日前，胡润研究院发布《2024胡润全球富豪榜》，财富计算的截止日期为2024年1月15日。胡润表示今年AI行业大爆发，一半以上新增财富来自于AI。全球共有3279位十亿美金企业家上榜，来自北京的AI公司第四范式的戴文渊被认为“财富增长过快”。
今年全国两会刚结束不久，中国政府高层就前往北京所属的企业做调研，调研中，总理召开座谈会，听取北京市新质生产力发展情况汇报和有关企业负责人发言。其中，参加座谈会的公司负责人包括第四范式（06682.HK）创始人兼CEO戴文渊。
时至今日，第四范式可谓明珠璀璨，而对第四范式“慧眼识珠”的过程不可不表，今天我们文章的主角曾良便是其伯乐之一。
曾良，互联网创业家和投资人，目前在人工智能、数字营销、产业互联网和中国企业国际化等领域进行投资和深度孵化。
他曾担任金蝶集团高级副总裁，主导过金蝶从财务软件向ERP的转型；担任过微软大中华区副总裁，主导过中国政府办公软件的全面正版化；也担任过百度集团副总裁和百度糯米CEO。
曾良先生拥有清华大学工学硕士和美国佐治亚理工大学工商管理硕士学位，目前是多家高科技企业的董事或战略顾问，包括中国领先的企业级人工智能系统平台企业“第四范式”、企业大数据底座智能平台“科杰科技”、基于时空大数据的位置智能服务平台“亿景智联”、新零售时代的人工智能商业语义处理平台“跃盟科技”和AIoT智慧水利解决方案提供商“迅腾科技“等。
上市前夜的戴文渊问候
2023年9月27日凌晨，第四范式即将第二天挂牌上市，CEO戴文渊，对一个中年男人发出了一条微信：“良哥，感谢你这么多年的陪伴”。
在这样时刻，收到如此真情表白的中年人，正是投资人曾良。他是第四范式的早期投资人，也是这家企业的长期战略顾问。
已经上市的第四范式只是他投资的诸多项目中的一个。
2017年，戴文渊找到曾良探讨商业化之路时，却让刚刚转型为全职投资人的曾良大为兴奋。
此时的第四范式已经创办两年多，主要客户也是大型国有银行，也经过了一定轮次的融资，估值水平接近了20 亿人民币，在正常人的眼里，已经是一间小有名气的技术企业。
曾良在会见戴文渊之前，曾与某知名的投资人“老师”打听过第四范式，那位投资人信誓旦旦地背书说：“这是一个非常优秀的（fintech）金融科技公司”。
但是当曾良听戴文渊介绍完之后，感觉哪里不对，“我怎么都不觉得你们应该是一家金融科技公司，准确的说你们是用机器学习的方法，来帮助各行各业的企业来提升效率的一家平台性的人工智能公司”
戴文渊说：“那个某某老师（知名投资人）投了好多企业，他自己也没搞明白他投的企业是什么类型的了！”
这个投资和合作过程异常顺利，一如他不符合坊间常规原则的投资原则，因为看得懂产品和赛道，投资中，参考团队条件只是投资人决策的一个辅助性因素。而他能“看得懂“产品和赛道，背后则是因为他看得懂人工智能。
为什么能懂人工智能
曾良涉足人工智能的上个世纪90年代，人工智能还属于“江湖前传“的阶段。圈内一位顶级知名AI 投资人，1988 年在卡内基梅隆大学读完计算机博士，毕业的时候，导师特别交代他：你出去找工作，千万别说自己学的是人工智能！
因为当时，大家都不知道人工智能有啥用。学人工智能的人普遍找不着对口的工作，为了谋生，只能说自己是主修 computer science 。
1999年，曾良在美国的第一份工作，恰恰是一家叫做“商业智能”的公司，当时这家公司就提出了 intelligence everywhere这种远大梦想（让智能充满各处），听着很性感的口号背后，是一点都不性感的事实：人工智能专业毕业生关于人工智能的理解，还都来自科幻电影。因此，当年即使学了人工智能，也都只能进入计算机行业，和计算机软件甚至硬件打交道，就比如曾良本人的职业经历中，金蝶软件、微软、百度……一路走来，都是与computer science有关，而与人工智能（AI）无关。
所以，即使是真正的业内人士，也没有想到过去几十年的“幻觉“在最近的短短十年间竟掀起了两次浪潮。
人工智能的第一次浪潮是2014年从ImageNet起， 用深度学习网络在图形识别中获得了成功。第二次浪潮是从去年年底看到的这一波从 ChatGPT 带出来的人工智能的热潮，第一次浪潮带来的是对人工智能技术的的惊喜，而第二次浪潮带来的是全行业乃至全社会亢奋。
人工智能将是怎样的伟大时代
