逃离 AI 赛道的投资人:做局失利、破局无力
创业者 VS 投资人 ,一场 围绕 “局 ” 展开的觉醒、 背叛和冲突。
作者 | 杨丽
编辑 | 王亚峰
1
“中国早期的VC圈像巨婴国”
“国内早些时候的风投圈,像是一个巨婴国。”一位退隐江湖的知名投资人任天扬(化名)向雷锋网感慨道。
这个圈子表面风光无限,剥开皮瓤都没熟透:缺少独立思想、模仿抄袭、乱搅行业、长不大……
唯独靠时代红利,赚的盆满钵满。
大家投移动互联网时,盛行的投资逻辑叫押赛道。
何为押赛道?说好听些就是判断出前景不错的方向,投资大量公司,几十个矮子中成一将军,便可把风险对冲掉,还能获得千百倍回报。
“但押赛道说句难听话,不过是看到欧美哪些企业增长迅猛,照猫画虎投几家有着美国企业影子的中国公司,和抄袭无异。”任天扬笑着说。
那时候的投资逻辑,和深度学习的技术原理相似。
设定好目标,采集大量相似样本(项目),加大算力(资金),暴力试错,最后等待一个最优结果出来。
“你说它中间有什么技术含量吗,有是有,但没什么难度,唯一的含量就在调参。在投资上,调参就是做局。”
压赛道式投资,马太效应严重,赢者只有少数人。
直到2016年阿尔法狗出世后,局面大变。
某种程度上讲,AI投融资,应该是国内VC第一次表现得不那么像巨婴的领域。
欧美至今未出现过互联网般成功的AI投资案例。
而国内投资人在没有任何参考坐标的前提下,毅然进入这个领域,掏出全球最多的2000亿去重仓AI。
“往好里想,国内这一批VC不再是巨婴,能勇敢地踏入无人区,并且形成了一套领先世界的AI投资方法论。投资人们也能真正下沉到田地里,去了解传统产业,去学习技术。这非常好。”
“以前的投资人是财务专家、做局专家、运气专家,现在不得不先成为行业专家。”
但坏事是,这次果敢行为背后的试错代价,过于巨大:企业死伤无数、欺骗者无数、投资人和企业之间的矛盾无数……
甚至一度让部分投资合伙人发誓永久性退出人工智能领域。
什么原因?
技术不成熟?产品不落地?赚不了钱?
是,也不全是,上面三个原因只是表象,人人都能以此津津乐道,谈出个所以然。
但背后的本质是“投资人做局”和“创业者破局”的失利。前者在给后者做局,后者觉醒后不断在破前者做的局。
2
受伤的投资人:做了个大局,投了个寂寞
什么是做局?
这个充满东方智慧和神秘色彩的词汇,经常出现在北京创投圈里。
局,简单来说,就是身边各种资源之间相互关联和作用的一个场景。管理学家宁向东曾总结,人只要想做事,就会发现自己处在一个“局”里。
身边包围的所有资源,都跟你有了关系。有些资源支持你,是“正资源”。
有些资源阻拦你,是“负资源”。
人或企业,之所以被困在一个局里,就是拦你的负资源太多,冲不出去。想办法移走负资源,冲出围城,就叫“破局”。
而一个投资人特意给被投企业和其他投资人,部署一定比例的正、负资源,让企业按照自己的意思走,这是“做局”。
破局本质上是改变资源的性质,让负的变成正的。
投资人做的局,看似给企业布了很多正资源,但在企业的真实发展道路上,可能是“负资源”。
投资人做局:不是你想成为什么,而是我想让你成为什么?
