7月27日，2022「甲子引力X」科技产业投资峰会在北京三里屯通盈中心洲际酒店成功举办。本次大会由中国科技产业智库「甲子光年」主办，复星、联想创投等34家投资机构合伙人作为特邀嘉宾，通过现场及线上连线的方式论道产业投资。

数字化大潮中，科技企业们将从哪些方面提升生产效率？除了金融、互联网，数据智能还有哪些广阔应用场景？在科技产业融合的过程中，数据化面临的具体现状与问题是什么？投资人在投资数据智能产业的时候，最大的困惑又是什么？

在AI、大数据圆桌论坛上，奇点云合伙人&战略咨询专家何夕、弘毅投资董事总经理邱谆、明势资本 合伙人夏令、CMC资本合伙人徐晨、华映资本主管合伙人章高男、以及星陀资本管理创始合伙人刘泽辉围绕“AI、大数据投资机会在哪里？”的主题分享了各自的见解和观点。

以下为分享实录：

刘泽辉：大数据、AI和我们的生活紧密相关，数据本身对于我们各行各业的驱动、影响，包括降本增效，都有非常大的实践意义。

何夕：感谢甲子邀请，我来自奇点云，奇点云是国内独立第三方数据中台公司，给客户提供端到端解决方案，你没有平台我给你搭平台。我们目前主要在泛零售领域，以消费品为核心，以及金融、制造，政企这四个领域拓展数据中台市场。

在今年我们搭建了数据云加分析云，做了产品体系升级，希望帮客户搭建自己的分析云，更好的向下做技术的平台能力，向上做分析应用场景，真正让数据流动起来变成价值。

奇点云合伙人&战略咨询专家何夕

邱谆：大家好，我是弘毅投资的邱谆。弘毅是中国历史最久的一批PE机构之一，最早脱胎于联想体系，目前在管基金规模已经超过了1000亿。弘毅最近这几年投资了不少新经济的公司包括字节跳动、完美日记、叮咚买菜、美术宝这些。再之前则聚焦在很多偏传统行业的公司, 如制造/能源行业的中国玻璃、中国玻纤、中联重科等，医疗行业的石药集团、先声诊断、天境生物等，还有金融、文娱、消费餐饮等等行业。我们现在正在做一只弘毅科创基金, 聚焦科技和文创行业的早中期项目. 弘毅的特色是在传统行业具有非常长期、深入的参与和理解, 能够帮助我们现阶段在把技术栈的能力与实体经济结合方面产生的各种丰富应用场景中寻找巨大的机会。

夏令：大家好，我是明势资本夏令，明势资本是关注科技领域投资的VC，我们很关注神经网络与AI、计算与通信、绿色科技等等新兴前沿技术彼此交叉融合的新的机会，尤其落在这几个具体场景上是我们核心关注的投资赛道，比如像智能电动汽车，包括下一代数字世界，包括先进制造与机器人，以及数据智能驱动的企业服务，这些是我们核心关注的一些重点的赛道。

在数据智能领域，明势投了非常多的portfolio，比如说像mar-tech里面的神策，费控里的易快报，OLTP里的PingCAP，OLAP里的StarRocks，包括低代码的ClickPaaS，还有一些垂直行业领域的，包括像家装的酷家乐，科技物流的鸭嘴兽，包括热电智能化生产的全应科技，以及电力交易的兰木达，这些都是明势早期投资项目，而且他们都快速成为各个细分领域头部企业，明势还会持续关注前沿技术领域和具体场景结合所带来的机会，还会关注数据智能细分领域。

章高男：我是华映资本章高男，华映成立将近15年了，最初以投资数字内容起家，后来向移动互联网发展，形成了以科技消费、科技升级为主的投资方向。

徐晨：大家下午好！我们专注于中后期机构，投资领域从内容出发慢慢扩展到消费，从2015、2016年起正式开始关注科技领域，最主要的投资逻辑是沿着智能数据加产业的方向走，比如有人工智能加能源行业的，还有把人工智能应用于制造业的公司等等。

