深度丨人工智能前沿技术应用趋势与发展展望
基础数据集建设已经成为基本共识
自从李飞飞等在2009年成功创建ImageNet数据集以来，该数据集就已经成为了业界图形图像深度学习算法的基础数据集，通过举办比赛等方式极大地促进了算法的进步，使得算法分类精度已经达到了95%以上。这也使得一些大型研究机构和企业逐渐认识到了数据的价值，纷纷开始建立自己的数据集，以便进行数据挖掘和提升深度学习模型的准确率。如美国国家标准研究院的Mugshot、谷歌的SVHN、微软的MSCOCO等图像基础数据集，斯坦福大学的SQuAD、卡耐基梅隆大学的Q/ADataset、Salesforce的WikiText等自然语言数据集以及2000HUB5English、CHiME、TED-LIUM等语音数据集。
新型计算基础设施陆续成为产业界发展目标
由于深度学习对算力有较高的需求，因此相继出现了一些专门的计算框架和平台，如伯克利大学的Caffe、微软的CNTK、Facebook的Torch、亚马逊的MXNet、百度的PaddlePaddle等，尤其是谷歌的TensorFlow能够支持异构设备的分布式计算，其平台API能力已经覆盖了CNN、RNN、LSTM等当前最流行的深度神经网络模型。除了从计算框架软件平台进行研发之外，产业界同时也从硬件方面探索计算能力的提升方法。最为直接的方法就是采用计算能力更强的GPU替代原有的CPU等。此外，谷歌、IBM等一些大型企业在大量采用GPU的同时，也在探索进行符合自身计算环境的芯片研发，从而进一步降低成本、提高效率，因此产生了TPU等性能更加卓越的新型芯片。
人工智能技术发展面临的挑战虽然人工智能技术发展已经取得了前所未有的成绩，但随着深度学习技术应用的不断深化和产业化步伐的逐步加快，人工智能技术发展也面临着不少挑战。
主流技术深度学习还具有较大局限性
一是在有限样本和计算单元的情况下，对复杂函数的表示能力有限，其针对复杂分类问题的泛化能力受限。二是通过深度学习是一种基于概率统计的算法，机器系统学习到的是大概率内容，不是知识，无法像人类一样进行举一反三的应用。三是深度学习存在黑箱问题，不能解释其自身做出决策的原因。
基础数据积累还远远不能满足模型训练需要
由于大数据技术的出现和使用时间还不长，各类基础数据不论从数量上还是从质量上来看，都尚需要较长时间的积累。一方面，某些关键领域和学术数据集还严重不足。另一方面，已有规模化的基础数据集不仅数据质量良莠不齐，而且基本上由少数几家巨头或政府所掌握，鉴于监管和竞争等因素，无法实现有效流动。基础数据的缺乏，使得深度学习模型训练也造成了样本基础缺失。
计算框架和通用智能芯片尚未形成定局
虽然已经出现了TensorFlow、Caffe、CNTK、Torch、MXNet、PaddlePaddle等深度学习计算框架，但由于深度学习应用场景众多，相关应用呈现碎片化特点，无论从功能还是性能角度来讲，用于实现最后应用落地的开源计算框架与实际需求之间都还存在着相当的距离，满足产业发展需求且具有绝对统治地位的开源计算框架也还没有出现。同时，深度学习芯片还只是刚刚起步，而且还基本上属于专有领域的芯片，通用智能芯片的产业化还需要较长时间的探索。
人机和谐共处的有效途径开始艰难探索
由于黑箱问题及其基于概率统计的特点，基于深度学习的智能系统存在产生不可控结果的隐患。我们已经看到，使用了人工智能技术的智能驾驶汽车出现了多次的事故，甚至造成了人员的伤亡。另外，使用了智能算法的自动驾驶飞机也出现了多次坠机事故。这些事故不仅造成了人们的生命和财产损失，也严重打击了人们对人工智能的信心。实际上，这些事故的发生除了有技术方面的原因之外，还涉及到AI伦理的问题，也就是如何保证人类与智能系统之间的和谐共处、协同合作等问题。目前来看，AI的伦理问题还需要较长的探索过程。
人工智能技术发展趋势短期来看，人工智能技术的发展将围绕对上述问题的解决进行。下面从算法理论、数据集基础、基础设施、人机协同等以下几个方面进行探讨。
算法理论
