Q9：这确实看起来有点….，那如果加上深度学习和神经网络呢？
A：用上深度学习和神经网络，那就彻底改观了。
仔细想一下，我们给别人介绍某人的长相时，很喜欢说，这个脸长得特别像谁谁谁，然后发型有点像谁谁。也就是说，人类是通过一些基本脸型的组合来认人的。数学一点来看，有几个基本脸，然后一个新的人脸，就可以被简化成一串数字，每个数字代表某一个基本脸所占比重。
那好，基本脸从哪里来？脸的基础单元是部位，部位的基础是边，形状，是各种边的组合。所以要认脸，先找基础边。这些边怎么找？之前摩托车的例子中，边是认为定义的（4 种特殊角度）。人的设定，要么是偷懒，要么就是基于经验，而经验是大规模数据在人脑中统计之后得到的印象。如果换成机器自动做这个统计，那就叫机器学习。而这种由样本进行统计，一级一级的由简单的边开始，最终达到基本脸的机器学习（统计）过程，叫做深度学习。
具体来说，从左边第一张图，找到所有的边，再看第二张图，发现有些边重复的，就把这个关联变粗（用粗线表示，线越粗表示重复次数越多）。最终统计下来，有些边重复次数特别多，是重要的，就作为基础边。同样道理，我们从图中统计出来基础边的重要组合，就是基础部位，再深一层，就是基本脸。具体的运算过程会比较复杂，对应一种由节点（边、部位、脸）和节点间连线（粗细表示重要程度）的计算架构和相应算法，这个叫做神经网络。
Q10：总结一下图像识别吧？
A：图像和语音识别，核心都是特征值转换算法，即基础单元&数字表示。深度学习就是指基础单元库源于数据统计而非人为设定（合理，可解释）；神经网络指的是一级一级分级优化，权重连接（最简化基础单元库），这两个通常一起出现，使得结果既合理又简单。
大型神经网络价格较贵，每一个节点都是通过高性能 GPU 或者工作站进行实现，几百万美金的投入也就能购买几千个节点，所以这是大公司的游戏。小公司通常采用多个小神经网络，虽然识别准确率会受到一定的影响，但是在不较真的应用场景，比如说家用的人脸识别，中小规模公司用的门禁识别等等，已经可以足够好到用户分辨不出来了。
Q11：能否整体总结一下人工智能？
A：人工智能，首先是能听懂看懂（识别）。这一是收集数据（工作量），二是精进算法（可人工凭经验，或者大数据做统计）。对小公司来说，主要是工作量。
再进一步是能反馈（对话），除了天生有数据的以外，主要就是规则制定（工作量）和数据收集（工作量）。在比拼工作量的事情上，产品设计往往更为重要，该做什么不该做什么主要应该做什么，是小公司集中有限资源于一点突围的法宝。
再高一层，是有记忆。来过一次就记住你了，下次来直接就能叫出你名字；比如说你回家晚了，会主动的问候，这些都是产品设计的事情。
三、人工智能的投资逻辑
我们认为 To C 的人工智能，由于应用场景要求不十分严苛，且人才储备已经足够充足，已经由技术活更多的向产品活儿转变。所以在这个层面上说，我们愿意投资具有强大技术实力，但同时更是一个具有超强产品思维的团队，最鲜明的例子，就是 Rokid。如果你有机会尝试，想必你会被用户体验惊艳到。
至于 To B 的人工智能，图像识别在苛求精准度的应用场景下，还是非常需要高大上的技术团队，从这个层面上讲，我们投资了 Sensetime；语义理解需要在特定场景下的深耕细作，需要特定场景下的大量数据，在这个层面上，我们倾向于专一行业深耕细作，所以投资了智齿科技。
至于标题中的问题，我们想说的是：一、VC 的投资核心在于生产产品和提供服务的公司，能真正被大家所用的解决实际痛点问题的产品和服务，如果再有一个 DeepMind 一样的高技术公司摆在我们的面前，我们投资的逻辑，不是能不能下棋，而是它未来能提供更完美的落地的产品和服务；二、AI 现有阶段，在语音语义和图像识别上，已经从技术活儿变成产品活儿，进而是我们的投资热点。
