| 数据
如今深度学习正迅速成为高级数据分析领域的热门话题，而 数据的绝对量是促进深度学习工具和技术发展的一个关键因素 。Affectiva的首席科学家和研究部总监DanielMcDuff表示， 新兴公司积累了足够的数据后，技术才能更好地发挥作用 。对于那些深度学习的应用，不仅开发时需要大量的数据训练、完善，在产品推广之后更加需要实时用户数据，不断进行迭代、更新。
中国在深度学习的竞争中还是有很大机会， 可获取的互联网数据，以及低成本的众包劳动，将为中国公司带来海量的数据和极低的数据标注的成本。 但是国内市场面临的问题在于大量数据都被BAT等互联网巨头控制，初创公司很难拿到数据去完善、更新深度学习的神经网络，尤其是在产品推出之后，还有可能面临大公司的恶意排挤，获取数据更是难上加难，不说是夹缝中求生存也差不多了吧。
| 应用场景
深度学习技术目前应用的场景不多，最普遍也是最成功的领域就是 语音识别和图像处理 这两个应用场景了，之前提到的三大神兽——计算能力、算法和数据属于开发端，应用场景则属于消费端层面， 随着未来深度学习技术的不断发展以及用户的需求提升，深度学习的应用场景将越来越多 ，比如许多智能手机内置的人脸识别功能来对照片进行分类，已经可以达到相当的准确率;支付宝等金融工具也很可能采用人脸识别以提高安全性……未来的深度学习一定不仅仅局限于语音识别和图像识别这两个领域，还有更多的可能性。对于那些初创公司来说，与其和谷歌、Facebook、Amazon、BAT等拥有十多年数据沉淀的大公司竞争这一成熟市场，还不如去发展属于自己的某一片小天地。
如今深度学习的火爆程度不弱于任何其他的领域，互联网巨头们都在想方设法分这块蛋糕，事实上想要做好深度学习计算能力、算法、数据、应用场景这四大护法神兽缺一不可，而BAT等巨头在这些方面都占尽资源上的优势， 对于初创公司来说很难四点兼顾 ，尤其是数据方面，所以利用自身的比较优势抓住其中一点进行创新，无论是计算能力、算法还是应用场景上，只要有创新之处，就能帮助你在市场中掌握主动权。