AI領導力大咖訪談之曾良：人工智能不是奢侈品，是必需品

日前，胡潤研究院發布《2024胡潤全球富豪榜》，財富計算的截止日期為2024年1月15日。胡潤表示今年AI行業大爆發，一半以上新增財富來自于AI。全球共有3279位十億美金企業家上榜，來自北京的AI公司第四范式的戴文淵被認為“財富增長過快”。

今年全國兩會剛結束不久，中國政府高層就前往北京所屬的企業做調研，調研中，總理召開座談會，聽取北京市新質生產力發展情況匯報和有關企業負責人發言。其中，參加座談會的公司負責人包括第四范式（06682.HK）創始人兼CEO戴文淵。

時至今日，第四范式可謂明珠璀璨，而對第四范式“慧眼識珠”的過程不可不表，今天我們文章的主角曾良便是其伯樂之一。

曾良，互聯網創業家和投資人，目前在人工智能、數字營銷、產業互聯網和中國企業國際化等領域進行投資和深度孵化。

他曾擔任金蝶集團高級副總裁，主導過金蝶從財務軟件向ERP的轉型；擔任過微軟大中華區副總裁，主導過中國政府辦公軟件的全面正版化；也擔任過百度集團副總裁和百度糯米CEO。

曾良先生擁有清華大學工學碩士和美國佐治亞理工大學工商管理碩士學位，目前是多家高科技企業的董事或戰略顧問，包括中國領先的企業級人工智能系統平臺企業“第四范式”、企業大數據底座智能平臺“科杰科技”、基于時空大數據的位置智能服務平臺“億景智聯”、新零售時代的人工智能商業語義處理平臺“躍盟科技”和AIoT智慧水利解決方案提供商“迅騰科技“等。

上市前夜的戴文淵問候

2023年9月27日凌晨，第四范式即將第二天掛牌上市，CEO戴文淵，對一個中年男人發出了一條微信：“良哥，感謝你這么多年的陪伴”。

在這樣時刻，收到如此真情表白的中年人，正是投資人曾良。他是第四范式的早期投資人，也是這家企業的長期戰略顧問。

已經上市的第四范式只是他投資的諸多項目中的一個。

2017年，戴文淵找到曾良探討商業化之路時，卻讓剛剛轉型為全職投資人的曾良大為興奮。

此時的第四范式已經創辦兩年多，主要客戶也是大型國有銀行，也經過了一定輪次的融資，估值水平接近了20 億人民幣，在正常人的眼里，已經是一間小有名氣的技術企業。

曾良在會見戴文淵之前，曾與某知名的投資人“老師”打聽過第四范式，那位投資人信誓旦旦地背書說：“這是一個非常優秀的（fintech）金融科技公司”。

但是當曾良聽戴文淵介紹完之后，感覺哪里不對，“我怎么都不覺得你們應該是一家金融科技公司，準確的說你們是用機器學習的方法，來幫助各行各業的企業來提升效率的一家平臺性的人工智能公司”

戴文淵說：“那個某某老師（知名投資人）投了好多企業，他自己也沒搞明白他投的企業是什么類型的了！”

這個投資和合作過程異常順利，一如他不符合坊間常規原則的投資原則，因為看得懂產品和賽道，投資中，參考團隊條件只是投資人決策的一個輔助性因素。而他能“看得懂“產品和賽道，背后則是因為他看得懂人工智能。

為什么能懂人工智能

曾良涉足人工智能的上個世紀90年代，人工智能還屬于“江湖前傳“的階段。圈內一位頂級知名AI 投資人，1988 年在卡內基梅隆大學讀完計算機博士，畢業的時候，導師特別交代他：你出去找工作，千萬別說自己學的是人工智能！

