对话线性资本王淮：早期科技投资的周期、策略与世界观

编者按：本文来自微信公众号“捕手志（ID：ibushouzhi）”，作者：李曌，36氪经授权发布。

科技创新带来的创富机会是巨大的，尤其是当前有越来越多的投资人与创业者愿意给自己贴上科技的标签，但要想在科技领域立足不仅需要懂产品，更要能从底层了解技术演进、行业需求。

近期捕手志（ID：ibushouzhi）与王淮进行了一次深入对谈，他创立的线性资本重点关注数据应用、数据基础设施和前沿科技领域的早期项目，投资案例包括地平线机器人、Rokid、同盾、酷家乐、神策数据等。值得一提的是，王淮还是原Facebook早期员工和第一位华籍研发经理。

此次我们与王淮的深度交流，涉及对当前科技周期的理解、科技投资的策略与方法论，以及他的科技世界观。相信会对你有所启发。

作者/李曌

编辑/潘宇波

未经授权，谢绝转载

一、应用周期

李曌：基础科学近几十年没有重大变化，所以也有越来越多人呼吁重视基础科学，作为一个早期科技投资人，是否会担心技术发展会受限于基础科学？

王淮：技术的上游是科学，下游是应用，科学是一套认识世界的原理和方法论，我们利用这些原理发明技术，然后在技术的基础上组合出一个产品，最后应用到生产生活中产生效益。

通常，底层技术就是为了解决一个底层问题，但这有两条路径，其一是应用反作用技术，比如计算机最初是为了做加密解密的计算应用；其二是从底层科学到技术，但这条路径经常会面临有没有现实应用的考验。

总体来看，技术受我们现实应用的影响非常大，而受科学的影响没那么大，目前我们还没有到担心基础科学的那一天，如果要设一个时间，我们可以看5年后现有技术如AI、AR等带来的应用创新是否停滞。

李曌：对于技术的发展大致可以分两派认知，一派是认为技术可以无限发展，比如历史学者赫拉利认为我们下一步将成为智神，另一派则认为大自然不会永远给开绿灯，技术大爆炸不会发生，我们会被束缚在一定的高度。你如何理解当前的技术周期？

王淮：科学层面的大发现的确进入了一个缓慢期，但我不觉得技术发展在变慢，我们现在处于技术应用的周期——如何利用技术来改造我们的工作与生活，创富的机会也在这个阶段。比如大公司一直在用大数据，但在智能手机没有成为主流的时候，大家的数据其实是非常零碎的，智能手机让数据广泛化，这给很多处理数据的公司带来了机会。

另一方面，科技发展一定要快吗？我觉得也不一定，就像你驾驶汽车，隔一段时间需要加油，行驶中也需要克服复杂路况，所以中间换挡减速才是常态。况且，就25万年的智人历史来看，现代科学只有400年的历史，我们已经进入了一个快车道。

李曌：许多人将孙正义的「时间机器理论」认为是他成为互联网大赢家之一的杀手锏，其背后的实质是他坚信互联网世界的到来，这代表的是他的世界观，作为一个科技投资人你坚信的世界观是什么？

王淮：技术改造世界是我们的信仰，信与不信就决定了你所采取的方式是完全不同的。我之前是Facebook的第二位华人工程师、第一位华人研发经理，其实Facebook的产品技术含量并没那么高，但它非常强调如果一件事能用技术解决就不会用运营手段，所以Facebook几乎是没有运营的，这让我形成了技术改造世界的信仰。具体来讲，我们希望所投的公司可以在单点上通过技术对生产力有十倍百倍甚至千倍的提升。

为了让这种改造变得更有效，我们对于什么样的人、用什么样的技术、解决什么样的问题是有选择的，有我们自己的价值观。

李曌：这个价值观是什么？

王淮：技术本身是中立的，价值观体现在使用技术的人身上。首先，技术改造的核心是能够用技术大幅度提升生产力，要么能够缩短做决策的时间，要么能够提高做决策的质量。其次，有些技术对世界的改造，无论你喜欢与否，它一定会发生的，我们作为资本会促进它的发生，但我们希望Make It Happen的人是一个Kind Person。

