一、認知層
點擊此處添加圖片說明文字
點擊此處添加圖片說明文字
點擊此處添加圖片說明文字
點擊此處添加圖片說明文字
點擊此處添加圖片說明文字
點擊此處添加圖片說明文字
點擊此處添加圖片說明文字
二、感知層
點擊此處添加圖片說明文字
點擊此處添加圖片說明文字
三、運算層
點擊此處添加圖片說明文字
四、基礎設施
點擊此處添加圖片說明文字
點擊此處添加圖片說明文字
點擊此處添加圖片說明文字
點擊此處添加圖片說明文字
點擊此處添加圖片說明文字
五、智能終端
點擊此處添加圖片說明文字
點擊此處添加圖片說明文字
點擊此處添加圖片說明文字
點擊此處添加圖片說明文字
點擊此處添加圖片說明文字
點擊此處添加圖片說明文字
六、應用場景
點擊此處添加圖片說明文字
點擊此處添加圖片說明文字
點擊此處添加圖片說明文字
點擊此處添加圖片說明文字
點擊此處添加圖片說明文字
點擊此處添加圖片說明文字
點擊此處添加圖片說明文字
點擊此處添加圖片說明文字
點擊此處添加圖片說明文字
點擊此處添加圖片說明文字
點擊此處添加圖片說明文字
點擊此處添加圖片說明文字
點擊此處添加圖片說明文字
點擊此處添加圖片說明文字
點擊此處添加圖片說明文字
點擊此處添加圖片說明文字
點擊此處添加圖片說明文字
七、綜合
點擊此處添加圖片說明文字
點擊此處添加圖片說明文字
人工智能的概念於1956年在達特茅斯學院的會議上正式宣佈成立
然而，當時的技術和硬件設備跟不上新型人工智能的發展，人工智能於1974年迎來了第一次寒冬，一直持續到上世紀八十年代。進入新世紀來，隨著大數據技術的發展、深度學習的出現、算力的提升，人工智能的潛力被人們愈發重視。
自2016年開始，人工智能領域的創業公司被這個時代賦予了最優的待遇，大量資本流入其中，2017年全球人工智能初創企業融資額達152億美元，中國佔48%，位居第一。這樣的盛況一直持續了三年，直到2019年初的大降溫。
90年代，高德納諮詢公司提出技術成熟度曲線（The Hype Cycle）
它指出新科技的成熟往往需要歷經5個階段：科技誕生的促動期、過高期望的峰值、泡沫化的底谷期、穩步爬升的光明期、實質生產的高峰期。
任何技術的發展路徑都必然是螺旋式的，不可能一帆風順。毫無疑問，人工智能便處於“退燒階段”，過往的熱捧，讓不少AI公司迅速膨脹，獲得了與當下業務體量並不匹配的高估值，而一旦市場降溫，資本開始理性，越是高估值的公司，就越難引入新融資。
難以融資的情況下，能讓人工智能企業安穩過冬的自然是其核心的盈利變現能力。初創公司們的重心也將從融資轉向業務。而客戶只看重一件事，就是技術能不能讓他降本增效。資本寒冬，反而有助於人工智能領域淘汰落後產能，而且很可能不僅是小的初創公司，也包括大公司的內部團隊。
人工智能行業穩步發展的關鍵
像過去數年大量湧現的AI芯片初創團隊，要知道硬件研發需要非常長的時間週期，有的團隊選擇在FPGA上實現一些深度學習算法，很多團隊直接上手ASIC，從底層設計芯片加速深度學習算法，然而前者性能跟不上，後者開發成本高、消耗時間長，產品競爭力嚴重缺失。至於更多混概念、拿融資的公司也處於加速出清階段。
但我們同樣要看到，人工智能商業化帶來了企業數字化加速、產業鏈結構改善、信息利用效率提升等積極效應，在金融、醫療、安防等多個領域實現技術落地，且應用場景愈發豐富。眾多企業降本增效的預期、國家政策的扶持，這些都是利於人工智能行業穩步發展的關鍵。
AI的本質是一種獲取知識、使用知識達到目標的通用能力
與常規語言、圖譜不同，這種知識是以分佈式重疊向量表示，機器學習也正是基於此，通過可微分函數自動學習從而解決各種難題。
