本篇文章5131字，读完约13分钟
离开迅雷后，程浩“全力以赴”。他最关心的领域是人工智能。他决心用10年时间“重建一棵红杉”。
口服程浩
组织同一个石慧
编辑杨杰
世界如此之大，我想看看。在一封告别雷霆的内部邮件中，程浩写道。
1月29日，恰好是迅雷成立的周年纪念日。经过13年的努力，程浩正式辞去了所有职务，转而创造最好的。今年年初，他没有加入大型投资机构，而是与宋河资本的创始合伙人李伟和合伙人汪洋共同创建了宋河王源资本。雷霆已经上市，这被认为已经完成了一个重要的阶段。我在一家公司工作太久了，我想看看外面的世界。我认为我很适合投资。当与企业家&我是黑马交谈时，程浩靠在沙发上轻快地说。
发现新事物可能是程浩内心的偏好。早在13年前，百度高级技术经理程浩就选择辞去高薪工作，南下深圳。最后，他和美国杜克大学的校友邹胜龙共同创办了迅雷。2014年，迅雷在纳斯达克上市。2016年，程浩选择了重新开始。这一次，他给自己设定了一个新的目标:在未来的十年里建造另一棵红杉。
除了成立迅雷，程浩还在迅雷管理了数年的战略投资。我感兴趣，擅长投资。程浩说。我在科技公司有这么多年的经验，有科技行业的背景和从0到1的创业经验，这对创业者会有很大的帮助。
现在，每次程浩去硅谷，他都必须观看那里的许多项目，并与美国投资者和孵化器交流。虽然我们主要投资国内项目，但我们必须对世界上最前沿的科学技术有一个前瞻性的认识。不要在中国投资，你会发现一切都要落后了，两年后就会被取代。
松河王源资本选择的投资方向主要是技术前沿的企业服务、互联网金融、人工智能和虚拟现实/增强现实。程浩个人专注于vr/ar和ai的投资方向，因为他已经在这些领域投入了很长时间。当程浩还是杜克大学的研究生时，他的专业与大数据有关。后来，他在百度和迅雷这两家具有技术气质的公司工作，这使得程浩与尖端技术始终保持着密切的联系。“我在这些领域投资有优势，”程浩严肃地说，并表示人工智能是他目前更加关注的方向。
然而，在人工智能方面，程浩已经看到了很多项目，但是到目前为止他还没有做出多少努力。其中，他有自己的想法和坚持。水很深，所以我想在投票前看清楚。程浩语气温和地表示，一些地区对投资者的要求较低，五年和一年后的累积判断是相似的。但是花费的时间越长，它就越精确。这也是一个有5-10年机会的长期行业。
十年磨一剑之后，既然他给自己设定了十年重现红杉的目标，程浩显然暂时不会着急。他想更准确地描绘未来。
以下内容由程浩口述，由企业家&我是黑马编辑:
看穿上游和下游，然后开枪
在人工智能领域，我看过很多项目。坦率地说，这条线的水很深。一方面，特别是高质量的企业家，他们的项目受到高度重视，另一方面，许多创业项目的商业模式仍不明朗。相对来说，我们想在拍摄前看清楚。
我们的投资阶段偏向天使和圆形a。一般来说，投资有两个维度:人和事物。越早，观察人就越重要，越晚，就越依赖事物。
从投资方向来看，我们更喜欢聚焦。我个人关注的是人工智能。但在我投资之前，我必须彻底了解相关领域。你说彻底是什么意思？例如，我正在看人工智能+金融。这条跑道上有五名运动员。我和a有联系。其他四名选手和他相比怎么样？首先，你应该有一个清晰的理解，你应该和他们所有人交谈。
这还不够。你最好探索上游和下游。问问与上下游行业相关的人:你为什么与这个团队合作？它们是更具成本效益，还是更成熟？这些企业家的生产率是多少？如果你不了解这样的行业，很难判断。在人工智能领域，如果你以前没有投过任何项目的票，每个项目都可能感觉不错，但是你很难对每个项目都扣动扳机。
