下载文档原格式
２０１８年人工智能行业深度分析报告人工智能（artificial intelligence ）是由人创造的具有自然生物智能特征的系统，具有一定的感知、认知、记忆、分析、判断和行为的能力。
人工智能和生物智能的形成机制不同，前者是根据人的需求被设计和创造出来的，后者则是自然界漫长进化过程中逐步通过遗传和学习形成的。
人工智能有别于人类智能，后者特指人类这一生物体所具有的智能，限定在人体内。
但人工智能可以学习和获得人和其他生物的智能，其感知、认知、记忆、分析、判断和行为的方式可以显著区别于和超越人类智能。
当前的人工智能在特定领域虽然具备了强大的功能，仍属于弱人工智能的范畴，离超级人工智能还有很大的距离。
社会对人工智能的认知和理解要摆脱科幻小说和影视作品的戏剧化设定，理性客观看待人工智能的长处和短板。
得益于算法的突破、计算能力的大幅度提高以及数据可获得性的极大改善，第三波人工智能热潮正席卷全球。
和前两次不同，在这一波人工智能热潮中，人工智能的技术已经开始广泛地渗入和应用于诸多领域，包括社交媒体、搜索引擎、工业自动化、电子商务平台、交通出行和物流、安防、医疗和教育等，展现出巨大的潜力。
中国在人工智能领域追赶迅速，在一些领域已经积累了一定的发展基础，进入国际领先者的行列。
与发达国家相比，中国人工智能整体发展水平缺少重大原创成果，在基础理论、核心算法以及关键设备、高端芯片、重大产品与系统、基础材料、元器件、软件与接口等方面还存在很大的差距。
目前中国在人工智能的研究论文、专利申请和授权增量上已经居世界前列，但研究论文的质量、影响力和专利质量还有待提高。
在人工智能领域，中国高等院校、研究机构和企业的研究实力、资金投入以及杰出人才培养上，与美国、欧洲相比也存在较大的差距。
得益于互联网的普及、国际人才流动、市场规模以及整体研发水平的提升，中国在云计算、模式识别、机器学习的研发追赶较快，在产业化应用上已有部分企业居于世界前列。
2018年中国服务机器人行业市场调查2017年12月，工信部发布的《促进新一代人工智能产业发展三年行动计划（2018-2020年）》指出，要提升清洁、老年陪护、康复、助残、儿童教育等家庭服务机器人的智能化水平，推动巡检、导览等公共服务机器人以及消防救援机器人等的创新应用，并明确到2020年，智能服务机器人环境感知、自然交互、自主学习、人机协作等关键技术取得突破，智能家庭服务机器人、智能公共服务机器人实现批量生产及应用等目标。
在全球服务机器人市场加快增长的趋势下，我国服务机器人行业也迎来的发展战略期。
一、行业发展现状（一）行业市场规模根据数据显示，2012-2017年我国服务机器人市场规模增速保持在两位数。
2017年底，我国服务机器人市场规模约20.6亿美元。
（二）行业销量规模根据2012-2017年中国服务机器人销售额占全球服务机器人销售额比重，测算中国服务机器人在2017年销量约212.75万台。
（三）服务机器人专利申请现状自2013年起，我国服务机器人每年专利申请数量呈爆发式增长；截至2017年10月，我国服务机器人累计专利申请数量约为4417项，平均年复合增长率达62.61%。
（四）行业市场供应现状目前，我国服务机器人市场主要由科研院所和制造商构成。
科研院所通常以高等院校为依托，充分发挥高等院校在科技资源方面的优势，通常借助国家科研项目经费开展科研活动；制造商通常以市场为导向，研发并推出符合市场需求的产品，目前国内领先的服务机器人制造商主要有广州中鸣数码科技有限公司、上海未来伙伴机器人有限公司、北京智能佳科技有限公司等。
从区域上看，我国服务机器人供应主要来自上海、昆山、徐州等多个重点城市的机器人产业园。
（五）个人/家用服务机器人增长较快根据报告，2012年-2017年中国专业服务机器人销售额复合增长率达10.46%，个人/家用服务机器人销售额年复合增长率达31.17%，且总体来看，个人/家用服务机器人增长动力较强。
《中国人工智能发展报告2018》发布
清华大学中国科技政策中心
【期刊名称】《机器人技术与应用》
【年(卷),期】2018(0)5
【摘要】7月13日,《中国人工智能发展报告2018》(以下简称《报告》)正式发布。
