定义产品成为了竞争的关键，而不再是以前的生产端定义产品与渠道端定义产品。企业能够通过用户数据快速组织小规模生产，再根据售卖效果重新设计产品，形成数据闭环。最后达到一种状态是生产制造流程被颠覆，当数据足够充分，甚至软件可以定义产品。
李曌：如果按你所说，软件可以定义产品其实已经回答了你的第三个问题，能够高效定义产品的流程将成为企业的核心竞争力，而产品则是流程的自然产物。那如果要实现这样一个过程，你认为需要什么前提条件？
吴巍：软件定义产品的第一个前提是要极度满足消费者需求，这种需求是定制化、成本和产品研发速度的平衡，所以前端数据要丰富，后端生产体系要灵活变化；第二个条件是要将行业的经验与方法论沉淀成可追溯、可复制的数据，过去中国不沉淀Know-How，很多行业都是手艺，靠师徒制复制，所以中国至今还没有真正一个行业完成数字化。
AI商业化的难点之一，是它作为一种连接型的技术，需要与现有的流程和组织形态相结合。比如在工业场景中，因为生产流程不间断的特性，同时还要打通生产环节上下游的其他流程，对可靠性的要求就非常高。
而过去的流程都是围绕「人」作为决策点来设计的，当决策者变成AI的时候，涉及的流程调整和组织转型将会是另一重挑战。所以软件定义产品的概念，远非技术本身可以解决，里面还有很多行业和人性的东西，需要AI企业更有「智慧」。
李曌：产业数智化由于一开始聚焦在某点或某一产业，有着明显的天花板，大家为了突破天花板做了许多尝试，在路径规划上，你有什么建议？
吴巍：无论做什么行业，选择什么路径，都要沉淀和打磨产品，在提升产品化率的同时增加丰富度。如果选择了吃苦的策略，就要明白吃的苦一定要对未来产生价值。在任何点上，都要考虑在未来静态与动态的竞争格局当中，你的位置与安全边界。做垂直品类，要考虑上下游，未来受挤压后生存空间有多大，以及你的优劣势能否在产业里有一席之地。
其实中国有很多规模非常大的产业，只要数智化企业能够在所选择的领域做到真正有效的效率提升，帮助产业形成或加强全球竞争力，这个天花板会比原先想象的要高。
二
AI的现状与投资机会
李曌：正如你所说AI还停留在感知智能，需要大量数据，那你们如何观察它的投资机会？
吴巍：AI技术现在所处的阶段决定了它的商业模式是软件加服务。当定义AI是软件加服务后，我们要做的是如何提高它的产品化率，减少服务。
感知智能阶段，最大的问题是长尾效应。长尾效应我们分成三种：
第一种，无长尾效应，比如垃圾邮件的清扫只要用线性回归就能解决；第二种，全局性长尾效应，如果能够很好地定义一个「问题场景」，然后围绕长尾主动开发，将用于训练的局部数据变为全局数据的一个个切片，实现模型在一定程度上的迁移复用，实施的关键在于要将场景定义清楚，以及深厚的领域知识；
第三种，局部性长尾效应，问题没有表现出跨数据集的全局一致性，那么不同的解决方案就需要定制和不断调整，服务性很强，毛利低。
我认为全局性长尾效应的解决方案更具有投资价值：它定义好了场景，具备一定行业壁垒，同时能够做到模型收敛，不断提高产品化率，鉴于SaaS的边际成本为零，那它的拓张性与可增长空间就会变大。
李曌：的确，要真正用到人工智能做决策还要经过在线化、数字化、数据结构化后，才是智能化处理（人机协同）、决策（AI推动人机协同），很多人觉得还未到合适的Timing。
吴巍：我们不能等到时间节点到了再做，一定是在某些点上发生效率提升时进入，后面是一个点接着一个点发生演变，之后变成一个平台，最终实现一个产业链的演变。早期我们能看到数智化的公司都是在「点」上做事，边界并不清晰，各自相互渗透，当某个公司逐步把系统打通或调度完成后，形成一个产业生态圈，就会很有竞争力的。
回看年我们投资智能制造时，除了人脸识别与广告营销外，并没有看到特别好的标的，但到现在来看，一些行业已经涌出非常多的机会。
李曌：一些行业开始涌出非常多的机会，之所以发生这样变化的原因是什么？
吴巍：我觉得有三个变量：第一，回归到供需，需求已经到了相对瓶颈期，传统企业增速平缓，竞争同质化，公司有动力去变革从而获得更强的竞争力；第二，技术加快了产品定义的速度，比如新能源技术的研发，加速了汽车中信息模块和软件系统的迭代，产品定义的加快也会带来更多新技术的投入；第三，产品定义加快会提升整个供应商体系的进化速度，从而带动产业链发生深入变革。
李曌：如果没有海量结构化的数据，有没有办法解决AI场景的选择问题？
吴巍：有些场景可以通过知识图谱来解决数据问题；有些场景可以通过结构化的沉淀解决数据不够大的问题，也就是小数据大样本；还有些场景则可以通过模型来做迁移学习，后面只要做调参就能快速应用。
李曌：大量的数据掌握在大公司手中，陆奇也提到大家会认为大公司做AI更有优势，但我们又相信创新来自于边缘，所以什么样的环境和措施能让更多创业公司成功，使其不再成为大公司的专利？
吴巍：陆奇的观点与微软的经历相关，微软成功的核心在于底层开源生态的建设，能通过竞争让高质量的技术展现出来。一个科技创业公司，如果能建设起生态，并且技术人才都愿意在生态内活跃，那它的产品就是有竞争力的。我也了解有些头部公司在考虑做开源生态，它需要在某些底层上更为开放和活跃的，且这个趋势变得越来越明显。
