中国和美国目前是全球人工智能(英文简称AI)产业发展的领导者，仅在2015年，两国在学术期刊上发表的AI相关论文接近1万篇，而英国、印度、德国和日本加起来才大约相当于中美的半数。中国有着全球最多的数据量，拥有巨大应用市场，正在围绕AI构建完善的产业生态链。我们有理由相信，AI将成为企业跨部门业务发展的“颠覆者”，渐趋成熟的AI技术正逐步向“AI+”进行转变。我国将在AI关键技术领域获得重大突破，推动关键场景应用逐步走向成熟。

　　类人脑芯片：中国探索起步并不晚
　　已经存在了60多年的AI，为什么会在2016年突然之间热起来?这必须要提及2016年年初谷歌发起的那场AlphaGo与韩国名将李世石的围棋大战。云计算带来的计算能力指数级提升，用数据精准描述世界成为可能，机器学习的出现加快了人工智能算法的成熟，让人工智能时代到来没商量。
　　4月26日，在水乡乌镇，浪潮举行了一年一度的合作伙伴大会，中国工程院院士、浪潮集团执行总裁王恩东在大会上说，计算、数据和算法是AI时代来临的三个支柱。AI离不开计算力，计算力是AI的第一个关键基石，它既包含了以FPGA、GPU为主的硬件运算平台，专用的人工智能计算芯片，也包含以Haddoop、Goleam为代表的软件平台。
　　目前尽管与AI相关的运算只在数据中心中占比为10%，但是增长非常快，这让AI计算成为新的需求。AI计算芯片是竞争焦点之一。
　　“从字符识别、语音识别到图像识别，对计算能力的要求是一步一步往上走的，这一步往上走离不开计算能力提升和成本的大幅下降。而很多智能设备是移动的，不管是无人车还是服务机器人，都要求续航时间，对功耗降低有迫切需求。做AI智能设备有三步，识别、推理、行动，所以不仅仅是要它进行识别，还要它进行分析、挖掘信息，计算能力和功耗之间的矛盾就变得越来越突出了。”英特尔中国研究院院长宋继强在接受《中国电子报》记者采访时表示。
　　在现有的条件利用图形加速器(GPU)去做训练、识别是最好的选择，也正因为如此，英伟达的股票才蹭蹭往上涨，但通用CPU、GPU做处理AI应用并不是最合适的。于是就有了2016年8月10日英特尔对Nervana这个专用AI处理器公司的收购，其中Nervana的AI芯片处理速度是GPU的10倍。
　　事实上，人工智能需要与之更匹配的芯片。集成电路的发展越来越接近于物理极限，技术难度会越来越大，成本也会越来越高，摩尔定律似乎也有失效的一天。所以研究机构和IT业界一直在探索更接近于人脑的“类人脑”计算的芯片体系架构。
　　2014年IBM推出了可扩展的超大规模的神经突触计算机芯片SyNAPSE。这颗芯片类似人脑，由54亿个晶体管组成，含有100万个可编程神经元、2.56亿个可编程突触，采用了异步驱动的方式，而不是一般计算机所使用的同步电路方式。
　　中国在类人脑芯片上的探索起步并不晚，2015年由浙江大学计算机学院牵头，浙江大学与杭州电子科技大学的学者合作研制出了国内首款基于硅材料(CMOS)的支持脉冲神经网络(SNN)的类脑芯片——“达尔文”芯片。该课题组认为，“达尔文”虽是国内首款支持脉冲神经网络的类脑芯片，但与国际先进水平的IBM TrueNorth芯片比较还有一定距离。
　　中国在类人脑计算上的探索目前比较受关注的是中国科学院计算技术研究所陈云霁、陈天石主导的“寒武纪”课题组。