据悉,《报告》由清华大学中国科技政策研究中心组织撰写,综合展现中国以及全球人工智能的发展现状与趋势。
《报告》指出,在科技产出与人才投入方面,中国人工智能论文总量和高被引论文数量均为世界第一;中国专利数量略微领先于美国和日本,尤其是中国国家电网近5年的人工智能相关技术发展迅速,在全球企业排名中位列第四;中国人工智能人才总量排世界第二,但是杰出人才占比偏低。
【总页数】1页(P3-3)
【关键词】人工智能;中国;论文数量;科技政策;清华大学;科技产出;专利数量;国家电网;
【作者】清华大学中国科技政策中心
【作者单位】不详
【正文语种】中文
【中图分类】TP18
【相关文献】
1.人工智能和传统产业的结合值得关注r——《中国人工智能发展报告2018》正式发布 [J], 李浩
2.《中国人工智能发展报告2018》正式发布 [J], 张涵
3.中国人工智能发展报告发布：中国已成全球人工智能投融资规模最大的国家[J], ;
4.《中国人工智能发展报告2018》英文版发布 [J],
5.聚焦互联网最新发展——《世界互联网发展报告2018》和《中国互联网发展报告2018》蓝皮书发布 [J], 熊浩然
因版权原因，仅展示原文概要，查看原文内容请购买。
2018年人工智能行业市场调研分析报告目录一、人工智能的定义和变展历程 (6)1. 定义 (6)2. 发展历程 (6)二、 AI 技术基石 (7)1. 三大技术基石：深度学习算法+计算能力+大数据 (7)2. 神经网络与深度学习 (8)3. 计算能力：从 CPU 和 GPU 到 TPU，当前 AI 的加速计算模式 (13)三、自然语言处理和计算机视觉：语音和图像识别达到商业化高度 (18)1. 自然语言处理和机器翻译 (20)2. 计算机视觉和图像识别 (22)3. 卷积神经网络基本原理 (24)四、科技巨头引领人工智能技术变展 (26)1. 英伟达：从游戏到人工智能，再次引领 GPU 通用计算潮流 (26)2. 谷歌：以 AlphaGo 和 TensorFlow 开源为例，全面布局深耕细作 (29)3. 英特尔：并购融合 ASIC 和 FPGA，提供 AI 计算整体解决方案 (31)4. IBM、百度等公司 AI 战略简介 (34)五、下游商业模式：AI+垂直应用 (35)1. AI+汽车：自动驾驶正徐徐走来 (36)2. AI+医疗：影像诊断等率先在医院实践 (39)3. AI+安防：人脸识别和车辆检测获得广泛应用 (41)4. AI+机器人：智能仓储是典型应用场景之一 (44)六、部分重点公司 (46)1. 中科曙光：高性能计算龙头，积极布局“从芯到云”全产业链 (46)2. 科大讯飞：从智能语音到人工智能，行业应用加速落地 (50)3. 海康威视：视频安防龙头，智能化和 AI 创新业务推动公司持续成长 (54)七、风险提示 (58)图目录图 1：AI 的三大技术基石 (8)图 2：机器学习与神经网络之间的关系 (9)图 3：神经元 M-P 模型和单层神经网络结构 (9)图 4：前馈神经网络 (11)图 5：深度学习与传统方法的区别 (13)图 6：加速计算是现在 AI 的基石 (14)图 7：GPU 加速计算原理 (14)图 8：GPU 和 CPU 差异示意图 (15)图 9：TPU 结构图 (16)图 10：寒武纪-1A（Cambricon-1A） (16)图 11：DianNao 结构图和 Layout (17)图 12：图像识别和语音识别错误率达到人类水平 (18)图 13：2016 年 CHiME 比赛试错误率对比（六麦克风场景） (19)图 14：ILSVRC 图像识别挑战赛分类错误率 (20)图 15：神经机器翻译的编码器-解码器框架 (21)图 16：计算机视觉系统框架 (23)图 17：简化的卷积神经网络结构 (24)图 18：二维卷积运算示意图 (25)图 19：最大池化运算操作示意图 (25)图 20：英伟达在 GPU 领域的变展阶段 (26)图 21：深度学习领域与英伟达合作的组织数量 (27)图 22：英伟达季度营收及分部（百万美元） (28)图 