366人工智慧（2/2）

中間層是技術層。被外界廣為熟悉的圖像識別、語音識別等通用技術，就在這一層。

BAT將這一層視作關鍵要塞，作為它們搭建生態系統的核心。

趙子明已經有了計劃，要在中間層占據一席之地。畢竟底層開源，初期形成一定的技術壁壘，還要看相關應用。

位於最上方的應用層，賽道最為寬闊，很多AI應用創業公司就在此，選擇一個垂直領域，一頭扎進去。

而對於巨頭來說，自然是讓其他創業公司先行先試，有了成果再說。

世間應用千萬，一個公司不可能也沒必要壟斷一切。

反正對於巨頭們來說，最不缺的就是錢，一旦有了適合的公司，先進的成果，買下來即可。

直到此時此刻，趙子明對於事業的發展，才算有了一個整體思路。

從得到小訊開始，他一直處於奔跑階段，那個時候只想掙錢，不負這一番奇遇。

受限於見識，選擇網貸行業，機緣巧合進入遊戲市場，東一榔頭，西一棒槌，看似多點開花，實在浪費多多。

不過他從未後悔這段經歷，想的再好，不如行動。

隨著事業的發展，趙子明也成長很快，從最初的暴躁易怒，好色風流，到現在的城府深深，視野開闊，他付出了很多，得到了很多，也失去了很多。

趙子明通過整合公司，想擰成一股繩，多番思考，選擇人工智慧作為突破點，並不被外人所看好，甚至公司內部，也有不同聲音。

每個人都知道，未來掌握在人工智慧手裡，而人工智慧聽著好聽，卻不是小公司的機會。

數字集團雖然也能稱得上家大業大，但和巨頭相比，體量太小，幾乎沒有威脅力。

單以人才為例，對人工智慧專家的爭奪，早就陷入了白熱化程度，高薪、股權、技術壁壘等等，能拿出來，通通拿出來。

在數字集團還沒成長為一家世界性的公司，想要吸引頂尖的人才加盟，基本上沒有希望。

即使薪水豐厚，和其他巨頭公司相比，也沒有吸引力。

不過，對於趙子明來說，有固然可喜，沒有也不用沮喪。

他本來就不是全靠實力在競爭，有了黑科技，自然要彎道超車。

現階段，通用型的人工智慧還不可能誕生，每一家都是選擇一個領域發力，而人工智慧的厲害之處，不在於有多聰明，而是自身的學習能力。

趙子明自然不怕被人發現端倪，新生的人工智慧，需要經過訓練，才能展現令人驚嘆的能力。

而訓練手段無外乎熟能生巧。

通過大量的練習不斷「催熟」機器的智能程度，而這一步正是小訊發揮作用的關鍵所在。

高質量的數據集是各種複雜機器學習算法訓練的基礎。

有了算法，還需要反覆學習訓練，才能派的上用場。

史丹福大學視覺識別專家李飛飛教授，研發的圖像識別智能，就是通過1500萬張高清晰度的圖片資料庫，取得了突飛猛進的進步。

數字集團一旦有了相關算法，想要「催熟」、「應用」，就簡單的多了。