原文作者：David Bogoslaw

在人工智能（AI）的熱潮下，很多風險投資人（VC）不僅在瘋狂地尋找最有前途的AI初創(chuàng)公司，而且還通過將這些AI工具應(yīng)用于內(nèi)部流程，以提高自己的生產(chǎn)率。

尋找新項目，這是VC考慮使用AI的首要任務(wù)。這似乎是一個顯而易見的選擇，AI有助于梳理大量與創(chuàng)業(yè)公司及市場相關(guān)的數(shù)據(jù)。AI工具在搜尋有價值的公司方面，也許有效性還不太明顯，因為很多公司正在遠離人際網(wǎng)絡(luò)的地方建立客戶基礎(chǔ)、創(chuàng)造收入。

1. 尋找數(shù)據(jù)信息

Headline是一家總部位于舊金山的VC機構(gòu)，管理著約40億美元的資產(chǎn)，近20年來一直在使用機器學習（一種初級的AI）。該機構(gòu)創(chuàng)建了幾個專有的數(shù)據(jù)驅(qū)動的機器學習平臺，由17名工程師、數(shù)據(jù)科學家和技術(shù)專家組成的全球團隊提供支持。

其中一個名為“探照燈”（Searchlight）的平臺已經(jīng)成為該機構(gòu)項目源發(fā)掘機制不可或缺的一部分。為了在主要的科技中心之外尋找快速增長的公司，探照燈會掃描全球數(shù)百萬個網(wǎng)站。機器學習使Headline能夠根據(jù)專有算法對公司進行交叉推薦、排名和篩選，這些算法還提供了“用于分析多個行業(yè)初創(chuàng)公司增長和表現(xiàn)的點對點基準，”Headline的兩位合伙人在最近的一篇博客文章中寫道。

探照燈將Headline引向了位于佛羅里達州的一家鮮為人知的公司，名叫為Bitwarden，做的是開源密碼管理器。Headline的創(chuàng)始合伙人托馬斯·吉塞爾曼（Thomas Gieselmann）說：“這家公司只有創(chuàng)始人凱里·斯皮林（Kyle Spearrin）一個人運營，在我們找到他的時候，前50大銀行中有5家是他的付費客戶，美國航空航天局（NASA）也是其付費客戶。公司沒有一位天使投資人，也沒有引入VC…沒有VC能夠給他提供幫助，因為他不在任何VC的人脈網(wǎng)絡(luò)之中。找到他的唯一方法是通過（查看）數(shù)據(jù)，即他的產(chǎn)品在互聯(lián)網(wǎng)上留下的足跡。”

Bitwarden現(xiàn)在是領(lǐng)先的密碼管理公司之一，去年9月獲得了由PSG領(lǐng)投、Battery創(chuàng)投跟投的1億美元成長期股權(quán)投資。Headline在2013年投資了該公司的種子輪，并在2019年11月參與了其A輪投資。

吉塞爾曼將所謂的“數(shù)據(jù)廢氣”（data exhaust）視為一家公司擁有多少市場影響力的指標。“如果某件事成功了，人們就會開始在Reddit、Twitter（現(xiàn)在是X）和某些博客上談?wù)撍?。我們可以測量它出現(xiàn)的頻率。鏈接回特定公司的人數(shù)很有趣，誰能與他們建立聯(lián)系，誰就擁有預(yù)測能力。”

他認為，“數(shù)據(jù)確實消除了偏見，因為它讓我們能夠與有影響力但還沒有接觸（傳統(tǒng)VC）網(wǎng)絡(luò)的公司對話。”

探照燈還幫助Headline識別出了Segment.com，這是一個被其他VC冷落的消費者參與（customer engagement）平臺，但卻最終實現(xiàn)了大回報。在完成了YC的加速器計劃并在演示日接觸了多家VC后，Segment對其產(chǎn)品進行了四次迭代，消磨光了投資人熱情。

“在邊際效用遞減之前，投資人愿意與創(chuàng)始人會面的次數(shù)是有限的，即使你非常有耐心，”吉塞爾曼說。相比之下，Headline既沒有參加YC的演示日，也沒有在其產(chǎn)品達到最終版本之前與Segment的創(chuàng)始團隊見過多次面。

“隨著公司開始成長，我們看到‘數(shù)據(jù)廢氣’，我們知道這里有一些有趣的東西，”吉塞爾曼說。2013年，“我們出手了，給該公司投入了第一筆100萬美元的機構(gòu)資金”。Headline還在2019年參與了Segment的1.75億美元D輪融資。2020年末，Segment被Twilio以32億美元收購。Headline拒絕透露其投資回報。

2. 區(qū)分商業(yè)模式

當搜索公開可用的數(shù)據(jù)時，探照燈還能夠在類似的商業(yè)模式之間做出細微的區(qū)分。它將Headline引向了Poplin，這家公司的前身是上門洗衣服務(wù)商SudShare。吉塞爾曼稱之為“自助洗衣領(lǐng)域的優(yōu)步”。在網(wǎng)上搜索時，你很難將這種服務(wù)與實體自助洗衣店區(qū)分開來。探照燈“讓我們能夠區(qū)分這是一家初創(chuàng)公司（還是）一家連鎖的本地洗衣店，后者對我們來說還不如一家低資產(chǎn)、高增長的洗衣服務(wù)公司有趣，”他說。Headline在2022年3月領(lǐng)投了Popline的1000萬美元的種子輪。