23：英伟达自动驾驶专用芯片 Xavier (29)图 24：英特尔 AI 战略 (32)图 25：英特尔面向深度学习的通用架构 (32)图 26：英特尔 Nervana 平台 (33)图 27：百度深度学习开源平台（PaddlePaddle） (34)图 28：百度大脑技术服务 (34)图 29：人工智能产业链框架 (35)图 30：自动驾驶变展路径 (36)图 31：自动驾驶原理框架 (37)图 32：驾驶分级概况 (37)图 33：自动驾驶路线图 (38)图 34：百度 Apollo 技术框架 (39)图 35：百度 Apollo 开放路线图 (39)图 36：人脸检测跟踪 (42)图 37：行人车辆检测 (43)图 38：旷视科技智能安防解决方案 (43)图 39：亚马逊 Kiva 机器人 (45)图 40：极智嘉仓储机器人 (45)图 41：中科曙光营收变动情况 (47)图 42：中科曙光净利润和毛利率变动情况 (47)图 43：2016 年中国 HPC TOP100 厂商份额（系统数） (48)图 44：2016 年中国 HPC TOP100 厂商份额（总性能） (48)图 45：科大讯飞核心技术示意图 (51)图 46：科大讯飞战略架构 (51)图 47：科大讯飞营收变动情况 (52)图 48：科大讯飞净利润和毛利率变动情况 (52)图 49：海康威视营收变动情况 (55)图 50：海康威视净利润和毛利率变动情况 (55)图 51：海康威视视频监控智能化 (56)图 52：海康威视创新业务 (57)表目录表 1：自动驾驶的四个等级 (37)表 2：AI+医疗应用场景（按照医疗阶段） (40)表 3：AI+医疗应用场景（按照应用层次） (40)表 4：商汤科技核心技术描述 (42)表 5：中科曙光2016年营收结构 (46)表 6：中科曙光盈利预测 (50)表 7：科大讯飞重要国际比赛成绩 (50)表 8：科大讯飞 2016 年营收结构 (53)表 9：科大讯飞盈利预测 (54)表 10：海康威视 2016 年及 2017 上半年营收结构 (55)表 11：海康威视盈利预测 (58)一、人工智能的定义和变展历程1. 定义人工智能（Artificial Intelligence，AI），是研究用于模拟和扩展人的智能的理论方法及应用系统的科学，是对人的意识和思维过程进行模拟的科学。
２０１８年人工智能行业深度分析报告人工智能（artificial intelligence ）是由人创造的具有自然生物智能特征的系统，具有一定的感知、认知、记忆、分析、判断和行为的能力。
人工智能和生物智能的形成机制不同，前者是根据人的需求被设计和创造出来的，后者则是自然界漫长进化过程中逐步通过遗传和学习形成的。
人工智能有别于人类智能，后者特指人类这一生物体所具有的智能，限定在人体内。
但人工智能可以学习和获得人和其他生物的智能，其感知、认知、记忆、分析、判断和行为的方式可以显著区别于和超越人类智能。
当前的人工智能在特定领域虽然具备了强大的功能，仍属于弱人工智能的范畴，离超级人工智能还有很大的距离。
社会对人工智能的认知和理解要摆脱科幻小说和影视作品的戏剧化设定，理性客观看待人工智能的长处和短板。
得益于算法的突破、计算能力的大幅度提高以及数据可获得性的极大改善，第三波人工智能热潮正席卷全球。
和前两次不同，在这一波人工智能热潮中，人工智能的技术已经开始广泛地渗入和应用于诸多领域，包括社交媒体、搜索引擎、工业自动化、电子商务平台、交通出行和物流、安防、医疗和教育等，展现出巨大的潜力。
中国在人工智能领域追赶迅速，在一些领域已经积累了一定的发展基础，进入国际领先者的行列。
与发达国家相比，中国人工智能整体发展水平缺少重大原创成果，在基础理论、核心算法以及关键设备、高端芯片、重大产品与系统、基础材料、元器件、软件与接口等方面还存在很大的差距。
目前中国在人工智能的研究论文、专利申请和授权增量上已经居世界前列，但研究论文的质量、影响力和专利质量还有待提高。
在人工智能领域，中国高等院校、研究机构和企业的研究实力、资金投入以及杰出人才培养上，与美国、欧洲相比也存在较大的差距。
