蓝驰创投执行董事曹巍联合知藏CEO周吉龙，南燕信息CEO龚勋，慧影医疗CMO郭娜，一起探讨当下最热门的人工智能投资领域，交流最前沿的技术创新，进行一场投资人和优秀创业者的思想碰撞。

AI是标签、手段而非风口、目的

曹巍（蓝驰创投）：蓝驰创投最早是1998年在硅谷成立一直围绕创新技术，TMT领域做中早期的基金。目前蓝驰管理着总额超5亿美元的双币基金。在AI领域的布局也挺早，从2011、2012年就开始了。在我们最早时候关注AI方向时，这个市场还没有那么热，当时主要讲“深度学习”。

当时看行业应用领域还是非常窄的，更多的是围绕算法和通用的算法模型以及具体通用场景的能力方案，像自然语言识别，图片识别等。而当时主要的像算法模型，整个AI效果处理等等，都是处在相对早期的数据水平上。

在当时，我们有过内部的讨论，那个时候更多是在讲信息化，围绕整个的信息化，还没有说高到大数据和AI，更不用提“人工智能”这个新的概念。那个时候我们觉得，首先未来整个信息化的前提是数据联网，以及更云端化分布的算例平台的，它是未来所有信息化以及人工智能的基础。

所以从那个时候开始我们就在深度的调研云计算和云计算相关的领域在这方面寻找一些不错的团队和投资的机会。当然我们也非常幸运投资了青云等等，它们都在云计算方面做的非常不错。在此之后，围绕这个方向我们都在看，有了云计算，有了大数据，围绕场景方面，开始陆陆续续的有更多的行业的深入的场景的结合和更深入的解决方案的苗头。

在后续我们也投资了一些行业相关的垂直AI的产业机会。所以其实现在对于蓝驰整体来讲，我们看AI的更多的认为AI只是一个标签，AI只是一个手段。 但最终的目的还是围绕云计算，围绕深度的数据分析，围绕AI商业模型去解决商业化场景，最小闭环有商业价值的问题。定义问题，解决问题是我们讨论整个方向的一个本质。而这个过程可能会有很多的在模型上的迭代、算法上的迭代，包括参与方、科研方新的创新能力的发挥。

我觉得接下来我们还是请在座的三位CEO简单介绍一下自己目前的公司的情况，以及初步的对于AI在自己所在的垂直细分领域的一些思考。

南燕保险——用相应大数据手段设计保险产品

龚勋（南燕保险）：南燕保险是脱胎于原外资保险互联网事业部这样一个架构，我们整体是基于云端的Saas平台往前推进整个行业的SaaS，在用相应的大数据的手段设计一些保险产品。

目前已经在北京和上海做到了很大程度的覆盖。目前服务的保险公司有41家，包括中国平安，中国太平这样比较著名的公司，还包括了全国38个专业的经贷机构，260个兼业代理，还遍布广州、上海一些地方的销售组织，将近有2400多个。公司到现在运行有16个月，整体交易额基本可以达到每个季度翻一番，甚至有的季度可能是翻五番到十番的交易速度在向前迈进中。目前的情况是我们整个SaaS基础上，从一开始就会构筑很多大数据的想法。

因为保险其实是一个大数据的行业。保险，包括精算、理赔或者产品设计都是跟大数据紧密结合在一起的。南燕从创业初期开始，与保险公司，与保险的销售机构分享利润是南燕很关注的一个点。南燕希望在保险交易链条上每一方都可以稳定获利的机构。我们始终认为任何有一方侵吞了保险公司利益，或者消费者的利益，这个交易闭环是不可持续维护的。

这也是为什么很多机构认为南燕是做B2B，其实我们是站在整个环上去看，以及思考保险行业如何保持长期稳定。在大数据和AI来看，我做产品设计就想怎么打标签，怎么样更好地体会客户的需求，我们从开始关注客户具体怎样出行客户，风险的项目产生的相应的理赔费用是多少，类似这些南燕在后面做了无数的估算。

