我们永远认为，商业化问题次于价值创造问题。

作者 | 王淮

编辑 | 楠哥、诗琳

第二期「甲子直播间」中，远望资本创始人、迅雷创始人程浩曾分享，to B行业实施有周期，成长必然是线性的。

而一家投资过太空挖矿、柔性外骨骼等黑科技的极客范投资机构却认为，真正的科技创新将带来非线性的、指数级增长机会。

这种坚定的乐观主义信念来自线性资本。

他们的Slogan非常有意思：Linear Path, Nonlinear Growth——线性的路径，非线性的增长。

4月23日，我们邀请到了线性资本创始人兼CEO王淮做客第五期「甲子直播间」，分享「黑科技的上山下乡」。

王淮认为，接下来的创新机会在于黑科技的“上山下乡”，即真正去解决产业问题，这就需要把黑科技变成“灰科技”，即那些好于现有方式10~100倍以上，且解决实际重要问题的黑科技。

王淮的经历非常传奇。2007年初，他拒绝了谷歌的橄榄枝，加入了当时只有130多名员工、创始人比自己还小两岁的Facebook，是公司第二位来自中国的工程师和第一位华人研发经理。

2014年9月，王淮创办线性资本，聚焦于数据智能以及前沿科技领域，主导过地平线、酷家乐、Rokid、神策等60多家科技企业的早期投资。

7年的投资经历中，线性一路陪伴这一领域从最初的高光环绕走到了扎实的落地探索。

本次分享的要点如下：

1.黑科技如何分类？

2.灰科技需要怎样的舵手？

3.什么样的产业才适于高科技“上山下乡”？

4.疫情下的科技新机会？

以下为王淮的分享实录：

1.黑科技不能太“黑”，要“灰”

很多业内人士对线性的印象是，投了很多类似起源太空这样在太空挖矿的黑科技企业，听起来很fancy（奇特）。

黑科技确实是我们的偏好，因为我们团队大多都是技术出身。但其实我们在投之前，已经对它们未来十年的形态做了预判。并且从终极目标倒推，哪一年需要什么样的里程碑？分别需要什么样的技术？技术的难点在哪里？……我们都做了很多深入的探讨。

线性在判断一个项目是否值得投资时，有一套自己的算法，这个算法基本上定义了线性的价值观。

 

第一个要素是data_based，必须要有数据。

第二个是AI_driven，人工智能驱动。数据需要可以被AI处理，并在有效处理后，获得可操作的洞察。

第三是commercially_applicable，获得的洞察能放到商业场景中去应用。

原来我们谈科技的商业化，大多是指比较fancy的商业应用场景，但是我们现在觉得，这种场景要土，越来越“土”。

“土”不是为了“土”，而是为了大，为了解决大家日常看到、用到的东西在生产、制造、流通上的问题。

所以，“黑科技”从学术的角度来看，要够“黑”；但当它要对物理世界、现实产生影响时，要“灰”。

 

如果单追求技术的酷炫，很难对现实产生效应。要让人觉得这技术够酷，同时能够产生实际效应、商业价值的东西，我们觉得，这技术应该要“灰”。这也体现了人类社会本身的复杂度。

这就是所谓的要“上山下乡”，要进入具体的产业问题中。

“黑科技”，“黑”的程度和类型是不一样的。我们把黑科技分了三个类别。

 

第一，自动化。

自动化就是解决方案中的简单重复。所有的数据收集，和基于数据的总结分析工作，都是可以被自动化的，替代的是体力活动，就像自动售货机一样。

自动化这类黑科技，在数据AI改造行业的类型中，属于low hanging fruits（可轻易实现的目标），是非常值得去抓住的。线性资本投过的神策、酷家乐、观远，它们的很多早期技术应用都处在这一类。