得益于互联网的普及、国际人才流动、市场规模以及整体研发水平的提升，中国在云计算、模式识别、机器学习的研发追赶较快，在产业化应用上已有部分企业居于世界前列。
2018年全球十大新兴技术在不远的将来，技术将如何改变你我的生活呢？人工智能将大大促进创新药物和材料的设计。
先进的诊疗工具将推动定制化药物的出现。
增强现实将进入寻常百姓家，在现实景象上叠加一层信息和动画，帮你更好地解决日常任务，或帮助企业更加高效地运营。
你要是病了，医生可以向你体内植入活细胞，它们就像药物工厂一样，可以针对你的病症对症下药。
你还能吃到由干细胞人工培育而来的牛肉、鸡肉和鱼肉，这些“人造肉”能够大大减轻动物养殖业对环境带来的影响，还能使无数生灵免于被不人道屠戮的命运。
这些改变世界的灵感都在今年的“10大新兴技术”之列。
生物学、无机化学、机器人和人工智能等领域的顶尖专家们经过大量评选工作，最终总结出了这张列表。
首先，专家们进行了广泛撒网，邀请世界经济论坛全球未来理事会和专家网络的创新人士、“科学美国人”顾问委员会和编辑们给出建议。
接着，专家们成立的“引导小组”在一系列会议上对各项候选技术进行了评估，看它们是否满足几项特定标准。
入选技术必须能对社会和经济带来巨大效益，并且需在接下来三到五年间实现。
它们必须有改变现状的潜质，能够转变行业或现有的做事方式。
它们还必须处于较早的阶段，不可以已被大量使用，但必须正被许多群体研究，令专家们倍感激动，能吸引到越来越多的投资，最好还要有不止一家公司在研发该技术。
“引导小组”在第一次会议上敲定了包含50多项候选技术的初始名单，再考虑了其它信息后，又留下了约20项候选技术，最后在又过了两轮讨论之后敲定了最终名单。
无处不在的增强现实技术虚拟现实技术能让你置身于一个虚幻而独立的“宇宙”之中。
增强现实技术则不同，可以把计算机生成的信息实时叠加在现实世界之上。
当你观察增强现实设备、或佩戴装有增强现实软件和摄像头的设备时（比如智能手机、平板电脑、头戴设备或智能眼镜），程序就会对输入的流进行分析，下载大量与该场景有关的信息，并将这些信息叠加在相关数据、图片或视频上，并且往往以3D形式呈现。
2018年工业机器人行业研究报告2018-2020 年全球工业机器人增速向上，中国市场份额扩大 (5)预计2018-2020 年全球工业机器人销售额CAGR 为14.6% (5)预计2018-2020 年中国工业机器人销售额CAGR 为22.2% (6)增长驱动力仍然是劳动力拐点、经济可行性以及产业升级 (8)适龄劳动力供给持续收缩，工业机器人替代繁重作业 (8)机器人价格稳中有降，“机器换人”经济性显现 (9)机器人渗透率远低于发达工业国家，制造业升级潜力突出 (10)国产替代曲折中前行，国产龙头有望率先突围 (11)外资品牌销售增速加快，国产品牌市场份额五年首降 (11)核心技术的追赶仍旧任重道远，持续研发投入或是必要条件 (11)汽车以外行业潜在空间大，国产工业机器人有望实现赶超......................................14国内行业规范建立，利好低端产能出清. (14)投资机会研判：关注商业模式成熟和技术实力领先的国产龙头 (16)国内领军企业初具竞争力 (16)新松机器人：产品线覆盖全面，开启全球化战略布局 (17)埃斯顿：具备自主技术，打造工业互联网智能工厂 (19)拓斯达：工业自动化整体解决方案提供商 (21)风险提示 (23)图表1：预计2018-2020 年全球工业机器人销售额CAGR 为14.6% (5)图表2：预计2018-2020 年全球工业机器人销量CAGR 为20.6% (5)图表3：工业机器人销量：汽车领域稳健增长，电子领域高速增长 (5)图表4：2017 年汽车和电子领域工业机器人销量占比合计约为63.4% (5)图表5：亚洲（含大洋洲）是全球工业机器人销量增长最快的地区 (6)图表6：预计2018-2020 年中国工业机器人销售额CAGR 为22.2% (6)图表7：预计2018-2020 年中国工业机器人销售额占比稳步提升 (6)图表8：预计2018-2020 年中国工业机器人销量CAGR 