在大模型驱动产生ChatGPT 这样成熟的应用之前， AI 基本上是针对一个特定的功能进行训练。比如Alphago，就是对其通过以围棋相关的资料针对性训练，让其成为该领域的专家。经过多年训练和测试，Alphago围棋的棋力超过人类职业围棋顶尖水平，这只是AI的单一功能的体现。
但是大模型却是另外的逻辑：大模型是通过海量的材料和数据自己找出学习规律，然后自我演化。
AI的终极目标，不是硅基生命取代人类，而是人工智能拥有人类一样的自我意识和智慧。
AGI通用人工智能化显示了这种可能。
大语言模式的突破，使大家感觉到实现ATI，实现通用人工智能出现了第一次真正有意义的曙光。
曾良认为，ChatGPT对人类社会的发展具有里程碑式的意义，可以用互联网的出现之于互联网时代的意义，甚至也可以用电力的出现对人类历史发展的影响的做类比——ChatGPT就相当于富兰克林用风筝抓到的那束闪电。
这是一个伟大的开始，也是一个伟大时代的开端。
而曾良自己，也一直是这伟大时代的参与者。
对第四范式的投资加深了曾良对用人工智能赛道的理解。除了第四范式这类为行业提供解决方案的平台型人工智能公司之外，2019年，他开始用自己的方法发现更多人工智能相关创业者。
“特别清晰”是一种怎样的力量
2019年，曾良在创业学堂结束的晚宴上，他看到了一个刚刚从大企业出来独立创业的年轻人，做的是使用大数据、人工智能技术的“数据中台”，于是就“锚定”了他。
两天后，曾良到对方公司看到了产品路径图roadmap，这是他见过的“所谓做数据中台或叫数据资产管理这个领域中最清晰的一张技术路径图”，随后，曾良提出：你再打开产品给我看一看好吗？
常规的数据产品，往往很boring ，但是这位创始人展示的界面特别清晰，除此之外，他还能特别清晰的讲解出，如何使用才能有效的发生作用。
创业者能对自己的项目想得特别清晰、描述得特别清晰、讲解得特别清晰，就说明整件事情具备 “特别清晰”的特质。
这种“特别清晰”在第一时间就打动了曾良。
曾良不仅坚定的投资了对方，还很兴奋的承诺“我是天使轮，Pre A 轮我给你搞定”。
知名投资机构为什么错过3年40倍
AI赛道的投资，投资机构有天然优势，无论圈外人和行内人，对投资机构都有天然的迷信，认为他们专业甚至完美。
在“推销”科杰的过程中，曾良真切的感受到，即使是知名投资机构，对于AI行业的投资，也未必是当然正确。
在决定投资科杰之后，曾良拿起电话，至少给十几家非常知名的VC里的关系人都打了电话，重点推荐这家企业，结果在3 个月之内，所有投资机构都拒绝了科杰，拒绝的理由各不相同，背后体现出的是投资机构对AI行业和AI投资的认知。
A投资机构觉得该企业行业特性不足。按其思路，需深入类似医疗、运输等具体行业才更具备投资价值。
对此，曾良的思考在于：“这本身就是一个平台型的企业，没有那么明显的行业特性”。换言之，投资机构对于AI赛道项目和产品的理解，并不必然清晰和高明。
Ｂ投资机构拒绝的理由是“前不久投资了另外一家公司”因为，那家公司创始人营销能力明显要更强。对此曾良的判断是：初创级科技企业的1 号位很难是全才，营销能力不足，可以通过别的方式来补。
对应的是，创始人对产品的理解力反而是更加重要的。他坚信科技企业的一号位不能是个攒局者，而应该是对产品、对科技有深刻理解的一的技术或者产品背景的人。
Ｃ机构是一家如雷贯耳的创投机构，拒绝的理由是在这个赛道上已经投资了两家企业。曾良经过了对比，发现对方已经投资的两家企业的质量，其实是不如科杰了。
所以，他仍然坚定了心理，坚信真理仍然只掌握在少数人手中。
几个月之后，考拉基金成功投资Pre A轮。
有趣的是，考拉基金也是曾经也 pass 过这家企业的投资机构之一，但是最终，随着时间的延迟，他们“吃了回头草”，虽然自己的投资眼光的满足期限被延迟 ，但是，这更坚定曾良的判断，至今他提及此事仍旧很自豪：我只说一个事实，从 2019 年投资他到今天 4 年多，科杰的估值整整涨了 40 倍。
要知道，这个成绩背后，还涵盖3年疫情时间。
人工智能将是怎样的伟大时代
曾良自豪于自己的投资眼光和判断力，表面上看，是他对特定赛道项目的理解力，而事实上，则是他对全球人工智能发展版图的理解。
虽然，所有的投资人在谈到投资逻辑的时候，都会关注项目本身的特质、创始人本身的能力等，折叠投资人看中的核心要素，但是选择投资科杰，还有另一个不为人知的原因。
就“数据中台”这一赛道而言，科杰对标物是一个Databricks的开放式数据平台。
