在分享开始前，朱天宇拿出了一本《大众软件》，他介绍说，这是 2016 年 11 月~12 月的大众软件合刊，也是这本创刊21载的杂志的停刊号，通过众筹的形式完成。朱天宇说：“这是一个事件，也是一个标志。大众软件代表的是上一个创新周期，是上一个创新周期的标志性的载体。”

所谓的转型年，其实对于VC来讲不存在AI投资的转型年，只是要不断提升自己在这个方向上的思考和研究。我希望跟大家分享的是我们作为早期投资者至少要用10~20年的时间维度去看AI创业，这其中也包含着我们对下一个创新周期的一些思考。

简单介绍一下蓝驰，我们是1998年在美国成立的一家基金，2005年进入中国，十几年下来目前在中国已经投了将近100个项目，现在总共募集管理的资产规模超过20亿美金，现在对于早期和成长期的大数据、AI、机器人创业项目都是我们积极关注的方向。

其实一个早期投资者在看任何方向时，不管是现在的AI还是上一个创新周期的互联网、移动互联网创业项目，都是用一个超长的时间尺度看未来，其中最关键的是要在不确定性中寻找确定性。你需要在一个超长的时间尺度里，在不断变化、不断波动的实践中寻找那些可以确定的、正在增长的东西，这样才能真正捕捉到成长。

回到AI投资这个主题，大家现在谈论AI这个标签背后的确定性是什么？这是我想跟大家讨论的。所以跟大家分享两个我自己思考的主线，一是我们所面临的新的创新周期里的行业确定性是什么？二是The Next Big Thing是什么？在互联网和移动互联网的创新周期里，我们看到谷歌、Facebook，每一个创新周期里都会有一个Big Thing出来，那么下一Big Thing在哪儿？我们怎么找到它？这一点无论对于投资者还是创业者，都是很重要的问题。

在讲行业确定性之前我想跟大家分享一家创业公司的经历。我们去年下半年投了一家公司，是一家针对医疗AI影像的公司，创始人以前是剑桥博士，家里也是医疗世家，带着一腔热情回国想在医疗数字服务行业有所作为。从一名海归到真真正正地在中国这片创业热土上一步步将自己的想法落地实现的过程，体现出来的就是我们刚才说到的行业确定性问题。

这个创业者一开始很想用他学到的深度学习、机器学习这些AI技术，帮助医院做医疗影像识别，提高医生看片的效率，降低误诊率等等。但是后来发现这件事根本无法落地，因为你没有数据，也没有医生相信你，没有数据就无法训练这些诊断模型。

最后经过一年多时间才慢慢落地下去，他做了哪些事情？一是帮助医院，无论是一线城市的大医院还是二三线城市的中小医院，他为这些医院提供医学影像的云存储服务。其实医院里的医学影像存储量并不小，但是交换存取特别不方便。这也是医院很苦恼的问题，你说让他们使用阿里云服务，但这些云服务通常是针对创业企业。像医院里的医学影像其实对存取要求不高，一个片子拍完看一两回就放在那儿了，但是存储量却非常大。满足这种特征的云服务市场有吗？还真没有，阿里云又太贵。

于是这个创业者给医院提供这样的服务，并且这些医院非常愿意花钱买单。通过云服务做敲门砖，把这些医院的信任通道打开，当他们接入的医院达到几百家的时候，云上的存取量也达到了几十万的量级，有了这些数据再去训练他的诊断和筛选模型。

当诊断模型有了一定结果之后，医院数量也在提高，这时候又发现二级医院其实希望把一线医院的医生诊断水平接入进来，进而又搭建一个平台，让大医院的医生主任们在平台上帮二级医院做一些筛选，同时他所训练出的大数据模型又可以在主任医师看片子之前事先做一个预筛选，把高危区域和值得怀疑的地方标记出来，帮助主任医师节约时间、提高效率，去看最需要专业知识诊断的位置。

这里面很清晰地描绘出一个路径，就是我们一直强调的从云计算到大数据再到AI。蓝驰有一个非常重要的观点：没有云计算何谈大数据，没有大数据何谈AI？刚才分享这家创业公司的经历就很好地印证了我们对这个行业的判断。而这个判断是从什么时候开始的？是在2011年，我们从2011年就开始做了一系列布局，包括投资云计算基础服务企业青云和EasyStack，还有聚焦在公共服务大数据领域的绿湾和医疗行业的汇医慧影。

在AI方面，我们的理解是整个AI领域，不管是车还是机器人，都是具备大脑、小脑这种运算、判断能力，还有耳朵、眼睛、嘴巴这些交互功能，最后结合到动力驱动的运动装置上，才形成我们期待的未来，所以这是一条确定性的主线。

另外从供给层面，从技术行业的底层来看，其实从芯片到算法再到工程创新，在过去不久时间里已经发生了一些事实变化，孙正义把他以前在阿里巴巴的股份卖掉买入了ARM。孙正义一直主张是用30年的尺度看未来，他的第一个30年买了阿里巴巴，下一个30年计划做什么？从他买ARM这件事上可以看到一些变化。

