算法研发是一个不断迭代、精心打磨的过程，工业界和学术界最大的区别是学术界希望创造更多的算法，追求更多的是新颖性和创造性，而工业界追求的是系统的功能、性能、稳定性指标，并不要求发明最新颖的算法，而是要依据业务需求和资源限制做出最好用的系统。在工业界进行算法改进，包括很多维度，如数据如何处理、数据规模和来源，参数设置、模型结构，还包括损失函数设计，模型加速算法等，每一个因素都可能对最终结果影响很大。还有非常重要的一点是，需要从系统角度去解决问题，比如设计新的系统处理流程，比如把问题定义为检测问题还是识别问题。

对于如此多的算法模型，如果每个模型都需要不断迭代，同时要支持不同硬件平台的不同版本，在研发人员和训练硬件资源受限条件下，如何持续打磨核心算法是一个很大的挑战。传统的算法开发模式，算法工程师往往提起数据标注任务，由数据标注员标注完成数据标注，但算法工程师需要关心如何开发标注工具、如何培训标注人员、如何转换数据格式、如何提纯标注完的数据，最后再手工方式在一台物理机上将模型训练出来。

据新加坡《联合早报》报道，黑石集团总裁施瓦茨曼指出，中国人工智能技术出现了爆炸性发展。他表示，当他去中国时，看到不断开设的新公司，而向人工智能领域发展的公司正迅速增长。报道称，中国将庞大的政府资金投入于人工智能的研究与发展。普华永道全球主席罗浩智认为，如果美国的企业总裁、教育和政府不再在这方面加强，那么美国很有可能会开始落后。

中国人工智能产业起步相对较晚，但是在技术研究等基础设施方面正处于进步期。人工智能的核心关键是海量的数据，中国人口基数大，移动互联网发展迅速，有庞大的数据资源优势。因此，人工智能的兴起对中国来说是一个难得的机遇期，也对中国的AI科技企业打开了市场大门。