投资人如何补足行业认知,变得懂AI和机器人的技术,至少不会被创业者欺骗?
提问
不必先变成技术专家。更现实的做法是:把AI和机器人放回具体场景,用提问和实验检验创业者的判断,同时持续扩大项目样本、正确归因。
先别追“AI”标签,先问场景和独特优势
材料里的观点Richer 认为,未来几乎所有企业都会和AI有关,所以自称“AI基金”等于没说,最后仍要回到文娱、消费、硬件、医疗等具体场景,AI只是工具或底层技术1。立正听到有人说自己做AI时,会先问:他过去是不是也做AI,是否真有独特技术;如果没有后面的独特优势,追热点本身不够1。对投资人来说,这提供了一个可操作的起点:不要被“AI”这个词带走,先让对方把技术落到具体场景、具体客户和具体优势上。
不懂技术细节,也能通过提问判断人
材料里的观点周楠说,一线VC或CVC投资人不一定懂技术细节,因为创始人通常才是这件事最懂的人;投资人可以通过提问看创始人的思维方式、想解决的问题和市场是否够大,也能从蛛丝马迹判断他是否scrappy、hustling、能不能把事做成2。他还举过一个例子:一位技术资历很强的硬件创业者,他担心其执行能力,于是建议对方找一个负责商业落地和运营的联合创始人,再去募资2。这说明“防骗”不必等于自己会做技术鉴定,而是要把技术判断拆成几个可追问的点:技术是否真实、场景是否落地、团队能否执行。
用实验和归因补认知,而不是只靠直觉
立正把投资判断比作在黑暗房间里探索:去过的地方可以被点亮,但前提是能正确观察和正确归因;多数人缺乏intellectual honesty,做对了不知道为什么对,做错了不知道怎么错。他主张多探索、多归因,而只依赖直觉的人容易在自己熟悉的地方打转3。戴雨森则说,投资人要多学习、保持开放心态;他自己不是技术背景,从小白开始,用AI读论文、和厉害的人聊,并以技术发展史为参照4。把这两点合起来:补技术认知不是背术语,而是持续接触新信息、用真实任务检验,并记录自己判断对错的原因。
提供的片段没有给出系统的技术尽调清单,也没有覆盖机器人硬件、数据、供应链等具体核验方法;周楠关于机器人落地的讨论只涉及部分判断角度,不能当作完整防骗指南。
回到4份原文
说明为什么不能只看“AI”标签,要回到具体场景和独特优势。
提供投资人不懂技术细节时,如何通过提问判断创始人和执行力的具体例子。
解释用实验、观察和归因来校准判断,而不是只靠直觉。
给出非技术背景投资人持续学习、借助论文和研究者补认知的路径。