2017年1月20日，新智元百人會閉門論壇，藍馳創投管理合夥人朱天宇從投資人的角度，帶來《用10年的尺度看ai 創業，對下一個創新周期思考》的主題分享。
在分享開始前，朱天宇拿出了一本《大衆軟體》，他介紹說，這是 2016 年 11 月~12 月的大衆軟體合刊，也是這本創刊21載的雜志的停刊号，通過衆籌的形式完成。朱天宇說：“這是一個事件，也是一個标志。大衆軟體代表的是上一個創新周期，是上一個創新周期的标志性的載體。”
科技界已經步入下一個以雲計算、大資料和人工智能為代表的創新周期，在這種新的創新周期中，投資界如何看待行業發展？哪些要素決定了企業的生存能力？ 創業的本質與當下人工智能的發展狀态是什麼？
本次論壇結束後，新智元對朱天宇進行了專訪。他談到，獨角獸隻看兩個方面：一個是賽道，一個是人。創業的本質是在有限的資源前提之下把結果最大化。另外，他認為，雲計算、大資料和ai的關系應該是：雲計算應先于大資料，大資料再先于 ai。
朱天宇：用10年的尺度看ai 創業，對下一個創新周期的思考
新智元2017年1月份的百人會閉門論壇上，朱天宇作為 ai 投資界的代表帶來他的分享。以下是演講速記稿和ppt全文：
（演講/朱天宇）所謂的轉型年，其實對于vc來講不存在ai投資的轉型年，隻是要不斷提升自己在這個方向上的思考和研究。我希望跟大家分享的是我們作為早期投資者至少要用10~20年的時間次元去看ai創業，這其中也包含着我們對下一個創新周期的一些思考。
簡單介紹一下藍馳，我們是1998年在美國成立的一家基金，2005年進入中國，十幾年下來目前在中國已經投了将近100個項目，現在總共募集管理的資産規模超過20億美金，現在對于早期和成長期的大資料、ai、機器人創業項目都是我們積極關注的方向。
其實一個早期投資者在看任何方向時，不管是現在的ai還是上一個創新周期的網際網路、移動網際網路創業項目，都是用一個超長的時間尺度看未來，其中最關鍵的是要在不确定性中尋找确定性。你需要在一個超長的時間尺度裡，在不斷變化、不斷波動的實踐中尋找那些可以确定的、正在增長的東西，這樣才能真正捕捉到成長。
回到ai投資這個主題，大家現在談論ai這個标簽背後的确定性是什麼？這是我想跟大家讨論的。是以跟大家分享兩個我自己思考的主線，一是我們所面臨的新的創新周期裡的行業确定性是什麼？二是the next big thing是什麼？在網際網路和移動網際網路的創新周期裡，我們看到谷歌、facebook，每一個創新周期裡都會有一個big thing出來，那麼下一big thing在哪兒？我們怎麼找到它？這一點無論對于投資者還是創業者，都是很重要的問題。
在講行業确定性之前我想跟大家分享一家創業公司的經曆。我們去年下半年投了一家公司，是一家針對醫療ai影像的公司，創始人以前是劍橋博士，家裡也是醫療世家，帶着一腔熱情回國想在醫療數字服務行業有所作為。從一名海歸到真真正正地在中國這片創業熱土上一步步将自己的想法落地實作的過程，展現出來的就是我們剛才說到的行業确定性問題。
這個創業者一開始很想用他學到的深度學習、機器學習這些ai技術，幫助醫院做醫療影像識别，提高醫生看片的效率，降低誤診率等等。但是後來發現這件事根本無法落地，因為你沒有資料，也沒有醫生相信你，沒有資料就無法訓練這些診斷模型。
最後經過一年多時間才慢慢落地下去，他做了哪些事情？一是幫助醫院，無論是一線城市的大醫院還是二三線城市的中小醫院，他為這些醫院提供醫學影像的雲存儲服務。其實醫院裡的醫學影像存儲量并不小，但是交換存取特别不友善。這也是醫院很苦惱的問題，你說讓他們使用阿裡雲服務，但這些雲服務通常是針對創業企業。像醫院裡的醫學影像其實對存取要求不高，一個片子拍完看一兩回就放在那兒了，但是存儲量卻非常大。滿足這種特征的雲服務市場有嗎？還真沒有，阿裡雲又太貴。
