达晨财智窦勇：大数据产业，2G or not 2G？

作为国内最早成立的创投机构之一，达晨财智的“先天条件”显然不算是最好的。

最艰难的时候，达晨只有一个投资经理，拿着东家湖南电广给的一亿资金，每年只敢投一两个项目。

吃糠咽菜守到2009年，喊了近十年的创业板开闸，首批28家上市的公司中，达晨财智押中了爱尔眼科、亿纬锂能和网宿科技三家，一战成名。各路LP闻风加盟，达晨才终于进入了游刃有余的发展期。

但这都是草创年代的事了，当下的达晨并不以“吃过苦”的老牌创投自居，而是聚焦TMT、消费服务、医疗健康、节能环保领域，积极探索新的产业机会。

在达晨所有专注的领域中，TMT中的大数据细分是其中的“基础设施”，早在2014年，刚刚有创业者开始做大数据时，专业化转型的达晨就开始布局了这一领域。

达晨财智业务合伙人、大数据投资总监窦勇是达晨少壮派合伙人中的代表，在以结果导向为主导的企业文化中，窦勇以在大数据、信息安全、人工智能领域出色的投资业绩，被提拔为合伙人，殊为不易。

在窦勇看来，大数据行业还处于初级阶段，但是，“这个方向是确定的，未来万物互联、人机交互得到普及，信息过载一定会越来越严重，人工智能的辅助决策是必须的，只不过还没有一家企业打通了完整闭环。”当下行业的现状是，现有的问题归根到底是数据的问题，最亟需发展、最有机会的也是数据行业。

相比消费大数据，工业大数据几乎可以说处处是机会，火力发电厂一个机组就是10万控制单元，但比数据治理更大的瓶颈却是人才——创始人不能是纯粹的技术信仰者，既要懂技术还得懂产业运作，还要忍受高温甚至高危的工作环境。

这样的现状，让最具购买力的政府市场和金融市场成为主要热点。在窦勇看来，2G业务成为行业主流是无奈的现实，政府是最大的数据提供者和买家，要打通所有数据，就必须做数据治理，一般企业根本负担不起。对于企业来讲，如何顺应政策，同时又不依赖政策，是必须做好的功课。

以下是格隆汇对窦勇的专访实录。

判行业：数据和人才是大痛点

1.   格隆汇：大数据、云计算，都是人工智能的基础设施，最终要依靠人工智能实现落地，为什么你会选择投后端的大数据，而非前端的落地应用？

窦勇：行业还处于初级阶段，后端的基础设施没人去做，又从哪去谈落地？但这个方向是确定的，未来万物互联、人机交互得到普及，信息过载一定会越来越严重，人工智能的辅助决策是必须的，只不过还没有一家企业打通了完整闭环。

大数据、云计算和人工智能，云计算解决了算力问题，但没有数据它就是空壳，人工智能所需的算法模型需要大量数据去训练，所以，归根结底还是一个数据的问题。

行业现状是数据很多很乱，清洗成本很高；算法大都是基于开源架构，华人在原创性的算法上基本是空白；算力的核心是芯片技术，国内技术正在突飞猛进，但芯片的设计到封装测试逐步提高也需要时间。那综合来看，最亟需发展、最有机会的还是数据行业。

2.   格隆汇：如果关键壁垒是在数据这一环，是不是说BAT等互联网巨头做人工智能有绝对优势？创业企业该怎么破局？

窦勇：这是两个范畴的问题，互联网的上半场是消费互联网的阶段，下半场是工业互联网。

对于消费互联网而言，过去十年是没有监管的。所有人都认为大数据像核弹一样能解决所有问题，于是引来了网络黑产，黑产反而打破了BAT在数据上可能的垄断。

工业互联网的发展相对比较晚，2017年国家大数据战略发布后，互联网进入了监管的下半场。2018年工业富联38天闪电过会上市，才让这个市场热起来，可是直到现在，工业互联网仍然是一片蓝海。

光是火力发电厂的一个机组就需要10万个控制单元，机器的数据是海量的。但你光是有大体量是不行的，一个“大B（企业）”不等于无数个“小C（个人）”，工业制造企业的决策机制、使用频率和消费者完全是两样。制造企业要求安全稳定，跟消费互联网的快速便捷，天然地就会产生矛盾，所以一定不要用to C的思维去做to B的业务，B端的业务增长一定是阶梯式地慢慢往上走。

