作为最早进入中国的美国VC之一，今年是红点创投在中国的第12年。
2005年刚进入中国时，中国互联网正刚刚兴起。红点最早出手的是中国的广告行业：2006年投资奇虎360（早期做社交化搜索引擎）和玺诚传媒，2010年又投资了秒针系统和多盟。
2013年后，流量红利时代逐渐过去，广告作为一种中间商业务日趋没落，红点开始把投资方向转移到了刚刚有点苗头的企业服务领域。近几年，红点投资了梆梆安全、青藤云安全、芯盾时代、XSKY和云杉网络等To B的企业。
2016年，红点设立了中国基金，由红点中国团队独立运营。中国基金成立后，红点创投在全球范围内管理的基金数量上升为10支，管理总资产达40亿美元。
目前，红点中国团队已投资40多家国内互联网和IT技术公司，以往投资组合包括：奇虎360、一下科技、乐逗游戏、多盟、秒针系统、人人车、APUS、梆梆安全等。
红点创投合伙人张涵介绍，红点投资团队有很强的技术背景，偏爱有技术创新能力的团队。红点的投资策略不是在一条赛道上去赌未来的独角兽，而是要打造一个To B的生态圈。这几年，红点在企业IT服务方面出手不少，接下来主要会在大数据及基础架构、云计算及基础架构、SaaS服务、信息安全、AI（人工智能）等五个领域继深挖。
SaaS服务类：服务大B要有足够强的销售能力，服务小B要有足够多的变现方式
中国的SaaS服务类公司开始慢慢发展起来是在2013年之后。之前由于盗版软件盛行，软件厂商通常会搭配硬件一起卖，企业软件在中国并没有好的盈利模式。
SaaS可以根据服务客户的行业，宽泛地分为通用型和垂直类。
垂直类SaaS主要是解决某个行业的管理效率的工具软件，面临的问题是体量够不够大，商业模式是局限在SaaS服务上还是能够转移到市场资源的获取上，成了体量发展的关键。
当垂直类SaaS深入到客户的日常业务，他们的工作数据、交易数据等就会留在你的云端，如果你能用好这些数据，整件事就盘活了，如果用不好，你就只是一种服务和工具。
通用类SaaS体量足够大，但技术门槛较低。
每个公司都有自己的工作流程，当通用类SaaS不需要对流程做出任何理解的时候，而是每个公司都能用，那别人要替代也很容易。通用类SaaS没有太多技术门槛，关键是市场获取速度，快速积累用户和数据，提高用户的迁移成本。
与中国相比，美国SaaS市场已经很成熟，国内企业可以去对标，但应注意到两国的市场不一样。张涵提到了两点：
对市场的认可不一样。美国企业很早之前就会为买软件付出高昂成本，中国企业则没有付费习惯。SaaS企业一般都是按年费或月费来收费，规模较大的中国企业没有这样批预算的习惯。比如说跟某国企立一个项目卖软件，它原来的习惯是第一年交100万，后面每年交15万的运维费用，结果你现在让它每年交100万服务费，它肯定不会接受。这个需要时间去过渡，因此中国SaaS教育市场所需要的时间更长。
美国的云比中国更领先。大多数美国企业不会特别要求做私有化部署，但中国较大的企业基本上都要求私有化部署，这样的话，年费形式的意义就不是特别大了。
在中国，对市场教育的主要推动力是免费，尤其是面对中小客户的免费。但这也导致一个困局，中小企业付费意愿不高，如果收费的话他们就不用，如果不收费，客户越多负担越重。
张涵认为，对于面对中小客户的SaaS公司，必须要学会做转化。具体来说有3个方向：
做垂直SaaS。如果完全收不上钱，一定是自己本身的服务太单薄，用户没有依赖性。因此，SaaS公司要想变现只能做垂直，要对客户的业务和项目足够了解。对中小企业来说，最基本的需求是生存，而生存的基础是获客。如果你能帮他提高获客能力，或者交易转化率，它一定会需要你。