在算法理论层面，将继续按照深度学习完善和新算法的两条主线发展。首先，深度学习在提升可靠性、可解释性等方面的研究以及零数据学习、无监督学习、迁移学习等模型的研究将成为热点方向，这不仅仅是深度学习算法本身发展的需要，也是产业发展的需要。其次，学术界将继续开展新型算法的探索，包括对传统机器学习算法的改进、传统机器学习算法与深度学习的结合以及与深度学习迥异的新型算法等。
数据集基础
在数据集基础方面，学术界与产业界将共同合作构建语音、图像、视频等通用数据集以及各行业的专业数据集，使得各类数据集能够快速满足相关需求。一方面，随着对人工智能认识的不断加深，将会有越来越多的企业和政府机构开展数据自建和数据标注等工作。另一方面，随着深度学习的发展，将会出现智能化的数据标注系统来帮助和替代人类进行数据标注等工作。再有，在政府引导和支持下，一些开放的标准化数据集将会陆续出现，为整个行业提供标准化训练数据集。
计算平台与芯片
在计算平台与芯片方面，大型企业自研计算框架、自建计算平台，甚至是自研芯片等，仍将是普遍现象。这主要是由于以下两个方面的原因。一是企业出于自身数据和业务安全的考虑，对使用其他机构提供的训练平台仍然持有不信任的态度；二是每个企业的数据中心和相关平台都有其自身的特点，自研计算框架、自建计算平台和自研芯片能够更好地满足自身的业务发展需要。
人机协同机制
在人机协同机制方面，“人在回路”将成为智能系统设计的必备能力。目前，机器智能并没有实现人们所希望的“以人为中心”，仍然还是以机器为中心，这也是人类屡受智能系统伤害的主要原因之一。因此，将人类认知模型引入到机器智能中，使之能够在推理、决策、记忆等方面达到类人智能水平，将成为学术界和产业界共同追求的目标，并可能在一定的时间内取得较好的阶段性成果。
人工智能技术发展展望长期来看，人工智能技术将分别沿着算法和算力两条主线向前发展，并逐步带领人类进入到人机协同的新时代。
高度关注类脑智能算法
深度学习是基于冯·诺依曼体系结构发展起来的。由于受到内存墙等相关方面的制约，难以达到较高的计算效率。为此，近些年来IBM等已经开始进行颠覆冯·诺依曼体系结构的类脑智能算法与技术的探索。类脑智能借鉴大脑中“内存与计算单元合一”等信息处理的基本规律，在硬件实现与软件算法等多个层面，对于现有的计算体系与系统做出本质的变革，并实现在计算能耗、计算能力与计算效率等诸多方面的大幅改进。目前，随机兴奋神经元、扩散型忆阻器等已经在IBM、马萨诸塞州阿姆赫斯特大学、清华大学等机构研制成功，IBM已经研制成功TrueNorth芯片，清华大学团队也成功研制出了基于忆阻器的PUF芯片。
智能部署从中心向边缘和终端扩散
随着智能装备和智能机器人等智能终端的逐渐增多，智能终端的快速反应以及相互之间的协同行动需求将会越来越迫切，对智能服务的实时性将会越来越强烈。这就要求智能服务从云端向网络边缘甚至终端扩散，智能模型与算法需要部署在网络边缘或终端之上，就近提供网络、计算、存储、应用等核心能力，从而满足通信、业务、安全等各方面的关键需求。
目前，英伟达、高通等都已经陆续开展了用于边缘网络或终端的AI专用芯片。而随着5G网络的普遍部署，边缘智能将会获得快速的发展。
深度学习通用平台和通用AI芯片将会出现
随着人工智能应用在生产生活中的不断深入融合，智能终端的互联互通将会成为必然。由于跨框架体系开发及部署需要投入大量资源，因此尽管每个终端的智能模型可能不同，但深度学习计算框架的模型底层表示将会逐渐趋同，形成深度学习通用计算框架和平台。随着计算框架的整合，GPU和TPU等芯片将可能会被通用AI芯片所替代。
量子计算推动形成新一轮计算革命
不论现在还是将来，人工智能无疑都将是最为消耗计算资源的业务和应用之一，计算效率也将是智能体永恒的追求目标。量子计算具有强大的计算能力和效率，已经成为全球公认的下一代计算技术。IBM已经在近期推出了世界上第一个商用的通用近似量子计算系统里程碑产品IBMQSystemOne，客户可以通过互联网使用这台量子计算机进行大规模的数据计算，为人工智能计算展示了良好的前景。
人工智能已经逐渐向工业、农业、交通、医疗、金融等各个领域渗透，并开始形成新的业态，成为了新一轮技术革命的制高点。因此，必须积极主动把握人工智能技术和产业发展机遇，认清技术发展趋势，在类脑智能、边缘智能、通用平台与芯片、量子计算等前沿技术领域加快布局，勇闯人工智能科技前沿的“无人区”，才能抓住人工智能时代发展的主动权。返回搜狐，查看更多
