线性王淮：为什么现在需要的是“灰科技”？ | 甲子直播第五期回顾
我们永远认为，商业化问题次于价值创造问题。
第二期「甲子直播间」中，远望资本创始人、迅雷创始人程浩曾分享，to B行业实施有周期，成长必然是线性的。
而一家投资过太空挖矿、柔性外骨骼等黑科技的极客范投资机构却认为，真正的科技创新将带来非线性的、指数级增长机会。
这种坚定的乐观主义信念来自线性资本。
他们的Slogan非常有意思：Linear Path, Nonlinear Growth——线性的路径，非线性的增长。
4月23日，我们邀请到了线性资本创始人兼CEO王淮做客第五期「甲子直播间」，分享「黑科技的上山下乡」。
王淮认为，接下来的创新机会在于黑科技的“上山下乡”，即真正去解决产业问题，这就需要把黑科技变成“灰科技”，即那些好于现有方式10~100倍以上，且解决实际重要问题的黑科技。
王淮的经历非常传奇。2007年初，他拒绝了谷歌的橄榄枝，加入了当时只有130多名员工、创始人比自己还小两岁的Facebook，是公司第二位来自中国的工程师和第一位华人研发经理。
2014年9月，王淮创办线性资本，聚焦于数据智能以及前沿科技领域，主导过地平线、酷家乐、Rokid、神策等60多家科技企业的早期投资。
7年的投资经历中，线性一路陪伴这一领域从最初的高光环绕走到了扎实的落地探索。
本次分享的要点如下：
以下为王淮的分享实录：
1.黑科技不能太“黑”，要“灰”
很多业内人士对线性的印象是，投了很多类似起源太空这样在太空挖矿的黑科技企业，听起来很fancy（奇特）。
黑科技确实是我们的偏好，因为我们团队大多都是技术出身。但其实我们在投之前，已经对它们未来十年的形态做了预判。并且从终极目标倒推，哪一年需要什么样的里程碑？分别需要什么样的技术？技术的难点在哪里？……我们都做了很多深入的探讨。
线性在判断一个项目是否值得投资时，有一套自己的算法，这个算法基本上定义了线性的价值观。
第一个要素是data_based，必须要有数据。
第二个是AI_driven，人工智能驱动。数据需要可以被AI处理，并在有效处理后，获得可操作的洞察。
第三是commercially_applicable，获得的洞察能放到商业场景中去应用。
原来我们谈科技的商业化，大多是指比较fancy的商业应用场景，但是我们现在觉得，这种场景要土，越来越“土”。
“土”不是为了“土”，而是为了大，为了解决大家日常看到、用到的东西在生产、制造、流通上的问题。
所以，“黑科技”从学术的角度来看，要够“黑”；但当它要对物理世界、现实产生影响时，要“灰”。
如果单追求技术的酷炫，很难对现实产生效应。要让人觉得这技术够酷，同时能够产生实际效应、商业价值的东西，我们觉得，这技术应该要“灰”。这也体现了人类社会本身的复杂度。
这就是所谓的要“上山下乡”，要进入具体的产业问题中。
“黑科技”，“黑”的程度和类型是不一样的。我们把黑科技分了三个类别。
第一，自动化。
自动化就是解决方案中的简单重复。所有的数据收集，和基于数据的总结分析工作，都是可以被自动化的，替代的是体力活动，就像自动售货机一样。
自动化这类黑科技，在数据AI改造行业的类型中，属于low hanging fruits（可轻易实现的目标），是非常值得去抓住的。线性资本投过的神策、酷家乐、观远，它们的很多早期技术应用都处在这一类。
第二，智能化。
智能化和自动化的最大区别是，想去自动化的部分存在概率问题，是需要去判断的。我们投的地平线、智领云、帷幄都在尝试让insights（洞察）的挖掘变得自动化。
人做判断时，依赖的是在过往实践中积累的经验，和其在脑海中形成的模型。智能化的过程，就是把人的经验和判断模型自动化。
最厉害的专家，连续工作24小时，效率也必定会急剧下降。而在智能化的过程当中，这一切是可控、可持续的，可以做到高质量、低成本，并且能够处理更复杂的场景。
第三，融合化。
以前大家谈黑科技时，只提数据和AI。但我们越来越希望AI能够跟场景领域的科技产生融合。比如，与机械臂结合，与生物结合，从而产生单单一种黑科技无法所获取的效果。
