如果只是涉足遊戲行業的話未來事業放在哪裡起步都無所謂。

但如果是要搞人工智慧的話，肯定是需要很多人力資源的。

很多人印象中人工智慧是技術密集型產業。

這話也確實不假。

人工智慧高度依賴尖端技術與研發投入 。

但如果只是這樣認為那這種看法多少有點片面了。

因為僅僅只是很多資金投入還不夠，很多時候還需要很多人投入其中。

某個角度來說，人工智慧雖然是技術密集型產業，但另一方面同時也是勞動密集產業。

其實，說人工智慧是勞動密集型產業並非無稽之談。

儘管聽起來AI代表了高科技和自動化，似乎與“勞動密集”這種詞不搭邊，但仔細想想，這背後牽扯的人力資源和時間投入是難以忽視的。

首先，最基礎的一步就是資料的標註和整理。

任何AI演算法的訓練，都離不開大量的資料，而這些資料往往需要人工去處理和標註。

像自動駕駛的研發過程中，需要大量影片和影象資料來訓練車輛識別道路、行人、交通標識。

這些影象和影片中每一個細節的標註，都是由大量資料標註員一幀一幀地完成的。

在一些醫療AI領域，甚至需要經驗豐富的醫生來手動標記病灶區域。

這種人工的參與在整個過程裡不可或缺，哪怕是再先進的技術，也無法繞開這一步。

其次，模型訓練和調優也是個耗時耗力的過程。

即便是擁有再強大的計算能力，訓練一個AI模型依然需要團隊裡的工程師們反覆實驗，調整引數，找出最優的解決方案。

而這個過程，常常不是一蹴而就的，而是需要一批專業人員日夜除錯、監控，來確保模型的準確性和穩定性。

再者，AI系統的維護與更新同樣需要大量的人力。

即便一個AI系統上線了，工作遠沒有結束。

系統必須隨著外界環境的變化不斷更新，演算法需要定期調整以避免“失效”或“過時”。

有時候，資料的變化或者業務場景的改變，都會導致AI模型需要重新訓練，這個時候，技術團隊還要全程跟進，確保系統能夠持續高效地執行。

更不用說，AI要真正落地，走向商業應用，背後還有一整個產業鏈在支撐。

無論是業務開發、客戶培訓，還是技術支援和後期維護，每一個環節都需要大量人員的投入。

這讓人工智慧這項表面上看起來高度自動化的技術，實際上依舊是一項需要人力密集參與的複雜產業。

所以，從這個角度來看，人工智慧不僅僅是依賴先進的技術和龐大的資金投入，同時它也像一個龐大的機器，每個齒輪的運轉都需要人力去推動，甚至從某種意義上，它與那些傳統意義上的勞動密集型行業並沒有太大的區別。

因此考慮人工智慧行業發展，一方面當然要考慮技術本身的突破，另一方面也得考慮到龐大的人力資源支援。

而波仕頓，正是一個很理想的起步之地，堪比矽谷。

矽谷呢，是全球科技創新的中心，以其獨特的創業生態系統和豐富的投資資源而聞名。

這裡匯聚了無數高科技公司，從大型企業如谷歌、蘋果，到數不勝數的初創企業，形成了一個不斷推動技術進步的迴圈。

矽谷的成功源於多方面的因素：首先，紮根於斯坦福大學等頂尖學府的強大研發能力，使得創新與實踐相結合，源源不斷地培養出頂尖人才。

其次，矽谷的風險投資環境為創業者提供了充足的資金支援，推動了科技專案的快速發展。

此外