2023年中国智能音箱行业技术发展现状与趋势分析 小米、百度和阿里申请量领先
当前位置：前瞻产业研究院»经济学人»研究员专栏2020年中国智能音箱行业技术发展现状与趋势分析小米、百度和阿里申请量领先UVc分享到：周嘉瑜•2021-01-0514:00:24来源：前瞻产业研究院E8903G02023-2028年中国智能音箱行业市场前景预测与投资战略规划分析报告智能音箱核心技术包括芯片、麦克风阵列和智能语音技术
智能音箱将声学设计、无线技术、语音识别、远场拾音、语义分析等众多技术融合在一起，使得技术更为复杂，因此相较于普通蓝牙音箱，无论在硬件或软件系统上都采用了更先进的技术作为支撑。智能音箱核心技术主要包括硬件层面的芯片技术和麦克风阵列技术(语音识别的硬件支持)，以及软件层面的智能语音技术。
芯片厂商主要为智能音箱提供主控芯片、内存芯片、处理器芯片、音频芯片、通信芯片、电源系统管理芯片等，其中主控芯片作为主板的核心组成部分，优质的主控芯片可有效提升智能音箱音质，发挥音效设备及麦克风的最佳性能。
技术开发商为智能音箱提供语音技术与麦克风阵列技术，语音技术主要为语音识别、语音合成及自然语言理解技术，其中语音识别为智能音箱的基础，语音识别技术的高低决定智能音箱识别语音的准确性，直接影响用户体验。麦克风阵列技术用于语音信号处理，对接收声波进行过滤，起到抑制噪声、消除回声、去混响等作用。
我国智能音箱专利申请量和公开量不断上升
在5G网络快速建设下，IoT产品被提到了全新的高度，智能音箱作为IoT中负责传递信息的重要载体，得到了各大厂商的重视，为了扩大竞争优势，各企业对自主研发的相关技术进行了软件著作权登记，积极提交专利申请，寻求更加全面完善的知识产权保护。
目前，国内各大企业纷纷在相关技术领域展开专利布局。根据SooPAT专利查询平台有关“智能音箱”关键词的专利显示，2011-2019年，我国智能音箱相关专利申请数量呈不断上升的状态，2013年我国智能音箱专利申请量仅为3件，2014年申请量为19件，数量明显增多，2015年开始国内智能相关技术专利申请量呈飞速增长趋势，2019年专利申请量达到918件，这也与我国智能音箱行业互联网企业纷纷入局和资金不断涌入趋势紧密相关。
根据SooPAT专利查询平台有关“智能音箱”关键词的专利显示，2013-2020年，我国智能音箱技术专利公开量呈快速上升趋势，公开数量变化趋势与申请量变化趋势相吻合，同样在2015年开始出现明显上升，2018年公开数量达到488件，比2017年156件多出两倍多，2020年公开量突破1000件，达到1150件，反映出我国企业对于智能音箱的专利布局积极性较高。
小米、百度和阿里申请量领先
根据SooPAT专利查询平台有关“智能音箱”关键词的专利显示，截止到2020年12月，中国智能音箱技术专利申请人排名首位的是北京小米移动软件有限公司，专利申请数量为147件，占比为5.61%;排在第二位的是百度在线网络技术(北京)有限公司，专利申请总数为114件，占比为2.64%，主要集中在语音识别、语音输入、语音合成等技术领域;小米公司和百度公司在智能音箱领域专利布局数量上居于领先地位。中国电声行业龙头企业歌尔股份有限公司专利申请数量为69件，排在第三位;中国智能音箱领域另一互联网巨头阿里巴巴集团专利申请数量为69件，占比为2.64%。
从智能音箱行业技术专利申请的分类来看，截止到2020年12月21日，H04R(扬声器、传声器、唱机拾音器或其他声—机电传感器;助听器;扩音系统)专利申请数量最多，为879件，占比为33.58%;其次是G10L(语音分析或合成;语音识别;音频分析或处理)技术专利，申请数量为306件，占比为11.69%;排在第三的是G06F(电数字数据处理)技术专利，申请数量为210件，占比为8.02%。
更多数据请参考前瞻产业研究院《中国智能音箱行业市场前景预测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、产业规划、产业申报、产业园区规划、产业招商引资等解决方案。
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/资深行业研究院交流互动。
前瞻产业研究院-深度报告REPORTS2023-2028年中国智能音箱行业市场前景预测与投资战略规划分析报告本报告前瞻性、适时性地对智能音箱行业的发展背景、产销情况、市场规模、竞争格局等行业现状进行分析，并结合多年来智能音箱行业发展轨迹及实践经验，对智能音箱行业未来...