刘泽辉：我做投资10多年时间，星陀资本成立之后聚焦两个领域：新经济和科技，科技里边我们认为科技对于传统产业的改变的价值是巨大的。中国还是一个制造业的大国，我们在制造业里边，以及一些传统零售企业当中，技术所产生的意义和价值是非常重大的。

首先，想问第一个话题，何夕在医疗、零售、金融很多领域有积累，能不能给大家介绍一下你们过去的一些经验。

星陀资本管理创始合伙人刘泽辉

何夕：我们在过去很多案例，首先在泛零售的各个领域里面，各位能想到的头部三家里面其实有一到两家都是我们给他们做的交付。一开始大家对数据有不太好的想像，认为我们能用算法、数据智能赋能企业做模式改造，带来很多超越性价值，但其实不是这样子的。

我们自己整个过程形容为URR。第一层价值其实是UPdate，有很多旧的问题，但旧的工具解决不了，现在用新的模式解决。但事实上，刚开始时候，你可能只有10%到20%时间用来做分析，剩下时间都是用来采集数据、分析数据、处理成PPT、报表。你只有获得了很干净的数据，才能够降低成本，提高效率。这是第一个阶段，我们叫UPdate的阶段，数据一定要先用起来才能体会到数据对我是有价值的。

第二个价值是renew，希望新的工具解决新的问题，新的问题是在使用中发现的，一开始只是做了报表，我的供应链、消费者运营、业务运营，会产生新的诉求，这些就可以用数据中台处理，进一步可以在新的领域拓展供应链控制能力、产业一体化的财务架构能力，扩展到用户增长指标构建、私域运营指标构建，才会进入到革命性变化的阶段，真正在这上面产生很多创新性想法、创新性应用。这是一个阶梯性变化的过程，大部分市面上的案例都直接跳到最后一个了，但是，饭是一口一口吃的，价值也是一步一步构建上来的，这是我们的视角和体会，谢谢！

刘泽辉：讲的非常实在，我们分步走，第一，分布式，第二步，体会到价值和作用，我们看到所谓的零售科技企业，包括大数据对于很多企业来讲看似很炫酷，装了很多摄像头，但对动销没有产生实际作用。企业是要算帐的，投入一百万信息化到底带来多少实际价值？最好是增收，第二才是降本，因此我觉得，何总讲的对于中国现在非常有价值。能不能说你们当时投神策的初衷，能展现什么实际价值？

明势资本 合伙人夏令

夏令：我分享一下明势对数据智能对企业的一些核心意义的理解。今天不管是不同的行业，还是不同的业务职能，已经有众多软件和工具实际在非常广泛的应用了。很多人认为是解决信息流、资金流、物流流转高效等等问题，但我觉得其实这一层还不够。

在我们看来，这些企业不管你是什么样行业，在做自己业务时候，如果你想实现规模化增长，尤其是你想实现的是有一定个性化基础之上的规模化增长，需要有一套系统或者工具帮你实现业务的标准化和结构化，所以怎么能够用一套工具实现业务结构化和标准化，实现增长？

比如说，每一个企业，每一个员工，在不同城市、不同项目肯定有不同费控标准；每一件服装有不同的SKU，不同工厂不同面料等等，这些业务在真实场景都是非标的，这样如果一个公司有上万人，需要多少财务人员才能够处理这些非标业务？

更抽象来看，用智能化系统核心解决的是业务标准化和结构化问题，支撑业务规模化增长，只有这么做才能把这些人从实际的非标业务中抽离出来。这需要解决的不仅是具体业务本身，而且是能够解决业务过程中出现的意外，只有这样才能把系统效率提上来。

所以我觉得，重要的是一家公司如何解决自己标准化的问题，做到什么程度。如果做得很好，这个公司的价值以及反映出对客户的价值，都是显而易见的。

刘泽辉：说的无论多高大上，都是要解决企业实实在在的问题，脱离所谓标准的一些工作，这样展现大数据或者人工智能替代人工的价值。章总能不能跟大家分享一下基础设施在算力方面的支撑，这里有哪些机会？

华映资本主管合伙人章高男

章高男：AI是有前提的。首先，数据要连通，要有网络，我们要把各个数据源通过网络连通，上云，变成一个分布式系统，有了这样一个分布式系统就联网了，可扩展，形成大数据，数据上到一定规模，AI就可以发生巨大的作用。

