“国内早些时候的风投圈，像是一个巨婴国。”一位退隐江湖的知名投资人感慨道。
这个圈子表面风光无限，剥开皮瓤都没熟透：缺少独立思想、模仿抄袭、乱搅行业、长不大……
唯独靠时代红利，赚的盆满钵满。
大家投移动互联网时，盛行的投资逻辑叫押赛道。
何为押赛道？说好听些就是判断出前景不错的方向，投资大量公司，几十个矮子中成一将军，便可把风险对冲掉，还能获得千百倍回报。
“但押赛道说句难听话，不过是看到欧美哪些企业增长迅猛，照猫画虎投几家有着美国企业影子的中国公司，和抄袭无异。”任天扬笑着说。
那时候的投资逻辑，和深度学习的技术原理相似。
设定好目标，采集大量相似样本（项目），加大算力（资金），暴力试错，最后等待一个最优结果出来。
“你说它中间有什么技术含量吗，有是有，但没什么难度，唯一的含量就在调参。在投资上，调参就是做局。”
压赛道式投资，马太效应严重，赢者只有少数人。
直到2016年阿尔法狗出世后，局面大变。
某种程度上讲，AI投融资，应该是国内VC第一次表现得不那么像巨婴的领域。
欧美至今未出现过互联网般成功的AI投资案例。
而国内投资人在没有任何参考坐标的前提下，毅然进入这个领域，掏出全球最多的2000亿去重仓AI。
“往好里想，国内这一批VC不再是巨婴，能勇敢地踏入无人区，并且形成了一套领先世界的AI投资方法论。投资人们也能真正下沉到田地里，去了解传统产业，去学习技术。这非常好。”
“以前的投资人是财务专家、做局专家、运气专家，现在不得不先成为行业专家。”
但坏事是，这次果敢行为背后的试错代价，过于巨大：企业死伤无数、欺骗者无数、投资人和企业之间的矛盾无数……
甚至一度让部分投资合伙人发誓永久性退出人工智能领域。
什么原因？
技术不成熟？产品不落地？赚不了钱？
是，也不全是，上面三个原因只是表象，人人都能以此津津乐道，谈出个所以然。
但背后的本质是“投资人做局”和“创业者破局”的失利。前者在给后者做局，后者觉醒后不断在破前者做的局。
2
受伤的投资人：做了个大局，
投了个寂寞
什么是做局？
这个充满东方智慧和神秘色彩的词汇，经常出现在北京创投圈里。
局，简单来说，就是身边各种资源之间相互关联和作用的一个场景。管理学家宁向东曾总结，人只要想做事，就会发现自己处在一个“局”里。
身边包围的所有资源，都跟你有了关系。有些资源支持你，是“正资源”。
有些资源阻拦你，是“负资源”。
人或企业，之所以被困在一个局里，就是拦你的负资源太多，冲不出去。想办法移走负资源，冲出围城，就叫“破局”。
而一个投资人特意给被投企业和其他投资人，部署一定比例的正、负资源，让企业按照自己的意思走，这是“做局”。
破局本质上是改变资源的性质，让负的变成正的。
投资人做的局，看似给企业布了很多正资源，但在企业的真实发展道路上，可能是“负资源”。
投资人做局：不是你想成为什么，而是我想让你成为什么？
早期，一批刚毕业不久的名校AI博士们，凭借良好的学术背景和大好时代，进入到投资人的视线。
在投资人眼中，自己好比是艺术家杜尚。
只要时代发展足够快，他们给一个物品或一个人，赋予一段故事，一个符号，就能成为无价的艺术品。哪怕是一个小便池。
AI纵使有着无比巨大的市场。
可寻找AI宝藏的路径，没有人知道。每走错一步，都要绕不少弯路。
投资人寻宝的方式依旧沿用了互联网的方法论，形成“低成本复制的规模化”效应。
于是事先预设好目标，根据故事所需的资源，进行资源整合和资源设计，开启做局之路。
“由于只懂技术的年轻创业者，并不懂得如何在AI商业世界行走。所以混迹江湖多年的投资人们，自以为很聪明，把手伸的无比长，主导着公司的战略和节奏。”创业者高松（化名）坦言。
最早期，投资人一致认为AI是个高科技产业，围绕技术大牛来做局，是企业破局的关键。
于是把自己投的很大一笔钱，用在招募大牌科学家上，另一部分钱，把有着学术背景的创始人进行包装。
雷锋网《AI冰与火》系列上一篇文章《AI人才越来越不值钱了吗》中详细分析过，AI科学家其实和互联网大厂，有着天然的耦合性。
