專訪新加坡老牌VC偉高達：“募資難”不是壞事，是行業更加成熟的標志

每經記者 李蕾    每經編輯 肖芮冬    

對于很多國內投資者來說，“偉高達”這個名字或許算不上很熟悉，但這家有13年歷史的新加坡老牌VC在國內曾投出多個明星項目，包括新能源汽車電機供應商精進電動、在線教育提供商睿泰科技（已登陸澳洲主板）、兒童在線英語教材內容和服務提供商愛樂奇等，均為各自細分行業的龍頭公司。

在投資這些項目的背后，都閃現著同一個“操盤手”的身影，那就是偉高達創始合伙人季淳鈞。據悉，目前偉高達已募集并管理了5只美元基金和2只人民幣基金，其中美元基金管理規模超過30億美元。盡管該公司的第一只人民幣基金成立于2017年初，但偉高達對于亞太地區、尤其是中國的關注由來已久，而這部分業務的主要負責人之一就是季淳鈞。

近日，季淳鈞接受了《每日經濟新聞》記者的專訪。他對當下的募資、投資環境進行了深度剖析，并詳細闡釋了偉高達在“深度科技”賽道上的布局和規劃。

募資難不是壞事情：關鍵還是把基金做好

私募股權基金近年來的快速發展是一個不爭的事實。根據中國證券投資基金業協會最新公布的數據，截至2018年6月底，已在協會備案的私募股權基金有25883只、基金規模7.2萬億元，創投基金5693只、基金規模0.75億元。相比之下，私募股權基金雖然增速有所減緩，但依然保持了增長的勢頭。

另一方面，隨著備案的基金數量越來越多，市場也正在變得越來越擁擠。各家機構募集業務的競爭日益激烈、募資困境逐漸突顯。對于一些新成立的基金管理公司來說，募資無疑已經成為其頭等大事，甚至有公司喊出了“全員募資”的口號。

對此，季淳鈞坦言，在他看來“募資難”并不是一件壞事情，因為“這說明這個行業正在邁向成熟”。

“私募股權投資基金在國內剛興起的時候，大家還處于比較狂熱的氛圍里，喜歡一窩蜂沖上去投資，現在相對而言要謹慎很多。因為很多投資人在投資過程中受到了一些教訓，從而更理解行業的運作規律了，在挑選GP時也會更注意一些。”

另一方面，季淳鈞介紹，國內的美元基金是2004年、2005年興起，而人民幣基金直到2010年才開始出現。因此，很多數據都處于空白狀態，投資者做VC投資的時候并沒有一個參考標準。

“來自美國的投資機構數據顯示，80%的VC投資回報來自排名前25%的投資經理。也就是說，其他絕大多數投資經理是不替投資人賺錢的。過去因為國內數據不夠齊全，因此投資者很難據此做決策。但現在不同了，很多機構、投資經理的成績單都已經出來，投資者可以一目了然，也不會把錢交給沒有成績或成績不好的機構。所以近期為什么很多人在談論募資不容易，就是這個原因。但這其實是市場在變得更加成熟的標志之一。”

他總結道，目前行業出現募資難問題，主要原因包括以下三方面：第一，基金管理公司數量爆發式增長，投資人的選擇空間更大；第二，隨著投資人的日益成熟，他們更有經驗和能力來挑選適合自己的投資機構；第三，隨著大數據的完善和普及，投資者有更多的信息去做更精確的決定。“所以不好的基金募不到錢不一定是壞事情，關鍵還是把基金做好、為投資者帶來切實的收益。”

從“大消費”邁向“深度科技”：偉高達的AI投資邏輯

就在本月，NLP（自然語言處理）公司和機器學習引擎開發者iConTek宣布完成600萬美元A輪融資。本次融資由偉高達創投領投，SCEA-Sumitomo等其他投資機構共同參與。

在季淳鈞看來，iConTek和其他AI創業公司最大的區別在于，其利用自創的NI（自然智能）技術，在復雜的真實NLP（自然語言處理）應用環境中大幅提升對全語種、跨語種、混合語的理解準確率，從而解決了傳統AI對大數據高度依賴的問題。

iConTek并不是偉高達在AI領域投資的第一個項目。在此之前，該公司還先后投資了應用于商業智能管理的KPIsoft，以及運用AI技術加速生物藥物合成的Atomwise等企業，跟投公司包括騰訊、百度等巨頭。

事實上，這也是偉高達在大幅度“轉向”后的幾次成功嘗試。在此之前，該公司在亞太地區的投資主要集中于消費領域，但隨著消費升級的深入，季淳鈞和他的團隊發現，VC對消費領域的關注已經過于密集。市場上并不缺錢，當很多錢追著項目的時候，VC開始競爭了，項目的估值被隨之抬高了。此外，企業獲客的成本越來越高，導致企業的毛利越來越低，偉高達開始把自己的關注重點放在一些技術含量比較高的公司，比如AI、大數據、物聯網、健康醫療、機器人等技術壁壘較高、與消費市場有距離的項目，并重新鎖定了“深度科技”的投資方向和賽道。

在這其中，AI無疑是偉高達在亞太地區的一個投資重點。對于如何把握AI的發展方向，季淳鈞提出了三個判斷：“第一，首要明確在AI背后是否有足夠的有效數據來驅動AI能力的提升。第二，每個行業都有自身領域的AI，未來10年AI將從數據、信息、技術等層面，融入教育、醫療、金融、家居、零售、汽車交通、物流等各行各業，顛覆現有的生產、運作模式，激發出新的智能道路。第三，計算力和算法是AI的核心，但是真正用于AI的超級計算機芯片還處于CPU、GPU層，如何將更適用于網絡神經算法的NPU、FPGA等芯片量產化，并融合入超級計算機芯片矩陣，是今后發展AI的重點努力方向之一。”