物联网这个市场应该如何推动和拓展？

政策推动我国物联网高速发展

自2013年《物联网发展专项行动计划》印发以来，国家鼓励应用物联网技术来促进生产生活和社会管理方式向智能化、精细化、网络化方向转变，对于提高国民经济和社会生活信息化水平，提升社会管理和公共服务水平，带动相关学科发展和技术创新能力增强，推动产业结构调整和发展方式转变具有重要意义。

以数字化、网络化、智能化为本质特征的第四次工业革命正在兴起。物联网作为新一代信息技术与制造业深度融合的产物，通过对人、机、物的全面互联，构建起全要素、全产业链、全价值链全面连接的新型生产制造和服务体系，是数字化转型的实现途径，是实现新旧动能转换的关键力量。

我国物联网行业呈高速增长状态 未来将有更广阔的空间

自2013年以来我国物联网行业规模保持高速增长，增速一直维持在15%以上，江苏、浙江、广东省行业规模均超千亿元。中国通信工业协会的数据表明，随着物联网信息处理和应用服务等产业的发展，中国物联网行业规模已经从2013年的4896亿元增长至2019年的15万亿元。

虽然我国物联网发展显著，但我国物联网行业仍处于成长期的早中期阶段。目前中国物联网及相关企业超过3万家，其中中小企业占比超过85%，创新活力突出，对产业发展推动作用巨大。

物联网作为中国新一代信息技术自主创新突破的重点方向，蕴含着巨大的创新空间，在芯片、传感器、近距离传输、海量数据处理以及综合集成、应用等领域，创新活动日趋活跃，创新要素不断积聚。

物联网在各行各业的应用不断深化，将催生大量的新技术、新产品、新应用、新模式。未来巨大的市场需求将为物联网带来难得的发展机遇和广阔的发展空间。

在政策、经济、社会、技术等因素的驱动下，2020年GSMA移动经济发展报告预测，2019-2025年复合增长率为9%左右，2020年中国物联网行业规模目标16亿元，按照目前物联网行业的发展态势，十三五规划的目标有望超预期完成;预计到2025年，中国物联网行业规模将超过27万亿元。

未来物联网行业将向着多元方向发展

标准化是物联网发展面临的最大挑战之一，它是希望在早期主导市场的行业领导者之间的一场斗争。目前我国物联网行业百家争鸣，还未有一个统一的标准出现。因此在未来可能通过不断竞争将会出现限数量的供应商主导市场，类似于现在使用的Windows、Mac和Linux *** 作系统。

合规化同样是当下物联网面临的问题之一，特别是数据隐私问题。目前数据隐私已成为网络社会的一个关键词，各种用户数据泄露或被滥用的事件频发，特别是Facebook的丑闻引发了全球担忧。

因此在未来，我国各种立法和监管机构将提出更加严格的用户数据保护规定，，用户的敏感数据可能会随着时间的推移而受到更严格的监管。

安全化是指预防物联网软件遭受网络黑客攻击，在未来，以安全为重点的物联网设施将受到更多的关注，特别是某些特定的基础行业，如医疗健康、安全安防、金融等领域。

多重技术推动物联网技术创新

从技术创新趋势来看，物联网行业发展的内生动力正在不断增强。连接技术不断突破，NB-Iot、eMTC、Lora等低功耗广域网全球商用化进程不断加速;物联网平台迅速增长，服务支撑能力迅速提升;

区块链、边缘计算、人工智能等新技术题材不断注入物联网，为物联网带来新的创新活力。受技术和产业成熟度的综合驱动，物联网呈现“边缘的智能化、连接的泛在化、服务的平台化、数据的延伸化”等特点。

