技术翻身把钱赚 | 甲子光年
“真正酷的技术，赚钱绝不应该是费劲的。”
作者 | 小沐
编辑 | 火柴Q、甲小姐
分析师 | 丁兆增
本文图表数据来自「甲子光年」分析师团队；文内一手信息来自「甲子光年」记者团队对桃树科技的深度调研。
2018年初，成立两年的桃树科技决定“闹一场革命”。
这家由复星资本、线性资本、创新工场、光信资本等明星机构投资，由曾建立淘宝网数据科学团队的杨滔带队的公司，此前一直和其他服务金融机构的技术初创公司一样，遵循着一套“标准流程”：融资、招人、做标杆客户、再融资、再招人、做更多客户。
于是也遇到了行业“标准难题”：项目制、外包，费劲不讨好，缺少定价权，最重要的是，难以真正形成技术价值的闭环。
创始人杨滔眼睁睁看着公司在食物链底端尴尬爬行了两年，他痛定思痛，做出了一个大胆的决定：不再在原有市场里慢吞吞匍匐，而是all in一个新战场，快速突围。
杨滔做出了业内极为罕见的杀伐决断：
战略上，跳出to B大条框，用公司自有资金做二级市场的量化投资，靠技术直接赚钱。
战术上，精简人员，把80%以上资源支持新战略；以AI技术为投资武器，以省下来的弹药为投资本金，让战略决策得到120%的执行。
班子团队上，挑选精英工程师，组成“桃树先锋队”，结合公司积累的技术能力和团队对国内外量化投资的全方位研究、研发，独创交易策略。
“在实盘交易之前，我们做了最坏的打算。”杨滔告诉「甲子光年」。
但真正跑起来，桃树的策略却取得了亮眼的成绩：
经过10个月的实盘交易，桃树从最初的100万本金不断加码至几千万本金；2018年年内，当市场行情一片愁云惨雾之时，桃树却在几千万本金的规模下取得了37%的年化收益率，业绩超过99%的公募基金。
“能取得成效的关键是我们有技术积累，并在这个行业做了许多功课。”杨滔说，“真正酷的技术，赚钱绝不应该是费劲的。”
从为他人赋能，到自己上阵，桃树的选择在行业中很罕见，却给金融科技这条赛道带来了一个独特的案例：
断后路、揭竿起，技术翻身把钱赚。
1.“虚招”不中用了
杨滔并不回避前两年的艰难。
这一波人工智能、大数据公司，谁不是起步时自带光环，备受追捧？
但与学术成果的日新月异相比，新技术商用之路往往“高开低走”：酷炫黑科技的应用场景并不好找；就算摸到了门，也不好进，更难的是赚到钱。
杨滔有亮眼的职业资历。在2012年～2015年于淘宝工作期间，曾是内部小有名气的“数据科学家”，为“聚划算”做出了爆款推荐引擎后，他被破格晋升为P8；此后，他又带领一个“数据敢死队”开发了内嵌在淘宝后台的“至高点”数据产品，以帮助用户发现淘宝中最具特色的达人买家和小而美卖家。
由于不想让算法局限在“让人止不住剁手”这件事上，杨滔在2015年辞职创业。
创业之初，桃树首先想要拿下的是数据质量高、技术需求明确、资金充沛的银行业。
按照杨滔设想的“业务、数据、算法”三位一体的商业闭环，如果桃树的算法技术能在服务高门槛的银行客户时得到淬炼，便迈出了用人工智能创造价值的第一步：技术的原始积累。
但实际服务客户的过程却并不容易，常常陷于做项目和外包的苦战：
争取到银行客户必须经历做免费PoC（Proof of Concept，概念验证）的过程。外包商能争取到做PoC已很有难度，桃树在确定进入PoC过程后，一般有30%左右概率能拿到客户订单，而这离客户付费可能又还隔着半年以上的时间。
经过漫长、耗时的技术服务，桃树总共攻下了近20家付费客户，客单价在数十万到数百万之间——换句话说，不能轻松地赚钱，更不能赚大钱。
这绝非桃树一家技术服务公司面临的难题。
导致困境的外部原因是：市场需求不成熟。
2016年左右，大量传统企业虽然想用新技术，却对效果不清楚，对创业公司不信任。桃树和大量同类公司仿佛市场中的“义务教育者”，常常是，与客户沟通，会议室满满当当坐了20多人，一讲技术趋势就狂记笔记，一谈付费、购买就面露难色。
导致困境的内部原因是：新技术公司缺乏一线的行业落地经验，难凭自己力量找到product-market fit（产品-市场契合度）。
比如，杨滔之前没想到，银行客户决策流程长，更看重“业务不出错”而非“技术效果好”。