因為當時，大家都不知道人工智能有啥用。學人工智能的人普遍找不著對口的工作，為了謀生，只能說自己是主修 computer science 。

1999年，曾良在美國的第一份工作，恰恰是一家叫做“商業智能”的公司，當時這家公司就提出了 intelligence everywhere這種遠大夢想（讓智能充滿各處），聽著很性感的口號背后，是一點都不性感的事實：人工智能專業畢業生關于人工智能的理解，還都來自科幻電影。因此，當年即使學了人工智能，也都只能進入計算機行業，和計算機軟件甚至硬件打交道，就比如曾良本人的職業經歷中，金蝶軟件、微軟、百度……一路走來，都是與computer science有關，而與人工智能（AI）無關。

所以，即使是真正的業內人士，也沒有想到過去幾十年的“幻覺“在最近的短短十年間竟掀起了兩次浪潮。

人工智能的第一次浪潮是2014年從ImageNet起， 用深度學習網絡在圖形識別中獲得了成功。第二次浪潮是從去年年底看到的這一波從 ChatGPT 帶出來的人工智能的熱潮，第一次浪潮帶來的是對人工智能技術的的驚喜，而第二次浪潮帶來的是全行業乃至全社會亢奮。

人工智能將是怎樣的偉大時代

在大模型驅動產生ChatGPT 這樣成熟的應用之前， AI 基本上是針對一個特定的功能進行訓練。比如Alphago，就是對其通過以圍棋相關的資料針對性訓練，讓其成為該領域的專家。經過多年訓練和測試，Alphago圍棋的棋力超過人類職業圍棋頂尖水平，這只是AI的單一功能的體現。

但是大模型卻是另外的邏輯：大模型是通過海量的材料和數據自己找出學習規律，然后自我演化。

AI的終極目標，不是硅基生命取代人類，而是人工智能擁有人類一樣的自我意識和智慧。

AGI通用人工智能化顯示了這種可能。

大語言模式的突破，使大家感覺到實現ATI，實現通用人工智能出現了第一次真正有意義的曙光。

曾良認為，ChatGPT對人類社會的發展具有里程碑式的意義，可以用互聯網的出現之于互聯網時代的意義，甚至也可以用電力的出現對人類歷史發展的影響的做類比——ChatGPT就相當于富蘭克林用風箏抓到的那束閃電。

這是一個偉大的開始，也是一個偉大時代的開端。

而曾良自己，也一直是這偉大時代的參與者。

對第四范式的投資加深了曾良對用人工智能賽道的理解。除了第四范式這類為行業提供解決方案的平臺型人工智能公司之外，2019年，他開始用自己的方法發現更多人工智能相關創業者。

“特別清晰”是一種怎樣的力量

2019年，曾良在創業學堂結束的晚宴上，他看到了一個剛剛從大企業出來獨立創業的年輕人，做的是使用大數據、人工智能技術的“數據中臺”，于是就“錨定”了他。

兩天后，曾良到對方公司看到了產品路徑圖roadmap，這是他見過的“所謂做數據中臺或叫數據資產管理這個領域中最清晰的一張技術路徑圖”，隨后，曾良提出：你再打開產品給我看一看好嗎？

常規的數據產品，往往很boring ，但是這位創始人展示的界面特別清晰，除此之外，他還能特別清晰的講解出，如何使用才能有效的發生作用。

創業者能對自己的項目想得特別清晰、描述得特別清晰、講解得特別清晰，就說明整件事情具備 “特別清晰”的特質。

這種“特別清晰”在第一時間就打動了曾良。

曾良不僅堅定的投資了對方，還很興奮的承諾“我是天使輪，Pre A 輪我給你搞定”。

知名投資機構為什么錯過3年40倍

AI賽道的投資，投資機構有天然優勢，無論圈外人和行內人，對投資機構都有天然的迷信，認為他們專業甚至完美。

在“推銷”科杰的過程中，曾良真切的感受到，即使是知名投資機構，對于AI行業的投資，也未必是當然正確。

在決定投資科杰之后，曾良拿起電話，至少給十幾家非常知名的VC里的關系人都打了電話，重點推薦這家企業，結果在3 個月之內，所有投資機構都拒絕了科杰，拒絕的理由各不相同，背后體現出的是投資機構對AI行業和AI投資的認知。

