隨著國內(nèi)金融市場監(jiān)管趨嚴，“資本荒”和“融資難”正成為2018年中國創(chuàng)投圈的關(guān)鍵詞。

在這樣的大背景下，2018年AI創(chuàng)投圈正發(fā)生著一幅“冰與火”交織的奇異圖景：一面是錢荒，募資難、機構(gòu)缺錢，隨之而來的是小AI創(chuàng)業(yè)公司的融資難；另一面卻是項目荒，好標的太少，錢快速涌向頭部AI公司?？梢哉f是飽的撐死，餓的餓死。這兩種趨勢齊頭并進，我們無法忽略任何一方去理解眼下的AI創(chuàng)投市場。在這場AI行業(yè)的集體焦慮中，獨角獸們擔憂技術(shù)紅利期即將結(jié)束，小的創(chuàng)業(yè)公司們則害怕自己熬不過錢荒的“寒冬”。

2018年的AI創(chuàng)業(yè)和投資正面臨哪些挑戰(zhàn)和機遇？在其中的創(chuàng)業(yè)者和投資者們還有哪些機會？中美AI行業(yè)的發(fā)展有哪些異同？為了回答這些問題，我們專訪了美國早期投資機構(gòu)AI List Capital管理合伙人Henry Shi博士。

AI List Capital專注于投資美國早期AI公司，其關(guān)注的領(lǐng)域包括AI及相關(guān)科技（物聯(lián)網(wǎng)和區(qū)塊鏈）等。這個博士占比已經(jīng)超過一半的投資團隊，目前投資的企業(yè)已經(jīng)超過20家，涉及種子輪到A輪等多個輪次。其LP包括Google、Facebook、雅虎等全球知名上市公司高管、企業(yè)家和VC投資人。

聊聊AI行業(yè)發(fā)展現(xiàn)狀

1、人工智能產(chǎn)業(yè)的核心驅(qū)動因素——基礎(chǔ)數(shù)據(jù)、算力算法、應(yīng)用場景等目前已經(jīng)發(fā)展到什么程度？

Henry：從基礎(chǔ)數(shù)據(jù)來看，互聯(lián)網(wǎng)、移動互聯(lián)網(wǎng)、物聯(lián)網(wǎng)的發(fā)展，促進了基礎(chǔ)數(shù)據(jù)的收集。但目前有效標記的數(shù)據(jù)還不夠多，不少行業(yè)的數(shù)據(jù)需要人工標記才能用于AI算法訓練。

在算力和算法方面，云計算的發(fā)展提供了很強的算力，目前已能滿足大部分narrow AI的應(yīng)用需求，能支持深度學習技術(shù)的大規(guī)模應(yīng)用。目前深度學習在很多narrow AI的應(yīng)用上表現(xiàn)突出，但需要大量的訓練數(shù)據(jù)和算力，成本較高，借助專門的AI芯片或能降低成本。對于general AI或super AI的算法，目前AI界還處于探索期。

如今，AI的應(yīng)用場景幾乎滲透到各行各業(yè)。不過，絕大部分可行的應(yīng)用場景還是narrow AI。需要general AI的場景（如交互性強的服務(wù)機器人）還有諸多挑戰(zhàn)，這一領(lǐng)域會是未來的投資熱點。同時，部分應(yīng)用場景（如無人駕駛）對AI的準確性要求很高，算法離落地還有距離，創(chuàng)業(yè)公司應(yīng)該切入可落地的“過渡型”應(yīng)用場景。比如，當無人駕駛還無法實現(xiàn)時，創(chuàng)業(yè)公司或可以先從智能輔助駕駛系統(tǒng)著手。

2、AI+產(chǎn)業(yè)，百億級公司的賽道在哪兒？

Henry：能被數(shù)字化的行業(yè)，一般都存在著百億級公司的賽道。這些行業(yè)會積累大量數(shù)據(jù)，而AI能通過分析數(shù)據(jù)顯著提升效率，甚至完全代替人力，這是必然趨勢。

不過，考慮到不同行業(yè)的落地周期有所差異，我們更關(guān)注未來3年內(nèi)百億公司的賽道。短期內(nèi)能落地的百億級賽道需要滿足幾個條件：1)AI解決的問題是剛需且可以清晰定義；2)AI解決的問題具有規(guī)模效應(yīng)；AI可提供顯著價值（提高效率或降低成本）；3)有大量的數(shù)據(jù)積累或數(shù)據(jù)采集容易，且數(shù)據(jù)容易被標注；4)技術(shù)的可行性高（general AI的技術(shù)難度比narrow AI高不少）；5)對AI有一定容錯率（對準確率的要求相對較低）；6)AI能提供輔助而非直接替代作用（減少應(yīng)用過程中的阻力）。

