技術翻身把錢賺

來源 | 甲子光年

作者 | 小沐

編輯 | 火柴Q、甲小姐

分析師 | 丁兆增

本文圖表數據來自「甲子光年」分析師團隊；文內一手信息來自「甲子光年」記者團隊對桃樹科技的深度調研。

2018年初，成立兩年的桃樹科技決定「鬧一場革命」。

這家由復星資本、線性資本、創新工場、光信資本等明星機構投資，由曾建立淘寶網數據科學團隊的楊滔帶隊的公司，此前一直和其他服務金融機構的技術初創公司一樣，遵循著一套「標準流程」：融資、招人、做標杆客戶、再融資、再招人、做更多客戶。

於是也遇到了行業「標準難題」：項目制、外包，費勁不討好，缺少定價權，最重要的是，難以真正形成技術價值的閉環。

創始人楊滔眼睜睜看著公司在食物鏈底端尷尬爬行了兩年，他痛定思痛，做出了一個大膽的決定：不再在原有市場里慢吞吞匍匐，而是all in一個新戰場，快速突圍。

楊滔做出了業內極為罕見的殺伐決斷：

戰略上，跳出to B大條框，用公司自有資金做二級市場的量化投資，靠技術直接賺錢。

戰術上，精簡人員，把80%以上資源支持新戰略；以AI技術為投資武器，以省下來的彈藥為投資本金，讓戰略決策得到120%的執行。

班子團隊上，挑選精英工程師，組成「桃樹先鋒隊」，結合公司積累的技術能力和團隊對國內外量化投資的全方位研究、研發，獨創交易策略。

「在實盤交易之前，我們做了最壞的打算。」楊滔告訴「甲子光年」。

但真正跑起來，桃樹的策略卻取得了亮眼的成績：

經過10個月的實盤交易，桃樹從最初的100萬本金不斷加碼至幾千萬本金；2018年年內，當市場行情一片愁雲慘霧之時，桃樹卻在幾千萬本金的規模下取得了37%的年化收益率，業績超過99%的公募基金。

「能取得成效的關鍵是我們有技術積累，並在這個行業做了許多功課。」楊滔說，「真正酷的技術，賺錢絕不應該是費勁的。」

從為他人賦能，到自己上陣，桃樹的選擇在行業中很罕見，卻給金融科技這條賽道帶來了一個獨特的案例：

斷後路、揭竿起，技術翻身把錢賺。

1.「虛招」不中用了

楊滔並不迴避前兩年的艱難。

這一波人工智慧、大數據公司，誰不是起步時自帶光環，備受追捧？

但與學術成果的日新月異相比，新技術商用之路往往「高開低走」：酷炫黑科技的應用場景並不好找；就算摸到了門，也不好進，更難的是賺到錢。

楊滔有亮眼的職業資歷。在2012年～2015年於淘寶工作期間，曾是內部小有名氣的「數據科學家」，為「聚划算」做出了爆款推薦引擎後，他被破格晉陞為P8；此後，他又帶領一個「數據敢死隊」開發了內嵌在淘寶後台的「至高點」數據產品，以幫助用戶發現淘寶中最具特色的達人買家和小而美賣家。

由於不想讓演算法局限在「讓人止不住剁手」這件事上，楊滔在2015年辭職創業。

創業之初，桃樹首先想要拿下的是數據質量高、技術需求明確、資金充沛的銀行業。

按照楊滔設想的「業務、數據、演算法」三位一體的商業閉環，如果桃樹的演算法技術能在服務高門檻的銀行客戶時得到淬鍊，便邁出了用人工智慧創造價值的第一步：技術的原始積累。

但實際服務客戶的過程卻並不容易，常常陷於做項目和外包的苦戰：

爭取到銀行客戶必須經歷做免費PoC（Proof of Concept，概念驗證）的過程。外包商能爭取到做PoC已很有難度，桃樹在確定進入PoC過程後，一般有30%左右概率能拿到客戶訂單，而這離客戶付費可能又還隔著半年以上的時間。

經過漫長、耗時的技術服務，桃樹總共攻下了近20家付費客戶，客單價在數十萬到數百萬之間——換句話說，不能輕鬆地賺錢，更不能賺大錢。

這絕非桃樹一家技術服務公司面臨的難題。

導致困境的外部原因是：市場需求不成熟。

2016年左右，大量傳統企業雖然想用新技術，卻對效果不清楚，對創業公司不信任。桃樹和大量同類公司彷彿市場中的「義務教育者」，常常是，與客戶溝通，會議室滿滿當當坐了20多人，一講技術趨勢就狂記筆記，一談付費、購買就面露難色。