于是這個創業者給醫院提供這樣的服務，并且這些醫院非常願意花錢買單。通過雲服務做敲門磚，把這些醫院的信任通道打開，當他們接入的醫院達到幾百家的時候，雲上的存取量也達到了幾十萬的量級，有了這些資料再去訓練他的診斷和篩選模型。
當診斷模型有了一定結果之後，醫院數量也在提高，這時候又發現二級醫院其實希望把一線醫院的醫生診斷水準接入進來，進而又搭建一個平台，讓大醫院的醫生主任們在平台上幫二級醫院做一些篩選，同時他所訓練出的大資料模型又可以在主任醫師看片子之前事先做一個預篩選，把高危區域和值得懷疑的地方标記出來，幫助主任醫師節約時間、提高效率，去看最需要專業知識診斷的位置。
這裡面很清晰地描繪出一個路徑，就是我們一直強調的從雲計算到大資料再到ai。藍馳有一個非常重要的觀點：沒有雲計算何談大資料，沒有大資料何談ai？剛才分享這家創業公司的經曆就很好地印證了我們對這個行業的判斷。而這個判斷是從什麼時候開始的？是在2011年，我們從2011年就開始做了一系列布局，包括投資雲計算基礎服務企業青雲和easystack，還有聚焦在公共服務大資料領域的綠灣和醫療行業的彙醫慧影。
在ai方面，我們的了解是整個ai領域，不管是車還是機器人，都是具備大腦、小腦這種運算、判斷能力，還有耳朵、眼睛、嘴巴這些互動功能，最後結合到動力驅動的運動裝置上，才形成我們期待的未來，是以這是一條确定性的主線。
另外從供給層面，從技術行業的底層來看，其實從晶片到算法再到工程創新，在過去不久時間裡已經發生了一些事實變化，孫正義把他以前在阿裡巴巴的股份賣掉買入了arm。孫正義一直主張是用30年的尺度看未來，他的第一個30年買了阿裡巴巴，下一個30年計劃做什麼？從他買arm這件事上可以看到一些變化。
還有像 alphago、master，谷歌在訓練他們的時候，一度用到了很大比例的算力，這是非常可怕的，但是對于谷歌來說他就是要在這個領域宣誓領地權，包括tensorflow 。百度也在做資料的開源，就是在工程層面把晶片和算法帶來的新的算力增長應用到場景中去。這是供給側已經在發生的事情，這種變化也是确定的。未來供給側隻會越來越大，就像上一個創新周期大家開始預測摩爾定律一樣，是一種确定性。但值得注意的是，這些算力本身并沒有創造價值，它隻是意味着在技術疊代過程中，這些底層提供算力的公司給大家提供了新的武器，但是我們拿到這樣的武器要怎麼發揮價值，一定還是跟場景結合在一起，才能真正創造價值。
這條思考主線其實是從需求側和供給側兩個方向回顧行業正在發生的變化。圍繞這兩點我們可以延伸出下一條思考主線，關于下一個big thing在什麼地方。
我們不妨先回想下之前的工業革命，從蒸汽機、電力到資訊革命，每一次工業革命所帶來的技術創新為整個經濟體帶來的影響，如果以占世界gdp的百分比來衡量，前兩次工業革命創新帶來的影響其實是超過30%的，因為能源效率的提升讓很多實體經濟發生了切實的轉變。但到了資訊革命，大家都經曆了網際網路、移動網際網路的發展熱潮，而這一次所産生的影響在gdp中的占比還不到10%。再加上軟體和硬體的創新周期總是互相疊代的，是以我相信在下一個創新周期裡，能源方面的效率提升與創新會産生更大的影響，與之相關的也是我們可以關注的下一個big thing。
另外結合我們對一個創新周期的認知，下一個big thing還可能出現在哪裡？比如互動界面，我們看到上一次pc網際網路時代，浏覽器普及之後引爆了基于pc端的一系列應用；到了移動網際網路時代，觸屏手機的出現，又出發了新的創新。那麼接下來的互動界面會發生哪些變化？如果我們把互動界面拆分成輸入、輸出兩個方向來看，就會出現非常多元的可能性，沿着這條線你會發現有太多技術創新需要關注。
