計算機(jī)、微電子科技的發(fā)展推動了互聯(lián)網(wǎng)發(fā)展，信息技術(shù)革命掀起了移動互聯(lián)網(wǎng)的熱潮，每一次的技術(shù)革新都帶了產(chǎn)業(yè)形態(tài)的大變革。隨著移動互聯(lián)網(wǎng)進(jìn)入下半場，物聯(lián)網(wǎng)、AI等多技術(shù)融合也將開啟一個萬物智聯(lián)時代。

作為國內(nèi)專注于AIoT領(lǐng)域的精品投行，在過去的一年間我們與上百家企業(yè)、投資人交流探討行業(yè)的發(fā)展方向，同時我們看到阿里將IoT(物聯(lián)網(wǎng))上升至第五大戰(zhàn)略，聯(lián)想全面發(fā)力物聯(lián)網(wǎng)，越來越多的企業(yè)將AIOT作為新的方向，越來越多的VC機(jī)構(gòu)開始在布局，AIoT逐步開始由技術(shù)革新走向行業(yè)場景落地。

近期格物資本旗下的自媒體物聯(lián)網(wǎng)資本也將推出AIoT領(lǐng)域機(jī)構(gòu)布局盤點(diǎn)專訪系列文章，解讀業(yè)內(nèi)知名機(jī)構(gòu)的投資邏輯和特點(diǎn)，為創(chuàng)業(yè)企業(yè)提供機(jī)構(gòu)選擇指南，同時也為計劃投資泛智能領(lǐng)域的機(jī)構(gòu)提供參考。

前沿

線性資本LinearVenture成立于2014年，由Facebook早期員工王淮Harry和京東天貓原高管張川Michael共同創(chuàng)立，關(guān)注泛智能、大數(shù)據(jù)領(lǐng)域的技術(shù)驅(qū)動型早期項(xiàng)目。四年間，線性資本投資了地平線機(jī)器人、Rokid、中科視拓、艾拉物聯(lián)、酷家樂等超過50個創(chuàng)業(yè)團(tuán)隊(duì)，其中不少企業(yè)已邁入獨(dú)角獸行列。

線性資本的早期定位是關(guān)注大數(shù)據(jù)、人工智能，創(chuàng)始人王淮認(rèn)為，“大數(shù)據(jù)應(yīng)用一定要解決實(shí)際的商業(yè)問題”，因此，他們只投資那些以技術(shù)為核心，并將技術(shù)應(yīng)用到他們所認(rèn)同的問題上的項(xiàng)目。線性資本正在努力成為最好的應(yīng)用性數(shù)據(jù)智能基金（Applied-Data-Intelligence）并逐步打造有影響力的前沿科技基金（Frontier TechnologyFund）。

線性資本擁有3支美元基金和2支人民幣基金，基金總規(guī)模達(dá)到2.3億美金，三期基金最近也剛剛完成募集，關(guān)注數(shù)據(jù)應(yīng)用（DataApplication）、數(shù)據(jù)基礎(chǔ)設(shè)施（Data Infrastructure）和前沿科技，主要覆蓋天使/Pre-A/A輪階段，單筆投資規(guī)模普遍在100-500萬美金左右。截止到目前線性資本在該領(lǐng)域已經(jīng)完了53個項(xiàng)目的投資。

格物資本根據(jù)多個公開渠道以及行業(yè)訪談搜集到的數(shù)據(jù)，對線性資本過往的在AIoT領(lǐng)域的投資情況進(jìn)行了盤點(diǎn)，也為創(chuàng)業(yè)者提供相應(yīng)的融資參考。

1、運(yùn)作模式——做中國最好的應(yīng)用性數(shù)據(jù)智能基金

整個泛智能行業(yè)涉及的領(lǐng)域很多，從底層芯片、傳感設(shè)備、網(wǎng)絡(luò)技術(shù)到技術(shù)應(yīng)用，可以說，未來將是一個泛智能化的時代，萬物智能互聯(lián)。

