对话高通创投沈劲：当我们谈AI投资时谈些什么？

CNET科技行者 11月22日 北京消息（文/周雅）：最近每一次“人工智能”会议的刷屏，都伴随一次人工智能研究的刷新，比如前两天的2017高通创投与创新峰会。

这次峰会，高通创投（Qualcomm Ventures）有意强调了人工智能的务实性，现场话题的逻辑大致可以视为“我投了什么（最新AI投资洞察及案例）”、“我为什么投（被投AI企业如何做产品、做什么产品）”、以及“我接下来要怎么投（下一阶段AI的发展方向）”。

会后，高通副总裁兼高通创投董事总经理沈劲接受了科技行者的采访，介绍高通创投以及AI投资看法。

高通副总裁兼高通创投董事总经理沈劲

投资秘诀，前沿科技

高通创投是高通的投资部门，自2000年以来投身于移动与无线领域创新投资，超过20位投资经理，覆盖全球7个地区，专注于投资从早期到成熟期的高科技企业。

从定位来看，高通的业务部门关注近期前景，聚焦连接+计算；高通的研发部门关注的是未来5-10年的创新，累计研发投入超过470亿美元；而高通创投部门洞察未来3-5年的前沿科技。沈劲解读，“对于高通而言，高通创投不仅是一个投资部门，还是一个传感器，通过这个传感器吸收那些还未涉足的行业新动向。”

过去，高通创投主要关注移动互联网；从2015年开始，高通创投的投资方向有所调整，开始关注物与物的连接，并认为“物与物连接”至少影响未来30年，并将投资重点调整为前沿科技，包含四个方面：人工智能、XR（AR/VR/MR）、机器人，无人机，以及万物互联。

那对于初创公司而言，高通创投能提供什么独特价值？第一，高通创投对于新兴技术和商业模式有专业洞察力，处于移动计算与无线领域的上游；第二，高通创投具备产业资源，拥有运营商、OEM/ODM厂商、技术专家等合作伙伴生态链，帮助投资公司之间建立联系并扩大规模；第三，高通创投拥有全球视野；第四，高通创投具备丰富投资经验，在全球管理着140家被投公司，过去6年间有6个市值或估值超过10亿美金的企业完成上市或并购。沈劲说，高通创投等理念其中一点是“加速并影响无线市场的增长”，尽管已投资公司使用竞争对手的产品，也不妨碍高通创投的这个理念。

自2003年起，高通创投进入中国并不断加码投资，目前已经投资了38家中国公司。2014年，高通创投还设立了一个1.5亿美元的中国投资基金，专门面向中国公司。此次峰会，高通创投又宣布对9家中国公司进行风投，包括：

人工智能公司商汤科技、智能共享单车公司摩拜单车、无线连接市场供应商创通电子、面向终端侧的人工智能解决方案供应商耐能、无人值守便利店运营商零号元素、创新教育解决方案供应商美科科技、结合AI和VR/AR技术的内容提供商奇幻科技、“全沉浸式”英语学习环境供应商爱乐奇、以及农业大数据和智能化服务公司奥科美。

放眼望去，以上大多数企业覆盖AI业务，侧面印证高通创投的投资逻辑。

不过高通的投资方向当然不止于AI，正如前文所提的前沿科技，高通创投还关注以下领域：

1、人工智能在行业的应用，看好基于农业大数据和教育大数据的人工智能，正如其对奥科美和爱乐奇追加投资。

2、看好物联网领域，这里面涉及几个关键点：

· 5G的到来可以视为物联网的一股强风。对于在固定区域内停放密集的摩拜单车来说，如果没有5G，很难靠目前的网络接入每辆车，而5G不仅具备海量连接能力，还将支持终端的超长待机时间。

· 终端侧的人工智能是物联网升级的另一股强风。而现场几位投资人期待的是，AI和5G的合流下，物联网得到可观的发展。

· 物联网和其他业务的协同效应。比如智能灯泡，其所需的数据无线传输能力，比手机低得多，因此手机技术足以支撑该产品，这就是手机和物联网的协调效应。

· 物联网和人工智能的协同效应。

3、AR/VR的方向是没有错的，其普遍应用的一天迟早会来。

人工智能的一个入口：终端测

面对不少融资过亿的AI独角兽（譬如高通投资的商汤科技）、以及BAT等巨头的入局，新兴AI创业企业的机会在哪里？

沈劲认为：“终端侧人工智能就是AI的一个入口”——恰恰为目前略显焦虑的AI投资人、缺乏机会的新兴AI创业企业找到一个方向。

所谓的终端侧人工智能，也指端智能、端侧智能、边缘计算等。如今线上的流量入口越来越少且越来越贵，以后的入口是大大小小的终端，包括手机、摄像头、传感器、机器人等，将涵盖我们生活的方方面面。