但在中小企业和传统IT企业，引入AI科学家所带来的组织矛盾隐患，些许时候要比他能解决的实际业务问题的价值更大。
但错误并不在AI科学家身上，而在大部分企业并不具备消化科学家的组织能力。
讲科学家故事的悖论
那个时期的创业者和投资人，都对AI科学家有着过分的期望和神化，默认有他们驻场，任何目标都可实现，毕竟这批科学家已在细分学术领地里完成过其他人无法实现的成果。
但这时候，出现了两个问题。
一是投资人并不能很好的判断，哪些人是优秀科学家。
做局选错主角，后患无穷。
“个别公司引入了三流学者，对外却吹着超一流的牛，全然不知把自己置身于大型打脸现场。而这些不入流的学者在企业吹捧下，会潜移默化地把自己当大师。被同行冷落后，还厚着脸说，我和那帮整天写论文的人有别，我是实干派。”多位学者向雷锋网批评了当下的风气。
不少学者进入工业界后，在高薪资、高话语权、高频吹捧后，变得盲目自大，自我认知障碍。
“有些人完全不知，自己处于一个投资人设计的局里，这个局中，你不过是一个符号，一枚棋子。从公司经营角度讲，多数公司用不着科学家。但有些自大的科学家被捧起来后，又偏偏喜欢刷存在感。高高在上地怼业务部和工程部的高管。自己做不好的事，总认为是业务部给的数据不够，质量不高，配备的人手不行。让公司乌烟瘴气。”
可笑的是，一些所谓的科学家离职后，CEO和投资人才后知后觉反应过来问询圈内人，自己家的科学家到底什么水平。
“还是有那么些企业，在欺世盗名的三流科学家身上栽了跟头的。没栽跟头的企业，做局做的也挺痛苦。”
找到货真价实一流科学家的企业，在庆幸之余，要面临一个难题：怎么用他。
“如果你想让他们帮客户解决实际业务问题，可行性并不高。同时能在学术、工程、产品领域有杰出实战能力的企业科学家，在国内甚至都不超过五个。同样是IEEE Fellow级专家，有些人能拿到三、四千万的年薪，有些几百万，这就是差距。前者真的是凤毛麟角。”一供职于大厂的IEEE Fellow告诉雷锋网。
那怎么办？用于务虚。
只要把明星科学家和明星创业团队的故事讲圆，下一轮会有VC愿意为之买单。
这种手法，在2016年-2018年间效果显著，企业只要把科学家的故事讲好，融资不成问题。
VC尝到甜头后，亲自出马，为所投企业，找FA，约投资人，为下一轮融资画饼造星，同时费尽心思拉拢明星投资人上船。
而被拉拢的明星投资人，也成了局的一部分，能够号召更多人入局。
最后，AI投资成了一场局中局，杠杆撬杠杆，不断循环。
局的尽头还是局。
看不到产品，也不见商业化。
2
创业者冲不破投资人做的局
过高的估值迫使创业者不得不做看似很有想象空间，但又异常形而上的产品和技术，以便支撑下一轮的好故事和高估值。
创业者在不断成长，他们愈发对投资者做的局中局感到不安。
于是想破掉投资者的局，专注真正符合当下商业规律的事情，撸起袖子，挽起裤腿，承接不再高大上的业务，先成外包，成为集成商，去赚些钱。虽很土，收效甚微，但每一步都无比踏实。
当AI创业者真正踏入到局外的土地时，被两股力量挡在了前面。
“一股是投资人，自己辛辛苦苦做的高大上的局，就这么给埋汰了。另一股是行业里的老牌玩家，扎根很深，很难撼动。”一位切身做过局的AI投资人讲述道。
那怎么办，企业祭出两套方法论：一是田忌赛马，二是师夷长技以制夷。
田忌赛马，用自己的长处对别人的短处，拿自己的最短处，成为别人长处的炮灰。
新兴AI公司相比老牌厂商的优势是什么？很多人说是技术。
不全对，而是高成本优势。
很多人不能理解，高成本何时成了优势？
传统IT公司在ToB/G市场的成功，简单来说，就是把“成本三低”做到了极致：
- 平均人力成本低
- 运营成本和销售成本低
- 产量扩大后的边际成本低
大型IT公司之所以能在定制化赛道里存活，很大部分原因在于人效的极致追求，说得不好听，就是用更低的成本，去省出更多的利润空间。
而AI公司的高成本打法，单从获客角度来说，颇有好处。