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。
p41q0我要投稿
UVc分享：标签：智能音箱技术发展现状趋势品牌、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RELEVANT2021年中国智能音箱行业市场现状及发展趋势分析屏幕音箱将成为未来主流产品
2021年中国智能音箱市场需求现状与发展趋势分析产品性能及功能最能影响智能音箱需求
行业深度！十张图了解2021年中国智能音箱“三足鼎立”竞争格局形成背景及发展趋势
2021年中国智能音箱行业市场现状及发展前景分析未来市场发展空间巨大【组图】
2021年全球智能音箱市场供给现状及竞争格局分析亚马逊为全球智能音箱龙头
2021年中国智能音箱行业发展现状与竞争格局分析线上销售下滑，智能音箱行业高度集中
人工智能技术在医药研发中的应用
鉴于人工智能技术在医药领域内得到越来越多的关注，以及在未来新药研发的重要位置，有必要对目前的研究及应用现状进行归纳总结。本文首先概述人工智能的主要方法，论述人工智能的特点，综述人工智能在医药研发各专业领域中的应用情况，讨论国内外实践经验，归纳人工智能应用的关键问题，最后提出建议并总结。
1
人工智能概述
1．1人工智能的主要应用领域
人工智能的主要应用领域包括机器学习、进化计算、图像识别、自然语言处理、认知计算等。除此之外，其他领域仍在持续性发展中。目前机器学习的主流研究方向也是人工智能的重要应用领域，机器学习可以通过计算获得经验来提高系统本身的性能。机器学习可以分为传统机器学习和高级机器学习，传统机器学习包括无监督学习和有监督学习等，高级机器学习则包括深度学习、强化学习和迁移学习等［9－11］。
1．2人工智能的主要发展过程与自身特点
自从1956年人工智能诞生以来，它经历了从高潮到低潮的各个阶段。最近的低潮发生在1992年，当时日本的第五代计算机并未取得成功，其后人工神经网络热潮在20世纪90年代初退烧，人工智能领域再次进入低潮期。直到2006年，GeoffreyHinton提出了深度学习的概念并改进了模型训练方法，突破了神经网络的长期发展瓶颈，人工智能的发展迎来新一轮浪潮。此后，国内外众多知名大学和知名IT企业开展了深度学习、强化学习、迁徙学习等一系列新技术的课题研究。同时，智能医疗、智能交通、智能制造等社会发展的新需求驱动人工智能发展进入了一个新阶段。
人工智能基于先进的机器学习、大数据和云计算，在感知智能、计算智能和认知智能方面具有强大的处理能力。它以更高水平接近人的智能形态存在，主要特点包括:①从人工知识表达到大数据驱动的知识学习技术。②从多媒体数据的子类处理到跨媒体交互。③从追求智能机器到高层人机协作。④从关注个人智能到基于网络的群体智能。⑤从拟人机器人到更广泛的智能自我处理系统。
内容由凡默谷小编查阅文献选取，排版与编辑为原创。如转载，请尊重劳动成果，注明来源于凡默谷公众号。
2
人工智能在医药研发领域的应用现状
本文为全面了解目前研究现状以及关注热点，借鉴杨超凡等［12］的方法，通过Scrapy(爬虫)，在百度学术以“artificialintelligenceanddrugdiscovery/research”为关键词进行英文文献搜索，得到共361篇英文文献，爬取到了每一篇文献中摘要、关键词、研究点分析以及发表时间。在进行文献搜集时只搜集了英文文献，因为一方面，人工智能在药物研发领域国外研究起步较早且研究体系相对成熟，形成对比的是国内在该方面领域研究较少;另一方面，本文要爬取信息并对文本进行分词处理，英文由标点符号、空格、单词组成，所以只用根据空格和标点符号便可将词语分开，进行处理时更为便捷和精确。
作为抽象信息的视觉表达手段，信息可视化可用于文档处理和数据挖掘。本文主要使用Python的Pandas数据分析软件包进行文献的可视化处理和可视化分析，为了符合科学的测量原理，使研究结论更加具有时间敏感性，首先需要进行数据清理。为了更形象、更直观地展现出人工智能在医药研发方面的发展趋势，将对本文年度发表文章数使用Matplotlib绘图库进行绘图分析。通过数据清洗后，分析年度相关发表论文量与发表文章数量趋势，见图1和图2。
通过以上可视化分析，可以清楚了解到人工智能在医药研发方面的研究发展趋势，与上文分析人工智能发展趋势基本一致，同时也能发现近5年人工智能在医药研发方面研究趋于减少乃至于停滞，亟须整个行业进一步投入以及寻找发展新活力。为了确认人工智能在医药研发重点应用领域，利用Python对爬取到的数据中关键词、摘要、研究点分析进行了系统的词频统计，见表1。
