在科技投資中，旁觀者沒有損失，但肯定不會有任何收益；唯有躬身入局：讓技術跟產業兩個齒輪磨合，才能成功。
創業歷程
王淮畢業於浙江大學計算機系，在美國俄亥俄州立大學讀機器學習方向的博士學位時，正值 web 2.0 創業浪潮在矽谷興起，由於對矽谷創業氛圍十分向往，王淮搬到矽谷工作，並在2007年加入當時還只有百人規模的Facebook，成為Facebook總部第二位中國籍工程師，第一位中國籍研發經理。
Facebook 的工作經歷讓王淮體會了一個高速發展的創業公司從零到一的過程，同時也見證了矽谷初創公司與風險投資是如何共同陪伴成長的。在Facebook工作接近五年後，王淮離開Facebook。他打算做些自己的事情。
回國後，王淮接觸了不少國內的科技創業者，他發現，無論是技術能力還是對創業的理解，這些人都並不遜色於矽谷。出於相信國內市場前景廣闊大有可為，以及想做些更有挑戰更有趣的事情，他果斷把全家從矽谷搬回了國內，開始做天使投資人。
2014 年，王淮創立了線性資本，把天使投資機構化，並在接下來的幾年裏走出了一條專註科技投資之路。
01科技投資方向的回歸
Q：2014年成立線性資本之後，主要聚焦在技術投資這個領域，是什麽讓您選擇技術投資這個方向的？
王淮：線性從成立之初發展到聚焦技術投資，花了差不多兩年的時間。那時的狀態是：工程師做天使基金，一開始從對技術的100%聚焦，然後下降到大概40%，再重新回到對技術100%的聚焦。
究其原因，和如何認識自我、了解自我的過程極其相似。這個自我探索的過程花了我們4年時間，同時也讓我搞清楚了三個重要的問題：
第一個問題，有價值的投資方向是什麽？在當時，用外部世界以及投資人的視角來看，這並不是一個主流的看法，但我們相信從長遠發展來看是肯定有價值的。
第二個問題，只是賺鈔票，還是做事業？一方面是選我自己喜歡的方向，畢竟我創立線性資本並不是單純沖著錢去的，理論上我已經不用再工作了，所以就不想委屈自己。那幾年的探索也讓我明白自己不是沖著賺錢去做的，所以我們在項目的選擇上做了很多取舍。
第三個問題，回歸到自己最擅長的領域。畢竟，自己在Facebook是解決技術問題的，而2012年，國內團隊超大規模問題的技術積累相對比較少，當時的阿裏、百度的規模跟今天比還相去甚遠。所以，那個時候我們擅長的技術積累是我們的競爭優勢。
可以想象，即使今天絕大多數超一流的技術創業者，想要找到一個技術底蘊比他更強的投資人，這種可能性是幾乎沒有的。所以，在當時環境下，這是我們非常難得的一個特點。對技術創業者，尤其是對大型互聯網相關的技術性問題，我們有技術積累，我們的理解和經驗比他們還多，這正是勝出同行的差異點。
所以這是我們重新聚焦於技術投資的三個關鍵點：首先，技術投資是有長期價值的；其次，技術投資是我喜歡的；最後，技術投資也是我擅長的。正是因為這三個原因，投資方向也逐漸收斂到了這三個關鍵點的重疊之處——技術投資。
02科技投資的底層邏輯
Q：線性資本在國內算是較早從事技術投資的，當時整個的行業現狀是怎樣的？有哪些挑戰？
王淮：當時對於技術投資這一塊，LP（Limited Partner，有限合夥人，風投出資人的一種）的認知是，做技術投資的形勢是非常嚴峻的，絕大多數LP是不認同這條路的。不認同的原因有三個：
第一，見效時間長，賺錢速度慢。當時在ToC的互聯網（ToC，即to Customer,面向用戶的互聯網）領域，兩年獲得十倍收益的情況絡繹不絕。好像是將肉扔進鍋裏一翻炒，大概五秒鐘就能聞到肉香的狀態。像科技投資這類的，可以比喻成「燜鍋」，要燜很久，香味才有機會出來，而且在過程中燜得好與壞，是不確定的。
第二，項目拓展空間小。它畢竟沒有ToC項目（面向用戶的項目）那麽大的拓展空間。即使今天去看這類投資的特點，也不是短平快，也不可能迅速變得規模特別大。所以很多ToC轉型過來去投科技項目的投資人，在底層邏輯上就面臨很多的糾結。他們很難改變「短平快」的投資心態。
