当然并不是每个投资人都是这种打法，有的早期投资人几乎只看人，对事情和行业了解可能没我们那么深入；但是只要觉得这个事还靠谱，这个创始人有价值、有个人魅力，这个项目就可以投。但是我们投的特别是偏A轮的项目，我们看过后几乎都会做一个行业报告出来。要投这个项目，可以，但是你要告诉我，它的竞争对手都是谁，你都有聊过没有，你投资决策的参考依据是什么？你看我们的公众号经常会出一些行业研究报告，就是做这个用的。

　　我们这支基金，直播，投资决策之前，我们要对所投的领域，都有非常深刻的认识和判断才可以。我有一句话是这样说的：任何一个赛道、任何一个领域，看完上百个项目才算积累完成。看完之后，对整个行业的现状、竞争格局、痛点机会就清晰明确了，通过理性的分析比较，我就可以放心投入了。哪怕这时项目估值已变贵，或者时间可能已过几个月。但我们看重的是创业项目的长期成长性和长期价值回报，这点耐心是值得付出的。

　　面向企业的机器人将最先爆发

　　在现在这个阶段，如果你让我在人工智能和虚拟现实两个方向中选一个，我肯定优先选人工智能。虚拟现实现在只能做2B，2C的业务还需要时间。但人工智能在2B领域，机会已经开始显现。

　　人工智能这几年之所以热度提高，主要是由于具备了三个要素：数据的爆发、计算能力的提升和算法的改进。

　　首先，很多算法其实以前就有，比如神经网络。但是为什么之前没有爆发？就是因为数据量不够。你要记住一点，人工智能和大数据是孪生兄弟。现在的人工智能都离不开大数据，一定要基于大数据才能发展。比如你教机器识别图片，必须要训练上万张图片，甚至几十万张、几百万张，它才能够识别。再比如语音识别，在过去语料库没有那么丰富，即使是互联网时代，语料仍然很有限。但是在移动时代，语料就非常丰富了，移动互联网极大丰富了数据。

　　其次是计算能力。训练同一个数据集，以前可能要两个月，现在依靠计算能力的显著提升，用时两天就够了。第三是算法。神经网络这个概念比较早就提出了。 2006年基于机器学习大师Geoffrey Hinton和其学生Ruslan发表在《科学》杂志上的一篇论文，引发了深度学习在研究领域和应用领域的发展浪潮，深度学习开始真正发展起来。在这之上又出现了很多新的算法。人工智能的门槛也在降低。“Google Brain”开发团队在去年开源了 TensorFlow平台，极大地降低了AI开发的难度，让更多的开发者可以参与进来。开源社区的增加，让整个行业都在迅速地崛起。

　　在人工智能这个领域，人工智能基础服务类我基本不投，比如人脸识别、语音识别、手势识别等，这些赛道已经有人做出来了，但本身并没有直接的商业模式。做底层服务的，往往必须得结合垂直服务，因为光靠做底层服务卖SDK根本不赚钱。做这个要基于数据模型，你必须依靠越来越多的数据，来增强效果、提高识别率，所以就一定都是免费开放给别人用的。底层技术是一“横”，还必须加上垂直这一“竖”。像科大讯飞比较偏重教育，它就出了个托福的自动评分。

　　再比如人脸识别，技术是“横”，在“竖”里，最核心的领域就是安防以及金融。现在人脸识别已经越来越多地获得应用，比如金融开户或者支付行为上。但只做“横”肯定不行。未来越来越多的企业不会去做“横”，直接用你的底层开发就行了。当然现在还是发展的前期，一切还没那么健全，但长期趋势一定是这样。

　　因此，我们更多地在看垂直行业的一些赛道，投资的是“人工智能+”。

　　在未来，人工智能将深刻改变各个行业。AI+可以细分出无数个行业，比如人工智能加金融，人工智能加机器人……而机器人本身就有三个赛道：工业机器人、企业服务类机器人、面向个人消费的机器人。

　　在机器人领域，我个人更偏向面向企业的机器人，例如工业和服务类机器人。工业机器人市场显而易见，服务类机器人未来也会有大的发展，核心就是机器替代人工。未来很多工作都不再需要人去做了。未来你看星巴克里，桌子上有一块小屏幕，咱们点一杯卡布奇诺，点了确定，微信一扫支付，那边机器人就开始做了。这类东西因为是标品，拿机器人做很容易，做完之后直接就送上来了。我觉得不用太长时间，可能5年以后，很多星巴克就不再需要人工了。