pi Ventures：我們只投AI，我們投一個創業公司的標準是這樣的

2016年，Manish Singhal和Umakant Soni聯合創立了pi Ventures，這是一家投資公司，目的是向起步階段的初創企業投資，並且把目光鎖定在了人工智慧（AI）、機器學習（ML）和物聯網（loT）領域。

Manish Singhal和Umakant Soni都畢業於印度理工學院坎普爾分院，Singhal是LetsVenture網路平台的創始人之一，該網路平台雲集了許多初創公司和早期投資商。Singhal曾與Sling Media，Ittiam System和Motorola共事，他憑藉自己豐富的實踐經驗參與制定了MPEG-4標準，該視像標準在當今仍佔主導地位。Soni 是科技（Science）有限公司的印度負責人，也是Vimagino公司的創始人之一。Vimagino是印度最早一批的AI機器人公司。

Manish Singhal稱，pi Ventures的總份額為3000萬美元（約19億盧比），今年三月的首次收盤價為1300萬美元，此外世界銀行的附屬機構國際金融公司在五月份還向pi Ventures投資了300萬美元。pi Ventures預計會在未來3-4年間繼續向18-20家印度初創企業投資。Singhal在接受《福布斯》印度版商刊採訪時提到了他的投資策略。

Manish Singhal表示，能夠智能採集數據的產品將成為市場中的佼佼者。因而，現階段，Singhal通過pi Ventures投資了多家AI、機器學習和互聯網初創公司。

Manish Singhal是pi Ventures的合夥創始人，他認為我們即將告別移動互聯網時代，走向人工智慧時代。

Q：您為什麼到要建立一個創業基金，並向AI、ML和IoT初創企業投資？

我們最初的想法很簡單。現如今，數據已成為所有產品的重要組成部分，我們意識到未來產品要充分利用智能數據。以Facebook為例，打開Facebook，它會智能獲取照片，確認用戶身份，提供相關信息。使用谷歌地圖時，它會自動制定出前往目的地的交通路線。所以，能智能處理數據的產品將在市場上處於領先地位。

運用AI和ML技術是實現實時智能的最佳途徑。傳統的基於規則的分析方法都會採用「if」和「else」這類演算法——滿足條件便可得出結果。但我們很難區分絕對的「yes」和「no」之間的模糊概念。而AI和ML試圖模擬人類思維，而這種學習方法是有章可循的，能夠進一步填補技術空缺。我們最初的想法是：數據將統治世界，數據將成為人們嘴中常說的「新石油」。而AI和ML技術就如同「手動泵」,你隨時可以自己動手，抽出「石油」。

我們的第二個想法就是，數據是個極其專業的領域，你需要十分清楚AI和ML的應用領域和使用技巧。我們相信，我們的技術團隊能夠與各初創公司高效協作，解決問題。

我們的第三個想法是，當今世界正在從移動互聯網時代發展成為人工智慧時代。十年前，我們會問初創公司們：「你們公司有雲技術嗎？」五年前，我們會問「你們公司有移動互聯網技術嗎？」然而兩年過後，我們甚至都不會問那些公司是否運用了AI或ML技術，因為不使用這兩種科技的產品終將被時代淘汰。

Q：現如今AI一詞泛濫。您是如何分辨出哪些創業公司真正使用了AI技術，而哪些公司又只是進行單純的數據分析？

這就屬於我們的核心技術了，我們這些企業家也是技術專家。我們會深入考察這些初創公司的科技手段，進而分辨他們是否真正使用了AI技術。我們會審視公司的產品結構、分析演算法、數據策略以及所有科技手段。

即便使用了AI技術，我們也會從多方面進行考察：人工智慧的防禦性如何？能夠經受反覆考驗嗎？AI的靈活性如何？因此，我們還會為AI劃分等級，而非只關注是否使用了AI技術。

Q：您進行風險投資時，評估標準是什麼呢？

風險投資的普遍標準仍然是：高效的工作團隊、優良的經營模式和龐大的市場規模。此外，我們還會考慮另外兩個參數。

其一，IP（知識產權）主導產品是我們考量投資對象的關鍵參數，也是商業活動的重要標準。我們會考察分析演算法是否具有可防禦性和適用性。例如SigTuple（pi Ventures的投資對象之一，該公司開發出了一種自動分析血液樣本的機器）的分析演算法，運用他們的產品進行血樣病理分析極其便利。