2023年中国人工智能行业发展现状与市场规模分析 市场规模超3000亿元【组图】
当前位置：前瞻产业研究院»经济学人»研究员专栏2022年中国人工智能行业发展现状与市场规模分析市场规模超3000亿元【组图】UVc分享到：蔡欢欢•2021-12-1417:00:33来源：前瞻产业研究院E44891G02023-2028年中国人工智能行业发展前景预测与投资战略规划分析报告2023-2028年全球人工智能芯片（AI芯片）行业市场调研与发展前景研究报告2023-2028年中国大数据产业发展前景与投资战略规划分析报告2023-2028年中国云计算产业发展前景预测与投资战略规划分析报告2023-2028年中国生物识别技术行业市场调研与投资预测分析报告人工智能行业主要上市公司：海康威视(002415)、科大讯飞(002230)、赛为智能(300044)、东杰智能(300486)、闻泰科技(600745)、中兴通讯(000063)、恒生电子(600570)等
本文核心数据：人工智能市场规模各层次企业分布企业技术分布人工智能细分领域占比等
1、市场规模：中国人工智能行业呈现高速增长态势
人工智能产业是智能产业发展的核心，是其他智能科技产品发展的基础，近年来，中国人工智能产业在政策与技术双重驱动下呈现高速增长态势。根据中国信通院数研中心测算，2020年中国人工智能产业规模为3031亿元人民币，同比增长15.1%。中国人工智能产业规模增速超过全球。
注：中国信通院的市场规模根据IDC数据测算，统计口径与IDC一致，即包括软件、硬件与服务市场。
2、竞争格局：中国人工智能企业主要分布在应用层占比超过80%
——中国人工智能企业全产业链布局完善
我国作为全球人工智能领域发展较好的地区，无论是人工智能领域的基础层、技术层、应用层，还是人工智能的硬件产品、软件产品及服务，我国企业都有涉及。在国内，除去讯飞等垂直类企业，真正在人工智能有所长进的巨头依然是百度、阿里、腾讯这三家。
——中国人工智能企业主要分布在应用层，占比超过80%
据中国新一代人工智能发展战略研究院2021年5月发布的《中国新一代人工智能科技产业发展报告(2021)》数据，截至2020年底，中国人工智能企业布局侧重在应用层和技术层。其中，应用层人工智能企业数占比最高，达到84.05%;其次是技术层企业数，占比为13.65%;基础层企业数占比最低，为2.30%。应用层企业占比高说明中国的人工智能科技产业发展主要以应用需求为牵引。
3、技术分布：中国人工智能企业核心布局的技术主要为大数据和云计算
从人工智能企业核心技术分布看，大数据和云计算占比最高，达到41.13%;其次是硬件、机器学习和推荐、服务机器人，占比分别为7.64%、6.81%、5.64%;紧随其后，物联网、工业机器人、语音识别和自然语言处理、图形图像识别技术的占比依次为5.55%、5.47%、4.76%、4.72%。
4、细分领域：深度神经网络领域为中国AI研究热门
根据清华大学人工智能研究院、与中国工程院知识智能联合研究中心联合发布的《人工智能发展报告2011-2020》，2011-2020年十大AI研究热点分别为深度神经网络、特征抽取、图像分类、目标检测、语义分割、表示学习、生成对抗网络、语义网络、协同过滤和机器翻译。
更多行业相关数据请参考前瞻产业研究院《中国人工智能行业市场前瞻与投资战略规划分析报告》，同时前瞻产业研究院还提供产业大数据、产业研究、产业链咨询、产业图谱、产业规划、园区规划、产业招商引资、IPO募投可研、招股说明书撰写等解决方案。
更多深度行业分析尽在【前瞻经济学人APP】，还可以与500+经济学家/资深行业研究员交流互动。
前瞻产业研究院-深度报告REPORTS2023-2028年中国人工智能行业发展前景预测与投资战略规划分析报告本报告前瞻性、适时性地对人工智能行业的发展背景、供需情况、市场规模、竞争格局等行业现状进行分析，并结合多年来人工智能行业发展轨迹及实践经验，对人工智能行业未来...
