无论是年初 Alpha Go 将深度学习推进公众视野，还是年末行业惊呼英伟达创出新高，人工智能的热度在 2016 年持续升高，2017 人工智能仍将持续发酵，行业应用的落地有望带来影响深远的业态变革。
参考观研天下发布《2018-2023年中国人工智能产业市场运营现状分析及未来前景商机预测报告》
突破：深度学习引领新浪潮，巨头持续布局
从人工智能的发展历史来看，早期发展不再赘述，近期的人工智能热潮主要起源于 2010 年，由三个条件所驱动：1）数据基础的丰富，互联网的普及带来的大量的数据；2）算法性能的提升，主要指机器学习等算法的不断优化；3）计算性能的提升，云计算的普及与 GPU 等加速硬件的应用。
近年来学术界应用深度学习算法在图像处理、自然语言处理、自动驾驶等领域获得了令人惊喜的效果，而互联网、云计算以及芯片的性能的提升，为其走入工业界铺平道路，这些成果的商业化与普及存在一定滞后，而投资机会孕育其中。
深度学习带来性能提升，为应用创造前提：人工智能的定义不一，但其核心是让系统能够具备人类所认可的智能能力。早期智能系统的实现方法使用如“专家系统”的方法，即系统通过人类现实经验作为决断依据，将人类的逻辑程序化而使系统具有“智能”。而机器学习则不同，他通过一定体量的历史数据，通过“训练”的方式，让系统自己从中寻找数据中的特征集合，得到可以对未来数据进行预测或者判断的模型。而深度学习是机器学习的一个分支，受到人脑结构的启发（1981 年的诺贝尔医学奖的主要发现是视觉系统的信息处理过程可视皮层是分级的），认为构建有“深度”（多层）的神经网络模型能够充分的描述数据的特征集合，虽然使用者无法像统计分析那样给予训练出的模型合理的诠释，但也避免了手动寻找特征的工作。
深度学习在涉及图像、语音等领域表现十分突出： ILSVRC(Image Net Large Scale Visual Recognition Challenge)竞赛是基于 Image Net 图像数据库的国际计算机视觉识别竞赛，它也是图像识别领域最为权威的比赛之一，尽管规则存在差异，但在图像识别这个环节，2011 年的第一名施乐欧洲研发中心获得的最好成绩为 26%的错误率，而 2015 年的冠军微软亚洲研究院应用深度学习将指标降低至 3.5%，超越了人眼 5%的错误率。不仅分类，根据 LFW 数据库上的结果，在人脸识别方面，早期 90%的正确率，在算法更新后达到了 99.5%以上；而通过深度学习的框架，将传统通过混合高斯模型的语音识别算法识别错误率降低 20%。深度学习框架，切实提高了很多基础人工智能问题的性能。
巨头纷纷参与，持续布局： 2016 年全球的科技巨头几乎都具备了人工智能的研究与开发部门并仍在加大投入力度。谷歌公司于 2014 年初重金收购深度学习算法公司 Deep Mind，而后 Alpha Go 走入公众视野，继发布深度学习平台 Tensor Flow 之后，于近期宣布将开源其深度学习平台 Deepmind Lab；Facebook 在先后斥资收购语音识别、人脸识别公司后，于 2015 年开源基于Torch 的深度学习插件并于在美国、法国建立人工智能实验室 Facebook AI Research，更有深度学习鼻祖 Yann Lecun 坐镇;微软推出的“小娜”“小冰”人工智能助理已被人熟知，同时在语音、图像、驾驶领域均有布局，2016年其深度学习平台 CNTK 开源，成为使用分布式计算学习方面最好的框架之一；伊隆马斯克于 2015 年底成立 OPENAI，同样致力于解决问题的人工智能的研发。国内公司中，百度 2014 年人工智能领域研发投入解决 70 亿元，并推出度秘等人工智能产品，吴恩达成立了百度深度学习研究院，并开源了其深度学习平台 PADDLE，；阿里巴巴开放了中国首个人工智能计算平台 DTPAI，推出阿里客服机器人平台；腾讯推出撰稿机器人 Dreamwriter，开放视觉识别平台腾讯优图，同时成立了腾讯智能计算与搜索实验室。在 2016 年 9 月Facebook、亚马逊、谷歌、IBM 与微软宣布成立人工智能联盟，旨在共同探讨人工智能发展方向。
人工智能尤其深度学习算法，近年来在计算能力、存储能力适配的情况下，取得了良好的应用效果，市场主要的领导者也在不断对人工智能进行着集群式探索，预计未来人工智能技术应用的渗透率将逐步提高。
资料来源：公开资料，观研天下整理，转载请注明出处（ww）。
更多好文每日分享，欢迎关注公众号
【版权提示】观研报告网倡导尊重与保护知识产权。未经许可，任何人不得复制、转载、或以其他方式使用本网站的内容。如发现本站文章存在版权问题，烦请提供版权疑问、身份证明、版权证明、联系方式等发邮件至kf@chinabaogao.com，我们将及时沟通与处理。