其二，我們會深入考察數據策略。AI是以數據為基礎的，如果創始公司的數據策略不夠完善，他們的工作會很吃力。這就是為什麼SigTuple花費了一年多的時間優化其知識產權產品，因為他們需要數據。SigTuple著手這項工作時意識到無法獲取血樣數據的數字資料，便突發奇想，提出運用顯微鏡獲取早期數據。因此，數據處理策略至關重要。我們會問這些問題，比如貴公司如何獲取數據？你們的數據策略能否自動生成數字化數據？這些數據的價值在哪？

Q：請您談談目前的投資對象。

目前為止，我們一共有四個投資項目。第一個投資對象是SigTuple，該公司開發的機器可通過圖像分析和人工智慧技術診斷血樣。使用他們的產品，無需病理學家盯著顯微鏡的載物片觀察血樣，診斷費也減少了一大部分。SigTuple公司還進行精液分析、尿液分析以及視網膜病變分析。Accel Partners對SigTuple公司進行了A輪投資，投資總份額為580萬美元，我們公司也參與了投資。

第二個投資對象是ten3T公司，我們投資的啟動資金約為25萬美元。ten3T公司研發了一款智能穿戴設備，患者戴在胸前，相關數據能通過設備實時傳輸到雲。心臟病醫生無論在哪，都可以打開平板，查看患者的醫療心電圖（ECG），從而對患者進行連續實時監控。

此外，我們還和Blume風險投資公司一起向Zenatix公司投入資金8千萬盧比。Zenatix公司開發了一款能源管理產品，運用實時智能數據為建築項目經理節省了30%的能耗費用。

我們的第四個投資對象是Niramai公司（啟動資金不便透漏）。Niramai是一家從事乳腺癌檢測的初創企業，該公司創建了計算機視覺技術，運用熱影像來監測識別癌症的早期癥狀。

我們希望儘早進行投資，通常第一筆投資的支票面額約50萬美元（約3千萬盧比）。但視情況而定，第一筆資金最低僅10萬美元，最高可達100萬美元。我們還會進行後續投資，直到A輪投資結束。

Q：您的四個投資對象中有三個屬於醫療衛生領域。為什麼投資都集中於這一領域？難道AI更有助於解決醫療衛生領域的難題嗎？

是的，AI有助於促進醫療衛生領域的發展。醫療衛生領域數據龐大，且有諸多問題亟待解決，尤其是在印度這類國家。印度的人口總數超過十億，但其醫療資源水平低下，患者通常會讓家人和朋友推薦口碑較好的醫生，再去諮詢就診。印度人絕不放心自己走進醫院，也從不奢望能得到細心照料。在二三線城市更不妄想得到高水平的醫療體驗。就像金字塔，塔尖的人們都難以得到優良的醫療資源，更別提塔底的人們。他們基數龐大，急切渴望得到優良的醫療資源。顯而易見，供需之間存在巨大缺口。這一缺口（即金字塔的中間夾層）可以通過AI技術來彌補。例如，憑藉Niramai公司的技術，一名技術員可以很好地完成乳腺癌檢測工作，不再需要有15年工作經驗的腫瘤醫生來完成這項工作。科技能夠促進醫療水平的發展，而AI恰好能發揮作用。

Q：雖然AI技術前景無限，但在您看來，印度在發展AI技術的過程中會遇到什麼難題呢？

我認為有三大支柱共同支撐印度AI技術的發展。這三點是強有力的支撐，然而，哪裡有支點，哪裡就有挑戰。第一大支柱是數據，第二大支柱是人才。但這兩大支柱已經開始動搖。美國的運通、亞馬遜和微軟公司幾年前就在印度設立了科學數據中心；現如今人才也開始逐漸流失，不是加入了創業者大軍，就是自己單獨創業。因而，數據工程師也越來越多。第三支柱就是AI商業化。印度企業是否願意利用AI實現大跨步發展？誠然，這三大支柱共同推動了AI的發展。所以我認為，儘管挑戰重重，但整個生態系統正在蓬勃發展。大概再過2-5年，整個世界就趨於穩定，到那時，這三大點也會得以印證。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！