为28.7% (7)图表9：2017 年中国工业机器人销量占全球比例为35.7% (7)图表10：国内工业机器人应用领域与全球分布类似，汽车与3C 行业合计占比接近60% (7)图表11：1950 至2017 年全国人口出生情况： (8)图表12：1980-2016 年全国劳动力人口总量平稳增长，劳动参与率逐渐降低 (8)图表13：2002 至2031 年全国体力劳动者适龄人口变化情况估算 (9)图表14：2011-2017 年中国制造业平均工资年均上涨11% (9)图表15：2011-2017 年全球工业机器人售价呈现倒U 型趋势 (9)图表16：使用工业机器人后劳动力成本下降比例 (10)图表17：2010-2016 年中国工业机器人保有量稳步提升 (10)图表18：2016 年中国工业机器人密度低于全球平均水平 (10)图表19：2017 年国内工业机器人市场外资品牌增速大幅超过国产品牌 (11)图表20：2016 年中国工业机器人密度低于全球平均水平 (11)图表21：“四大家族”2017 年全球市场份额超50% (11)图表22：“四大家族”2016 年中国市场份额近60% (11)图表23：机器人研发投入及增速 (12)图表24：埃斯顿研发投入及增速 (12)图表25：拓斯达研发投入及增速 (12)图表26：汇川技术研发投入及增速 (12)图表27：国产代表性企业研发费用营收比 (12)图表28：国产代表企业与“四大家族”研发费用占营收比例的比较 (12)图表29：机器人员工构成 (13)图表30：2017 年拓斯达技术员工增长1.26 倍 (13)图表31：埃斯顿技术员工两年增长1.34 倍 (13)图表32：汇川技术研发人员两年翻番 (13)图表33：国产工业机器人零部件取得一定程度突破 (13)图表34：2016 年汽车行业工业机器人密度：中国约为发达国家的1/3 至1/2 (14)图表35：首批符合工信部《工业机器人行业规范条件》企业名单 (15)图表36：国内工业机器人领域优势企业 (16)图表37：新松机器人产品线 (17)图表38：机器人2013-2017 与17H1-18H1 营业收入 (17)图表39：机器人2013-2017与17H1-18H1归母净利润 (17)图表40：机器人2013-2017 与17H1-18H1 毛利率与净利率 (18)图表41：机器人2013-2017与17H1-18H1三项费用率 (18)图表42：2012-2017 年工业机器人业务收入稳步增长 (18)图表43：2017 年机器人四大业务中，工业机器人收入占比31% (18)图表44：埃斯顿产品线 (19)图表45：埃斯顿2013-2017 与17H1-18H1 营业收入 (19)图表46：埃斯顿2013-2017与17H1-18H1归母净利润 (19)图表47：埃斯顿2013-2017 与17H1-18H1 毛利率与净利率 (20)图表48：埃斯顿2013-2017与17H1-18H1三项费用率 (20)图表49：2011-2016 年核心部件业务收入与毛利率稳定 (20)图表50：2018 上半年埃斯顿工业机器人业务收入占比达到49% (20)图表51：拓斯达产品线 (21)图表52：拓斯达2013-2017 与17H1-18H1 营业收入 (21)图表53：拓斯达2013-2017与17H1-18H1归母净利润 (21)图表54：拓斯达2013-2017 与17H1-18H1 毛利率与净利率 (21)图表55：拓斯达2013-2017与17H1-18H1三项费用率 (21)图表56：2013-2017 年工业机器人业务收入规模快速增长 (22)图表57：2018 上半年工业机器人业务收入占比达到53% (22)2018-2020 年全球工业机器人增速向上，中国市场份额扩大IFR 预计，2018-2020 年，中国工业机器人销售额年均复合增速为 22.2%，高于全球增速 约 7.6 pp ，中国市场占全球比重有望逐年提升。
人工智能行业研究报告人工智能行业研究报告一、行业概述人工智能（AI）是指通过计算机算法和模型来模拟人类智能的一门技术。