不同投資機(jī)構(gòu)在這個領(lǐng)域也有著不同的運(yùn)作模式：

堅持投資“硬科技”的中科創(chuàng)星；

全懂科研人員的創(chuàng)投基金國科嘉和；

專注“天使投資+深度孵化”的聯(lián)想之星；

活躍于中美以三國跨國投資的耀途資本；

致力于成為“人工智能時代的世界一流VC”的百度風(fēng)投；

看好工業(yè)4.0和底層技術(shù)、看重中美兩大市場的紀(jì)源資本

……

（此前我們也對上述機(jī)構(gòu)在AIOT領(lǐng)域的布局情況進(jìn)行了深度盤點(diǎn)，有興趣的朋友可以點(diǎn)擊查看）

而在這些機(jī)構(gòu)之中，線性資本則更看重數(shù)據(jù)的價值，聚焦在應(yīng)用性數(shù)據(jù)智能這個細(xì)分領(lǐng)域，關(guān)注一些能在場景化落地的項(xiàng)目。在4年的運(yùn)營期內(nèi)，線性資本獲得后續(xù)輪投資的項(xiàng)目比例超過50%；7個項(xiàng)目估值成長至超過10億人民幣，其中4個達(dá)到5億美元估值。

下面我們將為大家盤點(diǎn)線性資本在AIOT的布局之道。（需要說明的是由于AIOT技術(shù)應(yīng)用廣泛，在項(xiàng)目涵蓋上目前還沒有特別的統(tǒng)一的標(biāo)準(zhǔn)，我們將按照從底層芯片傳感到應(yīng)用層劃分，部分國際企業(yè)并不包含其中。更多是希望通過統(tǒng)計了解機(jī)構(gòu)的投資偏好及邏輯。）

2、AIOT投資布局——4年53個項(xiàng)目

從數(shù)量上看：根據(jù)我們的統(tǒng)計，線性資本4年間共投53個AIOT領(lǐng)域項(xiàng)目（部分海外項(xiàng)目未涵蓋），覆蓋大數(shù)據(jù)、云計算、VR、金融科技、區(qū)塊鏈等諸多領(lǐng)域。

從時間上看：線性資本在2015年前投資項(xiàng)目在AIOT領(lǐng)域共投資16家企業(yè)，2016年開始，線性資本的投資數(shù)量逐年遞增，2017年出手11次，投資了地平線機(jī)器人、Rokid、艾拉物聯(lián)、Insight Robotics、酷家樂等一批業(yè)內(nèi)優(yōu)秀企業(yè)。

從階段上看：線性資本在AIoT領(lǐng)域的投資范圍相對寬泛，從種子輪到C輪都有涉及，但主要投資天使輪、Pre-A、A輪左右階段的項(xiàng)目，其中天使輪項(xiàng)目占到總投資數(shù)量的43%，Pre-A輪占比22%、A輪項(xiàng)目占到19%。從數(shù)據(jù)統(tǒng)計看，較少對中后期項(xiàng)目進(jìn)行投資。

在投資方向上：線性資本聚焦在關(guān)注泛智能、大數(shù)據(jù)領(lǐng)域的技術(shù)驅(qū)動型早期項(xiàng)目上，尤其是一些數(shù)據(jù)應(yīng)用類項(xiàng)目，線性關(guān)注的企業(yè)普遍特點(diǎn)是：數(shù)據(jù)驅(qū)動，智能為核，最終落地于某商業(yè)場景方面，從結(jié)果上可以看到線性投資了以數(shù)據(jù)及智能驅(qū)動，在教育、金融科技、物聯(lián)網(wǎng)、醫(yī)療、家居等諸多行業(yè)垂直應(yīng)用的企業(yè)。