早期,一批刚毕业不久的名校AI博士们,凭借良好的学术背景和大好时代,进入到投资人的视线。
在投资人眼中,自己好比是艺术家杜尚。
只要时代发展足够快,他们给一个物品或一个人,赋予一段故事,一个符号,就能成为无价的艺术品。哪怕是一个小便池。
杜尚经典作品《泉》
AI纵使有着无比巨大的市场。
可寻找AI宝藏的路径,没有人知道。每走错一步,都要绕不少弯路。
投资人寻宝的方式依旧沿用了互联网的方法论,形成“低成本复制的规模化”效应。
于是事先预设好目标,根据故事所需的资源,进行资源整合和资源设计,开启做局之路。
“由于只懂技术的年轻创业者,并不懂得如何在AI商业世界行走。所以混迹江湖多年的投资人们,自以为很聪明,把手伸的无比长,主导着公司的战略和节奏。”创业者高松(化名)告诉雷锋网。
最早期,投资人一致认为AI是个高科技产业,围绕技术大牛来做局,是企业破局的关键。
于是把自己投的很大一笔钱,用在招募大牌科学家上,另一部分钱,把有着学术背景的创始人进行包装。
雷锋网《AI冰与火》系列上一篇文章《 AI人才越来越不值钱了吗 》中详细分析过,AI科学家其实和互联网大厂,有着天然的耦合性。
但在中小企业和传统IT企业,引入AI科学家所带来的组织矛盾隐患,些许时候要比他能解决的实际业务问题的价值更大。
但错误并不在AI科学家身上,而在大部分企业并不具备消化科学家的组织能力。
讲科学家故事的悖论
那个时期的创业者和投资人,都对AI科学家有着过分的期望和神化,默认有他们驻场,任何目标都可实现,毕竟这批科学家已在细分学术领地里完成过其他人无法实现的成果。
但这时候,出现了两个问题。
一是投资人并不能很好的判断,哪些人是优秀科学家。
做局选错主角,后患无穷。
“个别公司引入了三流学者,对外却吹着超一流的牛,全然不知把自己置身于大型打脸现场。而这些不入流的学者在企业吹捧下,会潜移默化地把自己当大师。被同行冷落后,还厚着脸说,我和那帮整天写论文的人有别,我是实干派。”多位学者向雷锋网批评了当下的风气。
不少学者进入工业界后,在高薪资、高话语权、高频吹捧后,变得盲目自大,自我认知障碍。
“有些人完全不知,自己处于一个投资人设计的局里,这个局中,你不过是一个符号,一枚棋子。从公司经营角度讲,多数公司用不着科学家。但有些自大的科学家被捧起来后,又偏偏喜欢刷存在感。高高在上地怼业务部和工程部的高管。自己做不好的事,总认为是业务部给的数据不够,质量不高,配备的人手不行。让公司乌烟瘴气。”
可笑的是,一些所谓的科学家离职后,CEO和投资人才后知后觉反应过来问询圈内人,自己家的科学家到底什么水平。
“还是有那么些企业,在欺世盗名的三流科学家身上栽了跟头的。没栽跟头的企业,做局做的也挺痛苦。”
找到货真价实一流科学家的企业,在庆幸之余,要面临一个难题:怎么用他。
“如果你想让他们帮客户解决实际业务问题,可行性并不高。同时能在学术、工程、产品领域有杰出实战能力的企业科学家,在国内甚至都不超过五个。同样是IEEE Fellow级专家,有些人能拿到三、四千万的年薪,有些几百万,这就是差距。前者真的是凤毛麟角。”一供职于大厂的IEEE Fellow告诉雷锋网。
那怎么办?用于务虚。
只要把明星科学家和明星创业团队的故事讲圆,下一轮会有VC愿意为之买单。
这种手法,在2016年-2018年间效果显著,企业只要把科学家的故事讲好,融资不成问题。
VC尝到甜头后,亲自出马,为所投企业,找FA,约投资人,为下一轮融资画饼造星,同时费尽心思拉拢明星投资人上船。
而被拉拢的明星投资人,也成了局的一部分,能够号召更多人入局。
最后,AI投资成了一场局中局,杠杆撬杠杆,不断循环。
局的尽头还是局。
看不到产品,也不见商业化。
3
创业者冲不破投资人做的局
过高的估值迫使创业者不得不做看似很有想象空间,但又异常形而上的产品和技术,以便支撑下一轮的好故事和高估值。
创业者在不断成长,他们愈发对投资者做的局中局感到不安。
于是想破掉投资者的局,专注真正符合当下商业规律的事情,撸起袖子,挽起裤腿,承接不再高大上的业务,先成外包,成为集成商,去赚些钱。虽很土,收效甚微,但每一步都无比踏实。
当AI创业者真正踏入到局外的土地时,被两股力量挡在了前面。
“一股是投资人,自己辛辛苦苦做的高大上的局,就这么给埋汰了。另一股是行业里的老牌玩家,扎根很深,很难撼动。”一位切身做过局的AI投资人讲述道。
那怎么办,企业祭出两套方法论:一是田忌赛马,二是师夷长技以制夷。
田忌赛马,用自己的长处对别人的短处,拿自己的最短处,成为别人长处的炮灰。
新兴AI公司相比老牌厂商的优势是什么?很多人说是技术。
不全对,而是高成本优势。
很多人不能理解,高成本何时成了优势?
