松基金成立于2012年,专注于文娱、教育、消费升级、人工智能等领域。累计投资项目约160个,涉及投资金额超过50亿人民币。王兆乾是青松基金VP,目前关注新兴科技赋能各个行业,如智慧医疗、智能交通、企业服务等方向,企业服务最好是以SaaS切入,然后做供应链服务或者B2B服务的项目。投过纵目科技、洋葱数学、中装速配、飞步科技等众多知名案例。


关于刚入行的VC一些投资方法论建议

研究框架

确定研究范围和目的


先把研究边界及定义确定下来,讨论才有意义,否则大家的讨论对象可能不在一个层面上。比方说把AI分为三个层级,基础层,技术层,应用层。要确定研究的层级和对应的子方向。在这个过程中,要明确哪些是必须项(must),哪些是加分项(nice to have),排好轻重缓急。


确定研究方法


任何研究方法无非两种结构:


自上而下(thesis driven):先找方向,锁定行业,搜寻标的;


自下而上(deal driven):先有标的,通过研究标的的上下游客户,竞争对手,替代品,来了解一个行业。


比如当年光速创投(美国)投资snapchat一样,其实是deal driven。当时snapchat项目推过来的时候没吸引多大注意,但是一看MAU 百万级别,发现自己的女儿及周围的同学都在用。光速创投(美国)的投资人也不是特别懂这个产品,也没做过多研究,但是也可以去投资。因为MAU是高速增长的,过了半年MAU是千万级别,现在snapchat的MAU是3.1亿。另一个例子是青松投资狼人杀的情况,当然青松对手游行业确实非常熟悉,所以当狼人杀被推荐过来(当时已经被很多机构pass了),青松的合伙人就花了十几分钟,看了一下数据,心算了一下财务model,当场就拍了spa。狼人杀一年估值涨了20倍,青松也在当年就完成了部分退出。当然两种方法都可以用。


关于方向的技巧,可以进行中美创业公司及行业对比,请教一些行业专家并听取相关建议。


搜集信息


一手信息:自己实地调研得来的信息。比如field research、市场调查等;


二手信息:从不同媒介获取已经被筛选过的信息,如研报等。


信息搜集上避免闭门造车,要在其他前辈总结经验的基础上去获取信息是一种更高效的办法。比如行业专家访谈、企业访谈、企业上下游访谈、创业者背景调查都是不错的办法。


不同的信息源有各自不同的特点。首先来看零散信息,比如亚马逊销量,这类信息显而易见,但收集起来比较耗时。其次是媒体报道,报道出来的内容会经过筛选,省去了部分时间,但一般缺乏专业知识,信息可能有误。再次是券商等研究机构的报告,熟悉的人会知道,报告里面有大量宏观信息,但其中的数据有一些存疑。最后是业内专家,可能会了解一些行业内幕,但大多会diss同行,如果听业内专家的话,这个东西可能就没办法做了。


处理信息的方法和原则


观察法和实验法。ToB行业可以做定性分析,用实验法。因为ToB往往是行业内一个长久存在的痛点,不是一个新痛点,而是一个新的解决方案。比如说服装领域,大家都想做小单快反,作为一个消费者,我想今天要货,明天工厂就能生产出来。这个需求存在20-30年,只是说你现在的解决方案到底能不能解决这个痛点。绝大多数痛点目前基本上不太能解决,但VC愿意去尝试。对于ToC,人们常说一句话,不要去预测市场,要最早去感知市场。比如做生意,先进一小批货,发现好卖之后会进更多的货。


三角互证。在时间允许的情况下,需要尽量在类型和数量上分散信源,平衡各个信源转化来的观点。


两种思维。第一性原理和追本溯源。第一性原理思维法则是从原理出发,一步步往前推演,直到找出适合该问题的解决方法(有1个或者N个)。追本溯源从问题出发,推演出根本原因,通俗的讲就是发现一个问题,然后去分析这个问题怎么造成的。这两种思维方式没有对与错。但是当我们去投技术就会发现,比较合适的思维方式是第一性原理。因为技术最重要的不是被竞争对手干掉,往往是被替代者干掉。被替代者干掉,从追本溯源是找不到解决办法的。例如VC可能投到了当时最顶尖的胶卷公司,但是最后被数码相机干掉了。