查看详情
本文来源前瞻产业研究院，内容仅代表作者个人观点，本站只提供参考并不构成任何投资及应用建议。（若存在内容、版权或其它问题，请联系：service@qianzhan.com）品牌合作与广告投放请联系：0755-33015062或hezuo@qianzhan.com在招股说明书、公司年度报告等任何公开信息披露中引用本篇文章内容，需要获取前瞻产业研究院的正规授权。如有IPO业务合作需求请直接联系前瞻产业研究院IPO团队，联系方式：400-068-7188。
p52q0我要投稿
UVc分享：标签：人工智能发展现状市场规模人工智能细分领域占比人工智能行业品牌、内容合作请点这里：寻求合作››
产业规划
园区规划
产业招商
可行性研究
碳中和
市场调研
IPO咨询
前瞻经济学人专注于中国各行业市场分析、未来发展趋势等。扫一扫立即关注。前瞻产业研究院中国产业咨询领导者，专业提供产业规划、产业申报、产业升级转型、产业园区规划、可行性报告等领域解决方案，扫一扫关注。相关阅读RELEVANT2022年中国人工智能医疗行业发展现状及市场规模分析逐渐完善的产业基础提振投资信心【组图】
2023年全球金融科技行业发展现状及前景分析2028年市场规模将突破4000亿美元【组图】
2023年中国人工智能芯片行业发展现状分析行业处于萌芽期【组图】
2023年中国金融科技行业发展现状及市场规模分析2022年市场规模突破5000亿元【组图】
2021年全球人工智能行业市场规模与投融资现状分析未来人工智能将呈现螺旋式发展
2022年美国智能家居行业发展现状及市场规模分析市场规模保持扩大【组图】
2023年人工智能发展情况及值得关注的人工智能发展趋势
人工智能是ArtificialIntelligence，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。
实际应用
机器视觉，指纹识别，人脸识别，视网膜识别，虹膜识别，掌纹识别，专家系统，自动规划，智能搜索，定理证明，博弈，自动程序设计，智能控制，机器人学，语言和图像理解，遗传编程等。
学科范畴
人工智能是一门边缘学科，属于自然科学和社会科学的交叉。
涉及学科
哲学和认知科学，数学，神经生理学，心理学，计算机科学，信息论，控制论，不定性论
研究范畴
自然语言处理，知识表现，智能搜索，推理，规划，机器学习，知识获取，组合调度问题，感知问题，模式识别，逻辑程序设计软计算，不精确和不确定的管理，人工生命，神经网络，复杂系统，遗传算法
（打算走人工智能高薪方面及CV道路的可以联系小助理扫码加微，获取免费的500GAI资料包-具体可看文末，还有免费的计算机博士直播，了解更多的人工智能知识）
一、人工智能行业发展政策近年来，人工智能对社会和经济影响日益凸显。我国自2015年来，多次将人工智能的发展和规划列入国家政策，逐步确立人工智能技术在战略发展中的重要性。各省市相应中央号召，推出相应的地方发展规划和政策；全国31省市中，已有19个省市发布了人工智能规划，其中有16个制定了具体的产业规模发展目标。
二、人工智能行业发展现状1.市场规模中国人工智能市场规模在2016年-2020年持续增长，市场规模从2016年的154亿元增长至2020年的1280亿元，年复合增长率达到69.79%。随着新基建产业愈发受到国家重视，人工智能产业未来将持续增长，预计2022年将达2729亿元。
数据来源：灼识咨询、中商产业研究院整理
2.市场结构中国人工智能行业可按照应用领域分为四大类别：决策类人工智能、视觉人工智能、语音及语义人工智能和人工智能机器人。目前，视觉人工智能的占比最多，达43.4%。其次分别为决策类人工智能、语音及语义人工智能、人工智能机器人，占比分别为20.9%、18.2%、17.4%。
数据来源：灼识咨询、中商产业研究院整理