與此同時，我們也看到了其實曆次的創新，big thing其實都是由連接配接産生的網絡效應。比如資訊與資訊的連接配接産生搜尋、人與人的連接配接産生社交，這些都是網絡效應非常突出的産物。那麼接下來我們可以期待的是物與物的連接配接，可能現在大家對物物連接配接的認知還停留在以前相對原始的狀态，我們不妨沿着剛才的兩條主線，一是在不确定性中尋找确定性，二是産生巨頭的連接配接點在那兒，去想一想，打開我們的認知。
最後簡單分享幾個我們經常跟創業者溝通的觀點。一是行業發展的節奏，沒有雲計算何談大資料，沒有大資料何談ai。這句話對于很多創業者來講，就是你要判斷你做的這件事它在市場行業中處于什麼層次，這是一個判斷層次的很重要的依據。二是我覺得現在雲計算這一波發展已經經過了幾年時間，現在正處在大家積累資料的過程中。
另外關于大資料創業我們總結了三個關鍵字：
一是從“-1到 0”，你先要找到真正能夠把資料收集上來的地方。而且這裡面還有一句話就是你能不能一邊賺錢一邊賺資料，我覺得這在中國的創業環境當中是非常關鍵的一個點。
二是場景，你有這麼多技術、這麼多标簽，但是如果不熟悉場景，不熟悉行業客戶的真正需求，沒能解決他的問題，那麼創業也無從談起。
三是定價權，就是你收集什麼樣的資料，資料的品質、持續性、稀缺性、不同的資料源形成的模型以及你對資料進行再加工的能力，這些隻是簡單的統計還是能夠分析、預測，不同的水準等級形成了你這家公司最終定價權的能力有多強，這也決定了你有多強的賺錢能力。
我面對創業者的時候總會說，ai不是風口。不知道這算不算潑冷水，大家太喜歡談論風口，風口上豬都可以飛起來。但我覺得ai不是風口，ai隻是一個标簽。這個标簽讓我們識别什麼呢？無論在行業的需求側還是供給側，比如說進階算力，從晶片到算法等等，現在有了新的可能性，這是我們可以用ai标簽去表示的。但是這套算力到底輸送到什麼場景中去，怎麼賺錢，怎麼解決行業問題，這不是靠風口，也不是說我們都談論ai就可以做到的。關鍵還是要知道怎麼從場景裡抓需求，怎麼找到有效的解決方案，怎麼規模化擴充，還是創業的三大方法論。
創業者可以記住最簡單、最接地氣的一句話，一邊賺錢一邊賺資料。
另外大家也都看到了包括nvidia在内，越是大公司現在開始跳出來做這方面宣言的時候，這些算法和算力就越來越接近到一個唾手可得的商品化的階段，這個時候中小公司在技術上的優勢差别會更小，最後拼得更多的是你要怎麼去應用這個算力，這才是真正的商業要素。
基本上跟大家分享的就是這些，我們以前投天使輪到a輪，是非常早期的階段，像趕集、pptv等等，我們都是他的第一輪投資人，而且都是在公司規模還很小，團隊不到10個人，甚至隻有一紙商業計劃書的時候就參與進去了，跟他們一起成長。但是如今已經已經進入下一個創新階段，加上我們本身的規模擴張，是以無論是早期還是成長期，隻要是落在人工智能相關領域的創業公司，我們都會積極的去關注、去支援。謝謝大家！
基本上和大家分享的就是這個，我們主要的階段以前從天使到a輪，非常早期，剛才跟大家分享像趕集、pptv等等，我們以前都是他的第一輪投資人，而且都是在公司可能還很小，不到10個人，甚至隻有一張紙商業計劃書的時候我們就進去了，跟他們一起成長，但是在下一個階段，加上我們現在規模擴張，無論是早期還是成長期，隻要是落在人工智能相關領域的創業公司，我們現在都會積極的去支援。謝謝大家！
新智元專訪朱天宇：如何尋找ai獨角獸
大公司大科學家的光鮮背景，不代表有獨角獸的能力
新智元：藍馳創投是新智元本次 pre-a 輪融資的領投方，你也是新智元“尋找ai獨角獸”2017年創業大賽的評審，你認為什麼樣的企業有潛力成為獨角獸？
朱天宇：就是找 next big things。我覺得獨角獸曆來是這樣，甭管你跟 ai 相不相關，其實就是兩件事：一個是賽道（事），一個是人。這兩個缺一不可。
比如說我們做的，從雲計算到大資料到 ai 這條路徑，其實我們已經看了五六年了，布局了一系列的東西。對行業内在發展的東西和結構我們必須要有了解。