那灰科技该如何来定义？
用一句话来解释，就是好于现有方式10~100倍以上，解决实际重要问题的黑科技。
我们投的酷家乐，能够让设计、渲染达到100倍的效率提升。原来需要几个小时到几天时间才可以拿到的家装设计效果图，现在只需要7秒钟。这就是灰科技落地在体验上给人带来的巨大差异。
灰科技需要具备三个属性，才能被称之为“有效”，一是“好于现有方式10~100倍以上”的效果，能否作用于行业。
很多人存疑，线性投的这些黑科技怎么赚钱。
“怎么赚钱”被我们放在思考的最后一步，但我们非常关心这个问题之前的一步——灰科技解决的问题有没有价值？
家装图纸的设计时间从72个小时缩短为7秒钟，这是不是有意义？客户对这种灰科技有没有需求？这是不是能够帮到很多设计公司获得更多的业务？能不能帮客户产生竞争上的差异化？这是我们非常关心的。
我们永远认为，商业化问题次于价值创造问题。谁付钱，付多少钱，这些商业化问题是比较容易探讨的。但是如果没有源自灰科技的体验差距，没有10~100倍的效率提升，直接谈赚钱，没有意义。
中国过去10年的商业模式创新风生水起，但它们在科技改造行业的过程中是有问题的。一定得把效率、价值问题放在前面，再去讨论价格问题。
第二，灰科技要基于大数据，并高于大数据。
量大是对大数据的最基本要求，大数据还需要具备全面性。
在犯罪现场，如果只拍受害者的照片，却没有一张照片去描述周边犯罪现场场景，即使数据高达几十TB，也是远远不够的。分析的时候，一定会缺少重要的信息。
数据还需要具备准确性、高细节度。
比如，描述人脸，只描述是亚洲脸还是西方脸，是非常粗的颗粒度，需要关注到眉毛粗细、两眼间隔等非常高分辨率的细节程度。
最后，灰科技要使实际的决策效率产生质的飞跃。
回到问题本身，究竟使用什么样的数据、算法，取决于要怎样才能帮助决策实现10~100倍效率的提升。这也是我们做尽职调查的基本逻辑。
2.“灰科技”成功需要怎样的舵手？
我们相信，让一个技术人实现商业化，比起让商业人实现技术化，要容易得多。如果成功，带来的回报也会大得多。
所以，线性投的人，必须懂技术。但我们同时要求，他必须要humble（谦逊）。
很多人认为，搞科技创新的人太过于nerd(怪咖)。这些人懂技术，但不懂人性，跟这些人谈生意很困难。
但我们投了很多类型的公司后，发现技术人才在刚开始创业时，很多都nerd。但是这群人很快就会分化，一批是企业家，一批还是技术大牛——就是那些创业创得一般，但大家还都觉得他很酷的人。
很多技术大牛时常有种奇怪的优越感（我以前也是这种风格），这很多时候是因为他们不懂得怎么跟人去打交道，他们需要有人际方面的理解和历练。
所以，我们要求他们在骨子里必须够谦逊，明白这不是一个纯靠技术就能解决问题的简单世界。
第二点，创业人才一定要有学习能力。
学习能力是最重要的能力。在灰科技与行业融合过程中，需要从懂技术到懂行业，知道要解决什么样的行业问题。
还有一个很重要的概念是管理成长（learn to manage growth），包括对产品、营销、团队建设以及理解世界复杂度的能力提升。
技术大牛，要懂得做产品。科技在技术人的角度是算法，是数据；但用户是产品视角，他骨子里并不希望知道你的技术细节，只需要你的产品能够解决问题。
产品做出来了，还得会卖，给客户更好的支持和维护。这被我们称为产品的商品化。
理解世界复杂度也很重要。搞技术的人可能会习惯管理技术团队，大家都是工程师，直来直往很开心；做起产品，可能有一半同事可以处得来，有一半处不来；做生意，10%的人也许喜欢你这种直来直往，但90%的人和你处不来，日子就会过得很难受。
创业人才需要学会往前看，主动预测，而不是被动反应。
当情况变化才去调整，就已经晚了，必须具备“预言”能力，预估可能会发生什么事。这次疫情就是一次试金石，对掌舵者的能力要求非常高。
他同时需要think above，学会拥有全局观。
做技术时，只需要管好自己技术上的一亩三分地，缺乏全局性的视角。而创业者，需要把各种技术和非技术问题糅合在一起，形成有效的产品或解决方案。