AI广泛应用于各个行业，包括医疗、金融、制造业、教育等。
随着技术的不断进步，人工智能行业正在快速发展，成为全球经济增长的重要推动力。
二、行业发展情况近年来，人工智能行业的发展迅速。
全球AI市场规模预计在未来几年内将持续扩大，其中中国市场规模的增速尤为突出。
这主要得益于中国政府对人工智能的大力支持和市场的广泛应用。
在技术方面，深度学习、机器学习、自然语言处理等技术的发展为人工智能的应用提供了强有力的支持。
同时，随着大数据的普及，数据量的增加也为AI算法的优化提供了更多的机会。
三、行业链分析人工智能行业链包括基础设施层、技术层、应用层和生态层。
基础设施层主要包括计算芯片、数据中心等基础设施；技术层主要包括机器学习、深度学习等技术；应用层主要包括智能驾驶、智能客服、智能推荐等多个应用领域；生态层则包括开发工具、算法库等生态资源。
四、行业痛点与机遇行业痛点主要包括数据安全和隐私保护、算法的可解释性和可靠性等问题。
同时，人工智能技术的应用也面临着落地难度大、人才短缺等挑战。
然而，人工智能行业也面临着巨大的机遇。
随着技术的不断进步和应用场景的不断扩大，AI将在更多领域发挥重要作用。
例如，在医疗领域，AI可以帮助医生进行疾病诊断和治疗方案制定；在金融领域，AI可以帮助银行进行风险评估和客户管理等。
因此，人工智能行业具有巨大的市场潜力和发展前景。
五、政策环境分析政策环境对人工智能行业的发展具有重要影响。
中国政府高度重视人工智能的发展，出台了一系列政策和规划，如《新一代人工智能发展规划》等，为人工智能的发展提供了强有力的政策支持。
此外，各国政府也在积极推动人工智能技术的发展和应用，为人工智能行业提供了良好的政策环境。
六、投资价值及风险分析人工智能行业具有较高的投资价值。
随着技术的不断进步和应用场景的不断扩大，AI企业的盈利能力和市场价值不断提升。
2018年中国人工智能行业研究报告核心观点：1.广义人工智能指通过计算机实现人的头脑思维所产生的效果，是对能够从环境中获取感知并执行行动的智能体的描述和构建；相对狭义的人工智能包括人工智能产业（包含技术、算法、应用等多方面的价值体系）、人工智能技术（包括凡是使用机器帮助、代替甚至部分超越人类实现认知、识别、分析、决策等功能）2.工业革命使手工业自动化，机器学习则使机器本身自动化；开源环境大幅降低人工智能领域的入门技术门槛；视觉感知逐步实现商用价值，视觉认知仍有待探索3.国家政策鼎力支持，指出要发展人工智能达到世界顶级水平，但人工智能道德与威胁问题关注较少4.未来，事物的完整行为规划或事项决策的发展空间较大；前沿算法之外，商业壁垒有赖于产品、服务、市场等综合建设5.未来不会出现岗位短缺，技术革命将提高社会整体福利；人工智能的核心价值在于提效降本、延续人类智慧一、人工智能行业概述通过机器实现人的头脑思维，使其具备感知、决策与行动力广义上的人工智能泛指通过计算机实现人的头脑思维所产生的效果，通过研究和开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统所构建而成的，其构建过程中综合了计算机科学、数学、生理学、哲学等内容。
形象来说，人工智能可理解为由不同音符组成的音乐，而不同音符是由不同的乐器所奏响的，最终实现传递演奏者内心所想与头脑所思的效果。
本篇报告将从人工智能技术、应用、产业等维度进行探讨，其中，人工智能技术包括凡是使用机器帮助、代替甚至部分超越人类实现认知、识别、分析、决策等功能，而产业则指包含技术、算法、应用等多方面的价值体系。
人工智能三起三落，60年登上围棋之巅20世纪50年代到70年代初，人们认为如果能赋予机器逻辑推理能力，机器就能具有智能，人工智能研究处于“推理期”。
当人们意识到人类之所以能够判断、决策，除了推理能力外，还需要知识，人工智能在20世纪70年代进入了“知识期”，大量专家系统在此时诞生。
随着研究向前进展，专家发现人类知识无穷无尽，且有些知识本身难以总结后交给计算机，于是一些学者诞生了将知识学习能力赋予计算机本身的想法。
发展到20世纪80年代，机器学习真正成为一个独立的学科领域、相关技术层出不穷，深度学习模型以及AlphaGo 增强学习的雏形-感知器-均在这个阶段得以发明。