知藏——企业智能决策

周吉龙（知藏）：知藏是做企业智能决策的。这个词听起来可能比较陌生。我创业之前是在麦肯锡做咨询的，所以我们做的事情希望拿着数据，加上算法，与商业模式结合起来帮助企业提高各方面的效率。我们在营销领域里对内容和转化过程中的用户的行为进行建模，帮助客户在内容传播和营销转化领域，一个季度提升了50%以上的转化效率。同时，我们帮物流企业做智能车辆调度，通过算法取代人，来做车辆的调度和路径规划，这样下来可以整体的运输成本能够降低到5%-10%左右。这是举的两个例子，帮助大家理解什么企业智能决策。

说到和AI领域的关系的话，我们是通过模型和算法，让计算机自动化的，更加智能帮助企业做它的商业决策。这个事情在很早之前就开始有人尝试了，比如说最早的投资领域，在量化的交易领域里，那个时候我们是叫智能模型，同样做的是更大的帮助企业，通过模型来解决问题的这个范畴里，它可能包括了机器学习，强化学习，深度学习这样最火的概念，其实也包括了更大范畴之内的模型的概念。

我们之所以开始做这个事情是因为看到，像刚才曹巍提到过的，在整个云计算到大数据，到人工智能发展的阶段，从数据不断的丰富到计算能力不断的增强，算法不断的增强，这是一个一个有步骤的过程。我们现在看到算法方面已经有了很大的突破。但是我们是服务企业的，我们以服务大型企业为主，在各种各样的企业里我们顾问出身的人看见了有非常非常多的企业应用的场景，可以被算法支持和提高效率，但是并没有很好的应用。

之前我听过一个观点，就是说在服务企业这端，人工智能需要的是人工智能科学家加上很好的销售，就能更好地服务企业。在我们看来服务企业的这个场景里，其实还缺了一环，这一环是顾问。需要有人能够深度理解商业模型，从商业模型抽取出来解决方案，了解算法，和算法对接，最终做出来比较好的服务企业的AI的产品。这个是我们正在做的事情。

之前麦肯锡有一篇研究报告，指出来在十个行业里深度学习最好的应用的120个场景。我们对这些进行了比较系统的梳理，会发现其中大概有一半的场景集中在了非常垂直的领域里。比如说，在医疗领域里，智能的影像识别，比如说在金融里的反欺诈。还有一半是在各种各样的智能领域了，像在营销领域做智能获客，智能传播；比如在物流领域里去做智能车辆跟仓储的配置。

我们服务很多企业，即使在中国各个领域最好的企业，在决策智能化方面还是非常初步的阶段。我们现在正在推动的是最好的企业里决策智能化从0到1。所以道路是漫长的，但是前景是光明的。

汇医慧影——影像为切入口的AI和大数据公司

郭娜（汇医慧影）：我们汇医慧影一直致力于在医疗行业，从影像为切入做人工智能和大数据的公司。我自己本身是从TMT公司出来的，正好赶上中国过去云计算等新的行业逐渐商业化的过程，这让我们认为其实在云计算底层，像青云这样的公司在蓬勃发展时，并且SaaS深入到重度垂直的SaaS服务成为可能。而医疗影像天然具有互联网基因，同时又具有在SaaS层面产生应用，并且影像的数据是有巨大的可挖掘和通过人工智能可识别的。

所以从一个相对比较小的口切入，汇医慧影在过去两年中完成了从底层SaaS到医疗服务，再到医疗数据建模产生价值整体的闭环。我们现在全国已经有大概400多家从三甲医院到二甲到基层医院智能网络。在这个网络当中我们希望以数据为驱动，带来医疗新的赋能和新的价值。我相信人工智能是未来5年甚至10年一个工业革命的开端。