很多时候客户会说，我要A、要B、要C、要D。怎样理解客户究竟要的是什么？
如果你问拉马车的人，想要什么样的新交通工具，他会跟你说，更快的马。他想象不出来汽车的。
同样的道理，一定要去区分客户想要的，跟他背后本质的需求。从中思考，你能给别人提供的有效minimum feature set（最小特征集）是什么样的。
Think above也意味着，我们有时需要跟别人合作，一起联合打单。
我们有时需要整合渠道商现成的方案；有时在卖给B时，可以利用在A里积攒的经验和代理商。建立这种资源网，需要有全局观：
谁是你的朋友？谁是你的竞争对手？谁是你最好的投资人？
第三点，是商品化，Learn how to sell。
商业的本质是低买高卖。
最低级的商业，买卖的是同样东西，只是打了一个信息差价，要达到一个很大的价差是很困难的。
牛的是什么呢？低买商业要素，加上你对应用的理解，卖出有效的黑科技。这样卖出的是别人自己没法生产、获得，或者在市场上供应极度有限的商品。
这方面的典型是苹果。Apple的零部件本身也都只是普通商品，但通过苹果公司精巧的整合、极致的设计和强有力的品牌，让Apple成为Apple。
低买高卖间的增量，是商品化的过程中一定要去思考的。这就要求他必须深刻理解数字化变革的价值所在。
3.上什么山、下什么乡
有了对灰科技的判断，有了对适合带领团队的舵手的判断，接下来的问题是落地方向——什么样的产业值得高科技上山下乡？
我们对行业机会的判断首先是：体量够大，切入点够小。
体量够大即市场天花板高。
而切入点够小的意义在于，只有找到足够小的切入点才能让10~100倍的提升变得可能，让别人直接感受到黑科技所带来的爆炸性冲击，否则能量压强会大大降低。而且什么都做，很容易什么都做得一般。
我们投的酷家乐、粒界、时谛，都是用这套逻辑去衡量的。
对于行业，我们要求它具备能够产生高颗粒度、高质量数据的可能性和技术基础。如果行业本身的技术基础很差，需要先做很多改造工作，那么这个行业的数字化并没ready(准备好)。
除了基础数据设施要有可行性，行业里也需要存在rebels（叛逆者）。
零售行业今天就处在这个层面。很多知名品牌里的创新部门、数字化部门负责人、骨干，存在很多rebels，他们想革新，想给传统行业带来一些变化，又对所处的行业有一定理解，我们需要跟这些人合作。
在线性有专门与rebels对接的同事，对于CEO等最高层面高管，我甚至很多时候会亲自去“洗脑”，去产生高水平的共识。
第三，需要有已经成熟到愿意尝试、愿意做初始付费的企业。
To C领域有一个很常见的概念，technology adoption life cycle（技术采用生命周期）。
在to B领域，我们认为它一样重要。
选对客户非常关键。你需要去区分，客户是创新者（Innovator），早期使用者（Early Adopters），早期大众（Early Majority），还是晚期大众（Late Majority）？
最后一个特点是可拓展。
我们投这些企业，不是为了让他去改造行业当中的一个小点，而是为了找到一个切入点——就像大坝上的一个裂缝——进入后能够做横向或纵向的拓展。
所以，酷家乐、时谛、帷幄未来绝不仅仅只是它目前的产品形态，只去解决个别问题，它们背后是有横向或纵向思考的。
4.疫情下技术改造的新机会
行业市场变化实在太快，我们每3~6个月就会更新一下对市场的观点。
2020年，我们最重视的四大行业是DaaS、AI+工业应用、AI+线下零售、AI+建筑科技。我们认为，这些领域满足很多变革的要素，并且具备成熟的条件。
我们主要从这6个维度对它们进行分析，包括数据现有质量、数据现有数量、技术整合难度、传统利益方的心态成熟度、市场规模、市场成熟时间点。
关于市场成熟时间点，3~6年是对我们最适合的，太成熟可能很多其他早期公司都已经在投了。我们希望能够比别人早1~2年看到行业变革的新机会。
整理完以上维度，我们对每个领域都做了面积图，面积越大，我们可能投入也会越多。