当然，并不是每个投资者都这样做。一些早期的投资者几乎只关注人，他们对事物和行业的理解可能没有我们深刻；然而，只要你认为这件事是可靠的，创始人是有价值和魅力的，你可以投票支持这个项目。然而，我们投票支持的项目，尤其是那些在A轮中的项目，几乎总是会在阅读完它们之后做一个行业报告。如果你想投这个项目的票，你可以，但是你必须告诉我谁是它的竞争对手，你谈论过他们吗，你的投资决策有什么参考？你看，我们的公共账户经常为此产生一些行业研究报告。
在做出投资决策之前，我们应该对我们投资的领域有深刻的理解和判断。我有这样一句话:在任何一个田径项目中，只有在观看了数百个项目之后，积累才算完成。看完之后，整个行业的现状、竞争格局和痛点都很清楚，通过理性的分析和比较，我可以信心十足地投资。即使项目的估价变得昂贵，或者时间可能已经过去了几个月。但我们看重的是创业项目的长期增长和长期价值回报，这种耐心是值得付出的。
面向企业的机器人将是第一个出现的
在这个阶段，如果你让我在人工智能和虚拟现实之间选择，我肯定会先选择人工智能。虚拟现实现在只能做2b和2c的生意，这需要时间。但是在2b领域，人工智能的机会已经开始出现。
近年来人工智能的普及主要归功于三个因素:数据的爆炸式增长、计算能力的提高和算法的改进。
首先，以前存在很多算法，比如神经网络。但是为什么以前没有爆发呢？这是因为数据量不够。你应该记住人工智能和大数据是孪生兄弟。今天的人工智能离不开大数据，它必须基于大数据来发展。例如，如果你教一台机器识别图片，你必须先训练成千上万张图片，甚至几十万或几百万张，然后机器才能识别它们。另一个例子是语音识别。过去，语料库并不丰富。即使在互联网时代，语料库仍然非常有限。然而，在移动时代，语料库非常丰富，移动互联网极大地丰富了数据。
第二，计算能力。过去训练同一个数据集需要两个月的时间，但现在依靠计算能力的显著提高需要两天的时间。第三是算法。神经网络的概念很早就被提出来了。2006年，基于机器学习大师杰弗里·辛顿(geoffrey hinton)和学生罗斯兰(ruslan)在《科学》(Science)上发表的一篇论文，它引发了研究和应用领域深度学习的发展浪潮，深度学习开始真正发展起来。除此之外，许多新算法已经出现。人工智能的门槛也在降低。谷歌大脑开发团队去年开放了tensorflow平台，这大大降低了人工智能开发的难度，并允许更多的开发者参与。随着开源社区的增加，整个行业正在迅速崛起。
在人工智能领域，我基本上不投票支持人工智能的基本服务，比如人脸识别、语音识别、手势识别等。这些赛马场已经建成，但没有直接的商业模式。那些提供底层服务的人通常不得不合并垂直服务，因为通过底层服务销售sdk根本不赚钱。要做到这一点，你必须依靠越来越多的数据来增强效果和提高识别率，所以它必须是免费的和对其他人开放的。底层技术是水平的，必须加上垂直的。像iflytek，它更注重教育，它给出了托福的自动评分。
另一个例子是人脸识别。这项技术是横向和纵向的。核心领域是安全和金融。现在人脸识别的应用越来越多，比如金融开户或者支付行为。但是仅仅水平地做是绝对不够的。未来，越来越多的企业不再做横向开发，而直接用你的底部开发。当然，它仍处于发展的早期阶段，并不是一切都那么完美，但长期趋势肯定是这样的。
因此，我们正在关注垂直行业的一些赛道，并投资人工智能+。
在未来，人工智能将深刻地改变各个行业。Ai+可以细分为许多行业，如人工智能加金融、人工智能加机器人，而机器人有三种轨迹:工业机器人、企业服务机器人和个人消费机器人。