導致困境的內部原因是：新技術公司缺乏一線的行業落地經驗，難憑自己力量找到product-market fit（產品-市場契合度）。

比如，楊滔之前沒想到，銀行客戶決策流程長，更看重「業務不出錯」而非「技術效果好」。

桃樹曾遇到一家銀行客戶，把各家大數據公司叫到一起，講PPT、做項目比賽，整個周期長達4個月。但最後這家銀行沒有採納任何一個方案，還要求大家再來一遍。

回頭看，銀行雖然有錢，但決策機制保守謹慎，核心業務被內部層層封閉，這和互聯網的精益創業、快速試錯的思路截然不同，銀行並非創業公司切入金融行業的最佳著力點。

兩年多的摸爬滾打，讓楊滔在市場火熱的2016年底，就開始深深懷疑人工智慧領域「請大牛 刷大單 融大資 估大值」的模式。

「不可持續。」楊滔認為，拼融資、拼牛人這種「虛招」是to VC的，沒把「技術產生價值」放到第一位。這樣的公司，可能善於融資，但絕不善於賺錢。

說白了，大部分做To B業務的人工智慧公司都沒找到能爆髮式增長的商業模式。

突破口到底在哪裡？楊滔認為最重要的是回歸商業本質：

重建一支「志趣相投」的團隊；重新回答從0到1的關鍵問題：技術本身到底能為客戶創造哪些價值？

「這些才是根基，其他一切問題都不是事。」楊滔說。

2017年初，沿著創造價值的路徑，楊滔決定把核心技術沉澱為產品，建立通用的數據建模平台DataBrain，將其打造成「數據科學的基礎設施」。

此前，桃樹的數據建模能力分散在信用風控、精準營銷、個性化推薦、客戶分群等各技術服務中；這種做法之所以不能真正為客戶創造價值，是因為技術公司只提供演算法，而數據和業務分散在客戶手中，演算法、數據、業務三者割裂。

而DataBrain能統合這三要素：它能從數據中挖掘隱藏細節，使用最優演算法建立模型，並在交互中實時提升業務層的決策結果，最終成為一個幫機構或大眾投資者做決策的標準化產品。這就實現了楊滔一直設想的「業務、數據、演算法」三位一體的商業閉環。

堅持做產品的提前布局，在當時雖不能立竿見影地幫公司做好已鋪開的業務，卻成為桃樹日後再次實現突破的關鍵武器。

2.逆風翻盤

事後回看，讓桃樹如今重新出發的機遇出現在2017年底。

當時，桃樹為一家金融客戶的投資業務提供了服務。

與以往不同的是，這次服務直接作用於二級市場交易環節，評估標準明確，直接將DataBrain應用於公開數據就顯著提高了客戶的收益，這初步說明它能快速為特定的投資需求建立有效投資模型。

楊滔也興奮地看到，二級市場投資理財未來完全有可能發展為to C業務，這將是一個巨大的市場。

於是2018年初，桃樹果斷做出了前文提到的戰略部署：用自有資金直接做量化投資。

此時，已持續迭代一年的DataBrain成為桃樹得以快速把握新機會的關鍵。商業之路常常就是這樣，彼時無處施展的「屠龍之術」，在合適的時機卻能帶來意外的逆風翻盤。

相比上世紀80年代在美國興起的量化投資，中國量化投資起步較晚，其標誌性事件是2010年4月滬深300股指期貨的問世。此前，國內二級市場是「多頭市場」，不存在高效率的做空機制。而有了股指期貨後，國內市場可以「配對交易」，在實現對沖投資的同時確保收益。

這刺激了量化基金數量的激增。

2014年，中國新成立的量化基金數量同比增長超過600%，首次募資規模的同比增長更是超過了1200%。（因2015年的股災，新成立的量化基金數在其後回落。）

目前，國內已有九坤、明汯、幻方等管理規模超50億元的知名量化私募基金，工行、交行等也建立了自己的量化投資團隊。

同時，整個量化投資市場仍有巨大發展空間。東興證券量化投資總監洪振寧去年曾對媒體表示，股指期貨出現升水（股指期貨價格高於現貨價格）及市場流動性回升是量化策略整體復甦的重要標誌，近兩年量化投資應大有可為。

從長期發展潛力看，2017年，全球對沖基金管理的總資金中，34%被用作量化投資；對比國內，量化投資管理資金規模還不到5%，這裡可能潛藏著巨大的機會。

而摩根斯坦利發布的數據表明，去年接近40%的投資交易已將人工智慧作為模塊之一，比2016年翻了一倍。

機會是留給有準備的人的。

DataBrain經過前兩年苦海無邊的外包服務打磨，從零零散散、個性化十足的項目中，練就了通用數據建模能力。

2018年年初，楊滔開始帶領新組建的「桃樹投資先鋒隊」，對投資行業進行全面調研，並對DataBrain做了升級改造，使其具備以下4方面的「專業能力」：

一是通過對比驗證及實盤交易不斷積累、更新的因子庫和規則庫，二是一系列針對不同數據源和投資目標的特殊演算法，三是基於前兩點生成的多種投資策略模型，四是由不同模型組合而成的最終決策。