　　据介绍，寒武纪深度学习处理器的能效比主流CPU和GPU有两个数量级的提升，具有较强的市场竞争优势，2016年被世界互联网大会评为全球十五项“世界互联网领先科技成果”之一。从2017年起，“寒武纪”课题组获得了中科院为期18个月共计1000万元的专项资金支持，用于项目研发及产业化。据中国科学院计算技术研究所智能处理器研究中心介绍，这1000万元专项资金一方面用于人工智能芯片的基础性研究，探索下一代人工智能芯片的架构、算法以及在一些新型场景(如AR/VR)中的应用开发方法。这将为我国参与智能时代国际芯片市场角逐打下科学和技术基础。专项资金另一方面用于寒武纪芯片在各种智能云服务器、智能终端和智能机器人市场中的推广，力争在18个月内初步奠定寒武纪芯片在智能芯片市场上的地位。
　　陈云霁表示，现在“AlphaGo”需要数万瓦功耗、巨大体积的云服务器来进行智能处理。寒武纪的目标是要让1瓦以内功耗的摄像头、手机，甚至手表都能和“AlphaGo”一样“聪明”。寒武纪的优势集中在人脸识别、声音识别等人工智能方面。比如，摄像头、手机或个人电脑、高性能服务器嵌入寒武纪IP核或芯片后，将极大提高处理速度。
　　寒武纪芯片出来之后，是不是我们就不需要做龙芯了?答案当然不是。“处理器芯片是IT核心技术的根基，计算所最大的突破就是芯片技术的突破。这方面我们其实是三条道路同时在走，而且我觉得这三条道路可能长期并行。” 中科院计算所所长孙凝晖表示，龙芯是一条路，寒武纪是一条路，而与IBM、英特尔、AMD合作是另一条路。龙芯走的是“人有我有”之路，寒武纪走的是“弯道超车”之路，与IBM、AMD合作走的是“高铁”之路。
　　4月25日，龙芯中科公司发布了龙芯二代，包括主频到达1.5GHz的3A3000/3B3000处理器，其中，龙芯3A3000/3B3000的产品性能超过英特尔凌动系列、高端ARM系列，访问带宽达到国际主流处理器相当的水平。
　　类人脑芯片不仅仅是中国芯片换道超车的机会。向阳表示，针对人工智能算法设计类人脑芯片将成为未来人工智能突破的重点，将为人工智能未来的良性发展奠定坚实的基础。
　　
　　系统/平台：BAT最有资源去做
　　IBM大中华区CTO、中国研究院院长沈晓卫在接受《中国电子报》记者采访时表示：“在系统层面，未来的计算机应该如何做目前有很多探索，有很多方法来进行性能的提升，比如利用FPGA加速，比如通用计算机与专用计算机的结合，甚至是量子计算方面的突破。”
　　目前，IBM、微软、谷歌、英特尔等都推出了自己的认知服务平台，目标是聚集更多AI资源，做大生态系统。
　　中国目前在AI计算系统层面的主流的服务器厂以及云计算厂商都希望加入这场竞争，以各自的优势资源联合伙伴来打造AI硬件平台和软件平台。今年4月21日浪潮宣布成立了AI事业部。在4月26日，浪潮与百度联合发布了面向更大规模数据集和深层神经网络的超大规模AI计算平台——SR-AI整机柜服务器。该方案最大支持64块GPU，峰值处理能力为512TFlop，比一般的AI方案性能提高5~10倍。
　　据有关人士透露，曙光也将成立AI事业部，如果消息确切，那么这将是中国又一家以计算能力为核心的系统厂商加入AI的系统平台竞争。曙光原来就是以高性能计算发家的，自从这几年推出“数据中国”战略之后，曙光当然不可能放过AI带来的这一轮机会。
　　在系统之上，需要平台来构建新的认知应用。比如利用云的方式来提供认知API来更快创新，更好地创造认知应用，构建开放的平台。
　　在中国，最有资源和可能性来做AI服务的平台的是BAT。这三家先后以不同的维度和力度切入AI市场，这三家互联网平台公司都在思考如何抓住AI的机会。
　　2016年9月，在“2016百度世界大会”上，百度宣布开放百度大脑开放平台、百度深度学习平台，将人工智能列为公司核心战略。而从目前来看，百度对AI投入力度最大，而且是希望其AI开放平台能够叫板IBM、微软等AI平台公司。
