在數(shù)字時代，人工智能（AI）即將引起新一輪的科技革命。全球AI市場將呈現(xiàn)迅猛的增長。推動它快速發(fā)展的動力來源于技術的不斷突破、強勁的政策支持和充沛的資金投入。如何尋找AI行業(yè)切入點和投資機會是眾多決策者關注的重要問題。隨著AI黃金時代的到來，我們是否能乘風破浪，發(fā)揮它的最大價值？
　　十年后，AI市場規(guī)模將會超過萬億美元
　　AI多年來一直是新技術革命的熱點。雖然AI的熱潮經歷了幾次波動，但是越來越多的實際落地應用使投資者和企業(yè)始終保持熱情。
　　盡管處于萌芽階段，AI市場預計將在未來十年呈現(xiàn)指數(shù)級的增長。我們預計AI市場的年增長率將達到64％，在2027年超過1萬億美元。
　　人工智能系列之一：迎接人工智能時代的到來
　　AI的發(fā)展驅動力是什么？
　　AI技術和市場的蓬勃發(fā)展受技術的不斷進步與成熟、政府政策的鼓勵和資金的大量投入等眾多力量的推動。
　　深度學習算法、AI芯片和大數(shù)據(jù)的可獲性與可用性推動AI技術的創(chuàng)新
AI技術的快速發(fā)展，使其從學術階段發(fā)展到實際應用階段，結合最先進的技術和系統(tǒng)，突破了傳統(tǒng)計算技術的極限。云存儲和計算技術的成熟為處理大量圖像、文本和其他類型的數(shù)據(jù)奠定了基礎。通過大數(shù)據(jù)，AI可以讓企業(yè)實現(xiàn)以往都無法想象的轉變。
　　不斷改進的AI算法，助力AI技術能實現(xiàn)突破性的創(chuàng)新。自2012年以來，音頻和圖像識別的準確性得到了顯著提高，已經超越人類的基本能力。
　　開源框架，例如Tensorflow、Caffe、Neon、Torch、Theano、CNTK，降低了開發(fā)深度學習算法的障礙。大數(shù)據(jù)的可用性為深度學習算法提供了充足的學習材料。到2020年，全球每月上傳的在線視頻總長度預計為500萬年，即每分鐘在線上傳100萬分鐘的視頻。
　　硬件的成熟為深度學習算法提供了足夠的計算能力。采用圖形處理器GPU、現(xiàn)場可編程門陣列FPGA、專用集成電路ASIC（TPU和NPU是ASIC芯片的主要代表）等AI芯片，大大提高了AI訓練和推理的計算效率。毫無疑問，創(chuàng)新技術將繼續(xù)推動AI革命。
　　政府的積極引導，加快AI的發(fā)展
　　AI對于國家來說戰(zhàn)略意義重大，全球主要國家政府紛紛啟動AI發(fā)展計劃。
　　中國于2018年1月發(fā)布了人工智能標準化白皮書。這是指導中國人工智能產業(yè)高水平發(fā)展的重要戰(zhàn)略。在此之前，國務院于2017年7月發(fā)布了下一代人工智能發(fā)展計劃，制定了人工智能發(fā)展的總體思路、戰(zhàn)略目標、主要任務和配套措施，努力到2030年把中國打造成世界領先的人工智能創(chuàng)新中心。
　　美國于2016年12月發(fā)布了“人工智能、自動化和經濟”報告，重點關注人工智能驅動的自動化經濟學和推薦的政策反應。 2016年6月，網絡與信息技術研究與發(fā)展小組委員會（NITRD）制定了國家人工智能研究與發(fā)展戰(zhàn)略計劃，為聯(lián)邦政府資助的人工智能研究制定了一系列目標。
　　類似的，日本政府頒布了第五個科學技術基本計劃（2016－2020），進一步推動AI、邊緣計算和高速處理設備技術的發(fā)展，作為構建超智能社會服務平臺所必需的基礎技術。
　　大量的資金投入，是AI從實驗室走向應用的基礎
　　持續(xù)的資本投入促進了全球AI產業(yè)的發(fā)展。 2017年，AI初創(chuàng)公司獲得了152億美元投入，其中近48％是種子或天使輪融資。 此外，谷歌和百度等互聯(lián)網巨頭在2017年在AI領域投入了約300至400億美元，其中90％用于研發(fā)，10％用于收購。戰(zhàn)略和財務投資者都在大力尋找AI行業(yè)的優(yōu)質資產。
　　迎接人工智能時代的到來
　　AI是如何工作的？
　　AI是指給機器提供“思考”的能力。通常，AI由3層架構組成：底層硬件與服務、算法與框架、以及垂直應用。
迎接人工智能時代的到來
　　底層硬件與服務
　　AI的底層基礎設施是擴展、加速、自動化管理大量數(shù)據(jù)處理的重要基礎。AI數(shù)據(jù)的編程和存儲是AI技術落地最大的挑戰(zhàn)之一，尤其是隨著數(shù)據(jù)量飛速的增長，需要通過AI芯片的強大的計算能力支持基礎架構環(huán)境建立，為AI提供充足的算力。如果從計算效率和可編程性的維度上評估不同類型的芯片，ASIC是最快的計算引擎，而CPU是最靈活。在對選擇不同的AI基礎架構做決策之前，企業(yè)應該充分評估其業(yè)務需要的容量。