人工智能的起源與發展
人工智能從 1956 年被正式提出以來，一共有 61 年的歷史了，期間經歷 3 次高潮，2 次低谷，而最后一次高潮開始于 2006 年，至今仍在延續，并隨著各項技術的提升和相關應用的推廣繼續將人工智能推上新的高峰。
1943 年，二戰期間，各類科學家集聚一堂，人工神經網絡和數學模型得以建立，人工神經網絡時代開啟。
1950 年，圖靈提出“圖靈測試”，為智能機器設立了判斷標準，如果一臺機器能夠與人展開對話(通過電傳設備)，并且會被人誤以為它也是人，那么這臺機器就具有人工智能。
1956 年達特矛斯會議正式提出人工智能這個術語，標志著人工智能領域的正式誕生，并設下了他們關于人工智能的目標——使機器能夠模擬人類智力行為的各個方面，如感知、學習、推理論證、交流等能力。
這個核心觀念持續推動了人工智能領域的發展。
人工智能的發展(1956—至今)
第一個黃金發展期(1956——1974)
在此期間，全球政府投入并啟動了大量關于人工智能領域的研究項目。與此同時，紐厄爾與西蒙開發了啟發式搜索(heuristic search)，這是一種在大型的組合空間尋求答案的有效程序。
之后他們運用這種程序證明了各種數學定理，羅素的《數學原理》被全部證明。
人工智能的冬天(1974——1980)
由于人工智能之前的投入，產出不成正比，四大預言遙遙無期。
政府，投資者的信心急劇減弱，1973 年英國政府宣布從人工智能領域撤資。
雖然這時是人工智能的低谷，但是人工智能也完成了重大的進展。比如邏輯程序設計法，常識推理領域均在此時期創立。
發展期(1980——2006)
隨著專家系統的繁榮發展，人工智能正式投入到了工業生產和政府應用中，再次掀起了AI 研究的投資浪潮。
專家系統是存儲了某個領域專家水平的知識和經驗的數據，并能根據這些數據進行推理判斷從而處理該領域專家才能處理的復雜問題的智能計算機程序系統。
1986 年，BP 算法出現，神經網絡重新受到重視。
90 年代，機器學習被提出，并得到了迅速發展。新的研究領域也如雨后春筍般興起。其中最出名的有人工神經網絡和支持向量機。
1997 年，深藍超級計算機戰勝了國際象棋世界冠軍加里·卡斯帕羅夫。這是首次人工智能在人機大戰中的勝利。
2002 年，第一個成功的商業化家用機器人——自動真空吸塵器 Roomba 誕生。
2005 年，美軍開始投資戰爭機器人 BigDog。
高速發展期(2006—)
2006 年，當今人工智能最流行的方法——深度學習被正式創立，人工智能再次得到了突破性的發展。
2010 年，移動互聯網發展，人工智能運用場景更加廣泛。
2012 年，深度學習算法在語音和圖像識別上取得了突破，融資規模開始迅速擴大，人工智能商業化高速發展。
2016 年，Alphago 戰勝李世石，人工智能受到世界空前的關注。
人工智能行業產業鏈明晰，可以分為基礎層、技術層和應用層。
數據與運算力是人工智能的基礎
基礎層主要涉及數據的收集以及運算。其中傳感器以及數據服務機構主要負責收集數據，而 AI 芯片(GPU、FPGA、ASIC、類腦芯片)和云計算負責運算。
芯片的快速發展帶動運算力的提升
GPU 和云計算的興起，為人工智能帶來了質的飛躍。其中 GPU 等芯片性能的快速提升，為人工智能的快速發展提供了可能性。與此同時，分布式計算(云計算)的興起，大大降低了計算的時間、硬件成本，也為人工智能的快速發展提供了契機。
國外知名 GPU 制造商 NVIDIA 已經將傳統 PC GPU 業務進行了轉型，并推出了專門運用與人工智能、深度學習、大數據研究和分析 GPU 芯片，如 Tesla 系列運算卡，并取得令人矚目的成績。
人工智能的客戶在 2 年內提升了 33 倍，并在 17 年 1 月的 FY2017 年報指出相關AI、深度學習以及云計算的 GPU 芯片收入的年增長率高達 145%并預測到 FY 2018 第一季度這個數字會繼續增長到 186%。
研究積累與發達國家差距不大，然而國內目前專注于人工智能芯片開發的企業有限，且總體技術水平與發達國家存在較大的差距，高端芯片嚴重依賴國外進口。
中國是人工智能芯片制造的后起之秀，目前已推出中科院“寒武紀”、中星微“星光智能一號”等多款人工智能芯片，華為也表示將在年內推出人工智能芯片產品。