　　今年，百度牵头成立的“中国深度学习技术及应用国家工程实验室”正式揭牌，兼任该实验室主任的林元庆表示，将以百度为核心，联合合作伙伴一起推出国家级的七大AI应用平台：深度学习平台、生物特征识别平台、听觉感知平台、视觉感知平台、新型人机交互平台、知识产权平台和标准化平台。
　　其中，深度学习平台是最基础的平台，将由百度来搭建，核心基础是百度的PaddlePaddle深度学习平台，希望把这个建成中国最大的深度学习平台。听觉感知平台包括语音识别、语音合成、语义理解，还有后端的一些资源，将由百度和清华大学一起做。视觉感知平台，包括检索识别、清晰图像识别、医学影像分析等。这个平台由百度和北京航空航天大学共建。生物特征识别平台包括人脸识别、生物特征识别、身纹识别、虹膜识别等身份识别。这平台会由百度和清华大学共建。新型人机交换平台会融合计算机视觉的AR，这个平台由百度和北京航空航天大学共建。知识产权保护由中国信息通信研究院来打造，会包括知识产权分析、趋势研究以及研发建议等。标准化平台，则由中国电子技术标准化研究院来研究。
　　2016年 9月22日，腾讯AI实验室宣布成立，将进行AI基础理论研究及工程实现，推出机器人开放平台，将腾讯的计算机视觉等AI核心技术共享给伙伴。2017年5月2日，腾讯宣布成立美国西雅图AI实验室。
　　据2016年10月13日举行的阿里云栖大会透露出的信息，阿里正在演进，会变成云计算、人工智能的公司。阿里云总裁胡晓明说，过去用IaaS、PaaS和SaaS来区分云计算的模式，而人工智能时代的云计算平台相当于一个云端大脑，不只是提供基础设施、软件或者平台，而是提供云端AI，可以说是AIaaS(AI即服务)。“ET”是阿里云正在着力打造的AI，它的特色在于基于强大的云计算和大数据处理能力，目前ET具备语音识别、图像/视频识别、交通预测、情感分析等技能，并朝着大数据AI的方向发展。现在阿里云正在打造N个ET大脑平台，去年阿里云的ET城市大脑治理城市拥堵让人印象深刻，在今年3月阿里云宣布了ET医疗大脑、 ET工业大脑。 ET医疗大脑其实就是一个开放的人工智能系统。除了阿里云的人工智能科学家参与，大量外部精良的算法与医学经验也将被吸收其中，这样ET将更快地成长为一名高级医师。ET工业大脑是将阿里云的计算能力和深度学习的能力集成到一起，在流程制造的数据化控制、生产线的升级换代、工艺改良、设备故障预测等方面发挥巨大作用，未来ET将成为一个不断吸收专业知识的 “大脑”，指挥各种类型的工业躯体，帮助越来越多的企业实行智能升级。ET工业大脑的行业效应正在显现，新能源、化工、环保、汽车、轻工业、重工业等不同领域的更多企业正在投入智能制造的浪潮之中。
　　从应用集成平台来看，目前主要集中在语音引擎系统和视频分析软件领域。自然语言处理以及图像识别是目前技术最为成熟并应用最广的两个维度。谈及语音识别，需要提及科大讯飞。语音技术，简单来说就是让各种机器能够像人一样能听会说，其中语音识别是让机器能听懂人讲话，语音合成是让机器能够说话。如今这项技术几乎已经应用到所有行业。2016年，科大讯飞在智能语音及人工智能核心技术上持续保持国际领先地位，持续加大投入讯飞超脑项目，努力实现“从能听会说到能理解会思考”。
　　早些时间，科大讯飞董事长刘庆峰表示，在语音技术领域，科大讯飞可以击败苹果和腾讯。虽然在公司市值上，双方远不在一个量级上，但是通过建立一个智能语音生态系统，覆盖教育、金融、家电、医疗、手机、汽车，科大讯飞就有可能实现从200亿元市值到千亿元的蜕变。