传统IT公司在ToB/G市场的成功,简单来说,就是把“成本三低”做到了极致:
-
平均人力成本低
-
运营成本和销售成本低
-
产量扩大后的边际成本低
大型IT公司之所以能在定制化赛道里存活,很大部分原因在于人效的极致追求,说得不好听,就是用更低的成本,去省出更多的利润空间。
而AI公司的高成本打法,单从获客角度来说,颇有好处。
一套造价昂贵的系统以白菜价出售,客户新鲜感一来,自然会一试。毕竟AI公司们名声响亮,科技感十足,也能提升自己的技术形象。
AI公司的这种手段,早期卓有成效,收获了第一批客户,也成了他们出去吹案例的资本,但现实情况多是饮鸩止渴。
“AI某小龙,曾为了拿下客户,给销售的激励是每谈下一家公安,就给他发一百万的奖金。于是销售们疯狂地推,不管产品是否好用,不管产品单价是否过于便宜,只要能占一个坑,就是成功。”业内人向雷锋网爆料。
像极了互联网的补贴大战手段。
“高昂的人力成本、研发成本、销售成本、运营成本,每一处成本,肉眼可见远高于老牌IT企业。连自身都做不好降本增效,给别人降什么本增什么效?”集成商项目负责人李成告诉雷锋网。
AI公司把互联网的作风带到传统行业,早期也曾让海康这类老牌公司焦虑过。
海康高管曾讲过一句非常经典的话:我们做不了用1块赚100块的生意,但在用1块赚1块的生意上,没有人能做得过我们。
而这一次,以海康为代表的老牌公司,陷入了迷茫。
“这不是不按套路出牌,而是直接乱出牌,这波操作直接把我们这波老IT人给干懵了。”海康一区域销售负责人笑道。
“虽然AI公司体量都不大,但如果十几二十家公司都这么玩,而且有资本势力撑着,说不准行业里能烧出来个滴滴、美团这样的公司。当时我们确实有担忧,也在思考要不要顺着他们的套路一起下水。”
然而就在老牌IT企业,流纠结入不入场的时候,做局的投资人,按捺不住了。
“眼看自己投的钱,大把花在不是他想要的地方上,哪个投资人不着急?”一位有着切身体会的投资人谈道。
投资人原本想做用一块赚一百块的生意,而AI公司做着花三块只收回来一块的买卖。
虽然一块赚一百很难,但至少和买彩票一样,投入可控,还能买个好盼头。
“投资嘛,本身就是一场赌博。”
如果按现在这样高成本的烧,那就是个没有想象空间的无底洞。
“很多投资人反感被投企业做比较重的项目,认为这样走下去顶多能发展成个集成商,虽营收可观,但无法撑起估值,上市非常困难,投资回报率极低。”
所以每当企业的动作有些许变形,投资人们就把手伸入至战略、管理 、人事、财务、公关当中,控制企业走向。
两种经营理念的冲突,在2018年左右开始爆发了。
爆发的结果是,那些没有说服投资人的公司,干脆死在路上,成了第一批炮灰。
而说服了投资人的公司,走向更激进的道路:师夷长技以质疑,做大厂最擅长的硬件。
AI企业自知关公面前耍大刀不可取,但走到这一步,不得不做。
以AI四小龙们为例,做硬件有一合理之处,可让硬件更适配算法,提高产品的综合性能,自主可控。
可弊端是,如果硬件只自给自足,产量显然无法做大,生产成本压根降不下来。
何解?于是先生产一大批摄像机,满足自用后,再找经销商和代理商帮他们去销售剩下的摄像机。
“这就属于不合情了,在太岁爷头上动上了土。出来卖要低调,和经销商一起悄悄赚些小钱,大家都睁只眼闭只眼。关键是,你一边卖一边肆无忌惮的喊着要颠覆人家。”一经销商老板吐槽。
“AI公司高调的做法,给我们这些渠道商带来了不少压力,我们的大客户都是老牌头部公司,如果AI公司叫嚣的很大声,会迫使渠道商不得不站队。我们肯定站在大客户这一边,所以只能把AI公司的单子放弃掉。”经销商爆料说,“某小龙至今压着小几亿的货卖不出去,传统产业,讲究个人情世故,大家都容不得高调的人跳出来捣乱。”
AI公司万万没想到,跳出投资人设计的局之后,又跌落至老牌玩家的死局中。
老玩家们趟坑二十几年才扛过来,初出茅庐的创业者显然很难从泥潭从轻松抽离。
而此时,公司内部也在两种局的拉扯中,陷入自己的困局里。
两种局的背后,是这两种经营文化,一种是资本导向的经营逻辑,一种是实打实业务导向的经营逻辑。两者并不兼容。
当两种文化冲突愈发激烈时,派系便会形成,内耗会加重。
这也是引发第二批AI公司死亡的重要原因。
而活着的公司,投资人眼看做了五六年的局,不见开花结果,不得不揠苗助长,把企业推向了似乎更为艰难的IPO之路。
走在十字路口的投资人和创业者,到底该如何达成共识,双双破局?