3.投融资情况2016年到2018年中国人工智能投融资情况呈现增长趋势。2019年开始，中国人工智能市场投融资事件数量开始下滑，整体市场开始冷静，投资金额有所上升。截止至2021年7月，投融资事件达506起，投融资金额达1839.92亿元。
数据来源：中商产业研究院整理
4.企业注册量近两三年来，人工智能相关企业注册量飞速上升。企查查数据显示，2017年人工智能上升为国家战略后，相关企业年注册量首次突破1万家，2019年注册量已达到4.26万家。2020年，人工智能新科技的链接价值、赋能价值表现得更为突出，全年注册量增至17.10万家。
数据来源：企查查、中商产业研究院整理
三、人工智能行业重点企业1.京东方京东方科技集团股份有限公司（BOE）创立于1993年4月，是全球领先的半导体显示技术、产品与服务提供商。基于在发展显示事业中积累的显示、传感、人工智能、大数据等技术基础，BOE（京东方）2014年启动DSH战略转型，由原有的端口器件事业向智慧物联事业和智慧医工事业延展。
2021年前三季度京东方实现营业收入1632.78亿元，同比增长72.05；实现归母净利润200.15亿元，同比增长708.36%。
2.科大讯飞科大讯飞股份有限公司是一家专业从事语音及语言、自然语言理解、机器学习推理及自主学习等人工智能核心技术研究，人工智能产品研发和行业应用落地的国家级骨干软件企业。
2021年前三季度科大讯飞实现营收108.68亿元，同比增长49.2%；实现归母净利润7.29亿元，同比增长30.88%。
3.寒武纪中科寒武纪科技股份有限公司创办于2016年，主营业务是应用于各类云服务器、边缘计算设备、终端设备中人工智能核心芯片的研发、设计和销售。公司的主要产品包括云端产品线、边缘产品线、处理器IP授权及软件。
2021年前三季度寒武纪营业收入实现2.22亿元，同比增长40.51%；归母净利润亏损6.29亿元，同比下降102.9%。
4.阿里巴巴阿里AI（阿里灵杰）依托阿里领先的云基础设施、大数据和AI工程能力、场景算法技术和多年行业实践，一站式地为企业和开发者提供云原生的AI能力体系。帮助提升AI应用开发效率，促进AI在产业中规模化落地，激发业务价值。
5.百度AI百度人工智能全面开放百度大脑领先能力，包括语音识别和文字识别等335项场景化能力、飞桨企业版EasyDL和BML、智能对话定制平台UNIT、AI学习与实训社区AIStudio、及实现算法与硬件深度整合的软硬一体产品项目等。目前，百度连续四年AI专利申请和授予量全国第一，百度AI开放平台成为中国领先的软硬一体AI大生产平台。而百度的移动生态，正是在这样的人工智能技术驱动下构建强大的。在人工智能的驱动下，由百家号、小程序、托管页构成的移动生态三大支柱业务增长稳进，构建起了完善的内容和服务一体化移动生态。
四、人工智能八大发展趋势1、AI-on-5G2022年，工业AI和AI-on-5G物联网应用将会成为主流。
AI-on-5G组合计算基础设施为传感器、计算平台和人工智能应用的整合提供了一种高性能、安全的链接结构，无论是在现场、场所还是云端中。具体包括：
汽车系统；智能空间；工业4.0，如新的自动化和机器人系统。我国5G发展取得领先优势，已累计建成5G基站超81.9万个，占全球比例约为70%；5G手机终端用户连接数达2.8亿，占全球比例超过80%；5G标准必要专利声明数量占比超过38%，2020年上半年以来上升近5个百分点，位列全球首位。工信部5G/6G专题会议会议表示，要持续推进5G快速健康发展。
5G是人工智能的加速器，同时5G也将为人工智能提供新动能。5G具有大连接、低延迟和高带宽三个核心特点，这些特点可以从不同侧面进一步加速人工智能技术的发展、应用、落地，促进整个供应链的智能升级。
2、生成式人工智能生成式人工智能，或评估现有数据（如文本、音频或视觉文件）的算法，主要识别该数据的基本模式，然后复制该模式以生成类似的内容。这种算法正在逐步改进。随着模型的输入数据的变化和业务结果的变化，模型本身也需要调整。缺乏维护会导致人工智能算法最终丧失价值。