我认为蓝驰的投资观念和我们整个公司的价值是非常契合的原因在于：通向5年到10年的道路面临两个维度的事情：第一，技术创新和商业模式创新的双创新，是整个要改变的。第二，在什么样的场景当中可以产生商业价值，并且让技术的价值得到有效的放大，而不是简单的靠一个算法，说一个包打天下，所以这是创业者需要反复思考和反复打磨的。

AI的行业领先玩家，是否和我们一样激动？

曹巍（蓝驰创投）：刚才三位都谈到了未来都看好人工智能在各个细分场景应用的能力。现在有一个问题可以讨论一下。就是大家现在都在讲现在是人工智能的春天，为阿尔法狗教育了整个市场，除了过去所谓的专业人士和行业内人士之外，让更广阔的社会群体对人工智能有了一个了解，甚至是吸引了更多的基本来进入到这个赛道上来。

但是到具体垂直应用的的商业闭环，其实在摸索商业闭环中，大家可能在自己所关注的不同垂直领域，都会遇到不同的市场状态，以及买单方在看待我们所做的努力的时候，所需要的教育工作和对人工智能的了解。

所以其实我的问题是说，大家在自己所在的细分垂直领域，你们所接触到的行业内的一些领先的玩家，包括业内的一些巨头，他们是如何看待人工智能的？他们在看待人工智能的时候他们会像我们这些创业者和早期VC一样激动吗？还是他们抱着谨慎的态度，他们怎样和我们交流，他们以什么样的态度来循序渐进迎接我们的人工智能时代？

在医疗行业里，保守就是对病人本身最大的尊重

郭娜（汇医慧影）：我觉得其实医院最大的能力是能够给病人看病。但是如何让数据产生价值，医院本身是没有太多的解决方案的和解决方式的。所以这就需要有公司来提供整个的解决方式。而医疗在所有行业中是最保守的。所以在面临数据开放和算法开放，和很多信息开放的时候，所有的谨慎是这个行业对于病人最大的尊重。创业者也应该对于这种东西提供更安全的，更稳定的，更符合医院不同的解决方案，这是适合需求的。而不是站在一个对立面上说，你不够开放，你太保守。其实保守本身就是对于病人的尊重。

郭娜（汇医慧影）：我觉得在这里需要专业人士，像对医疗很懂，像我们医疗背景的人远远多于互联网背景的人和懂算法的人。所以能站在和医生沟通交流的逻辑中，而不是说我有一个东西要来推。医疗行业还是贵族行业，随便一个医院几百个博士，跟每个都能沟通清楚他的病种，我觉得是最重要的。但是我还是要感谢投资方对这一轮人工智能的关注，让医疗也有比较大的接受，拥抱的心态。当然，落地需要一步一步来做。

大家越来越不被忽悠了，客户需要看见真正的价值

周吉龙（知藏）：我们面对客户稍微好一些，因为我们面对的是企业。企业在接受新生事物比像医疗这样的机构相对开明一些。也是同样的，我也很感谢投资方跟媒体在这一轮所谓的风口对普罗大众的教育，大家看到下围棋了，看到机器干的更多的事，有一些切实和不切实的幻想。所以在接触企业的时候，跟企业接触这个概念，企业大体上会接受的。但是我们碰到的在企业方最大的问题是说，大家都逐渐的越来越不被忽悠了。意思就是说他需要看见真正的价值。

但另外一定的是，其实我们的企业客户他并不知道自己的需求是什么，他的需求是非常朴素的。比如在营销领域要提高转化率，要少投钱多回报。在物流里希望提高毛利，降低成本。怎么样把他们的最朴素，最原始的想法和算法挂上钩，这就需要顾问帮助客户提出解决方案。我们团队同样的也不都是技术人员，我们有很大比例的顾问。

这是目前让我们激动人心的方向，也是我们区别于传统保险赖以生存的点

龚勋（南燕保险）：我们从创业开始就反思，保险行业和其他行业看上去，这个行业可以看到是非常Low的情况，可能卖菜大妈都在卖保险。像最近被抓的大家看着都挺高大上，都掌握着几千亿规模。这个团队出来创业的时候，实际上我们在保险公司，整个团队待了快20年。但是保险公司大而不强。

