阿尔法公社创始合伙人许四清：不能用2C的理念投资2B的企业
导读：创始合伙人应该无限贴近市场，要善于跨过分析师了解产品和市场，而需要持续、系统地学习和掌握数据；机构在要求创业团队有清晰的“规模化”路径的同时，自身更应该找到高效的管理方法，做到投资“规模化”；
创始合伙人应该无限贴近市场，要善于跨过分析师了解产品和市场，而需要持续、系统地学习和掌握数据；机构在要求创业团队有清晰的“规模化”路径的同时，自身更应该找到高效的管理方法，做到投资“规模化”；中国2C行业中国领先了美国两到三年，2B行业则是落后了美国大概五到十年，背后的原因是中国投资人习惯于用2C的理念投资2B的企业。
8月15日，鲸准品牌发布会上，鲸准机构版天使用户阿尔法公社的创始合伙人许四清进行了演讲，就国内基金投资管理流程的优化与人工智能和企业服务领域的现状及前景分享了观点。
以下为阿尔法公社创始合伙人许四清演讲实录：
先讲一个最近发生的事情，几个星期前Uber的创始人CEO TK被踢出了公司的运营层，他的投资人起诉他，之后故事千回百转，另外几个投资人又联名起诉这个投资人，结果还没尘埃落定。我想说明的是：风险投资这个行业，太需要变化，太需要进步了！为什么呢？大家看看他们准备替换TK的是谁：第一个是惠普公司的CEO；另一个是GE公司的前任CEO。这些人远离新经济，对移动互联网上发生了什么可能都不清楚，如何领导Uber这样的创新型公司前行？
我们要认清一个严峻的事实：在大多数情况下，我们投资的对象远远比我们领先。今天所有人 投 资资的行为和方式，风险资本的商业模式都已经存在了几十年了。现在我们投资行业里比较常见的老师傅带徒弟的作坊模式普遍存在，这个现象略显滑稽但有原因——就是资本的不对称性，投资人能募到钱，募到钱以后就能投，有钱在手就有决定权。
唯一打破这个僵局的是一批创业成功的人，即使他们过去没有投资经验和投资成绩，但创业成功，资本在手，行业就迎来了改变和颠覆。说回投资，能够被系统性分解和学习的地方就是数据。如果我们自己不能够大量而精准地掌握数据，还靠行业研究人员每天分析、递交报告，甚至是靠每天晚上扫微信去获取情报，这些投资人所在的基金其实挺危险的，这是我自己的看法。
我们每天都在跟创业者说你应该怎么规模化，然而我们更需要自我反省，我们投资的模式是不是足够规模化？答案肯定不是。一个投资人一年可能看几百个项目，投的只有四五个，本身就不是规模化的做法。背后原因有二：一个是外在原因，市场上很少有投资工具的供应商真正理解投资业务，并沉淀了相关数据，各位投资人可能会使用一些定制化工具，这种工具，大概是三流的产品人员做的三流产品；而更多投资人还在靠微信获取基本信息，靠电子表格沉淀数据，这就是现状。
比较有代表性的工作模式是：一是扫微信，每天看到后半夜；二是找内部的分析师了解趋势。更高明一些的，就是找投过的或认识的创业者聊聊，这样的模式，你不在一线，不掌握一手资料，是无法准确感知市场的；而分析师则每天忙于分析合伙人的数据需求，也没有太多灵感。一个星期要在例会上拿出一份像样的报告，这本身就不科学。
在座的各位可能也有同感，在整理LP报告的时候，基金的管理人员、财务人员要花费很多额外时间。准备募资的时候则要花很多时间梳理投资机构信息，梳理投资理念，从各个移动硬盘、电子表格、PPT里挖掘数据，细想之下非常滑稽，我们在投资最新的商业和技术，但我们用的手段落后而又陈旧。
阿尔法公社是做天使投资的，一直坚守天使阶段，不去A轮抢项目。我们一直坚持探索一个问题：如何大批量、高质量地完成天使投资，如何有效地利用数据手段使我们的投资行为规模化。
以上这些行为，其实都可以借助数据工具去打破屏障。鲸准就是非常有效的工具。基于对行业数据的获取与分析能力，尤其是市场上每天发生的事情，利用技术手段分析归类，并给出数字化的ranking，让你在一页小的手机客户端上知道发生了什么。我们看到鲸准对投资项目的跟踪，包括同类项目的跟踪、沉淀、生成报告等等，节省了投资机构的大量人力物力。而投资决策的过程中，鲸准也有辅助作用，你可以看到类似项目各阶段的数据表现，Page Rank这样的功能对我们天使轮投资觉得有指向性作用。
