印奇分析，其中AI是核心技術能力，IoT是產業落地場景。“AI與IoT的融合，本質上就是將AI的能力注入IoT的場景之中，實現產業的數字化智能化改造，進而推動實體產業的高質量發展。”

　　印奇認為，為了更好地促進AI與產業的融合，應把握幾個關鍵點。首先，要以打“移動靶”的心態，推動產業數字化發展。當前，中國科技創新能力不斷取得新突破，無論是創新的速度還是創新的規模，都實現了歷史性跨越。“但我們也意識到，與世界科技強國相比，我們還存在明顯差距。一個突出的表現就是，雖然中國在消費側的數字化水平獨步全球，但在產業側的數字化進程仍處于發展階段。”他說，一個重要原因是，消費側的科技創新往往聚焦于前端應用和商業模式的創新，這類創新就像打“固定靶”，即面對確定的目標與需求，開發特定的產品推向市場；產業側的科技創新則更像打“移動靶”，需要與錯綜復雜的行業結合，需求高度不確定，技術落地周期長。因此，發展產業數字化，需要有長期耕耘的耐心，緊緊依靠基礎研究、工程實踐和產業創新的聯動效應，才能滿足動態和不確定的需求。

　　其次，印奇認為，應以“拉”為主、采取“推”“拉”結合的模式，促進AI與產業的融合。在他看來，科技創新可分為“推”和“拉”兩種模式。過去，科技創新更多采用的是“推”的模式，即技術和產品創新過程始于研發，經過生產和銷售，并最終推向市場。整個過程完全由供給側發起，市場和用戶僅僅是產品創新的被動接受者。而以深度學習為基礎的新一代AI技術，由于其本身就非常依賴于行業數據，與各行各業有著天然的聯結，因此也必須在行業里找到落地場景。這就決定了AI技術的落地必須是“需求定義供給”，既要從用戶需求出發進行技術和產品的研發，又要針對用戶反饋對技術和產品作出調整，由此形成技術創新的價值閉環。采取以“拉”為主，“推”“拉”結合的模式，將大幅提升AI產業落地的效率。

　　同時，印奇表示，要以新型人才體系，加速AI的產業落地。“AI是典型的人才密集型行業。推動AI的產業落地，就必須擁有一批真正關注用戶需求、懂得行業運行規律的行業專家。”他說，AI與產業的融合過程，對組織的密度和陣型提出了極高要求。

　　“一家AI企業不僅需要具備頂尖的AI技術研發人才，還需擁有大量具有行業視角和經驗的人才。為此，AI企業需要搭建新型的人才機制和體系，形成多樣性的人才梯隊，讓不同類型的人才在一個體系和框架下，相互融合、良性互動，從而實現技術、產品到行業解決方案的快速落地。”印奇稱。