一套造价昂贵的系统以白菜价出售，客户新鲜感一来，自然会一试。毕竟AI公司们名声响亮，科技感十足，也能提升自己的技术形象。
AI公司的这种手段，早期卓有成效，收获了第一批客户，也成了他们出去吹案例的资本，但现实情况多是饮鸩止渴。
“AI某小龙，曾为了拿下客户，给销售的激励是每谈下一家公安，就给他发一百万的奖金。于是销售们疯狂地推，不管产品是否好用，不管产品单价是否过于便宜，只要能占一个坑，就是成功。”业内人向雷锋网爆料。
像极了互联网的补贴大战手段。
“高昂的人力成本、研发成本、销售成本、运营成本，每一处成本，肉眼可见远高于老牌IT企业。连自身都做不好降本增效，给别人降什么本增什么效？”集成商项目负责人李成告诉雷锋网。
AI公司把互联网的作风带到传统行业，早期也曾让海康这类老牌公司焦虑过。
海康高管曾讲过一句非常经典的话：我们做不了用1块赚100块的生意，但在用1块赚1块的生意上，没有人能做得过我们。
而这一次，以海康为代表的老牌公司，陷入了迷茫。
“这不是不按套路出牌，而是直接乱出牌，这波操作直接把我们这波老IT人给干懵了。”海康一区域销售负责人笑道。
“虽然AI公司体量都不大，但如果十几二十家公司都这么玩，而且有资本势力撑着，说不准行业里能烧出来个滴滴、美团这样的公司。当时我们确实有担忧，也在思考要不要顺着他们的套路一起下水。”
然而就在老牌IT企业，流纠结入不入场的时候，做局的投资人，按捺不住了。
“眼看自己投的钱，大把花在不是他想要的地方上，哪个投资人不着急？”一位有着切身体会的投资人谈道。
投资人原本想做用一块赚一百块的生意，而AI公司做着花三块只收回来一块的买卖。
虽然一块赚一百很难，但至少和买彩票一样，投入可控，还能买个好盼头。
“投资嘛，本身就是一场赌博。”
如果按现在这样高成本的烧，那就是个没有想象空间的无底洞。
“很多投资人反感被投企业做比较重的项目，认为这样走下去顶多能发展成个集成商，虽营收可观，但无法撑起估值，上市非常困难，投资回报率极低。”
所以每当企业的动作有些许变形，投资人们就把手伸入至战略、管理 、人事、财务、公关当中，控制企业走向。
两种经营理念的冲突，在2018年左右开始爆发了。
爆发的结果是，那些没有说服投资人的公司，干脆死在路上，成了第一批炮灰。
而说服了投资人的公司，走向更激进的道路：师夷长技以质疑，做大厂最擅长的硬件。
AI企业自知关公面前耍大刀不可取，但走到这一步，不得不做。
以AI四小龙们为例，做硬件有一合理之处，可让硬件更适配算法，提高产品的综合性能，自主可控。
可弊端是，如果硬件只自给自足，产量显然无法做大，生产成本压根降不下来。
何解？于是先生产一大批摄像机，满足自用后，再找经销商和代理商帮他们去销售剩下的摄像机。
“这就属于不合情了，在太岁爷头上动上了土。出来卖要低调，和经销商一起悄悄赚些小钱，大家都睁只眼闭只眼。关键是，你一边卖一边肆无忌惮的喊着要颠覆人家。”一经销商老板吐槽。
“AI公司高调的做法，给我们这些渠道商带来了不少压力，我们的大客户都是老牌头部公司，如果AI公司叫嚣的很大声，会迫使渠道商不得不站队。我们肯定站在大客户这一边，所以只能把AI公司的单子放弃掉。”经销商爆料说，“某小龙至今压着小几亿的货卖不出去，传统产业，讲究个人情世故，大家都容不得高调的人跳出来捣乱。”
AI公司万万没想到，跳出投资人设计的局之后，又跌落至老牌玩家的死局中。
老玩家们趟坑二十几年才扛过来，初出茅庐的创业者显然很难从泥潭从轻松抽离。
而此时，公司内部也在两种局的拉扯中，陷入自己的困局里。
两种局的背后，是这两种经营文化，一种是资本导向的经营逻辑，一种是实打实业务导向的经营逻辑。两者并不兼容。
当两种文化冲突愈发激烈时，派系便会形成，内耗会加重。
这也是引发第二批AI公司死亡的重要原因。
而活着的公司，投资人眼看做了五六年的局，不见开花结果，不得不揠苗助长，把企业推向了似乎更为艰难的IPO之路。