另外我們要有足夠大的賽道——像車，我覺得肯定是一個大的東西。我們已經在這方面做了布局，差不多春節之後可以公布。我們在無人車、機器人、ar 都方面都有所布局，但我覺得不應該用無人車、機器人、ar這些标簽去區分賽道，其實在我看來，這些都是進階算力所支撐的場景的應用。
進階算力就是 ，從晶片到算法到工程，這幾個層次的創新帶來新的進階算法，它支撐了很多場景的疊代。比如車可以有很強的感覺周圍環境的能力，現在有很多sensor，可以看近處，看遠處，看天空，然後還有一個腦袋進行決策，什麼時候刹車、怎麼拐彎、它有大腦和小腦決定怎麼去控制。車是我們所熟悉的東西。當智能的東西賦能給車的時候，會帶來一些新的機會。
車本身也是物聯網的一個超級載體。autonomous vehicle 是一種擁有自治力的機器，其實你的無人車、無人船、機器人都可以是 autonomous vehicle，它有大腦，有眼睛和耳朵，有小腦，有運動能力，從這個角度來看它們是統一的。我們要的是它的大腦能力怎麼區分，它的小腦能力怎麼區分，它從外部的 input 這個資料，怎麼去擴大。
新智元：那你們是怎麼挑人的呢？
朱天宇：對我們來說，看事也是看人。創業者對他自己選擇事情、身處的賽道認識到什麼樣的程度，其實說明了一個人的眼光和自我認知。創業者要知道自己能力怎麼樣，自己的長闆和短闆是什麼，還要知道外部市場存在的問題是什麼，到底有什麼樣的痛點要去解決，解決的過程中有什麼有效的方案，這個方案怎麼規模地去支撐它成長，等等。這些思考展現了他思考的深度。還包括他執行的能力，這些都是一個創業者需要具備的能力。
還要強調一點，剛剛說首先是他的自我認知，其次是對人對外部環境的認知，還有重要的一點是他的執行能力——能不能把事做成，光想也是不行的。對外部的思考，決定了創業者會以什麼樣的方式把這個事做起來，但，還有最重要的一點，創業有一個本質——創業需要在有限的資源前提之下把結果最大化。這句話其實就把很多人框在外頭了，他們就做不了創業者。創業者就是要在非常有限的資源前提下，把事做起來。經常有人說一些大公司出來的、大科學家，有着非常光鮮的教育經曆、從業經曆，一看這個人談吐什麼的都非常棒，可是他做不出東西。
新智元：你是說他們不夠狼性嗎？
朱天宇：這已經不是簡單的狼性了，而是本質的特征。一個人能在沒有資源的情況下，from the scratch，從0到1，這個能力是非常少有的，再從1到100，從100到10000，這個過程又會淘汰掉很多人。是以，要從一個三五人的小公司，做到上市公司，創業者要經曆一個怎麼樣的成長？
一個人的成長能力。第一是自省；第二願不願意改；第三是改的有多快。這是人的成長能力的三個階段。隻有這三件事情都做到了，人的成長速度就很快了。很多人在第一層次就趴下了，你都不知道自己有問題，更别說改了，更别說改的有多快了。但是，真正優秀的創業公司ceo，包括我們支援的趣店，他們三年給我們的投資回報是五百倍到一千倍。為什麼他能長得這麼快呢？首先是人成長得非常快，ceo自己在成長。我認識他之前他創業失敗十次，這才積累到這樣，是以可想而知，他對自己認知到達什麼樣的程度。
真正的獨角獸不是靜态的，不是說我看就能看出一隻獨角獸。首先，你要看它有沒有起點的資格，有沒有起步的标準。再往後就看不出來了，那就成水晶球了。但也不能像塔羅牌，可以算出它是一個獨角獸。不過，投資之初，可以從他過去的一些經曆，工作生活經驗，或者他之前創業的一些事，是可以看出來潛力的。
創業者的成長因素不取決他是否成功，在于他改進的速度。你自己從一個痛點開始做起來，像一個小雪球那樣越滾越大，你做的越好，你能夠撬動的資源越多。
創業公司如何拿到政府的資料
新智元：剛才您強調了資料的重要性，那麼你們所投的公司——綠灣，它的資料，從哪裡來的呢？