根據(jù)這些條件，我認為安防、金融、新零售、教育、醫(yī)療、娛樂等行業(yè)都有潛力成為百億級賽道，在中國會有較大的落地機會。因為數(shù)據(jù)更易獲得、有政府推動等，中國AI在安防和新零售領(lǐng)域可能走得比美國更快。而美國AI則會在醫(yī)療、教育和金融等領(lǐng)域發(fā)展得更靠前。

3、在AI的落地中，您比較看好哪類商業(yè)模式？

Henry：目前，大部分AI公司采用的是2B模式（2G模式也類似），因為解決的痛點相對明確，B端付費能力較強，這種模式相對容易落地。但其缺點在于：B端客戶簽約周期較長、需求較為分散，這導致2B公司的發(fā)展速度不如2C公司快，同時2B的解決方案比較難標準化、規(guī)?；Ｄ壳斑m合2B的細分賽道有安防、AI醫(yī)學讀片、大數(shù)據(jù)風控、能源AI調(diào)度、智能農(nóng)業(yè)、智能營銷、智能制造等。

相較而言，2C的AI企業(yè)往往市場更大，數(shù)據(jù)積累速度更快，同時產(chǎn)品容易標準化。目前適合2C的細分賽道有：教育、智能消費、虛擬社交、智能音箱、大數(shù)據(jù)健康管理、無人零售、無人駕駛、服務(wù)機器人等。

一些我們投資的2C的AI公司：ObEN（通過聲音和照片，為人們快速打造AI虛擬形象，打造全新的社交體驗。合投方：騰訊、軟銀）、Honey（通過分析你的購物行為，為你打造最懂你的智能購物助理。合投方：花旗銀行）、StatMuse（基于自然語言處理的體育類互動問答平臺。投資方：Disney、Google）。

4、怎么看AI行業(yè)的資本泡沫？

Henry：我認為AI行業(yè)確實存在泡沫，泡沫主要來自兩方面：市場上存在大量偽AI公司，他們借用AI概念，但并沒有真正通過AI顯著提高效率或降低成本；另外，很多企業(yè)趕上了2016年和2017年的AI風口，獲得了過高的估值，但其在商業(yè)化方面并沒有真正落地，持續(xù)燒錢卻難以“造血”。

目前，資本市場已經(jīng)出現(xiàn)了“資本寒冬”跡象，機構(gòu)的“子彈”變少，在投資時會更看重AI公司的現(xiàn)金流，無法商業(yè)化落地、估值過高的AI公司在后續(xù)融資上可能會很困難。我認為，2018年年底會是個分水嶺。

從細分賽道來看，目前新零售、醫(yī)療、無人駕駛等AI領(lǐng)域存在較大泡沫。泡沫大的賽道往往有如下特點：吸引的投資金額大；行業(yè)門檻不高，貼近大眾；商業(yè)落地周期長。

5、面對惡劣的資本市場，對AI創(chuàng)業(yè)團隊有什么建議？

Henry：創(chuàng)業(yè)公司不要盲目燒錢，應(yīng)先集中火力把當下的技術(shù)／產(chǎn)品做好，盡早獲得付費客戶，達到或接近盈虧平衡。盡可能在發(fā)展勢頭好的時候進行融資，在估值和融資速度間找到平衡。此外，創(chuàng)始人還需要做好三件事：1)不斷吸納好的AI人才；2)保持對AI技術(shù)發(fā)展的敏感性，關(guān)注新技術(shù)顛覆現(xiàn)有技術(shù)的可能性；3)與客戶密切溝通，深刻理解需求和痛點，提高場景驗證和迭代能力。

中美AI創(chuàng)投對比

1、走到2018年，中美AI創(chuàng)業(yè)公司融資和機構(gòu)募資有更難嗎？兩國AI企業(yè)的退出正呈現(xiàn)哪些趨勢？

Henry：2018年，中國金融市場整體監(jiān)管趨嚴，資金面趨緊。未來一段時間，中國VC／PE、股市、房地產(chǎn)等各類資金都會比較緊張，AI行業(yè)的投融資會面臨較大影響。不過，從一級市場來看，全球AI行業(yè)的總體投資仍在不斷增長，2017年全年約為150億美元，2018年Q1的投資總額超過2017年Q1（26億美元）；從二級市場來看，目前中國股市比較低迷，美國相對好但很可能會面臨周期性的調(diào)整。

