专访新加坡老牌VC伟高达：“募资难”不是坏事，是行业更加成熟的标志

每经记者 李蕾    每经编辑 肖芮冬    

对于很多国内投资者来说，“伟高达”这个名字或许算不上很熟悉，但这家有13年历史的新加坡老牌VC在国内曾投出多个明星项目，包括新能源汽车电机供应商精进电动、在线教育提供商睿泰科技（已登陆澳洲主板）、儿童在线英语教材内容和服务提供商爱乐奇等，均为各自细分行业的龙头公司。

在投资这些项目的背后，都闪现着同一个“操盘手”的身影，那就是伟高达创始合伙人季淳钧。据悉，目前伟高达已募集并管理了5只美元基金和2只人民币基金，其中美元基金管理规模超过30亿美元。尽管该公司的第一只人民币基金成立于2017年初，但伟高达对于亚太地区、尤其是中国的关注由来已久，而这部分业务的主要负责人之一就是季淳钧。

近日，季淳钧接受了《每日经济新闻》记者的专访。他对当下的募资、投资环境进行了深度剖析，并详细阐释了伟高达在“深度科技”赛道上的布局和规划。

募资难不是坏事情：关键还是把基金做好

私募股权基金近年来的快速发展是一个不争的事实。根据中国证券投资基金业协会最新公布的数据，截至2018年6月底，已在协会备案的私募股权基金有25883只、基金规模7.2万亿元，创投基金5693只、基金规模0.75亿元。相比之下，私募股权基金虽然增速有所减缓，但依然保持了增长的势头。

另一方面，随着备案的基金数量越来越多，市场也正在变得越来越拥挤。各家机构募集业务的竞争日益激烈、募资困境逐渐突显。对于一些新成立的基金管理公司来说，募资无疑已经成为其头等大事，甚至有公司喊出了“全员募资”的口号。

对此，季淳钧坦言，在他看来“募资难”并不是一件坏事情，因为“这说明这个行业正在迈向成熟”。

“私募股权投资基金在国内刚兴起的时候，大家还处于比较狂热的氛围里，喜欢一窝蜂冲上去投资，现在相对而言要谨慎很多。因为很多投资人在投资过程中受到了一些教训，从而更理解行业的运作规律了，在挑选GP时也会更注意一些。”

另一方面，季淳钧介绍，国内的美元基金是2004年、2005年兴起，而人民币基金直到2010年才开始出现。因此，很多数据都处于空白状态，投资者做VC投资的时候并没有一个参考标准。

“来自美国的投资机构数据显示，80%的VC投资回报来自排名前25%的投资经理。也就是说，其他绝大多数投资经理是不替投资人赚钱的。过去因为国内数据不够齐全，因此投资者很难据此做决策。但现在不同了，很多机构、投资经理的成绩单都已经出来，投资者可以一目了然，也不会把钱交给没有成绩或成绩不好的机构。所以近期为什么很多人在谈论募资不容易，就是这个原因。但这其实是市场在变得更加成熟的标志之一。”

他总结道，目前行业出现募资难问题，主要原因包括以下三方面：第一，基金管理公司数量爆发式增长，投资人的选择空间更大；第二，随着投资人的日益成熟，他们更有经验和能力来挑选适合自己的投资机构；第三，随着大数据的完善和普及，投资者有更多的信息去做更精确的决定。“所以不好的基金募不到钱不一定是坏事情，关键还是把基金做好、为投资者带来切实的收益。”

从“大消费”迈向“深度科技”：伟高达的AI投资逻辑

就在本月，NLP（自然语言处理）公司和机器学习引擎开发者iConTek宣布完成600万美元A轮融资。本次融资由伟高达创投领投，SCEA-Sumitomo等其他投资机构共同参与。

在季淳钧看来，iConTek和其他AI创业公司最大的区别在于，其利用自创的NI（自然智能）技术，在复杂的真实NLP（自然语言处理）应用环境中大幅提升对全语种、跨语种、混合语的理解准确率，从而解决了传统AI对大数据高度依赖的问题。

iConTek并不是伟高达在AI领域投资的第一个项目。在此之前，该公司还先后投资了应用于商业智能管理的KPIsoft，以及运用AI技术加速生物药物合成的Atomwise等企业，跟投公司包括腾讯、百度等巨头。

事实上，这也是伟高达在大幅度“转向”后的几次成功尝试。在此之前，该公司在亚太地区的投资主要集中于消费领域，但随着消费升级的深入，季淳钧和他的团队发现，VC对消费领域的关注已经过于密集。市场上并不缺钱，当很多钱追着项目的时候，VC开始竞争了，项目的估值被随之抬高了。此外，企业获客的成本越来越高，导致企业的毛利越来越低，伟高达开始把自己的关注重点放在一些技术含量比较高的公司，比如AI、大数据、物联网、健康医疗、机器人等技术壁垒较高、与消费市场有距离的项目，并重新锁定了“深度科技”的投资方向和赛道。

在这其中，AI无疑是伟高达在亚太地区的一个投资重点。对于如何把握AI的发展方向，季淳钧提出了三个判断：“第一，首要明确在AI背后是否有足够的有效数据来驱动AI能力的提升。第二，每个行业都有自身领域的AI，未来10年AI将从数据、信息、技术等层面，融入教育、医疗、金融、家居、零售、汽车交通、物流等各行各业，颠覆现有的生产、运作模式，激发出新的智能道路。第三，计算力和算法是AI的核心，但是真正用于AI的超级计算机芯片还处于CPU、GPU层，如何将更适用于网络神经算法的NPU、FPGA等芯片量产化，并融合入超级计算机芯片矩阵，是今后发展AI的重点努力方向之一。”