桃树曾遇到一家银行客户，把各家大数据公司叫到一起，讲PPT、做项目比赛，整个周期长达4个月。但最后这家银行没有采纳任何一个方案，还要求大家再来一遍。
回头看，银行虽然有钱，但决策机制保守谨慎，核心业务被内部层层封闭，这和互联网的精益创业、快速试错的思路截然不同，银行并非创业公司切入金融行业的最佳着力点。
两年多的摸爬滚打，让杨滔在市场火热的2016年底，就开始深深怀疑人工智能领域“请大牛+刷大单+融大资+估大值”的模式。
“不可持续。”杨滔认为，拼融资、拼牛人这种“虚招”是to VC的，没把“技术产生价值”放到第一位。这样的公司，可能善于融资，但绝不善于赚钱。
说白了，大部分做To B业务的人工智能公司都没找到能爆发式增长的商业模式。
突破口到底在哪里？杨滔认为最重要的是回归商业本质：
重建一支“志趣相投”的团队；重新回答从0到1的关键问题：技术本身到底能为客户创造哪些价值？
“这些才是根基，其他一切问题都不是事。”杨滔说。
2017年初，沿着创造价值的路径，杨滔决定把核心技术沉淀为产品，建立通用的数据建模平台DataBrain，将其打造成“数据科学的基础设施”。
此前，桃树的数据建模能力分散在信用风控、精准营销、个性化推荐、客户分群等各技术服务中；这种做法之所以不能真正为客户创造价值，是因为技术公司只提供算法，而数据和业务分散在客户手中，算法、数据、业务三者割裂。
而DataBrain能统合这三要素：它能从数据中挖掘隐藏细节，使用最优算法建立模型，并在交互中实时提升业务层的决策结果，最终成为一个帮机构或大众投资者做决策的标准化产品。这就实现了杨滔一直设想的“业务、数据、算法”三位一体的商业闭环。
坚持做产品的提前布局，在当时虽不能立竿见影地帮公司做好已铺开的业务，却成为桃树日后再次实现突破的关键武器。
2.逆风翻盘
事后回看，让桃树如今重新出发的机遇出现在2017年底。
当时，桃树为一家金融客户的投资业务提供了服务。
与以往不同的是，这次服务直接作用于二级市场交易环节，评估标准明确，直接将DataBrain应用于公开数据就显著提高了客户的收益，这初步说明它能快速为特定的投资需求建立有效投资模型。
杨滔也兴奋地看到，二级市场投资理财未来完全有可能发展为to C业务，这将是一个巨大的市场。
于是2018年初，桃树果断做出了前文提到的战略部署：用自有资金直接做量化投资。
此时，已持续迭代一年的DataBrain成为桃树得以快速把握新机会的关键。商业之路常常就是这样，彼时无处施展的“屠龙之术”，在合适的时机却能带来意外的逆风翻盘。
相比上世纪80年代在美国兴起的量化投资，中国量化投资起步较晚，其标志性事件是2010年4月沪深300股指期货的问世。此前，国内二级市场是“多头市场”，不存在高效率的做空机制。而有了股指期货后，国内市场可以“配对交易”，在实现对冲投资的同时确保收益。
这刺激了量化基金数量的激增。
2014年，中国新成立的量化基金数量同比增长超过600%，首次募资规模的同比增长更是超过了1200%。（因2015年的股灾，新成立的量化基金数在其后回落。）
目前，国内已有九坤、明汯、幻方等管理规模超50亿元的知名量化私募基金，工行、交行等也建立了自己的量化投资团队。
同时，整个量化投资市场仍有巨大发展空间。东兴证券量化投资总监洪振宁去年曾对媒体表示，股指期货出现升水（股指期货价格高于现货价格）及市场流动性回升是量化策略整体复苏的重要标志，近两年量化投资应大有可为。
从长期发展潜力看，2017年，全球对冲基金管理的总资金中，34%被用作量化投资；对比国内，量化投资管理资金规模还不到5%，这里可能潜藏着巨大的机会。
而摩根斯坦利发布的数据表明，去年接近40%的投资交易已将人工智能作为模块之一，比2016年翻了一倍。
机会是留给有准备的人的。
DataBrain经过前两年苦海无边的外包服务打磨，从零零散散、个性化十足的项目中，练就了通用数据建模能力。
2018年年初，杨滔开始带领新组建的“桃树投资先锋队”，对投资行业进行全面调研，并对DataBrain做了升级改造，使其具备以下4方面的“专业能力”：
