印奇分析，其中AI是核心技术能力，IoT是产业落地场景。“AI与IoT的融合，本质上就是将AI的能力注入IoT的场景之中，实现产业的数字化智能化改造，进而推动实体产业的高质量发展。”

　　印奇认为，为了更好地促进AI与产业的融合，应把握几个关键点。首先，要以打“移动靶”的心态，推动产业数字化发展。当前，中国科技创新能力不断取得新突破，无论是创新的速度还是创新的规模，都实现了历史性跨越。“但我们也意识到，与世界科技强国相比，我们还存在明显差距。一个突出的表现就是，虽然中国在消费侧的数字化水平独步全球，但在产业侧的数字化进程仍处于发展阶段。”他说，一个重要原因是，消费侧的科技创新往往聚焦于前端应用和商业模式的创新，这类创新就像打“固定靶”，即面对确定的目标与需求，开发特定的产品推向市场；产业侧的科技创新则更像打“移动靶”，需要与错综复杂的行业结合，需求高度不确定，技术落地周期长。因此，发展产业数字化，需要有长期耕耘的耐心，紧紧依靠基础研究、工程实践和产业创新的联动效应，才能满足动态和不确定的需求。

　　其次，印奇认为，应以“拉”为主、采取“推”“拉”结合的模式，促进AI与产业的融合。在他看来，科技创新可分为“推”和“拉”两种模式。过去，科技创新更多采用的是“推”的模式，即技术和产品创新过程始于研发，经过生产和销售，并最终推向市场。整个过程完全由供给侧发起，市场和用户仅仅是产品创新的被动接受者。而以深度学习为基础的新一代AI技术，由于其本身就非常依赖于行业数据，与各行各业有着天然的联结，因此也必须在行业里找到落地场景。这就决定了AI技术的落地必须是“需求定义供给”，既要从用户需求出发进行技术和产品的研发，又要针对用户反馈对技术和产品作出调整，由此形成技术创新的价值闭环。采取以“拉”为主，“推”“拉”结合的模式，将大幅提升AI产业落地的效率。

　　同时，印奇表示，要以新型人才体系，加速AI的产业落地。“AI是典型的人才密集型行业。推动AI的产业落地，就必须拥有一批真正关注用户需求、懂得行业运行规律的行业专家。”他说，AI与产业的融合过程，对组织的密度和阵型提出了极高要求。

　　“一家AI企业不仅需要具备顶尖的AI技术研发人才，还需拥有大量具有行业视角和经验的人才。为此，AI企业需要搭建新型的人才机制和体系，形成多样性的人才梯队，让不同类型的人才在一个体系和框架下，相互融合、良性互动，从而实现技术、产品到行业解决方案的快速落地。”印奇称。