　　创新工场的人工智能报告显示，虽然TensorFlow、MXNet等深度学习框架已被数以万计的研发团队采纳，相关开源项目的数量也在飞速增加，但一个完整人工智能生态所必备的，从芯片、总线、平台、架构到框架、应用模型、测评工具、可视化工具、云服务的模块化与标准化工作，尚需三年或更长时间才能真正成熟。中国希望在这一轮人工智能生态竞争中获得优势，而目标比较远大的传统IT公司、BAT等互联网巨头都希望利用各方资源，让自己能够成为AI平台公司，成为AI生态中最有话语权的核心企业。
　　
　　算法/数据：中国是数据大国
　　这轮AI浪潮的到来，AI算法的日渐成熟功不可没。麦肯锡不久前公布了一篇长达20页报告，对中国AI当下发展状态进行了全面而细致地介绍。麦肯锡认为，中国在算法开发方面与其他国家相当。实际上，中国的研究者在开发用于语音识别和定向广告的算法方面已经取得突破。得益于全球的开源平台，中国企业能够快速复制其他地方开发的最先进的算法。
　　然而，中国在基础研究方面落后于美国和英国。一个主要原因是人才短缺。美国超过一半的数据科学家有10多年的工作经验，而在中国，经验不足五年的研究人员高达40%。中国目前拥有不到30个专注于人工智能的大学研究实验室。
　　此外，中国的AI科学家在计算机视觉和语音识别等领域着力更多，相比其他专门领域不成比例。大学的AI项目也能得益于更高的数学和统计学能力，为在该领域保持全球领先付诸努力。此外也可以考虑改变提供科研经费的模式，以促进更多的创新。
　　这轮AI浪潮，算法的日渐成熟功不可能，但是现在大家把注意力过多地放在算法上，其实是有偏颇的。向阳表示，人工智能产业的发展离不开海量数据的支撑，数据训练量的大小影响着算法实现的成熟度。有人说，AI这个小孩的成长离不开数据这个养料的喂养，之所以在这个时间节点能够“疯长”起来很关键的原因是有足够丰富的数据。
　　阿里云iDST总监初敏表示，算法、数据、计算平台、用户、商业模式，用互联网的思维把这五个因素串起来，AI迭代才能非常快。以更快的速度使用反馈数据来更新模型，形成这样的正循环周期后，效果就会越来越好。哪怕就是算法不变，只要能不断的反馈数据并不断优化，过一两个月之后，它的能力也会好很多。
　　为什么全球的互联网巨头在这一轮AI浪潮中能够独领风骚，与其拥有大量的互联网数据有直接关联，在中国拥有最多互联网数据的也是BAT。而事实上传统的IT企业之所以纷纷与互联网巨头达成这样或那样的合作关系，目的也非常清晰，就想得到对方大量的用户数据。
　　2015年IBM收购了Weather Company，因为这家公司拥有大量的天气数据。2016年， IBM收购医疗数据与分析服务提供商Truven Health Analytics。这是IBM公司在一年内进行的第四起与医疗数据相关的重大交易。
　　另外一起引起业界轰动的数据收购是来自今年3月13日英特尔以153亿美元巨款收购以色列自动驾驶公司Mobileye。资料显示，Mobileye曾经是特斯拉Autopilot半自动驾驶系统的提供商，是27家汽车制造商的碰撞预测系统的供应商，占目前整个市场份额的70%左右。关于这桩收购，英特尔首席执行官科在奇在写给公司员工的内部信中解释道：“你们中很多人都会心生疑问，为什么我们认为自动驾驶对英特尔的未来如此重要?答案是数据。我们的战略是让英特尔成为每一种技术、每一个行业数据革命的驱动力量。我们是一家数据公司。我们聚焦的业务、我们解决方案的提供方向，都在于创造、使用和分析海量的数据。”
　　中国公司的数据意识的觉醒并非今天才开始。从2015年开始，全国政协委员神州控股董事局主席郭为的提案就一直与数据开放共享有关。今年郭为的政协提案有四项，包括：医疗大数据、智能制造、数据的公共化与市场化、农业信息化，同时兼顾大数据的开放共享、创新应用、机制保障。
