编者按：本文来自微信公众号，本文内容为【源 码 内 参】-第2期，作者 郝毅文 ，开奖，投资部副总裁；授权36氪发布，转载请联系原作者。

　　“靠谱”AI类创业公司的特征侧写

在实际接触到的AI项目中，处于技术工具“造榔头”阶段的多，离产品化“造出房子”还远。

目前人工智能人才的最大缺口是技术型人才，但下一个缺口将会是商业化人才。

AI类型项目主要退出方式还是被巨头收购（15年69起，16年84起），目前尚未看到哪家有独立上市 苗头，和热度略逊的大数据领域也差距较大，基金退出渠道不明。

　　根据烯牛数据的统计，16年底-17年初，国内各大机构在关于今年投资方向的98篇讨论中，人工智能的提及次数占48次，是第二位“文化娱乐”的1.8倍。

　　按Venture Scanner数据，2016年，全球人工智能领域创业公司获得的融资总额达到了50亿美元，658个公司获投。市场火热程度毋庸置疑。

　　但繁荣之下也有隐忧。

　　Source:CBInsights

　　2、产品化与估值泡沫

　　我们认同AI技术的普及和爆发是必然趋势，但回到实际接触到的AI项目中，处于技术工具“造榔头”阶段的多，离产品化“造出房子”还远。

　　对比同样To B为主，以解决企业实际问题为目标的SAAS行业，AI领域有一定估值泡沫存在。

　　业内对SAAS公司有按Forward P/S 5-10倍来估值的共识，而AI类项目还在看人头，看简历定价阶段，或许存在按发表论文Paper数+H Index（学术产出水平）估值的P/P方法。

　　此外不少换包装的“准AI”项目也大量入市。甚至有些消费类项目，商业模式关键点并不在于AI技术应用，而在融资时凑热点，堆砌一些技术名词“忽悠”投资人。这反而掩盖了自身特点，带来不必要的技术DD，以己之短博人之长。

　　3、人才瓶颈

　　人才需求爆棚，薪资翻番，创业公司招人难。北美地区16年AI开发的相关职位供需比是3:10。该领域人才在国内的供求失衡更为严重，或达到1:10。学术圈人才大量进入工业界，也有诸多大公司骨干按耐不住开始了创业。

　　Source:David Simonds

　　目前该领域最大缺口的是技术型人才，但下一个缺口将会是商业化人才：理解技术边界和实现机制，更懂行业需求的“翻译官”类型。

　　创始人背景：目前普遍受认可，也是最多见的创始人背景是有学术高度的海归博士，在产业圈公司工作3-5年，晋升快，又有商业思维的。

　　其次是大公司研发线高层创业以及教授选手，一般在副教授级别，30-40岁，有一定学术影响力，有全职下海决心的。科学家创业需要尽快找到商业合伙人，对要落地的行业非常了解的。

　　4、退出路径

　　全球范围，AI类型项目主要退出方式还是被巨头收购（15年69起，16年84起），目前尚未看到哪家有独立上市苗头，和热度略逊的大数据领域也差距较大，基金退出渠道不明。在国内的环境中，大公司依然倾向收购资源和收入，对人才和技术的收购并不积极。

　　学术界的技术从论文想法到产品落地，再到成为行业常识的时间越来越快，具有技术收购价值的窗口期缩短。例如去年的热门软件Prisma所用到的风格迁移技术，概念最早发表于 15 年 8 月的一篇论文《A Neural Algorithm for Artistic Style》，3-4个月后，开源社区将算法速度提升了几个数量级，16年上半年有2-3家创业公司拥有这个技术，7月Prisma引爆朋友圈后，现在已有不少于20个团队在这个方向创业，也成为所有美图类的标配。届时技术收购价值也大大降低。过高估值的公司，自我造血能力跟不上的话，形势尴尬。

　　5、技术成熟周期

　　前沿科技领域的创业公司需要尊重商业规律，寻找价值创造点，敬畏技术成熟周期。Gartner每年都会公布新兴技术成熟度曲线，创业者应审视自身实力，寻找技术到站距离比较近，或是至少有中途停靠补给站（商业化应用）的赛道，伟大的企业都从满足客户需求开始，而不是依靠赢得世界级的学术地位。

　　Source:David Simonds