我们常说自己这一代人是幸运的。
1948 年，Claude Shannon 以一篇名为《A Mathematical Theory of Communication》的论文奠定了信息学的理论基础。60 年后，我们不仅尝到了信息技术爆炸的果实计算机和互联网，而且从 2000 年后，还连续赶上了 3 个大趋势：云计算，社交网络，和移动设备的普及。
每一个趋势都造就了一个大平台，每一个平台都会诞生几家重量级公司，每一家重量级公司都会制造多位传奇般的创业者和投资人。
但现在这些趋势都进入了尾声。我并不是说它们就黯淡下去了，像一些短期的群体性狂热一样，快速火爆然后瞬间消逝。恰恰相反，这些趋势已经演化成了我们日常生活和人类互动的基础：互联网连接了全世界的人和设备，云计算的价格持续下降，服务却不断完善；社交网络曾经只是人们线下关系在线上的映射，现在却逐渐进化成了一个独立的实体和结构；智能手机在经过几年爆发式增长后也已放缓。
于是人们开始了对下一个平台或者趋势的搜寻。最明显的标志是，从 2014 到 2016 近 3 年间，获得融资的公司所处行业，不再集中在与上几个趋势强相关的少数行业中，而开始快速分化。如果看国内的例子，从 O2O 开始，VR，消费升级，文娱，区块链，再到人工智能，不同的垂直行业依次被投资人和媒体推向风口。The party is on.
美国也一样。90 年代末，集中诞生了几个互联网科技巨头，Google，Yahoo，PayPal，eBay 等。但 2000 年后，投资开始分化，那两年投资人投了大量移动设备公司，P2P 模式以及绿色能源。按照现在的叫法，当时这些可都是风口，而这些风口的回报都远低于预期：P2P 共享模式深陷法律泥潭，绿色能源到现在仍然是竞争激烈的红海，而移动设备的革命则要在 2008 年才开启。现在我们知道了，这些都被错误地当成了趋势。真正的趋势是上面提到的云计算，社交网络和 2008 年之后的移动市场。而它们创造出的公司则是 Facebook、Whatsapp、Pinterest、Airbnb 和 Uber 等。
领域依赖与投资人的自信
我们可以把大的科技趋势理解成行业周期。在大周期变迁的时候，引起上述投资分化现象的主要原因，是领域依赖（Domain Dependence）和过度自信。
领域依赖
Marc Andreessen 说 Software is eating the world。成熟的互联网和移动技术让我们感觉有大量行业可以被改变和颠覆。这种想法是出现投资分化的其中一个重要原因。
互联网时代的投资人最熟悉的就是互联网的自带垄断属性和快速规模化（scale up）属性。但问题是，很多行业做不到这一点。这些行业的结构，产品特性，分发渠道，毛利率都和纯粹的科技行业不一样。在投资过程中，许多投资人不自觉混淆了传统行业和互联网这样的技术驱动行业的特性。许多新公司实际上是按照传统行业的模式在运作，投资人却将不切实际的估值和期望摆到了它们头上。
过度自信
在周期的上升阶段，投资成功可能有两种因素：一是判断力，包括对项目质量，对 timing，对宏观形势的综合判断；二是运气，说白了就是 in the right place at the right time。就像大部分司机都认为自己的驾驶技术在平均水平以上，绝大多数投资人都会认为自己的成功主要是因为判断力，而不是运气。先不论事实如何，但类似的心态在周期变换时会导致过度自信。在两个周期之间，许多投资人一直试图用上一个趋势的思维、逻辑、视野和想象去寻找下一个趋势。 
许多投资机构会在这个阶段突然把自己的投资策略定为主题式（thesis driven）。例如有的机构主要投 Fintech，或者 VR。这时候需要识别几类不同的机构。哪些机构是一直以来都专注于某些主题的？例如 Union Square Ventures 一直专注投资由网络效应驱动的公司，Founders Fund 更多投资跟物理世界关系紧密的公司。哪些机构一直是不断优化自己的投资策略的？哪些机构是随着风口变换自己的投资策略的？长期来看，显然最后一种的风险较大。
技术改变行业的复杂性
当我们跟着 Marc Andreessen 说 Software is eating the world, industry by industry 时，这句到底说的是什么意思？它并不是说随便找个行业然后加上软件就可以了。否则就和国内的这两年常说的「互联网+」基本一样。
一个事物的名称会影响我们对事物本身的认知。行业被软件和互联网改造，并非简单的叠加。软件改变出行行业并不是通过一个出租车 app，而是 Uber 和滴滴。互联网改变酒店行业不是一个万豪酒店的 app，而是 Airbnb。互联网和软件改变医疗行业也不是医生通过和病人视频聊天去诊断，而是丁香园和 IBM 的人工智能 Watson。
所以，当我们说软件和互联网改变一个行业，有两层意思：
1. 软件和互联网变成了行业的重要驱动力，技术变化带来了产品变化，同时改变了行业的深层结构
2. 更微妙的一点是：这些变化引起的新的用户行为和商业模式（Emergent Model & Pattern）
我们在考虑软件和互联网对一个行业的改变时，要问两个问题：软件和互联网对这个行业到底有多重要？有没有改变这个行业的深层结构？如果只是在表面上把软件和互联网「+」上去，那么这个行业本质上是没变化的。借用一句话：
一个智能的，联网的，通过大数据分析预测使用习惯，浑身黑科技的水杯，仍然仅仅是个水杯而已。
两处深层变革：生物科技和 AI 
举两个技术改变行业深层结构的例子。第一个是 Biotech 领域的公司 Emerald Therapeutics，旗下其中一个产品叫做 Emerald Cloud Laboratory（ECL）。以往人们做实验需要一整套完整的软硬件系统，包括各式各样的实验设备，计算机，当然还有最重要的：必须有亲自做实验的人。