从上述表1关键词频可以直观看到，关键词词频数越大，说明该主题在人工智能医药研发方面中的关注度越高，研究越热。高频词中机器学习(MachineLearning)、药物研发(DrugDiscovery)、医疗保健(HealthCare)、数据库(Databases)、数据挖掘(Datamining)、数据分析(DataAnalysis)、数据可视化(DataVisualization)、数据交流(DataCommunication)、归纳逻辑编程(Inductivelogicprogramming)、癌症(Cancer)、神经网络(NeuralNetworks)、药物制剂(PharmaceuticalPreparations)、计算机科学(Computerscience)、医药制造业(PharmaceuticalIndustry)由于研究内容过于宽泛抑或与在医药研发方面的研究相关性不足所以被剔除。通过词频分析、清洗无关研究领域的词汇、综合近义词汇后最终确定了7个频次靠前的人工智能在医药研发重点研究领域:靶点药物研发(DrugTargetsDevelopment)、药物挖掘(DrugMining)、化合物筛选(CompoundScreening)、预测ADMET性质(PredicationofADMETProperties)、药物晶型预测(CrystalStructurePrediction)、病理生物学研究(Pathophysiology)、药物重定位/药物再利用(DrugＲepurposing)。人工智能的主要应用领域包括机器学习、进化计算、图像识别、自然语言处理、认知计算，7个频次靠前的人工智能在医药研发重点研究领域在这5个主要应用领域各有涉及，具体关系如图3所示。
2．1人工智能技术在医药研发的应用现状概述
2．1．1靶点药物研发
研究和开发新药的关键是寻找、确定和制备药物筛选目标分子药物靶点。靶点药物是指药物在体内的结合位点，包括生物大分子，比如基因座、受体、酶、离子通道和核酸等，而识别新的有效的药物靶点是新药开发的重中之重，因此发现和验证大量分子靶标所涉及的工作极大增加了药物开发的负担［13］。利用机器学习算法可以组合设计并评估编码的深层知识，从而可以完全应用于旧时的单目标药物发现项目［14］。研究人员首先研究了靶点选择性结合均衡小分子的可能性来确定那些最易于化学处理的靶点，对于双特异性小分子，设计过程类似于单一目标药物。关键的区别在于功效必须同时满足2个不同的目标。初创公司Exscientia是AI公司这方面的典型代表，Exscientia针对这些靶点药物通过AI药物研发平台为GSK公司的10个疾病靶点开发创新小分子药物，来发现临床候选药物［15］。Exscientia系统可以从每个设计周期的现有数据资源和实验数据中学习，这些原理近似于人类自我学习的过程，但AI在识别多种微妙和复杂的变化以平衡药效方面更具效率。Exscientia首席执行官霍普金斯表示，其人工智能系统已经可以用传统方法的1/4时间和成本得到新的候选药物［16］。目前，公司已与众多国际知名制药公司建立了战略合作关系，如Merck公司、Sunovion公司、Sanof公司、Evotec公司、强生公司。
2．1．2药物挖掘
医学、物理学或材料科学领域的专业论文非常广泛，但这些专业论文中有大量独立的专业知识和研究结果，快速且有针对性地组织和连接这些知识和发现的能力对于药物挖掘是极其重要的。使用人工智能可以从大量的科学论文、专利、临床试验信息和非结构化信息中生成有用的信息。通过自然语言处理算法的深度学习优化，分析和理解上下文信息，然后进一步学习、探索、创建和翻译它所学到的知识以产生独特结论。该技术通过寻找可能遗漏的连接使以前不可能的科学发现成为可能:可以自动提取药学与医学知识，找出相关关系并提出相应的候选药物，进一步筛选对某些疾病有效的分子结构，使科学家们能够更有效地开发新药。2016年BenevolentAI公司曾通过人工智能算法在1周内确定了5种假造药物，用于治疗肌萎缩侧索硬化。BenevolentAI使用AI算法建模来确认化合物对睡眠的潜在影响，这是解决帕金森病相关嗜睡症状的一大机会。该公司目前的药物研发产品组合表明，它可以将早期药物研发的时间缩短4年，并有可能在整个药物研发过程中将药物研发的平均效率提高60%［17］。
2．1．3化合物筛选
化合物筛选是指通过标准化实验方法从大量化合物或新化合物中选择对特定靶标具有较高活性的化合物方法，这样通常需要很长的时间和较多的成本，因为要从数万种化合物分子中选择与活性指数相匹配的化合物。Atomwise是硅谷的一家人工智能公司，开发了人工智能分子筛选(AIMS)项目，该项目计划通过分析每种疾病的数百万种化合物来加速拯救生命药物的开发。同时，该公司开发了基于卷积神经网络的AtomNet系统，该系统已经学习了大量的化学知识和研究数据。该系统分析化合物的构效关系，确定药物化学中的基本模块，并用于新药发现和新药风险评估。目前，AtomNet系统已经掌握了很多化学知识和研究资料，2015年AtomNet只用1周时间已经可以模拟2种有希望用于埃博拉病毒治疗的化合物［18］。
2．1．4预测ADMET性质
