人工智能在金融行業(yè)有許多能產(chǎn)生真實價值的應(yīng)用場景，其中在二級市場投資交易上，基于數(shù)據(jù)算法的量化交易也已經(jīng)有不少成功的操作案例。投資界對數(shù)據(jù)分析的好感度不斷增強，在一級市場創(chuàng)業(yè)投資領(lǐng)域，甚至是天使投資也有了一些試圖通過對數(shù)據(jù)的分析來評估項目投資價值的嘗試。

悖論1：大數(shù)據(jù)算法善于尋找大概率事件，而超高回報必定是小概率的

所謂風(fēng)險投資，投資界的金字塔，尤其天使投資，可謂是投資領(lǐng)域風(fēng)險最高的門類。資本之所以愿意承擔(dān)極高的風(fēng)險，是因為此類資本所追逐的是超高回報。風(fēng)險度越高就要有相應(yīng)的高收益可期待，這是資本的本性。最保守的投資，讓所有投資者幾乎都能獲得最保本的收益。

而高風(fēng)險的投資門類中只有少數(shù)投資者能獲得超高收益。于是乎，我們可以理解，創(chuàng)業(yè)風(fēng)險投資必然尋找的是小概率事件，百里挑一、萬里挑一的所謂獨角獸。而基于大數(shù)據(jù)的算法所計算的是普遍性，也就是它的能力在于尋找大概率事件。兩者的底層意圖幾乎可以說是背道而馳。

打個比方。A成功發(fā)生的可能性是80%，B發(fā)生的可能性是90%，B比A的可能性高了 12.5%，你比較容易決定把賭注下給B。這是在進行大概率事件的比較。

而如果A、B都是小概率事件，情況將變得復(fù)雜許多。例如A發(fā)生的可能性是 0.1%，B的可能性是 0.2%，看上去B的成功率已是A的兩倍，然而同時這一概率也意味著A不發(fā)生的可能性是 99.9%，B則有 99.8% 的可能性不會發(fā)生，它們不發(fā)生的可能性幾乎相等，且都概率極高，依據(jù)這樣的數(shù)據(jù)必然仍舊舉棋不定。

事實上，投 1000次成功1次和投 500次成功1次的意義是一樣的，因為大家可能都不會有超過 500次的投資機會。

悖論2：算法需要數(shù)據(jù)來支持，而創(chuàng)投領(lǐng)域的數(shù)據(jù)是膚淺的

當(dāng)下所謂基于大數(shù)據(jù)通過機器學(xué)習(xí)技術(shù)而不斷精確化的算法，其基礎(chǔ)在于對數(shù)據(jù)的利用，而創(chuàng)投領(lǐng)域極缺數(shù)據(jù)。創(chuàng)業(yè)領(lǐng)域以“創(chuàng)”為關(guān)鍵詞，從無到有，做前人沒有做過的事，走前人沒有走過的路。既無歷史，何來數(shù)據(jù)？

且創(chuàng)業(yè)創(chuàng)新往往在于挖掘前所未有的機會，尋找那些少人關(guān)注且尚未被滿足的市場。一項前所未有的技術(shù)、產(chǎn)品或商業(yè)模式，可以從邏輯上去評估其可行性，卻無法找到足量的對口數(shù)據(jù)去證明。

也因此真正以創(chuàng)新為文化的組織反對用績效指標(biāo)去考核創(chuàng)新部門，從過去總結(jié)獲得的既定標(biāo)準(zhǔn)和框架是無法容納大航海式的探索的。

創(chuàng)投領(lǐng)域那些容易大規(guī)模獲得的數(shù)據(jù)往往十分膚淺而表象，很難成為投資決策的依據(jù)。近幾年，出現(xiàn)了一些收集一級市場項目信息及投融數(shù)據(jù)，并加以分析的網(wǎng)站數(shù)據(jù)庫。有些為了吸引關(guān)注也曾打出讓數(shù)據(jù)算法來指導(dǎo)創(chuàng)業(yè)投資的概念。然而目前這些網(wǎng)站的信息維度往往十分單薄，這些維度上的數(shù)據(jù)往往并不是影響創(chuàng)業(yè)成敗的核心。

