波士頓早期風(fēng)險(xiǎn)投資基金ProcyonVentures專注在北美高技術(shù)壁壘的大數(shù)據(jù)、人工智能、物聯(lián)網(wǎng)、精準(zhǔn)醫(yī)療等領(lǐng)域的投資。從他們所投的美國創(chuàng)業(yè)項(xiàng)目來看大數(shù)據(jù)與工業(yè)互聯(lián)網(wǎng)等詞語會(huì)感覺更真切。ProcyonVentures管理合伙人MillieLiu在正和島分享了在此領(lǐng)域的投資經(jīng)驗(yàn)和感受。

　　4V概念與行業(yè)內(nèi)的真正應(yīng)用

　　你們重點(diǎn)投資大數(shù)據(jù)、工業(yè)互聯(lián)網(wǎng)、人工智能等領(lǐng)域，而且特別關(guān)注算法方面，這與你個(gè)人的經(jīng)歷和背景有什么關(guān)系嗎？

　　MillieLiu：的確，因?yàn)槲冶究圃诙鄠惗啻髮W(xué)學(xué)的是數(shù)學(xué)，后來在麻省理工讀的金融碩士，用了三年半的時(shí)間修完本科和碩士課程的學(xué)分，所以上學(xué)時(shí)就有很多時(shí)間創(chuàng)業(yè)和工作，而且都是軟件大數(shù)據(jù)方面的。因?yàn)樘貏e喜歡數(shù)學(xué)、技術(shù)，畢業(yè)后多年的工作和創(chuàng)業(yè)還是沒離開大數(shù)據(jù)、工業(yè)互聯(lián)網(wǎng)領(lǐng)域，這些年做投資更加偏愛大數(shù)據(jù)分析算法類的項(xiàng)目。同時(shí)覺得技術(shù)不應(yīng)該只是“好玩兒的”，應(yīng)該解決實(shí)際的問題，所以比較關(guān)注企業(yè)產(chǎn)生實(shí)際價(jià)值的問題，這也成為我們的投資理念。

　　“大數(shù)據(jù)”已成為熱詞，大家都很喜歡用“大數(shù)據(jù)”來說事。你認(rèn)為應(yīng)該怎樣理解？

　　能否結(jié)合你們的投資描述下“大數(shù)據(jù)”？

　　MillieLiu：大數(shù)據(jù)被廣泛應(yīng)用，這個(gè)詞也多少有些被濫用，一些兜售銀行、保險(xiǎn)、房產(chǎn)、醫(yī)院客戶個(gè)人信息的騙子都要冠以“大數(shù)據(jù)”。

　　其實(shí)，行業(yè)里有一個(gè)概念叫Bigdata4V（Volume,Variety,Velocity,Veracity）更能準(zhǔn)確反映“大數(shù)據(jù)”的特征。

01Volume主要指的是數(shù)量大

　　比如現(xiàn)在各種設(shè)備都會(huì)產(chǎn)生海量的數(shù)據(jù)：一個(gè)采礦場的機(jī)械一天平均產(chǎn)生1PB的數(shù)據(jù)，一個(gè)自動(dòng)化生產(chǎn)車間一天平均產(chǎn)生24TB，一個(gè)大型的冶煉工廠，一天產(chǎn)生1TB的數(shù)據(jù)。ProcyonVentures投過一家叫SevenBridgeGenomics(跟Google，Tesla，Amazon一起被評為全球前50最具創(chuàng)新的公司之一）的生物信息分析公司。一個(gè)人的全組基因原始數(shù)據(jù)可以在100GB-1TB之間，一般一個(gè)實(shí)驗(yàn)有幾百個(gè)人的數(shù)據(jù)比較正常，SBG的客戶包括英國人類基因組計(jì)劃，要處理英國十萬人的基因數(shù)據(jù)，想象一下這里的數(shù)據(jù)量！