——上数据来源于前瞻产业研究院《中国物联网行业应用领域市场需求与投资预测分析报告》。

作者：郑琼洁 刘 勇

近年来江苏省物联网产业规模保持25%以上的增长率，物联网产业整体规模位居全国前列。截至2019年，全省物联网相关产业规模近7000亿元，形成了以支撑层、感知层、传输层、平台层和应用层为代表的物联网产业结构。其中，应用层的占比不断增加，涌现出一批有技术、有市场、上规模的物联网企业，全省物联网企业已超3000家，年销售收入10亿元以上的企业达到40余家，从业人员达到30余万人。江苏物联网产业发展先发优势不断凸显、规模效应与集聚效应不断凸显、产业布局持续优化、产业链条不断延展、骨干企业的龙头效应不断显现，自主创新能力不断增强，尤其是在国际物联网产业标准制定中占据了重要的地位，已成为江苏产业发展的高地和区域名片。

与此同时，有三大因素制约江苏物联网产业的发展。

（一）技术与市场对接不畅，骨干企业创新带动力不强

近年来，江苏物联网企业数量迅速攀升，物联网技术研发能力也大幅提升，但从企业的盈利情况看，有近五成的中小企业处于亏损或不盈利状态，这些企业的可持续发展能力较弱，主要原因是这些企业的技术与市场无法实现有效对接，存在技术市场化和应用推广难的问题。从江苏物联网产业的总体来看，其产业总体规模和企业的规模较小，缺少产业发展带动力强的上游骨干企业，尤其缺少“专尖特精”的物联网企业。骨干企业带动作用不强。在传感器环节，缺乏具有自主知识产权的创新型骨干企业，在系统集成环节，缺乏具有软硬件、网络、平台、应用流程耦合的一体化高端综合集成服务能力的龙头企业和大型服务商。同时龙头和骨干企业与产业链相关企业合作不够紧密，技术与市场对接不畅，许多物联网产品和技术处于产业链的低端，核心技术链和产业链尚未形成，整体核心竞争力不强。

（二）核心技术亟待突破，标准化建设有待加强

江苏虽然是我国物联网产业发展的先行区和物联网产业发展的重要示范区，但与国外发达国家相比仍存在一定的差距，主要表现在：规模化产能较小、核心技术不强、处于产业链的低端，感知与智能处理产业与国外差距较大。核心芯片、基础性系统、基础性架构等关键领域与国外相比存在较大差距，中高端传感器依赖进口，智能处理和云计算的基础架构由发达国家主导，缺乏能实现硬件、物联网、网络、平台、应用和业务流程端到端大系统综合集成企业，智能和微型传感器、超高频和微波射频识别（RFID）、地理位置感知等感知技术，以及近距离无线通信、低功耗传感网节点、人机/机器智能交互（M2M）终端、异构网络融合、网络管理等传输技术、基于MEMS 工艺、薄膜工艺技术形成的敏感芯片等相关技术研发水平和标准制定工作落后。物联网的整体研发能力不强，大多数领域的核心技术尚处在研发阶段，从物联网核心架构到各层的技术体制与产品接口大多未实现标准化，物联网标准化工作尚处于起步阶段，标准化建设有待于进一步加强。

（三）研发投入力度不够，创新人才不足

物联网产业技术研发需要投资大量的资金和人才。在研发资金投入方面，与广东（深圳市、广州市）相比，江苏每年对物联网产业发展资金投入力度不大，对物联网企业研发支撑不足，同时与广东企业（腾讯、华为、中兴等企业）相比，江苏物联网企业研发经费投入占比整体较小。在创新人才支持方面，与广东相比，江苏物联网产业发展人才引培力度较小，同时也存在着人才引培政策制度不完善和不够落地、对稀缺高端人才的招引和需求量最大的中端人才的引流不足、一流的人才梯队缺失等问题。

