隨著互聯(lián)網(wǎng)、移動(dòng)互聯(lián)網(wǎng)的發(fā)展及普及應(yīng)用，我們正在向“萬(wàn)物互聯(lián)”時(shí)代邁進(jìn)。在“萬(wàn)物互聯(lián)”時(shí)代，受技術(shù)條件的影響，一些能夠順應(yīng)時(shí)代發(fā)展的新的應(yīng)用模式及商業(yè)模式還沒(méi)被催生出來(lái)。為解決這個(gè)問(wèn)題，新一輪的技術(shù)革命風(fēng)潮—人工智能已經(jīng)誕生，在未來(lái)的時(shí)間里，這個(gè)風(fēng)潮將推動(dòng)IT產(chǎn)業(yè)更好地發(fā)展。

那么，人工智能到底是什么呢？具體來(lái)說(shuō)，人工智能是計(jì)算機(jī)科學(xué)的一個(gè)分支，其目的是生產(chǎn)出一種能夠模擬人類智能的智能機(jī)器。在過(guò)去，很多復(fù)雜任務(wù)只能依靠人類智慧完成。現(xiàn)如今，人工智能也可以解決這些復(fù)雜問(wèn)題，完成很多復(fù)雜的任務(wù)。

在20世紀(jì)八九十年代，受硬件能力不足、發(fā)展道路偏差、算法缺陷等因素的影響，人工智能技術(shù)的發(fā)展曾一度陷入低谷。近年來(lái)，在大數(shù)據(jù)、大規(guī)模并行計(jì)算、人腦芯片、深度學(xué)習(xí)算法等技術(shù)的推動(dòng)下，人工智能逐漸走出低潮，開始朝著良好的方向發(fā)展，如圖1所示。國(guó)際IT巨頭在人工智能方面的大力投入，為人工智能的發(fā)展打造了一個(gè)絕佳的外部環(huán)境?，F(xiàn)如今，人工智能的細(xì)分領(lǐng)域（自然語(yǔ)言處理、規(guī)劃決策、計(jì)算機(jī)視覺等）有了較大發(fā)展，諸多產(chǎn)品和應(yīng)用均已出現(xiàn)。

圖1 人工智能的基礎(chǔ)架構(gòu)

受技術(shù)條件的影響，在未來(lái)的5～10年，人工智能應(yīng)用的發(fā)展方向是專用領(lǐng)域的智能化。隨著相關(guān)技術(shù)的發(fā)展，通用領(lǐng)域的智能化也將得以實(shí)現(xiàn)。但不管是專用領(lǐng)域的智能化，還是通用領(lǐng)域的智能化，人工智能的發(fā)展都將以“基礎(chǔ)資源支持（基礎(chǔ)層面）”“人工智能技術(shù)（技術(shù)層面）”“人工智能應(yīng)用（應(yīng)用層面）”三層架構(gòu)為核心來(lái)構(gòu)建生態(tài)圈，如圖2所示。

圖2 人工智能生態(tài)圈的核心架構(gòu)

在專用領(lǐng)域智能化發(fā)展的過(guò)程中，眾企業(yè)都在試圖打通三層架構(gòu)。以蘋果、小米為代表的企業(yè)自上而下地努力，以百度、谷歌、科大訊飛等為代表的企業(yè)在自下而上發(fā)展，由此形成了競(jìng)爭(zhēng)化的產(chǎn)業(yè)格局，使得整個(gè)行業(yè)呈現(xiàn)野蠻生長(zhǎng)的狀況。在該階段，最具有投資潛力的是人工智能企業(yè)，因?yàn)榫湍壳靶蝿?shì)而言，將其放在任何一個(gè)層面都具有比較大的發(fā)展?jié)摿Α?/p>

在通用領(lǐng)域智能化發(fā)展階段，除了人工智能技術(shù)能直接用于某些領(lǐng)域之外，人工智能還將對(duì)生活服務(wù)、零售、醫(yī)療、工業(yè)、農(nóng)業(yè)、數(shù)字營(yíng)銷等各行各業(yè)產(chǎn)生顛覆性的影響，并將引領(lǐng)新一輪的IT投資熱潮。

隨著互聯(lián)網(wǎng)信息化革命的深化，人工智能也步入發(fā)展拐點(diǎn)。不過(guò)，人工智能是涉及多種高新技術(shù)的復(fù)雜性、系統(tǒng)性工程，因此其發(fā)展也并非能夠一步到位，而是將經(jīng)歷從點(diǎn)到面、從專用領(lǐng)域到通用領(lǐng)域的漸進(jìn)過(guò)程。從當(dāng)前來(lái)看，人工智能技術(shù)在很多專用領(lǐng)域已經(jīng)獲得了突破發(fā)展，但通用領(lǐng)域的實(shí)現(xiàn)還有待各方面的進(jìn)一步沉淀。

以計(jì)算機(jī)視覺應(yīng)用為例。普通成年人可以很輕松地辨識(shí)出照片或視頻中的各種人、物和場(chǎng)景，但這一點(diǎn)對(duì)于計(jì)算機(jī)來(lái)說(shuō)還是十分困難的。因?yàn)楸孀R(shí)是一個(gè)基于識(shí)別模型進(jìn)行特征抽取從而實(shí)現(xiàn)區(qū)分的過(guò)程，若要計(jì)算機(jī)做到通用識(shí)別，則首先需要將與世間萬(wàn)物一一對(duì)應(yīng)的識(shí)別模型輸入其中，這顯然是一個(gè)巨大的工程。另外，即便是同一事物也常常由于不同場(chǎng)景中光線、角度、距離等方面的差異而表現(xiàn)出不同的形態(tài)，這使得建立識(shí)別模型變得更復(fù)雜。雖然新一輪信息革命推動(dòng)下計(jì)算機(jī)的運(yùn)算能力獲得了驚人突破，但還遠(yuǎn)遠(yuǎn)無(wú)法達(dá)到人腦視覺中樞的水平，因此短期內(nèi)計(jì)算機(jī)很難實(shí)現(xiàn)智能通用識(shí)別。