吳恩達從斯坦福到穀歌百度， 再到富士康的職業軌道， 是越混越不如早年了， Landing.ai應該被翻譯成“接地氣AI”。 吳恩達在大企業中的就職經歷正本就不算太順利， 現在又輕率提出一個協助製作業AI轉型的大口號， 聽起來就有些不切實際。 還不如好好愛惜羽毛， 回到高校去教課、發Paper。
關於吳恩達創業進程的評估呈現了兩個極端。
有人以為他是人工智慧的佈道者：在企業中做了很多鋪墊性作業， 事必躬親的遍及深度學習常識， 讓更多人加入到這個職業中來。
也有人以為他是人工智慧淘金路上的賣水人：在企業裡“抛頭露面”的成了網紅，
教授創業為什麼總挑選演算法變現？
關於這個問題， 我們首先要弄明白一件事， 演算法變現的途徑是不是太長了？
現在有很多的學術研討者和吳恩達一樣， 脫離高校來到企業的實驗室中巴望發明一番工作。 這當然和人工智慧自身的學術特質和研討顏色有聯繫， 在除了能直接把演算法附加在自有資料上的大企業之外， 那些以人工智慧演算法為主的創業企業都要面臨一個很大的問題——怎樣變現？
難道由於自動駕駛能用到電腦視覺技能， 就要教授們都去造車？或許在深度學習晶片熾熱的今日， 讓教授們去台積電觀賞觀賞， 瞭解晶片製作的流程？演算法在大企業之內，
其實不如換個視點想這個問題， 演算法來自於學術研討， 那它的實質就還是一種常識。 常識要怎樣變現， 就不必別人來教了吧？
羅振宇、咪蒙、高曉松……這些都是很好的事例。 放到人工智慧範疇裡， 不就是優達學城（一家人工智慧線上培訓機構）和Deeplearning.ai嗎？
Landing.ai是吳恩達的常識變現閉環
宣講出一個職業的光亮前景， 再賣給你一張進入這個職業的門票， 這是一樁十分好的生意，