作為國內最早成立的創投機構之一，達晨財智的“先天條件”顯然不算是最好的。
最艱難的時候，達晨只有一個投資經理，拿著東家湖南電廣給的一億資金，每年只敢投一兩個專案。
吃糠咽菜守到2009年，喊了近十年的創業板開閘，首批28家上市的公司中，達晨財智押中了愛爾眼科、億緯鋰能和網宿科技三家，一戰成名。各路LP聞風加盟，達晨才終於進入了遊刃有餘的發展期。
但這都是草創年代的事了，當下的達晨並不以“吃過苦”的老牌創投自居，而是聚焦TMT、消費服務、醫療健康、節能環保領域，積極探索新的產業機會。
在達晨所有專注的領域中，TMT中的大資料細分是其中的“基礎設施”，早在2014年，剛剛有創業者開始做大資料時，專業化轉型的達晨就開始佈局了這一領域。
達晨財智業務合夥人、大資料投資總監竇勇是達晨少壯派合夥人中的代表，在以結果導向為主導的企業文化中，竇勇以在大資料、資訊保安、人工智慧領域出色的投資業績，被提拔為合夥人，殊為不易。
在竇勇看來，大資料行業還處於初級階段，但是，“這個方向是確定的，未來萬物互聯、人機互動得到普及，資訊過載一定會越來越嚴重，人工智慧的輔助決策是必須的，只不過還沒有一家企業打通了完整閉環。”當下行業的現狀是，現有的問題歸根到底是資料的問題，最亟需發展、最有機會的也是資料行業。
相比消費大資料，工業大資料幾乎可以說處處是機會，火力發電廠一個機組就是10萬控制單元，但比資料治理更大的瓶頸卻是人才——創始人不能是純粹的技術信仰者，既要懂技術還得懂產業運作，還要忍受高溫甚至高危的工作環境。
這樣的現狀，讓最具購買力的政府市場和金融市場成為主要熱點。在竇勇看來，ToG（面向政府）業務成為行業主流是無奈的現實，政府是最大的資料提供者和買家，要打通所有資料，就必須做資料治理，一般企業根本負擔不起。對於企業來講，如何順應政策，同時又不依賴政策，是必須做好的功課。
判行業：資料和人才是大痛點
1
竇勇：行業還處於初級階段，後端的基礎設施沒人去做，又從哪去談落地？但這個方向是確定的，未來萬物互聯、人機互動得到普及，資訊過載一定會越來越嚴重，人工智慧的輔助決策是必須的，只不過還沒有一家企業打通了完整閉環。
大資料、雲端計算和人工智慧，雲端計算解決了算力問題，但沒有資料它就是空殼，人工智慧所需的演算法模型需要大量資料去訓練，所以，歸根結底還是一個數據的問題。
行業現狀是資料很多很亂，清洗成本很高；演算法大都是基於開源架構，華人在原創性的演算法上基本是空白；算力的核心是晶片技術，國內技術正在突飛猛進，但晶片的設計到封裝測試逐步提高也需要時間。那綜合來看，最亟需發展、最有機會的還是資料行業。
2
竇勇：這是兩個範疇的問題，網際網路的上半場是消費網際網路的階段，下半場是工業網際網路。
對於消費網際網路而言，過去十年是沒有監管的。所有人都認為大資料像核彈一樣能解決所有問題，於是引來了網路黑產，黑產反而打破了BAT在資料上可能的壟斷。
工業網際網路的發展相對比較晚，2017年國家大資料戰略釋出後，網際網路進入了監管的下半場。2018年工業富聯38天閃電過會上市，才讓這個市場熱起來，可是直到現在，工業網際網路仍然是一片藍海。
光是火力發電廠的一個機組就需要10萬個控制單元，機器的資料是海量的。但你光是有大體量是不行的，一個“大B（企業）”不等於無數個“小C（個人）”，工業製造企業的決策機制、使用頻率和消費者完全是兩樣。製造企業要求安全穩定，跟消費網際網路的快速便捷，天然地就會產生矛盾，所以一定不要用to C的思維去做to B的業務，B端的業務增長一定是階梯式地慢慢往上走。
進入這個行業，要解決兩個難點——一是人才問題，工業生產環境要麼高溫要麼高危，外加嚴重噪聲，坐慣了寫字樓的IT人員很少願意去；二是市場培育，國內企業都不習慣為軟體買單，所以軟體必須要能解決實際問題，才有可能開啟市場。
3
竇勇：從技術上講，人臉識別過去依靠的是手工標註出人眼等重點部位，標註的點越多越細，識別度就越高。但這裡有個數據來源的問題——以安防領域為例，要通緝犯人，需要充分佈控的攝像頭，所以資料始終把控在海康、大華、宇視等裝置公司手上，都是千億市值的上市公司，作為後來者的CV企業很容易淪為技術供應商。所以CV領域的人工智慧產業鏈雖然已經形成閉環，但主要壁壘還是在資料端。
未來該怎麼走呢？從產業價值看，CV企業不應該只著眼於提高技術層面的精度，更多去挖掘創新點或是深耕一個具體的場景，比如將3D技術應用於人臉識別，比如黑人人臉識別。從投資角度來看，資料的收集、清洗成本都很高，要儘可能地尋找有利可圖的場景。就拿AI醫學影像為例，請三年經驗的醫生去做圖片標註，還是請五年經驗的醫生，就需要平衡考慮投入產出比了。
4
竇勇：從體量來看，中國工業製造的產值比消費要大得多，但是工業門類太多了，一個平臺很難做到全行業通用。工業大資料行業真正的門檻在於，創業團隊既要懂資料，又要懂產業，最終還要能把兩者結合起來。