还有像 AlphaGo、Master，谷歌在训练他们的时候，一度用到了很大比例的算力，这是非常可怕的，但是对于谷歌来说他就是要在这个领域宣誓领地权，包括TensorFlow 。百度也在做数据的开源，就是在工程层面把芯片和算法带来的新的算力增长应用到场景中去。这是供给侧已经在发生的事情，这种变化也是确定的。未来供给侧只会越来越大，就像上一个创新周期大家开始预测摩尔定律一样，是一种确定性。但值得注意的是，这些算力本身并没有创造价值，它只是意味着在技术迭代过程中，这些底层提供算力的公司给大家提供了新的武器，但是我们拿到这样的武器要怎么发挥价值，一定还是跟场景结合在一起，才能真正创造价值。

这条思考主线其实是从需求侧和供给侧两个方向回顾行业正在发生的变化。围绕这两点我们可以延伸出下一条思考主线，关于下一个Big Thing在什么地方。

我们不妨先回想下之前的工业革命，从蒸汽机、电力到信息革命，每一次工业革命所带来的技术创新为整个经济体带来的影响，如果以占世界GDP的百分比来衡量，前两次工业革命创新带来的影响其实是超过30%的，因为能源效率的提升让很多实体经济发生了切实的转变。但到了信息革命，大家都经历了互联网、移动互联网的发展热潮，而这一次所产生的影响在GDP中的占比还不到10%。再加上软件和硬件的创新周期总是相互迭代的，因此我相信在下一个创新周期里，能源方面的效率提升与创新会产生更大的影响，与之相关的也是我们可以关注的下一个Big Thing。

另外结合我们对一个创新周期的认知，下一个Big Thing还可能出现在哪里？比如交互界面，我们看到上一次PC互联网时代，浏览器普及之后引爆了基于PC端的一系列应用；到了移动互联网时代，触屏手机的出现，又出发了新的创新。那么接下来的交互界面会发生哪些变化？如果我们把交互界面拆分成输入、输出两个方向来看，就会出现非常多元的可能性，沿着这条线你会发现有太多技术创新需要关注。

与此同时，我们也看到了其实历次的创新，Big Thing其实都是由连接产生的网络效应。比如信息与信息的连接产生搜索、人与人的连接产生社交，这些都是网络效应非常突出的产物。那么接下来我们可以期待的是物与物的连接，可能现在大家对物物连接的认知还停留在以前相对原始的状态，我们不妨沿着刚才的两条主线，一是在不确定性中寻找确定性，二是产生巨头的连接点在那儿，去想一想，打开我们的认知。

最后简单分享几个我们经常跟创业者沟通的观点。一是行业发展的节奏，没有云计算何谈大数据，没有大数据何谈AI。这句话对于很多创业者来讲，就是你要判断你做的这件事它在市场行业中处于什么层次，这是一个判断层次的很重要的依据。二是我觉得现在云计算这一波发展已经经过了几年时间，现在正处在大家积累数据的过程中。

另外关于大数据创业我们总结了三个关键字：

一是从“-1到 0”，你先要找到真正能够把数据收集上来的地方。而且这里面还有一句话就是你能不能一边赚钱一边赚数据，我觉得这在中国的创业环境当中是非常关键的一个点。

二是场景，你有这么多技术、这么多标签，但是如果不熟悉场景，不熟悉行业客户的真正需求，没能解决他的问题，那么创业也无从谈起。

三是定价权，就是你收集什么样的数据，数据的质量、持续性、稀缺性、不同的数据源形成的模型以及你对数据进行再加工的能力，这些只是简单的统计还是能够分析、预测，不同的水平等级形成了你这家公司最终定价权的能力有多强，这也决定了你有多强的赚钱能力。

我面对创业者的时候总会说，AI不是风口。不知道这算不算泼冷水，大家太喜欢谈论风口，风口上猪都可以飞起来。但我觉得AI不是风口，AI只是一个标签。这个标签让我们识别什么呢？无论在行业的需求侧还是供给侧，比如说高级算力，从芯片到算法等等，现在有了新的可能性，这是我们可以用AI标签去表示的。但是这套算力到底输送到什么场景中去，怎么赚钱，怎么解决行业问题，这不是靠风口，也不是说我们都谈论AI就可以做到的。关键还是要知道怎么从场景里抓需求，怎么找到有效的解决方案，怎么规模化扩展，还是创业的三大方法论。

创业者可以记住最简单、最接地气的一句话，一边赚钱一边赚数据。

另外大家也都看到了包括NVIDIA在内，越是大公司现在开始跳出来做这方面宣言的时候，这些算法和算力就越来越接近到一个唾手可得的商品化的阶段，这个时候中小公司在技术上的优势差别会更小，最后拼得更多的是你要怎么去应用这个算力，这才是真正的商业要素。

基本上跟大家分享的就是这些，我们以前投天使轮到A轮，是非常早期的阶段，像赶集、PPTV等等，我们都是他的第一轮投资人，而且都是在公司规模还很小，团队不到10个人，甚至只有一纸商业计划书的时候就参与进去了，跟他们一起成长。但是如今已经已经进入下一个创新阶段，加上我们本身的规模扩张，所以无论是早期还是成长期，只要是落在人工智能相关领域的创业公司，我们都会积极的去关注、去支持。