另外一方面，我们看到其实大公司和创业企业之间也会自然形成一些分工。比如Amazon、Google、国内的阿里华为等云计算等厂商都开始提供平台性、模块化、可调用的AI工具，把大企业积累的AI能力转化为一种「服务」，向更多行业解决方案服务商、甚至传统企业输出。
这种「AI即服务」解决的是AI技术产业应用中相对标准化的部分，天然的更适合平台型的大公司；而越来越活跃的「边缘端」创新，则承接了现行AI商业模式中不那么标准化的部分。AI技术使用门槛的下降，为AI在各垂直领域的创新应用降低了成本，这也是一种生态形式。
李曌：你前面也提到数智化公司边界模糊，虽然看起来大家相互渗透局面很好，但你如何看待其带来的负面影响，比如无法形成完整的生态。
吴巍：产业是由竞争推动的，竞争只有在一定阶段稳定，但却无法定义什么才是好的体系，只要是平衡状态就是一个合适的体系。
我们看到现阶段更多是AI企业之间的竞争，是产品和产品之间在打价值战，也看到比较热门的赛道里产品会互相渗透，这里开始有小规模的并购整合，也有联盟式的联合研发，在需要生态的领域已经开始慢慢形成了小气候。有竞争才能让后端有动力为做数字化转型而努力，否则在旧有的体系里做很难创新。
李曌：产业的竞争也是不断拉高科技公司估值的原因，不少人也担心高估值科技公司的退出问题。
吴巍：首先，科技企业并不会一家独大，相比互联网模式企业，有一定技术壁垒和价值。所以科技企业的份额流动性相比互联网模式型的企业更好，哪怕投得早也有退出机会，取决于你想在什么时间节点退出。
而且近年来由于国际形势和国内的政策，其实是非常鼓励科技创新的，过去资本不太愿意去投早期的技术型企业，因为从产品到打进工业体系到最终实现销售非常漫长，后端产业更愿意去使用国外大企业的成熟方案。
但是现在，国内科技企业只要技术和产品迭代能力强，后端产业会非常乐意去尝试和应用，甚至主动配合测试，进入产业的周期大大缩短了。再加上科创板制度性的支持，整体退出预期会更乐观一点。
其次，现在新旧产能在转化，二级市场还没有可投AI标的，如果我们进入到产业结构转型，后端企业对于数智化企业的需求是存在的。美国80%以上的科技企业是被CVC收购退出，而中国过去都是IPO退出，产业并购、CVC市场的潜力在国内是巨大的。
李曌：那如何给AI公司估值？
吴巍：从传统的估值体系出发即从未来现金流推算估值是不够的，还需要回归到商业价值本身，同时给到一些适当溢价。
前期我们确实发现AI公司有概念溢价的情况，所以我们内部会有一套基于技术应用的合理性和成长性的估值评价体系，当公司一旦把产品化率提升突破后，我们会评价突破性带来的指标，比如公司产品的软件性是不是在提高，服务性是不是在降低，这是有一个拐点的，各个机构的判定都不一样。
当然，每家公司管理层都会给到营收预计，但这有很大的不确定性，甚至有时候公司所在的阶段核心不是营收而是打磨产品，那么这个阶段对公司价值的判断的核心就不应该是营收或营收的增长，而是公司是否在把项目经验模块化、是否能够形成数据闭环，来更有效地解决下一个客户的问题，最终在成本和效率上形成竞争壁垒。这是战略机遇、财务确定性与估值之间的思考和博弈，不仅是投资机构，创业公司也要思考取舍。
另外，如果某些公司在提供技术服务之外，还能够更加深入产业链，重新定义生产关系和规则的，这些公司会估值方式又会很不一样，当然这也会是一条更长更难的道路。
李曌：AI企业发展的周期，是否与其他产业有所不同？
吴巍：在我看来会是技术发展阶段不同，因为产业链的发展过程是有自身的节奏，需要上下游之间协同发生变化，并且单点的技术能开始突破、应用并相互结合，才能带动产业发展。
所以我们的投资策略是看清终局，领先行业半步。在具体落地上，我们投资两端，前端投资核心新兴技术，如芯片、传感器，后端投资技术重构产业的机会；往两个方向走：一个是往底层走，一个是往ToC走。往底层走是因为在技术重构产业的早期，各种解决方案还在相互较量，城池壁垒还没界定，而往ToC走是因为如果通过软件来定义产品，那么能掌握C端数据能够理解C端，就会有竞争力。
三
技术到产品与产品到产业
李曌：你目前认为AI方向的创业者犯的最普遍问题是什么？
吴巍：AI创业者首先要找市场在哪里，不能自己闭门造车，要与市场、产业链磨合，磨出来的产品才是市场需要的产品，能精准抓住需求，而不是仅从技术出发做产品。
李曌：两三年前我问AI方向的投资人，有的人会觉得痛苦，因为以前在其他领域都是有问题去找解决方案，在AI领域却是解决方案去找问题，相当于拿着锤子找钉子。近年AI行业是否已经发生了变化？
吴巍：相较过去，现在少了一些浮躁，当时的确有技术是功能锤，后来发现你没有数据基础，很难锤下去。现在做投资也好创业也好，大家会把其中的要素想得更清楚。
李曌：这个要素是指什么？
吴巍：首先产品体验上的差异性，对于产品的领先性用户要有真切的体感；其次就是技术到产品的途径及其长短，产业链条是如何的，是简单的赋能还是重构，这决定了你需要的资源和突破点是不一样的。
李曌：当前围绕AI方向有很多热门问题，这当中有没有令你困惑的问题？
吴巍：有挺多的，其中一个是我比较