A投資機構覺得該企業行業特性不足。按其思路，需深入類似醫療、運輸等具體行業才更具備投資價值。

對此，曾良的思考在于：“這本身就是一個平臺型的企業，沒有那么明顯的行業特性”。換言之，投資機構對于AI賽道項目和產品的理解，并不必然清晰和高明。

Ｂ投資機構拒絕的理由是“前不久投資了另外一家公司”因為，那家公司創始人營銷能力明顯要更強。對此曾良的判斷是：初創級科技企業的1 號位很難是全才，營銷能力不足，可以通過別的方式來補。

對應的是，創始人對產品的理解力反而是更加重要的。他堅信科技企業的一號位不能是個攢局者，而應該是對產品、對科技有深刻理解的一的技術或者產品背景的人。

Ｃ機構是一家如雷貫耳的創投機構，拒絕的理由是在這個賽道上已經投資了兩家企業。曾良經過了對比，發現對方已經投資的兩家企業的質量，其實是不如科杰了。

所以，他仍然堅定了心理，堅信真理仍然只掌握在少數人手中。

幾個月之后，考拉基金成功投資Pre A輪。

有趣的是，考拉基金也是曾經也 pass 過這家企業的投資機構之一，但是最終，隨著時間的延遲，他們“吃了回頭草”，雖然自己的投資眼光的滿足期限被延遲 ，但是，這更堅定曾良的判斷，至今他提及此事仍舊很自豪：我只說一個事實，從 2019 年投資他到今天 4 年多，科杰的估值整整漲了 40 倍。

要知道，這個成績背后，還涵蓋3年疫情時間。

人工智能將是怎樣的偉大時代

曾良自豪于自己的投資眼光和判斷力，表面上看，是他對特定賽道項目的理解力，而事實上，則是他對全球人工智能發展版圖的理解。

雖然，所有的投資人在談到投資邏輯的時候，都會關注項目本身的特質、創始人本身的能力等，折疊投資人看中的核心要素，但是選擇投資科杰，還有另一個不為人知的原因。

就“數據中臺”這一賽道而言，科杰對標物是一個Databricks的開放式數據平臺。

Databricks由美國加州大學伯克利 AMP 實驗室的 Spark 大數據處理系統多位創始人聯合創立,也是最成功的開源項目之一Spark背后的商業公司，經過10年左右的發展，公司All in Cloud的初衷沒有變過，但其最早的定位是不做data warehouse，專注于Maching Learning類型的workload，利用數據湖的海量存儲作為統一的數據底座。

隨著業務的不斷發展，公司發現越來越多的客戶對數據有著多樣化的處理需求，其中很大的一類便是BI分析，此外還有streaming processing等，這些僅僅依靠data lake自身的功能和性能是無法滿足的，因此近些年提出了”Lakehouse“這個概念，將數據湖和數據倉庫統一到一個平臺中，即目前流行的湖倉一體。

當然，科杰和Databrick是否走在相似的道路上還有待觀察，就連科杰也并不確定自己的對標物的具體形態，但是長期在人工智能領域耕耘的曾良，抽象提煉出科杰業務模式的“原神”，這一切的背后，是他對人工智能的理解。

就“數據中臺”這一賽道而言，曾良早有了解和對標。其在美國的對標物叫Databricks的開放式數據平臺。

Databricks由美國加州大學伯克利 AMP 實驗室的 Spark 大數據處理系統多位創始人聯合創立也是最成功的開源項目之一Spark背后的商業公司，經過10年左右的發展，公司All in Cloud的初衷沒有變過，但其最早的定位是不做data warehouse，專注于Maching Learning類型的workload，利用數據湖的海量存儲作為統一的數據底座。但隨著業務的不斷發展，公司發現越來越多的客戶對數據有著多樣化的處理需求，其中很大的一類便是BI分析，此外還有streaming processing等，這些僅僅依靠data lake自身的功能和性能是無法滿足的，因此近些年提出了”Lakehouse“這個概念，將數據湖和數據倉庫統一到一個平臺中，即目前流行的湖倉一體。

