启明创投合伙人周志峰的圆桌现场实录如下，点击文末“阅读原文”查看全文。
启明创投合伙人周志峰
主持人：今天5位圆桌嘉宾在科技投资领域也非常有经验，我想既可以务实也可以务虚，大家好好聊一下，可能会带给大家一些特别的内容，我们也很期待。先请自我介绍一下。
周志峰：谢谢主持人，我是周志峰，来自启明创投。启明创投成立近15年，一直是投资两大领域，从第一天开始两大领域均衡发展，一是科技和消费互联网，投了小米、知乎、大众美团等等企业，还有一个是医疗健康。到今年10月我们共投资了370多家企业，有120多家已经上市或者通过并购等方式退出。我们也有幸投了30多家独角兽企业。
我个人一直聚焦于科技投资，从凯鹏华盈入行，再到启明创投，我个人专注于投资4个领域。一是前沿科技，包括人工智能、无人驾驶、机器人等。我们在这个领域投出了7家独角兽公司，像旷视科技、云知声、优必选等等。二是半导体，包括像新晋独角兽企业壁仞科技等。另外两个领域是企业级软件，如SaaS，和先进制造。
主持人：请举一个例子说明方向的差异化？我发现做投资都是讲逻辑，但圆桌时间有限，我特别喜欢直给答案的。后面嘉宾把握一下，这个问题你们再回答一下？
周志峰：我特别同意讲逻辑，也坚信要用第一性原理去思考投资。逻辑比风口更重要。风口都是被炒出来的，通常一个风口会持续三年以上，历史上像是O2O、智能硬件等等。但所有的风口背后，投资的逻辑是相通的。因为风险投资投资于企业的早期，存在巨大的不确定性，因此想清楚投资的逻辑很重要，会增强做投资判断的笃定感。
其实任何一个技术趋势，从产生到商业化，都会经过三个阶段。我以人工智能技术为例。2012年以AlexNet为代表的深度学习神经网络取得了巨大突破，标志着技术的奇点已过。商业化由此展开。
从2013年到2016年3月AlphaGo战胜围棋大师李世石引爆大众媒体关注以前，只有拥有技术人才资源足够多的科技公司才能够先进入这个领域。参与者包括谷歌、阿里巴巴、腾讯等科技巨头，AI的商业化也是平台性的方式。我们从2013年开始先后投资了云知声、旷视科技、优必选、文远知行，进入了我们认为的AI的4个平台性机会 – 语音、视觉、机器人、和自动驾驶。
2016年进入AI商业化第二个阶段，开始时，积极应用AI技术的都是毛利率比较高的行业，因为毛利率高所以IT预算比较高。回想PC、关系型数据库等技术的发展，进入科技类公司之外的应用的场景也是先在金融、医疗等行业落地开花，人工智能技术也是一样。2016年到2018年，我们投资了金融领域的同盾科技和阿博茨等公司，在医疗领域投资了推想科技、Insilico等。
2018年到今天，人工智能技术逐渐成熟，技术溢出到各行各业，比如零售、工业、能源等，这是第三个阶段。今天的大会谈到的5G等其他新技术，都会遵循这样一个技术产业化的步骤。投资人需要想清楚这样的底层逻辑，去把握投资的方向，制定投资策略。
周志峰：关于寻找投资方向，我们启明创投内部有个方法论 - 投资是找一片森林还是找一棵树？假如把创业公司比如成一棵刚刚破土而出的树苗，投资人找到这棵树苗后，为它提供水和肥料，伴随它成长，最后它长成了参天大树，就是一个成功的企业。风险投资就是去寻找有潜力长成参天大树的、目前还未成才的树苗。
你可以用两个方式去找，背后是两种投资思路：第一种是随机、漫山遍野的找，你祈祷有可能碰到一棵有潜力的小树苗，你看着顺眼就投了，给它浇水施肥，结果最后可能投中了好的企业。我们启明创投则非常追求“找树林”。我们相信，当一个大趋势来临时，会系统性的成长出一片树林，我们要尽早寻找到那片树林，在几十棵树苗先后发芽时，根据经验从树林中找出最可能长成参天大树的那棵，陪伴它成长。
我们认为第二种找树林的方式是比较系统性的，是可以不断被复制的，可以有较高概率投资出大的趋势中的最具潜力的企业。而漫山遍野无目的的单找一棵树苗，我觉得是赌运气的投资。
以前整个行业有点碰大运的方法，以前是先投VC还是医疗，还是科技，还是互联网，现在都是行业里人，有创业经验，你来可能就是做半导体和5G，核心还是在VC当中组建一批团队，特种兵部队去作战，找到那个树林。这是我的方法论。
主持人：最后我们请现场的嘉宾用一两句话，预测一下未来。大家觉得后面的方向在哪里，后面是哪些方向值得创业和投资去追逐的？
周志峰：未来十年我看好隐私计算。人工智能、数字化转型的核心要素就是数据，数据一直没有解决的是两个问题，一是数据的隐私问题：既能够被分享、被其他方使用，又不涉及企业或个人应有的隐私。二是数据的确权的问题。你用我的数据怎么付我钱，或者说应该付给谁钱？这两个问题都需要通过隐私计算技术来解决。尽管我国的数据隐私法有望在明、后年被立法，但人类的进步不只是靠法律去维护，还要用技术手段去彻底解决。
这几年新创立了不少隐私计算创业公司，都是处于非常早期的阶段，但我个人非常看好，下一个能出现多个独角兽企业的树林，有可能是隐私计算。
