pi Ventures：我们只投AI，我们投一个创业公司的标准是这样的

2016年，Manish Singhal和Umakant Soni联合创立了pi Ventures，这是一家投资公司，目的是向起步阶段的初创企业投资，并且把目光锁定在了人工智能（AI）、机器学习（ML）和物联网（loT）领域。

Manish Singhal和Umakant Soni都毕业于印度理工学院坎普尔分院，Singhal是LetsVenture网络平台的创始人之一，该网络平台云集了许多初创公司和早期投资商。Singhal曾与Sling Media，Ittiam System和Motorola共事，他凭借自己丰富的实践经验参与制定了MPEG-4标准，该视像标准在当今仍占主导地位。Soni 是科技（Science）有限公司的印度负责人，也是Vimagino公司的创始人之一。Vimagino是印度最早一批的AI机器人公司。

Manish Singhal称，pi Ventures的总份额为3000万美元（约19亿卢比），今年三月的首次收盘价为1300万美元，此外世界银行的附属机构国际金融公司在五月份还向pi Ventures投资了300万美元。pi Ventures预计会在未来3-4年间继续向18-20家印度初创企业投资。Singhal在接受《福布斯》印度版商刊采访时提到了他的投资策略。

Manish Singhal表示，能够智能采集数据的产品将成为市场中的佼佼者。因而，现阶段，Singhal通过pi Ventures投资了多家AI、机器学习和互联网初创公司。

Manish Singhal是pi Ventures的合伙创始人，他认为我们即将告别移动互联网时代，走向人工智能时代。

Q：您为什么到要建立一个创业基金，并向AI、ML和IoT初创企业投资？

我们最初的想法很简单。现如今，数据已成为所有产品的重要组成部分，我们意识到未来产品要充分利用智能数据。以Facebook为例，打开Facebook，它会智能获取照片，确认用户身份，提供相关信息。使用谷歌地图时，它会自动制定出前往目的地的交通路线。所以，能智能处理数据的产品将在市场上处于领先地位。

运用AI和ML技术是实现实时智能的最佳途径。传统的基于规则的分析方法都会采用“if”和“else”这类算法——满足条件便可得出结果。但我们很难区分绝对的“yes”和“no”之间的模糊概念。而AI和ML试图模拟人类思维，而这种学习方法是有章可循的，能够进一步填补技术空缺。我们最初的想法是：数据将统治世界，数据将成为人们嘴中常说的“新石油”。而AI和ML技术就如同“手动泵”,你随时可以自己动手，抽出“石油”。

我们的第二个想法就是，数据是个极其专业的领域，你需要十分清楚AI和ML的应用领域和使用技巧。我们相信，我们的技术团队能够与各初创公司高效协作，解决问题。

我们的第三个想法是，当今世界正在从移动互联网时代发展成为人工智能时代。十年前，我们会问初创公司们：“你们公司有云技术吗？”五年前，我们会问“你们公司有移动互联网技术吗？”然而两年过后，我们甚至都不会问那些公司是否运用了AI或ML技术，因为不使用这两种科技的产品终将被时代淘汰。

Q：现如今AI一词泛滥。您是如何分辨出哪些创业公司真正使用了AI技术，而哪些公司又只是进行单纯的数据分析？

这就属于我们的核心技术了，我们这些企业家也是技术专家。我们会深入考察这些初创公司的科技手段，进而分辨他们是否真正使用了AI技术。我们会审视公司的产品结构、分析算法、数据策略以及所有科技手段。

即便使用了AI技术，我们也会从多方面进行考察：人工智能的防御性如何？能够经受反复考验吗？AI的灵活性如何？因此，我们还会为AI划分等级，而非只关注是否使用了AI技术。

Q：您进行风险投资时，评估标准是什么呢？

风险投资的普遍标准仍然是：高效的工作团队、优良的经营模式和庞大的市场规模。此外，我们还会考虑另外两个参数。

其一，IP（知识产权）主导产品是我们考量投资对象的关键参数，也是商业活动的重要标准。我们会考察分析算法是否具有可防御性和适用性。例如SigTuple（pi Ventures的投资对象之一，该公司开发出了一种自动分析血液样本的机器）的分析算法，运用他们的产品进行血样病理分析极其便利。

