也因此对于技术类产业而言，如何在现有技术阶段的能力下落地实践，将“冰山”更多的“二角”、“三角”展示出来，就成了它们的当务之急。要把自己能够展现出来的这一角打扮的“光鲜亮丽”，才能更为用户看好，更为资本看好，才能有资源、有能力的去追求自己内心更长远的“白月光”。
当然这也很符合互联网商业原理：做概念、拿融资、炒热度、找接盘。光畅想未来可产生不了太多的资本吸引力，必须在兼顾技术未来式的同时，把握好现在式的落地变现才行。
而AI就是做到了落地变现的极致，它在发展中打破了技术的“冰山”，将自己现有的所有，甚至“底裤”都脱了进行彻彻底底的“裸泳”，具体有多少能力明白直观的给用户展示出来。
当然这也与从事AI产业研发的企业方向有关，拿商汤旷世两大AI标兵性质企业来说：
商汤创造的是“1（原创技术基础研究）+1（产品结合）+X（行业伙伴）”模式。
这样做不仅仅能扩大AI的研究范围，在除了人脸识别技术之外，更涉及到深度学习、智能监控、图像识别、文字识别和图像及视频编辑等方面的研究。在实现“智能+”的场景落地方面则主要突出智慧金融、智慧商业、智慧安防、互联网+等场景。
旷视也不甘落后，将“1（原创技术基础研究）+3（个人IOT、公共IOT、商业IOT）”的产业布局落地实施。
旷世的模式则摆脱了曾经视觉感知的软件服务商定位。同时宣布旷视业务由众多垂直类场景如物流、金融等升级为城市大脑、供应链大脑和个人生活大脑三大场景。
而这两大AI独角兽发展的共通点就在于找到更多的AI“着陆点”，让AI与更多的场景接触、发酵，就目前的技术研究产生更多的价值转化。
当年初次接触到人工智能的汤晓鸥，满心欢喜的听着教授描绘着“AI能运用在公安各种各样的场合”之中，但实际上手研究之后才发现：“等我开始做才发现这个东西根本不靠谱，根本用不起来。”
当初的AI先行者们或多或少都经历过这种惨绝人寰的心理落差，也因此对于如何把AI“用起来”，就成了当初那代AI先行者的阶段性目标，拼落地也成为AI研发者们心中的“白月光”。
正如约翰霍普金斯大学发布的一篇名为《Deep Nets：What have they ever done for Vision?》中所言：“深度学习短期内进步突破的可能性微乎其微，尤其在算法通用方面更难以实现完美落地。”
既然技术层次的突破短时间内没有苗头，那么与其追逐那些太过于虚无缥缈的理想乡，进行更深层次的数据化变革与服务，才是同时有利于企业、资本、行业、用户的共赢局面，这正是AI落地化的发展格局，也是我们生活中充斥着AI元素的本核原因。
