AI的产业应用和场景落地决定了AI产业的未来发展，投中在圆桌对话《AI+，未来的驱动力》邀请到力合创投总经理冯杰先生、银泰资本管理合伙人金晨先生、上海金浦投资合伙人兰兰女士、恒天中岩副总裁刘明先生、创璟资本合伙人、董事总经理黎芳宏女士、北科天绘CEO张智武女士共同探讨AI行业的发展。投中研究院国立波院长担任对话主持。
众位嘉宾认为，目前数据存量较大的金融、医疗、安防和零售是AI落地的四大场景；在投资方面，从基础、技术和应用三个层面需要分别进行布局。在投资领域，AI或许能提供数据方面的辅助和参考，但要想让机器取代投资人，尚需时日。
以下为圆桌论坛实录，文字由投中网整理：
国立波：很高兴主持今天下午AI论坛的最后一个环节。上一个论坛，我们是邀请到了6位投资圈的大咖为我们分享了AI领域投资的趋势和投资的逻辑。本场论坛我们也是有幸邀请到了5位投资圈的大咖还有一位我们AI领域的企业家来跟我们畅谈AI的赋能和AI+的未来。
冯杰：大家下午好！我是来自力合创投的冯杰。我是清华背景的在深圳本土的老牌VC机构，到现在有将近20年时间，过去一直还是聚焦于科技技术导向型早期投资为主，主要是在电子信息、材料、医疗健康、材料、先进制造业和新能源领域投了一些早期的项目。经过19年，我们逐渐从一家单纯的VC转型成包含投资、园区和创业孵化的综合性的定义为科技服务提供商的定位，也很高兴未来有机会和大家进一步交流。谢谢！
金晨：我是来自于银泰资本的金晨。我们起源于法国，在国内是一个独立募资和独立投资的美元基金。我们投资的主要领域是互联网、大数据，包含人工智能、Fin Tech和消费。人工智能领域我们长期看好，过去的两年出手投资人工智能类和大数据类的企业，包括无人驾驶的L4的解决方案，包括无人便利店还有一系列像数据可视化、智能数据库以及销售线索产生一系列的大数据和人工智能的企业。非常高兴今天在这里和大家交流。
兰兰：大家好，我是来自金浦投资的兰兰。上海金融发展投资基金是2009年设立的，是国务院同意、国家发改委批复的，当时唯一一只以金融产业为主要投资方向和命名的金融产业基金。我们的首期规模110亿，于2012年完成这样的投资，主要投资中国银联、国泰君安证券、兴业银行这些项目。我们二期由上海金浦投资子公司管理，主要是投了蚂蚁金服等金融科技的项目。今年我们会继续深耕整个以人工智能赋能的各个产业，包括金融科技，也包括智能制造、智慧社区这样的行业。谢谢大家！
黎芳宏：大家好，我是来自创璟资本的黎芳宏。创璟是专注于成长期投资的创投机构，我们覆盖的方向包括半导体、企业服务软件、教育和医疗服务及医疗器械。过去我们投资案例包括像是大疆、奇虎360等。今天很高兴有机会和各位同事一起交流。谢谢！
刘明：大家好，我是来自恒天中岩的刘明。恒天中岩是一家市场领先的资产管理机构，在中国市场。我在恒天中岩主要是负责我们的股权投资相关的所有业务，包括股权投资母基金以及若干只股权投资的主基金。我们核心的母基金主要聚焦于在未来5-10年会代表中国经济转型的核心的领域，包括大健康、大消费、高端制造，包括教育以及TMT这样的领域来进行投资。投资的方向主要是以投基金为主，会配合少量的项目跟投，主要是采用P+S+D的方式来完成我们的投资。我们在整个所关注的TMT领域里面，其实我们很关注像人工智能这样有核心技术，新技术，新模式、新场景应用机会的一些领域。今天很高兴参加投中的关于AI+主题的论坛。谢谢大家！
