最好的突破点还是ai的语音识别与语义理解，因为这两个方面的应用开发都是面向应用，也就是需要专业的软件来搭载，也就是开发人员要有足够好的技术团队来搭建搭载这两个方面的软件，人工智能在开发这方面的门槛是比较高的，专业的开发团队才能做出来。

　　目前的人工智能还没有规模化的商业应用开发，这个市场虽然很广阔，但是真正获得资本与市场的认可还需要比较长的时间，但是为时已晚不晚？如果真的落后了，在人工智能领域会有哪些差距？

　　中文分词：能不能智能切词，而不是简单一个字一个字的替换？比如在华南理工大学的研究中心，通过开发专业的软件，能够基于图像识别与文本语义匹配，完成各领域的资源、搜索结果的自动切词。国内两大主流ai公司百度和阿里巴巴也都研发了各自的人工智能机器人，百度自然语言处理方面与搜狗语言大脑同台竞技，阿里巴巴则语音识别与文本处理方面展现着战斗力。目前华南理工大学“文本语义识别”研究组开发的技术也可以被称之为“杀手锏”。

　　文本自动提取信息点（重点领域）：可不可以实现每个汉字或者一个单词，以及每个单词之间的转化呢？就是打造一个自动提取领域相关知识点（点）的系统，能不能打破三维空间、语义以及数据结构领域的阻碍？

　　比如中文搜索，在三维空间，搜索一个画像和一个电脑三维视觉的辅助匹配？而如果语义结构的话，比如金融，能不能在金融领域提取“资金流，人流，物流”等的信息点呢？比如文本蕴含着信息点，中文识别技术又如何去处理，它的识别精度和特征量需要达到怎样的水平呢？

　　这一系列的问题，都需要有人工智能专业的人员去思考与攻克。信息检索与分类：什么叫语义类比？把大量不同的信息通过一种简单的思维框架去处理？可不可以简单的把信息点提取，而不需要通过进一步思考处理出意义？

　　比如把一种不同的信息通过一个简单的模型，去精准定位不同的信息，比如事实上，工商信息抽取得到的信息类型非常之多，大部分是具有行业特征的，都是一些具有一定地域性的可能性，可以使用ml方法去进行数据分析，但是，这里面还有一些特殊的信息。

　　比如，公司名称、地域名称等，或者一些相关性的，比如利率、毛利率等，如果进行比对，那么就要一个一个词分析，这样会非常耗时间。

　　那么这种方法就不是去比对某些关键词出现的次数，而是主要去对公司名称、某省某个地区名称等进行比对，这样会不会效率更高呢？文本中的信息对于图像的特殊性，例如我们通过一个简单的像素来区分树林的生长，那么通过像素来区分不同人的肤色。