3、線性資本AIOT的機(jī)構(gòu)策略

線性資本認(rèn)為，人工智能覆蓋的范圍非常之廣，但目前會先在一些具體領(lǐng)域率先爆發(fā)。

金融是一個強(qiáng)數(shù)據(jù)的領(lǐng)域，智能化能夠加強(qiáng)數(shù)據(jù)的作用，所以在互聯(lián)網(wǎng)金融里面應(yīng)該有很強(qiáng)的應(yīng)用。另外，數(shù)據(jù)性很強(qiáng)的消費(fèi)領(lǐng)域，從消費(fèi)品、安全等相關(guān)角度，例如用戶畫像、智能推薦，以及智能導(dǎo)購，都是基于數(shù)據(jù)可以用AI機(jī)器人來幫助實(shí)現(xiàn)的。

另外，ADAS輔助駕駛也是一個典型的場景。線性資本發(fā)現(xiàn)，很多行業(yè)，最大的市場都在“吃喝玩樂行”，對于人工智能而言，“行”現(xiàn)在是最容易被影響的，因?yàn)樗菑?qiáng)技術(shù)性的?！俺院韧鏄贰?，雖然技術(shù)會給它們帶來一定幫助，但是內(nèi)容和渠道方面，它是有很強(qiáng)的反向控制性的，人工智能要切入是一個巨大的問題。而“行”是一個全新的領(lǐng)域，因?yàn)樵瓉硐竦孛娼煌?、空中交通這些都是傳統(tǒng)公司來做的，滴滴這些新的公司的進(jìn)入，為它們帶來一個巨大的顛覆。

線性資本所謂的泛智能，就是與大數(shù)據(jù)、云計算、云存儲、人工智能、機(jī)器人、IoT等相關(guān)的項(xiàng)目。之所以這樣劃分，是因?yàn)榫€性有自己的一套邏輯鏈：有云技術(shù)才能實(shí)現(xiàn)大數(shù)據(jù)的存儲和處理；在數(shù)據(jù)基礎(chǔ)上才能做機(jī)器學(xué)習(xí)和人工智能的開發(fā)；而開發(fā)出來的模型需要落地，它們要么讓數(shù)據(jù)流通得更快，要么讓決策做得更好，也就是說，這些終要變成服務(wù)，我們把它稱為DAAS（注：Data-as-a-service，數(shù)據(jù)即服務(wù)）。

智能生活這塊，線性資本認(rèn)為同樣有很大的機(jī)會。如果把出行加進(jìn)去，就是一整套的智能生活。如果撇開出行看，單純的智能家庭生活同樣很有機(jī)會。

在泛智能的硬件領(lǐng)域里，線性資本認(rèn)為，機(jī)器人有很大的機(jī)會。機(jī)器人可以分為兩大類：一類是家庭型、娛樂消費(fèi)型，也就是2C的，另外一類是B端的。而線性資本目前關(guān)注的中心在前者。

線性資本非常看重IoT，但并不太關(guān)心聯(lián)網(wǎng)的問題。線性資本關(guān)心的是Ineternet of Intelligence，真正讓不同的智能設(shè)備為一個場景服務(wù)。不同的智能服務(wù)互相獨(dú)立各不關(guān)聯(lián)是目前IoT的最大問題，每家生產(chǎn)商都要自己搞一套，用戶必須同時控制多款體驗(yàn)就很差。但這樣的狀態(tài)持續(xù)不了太久，各家一定會尋求聯(lián)盟，形成交叉協(xié)議，這是必然趨勢。在國外，已經(jīng)出現(xiàn)了一些聯(lián)盟，國內(nèi)雖然現(xiàn)在還看不出來，但線性資本相信，這樣的聯(lián)盟在肯定將來是一定會出現(xiàn)的。

還有一些線性資本零星的思考。比如說，健康相關(guān)的，不僅限于監(jiān)測，而是回歸健康的本質(zhì)，比如對人的健康產(chǎn)生預(yù)警作用的。單純的監(jiān)測，檢測比如用戶一天跑了多少步，意義不大；但如果能對用戶的健康預(yù)警，告訴用戶什么時候過勞了，要趕快休息，這種情況下猝死的概率是多少，這樣的服務(wù)才是有價值的。當(dāng)然，現(xiàn)在的技術(shù)如果想要達(dá)到這個目標(biāo)，還需要很長的一段發(fā)展時間。