ADMET性质是衡量化合物成药性最重要的参考指标［19－20］，化合物ADMET预测是当代药物设计和药物筛选中十分重要的方法。药物的早期ADMET特性主要使用人或人源化组织功能蛋白作为药物靶点，体外研究技术结合计算机模拟研究药物与体内生物物理和生物化学屏障因子之间的相互作用。为了进一步提高ADMET性质预测的准确性，部分企业通过深度神经网络算法探索了结构特征(包括处理小分子和蛋白质结构)的有效提取，加快了药物的早期检测和筛选过程，并大大减少了研发投入和风险。典型的公司包括晶泰科技等［21］。
2．1．5药物晶型预测
多晶型现象是一种物质可以存在于2种或更多种不同晶体结构中的现象，对于化学药物，几乎所有固体药物都具有多态性。由于晶型的变化可以改变固体化学药物的许多物理性质和化学性质，因此存在几种由于晶型问题而导致上市失败的药物，因此，晶型预测在制药工业中具有重要意义。使用人工智能有效地动态配置药物晶型可以完全预测小分子药物的所有可能的晶型，与传统的药物晶型研发相比，制药公司不必担心缺少重要的晶型。此外，晶型预测技术大大缩短了晶体的发展周期，更有效地选择了合适的药物晶型，缩短了开发周期并且降低了成本［22］。
2．1．6病理生物学研究
病理生物学是一门研究疾病发生、发展和结果的规律和机制的科学。它是传播临床医学和基础医学的“桥梁”学科。病理生物学研究是医学研究和发展的基础。肌萎缩侧索硬化症(ALS，也称为渐冻症)是一种毁灭性的神经退行性疾病，确切的发病机制尚不清楚。ALS的突出病理特征是一些ＲNA结合蛋白(ＲBPs)在ALS中发生突变或异常分布。人类基因组中至少有1542个ＲBPs，并且仅发现了与ALS相关的17个ＲBPs。IBMWatson是认知计算系统和技术平台的杰出代表。IBMWatson基于相关文献中的广泛学习，构建模型以预测ＲBPs和ALS相关性。2013—2017年Watson对引起突变的4个ＲBPs进行了高度评价，证明了该模型的有效性，然后Watson筛选了基因组中的所有ＲBPs，成功鉴定了5个ALS中发生变化的新ＲBPs［23］。
2．1．7药物重定位
多年来，研究人员逐渐认识到，提高疗效的最佳策略是基于现有药物治疗某些疾病，发现新的适应证并用于治疗另一种疾病。Visanji博士与IBMWatsonforDrugDiscovery合作，使用Watson强大的文献阅读和认知推理技巧，在几分钟内筛选出3500种药物，并按最佳匹配顺序排列。然后研究人员根据这个“药物排名表”提出了6种候选药物，并在实验室进行了测试。第一种药物(已经得到FDA批准，但该适应证不包括帕金森病)已经在动物实验中初步验证［24］。
2．2人工智能技术
在医药研发方面国内发展现状我国在这方面起步相比于国外较晚，2015年百度公司和北京协和医院开展了癌症研究，结合北京协和医院医学研究优势与百度大数据、人工智能技术，找到了一个重要标志物用于早期诊断与中国大样本密切相关的食管癌，为食管癌提供早期筛查和诊断，为食管癌药物的开发提供靶标，这是中国医学研究和发展领域的重要一步［25］，这是我国人工智能在医药研发领域迈出的重要一步。
目前国内相关研究企业数量较少，仍处于起步状态。比较著名的企业有晶泰科技和深度智耀及冰州石生物技术公司。晶泰科技是谷歌与腾讯两大科技巨头共同投资的第一家人工智能公司，它也是中国第一家宣布与世界顶级制药公司进行战略合作的人工智能药物算法公司。该公司在过去严重依赖于实验和误差的一些药物研发步骤上使用药物晶型预测，以极其准确和快速的算法预测结果，帮助制药公司提高研发效率，最后加速药物开发。深度智耀是以人工智能为基础的药物研发和决策平台，以“决策大脑”为核心产品，同时公司已推出10款产品，并于近日发布了新一代人工智能药物合成系统，该系统通过大量学习公共专利和论文数据库，大大提高了科学家的工作效率［26－27］。
另外，深度智耀还推出智能化医学写作，是在自然语言处理等助力下，自动写作绝大多数药物注册类文档。冰洲石生物科技(AccutarBiotech)利用人工智能针对生物药进行药物筛选，已经利用人工智能平台进行了药物设计，其中一款药物针对乳腺癌，适用于乳腺癌常用药物tamoxifen后3～5年复发的患者，已经经过了细胞验证和初步小鼠动物实验，正在美国申请相关专利，并计划推进新药临床研究申请。
但人工智能在我国医药研发方面仍存在部分难点:
其一人才支持是一大问题，全世界大约有22000名具有博士或以上学历的人工智能从业者和研究人员，而在中国只有约600名。另外，国内人工智能人才几乎被几家主要的龙头企业所垄断。数据显示，未来中国人工智能人才缺口高达500万［28］。人才集中是任何行业进一步发展的重要基础，也是人工智能在医药行业应用的关键因素。
目前，人工智能与药学的融合提升了对人才的需求。目前，高校培训与市场需求存在差距，产出人才远远少于市场需求。国家要重视复合型人才的培养，注重培养综合人工智能理论、方法、技术、产品和应用的垂直复合型人才，以及掌握经济、社会、管理、药学的复合型人才。当地政府也需要进一步加强产学研合作，鼓励高校、科研院所和企业合作开展人工智能学科建设，开展创新型专业人才的继续教育，建立公平合理的人才评估机制。
