如果说过去四年是人工智能商业化进程的上半场，那么即将结束的2019年，已正式把这个行业领入至下半场。
四年前，当产学两界怀揣着用AI创造出互联网级To C新市场的梦想时，四年后的今天，人工智能的主战场，早已转移至离科技感颇为遥远的传统行业。
三年前，当业内开始意识到To B/G才是AI的最佳落脚点，从而试图打造行业通用型产品时，三年后的当下，走高度定制化模式，于多数公司而言，似乎更容易活下去。
两年前，深度学习研究的瓶颈比预期更早到来，技术触顶，有时候不全是弊病，它所带来的良性结果，是人工智能工程化和商业化的边界逐渐清晰。有了边界，人们便不再天马行空。
能在有限的边界内创造出什么？是每一位AI经营者在自省时发问最多的问题。
《海上钢琴师》中有这样一句话：琴上88个键一个不多一个也不少，琴键是有限的，但你是无限的。在这些琴键上所能创造出来的音乐，才是无限的。
人工智能同样如此，AI的技术分支是有限的，场景同样有限，但定义问题的方式和解决问题的方法，则是无限的。
在经营者眼里，AI既是当前最为前沿的技术之一，但同时也非常落后。
落后的根本，在于技术需求方与技术输出方之间的信息不对称性。
其中，一方面是多数需求方本身所处的行业信息流通性较弱，AI认知滞后；另一方面，输出方的业务服务能力仍旧落后于算法精度水平。
从某种程度而言，信息的不对称问题，已成为人工智能商业化进程的最大阻力。
2017年11月，雷锋网联合数十家风险投资公司、传统上市企业、机关单位领导以及海内外高校，启动了业内首个人工智能商业案例评选活动：「AI最佳掘金案例年度榜单」。
我们从商业维度出发，致力于寻找各个行业用户/客户问题解决能力强的最佳产品和解决方案。
在三届的评选期间，雷锋网走访了数千家AI需求方与输出方，随后输出深度报道、论坛、社区、BD服务、报告等产品，致力于解决行业信息不对称问题。
而一年一届的「AI 最佳掘金案例年度榜」，则是每年走访的最终沉淀。
三年来，1028家参选企业在经过多轮的筛选与评审，最终100多家极具商业价值的公司成功从中脱颖，入选三届「AI 最佳掘金案例年度榜单」。
他们既有生来便被聚光灯包围的明星科技巨头与独角兽，也有经历过多轮技术变革、无数次站在生死边缘却最终爬出泥泞的传统公司，同时不乏有在大众视野里默默无闻，但在商战世界里让对手只能望其项背的企业。正是这些极具颠覆性的新元素和颇有时代特色的旧元素的融合，拼成了完整的人工智能商业版图。
在人工智能进入下半场之际，今日我们再次站在AI浪潮之巅，正式公布第三届「AI 最佳掘金案例年度榜单」，嘉奖在这个有限的时代里，有着无限可能的商业体：
正在生成分享图...
朱可轩