第二，智能化。

智能化和自动化的最大区别是，想去自动化的部分存在概率问题，是需要去判断的。我们投的地平线、智领云、帷幄都在尝试让insights（洞察）的挖掘变得自动化。

人做判断时，依赖的是在过往实践中积累的经验，和其在脑海中形成的模型。智能化的过程，就是把人的经验和判断模型自动化。

最厉害的专家，连续工作24小时，效率也必定会急剧下降。而在智能化的过程当中，这一切是可控、可持续的，可以做到高质量、低成本，并且能够处理更复杂的场景。

第三，融合化。

以前大家谈黑科技时，只提数据和AI。但我们越来越希望AI能够跟场景领域的科技产生融合。比如，与机械臂结合，与生物结合，从而产生单单一种黑科技无法所获取的效果。

那灰科技该如何来定义？

用一句话来解释，就是好于现有方式10~100倍以上，解决实际重要问题的黑科技。

 

我们投的酷家乐，能够让设计、渲染达到100倍的效率提升。原来需要几个小时到几天时间才可以拿到的家装设计效果图，现在只需要7秒钟。这就是灰科技落地在体验上给人带来的巨大差异。

 

灰科技需要具备三个属性，才能被称之为“有效”，一是“好于现有方式10~100倍以上”的效果，能否作用于行业。

很多人存疑，线性投的这些黑科技怎么赚钱。

“怎么赚钱”被我们放在思考的最后一步，但我们非常关心这个问题之前的一步——灰科技解决的问题有没有价值？

家装图纸的设计时间从72个小时缩短为7秒钟，这是不是有意义？客户对这种灰科技有没有需求？这是不是能够帮到很多设计公司获得更多的业务？能不能帮客户产生竞争上的差异化？这是我们非常关心的。

我们永远认为，商业化问题次于价值创造问题。谁付钱，付多少钱，这些商业化问题是比较容易探讨的。但是如果没有源自灰科技的体验差距，没有10~100倍的效率提升，直接谈赚钱，没有意义。

 

中国过去10年的商业模式创新风生水起，但它们在科技改造行业的过程中是有问题的。一定得把效率、价值问题放在前面，再去讨论价格问题。

第二，灰科技要基于大数据，并高于大数据。

量大是对大数据的最基本要求，大数据还需要具备全面性。

在犯罪现场，如果只拍受害者的照片，却没有一张照片去描述周边犯罪现场场景，即使数据高达几十TB，也是远远不够的。分析的时候，一定会缺少重要的信息。

数据还需要具备准确性、高细节度。

比如，描述人脸，只描述是亚洲脸还是西方脸，是非常粗的颗粒度，需要关注到眉毛粗细、两眼间隔等非常高分辨率的细节程度。

最后，灰科技要使实际的决策效率产生质的飞跃。

回到问题本身，究竟使用什么样的数据、算法，取决于要怎样才能帮助决策实现10~100倍效率的提升。这也是我们做尽职调查的基本逻辑。

2.“灰科技”成功需要怎样的舵手

 

我们相信，让一个技术人实现商业化，比起让商业人实现技术化，要容易得多。如果成功，带来的回报也会大得多。

所以，线性投的人，必须懂技术。但我们同时要求，他必须要humble（谦逊）。

很多人认为，搞科技创新的人太过于nerd(怪咖)。这些人懂技术，但不懂人性，跟这些人谈生意很困难。

但我们投了很多类型的公司后，发现技术人才在刚开始创业时，很多都nerd。但是这群人很快就会分化，一批是企业家，一批还是技术大牛——就是那些创业创得一般，但大家还都觉得他很酷的人。