其二，我们会深入考察数据策略。AI是以数据为基础的，如果创始公司的数据策略不够完善，他们的工作会很吃力。这就是为什么SigTuple花费了一年多的时间优化其知识产权产品，因为他们需要数据。SigTuple着手这项工作时意识到无法获取血样数据的数字资料，便突发奇想，提出运用显微镜获取早期数据。因此，数据处理策略至关重要。我们会问这些问题，比如贵公司如何获取数据？你们的数据策略能否自动生成数字化数据？这些数据的价值在哪？

Q：请您谈谈目前的投资对象。

目前为止，我们一共有四个投资项目。第一个投资对象是SigTuple，该公司开发的机器可通过图像分析和人工智能技术诊断血样。使用他们的产品，无需病理学家盯着显微镜的载物片观察血样，诊断费也减少了一大部分。SigTuple公司还进行精液分析、尿液分析以及视网膜病变分析。Accel Partners对SigTuple公司进行了A轮投资，投资总份额为580万美元，我们公司也参与了投资。

第二个投资对象是ten3T公司，我们投资的启动资金约为25万美元。ten3T公司研发了一款智能穿戴设备，患者戴在胸前，相关数据能通过设备实时传输到云。心脏病医生无论在哪，都可以打开平板，查看患者的医疗心电图（ECG），从而对患者进行连续实时监控。

此外，我们还和Blume风险投资公司一起向Zenatix公司投入资金8千万卢比。Zenatix公司开发了一款能源管理产品，运用实时智能数据为建筑项目经理节省了30%的能耗费用。

我们的第四个投资对象是Niramai公司（启动资金不便透漏）。Niramai是一家从事乳腺癌检测的初创企业，该公司创建了计算机视觉技术，运用热影像来监测识别癌症的早期症状。

我们希望尽早进行投资，通常第一笔投资的支票面额约50万美元（约3千万卢比）。但视情况而定，第一笔资金最低仅10万美元，最高可达100万美元。我们还会进行后续投资，直到A轮投资结束。

Q：您的四个投资对象中有三个属于医疗卫生领域。为什么投资都集中于这一领域？难道AI更有助于解决医疗卫生领域的难题吗？

是的，AI有助于促进医疗卫生领域的发展。医疗卫生领域数据庞大，且有诸多问题亟待解决，尤其是在印度这类国家。印度的人口总数超过十亿，但其医疗资源水平低下，患者通常会让家人和朋友推荐口碑较好的医生，再去咨询就诊。印度人绝不放心自己走进医院，也从不奢望能得到细心照料。在二三线城市更不妄想得到高水平的医疗体验。就像金字塔，塔尖的人们都难以得到优良的医疗资源，更别提塔底的人们。他们基数庞大，急切渴望得到优良的医疗资源。显而易见，供需之间存在巨大缺口。这一缺口（即金字塔的中间夹层）可以通过AI技术来弥补。例如，凭借Niramai公司的技术，一名技术员可以很好地完成乳腺癌检测工作，不再需要有15年工作经验的肿瘤医生来完成这项工作。科技能够促进医疗水平的发展，而AI恰好能发挥作用。

Q：虽然AI技术前景无限，但在您看来，印度在发展AI技术的过程中会遇到什么难题呢？

我认为有三大支柱共同支撑印度AI技术的发展。这三点是强有力的支撑，然而，哪里有支点，哪里就有挑战。第一大支柱是数据，第二大支柱是人才。但这两大支柱已经开始动摇。美国的运通、亚马逊和微软公司几年前就在印度设立了科学数据中心；现如今人才也开始逐渐流失，不是加入了创业者大军，就是自己单独创业。因而，数据工程师也越来越多。第三支柱就是AI商业化。印度企业是否愿意利用AI实现大跨步发展？诚然，这三大支柱共同推动了AI的发展。所以我认为，尽管挑战重重，但整个生态系统正在蓬勃发展。大概再过2-5年，整个世界就趋于稳定，到那时，这三大点也会得以印证。