张智武：大家好，我是北科天绘的创始人、CEO张智武。我们公司是做激光雷达的，是从2005年开始，是中国第一家做激光雷达的企业。激光雷达最初的应用是在高精度的测量和测绘，这两年是随着无人驾驶、智能出行的火爆，激光雷达受到更多的关注。北科天绘从2005年开始一直面临国际竞争，因为前十年的时候，国内是没有其他激光雷达企业的，我们跟老外抢市场。这两面激光雷达企业比较多，现在竞争更加激烈，但是机会更多了。
我们现在总部是在北京，我们的生产基地在苏州，然后我们今年在合肥成立了软件的研发中心。我们也把芯片的研发中心放到合肥，北科天绘也是全世界第一个就激光雷达信号处理有自己的芯片，我们从2009年开始研发，我们的芯片2015年开始应用。所以我们现在应用很多半导体技术做激光雷达。现在接触的客户包括美国、德国和日本的头部的车企，也包括一些新兴的AI的公司，包括现在大家都知道的无人物流，还有垂直场景，比如共享出行这样的客户。所以很高兴有这个机会和大家分享。
国立波：谢谢张总，谢谢各位嘉宾的介绍。我们先进入第一个话题，因为我们今天主要讨论的是AI+，应该是从“互联网+”应用过来，“互联网+”目前已经遍地开花，嫁接到生活的各个领域，教育、医疗、金融等等，我想问我们嘉宾一个问题，AI+究竟能够加在哪些领域，哪些领域是最有前景的？
安防、金融、医疗、零售 AI的四大场景
冯杰：应该说AI领域纵观过去，几十年前有一波热潮，那会儿就觉得AI的时代会到来。任何技术往往一开始出来的时候会很热，然后又进入到比较低潮的时候，我个人认为这两年AI新热潮是和互联网化有很大的关系，因为催生了大量的数据。二是随着算法和硬件，包括数据的处理能力以后，相当于在AI的应用层面搭建了很好的基础和结构。
我们一直是在做AI的工作，只是从初级走到中级阶段，十几年前我读大学的时候，在商业上有商业智能的方向，相当于商业的数据做大数据用分析工具做分析，然后提高决策能力，应该也是属于AI早期的模型或者范畴。随着技术条件的日益成熟，在很多领域我们都会面临到可能用AI的工具和手段能够解放人们，在一些领域可能比我们做得更好。像自动驾驶的案例，可能在未来的时代，人因为有情绪的波动、有疲劳什么的，AI也许是更安全的工具和手段，当然排除黑客的影响。包括工业的制造领域，随着AI工具的深入，可能会帮助你更有效率的推动计划的执行和进度的处理。
现在包括力合在医疗、安防等应用领域都会投资做一些布局，包括在一些早期的基础程序上，芯片等做布局。综合来讲，我不认为做工具化的AI企业有更大的前景，我认为与场景结合的AI企业会有更大的前景。互联网也是这样，纯做互联网工具有价值，但是真正最好的几个互联网公司或者估值最大的互联网公司都是用互联网公司来做一门生意，做行业的工作。AI和AI的公司在大的领域，我们相当于用AI工具做生意的模式下，可能会有更好的前景。
国立波：有没有一些例子？
冯杰：现在很多在用，很多的独角兽都在往安防走，因为有海量数据下分析的需求，特别适合现在AI的使用。其实这个过程中也是有很多传统安防在做，更多是结合的工作。AI在新的场景中，以存在大量数据、需要长期训练才能做的行业，我觉得会有非常好的可能的应用场景，刚才讲了安防，包括在医疗等领域，其实有大量数据，包括金融，这几个领域都是过去几年在AI非常热门的投资领域，因为大家都会看到这方面的机会。
金晨：对AI整个领域，我们最基本的产业链我们的看法分三层：一是基础层，基本上就是硬件、芯片、传感器加上云。二是软件和算法。三是所有的这些技术在应用层面的使用。这个基础上，如果说起AI+，总体来说也就是我们把AI的解决方案和生活场景或者说跟商业的场景结合。
