随着大家对AI机器/深度学习的期望回归现实，可能没有我们想象中的那么厉害，但是结合特定的场景和诉求，还是可以做到超越传统智能化的应用效果。预期与能力又一次交叉，产生了AI智能化应用落地的动力。往后，会出现越来越多的具体场景下的应用，越用越灵。

gartner 技术成熟度曲线2018

在AI产品不断推成出新的情况下，有一个感觉，以往的项目管理和产品开发的套路，有一些跟不上当前的节奏了。比如说，过去“功能机”时代，在开发过程中重点关注图像效果和功能实现。而现在，从需求定义到验收标准的边界都变得有弹性。在初期可能不知道怎么样的性能指标是可以达到的，如果测试标准没有根据使用场景和诉求来制定，按照开发流程走下来，可能一路上自我感觉良好，到了具体使用场景，会发现诸多问题。

产品开发，项目管理的思维也需要升级。产品定义阶段就要讲场景，深刻理解产品将身处可出，干什么用？结合具体场景，约束条件是什么，性能边界在哪里？搞清楚了这些，才能更清楚我们的产品能做什么，能做到什么程度。将需求和性能收敛。