为此，建议从以下三方面入手推动江苏省物联网产业高质量发展。

（一）增强龙头效应，打造产业核心技术创新高地

一是打造一流物联网创新企业。大力支持引进国内外龙头企业，鼓励支持企业进行产业前瞻性与共性关键技术创新和应用试点创新，鼓励企业树立品牌意识，打造一批物联网行业的龙头和骨干企业，突出龙头骨干引领作用，建设一流创新企业。通过“以评促建”和“以评促改”，完善企业的评价考核体系，加大核心技术自主可控程度、研发成果质量、创新辐射带动作用等指标的权重，引导龙头骨干企业加大研发投入，优化研发支出结构，联合高校院所加强“卡脖子”技术相关的基础研究和应用基础研究，加快提升攻关引领能力。二是建设物联网产业重大创新平台。强化企业主体创新地位，鼓励重点领域龙头企业联合产业链企业开展协同创新，重点在物联网领域突破一批“卡脖子”技术和“杀手锏”技术。加快建设江苏物联网创新促进中心、国家高性能计算应用技术创新中心、江苏省先进封装与系统集成制造业创新中心、国家传感网工程技术研究中心等一批国家级、省部级重大创新平台。加强与高校院所合作对接，协同开展基础研究和技术攻关。三是提升物联网产业链协同能力。壮大产业集群，带动民营企业创新能力建设。推动产业集群式发展，强化企业专业化协作和配套能力。围绕“卡脖子”技术攻关，支持民企广泛参与龙头、骨干企业和高校院所等牵头的项目，组建创新联合体，加快形成强协同、弱耦合的创新生态。根据任务体量和条件要求，鼓励民企牵头申报。同时，通过完善 科技 创新政策，加强创新服务供给，激发创新创业活力，引导民企加大研发投入，完善技术创新体系，推动“小而美、小而精”的 科技 型中小企业蓬勃发展，与“国家队”之间形成优势互补的局面。

（二）强化技术与市场协同，搭建 科技 创新协同攻关体系

攻破物联网关键技术，提升物联网产业核心能力需要政府、企业、高校、科研机构、 社会 中介服务机构和个人等的创新行为主体，以及创新资源和创新环境协同实现。一是提升技术体系化能力，实施锻“长板”、补“短板”相结合的系统性战略布局。面对日益严峻的外部环境挑战，在推进物联网技术跨界创新时，应从战略高度、以战略思维系统谋划 科技 创新布局，优化 科技 计划，形成锻“长板”、补“短板”相结合的系统性战略部署路径规划，形成多维度、多循环的关键技术供给体系和对内对外开放合作格局。二是提高组织体系化能力，打通知识突破与商业实现的价值链接。对于物联网产业关键核心技术的攻关，要 探索 大纵深、跨学科的研发模式，打通产学研创新链、产业链、价值链，拓展包括产业大基金在内的各类创新投资渠道，实现集科学发现、技术跃升和产业化方向于一体的突破，实现知识突破与未来面向商用生态的有效衔接。聚焦全球竞争的源头技术供给，不仅是追逐“国际发表热点”，更需要形成核心技术突破后的持续改良机制，及时跨越技术商用的成熟度阈值。实现知识突破与商业实现的价值衔接，需要改革当前重大 科技 创新工程的组织实施方式。三是鼓励重大攻关计划的创新单元之间的知识共享。鼓励物联网创新能力强的创新型领军企业，与其他创新主体形成协同互动。在核心技术攻关上，借鉴重大公共创新平台的成功经验，制定权责分明的知识产权共享和保护机制，鼓励各类战略 科技 力量形成优势资源平台的吸引力和合作凝聚力，引领对领域的核心科学问题和共性技术的持续攻关。