國產人工智能芯片的崛起不僅帶來計算能力的提升，同樣也可以起到降低成本的作用。
國際首個深度學習專用處理器芯片，性能超主流 CPU100 倍，但面積和功耗僅為十分之一。
基于 ASIC 架構的人工智能語音識別芯片，包含了腦神經網絡處理硬件單元，能夠完美支持 DNN 運算架構，進行高性能的數據并行計算，可極大的提高人工智能深度學習語音技術對大量數據的處理效率。
自主設計研發高效的人工智能處理器架構 IP，支持 ARM/GPU/FPGA/ASIC 實現神經網絡壓縮、編譯、神經網絡處理器 DPU 設計、FPGA 開發正研發人工智能處理器 有望年內發布。
互聯網與移動互聯網的迅猛發展使得人們的生活中產生海量數據，并得益于大數據概念的爆發，國內對數據積累與標注十分重視，從數據收集、數據分析、數據管理到數據應用，已經形成了完整的產業鏈，這也為國內人工智能輸入海量數據進行訓練提供了堅實的基礎。
樂晴智庫，行業深度研究（微信ID: lqzk767)
企業與政府共同致力于實現數據共享與開放。相比于國外公司對數據的嚴密保護，國內公司對數據保持著較為開放的態度。谷歌旗下的 Waymo 以及特斯拉對其數據進行嚴格保密，而國內方面百度不僅對軟件進行開源，而且打算進一步分享數據，創造一個無人駕駛汽車的開放數據平臺。
手握巨量數據的政府也已制定好數據共享與開放計劃，到 2018 年底前，中央政府層面實現數據統一共享交換平臺的全覆，建成國家政府數據統一開放平臺;2020 年底前，逐步實現多個民生保障服務相關領域的政府數據集向社會開放。
數據的開放共享使得數據能夠大范圍內的流動，并衍生出各類對數據處理與應用，做出更可靠的標注，從長期看給人工智能帶來更大的市場價值。
在云服務領域，亞馬遜由于起步較早，占據了最大的云計算市場份額。據 synergy researchgroup 的數據，在 16 年年底，亞馬遜占據了公有云市場的 40%份額。而且據亞馬遜今年 4 月公布的一季度財報中，AWS 的營業收入同比上漲了 42%，達到了 36.6 億美元。 微軟已將云計算列入自己的重點戰略方向，2016 年上邊年，微軟智能云營業收入占比已經高達 26.32%。
人工智能技術逐漸成熟，驅動未來發展
在收集到數據之后，技術層所做的事就是模擬人腦，對數據進行有效的處理和分析。算法是技術層的一項核心內容，而在人工智能算法里最出名的，也是將人工智能推向發展高潮的，就是深度學習算法。
隨著基礎層和技術層的快速發展和逐漸成熟，AI 產業紅利將傳導至應用層。
AI 應用層主要是 AI 算法在傳統行業的滲透和改造。
在國外，已推出多款人工智能產品與服務，并取得了十分成功的成績。亞馬遜 Echo 智能音箱的銷量暴漲，2015 年 Q2 的銷量僅為 20 萬臺，2016 年 Q2 銷量已經較去年增加了 5 倍，預計 2017 年底銷量會突破 1 千萬臺，為亞馬遜貢獻 10 億美元的營收。
全球最大社交網絡網站 Facebook，充分利用 AI 分析社交網絡大數據，來提升用戶體驗，持續擴大用戶流量，2016 年，Facebook 越活躍用戶達 18.6 億，同比增長 17%。同時 Facebook將巨大的用戶流量進一步變現為廣告收入。
2016 年，Facebook 實現營業收入 268.85 億美元，同比上年增長 57%，實現凈利潤 102.17 億美元，同比上年增長 177%。
在國內人工智能的應用中，BAT 手握大量資源，無疑是其中的第一梯隊，而三家之中的百度更是行業中的領軍者;阿里巴巴與騰訊也在積極推進人工智能項目，憑借公司規模優勢奮起直追，雖然目前落后于百度，但發展后勁不可小覷;
而像地平線機器人這樣獨立人工智能企業，以及互聯網細分領域取得成績的京東、搜狗、滴滴、今日頭條等垂直優勢同樣值得關注。
中國巨大的消費市場可以衍生出無數的細分領域，互聯網對各行業各領域的滲透給人工智能應用提供了最真切的參考，并且相比于互聯網，人工智能的應用場景只會更廣闊。
國內政策密集出臺，助力人工智能發展。政府大力扶持人工智能產業，今年三月的《政府工作報告》與七月的《新一代人工智能發展規劃》中提出，到 2020 年人工智能總體技術和應用與世界先進水平同步，人工智能產業成為新的重要經濟增長點;