生成式人工智能包括多种技术：
（1）GAN生成对抗网络：生成对抗网络是两个神经网络：一个生成器和一个判别器，它们相互竞争，以找到两个网络之间的平衡。生成器网络负责生成与源数据相似的新数据或内容。判别器网络负责区分源数据和生成的数据，以便识别哪些数据更接近原始数据。
（2）Transformer：由论文《AttentionisAllYouNeed》提出，现在是谷歌云TPU推荐的参考模型。论文相关的Tensorflow的代码可以从GitHub获取，其作为Tensor2Tensor包的一部分。哈佛的NLP团队也实现了一个基于PyTorch的版本，并注释该论文。像GPT-3、LaMDA和Wu-Dao这样的Transformer模拟了认知注意力，并对输入数据部分的重要性进行差异测量。它们被训练来理解语言或图像，学习一些分类任务，并从大量数据集中生成文本或图像。
（3）变分自编码器（Variationalauto-encoder，VAE）是一类重要的生成模型（generativemodel），它于2013年由DiederikP.Kingma和MaxWelling提出
3、增强型劳动力或人类-人工智能混合工作未来的工作更多的是在增强的环境中与人工智能配对。所有重复性的工作都是可能实现的，并且将是自动化的。
随着人工智能/机器学习工具的不断增加，你的工作效率也会提高
在每个行业中，都会涌现出人工智能驱动的智能工具，这些工具可以帮助该行业的个人高效工作。
4、IT中的云计算和边缘管理虽然边缘计算正迅速成为许多企业的必备工具，但部署仍处于早期阶段。云计算和边缘原生业务流程将在IT领域占据更多的主导地位，并在商业世界中更加无处不在。
一些人认为人工智能管理将成为IT部门的责任。为了应对与可管理性、安全性和规模有关的边缘计算挑战，IT部门将转向云原生技术。例如，作为容器化微服务的平台，Kubernetes已经成为大规模管理边缘人工智能应用的主要工具。
那些在云端上使用Kubernetes的IT部门可以利用他们的经验来构建自己的边缘云原生管理方案。预期将会有更多的第三方和相关的服务被采用。
5、人工智能在网络安全中的应用在网络安全方面，人工智能的作用必须通过自动化来提高。有69%的机构相信，人工智能是处理网络攻击的必备条件，但是这一领域在2022到2032年期间都有升级的需求。
威胁检测；战斗机器人；端点保护；违约风险保护；服务停机保护。6、更好更强的语言模型虽然OpenAI的大规模生成性预训练Transformer（GPT）模型的持续发展成为时尚的头条新闻，但DeepMind、微软研究院以及其他公司的做法也值得关注。围绕着高度进化的大型人工智能语言模型，已经出现了几十家新的初创公司。
7、人工智能在元宇宙中的应用元宇宙是一个术语，是指一个环境，更具体地说是一个数字环境，多个用户可以一起工作和游戏
新类型的应用程序、更智能的数字代理、深度造假人类（实际上是机器人），所有这些都在互联网的未来等待着我们，似乎是元宇宙产品。
8、人工智能的民主化和可达性——低代码/无代码人工智能今天，组织面临的主要挑战之一是缺乏能够研发出所需要的工具和算法的有经验的人工智能工程师。随着无代码或低代码解决方案的出现，这一挑战可以通过提供简单而直观的界面来解决，这些界面可以用来创建人工智能上的复杂系统。
随着我们加快人工智能在商业中的应用，并升级人工智能流程，随着程序员与人工智能-人类系统的合作，我们通过软件工程来制造产品的方法将会发生根本性的变化，并更容易被所有人接受，从而以更分散的方式分配其部分价值。
500G人工智能资料可免费领取，内含：①人工智能课程及项目【含课件源码】②超详解人工智能学习路线图③人工智能必看优质书籍电子书汇总④国内外知名精华资源⑤优质人工智能资源网站整理（找前辈、找代码、找论文都有）⑥人工智能行业报告⑦人工智能论文合集希望对大家的学习有所帮助，非常感谢大家的支持！需要的可以扫描下方二维码即可！