酷应用

这家风投基金用AI寻找值得投资的公司，一出手就是5000万

百家作者：快公司FastCompany 2018-07-03 05:00:18

AnyDesk联合创始人兼CEO安德烈亚斯•马勒（Andreas Mähler）（左）、菲利普·维瑟（Philipp Weiser）（中）与首席技术官奥拉夫·利伯（Olaf Liebe） [Anydesk供图]

当AnyDesk创始人收到一封来自斯德哥尔摩风投公司EQT Ventures的邮件时，这家德国初企早已实现了正向现金流。它出售由专有压缩系统驱动的远程桌面软件，尽管创始人并没有在寻求外部投资，但还是被这封邮件勾起了兴趣。

EQT Ventures的基金创立于两年前，合伙人手头上有6.5亿美元的资金可投资，但不同于以往管理欧洲风险基金的银行家，这几个人都是企业创始人或来自Spotify、Huddle和Rebtel等欧洲技术公司的高层管理者，

在与风投主管阿什利·隆斯特罗姆（Ashley Lundström）的柏林会面中，AnyDesk创始人菲利普·维瑟认识了Motherbrain，这是EQT Ventures为了发掘鲜为人关注的初创企业而开发的机器学习系统。“她说我们是第一批由这款软件发掘出的公司之一。”维瑟说道。5月，AnyDesk和EQT Ventures结束了一轮760万美元的融资。

EQT Ventures为AnyDesk投入的资金能否造就一段传奇，我们还需拭目以待。不过，这家公司试过把Motherbrain算法应用到历史数据中，结果表明如果时光倒流，在今天不少炙手可热的技术公司作为业界新秀崛起之前，它也能识别出它们的投资前景。举个例子，Motherbrain系统标记了只筹到天使投资和种子资金的Airbnb 、Snapchat和Stripe。

数据导向投资

加入EQT Ventures前，亨里克·兰格伦（Henrik Landgren）曾任Spotify的数据分析副总裁。“世界上有成千上万家公司。”他说道。“你怎么知道该跟谁谈？按照老办法的话，就是和通过人脉网找到你的人谈，但更为现代化的做法是利用最新的技术、数据和算法，主动接触投资潜力最大的公司。”

亨里克·兰格伦 [EQT Ventures供图]

Motherbrain通过资金等财务数据、网络排名和应用排名数据以及社交网络活动等信息监测数百家公司。另外，EQT Ventures还持续添加他们的企业评估数据，训练Motherbrain发现合适的机会。

此软件被应用于投资过程的每一个阶段，但它最重要的功能是优先级排列：为风投基金推荐值得立刻关注的公司。“AnyDesk是很明确的选择，因为它在各项衡量指标中表现出了吸引力。”兰格伦说道。“他们不是经验丰富的筹资人，而是一个非常聪明的团队，打造了一款很受欢迎的产品。”

一旦一家公司进入了EQT Ventures的视线范围，Motherbrain还能加快评估速度。它会使用来自其他推荐源的排名数据，更包含竞争对手和市场规模等有用信息。此系统甚至还可以给EQT Ventures选择投资的公司提供帮助，因为它掌握了大量关于投资人、竞争对手、新兴技术和市场趋势的数据。“举个例子，针对B2B公司，我们可以利用Motherbrain帮助他们开拓新顾客。”兰格伦说道。

EQT Ventures并非唯一一家使用数据分析的风投基金。大部分基金至少都会收集基本的公司数据，并根据这些数据创建筛选条件、规则或趋势提醒。

InReach Ventures专门投资处于发展初期阶段的欧洲技术公司，它也在发掘过程中用上了机器算法。来自旧金山的SignalFire自2013年以来就一直沿用数据导向型的投资模式。但Motherbrain之所以备受关注，就在于其系统复杂成熟，推进的投资规模也十分可观。

Motherbrain的工作原理

Motherbrain使用了非监督与监督深入学习算法的结合。非监督学习算法在没有外部指导的情况下发现数据中的显著模式，而监督学习算法则需要带标签的训练数据。假设训练数据中包含被标记为“猫”或“不是猫”的动物示例，那么算法就会试图学习猫的特点，从而预测下一只动物是不是猫。

在风险投资领域，我们可以利用数据把企业分配到不同的行业市场，这是任何风头公司都在执行的基本任务。初企描述自身所用的文本以及其他人所定义的行业也能推动这一过程，但此类数据往往杂乱且互相矛盾，尤其对新兴技术和行业而言。

Motherbrain利用非监督学习算法发现特定集群或类别的公司，接着，EQT Ventures的员工对各集群内的公司进行标记，比如把某个集群标记为含有区块链公司。而这些标记数据将用于训练监督算法。如此一来，Motherbrain就能给新公司自动分类了。

“这是从杂乱数据中获取有用信息的方式。”兰格伦说道。“如果你直接在杂乱数据的基础上训练算法模式，就可以创建较少类别，拥有更好的预测能力。”

一家公司的发展进化（及其相关指标的相应改变）也是评估过程中的一项重要因素。要捕捉这一演变过程，我们可以利用时间序列，也就是时间索引上的一系列数据点。Motherbrain能够从时间序列数据中学习，根据有着类似指标的公司的绩效表现，预测一家公司的未来发展。“比如说他们筹资资金的速度是快是慢？”兰格伦说道。“网络趋势、应用排名，当你把时间序列考虑在内时，这种种不同的因素就变得更有意思了。”

兰格伦还自豪地指出，EQT Ventures为Motherbrain建立了先进的数据基础架构。一个由五人组成的专门开发团队与谷歌紧密合作，使用了Kafka、Kubernetes、Google BigQuery和BigTable等技术。

“在工作过程中，开发人员不断发现从未有人提出过的问题。”兰格伦说道。“你感觉自己切实处在了重大突破的边缘。目前，我们正在搭建一个AI决策平台，针对涉及人类和海量数据集的决策。这种结合非常新颖。我们站在了行业的最前沿。”

大数据，大问题

Motherbrain远非完美。与任何机器学习系统一样，它的预测能力取决于训练所用的数据，而这些数据永远都是不完整甚至有时是完全不准确的。“我们也见过没有数据的公司，他们处于隐秘模式，就连Motherbrain也束手无策，这会是个问题。”兰格伦说道。

通过将多个数据源拼接在一起，EQT Ventures试图扩大该系统的覆盖范围以及不同数据源之间的重叠。该公司的投资人每天使用Motherbrain，因此一旦发现数据源之间存在差异，他们就能及时更正。

兰格伦还强调，Motherbrain距离做出最终投资决策的目标还很远。“建立模式并依据模式寻找出色的公司是很棒，但并不是简单地按下按钮就能投资了。”兰格伦说道。“这需要大量的工作。”其中最主要的一点就是建立人脉关系，这属于传统投资人领域。“重点在于选择对的关系和对的时机。”兰格伦说道。“而这正是Motherbrain的用武之地。”