在机器人领域，我个人更喜欢面向企业的机器人，比如工业和服务机器人。工业机器人市场是显而易见的，服务机器人在未来将会有很大的发展，其核心是机器代替劳动力。许多工作在未来将不再需要人们去做。看看未来的星巴克。桌子上有一个小屏幕。让我们点一杯卡布奇诺，点击确定，微信将扫描付款，那里的机器人将开始做这件事。因为这种东西是标准产品，所以很容易用机器人来制作，完成后会直接发送出去。我认为不会花太长时间。也许五年后，许多星巴克将不再需要人力。
越来越多的领域显示出这种趋势。例如，汽车驾驶，我认为在5-10年内，它将彻底改变整个汽车产业链。例如，在人力资源领域，可以进行机器人面试，也可以通过机器进行简单的自动匹配。过去，微软的小型面试机器人花了16个小时面试10000人，筛选出7000人。用人工智能从10，000人中筛选出100人也许很难，但筛选出9，000人没问题，效率会大大提高。
我们过去常常谈论人工智能或机器人，我们总是认为它将在未来取代简单和重复的工作，但我认为这种理解是错误的。当然，简单重复的工作将会率先被取代，但在未来，一些我们认为更高的职业将会被它取代。
现在在美国，一些基金公司已经开始尝试用机器取代基金经理。过去，许多关于深度学习或机器学习的会议都是由谷歌和facebook赞助或支持的，现在有近一半是由基金公司赞助的。因为他们更需要这样的技术服务。像基金经理这样的工作将被取代，因为有两个条件得到满足:首先，它的投入有一个明确的界限；其次，输出是标准化的，易于评估。
当然，并不是所有看起来不高的职业都容易被取代。例如，学前教师似乎教孩子很简单，但他们不符合上述两个条件。
在我看来，人工智能+医疗在未来肯定会是一条大赛道。现在，已经有机器人可以看病例电影来分析疾病，甚至给病人做手术。
如今，在物流领域，第一公里，也就是说，许多仓库已经是机器人了。
为什么我们重视面向企业的机器人，并认为它们将是第一个被开发的领域？说白了，它的核心是取代人力。然而，消费类机器人目前还不成熟，因为所有的技术发展都必须首先是2b，然后是2c，或者是b2c，它们不会一出现就变成2c。
2b和2c之间的差别很大。让我们以机器人为例。首先，在技术和产品不成熟的情况下，2b相对容易接受。首先是价格。一个机器人的价格可能是几万英镑，而且它还处于这个行业的萌芽阶段。众所周知，只有当数量上升时，价格才能下降，但是现在数量没有上升，所以价格仍然很贵。此时，只有B终端会接受你的产品，因为企业会计算出机器人可以替换的人工成本，如果能够节约成本，企业也可以接受。但是碳终端不好。首先，消费者对价格的敏感度是不同的。其次，2b现在基本上是人+机器的模型，机器是人工的，这可以帮助企业降低成本，大大降低生产或工作的难度，这也使得企业服务机器人更容易商业化。
此外，2b的产品目标是单一的，一个产品只有一个目的。例如，星巴克需要它来运送咖啡。这个单一的目标很容易实现。然而，2c的产品不能等待它做任何事情，唱歌和跳舞，最好是订购外卖，这是太高了。
如果家用消费机器人真的能以可接受的价格商业化，它肯定会是一个大市场。但就目前而言，还为时过早。
在1000亿英镑的自主驾驶市场上，百度滴滴终将一战
英美烟草正在展示人工智能，尤其是百度。事实上，搜索引擎本身就是人工智能的应用，但百度现在最大的动作是无人驾驶。自动驾驶仪是我们在人工智能领域能看到的最清晰的东西，它是一个潜在的更大的趋势。这将是一个规模为1000亿元至1万亿元的大市场，尤其是对百度这样的大公司而言。
