中國計算機學會（CCF）大數據專家委員會，每年年底都會發布下一年的大數據發展十大趨勢預測。回顧從2013年到2019年的第一大預測，可以發現有意思的發展軌跡：數據的資源化（2013）、大數據從“概念”走向“價值”（2014）、大數據分析成為數據價值化的熱點（2015）、可視化推動大數據平民化（2016）、機器學習繼續成智能分析核心技術（2017）、機器學習繼續成大數據智能分析的核心技術（2018）、數據科學與人工智能的結合越來越緊密（2019）。

從大數據的概念興起到尋找和挖掘大數據的價值，再到大數據的平民化以及大數據與人工智能的緊密結合，這是一個螺旋上升的過程。在這個過程中，整個大數據產業越來越認同：數據本身沒有價值，經過清洗之後才能形成信息，信息只有經過整理才會形成知識，知識只有應用了才會形成智慧，智慧經過收集又變成數據，這是一個完整的循環。

數據經過叠代和循環之後，基於場景化的應用才能創造價值，這已經成為產業共識。進入2018年，我們正處於大數據產業第一輪上升周期的最後階段——智能應用階段。現在，各種各樣的IT公司、AI公司、大數據公司甚至是SI系統集成商等都在進入所謂“數據智能”領域，造成競爭非常激烈，使得很多從業者在審視方向和戰略路徑的時候產生了焦慮。其他賽道的爭相融合，也使得數據智能賽道中的選手排名有很大的不確定性，再加上這些選手在一級市場高估值的現象，使得投資人在做判斷的時候比較糾結。

在2018年12月舉辦的鈦資本“新一代企業級科技投資人投研社”在線研討會第八期上，達晨財智業務合夥人竇勇分享了對數據智能產業的思考。竇勇在達晨財智負責大數據業務，同時也是中國首席數據官聯盟專家組成員，其投資案例包括數聯銘品、數據堂、昆侖數據、美林數據、蠍子網絡、中奧科技、索為高科、銳思環保等。

走進數據2.0時代

大數據，通俗的講就是一臺機器幹不完的事情，利用多臺機器來完成。大數據能夠快速發展的根本原因無非兩個，一個是計算性能的提升，第二個存儲成本的降低。

對標國外來看，整個20世紀90年代之前，因為信息化尚未完成，數據量比較少。進入21世紀，移動互聯網的興起使得數據量飆升。2005年，雅虎解決網頁搜索問題的時候，提出來兩個概念——高性能計算、分布式存儲，對行業有著很深遠的意義。資本市場更關註的是2009年Splank的上市，來自資本市場的刺激讓整個市場為之動容。而2014年Plantir的估值達到200億美金，更是讓國內的整個投資界為之瘋狂。

國內來看，從2013年到2017年12月9號，屬於數據1.0時代，是進行認知、培訓、泡沫、創新的過程。為什麽以2017年12月9號為分界點呢？因為在這一天梅宏院士向中央遞交了一個報告，從此整個行業進入了數據2.0時代，也就是數據場景化應用、深度融合的時代。

雲計算、大數據、人工智能這三者之間你中有我、我中有你、互利共存，一起促進了整個數據智能產業的發展。雲計算的出現帶動了大數據的熱潮，後來人工智能變得更熱了，是不是大數據就變得不重要了？其實大數據已經融入到了整個人工智能產業中。

回顧數據1.0時代的投資邏輯

數據1.0時代是一個體現數據差異化的時代，這個時代從消費領域的大數據開始，經歷了機器大數據以及後來的工業大數據。

機器大數據萌芽階段是從2013年到2015年，從2015年進入成長階段，新三板的介入助推了這個進程。在2016年之前，工業大數據沒有得到太多的關註，整個產業現在也還處於發展的初期，這是因為工業領域的信息化尚未完成，有很多的不確定性因素，也存在大量機會。數據1.0時代，從產業角度來看，數據格式從結構化、半結構化、異構化等多樣化的融合使得數據源變得更加豐富；而處理數據的手段，無論是基於Hadoop還是Spark的計算方式，都使得整個產業不斷地叠代和演進。

數據1.0時代的創業者無非有三類：第一類是原來的傳統IT和系統集成商，這一部分群體的出現主要是因為在2015年整個數據行業處於高速發展中，在一級市場給出高估值的情況下，大部分IT系統集成廠商搖身一變成了所謂的數據廠商，他們勝在更貼近用戶，但可能對於行業的認知不足，不太關註研發投入；第二類是擁有稀缺數據資源的廠商，他們憑著獨有的數據資源能夠帶來獨有的視角和商業價值；第三類是具備技術的創業團隊，他們大部分來自於傳統的企業IT公司，包括微軟、IBM、Oracle等大型廠商，對於技術的應用比較強。在過去五年當中，這三者各有一席之地，但是最終在進入數據2.0時代的時候逐漸融合，都在往場景落地上走，也就是所謂的數據融合。

