硅谷投资人：技术创新要少谈“颠覆” 与传统行业融合 解决变现难题

 文 | 硅星闻

2017年，全美风险投资金额达到了这个世纪以来的最高峰。但是这个破纪录的数字背后，隐藏着美国VC界的担忧——近几年的独角兽们常年亏损，IPO遥遥无期，过高的估值又斩断了被收购这条路，变现道路曲折。其中，视频融资的Magic Leap、高开低走的Zenefits都是典型代表。

正是因此，投资者对“颠覆”这个词的耐心已经所剩无几，不少都已经调转方向，青睐有更明晰的商业路径的创业项目，也在主动整合更多的产业资源。

在硅谷投资人、Fusion Fund创始人张璐看来，硅谷的技术创新已经走到了一个新的阶段，从纯粹的技术创新到把新技术与传统行业进行结合，而投资人们无疑也会在此浪潮下做出和几年前不同的选择。其中，医疗、工业智能化、车联网三个行业，很可能成为新技术与传统行业结合的标杆行业。

传感器+数据需求推动商业化

为什么是医疗、工业智能化以及车联网？答案可以从两个层面来谈：一是基础，二是需求。

基础指的是大量低成本传感器的铺设。“在医疗行业、在工业界以及在智慧出行等，已经嵌入了大量的低成本传感器，用于获取人体健康信息、推动智能工业的发展，和收集人车交互，智能交通信息等。”张璐说道。这些信息入口和可用数据给这三个行业打下了与新技术结合的基础。

需求也非常明显。这三个行业有着大量传感器和数据，所以也面临着数据过量的问题。在越来越先进的技术带来的海量数据面前，它们都需要一个行之有效的解决方案来帮助筛选、处理、分析、传输数据。

另一方面，不论是做出医疗决策、在生产线上的选择、还是车和车之间的沟通，往往都需要实时做出反馈。

正是因此，这三个行业的应用窗口很大，更可能作为新兴技术与传统产业结合的范本而提前跑出来。

“在医疗，个性化诊疗是趋势，在车联网和智能工业，更高程度的智能化需求很强。”张璐总结道。

对于这些传统行业来说，从人工智能、到大数据、云计算，再到下一代的芯片和通讯技术，方方面面的新兴技术都会有他们的用武之地，“就像工具一样嵌入不同的行业解决问题。”

以医疗行业为例看技术的力量

医疗行业就是一个很好的例子，随着新兴技术的发展，它过去的三个重要问题几乎都能找到最优解。

问题一：信息过量

首先来谈上文中提到的信息过量问题，基因测序机器运行半个小时，就能产生超过1.5G的数据，而且“数据过量”不仅意味着庞大的数据量，还意味着更难筛选、分析和传输。

在这个逻辑下，AI技术科研应用在医疗影像行业，进行筛选和智能分析。Fusion Fund发布的《2017医疗领域人工智能报告》中指出，计算机视觉在医学影像和诊断的应用包括四个方面：基于X射线；分子成像；核磁共振；超声成像。

收集到医疗数据之后，更加快速、便宜的网络传输技术可以加速分析及数据传输，最终提供更加快速的反馈和有效的数据分析结果。

正是因此，“其实AI、5G技术、新的通讯技术、下一代CDN网络加速技术都是能深入解决医疗行业里信息传递问题的技术。”张璐说道。

除此之外，她认为区块链技术在医疗数据安全方面有很大的潜力，“区块链有天然优势，医疗行业往往需要在多个地方实时看到一个人的各类信息，做到多点同步、还要保证信息的安全、可追踪性，这些恰恰是区块链技术的特点。”迄今为止，行业内还没有真正把医疗数据应用做出来的区块链公司，但张璐从区块链在供应链和智能工业上应用的速度上推测，医疗数据与区块链技术的结合未来的发展也会很迅速。

问题二：资源不平衡

在医疗行业，资源不平衡的情况时有耳闻，中国的问题尤为突出。

根据国家信息中心数据，整个中国登记在册的执业医师（包括助理），仅有303.9万人。在发达城市，大型三甲医院由于要接待来自全国的重症患者压力巨大，2123家三甲医院承担了每年15亿人次的诊疗，几乎占了诊疗总数的一半，有些医生一个上午动辄要看八十个病例。