由于它们强监管和核心系统，核心能力上的欠缺，它的核心系统可能已经快是15-20年前建立的。国内在保险上还是分业监管的，它是分产险和寿险。同后台所谓的大数据，我想把一个客户抓出来的可能性都已经是非常的低。更何况是国内的核心保险公司的系统甚至是落后到，这边已经是人工智能，阿尔法狗能击败人类了，这边的情况还是拿着三八大盖准备打枪的情况。所以给创业公司提供的机会非常多。从我们的角度，保险公司的诉求是求有质量的保费。

所谓的质就是降低损率的的情况；所谓的量就是求整个保费的规模。现在看到的市场，大部分的保险公司号称去年有7百万的营销员，这个市场盲目追求量的问题。在量上他们再去筛质的可能性。

目前市场真的在量上面甚至各家公司还吃不饱的情况下，他们在质上的诉求就更差。所以南燕的创业方式我们从SaaS模型切入到这个市场，把我们的分销系统建立起来，很快给市场提供量。南燕这样的信息平台可以以一个极小的投资，把保险公司，我们讲分业监管，比如产险和寿险的分业监管从后台轻松打通了。南燕是全险种的提供商。所以从客户来讲，它的360度画像等等都非常全。从各个维度可以印证这个客户在质上面的可能性。可能客户在车险方面的行为可以判断在寿险和健康险的相应行为。

这是传统保险公司做不到的，这也给南燕提供了很广阔的空间，这也是目前令我们很激动人心的一个方向，也是公司赖以生存的一个很重要的点。

曹巍（蓝驰创投）：围绕龚总讨论数据聚合方面的特点，引出来我们第三个问题，我们刚才聊到人工智能的前提要有足够大的数据体量，特别瞄准垂直细分行业的，或者我们叫模型算法，人工智能和模型算法在这里可能还有一定区分，但是前提是要有足够大的数据，加上在云上的一些。从数据端来讲，每个行业面临的数据来源的挑战也是各不相同的。

像刚才龚总做了一些简单的分享，比如南燕在打通数据和搜集数据方面做了很有差异化的思考和工作，但是在其他的细分垂直领域，据我们所了解的话，特别是在很多相对比较传统的细分垂直领域，大家在搜集数据，解决数据的过程中，不断在基础设施层面，还是在数据源信息化层面都遇到很大的挑战。

所以我觉得这个话题希望听一听我们在座的三位，在你们所处的细分垂直领域，可能是自己，可能是其他的一些同行，大家在数据搜集方面遇到了哪些的挑战？在数据的处理和分析方面有哪些心得？

在数据搜集方面有何挑战？

周吉龙（知藏）：在数据的搜集方面，其实我非常认同刚才龚总提的观点。不光保险行业，我觉得中国除了互联网，TMT行业之外，大家的IT系统以及背后的数据基础设施都是非常弱的。因为我们和全球比较好的咨询公司有合作，就是麦肯锡等等，他们也会过来找我们，他们服务很多金融机构。但是他们会过来跟我们说做应用之前，目前最困难的情况，就是说连基本的数据平台都没有，数据都没有放在一起。我们也刚好碰到一个保险公司的情况，跟龚总说的一模一样，不管保险的平台端，还是精算端，理赔端，数据都没有打通。

这样的情况下给我们做模型应用造成了比较大的困难。我们是专注于做模型应用的，所以我们会选择要不然外部数据已经比较全面的地方，比如说营销传播的领域，或者说我们找一些有算法和模型主导的，像物流等等这样的地方来切入。因为从整体上我觉得企业的数据平台的建立，它和模型应用是两条线一起往前走，建立基础设施还是需要一定时间。