（三）加大要素投入，优化物联网产业发展政策环境

一是加大资金投入，创新财政资金支持政策。统筹利用现有资金资源，加大对物联网产业发展的支持。采用政府引导、市场化运作方式， 探索 建立国家物联网产业专项投资基金。鼓励运用政府和 社会 资本合作模式，引导 社会 资本参与重大项目建设。深化产融合作，在风险可控的前提下，推动商业银行创新信贷产品和金融服务，推动政策性银行在国家规定的业务范围内，根据自身职能定位为符合条件的企业提供信贷支持。健全融资担保体系，完善风险补偿机制，鼓励金融机构开展股权抵押、知识产权质押业务，试点信用保险、 科技 保险，研究合同质押、资质抵押的法律地位和可行性。二是完善人才引育体系，打造人才技术梯队。鼓励高校面向产业发展需求，优化专业设置和人才培养方案，培育物联网和信息技术人才力量和后备干部。支持高校院所高层次人才到企业任职或兼职，选聘优秀 科技 企业家到高校担任“产业教授”，实现人才双向流动。鼓励产业园区、企业、实训（实习）机构，以及江苏高校、职业（技工）院校，联合或独立开展江苏物联网集群产才融合示范基地评估，打造一批特色化示范性物联网学院、物联网实训（实习）基地。三是加大对外宣传，提升政策效度。通过举办展会、大赛等多种形式搭建企业技术交流平台为本地企业营造良好的发展氛围。力争更多国家级、省级改革试点、创新平台落户江苏，进一步强化产业发展和企业需求导向，进一步加大宣传力度，对外推广重点项目、产品，帮助企业快速发展，进一步彰显全链扶持和分类施策原则，不断提升新政策的覆盖面、含金量、精准度。

作者单位：南京市 社会 科学院、江苏省扬子江创新型城市研究院/江南大学中国物联网发展战略研究基地

本文刊于《中国发展观察》杂志2021年第3-4期合刊

《中国发展观察》由国务院发展研究中心主管、中国发展出版社主办、中国发展观察杂志社编辑出版，是以发展为主线、以经济为重点的综合性半月刊，开设有战略、宏观、区域、世界、法治、 社会 、文化、前沿、产业、智库论坛等栏目，具有较强的前瞻性、权威性、可读性。《中国发展观察》在学术理论界、各级党政机关以及企业家阶层拥有广泛而稳固的读者群，并被中国 社会 科学院、国家发展改革委等重要机构和中国知网、维普资讯等权威数据库列为核心期刊或来源期刊。

中国发展观察杂志社：

北京经济技术开发区荣华中路22号院亦城财富中心A座7层（邮编：100176）

网址:>数据作为商品的特征是有很多种的，所以应该要严格把关。以公有制为主体、多种所有。
当前，数字经济作为继农业经济、工业经济之后的新经济形态的出现，以及互联网的快速发展，不断为我们的生活生产提供了便利的连接方式，也带来了丰富的数据资源。
作为前沿高新技术的大数据、物联网则正在驱动智能化发展和智能时代的来临。新一代人工智能的兴起和发展，将使人类步入智能时代。人工智能核心的要素包括数据、算法和芯片。大数据驱动知识学习人机协同，增强智能群体集成、智能自主制造系统成为人工智能的发展重点。大数据物联网等技术的发展正在驱动信息技术产业格局发生重大的改变，同时也为我国提供了难得的赶超机遇。
在今天的“山西阳泉大数据及智能物联网产业发展大会”上，工信部信软司副司长李冠宇表示，在国家政策的推动和各界的共同努力下，我国的大数据产业发展迅速，呈现出五大特点：
我国大数据产业发展迅猛 呈现五大特点
一是顶层设计不断加强，政策机制日益健全。发改委工信部网信办等46个部委共同建立了促进大数据发展部际联席会议制度，全国有30多个省市制定实施了大数据相关的政策文件。
第二方面是关键的技术领域不断取得突破，创新能力显著增强。大数据的软硬件自主研发的实力快速提升一大批大数据的技术和平台处理能力也开始跻身世界的前列。
三是行业应用逐渐深入，对经济发展的带动作用凸显。包括在电信、互联网、交通、金融、工业、农业、医疗等行业的应用不断深化，大大改善了人们的生产生活方式。
四是区域布局持续优化，产业规模不断壮大。全国推进建设了八个国家大数据综合试验区，开展大数据方面的实践探索，形成了一批集聚发展区。
第五是产业发展环境日益完善。大数据的基础设施法律法规标准体系安全保障能力，包括产业生态人才队伍都在不断的加强。
总体来说，我国大数据产业正在步入快速发展时期，为提升政府治理能力，优化公共民生服务促进经济转型和创新发展作出了积极贡献，成为推动经济社会发展的新动能。

