第二个很大的问题是一定要解决实际问题，不能算法好刷个榜就行，为什么人机对话实现通用这么难？因为使用者其实不是看你这个技术好不好，而是在拿你跟另外一个人比，如果比不过人就是零价值。通用背后牵扯到的是自然语言处理，语音、语义这两块可以很快做得很大，但是后面没有一个知识库，拥有最大知识库的是Google和百度这样的企业，搜索引擎其实拥有最大的知识库。

　　最后一个问题，大家回答的时候简练一点，现在大家看刚才提到，一个企业可能只有几个人，产品都不一定成形就成独角兽了。是不是真的泡沫很严重，在泡沫这么严重的情况下，你投资这些企业的时候你到底看中什么？怎么选择一个AI企业去投资？ 我们在座的VC界大佬阅人无数，他们选的时候为什么这么选？ 简单说来，就是怎么选AI企业？标准是什么？同时各位给AI创业的人提一点小建议。

　　朱天宇：我一直有一个特别简单的方式来表述：我们在寻找一边赚钱一边赚数据的公司。这句话背后的潜台词是，有些公司可能在赚钱，但是它依赖于过去的数据或者垄断性的数据，没有新鲜血液进来，没有形成新的智能，这样的公司没有前景。还有一些更多的公司，具备团队，找来很多数据，有很强的算法，但是没有赚钱的能力，换句话说其实还没有找到能够去解决某一行业问题的能力，不具备有人愿意为它买单的能力。这样的企业没有持续的造血能力支持它的话，它也不能持续地去形成更多的数据积累，在未来的竞争当中也没有自己的位置。但是这句话有它的时效性，这句话的时效性就是未来的三五年。

　　前半场你必须有一边赚钱一边赚数据的能力，换句话说你得能解决问题。解决问题的过程能够赚到钱，而且能够不断把新的数据带进来，这样的话在下半场才有机会跟所有人竞争。下半场数据积累已经被所有有行业解决方案能力的人瓜分了，那时候取胜的机会是基于大家已经有的数据，而且面对数据私有化的痛苦，在这之上再挖掘一层。这个也是刚才说的核心——伦理，智能还是来自于数据，一定要贴近场景去服务客户的需求，才能真正把所有的业务流程中的数据掌握在自己的手里。因为你有解决需求的能力、赚钱的能力，所以这个数据不太容易被迁移走，不太容易被替代，你才能享有未来的数据占有的优势。这是一个关键点。

　　回到泡沫的问题，是有泡沫，但是不是所有的项目都有泡沫。衡量的标准是如果你能一边赚钱一边赚数据，那就是一个值钱的公司。

　　纪顺友：我的观点是，希望看到公司COO、CTO具备找到业务切入点的能力，有商业模式，把已有的技术应用好，同时不要放下研发下一块技术。有些领域很多年前市场已经做得差不多了，例如超算。

　　我觉得人工智能领域还是以技术为本，但是技术有时需要等待合适的时机，才能爆发，我举英伟达的案例，他们做GPU做到市场第一后一度没有找到下一个市场的爆点，当时他们推出了CUDA这个创新的理念，应用在超算领域，可是超算市场一直没有做大，他们都股价也低迷了好长时间，直到人工智能对GPU的浮点和平行运算能力有了需求，CUDA突然就变成了炙手可热的技术。可见一个好的技术总是会有派上用场的一天，问题只是一个初创公司能否活到那一天。因此，我很推崇所谓”COO养CTO”的思路，优秀的初创公司既需要坚持技术研发，同时又要有短期盈利的本领，这是我们寻找的投资对象。