这就是我们看待AI改造行业的机会所在。我们也希望，如果各位是懂技术、对这个行业有巨大vision（愿景）的创业者，欢迎跟我们联系。
创业非常困难，我们真心希望在各位优秀的科技创业者们穿越创业沙漠时，线性能够如骆驼一样成为你们最信任的长期伙伴，下重注，走很远。
甲小姐对话
甲小姐：按照惯例，我们首先谈一谈关于近期疫情的挑战。我想知道，过去几个月你是怎么叮嘱portfolio（投资组合）的，你的portfolio有没有一些比较有代表性的应对措施，可以给大家分享借鉴。
王淮：我们总结了二三十条应对方法，但是其中最重要的，我认为只有两条。
第一是节流。
在这个阶段，开源开不出什么花来，只能节流，用各种手段去节流。
一些企业家把“不开人”当成骄傲。但我们觉得，让公司走得更远，才是对公司、对员工、对自己最大的负责。
如果短期大家硬撑着，两个月后挂了，这是非常差的情况，所有人的梦想都会在这一刻破灭。
怎样节流，让自己的跑道变得更长，这方面有很多方法论，包括对所有支出做ROI的判断和排序；人员上要么做不得已的降薪，要么做一定的优化。
如何优化？坦诚一点。只要你做到坦诚，目的是让这家公司能够长期生存下去，我相信很多人都是能理解的；不能理解也没办法，需要在法律范围内做一个有效处理。
只要企业能够活过去，它未来的生存状况就会好很多。
第二是，思考“危机”的时候，要看到里面既有“危”又有“机”。
“危”很明显，所有人slow down（减速）。
但是我们同时要看到，各行各业都面临着效率问题。怎样通过你的产品，让更少的人做更多的事？怎样帮大家减少不必要的接触？这是你需要加大思考投入的。
我们过去花了两个月时间，跟40多家被投企业做了深度沟通。我们投资的企业，70%～80%所受影响不大；有10%在一定时间段内，受到过一些大冲击；还有10~20%反而成长了，借助“危机”发现了一些新机会。
面对危机，一定要去思考“机”——危机之下，究竟该有什么样的调整？哪些机会能够抓得住，让你活过去，甚至让队伍得到历练？
原来不敢说的话，不能做的事，在这种环境下是可以去尝试的。要敢做，敢在这种环境下，把难搞的人和事想办法搞定。
甲小姐：明白。你觉得长期来讲，这场疫情会给中国的科技行业带来什么样的影响？
王淮：我觉得是一个巨大的洗脑。
从前大家认为，技术对行业的改造可以慢慢来，是一个细水长流的事。
现在不是了。很明显，效率要提升，自动化、在线协同、数据驱动决策、机器人跟现实的改造融合要加速。而这种加速，国家肯定也会在政策上有强投入和强推。
我对中国政府在这方面的敏感性非常佩服。它会在长期方向上准确定性，定性之后敢投入。尽管这个过程中，可能会出现一些细节上的问题，但是不改变在大方向上的正确性。
中国创业者总体上也是这样。个体企业可能会走很多弯路，但中国过去在移动互联网、电子经济、数字经济上的成就和能量，会迁移到产业的改造升级上。这种迁移，是不以个体和单个企业的意志为转移的，是大势所趋。
国产替代化的趋势也不可改变。这在以前也许是一种“政治不正确”，大家可能会觉得，国产零部件又贵又差，为什么要用国产的？
但中兴事件让我们警醒，不能寄希望于用市场换技术。只有像华为十年磨一剑，敢用1000个亿投科技研发，才是中国科技的出路。对这种企业，我们是非常敬佩和尊重的。
我们也希望，企业在大势上有思考，敢投入。
甲小姐：理解。去年我们拍了一部纪录片，你在纪录片里说了两个让我印象很深刻的词——cooling down和cooled down。
你说，过去的几年的行业是cooling down，正在冷下来；2019的行业是cooled down，已经冷下来了。
2020年，我不知道关键词应该是什么。
我们有一种感觉，从这个春天开始，中国科技行业变得很安静，新出现的让人比较兴奋的消息非常少。
不知是受疫情影响，还是整个中国科技行业的发展进程已经从前几年大量选手涌现的窗口期，进入到一个慢慢落定的重塑和洗牌期；还是说，未来可能还会有大量新黑马冒出来的机会？