李曌：Kind是指善良吗？

王淮：我们最关心的一点是这个人的一致性，也就是想的、说的和做的都是一致的。善良是很难判断的，但你对股东、员工、客户是怎么承诺的，你是如何做的，这些一致性是很容易判断的。通过一致性我们再判断你是不是善良，是不是一个能带给行业正向发展的而不是只图短期利益的人。当你有一个技术驱动的长期愿景时，时间就成为了一种资源，让你在技术改造世界的过程中离你的Vision越来越近。

一个公司会经历市场反复验证，资金、市场的机会、产品形态、发展路径这些要素都在来回变化，你看近几年IBM、微软的变动都非常大，相对来说人反而成了最不容易变的因素。

李曌：大的科技公司的地位容易被动摇，IBM被微软动摇，微软被苹果与Google动摇，Google被Facebook动摇，正如巴菲特所认为的，科技企业没有永续竞争的优势。

王淮：巴菲特这样说是因为他的投资风格，他要的是做了一次决策后，最好几十年不用变的投资，所以他需要找现有满足人性的那些普遍消费品，选择当中已建立了壁垒且价格又便宜的公司。

在科技圈，没有巴菲特要找的投资标的，因为科技圈要求你拥抱变化，这需要消耗大量的脑力与体力去理解很多技术因素。当你掌握这个Energy后还要持续更新，而且科技投资者很多时候需要通过不断见人来获取最新的知识，不能依靠书本获取新知识，书本毕竟有滞后性。

对信息的获取有三个抓手，一是全面性，对Big Picture有一个全面的认识；二是Go Deeper，对存在问题的细节产生新认识；三是Moving Forward，对事情的未来产生一些新认识。其实大家的认知有可能都是错的，但在不断交流刷新认知当中，我们至少能实现对事情的理解越来越透彻。

李曌：那你如何理解科技企业的壁垒？

王淮：科技企业的壁垒永远是动态的，的确不是永续的。技术就是一种可量化的、解决某类特定问题的步骤，这过程中你要考虑它的有效性，成本与可实施性等。一开始有人在某些单点技术上有积累，当你提前实现了技术的领先性，这就是一个典型的技术优势，但还算不上是壁垒。

技术能不能解决消费者的问题，这需要在市场上尝试，因为你有的是单点技术，所以要配上很多的功能，变成一个产品，这样才能解决用户问题。这个时候用户就不需要了解你的技术细节，只要明白这个产品能解决问题就行，但你要知道自己的技术细节，因为还要不断迭代技术，这就变成了你的产品优势，而产品优势多了就能建立品牌优势，这就进入了商业阶段。

走到商业阶段就会回到巴菲特所希望看到的，包括品牌、市场占有率等护城河的逻辑，但科技投资者看到支撑产品的引擎是技术，这是巴菲特所从来不Appreciate的。我们要做中国最好的前沿科技基金，那些在现实的商业化中还没实现的，是我们的兴趣所在。

二、Technology/Problem Fit

李曌：你们的兴趣是那些还未实现商业化的机会，但大多数VC关注的都是创新商业化的前一秒或后一秒。

王淮：这里存在一个商业化的合理范畴，可以理解为投一家公司的时间点。多数机构在商业化的合理范围内找顶部机会——商业化爆发前夕，我们在找底部机会——很有可能商业化还没有开始，但我们认为在2到3年内有大的前景。也就是我们强调Technology/Problem Fit，而很多人强调Product/Market Fit。

