一个显著的趋势是，高瓴往VC走，高瓴创投更是在往早期、乃至首轮投资人走。
文 | 张丽娟
来源 | 东四十条资本
实时数据分析基础设施平台Timeplus今天宣布完成种子轮融资，高瓴创投（GL_Ventures）领投。
其他共同投资者和专家顾问包括 GIC TMT 投资主管 Jeremy Kranz；前苹果高级副总裁 Rory Sexton（他在过去 20 年负责打造苹果的全球供应链能力）；以及全球顶尖实时流式数据库领域专家Richard Tibbetts；现Tableau产品副总裁; BMC 高级副总裁、数字服务和运营管理总经理；Splunk 前副总裁 Margaret Lee。
如此早期的一个项目，高瓴看重的是什么？
据高瓴创投合伙人李强表示，一方面是企业对于新一代数据分析平台的刚需：“全球数据增长进入持续爆发阶段，未来3年的增长总量将是过去30年的总和，其中又以流数据占比最高——达到了增长中的30%以上，而现有基础设施难以应对这一数据快速增长下的需求。”
另一方面，便是与大方向资质匹配的、牛人团队：
比如Timeplus创始团队拥有超过15年的全球顶尖软件行业实战背景——团队来自Splunk、SAP和Amazon几个最头部的数据平台公司。CEO王亭是Splunk前全球工程副总裁，早前还曾在SAP BusinessObjects担任产品工程全球副总裁，负责全球头部的BI平台主打产品线Crystal Reports和Dashboards的产品和研发，主导了SAP新一代分析可视化平台软件。
这样一个团队，“他们基于多年工程实践和技术创新、打造出的云原生流数据分析平台，能够帮助企业实现更高的业务敏捷性。我们看好Timeplus有机会成为新一代数据分析基础设施，这也是我们为何从种子轮开始支持Timeplus的原因。相信在创始人王亭带领下，Timeplus将以顶尖技术、为更多行业和企业提供持续创新的数据服务能力。” 李强说。
投早、投小、投牛人
今年是高瓴将VC品牌——高瓴创投独立运行的第三年。一个显著的趋势是，高瓴往VC走，高瓴创投更是在往早期、乃至首轮投资人走。
从公开数据看，高瓴创投2022年上半年披露了80多个项目，其中A轮前（包括A轮）有35个，占比超过40%。
其中种子轮、天使轮则达到了13个，除了今天的Timeplus，还有星锐医药、合生科技、鸿钧微电子、云骥智行、华深智药等。
如果把时间线拉得更长的话，这份名单还包括云原生数据服务商Datafuse.lab，边缘云计算平台秒如科技、AI驱动创意的水母智能、动作物理引擎公司的Motphys等。
包括今天已接近百亿美金估值的地平线，高瓴也是在其天使轮就进入，然后持续投了其A、A+、B直到目前的C轮。
去年年底，张磊在中国合成生物学学术年会上曾表示，从方向上看，投新、投硬、投科技，从阶段上说，投早、投小、投牛人，“是高瓴创投鲜明的投资主题”。
对照高瓴投的这些早期公司来看，牛人团队+硬科技方向，似乎成了其出手天使以及种子轮项目时一个明显的标配。
除了Timeplus创始人王亭这样的“大厂牛人”，另一种高瓴很喜欢的是“科技牛人”。比如合生科技创始人，武汉大学教授刘天罡，他的团队最近刚刚在Nature上发表了关于“揭晓新型三萜天然产物合成机制、搭建萜类化合物深度挖掘路径”的重磅研究。
还有一种——如红西瓜半导体、云骥智行，创始人分别为地平线的余凯和壁仞科技的张文。“已投牛人的二次创业”，显然也是高瓴出手早期的偏好之一。
实时数据分析带来巨大商业价值
IDC预测到2025年”Global Datasphere”将从2022年的64.2ZB增长到181ZB(CAGR23%), 实时数据将达到30%的惊人占比。Gartner预测在2022年超过50%的企业业务场景亟须实时数据分析来提升业务决策的即时性和效率。
什么意思？在数字化转型已成为不可逆转的全球趋势的今天，善于通过对数据的融合、分析、洞察来推动企业决策和快速响应，实现运营自动化是成为领先企业的制胜之道。
同时，当今企业身处的经济环境和竞争格局错综复杂，客户需求瞬息万变，面对这样一个VUCA(Volatile,Uncertain,Complex,Ambiguous)的世界，时间与速度成为企业应对变化的最重要的变量。
比如，博世汽车将IIOT与大数据相结合，通过传感器实时采集生产系统数据，对生产过程及关键要素进行全领域实时监控，帮助生产团队分析产能效率及瓶颈，提供产线可靠性评估及产线设备维护排期建议，提升博世生产总体产出效率约十个百分点，大大提升了产量和客户满意度。
那么，如何在一定时效前提下更好、更快、更广泛地使用实时数据来驱动实时业务的需求不断提升，以时间为基础的流式数据和相应应用的增长也迎来了爆发，专注于构建强大持续实时数据分析基础架构的Timeplus应运而生。
尽管实时数据分析能够为企业和组织带来巨大的收益，但限于目前其底层的数据基础架构仍然大多基于服务于海量历史数据分析而非专门为持续实时数据分析的技术栈，大多数企业在建立实时数据分析技术能力的过程中一筹莫展，真正建立起有效的持续实时分析的成功案例仍然比例较低。
我们甚至观察到尽管很多企业和组织在数据能力建设方面投入巨大但其持续增长的数据量及业务需求与其数据分析能力之间的缺口仍然在逐渐扩大，其中主要的一个原因就在于能够高效对接应用的底层实时数据分析技术栈和平台的缺失。
“实时、强大、简单”则是Timeplus的重要产品理念之一，Timeplus力求为用户提供下一代实时流式数据分析基础架构技术及平台以解决当前用户在建立“延迟敏感”的实时业务分析能力过程中遇到的种种技术挑战。
为向用户提供强大的实时分析能力从而赋能用户实现最短“从数据到洞见到价值”时间，实现延迟最小化，“Timeplus采用了“流式优先”的技术架构理念对针对数据的写入、计算、交互全过程技术栈进行了全面重新优化设计。Timeplus核心功能之一的实时动态数据格式识别为实时数据的采集、计算、分析及交互提供了巨大的灵活性。