王淮：首先，中国不存在长期的寂静期，除非这个国家不发展了。只要是long China（看多中国），相信中国的未来就一直会有产业升级的机会。
中国在从世界价值链底层不断上升的过程中，一定会有层出不穷的创业浪潮。只是创业浪潮的low hanging fruit（可轻易实现的目标）时代已经过去了。
接下来的创新潮是什么呢？
是高科技人才“上山下乡”解决产业问题。
这里的难度比原来高很多。以前创业者团队只要懂人性，速度快，很快就能开发新产品。
但你去农业领域试试，去工业领域试试，这些领域哪个不需要10年的积累？
除了有高科技，还需要有对传统领域的know how；除了把know how整合成有效科技，还需要学会销售，让别人用起来。用的过程中你会发现，传统行业里的各种坑，你都得趟一点。但是会趟的人跟不会趟的人，前者可能是九死一生，后者是九十九死一生。
所以，我觉得将来创业的整体难度会增大，而且热闹度会降低。
这就好像历史上，城市革命大家天天都能在新闻上看到，一旦走农村路线，即使其中酝酿了巨大能量，但媒体不报了。直到大的产业机会被改造，行业的隐形冠军被发现。
这种现象，将来会变成创业的新常态。
甲小姐：理解。之前我看过一本书，其中有句话说得特别好。它说创新就是两个问题的舞蹈：一个是什么是需要的，一个是什么是可能的。
科技to B就是市场定义“需要的”，技术来决定“可能的”。但我们看到的很多科技产业融合案例中，“需要的”和“可能的”之间会有一个鸿沟。
我半年前跟一个大企业的CIO聊天，他说很多技术供应商最大的问题是，没有端到端把一切问题全部解决的能力，这使他们很难去整合这样的新兴技术。
所以，怎样去弥合这种鸿沟？你有没有经验可以给大家分享一下？
王淮：我觉得这其中有些问题是创业公司需要改的，还有一些是要去服务的这些企业需要改的。如果改不了，那就换掉它。
并不是所有的企业，只要提要求，你都得去服务的。你需要去区分，这是不是你作为一家创业公司在初期所能够合作的早期采用者。
iPhone一代的问题多么多呀，但是它有几样特性，与其他手机有着10~100倍的差别。比如把听歌、电话、拍照三样功能合在一起。
再比如键盘，我从前习惯了BlackBerry的键盘，认为触摸式不符合我对一个好产品的认定，所以最早并不用Apple。
但是两三年之后，我发现周边人都用上了，而且很酷，很好用，带来的是10~100倍的体验提升，我反而会改变自己的认知和要求。
这有非常大的借鉴意义：它给我提供10~100倍的提升，可能因为切入点不够痛，没有打动到我；但是我所需要的，也不足以改造它。
创业者要思考，什么是你的最小特征集。一味让客户提要求，他如果提了100个，创业公司怎么满足呢？
Facebook今天网站上的很多功能，刚在学校做时其实是差很多的。但是有些基本功能，早年有的，今天也有。一定要去理解，能够带来10~100倍效果提升的关键特征究竟是什么样子的。
第二，要用发展的眼光去看问题。
神策最早服务的对象是中型互联网公司。互联网公司能很快看到它的价值，但不愿意付钱，所以他钱少少的，客户多多的。
后面客户用得好了，但还是不大肯付太多钱。而在这个过程中，神策的功能逐渐全面，开始服务于银行，以及万达这类的巨型企业。
企业在发展过程中，服务能力会有一个变化的过程，销售的逻辑也会不一样。要思考自己的发展路径。
试想，如果神策在早期发展的时候就碰到万达，万达给他提了100个要求，这是好事还是坏事？
今天to B科技公司在与客户碰撞时，需要站在前瞻和全面的角度去思考，应当怎样去理解、回应客户的要求。
这个问题没有固定答案。但是我刚才说的方法论和思考模式，应该是很有借鉴意义的。
甲小姐：就是精准定义一个最小可用产品的切入点，用低成本的方式快速找到最合适的初始客户。
王淮：对。时谛也是这样，百丽自己内部在做数字化，不用它们的服务，但很多像Skechers(斯凯奇)、沃尔玛之类国外面临亏损的集团，都使用了它的服务，反过来时谛又开始打国内的鞋厂品牌。
多借鉴一些成功企业的创业过程，你会发现他们没有一家是在一开始就找对方向，都是在迷宫中找路，有些是死路，有些是活路。
