3--8年
初创公司三年之内是风险最大、死亡率最高的发展阶段（通常认为死亡率高达95%），我称之为创业的“死亡之谷”。由于发展阶段、商业环境和支持系统成熟度等方面的差异，我国创业失败率可能比欧美国家更高。而“大众创业、万众创新”时代，创业的失败率也可能会高于以往。
此前，创业者通常是具备一定的基础和条件才开始创业：有行业经验，有专业能力，有资金积累，有广泛人脉，有客户关系……
而在“众创”背景下，各级政府部门提供了针对创业、投资、孵化器的大量政策和资金支持；各路资本也疯狂涌入，不断推高创业投资大潮；孵化器（众创空间）如雨后春笋般遍地开花。真可谓万事俱备。于是，大量“小白”式创业者投身到汹涌澎湃的创业大潮中，普遍缺乏经验、资金和资源，专业能力差、跟风赶时髦、觉得有面子、盲目乐观、眼高手低……这意味着：虽然创业者规模更大了，但创业失败率会比以前更高。
全球最强AI创业公司榜单是怎么评出来的？
1基础设施非常难
不仅开发基础设施技术产品很难，销售起来也很难，具体到大数据基础设施工具如Hadoop、NoSQL数据库和流处理系统则更是难上加难。客户需要大量培训和教育，付费哟娜谷需要大量支持和及时跟进的产品开发工作。
这意味着需要大量的资金支持，例如Greenplum在2010年获得1亿美元投资但仍然不足以完成所有工作，最终不得不选择卖给EMC。今天最出 名的几家大数据创业公司融的钱更多，例如Cloudera。基础设施类的大数据创业公司通常需要数百万美元种子资金启动，但是A轮融资的道路异常艰辛。
新兴的大数据创业公司还必须与那些在客户那里已经有一些知名度甚至合作项目的公司竞争，例如Cloudera、Hortonworks、10gen、亚马逊AWS、IBM、Oracle等。
反观大数据应用创业则相对简单的多，无论面向垂直行业应用还是数据可视化这样的通用大数据应用都是如此。因为这些大数据应用的价值对于客户来说更为直观，距离业务也更近，进入企业IT系统的摩擦也更小。
2云计算是朋友
无论你是销售大数据基础设施还是应用，云计算都是更有效的业务载体。选择云计算不仅仅是在云端托管，更重要的是通过云计算向客户提供服务。你将拥有更多控制权，同时在有限的资源上优化运行也会让你对产品的理解更加透彻。
云计算也降低了潜在用户试用产品的成本和门槛，从NewRelic到亚马逊AWS都从云计算+大数据模式中获益。
3开发者是朋友
如果你主要从事大数据分析，例如ClearStory、Platfora或者CRM营销应用，数据分析师就是你的朋友。无论那种情况，最好的办法就是围绕以开发者和市场人员为主的目标受众进行开发和营销工作，CIO反而不是很好的目标受众！
专注CIO而非开发者往往会导致你在实际签约时碰到棘手问题。围绕开发者营销的战术被很多云计算创业公司和纯大数据软件公司所采用，例如Splunk和Tableau。
再比如Infochimps和Continuuity的产品类似（两者都被迫按落云头，迫降在用户数据中心），但Continuuity完全面向开发者，这意味着能积累更多技术粉丝。
4将数据科学家推向前台中央
这既是市场也是销售策略，数据科学家才是能够展示数据和平台威力的人，他们也是会议上最受欢迎的演讲者。
但大数据科学家也需要慎重选择传播内容。如今大家都接受了Hadoop和NoSQL，所以没必要每次开会言必称4V之类的科普。至于如何配置和集成大数据系统也只能吸引小部分听众，除非你的项目规模超大。
Cloudera比竞争对手出名的原因有很多，但其中Jeff hammerbacher绝对是一位举足轻重的人物。不要空谈大数据大数据的价值和架构，站在听众的立场说说具体能做哪些分析，如何做。
5开源有多重要，取决于你自己
几乎所有的大数据公司都依赖开源软件，有些是“借”来的，如Hadoop、Storm以及各种数据库，有些是自行开发的，有些则是混合模式，例如在Hbase上增加的一些功能应用。这些开源项目如此流行是因为社区的力量。