走在十字路口的投资人和创业者，到底该如何达成共识，双双破局？
4
投资人和创业者破局的第一性原理
AI公司的来回拉扯，缘由商业目标的不清晰。
“目标不清晰带来的后果是迈出的步子，分成了两种极端：要么搞浮夸的形而上，只见开花不见果；要么跟风老牌企业曾经验证过的步伐，蜗牛行走。”高松回忆起了那段艰难的创业往事。
两种选择，都有问题。
在《AI商业模式的脱靶、崩塌、救赎》一文中，我们深入分析了未来商业模式的三种范式：
- 范式一：重定制集成项目实施→ 数字化咨询 → 咨询业务反哺重定制实施 → 与大型客户建立高粘性和系统不可替代性
- 范式二：重定制集成项目实施 → 进入非标市场的标准市场（AI芯片、自动驾驶） → 形成标准化产品 → 低成本规模化复制
- 范式三：做AI开源工具，占位国产化高地。
除此之外，人工智能的商业模式路径也可分为四个象限：分别是向下、向上，向前和向后。
向下做重、向上做轻、向前咨询、向后运营
向下，现在90%的AI公司走的模式，即客户需要什么，便提供什么，做高定制的软硬一体解决方案。
这条道路最稳健，虽没什么利润，但营收数字勉强糊口。只不过缺少大的想象空间，30亿市值是第一道天花板。
要突破30亿的天花板，需从定制化的方案中，凝聚抽离出通用的中间件产品。
这条路最需要的就是时间和耐心。SAP花了二十多年才走通，从大客定制，不断剥离，让自己成为一家纯软件企业。为此，在二十多年的标准化过程中，还设计出ABAP低代码语言，并且建立起了战略/IT咨询、集成、部署、数据清洗、运维等第三方合作生态，去让自己的标准化软件，有生态去支撑落地。
标准化的过程，从来没有一蹴而就过，时间和技术的投入，充分且必要。国内的投资人是否能够等待二十年？
向上，进入标准化、可规模化复制的领域，比如芯片、开源框架、小微SaaS等，前两项想象空间很大，但难度颇大，风险指数更高。而创业公司在国内做小微SaaS，短时间内来看是个伪命题，头部厂商顶着投资人压力不得不做大客，能说明第一定问题。
这两条道路，是绝大多数企业布局和VC投资的象限。
而向前和向后，鲜有人问津。
向前，则是数字化咨询，从顶层设计出发，反哺解决方案的实施，这一方向，金融和零售领域已出现了一些吃螃蟹者。当然目前中小企业提供的咨询服务，多数在亏钱。但这里咨询的重点，在于对数字化解决方案实施的反哺，而非咨询本身。
向后，则是当前AI行业缺少运营服务商的角色。好比老牌硬件公司是地产开发商，AI软件企业是装修公司，但现在AI行业唯独缺少第三方物业公司，这一模式，雷锋网将在未来的文章中展开讲述。
咨询和运营服务，既不会过重，也不会太轻，离客户很近，且合规性较高。
尤其当今的环境下，一种模式能否做大，很多时候取决于领域本身合规属性的高低。
过去AI最赚钱的两个方向，其一是安防，其二是数据服务。
前者很好理解，涉及到硬件采买，营收额自然高于所有行业，但没有利润。
第二种则是数据服务，模式最轻且营收可观，通过联合多个三方数据机构，做脱敏数据服务的买卖，以兜售用户信用评分卡、用户标签等形式，获得ROI远高于技术实施带来的收益。
这两种模式有个共同的特征，便是在合规的标准线上游走，一种是隐私信息的使用，另一种是脱敏隐私信息的间接买卖。
随着数据安全法的逐步落实，风险指数高的领域，定时炸弹随时会在部分企业头上引爆。
避开一部分可以预见的高风险，是风险投资的基础。
回到向前咨询和向后运营的模式。
“这两赛道不仅相对安全，而且咨询和运营两赛道跑出新晋独角兽的概率很大。”任天扬也强调到，未来赛道里还会催生出一批押赛道的VC，一家机构同时投资多家竞品企业。
“AI投资人要局气，不要鸡贼”
“面对这类鸡贼的VC，创业者要敬而远之。SAP花了二十年才成为了标准化软件公司，人工智能和企业服务都是一条漫长且成功率颇低的道路，需要创与投之间十年如一日互相信任，互相陪伴，相濡以沫，为你带来更多的客户和合作伙伴，而不单纯是财务投资。”
By 杨丽、王亚峰