美国顶级风投重点关注的16个互联网方向

　　其实我们不按“主题”投资，我们投资的是拥有突破性创意的创业者。所以我们一般不会按照某个行业预设的一些理论进行投资。虽然这样说，我们也同时在做一些思考和观察。下面这16个领域就是我们未来会重点关注的投资领域：

　　1.虚拟现实

　　在虚拟现实的世界里，“临场感”是一种艺术。这是说，一旦VR达到了某种水平，你的大脑就被欺骗了——在最原始最底层的层面——你就会认为你眼前看见的东西是真的。有研究表明，即使你的理性告诉你并没有真的站着一个悬崖边，你鼓起所有勇气准备往下跳，你的原始的掌管动作的大脑部分也会阻止你那么做。

　　有了“临场感”，你的大脑会让你感觉自己不是带了一个设备而是浸入了一个不同的世界。

　　计算机狂热者和科幻小说作家已经期待VR几十年了。但是早期的尝试，尤其是90年代，很让人失望。因为那时候技术还没有准备好。而由于摩尔定律、以及移动设备蓬勃催生的处理器、屏幕和加速仪等技术的发展——VR终于进入到主流世界了。

　　我们用一个专有名词“终止怀疑”来形容我们看电视和电影的体验。这也是说我们在看电影电视时的默认状态是“不相信”。我们只有在足够浸入的时候才能真的“相信”。

　　而VR技术，情况反了过来。大脑的默认状态是“相信”，相信我们看到的东西是真的。一切从“太无聊”变成了“太强烈”。我们需要不断提醒自己我们看到的不是真的。“终止怀疑”变成了“终止相信”。

　　这意味着有一些软件在VR环境里可能难以成功。比如像《使命召唤》这类大型游戏如果做出VR的东西也许会更令人感到害怕和不安。

　　而更可能成功的是一些简单的体验。比如：穿越时间看看古罗马是什么样子；攀爬摩天大楼以克服恐高症；为飞机降落进行精准训练；迅速回到你上次度假的地方；和一个失联很久的朋友吃个午餐；像如今在现实生活中与人合作一样，在VR世界中和人建立联系与信任。

　　未来几十年的VR，会像开始几十年的电影一样。电影制作者一开始什么都不知道：如何编剧、如何拍摄、如何剪辑等等。他们花了几十年的时间，建立了电影语言。在VR上我们也将进入这一时期。

　　VR上会出现很棒的游戏，并且它可能在很长时间里都会占据VR这个领域。但从长期来看，游戏只是媒体的一小部分。最开始的电视节目就是新闻栏目和游戏类节目，但如今电视屏幕已经被视为承载内容的输入/输出工具了。

　　VR会是终极的输入/输出工具。有些人把VR称作“最后的媒体”，因为之后任何媒体都可以在VR之内，用软件产生。回看历史，如今我们在用的电影和电视屏幕可能是电的发明以及VR发明的一个中间状态。孩子们会觉得，他们的祖先原来会盯着一个长方形的东西看并且希望自己相信里面发生的事。

　　2.企业的“传感器化”

　　几年前，一群消费级的互联网公司看到手机后说了一句“我靠”。他们都看到了，所有的流量以后都会来自于手机而不是PC。为了利用手机带来的商机，以前做的一切都要重做。直到现在，还有公司仍在进行这个转变。

　　而在今天的企业环境中，类似的事情也正在发生——企业服务也要迎来“我靠”的时刻了。但这并不是把企业服务带到移动端这么简单。可做的远不止如此。

　　想想如今智能手机所展示的无限可能性。智能手机的形式及其功能的复杂性都将商业形式引向了以前无法想象的境界。而其中最重要的原因就是行业的“传感器化”，加上移动端的浪潮以及友好UI的共同作用。

　　同样的“传感器化”也要进军企业环境中。

　　企业UI严重落后。所有那些在智能手机上习以为常的操作动作——缩小，放大，滑动，点击，语音，甚至单纯用手指随意移动——在企业环境中都没有实现。用户界面永远是最后被考虑的，是建完数据库后做的最后一件事。这种情况正在变化。

