隨著人工智慧的逐漸興起，各大巨頭都開始涉足，趙子明自然不甘人後。
雖說小訊在虛擬世界，天下無敵，如果在人工智慧上投入重金，顯得多此一舉。
但黑科技畢竟黑科技，拿不出手，臺面上的產品不但要有，更要領先。
以堂堂正正之師壓人，讓每一個人都能看到差距所在，每一次進步都讓對手無話可說。
拋開小訊不談，這也是趙子明的強項。
可以說，數字集團對於人工智慧專業領域的應用，已經獨步天下。
網際網路金融的風控智慧，電子遊戲領域的npc智慧以及最近大火的魔力飛躍的數據處理能力，在多個方面，數字集團已經積累了豐富的經驗，並以此為依仗，多次擊潰對手。
趙子明已經打算在現有基礎上成立兩個部門，一個專門負責核心人工智慧的研發，深入推進，整合所有資源。
另一個部門負責推廣應用，把人工智慧推廣給其它部門，讓所有部門使用上人工智慧。
根據他的判斷，在未來，人工智慧很可能如同網際網路一樣，是必需品而不是競爭力。
換句話說，企業想生存，要發展，必須有人工智慧，但有了人工智慧，卻不會給你帶來任何競爭優勢。
對於數字集團，趙子明一直在思考它的定位。
最近幾日，線上線下結合，廣告宣傳的輪番轟炸，已經有了“bats”的出現。
【穩定運行多年的小說app，媲美老版追書神器，老書蟲都在用的換源App，huanyuanapp.org】
很多媒體開始將數字集團同三巨頭相提並論，稱之為網際網路新貴，獨角獸。
雖然相比其他三家，數字集團略顯不足，沒有太過明顯的標籤。
其他三家，“搜尋、電商、社交”，核心優勢明顯，而數字集團沒有核心業務，太過多元、分散，競爭力上存在不足。
以鵝廠為例，社交是根本，一切業務都是以此為基礎，即使現在涉足遊戲、影片、金融等，也是對社交的深挖，抗風險能力很強。
對比數字集團，有網際網路金融，有遊戲，有頭顯，雖然每一家都發展迅速，獲益不菲，卻沒有一個核心所在。
而想成為一家偉大的公司，世界級的企業，必須有自己的核心優勢。
趙子明有心將人工智慧作為一個標籤，貼在身上，對內整合業務，對外樹立形象。
只要提起數字集團，就想起人工智慧，到了那時，趙子明覺得才能算作成功。
而人工智慧可大致分為三層。
最底層是基礎技術層，包含雲計算、晶片和開源框架等。
這一層門檻很高，晶片的機會留給了英偉達、高通和英特爾等巨頭。
開源框架和雲計算則被谷歌、亞馬遜這樣的巨頭把持，趙子明想在這上面發力，難度不小。
如果想樹立自己的標籤，成為一家國內巨頭、世界聞名的企業，就必須在核心層有所成就。
攻堅克難，逆勢而行。
不過，對於趙子明來說，雖然競爭激烈，但有黑科技在手，假以時日，他有信心，橫掃一切對手。
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，要在中間層佔據一席之地。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。
趙子明透過整合公司，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。
透過大量的練習不斷“催熟”機器的智慧程度，而這一步正是小訊發揮作用的關鍵所在。
高質量的資料集是各種複雜機器學習演算法訓練的基礎。
有了演算法，還需要反覆學習訓練，才能派的上用場。
斯坦福大學視覺識別專家李飛飛教授，研發的圖像識別智慧，就是透過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演算法，想要“催熟”、“應用”，就簡單的多了。