我说一个相对具体一点的案例，我们投资的缤果盒子是一个无人便利店或者无人便利的盒子，人可以走进去。AI整个应用的场景非常多，进店的人脸识别或者产品的摆放和位置优化、结帐等等地方都有强大的IT团队做。所有都在做布局和优化。缤果盒子的损耗是很低的，低的金额可以忽略不计。
他们讨论过，有些技术原因或者什么原因，拿了三样东西有一样没有结帐，在后台当天就可以知道这些情况的发生。在当天或者第二天后台的工作人员会打电话给客人，你那天买了什么东西，有一样没有结帐，能不能用微信支付？99%的情况就会支付。传统的便利店或者超市无法做到。相对AI+，AI的赋能可以做到非常具体、非常生活化。而且带来短期的经济效益。
国立波：银泰资本主要管理美元基金，您认为美元基金投AI和人民币投AI有什么相同点或者不同点？
金晨：这里面没有碰到太大的障碍，当然有些项目在开始的时候就计划好拿人民币，或者它是人民币架构，到一定的成长期，美元基金再参与或者改变投资结构是比较困难的。银泰资本主要投资阶段是A轮或者A轮、B轮，这样早期的阶段，如果我们参与到一个企业的项目中间去投资用VIE等的架构，没有太大的障碍。
蚂蚁金服不仅是AI 更是技术服务商
国立波：兰兰总，您刚才介绍金浦投了蚂蚁金服，蚂蚁金服也是AI驱动的企业。首先想了解一下，投资的逻辑是什么？您对AI+认为哪些行业最有可能落地？
兰兰：我们知道数据是AI技术的基石，我们在应用场景落地的AI技术的过程当中，我觉得比较看重两点：一是是否有比较高质量的数据，并且规模比较大的数据，质量和数量非常重要，还有这个数据能否打通完整的流程以及能否定期更新。二是所应用的具体领域是否有清晰边界的问题。我觉得从行业来讲，可能金融行业是比较符合这样的特性，所以一开始AI在应用场景上，金融行业的应用比较多，因为我们知道金融行业有大量沉淀的客户的数据，另外金融行业存在非常大的问题就是它的信贷各个方面的安全、欺诈，就是反欺诈和风险控制的问题。
所以我们在看蚂蚁金服的过程当中，现在的蚂蚁金服已经不是FinTech，已经把自己定义为科技即服务的企业。这样的定位是全球科技服务的提供商，所以我们对他们的尽调和投资的过程中，更看重他们未来的技术输出。所谓这样的技术输出，就是他们将来自己不会再做太多贷款业务，也不会再做太多的理财保险业务，慢慢在剥离。所以他们现在的技术服务收入将来会是很大一部分，因为这样的定位是把AI技术应用到风险控制、信用评分模型、反欺诈，输出给其他机构进行合作，完全是技术提供商的角色。
我们投了苏宁金服，也是这样的概念。苏宁金服和蚂蚁金服最大的不同是苏宁金服线下实体场景的问题，像刚才冯总和金总提到的线下人脸识别，苏宁易购线下人脸识别可以获取大量数据，苏宁金服会利用这些数据进行这样的转化和流量的提升。我们当时看重这两个企业，主要是因为他们在应用AI技术方面已经走在了至少是AI+金融领域的前面。
今年金浦将会新设一只智慧科技的参与基金，重要的投资方向以AI技术应用的相关产业，我们现在比较看好智慧社区，还有智能制造，另外就是其他应用的底层技术及应用场景的企业。我们也是觉得未来的智慧社区的发展，智能制造，还有物联网将来都会是一个趋势。
基础、技术、应用 母基金投AI的逻辑
国立波：谢谢兰兰总的分享。黎总，您对AI+的理解怎么看？
黎芳宏：我们会考虑几方面的问题，这个行业应该有海量数据作为基础，数据基础上再寻找合适的算法。算法同样基于大量数据提取一些特征，去形成一种规律。这个过程有点像牛顿定律，背后的推导过程是非常复杂的。但是最后呈现出来的状态是很干净、很简洁的公式，这个行业必须具备这样的特征，通过数据的归纳和总结可以形成干净的逻辑。