进入这个行业，要解决两个难点——一是人才问题，工业生产环境要么高温要么高危，外加严重噪声，坐惯了写字楼的IT人员很少愿意去；二是市场培育，国内企业都不习惯为软件买单，所以软件必须要能解决实际问题，才有可能打开市场。

3.   格隆汇：你认为行业还在初级阶段，但也有CV（计算机视觉）企业在移动互联网、金融、安防等场景实现了落地，怎么看这类企业的发展前景？

窦勇：从技术上讲，人脸识别过去依靠的是手工标注出人眼等重点部位，标注的点越多越细，识别度就越高。但这里有个数据来源的问题——以安防领域为例，要通缉犯人，需要充分布控的摄像头，所以数据始终把控在海康、大华、宇视等设备公司手上，都是千亿市值的上市公司，作为后来者的CV企业很容易沦为技术供应商。所以CV领域的人工智能产业链虽然已经形成闭环，但主要壁垒还是在数据端。

未来该怎么走呢？从产业价值看，CV企业不应该只着眼于提高技术层面的精度，更多去挖掘创新点或是深耕一个具体的场景，比如将3D技术应用于人脸识别，比如黑人人脸识别。从投资角度来看，数据的收集、清洗成本都很高，要尽可能地寻找有利可图的场景。就拿AI医学影像为例，请三年经验的医生去做图片标注，还是请五年经验的医生，就需要平衡考虑投入产出比了。

4.   格隆汇：工业大数据领域会不会出现巨头企业？

窦勇：从体量来看，中国工业制造的产值比消费要大得多，但是工业门类太多了，一个平台很难做到全行业通用。工业大数据行业真正的门槛在于，创业团队既要懂数据，又要懂产业，最终还要能把两者结合起来。

现在行业机会很好，有需求、有政策，要再诞生Facebook击败谷歌这样的故事，一定有机会，但机会只在新技术重构行业的过程里，那些有原创性技术的企业才有可能把握住。

5.   格隆汇：什么样的数据是有价值的？判断标准是什么？

窦勇：在消费场景里，大量人群的高频数据肯定是最有价值的，它只需要在几秒钟内打动用户，促成购买就可以了。

但在工业场景里，数据一定要能直接解决具体场景里的具体问题。比如司机开挖掘机的习惯数据，有的人一脚油门下去，5000转起步，有的人稳一点，3000转慢慢开动。这个数据有什么用？平稳驾驶习惯会导致配件磨损的差异化，根据这个数据，配件厂可以优化产品，金融机构可以测算司机的贷款利率。

6.   格隆汇：大数据的全产业链条上，哪一个细分市场的机会比较大？

窦勇：最早做出智能手机的是摩托罗拉，为什么现在苹果却是最大的？就是因为市场没到，现在工业大数据行业就是这样。

如果实在要选一些细分市场，相对来讲，数据平台更好切入，因为数据量极其庞杂，做数据收集清洗的企业不多，但最终需要拿出可行的解决方案，还要有客户愿意尝试这些服务。

另一个细分，公共安全也很值得关注。今年年中美国电网遭到网络攻击，导致纽约停电四小时，加上中美关系紧张，这些事件已经引发了大量企业进入市场，这是行业即将进入增长阶段的特征。

看政策：2G or not 2G？

7.   格隆汇：有些大数据企业实际上做的不是to B业务，而是to G（政府）业务，您怎么看这一现象？

窦勇：现在政府的确是大数据最大的买家，毕竟很多数据掌握在各级政府手中，要打通所有数据，就必须做数据治理。每个省市，甚至每个部门的数据格式都不尽相同，光是这个事情就需要很大精力和成本，一般企业根本负担不起。

第二种情况是政府购买数据服务。政府建设智慧城市需要水电煤气等生活数据，制定补贴政策就需要企业的机床开工率、配件磨损率等数据，这比单纯看企业的税收指标要更靠谱，改善也更明显，政府就更有付费意愿。

8.   格隆汇：2014年，达晨开始布局大数据，次年，国务院下发了《促进大数据发展行动纲要》，要求2018年建成国家政府数据统一开放平台，2020年形成一批具有国际竞争力的大数据平台产品。您认为行业目前的发展是否符合当年的预期？