将来，百度肯定会做滴滴的事情。
例如，目前的汽车制造商，如宝马和奔驰，相当于目前的手机制造商。一家从事自动驾驶的公司相当于安卓操作系统。但这还不够。如果你想打电话，你仍然缺乏像中国移动这样的运营公司。优步或滴滴等。，相当于这个操作符的角色。但是他们不愿意在自己的水平上做这件事。
如果现在中国汽车的年产量和销售量是2000万辆，在自动驾驶普及以后，每年可能只够生产几百万辆。因为一旦自动驾驶普及，按需使用汽车将成为一种趋势，大多数消费者将停止购买汽车。未来的行业模式必须是汽车制造商和汽车驾驶解决方案提供商都将向旅游服务转型。目前有三条产业链，未来将整合在一起。
目前，滴滴和优步都在内部开发自主驾驶，优步的无人驾驶汽车已经上路，谷歌和百度已经在无人驾驶汽车领域展开了努力。
尽管滴滴拥有较高的旅游市场份额，但由于自主驾驶技术的普及，百度逆转并超越滴滴并不复杂。滴滴目前的业务具有双边网络效应:司机越多，乘客等待时间越短；乘客越多，司机开的车就越少，两者会相互加强。一旦自动驾驶变得流行，双边效应将很快被打破，因为不需要司机。百度并不缺乏流量，它可以从区域化开始。此外，自主驾驶到来后，服务成本将大大降低，推广力度也会加大。
百度的技术肯定更专业，而滴滴的优势是大数据。然而，如果它想自动驾驶，当前的数据是不够的，精度是不够的。如果你想做到这一点，它必须给汽车增加传感器。
对滴滴来说，自动驾驶是必须的。如果做得不好，公司可能会在10年后被颠覆。
战争什么时候开始？它没有那么快，但它肯定会在5-10年后开始。这一趋势不难预测。在美国，谷歌和优步之间的相互渗透已经开始。
至于自动驾驶的应用场景，现在将从哪些领域开始？在我看来，这将是一个2b服务在有限的情况下，也就是说，自动驾驶在一个可控的环境将首先实现。例如，公路货运必须首先从这个领域开始。由于货物运输中的高速行驶，道路条件简单，不涉及乘客安全问题，安全性和可靠性较高。
人工智能投资的机会窗口是5-10年
目前，中国人工智能发展的最大制约是技术人才的匮乏。这也导致具有技术背景的创业项目价格高昂。从长远来看，随着人工智能的成熟，越来越多的框架是开源的，门槛会越来越低，会有越来越多的人才。
但是对于我们的投资项目，因为我们主要投资人工智能+，我们希望这个项目的团队不仅要懂人工智能，还要懂行业。你需要知道这个行业的痛点是什么，什么产品可以满足用户的需求，以及最终如何销售。说白了，这一定是一个跨国团队。
我现在觉得最大的问题是，许多空队都有武术技能，但是他们在寻找带锤子的钉子，他们不知道在哪里使用他们的能量。你有一把很棒的铲子，但是你找不到金矿，所以它没用。过去在中国，产品经理创业相对容易。他们最大的优势是他们知道用户的需求以及如何快速验证和迭代产品。R&D的员工可能会遇到一些软钉子，他们会做一些好东西，但他们不知道在哪里使用它们，也不知道如何赚钱。当然，你不能只了解这个行业。如果你没有核心技术力量和持续优化产品的能力，你将失去未来的长期竞争力。然而，这样一个跨境团队并不容易找到，它可能涉及来自两个不同行业的人。同时，对每个人来说，与他人相处也是一个挑战。
因此，我不着急。人工智能是一个5-10年的机会。上半年，即使我只是学习，也没有太大的影响。与某些领域不同，机会之窗是如此之窄，可能还有一年的机会。我花了半天时间对事情进行了彻底的研究，明年赛道将会改变，这对我来说毫无价值。我更愿意精耕细作，保持稳定的步伐，制定长远的计划，这样会更有价值。