4
投资人和创业者破局的第一性原理
AI公司的来回拉扯,缘由商业目标的不清晰。
“目标不清晰带来的后果是迈出的步子,分成了两种极端:要么搞浮夸的形而上,只见开花不见果;要么跟风老牌企业曾经验证过的步伐,蜗牛行走。”高松回忆起了那段艰难的创业往事。
两种选择,都有问题。
在《 AI商业模式的脱靶、崩塌、救赎 》一文中,我们深入分析了未来商业模式的三种范式:
-
范式一:重定制集成项目实施→ 数字化咨询 → 咨询业务反哺重定制实施 → 与大型客户建立高粘性和系统不可替代性
-
范式二:重定制集成项目实施 → 进入非标市场的标准市场(AI芯片、自动驾驶) → 形成标准化产品 → 低成本规模化复制
-
范式三:做AI开源工具,占位国产化高地。
除此之外,人工智能的商业模式路径也可分为四个象限:分别是向下、向上,向前和向后。
向下做重、向上做轻、向前咨询、向后运营
向下,现在90%的AI公司走的模式,即客户需要什么,便提供什么,做高定制的软硬一体解决方案。
这条道路最稳健,虽没什么利润,但营收数字勉强糊口。只不过缺少大的想象空间,30亿市值是第一道天花板。
要突破30亿的天花板,需从定制化的方案中,凝聚抽离出通用的中间件产品。
这条路最需要的就是时间和耐心。 SAP花了二十多年才走通,从大客定制,不断剥离,让自己成为一家纯软件企业。 为此,在二十多年的标准化过程中,还设计出ABAP低代码语言,并且建立起了战略/IT咨询、集成、部署、数据清洗、运维等第三方合作生态,去让自己的标准化软件,有生态去支撑落地。
标准化的过程,从来没有一蹴而就过,时间和技术的投入,充分且必要。国内的投资人是否能够等待二十年?
向上,进入标准化、可规模化复制的领域,比如芯片、开源框架、小微SaaS等,前两项想象空间很大,但难度颇大,风险指数更高。而创业公司在国内做小微SaaS,短时间内来看是个伪命题,头部厂商顶着投资人压力不得不做大客,能说明第一定问题。
这两条道路,是绝大多数企业布局和VC投资的象限。
而向前和向后,鲜有人问津。
向前,则是数字化咨询,从顶层设计出发,反哺解决方案的实施,这一方向,金融和零售领域已出现了一些吃螃蟹者。当然目前中小企业提供的咨询服务,多数在亏钱。但这里咨询的重点,在于对数字化解决方案实施的反哺,而非咨询本身。
向后,则是当前AI行业缺少运营服务商的角色。好比老牌硬件公司是地产开发商,AI软件企业是装修公司,但现在AI行业唯独缺少第三方物业公司,这一模式,雷锋网将在未来的文章中展开讲述。
咨询和运营服务,既不会过重,也不会太轻,离客户很近, 且合规性较高。
尤其当今的环境下,一种模式能否做大,很多时候取决于领域本身合规属性的高低。
过去AI最赚钱的两个方向,其一是安防,其二是数据服务。
前者很好理解,涉及到硬件采买,营收额自然高于所有行业,但没有利润。
第二种则是数据服务,模式最轻且营收可观,通过联合多个三方数据机构,做脱敏数据服务的买卖,以兜售用户信用评分卡、用户标签等形式,获得ROI远高于技术实施带来的收益。
这两种模式有个共同的特征,便是在合规的标准线上游走,一种是隐私信息的使用,另一种是脱敏隐私信息的间接买卖。
随着数据安全法的逐步落实,风险指数高的领域,定时炸弹随时会在部分企业头上引爆。 更多内容,可关注雷锋网持续发布的《数据安全隐私计算·五问》和雷锋网在Bilibili上的视频节目。
避开一部分可以预见的高风险,是风险投资的基础。
回到向前咨询和向后运营的模式。
