人工智能正在激起一场新的计算机革命，用吴恩达的比喻来说，人工智能就是电，是激发下一次革命的基础，那么，对于正在准备或者已经开始进入人工智能阶段的同行而言，有哪些是必须知道的呢？
互联网的机会在逐渐缩小
当前的互联网可以划分为两个大的领域——传统的互联网和移动互联网。但是，无论你相信与否，互联网的红利正在不断地逐渐缩小。在传统互联网领域，全球个人电脑（PC）出货量从2012年第一季度起就开始不断萎缩。个人电脑巨头戴尔在2013年第一季度就通过私有化方式退市，而美国在线、雅虎这些传统的互联网巨头也都已经从互联网领域退出。在国内，传统互联网三巨头新浪、网易和搜狐也都在苦苦挣扎，传统互联网的辉煌时代正在逐渐远去。
在移动互联网方面，无论全球领先的四巨头FANG（facebook，Amazon，Netflix，Google）还是国内的BAJT都仍然呈现出蓬勃发展的趋势，但事实上从2017年开始，全球手机出货量就不断下降。这表示，移动用户的增长在降低，也说明移动互联网的将逐渐进入稳定而不是快速增长的时代。在这种情况下，企业之间的竞争，一定会从疯狂增长转变为创新竞争。
从根本上，虽然互联网可以解决信息不对等与连接问题，但它不能从根本上解决成本与消费问题，换句话说，互联网只能提高效率，而这种效率的提升是有上限的。这个上限在传统技术不变革的情况下无法得到突破。
人工智能是互联网的救命稻草
若干年后，或许百度会为连续失去吴恩达与陆奇，从而完全失去在人工智能领域的优势而懊悔不已。这是因为，在当前的形势下，或许只有人工智能技术能大幅度提高全社会的生产效率。这种提升对人类社会的影响可能要甚于互联网。比如说，在一个级别很低的小医院里，我们可以使用人工智能来帮助医生检查X光片或者CT，从而给出一个合理的精准的建议。这在极大程度上可以提高医院的效率，但是这种革命仅靠互联网是不够的。
在可以预见的未来，人工智能能提供更高的生产力以及更大的社会效率，在运输，工业生产，医疗，金融，教育等等多个领域产生作用。很可能，这些革命性的进步可以挽救互联网的颓势。因此，对于创业者而言，选择人工智能领域是明智的。
人工智能应该从哪个层面起步
一般来说，人工智能可以划分为三个层面。在最底层是基础建设，包括基础的IT设施，云计算，芯片，以及像谷歌的TensorFlow一类的框架；中间层也可以称为技术层，是一系列基于算法的技术系统，包括自然语言处理，机器视觉，语言识别以及不同行业的专家系统等；在最顶层也是应用层，是在技术层的基础上，面向用户提供的一系列人工智能应用。
在人工智能的所有领域中，基础建设层和技术层已经被大型的机构和公司所占领，基础设施的建设需要巨大的资金与资源，因此，很多互联网巨头都已经开始了被称为ABC的战略，A代表人工智能Artificial Intelligence，B代表Big Data大数据，C代表Cloud Computing云计算。这对他们而言在长期战略上是稳定而安全的业务。
那么，对初创公司而言，基础层和技术层还有机会吗？我想是没有了。可能一个初创公司有足够独特的技术和发展，能通过发布和销售SDK获利，但是你可能面临的是行业巨头们提供的免费技术与借口，谷歌的TensorFlow框架就是一个活生生的例子。因此，仅有的机会在应用层。
人工智能与业务的结合
AI技术的成熟会带来新的商机，比如特斯拉的无人驾驶汽车，亚马逊的智能音箱，谷歌的语音助手等等，都是人类历史上前所未有的新生事物。从一定程度上，可以说是人工智能催生了这些事物。然而，人工智能对现有的业务能有怎样的提升呢？我想最大的改变可能是大大提高业务效率，因为人或者技术造成的障碍将不复存在，在像安全、医疗、教育、金融这些领域的效率会得到极大的革命性的提高。
事实上，无论在新生领域或者现有领域，都为人工智能留下了足够的空间。然而，虽然与巨头相比，初创企业看上去像是站在同一起跑线上，但是行业巨头拥有的海量的数据和资源，是他们的巨大优势。因此，相比新生领域而言，选择已有领域对初创公司而言可能是更佳选择。
严苛的与非严苛的应用
很多进入人工智能领域的企业都过于关注算法。但是，算法的重要性可能在相当程度上取决于所要进入的领域与行业。根据不同领域的划分，应用可以分为严苛的与非严苛的两种。例如对于无人驾驶汽车而言，显然需要一个足够精确与高效的算法，99.9%的可靠性完全无法满足要求。这意味着为了达到更高的水平，需要投入更高水平的专家和足够长的研发时间。
以色列一家名为Mobileye的先进辅助驾驶（ADAS）系统方面研究的公司，在2017年被Intel公司以153亿美元的价格收购。而在此之前，这家公司在进行了长达八年的研发之后，才在2007年发布了其第一款产品。谷歌的无人驾驶汽车项目同样起步于2009年，直到目前也还未商业化运作。医学方面，达芬奇手术机器人在长达十年时间内在美国FDA医药监管局进行了2000多次的验证。这些都是人工智能领域的严苛应用方面，显而易见，初创公司是没有空间参与其中的。
好在人工智能领域的大部分应用是非严苛的。最简单的例子是近期很多人工智能公司提供的面部识别系统。这些系统大部分情况下达不到99%的识别率，但是也不影响其使用效果，同样的例子还有指纹识别或者声音识别系统，都是非严苛的应用。只需要算法上有一个正常精度就可以。在非严苛的人工智能领域，需要的是对所在行业的理解程度，产品的能力，费用负担的能力以及市场能力的评估，这些恰恰都是初创公司可以灵活处理的。
选择B2B还是B2C
技术的成熟需要一段时间，而其流行则需要更长的时间。因此，对所有进入人工智能行业的企业而言，都面临B2B还是B2C的商业模式的选择。在这方面，B2B对初创公司而言可能更好，这是因为，目前人工智能技术， 由于技术和产业链的不成熟，产品的性价比极低，这对消费者而言是非常不友好的，无论是亚马逊还是小米，智能音箱的功能一样都不能令人满意。而在这样的情况下，选择企业作为产品使用对象显然更有优势，企业可以承担更高的价格，只要产品能提高其运转效率、降低成本，产品价格对企业用户来说是不敏感的。同时，企业用户在容错性方面更强一些，即使产品不够成熟与完美，只要其在某一方面具有优势，对企业用户来说都是可以接受的。这也是为什么对初创企业来说，选择B2C模式更容易一些的原因。