　　那么“传感器们”从何而来？想想手机的特点。我们并没有那么多屏幕或者功能可以使用。传感器基本上是连接到信息和动作的“快捷方式”，用户不需要什么操作。比如，我们不用每次都手动输入地址，GPS只要简单地告知手机“你在这儿”就可以自动处理下一步工作了。

　　在企业环境中，传感器的价值在于成为用户界面的快捷键，甚至有可能消灭打字，然后我们就可以把注意力放在简单，有趣又有创意的事情上了。

　　3.机器学习+大数据

　　在a16z,我们认为“大数据”和“机器学习”是相关的两件事。一直以来，人们认为需要对各种数据进行更深入地分析和洞察，这点当然是重要的，因为直到现在我们一直都处在大数据的收集阶段。但在大数据的世界里，最令我们兴奋的创新点是，我们来到了预测阶段——处理收集到信息的能力、学习模式的能力以及基于已知预测未知的能力。

　　机器学习之于大数据就如同人类学习之于生活经验：人类归纳和总结过去的经验来处理陌生情况。而大数据中的机器学习会复制这种行为，并且是在一个巨大的量级上。

　　过去的商业智能表现为对以往的关注，现在我们则需要预测性的观点。重要的是，机器学习并不是目的本身，它是每个应用的一个“属性”。它并不是一个独立的功能，“Hey，让我们用这个工具来预测吧。”

　　以Salesforce为例。目前它只能呈现数据，用户要自己分析这些数据，产生自己的观点。然而我们中的大部分人都被Google训练过了，习惯了从成千上百的可能性中筛选要使用的信息来定制我们自己的用户体验。为什么机器做不到呢？企业应用——在每一个能想象出来的案例里——也将更加智能，因为机器可以在海量的数据中不断学习并发展出“观点”。它就像是做任何事的时候都可以帮到你的一个聪明且经验丰富的助手。

　　在这里，关键的是要形成大数据本身就能带动应用程序来做出动作，而不需要人工干预。。

　　但所有这些都会在基础设施层面推动创新，同时也从中获益。

　　大数据需要大计算：Hadoop和Spark在大数据技术版图的什么位置

　　把大数据和机器学习看作三步：收集，分析，预测。目前为止，这些步骤彼此分离，因为我们一直以来都从底层建立生态系统——选择各种工具——并进行针对性实践。

　　早期的Hadoop堆栈就是收集和储存大数据的例子。它允许其在一大群廉价的服务器上进行简易的数据处理。但HadoopMapReduce则是批量处理的系统，并不太适合交互式应用；像数据流处理的实时操作；以及其他更复杂的估算。

　　对于预测性分析，需要一些基础设施，能更快响应人类级规模的交互：今天发生的哪些可能会影响明天？需要一直有大量持续的迭代，让系统智能，让机器“学习”——探索数据，将其形象化，建模，提问，得出答案，导入其他数据，然后重复该过程。

　　越实时，粒度越细，我们就可以更快响应，更有竞争性。

　　旧世界中“小数据”的商业智能，只在数据库上放一个小型应用驱动就足够了。而现如今，我们要处理千倍于以前的数据，所以为了速度能跟上，我们需要平行的，以内存为存储机制的的的数据发动机。为了大数据能解锁机器学习的价值，为我们在应用层面就展开部署。这也就意味着“大数据”需要“大计算”。

　　这就是ApacheSpark的作用了。因为它是堆栈中内存、大计算的部分，比HadoopMapReduce快上百倍。同时它还能提供交互性并不局限于批量模式。Spark在哪儿都能运行，把大数据处理环境转换成实时数据捕捉和分析环境。

　　在大数据/大计算生态系统中的每一层面我们都有投资，而这个领域仍有很多创新的余地。因为大数据计算已经不再局限于单一的政府机构和大公司了。即使早期的应用更倾向于出现在数据科学家工作的行业，机器学习作为所有应用的“属性”——尤其是和一个友好的用户界面相结合的时候——就能让大数据进入到各个不同领域，而在这基础之上有机会诞生出很多伟大的公司。