要去思考你的最小特征集，很多时候这不是单单一个客户能给你定义得了的。
甲小姐：对，这确实是很多公司的最大痛点。
很多时候技术公司很弱势，做PoC的时间长，面对客户的议价能力也比较有限，这导致很多科技公司最开始会在单个客户上耗费非常多的人力。
王淮：我提一个建议，尽可能减少降低PoC的时间。PoC越长，效果越差。
甲小姐：如果PoC的对象是汽车厂，需要一年时间。
王淮：是的，没办法。前装就是需要这么长时间，一年都不算长的。
甲小姐：是，所以这真的很考验创始人在最开始的资本号召力，帮他撑过时间。
你们投过的一家公司，跟我说过一个很有意思的现象。他的AI产品解决的是跟市场相关的问题。
而这个客户跟他说，我没有AI产品的采购预算，能不能你给我做市场服务，我给你市场预算，你送我AI产品。
所以这位创业者跟我说，他原来以为他的产品是to CIO的，后来发现这个产品是to Marketing的。这其实反映了，有些新定义的产品，客户公司还没有形成购买习惯，甚至都还没有适合对接的部门和预算。
对于这种破冰，你有没有好的建议？
王淮：我有两个建议。
第一点，在战略哲学这个层面，思考这是不是一个对的客户。
第二点，从务实的角度考虑，只要对方愿意付钱，就先给他用起来。
to B企业经常会遇到使用者跟买单者不是同一批人的情况。但这并不妨碍你的解决方案匹配到他的问题，带来10~100倍的价值提升。如果能达到这个效果，你迟早会获得这个客户。
你唯一需要担心的是，不知道拓展这类客户对不对。客户太多，可能会影响你的战略带宽，让你在他们身上有过多消耗。
比如，你的战略本身应该是农村包围城市，而现在上海、北京、成都、重庆愿意给你市场。但是在城市先做起来的再多，也没办法让你真正挖掘到正确的战略路径。
如果无法进行准确判断，那就最好采纳第二个建议。
目的不是为了挣这一笔订单钱，而是利用这个机会，探索自己能不能给这类对方带来10~100倍的价值。
如果你对他而言，提供的只是一个A公司、B公司都能做的简单SaaS，可替代性不强，别人对你的迫切要求性不强，那很快就能说明这类市场是个错误。
如果能达到10~100倍的提升效果，我相信谁用了都离不开的。酷家乐就是这类的典型；神策也是，基本上除了对方公司挂掉，否则很少会换的。
甲小姐：明白。技术公司to B有两种路径，一种是horizontal，从水平层面跨行业发展，一种是vertical，在一个行业里生根。
我们和上一期直播嘉宾张璐聊过这个话题。美国市场，horizontal的企业占据95%以上的市值份额；但在中国，大家大多还是在看vertical的机会。我不知道线性对于横向纵向发展的偏好和观点是什么？
王淮：我们的观点里，横向的东西其实是偏业务流程的，它没有太多跟行业know how结合的需要。这是过去二十多年来，SaaS领域的发展共性。
但是，智能化的特点是要让原来靠经验的东西变成自动化，这意味着必须要跟具体的行业问题深度结合。
这类应用在美国很少。我不认为美国horizontal的成功模式在中国一定有借鉴意义。
甲小姐：为什么？有一个投资机构创始人跟我说，这是中美很不一样的一个现象，中国好像很多机会在vertical，而美国的大盘在horizontal上。
王淮：对，因为适合horizontal的，只能是最大公约数的业务流程，比如管理报销、差旅采购等企业具有共性的分析。
垂直领域原来没有需要预测的诉求，因为技术不ready。只要跟预测相关，都需要跟具体的行业问题结合。
比如，汽车行业的预算模型，跟我们基金行业的模型是完全不一样的。而管理的手段，比如支出、会计表格，这些东西其实是类似的。
所以，解决的问题是共性还是垂直，决定了服务商是horizontal还是vertical的。
还有一个原因是，horizontal只能是做基础设施水平的。过去美国没有vertical类的服务，这是AI的新机会。
而AI需要与垂直行业结合才有价值。比如地平线，即使做芯片，落地时也是从车来切入。