“这两赛道不仅相对安全,而且咨询和运营两赛道跑出新晋独角兽的概率很大。”任天扬也强调到,未来赛道里还会催生出一批押赛道的VC,一家机构同时投资多家竞品企业。
“AI投资人要局气,不要鸡贼”
“面对这类鸡贼的VC,创业者要敬而远之。SAP花了二十年才成为了标准化软件公司,人工智能和企业服务都是一条漫长且成功率颇低的道路,需要创与投之间十年如一日互相信任,互相陪伴,相濡以沫,为你带来更多的客户和合作伙伴,而不单纯是财务投资。”
AI领域如同打牌,多数投资人手中都是烂牌。
当投资人没有运气摊到好牌时,能做的只有尽可能地做好局部优化,把自己的烂牌,每一步打得比其他人的烂牌好那么一点点。
AI投资人要局气,也有创业精神和企业家精神。
无论手中有什么牌,都会坚持进行资源调配,在其他牌手都弃牌或没耐心的情况下,坚持把牌打完,哪怕不是第一名,也一定能有自己的位置,获得可观的回报。
如果你是局气的投资者,或想成为这样的投资人,希望我们可以在第二期《AI冰与火系列·五问》中见面,一同为行业提供有价值的信息和投融资服务。
本期《AI冰与火之歌·五问》已正式完结,感谢各位关注。第二期正在筹备中,详情可咨询总策划人王亚峰,微信 wangyafeng123456
最后,12月9日-11日,雷锋网将在深圳承办第六届GAIR全球人工智能与机器人大会。
这是一场熬过第一轮AI冰与火洗礼后的AI企业的盛宴。第二轮的洗礼,我们该如何破局?或许能在这个国内最长久的AI产学融合大会中,找到启发。点击阅读原文查看更多大会信息及报名参会。
由于微信公众号试行乱序推送,您可能不再能准时收到AI科技评论的推送。为了第一时间收到AI科技评论的报道, 请将“ AI科技评论 ”设为 星标账号 ,以及常点文末右下角的“ 在看 ”。
- Bengio 终于换演讲题目了!生成式主动学习如何让科学实验从寻找“一个分子”变为寻找“一类分子”?
- 中科院自动化所副所长刘成林教授:模式识别,从初级感知到高级认知
- 独家 | 对话陈云霁:深度学习处理器之外,用人工智能指导芯片设计也渐成趋势
- 聚焦基础科研:九坤-IDEA联合实验室正式成立
- 上海交通大学过敏意:面向城市治理的图智能分析框架
- 深究「同质化」论文!三大悖论显示科学机构亲自为创新研究戴上「镣铐」
- UC伯克利发现「没有免费午餐定理」加强版:每个神经网络,都是一个高维向量
- 想征服精密光学的AI团队,差点被一个隐形二维码拦住
- 小数据,大前景 !美国智库最新报告:长期被忽略的小数据人工智能潜力不可估量
- 麻省理工最新研究:血虐人类玩家的RL智能体,在纸牌游戏中从最强对手变成“猪队友”
- ICLR 2022出现抄袭论文 | reddit 网友热议:迷惑行为?
- 用AI取代SGD?无需训练ResNet-50,AI秒级预测全部2400万个参数,准确率60% | NeurIPS 2021
- 关注数据而不是模型:我是如何赢得吴恩达首届 Data-centric AI 竞赛的
- 重读十年经典论文,我在b站竟磕起“大神”李沐的深度学习“系列剧”
- 佐治亚理工学院发文:不要迷信可解释性,小心被误导
- 逃离 AI 赛道的投资人:做局失利、破局无力
- 登顶CLUE榜单,腾讯云小微与腾讯AI Lab联合团队提出基于知识的中文预训练模型
- 虚拟在左,真实在右:德国学者用AI合成一亿像素逼真3D图像,可任意旋转
- StyleGAN3问世,等变性perfect!皮肤、毛发不再粘屏幕,还能360度旋转 | 已开源
- ACM与IEEE双Fellow、华人女计算机科学家周以真:可信 AI,未来可期