人工智能在過去的一年，已經成功捕獲了公眾的注意力，霸占著主導媒體報道頭條，并驅動了大量的投資與收購活動。 在這個炒作周期的風口浪尖之上，如何辨別真正有價值的初創公司，對于風投人來說是一個不小的挑戰。

我們從像 CRV、IA Ventures、Two Sigma 等這樣的頂級公司采訪了一些經驗豐富的風險投資人，以了解這些成功的投資者是如何評估人工智能初創公司的。 如果你是一個想創辦以人工智能為核心的公司的創始人，就請重點關注以下提到的幾個問題。

人工智能是不是公司價值主張的核心？

高通風險投資公司（Qualcomm Ventures）的Varun Jain警告地說道：“許多無法籌集資金的公司試圖將自己定位為人工智能公司。 Jain 說他曾經見過某些公司僅僅是使用著以人工智能供電的Wi－Fi路由器就宣稱自己是人工智能類公司。

在這些情況下，人工智能對于這些公司只是一個附加功能，而不是公司價值主張的核心。 Jain解釋說：“傳統的Wi－Fi路由器可以使用人工智能方法來檢測網絡數據中的異常，并標記那些錯誤，但這個功能并不能改變或增加公司的價值。

相比之下，高通風投公司投資了Clarifai和Cruise Automation（已被通用收購）兩個人工智能初創公司。 Cruise是一個為自動駕駛汽車提供智能和動力的公司，而Clarifai則是利用先進的深度學習和計算機視覺技術以高精度識別圖像和視頻中的物體。

你的技術團隊有多可靠？

據CRV公司的Max Gazor說：“具有尖端且新穎的人工智能技術的公司將擁有來自人工智能學術界或來自知名的行業組織如Google Brain或Facebook人工智能團隊的認可。”

CRV 對本公司技術系統的承諾體現在他們投資創始人所具有的非凡經驗中。Robhink Robotics的Rod Brooks是麻省理工學院人工智能實驗室的創始主管，也是成功的機器人公司iRobot（NASDAQ：IRBT）的創始人。 Jibo的Cynthia Breazeal先生在麻省理工學院媒體實驗室成立了個人機器人小組，是一位世界知名的社會機器人專家。 Pullstring的Oren Jacob以前是皮克斯（Pixar）的首席技術官，自公司成立初期就與史蒂夫·喬布斯一起工作。 （Robhink Robotics、Jibo、Pullstring均為CRV旗下公司）

DCM Capital的David Cheng補充說到：在人工智能行業在市場上生命力旺盛的這一階段，只有有限數量的人工智能專家擁有著在大型公司或頂尖大學的必要經驗，從而才能真正構建尖端且創新的解決方案。如果一個團隊聲稱在他們的產品中使用人工智能技術而公司并沒有相匹配的技術團隊，這將會引起我們對其真實性的懷疑。

你能解決客戶的實際問題嗎？

“我發現的一個規律是：當CEO不停地強調本公司擁有的人工智能技術，而不是客戶的需求時，我對他們的興趣就越低。”GE Ventures 的 Michael Dolbec ”我們投資的是寶貴的成果，而不是科研項目。

行業內所有我們接觸到的投資者都對這個觀點表示贊同。

IA Ventures的Brad Gillespie補充說：“如果我不得做這道單選題，在我看來，領域專業知識勝過機器學習專業知識。 IA Ventures投資于Vectra Networks，這是一家由經驗豐富的領域專家領導的網絡安全公司，專注于解決重要的客戶問題，并最大限度地運用安全分析師。

Vectra的競爭對手反復強調他們復雜的機器智能，但買家的反饋是這些家伙雖然聰明，但他們并不理解我的業務。他們的產品有很多的口號和術語，但我不明白它是什么。

有效解決業務問題不僅需要一個專業的團隊，而且要專注于一個特定的業務領域。 Two Sigma Ventures的Colin Beirne指出：擁有不同技術的已存在解決方式能夠解決大多數的問題，但是針對狹窄領域上的人工智能則需要更精確地解決方案。