很多技术大牛时常有种奇怪的优越感（我以前也是这种风格），这很多时候是因为他们不懂得怎么跟人去打交道，他们需要有人际方面的理解和历练。

所以，我们要求他们在骨子里必须够谦逊，明白这不是一个纯靠技术就能解决问题的简单世界。

第二点，创业人才一定要有学习能力。

学习能力是最重要的能力。在灰科技与行业融合过程中，需要从懂技术到懂行业，知道要解决什么样的行业问题。

还有一个很重要的概念是管理成长（learn to manage growth），包括对产品、营销、团队建设以及理解世界复杂度的能力提升。

技术大牛，要懂得做产品。科技在技术人的角度是算法，是数据；但用户是产品视角，他骨子里并不希望知道你的技术细节，只需要你的产品能够解决问题。

产品做出来了，还得会卖，给客户更好的支持和维护。这被我们称为产品的商品化。

理解世界复杂度也很重要。搞技术的人可能会习惯管理技术团队，大家都是工程师，直来直往很开心；做起产品，可能有一半同事可以处得来，有一半处不来；做生意，10%的人也许喜欢你这种直来直往，但90%的人和你处不来，日子就会过得很难受。

创业人才需要学会往前看，主动预测，而不是被动反应。

当情况变化才去调整，就已经晚了，必须具备“预言”能力，预估可能会发生什么事。这次疫情就是一次试金石，对掌舵者的能力要求非常高。

他同时需要think above，学会拥有全局观。

做技术时，只需要管好自己技术上的一亩三分地，缺乏全局性的视角。而创业者，需要把各种技术和非技术问题糅合在一起，形成有效的产品或解决方案。

很多时候客户会说，我要A、要B、要C、要D。怎样理解客户究竟要的是什么？

如果你问拉马车的人，想要什么样的新交通工具，他会跟你说，更快的马。他想象不出来汽车的。

同样的道理，一定要去区分客户想要的，跟他背后本质的需求。从中思考，你能给别人提供的有效minimum feature set（最小特征集）是什么样的。

 

Think above也意味着，我们有时需要跟别人合作，一起联合打单。

我们有时需要整合渠道商现成的方案；有时在卖给B时，可以利用在A里积攒的经验和代理商。建立这种资源网，需要有全局观：

谁是你的朋友？谁是你的竞争对手？谁是你最好的投资人？

第三点，是商品化，Learn how to sell。

商业的本质是低买高卖。

最低级的商业，买卖的是同样东西，只是打了一个信息差价，要达到一个很大的价差是很困难的。

牛的是什么呢？低买商业要素，加上你对应用的理解，卖出有效的黑科技。这样卖出的是别人自己没法生产、获得，或者在市场上供应极度有限的商品。

这方面的典型是苹果。Apple的零部件本身也都只是普通商品，但通过苹果公司精巧的整合、极致的设计和强有力的品牌，让Apple成为Apple。

低买高卖间的增量，是商品化的过程中一定要去思考的。这就要求他必须深刻理解数字化变革的价值所在。

 

 3.上什么山、下什么乡

有了对灰科技的判断，有了对适合带领团队的舵手的判断，接下来的问题是落地方向——什么样的产业值得高科技上山下乡？

我们对行业机会的判断首先是：体量够大，切入点够小。

体量够大即市场天花板高。

而切入点够小的意义在于，只有找到足够小的切入点才能让10~100倍的提升变得可能，让别人直接感受到黑科技所带来的爆炸性冲击，否则能量压强会大大降低。而且什么都做，很容易什么都做得一般。

我们投的酷家乐、粒界、时谛，都是用这套逻辑去衡量的。

对于行业，我们要求它具备能够产生高颗粒度、高质量数据的可能性和技术基础。如果行业本身的技术基础很差，需要先做很多改造工作，那么这个行业的数字化并没ready(准备好)。

除了基础数据设施要有可行性，行业里也需要存在rebels（叛逆者）。

零售行业今天就处在这个层面。很多知名品牌里的创新部门、数字化部门负责人、骨干，存在很多rebels，他们想革新，想给传统行业带来一些变化，又对所处的行业有一定理解，我们需要跟这些人合作。

在线性有专门与rebels对接的同事，对于CEO等最高层面高管，我甚至很多时候会亲自去“洗脑”，去产生高水平的共识。

第三，需要有已经成熟到愿意尝试、愿意做初始付费的企业。