算法、数据、算力是人工智能底层的三要素。
算法是以哲学、数学、生物学为基础的逻辑认知和系统认知的结晶。多层神经网络在1969年出现，但直到2010年随着算力和云计算的发展才商业化落地。深度学习算法本身是建构在大样本数据基础上的（概率统计），而且数据越多，数据质量越好，算法结果表现越好。深度学习在不断的发展，但颠覆性的创新理论在近几十年内不会出现，这意味着对数据的需求将会持续增加。但通用型场景数据标注接近尾声，细分场景数据需求增大，在细分场景，数据的获取和标注难度不断增高，标注附加值降低，因此数据标注产业是阶段性的，已无投资机会。未来数据的机会存在于垂直性行业，如金融领域里面的万得，这类行业还包括法律等。
算法对数据的强需求决定了人工智能在行业中应用必然是场景化的，垂直化的。不仅在于场景中数据的获取和标注，决定了生产资料的质量，算法在场景中的优化适配也是极为重要的。这要求算法团队对行业场景有理解，而这种复合型人才是最稀缺的。在人工智能行业应用中的创业公司，既要有行业数据获取能力，更需要对行业有很强的理解和商务销售能力。
算力是算法和数据的基础设施，发展是相对独立发展的，但芯片设计基础理论已无突破，制程精度也马上达到物理极限。而新的量子计算成熟仍需要起码30年时间，所以算力的机会主要在三块。
1、场景化的专用芯片，如自动驾驶的moblieye和云知声的语音识别芯片。
2、5G时代的计算网络架构的创新。
算法、算力、数据三者相互影响，在不同行业中形成了不一样的产业形态，由底层要素开始建构，通过技术层分析人工智能在各行业中的颠覆和重塑，这样体系化的框架有助于我们发现前瞻性的投资机会，拿着各个行业最合适的商业模式和团队标准去判断团队，效率会有很大的提升。
