将真实的世界以统计的方法抽象，自主学习和发现规律并应用，是目前的智能技术进展，具备足够复杂结构和特征变换能力的神经网络，配合规模够大的数据以及更加低成本的强大算力使之可行。
任何的突破都是从小场景开始的，在领域应用上这种智能已经在实验室里获得证实，但到开放的现实世界中规模化应用面临的最大挑战是，对过去的统计无法全面应对不确定的未发生，目前的 AI 技术路线决定了开放性是其最大挑战，那么对于开放性问题的最好解决方案是开放性平台。
无法预知的EDGE CASE随时会带来毁灭性的冲击，高失败宽容度的业务领域当然好，但最终更能解决问题的还是以开放的数据生态应对开放的问题，将错误的损失压缩到最小。
算法、算力、数据、物联网+云，这里面开放的数据生态可能就是竞争的关键了，基于这一判断，我发起和推动过 AI 解决信用问题的开放生态，后来也推动过开放生态的自动驾驶业务模式，背后的道理是一样的。
从商业的角度，我们关注竞争优势和壁垒是如何建立的，并经常寻找一些可以正强化的业务效应，那么从数据入手，可能就是思考AI 业务模式的关键。
分享到:
閱讀更多 智能實踐 的文章
