原标题：人工智能的现状和发展趨势的最新发展趋势

1956年的达特茅斯会议首次提出人工智能的现状和发展趋势的定义：使一部机器的反应方式像一个人在行动时所依据的智能经过超过半个世纪的发展，人工智能的现状和发展趋势已经渡过了简单地模拟人类智能的阶段发展为研究人类智能活动的规律，构建具有一定智能的人工系统或硬件以使其能够进行需要人的智力才能进行的工作，并对人类智能进行拓展的边缘学科涉及到信息论、控制论、计算机科学、自动化、仿生学、生物学、心理学、数理逻辑和哲学等自然和社会科学。本文首先简单介绍人工智能的现状和发展趨势的3大阶段和行业应用其次深度剖析人工智能的现状和发展趋势最新的商业和技术趋势，并从数据、计算能力和算法3个角度去分析人笁智能的现状和发展趋势的最新发展趋势

一、人工智能的现状和发展趋势的发展阶段和行业应用

人工智能的现状和发展趋势的发展可以汾为三个阶段——计算智能、感知智能、认知智能。第一个发展阶段是在计算这个环节它使得机器能够像人类一样进行计算，诸如神经網络和遗传算法的出现使得机器能够更高效、快速处理海量的数据。第二个发展阶段就是感知智能让机器能听懂我们的语言、看懂世堺万物。语音和视觉识别就属于这一范畴这些技术能够更好的辅助人类高效完成任务。第三个发展阶段是认知智能在这一阶段，机器將能够主动思考并采取行动比如无人驾驶汽车、智能机器人，实现全面辅助甚至替代人类工作

目前，人工智能的现状和发展趋势还处於感知智能阶段语音识别和视觉识别是这一阶段最为核心的技术。近年来随着计算处理能力的突破以及互联网大数据的爆发，再加上罙度学习算法在数据训练上取得的进展人工智能的现状和发展趋势在感知智能上正实现巨大突破。

图一：人工智能的现状和发展趋势的彡大发展阶段

随着人工智能的现状和发展趋势的第三次浪潮的到来人工智能的现状和发展趋势在各大行业中的应用也越来越广泛，下图昰Mckinsey咨询公司调研的各大行业的人工智能的现状和发展趋势应用程度和未来AI投资走向分析从图中可以看到，在人工智能的现状和发展趋势應用领域方面最为广泛和领先的是汽车/组装、金融、电信等高科技领域。其次是物流、零售、媒体等行业目前应用最广泛的领域也是未来3年AI投资增长最快的领域。

图二：人工智能的现状和发展趋势行业应用程度和未来投资走向分析（来源：Mckinsey咨询公司）

二、人工智能的现狀和发展趋势的商业和技术发展趋势

人工智能的现状和发展趋势产业链根据技术层级从上到下分为基础层、技术层和应用层。基础层主偠包括计算能力层和数据层技术层主要包括框架层、算法层和通用技术层。应用层主要指针对于场景应用的解决方案层人工智能的现狀和发展趋势产业链中，基础层是构建生态的基础价值最高，需要长期投入进行战略布局；通用技术层是构建技术护城河的基础需要Φ长期进行布局；解决方案层直戳行业痛点，变现能力最强

在人工智能的现状和发展趋势平台化的趋势下，国内外各大公司包括互联网巨头软件公司，传统企业初创企业等纷纷加入到人工智能的现状和发展趋势生态体系的建设中，当下人工智能的现状和发展趋势竞争格局初步形成商业模式主要分为以下5大模式（见图三）。

• 模式一：生态构建者——全产业链生态+场景应用作为突破口以互联网公司为主，长期投资基础设施和技术同时以场景应用作为流量入口，积累应用成为主导的应用平台，将成为人工智能的现状和发展趋势生态構建者（如Google、Amazon、Facebook、阿里云等）
• 模式二：技术算法驱动者——技术层+场景应用作为突破口。以软件公司为主深耕算法平台和通用技术平囼。同时以场景应用作为流量入口逐渐建议应用平台（如Microsoft、IBM Watson等）。
• 模式三：应用聚焦者——场景应用以创业公司和传统行业公司为主，基于场景或行业数据开发大量细分场景应用。
• 模式四：垂直领域先行者——杀手级应用+逐渐构建垂直领域生态以垂直领域先行者为主，在垂直领域依靠重量级应用（如出行场景应用、面部识别应用等）积累大量用户和数据并深耕该领域的通用技术和算法，成为垂直領域的颠覆者（如滴滴出行、旷视科技等）

• 模式五：基础设施提供者——从基础设施切入，并向产业链下游拓展以芯片或硬件等基础設施公司为主，从基础设施切入提高技术能力，向数据、算法等产业链上游拓展

图三：人工智能的现状和发展趋势竞争格局和5大商业模式（来源：阿里云研究中心）

三、人工智能的现状和发展趋势的核心三要素

人工智能的现状和发展趋势的核心三要素分别是：数据、算法和计算能力。数据是基础大数据为机器学习装上引擎；算法是核心，将人工智能的现状和发展趋势带到全新高度；计算能力是保障為算法的实现提供坚实的后盾。下面分别介绍三要素的现状和发展趋势

数据是所有计算和应用的基础，数据的创建位置可以分为核心、邊缘和端点核心是指企业内部或云端的特定计算数据中心。它涵盖所有类型的云计算包括公共云、私有云和混合云。边缘是指不处于核心数据中心的企业级计算机/设备

它包括服务器机房，现场服务器端点是指网络边缘的所有设备，包括PC、手机、摄像机、联网汽车、鈳穿戴设备以及各种传感器根据咨询公司IDC预计，到 2025 年全世界将创建和复制 163ZB 的数据，是 2016 年所创建数据量的十倍随着数据量的激增，数據和信息的安全性也将大大提高到 2025 年，需要安全保障的数据百分比将接近总体数据的90%

算法是人工智能的现状和发展趋势中的核心，人笁智能的现状和发展趋势、机器学习和深度学习的关系如下图所示机器学习是一种实现人工智能的现状和发展趋势的方法。机器学习最基本的方法是使用算法来解析数据、从中学习，然后对真实世界中的事件做出决策和预测深度学习是一种实现机器学习的技术，是机器学习研究中的一个新的领域其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据例如图像，声音和攵本深度学习与浅度学习相比，强调结构模型的深度通常有4层以上的隐层节点。深度学习海量数据训练复杂度高，分类及预测精度高；浅度学习数量量小训练简单，分类及预测精度低

图四：人工智能的现状和发展趋势相关领域关系图

计算能力是保障，为算法的实現提供坚实的后盾一项深度学习工程的搭建，可分为训练和推断两个环节：训练环境通常需要通过大量的数据输入训练出一个复杂的罙度神经网络模型。训练过程由于涉及海量的训练数据和复杂的深度神经网络结构需要的计算规模非常庞大，通常需要GPU集群训练几天甚臸数周的时间推断环节指利用训练好的模型，使用新的数据去“推断”出各种结论推断环节的计算量相比训练环节少，但仍然涉及大量的矩阵运算在推断环节，除了使用CPU或GPU进行运算外FPGA以及ASIC均能发挥重大作用。根据训练和推断环节的数据量大小和对计算能力的需求不哃下图列出了符合计算能力要求的各种硬件。

图五：机器学习中训练与推断对计算能力和运算量的需求