源: i黑马网 (北京)
（原标题：线性资本王淮：一拍脑袋就投谁不会，别把创业者搞浮躁了）

王淮，Facebook第二位中国籍工程师，第一位华籍研发经理。现在，他是线性资本合伙人，主要关注大数据和人工智能。从技术男到投资人，王淮给自己当前定下的小目标，就是投出两家“10亿美金公司”。而他的投资，也自成体系，对于数据智能，他最关注的，就是如何解决实际的商业问题。人工智能专题新的一篇文章，请听王淮总结自己的投资理念，以及他对当下人工智能创投热潮的看法与建议。（PS：文尾有彩蛋哟~~）

文丨石慧

王淮是典型的技术男出身。他是Facebook早期员工——2007年加入，是其中第一位华籍研发经理。但随着Facebook的扩张，“老员工”王淮找不到初创公司的感觉了。他决定换一种生活方式。

如今，他与前京东、天猫高管张川一同创立了线性资本，关注大数据、人工智能，投资Applied Data Intelligence——业务性的数据智能。“以技术为核心，并将技术应用到我们认同的问题上，我们才会投。”王淮说，“大数据应用一定要解决实际的商业问题。”

显然，技术出身的王淮并不仅仅关注技术本身。来自温州的他，身上还带着温州商人的精明。

数据智能要强应用、商业化，是他的投资逻辑，这从线性投资的项目可见一斑。目前，线性资本投资了33个项目，包括中科视拓、神策数据、地平线机器人、Rokid、艾拉物联、ThinkingGame数数科技、杭州同盾科技、Ping++等。

在王淮看来，人工智能的热潮已经来了。不管他并不是很喜欢“风口”这个词，他暂时也只能用这个词形容现在的人工智能领域。

他给自己定了一个小目标：投出两家10亿美金的公司。“然后再说别的。”

王淮希望，大数据、人工智能创业者能第一时间想到线性资本。“所以我们必须聚焦。明白自己擅长什么，不擅长什么。”他说。

以下为王淮口述，经创业家& i黑马 编辑：

我是技术出身，2007年年初进入Facebook做工程师，2012年离开。我是Facebook的早期员工，加入的时候公司只有100多人，到我离开时，已经到了4000多人。

在那时，我就有后来创业的想法，我在雅虎待过一年半，对大公司的运作有了一定的认识，我想去尝试一下不同的生活，于是就去了Facebook。当时会加入Facebook，我觉得它是家有趣的小公司。那时没想到它后来会做那么大，但是那些人我觉得非常有意思。后来离开也是，我觉得最好玩的日子已经过去了，接下去的也许就是按部就班的生活，想有一个更大的改变。但我觉得打工我不可能再去第二家公司，公司对我们实在是太好了。

我回国以后，看了一圈，2012年底打算做投资，和张川、薛蛮子三个人开了公司，拿自己的钱做投资。两年后，我们想做得更专业，就创立了线性资本。

我们现在做投资，也是用当初创业的感觉去做。我们做了线性资本之后，逐渐机构化，我们自己有一系列方法论，怎么看一个项目，形成了相对成熟的一套模式。整个过程，更像一个创业公司，从无到有，慢慢成熟。现在圈子里提起投大数据、人工智能，我们的影响力都在那里，我们努力得到了回报。我真的觉得这个过程挺好的，就像一个小公司慢慢做起来的典型的过程。

我们一直是以创业的心态去做这件事，能不能做成不知道，但我们要先定一个小目标：投的公司里出两家10亿美金的公司，1亿人民币投进去，10亿美金的估值出来。

我们很重视投后管理。对我们在董事会上的公司，会有季度性风控，月度性通电话、见面。我们有一套框架来诊断一家公司，主要了解五大问题：团队、市场、产品、技术、资本；五大问题下有三大纬度：过去一个月发生了什么大事；处在哪个状态的问题解决了；没有将来你的重心是什么，我们怎么帮到你。