　　另一家同样意识到必须从做IT基础设施浮游到数据层才能获得更大价值的中国IT企业是曙光公司，两年前它就开始打出了“数据中国”旗号，联合众多企业成立了航天星图、中科三清、曙光易通，锁定数据。航天星图专注于地理空间大数据处理、可视化应用，中科三清由曙光与中科院物理所合资专注于大气、水以及土壤污染的预报、预警，治理评估和应急提供可行性的解决方案。曙光易通在静脉识别技术的基础上，自主研制开发出了知能易通指静脉采集验证系统。
　　除了传统IT企业在抢数据资源，事实上中国也涌现了很多运营和经营数据的公司，比如数据堂、星图数据、百分点等，并涌现了更多公共数据开放平台，比如今年以来，贵州省公安、交通、等部门都在开展数据共享交换，特别是工商与国税、地税部门已经在共享交换平台上实现了“五证合一”“一照一码”的业务办理。
　　数据显示， 2015年中国数据总量占全球数据总量的13%，据预测，到2020年中国的数据总量将占全球数据总量的比例达到20%，届时中国将成为世界第一数据资源大国和全球的数据中心。
　　虽然中国将是世界上数据总量最大的国家，但是目前中国的数据开放和数据交易还远远没有起来，中国要想加快AI的应用，必须要更大力度，更大范围地构建开放数据生态，让AI有更多的数据“饲料”。
　　创新工场发布的《投资AI生态，共赢智慧未来》创新工场人工智能战略白皮书显示，数据隐私、数据安全对人工智能技术建立跨行业、跨领域的大数据模型提出了政策、法规与监管方面的要求。各垂直领域的从业者从商业利益出发，也为数据的共享和流转限定了基本的规则和边界。此外，许多传统行业的数据积累在规范程度和流转效率上还远未达到可充分发挥人工智能技术潜能的程度。
　　麦肯锡表示，在数据方面，首先，中国的大技术公司通过它们专有的平台收集数据，中国在创建数据友好(data-friendly)的生态系统方面落后于美国，缺少统一的标准和跨平台的共享。第二，世界各国都发现，开放政府数据有助于私营部门的创新，但中国的公共部门开放的数据相对少。最后，限制跨国的数据流动(data flows)也使中国处于全球合作中的不利地位。
　　
　　场景/应用：今年是中国AI落地年
　　近年来，人工智能在语音、语意、计算机视觉等领域实现了很大的突破，并加速应用到生活的各个领域。在科大讯飞董事长刘庆峰看来，2017年是中国人工智能应用的落地年，成为人工智能产业发展的分水岭。他认为，应用才是人工智能发展的硬道理，只有技术不断地应用在各个领域，才能得到发展。
　　“没有场景支持的AI研究是空中楼阁。”腾讯集团董事长马化腾这样说。这些年，人工智能技术的快速发展，让AI在个人助理、汽车领域、医疗健康、安防、电商零售、金融、教育等方面的应用覆盖了生活的各个方面。
　　百度公司总裁张亚勤表示，百度要做人工智能时代的操作系统，需要建立一个生态，没有场景的人工智能是没有用的。百度未来10~20年的战略都押注在人工智能领域，公司所有的资源和技术都向其倾斜。所以，百度将其和家居、医疗、汽车、教育等垂直行业结合，并和家电企业、汽车厂商等企业进行合作，开放数据API，希望加快各个行业的智能步伐。
　　人工智能在汽车领域的应用前景十分广阔，其中自动驾驶最受人关注。在自动驾驶领域，很多厂商已经深耕数年，这让2016年成为自动驾驶充分竞争的一年。今年百度智能汽车正式亮相，向全球展示了百度在高精地图生产制造、自动驾驶环境感知等领域的领先技术，并发布自动驾驶开放平台RoadHackers。通过应用AI技术，能够提高公共交通和交通系统的安全性和效率，自动驾驶车辆也可以减少交通事故、缓解交通压力，为实现指挥交通发挥重要作用。日前，阿里巴巴与杭州市政府合作，通过整合AI技术的交通信号灯使城市交通更加智能化，减少了拥堵，在特定区域提升了11%的交通流量。吉利汽车搭建新一代核心业务系统整体上云，实现了传统业务的在线化和数据化运营，助力吉利汽车引领汽车行业的“互联网+”潮流。
