因此，研究TOC，AI、物联网数据采集和智能分析的技术是一个很大的蓝海，未来也会有更多的创业者进入这一领域，但最重要的是找到适合自己的切入点。

张溪梦：未来，企业存在的核心基础，就是给自己的客户创造价值。这就要求我们更多地了解客户的需求，最快的方法收集各种数据。这其中包含了线上和线下的数据，把这些数据汇集起来，并分析用户的需求，再去做产品和提供服务。

但最大的挑战是——在技术上如何快速的把这些信息都关联起来，变成学习用户的一种机制？不论是企业服务还是AI企业，其核心就是学习，怎样迅速向我们的客户学习，把学习到的东西再放到我们的产品和服务里去非常重要。同时，这也是一个不断加速迭代的过程，因此我们需要利用各种技术迅速进行匹配。

黄金：易企秀产品最终使用者都是C端用户。企业中的产品分两类，一类是企业效率管理类产品，用户是员工；一类是帮助企业营销的产品，客户是外部的C端人员。

我们的产品本质是帮助企业拉新，目的是给C端用户浏览并搜集数据。刚开始一些企业的推广非常粗犷—铺天盖地发H5页面，但收效甚微。而易企秀后台的数据可以显示出来浏览页面的用户详细信息，以此可以帮助用户优化投放模型，成效非常明显。

举个例子，我们帮助清华大学招EMBA，一开始效果并不好，后来我们通过数据模型选人群，在标签方面做了一系列的优化，最后以十万元拉到24个付费用户，每个用户付费是65万元。所以，但凡是帮企业获客或者帮助企业营销的产品，最终还是要面向 C端，否则就抓不住B端企业的痛点。

龚剑：事实上， AI人工智能还是一个“人工密集型”的劳动。目前而言，大多机器学习都是统计机器学习，机器学习中大多又是监督学习。而监督学习很重要的一步就是——人得预先把数据标注好。简单来说，就是需要人为的 进行重复性地标注，让机器替代这些劳动。而对于企业来说，棘手的依然是人才问题。

李文功：AI作为高度的技术密集型的业态，最大的挑战是人才、技术积累方面的欠缺。人才问题，上文已经有所提及，技术积累也同样是很大的制约。微连锁的智能售货柜和无人超市没有选择人脸识别等技术，就是因为现技术能力达不到。也正因如此，atv，我会密切关注亚马逊、阿里等巨头做的基于商品识别的最新技术。

未来AI的对外服务会形成一个生态。专业的事儿由专业人来做，通过SaaS的模式对外提供服务可以帮助企业快速构建起AI为基础的商业模型。

张溪梦：人才的大量时间是花在清洗数据、准备数据上，这是非常缓慢又很无聊的工作，准备数据这个过程其实是AI公司最具挑战的部分。

首先，没有持续的数据源，其次就是处理流程的基本功力不够。做AI创业公司需要在这方面有足够的耐心和投入。

黄金：在我看来，最难的点就是如何将AI和业务结合起来产生效用，而易企秀也想利用后台产生的大数据向人工智能化方面推进。

事实上，易企秀上了智能算法之后，原来需要20人完成的工作现在可以由10人完成，的确能让整个团队的效率提高，由此带来的效用使得人才、技术等方面的问题得以解决。

谈到AI，最重要的其实是三点：

1、把线下的行为数据化

2、需要切实了解用户需要什么