“我们发现，很多AI巨头在终端侧人工智能方面并没有做到完全覆盖。”沈劲透露。譬如，高通本次追加投资的农业大数据公司奥科美，奥科美的农业数据，商汤没有、BAT也没有，巨头们尽管数据量庞大，但数据种类不一定全面，譬如鸭叫、猪叫的声音，或者农业植株叶子的图片，是缺乏的——而这就是初创企业的空间和机会。

沈劲补充说道，在这些领域中创业，无可避免要关注设备端的AI，因为终端侧AI的优势覆盖四个方面：

第一，数据安全。

第二，整个执行回路的可靠性。简单说，采集到的数据如果要通过网络传输到云端进行计算，然后再返回到终端，那么过程中网络的任何不稳定就都会导致应用的失败，这样整个执行的可靠性就变弱了。

第三，低时延。终端侧的很多应用都是低时延的，类似刷脸、美图、拍照等功能一定都是在终端进行，因为哪怕几秒钟的云端延时，都是消费者的负担。

第四是自适应。目前的刷脸技术需要多方配合，譬如规定必须站在某个位置，脸部必须朝某个方向，然而有了自适应技术，就灵活很多。譬如ETC，传统的ETC要求汽车必须短暂停车识别，但现在的技术已经可以支持车辆以正常的速度通过收费站完成识别和认证。不过，要具备这种自适应的能力，就需要终端侧人工智能的配合。

在终端侧，全球出货量最大的终端就是手机，而今年手机已经开始使用人工智能功能，譬如美颜、人脸解锁。不难预见，今后手机的AI能力会越来越强，AI的普及性会越来越高，AI应用的覆盖面也会越来越广。

AI的下一阶段：小数据环境下本地训练的能力

沈劲说，从之前的云端AI，发展到现在的终端侧AI，给了业界新的挑战。

在云端的人工智能发展，包括运算能力、模型复杂程度等，可以不断往上叠加——比如商汤科技在2016年推出了1000层的深度神经网络，而这么大的网络显然在手机或者笔记本上是跑不起来的，它更适用于大数据、精细层计算。

而目前终端侧人工智能的使用，都是将已经训练好的模型小型化，然后放在手机、联网摄像头、空调等各类终端上让它来执行。终端侧智能下一步研究的重点是：小数据、无标注、限制环境下的人工智能训练，考验的是小数据环境下的本地学习和本地训练的能力。

AI投资，如何把控技术评估？

当然，小数据环境的本地训练能力具备技术门槛，因此风投在挑选一个好项目的同时，必须评估这一企业的技术能力。

技术评估，恰好与高通创投的投资风格相得益彰。沈劲说，高通身为一家技术型公司，关注技术企业是毋庸置疑的，但高通创投的投资风格相对严谨，不大可能做到一小时内就拍板决定投资某一家企业，因为前期有大量调研工作和思考、分析工作要做。曾经，沈劲甚至在投资之前跑到农场、草莓园、集散地、蔬菜园等地，以获得第一手的信息。

需要指出的是，高通创投的投资不以合作为必要条件，但通过合作，确实为快速认识一家企业提供了便利的机会：“很多时候大家初次见面，很难通过只言片语就分辨哪一家创业公司技术好，哪一家技术一般，而通过业务合作，我们对他们产品性能和能力就有了更深刻的了解，就会拿到第一手数据和材料，因此与我们公司合作的创业公司，我们对他的技术能力会更有把握。”