在推导算法的过程中，可能会借鉴到一些硬件的帮助，比如芯片等。这些芯片的成本是不是可控，他们是不是能够发挥出来算法的效率，这也是我们考虑的一个要点。在前面几位老总提到的场景里面，我们其实看到一些大的方向，包括自动驾驶、新零售，还包括医疗也是。
在这里面其实有些细分的环节，我们是可以分解出来的，比如医疗影像里面，像病理学的切片图片和X光的图片，它所要应用的技术是不太一样的，包括在自动驾驶里面，它也是复杂的决策过程。包括感知和决策。感知过程当中，我们也需要用到不同的硬件和算法实现。目前我们关注的是工业领域比较细分的应用，像是在高端的机床里面会用到非常昂贵的刀片，这些刀片在使用一段时间之后就会损坏，就会导致停产，给企业造成比较大的成本。应用AI，可以进行一些预判，避免这样的损失。
国立波：刘总，您也介绍了，恒天中岩做母基金，也有直投，你也说投了一些AI独角兽的项目。想了解一下，咱们的投资逻辑是什么，您对AI+未来的发展路线图怎么看？
刘明：我们的投资逻辑首先是选择大的行业和赛道，毕竟我们是做母基金，还是从大面入手。我们看好AI整个领域在未来5-10年，股权是长期的投资行为，要看好这个领域在5-10年这段时间周期有很好的发展机会，我就会对这个领域进行布局。
在具体的投资过程当中，我还是会结合着，首先关注这个领域里面投资能力最强的GP，对他们进行投资布局。同时我们会跟这个领域里面投资能力最强的GP共同的去看一些底层的直接投资机会。在AI领域，中国现在AI发展，这几年进入非常高速的时期，大概有过统计，北京、上海、深圳三个城市的AI类企业规模加起来达到全球整体AI规模不到6%，这已经是很大的数量。发展很快。
这个过程中，我们区分了三个类别的AI企业，分别是基础层AI企业，还有技术层AI企业，还有应用层的AI企业，技术层主要看围绕芯片、围绕AI发展基础，像大数据和云计算这两个核心的技术端来进行布局的优秀标的，应用端主要是看以技术、算法为核心的一批AI类技术类企业，比如提到中国的AI会提到AI旷视、商汤这样的企业，他们结合技术端也结合应用端，这些我们都会按照不同的类别进行关注。
通过基金布局寒武纪专门做芯片的厂，还有做大数据和云计算的，包括中国几大云之外，除了阿里、腾讯、百度之外的，还有金山云这样的公司。说到AI+的场景应用，像主持人讲的跟互联网+很类似，现在做得比较好的，未来短期有突破口的AI+的行业，各位嘉宾也有提到AI+金融发展很好。
举个例子，现在大家都用手机银行，包括招行的手机银行都结合很多AI功能在里面，包括智能投顾。开端也会逐渐继续完善，比如AI+物流是很热门的话题，智能物流。还有AI+医疗健康。这些技术的提高，导致诊断等都有很大的提高。
2010年到2016年这6年时间，机器识别的准确率从70%已经提高到95%，我们觉得未来随着它的提高，医疗方面AI+还有更多的应用前景。联想创投的嘉宾也讲了智能汽车，里面很多的智能驾驶，包括很多的传感器和自动的识别都需要很高的AI应用。这些场景在未来5-10年都有很大的落地机会，同时我们不但会关注场景，还需要关注一些底层的核心基础端和技术端的落地，这也是我们一直没有忽视的，除了场景应用，一直没有忽视的技术方面的投资机会。
无人驾驶传感器价格将大幅降低
国立波：谢谢刘总的技术分享。张总，您结合您所在的行业谈AI+的理解，以及未来您所在行业AI+的发展趋势。