　　我相信每款应用都将重构来利用此趋势。同时感谢大数据和大计算的革新，让这一切成为可能。我们处在机器智能加速时期的起始阶段，这会对商业体系和社会产生无限益处。

　　定义

　　-大数据：收集大量的信息，无论是结构性的还是非结构性的。

　　-大计算：从大数据中提取价值所需的大规模处理能力。

　　-机器学习：计算机科学的一个分支，不用高级别的算法来解决明显的，命令式的逻辑问题，而是用低级别的算法来发现暗含在数据中的模式。有越多的数据，学习就越有效，这也是机器学习和大数据会复杂地联系在一起的原因。

　　-预测性分析：用机器学习来预测未来的产出效果，或者从已知中推断未知数据点。

　　4.全栈型创业公司

　　Q：什么是全栈创业公司？你曾经提到过，这是一个非常重要的新趋势，而且是近年来成功创业公司的很典型模式。

　　ChrisDixon:传统的创业公司采取的方式是向企业兜售他们的新技术或者寻求授权。新的全栈创业公司则建造了一个完整的、点对点的产品或者服务从而绕开实体企业或者竞争者。

　　大公司中很好的对比就是苹果和微软。常年以来，微软只建造全栈当中的一小部分，如操作系统、应用程序。同时依靠合作伙伴生产半导体硬件、文案、组装、零售等等。苹果公司却全部一起做：他们设计自己的芯片、手机软件、操作系统、应用程序、包装、零售等等。苹果告诉世界：如果你可以同时把很多事情一起做好，那么你就有可能创造奇迹。

　　Q：举个例子？

　　Dixon：我觉得一个很好地例子就是共乘，例如Lyft和Uber。

　　在这些公司成立以前，很多创业者试图建立一个让出租车和私家车利用率更高的软件。然后他们出外寻找出租车公司并且向他们推销，使用他们的软件。

　　基于各种各样的原因，这并不奏效。出租车公司并不会把这些软件作为一个竞争优势。他们并没有一个合适的估价机制或者相关人员去评估这样的软件。

　　所以，当技术创业者试图将自己的技术和软件应用到这些企业里时，很难成功。

　　此时，像Lyft和Uber这样的公司说：“既然如此，与其把我们的产品卖出去作为一个锦上添花的东西，不如使用我们的软件打造整个服务行业。”他们想：“如果我们利用现有技术重头开始，整个行业会是怎样的？”

　　一旦他们真的做成了，消费者和司机都非常喜欢，这几乎改变了整个行业，而这些公司才创建了几年而已。

　　Q：自己建立这种点对点的公司的好处是什么？

　　Dixon：首先，正如我之前提到的，全栈公司使得创业者得以绕过传统企业以及对新技术抗拒的企业文化。

　　另一个好处就是全栈企业能获取更多的经济利益。在这之前，虽然他们提供的技术和服务可能非常有价值，但是由于和用户没有产生连接，很难直接从客户身上获利或者搜集正确的数据从而更新自己的产品。

　　最后，对用户来说，全栈创业公司带来更好的用户体验。因为一切尽在掌控之中。这里的区别就是买到一个美好纯正的苹果产品和买到一个由不同小贩组装而成的产品的区别。

　　Q：嗯，那这是不是所谓的“垂直整合”呢？

　　Dixon：我觉得全栈创业公司并不是我们传统观念里的垂直一体化企业。因为这并不是一个卖油的公司买了供应商，而是一个科技公司建造了一个完成的系统从而使得非科技公司为其服务。在我的观念里，“垂直整合”公司是一个过重而不太实用的说法。

　　但是诚实地说，我有点后悔称之为“全栈”。这只是一个比喻而已。这只是对这种模式的一个异想天开的影射说法。“端到端”可能更好一些。或者还有一个词是BliiDavidow说的“全产品”。