　　很多行业专家认为AI将成为企业跨部门业务发展的“颠覆者”， 随着人工智能的发展，渐趋成熟的AI技术正逐步向“AI+”进行转变。相较于受到技术和法律限制的无人驾驶汽车，更多人认为智能医疗显然更容易实现“落地”。智能诊疗系统可以大幅度提高医生诊疗效率，准确率也更高，机器人的智能健康体检系统也可快速建立个人健康档案，因此不少企业和科研机构正在布局智慧医疗领域，成为厂商布局AI的下一个“蓝海”。据了解，日前国防科技大学相关团队研发的医疗机器人对外公布，该机器人通过运用超级计算机的大数据运算以及人工智能技术，可以提供挂号、诊疗、体检等一体化智能医疗服务，包括智能挂号、智能诊疗、智能健康体检三大功能系统。百度在医疗O2O智能分诊、人工智能参与的智能问诊、基因分析和精准医疗、基于大数据的新药研发等四方面进行研发，期望把几十万台服务器的运算能力和最先进的算法，运用到医疗和健康领域。
　　AI与金融的结合也是非常前沿而热门的领域，比如智能投资顾问、金融预测与反欺诈融资授信、安全监控预警、智能客服以及服务型的机器人等都成为企业研究的热点。例如，浙商银行打造金融行业云，解决了吞吐量大、高并发等问题，建立大数据分析处理平台，创新银行用户画像、征信、风险预警等大数据服务;平安科技大数据平台产品“平安脑”已经在提供服务，应用于风险量化、反欺诈、智能推荐、健康医疗、智能运营等领域。
　　在人工智能成为全球IT巨头最新角斗场的今天，家电行业也掀起了人工智能的热潮，不少家电企业都瞄准了人工智能，有些企业潜心研发AI技术，将其应用于家电产品，而有些企业则是通过并购或合作等手段，切入机器人市场。
　　在今年以来，长虹、美的、格力、格兰仕等都在向智能制造转型，在机器人生产及应用领域进行布局。同时，几乎所有的家电厂商都立足“Smart Home”，将人工智能和智慧家庭更紧密地结合在一起。今年在长虹发布了以电视机为中心的人工智能平台AI Center，TCL也在彩电春季新品发布会上首次揭开人工智能电视面纱，联合各方在人工智能及云服务上将数据打通，实现资源共享。此外，包括小米、微鲸、爱奇艺等互联网企业也看好AI发展前景，进行大力布局。据爱奇艺首席技术官汤兴介绍，爱奇艺引入了AI大数据机器学习技术，进行类准识别，使防盗刷系统变得更加高效。可以看到，在智慧家庭领域，厂商已经开始从硬件产品到内容服务、大数据整合以及人工智能等多维度打造智能客厅，抢占极具价值的家庭入口。
　　尽管我们已经看到AI在越来越多的领域开花，但是李开复表示，除少数垂直领域凭借多年大数据积累和业务流程优化经验，已催生出营销、风控、智能投顾、安防等人工智能技术可直接落地的应用场景外，大多数传统行业的业务需求与人工智能的前沿科技成果之间尚存在不小距离。面向普通消费者的移动互联网应用与人工智能技术之间的结合尚处在探索阶段。
　
　　市场/投资：AI概念确实有点过热
　　以金融行业为例，据高盛公司估计，到2025年人工智能可通过节省成本和带来新盈利机会创造大约每年340亿至430亿美元的价值。赛迪顾问数据显示，2015年全球人工智能市场规模为1683.9亿元，预计2018年将逼近2700亿元，年复合增长率达到17%。麦肯锡预计，至2025年人工智能应用市场总值将达到1270亿美元。