　　02Variety主要指的是多樣性

　　大數(shù)據(jù)種類繁多，數(shù)據(jù)格式、應(yīng)用特征、數(shù)據(jù)來源等等都不是相同結(jié)構(gòu)的數(shù)據(jù)。比如ProcyonVentures投了一家公司是從萬維網(wǎng)之父TimBernersLee教授在MIT的實(shí)驗(yàn)室出來的，這家公司擅長處理的是非結(jié)構(gòu)性數(shù)據(jù)，把零售數(shù)據(jù)、圖片、視頻、社交媒體信息、網(wǎng)絡(luò)使用習(xí)慣等數(shù)據(jù)全都放在一起進(jìn)行精準(zhǔn)的匹配。包括京東等大電商都急需通過技術(shù)解決商業(yè)痛點(diǎn)，但是發(fā)現(xiàn)技術(shù)壁壘很高，其中就有對非結(jié)構(gòu)性數(shù)據(jù)處理匹配這個(gè)問題。

　　03Velocity主要指的是速度

　　對數(shù)據(jù)實(shí)時(shí)處理有著極高的要求，在大量數(shù)據(jù)實(shí)時(shí)產(chǎn)生的同時(shí)進(jìn)行迅速或者接近實(shí)時(shí)的處理。比如工廠里需要對機(jī)械生產(chǎn)數(shù)據(jù)做實(shí)時(shí)的分析反饋處理，否則等到發(fā)現(xiàn)事故發(fā)生已經(jīng)過了一段時(shí)間，造成很大的損失了。還有我們平常看到的廣告都是實(shí)時(shí)計(jì)算、競價(jià)、推送的（至少在谷歌、臉書上）。你打開網(wǎng)頁的一瞬間，廣告競價(jià)商會(huì)幫助他們的客戶（比如阿迪達(dá)斯vs耐克）實(shí)時(shí)計(jì)算你所有的社交網(wǎng)絡(luò)信息，你喜歡什么、點(diǎn)贊了什么、跟誰是朋友、關(guān)注了哪些歌手、點(diǎn)開了哪些朋友推送的文章等等，然后決定為了讓你在右邊的廣告位里看到他們的廣告愿意支付多少錢。大家可以想象廣告交易平臺(tái)要用到的服務(wù)器對數(shù)據(jù)實(shí)時(shí)處理的要求跟紐約證券交易所是相似的。

04Veracity指的是準(zhǔn)確性

　　行業(yè)里的一句話是“垃圾進(jìn)，垃圾出。”只有干凈的數(shù)據(jù)才能產(chǎn)生價(jià)值，也就是只有處理過的數(shù)據(jù)才是有價(jià)值的。有些數(shù)據(jù)是散亂存在的，但整合起來就價(jià)值倍增了。比如ProcyonVentures投了一家公司叫Smarking，他們把天氣，航班，公共設(shè)施，大型活動(dòng)等等信息整合在一起，預(yù)測交通和停車情況，然后賣給停車場管理公司，做動(dòng)態(tài)停車定價(jià)，最大化他們的收入節(jié)約成本。

　　與工業(yè)4.0相輔相成AR面向消費(fèi)者過早

　　你用4V巧妙的概括了“大數(shù)據(jù)”的特征。那么你認(rèn)為大數(shù)據(jù)和工業(yè)互聯(lián)網(wǎng)是怎樣的關(guān)系？

　　MillieLiu：其實(shí)，大數(shù)據(jù)應(yīng)用的非常廣泛，絕對不只是BAT才用得上，最大的應(yīng)用是在工業(yè)互聯(lián)網(wǎng)方面。工業(yè)互聯(lián)網(wǎng)應(yīng)用主要在三個(gè)層面：

　　一是機(jī)器之間的聯(lián)動(dòng)，通過先進(jìn)傳感器感知,物聯(lián)網(wǎng)聯(lián)動(dòng),計(jì)算機(jī)模型控制機(jī)器與機(jī)器之間的配合。比如大部分工廠里機(jī)器A已經(jīng)壞了停下來了，可是機(jī)器B還不知道，還在生產(chǎn)輸送給A的零件，這就會(huì)產(chǎn)生問題。這種就屬于最簡單的，把機(jī)器都連起來，互相可以感知。

