人物介绍—徐明鹏
晨晖资本投资总监
关注大数据、硬件、企业服务、人工智能等前沿科技领域的VC投资，帮助企业进行融资规划、项目间的资源协调。
代表投资项目：若羽臣、易佰网络、码牛科技、容知日新、保利威、鲁邦通等。
◆ ◆ ◆
1956年，时任达特茅斯大学数学助教的麦卡锡联合诸多名校教授，在美国召开了一场为时两个月的学术研讨会。在会上，“人工智能”这一术语正式诞生，成为科学史上的一门新兴学科。
此后的三四十年里，人工智能在质疑声中几经沉浮。20世纪60年代，尽管逻辑程序设计语言PROLOG和用于诊断和治疗感染性疾病的专家系统MYCIN相继问世。但机器翻译、神经网络的研究因准确性不高、通用性不强一度陷入停滞。
在人工智能难以实现的质疑声里，专家学者们在过去的失败和教训中提出了知识工程、专家网络的概念，将知识作为智能化的前提。随后，知识驱动智能的新时代到来，确定性理论、证据理论与博弈理论等成为人工智能发展的根基。然而1991年，IBM公司研制的“深思”计算机系统与澳大利亚象棋冠军约翰森举行的一场人机对抗赛中，结果却以1:1平局遗憾告终。
到了今天，当谷歌开发的AlphaGo成为第一个击败人类职业围棋选手、第一个战胜围棋世界冠军的人工智能机器人后，人们对人工智能重振信心，并希望人工智能能够成为继蒸汽机、电力和互联网之后的又一经济加速器。
作为最先看到未来的这批投资人而言，人工智能也必然是近几年内不可错过的机会，据艾瑞数据统计，2015年至2021年第一季度，中国人工智能基础层融资事件共计208起。而这其中，也少不了晨晖资本徐明鹏的身影。
— 1 —
人工智能+传统产业
助推产业转型
尽管目前人工智能正处在火热的当口，但行业内并没有特别具有颠覆性和创新性的产品出来，很多没有用到这项技术的公司也争先恐后地给自己打上了人工智能的标签。这让很多人开始质疑，目前市面上的人工智能产品只是包装出来的概念。
徐明鹏并没有把人工智能当成一个行业，而是把它理解成一门底层应用技术，主要是和其他的传统行业相结合，达到1+1>2的效果。但这种结合并不会带来彻头彻尾或者是翻天覆地的变化，需要经历一个相对缓慢的周期。
传统行业本身经过这么多年的发展，已经形成了一套成熟的逻辑和工作模式，所以人工智能更多的是在传统行业的基础上进行优化和迭代，而不是颠覆它已有的逻辑。“我们可以看到目前新技术或者新应用在落地的时候，还是会采用项目服务或者软件集成的方式，所以人工智能对传统产业的改造是循序渐进的，不会出现短期爆发式增长这样的状态。”
对于行业里出现的质疑声，徐明鹏认为是新技术的出现使人们给予了过高的关注和期望，所以这几年人工智能领域的项目估值很高，但在实际落地的过程中，它其实并不能达到预期的高溢价，从而造成了人们的心理落差。
尽管前期资本过热和实际应用相对缓慢，但徐明鹏依旧看好这一领域。“其实我们到目前为止这个阶段还是会去关注人工智能，它在交通领域和工业领域的应用，确实还是产生了很多实际的价值，这个场景跟需求是成立的，商业模式也是很有效率的。”
— 2 —
瞄准细分赛道
看好工业视觉检测
1964年，著名传播学者麦克卢汉在《理解媒介：论人的延伸》一书中提出“媒介即人的延伸”这一著名论断。他认为，媒介是人的感觉能力的延伸或扩展，文字和印刷媒介是人的视觉能力的延伸，广播是人的听觉能力的延伸，电视则是人的视觉、听觉和触觉能力的综合延伸。
将这一理论延伸到人工智能领域，我们可以把机器人看做是是人体四肢的延伸，大数据存储看做是人的记忆的延伸，工业视觉检测就是人的视觉的延伸。工业视觉检测，是目前工厂检测必不可少的环节，也是徐明鹏认为未来最具潜力的技术。