　　当一个产业热起来，必然伴随着资本热投。全球对人工智能的投资金额数据显示，2016年为42.5亿美元，近五年的年均增长率达到50.11%。从人工智能企业的合并收购和IPO的数量来看，从2012年的仅仅2项上升到2016年的68项，人工智能领域的全球风投也从2012年的 5.89亿美元猛增至2016年的50多亿美元，可以说整个市场是越来越活跃。截至今年1月，创新工场投资了30多家直接利用人工智能技术创造商业价值的创业公司。
　　目前，各地政府也密集出台人工智能产业配套扶持资金政策，真正解决了企业发展的实际问题，目前已经有超过30个城市将机器人产业作为当地的重点发展对象，各地政府建成和在建的机器人产业园达到40余家。从各地产业政策上看，北京提出的人工智能产业扶持领域最为全面，覆盖了从脑科学到智能硬件制造的全产业链环节;上海作为国家机器人检测与评定中心总部，提出到2020年平均每年新增3000台以上机器人;沈阳作为国家机器人检测与评定分中心之一，拥有新松机器人等企业基础，政策上提出设立200亿元机器人产业发展基金。在未来5年，北京、沈阳和上海将在人工智能产业实现领先发展。
　　从投资领域价值分析来看。创新工场认为，在金融、医疗、安防、教育、能源、机器人、互联网产业升级、传统行业的流程自动化及商业智能等方面，人工智能都具有千亿美元以上的市场潜力。而自动驾驶技术对于交通运输和汽车制造业的颠覆，更具有无法估量的经济价值。
　　赛迪顾问从市场进入空间、价值爆发时间点、技术成熟度、产业回报率等方面对人工智能相关投资机会进行分析认为，从产业投资回报率分析，机器视觉值得投资。目前图像识别的技术成熟度低于自然语言处理，为新兴企业从软件技术上突破带来机遇，尤其以“face++”和格林深瞳为代表，迅速崛起。在自然语言处理上，科大讯飞占领70%以上市场，具备了一定技术壁垒，语音识别领域已经较难切入。
　　从技术成熟度分析，深度学习值得投资。深度学习为这轮人工智能产业刮起了强劲飓风，“AlphaGo”的成功最核心价值就归功于它，目前互联网厂商纷纷推动深度学习平台建设，比如阿里DTPAL、百度大脑，硬件厂商则忙着推出深度学习一体机，比如中科曙光联手英伟达推出的XSystem、华硕携手吉浦推出深度学习一体机ZenSystem。未来而言，开源和云计算将是主流，所以基于云平台的深度学习的投资价值不言而喻。
　　从应用和技术自主度分析，服务机器人和智能无人设备值得投资。目前中国智能工业机器人75%以上被国外“四小龙”分食，中国尚处于工业机器人的普及阶段，因此具备人机交互、环境感知的智能工业机器人普及仍有待时日。而在服务机器人和智能无人设备领域，中国软件集成方面已经具备国际领先水平，通过攻克相对较低的硬件研发门槛，将能够实现快速市场普及。同时，人工智能能与社会生活各个领域紧密结合，家庭清洁机器人、残障看护机器人、宅住安全和监护机器人应运而生。随着老龄化社会的到来和人们生活水平的提高，能够提供教育、医疗、娱乐等专业化服务的智能机器人开始受到追捧。服务机器人和智能无人设备将成为投资新蓝海。
　　作为一名投资人李开复表示，在选择人工智能项目时会注重三个因素：一看创始人团队中是否有技术专家;二看是否能够解决实际的商业问题;三看是否针对单一领域。尤其第一点，例如创新工场投资的无人驾驶公司驭势科技CEO吴甘沙，便是原英特尔中国研究院院长。
　　就像李开复谈及的投资首要因素是人一样，现在AI的人才在市场上的价码也越涨越高，新一轮开源化浪潮将成为人才争夺的主战场，目前各家人工智能公司都在积极招募机器学习人才。李开复甚至认为，当下人工智能概念确实有点过热，明年初将会出现第一波倒下的AI公司。