例如，在股票市場，DataBrain就有大盤行情分析、行業潛力分析、股票收益率評級模型、股票價值模型、股票擇時模型、市場風險規則和投資組合優化等多個模塊。楊滔認為，單個模型無法帶來徹底的效率提升，只有將不同甚至矛盾的技術模塊合理組合應用，才能大幅度降低系統性風險。這就是為什麼越是在市場震蕩期，DataBrain越能發揮優勢——在促進收益的情況下保持風險最小化。

此外，作為機器的DataBrian還能獲得時間成本上的更多優勢，它可以7*24小時永不疲憊地運轉，橫跨海內外不同時區的金融市場，為投資者帶來多種低風險套利機會。

2019年，是桃樹全面發力二級市場投資業務的一年。除了用自有資金及技術直接做投資賺錢、悶頭吃肉，基於DataBrain技術的一系列基金產品也將於近期問世。

那麼，桃樹會就此從一個充斥格子襯衫的技術公司變成西裝革履風的金融機構嗎？

楊滔告訴「甲子光年」，他的「野心」遠不止於此。

3.戰略三步走

桃樹決心投入二級市場投資，除了要證明桃樹的人工智慧技術可以賺錢，而且可以輕鬆賺錢外，還有另一重長期意義。

投資不僅和金融從業者有關，也正日益成為普通大眾的生活方式，楊滔堅信，DataBrain最終可以to C。

如果說to B是「讓1個人付一億元」，那麼to C就是「讓1億人，每人付1元」，對初創公司來說，這能更好地實現從0到1階段的爆髮式增長。

朝著to C的終極戰略方向，桃樹制定了「三步走」的業務路徑：

第一步，To Money：自己面向全球市場做投資，實現自我造血，直接用技術賺錢。

這是桃樹目前正在做的事。桃樹在這一業務上的核心優勢是DataBrain的迭代能力。經過針對投資的升級後，DataBrain能不斷提煉更多因子，創造更多策略，並將獨立且矛盾的策略形成一個完整的投資交易體系，不知疲倦地在最小時間顆粒度內積累「小錢」。

「狗也吃主人桌上掉下的碎渣」，楊滔用《聖經》中的話形容DataBrain的這一特點，他認為，靠機器一次性「賺大錢」不現實，但不斷抓住小風險的小收益，則能一方面實現「積少成多」地賺大錢，一方面又儘可能避免損失。

這種不間斷挖掘「碎渣」收益的能力，能讓桃樹打造出「零售化的金融產品」，以滿足中國巨大的大眾投資需求，且這一領域是一片技術商業化的藍海。

第二步，To B：幫助有投資需求的企業進行投資，並且從投資收益中分成。

在金融行業有種共識：最好用的工具不會賣給別人，而應該自己悶聲發大財。

但楊滔的想法是，如果產品真的好，其實應該一邊悶頭吃肉，一邊和別人一起吃肉。

在to B業務上，桃樹重點聚焦那些投資需求與投資能力不匹配之處。

例如，許多產業企業都有套期保值的需求，在周期性較強的農業、原材料和一些製造業領域，企業會通過購買大宗商品期貨來對沖自身主營產品的價格波動。而對實力並不強的玩家來說，內部缺乏專業的投資團隊、資源；外部，在中國市場上又難以找到能深刻理解產業問題，儲備相關投資策略和產品，且資金規模、投資周期都很合適的專職機構。

而為多樣的投資需求生成最優投資策略，正是擁有超強學習能力的DataBrain的最大特長：DataBrain能實現對資本規模、風險偏好、資金封閉期的不同設定；此後，機器還可以在初始設定的基礎上自動學習，持續生成、優化投資策略。

桃樹的to B 業務由DataBrain在客戶的交易賬號中持續交易，從最終收益中分得利潤。楊滔把這種商業模式定義為「科技投資」。

所以，在to B業務線上，桃樹的服務對象不僅包括券商、其它基金等金融機構，也包含大量有不同需求的各種企業。

第三步，To C：實現最終的星辰大海，為大眾提供一款投資決策的數據大腦。

用戶只要買股票就逃不開幾個基本問題：外在，大處要看市場走勢和行業潛力，小處要看個股表現，執行上還要考慮投資時機、交易量大小、止盈止損手段和應對突發事件；內在，要磨鍊好自己的投資原則和定力。