张智武：我们所在的行业现在是和智能驾驶、地图紧密相关。老祖宗说聪明，聪明是耳聪目明，是离不开传感器的。传感器的作用是采集和积累海量的数据，从我们的观察来讲，未来数据的来源会非常多样化，比如现在的高精度地图的数据是专业的地图公司去采集的，现在随着传感器的普及，我们以前路上只有路灯，现在路上充满摄像头。
昨天我在阿里的云栖大会讲路车结合，在路上布激光雷达等等。也许高精度地图以后的来源是地图，也可能是汽车。现在我们和英国一个车企，说在车上装6个激光雷达，可能像Uber或者滴滴这样的车，将来也会装各种激光雷达、毫米波、摄像头，所以我们将来生活中充满传感器，也就充满数据的来源。会让一切的数据做整合，以它为驱动力。
现在传感器这么贵，很多人说你们的激光雷达这么贵。做激光雷达的执导，激光雷达元器件没有一款原材料很昂贵，真正激光雷达贵的是研发成本，比如说我们在激光雷达处理上自己有芯片，我们的芯片因为产量不是很大，订购的东西不是很多的时候，流片的量不大，单芯片成本高。以后要生产百万台、千万台的激光雷达，巨大的流片量，单芯片的成本只有几块钱。
基于这个逻辑，我们推测，将来激光雷达一定不贵。现在卖十几万人民币的激光雷达，随着购买量增加，未来成本就会大幅降低。我跟用户说，不要因为激光雷达目前贵，你们觉得这个东西暂时用不起来，等到它用起来再培养你的算法，培养你的解决方案，可能已经落后了。AI是非常动态的过程，从数据的来源采集端到数据的处理端到算法到解决方案，其实在这个行业的技术发展过程中，BOM成本的瓶颈会很快被突破，然后就会让AI的进程远远超过我们的想象，甚至我们从业者都没有想到我们的应用场景会发展的这么快，会这么快在很多领域里面有突破。
AI还不能取代投资人 但可从数据层面进行辅助
国立波：谢谢张总的分享。AI+投资大家还没有提到，现在二级市场做投资，包括一级市场做智能投顾的越来越多，现在高盛有1万多员工，至少有30%以上的员工是做技术的，我们了解Google也有一个产品，现在做投资组合的时候开始用AI的技术来辅助他做决策。因为咱们在座的有很多做投资，你感觉AI对我们这个行业，包括二级市场的投资会产生什么样的影响？
冯杰：刚才国总讲到二级市场是基于相对标准产品，其中，大数据的电子交易是非常好的AI应用的基础。而且在一级市场中，过去传统上有很多信息是非标准化或者非公开化的，很多信息不是在轻易可以得到的渠道获得的。随着整个社会的信息化、互联网化，包括你的企业所有过去的行为，尤其是对于企业的灵魂，创始人在过去的行为、生活轨迹等都已经留下了痕迹。
国外有一个科学家曾讲到，如果可以掌握你所有个人的生活信息，能够预测你未来的行为的，因为你很多行为是有目的或者逻辑可循的。美国硅谷有一家VC完全在履行AI的投资方式，通过模型、数据，从硅谷所有的书上学习，只要别人要他的钱就投。
但是在国内，目前更多的是在数据收集和流程处理过程中应用到AI，因为我们面临大量对人的判断是做投资的核心，从这方面来讲，好像现在很难或者没有很好的工具和手段用AI对人进行数据的判断。我认为作为投资人来讲，AI就是未来的趋势、未来的方向。从自身的行业而言，我们更应该小心，也许哪天创投行业就会被AI颠覆掉，我觉得应该更早拥抱或者融合AI的技术来做投资的事情。
国立波：一切皆有可能。我了解美元基金和人民币不太一样，美元基金不像人民币有很多分析师。金总，您感觉分析师是不是能够被AI取代呢？以后只要合伙人和机器就可以做投资了？
