Union Square Venture 的 Fred Wilson 对 2017 年“预测”第 5 条：投资者第一个问题会是“你们 AI 战略是什么”，并对“没 AI 战略”公司保持谨慎（详见硅发布报道《
顶级投资人Fred Wilson预测
》）。
千真万确，现在源源不绝的创业公司都自称 AI，对投资者挑战是：如何去芜存菁找到真正的 AI 公司？来看下美国顶级投资机构 Canaan Partners 的 Rayfe Gaspar Asaoka 撰写的一个“方法论”，其主要投利用 AI 全新、独特数据来破坏旧商业模式的初创公司。以下是我们翻译简写。
AI 已经过热，但也仅仅是个开始。
从初创、大企业甚至到好莱坞，AI 无处不在。过去两年，对“深度学习”搜索频率增加了 4 倍，AI 似乎是每篇学术论文、行业研讨和创业公司主题，感觉已“言过其实”，但穿越“炒作”，AI 的确是下代创新浪潮——且还仅仅是个开始。
复合驱动：平台、算法和结果
过去几年 AI 平台迅猛发展，尤其是其子领域“深度学习”：其传播算法背后的微分方程足以令大多数开发者头晕目眩，但开源库 TensorFlow（注：谷歌开源人工智能系统）却能让任何人得以建立最新分类和复杂的 ConvNet。今天我们有一把开源选择，如学术机构研发的 Theano、Caffe 和 DyNet；商业化公司提供的 TensorFlow、CNTK 和 MXNet。她们竞相成为开发平台时也互相推动改进功能，这场竞争其实也是企业内部的“特洛伊木马”，随平台变得更易使用，AI 也会日益成为企业核心。
当算法从经典的“Rules-based AI”（专家系统），到 Regressions（机器学习），到多层网络（深度学习），到现在的强化学习，我们看到 AI 渗透进企业的各种新方法。如深度学习重新定义了使用非结构化数据的领域（如：计算机视觉和语音）；强化学习有了更广泛应用领域，从时间序列数据领域（如：金融和安全）到多步骤过程（如：机器人和物流）。对初创，去部署利用多代算法建立专有数据和模式的护城河已刻不容缓。
那么带来结果是什么？
AI 第一次在“规模化”上，实现在真实产品和服务中提供真实结果。
像谷歌、Facebook 和百度等已在 Geoffrey Hinton、Yann Lecun 和吴恩达等科学家帮助下对 AI 展开应用研究。谷歌高管 Jeff Dean 最近谈到谷歌内部对 AI 使用增加——不仅是研究领域，还包括“生产”。许多方面，这与 20 年前“软件优先”及 10 年前“手机优先”相似，下代成功公司将是“AI 优先”。