提供增值服务。SaaS公司需要在基础服务上做模块化的深度产品。比如说社保平台、报销平台或HR类的SaaS平台，这些都是企业最基础的功能。SaaS公司从这些点切入，后面可以考虑加上社保管理、薪酬管理等服务模块，这里面可能会有变现的机会。
数据的优化和转化。服务了千家万户后，如何利用好平台上大量的数据很重要。红点之前投资的梆梆安全，是一家做安全加固的公司，为大中小企业的APP提供SDK平台，这是APP上传到渠道的最后一关。虽然梆梆免费给客户提供服务，但是企业用了它的服务之后，其实给梆梆贡献了很多数据。目前梆梆已经有超过7亿台手机数据，未来可以利用平台上的安全数据做转化。
红点在SaaS领域看的多，但出手较少。张涵称，红点偏向于投A轮，早期项目重点还是看团队，如果团队能力非常强而市场天花板又很高，就会考虑投资。对于服务大型客户的SaaS公司来说，足够强的销售能力、技术能力都很关键，而对于面向中小型客户的SaaS，如果是通过低价做市场，必须要想办法做更多的变现。
信息安全：2C是巨头的菜，创业公司应该挣B端的钱
To C的安全已经被BAT、360等互联网巨头占领，在张涵看来，这块是巨头的菜，主要提供综合性互联网产品，创业公司很难去PK，应专注于为B提供安全服务。
现在To B的安全公司越来越多，比如做反欺诈的同盾科技，还有安全宝、安全狗等。
通常大家看到的安全公司都是针对金融领域的。张涵解释，安全在游戏、AI等领域也应用的很广泛，只不过目前金融领域的安全需求最明确。
比如说银行安全，现在银行也进入了竞争阶段，各家都在积极推广自己的移动端，抢占未来的银行入口。大家都在追求速度的同时必然会忽略安全问题，因为现阶段解决的主要是功能的可用性，一旦推广速度就慢了，市场就被抢走了。而事实上手机银行安全性并不高，尤其是安卓版本，因此银行对安全的需求非常明确。
红点在对安全公司的投资上，主要看重两点。一是必须符合趋势，二是要直接切中用户痛点。比如梆梆安全切的就是游戏和金融，因为这两个领域直接产生交易，一旦黑客侵入，损失特别直接。而对于自身信息没有很深的认知的公司，付费意愿不会太强，教育成本较高。
根据张涵提供的数据，美国企业在安全方面的投入占公司IT总投入的20%-30%，中国则低于10%，中间有很大的差距，因此还有很大的提升空间。
云计算及基础架构：掌握创新技术是核心，而不是将国外技术拿来做项目实现
PaaS、SaaS基本是应用层，在应用层上面做的东西都可以归为云计算基础架构。张涵称，这部分的关键是对云计算核心资源的利用，即计算资源、网络资源和存储资源。
从硬件到搭云，中间有很多创业机会。现在有各种OpenStack公司帮助企业搭建云，这里需要一些创业公司，提供技术帮助企业更好地使用云。只有将技术变成可商用的产品，才有机会。
在PaaS层，红点关注的有类似Docker的技术和其他Container的技术。张涵称，红点看重的是团队的技术创新能力，而不是把海外现成的技术拿过来，在国内做项目实现。因为从长远来看，只有掌握了创新技术，公司的生命力才会更长久。
那么如何考察团队的技术是否领先呢？张涵称，一是看团队背景以及对技术的理解深度，二是看能否实现技术产品化。
如果团队已经解决了技术从0到1的难题，接下来要看的就是能否产品化。如果不能产品化，意味着每一个项目都需要帮企业定制。因此，早期团队必须有产品化的能力和视野，对产品做好规划。
与To C公司迅速铺量、快速迭代不同的是，To B技术公司必须在早期把产品打磨的大致成熟了，用户才敢去用。在使用的过程中一定会发现各种问题，之后需要不断调整和规划，因此产品1.0版本出来的时间会非常长。