金晨：我希望是这样，像国总说的，我们做投资还是比较辛苦的。这个行业里面都是聪明人，我们的做法是看到一个领域，就会花大量时间把这个领域的每个项目看一遍，哪怕90%都不会考虑投也都会看一遍，所以我们的日子的确比较辛苦。但是这样做了以后，整个项目投资的质量还是有保证的。站在这个规律上来说，我们是能够在一定程度上将分析的工作智能化的。
诚如刚才冯总说的对人的判断，目前我们基本上是通过聊天，然后了解他的背景，做各种核对。反过来我们在团队上最纠结，大家都说投资是投人，回过来复盘看我们投的项目中，表现最优秀的项目，绝大部分都是团队非常优秀的。但是在投资的过程中，尤其早期的项目就见那么几次，很难知道这个人是否优秀。
然而随着大数据的应用，未来人的信息将更加丰富，我们通过所有的分析算法能够预测60%、70%下一步会怎么做，或者你做这件事情的成功率是多少，我觉得这中间是有可能的。如果站在综合的角度来说，我很希望将来有一天我跟一个机器人就可以承担一个基金的责任。
兰兰：我看了一些关于AI+投资的项目，现在有些项目是专门为了一级市场利用AI技术，帮助分析师更好地管理基金的项目和收集行业的资讯。之前我们看过几个项目，他们做得很不错，反正比较大的投资机构都引进了。我们也引进了这个系统，也是以收年费的形式一次性收费。AI+投资等于释放一些人力，这里的人力指的是一些比较技术性的工作。
正如金总所说，投资一个项目主要是看人，整个投资过程中对于时间的耗费其实是非常大的，并不是说我们找找行业信息，看看排名，看看数据就可以。我们和管理层和员工各个方面了解的过程中会得到很多信息，再加上自己的投资经验去判断，目前为止，AI没有办法做到这点。
但是对于一些基础的分析师工作，比如收集行业的信息、行业报告，还有一些公开的财务数据和其他的资讯，这方面是可以做到的。这样就可以帮助我们节省人力，提高工作效率，能够更好地为我们服务。我记得有一句话说，人工智能是让你更有效率的工作，不是取代谁，而是让你的工作变得更有效率，让你的时间花在更有意义的地方。
国立波：在做投资的过程中，黎总是不是也有意、无意地用到相关的技术来增强咱们的投资能力？现在投资决策的时候有没有这样做？
黎芳宏：投资领域有些方面已经实现了一定程度的人工智能，比如说二级市场的量化基金算不算一种人工智能，我认为某种程度上是符合这个标准的，也是基于海量的数据，有自己的模型，有它自己的算法。
但是在一级市场的投资过程中，我们也看到了一些障碍。首先是前面几位有提到过的数据方面的障碍，我们也有尝试过不同的数据库，数据库当中也发现数据的不完整以及数据的错误，基于这些去做决策肯定是有问题的。二是在我们做项目的过程中，发现有很多点是比较难以去量化的，比方说投资条款当中的一些关键的法律风险点，这个东西我们目前没有办法用AI实现，而且很多的条款是通过双方谈判的过程去逐步落实的。
国立波：刘总，您这边整体上管理更加复杂，当然没有一步到位到AI阶段，目前咱们在投资上、管理上有没有更先进的方法在做这件事情？
刘明：我认为目前AI+仅仅是提供辅助的功能，至少我觉得短期内看不到AI能够起到帮助一级市场做投资决策的功能。特别是在一级市场投资过程中，做股权投资是概率事件，比如很多人说投资是投人，这种投资策略在早期和中早期是完全正确的。但是后面，企业发展整体的规则就变得非常重要，不同阶段有不同阶段投资的重点要考虑。
但是对于很多中早期的项目来说，为什么说投资就是投人？其实早期的项目最终能够成功，中间需要做出无数次的选择，而无数次的选择导致了早期的种子能成长起来。这个选择有时候怎么用机器对它判断呢？很多时候选择是在一念之间的，是往左还是往右。AI能在一级市场提供辅助功能，但是投资决策上还是要靠人做的。