从宏观角度出发，国内劳动力成本的水涨船高让企业的利润越来越薄。比如今年的大宗商品和原材料一直在涨价，再加上劳动力成本又提升，使得它整个的利润空间被压缩。同时招工难的问题在这个行业里也越发突出。在检测类生产线或者是制造工厂里，工人的流动性非常大，春节前后经常会发生招不到人的情况，这无疑会影响整个工厂的生产进度。
相对于人类视觉易疲劳、精度低、专注时间短的缺陷，机器视觉在观测速度、检测精度、工作长度等方面都存在显著优势。它利用镜头、光源控制系统来采集目标物体数据，借助视觉检测系统、数据库和算法对图形进行自动分析和处理，软硬系统相辅相成，推动应用领域向多个维度延伸。
从工业视觉检测的上下游产业链来看，目前上游的奥普特，下游的天准科技和矩子科技都实现了30%的增长，徐明鹏认为这是市场上一个普遍的增长。工业视觉检测的应用场景非常广泛，主要是识别、定位、测量和缺陷检测四个方向。这四个基本方向适用于各行各业，比如汽车领域的零部件和安装精度检测、制药领域和消费领域的包装、剂量与印刷检测都需要工业视觉检测这项技术的支持。随着2D视觉向3D视觉迈进，机械臂引导、AGV导航等新的应用方向也值得期待。
据《中国机器视觉产业全景图谱》，目前进入中国的国际机器视觉品牌已有 200 多家，中国本土的机器视觉品牌有100多家，各类产品代理商超过300家，系统集成商也有超过100 家。从数据可以看出，目前国内的工业视觉检测企业仍旧以代理商为主，在上游领域的布局和技术研发上发力较弱，扶持一些比较有潜力的自主研发企业对于投资人来说是一大机会。
— 3 —
看重公司成长潜力
三个维度全面评估
对于这种前期投入巨大，后期也需要不断加码的科技行业，投资人面临的挑战似乎更为严苛。他们必须从五花八门的项目书里，撇去华而不实的概念和以假乱真的包装，找到真正能够商业化落地的创新型项目。
徐明鹏和晨晖资本专注于长期投资，因此项目的成长性成为他们选择项目时的关键要素。判断一个项目是否具有成长性，徐明鹏主要从三个维度进行全面、细致的判断。
首先是产品是否满足了客户的真实性需求。《基建工程兵史》中谈到这样一个例子，在建设宝钢时，施工队在往地下打钢桩时无论如何都不能达到规定的深度。当他们打电话向专家求助时，专家却说，“我们打桩是为了获得支撑力，现在无法继续打下去，说明支撑力够了，既然这样还继续打什么呢？”最终施工队修改了建设标准，为工程节省了上千万元。其实创业和投资也是如此，也应该秉承“原点思维”的思考方式。在开发产品时，应该以用户的需求作为出发点，而不是从某个中间结果去引申。目前市面上的很多科技项目，专利论文很多、理论档次也很高，却得不到用户的认可，归根结底是过于追求技术的先进性，忽略了最本质的客户需求。
其次就是产品的商业化能力。市场是检验产品的核心标准，无法实现商业化落地的科学技术，技术再具有创新性和颠覆性，也不过只是空中楼阁。“我们在看科技类企业时，会倾向于销售能力非常强的团队。不管是采用生态体系的销售方式、还是说代理渠道的方式，或者行业性、区域性销售的方式，企业必须搭建和产品本身比较匹配的销售体系和销售方式。”
最后是产品交付的过程，也就是看这个产品的交付过程是否足够标准化，交付效率是否足够高，只有标准化、高效率的交付过程才能保证产品的快速复制。
人工智能自诞生之日起就众说纷纭，发展过程也是悲喜交织，尽管发展的道路是曲折的，但发展的前景是光明的。人工智能会让人类社会生产生活更加场景化、高效率和智能化是既定的事实，在目前这个早期阶段，值得所有创业者和投资者共同推动。