投后管理主要做三件事。第一，在一些核心问题上，我们自己以及请来的牛人会做他们的顾问。第二，帮助他们进行核心岗位的招聘。第三，帮他们完成接下来的一到两轮融资。

我们把身边的投资机构分成三类，对接融资时就从这三类里找。一类是family VC，是和我们有共同LP的基金。二是old friends，是我们合作很多的基金，比如GGV、IDG、红杉。三是new friends，是跟我们关系很好、想一起合作的基金。

我们投的项目最大的问题可能是商业模式还有待验证，但当初我们觉得它有机会才会投，基本上帮他们融到下一轮问题不大，线性投资的33家公司，现在至少有10家融到了下一轮。

我们做投资，这么些年下来有一个巨大的体会，就是说你如果只去抢“风口”，这些机会你看得到的机会，别人也看得到，但你不但要看到，你还要看得懂，“懂”带来的结果就是“快”。一拍脑袋就投谁不会，但是我觉得现在投资已经过了“抢”这个阶段。抢就是仓促，你也反过来让创业者也仓促了，本来可以扎实做事的创业者，被你这样一搞心里也浮躁，这对任何人没有任何好处。所以只能是聚焦，看懂，在保证决策质量的情况下，比别人时间花得更短，才能够投得更快，而这种快就是有意义的，不是单纯去“赌”。

投资还有一点，就是要“投得进”。如果你足够专业，做到标杆，能让大数据、人工智能领域的创业者第一个想到你，那就很不一样了，我们想要的是这种效果。今天在业内，做大数据、人工智能的人应该都知道我们了。我们要明白自己擅长的和不擅长的，做强聚焦。

从最近6个月开始，大数据、人工智能这些领域逐渐风口化。但是“风口”这个词，我们其实不大喜欢去用，只是说这个时代，在各种因素下，给了这样一个机会。原来我们有60%-70%是看这块，现在，我们是100%投入在做这块。

现在，人工智能因为几大因素，出现了很大机会。

核心因素是移动智能设备的流行，触屏把人们原来花在PC互联网上的时间，大幅度地拉长了。原来在PC上，大家大部分时间是用来工作，而现在，手机成为我们kill time的主要工具。这种设备创造出了一个巨大的市场，这个市场就是每个人的时间。如果把它用人和时间等单位来衡量规模的话，我觉得现在这个市场的规模至少是原来Web时代的5到10倍。时间需要产品去填补，填补过程中大量积累了数据，数据就产生了变现的需求。

因此，第二就是数据的积累。这些年，很多互联网公司各自积累了几百万、上千万的用户数据，都非常有价值。但这些数据间，存在孤岛效应，这些数据是没有办法交叉的。比如，一个互联网金融公司，和一家电商，它们获得的数据体系、性质都不一样。但如果它们能够放在一起，形成数据集，带来的价值会大很多，会产生一加一远大于二的效果。

第三，算法的发展，在过去几年有了很大突破，比如说深度学习。传统的数据挖掘方法对强特征问题很有效，比如反欺诈；但是对于从图像、声音当中去学习特征，就很难了。而深度学习在这些领域带来了很多新的应用。近几年声音识别、图像识别、人脸识别等新的应用出现，和技术突破是息息相关的。

与之相应的，是计算能力的提高。AI说起来容易，做起来很难，比如说深度学习的计算量对云计算也提出了极高的要求。三四年前基础架构和计算能力没有发展到这种程度时，要做人工智能也是做不起来的。

还有人才因素。有人觉得美国人才比中国多，我不这么看。过去几年，BAT以及二线互联网公司积攒了大量数据，数据需要人来处理，因此训练出一大批有实践经验的人才。而美国，主要是Facebook、谷歌、亚马逊、微软等公司，培养的人才偏理论型，在实践上不如中国。