尽管如此，但需要强调的是，高通创投没有狭隘地规定投资的公司必须用高通的产品、必须和高通在技术上是一致的、才算是有战略意义。

新零售兴起，不失为一个投资方向

在高通此次公布投资的9家公司中，有一家定位无人便利店的公司——零号元素，此前曾获1000万元融资。

今年下半年，无人便利店投资热一时兴起，诸如Amazon Go的无人货架出现，不过市场相对也逐渐出现怀疑无人店需求的声音。

沈劲指出，无人便利店的出现不是偶然，是人工成本上涨、计算机视觉等技术发展到一定程度的必然产物：新零售概念兴起，再加上智能技术发展迅猛，以前若要实现无人值守只能用RFID标识性技术，而现在可以刷脸进门，摄像头的整体监控可以分析人的购买行为、也能防止其他不规范的动作，最后成功购买商品顺利付钱离开。

沈劲同时提到，零号元素反馈回来的很多信息都让人兴奋。比如有些园区更加欢迎无人便利店入驻，因为一些园区自身定位科技感、高大上，而无人便利店透明的外观、且无人看守，恰好符合这些园区的风格。

更直白的原因，无人便利店还能避免一些“有人”的问题，譬如，有人的话，厕所放哪。“过去我们说‘无人’会节省人工成本，现在‘无人’的优势还在于，它似乎代表着一种更先进的理念。”沈劲总结说。

不过，无人便利店归根到底还是需要用户体验好、买东西方便、同时经济账要算得过来、赚的钱要能够可持续运营下去。

沈劲由此感叹道：“风投的过程也是加入行业第一线去观察、去学习的过程，投资不代表一定会成功，但一定要试水，掌握第一线的实时信息。”

写在最后

采访中，针对沈劲提出的其他一些价值观点，科技行者归纳整理如下：

问：从国内的公司来看，AI的企业越来越贵了。我们不否认资本会推动技术或者市场的有效配置，但是现在的发展态势已经有点像是军备竞赛，您如何看待这样的现象？

沈劲：我和你的感觉一样，AI公司的估值确实普遍偏高。在这样普遍的现象中，有一些高估值企业我们还是觉得值得投资，是因为它发展潜力很大，而有一些企业我们认为没有这么大的发展潜力，可能我们就很难做出投资的决策。比如，商汤科技肯定属于比较贵的公司，当时IDG做决定投资他们的时候，也觉得有点贵，但从今天看，IDG的这笔投资已经增值很多。

我们分析认为，商汤正在成为具有平台级能量的AI公司，正如商汤科技联合创始人和副总裁徐冰在这次峰会所说，他们要做“电厂”，而不是家用的小柴油发电机。也许有些公司觉得这样挺好，有了电就可以制造冰箱、洗衣机，然而商汤认为，电只是一个基础元素而已，真正的价值不在于电，而在创造出来的其他零部件以及集成的产品或解决方案。

所以像商汤这样的公司，如果真的做成“发电厂”这个级别，我自己也认为它有很大的发展前景，而且今后它的发展规模会比那些仅仅做一个单独应用的公司要大得多。

但另一方面，我们不需要那么多发电厂。所以我们想跟大家说的就是，大家赶紧去做应用、赶紧在自己的专业领域做设备端的AI。如果今天要重新盖一个“发电厂”，直接和BAT、小米、商汤这样的公司去竞争，要生存下来还是会很艰难。

这就是我们对于估值的看法，虽然普遍有偏高的趋势，但也还是要具体结合到每个案子来分析。

问：对于这些级别的算法类公司而言，他们的竞争点是什么？譬如，现在看人脸识别的公司，他们后续的落地场景也很同质化：在智能手机端做图像优化以及安防监控。您觉得后续还会有一些什么样的变化呢？还是说现在看来，目前这些是最可行的途径？

沈劲：为什么人脸识别第一步的应用是安防，首先它的应用场景跟图片和摄像有关，这就是计算机视觉。而且幸运的是，中国的这个应用市场特别大，以至于能够容纳几家公司都在做同样的东西，可能他们面向的具体市场区域不同。中国市场特别大，这就给中国的AI企业带来独特又非常宝贵的市场资源。

中国的互联网金融发展得特别快，身份认证的市场比较突出。并不是说美国的互联网金融水平不高，但美国多年来的信用卡和信用体系，积累的数据已经特别多。在美国，要鉴别身份，目前并没有刷脸的技术，但因为系统已经积累了很多数据，他们可以通过核对这些数据信息就能判断你的身份，比如说你在某几个地址是否居住过；但是中国没有这样的数据积累，同时互联网金融在这两三年内突然爆发，这就提供了一个广阔的身份认证市场，比如你想盗用别人的身份证借款，要如何判断这是不是你本人的身份证，这个市场就很大了。