随后由于早期的系统效果的不理想，美国、英国相继缩减经费支持，人工智能进入低谷。
80 年代初期，人工智能逐渐成为产业，但又由于5代计算机的失败再一次进入低谷。
2010年后，相继在语音识别、计算机视觉领域取得重大进展，围绕语音、图像等人工智能技术的创业大量涌现，从量变实现质变。
工业革命使手工业自动化，机器学习则使机器本身自动化将样本数据输入计算机，一般算法会利用数据进行计算然后输出结果，机器学习的算法则大为不同，输入的是数据和想要的结果，输出的则为算法模型，即把数据转换成结果的算法模型。
通过机器学习，计算机能够自己生成模型，进而提供相应的判断，达到某种人工智能的结果的实现。
因此，在数据的“初始表示”(如图像的“像素”)与解决任务所需的“合适表示”相距甚远的时候，可尝试使用深度学习的方法。
工业革命使手工业自动化，而机器学习则使机器本身自动化。
近几年掀起人工智能热潮的深度学习属于机器学习的一个子集，在思想和理论上并未显著超越二十世纪八十年代中后期神经网络学习的研究，但得益于海量数据的出现、计算能力的提升，原来复杂度很高的算法得以落地使用，并在边界清晰的领域获得比过去更精细的结果，大大推动了机器学习在工业实践中的应用。
2018年2月，《麻省理工科技评论》揭晓2018年“全球十大突破性技术”榜单，GAN（对抗性神经网络，一种特殊的深度学习算法）位列其中。
国家政策鼎力支持，人工智能道德与威胁问题仍需思考伴随政策支持的逐步深入，中国政府将有力推动新一代人工智能技术的产业化与集成应用，促进新一代人工智能产业发展，推动制造强国和网络强国建设，助力实体经济转型升级，构筑我国人工智能发展的先发优势。
此外，相比美国和英国，中国对人工智能的支持力度虽更大，但较少关注人工智能的道德伦理问题、是否在开发对社会切实有益的人工智能以及应当最小化技术进步所带来的威胁问题。
人工智能产业图谱二、人工智能典型技术剖析语音识别、自然语言处理、语音合成等技术人类因为具有语言的能力而区别于其他物种，自然语言处理即研究人与计算机直接以自然语言的方式进行有效沟通的各种理论和方法，涉及机器翻译、阅读理解、对话问答等，因为语言在词法、句法、语义等不同层面的不确定性及数据资源的有限性、背景知识的复杂性等各方面限制，自然语言处理技术仍有非常大的提升空间，仅在特定领域可取得较好的应用，鲁棒性存在大量挑战。
在自然语言处理之前，声纹识别可根据说话人的声纹特征识别出说话人，语音识别技术可赋予机器感知能力（在深度学习的驱动下，目前近场语音识别准确率可达98%，远场、抗噪、多人等非限定或非配合条件下的识别有待进步），将声音转为文字供机器处理，在机器生成语言之后，语音合成技术可将语言转化为声音，形成完整的自然人机语音交互，这样的语音交互系统可看作一个虚拟对话机器人，具体技术流程如下图所示。
通用知识图谱与行业知识图谱从覆盖范围的角度来说，知识图谱可分为应用相对广泛的通用知识图谱和专属于某个特定领域的行业知识图谱。
通用知识图谱注重横向广度，强调融合更多的实体，主要应用于智能搜索、智能问答等领域。
行业知识图谱注重纵向深度，需要考虑到不同的业务场景与使用人员，通常需要依靠特定行业（如金融、公安、医疗、电商等）的数据来构建，实体的属性与数据模式往往比较丰富。
视觉感知逐步实现商用价值，视觉认知仍有待探索视觉使人类得以感知和理解周边的世界，人的大脑皮层大约有70%的活动在处理视觉相关信息，计算机视觉即通过电子化的方式来感知和理解影像。
得益于深度学习算法的成熟应用（2012年，采用深度学习架构的AlexNet模型，以超越第二名10个百分点的成绩在ImageNet竞赛中夺冠；2017年，ImageNet图像分类竞赛Top 5的错误率降至2.25%），侧重于感知智能的图像分类技术在工业界逐步实现商用价值，但与可结合常识做猜想和推理进而辅助识别的人类智能系统相比，现阶段的视觉技术往往仅能利用影像表层信息，缺乏常识以及对事物功能、因果、动机等深层信息的认知把握。