在小城市与乡村医院，医疗资源相对宽松，然而却往往达不到治疗所需的标准。接近18000家一级和未定级医院仅仅承担了13.3%的诊疗人数。

医疗资源不平衡这件事放在国际上看也仍然成立。《2015 年我国卫生和计划生育事业发展统计公报》显示，2015年中国每1000人口，执业医生数量仅为2.21人，护士仅为2.36人。而在像奥地利、德国这种发达国家，每1000人口执业医生数量是中国的两倍，护士数量是中国的5倍。

资源的不平衡对于重症患者来说可谓生死攸关。2017年美国疾控中心、美国癌症协会、国家癌症研究所等机构联合发布的《美国癌症现状报告1975-2014》显示，美国最常见癌症的五年存活率为66%。根据《2015年中国癌症统计数据》，大约同一时段内，中国的癌症患者五年存活率为36.9%。

中美两个大国之间的医疗资源差距都这么令人心惊，更遑论发达国家与非洲小国之间的差别了。

而技术也可能改变这一点。

“医疗资源的不平衡，我们理解为器械的不平衡和医生、护士等人力资源的不平衡。”张璐解释道。

在通讯技术、云服务进展飞速的现状下，过去的大型医疗器械上的不少功能都可以放在云端，继而推动医疗器械小型化、成本降低。“当医疗器械都变成可以随身携带的大小时，医生就可以去偏远地区问诊，然后在云端进行数据的远程分析。”

而医疗从业者的培训、辅助也是众多技术的用武之地。

比如噱头十足的AR/VR技术，也可以用于对医生、护士进行的专业培训。根据VentureBeat的报道，前Oculus创始成员Shauna Heller创立的项目就能帮忙新医生学会针对婴儿的急救。除了18名开发者以外，这个项目还有洛杉矶儿童医院的帮助，产品已经于2017年成型。

除此之外，“手术机器人、康复机器人、人体外骨骼等技术，都可以帮助年轻的医生更有效、精准地完成手术，或者帮助患者在人力有限的情况下更好地完成术后复健“，张璐说道。

问题三：“地毯式轰炸”治疗

“在过去的肿瘤治疗中，放疗、化疗、手术等都属于地毯式轰炸手段。” 中科院北京基因组研究所研究员、血液学与肿瘤基因组学研究组负责人王前飞在接受人民网采访时谈道。

而技术发展后的精准医疗则希望能解决这个问题。在癌症治疗方面，美国的Kite、Juno等公司都在开发CAR-T(嵌合抗原受体T细胞免疫疗法)药物，让经过设计的针对某个特异性抗原的CAR-T细胞在实验室生长。细胞达到一定数目后，再把它们注入患者体内，杀死具有相应特异性抗原的肿瘤细胞。

形象化地来说，CAR-T疗法属于通过某个标志物来锁定癌细胞，再派一个强力小队到人体里去有针对性地清除目标癌细胞。

“通过机器学习技术，新药的研发过程中能够智能预测候选药物成功或失败的因素，通过收集人类的生理信息，定制药物。这不仅可以提高治疗效果，帮助病人找到最合适的药物和最佳的剂量，并与此同时确保带来较小的副作用，还能降低患者的痛苦程度和经济负担。” 张璐说道。

与此同时，传感器的广泛使用和越来越强的数据收集和分析能力，给个性化提供了重要基础，未来可能从预防、数据收集、数据追踪到诊断、治疗，都会继续往个性化趋势。张璐此前投资的单细胞癌症检测公司Mission Bio，也由于把筛查条件降维到了“单细胞”，所以能够提供更加精准的小细胞癌检测结果。

不过也要注意，也许这并不意外着彻底抛弃传统的医疗器械，有时只需要做到“新旧结合”就能有很好的效果。

举个例子，人们还是通过传统医疗器械收集生理样本，把病人病史、年纪等信息通过网络技术传输到云端，经过深度学习技术进行个性化分析后，把测试结果和此前数据结合，然后给出个性化诊断，最终做到治疗方案个性化。