如果軟件系統都爆改為Agent，將引發怎樣的社會變革

曾良對以CHATGPT為代表的大模型生成式人工智能抱有強大的信心，尤其對agent的能力充滿期待，他認為，未來Agent可以代替人類做很多事。

他給一家做采購系統的軟件公司提出建議：把軟件系統改成agent！

采購軟件爆改為采購的agent，利用原有軟件所具有的數據系統，就可以提供完備的采購智能服務，比如告知agent預算、采購品類、品牌與質量要求等維度的數據，agent可以高效處理數據，迅速提供一套采購方案。

對應的是，如果軟件的自動化程度足夠高，包括人力資源、招聘等軟件都有可能爆改成agent，使用者只需要使用運營指令，就可以獲得來自Agent的解決方案。

當agent普遍發展，各行各業各個業務都有自身的agent的時候，就是AIGC 應用大爆發的時候，整個社會的自動化的水平因此就會有一個巨大的提升。

因此，對于人工智能的現在和未來，“良哥”也有自己的判斷，通過本期對話大咖，曾良分析了自己對人工智能的理解和判斷。

您覺得人工智能的發展現在應該是什么水平？

曾良：這個問題相當于類比電出現的時候，大眾帶著狐疑來探討電用來干什么的？

大家可能就覺得電發生的時候可能有電燈用來照明，或者有電動機，不會知道有電話、有電報，或者電子計算機，因為所有這些產品的出現都是在隨后的歲月中出現的，每一個的出現，都拓寬了電的應用，讓電最后成為現代社會的血脈。

我們來看人工智能，肯定要50 年以后才知道，但在過程中，要仍然堅信，科技的力量。短期內人們總是高估科技的力量，但是長期人們又會低估科技的力量。就是我們拿 50 年到 100 年的維度來說，科技的力量是非常powerful 的。可是短期來，你說現在人工智能非常火熱，兩到三年就徹底改變世界，可能是一個不切實際的想法。

大咖觀點：工業領域的應用不如to C應用性感，但是可以實實在在的解決問題。

你看到在應用 AI 比較多的行業或者企業有哪些？

曾良：人工智能目前應用的比較多一個是金融行業，因為它的數據太多了，海量而且結構化。第二個其實是互聯網行業本身，中國目前最大的人工智能應用，我們說應該是抖音或者今日頭條。

在未來幾年中，人工智能在零售、教育、醫療、城市管理這些領域發揮越來越大的作用。這醫療行業我想特別說一句，我相信人工智能在醫療行業有巨大的潛能，但這個潛能怎么被逐步釋放在診斷方式上，在藥物的制造上和研發上，很多領域用人工智能都會帶來突飛猛進的變化。

從整個Healthcare 行業來說，是它每一個細分行業人工智能都能產生巨大的作用，但每一個細分行業都需要有很大的技術投入、研發的投入，所以到底需要多長時間，大家才感覺變化會是翻天覆地的？也許不會是一個太短的時間。

我們曾經投資過一家用物聯網的方式去做智慧水利解決方案的公司，后來發現如果把AI 的一些元素灌進去，這家企業的解決方案效率會明顯的提高。用 AI 去賦能這么一家傳統的科技企業，然后再去影響整個水利行業，這種做法可能是在 AI 時代的一個延伸。

當然工業的這些領域，談人工智能應用，可能不會像ToC應用那么性感，但是它實實在在是在幫助企業降低成本、提高效率。

比如，一家采購系統的軟件公司，在AIGC 時代，可以將軟件系統升級改造為一個 agent,遇到有特定預算的客戶，迅速的通過sourcing 完成購買過程外，此外，連人力資源、招聘等工作都可以融合進agent系統，然后agent根據人類的指令就可以完成所有工作，這將是一個非常美好的事情。