其二，国内创新药研发起步较晚，与国外相比，对于优质数据的积累还有一定距离。但利好消息是某些国内企业比如晶泰科技，在数据积累上颇为优秀。晶泰科技的数据来源是公共数据和私有数据结合，这其中包括晶泰科技在国内外工业、学术界的合作伙伴的积累。同时，晶泰科技通过量化计算算法也可以自行生成大量高质量的数据，这是其一大优势。总体大环境上，中国的医药大数据存在数据不完整、数据质量低、数据共享水平低等问题，医药数据的数量和质量将成为制药行业人工智能发展的主要障碍。
制药行业的专业门槛很高，而且链条很长。此外，中国长期的“多头管理”制度也是导致国内药品数据极度分散的重要原因。此外，医药领域的监管政策和体制改革也很频繁，使得获得连接历史药物数据变得困难。这些都会导致医药数据统计在完整度和精准度上的不足，从而影响相关决策。因此，国家应该在原有的标准管理体系框架内，加强信息和标准的整合，加强国家、行业现有相关标准的普及推广，并出台一系列激励和惩罚措施来推动标准的应用和落地。建立一套有效、完备、真实可靠的数据评估体系，进一步提升数据质量。同时应该加快完善数据共享开放机制，发挥数据应用价值，为人工智能在医药行业应用提供有质有量的数据支撑。
其三，与当前人工智能在医药领域发展火热形成鲜明对比的是政策法规的制定相对滞后。国内目前尚未有人工智能在医药研发方面的立法，但它已经受到学术界和医药行业的关注。2018年1月6日，第一届全国“人工智慧与未来法治”研讨会在西北政法大学举行。
参会者认为，未来人工智能将不能单独提出提供人性化的法律服务，仍然需要人们完成一些辅助工作。展望未来，人工智能法律建设将涉及人格权、知识产权、财产权、侵权责任认定、法律主体地位等方面［29］。目前，人工智能创作的知识产权归属问题、人工智能研发人员法律权利和义务定义问题、人工智能可能需要监管等，都没有明确的法律法规规定［30］。缺乏法律支撑的人工智能在医药行业的前景并不明朗。为了解决以上问题，国家应该加强人工智能知识产权保护，当前许多应用由医院、科研院所、人工智能企业等多方联合开发，最终知识产权归属需要进行明确。另外，建立追溯体系，保证算法的透明，使人工智能的行为及决策全程处于监管之下，明确研发者、运营者和使用者各自的权利和义务是重中之重。
3
人工智能在医药研发中的应用总结
由大数据支撑的广泛互联、高度智能、开放互动和可持续发展的医药产业，是未来发展的趋势，借助人工智能技术推动医药产业发展具有重要意义。虽然人工智能技术在医药产业各专业领域已有较多的应用研究，但总体上还停留在初级研究阶段，在可靠性与准确性方面仍存在部分问题，离实际广泛应用尚有差距。但是，人工智能技术为医药研发带来了无限可能，还需众多医药产业相关人员与政府能够紧抓历史机遇，积极投入，深入开展相关研究工作。
参考文献
详见中国新药杂志2020年第29卷第17期
免责声明
我们尊重原创作品。选取的文章已明确注明来源和作者，版权归原作者所有，如涉及侵权或其他问题，请联系我们进行删除。
内容由凡默谷小编查阅文献选取，排版与编辑为原创。如转载，请尊重劳动成果，注明来源于凡默谷公众号。返回搜狐，查看更多
人工智能的发展历史概览
进入新世纪以来，人工智能在经历了一次史上最长停滞期之后，终于又一次迎来了它的时代。一次真正属于它的时代。
在本文，我将带领大家领略一下人工智能在历史上的发展历程，从宏观上对人工智能有一个大体的认识，跟上时代发展的步伐。
人工智能的提出人工智能是在1956年作为一门新兴学科的名称正式提出的，自此之后，尽管有一些大起大落，但是到现在，它已经获得了迅速的发展，并且正在改变人类的社会的方方面面。
1956-1969年是人工智能这个概念的提出和形成阶段。1956年夏季，由当时达特茅斯大学的年轻数学助教、现任斯坦福大学教授麦卡锡(J.MeCarthy)联合哈佛大学年轻数学和神经学家、麻省理工学院教授明斯基(M.L.Minsky)，IBM公司信息研究中心负责人洛切斯特(N.Rochester)，贝尔实验室信息部数学研究员香农(C.E.Shannon)共同发起，邀请普林斯顿大学的莫尔(T.Moore)和IBM公司的塞缪尔(A.L.Samuel)、麻省理工学院的塞尔夫里奇(O.Selfridge)和索罗莫夫(R.Solomonff)以及兰德(RAND)公司和卡内基梅隆大学的纽厄尔(A.Newell)、西蒙(H.A.Simon)等在美国达特茅斯大学召开了一次为时两个月的学术研讨会，讨论关于机器智能的问题。会上经麦卡锡提议正式采用了“人工智能”这一术语。麦卡锡因而被称为人工智能之父。这是一次具有历史意义的重要会议，它标志着人工智能作为一门新兴学科正式诞生了。此后，美国形成了多个人工智能研究组织，如纽厄尔和西蒙的Carnegie-RAND协作组，明斯基和麦卡锡的MIT研究组，塞缪尔的IBM工程研究组等。
自这次会议之后的10多年间，人工智能的研究在机器学习、定理证明、模式识别、问题求解、专家系统及人工智能语言等方面都取得了许多引人注目的成就。