線性資本投資過一個做女性體溫計的項(xiàng)目，通過體溫曲線，可以測出受孕、避孕幾率。棒米科技的這個項(xiàng)目市場很大，但目前有一半用戶在海外，因?yàn)樵趪鴥?nèi)，推廣要通過醫(yī)院渠道，而這個領(lǐng)域線性不太了解，所以選擇跟投：對于不太懂的領(lǐng)域，線性資本會先跟投一兩個項(xiàng)目熟悉一下。這也體現(xiàn)了線性對于AI商業(yè)應(yīng)用的態(tài)度：能實(shí)實(shí)在在產(chǎn)生作用的，才值得投，太遠(yuǎn)的東西，除非相信它的未來，否則線性資本大多持懷疑態(tài)度。

什么樣的項(xiàng)目是線性會投的？

線性資本聚焦的創(chuàng)業(yè)公司，概括起來其實(shí)是Applied Data Intelligence——應(yīng)用性的數(shù)據(jù)智能，立足于大數(shù)據(jù)的應(yīng)用，去解決實(shí)際商業(yè)的問題。因此線性資本投資的項(xiàng)目，必須同時具備三個要點(diǎn)：大數(shù)據(jù)、應(yīng)用性、智能性。換言之，線性只投數(shù)據(jù)智能領(lǐng)域的商業(yè)應(yīng)用，并且里面一定要有強(qiáng)數(shù)據(jù)、大數(shù)據(jù)的東西，同時它一定要解決一個相對實(shí)質(zhì)的問題。初次之外，這家創(chuàng)業(yè)公司必須對這個數(shù)據(jù)有高門檻的處理方法或者系統(tǒng)。線性資本有一套導(dǎo)圖論來分解當(dāng)中很多的問題，比如說分析市場是不是夠大、要解決什么樣的問題，加起來大概有3、40個問題，最后圍繞整個框架寫篇論文。

關(guān)于人工智能的流程，線性資本也有自己的思考。合伙人王淮把人工智能整個流程中的必要步驟，簡單地分成三大塊，第一塊是數(shù)據(jù)源，第二塊是當(dāng)中算法的處理（所謂的人工智能處理的方法），第三塊就是它的應(yīng)用。

數(shù)據(jù)這塊，一家好的創(chuàng)業(yè)公司必須擁有典型的三個大的特征：

首先，規(guī)模要大。對于一個小孩子，只需要給他一張?zhí)O果的照片，再讓他看蘋果并判斷其為蘋果，問題就不大，但是機(jī)器不行。因此，對于機(jī)器而言，需要非常多的數(shù)據(jù)來進(jìn)行輔助訓(xùn)練。其次是數(shù)據(jù)必須結(jié)構(gòu)化，尤其在深度學(xué)習(xí)出現(xiàn)之前的可能更多的是像做反欺詐的時候，很多都是1是1，2是2，都是結(jié)構(gòu)化的數(shù)據(jù)。第三是特征必須是標(biāo)注好了的。舉例而言，什么是好人什么是壞人，他是什么特征，這個都要標(biāo)注好。

第二塊是算法處理的方法論。典型的機(jī)器學(xué)習(xí)的方法有兩類，過去我們大多使用回歸算法，決策樹，SVM這些原來統(tǒng)計的學(xué)習(xí)方法，現(xiàn)在比較流行的深度學(xué)習(xí)，這是過去兩三年才真正成熟進(jìn)入到主流的視野當(dāng)中。比如，現(xiàn)在做人臉識別的公司都是在過去兩三年起來的，以前他們大部分都是在學(xué)?？蒲薪嵌龋瑳]有生意可做，但現(xiàn)在，越來越多的方法論被普及，很多從業(yè)者也開始嘗試著將商業(yè)與技術(shù)相結(jié)合，這也為變革帶來了希望。實(shí)際上，線性資本其實(shí)并不關(guān)心公司在算法層面能夠達(dá)到怎么樣的深度，只關(guān)心算法本身是否是有用的，是否能提高決策質(zhì)量，提高決策速度。