到目前为止AI技术够帮助我们分三种，第一，感知层，感知其实最主要的还是视觉和听觉，视觉和声音的云识别和计算机视觉，因为有了深度学习这样的机器学习方法，使得它今天已经超过人了；第二是认知层，自然语义处理，里面有各种情绪的表达和语义表达，这个和人还有一定的差距；第三是决策层，AI除了帮我们感知、认知，还能帮我们做很多决策，有很多传统的机器学习，根据场景特点，做一个线性或者非线性的建模，用各种各样的机器学习方法获得最优解，这在工业和其他行业中有大量运用。

无论是感知还是认知，都有一个前提，就是算力。为什么语音识别现在已经非常普及，那是因为大数据已经把AI的算力充分挖掘了。现在的语音识别、神经网络，包括机器结合等等，这是几十年以前的东西，但以前没有算力，算力在整个AI产业是一个关键性的基础设施，我们今天能够应用是因为AI和分布式系统结合的进步，因此，包括我个人和华映，我们在基础算力上是非常愿意投资的。

在GPU领域，华映已经投了非常头部的壁仞，未来还有很有发展前途的一个方向是光计算。光通信在短距离，在服务器、在机房里，在数据中心直接发挥作用，直接进行服务器连接，大大提升传输效率。通信不仅对通信有好处，对计算本身也是有巨大的优势，相对于电，无论计算速度还是并行的效率和能力。还有光电混合计算也是非常热门的，能够帮助我们算力理论上得到数十倍的提升，而且性价比会很高，这里面也有一些头部企业。这个细分领域，我们国内水平在国际上也是顶尖的，甚至某种程度硅光计算是我们中国人提出的一些理论创新，然后开创了这个行业，当然这个行业很早期了，这是改良式的，是在经典算力进行能量提升。

此外，我们也投了量子计算。量子计算是完全的颠覆式算力，原理跟我们计算机的原理完全不同。理论基础完全不同了，在很多的应用场景里面，相对于传统的算力，如果技术突破的话，就会带来颠覆式算力提升。这个颠覆式就不是数十倍，根据不同场景，整个算法指数级的提升，所以量子计算是比较前沿的，我们也进行了布局。

刘泽辉：我们之前投了科大讯飞，2008年上市时候语音合成应用场景很窄，最多的打电话去火车站调度电话，今天我们看到声音更加柔美，更加拟人化，出现越来越多的应用和场景。邱谆这边，若干年在美国求学是时候开始研究AI和大数据，后来在硅谷很多年，有更加国际化视野，能不能谈谈中美之间对比，未来机会在哪里？

弘毅投资董事总经理邱谆

邱谆：我个人算是中国比较早的一批留学去美国学习人工智能的，那个时候在美国被称作”人工智能冬天”，即便在美国也是没有很多人愿意学人工智能的。当时如果是人工智能毕业博士出来的话基本上找不到工作的，而现在出来就都是几十万美金年薪起。当时包括后来最火的神经网络、机器学习这些方向, 都是很冷门, 我们学人工智能也是不太去针对那些领域的，但是到了十几年以后，恰恰是这两个领域的高度结合催生了深度学习, 促成了整个人工智能领域的飞跃式发展。这点很难提前预料到。美国人的一个很重要的点就是在于，不论当时的产业前景如何，它一定是从最基础层面去做布局，可以提早十几年的时间, 直到出现规模化产业应用。这个方式在中国近几年我们也是很可喜的看到，包括前面章总提到量子计算这些，都是非常偏基础和前沿的领域, 还没有产业应用, 现在可能可以算是”量子计算冬天”, 但是中国也已经在提早布局, 这点很令人欣慰。