李曌：可以理解你们寻找的机会来自于Technology/Problem Fit？

王淮：是的，这是既能赚钱又能够产生巨大社会效益的机会，这两点我们都非常关注。过去我们之所以错过好多运营性质的项目，比如快的、饿了么、Musical.ly等等，也是因为我们的偏好。运营更多的是利用人性的特点，强调人的组织，而技术很需要抓细节，要深度去理解问题的本质，才可以设计出对应的量化步骤，尽可能自动化地解决，这是我们感兴趣也擅长的。对于我们而言，重要的不是错过了什么，而是抓住了什么。

等到Product/Market Fit的时候，技术已经发展到了一定程度，有了产品形态，看清市场也变得相对容易，判断的难度要低很多，这时候投资机构的竞争点更多的是品牌、资本、团队规模等等，在这些方面我们并不具有优势。相反在Technology/Problem Fit阶段，我们更早、更聚焦地寻找Data Intelligence可以解决的问题，这让我们一方面理解更深入，另一方面拥有更多相关人脉，去寻找我们认为有机会变大的市场。

李曌：这样做的风险是什么？

王淮：Technology/Problem Fit是我们在做决策时的落脚点，我们能理解解决某个问题所需要的技术是什么特征，然后反过来让我们对人做判断，比如看他的历史积累，他所擅长的Tech Stack是不是适合我们认同的问题。同时也存在风险——Technology到Product，Problem到Market的过程中，虽然从Technology到Product的判断是线性团队目前为止体现出来的能力强项，但我们一开始并不知道某个单点的切入，是否可以形成对用户体验的有效撬动。

如果我们对一个问题判断失误，就没有办法获得一个大的市场，这也是大多数创业公司和投资人关心的问题，因为一个对的问题决定了一家公司的商业化价值最大化的可能。这类从Problem到Market进化的风险是我们投资当中最大的风险，也是我们一直在努力的地方。

李曌：过往历史表明，科技的进步可以创造更多的需求，但有很多科技创业者失败的原因又常常是因为没有找到用户需求，你如何理解科技与需求的关系？

王淮：我们对于没有需求导向的技术是不感兴趣的，其实我们内部探讨时更愿意将「需求」或「应用」以「问题」来代替，我们会思考它究竟是一个什么样的问题，这要走到很多细节里去，需要有很强的好奇心。

比如「用户到底在乎的是什么？这个市场究竟大不大？大家愿不愿意付费？」等等，但这部分在我们整个问题集当中可能仅占10-20%。剩下的80%我们在研究「问题是什么，问题重不重要，是不是很多人都有，问题难不难，解决问题依赖技术创新还是依赖模式创新，如果是技术那么是什么样的技术，为什么可以匹配这些人的历史背景？」，我们会以工程化的思路把投资过程中的各个环节拆解开来，变成步骤去验证这些问题，而不是在投资前做市场规模的调研。

李曌：似乎行业里出来的创业者更容易发现问题，但从你们的投资案例来看，大多数都是技术型的PHD。

王淮：不少投资人喜欢从产业里出来的创业者，认为他们在落地上会做得比较好，但综合我们的经验与观察的投资案例，发现这类企业的生存能力虽然比较好，但所做的事普遍偏小，因为在一个行业待久了，你看到的往往是小问题，很难跳出来想行业长期存在的大问题，行业里很难出现叛逆者去改造行业。

我们更喜欢具有破坏性的创业者，这类创业者一开始就会想有没有机会用技术重塑整个行业。他们会思考得更远，思考得更大，他们没有历史负担，也不会受教条主义影响，但这类创业者需要有行业出来的人做他的副手帮助他理解行业。

李曌：一般科技投资者给人的感觉是追求技术领先性，国内有一些投资人也是这样思考问题的，你们是唯技术先进论者吗？

王淮：如何定义技术的领先？从量化角度来看是一个蛮难的问题。所以我们思考的逻辑是从解决问题出发，我们很关心技术，但技术一定是要解决问题才行，我们并不是唯技术先进论者。比如当我们看到Facebook，Google很早就开始用数据来指导业务部门，我们相信国内未来会有越来越多的企业运用数据来辅助业务判断，所以我们就投资了神策数据。