第三，好工程師能轉型成為好投資人嗎？雖然我是很好的工程師，但LP（有限合夥人）無法確定我能不能成為一個「賺錢「的投資人？畢竟，LP投錢不是做慈善，在相信你的理念、打法之外，還要相信你有長期賺錢的能力。但那個時候，我還沒法證明自己是否能從一個好的工程師轉型成為一個好的投資人。大多數LP跟GP（General Partner,普通合夥人）一樣，不太願意早期下註在自己不熟悉甚至還不認同的方向和人上。
Q：這幾年，我們看到有越來越多的機構加入到技術投資這個領域，你們肯定不再像早期那麽孤獨，從發展的角度來看，尤其是2014年線性資本成立之後，行業發生了哪些關鍵的變化？
王淮：我們認為在過去十年大數據、算法、算力、人才供應、場景，這五個方面都有特別大的進步和變化：
第一，大數據普及。過去十年大數據行業在數量、質量、顆粒度、準確度、結構性等方面都發生了天翻地覆的變化。今天各行各業都不會懷疑大數據的重要性，但是，十年前大家會疑惑什麽是大數據，普遍會以為數據多就是大數據，對數據的結構性、質量、顆粒度、數據健康完全沒有系統性的認知，數據治理更完全是處於混沌狀態。所以，大數據行業的十年之變，堪稱改天換地。
第二，算法應用。比如深度學習已經成功應用於圖像識別、人臉識別和語音識別等領域。借助於數據和算力的進步，深度學習算法得以用於非結構化數據領域，並得到了巨大的進步。得益於手機和移動互聯網（4G和5G）技術的快速發展與普及，能夠被用來深度學習的非結構化數據越來越豐富，深度學習算法在應用層面隨之產生巨大突破。雖然人工智能技術在1956年就有了，但一直沒有實際應用，雖有個別應用，也是實驗性場景的應用，從未進入到現實的、大規模的行業應用中。所以，新時代為算法應用提供了機遇。
第三，算力增長。從英偉達過去十年股價的變化中，不難發現算力快速發展的誇張程度。在英偉達，現在的業內最頂尖的工程師，都是「軟硬兼通」的人才。只懂軟件、算法、驅動這些知識還不夠，還要懂AI、硬件。在矽谷，芯片產業從「夕陽紅」變成了「早晨八九點鐘的太陽」，下一代計算芯片在中國和美國都成一個「香餑餑」。所以算力在過去十年，每年大概是五到十倍的增長，也帶來了巨大的變化。
第四，人才成長。剛回國的時候，真正懂大數據的人才不多。今天，不管是海歸的，還是百度，阿裏，騰訊等擁有大規模數據的公司培養出來的本土人才，有大數據實踐經驗的人才可能超過了100萬人。包括工程師、科學家、數據分析師，都是千倍規模的增長。
第五，應用場景成熟。很多的產業，例如農業領域、養殖領域，這些非常傳統的行業，都在考慮用大數據、AI去改造傳統產業。大量製造業企業都是在不斷地用大數據、AI、機器人等整合方案進行改進，尤其是那些人才質量較高的傳統產業，比如高端製造業之類的場景。所以，整個應用場景的成熟是驅動這一波大數據、AI、機器人技術改造各行各業的根本原因。
Q：對技術投資的未來，您有什麽樣的期待？
王淮：現在搞技術投資的人是多而不精，大多追求閃電戰，這是一個嚴重的問題。
很多機構還不認同它的價值，沒有做好持久戰的準備，而是一擁而上，追求短平快。100個人當中真正認同技術投資等，也就10個左右，另外90個都是打幾槍就走的遊擊隊。但我相信，現階段這100個裏面即使只有10個是真正可靠的，總比冷冷清清的要好，並且整體已經比之前的情況好很多了。
對於技術投資我有幾個期待：一是有更多的投資人和錢能夠進來。開始可能比較泛和亂，但隨著時間的沈澱，一定會有不少優秀的投資人湧現出來，尤其是原來可能被其他短平快的機會所吸引的投資人，現在只要這些優秀的投資人沈下心來研究這些東西，肯定會有轉變。
二是科技投資的引導政策一定會越來越成熟。過去的政策很多時候就是大而全，雖然很有遠見，但是在執行的精細化層面，還有一些值得去改進的地方。未來國家在政策的製定和執行上，一定會對於用心做事的機構和創業者給予更多的支持。
三是新一代的企業家崛起。我認為未來會有越來越多成熟的、高質量創業者成長起來。一個產業的成功必然會誕生一批優秀的創業者。在產業互聯網，會更多有領導力和影響力的創業者加入進來。如果把中國實體經濟上升比作攀巖，這些先行者對社會的勘實和引領就是打下一個個牢固的攀巖釘子，為後人開辟了登頂的通途。
以上是我對技術投資未來的期待。