2011年到2018年全球AI公司的募資情況，圖表來源：VentureScanner

2011年到2018年全球AI公司的IPO情況，圖表來源：VentureScanner

從退出通道來說，美國IPO和并購市場相對更市場化，早期AI企業(yè)被并購的案例正在增多。在中國，AI獨角獸企業(yè)通過IPO退出相對困難，市場對沒有盈利的高科技公司通常持有保守態(tài)度。近期中國雖然正在修改發(fā)行和上市規(guī)則，希望一些掌握核心技術(shù)的高科技公司快速上市。但多數(shù)中國AI企業(yè)收入不多，想登陸A股還是比較艱難。為此，部分AI企業(yè)或可以尋求登陸港交所或海外資本市場，或通過并購?fù)顺觥?/p>

李開復(fù)此前曾預(yù)言，中國AI投資從2016年開始火熱，到2017年年中達到高潮。資金瘋狂涌入之下，行業(yè)的估值被迅速推高。如今，隨著中國資金面趨緊，部分尚沒有落地場景和變現(xiàn)能力的AI企業(yè)，在下輪融資中將面臨巨大壓力。此外，二級市場的變現(xiàn)低迷影響基金的退出周期，以及去杠桿后機構(gòu)投資者減少等，也會影響中國AI企業(yè)的融資。

相較而言，美國AI行業(yè)的投融資比中國更理性——估值更合理，二級市場的退出也比較良性，最重要的是，很多AI企業(yè)目前已具備不錯的現(xiàn)金流。走到2018年，美國AI企業(yè)的融資形勢相對樂觀。多家美國VC成立了新的AI基金，比如吳恩達成立了1.75億美元的AI Fund。

總的來說，我們對中美AI公司的未來融資都比較樂觀，因為好企業(yè)不會缺錢。即使是市場形勢暫時有挑戰(zhàn)，只要公司有足夠強大的競爭力，一定會得到市場認可。

2、中國AI行業(yè)的投資目前格局如何？和美國有何差異？

Henry：中國AI行業(yè)有幾大特點：1)政府對AI產(chǎn)業(yè)的扶持強于歐美；2)AI公司不那么注重數(shù)據(jù)隱私，獲取數(shù)據(jù)更為容易；3)近2/3的資本集中于頭部公司，而美國相對分散；4)投資總額和融資節(jié)奏較快、企業(yè)整體估值偏高，同時退出數(shù)量較少。

CB Insights數(shù)據(jù)顯示，2016年中國AI公司的融資額在全球的占比為11.6%，2017年上升到48%，首次超過美國（38%）；美國AI公司從成立到種子/天使輪平均需要15個月，中國只需要10個月；中國AI公司的整體估值是美國的1.5-3倍；據(jù)不完全統(tǒng)計，2017年全球AI行業(yè)有117項收購或上市退出，其中美國有68項，中國只有4項。這既是因為中國AI行業(yè)剛進入發(fā)展階段（融資多在B、C輪），同時也因為中國大公司相對缺乏收購習慣，且大部分AI公司沒有利潤，缺乏被收購的吸引力。

5) 中國高端AI人才的數(shù)量明顯少于美國（差距10倍以上）；6)從細分賽道上看，中國AI企業(yè)主要集中于應(yīng)用層和通用技術(shù)層，在基礎(chǔ)層（如AI芯片）上和美國差距明顯：中國芯片企業(yè)的融資額不到美國的1/10，且技術(shù)上差距較大（美國在GPU 和 FPGA兩個領(lǐng)域保持壟斷地位）；在應(yīng)用層，美國企業(yè)的應(yīng)用范圍更廣，比如在能源、太空、農(nóng)業(yè)等行業(yè)應(yīng)用上發(fā)展深入。

中國AI投資多以應(yīng)用層為主，而美國則是面向全產(chǎn)業(yè)投資，除了因為美國AI人才儲備更多，還因為中國資本市場整體更“急功近利”，更傾向于較容易變現(xiàn)、研發(fā)周期更短的應(yīng)用層AI公司。