其实，你也能发现过去几年行业强调的其实是技术不是应用，因为数据不Ready，我们现实工作中包括思考在内有95%的工作都是重复性的，所以当数据Ready了一定会用数据来辅助我们工作。

李曌：数据与AI是紧密相关的，如果数据不Ready，那你如何看待AI的现状？

王淮：我们要明白的是，AI它本身就不是可以解决万物的，它目前可以做到让分类识别变得容易。只要涉及针对某一类问题的优化，机器一定比人干得好，因为机器不会受主观因素的影响，而且它可以看到更多的数据，但其它方面我不觉得机器有什么比人做得好。马斯克担心AI继续发展会威胁人类，比如当机器有了联想推理能力，那它的能力就泛化了，但目前看不到有这种迹象出现。

其实我们内部很少用AI这个词，都是用Data Intelligence(Date + AI)代替，因为有些问题是只要Data就能解决的，很多人强调AI，但现在根本到不了拼AI的程度，只要先重视与建设Data，将Data变成你决策当中的一种习惯，就已经能对企业有很大的帮助了。

李曌：可以理解数据智能属于AI，但在当前我们要更强调数据智能，而不是整个AI？

王淮：数据更加关心事实，让你对事实有了解和掌控，而Intelligence是根据Data产生Insights，可以指导企业做出决策。永远都要强调Data和Intelligence，因为Data是根源，Intelligence即AI是目的。所以我们和一个项目在讨论技术细节时，第一个问题就是你的Data是什么？不是说他一定要拥有Data，而是说他的技术能力要建立在什么样的Data之上，只有理解了Data之后，谈AI才会有意义。

但强调Data Intelligence并不是一个阶段性用词，而是我们认为Data Intelligence是AI的本质，只有把前端Data，后端Intelligence抓好了才能让AI落地变成可能。就好比谈电商只有流量没有供应链是不可行的，必要前提一定要到位。这也解释了为什么我们称自己是数据智能基金而不是AI基金。

三、顿悟时刻

李曌：你曾提及自己是重度科幻迷，科幻能拓宽与拉升人的思考，真正的科幻迷往往会带有终局观来看问题，你们的终局观是什么？

王淮：我们有一定的终极思想，但是在产业层面而不是宇宙层面的，我们会思考产业往前发展2到3年，和我们关心的Data AI能否有结合的地方？如果有这种机会的产生，那它最后会有多大，像这类问题的终极思考是我们非常在意的。

不得不说，科幻可以充分锻炼人的想象力，一方面，让你对可能发生的事物保持敬畏与好奇心，毕竟我们所知道的是远远少于未知的；另一方面，好的科幻作品可以帮助你从头到尾思考一遍科技改造世界的过程，进一步促使你去推演科技改造世界会是什么样子，我觉得很有趣。

李曌：实际上，由于科技互联网对社会的高度渗透，似乎很难看到一个企业的终局，就像《有限与无限的游戏》说无限游戏是在和边界、规则玩，探索改变边界本身，王兴推崇无限游戏。

王淮：当然王兴也可能是对的，因为他更加理解业务的细节，但从外部来看，他的一系列动作并不是对美团现有业务的有效延展。他的这种思路在中国是普遍存在的——我把有关系的业务先拎进来跑一遍，跑到一定程度再和已有的服务做融合，但这样的拓展往往并不能提升用户体验，而用户体验是验证拓展是否有效的核心。拿打车举例，如果打车这件事是独立的，和美团的业务、数据没有实质性的结合，我为什么要相信你提供的服务会比其他出行公司更好？

