作者：謝振亮 九合創(chuàng)投投資經(jīng)理 Email：xiezhenliang@unityvc ； Wechat：blackmaskxzl，本文已獲得九合創(chuàng)投轉(zhuǎn)載　　最近幾天，AlphaGo絕對是科技圈和圍棋圈的頭條，不管AlphaGo和李世石比賽結(jié)果是3：2還是4：1，AlphaGo所代表的人工智能技術(shù)，已經(jīng)達(dá)到讓人不明覺厲的水準(zhǔn)，不少人開始擔(dān)心人工智能的未來，作為技術(shù)派投資男，筆者不擔(dān)心未來，筆者更關(guān)注AlphaGo所代表的人工智能勝利背后帶來的創(chuàng)業(yè)機(jī)會與啟示。

　　AlphaGo的勝利是大數(shù)據(jù)+深度學(xué)習(xí)的勝利，通過基于大數(shù)據(jù)的深度學(xué)習(xí)來減少搜索量，在有限的搜索時間和空間內(nèi)找到取勝概率最大的下法，具體的算法筆者無力探討，但可以帶出大數(shù)據(jù)創(chuàng)業(yè)機(jī)會的思考。

　　大概從2013年開始，大數(shù)據(jù)的概念慢慢熱了起來。

國內(nèi)陸續(xù)有不少創(chuàng)業(yè)者進(jìn)入到這個領(lǐng)域，相關(guān)項目也慢慢得到資本市場的認(rèn)可，融資案例不時浮現(xiàn)，跑的快的已經(jīng)B輪了，但縱觀整個行業(yè)，并沒有一個標(biāo)桿性的公司出來（如美國的Palantir），加上市場上打著大數(shù)據(jù)概念的項目很多，導(dǎo)致有人開始質(zhì)疑大數(shù)據(jù)是不是個趨勢，是不是一個機(jī)會。

如果是，切入點又在哪里。

　　筆者堅定的認(rèn)為大數(shù)據(jù)是個大趨勢，源自如下一些邏輯判斷：　　1、隨著傳感器技術(shù)的發(fā)展，IOT、可穿戴設(shè)備的普及，人和環(huán)境的數(shù)據(jù)化進(jìn)程只會越來越快，也就是數(shù)據(jù)會越來越多。

　　2、萬物互聯(lián)、萬物智能是個大趨勢，而智能的基礎(chǔ)是大數(shù)據(jù)，想想，我們?nèi)祟惖恼J(rèn)知和情感就是來自感覺器官收集的大數(shù)據(jù)學(xué)習(xí)來的，人就是個大數(shù)據(jù)處理系統(tǒng)，人工智能就是模擬人認(rèn)知和思考的過程。

　　趨勢在，機(jī)會就在。

　　既然大勢所趨，那么創(chuàng)業(yè)的切入點在哪？從產(chǎn)業(yè)鏈來看，大體可以分成三個部分。

數(shù)據(jù)收集，數(shù)據(jù)加工，數(shù)據(jù)應(yīng)用。

　　數(shù)據(jù)收集（數(shù)據(jù)就是IP）　　從長遠(yuǎn)來看，數(shù)據(jù)成為IP是必然的，而且是大IP，特別是不可替代性的數(shù)據(jù)，道理很簡單，因為數(shù)據(jù)是原材料、是生產(chǎn)要素，但一定要注意，是有應(yīng)用價值的、不可替代性高的數(shù)據(jù)。

想想，如果你有所有人的基因和病歷數(shù)據(jù)，不管是醫(yī)療還是保險行業(yè)應(yīng)用，都需要這個數(shù)據(jù)。

當(dāng)前數(shù)據(jù)市場還處于蠻荒時代，各家都在搶地盤、相稱王，而受限于應(yīng)用場景、數(shù)據(jù)質(zhì)量、可替代性等因素，目前變現(xiàn)價值還很低，屬于矮大緊老師所說的賣下水的生意。

所以這是一個很好的切入點，尋找有應(yīng)用價值的、不可替代性高的數(shù)據(jù)，做到最全、質(zhì)量最好，每個領(lǐng)域都可能有，比如天氣數(shù)據(jù)、環(huán)境數(shù)據(jù)、醫(yī)療數(shù)據(jù)、基因數(shù)據(jù)、金融等等。

　　　數(shù)據(jù)加工（算法和架構(gòu)）　　數(shù)據(jù)加工大體可分為兩大部分，算法部分與架構(gòu)部分。

　　先說架構(gòu)，隨著開源社區(qū)的發(fā)展和普及，架構(gòu)技術(shù)的領(lǐng)先性會越來越不明顯，而且做架構(gòu)或平臺又是資源（人力+資金）密集型的工作，屬于大廠的優(yōu)勢項目，小團(tuán)隊機(jī)會不大，當(dāng)然，技術(shù)足夠牛逼的，能快速搶占先機(jī)的，也有機(jī)會，比如時速云國內(nèi)首個實現(xiàn)跨IaaS的容器云平臺。

　　再說算法，這是筆者更看好的方向，因為相對架構(gòu)而言，算法更容易形成長時間壁壘，同時資源投入相對較小，有核心的算法能力，同時能找到應(yīng)用場景，就有機(jī)會勝出。

比如AlphaGo的深度學(xué)習(xí)模型和搜索算法，一時半會兒別人是很難模仿出相同效果的。

比如大數(shù)據(jù)預(yù)測領(lǐng)域的所問數(shù)據(jù)，有領(lǐng)先的深度分析技術(shù)，牛x的大數(shù)據(jù)預(yù)計模型，來保證最終的應(yīng)用效果。

　　數(shù)據(jù)應(yīng)用（大數(shù)據(jù)+行業(yè)）　　行業(yè)應(yīng)用是大數(shù)據(jù)價值的最終體現(xiàn)，大數(shù)據(jù)的核心不是數(shù)據(jù)大小，而是通過數(shù)據(jù)洞察規(guī)律，通過全方位、多角度的數(shù)據(jù)融合、協(xié)同，結(jié)合行業(yè)應(yīng)用實現(xiàn)價值變現(xiàn)，因此 “大數(shù)據(jù)+”孕育著大量的機(jī)會，比如大數(shù)據(jù)+精準(zhǔn)營銷公司摩比萬思 ，通過海量用戶數(shù)據(jù)構(gòu)建用戶畫像，從而實現(xiàn)精準(zhǔn)營銷。

比如螞蟻微貸和螞蟻花唄，通過賣家及用戶的歷史行為數(shù)據(jù)計算授信策略。

當(dāng)然，這個方向要求創(chuàng)業(yè)團(tuán)隊對行業(yè)有深刻的理解，團(tuán)隊的配備必須是數(shù)據(jù)人才+行業(yè)人才。

　　總結(jié)：　　筆者是非常看好大數(shù)據(jù)這個方向的，但創(chuàng)業(yè)者需要理解大數(shù)據(jù)的本質(zhì)與內(nèi)涵，找到最適合自己的切入點。

　　數(shù)據(jù)必然成為IP，特別是不可替代的數(shù)據(jù)，垂直領(lǐng)域的數(shù)據(jù)收集和整理是個不錯的創(chuàng)業(yè)方向。

　　大數(shù)據(jù)的基礎(chǔ)架構(gòu)服務(wù)和核心算法都有創(chuàng)業(yè)機(jī)會，但算法路線更容易形成壁壘　　大數(shù)據(jù)+行業(yè)應(yīng)用機(jī)會很多，但創(chuàng)業(yè)團(tuán)隊必須同時具備大數(shù)據(jù)和行業(yè)人才。

　　附：國外大數(shù)據(jù)公司圖譜