线性资本王淮：对科技创新范式的新思考 |捕手志

■ 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

理解技术发展的规律

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。

寻找「灰科技」商业化的机会

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。我们认为政策导向会分为两种：一种正向的推动产业数字化，帮助企业有效提升业务效率，这个就值得做、值得投；另一种属于「面子工程」，恰恰会阻碍产业发展，无法让企业形成完整商业模式，这种情况下，我们一般会选择离商业化落地较远的项目。

但这里面也会有一个问题，就是认知层面，你要持续坚信在线化、数字化，比如五年前，电子签名在中国工商那里是不被承认的，但如果你相信这种数字化带来的价值，你就应该早下注。

其次，产业人士对事物认知，需要长时间的潜移默化，政策只能做产业加速，但认知不会根据政策而发生特别大的变化，我们要尊重产业变化的原生规律，除非有黑天鹅的发生。

举个例子：工业领域，中国工业流程自动化、机器化做得非常好，但工序之间还是需要人来做衔接工作，我们一直认为工序之间的去人化可能还有三到四年的时间，结果因为疫情变成了一年。

再者，切入点的变化。创业者和投资人还要了解产业哪里是最好的落脚点，解决的核心问题又是什么，因为不同的生态遇到的问题也是不同，所以我觉得寻找到产业里面的切入点或者落脚点非常关键，抛开切入点谈产业变革适合后期的产业整合投资，而非早期投资，早期投资一定要找单点切入。

最后，从产业的角度看，很多产业处在焦虑的状态，这是一个很值得抓住的机会。不过这里机会也要区分，如果对方不急着赚钱，你的技术再先进，在一个躺着赚钱的行业，想对它进行技术赋能是不可能的，但是现在，越来越多的产业难赚钱，越来越多人想通过技术来增收提效降本，如果能够从这个角度跟产业沟通，是有机会打动产业中的焦虑者的。

这是我们这么多年做科技投资的一些深刻体会，有想法的人很多，但把想法变成一家长治久安的公司却很少。

现如今，随着科技与产业的不断融合、市场的不断扩大以及优质创业者的不断增加，科技的「上山下乡」迎来新的拐点和爆发，也让越来越多优秀创业者开始试水，所以，最后站在投资人的角度给大家分享一下我们一般从哪些维度来看项目：

在技术上，目前灰科技我们主要看以AI、大数据、机器人、AR为代表的新技术；在方向上，科技要「上山下乡」，所谓「上山下乡」是指了解行业、产业的真实情况，比如AI与工业、农业等方向的结合；在财务上，我们注重20倍的回报或者至少一亿美金；

在团队上，我们希望创始人既能脚踏实地又能仰望星空。首先，要懂技术，我们非常在意这一点，技术人的商业化要大于商业人的技术化；其次要懂行业，具有较强的学习能力；

之后，要会销售，有了好的技术、好的产品，要学会把产品以客户能听懂的语言卖给他/她，不仅如此，客户还会有各种问题，需要提供服务和支持，这些东西都是原来纯做技术的人想不到的，因此要求团队人才多元化；最后，要学会商业化，学会从客户的角度看待问题跟产品，因为最终我们还是要卖东西给客户。

在发展的角度上，我们更喜欢长期目标够大、够远的公司；在估值上，我们从不觉得估值越低越好，我们的投资额度目标是能够帮它更上一层楼。

对于目前所谓的估值泡沫问题，我认为从来没有什么合理的估值体系，价格始终是围绕价值来上下波动的，在未来3年左右，市场估值都不会回归到合理性阶段。

但市场对项目判断是理性的，你是不是头部公司或者说潜在头部公司，需要你用产品、数据来说话，就像啤酒一样，虽然上面是泡沫，但下面是酒。所以，对于优质创业者来说，接下来的一、两年会是创业很好机会点，因为市场大热，至少会有三年资源红利。

总而言之，投资有时候还是会讲究缘分，有时候的错过可能是不得已，比如禾赛的A轮，就是因为我们当时基金规模太小，投资额度有限就错过了。

所以，投资会有一个好处就是让你的敬畏之心越来越强，既有捕获独角兽的欣喜，也会有与优质项目擦肩而过的痛苦，因此，你要不断的自我否定、自我迭代，同时和错误做朋友也非常重要，就像我最近一直就在提升自己对人的认知能力，学会对那些很内敛但学习能力极强的人保持持续关注，才能够看到他的成长和变化。

（作者：捕手志 ）

声明：本文由21财经客户端“南财号”平台入驻机构（自媒体）发布，不代表21财经客户端的观点和立场。