我们在企业投资服务里面做了很多CRM、ERP的投资，很多项目发展得非常好。实际上我们自己都没有一个像样的CRM和ERP，这就是今天投资机构的现状。鲸准的出现很好地解决了这个问题。
阿尔法公社在天使轮做了很多努力，比如白山云科技、美洽、在行、分答，都是我们投资的天使项目，一直被追投，甚至B轮的时候还没开始融资，A轮的投资人已经跟进去了，可以说我们的判断还是很精准的。我们很关注技术类的项目和企业服务的项目。
再说一下每个会不能不提的人工智能。现在走到哪都要提这个概念，我觉得有点过度忽悠了。人工智能不是一个商业模式，只是像移动互联网一样的“技术进步”。这个技术已经积累了几十年，自从深度神经网络有了技术的突破之后，几个从从加拿大的大学出来的教授用深度神经网络把人工智能的技术提高了一步，之后人工智能热度陡增，在这之前，好多学人工智能的找不到工作。
最近他们的成果很显著，深度神经网络的技术奠基人Jeff Hinton成了Google人工智能的领军人物，另一位教授邓力成了微软的人工智能首席科学家，继而成了Citadel的ChiefAI Officer。我们认为人工智能只是一种赋能工具，在各个领域会有循序渐进地突破，最先突破的是在技术上、领域上以大数据为基础的感知与认知。先感知后认知，感知就是我能听懂你说的语言，能识别这个图片的人是男性、女性，大概什么年龄。认知则是判断你说话的意思，这个人运动的时候意图何在。通过这种直接到间接的判断，这个领域逐渐成熟。像在各种翻译、安防领域开始突破，下一步是智能的，最后到达的是自动驾驶，自动驾驶恐怕是人工智能最核心、目前来看是最顶尖的一个挑战。
我曾经问过Google两个做自动驾驶的principle engineer，他们后来都自己创业了。我问他们，能不能告诉我一个实在的数目，多少年自动驾驶能成功？他们说，五年一定不行，十年一定可以，这个就是人工智能能够给我们带来的机会。所以人工智能的发展，不是说所有企业都去做自动驾驶，但确实可以做很多服务，企业服务是一个原点。我们看鲸准系统，也是这样一个开端，利用人工智能向机构提供服务。
而在企业服务这个领域，人工智能提供了中国落后的创业领域快速赶超美国的机会。中国2C行业中国领先了美国两到三年，2B行业则是落后了美国大概五到十年，一点也不夸张。原因是什么？目前我们在中国to B领域所有的创业公司，我们仔细分析过一遍，除了在过去20年忙着追2C的机会，绝大多数机构都是是用2C的投资理念在投资，另外在to B领域里面的创业者大量的投资人原始积累不足。
为什么不足？我们跟美国做个对比，美国大量的优质创业者供给，比如Oracle、微软、IBM、Salesforce，紧接着从里面出现了大量的2B创业团队，不断涌现。这些创业团队里面的技术人员又不断出来去创造新的公司，他们在各个技术领域达到的技术成就，其实远比国内现在要好。为什么？国内2B领域的上市公司都是做什么出身的？系统集成出身的，搞客户关系出身的，他们解决问题的方法在最初都是靠堆人，为什么不挣钱、利润低，因为收入和人数成正比，所以很难挣大钱，这就是客观的现状。在国外很多好的to B公司人数规模不大，收入可以持续上升，人数规模依然保持低水准，原因就是产品强，背后靠的是强大的技术和商业积累。所以在领域里面美国有大量的创业者供给，也有大量的人工智能开始使用在to B领域里面节创业者提供了很多机会，中国在这方面处于原点。
而阿尔法公社最近做的事就是到美国挖掘，挖掘各种各样这方面优秀的技术和产品方向的创业者回国参加创业，结合国内的团队一起做，这方面我们很有心得。阿尔法公社是一个4000万美金对等人民币的基金，目前有7个人，但投资和决策的效率很高，要感谢鲸准在数据和管理流程上对我们的支持和帮助，在此恭喜鲸准正式发布，也期望和鲸准长期合作，祝鲸准成功！