中国科技产业有一个特点是，有很多强的vertical切入方式。因为有太多行业需要去充分优化，这都是非常行业相关的。
中国跟美国不一样也非常常见。比如支付系统，中国是移动导向的，因为美国原来也没有智能手机时，已经把以信用卡为代表的支付系统玩得炉火纯青。这个时候再切入新技术想去做改变，所面临的难度是非常大的。
中国在SaaS领域也有这样的现象。原来中国的SaaS基础一穷二白，现在直接就可以用更少的时间和投入做更好的自动化决策。这是中国在原来基础设施不ready情况下的新机会。
中国有数据、有诉求。只要有这两样东西，应用整合产生有效性，只是一个时间问题。
所以我认为，在中国还是会以vertical为主，它最大的特点就是，优化的问题面向的是特定行业，并不是通用型的。
中国也有些少数的horizontal机会，比如人脸识别。它偏基础层面，并没有跟一个非常具体的垂直领域绑定。
但是今天的人脸识别技术，假如在夜里，你行动很快，或者只有侧面的时候，效果是很差的，只有规规矩矩站在前面配合，才能达到好的效果。这个情况对打单能力要求非常高。
我觉得计算机视觉四小龙们的技术能力基础都不差，都是能考90分的人，但是哪个考99，哪个考97，意义不大。
我们投的中科视拓也是90分以上的，但是商务能力决定了，你是不是能成为那四小龙。这是horizontal的特点。
甲小姐：这很大程度上也在于我们数字化1.0、2.0基础还没起来，可能很难一上来就使用一些通用型服务，还是需要很多类似像神策这样的公司来夯实数据根基。
王淮：对，我多加一句，其实神策的能力是非常horizontal的。它其实是因为市场的缘故，走了一条偏vertical切入的路径。它在美国就有可能做成类似Salesforce的horizontal公司，就可以上市了。
但在中国市场，客户会说，我不会买你的东西，除非你跟我的业务直接挂钩。那就得走vertical了。
但是问题在于，你是不是仅停留于此。
我们的目的应该是，以vertical的解决方式进入，但是在实施方式中把自己horizontal的基础设施能力嵌入，这样再在上面加新的vertical能力时，边际成本会比原来低很多，别人也就越来越难离开你了。
甲小姐：明白。你刚才讲了很多细分的vertical场景，我们也能感受到，现在对于技术投资提出了一个非常难的新挑战。
我记得你当年看项目的“5名”经典判断，就是名人、名企、名校、名作、名书，去看技术诞生地，寻找大牛。但现在很多机会是在行业里的深水区，而且非常分散，建筑行业、零售行业都很不一样。
你们怎么去捕获这些新的项目？你们的雷达是怎么建立的？
王淮：其实我们讨论的还是技术大牛。
甲小姐：然后他们自己找行业是吗？
王淮：对，很少有既懂得AI又在这些行业有过经历的技术大牛，我们就希望找这类的少数人，反正投资又不是一件多数人的事。
投资就需要把这些人想办法发现出来，做筛选。看看有没有办法挖掘大的行业变革跟技术整合的新机会。
你刚才说他们零散，但其实我一点都不觉得。我们刚才说的每一个行业都是一个万亿级的市场，只不过切入机会可能只是几十亿人民币的市场机会。但通过横向纵向的拓展，有没有可能从几十亿变成几百亿，甚至上千亿的公司？这些背后其实是要有很多思考的。
一些听起来很大的horizontal公司，最后做成也不过几亿美金，都已经觉得自己大得不行了。
而我们冲着的是每个项目有20倍以上的回报，赚回一亿美金，这是我们的标准之一。能够满足这个要求的，有的是在建筑领域，有的是在农业、在工业……
我们最希望的是，别人一眼看过去，说这个市场好像有点小。太棒了！最好不要来，我们就希望这种人少一点，不要那么热闹。
市场需要的钱也是有限度的。钱多了，对一个行业不一定是件好事。
END.
第四期回顾：Fusion Fund张璐：硅谷科技圈在想什么？
-科技产业-
疫情当头融资难：熬过去，活下来
-科创板-
科创板，一瓶AI的卸妆水？
-科技人文-
-甲小姐对话-
对话陈天石：通往伟大芯片公司的赛程很长
对话蓝驰陈维广：投资无新事
对话吴军：人的归人机器的归机器
-2019甲子引力-