你有相關的、專有的和可擴展的數據源嗎？

高通風險投資公司的Jain總是向潛在投資對象提出這個問題：你如何獲取數據？你是否依靠大公司提供數據，或者你有獨立的收集方式？這兩種方法都是可行的，但是具有獨立收集方式往往更受歡迎。

自動駕駛汽車傳統上在郊區、停車場和不反映駕駛現實的封閉環境中進行測試。高通的投資組合公司Cruise Automation通過在城市環境中操作測試車輛，由專業人員實時監控，從而獲得了許多缺失的數據。同樣，它的其他人工智能投資公司Clarifai開始與一個流行的消費者app進行合作，使其能夠獲得獨特的數據，然后進一步進行擴展，以得到可以處理具體業務所需要的特定數據。

除了數據源是獨特的和具有辨識度的，它們還必須與實時需要解決的問題息息相關。根據Battery Ventures的Dharmesh Thakker，下一代人工智能技術將取決于你正在開采數據的復雜性。非結構化圖像、視頻和音頻數據比文本數據采集起來要難得多。Thakker還考慮了公司是否需要使用快速移動的數據還是可以止步于靜態數據。快速移動數據，例如被自動駕駛汽車處理的實時圖像，通常比靜態數據要復雜得多。

最后，團隊必須證明他們有能力根據獨特的數據不斷改進他們的表現。高通風投的Jain定期檢查團隊是否能展示快速處理數據和有效優化技術的能力，使系統越來越可靠。

你建立了自己獨特的技術還是依靠公開的源代碼？

Verizon Ventures 的 Suresh Madhavan說：“企業是利用公開源代碼框架還是研發專有技術往往是我們會考察的一項重要標準。 利用公開源代碼將讓你分析一些表面的數據，但它不可能是解決每一項困難的業務問題的最佳方案。”

來自DCM Ventures的Cheng也同意此觀點。 DCM的投資團隊依賴于其強大的行業顧問和技術專家網絡，這些人能夠幫助審查技術堆、數據架構，并確定團隊是否正在合理的進行數據收集、存儲、解析或注釋。

你有粘性產品嗎？

Sumant Mandal作為March Capital的合伙人之一，也是The Hive的共同創始人，這是一家專注于驅動人工智能初創公司發展的“孵化器”。 Mandal強調說：“如果你的機器人不能讓客戶的辦事效率提高至少5－10倍，那么作為一家新的公司，你很難讓客戶看到你的價值所在，”Mandal又強調說，“作為一個創業公司，你要看到的不僅僅是自己的產品，而是你的產品為你的客戶所帶來的效益。例如，如果你想應用機器人來替你的客戶進行招聘，那么你問問自己如果我的機器人能夠將效率提高五倍，那招聘到的人是否能將客戶公司的盈利提高100倍呢？”

此外，他警告說，任何的改進必須是要在負責任的前提下。

即使你有一個理想的產品，讓客戶承諾一個單一的試點計劃并不是一單可行的業務。 Woodside Capital的Kartik Gada尋求的是多樣化的收入和多元化的客戶，常問自己這兩個問題：“你的收入是否在穩步增長？你的客戶是否成為了回頭客？

你有一個多樣化的團隊嗎？

最后一項但同樣很重要的一點是，投資者在尋找的是能夠解決公司創立初期挑戰，并且有信心攻克擴展人工智能業務過程當中所有挑戰的多樣化團隊。 Monsanto Growth Ventures的Kiersten Stead解釋說，“成功的公司要雇傭包含領域專家、商業領袖和銷售人員等在內的整個團隊，而不僅僅是工程團隊。

相反，Stead觀察到，具有人種單一的的啟動團隊，特別是當僅由沒有行業特定經驗的人工智能研究者組成時，往往失敗的頻率更高。

“技術團隊不能很好地與銷售人員進行溝通，反之亦然，” 她強調， “我們尋找的要不就是一個經驗非常豐富的、擁有一個較成熟的職業生涯的人工智能創始人或者是一個各有所長的團隊。”銷售和市場管理往往被忽視以科技為重磅的人工智能創業過程中，但是對于想要成功的公司而言，出色的市場管理往往是不可所缺的。

Woodside Capital的Gada警告說：“人工智能創業公司犯下的最大錯誤是扼殺營銷。大多數客戶并不知道自己需要這些高科技的產品。”