但對大量有強投資需求的普通人而言，根本沒有這麼多時間全面分析以上的信息、數據，也不具備專業工具和技能。更要命的是，是人就會貪婪和恐懼，容易做出違背投資原則的錯誤決策。市場上仍缺少面向普通投資者的簡單、有效的投資決策輔助工具。

已完成了前期技術積累、驗證，正在經歷真金白銀實戰的DataBrain有潛力填補這個空白。一方面，隨著技術成熟、策略豐富，DataBrain能更好滿足C端多樣的投資需求；另一方面，機器比人「理性」，更能貫徹以下的投資鐵律——比追逐收益更重要的是控制風險。

3條業務線中，to C是桃樹最看重的長期目標。楊滔有一個觀點：對大眾有用的科技，才是最有殺傷力的科技——從技術發展看，受眾廣、反饋多，才有利於技術自身的快速進化；從商業能力看，客戶少、評判者少，技術工具提供者的議價能力就弱。擴大客戶/用戶面才有利於提高技術的話語權。

而在桃樹自身的商業利益之外，楊滔相信：當投資能變得更簡單、更透明、風險更低時，會刺激整個金融市場的發展，讓代表新興方向、引領未來機會的企業、行業拿到更多資金，他們的成長又會進一步反哺投資者，形成良性循環。

當投資項目就像逛淘寶一樣簡單時，金融市場就會越來越成熟，這正是技術能給金融行業帶來的終極價值。

4. 「不賺錢才是跑偏了」

從to M 到to B 再到to C，桃樹的進階之路中，有兩點值得行業借鑒：

1.對於技術「直接產生價值」的思考

2.對客戶群體的再定義

在楊滔看來，to M 回答了創業從0到1這一最關鍵、最難解的問題：到底技術該怎麼創造價值？也就是真正在實際場景中找到技術的用武之地。

「好的產品，直接拿結果說話。」to M業務讓桃樹在從0到1的初創階段找到了用技術產品獲得實實在在收益的方法，且收益的最大支撐是DataBrain本身。這裡幾乎不需要銷售、運營的參與，是一個「技術純度」極高的場景，解決了「自己賺錢」的問題。

其次，to M、to B 、to C，三步之間並非割裂，其內在的統一性在於： to Money 為後兩步提供了現金流支撐和產品支持——只有自己賺到錢，才能幫別人賺錢；而後兩步又能成為前者的流量、策略渠道。三步齊頭並進，互為補充和放大，在最大化技術價值的路上，殊途同歸。

To B和to C的統一性則在於，服務的對象都是投資者。

「投資」天然是一個特點介於B和C之間的市場——它在規模上靠近C端市場，潛在用戶規模龐大；但在決策動因上靠近B端市場，追求的是效率和價值，而非娛樂、消遣或其他生活需求。這類滿足共同職業群體、共同職業訴求的工具可以定義為to P（Professional Groups,職業群體）。

以to P的視角重新定義客戶群，會發現從to B到to C不過是同一套邏輯的推廣，因為在這兩條業務線里，投資人的風險偏好、管理資金規模、投資經驗、投資價值觀雖各不相同，對專業工具的需求是卻統一的，能通過to P概念歸納為統一的用戶畫像。

對楊滔來說，這樣一條路徑最符合他從阿里辭職創業時的初心：做一款面向大眾的、幫助大眾節省時間而非消磨時間的產品。

如今，桃樹已經跳出用高科技給企業做外包服務的被動局面，但他們現在選擇的這條蹊徑能否走下去，還有一定風險和變數。

其一，to Money的成果和能力還需要更長時間的市場檢驗。

一位金融科技從業者認為：憑演算法掙錢，有的靠實力，有的碰運氣。即使現在桃樹取得的收益不錯，尚不能證明這套工具長期有效或有足夠的壁壘。

其二，當通過大量商業摸索發現了賺錢的金融業務時，公司的願景是否也隨之改變了？

市面上做量化投資的金融科技公司如聚寬、優礦、米筐、BigQuant等，都只做平台生意，並不會拿自己的資金做投資。這都是慣常的「金融科技」公司的思路，而已經開始直接做金融的桃樹會不會幹脆「跑偏」成一個基金？

楊滔的回答是：金融科技依舊是公司的大方向，現在的「小目標」是先賺錢，「不賺錢才是跑偏了。」

一路走來，雖然幾經波折，但楊滔追逐的「技術普惠大眾」的大方向一直沒變。無論to Money、to B、to C，模式萬萬千，戰略千千萬，「高科技生意」的本質卻簡單明了：

用創新技術持續為大眾創造不可提替代的價值。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！