Databricks由美国加州大学伯克利 AMP 实验室的 Spark 大数据处理系统多位创始人联合创立,也是最成功的开源项目之一Spark背后的商业公司，经过10年左右的发展，公司All in Cloud的初衷没有变过，但其最早的定位是不做data warehouse，专注于Maching Learning类型的workload，利用数据湖的海量存储作为统一的数据底座。
随着业务的不断发展，公司发现越来越多的客户对数据有着多样化的处理需求，其中很大的一类便是BI分析，此外还有streaming processing等，这些仅仅依靠data lake自身的功能和性能是无法满足的，因此近些年提出了”Lakehouse“这个概念，将数据湖和数据仓库统一到一个平台中，即目前流行的湖仓一体。
当然，科杰和Databrick是否走在相似的道路上还有待观察，就连科杰也并不确定自己的对标物的具体形态，但是长期在人工智能领域耕耘的曾良，抽象提炼出科杰业务模式的“原神”，这一切的背后，是他对人工智能的理解。
就“数据中台”这一赛道而言，曾良早有了解和对标。其在美国的对标物叫Databricks的开放式数据平台。
Databricks由美国加州大学伯克利 AMP 实验室的 Spark 大数据处理系统多位创始人联合创立也是最成功的开源项目之一Spark背后的商业公司，经过10年左右的发展，公司All in Cloud的初衷没有变过，但其最早的定位是不做data warehouse，专注于Maching Learning类型的workload，利用数据湖的海量存储作为统一的数据底座。但随着业务的不断发展，公司发现越来越多的客户对数据有着多样化的处理需求，其中很大的一类便是BI分析，此外还有streaming processing等，这些仅仅依靠data lake自身的功能和性能是无法满足的，因此近些年提出了”Lakehouse“这个概念，将数据湖和数据仓库统一到一个平台中，即目前流行的湖仓一体。
如果软件系统都爆改为Agent，将引发怎样的社会变革
曾良对以CHATGPT为代表的大模型生成式人工智能抱有强大的信心，尤其对agent的能力充满期待，他认为，未来Agent可以代替人类做很多事。
他给一家做采购系统的软件公司提出建议：把软件系统改成agent！
采购软件爆改为采购的agent，利用原有软件所具有的数据系统，就可以提供完备的采购智能服务，比如告知agent预算、采购品类、品牌与质量要求等维度的数据，agent可以高效处理数据，迅速提供一套采购方案。
对应的是，如果软件的自动化程度足够高，包括人力资源、招聘等软件都有可能爆改成agent，使用者只需要使用运营指令，就可以获得来自Agent的解决方案。
当agent普遍发展，各行各业各个业务都有自身的agent的时候，就是AIGC 应用大爆发的时候，整个社会的自动化的水平因此就会有一个巨大的提升。
因此，对于人工智能的现在和未来，“良哥”也有自己的判断，通过本期对话大咖，曾良分析了自己对人工智能的理解和判断。
你觉得人工智能的发展现在应该是什么水平？
曾良：这个问题相当于类比电出现的时候，大众带着狐疑来探讨电用来干什么的？
大家可能就觉得电发生的时候可能有电灯用来照明，或者有电动机，不会知道有电话、有电报，或者电子计算机，因为所有这些产品的出现都是在随后的岁月中出现的，每一个的出现，都拓宽了电的应用，让电最后成为现代社会的血脉。
我们来看人工智能，肯定要50 年以后才知道，但在过程中，要仍然坚信，科技的力量。短期内人们总是高估科技的力量，但是长期人们又会低估科技的力量。就是我们拿 50 年到 100 年的维度来说，科技的力量是非常powerful 的。可是短期来，你说现在人工智能非常火热，两到三年就彻底改变世界，可能是一个不切实际的想法。
大咖观点：工业领域的应用不如to C应用性感，但是可以实实在在的解决问题。
你看到在应用 AI 比较多的行业或者企业有哪些？
曾良：人工智能目前应用的比较多一个是金融行业，因为它的数据太多了，海量而且结构化。第二个其实是互联网行业本身，中国目前最大的人工智能应用，我们说应该是抖音或者今日头条。
在未来几年中，人工智能在零售、教育、医疗、城市管理这些领域发挥越来越大的作用。这医疗行业我想特别说一句，我相信人工智能在医疗行业有巨大的潜能，但这个潜能怎么被逐步释放在诊断方式上，在药物的制造上和研发上，很多领域用人工智能都会带来突飞猛进的变化。
