在人工智能市场风暴眼，投资者该如何挑选好公司？

人工智能在过去的一年，已经成功捕获了公众的注意力，霸占着主导媒体报道头条，并驱动了大量的投资与收购活动。 在这个炒作周期的风口浪尖之上，如何辨别真正有价值的初创公司，对于风投人来说是一个不小的挑战。

我们从像 CRV、IA Ventures、Two Sigma 等这样的顶级公司采访了一些经验丰富的风险投资人，以了解这些成功的投资者是如何评估人工智能初创公司的。 如果你是一个想创办以人工智能为核心的公司的创始人，就请重点关注以下提到的几个问题。

人工智能是不是公司价值主张的核心？

高通风险投资公司（Qualcomm Ventures）的Varun Jain警告地说道：“许多无法筹集资金的公司试图将自己定位为人工智能公司。 Jain 说他曾经见过某些公司仅仅是使用着以人工智能供电的Wi－Fi路由器就宣称自己是人工智能类公司。

在这些情况下，人工智能对于这些公司只是一个附加功能，而不是公司价值主张的核心。 Jain解释说：“传统的Wi－Fi路由器可以使用人工智能方法来检测网络数据中的异常，并标记那些错误，但这个功能并不能改变或增加公司的价值。

相比之下，高通风投公司投资了Clarifai和Cruise AutomaTIon（已被通用收购）两个人工智能初创公司。 Cruise是一个为自动驾驶汽车提供智能和动力的公司，而Clarifai则是利用先进的深度学习和计算机视觉技术以高精度识别图像和视频中的物体。

你的技术团队有多可靠？

据CRV公司的Max Gazor说：“具有尖端且新颖的人工智能技术的公司将拥有来自人工智能学术界或来自知名的行业组织如Google Brain或Facebook人工智能团队的认可。”

CRV 对本公司技术系统的承诺体现在他们投资创始人所具有的非凡经验中。Robhink RoboTIcs的Rod Brooks是麻省理工学院人工智能实验室的创始主管，也是成功的机器人公司iRobot（NASDAQ：IRBT）的创始人。 Jibo的Cynthia Breazeal先生在麻省理工学院媒体实验室成立了个人机器人小组，是一位世界知名的社会机器人专家。 Pullstring的Oren Jacob以前是皮克斯（Pixar）的首席技术官，自公司成立初期就与史蒂夫·乔布斯一起工作。 （Robhink RoboTIcs、Jibo、Pullstring均为CRV旗下公司）

DCM Capital的David Cheng补充说到：在人工智能行业在市场上生命力旺盛的这一阶段，只有有限数量的人工智能专家拥有着在大型公司或顶尖大学的必要经验，从而才能真正构建尖端且创新的解决方案。如果一个团队声称在他们的产品中使用人工智能技术而公司并没有相匹配的技术团队，这将会引起我们对其真实性的怀疑。

你能解决客户的实际问题吗？

“我发现的一个规律是：当CEO不停地强调本公司拥有的人工智能技术，而不是客户的需求时，我对他们的兴趣就越低。”GE Ventures 的 Michael Dolbec ”我们投资的是宝贵的成果，而不是科研项目。

行业内所有我们接触到的投资者都对这个观点表示赞同。

IA Ventures的Brad Gillespie补充说：“如果我不得做这道单选题，在我看来，领域专业知识胜过机器学习专业知识。 IA Ventures投资于Vectra Networks，这是一家由经验丰富的领域专家领导的网络安全公司，专注于解决重要的客户问题，并最大限度地运用安全分析师。

Vectra的竞争对手反复强调他们复杂的机器智能，但买家的反馈是这些家伙虽然聪明，但他们并不理解我的业务。他们的产品有很多的口号和术语，但我不明白它是什么。

有效解决业务问题不仅需要一个专业的团队，而且要专注于一个特定的业务领域。 Two Sigma Ventures的Colin Beirne指出：拥有不同技术的已存在解决方式能够解决大多数的问题，但是针对狭窄领域上的人工智能则需要更精确地解决方案。