基于此，我們判斷，目前中國AI行業(yè)不缺資金，缺的主要是高端人才，這造成資本集中于頭部企業(yè)和整體估值偏高。AI List Capital希望立足美國的人才優(yōu)勢，投資美國有技術(shù)/數(shù)據(jù)壁壘的早期項目，并幫助其拓展中國市場。

3、中美數(shù)據(jù)發(fā)展環(huán)境的差異如何影響AI的創(chuàng)業(yè)和投資？

Henry：美國對數(shù)據(jù)隱私的敏感度對AI的發(fā)展有一定制約，這也是為什么中國正吸引越來越多的AI公司落地。但美國對數(shù)據(jù)隱私的保護，讓美國企業(yè)更加重視數(shù)據(jù)的安全性，在數(shù)據(jù)存儲和共享方面做得更完善，這對AI整體生態(tài)的中后期發(fā)展有益。

4、AI是中國獨角獸的集中賽道，其中融資占比前三的領(lǐng)域是計算機視覺與圖像，自然語言處理以及自動駕駛。光是視覺識別領(lǐng)域，中國目前就有4家獨角獸。為什么中國AI領(lǐng)域的獨角獸如此集中？中美情況有何不同？

Henry：中國獨角獸集中在AI領(lǐng)域，首先是因為政府的推動，比如其在安防、智慧城市等領(lǐng)域的巨大投入，極大促進了計算機視覺的應(yīng)用。比如，曠視擁有中國十幾億人的生物識別數(shù)據(jù)，云從科技獲得了廣州政府幾十億人民幣的扶持資金。在這種推動下，商湯、曠視、依圖、云從等獨角獸企業(yè)獲得了人才和數(shù)據(jù)積累上的先發(fā)優(yōu)勢。在AI數(shù)據(jù)的網(wǎng)絡(luò)效應(yīng)（Data network effect）下，這些數(shù)據(jù)壁壘會形成技術(shù)壁壘，進而吸引更多客戶。這成為這些公司估值高的原因。

目前，中國頭部AI公司大部分屬于“通用技術(shù)”（如視覺、自然語言處理）。這些企業(yè)往往具有三個特點：由該類技術(shù)的科研領(lǐng)軍人物創(chuàng)立；聚集了該技術(shù)領(lǐng)域的一批高端人才；深耕該類技術(shù)，并應(yīng)用到不同行業(yè)，市場空間巨大。因為這些特點，“通用技術(shù)”型企業(yè)更容易成為獨角獸公司，不過這樣的機會正逐漸變少。

相較而言，美國多是大企業(yè)研發(fā)AI通用技術(shù)，創(chuàng)業(yè)公司往往偏向行業(yè)應(yīng)用。因為大公司在通用技術(shù)領(lǐng)域布局較早，且進行了巨大的科研投入（各大公司都設(shè)有研究院）。同時，美國眾多獨角獸企業(yè)原本都是互聯(lián)網(wǎng)／移動互聯(lián)網(wǎng)公司，它們是在積累大量數(shù)據(jù)后自然“轉(zhuǎn)型”成AI公司的，比如Robinhood（AI+金融）、UiPath（AI+醫(yī)療）、Tempus Labs（AI+醫(yī)療）、Uber（AI+物流）、Instacart（AI+物流）等。

5、中美視覺識別領(lǐng)域的發(fā)展和落地情況有何不同？

Henry：中國計算機視覺領(lǐng)域的公司數(shù)量超過百家，頭部效應(yīng)明顯：頭部公司擁有深厚的資本和人才優(yōu)勢，不斷地切入細分行業(yè)，形成“大者恒大”的“平臺型”公司。通過資本來整合其他AI公司往往成為這些頭部公司的擴張戰(zhàn)略，比如商湯科技和鼎暉投資聯(lián)合成立AI基金來對AI初創(chuàng)企業(yè)進行投資布局。

美國計算機視覺領(lǐng)域缺乏商湯這樣的“平臺型”計算機視覺公司。美國的AI公司更偏重細分行業(yè)應(yīng)用，除了熱門的醫(yī)療、教育、零售、娛樂等行業(yè)外，在能源、農(nóng)業(yè)、礦業(yè)、太空等行業(yè)也有較前沿的探索。但因為政府的推動力不如中國，美國在安防領(lǐng)域的應(yīng)用相對少。

