创业公司要深入具体场景，形成数据闭环

我个人认为人工智能的发展可以简单地划分为深度学习之前和之后。深度学习出现之前，AI主要是简单的模式识别，用计算机技术解决一些特定的模式问题，但近几年识别准确率开始出现瓶颈;深度学习带来的变化还是很大,使得很多应用场合的识别率有了突然跳跃式的改善，很快就会无限接近甚至超越人类识别水平，这个框架基础催生了大量新的机会。

深度学习的一个先决条件就是需要海量的数据去做训练。所以我们看AI公司的时候，*先是看它的数据场景是否正确、数据够不够大，有没有防御性，另外就是有没有形成闭环，拥有一个反馈机制(根据搜集到的数据判断做的决策是否正确，效果如何，如果能够产生反馈，那就可以逐渐优化);第二，如果业务过程中他自己能够产生沉淀新的数据，就会是一个正循环，越做门槛就越高(比如如果一个系统在业务单元或各科室的繁杂数据之间能产生沉淀新的有组织形式的结构化数据，既是输出也是输入，这就会形成新的业务价值和数据壁垒);*后一点适用于任何技术性公司，就是你**的价值是否可以明确衡量，一般意义上是指能提**率或者改变产业结构的价值，如果这个价值可以衡量，那这家公司的商业价值就很容易体现。