第三個很重要的因素是投資人們所關(guān)注的問題：應(yīng)用場景。有的創(chuàng)業(yè)公司搞了一堆數(shù)據(jù)，搞了一堆處理，完成之后不能解決商業(yè)實(shí)質(zhì)解決的問題，這就不是一個很好的投資標(biāo)的。大家對于人工智能的期許其實(shí)是比較簡單的，但是要么比別人的商業(yè)決策更快，要么讓決策質(zhì)量更高，如果連這兩個都做不到，那么這個東西就沒人會愿意買單，創(chuàng)業(yè)公司也沒有辦法依賴自己在數(shù)據(jù)處理技術(shù)上面建立的優(yōu)勢去實(shí)現(xiàn)產(chǎn)品到商品的轉(zhuǎn)變過程。致命的是，如果這個因素沒能實(shí)現(xiàn)的話，這樣的創(chuàng)業(yè)公司即使技術(shù)再牛，也是不可投的。

從線性資本投資過的公司就能看出這個邏輯：神策數(shù)據(jù)是數(shù)據(jù)服務(wù)公司，可以通過用戶畫像，從而分析公司的發(fā)展趨勢；智能機(jī)器人Rokid是基于數(shù)據(jù)的智能實(shí)體化，但它的核心仍然是AI的軟件；地平線機(jī)器人提供的AI解決方案應(yīng)用點(diǎn)也非常廣，比如它目前在輔助駕駛ADAS這方面的應(yīng)用，就體現(xiàn)了這一點(diǎn)。這些公司能提供應(yīng)用，解決一些有用的問題，而不是只有技術(shù)但“然并卵”的東西。

大數(shù)據(jù)領(lǐng)域的創(chuàng)業(yè)公司在創(chuàng)業(yè)時主要都得面臨上述問題的處理。技術(shù)和應(yīng)用場景往往對于大部分優(yōu)質(zhì)的創(chuàng)業(yè)公司而言都不是很大的問題，但是數(shù)據(jù)要如何去獲取呢？

王淮指出，創(chuàng)業(yè)公司必須有一個原始數(shù)據(jù)積累的強(qiáng)策略。大部分做人工智能的公司都存在兩大問題：數(shù)據(jù)不是自己的，應(yīng)用場景不是自己的，雖然自身處理問題的能力很強(qiáng)，但沒辦法獲得數(shù)據(jù)，這就意味著公司本身是無源之水，干不了很多事情；沒辦法掌握業(yè)務(wù)，付錢的時間決策點(diǎn)就取決于別人，必須要求著人家。

對于創(chuàng)業(yè)者而言，如果沒有特殊的方法，有兩種解決這個問題的典型方法：一種是公司本身有歷史的數(shù)據(jù)積累，像線性資本投資的中科院計算所專注在人臉識別19年了，掌握了大量的歷史數(shù)據(jù)積累；另外一種是創(chuàng)業(yè)公司的技術(shù)很強(qiáng)，其他人愿意用公司的服務(wù)，比如同盾科技。

能夠滿足這幾點(diǎn)的創(chuàng)業(yè)者，就是一個比較理想的投資標(biāo)的。

對于創(chuàng)業(yè)者，線性資本也有自己的考量尺度：很多創(chuàng)業(yè)者比較冷靜，跟他探討問題時很難有熱烈的感覺，但他會有很多思考，他明白里面的各種問題，這樣的創(chuàng)業(yè)者是線性資本所喜歡的。線性資本最怕有激情的人，這類人會把很多東西推到未來，認(rèn)為船到橋頭自然直，很多事情最終是這樣子，但是還要認(rèn)識到：對于問題，一定要有深入冷靜的思考，這個思考是需要有深度和有分量的。線性資本很喜歡深度的思考者，跟他交流的過程中，可以感受到殘酷的冷靜，這是一種極客的素質(zhì)。包括線性資本自己也努力做到類似的標(biāo)準(zhǔn)，有時候看項(xiàng)目，一兩個小時聊下來很興奮，感覺很不錯，但也得遵循一套流程將自己冷靜下來，1小時內(nèi)不做決定(有一個反悔期)。