　　二是機(jī)器與算法的結(jié)合，基于物理層的數(shù)據(jù)收集結(jié)合垂直應(yīng)用中對生產(chǎn)流程的深度理解,利用海量數(shù)據(jù)進(jìn)行機(jī)器學(xué)習(xí),建立精準(zhǔn)預(yù)測模型,指導(dǎo)生產(chǎn)流程。比如冶金，比如配電，都是有非常多輸入值，環(huán)境又有很復(fù)雜的可變量，所有這些對最后的產(chǎn)品都會(huì)產(chǎn)生影響，比如廢料率，純度等等。機(jī)器與算法的結(jié)合就很適合這種變量極多的復(fù)雜的工業(yè)生產(chǎn)流程。

　　三是機(jī)器服務(wù)于人的互動(dòng)，連接進(jìn)行生產(chǎn)工作的人與物,提供實(shí)時(shí)的智能以支持人的流程決策和操作,提高效率和產(chǎn)能。

　　我們投資的APXLabs研發(fā)的企業(yè)級(jí)智能可穿戴設(shè)備(被達(dá)沃斯評為2016世界先鋒技術(shù))就是最直接的例子：他們的客戶包括航空航天，如波音，通用電氣;石油比如美孚;電信比如荷蘭皇家電信；整車比如特斯拉...應(yīng)用的場景涵蓋了復(fù)雜組裝、大型器械維護(hù)檢修、野外操作、零部件存取等等。AR目前面向消費(fèi)者還是太早了，工業(yè)和醫(yī)用倒是有很大的需求。

國內(nèi)市場有待成熟人才儲(chǔ)備不足

　　你們在美國投了那么多大數(shù)據(jù)、工業(yè)互聯(lián)網(wǎng)的項(xiàng)目，你感覺中美兩國在大數(shù)據(jù)應(yīng)用方面有哪些不同？

　　MillieLiu：比較大數(shù)據(jù)在美國和中國的應(yīng)用還是有很大的不同。國內(nèi)相對應(yīng)用于B2C較多，個(gè)人消費(fèi)市場O2O非常火熱。而美國很多的是應(yīng)用于B2B，特別是在工業(yè)生產(chǎn)、金融商業(yè)、生物醫(yī)療等領(lǐng)域。

　　同時(shí)，在專業(yè)分工上國內(nèi)與美國也存在很大的差異。一般企業(yè)內(nèi)部都可以做一些數(shù)據(jù)挖掘的工作，視具體的應(yīng)用場景，利用一些小工具，內(nèi)部有好的工程師也是可以自己做的，但真正專業(yè)的采集、分析、處理還是要專業(yè)的大數(shù)據(jù)公司來做。

　　在國內(nèi)，一方面數(shù)據(jù)分析公司比較少，人才儲(chǔ)備不夠，市場有待成熟。另一方面，企業(yè)也很敏感，哪怕知道自己可能坐在大數(shù)據(jù)金礦上但什么都做不了，也不敢把自己的數(shù)據(jù)給第三方。而美國的企業(yè)級(jí)市場非常成熟。

　　比如我之前工作的APT，作為第三方擁有全北美50%以上的零售數(shù)據(jù)（包括CPG、銀行、保險(xiǎn)、餐飲、租賃等所有面向個(gè)人消費(fèi)者的都算在零售的范圍內(nèi)），這些所有的數(shù)據(jù)都是客戶開放給我們的，再經(jīng)我們分析處理后為客戶提供優(yōu)化決策服務(wù)。我覺得這還是有個(gè)商業(yè)環(huán)境和信任的問題，隨著市場逐漸成熟，這些問題都會(huì)解決。

　　作為專注深科技的投資人，我覺得這是一個(gè)非常讓人興奮的時(shí)代。尤其在美國，在波士頓，在硅谷，每天都能看到新的技術(shù)，以及技術(shù)帶來新的可能性，解決現(xiàn)有的痛點(diǎn)。而這些先進(jìn)技術(shù)在國內(nèi)有非常大的需求，對中國企業(yè)轉(zhuǎn)型升級(jí)，對工業(yè)制造4.0等廣泛的領(lǐng)域都將加油助力。同時(shí)，也欣喜地看到國內(nèi)許多企業(yè)把目光投向美國，以資金優(yōu)勢布局美國，從早期創(chuàng)業(yè)投資到成熟項(xiàng)目并購。從接待過的眾多中國企業(yè)家身上，總能感受到果敢和遠(yuǎn)見，相信中國的科技發(fā)展會(huì)與美國共同前行。