人工智能在20世纪50年代的标志性事件1950年：AlanTuring发表了“计算机器和智能”，提出了模仿游戏的想法-一个考虑机器是否可以思考的问题。这一建议后来成为的图灵测试，其测量机（人工）智能。图灵的发展测试了机器的思考能力。图灵测试成为人工智能哲学的重要组成部分，人工智能在机器中讨论智能，意识和能力。
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-DwDwmVCL-1621223626041)(en-resource://database/31285:1)]
1952年：计算机科学家亚瑟·塞缪尔（ArthurSamuel）开发了一种跳棋计算机程序-第一个独立学习如何玩游戏的人。
1955年：约翰麦卡锡和一群人创建了一个关于“人工智能”研讨会的提案。1956年，当研讨会举行时，这个词的正式诞生归功于麦卡锡。
1955年：AllenNewell（研究员），HerbertSimon（经济学家）和CliffShaw（程序员）共同撰写了第一个人工智能计算机程序逻辑理论家。
1958年：McCarthy开发了Lisp，这是人工智能研究中最受欢迎且最受青睐的编程语言。
1959年：塞缪尔在谈到编程计算机以比编写程序的人更好地进行国际象棋游戏时创造了“机器学习”一词。
人工智能在20世纪60年代的标志性事件1961年：乔治·德沃尔（GeorgeDevol）在20世纪50年代发明的工业机器人Unimate成为第一个在新泽西州通用汽车装配线上工作的机器人。它的职责包括从装配线运输压铸件并将零件焊接到汽车上-这一任务对人类来说是危险的。
1961年：计算机科学家兼教授JamesSlagle开发了SAINT（符号自动INTegrator），这是一个启发式问题解决方案，其重点是新生微积分中的符号整合。
1964年：计算机科学家DanielBobrow创建了STUDENT，一个用Lisp编写的早期AI程序，解决了代数词问题。学生被认为是人工智能自然语言处理的早期里程碑。
1965年：计算机科学家兼教授JosephWeizenbaum开发了ELIZA，这是一个交互式计算机程序，可以用英语在功能上与英语交谈。Weizenbaum的目标是证明人工智能思维与人类思维之间的沟通是“肤浅的”，但发现许多人将拟人化特征归因于伊丽莎。
1968年：由StanleyKubrick执导的科幻电影2001：ASpaceOdyssey发行。它具有HAL（启发式编程的算法计算机），一个有感知的计算机。HAL控制航天器的系统并与船员交互，与他们交谈，好像HAL是人，直到故障以负面方式改变HAL的相互作用。
1968年：计算机科学教授TerryWinograd创建了早期自然语言计算机程序SHRDLU。
人工智能在20世纪70年代的标志性事件1970年：WABOT-1，第一个拟人机器人，在日本早稻田大学建造。它的功能包括可移动的肢体，能够看到和交谈的能力。
1973年：应用数学家詹姆斯·莱特希尔向英国科学理事会报告了人工智能研究的状况，他说：“迄今为止，该领域的任何一部分都没有发现产生的重大影响，这将导致大幅减少”通过英国政府支持人工智能研究。
人工智能在20世纪80年代的标志性事件1980年：WABOT-2在早稻田大学建成。WABOT的这一开始允许人形机器人与人交流以及阅读乐谱并在电子琴上播放音乐。
1981年：日本国际贸易和工业部为第五代计算机项目拨款8.5亿美元，该项目的目标是开发可以交谈，翻译语言，解释图片和表达人性化推理的计算机。
1984年：在人工智能促进协会（AAAI）上，RogerSchank（AI理论家）和MarvinMinsky（认知科学家）警告人工智能冬季，人工智能研究的兴趣和资金将首先减少。他们的警告在三年内实现了。
1986年：梅赛德斯-奔驰在ErnstDickmanns的指导下建造并发布了一辆配备摄像头和传感器的无人驾驶厢式货车。它能够在没有其他障碍物和人类驾驶员的道路上行驶高达55英里/小时。
1988年：计算机科学家和哲学家JudeaPearl发表了“智能系统中的概率推理”.Pearl还发明了贝叶斯网络，这是一种“概率图形模型”，通过有向无环图（DAG）表示变量及其依赖关系。
1988年：两位聊天机器人Jabberwacky和Cleverbot（20世纪90年代发布）的程序员和发明者RolloCarpenter开发了Jabberwacky，以“以有趣，有趣和幽默的方式模拟自然人类聊天”。这是通过聊天机器人与人沟通的AI示例。
人工智能在20世纪90年代的标志性事件1995年：计算机科学家理查德华莱士开发了聊天机器人ALICE（人工语言互联网计算机实体），灵感来自Weizenbaum的ELIZA。ALICE与ELIZA的区别在于增加了自然语言样本数据收集。
1997年：计算机科学家SeppHochreiter和JürgenSchmidhuber开发了长短期记忆（LSTM），这是一种用于手写和语音识别的递归神经网络（RNN）架构。