同時我們格物也發(fā)現(xiàn)線性更傾向于有良好學(xué)習(xí)背景的創(chuàng)業(yè)者，對于技術(shù)領(lǐng)域的創(chuàng)業(yè)并非像有些模式創(chuàng)業(yè)，有一個很好的Idea加上一個強(qiáng)有力接地氣的執(zhí)行團(tuán)隊(duì)就可以快速推進(jìn)，在泛智能化領(lǐng)域的創(chuàng)業(yè)更多是是依靠創(chuàng)始人多年的教育背景和技術(shù)積累。所以我們也可以看到線性資本在做泛智能化投資方面也明顯傾向于有良好教育背景和深厚技術(shù)底蘊(yùn)的創(chuàng)業(yè)公司。

目前線性資本已總結(jié)出一套方法論做支撐，不管是對人、對事都會有更多深入的探討。正如合伙人王淮所說，“結(jié)構(gòu)化的東西，可預(yù)測性會更強(qiáng)一點(diǎn)，假以時日它所體現(xiàn)出來的系統(tǒng)性的回報率可能會更高，成功率也可能會更高。”每投一個項(xiàng)目，線性資本的團(tuán)隊(duì)都會寫一篇論文，里面方方面面的東西都會有一個系統(tǒng)性的覆蓋，這里面對于項(xiàng)目結(jié)構(gòu)、邏輯體系推演，做得都比較嚴(yán)謹(jǐn)。這也是線性資本很突出的一個略顯極客色彩的風(fēng)格。

4、線性資本看AIOT未來

在線性資本看來，人工智能領(lǐng)域目前正處在一個前所未有的蓬勃發(fā)展的階段，因?yàn)槲宕笠蛩氐墓餐饔?，人工智能領(lǐng)域出現(xiàn)了很大機(jī)會：

第一，設(shè)備的普及。移動智能設(shè)備的流行，觸屏把人們原來花在PC互聯(lián)網(wǎng)上的時間，大幅度地拉長了。原來在PC上，人們大部分時間是用來工作，而現(xiàn)在，手機(jī)成為用戶kill time的主要工具。這種設(shè)備創(chuàng)造出了一個巨大的市場，這個市場就是每個人的時間。如果把它用人和時間等單位來衡量規(guī)模的話，現(xiàn)在這個市場的規(guī)模至少是原來Web時代的5到10倍。時間需要產(chǎn)品去填補(bǔ)，填補(bǔ)過程中大量積累了數(shù)據(jù)，數(shù)據(jù)就產(chǎn)生了變現(xiàn)的需求。

第二，數(shù)據(jù)的積累。這些年，很多互聯(lián)網(wǎng)公司已經(jīng)各自積累了幾百萬、上千萬的用戶數(shù)據(jù)，都非常有價值。但這些數(shù)據(jù)間，存在孤島效應(yīng)，這些數(shù)據(jù)是沒有辦法交叉的。比如，一個互聯(lián)網(wǎng)金融公司，和一家電商，它們獲得的數(shù)據(jù)體系、性質(zhì)都不一樣。但如果它們能夠放在一起，形成數(shù)據(jù)集，帶來的價值會大很多，會產(chǎn)生一加一遠(yuǎn)大于二的效果——這也是當(dāng)前數(shù)據(jù)智能在不斷發(fā)展的一個重要方向。

第三，算法的發(fā)展。在過去幾年有了很大突破，比如說深度學(xué)習(xí)。傳統(tǒng)的數(shù)據(jù)挖掘方法對強(qiáng)特征問題很有效，比如反欺詐；但是當(dāng)算法從圖像、聲音當(dāng)中去學(xué)習(xí)特征時，這個過程就很困難。深度學(xué)習(xí)在這些領(lǐng)域帶來了很多新的應(yīng)用，比如近幾年聲音識別、圖像識別、人臉識別等新的應(yīng)用出現(xiàn)，這些都和技術(shù)突破息息相關(guān)。