最后一点，市场已经准备好了。人工智能公司的目标客户，原先比较传统，现在它们的思维开始变了。我们要感谢马云对DT时代的传播，但是，AlphaGo带来的影响更为巨大。AlphaGo虽然下的是围棋，但让很多中国人以为深度学习已经来了，它会抢走所有的工作，你要是不赶紧改变，就等着被干掉吧。这让人工智能公司发展客户变容易了。当然，这种想法还有很大误区，被人工智能完全颠覆的那天真正到来，还有很长时间，但是，这却让人工智能推广的难度大大降低了。

这几个因素造就了人工智能的热潮。这是一个数据依赖技术进行变现的时代。这5个因素，给了人工智能，或者我更愿意称它为“数据智能”，带来了极大的商业机会。很多投资人也开始关注并进入这个领域。

但是我认为，不能走偏。现在也有很多项目，并不是很“智能”，而是努力向这个概念上来“靠”。所以，要同时具备三个要点：大数据、应用性、智能性的项目，我们才会投。

我们聚焦的领域，概括起来其实是Applied Data Intelligence——业务性的数据智能。立足于大数据的应用，去解决实际商业的问题。我们投的项目，是以技术为核心，但我们的关注点在应用上。我不会单纯因为这个项目的技术牛而去投资，它要将自己很牛的技术应用到我们认同的问题上。

大数据应用一定要解决实际的商业问题。很多SaaS只是数据和数据应用，把传统的、低效的东西在线化，但没有思考如何处理数据，从中做些文章。比如税收类应用，如果只解决数据问题，那是很普通的SaaS。而我们在意的是，它能不能进一步提供增值服务，比如能够准确反映出企业健康状态来。

从我们投的公司就能看出我们的逻辑。我们的投的神策数据是数据服务公司，可以通过用户画像，从而分析公司的发展趋势；智能机器人Rokid，它是基于数据的智能实体化，但它的核心仍然是AI的软件，并非单纯强调硬件；地平线机器人提供的AI解决方案应用点也非常广，比如它目前在辅助驾驶ADAS这方面的应用，就体现了这一点。它们能提供应用，解决一些有用的问题，而不是只有技术但“然并卵”的东西。

在Applied Data Intelligence这个大的架构下，我们主要投三大类的项目：泛智能、基于数据的Fintech（金融科技）和VR/AR的核心技术。前两类我们投了不少。

我们所谓的泛智能，就是与大数据、云计算、云存储、人工智能、机器人、IoT（注：Internet of Things，物联网）等相关的项目。我们之所以这样划分，是因为我们有自己的一套逻辑链：有云技术才能实现大数据的存储和处理；在数据基础上才能做机器学习和人工智能的开发；而开发出来的模型需要落地，它们要么让数据流通得更快，要么让决策做得更好，也就是说，这些终要变成服务，我们把它称为DAAS（注：Data-as-a-service，数据即服务）。

在泛智能的硬件领域里，我们认为，机器人有很大的机会。机器人可以分为两大类：一类是家庭型、娱乐消费型，也就是2C的，另外一类是B端的。而我们目前关注的中心在前者。

我们非常看重IoT。但我们不太关如何心联网的问题，我们关心的是Ineternet of  Intelligence，真正让不同的智能设备为一个场景服务。不然我回到家，空调打开一个App，电视打开一个App，窗帘再打开一个，我就累得半死了，这哪是物联网智能家居，变成我为家居服务了。这是目前IoT的最大问题，每家都要自己搞一套，体验就很差。

但这样的状态持续不了太久，大家一定会寻求联盟，形成交叉协议，这是必然趋势。但是，这并不是会非常顺利的过程，中间肯定会有博弈。在国外，已经出现了一些联盟，国内虽然现在还看不出来，但肯定将来是一定会出现的。