投资逻辑生成


分享一下投教育当时的追本溯源思考。教育行业是一个大而散的行业,没有一家特别垄断的企业。教育市场是否存在垄断的可能性?什么样的教育企业可以在市场上占到5%以上。这个行业大而散,原因是什么?难以标准化、个性化需求、线下管理比较难、优秀教师稀缺、口碑传播受地域影响。


如何去解决这些问题,每一种问题都有一个方案,一对一、一对多、线上、线下、自适应录播课。青松围绕着这些方案基本上都投了。投的DaDa是做一对一和一对多,投的洋葱数学是做动画微课的,投了乂学教育是做自适应教学的。


投资原则

判断真假


第一是判断真假。去伪求真。排除假的高科技项目,留下货真价实的高科技项目。这个的首要原则是懂技术原理和理解技术边界。如果不懂技术,当然还有简单的办法,就是投某个行业里学术最牛的人,其余的如果没有营收,一律不投。


判断高下


首先要明白什么是高技术,以及如何区分。这里另外提及一点,我们经常说技术壁垒,其实技术只有门槛,没有壁垒。门槛就是时间和金钱,比如成为一个医生的门槛是学费和八年医学院学习时间,大学毕业才可以考取医生执照;而法律上规定的只有拿到医生执照才有处方权,这个医生执照就是处方权的壁垒。对于一个技术而言,门槛就是经费(人才和设备)和研发时间。


懂技术不如懂行业


投技术其实是看好市场需求。市场有需求技术才有价值。懂行业才能去判断这个技术,或者这个技术的解决方案值多少钱,才能知道它的稀缺性。光有技术是没有投资价值的,技术肯定要和行业紧密联合。


Specialis不如Generalist


行业领域的经验和专长,对判断项目的技术可行性或者市场是有用的,尤其是早期项目。但是有时也会产生误导,首先认知领域有局限性,比如医药专家未必了解医疗器械;其次认知角度有差异,比方说NLP语言派专家认为深度学习是错误方向。这样会错过很多好机会,也往往投资不到颠覆式的、划时代的伟大公司。行业专家也许更适合成为风险投资机构的行业顾问。


可能大家很多时候面对过这样一种情况,VC现在认一个思维,你的技术过硬,团队背景也很不错,什么时候拿下1000万订单我就投。


用方法论判断,而不是过往经验判断


方法论是永恒的,方法是可以改进和创新的,知识/信息一定是实时更新的。只有正确且每次按照同样的程序和原则产生出的结果,才是可复制的。


技术成熟度和及商业化思考

科技投资的4T原则

Technology 足够的技术门槛和许可证壁垒、专利、CFDA、FDA批准


Team 技术和商业化能力、行业资源、有国际竞争力


Timing 技术和产品成熟度、可以开始商业化


Term 估值合适、20倍回报的空间领投


技术成熟度(Technology Readiness Level,简称TRL),是指科技成果的技术水平、工艺流程、配套资源、技术生命周期等方面所具有的产业化实用程度。


技术成熟度一般分9个阶段

1.基本原理被发现和阐述;


2.形成技术概念或应用方案阶段;


3.应用分析与实验室研究,关键功能实验室验证阶段;


4.实验室原理样机组件或实验板在实验环境中验证;


5.完整的实验室样机,组件或实验板在相关环境中验证;


6.模拟环境下的系统演示;


7.真实环境下的系统演示;


8.定型试验;


9.运行与评估。


在第5个阶段之前,是不具备vc投资价值的。过于早期的技术往往5年之内无法量产。而且这5年期间会花费大量经费。最好的情况是前期的科研阶段及经费是由国家出钱,在商业化的前夕VC再进入。