ECL 创建了一个全自动的无人实验室。如同 AWS 把 computing power 抽象出来一样，ECL 把「实验室」抽象出来变成了标准化的产品。现在科学家们不需要依附于学校或者大公司的研究部门才有资源做得起实验了。他们只需要将试验样品递交给 ECL，然后通过简单的代码设计好实验流程，提交给 ECL 云端。ECL 的自动化实验室会依照设计完成试验，并将全流程的数据和结果结构化，在用户界面中呈现出来。最后，ECL 会将实验结果的样品返回给科学家。
第二个例子是现在正在风口的 AI。人类对 AI 的研究从 1956 年就开始了，中间经历了热火朝天的追捧，也试过 1974 年和 1980 年代末的两次「AI 寒冬」。现在人们重新看到 AI 的突破，有很多原因。但最重要的是摩尔定律带来的计算能力的大幅提高，深度学习算法的成功，以及大规模数据集的积累，尤其是消费者相关的数据。
以往只有大公司才有发展 AI 的机会，因为只有大公司才聚拢一大批懂 AI 的人，只有大公司才有足够的硬件资源，也只有大公司才有足够大的数据集用来训练 AI。
现在情况发生了变化，主要有几点原因：
  • 许多 AI 已经开始了标准化和开源（例如 Google 的 TensorFlow），并逐步迁入云端。很快，所有云计算服务提供商（AWS, Google, Azure）都会提供标准化的 AI 服务（AI as a Service）。这解决了上面的前两点，关于人和硬件的问题。
  • 基于小数据集的 deep learning 技术，通过进行大量的 simulation 模拟现实世界。然后用 simulation 的数据去训练 AI。例如 Google 的围棋 AI 也是和自己下棋来学习的，而不是通过累积大数据集。这解决了上面大数据集的问题。
  • 科技巨头的优势在于数据：尤其是消费者行为的数据，例如 Google, Facebook 等。但有些数据是大家都没有明显优势的，例如医疗，自动驾驶，
  • 对于重大革新而言，没能拥有平台的公司是没机会的，所以关于 AI，大家都认为 Google 和 Apple 是最有希望的；然而，拥有平台的公司要交「战略税（Strategy Tax）」：公司的所有资源容易向现有战略和平台倾斜，典型如 Microsoft 之前内部对 Windows 的倾斜。这样会耽误新平台的演化。所以 Amazon Echo 在 AI 这一点算是跑到了 Google 和 Apple 的前面，因为他们不用受到内部资源倾斜的限制（参考此前的文章：为什么亚马逊是无敌的？）
这意味着 AI 不是一个 feature 或者说 add-on。正如你不能简单地去「+互联网」或者「+软件」一样，你不能 +AI 或者 AI+。变化是深层的。这和软件和互联网对行业的改变一样，成功的产品绝不仅仅是将互联网或 AI 当作一个新功能，添加到现有产品上就完事了。新的产品想要成功，设计和开发必须以从底层起就建立在 AI 基础上。以 AI 为核心的产品必须有全新的架构。
一是简单却快速的功能添加，二是深层变革带来的全新产品，这可能是看待技术革新的两种思路。这两种思路的对抗可能集中体现在汽车行业。现有的「老旧」汽车厂商们自然认为前一种思路是未来，甚至，更年轻的 Comma.ai 创始人 George Hotz 也抱有同样观点。他马上就要推出能够配置到所有汽车上的自动驾驶系统，正是一种把自动驾驶和 AI 变成 add-on 的努力。而硅谷的公司可能会更偏向后者，他们认为变化是自下而上的。他们有更大的野心，希望从底层开始变革，问全新的问题，找全新的假设，做全新的设计。
技术创新
在周期交替的阶段会出现大量的失败投资和对下一个浪潮的错误判断。这些投资判断很多是因为领域依赖问题（Domain Dependence）和过度自信引起的，本质上是在决策判断时，把在之前周期中的经验简单移植到其他的行业上了。然而，正如上面所说，技术对行业的变革是深层的，因此在表面上追逐概念和风口反而会显得被动，深刻理解行业才是长期的最佳策略，也只有时间才能最终能筛选出来长期的赢家。
从 2014 下半年投资圈内的泡沫论，到 2015 年的火热和希望，到 2016 年的资本寒冬，凸显的是大周期之间，投资人对未来的猜测和追逐。华兴资本的包老大说：技术创新会成为中国当前破局的关键。我们深信如此，我们还坚信技术对行业的深刻变革。只不过人需要主动推进这种变革的发生。
People sometimes think technology just automatically gets better every year but actually it doesn't. It only gets better if smart people work like crazy to make it better. That's how any technology actually gets better. 
— Elon Musk
所以我们不追逐风口，而是去探索一些更加深层和费力的东西。希望在行业深处抓住未来的方向：人工智能，机器人，生物科技与医疗，能源，交通出行，太空探索，AR/VR，线上线下入口，网络协议。
我们会去探究每一个行业的细节和前景，在行业之中寻找人、商业、技术三者的平衡，理解人在面对火热概念和所谓风口时蜂拥而上，热闹过后的冷静，以及对行业长期前景的恐惧、犹疑和期望。
Entropy is not on our side. So let’s do something ventured. 
----
欢迎转载，但请先联系本公众号获得授权。

继续阅读
阅读原文