既然算法并不重要，也就是說目前的AI在實用階段其實沒有算法的本質(zhì)區(qū)別，產(chǎn)品和產(chǎn)品的區(qū)別，主要就體現(xiàn)在工程化能力，也就是實際場景中，各種限制條件，把學(xué)術(shù)論文天馬行空的問題，變成了有大量明確前提的問題，這就是所謂工程化，既包括了算法的實際落地能力，也包括了項目團隊如何綜合運用各種軟硬件資源，搭建有效、可靠的產(chǎn)品。
服務(wù)能力重要的另外一個原因，其實是“Customer Engagement”（請原諒我用在老東家喜愛的英語詞匯，因為這個詞確實很貼切）。
因為這是一個封閉的單一命題，適合AI技術(shù)當(dāng)前水平，適合初創(chuàng)團隊運作。
這個問題也是很多朋友經(jīng)常會疑惑的，因為大多數(shù)人認(rèn)為，投人工智能投的是技術(shù)，特別是算法的領(lǐng)先……
互聯(lián)網(wǎng)行業(yè)，要想獲得投資人的青睞，往往是故事要大而美，要講規(guī)模，講對人類社會生活的革命性變化，但AI行業(yè)其實大多數(shù)時候應(yīng)該反其道而行之。
（以下內(nèi)容感謝網(wǎng)友Kevin貢獻思路和大部分內(nèi)容）
那些傳統(tǒng)掃地機的廠商，想一下子具備AI能力，其實很難的，因為船大難掉頭，也沒有這個基因；AI廠商要進來做掃地機也沒有那么容易，有先行專利壁壘，有工程化時間差。
2，越low越紅海的地方，一旦用了AI就是全新的藍海，而且別人還不一定進的來。
第三是因為通信行業(yè)發(fā)展日趨穩(wěn)定，有能力的很多人士都紛紛尋找新的機會，這就形成了從通信業(yè)到AI業(yè)的躍遷，前面又說過，AI行業(yè)躍遷能力非常重要，能夠從通信行業(yè)跨界躍遷過來，在AI行業(yè)內(nèi)部躍遷自然不在話下，而之前的軟硬件集成、運用能力和大客戶服務(wù)能力又可以完美轉(zhuǎn)移。
譬如說，對于AI+Fintech，很多人都想做智能投顧，其實想做這個事的公司很多，甚至諾貝爾獎獲得者也不少，沒一個成功的，而反過來，如果做一個相對更加簡單的命題，例如AI輔助金融監(jiān)管，使用AI把零散的上市公司數(shù)據(jù)結(jié)構(gòu)化，比智能投顧的商業(yè)模式一定更加接近成功。
這樣買單的內(nèi)科科室有動力，對于影像科既沒有革人家的命，也可以把一部分不需要拍片的患者工作量減輕。
除此之外，國內(nèi)特殊的營商環(huán)境也需要考慮，垂直領(lǐng)域的項目，其應(yīng)用效果往往立竿見影，在AI還沒有被客戶群體廣泛深刻認(rèn)知之前，訂單往往早期以合作項目制呈現(xiàn)，而大項目實施周期和驗證周期都很長，甚至于可能遠長于客戶主管領(lǐng)導(dǎo)在該崗位上的任職周期。
世界上還有無數(shù)值得去做的，需要替換100個人的場景沒有被挖掘。
因為好投的AI項目要么是把AI用于B端客戶的節(jié)約成本，提高效率，這本身就是管理咨詢公司的活兒，只不過我們AI公司有了新的AI技術(shù)工具而已；
同時，傳統(tǒng)互聯(lián)網(wǎng)其實要解決的只是簡單的信息不對稱問題，O2O項目雖然嵌入了一定的生產(chǎn)服務(wù)流程，但著眼的關(guān)鍵點還是信息不對稱，有了好的創(chuàng)意，技術(shù)和工程上的問題都不難解決。
人工智能技術(shù)已經(jīng)成為了未來8-10年最大的投資機會，在這個領(lǐng)域的投資機會，即使用“遍地是黃金”來形容也不為過。
我認(rèn)為原因主要是這兩個行業(yè)具備高度的相似性和人才通用性，
因為AI的應(yīng)用迭代不像互聯(lián)網(wǎng)那么快，你幾輪軟件硬件磨合下來，至少半年到一年吧，有這個時間，人家先行者又弄出新東西新功能了。
第一是都是基于計算機科學(xué)和電子科學(xué)的；
而且越low的場景，越在社會上廣泛存在，解決一個，就意味著全國乃至全世界有大量的類似場景，市場空間巨大無比。越高大上的場景個性化越強，很可能不適合作為產(chǎn)品。
例如車輛領(lǐng)域最好是前裝市場訂單。如果頭部客戶肯海量下單，說明產(chǎn)品已經(jīng)具備了很好的可靠性，項目也就具備充分的投資價值。
投資人想成為每一個領(lǐng)域的專家，是非常不現(xiàn)實的，那樣判斷項目是否具有投資價值，很大程度就是看項目是否有足夠數(shù)量的頭部客戶，而且客戶簽單并不是簡單的小批量實驗性訂單，而是大批量生產(chǎn)型訂單。
本文源自我自己多年的AI早期項目（天使輪、A輪）投資經(jīng)驗和人工智能領(lǐng)域朋友們的創(chuàng)業(yè)經(jīng)驗總結(jié)而成。
這一點非常重要，因為產(chǎn)品不是學(xué)術(shù)研究，必須完美應(yīng)對各種現(xiàn)實的不完美，這必須是創(chuàng)業(yè)團隊有多年的工程經(jīng)驗（未必是AI工程經(jīng)驗），因為只有這樣的團隊才會有足夠敏感度去預(yù)感產(chǎn)品中的坑，并且盡量規(guī)避，提高投資效率。
所以，如果您面對的AI項目里有一個靠譜的通信行業(yè)創(chuàng)始人，請重點考慮一下。
因此，互聯(lián)網(wǎng)項目很容易放量做出規(guī)模，也只有規(guī)?；庞?a href="http://www.qzkangyuan.com/cnidc/bigdata/news/20171115/18676.html">投資價值。
如果說感知還比較容易，那么我想每個人都有親身體驗，做決策、做選擇是最難的。
▌第四投：應(yīng)用場景夠low