數據1.0時代從資本的角度來看，2014年Palantir獲得200億美金的估值，加快了國內整個行業泡沫的形成。新三板2015年的推出導致整個行業的虛高。2016年6月1號，《網絡安全法》的公布又矯枉過正。特別是對個人隱私數據的極端關註，導致大量行業從業者退出。

而因為泡沫的存在，造成了大量黑產數據的形成，產業裏面形成了大量的灰色地帶。整個行業陷入極其消沈期是在2017年，由於對整個行業的未來方向都看不清楚，很多人到處嘗試，數據行業投入的壁壘也在逐漸加大。

2017年12月9日的“實施國家大數據戰略”，為整個數據行業帶來了一個新的方向。中國政府是數據最大的擁有者，也是數據最大的需求者，但本身沒有技術能力使用數據。因此，如果沒有政策的指引，地×××府也不敢投入。所以，2017年12月9日之後，整個行業迎來了快速發展。

對於數據應用來說，什麽樣的行業領域才能體現數據價值？一是這個行業具備一定的信息化程度；二是具備購買數據服務的能力；三是具有數據安全或安全數據，數據安全是指數據資產本身從流通到應用過程中的安全，安全數據是指數據來源的合法性，對這個問題必須慎之又慎。

對大數據企業進行估值也比較挑戰，傳統的估值模型往往在現實中不成立。數據企業具有一個顯著的特點：除了輕資產外，其它的什麽都沒有。對於這類型資產怎麽進行估值？投資機構在最開始做數據企業估值的時候肯定是“兩眼一抹黑”，不過可以基於三個方面的目的進行判斷：第一，投資機構確實想進入這個市場，所以在有標的物的估值方面可能會采取折中的辦法；第二，投資以退出為目的，估值取決於需要多長時間能夠收回本金；第三，數據企業的產品應用場景在哪裏，用戶的反饋是什麽。

還有一些比較實用的小技巧：第一，數據企業到底能解決什麽樣的問題，是否具備可復制性，持續能力在哪裏；第二，團隊的構成是否互補，數據企業往往都是科學家型，在面對市場時有哪些短板，如果後期補齊了短板，成長的能力又在哪裏；第三，創業早期可能對財務指標不會太在意，但是對於資金的使用去向要特別關註。

數據2.0時代：場景邏輯，巨頭形成

數據2.0時代到底是什麽樣的呢？

從產業內部來看：第一，普適性的教育已經初步完成，分工明確、需求也十分確定，給整個數據產業帶來了一個快速發展的強周期，具備了天時、地利和人和；第二，隨著金融資本市場進一步的回落，對於數據企業的認知更加回歸本質，資本市場給整個產業帶來的泡沫逐漸消亡，原來單純靠PPT演講就能融資的情況已經基本不存在了。

從產業外部來看：第一，資本市場回歸理性，泡沫空間變小。都知道2018年難熬，大家的口號都是“活下去”；第二，外部政策環境持續利好，無論是科創板的即將開板，還是國家把數據行業定位為新經濟的重要支柱，都給數據產業的良性發展提供了一個良好的外部環境。

天時、地利、人和都具備了，可以預測，大數據企業在未來的一段時間將形成以下三個良性發展：

第一：場景落地的效應更加明確。到底是針對什麽樣的場景解決什麽樣的問題，這種場景是否具備可復制性，持續效應在哪裏，如何隨著時間的推移得到進一步的應用；

第二，數據龍頭企業形成。資本寒冬後留下來的是良品，大數據企業會趨於一種寡頭效應。憑借著資本市場以及行業裏大量的沈澱，將形成對整個產業的新認知。現在二級市場上雖然很多自稱大數據企業，其實真正的大數據企業可能寥寥無幾，可以期待之後真正的數據巨頭形成；

第三個是技術更新加快。現在無論是從硬件還是軟件，整個產業層面對於數據行業的支撐在不斷的加快演進與叠變。無論是從計算性能還是存儲效率來看，計算效率的極大提升將驅動產業進一步良性的發展。

回歸到本質來看，數據2.0時代的“場景落地”到底指的是什麽樣的場景？這個場景一定是在信息化基本完成的行業裏，並且行業具有較強的支付能力。創業公司也不再是項目型，而是以產品的形式帶動整個產業的發展。

