但似乎评审们对这种人工智能背景只持参考态度，创始人团队是否为人工智能背景不那么重要。其中微软加速器罗斌的一番话让人印象深刻：“从微软加速器每期招的公司来看，有一些没有真正人工智能的技术的，其实大数据、云计算本身就是人工智能。今天在这样的市场这样的国家这样的创业环境下，创业成功的可能性门槛没那么高的时候，我们要看到创业者找的赛道是什么，而且这些赛道是跑起来的，选择赛道格外重要。

　　第二问：你的技术能够带来什么？

　　在AI领域的创业大多为技术驱动，技术上的新增长也很多。本次大赛中的创始团队中不乏院士、博导、海归博士，他们的技术能力和执行力很强是毋庸置疑的。但从商业角度来看，创业毕竟是用商业模式说话的，变现是从应用场景纬度出发的。技术出身的技术人员很可能对这里思考不足就会出来创业。无论技术占比有多少，想成为独角兽的话商业应用场景是出发点。

　　归纳起来，评审们的观点是：“不要只强调深度学习，“技术+”垂直场景能用上是关键”。

　　从创业项目的报名情况可以看到，在深度学习的帮助下有些垂直领域的技术已经到了各种应用场景爆发的阶段，创业公司总是强调核心的技术，深度学习是能够覆盖很广的基础技术。比如人脸识别也是视觉中最接近变现的点。其中在技术评委中一位教授分享了一个经典的案例“在人脸识别领域，走在前面的公司在技术上差别都不大。但我格外看好A公司，当所有公司都专注在深度学习的时候，A公司在走“”深度学习+”。用深度学习做人脸识别要从通用模型转到特定的应用场景，深度学习这种转移，A的特点是当数据量不是特别多的时候，应付特定客户特别有优势。

　　第三问：技术难度在哪儿？

　　在对某一家以情感计算为核心技术的创业公司进行评分时，评委就会详细地问到：有具体介绍类脑计算对话是什么的资料吗？情感计算有什么样的模态？情感识别完了到底能带来什么？在对某一助理类应用提供商进行评分时，评审会问：分配的机制怎么决定的？人决定的？

　　在材料和软硬件结合的企业中，评审格外关注中美技术目前的发展情况。在一家切入工厂装配环节的抓手公司中在场的商业评审和技术评审讨论激烈。以下是现场对话摘录：

　　评审：技术难度在哪儿？

　　答：材料还有弯曲的精度控制，加了电就软，一切电就硬，抓一到两公斤的，目前难点一个在于材料，一个在于精度控制。

　　评审：人工肌肉为主还是气动为主？

　　答：工业上以气动非电机驱动，批量研究有新的智能材料，最近一两年《自然》和《科学》杂志的报道里面有液体技术，他们已经开始在做。

　　评审：目前抓取的精度怎么样？

　　答：大概在2毫米30万次不老化，重量是1.5公斤。对后工业时代，目前小螺丝钉也可以抓。

　　在全球化的公司中，在场的评审格外注重技术差距和护城河的问题。

　　第四问：赛道天花板在哪？应用场景在哪里？

　　人工智能来临后商业重新洗牌尸鸿遍野，创业公司最难的是在产业中把握方向。传统巨头待改革、互联网公司有数据优势，赛道和应用场景是每一个项目都会被问到的问题。

　　在被问到商业模式是，一家助理类创业公司的回答是，现在是两方面，一方面toB，积累用户，未来打算做高净值用户，付费订阅，扩大规模。一方面toC。

　　北京大学教授黄铁军作为来自学术界的评审代表，对人脸识别的应用场景进行了评价，他说，大家知道监控市场很大，真正人脸识别技术在里面发挥的作用有限，还有很多问题很多，那里面的钱很多，但是大家现在都没赚到，以后肯定有机会赚。

　　第五问：收入是怎样的情况？

　　在评审过程中，有评委认为人脸识别公司最大的问题是变现的渠道是什么。所以，对于一家创业公司来说，目前的收入情况也是评审们评价的一个重要指标。在本次评审会中，我们看到也出现了一些收入已经超过数千万的企业。

　　技术领袖：AI 技术增长毋庸置疑，但是产品商业化还在试探