一些新興平臺已經為他們自己的工具集找到了采用這一策略的方法。這些公司發現了一個人工智能起初只是有可能實現，或者是可以使之獲利的想法。一個例子是語法檢查程序語法。

乍一看，你可以把它看作是一個很好的插件，現有的供應商可以輕松地自己構建這種語法檢查程序語法。但事情遠不止如此。他們在這里建立了兩項資產：一個社區生成的數據集，以進一步提高質量，并以更可持續的方式，為廣告合作伙伴提供一個非常個性化的市常

然后是工具制造者。就像馬克?吐溫說的那樣——讓別人挖金子，站在一旁，把鏟子賣給他們。這在過去也行得通，在這里也行得通。提供數據，舉辦比賽，人才交易，人類教育。這一設想的藍圖是找到每一個人工智能野心家都需要（或想要）的東西，然后明碼標價。

Udemy教授AI課程，而Kaggle則發起了人工智能競賽，幫助其他公司走出自己的小圈子，讓數據科學家們打造自己的技能。這兩家公司都不需要在人工智能領域建立核心競爭力。企業還需要大量的數據才能取得成功。他們中的大多數人使用的是監督學習，所以必須有人監督。

最后，還有一些公司在人工智能咨詢領域找到了自己的定位。因為即使是在巨人的開源框架的肩膀上，仍然有很多工作要做。

像Element AI這樣的公司能夠將這些額外工作的一部分產品化，并將其轉化為一項服務。事實上，最近的1.02億美元投資確保了他們成功所需的雄厚財力。

還有其他一些公司正在蓄勢待發，那些鼓吹自己有針對性的人工智能解決方案的公司，正在取代現有的商業流程。然而，這些公司在兩個方面面臨挑戰。可以開發開源項目來解決同樣的問題，而現有的供應商正在大量投資于更自動化的解決方案，以解決同樣的問題。該行業最重要的因素是主流人工智能研究的速度，這種研究只在一小群研究人員中進行。他們的測試結果會在第一時間使用人工智能冠軍玩家開發的框架開源。其余的人要么是想在人工智能領域分一杯羹，要么要阻礙其發展。最終，定位是一切，而決定了自己位置、并記住以上所說情況的公司，也能到達他們想要的目的地。