大咖觀點：工業領域的應用不如to C應用性感，但是可以實實在在的解決問題。

這一輪人工智能浪潮，中國和外國有怎樣的差距？

曾良：從應用的豐富度來看，美國不見得在這方面能領先于中國。美國明顯領先的是在跟人工智能相關的基礎設施建設，比如要獲取算力，要使用像英偉達的GPU，現在的大語言模型，Open AI 還有包括其他的幾家公司相對走在了前面。由這些基礎設施上衍生出了一些商業公司，比如說美國家公司 call with，他主要做的事情就是把上萬張英偉達的A100 和 H100 的GPU 做出租業務，干得相當不錯，但是嚴格的說都是在為淘金者提供鏟子的。

中國方面目前最大的差距還是的基礎設施，包括基礎大模型這些方面，但具體在應用場景上，中國的互聯網產生了巨大豐富的應用場景，我們并不落后。

大咖觀點：美國明顯領先的是在跟人工智能相關的基礎設施建設；

具體應用上，中國并不落后。

人工智能應用什么事兒一定要做，什么事一定不能做？

曾良：從應用的豐富度來看，美國不見得在這方面能領先于中國。

我跟很多創業者打交道，一般都是告訴他們，什么事兒都可以去做。但是，在做之前要想它出現的后果你能不能承受？

人們往往在短期內會高估科技帶來的作用卻在長期內低估科技帶來的作用。長線來看，20 30 40 年人工智能技術一定會徹底的改變我們所在的這個世界。

但是在短線，它們到底能產生什么樣的效率？帶來什么樣的回報？不要抱不切實際的期望。

就像電力產生的時代，當你還沒有電話、電報、電子計算機的時候，其實是沒有辦法準確的說明白電對人類到底意味著什么。但是一旦有了基于電力設備所產生的各種機器，人類有巨大的潛能被釋放出來，人工智能也一樣。我們沒有辦法準確判斷未來3 年到 5 年到底會是個什么樣子，會不會有翻天覆地的變化？這個行業的從業者必須做好這幾年可能你是要艱苦奮斗的準備，保證所做的事情大部分都在正確的賽道上，逐漸產生收入和創造利潤；能融到足夠的錢，保證企業運營下去，熬到勝利的那一天。

還有一句話是我喜歡創業者說的，悲觀者往往正確，但樂觀者最終成功。你對很多事情你要思考最壞的打算。worst case scenario。

大咖觀點：悲觀者往往正確，但樂觀者最終成功

人工智能時代必然面臨一個“出海”的問題，您怎么看？

曾良：出海這個話題應該是做過去兩年開始又重新熱起來了，其實是早在2006 年我就參與了幫助中國企業的出海。我當時是在金蝶軟件工作，負責金蝶軟件的國際化業務，試圖把我們的 ERP 管理軟件通過香港再賣到東南亞，在想未來有沒有機會再賣到歐洲、北美去。

今天來看出海，要有真正的全球化視野。一帶一路政策的推行，導致世界變得很廣闊的。比如非洲有龐大的市場的存在，智能手機的逐漸普及，人民生活水平的提高，非洲過億人口的國家有好幾個，假設我沒記錯的話，這是一個很巨大的市場。

而中東，一方面它經過石油的貿易積累了巨額的財富，一些國家像沙特拉伯、阿聯酋他也很想在未來世界各有競爭力，所以他們也推出高速發展科技或者發展高端制造的種計劃。跟中東打交道的時候可能也必須得雙向，一方面就要思考中東是有資本，另外一方面也在想對他們來講是什么樣的戰略意義。大家喜歡談的一個詞叫Mina，Middle East and north Africa。

大咖觀點：出海，要有真正的全球化視野。一帶一路政策的推行，導致世界變得很廣闊的。