無論你看好與否，越來越多的領域正在受到人工智能的沖擊。人工智能律師已經入職美國律所開始實習；人工智能醫生和教師已經在部分細分領域展開工作；而從目前來看，人工智能甚至要與投資經理“搶飯碗”了。
早在今年4月，股權投融資平臺因果樹曾發布了一款名為“AlphaGo+”投資機器人，并宣稱該投資機器人“一分鐘工作量相當于一個成熟的分析師40小時的工作量。在認知程度上，其水平相當于3-4年投資經驗的投資經理的水平。”
近日，中科招商旗下的投資機構中科樂創又推出了一款名為“阿爾妮塔”的創投機器人，創始人楊謙為這款機器人下了一個很吸引眼球的定語：“具備投資邏輯和判斷力”。
據介紹，該款人工智能版的“投資經理”擁有兩大技能：創投行業的數據搜索及可視化呈現+創業項目評級。
具體而言，前者承擔的是一款搜索引擎的角色，用戶可以借此便捷地獲取創業項目的投融資等各方面信息。這的確是一個很棒的體驗，但如果你身處創投圈，你應該知道該類產品目前在市場已不算罕見。
相較之下，創業項目評級才是阿爾妮塔的主打功能，某種程度上這也是所謂“投資邏輯和判斷力”的體現。據了解，這位人工智能版“投資經理”將會對全網創業項目進行評級，把它們分為六個風險級別，并以此界定項目的價值大小以及獲投概率的高低——這個概念有點類似于國際評級機構為主權國家和企業在債權市場上的信用評級。
總而言之，按照阿爾妮塔的官方“人設”，她將有能力對創投項目的可投性做出判斷。
如果這真的能夠實現，那么與人相比，阿爾妮塔有著明顯的優勢：高效、不受情緒干擾、避免決策噪聲，甚至還能避免跳槽風險。
但問題是，靠人工智能做投資真的足夠靠譜嗎？
眾所周知，在人工智能領域，數據是基礎，算法則是關鍵。對于這款虛擬的投資經理來說，其“專業素養”究竟如何同樣有賴于這兩個方面的加持。作為投資機構——不論是中科樂創還是其背后的中科招商，它們在投資人才、投資經驗還是投資數據方面擁有一定優勢。換句話說，數據的問題相對容易解決。
但問題在于算法層面，如何將相對主觀化的投資經驗轉變為程序語言，并以此訓練好這位虛擬的投資經理才是一大考驗。關于這方面，阿爾妮塔的聯合創始人之一楊雪峰表示，評級與判斷的基礎是大量數據樣本訓練和結果導向來復原的評級標準和權重。
從目前試用版的項目評級服務中似乎也能發現一些端倪。在申請為項目做出評級時，記者觀察到其羅列的問題覆蓋了基本信息、團隊信息、產品信息、公司信息共四個維度，每個維度又設計了諸如“項目創始人工作了多久？”、“產品核心是2B還是2C？”、“公司過往融資記錄”等等若干具體問題。
這些問題的答案又形成一個個參數，轉化為系統評級的標準。
從業績來看，目前這位虛擬投資經理的表現還不錯。
該項目聯合創始人之一楊雪峰透露，這款產品已經對10000個以上的項目進行了項目評級，并對1370多個項目進行了深度分析，最終推薦了66個待投項目，截至目前，已有23個項目獲得了下一輪投資，且有成功退出的成功案例。
無獨有偶，德豐杰（DFJ）投資基金的創辦合伙人，被稱為硅谷投資教父的Tim Draper也曾表示看好人工智能與風投行業的結合，他預言：“人工智能未來將被運用在所有領域，一個接一個的。甚至是風險投資這個行業，他們最終會被機器人取代。”他甚至認為，20年后的風險投資行業將不再需要人類。而我們人類只能重新改造自己，機器人將能出色地完成各種工作，讓人類有更多的想象力并創造出更深奧的東西，這對整個人類來說都是非常正面的。
既然如此，投資機器人們真的會搶掉投資經理們的“飯碗”嗎？至少從短期來看，投資經理的“飯碗”必定還由自己做主。作為一個新興領域，不論是從算法學習，抑或是操作實踐來說，虛擬投資經理與人類同行還有著很大差距。將投資經理和分析師從繁瑣的基礎工作中解放出來，進行更為復雜和專業化的工作，也許才是目前的投資機器人們帶來的最大意義。