　　Q：除了你已经分享的例子，还有哪些是全栈企业的例子。

　　Dixon:Altschool,Buzzfeed,Harry’s,Nest,Tesla,WarbyParker。

　　Q:接下来会发生什么？

　　Dixon:我认为我们将会看到很多拒绝新技术的传统行业越来越接受新技术，而创业公司也能找到自己的一席之地。

　　大而显著的行业包括：教育、健康、食物、运输以及金融服务。任何价格增长超过通货膨胀的行业都是由于缺乏技术支持。

　　Q：对于全栈创业公司来说最大的挑战是什么？

　　Dixon:全栈型创业者关注产品或者服务的方方面面，所以他们需要在除了软件、硬件、设计、营销、供应链管理、销售、合作关系、企业规章制度之外的各个方面都有所建树。需要非常全能的人才能做到。

　　好消息是一旦他们成功了，对于竞争者来说是极难模仿的。用这种全栈型创业模式将会开创伟大的公司。

　　5.Containers

　　试想一下，现在所有APP可以在同一台智能手机上运行的手机不存在，每一个APP都需要一个新的独立的硬件支持。也就是说如果你要实现发邮件、玩游戏等功能的话，你得带着一袋子的手机走来走去。

　　这听起来不可思议，但是原本的模型设想就是这样的：不同的应用程序有不同的硬件支持。即便一个APP不被使用，硬件和操作系统照常需要运行，仍然耗费电力和资源，实在是低效。。

　　随后就出现了虚拟机，运用集成电脑的思路使得各种APP能够在同一个硬件上运行。因为软件可以在硬件上独立运行，从而使得内存的利用率提高了3到10倍。从数据中心的角度来说，虚拟机使得我们并不局限于一个特定的操作系统，我们可以在同一台机上同时运行Windows和Linux两个系统。弊端在于，虚拟机必须倚仗一层夹在硬件和操作系统中间的全新软件系统来实现，同时还需要一个全新的操作系统来管理。这就像一个操作系统叠加另一个操作系统，从而大大影响手机的运行速度，客户体验也变差。

　　如果虚拟机可以直接在CPU上运行，并不需要中间层来实现，那么这将会是一个完美的解决方案。

　　所以这就是为什么Container出现了。Container和虚拟机实现的目的是一样的，是为了实现APP能够在硬件上共同运行的另一种方式。但是Container可以在不倚仗中间层的情况下运用智能化控制实现应用程序的独立存在和独立运行。

　　为什么是现在出现？接下来将会发生什么？

　　Container并不是一个全新的东西。他们存在有一段很长的时间了。但是现在风靡也是有原因的。一是因为Windows在数据中心没有那么流行了。和集成器相比，虚拟机存在的劣势在于无法在集合型操作系统上运行。就像Windows在Linux上运行。二是微型服务APP的架构使得Container充满动力。这些APP架构非常适合Container，因为他们可以像乐高积木一样独立拼接。

　　系统管理人员发现Container之所以好的秘诀在于，它适用于应用程序的方方面面，无论是设备本身、操作系统或者其他相关的部分，它都是一个集合的整体。同时在避免超负、负荷、以及功能测试等各方面都有所提高，从而使得将很多Container放在同一主机并实现移动的便利变得非常容易。

　　在我看来，Container的下一步在于数据中心的完善，将所有的Container统一为一个大电脑或者一个客户终端。现在很多的应用程序就像分散的系统，应用程序没有被设限于一个container内。一个应用程序可能存在10个Container在一起运行。如果有1000个应用程序，就有10000个Container在运行。或许我们可以使用一个包含全部相互依赖的应用程序的大数据库。

　　所以这就需要一个总枢纽，管理操作环境并在考虑合理负荷、可靠性以及操作性的基础上，使其被充分利用。这也是衡量一个数据中心运行良好与否的关键。最重要的是对整个操作环境的综合掌控。这也正是目前亟待实现的。

　　注：Container：容器，是在编程语言中封装和跟踪零个或更多个组件的对象。