曹巍（蓝驰创投）：假设在座有创业者的话，我们的建议可能是说找一些相对来讲数据丰富度比较高，相对来讲现在有土壤可以跑模型和算法的细分垂直领域开始尝试？

周吉龙（知藏）：对。分两种：一个是外部数据比较全了，另外一种是本身对其他数据的要求比较少，内部数据就可以搞定的。

曹巍（蓝驰创投）：好。医疗领域数据是强监管，数据体系相对封闭，郭总谈谈。

郭娜（汇医慧影）：首先我觉得大数据并不一定是数据的数量多。医疗涉及到的病人的数据是带时间轴的数据，就是从生病开始到不断治疗过程中，不断的用药，到之后一年治愈，或者五年癌症并发，其实它是一个时间轴的数据。

也就是说，肯定对于创业来说先有一部分数据是比较容易采集的，比如汇医慧影在过去两年中，包括我们因为一直在医疗影像做的，所以积累了上百万的病人数据，甚至超过四百万病例数据。现在关注时间维度上的数据，我们认为这个也是有价值的。

曹巍（蓝驰创投）：我问一个问题，我们现在能够看到的数据，就是连续围绕的个人的，然后有X和Y的数据，它的丰富程度目前是什么情况？比如说这种个体，就是一个人可能在很多医院看，医院和医院之间的数据相对是割裂的。不知道这个理解是不是这样？

郭娜（汇医慧影）：这是一个维度。我们为什么从影像切，因为这个都是一个标准，就是相当于标准统一，接口统一，以至于所有的医院，所有的设备出来相对统一的。这是一个维度，这上面我们做的是可以提高效率。像X光可以计算机读，CT可以计算机读。第二，这轮大数据对医疗真正大大变革是，我们每个人生病不光是表现到你长肿瘤了，其实中间有基因突变，病理上也有其他数据，等等，所有这些维度数据能不能一起参加建模，技术计算产生很好的模型。这是医疗里我觉得是未来的一个大的方向和维度了。这个建立的过程中，是要打通医院的很多系统了。所以这个难度也会比较大的。

龚勋（南燕保险）：从搜集数据角度来看，保险行业刚才也讲了，像从高端的情况自动理赔已经有些公司在用了。到非常Low的状态，我跟投资人说到香港买保单还要排队，然后要手动填。为什么你要手动填这个，连银行都取消了。

就是在这种情况下，你在这个市场上怎么搜集这个数据，就需要你这个公司既能够飞在九天之外，也能落到泥土之中。能够把这些事情都方方面面的想到。然后又要去高效，又要低成本把数据搜集好。这个事情是比较挑战的一个事情。有些人可能觉得在这个节点上打不通，就跑到另一个节点。可能在健康险和医疗有一些接触点。

但是在健康险有一些前端的数据根本搜集不到，怎么办？包括跟上海市政府有医保卡的项目，我们从这个接口是否回调到客户的基础数据。否则让客户提供数据，他肯定会隐瞒。

所以从我们的角度来说，去想是不是能够在很长的交易链条上有一些已经成熟的，或者是有已经可以被利用的市场上的信息源，南燕可以利用它，去深化它，去挖掘它。这是我们深刻的感悟。

我们坚定地认为AI对传统行业的改变才刚刚处于变革期的起点

曹巍（蓝驰创投）：非常感谢三位CEO围绕AI的精彩分享。我觉得从蓝驰角度上来看的话，我们非常坚定的认为整个AI对传统行业的改变才刚刚开始变革期的起点。而资本市场肯定是忽冷忽热的，虽然我们现在看到这个市场有大量的投资涌入，有很多的创业企业，新进的加入。但是我们坚信，真正能够从一个非常尖锐的需求做起，然后从最小的商业闭环不断的滚动自己的客群。

因为毕竟至少我们在座的三位我们所做的AI还是围绕企业，你的垂直行业，提升产业效率，围绕企业和企业背后的客户在做的事情，真正的能够清晰的定义问题，解决问题，跑通商业模式，最后持续的滚动比较，我们认为这才是一个比较扎实的王道。

非常感谢三位的分享。谢谢。