市场分析：股市会重蹈覆辙还是继续上升？

如前文所述，人工智能的发展已几经沉浮。由颀顿教授提出深度学习神经网络引领的这一波人工智能浪潮不同于以往，眼下的人工智能浪潮有着更加坚实的基础及更广泛的应用前景，与工业领域的结合也更加紧密，人工智能技术将成为引发商业变革的重要撬动点。然而，行业整体或迎来黄金十年的同时，也将受到相关领域的发展环境限制。

行业进入快速发展期

人工智能的发展遵循着长周期技术发展和短周期产品化两条主线。长周期的发展即人工智能核心算法的迭代突破，最终发展到认知智能阶段。短周期发展主要是针对已有算法、数据基础和计算能力开发更多的应用或优化已有产品和服务。

颀顿的深度学习神经网络突破了技术瓶颈，加上计算能力的持续发展和数据的积累，为近年来的人工智能发展奠定了一定基础。科技企业利用现阶段较为成熟的视觉识别、自动推理等技术开发产品和服务，例如以人脸识别在安防领域应用为代表的产品和服务可以为金融、汽车、房地产等行业提升效率，突破部分企业的痛点，得到了市场的青睐。当前产品和服务的发展也能反哺技术的研究，一方面实践能够进行算法的探讨和尝试，应用过程中还可实时洞察用户需求和发现现有技术的缺陷，为技术的发展改进提供方向。同时，应用过程中还会产生大量行为数据，“有数据”是提升算法的基础条件。另一方面，针对特定的应用场景的不可替代性，企业有机会通过提供产品和服务获得收益，从而吸引更多的资金和人才加入到技术研究中，加快技术研究的进程。(www.xing528.com)

基于对人工智能的三大核心要素：算法、数据和计算能力的综合分析，我们认为，即使在商业和技术主动发展双重动力推动下，人工智能发展普及还需要5～10年。

首先，虽然基本具备视觉、语音识别等感知层基础技术，但如语音翻译等应用化技术将会在约5～10年内成熟。其次，数据方面，虽然互联网发展积累的海量数据已经能够支持目前的技术需求，然而行为、环境等更全面多维度的数据还需要物联网的发展和普及，这一过程至少需经历5～10年。另外，现有数据存储分散在多个机构，没有机构可以对数据进行整合和应用，数据源的打通是行业发展的另一较难逾越的障碍。最后，计算能力方面，目前云计算+大规模GPU并行计算的解决方案应用较为广泛。相对来说并行运算的能力已经比较稳定和成熟，可以完成人工智能算法的计算要求，但是对于智能产品和服务来说，由于存在云架构集中、带宽、机器运算速度等限制，根据信息和数据的执行反馈尚不能完全满足实时、自然交互的用户体验要求。因此，科技巨头大力投入设计人工智能专用芯片，以提升运算速度，满足人工智能部分本地化甚至完全本地化运算的需求。目前IBM TrueNorth、寒武纪等初代神经元芯片才刚刚问世，产品仍处于测试阶段。

总体而言，在政府、投资人和巨头企业的推动下，人工智能应用和算法尝试增多，多行业多领域企业参与意识强，市场表现活跃。即使尚未开始尝试人工智能应用的行业，对人工智能的关注度也非常高。无论是基于“被颠覆式替代”的恐慌，还是行业本身已处于从信息化向大数据和智能发展阶段，各个领域都会逐步向智能方向发展。从某种程度上说，各行业内部主动推动+智能发展的动力远大于人工智能企业从外部的推动力。