多学科融合，帮助人类做出复杂决策为了做出最优（经济的或其他的）决策，决策相关理论将概率理论和效用理论结合起来，为在不确定情况下（在概率描述能适当呈现决策制定者所处环境的情况下）做出决策提供了一个形式化且完整的框架。
因为理性决策的显著复杂性，历史上决策相关理论一直与人工智能研究沿着完全分离的路线向前发展，但自20世纪90年代以来，决策逐步深入人工智能系统研究，经济学、博弈论、运筹学、人工智能等多领域学科思想融合，让计算机智能处理海量数据，相对实时的解决人类专家也难以及时求解的各类问题。
自动驾驶系统剖析根据自动驾驶的拟人化研发思路，自动驾驶系统原理可理解为感知——认知——决策——控制——执行五层，通过传感器实现感知作用，并根据所感知信息完成处理与融合，对信息达成一定的认知和理解，在形成全局整体理解后，通过算法得出决策结果并传递给控制系统生成执行指令。
在整个过程中，汽车能够通过V2X（Vehicle to Everything）通信实现车与外界（如道路设施、其他车辆等）的信息交换，帮助车辆实时获取更大范围的环境信息，解决“我在哪儿，周围有什么，环境将发生什么变化以及我该怎么做“等四个问题。
三、人工智能的应用场景金融领域——主要应用场景及相关影像采集设备与安防影像分析中人脸的“1:N”识别不同，目前泛金融领域以人脸“1:1”身份认证为主，部分场景涉及“1:N”识别，如银行网点中对VIP客户的智能识别。
公共安全领域——生物特征识别与大数据研判增加公安预测和决策能力计算机视觉、语音识别、机器学习等多项智能技术可对人脸、指纹、虹膜、掌纹、指静脉、声纹、步态等多种生物特征进行身份识别，其中人脸、指纹、虹膜等三大生物特征共占全球生物识别市场份额的80%以上。
在公安的实际业务场景中，人工智能技术还可对公安大数据进行智能分析，在构建“人、事、地、物、组织“的知识网络的基础上，实时监测预警、研判，切实增加公安的认知、预测和决策能力。
伴随人工智能及大数据的技术进步，高清联网摄像头、各种传感器的硬件部署应用，从平安城市、智慧城市到雪亮工程等公共安全相关政策、人工智能相关国家战略政策的逐步深化，公共安全领域的各种智能应用将由重点区域、有条件的地区起步，完成从局部到整体的全国性拓展。
教育领域——由表及里，逐步深入学习核心环节人工智能已在老师教学与学生学习、评测的各个环节切入教育领域，相关产品服务包括拍照搜题、分层排课、口语测评、组卷阅卷、作文批改、作业布置等功能，涉及了自适应、语音识别、计算机视觉、知识图谱、自然语言处理、机器翻译、机器学习等多项人工智能技术，正在创造着更加个性化、服务于终身学习的智能高效学习环境。
泛信息处理领域——人工智能让人与信息的连接日益高效便捷搜索与输入法作为人工智能在信息处理领域的典型应用，已大幅改变国人获取信息与输入信息的方式。
移动互联网时代，信息流推荐相关产品也成为用户浏览应接不暇的信息的一种有效工具。
在人机交互方式不断升级的当下，人与信息接触的种种环节都在发生着智能化的创新变革。
医疗健康领域——改善医疗资源分布不均的问题，助力专家学者攻克医疗难关相对生命的复杂性，人类对医疗健康的理解仍非常粗浅，现阶段人工智能技术也不能有效应对各种挑战，但这并不妨碍我们对人工智能技术寄予厚望，试图通过前沿技术改变医疗资源分布不均的现状，将医生从繁重的工作压力中解放出来，并帮助他们减少误诊率，提高准确率，甚至探索出新的诊疗方案或找到新型有效药物。
零售领域——人工智能赋能零售业，提升效率与收益，优化消费者体验通过数据与商业逻辑的深度结合、先进感知技术的成熟运用，人工智能、运筹优化等技术将切实提升零售全链条的资产配置效率，在精细化运营为企业创造出更多效益的同时，为消费者带来更为理想的购物体验。
广告营销领域——为广告效果与营销策略提供更科学的依据和更聪明的支持相比人工智能在传统行业的摸索尝试，人工智能与广告营销的结合已有成熟落地（得益于数字营销领域较好的信息化、网络化基础以及互联网公司卓绝的技术创新力），用户在搜索引擎、信息流产品、视频网站、电视中看到的相关广告可能都经过了人工智能算法对多维度大数据的智能分析。
人工智能力图为企业提供智能创意及营销策略和效果监测，结合场景、内容及渠道向用户精准推荐，实现满足用户真实需求的高价值信息传递。