你有相关的、专有的和可扩展的数据源吗？

高通风险投资公司的Jain总是向潜在投资对象提出这个问题：你如何获取数据？你是否依靠大公司提供数据，或者你有独立的收集方式？这两种方法都是可行的，但是具有独立收集方式往往更受欢迎。

自动驾驶汽车传统上在郊区、停车场和不反映驾驶现实的封闭环境中进行测试。高通的投资组合公司Cruise AutomaTIon通过在城市环境中操作测试车辆，由专业人员实时监控，从而获得了许多缺失的数据。同样，它的其他人工智能投资公司Clarifai开始与一个流行的消费者app进行合作，使其能够获得独特的数据，然后进一步进行扩展，以得到可以处理具体业务所需要的特定数据。

除了数据源是独特的和具有辨识度的，它们还必须与实时需要解决的问题息息相关。根据Battery Ventures的Dharmesh Thakker，下一代人工智能技术将取决于你正在开采数据的复杂性。非结构化图像、视频和音频数据比文本数据采集起来要难得多。Thakker还考虑了公司是否需要使用快速移动的数据还是可以止步于静态数据。快速移动数据，例如被自动驾驶汽车处理的实时图像，通常比静态数据要复杂得多。

最后，团队必须证明他们有能力根据独特的数据不断改进他们的表现。高通风投的Jain定期检查团队是否能展示快速处理数据和有效优化技术的能力，使系统越来越可靠。

你建立了自己独特的技术还是依靠公开的源代码？

Verizon Ventures 的 Suresh Madhavan说：“企业是利用公开源代码框架还是研发专有技术往往是我们会考察的一项重要标准。 利用公开源代码将让你分析一些表面的数据，但它不可能是解决每一项困难的业务问题的最佳方案。”

来自DCM Ventures的Cheng也同意此观点。 DCM的投资团队依赖于其强大的行业顾问和技术专家网络，这些人能够帮助审查技术堆、数据架构，并确定团队是否正在合理的进行数据收集、存储、解析或注释。

你有粘性产品吗？

Sumant Mandal作为March Capital的合伙人之一，也是The Hive的共同创始人，这是一家专注于驱动人工智能初创公司发展的“孵化器”。 Mandal强调说：“如果你的机器人不能让客户的办事效率提高至少5－10倍，那么作为一家新的公司，你很难让客户看到你的价值所在，”Mandal又强调说，“作为一个创业公司，你要看到的不仅仅是自己的产品，而是你的产品为你的客户所带来的效益。例如，如果你想应用机器人来替你的客户进行招聘，那么你问问自己如果我的机器人能够将效率提高五倍，那招聘到的人是否能将客户公司的盈利提高100倍呢？”

此外，他警告说，任何的改进必须是要在负责任的前提下。

即使你有一个理想的产品，让客户承诺一个单一的试点计划并不是一单可行的业务。 Woodside Capital的Kartik Gada寻求的是多样化的收入和多元化的客户，常问自己这两个问题：“你的收入是否在稳步增长？你的客户是否成为了回头客？

你有一个多样化的团队吗？

最后一项但同样很重要的一点是，投资者在寻找的是能够解决公司创立初期挑战，并且有信心攻克扩展人工智能业务过程当中所有挑战的多样化团队。 Monsanto Growth Ventures的Kiersten Stead解释说，“成功的公司要雇佣包含领域专家、商业领袖和销售人员等在内的整个团队，而不仅仅是工程团队。

相反，Stead观察到，具有人种单一的的启动团队，特别是当仅由没有行业特定经验的人工智能研究者组成时，往往失败的频率更高。

“技术团队不能很好地与销售人员进行沟通，反之亦然，” 她强调， “我们寻找的要不就是一个经验非常丰富的、拥有一个较成熟的职业生涯的人工智能创始人或者是一个各有所长的团队。”销售和市场管理往往被忽视以科技为重磅的人工智能创业过程中，但是对于想要成功的公司而言，出色的市场管理往往是不可所缺的。

Woodside Capital的Gada警告说：“人工智能创业公司犯下的最大错误是扼杀营销。大多数客户并不知道自己需要这些高科技的产品。”