国立波：为时尚早。张总，您的企业也融资，您想拿什么类型的钱？什么样的投资机构是比较愿意合作的？
张智武：我们作为被投企业，越来越意识到在我们的股东会、董事会里面，其实投资机构很多时候充当的是智囊作用，他们很多看法，尤其是在一些大的战略上的决断力对我们来说是很好的补充。
我们是做制造业出身的，按投资人的说法就是比较小气，每分钱挣的都很不容易，但是在目前的行业发展局势下，有些事情是需要有大格局，需要看得更远的。这时候对于战略资源怎么部署，投资人会给予我们很好的见解，而且能够一针见血地帮我们把思路理清楚。
所以在我们选择投资机构的时候，因为本身也是互相了解、互相沟通的过程，我觉得投资机构是不是很懂这个行业很重要。第二个是不是了解这个行业的发展规律很重要。如果是懂这个行业，了解这个行业规律的，除了钱之外，智力的因素对我们的影响是无形的。在此之外，再有些战略资源，那就是完美。这是我对投资人的期待。
中部AI企业估值较低 值得关注和投资
国立波：谢谢张总的分享。时间差不多了，因为我们是LP峰会，来了很多LP，最后一个简单的问题，通过数据显示，未来1-2年是VC/PE行业比较艰苦的调整期，对于下游企业的估值可能会产生一系列的连锁反应，想问各位嘉宾，您对于LP未来1-2年投资布局AI有什么建议？
冯杰：做投资，尤其是做创投，某种程度上永远要追逐成长最迅速的企业。如果你判断AI是未来的整个趋势，而且是各行各业都会用的工具，我觉得这个赛道是值得持续投入的。但是，因为AI是非常典型的技术驱动型，任何的投AI的基金，我认为不能只投后期，一定要对早期有很好的敏感性和关注度，这是我的建议。
金晨：AI整个领域，头部的企业估值都非常高，引发大家对于AI泡沫的讨论，但除去头部的企业，相对AI整个领域，我们看到大量的中部或者尾部或者早期的企业，其实估值并不是很高，因为这个领域的增长相对缓慢，不像拼多多这种2C的企业。假设大家对中国今后两年的经济是有些担忧的话，AI对于整个传统行业或者对于整个经济实体来说，如果大家对于增长的预期降低，对提升效率的预期反过来会大大增加。在这中间，AI是大有可为的。如果站在这个角度，不管是GP还是LP，大家可以进一步反过来多关注AI领域的发展和投资。
兰兰：我赞同金总的看法，在AI技术投资企业当中，我们一定要去泡沫化，更看重它的技术，还有它的商业模式落地的可行性。在目前比较热门的行业，比如视觉识别、图象识别，可能估值已经很高，我们可以再看看其他的细分行业或者是垂直领域的AI技术的企业，可能会找到性价比比较高的项目，就是要多看、多想，也不能太局限于某一两个行业。
黎芳宏：对于资产的定价能力是非常重要的，无论是针对AI企业还是其他的行业，一旦我们能够比较准确地判断它的资产价格的时候，可能需要一些耐心。当这个行业受到经济波动影响的时候，未必是坏事，要有耐心，等到价格到比较合理的区间再进行投资。
刘明：我们是做资管的，所以我的建议是，针对LP投资的决策一定要分散投资，不要集中在某个项目或者是某一个投资阶段，或者是某一个领域。第二个建议是作为非专业投资人来讲，找到靠谱的GP，找到靠谱的管理人很重要。如果你看好一个行业，看好AI行业，找这个行业里最有投资能力的GP投。第三个是即使找GP、管理人也要分散，这就是我们为什么用母基金的方式做。在中国处在早期阶段的领域里面，要做投资布局，核心就是分散。
张智武：因为我们不是做投资的，我只是觉得在AI领域是深技术的领域，投资、估值这些要合理，更重要的是看团队的技术积累以及变现落地的能力。这是很重要的。