從落地角度來說，中國視覺識別技術(shù)在安防領(lǐng)域的落地較好，規(guī)?；?yīng)強。但落地較強的僅限于人臉識別，對于智能行為識別（如判斷是否打架）方面，現(xiàn)有的技術(shù)還面臨著很大挑戰(zhàn)。在金融領(lǐng)域，中國視覺識別技術(shù)在大數(shù)據(jù)風控、智能投顧等方面都進行了一定落地，但尚未規(guī)?；１热?，部分中國P2P公司建立了自己的大數(shù)據(jù)風控系統(tǒng)，但規(guī)?；€較難。在智能投顧方面，美國發(fā)展得相對更靠前，比如金融交易所和數(shù)據(jù)公司S&P Global最近以5.5億美元收購了Kensho。

在新零售領(lǐng)域，中國智能商品推薦、用戶行為分析等都達到了較好的落地程度，但目前絕大多數(shù)無人商店只進行了部分環(huán)節(jié)的自動化，更多處于概念階段。這個領(lǐng)域還需要更多技術(shù)突破，真正落地估計還需要兩到三年。

6、“中美貿(mào) 易戰(zhàn)”可能如何影響中美兩國的AI創(chuàng)業(yè)和投資？

Henry：關(guān)于“中美貿(mào) 易戰(zhàn)”，我們有如下幾個判斷：1)中美博弈會長期存在，現(xiàn)在僅是開始，要有打持久戰(zhàn)的準備。2)在中美博弈中，中國處于相對的劣勢，因為中國對美國的依賴大于美國對中國的依賴：沒有中國，美國還可以從其他國家進口產(chǎn)品。但中國出口美國的產(chǎn)品數(shù)量龐大（5000億美元），短時間內(nèi)很難找到其他替代市場。中國在高技術(shù)領(lǐng)域（比如芯片、飛機等）和美國有較大差距。3)美國從貿(mào)易入手，根本目的是保護其知識產(chǎn)權(quán)和在高技術(shù)領(lǐng)域的核心競爭力，因為這涉及到美國的安全和整體利益。

我們覺得中美貿(mào) 易戰(zhàn)會對隨后的AI創(chuàng)業(yè)投資有幾點影響：在核心高技術(shù)（比如芯片）或AI領(lǐng)域的底層技術(shù)上，中國資本基本很難進行投資或收購；中國AI核心技術(shù)方面的創(chuàng)業(yè)會受到更多資本、大企業(yè)和政府的扶持，但挑戰(zhàn)在于中國AI高端人才缺乏；為了在AI核心技術(shù)方面有所突破，中國或?qū)⑽嗪Ｍ飧叨巳瞬呕貒鴦?chuàng)業(yè)。

聊聊AI投資方法論

 

1、專投AI的VC難在哪里？您在投資中，最看重的點是什么？

Henry：AI的研發(fā)周期較長，早期判斷其商業(yè)化路徑有一定挑戰(zhàn)。其中的難度在于，判斷AI項目的技術(shù)風險及該項目能否解決真正的行業(yè)痛點，而非偽需求或淺需求。要想對此有較好判斷，投資人需要對AI技術(shù)有深入理解。

作為早期投資者，我們主要關(guān)注三方面：首先，該AI項目是否提供了清晰的價值（比如具體提升了哪部分效率，提高了多少效率等）；其次，AI是否真正解決了用戶痛點（是否有付費或試用/合作用戶）；最后，AI離真正商業(yè)落地的距離。

對此，投資人可能需要進一步考慮如下問題：要解決行業(yè)痛點，現(xiàn)在的技術(shù)是否可行？技術(shù)需要多久才能真正落地？技術(shù)是否可能無法實現(xiàn)？如果技術(shù)成熟還需要幾年，是否可以通過過渡型產(chǎn)品來降低風險（如輔助駕駛）？

除了對技術(shù)和賽道進行判斷，早期投資的核心還在于投人?？偨Y(jié)來說，我們看重創(chuàng)始人的經(jīng)驗、野心和決心。值得注意的是，部分AI創(chuàng)業(yè)者雖然有很強的技術(shù)背景，但商業(yè)經(jīng)驗未必豐富，做出的產(chǎn)品不一定能真正落地。

比如說我投資了20多家AI公司（注：部分公司是Henry在正式成立AI List Capital之前個人投資的），包括智能購物助理Honey（花旗投資）、個性化AI技術(shù)公司ObEN（軟銀、騰訊投資）、網(wǎng)絡(luò)安全公司Shape Security（KPCB、Google投資）、Uber模式的卡車貨運平臺Next Trucking（紅杉投資）、基因測序公司Veritas Genetics（Lilly Ventures投資）等。其中，對ObEN和Honey的投資較有代表性。