“其实在任何行业里都是这样，新技术出来并不是要整体替代从业者，而是让数据的收集、分析等等行为更加准确和连续化，作为支持和辅助工具，提高行业效能。”张璐说道。

智能工业：技术推动生产效能提升

制造业往往是一个国家的支柱产业，可以说是立国之本，不过也由于较为传统、设计的产业链条较为复杂，往往变革缓慢。

而智能工业的机会其实就蕴藏在它如今面临的问题之中：人力成本不断上升、各方面的耗能成本也在增加。

德勤及The Manufacturing Institute联合发布的《美国制造业技能gap报告》显示，被调查对象中有67%都表示有中度到重度的人才缺口。而工人工资的上涨也在削弱许多主要经济体的竞争优势——比如在中国和俄罗斯两国，工人时薪年均超过10%的增幅已经持续了接近十年。

能源成本增加也让许多过去的工业制造基地感到忧心。根据BCG发布的《全球制造业转移报告》，2004年至2014年间，波兰、俄罗斯、韩国等经济体的天然气价格上升了100%-200%；澳大利亚、巴西、西班牙等经济体的工业用电价格大幅上升。除北美以外，大部分经济体在2014年的耗能成本都增加了50%到200%。

在这个背景下，引入新兴技术，提高生产效率、降低生产成本就成了制造业最迫切的需求。德国早在2016年就开始推动“工业4.0”，希望能推动工业自动化、信息化转型；去年年底，中国工信部宣布要在2018年推动大数据、AI、制造业深度融合；吴恩达在去年年末宣布的新公司Landing.ai也选择了制造业作为第一个协助其转型、适应AI时代的目标。

在张璐看来，智能工业领域里，她看好以下四个投资机会：

第一层是在生产线层面，有着软件和硬件进一步结合的趋势。“通过低成本的传感器铺设和升级现有的机器，这些机器会变成信息的入口，而这些数据通过软件分析上传到云端后，返回的信息就可以协助进行一些基础的预判。”比如生产线上是否有问题、机器会不会当机、哪些机器需要维修等等。

第二层则是AI在工业自动化的升级应用。以硅谷智能工业公司IamRobotics为例，它通过AI技术把物流仓储、供应链自动化，只需1秒就可以完成捡货、排货的动作，有效能高、准确的特点，可以“最大化降低在重复性劳动中使用人力的场景”。

第三个投资机会则是工业物联网的安全问题。“在工业智能升级后，核心从传统的硬件变成了‘硬件+数据’。在这么庞大的数据量下，系统安全、物联网安全及云安全都非常关键。”她表示，除了民生相关的应用以外，军工也是工业物联网的一个重要组成部分，而安全对军工无疑更是重中之重。

最后，正如上文谈到的，在制造业中，我们也能看到不断地自动化及个性化的升级。“比如现在的3D打印技术就变革了过去统一铸模的生产方式。未来可能一条生产线上能产出好几个不同的产品，这也是很好的投资机会。”张璐说道。

车联网：智能化的应用需求

车联网同样有着强烈的智能化需求。2018年伊始，Waymo宣布将于今年下半段正式提供无人驾驶共享出行服务，L4的自动驾驶商业化浪潮正在滚滚而来。而在自动驾驶产业发展的过程中，人、车、交通系统的交互是绕不开的话题。

“将来不论是要迎接半自动还是全自动的驾驶方式，都需要有快速调配的能力，才能让自动驾驶的效能最大化。”正是因此，张璐强调了车联网中蕴含的第一个投资机会——能够推动车和人、车与车之间乃至车和交通调控系统的沟通更加智能化的技术及应用。

同样从车联网的角度来看，在自动驾驶时代到来的进程中，对于数据上传的速度要求会越来越高，对于延误的容忍度也会变得越来越低，而5G技术的重要性正因此凸显。

在2月26日至3月1日举行的世界移动通信大会上，5G是最引人瞩目的话题之一，中国移动在会上宣布，将在政府的指导下建设世界上规模最大的5G实验网，并正式公布了2018年5G规模试验计划。根据新华社消息，2018年，中国移动将在杭州、上海、广州、苏州、武汉5个城市开展外场测试，在北京、成都、深圳等12个城市进行5G业务和应用示范，探索5G在工业、交通、医疗、教育、智慧城市等行业的创新应用，最终到2019年将实现5G预商用，2020年实现支持智能手机和多种垂直行业应用的端到端规模商用。

而从投资角度看来，“5G相关技术能帮助整个车联网形成快速、高效、无延迟的通讯，是势在必行的。”张璐总结道。