另外制约技术成熟有5个因素

项目来源:横向需求型,纵向供应型和自选型。


技术因素:科研技术能力和来源于项目本身的技术


资源因素:一个项目,从立项到形成成熟的科技成果,是一个资源投入急剧积累的过程


管理因素:对科研项目的管理机制和考评体系项目的管理是一项复杂的工程


市场因素:市场因素是项目选题立项的源头,也是最终影响项目成熟度的决定因素


影响技术商业化的要素

IBM 公司曾在 1979 年针对实验室研发成果进行一项有关技术商业化的研究分析,并归纳以下六点影响技术商业化成功的重要因素:


1.技术的知晓性:一项新技术如果过于艰深,无法显示将如何被运用在产品之中,则商业化的机会很低。比如现在AI技术这么火,有些产品能成功,跟AI知晓性有很大关系。如果没有李开复及Alpha Go,AI怎么能快速被大众理解。创业者跟别人解释半天AI,有可能别人不知道你在说什么。所以一个技术想要成功,大众知晓性是必备的。


2.技术与现有产品线的关系:IBM实验室研发与商用大型计算机相关的新技术,被商业化成功的比例就高过于化学材料类的新技术。


3.技术可行性与市场风险:这里面隐含的风险主要是技术可行性与市场可行性的风险。


4.技术成长曲线所可能带动的市场潜力:如果一项新技术未来持续创新的潜力不高,则可能因为其它技术的竞争取代,而失去市场地位。超导薄膜记忆(与磁膜技术都是因为成长潜力不如半导体技术,而未能被充分商业化。


5.推动技术商业化的有力人士:IBM1975 年就提出精简型指令(RISC)的设计架构,但由于缺乏有力人士的支持,因此延迟 10 多年时间后才完成 RISC 产品的商业化。而惠普(HP)公司在1980 年自 IBM 实验室聘请本鲍为产品开发副总,反而成为市场上第一家推出 RISC 产品的厂商。


6.竞争因素与合作联盟:当有竞争者从事类似的技术开发活动,则技术商业化就会比较快速的被推动。技术推广初期,有竞争对手是一件好事,竞争对手越多,代表越多的人去科普。


互动&交流

Q:您比较看好AI在哪些行业或场景的应用?


A:在我看来,AI只是一个工具,或者说是driver驱动因素。已经不是我们去看行业的一个方式,看行业,要从ToB或者企业服务的方式去深入到各个垂直领域。


Q:早期项目尤其看重团队,在技术领域,您个人对团队的判断和选择有哪些独特的方法论?


A:投稀缺性,这个领域只有3-4个人可以做,那么我赌重了其中的1个人,几率是比较大的。第一,要求创始人具备很强的行业号召力,在学术圈已经是北斗级别的。第二,与之匹配的,要有一个商业合伙人。如果技术CEO商业合伙人不是他的同学或者熟人,而是通过猎头等渠道介绍,就需要慎重考虑。因为技术出身的人,大部分缺少对商业的敏锐度,而且通过其他渠道过来的人,两个人没有共同语言,技术一般对销售不太认同。对自己过于自信,会低估商业化的困难程度。


Q:教育行业有很多项目都跑在前面,现在还有哪些机会?


A:如我一开始所说,不要去预测市场,要最早去感知市场。机会是不断的出现的,2C的创业公司都是在不断的尝试,看哪一种模式更有效,有更高的爆发性。我就是要不断的sourcing,然后找到这样的公司。投资就是投增长。只有看到它高速增长,才能知道这是个机会。比如二级市场,一个标的如果每年有70%的增长,它很有可能就是一个三年十倍股;年复利30%增长的标的投了还能赚一些钱;10%增长的标的不亏钱。所以看早期会要求增长更快一些,教育行业也是如此。我就是要找到增长最快的那种教育公司,以及去看他的增长是否可持续。