2、如何打磨出一支優(yōu)秀的AI投資團隊，讓他們跟上科技的發(fā)展速度？

Henry：首先需要團隊在AI領(lǐng)域上有專業(yè)度。比如我們的投資團隊成員中超過一半是AI領(lǐng)域的博士，能深入理解技術(shù)，和AI公司在一個頻率上交流。同時，能幫助所投的AI公司引入世界級的AI顧問。

其次要不斷自我升級，很重要的是保持謙卑包容的學習態(tài)度，不對新事物主觀臆斷。在訓練團隊成員看項目時，我非常強調(diào)深度思考，看透本質(zhì)。我經(jīng)常會問團隊成員：“假如你只能問創(chuàng)業(yè)者3個問題，你會問什么？”當你只能問最少的問題時，就會深入思考什么是最關(guān)鍵的元素。

在投資團隊的打磨上，我們有如下幾條策略：

一、要求每位成員都學習AI，對技術(shù)有一定認知。

二、組織團隊進行系統(tǒng)化的行業(yè)研究。2017年7月到10月，以及2018年的6月到8月，我們分別做了兩次行業(yè)研究，深入研究了AI和區(qū)塊鏈在七大行業(yè)（金融、醫(yī)療、教育、娛樂、能源、農(nóng)業(yè)、太空）的應(yīng)用，梳理了超過5000家公司。在研究中，試圖回答以下問題：a) 爆發(fā)式增長的創(chuàng)業(yè)/投資機會在哪里？b) 如何理解技術(shù)的本質(zhì)、局限和趨勢？c) 美國有哪些領(lǐng)先中國的技術(shù)和模式？哪些具備落地中國的潛力？d) 傳統(tǒng)行業(yè)的升級轉(zhuǎn)型機會在哪里？ e) 發(fā)現(xiàn)了爆發(fā)式的機會，如何快速把握？

三、與業(yè)內(nèi)頂級的投資機構(gòu)保持互動，聯(lián)合討論項目。

3、可否總結(jié)一下您2018年上半年的AI投資？您覺得未來兩年AI會有哪些新趨勢？

Henry：2018年上半年，我們重點投資了若干AI+行業(yè)（教育、醫(yī)療、安防、營銷）的項目。其中大部分項目在我們投資時，都接近盈虧平衡，并同時具備爆發(fā)式增長潛力。目前，約一半公司獲得了下一輪投資，回報率躋身美國第一梯隊。

未來兩年的新趨勢：1）結(jié)合物聯(lián)網(wǎng)：更多軟硬件相結(jié)合的AI項目。比如我們在美國投資的安防、采礦或建筑機器人項目。結(jié)合硬件，可以提升這類項目的壁壘。2）結(jié)合區(qū)塊鏈：區(qū)塊鏈解決了信任問題，能促進AI協(xié)作和數(shù)據(jù)共享。3）在能源、農(nóng)業(yè)、制造、太空等門檻較高的行業(yè)產(chǎn)生更多應(yīng)用。4）更多2C AI應(yīng)用的涌現(xiàn)。

嘉賓簡介

Henry Shi 博士，AI List Capital管理合伙人。在人工智能領(lǐng)域擁有10 年以上的科研和投資經(jīng)驗，專注于投資早期 AI 公司。已投資近 20 家美國人工智能初創(chuàng)公司，研究了全球超過 5000 家人工智能公司。

作為連續(xù)創(chuàng)業(yè)者，Henry 聯(lián)合創(chuàng)立了南加州地區(qū)最大規(guī)模的華人創(chuàng)業(yè)服務(wù)平臺 PlusYoou 普創(chuàng)。Henry 為美國南加州大學人工智能的博士，卡內(nèi)基梅隆大學機器人系訪問科學家，曾受邀在Google、Amazon、長江商學院、中科院等機構(gòu)坐過人工智能的專題講座。

Henry 在 AI 領(lǐng)域的代表性投資包括 Veritas Genetics（AI+ 醫(yī)療）、Shape Security（AI+ 安全）、Honey（AI+ 消費）、ObEN（AI+ 娛樂）、Next Trucking（AI+ 物流）等，這些公司均獲得了頂級投資機構(gòu)（紅杉、KPCB、Google Ventures、軟銀、騰訊等）的后續(xù)投資。聯(lián)系方式：henry@ailist.io。