一是通过对比验证及实盘交易不断积累、更新的因子库和规则库，二是一系列针对不同数据源和投资目标的特殊算法，三是基于前两点生成的多种投资策略模型，四是由不同模型组合而成的最终决策。
例如，在股票市场，DataBrain就有大盘行情分析、行业潜力分析、股票收益率评级模型、股票价值模型、股票择时模型、市场风险规则和投资组合优化等多个模块。杨滔认为，单个模型无法带来彻底的效率提升，只有将不同甚至矛盾的技术模块合理组合应用，才能大幅度降低系统性风险。这就是为什么越是在市场震荡期，DataBrain越能发挥优势——在促进收益的情况下保持风险最小化。
此外，作为机器的DataBrian还能获得时间成本上的更多优势，它可以7*24小时永不疲惫地运转，横跨海内外不同时区的金融市场，为投资者带来多种低风险套利机会。
2019年，是桃树全面发力二级市场投资业务的一年。除了用自有资金及技术直接做投资赚钱、闷头吃肉，基于DataBrain技术的一系列基金产品也将于近期问世。
那么，桃树会就此从一个充斥格子衬衫的技术公司变成西装革履风的金融机构吗？
杨滔告诉「甲子光年」，他的“野心”远不止于此。
3.战略三步走
桃树决心投入二级市场投资，除了要证明桃树的人工智能技术可以赚钱，而且可以轻松赚钱外，还有另一重长期意义。
投资不仅和金融从业者有关，也正日益成为普通大众的生活方式，杨滔坚信，DataBrain最终可以to C。
如果说to B是“让1个人付一亿元”，那么to C就是“让1亿人，每人付1元”，对初创公司来说，这能更好地实现从0到1阶段的爆发式增长。
朝着to C的终极战略方向，桃树制定了“三步走”的业务路径：
第一步，To Money：自己面向全球市场做投资，实现自我造血，直接用技术赚钱。
这是桃树目前正在做的事。桃树在这一业务上的核心优势是DataBrain的迭代能力。经过针对投资的升级后，DataBrain能不断提炼更多因子，创造更多策略，并将独立且矛盾的策略形成一个完整的投资交易体系，不知疲倦地在最小时间颗粒度内积累“小钱”。
“狗也吃主人桌上掉下的碎渣”，杨滔用《圣经》中的话形容DataBrain的这一特点，他认为，靠机器一次性“赚大钱”不现实，但不断抓住小风险的小收益，则能一方面实现“积少成多”地赚大钱，一方面又尽可能避免损失。
这种不间断挖掘“碎渣”收益的能力，能让桃树打造出“零售化的金融产品”，以满足中国巨大的大众投资需求，且这一领域是一片技术商业化的蓝海。
第二步，To B：帮助有投资需求的企业进行投资，并且从投资收益中分成。
在金融行业有种共识：最好用的工具不会卖给别人，而应该自己闷声发大财。
但杨滔的想法是，如果产品真的好，其实应该一边闷头吃肉，一边和别人一起吃肉。
在to B业务上，桃树重点聚焦那些投资需求与投资能力不匹配之处。
例如，许多产业企业都有套期保值的需求，在周期性较强的农业、原材料和一些制造业领域，企业会通过购买大宗商品期货来对冲自身主营产品的价格波动。而对实力并不强的玩家来说，内部缺乏专业的投资团队、资源；外部，在中国市场上又难以找到能深刻理解产业问题，储备相关投资策略和产品，且资金规模、投资周期都很合适的专职机构。
而为多样的投资需求生成最优投资策略，正是拥有超强学习能力的DataBrain的最大特长：DataBrain能实现对资本规模、风险偏好、资金封闭期的不同设定；此后，机器还可以在初始设定的基础上自动学习，持续生成、优化投资策略。
桃树的to B 业务由DataBrain在客户的交易账号中持续交易，从最终收益中分得利润。杨滔把这种商业模式定义为“科技投资”。
所以，在to B业务线上，桃树的服务对象不仅包括券商、其它基金等金融机构，也包含大量有不同需求的各种企业。
第三步，To C：实现最终的星辰大海，为大众提供一款投资决策的数据大脑。
用户只要买股票就逃不开几个基本问题：外在，大处要看市场走势和行业潜力，小处要看个股表现，执行上还要考虑投资时机、交易量大小、止盈止损手段和应对突发事件；内在，要磨炼好自己的投资原则和定力。