开源绝不是看起来那么轻松，不是说你在Github上放点代码就谈得上回馈社区了。开源的目的是将使用相同代码的人聚拢成社区，并不断改进代码。这 里与第三点中我们提到的吸引开发者有关。只有更多的用户和开发者对你产生兴趣了，在你的产品上花时间和精力了，才有可能最终掏钱。
不计其数的创业公司都将代码开源了，但那些真正能推动项目并建设社区的公司才能脱颖而出。例如Neo Technology的Neo4j、Concurrent的Casading以及10gen的MongoDB。甚至Twitter这样面向大众的公司都开源了Storm和Mesos等项目。
原文链接：
近日，CB Insights发布了第二届全球最强AI创业公司榜单AI 100。
据雷锋网新智造了解，超过2000家企业被提名和申请AI 100，入选率小于5%，涵盖AI领域25个行业应用，例如物联网、医疗健康、汽车驾驶、金融科技和网络安全等。
评选的标准包括投资者情况，技术创新，团队实力，专利活动，Mosaic分（注：Mosaic分是 CB Insights 发明的一套算法，专门用于衡量未上市公司的整体发展和增长潜力），融资历史，估值和商业模式。
上榜的100家公司通过367笔交易获得117亿美元的股权融资，一些创业公司专注具体用例，例如，AiCure专门从事药物依从性，Gong则对销售团队的来电分析，Zest Finance负责信贷承保。
上榜的这些公司都处在于不同的轮次，从种子、天使（如Mobalytics、Text IQ、Merlon Intelligence）到E+轮（如Affirm, C3IoT, 和 InsideSales）都有所涵盖。
主要公司类别：医疗领域
随着图像、诊断、虚拟助手、远程监控、住院护理等应用落地，在人工智能医疗领域，每个季度都会出现新的公司。在AI100公司里，有8家公司正在为医疗保健行业开发人工智能解决方案。
Flatiron Health, 是一家利用人类辅助机器学习挖掘健康数据的公司，于2016年初成为独角兽公司，当时该公司在获得175亿美元C轮融资后，估值达到12亿美元。
Insilico Medicine ，与GlaxoSmithKlein（葛兰素史克公司）建立了合作伙伴关系，加速新药的开发过程，这是一个新兴的医疗领域。
New York，是一家位于纽约的移动SaaS平台，使用图像和人脸识别算法来确认药物摄入。
网络安全
AI 100榜单中的网络安全公司的客户群体跨越了多个行业，包括医疗机构、政府机构保险公司、零售商店等等。
CrowdStrike：这家公司由Accel partners 投资，2017年的估值达到10亿美元。该公司专注于端点检测和响应，自2012年以来已经申请了24项专利。
Cybereason：位于波士顿，该公司今年6月获得软银1亿美元投资，估值超过9亿美元。
金融领域Affirm：由PayPal创始人Max Levchin创办，目前已完成E轮融资。Affirm的消费模式不再拘泥于标准的基于信用额度的消费，平台会为符合标准的用户垫付消费金额，消费者再以带息月供的方式分期还款。
Cape Analytics：成立于2014年，致力于革新建成环境的规划与使用信息发获取渠道。Cape Analytics利用地理空间图像、计算机视觉和机器学习来自动实时抓取业主的财产数据，并通过应用程序界面提供综合性数据和分析方法的基础。
Numerai：为投资者提供对冲基金的短期或长期股权策略，为数据科学家们将金融数据转换成机器学习问题，目前已完成A轮融资。
企业应用在AI 100中，有八家公司为企业提供开发人工智能程序应用，目前这个市场由亚马逊主导。
Element AI，由Yoshua Bengio联合创办，深度学习领域先驱公司之一，该公司在2017年第二季度获得了102亿美金投资，由 Intel Capital、Microsoft Ventures、NVIDIA GPU Ventures、Real Ventures, 以及腾讯控股（ Tencent Holdings）投资。
LeapMind，是一家位于日本的为企业开发深度学习边缘软件的公司，而且进入了节俭计算环境的硬件端。
