原文：
www.kdnuggets.com/2016/11/artificial-intelligence-classification-matrix.html
评论
之前的帖子中讨论的所有问题可能会产生两个主要的横向问题：即在达到相关里程碑之前可能会耗尽资金，以及是否应该追求特定的商业应用以实现盈亏平衡，而不是专注于产品开发。
在分类不同的机器智能初创公司方面，可能有几种不同的思考方式（例如，Bloomberg Beta 投资者 Shivon Zilis 在 2015 年提出的分类非常准确且有用）。不过，我认为过于狭窄的框架可能会适得其反，鉴于该领域的灵活性以及从一个组过渡到另一个组的便利性，因此我更愿意创建一个四大类的分类。
-
学术衍生公司：这些公司更加长期研究导向，解决难以突破的问题。团队通常非常有经验，他们是推动领域发展的真正创新者；
-
数据即服务 (DaaS)：这一组包括收集特定大型数据集的公司，或创建新的数据源以连接不相关的孤岛；
-
模型即服务 (MaaS)：这似乎是最广泛存在的公司类型，它由那些将其模型商品化以产生收入的公司组成。它们可以出现三种不同形式：
-
狭义人工智能——专注于通过新数据、创新算法或更好的界面解决特定问题的公司；
-
价值提取者——使用其模型从数据中提取价值和洞察的公司。提供的解决方案通常可能会集成到客户的技术栈中（通过 API 或专门构建在客户平台上）或提供完整的解决方案。所有提供的模型可以是已训练（操作模型）或待训练（原始模型）；
-
赋能者——使最终用户能够进行自己的分析（全功能平台），或允许公司提高日常工作流程的效率，或者通过创建中间产品（例如应用程序）来释放新的机会的公司。
-
-
机器人即服务 (RaaS)：这一类由虚拟和物理代理组成，用户可以与之互动。虚拟代理和聊天机器人覆盖了低成本的一侧，而物理世界系统（例如，自驾车、传感器等）、无人机和实际机器人则是资本和人才密集的一侧。
1. Google 网络安全证书 - 快速进入网络安全职业道路。
2. Google 数据分析专业证书 - 提升你的数据分析技能
3. Google IT 支持专业证书 - 支持你的组织的 IT 需求
这种分类的结果可以总结为以下矩阵，将各组根据短期货币化（STM）和业务防御能力进行绘制。
图 1：人工智能分类矩阵
从更具可行性的产品开始，MaaS 是在短期内货币化其产品潜力最大的公司，但也最难以防御。另一方面，DaaS 是较难复制的，但仍然高度盈利。学术衍生公司是长期投资，基于扎实的科学研究，使其独特但从第一天起并不具备价值。最后，RaaS 公司可能面临更多问题，因为硬件组件的高过时性和创建正确的互动界面的困难。这种分类不旨在根据业务的优劣进行排名，也不意味着属于特定类别的公司不会盈利或成功（例如，X.ai 是一家在 RaaS 领域具有高盈利性的公司）。它不过是一个通用化工具，旨在通过正确的视角来看待这一领域。
简历： 弗朗切斯科·科雷亚 是一名总部位于英国伦敦的决策科学家和数据战略师。
原文。转载授权。
相关：
-
欧洲机器智能概况
-
构建数据创业公司时如何构建你的团队
-
4 大趋势颠覆数据科学市场