到 2025 年人工智能基礎理論實現重大突破，部分技術與應用達到世界領先水平;
到 2030 年人工智能理論、技術與應用總體達到世界領先水平，成為世界主要人工智能創新中心。
(一) AI 安防
未來國內安防市場可達萬億，保持高速迅猛增長。2011-2016 年安防市場連續五年維持兩位數的增長，2016 年國內安防市場規模達到 5000 億以上，根據前瞻產業研究院的預測，到 2022 年國內安防市場規模將達到接近萬億的規模。
2016 年安防市場規模中安防設備市場大約占比為 1900 億，從產品形式上看，視頻監控領域是安防行業最大的應用產品。
(二) AI 金融
據量巨大的金融行業是人工智能應用的溫床。金融行業每天產生的數據量在各個行業中遙遙領先，并且與其它行業不同，金融行業對數據的依賴性十分高，大部分金融從業人員每天都要花費大量的時間對數據進行處理與分析，因此金融數據往往標注準確且公開透明。
目前互聯網化的金融每年產生的數據都在呈現指數型增長，海量的金融數據給以數據為基礎進行深度學習的人工智能的應用奠定了基礎。
人工智能降低成本，抓住金融長尾市場。目前除了一些新興的互聯網金融機構愿意為低凈值的客戶提供完善的投資與資產管理等業務外，絕大多數傳統金融機構將大量的資源投入到服務政府、大型企業以及高凈值客戶中，因拉攏、征信及制定投資策略等高成本問題而主動放棄了長尾市場中的大量客戶。
從螞蟻金服推出的余額寶火熱增長可以看出，低凈值客戶的投資熱情高漲，不簡單滿足于銀行低利率的活期存款，而希望能夠得到更多的金融服務。人工智能的應用可以大大降低成本，從而抓住更多的客戶。
目前人工智能領域在金融行業比較成熟的應用主要有智能投顧、智能量化交易與智能客服,主要采用的方法有機器學習、自然語言處理、知識圖譜和計算機視覺等。
(三) AI 家居
智能家居也稱智能住宅，是以住宅為平臺，兼備建筑、網絡通信、信息家電、設備自動化，集系統、結構、服務、管理為一體的高效、舒適、安全、便利、環保的居住環境。智能家居利用先進的人工智能技術、網絡通信技術、綜合布線技術，將與家居生活有關的各種子系統有機地結合在一起，通過統籌管理，讓家居生活更加智能、舒適、安全。
智能家居未來市場規模近五千億，有望實現高速增長。根據中國產業信息網的數據，2014年，我國智能家居產業市場規模達到 290 億元;
2015 年，我國智能家居市場規模達 403.40 億元，同比增長 41%，并且預計 2017 年國內智能家居市場規模將達到 908 億元，未來五年(2017-2021)年均復合增長率約為 48.12%，2021 年市場規模將達到 4369 億元。
(四) AI 汽車
隨著機動車逐漸在中國的普及，最近 5 年中國機動車駕駛員的數量每年都以超過 10%的速率上漲。截至 2016 年底，全國機動車駕駛人已達 3.6 億人，駕駛汽車漸漸成為每個人生活中不可缺少的一件事。而隨著人工智能的發展，自動駕駛正在變為可能，各大車商紛紛計劃在2021 年前后推出全自動駕駛車型。
(五) AI 醫療
在當今醫療領域，醫生資源的短缺是造成看病難的重要原因，尤其是在不發達地區，這一問題尤為嚴重。智能醫療的可復制性，可以很好的解決優質醫生的稀缺性問題。
隨著人工智能領域，語音交互、計算機視覺和認知計算等技術的逐漸成熟，人工智能醫療領域的各項運用變成了可能。這其中主要包括:語音錄入病歷、醫療影像智能識別、輔助診療/癌癥診斷、醫療機器人、個人健康大數據的智能分析等。
醫療機器人:手術機器人占領主要市場份額，達芬奇機器人壟斷微創手術
在傳統手術中，醫生和病人都會受到不同的煎熬，醫生需要長時間手持手術工具并保持高度緊張狀態，而由于人工操作精度不高，病人會在手術中遭受額外的創傷。而手術機器人的出現，可以極大的緩解這兩個問題。目前手術機器人占據了醫療機器人的 60%以上的市場份額。
(六) AI 教育
如何提供高效的教育，是一個困擾了人們多年的問題。孔子曾提出過因材施教的解決方案，然而在現實中，由于信息不對稱和一對一教學成本極大等問題，“因材施教”這一理念一直不能再傳統教育中得以真正實現。而隨著科技的迅猛發展，越來越多的教育方式被開發，教育的效率也逐步得到提高，隨著人工智能的逐步成熟，個性化的教育服務將會步上新的臺階，“因材施教”這一問題也最終會得到解決。