窦勇：行业的发展是个漫长的过程。创业企业也需要靠自身技术的积累，攻克一个个难点，前期的一部分投入依靠资本的主推，经过长时间的市场验证，最终形成一个良性的发展。

现在头部企业主要集中在金融科技领域，主要就是因为支付意愿更强。

9.   格隆汇：因为交通运输部对ETC（电子不停车快捷收费）使用率的要求，让ETC业务成了热门；垃圾强制分类在上海的试点，让垃圾产业成了风口。大数据行业也一度受益于行政力量的助推，您怎么看行政力量对市场趋势的影响？哪些政策推动的行业能够成为风口？

窦勇：政令对产业的影响往往是决定性的，在投入巨大、见效慢的特定领域领域，行政力量的介入是有好处的。比如垃圾分类，人们转变习惯需要一个漫长的过程，政令能加快这个进程。还有一些新技术的应用，因为短期看不到收益，市场的转变也会很慢。

作为企业，顺应政策但又要和政策保持一定的距离，不能完全依赖政策，这个度要把握好。

选团队：要专注，但不只关注技术

10. 格隆汇：达晨投资的很多企业都是相对中后期的，又要企业有原创性的技术，会不会很难找到合适标的？

窦勇：难度是一直都有的。A股的审核制上市，造成了一二级市场的天然套利机制，现在注册制试点之后，没有套利空间了，创投机构就必须往前移，这就必须要专业化。

11. 格隆汇：经济形势不断变化，主流的技术方向也在不断变化，能够持久存活的企业要有怎样的特质？

窦勇：企业最重要的品质是专注，一个公司的资源、时间都是有限的，经济上行的时候机会太多，如果都想把握住，等到经济下行的时候就会变成累赘。

第二重要的品质是坚持，选定了方向就坚持走下去，不要急功近利。坚持在一个赛道里深耕，企业的风险就会前置，危机来的时候会比别人更先知先觉。

12. 格隆汇：被投企业的哪些特质是减分项？

窦勇：跨行业多元化的不投，“技术至上”的也不投，有的团队只埋头做技术，不考虑市场接受度，不提升内部管理能力，肯定不行。很多技术背景的团队会对某一项技术很自信，但那是实验环境的理论数据，在实际工业场景有用才是真有用。

以市场关系为主导的企业我也绝对不投，信息越来越透明，客户也要问你的技术到底怎么帮我解决问题？光靠关系很难走下去。

13. 格隆汇：这个赛道的创业者有科学家背景的、传统IT背景的，也有消费等领域的跨界创业者，您更看好哪一方？

窦勇：创业者背景已经不再是加分项了，投资人不care他是院士还是IBM首席科学家，技术决定了公司下限，但发展的上限取决于解决的到底是伪需求还是真需求。

定估值：横向对标还是握手交易？

14. 格隆汇：大数据赛道的企业投入期都很长，所以有不少企业会选择用开源技术，这是否会导致企业发展处于被动？

窦勇：我觉得没必要排斥开源技术，只要不是特别依赖开源技术，又能消化形成自己的核心能力，就没有问题。

数据型的企业靠的是人，人才是最重要的壁垒——按北京的标准，招纳一个首席科学家，至少要给股份加上80万年薪，还要一些其他的福利。这样建起来一个团队，加起来成本会非常高，需要足够资本来支撑。

15. 格隆汇：您投的项目比较偏早期，行业也处于相对早期，如何去给尚未盈利的企业估值？

窦勇：很多企业都还处在理论上的盈利论证阶段，一般的模型没办法套，创投一般就用两种估值方式，一种是横向对标，投别人花了多少钱？一种是握手交易，你认为值十块，我认为值八块，那我们坐下来谈谈看法，最后达成共识。

很多创业者不那么在意估值，他更在意机构能给什么资源。首要一点是产业生态，大数据领域从存储、应用到可视化，都是生态链的一环。二是直接的上下游产业链，有大量被投企业是他们的客户，这就很有吸引力。三是机构的知名度，小到政府补贴，大到关键人才引进，知名度能吸引到资源源源不断地集中过来。四是深耕行业带来的判断力，预测行业未来半年的发展，给企业一些参考和指引。

早期项目发展太快了，这个月跟上个月估值就彻底不一样了，我们会给投资额设置红线，5000万、1亿和1.5亿，对回报率的要求都不一样。至于对技术路径的判断，我们只看用户的付费意愿。