現在行業機會很好，有需求、有政策，要再誕生Facebook擊敗谷歌這樣的故事，一定有機會，但機會只在新技術重構行業的過程裡，那些有原創性技術的企業才有可能把握住。
5
竇勇：在消費場景裡，大量人群的高頻資料肯定是最有價值的，它只需要在幾秒鐘內打動使用者，促成購買就可以了。
但在工業場景裡，資料一定要能直接解決具體場景裡的具體問題。比如司機開挖掘機的習慣資料，有的人一腳油門下去，5000轉起步，有的人穩一點，3000轉慢慢開動。這個資料有什麼用？平穩駕駛習慣會導致配件磨損的差異化，根據這個資料，配件廠可以優化產品，金融機構可以測算司機的貸款利率。
6
竇勇：最早做出智慧手機的是摩托羅拉，為什麼現在蘋果卻是最大的？就是因為市場沒到，現在工業大資料行業就是這樣。
如果實在要選一些細分市場，相對來講，資料平臺更好切入，因為資料量極其龐雜，做資料收集清洗的企業不多，但最終需要拿出可行的解決方案，還要有客戶願意嘗試這些服務。
另一個細分，公共安全也很值得關注。今年年中美國電網遭到網路攻擊，導致紐約停電四小時，加上中美關係緊張，這些事件已經引發了大量企業進入市場，這是行業即將進入增長階段的特徵。
看政策：To G or not to G？
7
竇勇：現在政府的確是大資料最大的買家，畢竟很多資料掌握在各級政府手中，要打通所有資料，就必須做資料治理。每個省市，甚至每個部門的資料格式都不盡相同，光是這個事情就需要很大精力和成本，一般企業根本負擔不起。
第二種情況是政府購買資料服務。政府建設智慧城市需要水電煤氣等生活資料，制定補貼政策就需要企業的機床開工率、配件磨損率等資料，這比單純看企業的稅收指標要更靠譜，改善也更明顯，政府就更有付費意願。
8
竇勇：行業的發展是個漫長的過程。創業企業也需要靠自身技術的積累，攻克一個個難點，前期的一部分投入依靠資本的主推，經過長時間的市場驗證，最終形成一個良性的發展。
現在頭部企業主要集中在金融科技領域，主要就是因為支付意願更強。
9
竇勇：政令對產業的影響往往是決定性的，在投入巨大、見效慢的特定領域領域，行政力量的介入是有好處的。比如垃圾分類，人們轉變習慣需要一個漫長的過程，政令能加快這個程序。還有一些新技術的應用，因為短期看不到收益，市場的轉變也會很慢。
作為企業，順應政策但又要和政策保持一定的距離，不能完全依賴政策，這個度要把握好。
選團隊：要專注，但不只關注技術
10
竇勇：難度是一直都有的。A股的稽核制上市，造成了一二級市場的天然套利機制，現在註冊制試點之後，沒有套利空間了，創投機構就必須往前移，這就必須要專業化。
11
竇勇：企業最重要的品質是專注，一個公司的資源、時間都是有限的，經濟上行的時候機會太多，如果都想把握住，等到經濟下行的時候就會變成累贅。
第二重要的品質是堅持，選定了方向就堅持走下去，不要急功近利。堅持在一個賽道里深耕，企業的風險就會前置，危機來的時候會比別人更先知先覺。
12
竇勇：跨行業多元化的不投，“技術至上”的也不投，有的團隊只埋頭做技術，不考慮市場接受度，不提升內部管理能力，肯定不行。很多技術背景的團隊會對某一項技術很自信，但那是實驗環境的理論資料，在實際工業場景有用才是真有用。
以市場關係為主導的企業我也絕對不投，資訊越來越透明，客戶也要問你的技術到底怎麼幫我解決問題？光靠關係很難走下去。
13
竇勇：創業者背景已經不再是加分項了，投資人不care他是院士還是IBM首席科學家，技術決定了公司下限，但發展的上限取決於解決的到底是偽需求還是真需求。
定估值：橫向對標還是握手交易？
14
竇勇：我覺得沒必要排斥開源技術，只要不是特別依賴開源技術，又能消化形成自己的核心能力，就沒有問題。
資料型的企業靠的是人，人才是最重要的壁壘——按北京的標準，招納一個首席科學家，至少要給股份加上80萬年薪，還要一些其他的福利。這樣建起來一個團隊，加起來成本會非常高，需要足夠資本來支撐。
15
竇勇：很多企業都還處在理論上的盈利論證階段，一般的模型沒辦法套，創投一般就用兩種估值方式，一種是橫向對標，投別人花了多少錢？一種是握手交易，你認為值十塊，我認為值八塊，那我們坐下來談談看法，最後達成共識。
很多創業者不那麼在意估值，他更在意機構能給什麼資源。首要一點是產業生態，大資料領域從儲存、應用到視覺化，都是生態鏈的一環。二是直接的上下游產業鏈，有大量被投企業是他們的客戶，這就很有吸引力。三是機構的知名度，小到政府補貼，大到關鍵人才引進，知名度能吸引到資源源源不斷地集中過來。四是深耕行業帶來的判斷力，預測行業未來半年的發展，給企業一些參考和指引。
早期專案發展太快了，這個月跟上個月估值就徹底不一樣了，我們會給投資額設定紅線，5000萬、1億和1.5億，對回報率的要求都不一樣。至於對技術路徑的判斷，我們只看使用者的付費意願，這是最客觀的。