A：现在普遍的共识是，AI是一个效率工具。但是这个工具是需要一批企业一起去向线下场景部署。所以AI技术本身在实现算法突破后，与传统产业做结合，进行场景落地应用时，中间有一个断层。要打穿这个断层，就需要有一批深度理解传统行业，对终端客户的场景特征、商业模式和需求挖掘得比较到位的创新企业。它们既懂得AI，也懂得产业升级需求，去把这个断层给衔接起来。

AI的产业化有一个特点，是产业链是比较短。从最上层的算法突破；到中间产品层用好AI技术，做成能解决实际问题的产品；到最后，把这些AI产品应用到场景中。虽然产业链条上下游只有三层而已，但这么短的产业链中面临的挑战就是场景太多、场景比较分散。每一个场景都有独立的一批客户群体，这些客户群体各有各的不同需要。

当面临场景太多的挑战时，能够衔接算法层和传统层的优秀企业就非常重要。它们可以面向不同的场景去做出有针对性的、能够提升效率的产品。我们接触到特斯联的之后，发现它是具备这样素质的一家优秀的企业。

A：人工智能概念提出，到目前为止仅有67年的时间。2011年，深度学习第一次有了算法上的突破，到今天也只有七年的时间。这七年当中，不仅是市场极度缺乏做人工智能的人才，大众对人工智能的认知一直也不够。

但是有一件事情中国走在了世界前面。2017年，由国家主导颁布了一系列支持人工智能产业发展的规划。作为这个行业的从业者，我们所感受到最大的变化就是市场对人工智能技术的理解和认可更加地广泛和深入了。

在人工智能被定位为国家战略后，经济形态中的各个环节，比如国有企业、传统行业、跨国企业、投资人等等，都开始寻找人工智能的解决方案，希望借助AI技术增强自身的竞争力。从中央到地方各级政府，也开始使用人工智能技术去提升各方面的管理效率。

因此，大量的市场需求开始出现，这也就是我们讲到的机会。人工智能企业，不论是做技术创新、还是产品创新，如何能够在当前市场有庞大需求的状态下，从中找出来共性的、刚性的需求，最后能够用当前的这个阶段达到相应成熟度的技术，去解决这些需求，是最主要的问题。

我相信，未来人工智能技术可以处理更多、更复杂的问题，比如现在已经有雏形的无人驾驶；金融交易中的信息分析等等。接下来的3—5年，随着数据量的积累，以及将人工的经验标注与这些数据之上，将有可能迭代出更多新的能力和价值。