李曌：如果我们从中后台的系统去理解呢？比如同样的用户、商户、供应链、配送等形成的中台能力，让美团的吃喝玩乐之间形成相互协同的网络效应。

王淮：产品将来一定会矩阵化的，但矩阵化是为了服务于有需求的用户市场，整个系统具有一致性。美团的Vision是帮大家一站式吃得更好，生活更好，那如果有一个系统性的拓展方案，它的拓展是有节奏的那也是无可厚非的。

但我不认同「你具备低成本去做某事的能力，你就适合去做这件事」的逻辑。这就好比我通过打拳练了一身肌肉，肌肉就是我的中台能力，我现在不仅可以打拳还可以背沙包、当保镖，这属于一种内在的能力提升之后，带来的拓展新机会的低成本，但低成本并不代表你适合或可以去做这件事。

李曌：王兴还提了一个很有意思的「人类文明体验计划」，我们科幻一下，如果你有一天代表人类向外星文明介绍地球的科技创新，你会如何介绍？

王淮：在有限空间与能源的前提下，我们做了很多的研究和突破，但这可能只占所有科技的万分之一不到，我们对于无限空间与能源的认知还微不足道。我们从古至今的所有人与事都发生在地球上，当你认识到宇宙当中至少有1000亿个像银河系这样的恒星系，那地球与我们人类会在当中有什么特殊位置呢？

其实并没什么好介绍的，硬要介绍，渺小会是我其中的关键词。就好比，一个杯子中的蚂蚁，它很难想像到外面会有汽车、飞机的存在。所以将来我要将个人1/2的财富捐给两个方向，一个是太空探索，帮助我们往外看，另一个就是高中教育。

李曌：为什么会选这两个方向？

王淮：我们高估了工作的难度，其实我们95%的工作是完全可能被机器替代的，之所以没实现源于我们前面说的大部分数据还不Ready，如果假设我们的数据充分Ready，那大部分工作都是可以通过数据形成判断的，比如这个人究竟牛不牛，在行业里处于什么样的水平，以前坑过什么人，前同事对他的评价如何等等。

如今我们只能用自己的经验模型来判断，但数据辅助判断是发展的大趋势，如果到时没有无限空间与能源来支持，富人能掌控更多的数据，最终马太效应会越来越强。

富人和穷人、有资源和无资源、有权力和无权利、能主导机器的和被机器替代的……这些现实的冲突将愈演愈烈，老实说这蛮可悲的。再加上科技的进步让新生婴儿率与寿命得到了提升，人一定会有其它的追求，如何让人建设美好的心灵？高中是一个塑造期，至少我们可以通过教育让孩子们有正向的三观，延迟这些破坏性的冲突发生。而随着我们往外太空真正越走越远，有机会利用无限空间和无限资源，人类的冲突才有可能从根本上避免。

李曌：那时我们不仅是认识到自己渺小，也会更深刻见识到自己的渺小。

王淮：对，你会明白真没什么好骄傲的东西，人这一辈子也就3万多天，我们能决定的是将有限的时间投入到有趣的人与事当中。我的座右铭之一就是YOLO – You Only Live Once.

李曌：牛顿在评论自己关于引力轨道的发现时说道，顿悟来自于「连续不断的思考」。在人生和投资上，你是否有过这样的顿悟时刻？

王淮：顿悟不是平白无故产生的，它大多数产生于我们面临压力时做出的选择。我在做个人投资和一期基金的时候，什么东西都想试尝试一下，开过咖啡馆，做过大众点评和百姓网的CEO顾问，参与了分众传媒的私有化，投资了很多非技术的公司。尝试了很多之后，才知道有些东西不适合你，有些事再赚钱你也没兴趣，觉得是在浪费生命。

我当时有一个感受就是当我和一个不感兴趣的人聊电话，恨不得他下一秒就挂电话，最后我选择聚焦早期科技投资。我理解顿悟就是舍得，没有舍就会遇到一堆纠结的事，当你顿悟时就如同发现了自己的真爱，它会帮你做减法，而你只需要一直做下去就好。