从整个Healthcare 行业来说，是它每一个细分行业人工智能都能产生巨大的作用，但每一个细分行业都需要有很大的技术投入、研发的投入，所以到底需要多长时间，大家才感觉变化会是翻天覆地的？也许不会是一个太短的时间。
我们曾经投资过一家用物联网的方式去做智慧水利解决方案的公司，后来发现如果把AI 的一些元素灌进去，这家企业的解决方案效率会明显的提高。用 AI 去赋能这么一家传统的科技企业，然后再去影响整个水利行业，这种做法可能是在 AI 时代的一个延伸。
当然工业的这些领域，谈人工智能应用，可能不会像ToC应用那么性感，但是它实实在在是在帮助企业降低成本、提高效率。
比如，一家采购系统的软件公司，在AIGC 时代，可以将软件系统升级改造为一个 agent,遇到有特定预算的客户，迅速的通过sourcing 完成购买过程外，此外，连人力资源、招聘等工作都可以融合进agent系统，然后agent根据人类的指令就可以完成所有工作，这将是一个非常美好的事情。
大咖观点：工业领域的应用不如to C应用性感，但是可以实实在在的解决问题。
这一轮人工智能浪潮，中国和外国有怎样的差距？
曾良：从应用的丰富度来看，美国不见得在这方面能领先于中国。美国明显领先的是在跟人工智能相关的基础设施建设，比如要获取算力，要使用像英伟达的GPU，现在的大语言模型，Open AI 还有包括其他的几家公司相对走在了前面。由这些基础设施上衍生出了一些商业公司，比如说美国家公司 call with，他主要做的事情就是把上万张英伟达的A100 和 H100 的GPU 做出租业务，干得相当不错，但是严格的说都是在为淘金者提供铲子的。
中国方面目前最大的差距还是的基础设施，包括基础大模型这些方面，但具体在应用场景上，中国的互联网产生了巨大丰富的应用场景，我们并不落后。
大咖观点：美国明显领先的是在跟人工智能相关的基础设施建设；
具体应用上，中国并不落后。
人工智能应用什么事儿一定要做，什么事一定不能做？
曾良：从应用的丰富度来看，美国不见得在这方面能领先于中国。
我跟很多创业者打交道，一般都是告诉他们，什么事儿都可以去做。但是，在做之前要想它出现的后果你能不能承受？
人们往往在短期内会高估科技带来的作用却在长期内低估科技带来的作用。长线来看，20 30 40 年人工智能技术一定会彻底的改变我们所在的这个世界。
但是在短线，它们到底能产生什么样的效率？带来什么样的回报？不要抱不切实际的期望。
就像电力产生的时代，当你还没有电话、电报、电子计算机的时候，其实是没有办法准确的说明白电对人类到底意味着什么。但是一旦有了基于电力设备所产生的各种机器，人类有巨大的潜能被释放出来，人工智能也一样。我们没有办法准确判断未来3 年到 5 年到底会是个什么样子，会不会有翻天覆地的变化？这个行业的从业者必须做好这几年可能你是要艰苦奋斗的准备，保证所做的事情大部分都在正确的赛道上，逐渐产生收入和创造利润；能融到足够的钱，保证企业运营下去，熬到胜利的那一天。
还有一句话是我喜欢创业者说的，悲观者往往正确，但乐观者最终成功。你对很多事情你要思考最坏的打算。worst case scenario。
大咖观点：悲观者往往正确，但乐观者最终成功
人工智能时代必然面临一个“出海”的问题，您怎么看？
曾良：出海这个话题应该是做过去两年开始又重新热起来了，其实是早在2006 年我就参与了帮助中国企业的出海。我当时是在金蝶软件工作，负责金蝶软件的国际化业务，试图把我们的 ERP 管理软件通过香港再卖到东南亚，在想未来有没有机会再卖到欧洲、北美去。
今天来看出海，要有真正的全球化视野。一带一路政策的推行，导致世界变得很广阔的。比如非洲有庞大的市场的存在，智能手机的逐渐普及，人民生活水平的提高，非洲过亿人口的国家有好几个，假设我没记错的话，这是一个很巨大的市场。
而中东，一方面它经过石油的贸易积累了巨额的财富，一些国家像沙特拉伯、阿联酋他也很想在未来世界各有竞争力，所以他们也推出高速发展科技或者发展高端制造的种计划。跟中东打交道的时候可能也必须得双向，一方面就要思考中东是有资本，另外一方面也在想对他们来讲是什么样的战略意义。大家喜欢谈的一个词叫Mina，Middle East and north Africa。
大咖观点：出海，要有真正的全球化视野。一带一路政策的推行，导致世界变得很广阔的。