朱天宇：是從政府來的。
新智元：他們有這個關系可以搞定嗎？
朱天宇：這個就是我所提到的大資料創業公司的資料冷啟動問題，“從-1到0”。大家都奇怪這個資料從哪兒來的，為什麼他們能得到，别人拿不到？那是人家撸起袖子幹了兩年苦活累活的結果啊。
他是用相對市場化的方式獲得的資料。雖然大家一聽政府部門，就覺得很難啃，覺得是不是有什麼關系。這又是一種自上而下的思維。 他們是通過市場化的方式，幫助政府部門，一點點做起來的。
大家都知道，業界技術服務政府上有很大的優勢，但是政府組織和商業機構需要一個建立互信的過程。是以如果一開始幫他們做一點小事，人家發現很快就解決好了，比如做個小工具、做個分析，人家覺得好使，靠譜，就讓你做更多的事情。
這樣一方面雙方的信任建立，另一方面也是對方對你的能力的認知，他知道你到底能做什麼事，慢慢的就把資料給你了。當然，一開始也不會給這麼多資料，一開始可能就是一個小樣本資料，但是跑完之後發現這在某件事情上，可以為他節省很多時間，之前他們要做十天半個月的活，你可能一天就給做完了。
用這種方式建立信任之後呢，人家更願意把資料給你。然後，像綠灣在拿到資料後，就開始真正把資料放在一起，做一些資料模型提煉的工作，提供一些對外的服務。創業者要一邊解決他們的問題，然後再拿着資料對外服務。對外服務之後，把大規模的資料和資訊帶過來，其實政府公共部門本身對這也是有需求的。這就形成一個新的循環。這就是非常健康的。
這時候你再拉遠了看，當政府公共部門存在這一資訊化和技術能力的窪地的時候，商業組織起到了一個橋梁的作用，他有更強的能力擷取外部的資料來提高公共部門效率，現在如果一個技術公司能解決這個問題，一下子就能做起來了。
這種做法并不罕見。“從-1 到 0”，這個資料冷啟動一點都不罕見，這是必經之路。再舉一個例子，莊辰超創辦“去哪兒”的時候，跟我吐槽說：“我們是不是選錯方向了？”，我問：“為什麼啊？”莊辰超說：“怎麼這麼艱難啊”。他以前跟中航信合作，各大航空公司資料都從他這裡過，占了所有資料的95%以上，他想做機票搜尋，繞不開隻能跟中航信合作，隻有幫中航信打更新檔，先撸起袖子幹兩年活，把這些東西都做好了，才有機會去做機票搜尋。
這麼多資訊窪地裡，你不解決“從-1到0”的問題，就沒有後來的機會。
創業者抱大腿，不如選對時機
新智元：您認為創業公司需要什麼樣的平台或者資源來幫助他們獲得成功？
朱天宇：不靠平台和資源。靠自己，靠他們自己對事物的認知，平台和資源都是他可以借的勢。
新智元：我的意思是雖然這些資源不是關鍵，但是有哪些資源也是有用的，也許是他自己找的vc，但也許是vc自己找上門的。
朱天宇：那需要的資源太多了，最需要人。資金是一方面，最關鍵的還是時機。你選多粗的大腿，不如你選個正确的時機，它會推着你往前走，整個行業都在成長，你跟着這個行業往前成長。
從雲計算到大資料再到 ai ，一定是以需求為中心
新智元： ai 成功三要素：資料、算法、算力，哪個最值得投資的呢？
朱天宇：不區分這個。無論是算法還是算力還是資料。資料和算法算力，要分開來看。算法和算力，屬于整個行業的供給方面，就像摩爾定律一樣，晶片它每十八個月算力提升一倍，這是它的行業發展周期，受制于很多因素。
我舉摩爾定律的例子，是想告訴你，這個行業算力的增長已經在往前走了，資料未必是，是以它們不能放在一起來看。回到剛剛的問題，我現在會更關注資料這一塊。沒有資料，你是沒有辦法談算法和算力的。
我之前的演講中，提到的行業主線是兩條：第一條是需求側，從企業來看，他的業務要遷移到雲上，有多大程度去數字化資訊化，它有多大程度需要 ai 來促進效率提升，這是從它的需求角度來看。這就是雲計算到大資料到 ai。
另外一方面，從晶片到算法的巨大突破，再到工程上的積累，帶來了算力的提升，這個是供給側的一個周期。