1997年：由IBM开发的国际象棋电脑DeepBlue成为第一个赢得国际象棋比赛并与卫冕世界冠军相匹敌的系统。
人工智能在21世纪的标志性事件2004年：NASA的机器人探索漫游者精神和机遇在没有人为干预的情况下导航火星的表面。
2006年：OrenEtzioni（计算机科学教授），MicheleBanko和MichaelCafarella（计算机科学家）创造了“机器阅读”这一术语，将其定义为对文本的无监督自主理解。
2007年：计算机科学教授FeiFeiLi及其同事组建了ImageNet，这是一个注释图像数据库，其目的是帮助进行物体识别软件研究。
2009年：谷歌秘密开发了一款无人驾驶汽车。到2014年，它通过了内华达州的自驾车测试。2010年：ImageNet推出了他们年度AI对象识别竞赛的ImageNet大规模视觉识别挑战赛（ILSVRC）。
2010年：微软推出了KinectforXbox360，这是第一款使用3D摄像头和红外探测跟踪人体运动的游戏设备。
2011年：Watson，一个回答IBM创建的计算机的自然语言问题，击败了两个前Jeopardy！冠军，肯詹宁斯和布拉德鲁特，在电视游戏中。
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-2eCt9EwG-1621223626045)(en-resource://database/31287:1)]
2011年：Apple发布了Siri，AppleiOS操作系统的虚拟助手。Siri使用自然语言用户界面来向其人类用户推断，观察，回答和推荐事物。它适应语音命令，并为每个用户投射“个性化体验”。
2012年：JeffDean和AndrewNg（谷歌研究人员）通过向YouTube视频展示1000万张未标记图像，培训了一个拥有16,000个处理器的大型神经网络来识别猫的图像（尽管没有提供背景信息）。
2013年：来自卡内基梅隆大学的研究团队发布了NeverEndingImageLearner（NEIL），这是一种可以比较和分析图像关系的语义机器学习系统。
2014年：微软发布了Cortana，他们的版本是类似于iOS上的Siri的虚拟助手。
2014年：亚马逊创建了亚马逊Alexa，一个家庭助理，发展成智能扬声器，作为个人助理。
2015年：ElonMusk，StephenHawking和SteveWozniak等3,000人签署了一封公开信，禁止开发和使用自主武器（用于战争目的）。
2015-2017：谷歌DeepMind的AlphaGo，一个玩棋盘游戏Go的计算机程序，击败了各种（人类）冠军。
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-yaYds0FF-1621223626046)(en-resource://database/31289:1)]
2016年：一个名为Sophia的人形机器人由HansonRobotics创建。她被称为第一个“机器人公民”.Sophia与以前的类人生物的区别在于她与真实的人类相似，能够看到（图像识别），做出面部表情，并通过人工智能进行交流。
2016年：Google发布了GoogleHome，这是一款智能扬声器，使用人工智能充当“个人助理”，帮助用户记住任务，创建约会，并通过语音搜索信息。
2017年：Facebook人工智能研究实验室培训了两个“对话代理”（聊天机器人），以便相互沟通，以学习如何进行谈判。然而，随着聊天机器人的交谈，他们偏离了人类语言（用英语编程）并发明了自己的语言来相互交流-在很大程度上展示了人工智能。
2018年：阿里巴巴（中国科技集团）语言处理AI在斯坦福大学的阅读和理解测试中超越了人类的智慧。阿里巴巴的语言处理在一组10万个问题中得分为“82.44，对82.30”-这是一次狭隘的失败，但仍然是失败。
2018年：谷歌开发了BERT，这是第一个“双向，无监督的语言表示，可以使用转移学习在各种自然语言任务中使用。”
人工智能的发展图示[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-sQAuxDQM-1621223626049)(en-resource://database/31291:1)]
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-AkSrfOh2-1621223626051)(en-resource://database/31293:1)]