但对大量有强投资需求的普通人而言，根本没有这么多时间全面分析以上的信息、数据，也不具备专业工具和技能。更要命的是，是人就会贪婪和恐惧，容易做出违背投资原则的错误决策。市场上仍缺少面向普通投资者的简单、有效的投资决策辅助工具。
已完成了前期技术积累、验证，正在经历真金白银实战的DataBrain有潜力填补这个空白。一方面，随着技术成熟、策略丰富，DataBrain能更好满足C端多样的投资需求；另一方面，机器比人“理性”，更能贯彻以下的投资铁律——比追逐收益更重要的是控制风险。
3条业务线中，to C是桃树最看重的长期目标。杨滔有一个观点：对大众有用的科技，才是最有杀伤力的科技——从技术发展看，受众广、反馈多，才有利于技术自身的快速进化；从商业能力看，客户少、评判者少，技术工具提供者的议价能力就弱。扩大客户/用户面才有利于提高技术的话语权。
而在桃树自身的商业利益之外，杨滔相信：当投资能变得更简单、更透明、风险更低时，会刺激整个金融市场的发展，让代表新兴方向、引领未来机会的企业、行业拿到更多资金，他们的成长又会进一步反哺投资者，形成良性循环。
当投资项目就像逛淘宝一样简单时，金融市场就会越来越成熟，这正是技术能给金融行业带来的终极价值。
4. “不赚钱才是跑偏了”
从to M 到to B 再到to C，桃树的进阶之路中，有两点值得行业借鉴：
1.对于技术“直接产生价值”的思考
2.对客户群体的再定义
在杨滔看来，to M 回答了创业从0到1这一最关键、最难解的问题：到底技术该怎么创造价值？也就是真正在实际场景中找到技术的用武之地。
“好的产品，直接拿结果说话。”to M业务让桃树在从0到1的初创阶段找到了用技术产品获得实实在在收益的方法，且收益的最大支撑是DataBrain本身。这里几乎不需要销售、运营的参与，是一个“技术纯度”极高的场景，解决了“自己赚钱”的问题。
其次，to M、to B 、to C，三步之间并非割裂，其内在的统一性在于： to Money 为后两步提供了现金流支撑和产品支持——只有自己赚到钱，才能帮别人赚钱；而后两步又能成为前者的流量、策略渠道。三步齐头并进，互为补充和放大，在最大化技术价值的路上，殊途同归。
To B和to C的统一性则在于，服务的对象都是投资者。
“投资”天然是一个特点介于B和C之间的市场——它在规模上靠近C端市场，潜在用户规模庞大；但在决策动因上靠近B端市场，追求的是效率和价值，而非娱乐、消遣或其他生活需求。这类满足共同职业群体、共同职业诉求的工具可以定义为to P（Professional Groups,职业群体）。
以to P的视角重新定义客户群，会发现从to B到to C不过是同一套逻辑的推广，因为在这两条业务线里，投资人的风险偏好、管理资金规模、投资经验、投资价值观虽各不相同，对专业工具的需求是却统一的，能通过to P概念归纳为统一的用户画像。
对杨滔来说，这样一条路径最符合他从阿里辞职创业时的初心：做一款面向大众的、帮助大众节省时间而非消磨时间的产品。
如今，桃树已经跳出用高科技给企业做外包服务的被动局面，但他们现在选择的这条蹊径能否走下去，还有一定风险和变量。
其一，to Money的成果和能力还需要更长时间的市场检验。
一位金融科技从业者认为：凭算法挣钱，有的靠实力，有的碰运气。即使现在桃树取得的收益不错，尚不能证明这套工具长期有效或有足够的壁垒。
其二，当通过大量商业摸索发现了赚钱的金融业务时，公司的愿景是否也随之改变了？
市面上做量化投资的金融科技公司如聚宽、优矿、米筐、BigQuant等，都只做平台生意，并不会拿自己的资金做投资。这都是惯常的“金融科技”公司的思路，而已经开始直接做金融的桃树会不会干脆“跑偏”成一个基金？
杨滔的回答是：金融科技依旧是公司的大方向，现在的“小目标”是先赚钱，“不赚钱才是跑偏了。”
一路走来，虽然几经波折，但杨滔追逐的“技术普惠大众”的大方向一直没变。无论to Money、to B、to C，模式万万千，战略千千万，“高科技生意”的本质却简单明了：
用创新技术持续为大众创造不可提替代的价值。
END.