人工智能会先在一些具体领域爆发。

金融是一个强数据的领域，智能化能够加强数据的作用，所以在互联网金融里面应该有很强的应用。另外，数据性很强的消费领域，从消费品、安全等相关角度，例如用户画像、智能推荐，以及智能导购，都是基于数据可以用AI机器人来帮助实现的。

ADAS辅助驾驶也是一个典型的场景。其实，我们发现，很多行业，最大的市场都在“吃喝玩乐行”，对于人工智能而言，“行”现在是最容易被影响的，因为它是强技术性的。“吃喝玩乐”，虽然技术会给它们带来一定帮助，但是内容和渠道方面，它是有很强的反向控制性的，人工智能要切入是一个巨大的问题。而“行”是一个全新的领域，因为原来像地面交通、空中交通这些都是传统公司来做的，滴滴这些新的公司的进入，为它们带来一个巨大的颠覆。

在数据层面，我认为，滴滴肯定是倾向于自己去做的。但是不要忽略了传统渠道的威力。像OPPO、VIVO、小米、华为它们的“战争”形态，我觉得是很有意思的。互联网让世界成为平的，但是人口数量和层次的差异、城市之间和城乡的差异，给中间过程带来了很多的机会，只要你抓住了，能够做不少事情。所以不要小瞧传统厂商，它们中有很多其实非常技术化，只不过它们的传统技术是跟车相关，互联网不一定擅长。百度做无人车，它擅长的还是数据的收集和导航、服务，以车为核心的部分，我估计还是要跟传统厂商合作，所以最后大家会是一个混合体。

智能生活这块，我认为也是有很大的机会的。如果把出行加进去，就是一整套了。如果撇开它看，就是智能家庭生活，我们觉得这一块很有机会。

还有一些我们零星的思考。比如说，健康相关的，不仅限于监测，而是回归健康的本质，比如对人的健康产生预警作用的。只是监测，比如你一天跑了多少步，意义不大；但如果你能对我的健康预警，告诉我现在过劳了，要赶快休息，这种情况下猝死的概率是多少，才是有价值的。但现在技术还达不到。

我们投了一个做女性体温计的项目，通过体温曲线，可以测出受孕、避孕几率。这个项目市场很大，但目前有一半用户在海外，因为国内要通过医院渠道去推。这个领域我们不太了解，所以选择跟投。对于不太懂的领域，我们会先跟投一两个项目熟悉一下。这也体现了我们对于AI商业应用的态度：能实实在在产生作用的，才值得投，太远的东西，除非相信它的未来，否则我们大多持怀疑态度。

像Seeta中科视拓做的是人脸识别。它能切入生活的方方面面。人脸识别的核心是身份问题，什么时候你需要证明“你是你”，都可以用得上人脸识别。但现在技术还不成熟，还没有真正爆发。另外，人口数量太大了，即使人脸识别的出错概率低到千万分之一，那出错的人数也很多。所以它现在只能在一些限定条件下辅助人力。未来，在银行、公共安全监控等领域，人脸识别都会有大量应用。而且，人脸比起其他的识别方式，能够做到自然的、无监督的、安静这种模式下的一种识别，所以还有很大商机去挖掘。
在国内，人工智能领域创业面临着两个最大的问题，一个是数据，另一个是应用。很多创业者，他拥有的是算法、是技术，但是数据不在他这里，应用也不在他这里，这两块还要去说服别人，是典型的两座大山。这些数据源人家为什么要给你？这有一个信任成本的问题，要么是我相信你一定个比我强，要么是我没有办法了，不得不试一试。这是个难点。另外一个就是应用，你得解决一个实在的商业问题，但商业问题并不在人工智能行业的人手中。比如自动驾驶，车厂是控制方，它是有话语权的。你要找到商业场景，并说服它们应用你的技术，这又是一个难点。

免费参加InnoTalk沙龙-InnoTalk-从人工智能在金融领域的应用创新看未来发展机会：
点击报名： >