京公网安备 11010802034615号
经营许可证编号:京B2-20210330
VC迎来新风口,投资先问大数据
“当技术决策能力超越人工团队的决策能力和信息覆盖面广度时,科技风投的新风口会全面开启。”近日,天曦网络科技(北京)有限公司人工智能研发部技术总监刘石告诉科技日报记者。
李开复很早就看到了大数据挖掘的商机。近日谷歌风投(GV)技术合伙人张拓木正式加入创新工场担任首席数据科学家,负责数据驱动的投资实践,以及AI和大数据方向的投资。
上个月,创新工场宣布募资5亿美元。创新工场董事长兼CEO李开复宣布,创新工场正式步入“Tech VC”(科技风投)时代。张拓木从硅谷谷歌离任加盟,将成为创新工场重要的技术智囊。
“主要方向是确定的。一是AI和大数据投资,二是尝试用更多大数据和机器学习的方法来提升投资流程各个环节的效率。”张拓木说。
投资方式进化是必然趋势
“在谷歌风投,机器模型扮演关键性的角色,在全球风投(VC)行业是绝无仅有的。”张拓木说。
大数据挖掘商业机会未来是不是会成为新风口,对于提升投资决策效率能有多大作用?
刘石从业多年,经历了很多个“风口”,从传统互联网到移动互联网,从车联网到物联网,从互联网金融到金融科技,从大数据到人工智能,他在重要的风口元年都打造了业内知名产品,所以对风口已经具有某种感知力。
“从2012年起,我和业内顶级研究机构一起开展大数据方面的研究,大数据挖掘商业机会方面未来毋庸置疑会成为新风口,其能基于海量的数据运用先进的人工智能技术,建立起完善的模型和系统,通过互联网可全球范围内捕捉商机。”刘石说。
刘石认为,数据创造价值,创新驱动未来,大数据对于提升投资决策效率有巨大作用,“决策=信息+逻辑”,投资信息本身就是大量数据,数据经过处理之后才是信息,信息经过人工智能技术处理才能作出决策。
“如果公司手工处理数据,基本上耗时耗力耗人,能处理的数据很有限。面对全球化的市场,和瞬息万变的商机,毫无疑问通过科学技术实现自动化的智能处理,将能以一顶万,成为最佳的选择。”刘石说。
那么,未来风投方式会不会由投资人逐步转向算法和机器分析?
“风投方式的进化是一个必然趋势,投资方不只会采用算法和机器分析,更重要的是会采用人工智能技术。”刘石说,这其中涉及到很多专业知识和专业指标的衡量和决策,采用人工智能算法和机器分析等技术,将大幅提高效率,降低人工成本,且更全面的信息智能决策,可将风险降到最低。
真正起决策作用的还是投资人
“这个改变对于科技公司尤其初创企业影响会非常巨大。首先,投资方的规则发生了变化,投资将基于更全面、更智能、立体、多维的信息,人工智能将从技术、财务、行业走势、舆情分析等不同维度来建模分析。”刘石说。
其次,对企业真正的实力要求更高了。刘石解释,不只看企业创业的方向,公司的创始人和核心成员实力也至关重要。“这意味对企业越来越公平,无论在哪里,只要做得好,有科技实力,做专做精,就不用担心融资的问题,因为投资方会通过强大的智能科技系统主动找到这样的公司。”刘石说。
不过,91科技集团董事长、CEO许泽玮也坦言,无论未来科技如何发达,人的作用终究无法完全替代。
“目前,虽然借助大数据的技术能够提升投资决策效率,但囿于目前企业数据尚未完善,大数据只能起到辅助作用,未来大数据基础设施更加完善,数据模型更加丰富,将会给投资决策提供更为重要的支撑。”许泽玮说。
在许泽玮看来,未来风投方式应该还是由投资人来做决策,算法和机器分析可以为投资人提供充足的数据和决策依据,但在商业领域和投资领域,人还会是决定性因素。
“大数据技术会产生一定的影响,可能会导致企业更加注重数据的提供,也能提升决策效率,但这些主要还是辅助作用,真正起到决策作用的最终还会是投资人。”许泽玮强调。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据驱动决策中,“数据波动大不大”是高频问题——零售店长关心日销售额是否稳定,工厂管理者关注产品尺寸偏差是否可控,基金 ...