一定是以需求為中心。否則供給再怎麼熱鬧，也要有需求，才有人買單啊。你做的太熱鬧了，你步子邁的太大會傷害到自己。但是資料不一樣。
vc可不是買單的人，vc 是賺錢的
新智元：藍馳創投在人工智能領域的布局是什麼樣的？
朱天宇：其實你用 ai 這個标簽你很難去區分這個市場，我們在無人車、機器人、ar、醫療影像如彙醫慧影，還有綠灣這樣掌握着海量資料的創業公司，這些方向都有布局。
新智元：那麼藍馳重點會在哪一部分發力？
朱天宇：我們都會關注。
新智元：無人車呢？
朱天宇：這是個超級賽道肯定占據了我們高度的注意力。
新智元：您認為現在還是 ai 投資的最好時代嗎？
朱天宇：從十年周期看未來，不存在轉型年，現在還是處在下一個創新周期成長的曲線上。總有小波動，但早期投資者是可以忽略的。
簡單來講，這一定是一個最好的時代。但是具體來講，還是得區分跟哪個場景結合和落地。這不是寫一個劇本，我可以上下嘴皮一碰，說：這是個最好的時代。你要創業的話，你會遇到很多現實問題——有誰為你的服務買單。
vc可不是買單的人，vc 是賺錢的。為什麼說“一邊賺錢、一邊賺資料”，因為行業裡面還是有很多的噪音，大家以為創業是讓vc來買單的，這不可能，你要讓客戶來買單。
你别說什麼标簽，還是那三句話：你是不是在解決痛點需求，你的方案是不是有效，你是不是能夠快速地成長。
一邊賺錢，一邊還能把資料勾進來，一邊還能賺更多的資料。良性循環。我這個話的有效期是三年到五年，以後可不一定的。在創新周期的早期，一定要有造血能力去拿資料。三五年之後，也許不強調一邊賺錢一邊賺資料，因為資料可能被大公司趟平了。那個時候就不能拿資料，而是你有技術，你不需要解決“從-1到0”的問題，但是你也賺不到大錢了。
在技術美國要做到八九十分才有人買單，在中國可能六十分就行
新智元：您認為接下來的一年，還有哪些場景最先實作人工智能技術的落地？
朱天宇：ai 中 to b 的商業模式會比 to c 先出現。我們都期待 ai 大爆發，期待催生下一個互動界面的出現，比如一些很科幻的界面。
你能幫企業降低百分之五的成本，或者增加百分之十的利潤嗎？這賬隻要算得清楚，就有人願意買單。但是對于一個消費者，你讓我帶個眼鏡，這體驗得有多好才會有人買單。這能量化嗎？這不是一個理性的選擇。有一個從量變到質變的過程，才能變成一個全品類的 toc的應用場景，就像諾基亞提“移動網際網路”的概念提了很久，但中間還是經過了很長一段時間才在消費者中火起來。
另外中美市場存在差别，在美國可能技術要做到八九十分，才會有人買單，因為大家的競争很充分，中國六七十分就有人買單了。舉個例子，美國的市場，互相競争已經很激烈，本來的效率也很高了，這個基礎要再提高20%，那 ai 要做到八九十分才有人買單。中國不一樣，本來企業的效率就很爛，你五六十分就可能驅動别人給你買單。
即使如此，如果你不懂行業隻有技術，也沒有用。
千萬别迷信 ai。ai 不是點金石，并不會加上 ai 就所有事情都能解決，為什麼我強調雲計算到大資料到 ai 這個發展先後順序，其實行業的需求還遠遠沒到要 ai 來解決的地步，可能需求在于雲計算，把這個大資料搞到一起進行訓練，才能到 ai 這一步。
新智元：您有什麼建議給人工智能創業者嗎？
朱天宇：把握需求和時機。還是那句話，沒有雲計算何談大資料，沒有大資料何談 ai。其次，如果你選擇跟大資料相關的，一定要從“-1到 0”。第三，ai 不是風口，隻不過是标簽，千萬别神化也别妖魔化。
最後還是一句話，我們要賺錢同時也能賺資料的公司。
新智元：vc 怎麼做技術的盡職調查？
朱天宇：技術本身要看，投資圈有非常多的方式，要給行家打電話問，資料的排名怎麼樣。另外行業客戶怎麼評價。即使你跟随我說了10個名額都是世界第一，但是我需要的名額可能隻有一個，哪怕不是世界第一。現在大家都喜歡刷分，這個沒有意義，不代表解決使用者需求的能力。