所以回头看美国的发展，从数据、智能化方面的整个过程来看, 很有参考性，我们说所谓智能化很多就是用人工智能算法把数据的作用充分发挥出来，这中间其实经历了整个历程，需要全面的来看。美国当年先是从无纸化开始，第一个具有革命性的工具叫做Excel，或者Word，这些工具把生产力大大提升了，节省了大量的人力, 但其实并不是简单降本，根本是在增效。类似现在机器人会把很多的人的劳力解放出来，但更大的作用是把整个生产的效率提高，所以回头看Excel的发明，其实某种程度讲意义还大于今天人工智能的影响。而且，只要储存在Excel里面就是某种结构化数据，为下一步数据化到智能化奠定了一个基石，是非常有意义的。在无纸化之后, 美国进入了云化和互联网化，之前先是单机, 从大型机开始, 然后Office和word也都是在PC上用的，先是消费端联网, 即互联网, 后来企业也联网了, 即上云了，我把它叫做云化的一个过程。刚才说数据产生了，在美国前几年一直叫大数据Big Data，但大部分还是在展示层面，我们做大数据的可能都有这个印象，当时闭环到决策这个层面还是依靠人的参与的，数据的提炼形成柱状扇形图等，最后输出的还是可视化的形式，需要人的大脑做决策判断。直到最后一波智能化完成后, 才真正形成闭环。所以从最早的无纸化，到云化，到数据化，再到智能化。这里的数据化包括所有的之前提到的这些结构性数据，包括Excel, 包括各种交易数据, 用户行为数据; 同时也包括非结构化数据, 如语音视频文字，比如我们现在在今天这个峰会说的每一个字都可以变成非结构化数据存在云上面, 数据湖里面, 经过智能化提炼建模之后, 为未来的投资、战略分析等提供决策性参考。

我个人觉得这个的意义非常巨大, 是人类历史上第一次生产效率上产生闭环。回头看我当年去美国求学，经历了硅谷十几年人工智能发展，到今天在中国, 某种程度上在一步跳过硅谷的所有四个阶段，比如零售行业，上来就无纸化，直接到数据化、联网化，到智能化; 又比如现在国内医疗行业，很多医院也是，一上来先做电子病例，属于无纸化，但很快甚至同时就开始要求提供自动化决策了，进行辅助诊断。我觉得这个其实还是蛮激动人心的，从人工智能发展上来说，真正的在人类历史上对于生产力提升角度第一次形成一个完整闭环，在以前这个是一个线性的趋势，现在则形成一个飞轮, 闭环回去之后又产生大量数据，海量数据又产生决策，决策加上执行又反哺辅助数据生成，这样产生的机会是非常大的。在这一点上中国跟美国基本上一条起跑线上。我个人之前一直在中美之间来回跑，过去一段时间因为疫情没有跑，但两边信息还是没有阻断过的，从两边的信息来看, 中国的机会非常巨大, 这个进程非常有意义。

刘泽辉：下面请徐晨，CMC资本有很多变化，从你视角谈谈你们在AI大数据上面成功的案例。

徐晨：其实变化不大，我们关注的还是偏早期的项目，因为科技企业本身的价值，是从一个小板块变成一个可落地的过程。现在行业已经没有太多疑虑了，很重要原因是用户端从使用场景和认知来说发生极大的变化，我们看到人工智能在各个维度产生相应的价值，当然这个价值还有很大提升的空间，比如大家在讨论的无人驾驶，虽然还有很多的挑战，还有很多的问题，但多数人都已经公开谈论无人驾驶是不是会真实应用到我们生活当中，无人驾驶会给我们带来多大的提升，这种情况已经在我们生活当中成为一部分。

现在可以看到很多商业行为，实际落地的，比如做矿业的自动驾驶公司，已经在全国好几个矿7×24小时无人驾驶的情况下实现矿车在矿山里自由开采作业，它在改变我们的生产关系，和对生产力本身的认知，这是这个行业进入成熟期的标志。但是反过来也还是存在很多问题的，不论数据也好，算法也好，包括算力也好，还有很多可以提升的空间。

刘泽辉：石油是工业时代的血液，数据是我们新时代的血液，对任何一个企业而言，我们先从获取数据，然后在数据的分析和应用，能够降低成本提高效率，这肯定是一个非常完整的逻辑。

特别高兴的看到，今天在谈论AI和大数据时候已经不是三五年前，当时讨论的是这个事情应不应该做和怎么去做的问题。现在更多的说在具体行业应用层面，垂直赛道当中，怎么选取一个方向，哪怕是解决一点点问题，对于今天的企业特别是传统产业将会产生巨大的作用。