2025-12-12在CDA(Certified Data Analyst)数据分析师的能力矩阵中,数据查询语言(SQL)是贯穿工作全流程的“核心工具”。无论是从数据库 ...
2025-12-12很多小伙伴都在问CDA考试的问题,以下是结合 2025 年最新政策与行业动态更新的 CDA 数据分析师认证考试 Q&A,覆盖考试内容、报考 ...
2025-12-11在Excel数据可视化中,柱形图因直观展示数据差异的优势被广泛使用,而背景色设置绝非简单的“换颜色”——合理的背景色能突出核 ...
2025-12-11在科研实验、商业分析或医学研究中,我们常需要判断“两组数据的差异是真实存在,还是偶然波动”——比如“新降压药的效果是否优 ...
2025-12-11在CDA(Certified Data Analyst)数据分析师的工作体系中,数据库就像“数据仓库的核心骨架”——所有业务数据的存储、组织与提 ...
2025-12-11在神经网络模型搭建中,“最后一层是否添加激活函数”是新手常困惑的关键问题——有人照搬中间层的ReLU激活,导致回归任务输出异 ...
2025-12-05在机器学习落地过程中,“模型准确率高但不可解释”“面对数据噪声就失效”是两大核心痛点——金融风控模型若无法解释决策依据, ...
2025-12-05在CDA(Certified Data Analyst)数据分析师的能力模型中,“指标计算”是基础技能,而“指标体系搭建”则是区分新手与资深分析 ...
2025-12-05在回归分析的结果解读中,R方(决定系数)是衡量模型拟合效果的核心指标——它代表因变量的变异中能被自变量解释的比例,取值通 ...
2025-12-04在城市规划、物流配送、文旅分析等场景中,经纬度热力图是解读空间数据的核心工具——它能将零散的GPS坐标(如外卖订单地址、景 ...
2025-12-04在CDA(Certified Data Analyst)数据分析师的指标体系中,“通用指标”与“场景指标”并非相互割裂的两个部分,而是支撑业务分 ...
2025-12-04每到“双十一”,电商平台的销售额会迎来爆发式增长;每逢冬季,北方的天然气消耗量会显著上升;每月的10号左右,工资发放会带动 ...
2025-12-03随着数字化转型的深入,企业面临的数据量呈指数级增长——电商的用户行为日志、物联网的传感器数据、社交平台的图文视频等,这些 ...
2025-12-03在CDA(Certified Data Analyst)数据分析师的工作体系中,“指标”是贯穿始终的核心载体——从“销售额环比增长15%”的业务结论 ...
2025-12-03在神经网络训练中,损失函数的数值变化常被视为模型训练效果的“核心仪表盘”——初学者盯着屏幕上不断下降的损失值满心欢喜,却 ...
2025-12-02在CDA(Certified Data Analyst)数据分析师的日常工作中,“用部分数据推断整体情况”是高频需求——从10万条订单样本中判断全 ...
2025-12-02在数据预处理的纲量统一环节,标准化是消除量纲影响的核心手段——它将不同量级的特征(如“用户年龄”“消费金额”)转化为同一 ...
2025-12-02在数据驱动决策成为企业核心竞争力的今天,A/B测试已从“可选优化工具”升级为“必选验证体系”。它通过控制变量法构建“平行实 ...
2025-12-01在时间序列预测任务中,LSTM(长短期记忆网络)凭借对时序依赖关系的捕捉能力成为主流模型。但很多开发者在实操中会遇到困惑:用 ...
2025-12-01