人類與世界的交互主要由感知、思考、行動三者構成，我們的知識也在這一輪輪的循環往復中逐步完成歸納、總結與驗證。這一過程同樣適用於人工智能，AI通過傳感器觀察外界環境，用數據記錄感知結果，進而在對數據歸納總結過程中獲取知識，完成認知過程，規劃行動後再通過與外界的互動完成驗證、認知閉環。
不難想到，數據是人工智能時代最寶貴的財富，數據即知識的載體
這也就解釋了，為何人工智能有著愈發垂直化的趨勢，各行各業很難以開放共享的心態來設計AI的商業模式的對外合作，辛苦積累的場景與數據自然如此，優質數據難尋。深耕垂直領域的公司則依靠較少精準數據即可把模式跑通，而且多數客戶為政府、國企，這些人工智能企業多數收入也來源於此，形成先to B跑通後to C普及模式。
人工智能的未來在哪
而從人機交互角度上看，電腦的誕生簡化了人類繁瑣的操作流程，通過鼠標的點擊即可遠程操控；而觸屏手機的出現則進一步解放全身，我們僅靠手指即可隨時隨地完成遠程的操作與娛樂；大膽地推測一下，在手指被佔用的情況下，未來可能的潛在交互模式就愈發明顯了，像語音交流、眼動控制等都已進入商用階段，腦機接口等前沿技術也在逐步試驗中，在這種可預見的新模式下行業亦將誕生一批服務相關技術與內容的獨角獸企業。
如果說互聯網將全球信息扁平化，移動互聯網則在此基礎上將人類日常活動與行為數字化。AI時代下，數字世界和物理世界則通過傳感器與傳動器趨於融合，有價值的人類活動和物理世界都將被數字化，真正形成萬物互聯的時代。
新基建大背景下的人工智能
2020年3月4日，中共中央政治局常務委員會召開會議，提出要發力於科技端的基礎設施建設，人工智能成為“新基建”七大版塊中的重要一項。“新基建”不同於傳統思路，其本質是信息數字化的基礎設施建設，用於支撐傳統產業向網絡化、數字化、智能化方向發展。
作為國家級戰略，此次在新基建的背景下，人工智能的發力點首先便是要填補算力的不足，當前摩爾定律失效，算力需求增速已經遠遠超過了算力供給能力。有報告顯示，2012年以前，人工智能算力需求緊追摩爾定律，每兩年翻一番。2012年以後，漸漸縮短為3、4個月翻一番，人工智能算力需求空間巨大。
人工智能的核心依然是構建專用設施，緩解算力需求
但同時，算力提升背後涉及眾多產業鏈，像AI芯片，包括“雲端”、用戶端的類腦芯片，以及各類傳感器、激光雷達、毫米波雷達、攝像頭、體感傳感器等。最重要的，人工智能是通用的AI平臺，包括計算機視覺、語音識別、自然語言處理，機器學習、知識圖譜等，這都有助於在泛在、融合的發展趨勢下，構建軟硬件協同、新老系統協同、各個行業協同的產業新生態。
人工智能及場景應用的基礎建設，在連接巨大的投資與需求同時，還牽著不斷升級的消費市場。人工智能的發展無疑是未來20年數字經濟時代，支撐中國經濟社會繁榮發展的基石，對推動中國經濟轉型升級形成極大助力。
第四次工業革命的大幕或許就在徐徐拉開
人工智能時代，數據與場景成為核心。圍繞5G+新一代人工智能的垂直模式，打造以網絡層、雲基礎設施和以新一代人工智能領域龍頭企業在應用場景的協同創新生態是未來的核心趨勢，合作方式可採取項目聯合攻關、共建研發機構、組建產業技術創新聯盟等，為人工智能方案落地起到重要助推作用。
中央經濟工作會議在部署“著力推動高質量發展”重點任務中，明確提出“要大力發展數字經濟，推動數字經濟和實體經濟深度融合”。作為數字經濟的應用領域的新引擎，人工智能正在逐步成為推動實體經濟優化升級、生產力躍升的驅動力量。
閱讀更多 ciweek互聯網週刊 的文章