另外，To B市场必须先拿下标杆客户，但作为创业公司，说服大公司来用的你产品本身就有很高门槛，因此开发产品时间非常长。
尽管投资技术类To B公司变现时间比较长，但张涵称，VC投资还是要投市场比较早的东西，即使那时候市场可能还没打开。
比如红点投云杉的时候，它当时在做SDN，那时候国内公司连云都没上过，更别说SDN。但一旦市场被教育过来了，云已经普遍运用了，更多的公司就会发现云里头很多瓶颈和问题，这时候SDN市场就打开了，拐点就来了。
大数据及基础架构：把开源技术变成商业产品，这里面有很多机会
大数据在很多垂直领域都有应用，比如，同盾科技和360都是基于大数据安全做的大数据公司，此外还有AI、营销等。
在张涵看来，大数据的基础架构还有很多机会。整个云和大数据类似一颗大树，根部是云计算的基础架构，往上是云计算的台子，搭好后用来跑大数据的基础架构，再往上就是大数据应用，到最顶端就是AI。
这棵树现在有一个新特点，就是不像原来那样封闭，比如说Oracle、Cisco和Microsoft全是闭源的，现在开源发展得比以前更成熟，大家都希望集众家之力去解决一些软件问题。
开源带来了一系列创业机会，可以在平台上做很多模块。另外，如何把开源技术变成商业产品，这里面也有很多机会。
但开源和商业化之间是有gap的。开源其实是很多技术极客，或某个某公司资助一些人或者主动开源自己内部的一些项目或者产品。与做产品相比，社区的活跃用户和代码贡献者贡献的内容更加偏学术，类似于日常物理和书本物理的区别。
企业要想利用这些开源知识到实践上，中间还需要很多步骤。一些大公司由于有很强的研发能力，能够应用部分开源的东西，但绝大多数公司并没有这个能力。
红帽是开源生态里做业务做得最好的，它为操作系统和云计算等重要IT技术提供软件和服务，简单来说就是将开源社区项目产品化或者提供服务，使普通企业客户能够使用开源的创新技术。
对于创业公司来说，在做开源产品时，首先要对开源的技术足够了解，尽量在社区里提升公司的影响力，理解开源和商业化之间的区别在哪儿，把中间的gap做成商业化的产品，一定有机会。
AI：不要去想10年后怎样，重要的是解决未来2年内可能出现的问题
在AI方面，张涵称，他更想做个“短视”的投资人。不要去想想10年后会怎么样，而是要将目光收到一个聚焦的点上。
AI创业公司都有一定的技术能力，但最关键的是做的东西能不能有价值，这个价值在1-2年内一定要在市场内有一定的体现。
对于AI领域的创业公司来说，你得考虑自己的优势在哪儿？首先，你的算法的优势在哪里？现在Google TensorFlow请了一大批科学家在做，已经开源了，你能比TensorFlow优秀在哪里呢？
其次，你的数据和数据源在哪里？怎么训练数据？你有BAT的数据大吗，如果没有，你从哪里拿数据？
最后，你有BAT的算力吗？有没有很强的硬件帮你计算？如果没有凭什么说你的效果比别人强？如果你去做AI创业，首先要考虑好这三点问题。
具体说到语音和图片AI，这类公司面临的有两点问题，第一是变现困难，第二是应用场景不是特别多。这类公司应该怎么发展？张涵称，一定要切到有明确需求的地方。
举个例子，Face++做身份验证的一个环节，即指纹识别和脸部识别，它要扩展到传统行业才能赚钱，而不仅仅是在互联网行业。平时的App登录只是To C的应用，但AI真正能够收到钱的是在企业端。企业端对信息接入是有要求的，网银、大企业人员管理等都是需要一键登录的身份验证机制，因为这样所有应用都不用再用密码登录了。因此，一定要切到有明确需求的地方，才有市场的机会。
