AI投資人Lan Xuezhao的投資邏輯：我關注進入市場的方式、公司定位和規模

2017-09-02 John Mannes 機器之能

Lan Xuezhao 是專註於 AI 的風險投資基金 Basis Set Ventures 的投資人，在這篇文章中，她談到了她的投資邏輯，她認為，演算法靠不住，如何進入市場，公司的定位和規模是值得關注的地方。同時，她也談到了對人工智慧領域的其他看法。

編譯 | 王宇欣 劉燕

來源 | techcrunch

Lan Xuezhao，曾是 Dropbox 戰略發展部併購的負責人，她在密歇根大學獲得心理學和教育學雙博士學位，其後在哈佛完成了博士後的深造。奔走數月之後，她專註於機器智能的風險投資基金 Basis Set Ventures 正式成立，並募得 1 億 3600 萬美元。

你為什麼覺得 1 億 3600 萬美元是合適的啟動資金？

這個數字比任何事情都具有戰略性。我感覺在第一輪融資和更小的種子交易（seed deals）之中有一個缺口。有很多更小型的種子基金，數量眾多，和它們競爭很困難。在第一輪融資中，很多大型企業與這些小型種子基金合作密切。但是在其中還存在一個機會，就是資金範圍在一百萬到三百萬之間，很多基金都可以做到這點。

在如今似乎已經被人工智慧資金充斥的市場中，對於人工智慧的關注仍然會是一個關鍵點嗎？你認為風險投資對於機器智能初創公司真正的價值在哪裡？

以我的經驗來說，我認為進入市場是至關重要的，因為演算法不太靠得住。我花了很多時間研究如何幫助初創公司與大客戶之間關係更加緊密。這些初創公司和我關係密切，作演示或者報告數據的時候，我們之間不需要特別正式。我常常會與一些創始人坐下來，會看一下 Excel 表格然後想辦法解決事情。我會幫助這些初創公司招募人員，這些就是他們想要的資源。我其實挺愛管閑事，我想要幫助創業的人把這些事情都搞定。

同樣，我們很關注公司定位以及規模。我們做了很多導向性的指示，但是我們同樣做了很多調查來確保我們沒有走偏。每周五我們會和客戶交流，就是那些真正使用了這些產品的人，我們嘗試弄明白什麼樣的產品能夠在市場上跑通、什麼樣的根本不行。

人工智慧工作室模型是否被過分誇大？

技術人才是非常有價值的。我有自己的顧問團，他們的觀點對我都非常有價值。甚至是產品經理和設計師，他們的觀點對於基金都非常有價值。但是你想要確保這些人都有足夠的參與度來真正幫助那些沒有發現的盲點。一些孵化中心嘗試提供數據幫助公司構建早期的產品。我認為這有點困難，因為數據需要有非常強的針對性。這有很多潛在的價值，但是這取決於一個公司真正需要什麼。

長遠來看，機器學習的 API 和開發工具作為投資是否足夠穩固？

我見過有些公司採用了這種方法，但是我也有些猶豫。我沒有特別肯定的看法，這得視情況而定。我投資了一家適合這種方法的公司，對於他們來說事情進行的很順利。但我也聽過一些不順利的例子。我喜歡公司開發他們自己的技術。為了使技術有用，公司需要有良好的整合及本土化經驗。開發者需要很強的號召力才能使其工作。做到這三點不是那麼容易，不過如果你做到了，公司就會處於一個不錯的位置。

你是否贊同大多數人選擇在橫向平台上對垂直化人工智慧進行投資？

我相信垂直整合的全棧解決方案。演算法變得越來越商品化，大型公司正在嘗試橫向發展，這樣很難做好。

你認可初創公司在早期使用現成的人工智慧技術嗎？

你需要搭建一些確實能夠解決問題的東西，而不是在某項技術上耗費了三年的時間，結果搭建了一些人們不會使用的東西。它不是解決方案，人工智慧是解決問題的一條路徑。人工智慧不是目的，是解決問題的東西。擁有一個人們真正會使用的產品有時候意味著使用現成的技術。然而，在未來，當產品被推出的時候，你可以使技術更加穩健。

你一直在投資構建一個量化採購引擎，它帶來了什麼收益？

量化採購是一種覆蓋盲點的好方法。個人的網路都有局限性以及偏向性。這是一個不錯的工具來補充自己的網路，這樣你就能試著去看到一些你以前可能忽略的東西。為 Dropbox 做 CorpDev 時，我首次僱傭了 MIT 的博士為我們構建一個量化採購引擎。

如果不使用那個引擎的話，我們就不能一起發現那些我們根本看不到的有趣的公司。這種方法不會替代傳統採購，但這確實是很強力的工具，我打算給 Basis Set Ventures 也搭建一個。很多挑戰在於找到正確的信號，演算法本身實際上不需要那麼複雜。當我們看待增長時，會有一些曲線平滑，但是大部分是要理解問題，找到正確的信號，這樣在事件發生時你就可以設置正確的觸發器，這需要與人工智慧相同的專業知識。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！