與算法突破相應(yīng)的，是計算能力的提高。AI說起來容易，做起來卻很難，比如說深度學(xué)習(xí)的計算量對云計算也提出了極高的要求。三四年前，當(dāng)基礎(chǔ)架構(gòu)和計算能力沒有發(fā)展到今日這種程度時，人工智能的發(fā)展也相應(yīng)地受到了很大的限制，但如今隨著基礎(chǔ)構(gòu)架和計算能力的發(fā)展，越來越多曾經(jīng)無法實(shí)現(xiàn)的算法成為了顯示，人工智能也迎來了爆發(fā)的最好時代。

第四，人才的因素。很多人會想當(dāng)然地覺得美國人才比中國多，但從美國硅谷創(chuàng)業(yè)熱潮中歸來的線性資本合伙人王淮則提出了不同的觀點(diǎn)：過去幾年，BAT以及二線互聯(lián)網(wǎng)公司積攢了大量數(shù)據(jù)，數(shù)據(jù)需要人來處理，因此訓(xùn)練出一大批有實(shí)踐經(jīng)驗(yàn)的人才。而美國，主要是Facebook、谷歌、亞馬遜、微軟等公司，培養(yǎng)的人才偏理論型，在實(shí)踐上不如中國。

最后一點(diǎn)，市場已經(jīng)準(zhǔn)備好了迎接人工智能的時代。人工智能公司的目標(biāo)客戶，原先比較傳統(tǒng)，對人工智能的接受程度十分有限，但現(xiàn)在，越來越多的傳統(tǒng)公司的思維有了變化。我們要感謝馬云對DT時代的傳播，但是，AlphaGo帶來的影響更為巨大。AlphaGo雖然下的是圍棋，但讓很多中國人以為深度學(xué)習(xí)已經(jīng)來了，覺得它會搶走所有的工作，如果自己不趕緊改變，就只能等著被干掉。這讓人工智能公司發(fā)展客戶變?nèi)菀琢耍ó?dāng)然，這種想法存在著很大的誤區(qū)，現(xiàn)在的我們距離人工智能完全顛覆傳統(tǒng)商業(yè)模式的那天真正到來還有很長時間，但是，這卻讓人工智能推廣的難度大大降低了）。

這幾個因素造就了人工智能的熱潮。這是一個數(shù)據(jù)依賴技術(shù)進(jìn)行變現(xiàn)的時代，這5個因素的相互結(jié)合，給人工智能帶來了極大的商業(yè)機(jī)會。很多投資人也開始關(guān)注并進(jìn)入這個領(lǐng)域。

實(shí)際上，大數(shù)據(jù)、人工智能這些領(lǐng)域逐漸風(fēng)口化。即使“風(fēng)口”這個詞線性資本其實(shí)不大喜歡去用，但也承認(rèn)，這個時代，在各種因素下，給了人工智能的爆發(fā)這樣一個可遇而不可求的機(jī)會。

但是，線性資本的合伙人王淮同時認(rèn)為，2017年AI行業(yè)的泡沫將到達(dá)頂點(diǎn)。隨著投資人們的熱捧，AI領(lǐng)域內(nèi)的資本總量會越堆越大，這也就意味著未來5年內(nèi)人工智能領(lǐng)域會有一個擠泡沫的過程。當(dāng)然，對于線性資本而言，雖然現(xiàn)在普遍認(rèn)為AI領(lǐng)域里面泡沫很大，但是真正與智能相關(guān)的投資才剛剛開始，這個領(lǐng)域至少還有5年的時間可以有很熱鬧的投資跟創(chuàng)業(yè)的機(jī)會存在。而線性資本的目標(biāo)，就是努力地找到這些帶有點(diǎn)牛逼技術(shù)卻不善言辭，還總有些偏執(zhí)和小驕傲的創(chuàng)業(yè)極客們和他們優(yōu)秀的創(chuàng)業(yè)公司，并且滿足他們的需求。

另附：線性資本-AIOT領(lǐng)域投資統(tǒng)計