中国广阔的市场机遇为计算机视觉技术提供了大量的应用场景，因为市场够大，所以我们可以看到大家都在做同样的东西。但一旦企业数量太多，市场机会就减少了，这个时候怎么办？我们就需要在各个行业进行挖掘。这个挖掘工作才刚刚开始，我们已经看到一些做消防应用场景的AI企业。事实上，已经有创业者在用人工智能做消防应用了，通过监控各个电器的使用情况，他们能够提前侦测出一些消防隐患。所以目前，这个领域也是我们很关注的一个方向，和我们今后投资需要注重的一个领域。

问：今天宣布投资的9家公司，商汤跟摩拜两家公司都是行业中发展规模比较大的公司，其实在他们成长还很小的时候就应该可以参与投资，为什么到现在才参与？是什么样的契机决定投资他们？中国有很多创业公司，除了投资，高通会不会通过并购的方式来累计公司整体的技术储备？

沈劲：高通其实也是非常重视并购的。我们总部有一位执行副总裁，负责的就是投资、并购和公司战略三个部分的工作，我们创投部门是这三部分里面的一项。目前在中国市场我们还没有专门的本地团队在做并购，但如果有并购的机会，我的团队也会参与临时组建的团队来考核并购的对象或者并购的机会。并购在公司拓展业务以及在向其他领域的延伸中是一个很重要的手段。

一般VC经常会说他们有几个关注领域，比如TMT、医疗、能源等。但高通创投在投资领域其实非常聚焦，我们都不说TMT，而是在TMT这个大范围内再聚焦到前沿科技，具体就是四方面：人工智能、XR（也就是VR/AR/MR）、机器人和物联网。就投资的阶段而言，有的VC只投A轮或B轮，有的只投后期的，或者作为PE，没有大的资金需求他们就很难投进去。跟这些VC不同的是，高通创投在资金方面比较宽松，我们可以投几十万美金，也可以投几千万美金。这使得我们有机会在各个阶段都能够参与。

至于为什么商汤的A轮我们没有参与，摩拜的早期我们也没有参与，会有一些细节的原因。有些VC专注投资特别早期阶段的项目并且量特别大，譬如经纬，他们有时候也会反思，为什么没能够参与到某个项目当中，但其实从另外的角度看，他们已经参与了很多很好的案子了。所以，这背后肯定有各种各样的原因。像经纬这样的VC，他们专注的就是早期，到了C轮、B轮，需要几千万的案子可能已经不符合他们的投资理念了。但高通创投比较灵活，可以做比较大额的投资，也可以做比较小额的投资。

问：我接触过一些公司，他们感觉现在做人工智能的成本还是太高了，运算的不算很快，功耗特别高，可能这个问题在移动终端上体现会更明显。高通有没有自己的想法或者标准，比如运算能力达到多少或功耗达到多少，就可以用到手机上？另外，现在很多在做的深度学习或者是脑神经的架构，是否会直接用在手机上，还是说需要开发一些新的架构用在手机上？

沈劲：高通一直强调的是异构计算这个架构。手机有各种各样的应用，当你要玩游戏或者看很多视频，主要就是用GPU；如果需要经常待机且保持始终在线，那就是DSP；如果是通用型的话，就是CPU。现在手机用到人工智能了以后，我们发现异构的架构特别合适。GPU做并行处理是比较不错的，但也有人会觉得TPU、NPU是不是比GPU更好，在技术不断的演进当中肯定会有更好的方法不断出来。我们在DSP上做并行处理效果也很好。异构的架构给了我们处理人工智能很好的平台，因为它并不单一。如果只是一个CPU，硬要在CPU上运行人工智能的话，那就有可能出现你刚才说的运算慢的情况。我们还是非常幸运的，我们一直在推的SoC、异构架构，现在看是非常适合于跑人工智能的应用的。

另外，你问用在手机上的人工智能是不是有一个标准，但其实这些标准都是在具体应用中产生的。以高通和商汤、OPPO的项目为例，OPPO这次也提到，从他们开始接触相关的公司，到真正手机发布，用了13个月。OPPO前后接触了十几家公司，最后选定商汤和高通的芯片平台，三家公司一起努力，在这个过程中会产生一些标准出来，比如功耗必须达到多少，时延达到多少，这是前提，所以，如果达不到标准，就更谈不上具体应用了。