很简单的例子，比如曾经虐翻中日韩围棋天才的AlphaGo，在跳棋赛场上可能就束手无策了……这也意味着花费了很大精力、数据来训练的模型，很难跨行业、甚至只是跨项目的应用。

　　1997年，国际象棋世界冠军Garry Kasparov对阵Deep Blue

　　同质化的AI创业

　　虽然深度学习还不是一个完美的技术，但在它成功地“吸引了全世界的注意力”之后，工业界的进展正不断加速。

　　“如今人工智能行业正处于一个‘四处开花’的阶段，能看到不同方向上的创新。”华盛顿大学人工智能博士徐宥告诉钛媒体记者，他曾在FitBit领导机器学习团队，离职后也加入了AI创业浪潮，做了一个用AI帮助程序员更好地写代码的公司。

　　比如上文中提到的 Google 翻译，就在某种程度上实现了类似人类的迁移学习能力。毫无疑问，这也是一个未来很有希望的AI创业方向。

　　除此之前，我们还能在模型架构、训练方法等方面看到各类创新。比如DeepMind就提出了完全人工的神经网络架构，j2直播，“这可能不是受生物启发，但是对这个问题理解很深刻才能做到。”徐宥说。

　　训练方法则意味着让机器找到“学习的方法”（learning to learn）。在人们训练自己家的小狗时，不同训练的方法会带来不同的结果；在训练机器的时候，这仍然成立。

　　虽然此刻我们很难预测深度学习乃至人工智能的未来，但是行业内有一个共识——“它会持续给市场带来惊喜，而如今以深度学习技术为主的人工智能创业生态也将面临洗牌。”郭威对记者说道。作为硅谷知名早期投资人，他的成绩显著，在CB Insights刚刚发布的100家变革人工智能产业的创业项目榜单里，他投中的就有Skymind，Mode，Atomwise和TalkIQ。

　　根据VentureScanner今年发布的数据，全球范围内的人工智能公司数量达到1464家，其中有超过三分之一都有关机器学习。

　　图片来自Venture Scanner

　　在任何一个对人类极其重要、竞争又面临同质化的行业而言，这个未来并不难以想象：在某个节点，巨头入场，end of story。

　　“真正对人类有价值的问题就那么多，巨头一定不会把这类问题让给大批小公司。”徐宥说，他认为面临这类竞争时，模型上的优势对于创业公司来说，几乎难以构成护城河。在巨头进场以后，专注于技术的小型AI创业公司的惨淡未来不难预期。徐宥在创业一段时间后，写下了这样一段博文：

　　目前宣称有独特模型和算法的，是把赌注押在一个特定的方法上，而和全世界的所有研究者竞争。目前来说这注定是无效的——谁也不知道明天 DeepMind 会公开什么黑科技，一下子超越了你的独特模型。或许在这个赛道上再走几年，有些公司的确能够领先其他。

　　目前大家都在同样的起跑线上，模型或者算法的领先可以忽略不计。

　　就像Oriza Venture的合伙人John Yu在采访中提到的，面对深度科技时，大众、乃至有些投资人往往过度关注这项科技听上去的“先进性”，而忽略了一点：除了极其少数的颠覆性技术以外，直播，大部分科技都必须找到与产业结合的落脚点，在技术以外的维度上建立起竞争优势，才能够真正发挥其价值，“成为一个拥有商业前景的项目”。

　　对于人工智能企业来说也是一样，在图像处理、语音识别等各个AI行业内的问题渐渐都被打上“已解决”的标记之际，也许这才是在越来越激烈的AI赛场上占据一席之地的机会。（本文首发钛媒体，由钛媒体驻硅谷记者丁诗贝报道）