工業互聯網：數據2.0的典型場景

在場景落地方面，工業互聯網是一個典型的細分賽道。2017年12月9號之後，最讓整個產業界興奮的事件，就是工業富聯上市。工業互聯網賽道在當前的寒冬期仍相當紅火，主要推手有兩個：一個是工信部信通院在推廣工業互聯網板塊，另一個是國家層面的“中國制造2025”。這兩個推手促成了工業互聯網賽道的趨之若鶩。

但目前我國的工業尚處於3.0階段，難以跟以高科技著稱的美國工業互聯網、以機械著稱的德國工業互聯網對標，所以國家提出了“中國制造2025”。雖然這只是綱領性的文件，但是對整個產業界、投資界以及工業互聯網創業圈的振動卻不小。

從“中國制造2025”的宏偉目標看，其中的產業機會達上萬億。但整個賽道從投資者的角度來看，創業者並不多。因為既懂IT又懂工業的人少之又少，整個工業互聯網賽道看似有巨大的商業機會，但從基本面來看還處於一個比較落後的階段。

投資人應該怎麽看工業互聯網？工業互聯網可以分兩部分：第一，透明工廠，就是在工廠內部圍繞產品打通原料、生產流、信息流、資金流，實現設備智能化、流程信息化、過程網絡化；第二，以前當產品離開工廠後就很難再與工廠發生聯系，而從工業互聯角度考慮就要以用戶為中心，實現需求個性化、體驗場景化、用戶生態化。圍繞這兩部分，工業互聯網的體系，從產品全周期管理開始到最終用戶互聯互通，形成了一個生態。生態當中流通的是數據，以數據的方式驅動整個產業的布局。

按三個層級劃分，工業互聯網領域可以布局的賽道具體有以下這些：

第一，邊緣層。圍繞工業互聯網的數據匯聚基礎，值得布局的賽道有工業傳感器、5G、芯片產業。實際上，傳感器領域還是被國外廠商壟斷，5G核心芯片也是類似情況。但是，隨著帶寬的提高，采集數據的成本降低了。物聯網領域，形成了M2P（Machine-to-Person機器與人連接）和M2M（Machine-to-Machine機器與機器連接），數據的流通得到了進一步的加強。當然芯片不是靠錢能堆出來，但是基於工業互聯網的單片機相對比較容易，投入資金也能促成一些基於行業場景化、定制化的芯片，所以這個領域還是有一定的機會。

第二，平臺層。可以關註幾個方向：首先是行業內的應用平臺，這是因為沒有行業應用具體特征的數據平臺會比較空泛，而解決工業領域各種細分需求的平臺需要花費更多時間打造；其次，從技術邏輯角度來看，基於工業產品的時空數據庫並沒有較好的解決方案，相應可以布局專門針對工業領域數據特點的解決方案。

第三，應用層。因為這個行業相對比較早期，哪怕相對比較大型的企業如樹根互聯、網智天元、徐工信息等，可能在某一個細分領域憑借原來的行業經驗積累了豐富的應用，或者憑借母公司帶來相對壟斷的資源，但也還都是項目制的方式運營，完全以標準化產品提供服務的還比較少。應用層的創業和投資機會，可以從兩個方面考察：第一，信息化是否提前完成；第二，有資金和技改經費。按照這兩個標準，能源、電力、高端裝備制造業等都是比較好的選擇。

整體來說，在工業互聯網板塊三個層級裏，哪一個層級會先有選手跑出來呢？從用戶的角度來看，可能是平臺層。雖然沒有邊緣層這些企業解決數據采集、數據治理、數據清洗的問題，平臺層無從談起。但是邊緣層往往吃力不討好。大的企業客戶往往急於看到效果，對於平臺層的需求往往超出對於邊緣層的需求。應用層是不是沒有機會呢？也不是。但是在工業互聯網領域，用戶在意的是究竟能不能解決問題。從行業來看，一定是在能源、電力、高端裝備制造業等板塊，會較早的跑出一些選手。

鈦資本研究院觀察

大數據領域經歷了2013年開始的瘋狂增長，2016年的斷崖式下降，以及2018年以來的叠代復蘇，單一的數據技術逐步與人工智能技術結合，應用場景從營銷獲客、金融風控等為主，轉為與城市管理、工業制造等領域越來越深度的結合。大數據產業正進入到2.0時代。新時代下大數據與人工智能的融合，已然成為各行各業技術驅動、產業升級的重要支撐。具備數據智能的能力、以場景應用為中心的項目，將成為大數據領域的投資主流。

數據與智能融合，新賽道的投資機會如何判斷？