在很大程度上，Headline會避免早期輪次的投資，只有在發(fā)現(xiàn)一家公司出現(xiàn)拐點時才會投資。這個拐點可能是互聯(lián)網(wǎng)流量顯示出對創(chuàng)始人越來越多的認可，這是通過重要來源的鏈接來衡量的，吉賽爾曼認為這高度預(yù)示著業(yè)務(wù)的增長。

Headline也一直在使用AI來幫助它從非結(jié)構(gòu)化數(shù)據(jù)中獲取價值。比如，根據(jù)行業(yè)和地理位置，將初創(chuàng)公司推薦給合適的團隊成員，這樣最對應(yīng)的投資專家就可以主動出擊。

Headline正在開發(fā)技術(shù)，在非結(jié)構(gòu)化數(shù)據(jù)中的尋找模式，從而在世界任何地方識別有前途的公司，而不考慮人類的偏見。吉塞爾曼將這種努力比作聊天機器人如何在非結(jié)構(gòu)化數(shù)據(jù)中找到模式來預(yù)測下一個單詞。

3. 縮小搜索范圍

跟Headline一樣，瑞典的EQT創(chuàng)投也是數(shù)據(jù)科學的信徒。其專有的Motherbrain平臺于2016年推出，目前正在被規(guī)模更大的EQT集團的投資團隊使用。合伙人艾斯麗·倫德斯特倫（Ashley Lundströ）表示，Motherbrain特別擅長解釋替代數(shù)據(jù)集，這些數(shù)據(jù)集可能是投資方向的領(lǐng)先指標。EQT集團已經(jīng)建立了一個名為“Motherbrain實驗室”的完整團隊來對此進行實驗。

倫德斯特倫解釋說：“投資機構(gòu)是在非常廣泛的范圍搜索項目，而這種新方法在非常狹窄但深入的類別中聚焦主題。局限于一個類別，可以對重點數(shù)據(jù)集進行更細致的實驗，因為你不只是在尋找全能型的公司進行階段性投資。”

例如，當研究某些越來越具備市場影響力的醫(yī)療健康技術(shù)時，限制搜索范圍會產(chǎn)生“關(guān)于從哪些數(shù)據(jù)集開始搜索的建議，或者你可以（指定一個非常狹窄的聚焦數(shù)據(jù)集）像分類子集中的研究論文或?qū)W術(shù)出版物，然后你可以深入研究，”她說。

倫德斯特倫表示，如果沒有Motherbrain，EQT創(chuàng)投可能會忽略的兩家投資組合公司是德國遠程辦公桌面軟件開發(fā)商AnyDesk和美國人力資源技術(shù)開發(fā)商Handshake，后者的大學生職業(yè)網(wǎng)絡(luò)使就業(yè)機會的獲取更加民主化。EQT于2018年在AnyDesk的A輪融資首次投資了800萬美元，然后在2020年參與了B輪融資，金額未披露。對于Handshake，EQT在2019年參與了其D輪融資以及該公司在2021年和2022年的后續(xù)融資。

4. 跟蹤人才

通過繪制人才在整個創(chuàng)業(yè)領(lǐng)域的總體流動情況，Motherbrain能提供可能即將爆發(fā)的垂直行業(yè)的先行指標。例如，倫德斯特倫發(fā)現(xiàn)，在美國和歐洲創(chuàng)建了一些最成功的B2C、B2B和金融科技（Fintech）公司的創(chuàng)始人正在向氣候科技（Climate Tech）轉(zhuǎn)移。她還能看到創(chuàng)始人從前公司帶來的運營人員。她指出，提前了解這些模式可以為EQT開始與這些創(chuàng)始人和運營人員建立關(guān)系提供一個良好的開端。

5. AI能力的不足

Headline的吉塞爾曼表示，雖然AI非常適合項目挖掘和拓展等不同的任務(wù)，但在對公司的投資評估上它還沒有準備好。他表示：“我們發(fā)現(xiàn)，產(chǎn)品與市場的契合度（PMF）能夠令人難以置信地預(yù)測一家公司是否會成功。我不認為今天的AI會有（比這）更高的預(yù)測能力。”

吉塞爾曼認為，將AI應(yīng)用于投資決策的主要挑戰(zhàn)是技術(shù)發(fā)展的速度。他表示：“每年都有少數(shù)幾家公司會創(chuàng)造絕大部分回報。到他們實現(xiàn)絕大多數(shù)回報的時候，7到10年已經(jīng)過去了。”

他補充道，試圖尋找與10年前的獨角獸公司表現(xiàn)出同樣增長跡象的新公司的任何人，都會發(fā)現(xiàn)“沒有更多的公司看起來像10年前的（獨角獸公司），因為技術(shù)已經(jīng)進步了。他們現(xiàn)在看起來都完全不同。這些公司有完全不同的組成部分。隨著時間的推移，模式會變化。因此，基于每年推動絕大多數(shù)回報的少數(shù)公司及這個非常小的訓(xùn)練集來訓(xùn)練一臺機器，這是非常困難的。