即便是這些數(shù)據(jù)，其可靠性也往往無法考證，更沒有像二級市場那樣經(jīng)過專業(yè)部門審核的企業(yè)運營數(shù)據(jù)。

它們作為黃頁性查詢功能的作用遠(yuǎn)多于作為分析工具的作用；其數(shù)據(jù)反饋整體概貌的意義遠(yuǎn)大于評估個體價值的意義；它們有監(jiān)測變化現(xiàn)象的效用但無法真實反饋動因。注意，這里不是說這類數(shù)據(jù)庫沒有意義，而是說它們存在的主要價值并不在于用數(shù)據(jù)分析來評估項目。

例如關(guān)于類似熱議度的指標(biāo)，因媒介信息曝光的數(shù)據(jù)較易獲取，據(jù)此比較熱議度、媒體曝光度等指標(biāo)也比較容易實現(xiàn)。

然而，某些項目熱議度高或許是因為急于融資而必須大聲兜售，在內(nèi)容營銷上投入了更多成本，這些內(nèi)容影響的并非其產(chǎn)品的目標(biāo)用戶而是融資的目標(biāo)資本方；而那些熱議度低甚至少人知曉的項目也可能已經(jīng)在悄悄賺錢，或正在修煉著秘而不宣的神功。最終這些數(shù)據(jù)反饋的指標(biāo)并不能讓投資人少做一些調(diào)查，反而還有可能會蒙蔽你。

悖論3：風(fēng)投決策依據(jù)的善變無法實現(xiàn)算法的復(fù)用意圖

與相對成熟的行業(yè)不同，創(chuàng)業(yè)創(chuàng)新領(lǐng)域缺乏恒定的評估指標(biāo)，且許多影響因素可能是隱性的。創(chuàng)業(yè)投資的周期較長，而內(nèi)外部環(huán)境的變化卻要比傳統(tǒng)領(lǐng)域快許多。因此其中總要歷經(jīng)千回百轉(zhuǎn)。

一個種子階段很有希望的項目在A輪后很有可能因為內(nèi)外部環(huán)境已變而瞬間窮途末路。

免費模式可以是高效的也可以是無效的，可能在兩年前有效在兩年后無效；第一年就把收支打平的可以是好項目也可能沒有更大的想象空間；創(chuàng)始人可以因破釜沉舟而發(fā)奮崛起，也可能因沒有后顧之憂而更易耐得住寂寞和誘惑；在一年前可能還未出現(xiàn)的所謂風(fēng)口，在一年后也可能已關(guān)閉。

同樣的信息樂觀的投資人認(rèn)為利好，悲觀的認(rèn)為利空，今天認(rèn)為是利好，而明年可能轉(zhuǎn)向。甚至資本方自身也是重要變因，也并不總是起到正面的作用，錯配的資本也可能令一個優(yōu)秀的項目走入絕境。

即便不基于數(shù)據(jù)而基于投資邏輯，創(chuàng)業(yè)風(fēng)險投資也很難有包贏的套路。即便是頂級的天使投資人之間也有許多意見相左的時候。在某些情況下，投資人也可能只認(rèn)定某一個道理而義無反顧的支持下去。

在每個投資人心里，什么因素更重要各有自己的算法，且會根據(jù)不斷的信息輸入與思考持續(xù)進行變因增減和權(quán)重調(diào)整，而這種調(diào)整發(fā)生的頻率節(jié)奏相當(dāng)高。

也就說每個項目可能都有其自身的特殊性，即便你有一套算法，也很難一層不變的套用到多個項目上，最終往往仍需要一事一議，或因為某種特殊的因素，進行“破格入選”。這意味著既定算法的復(fù)用性將相當(dāng)?shù)停惨虼藷o法真正體現(xiàn)作為機器算法的那種“一本萬利”的效用。

多一些獨立思考，少一些投機跟風(fēng)

試圖用一個既定算法模型去評估創(chuàng)業(yè)項目的投資價值顯得過于推卸責(zé)任。在創(chuàng)業(yè)風(fēng)險投資領(lǐng)域尤其稀缺有獨立思考能力的投資者。如果這一領(lǐng)域做決策能有賴于算法，那意味著許多投資者都能獲得超高收益，這顯然不符合能量守恒。

人們不斷總結(jié)過往的經(jīng)驗，試圖預(yù)知命運，然而套用一句話，“所有的幸福都是相似的，而不幸卻各有各的不同”。在這個不幸案例遠(yuǎn)遠(yuǎn)多于幸福案例的的領(lǐng)域，則更多的是“各有各的不同”。

更多行業(yè)資訊，更新鮮的技術(shù)動態(tài)，盡在。