人工智能的大起大落起源：人工智能在五六十年代时正式提出，1950年，一位名叫马文·明斯基(后被人称为“人工智能之父”)的大四学生与他的同学邓恩·埃德蒙一起，建造了世界上第一台神经网络计算机。这也被看做是人工智能的一个起点。巧合的是，同样是在1950年，被称为“计算机之父”的阿兰·图灵提出了一个举世瞩目的想法——图灵测试。按照图灵的设想：如果一台机器能够与人类开展对话而不能被辨别出机器身份，那么这台机器就具有智能。而就在这一年，图灵还大胆预言了真正具备智能机器的可行性。1956年，在由达特茅斯学院举办的一次会议上，计算机专家约翰·麦卡锡提出了“人工智能”一词。后来，这被人们看做是人工智能正式诞生的标志。就在这次会议后不久，麦卡锡从达特茅斯搬到了MIT。同年，明斯基也搬到了这里，之后两人共同创建了世界上第一座人工智能实验室——MITAILAB实验室。值得追的是，茅斯会议正式确立了AI这一术语，并且开始从学术角度对AI展开了严肃而精专的研究。在那之后不久，最早的一批人工智能学者和技术开始涌现。达特茅斯会议被广泛认为是人工智能诞生的标志，从此人工智能走上了快速发展的道路。
大起：在1956年的这次会议之后，人工智能迎来了属于它的第一段HappyTime。在这段长达十余年的时间里，计算机被广泛应用于数学和自然语言领域，用来解决代数、几何和英语问题。这让很多研究学者看到了机器向人工智能发展的信心。甚至在当时，有很多学者认为：“二十年内，机器将能完成人能做到的一切。”
大落：70年代，人工智能进入了一段痛苦而艰难岁月。由于科研人员在人工智能的研究中对项目难度预估不足，不仅导致与美国国防高级研究计划署的合作计划失败，还让大家对人工智能的前景蒙上了一层阴影。与此同时，社会舆论的压力也开始慢慢压向人工智能这边,导致很多研究经费被转移到了其他项目上。 在当时，人工智能面临的技术瓶颈主要是三个方面，第一,计算机性能不足，导致早期很多程序无法在人工智能领域得到应用；第二，问题的复杂性，早期人工智能程序主要是解决特定的问题，因为特定的问题对象少，复杂性低，可一旦问题上升维度，程序立马就不堪重负了；第三，数据量严重缺失，在当时不可能找到足够大的数据库来支撑程序进行深度学习，这很容易导致机器无法读取足够量的数据进行智能化。 因此，人工智能项目停滞不前，但却让一些人有机可乘,1973年Lighthill针对英国AI研究状况的报告。批评了AI在实现“宏伟目标”上的失败。由此，人工智能遭遇了长达6年的科研深渊。
大起：1980年，卡内基梅隆大学为数字设备公司设计了一套名为XCON的“专家系统”。这是一种，采用人工智能程序的系统，可以简单的理解为“知识库+推理机”的组合，XCON是一套具有完整专业知识和经验的计算机智能系统。这套系统在1986年之前能为公司每年节省下来超过四千美元经费。有了这种商业模式后，衍生出了像Symbolics、LispMachines等和IntelliCorp、Aion等这样的硬件，软件公司。在这个时期，仅专家系统产业的价值就高达5亿美元。
大落：可怜的是，命运的车轮再一次碾过人工智能，让其回到原点。仅仅在维持了7年之后，这个曾经轰动一时的人工智能系统就宣告结束历史进程。到1987年时，苹果和IBM公司生产的台式机性能都超过了Symbolics等厂商生产的通用计算机。从此，专家系统风光不再。
大起：上世纪九十年代中期开始，随着AI技术尤其是神经网络技术的逐步发展，以及人们对AI开始抱有客观理性的认知，人工智能技术开始进入平稳发展时期。1997年5月11日，IBM的计算机系统“深蓝”战胜了国际象棋世界冠军卡斯帕罗夫，又一次在公众领域引发了现象级的AI话题讨论。这是人工智能发展的一个重要里程。 2006年，Hinton在神经网络的深度学习领域取得突破，人类又一次看到机器赶超人类的希望,也是标志性的技术进步。
改变历史的崛起：谷歌、微软、百度等互联网巨头，还有众多的初创科技公司，纷纷加入人工智能产品的战场，掀起又一轮的智能化狂潮，而且随着技术的日趋成熟和大众的广泛接受，这一次狂潮也许会架起一座现代文明与未来文明的桥梁。
时至今日，大家对人工智能的发展有目共睹，这是一个伟大的时代。我们一步步见证了智能时代的来临。
通过本文，相信大家对人工智能的发展有了一定的了解。
人脸识别技术发展现状及未来趋势
当前，随着人工智能、物联网等前沿技术的迅速发展，智能时代已悄然到来，"刷脸"逐渐成为了新的风潮。在人脸识别技术商业化应用领域不断扩张的趋势下，"刷脸"办事正愈发常见。
人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部识别的一系列相关技术，通常也叫做人像识别、面部识别。
刚刚过去的2018年，是我国人脸识别技术全面应用的重要节点，标志着"刷脸"时代的正式到来。
一、人脸识别技术发展背景
人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。除了安防、金融这两大领域外，人脸识别还在交通、教育、医疗、警务、电子商务等诸多场景实现了广泛应用，且呈现出显著应用价值。为了进一步把握人脸识别技术所带来的重大机遇，我国出台了一系列政策予以支撑。
2015年以来，我国相继出台了《关于银行业金融机构远程开立人民币账户的指导意见(征求意见稿)》、《安全防范视频监控人脸识别系统技术要求》、《信息安全技术网络人脸识别认证系统安全技术要求》等法律法规，为人脸识别技术的应用以及在金融、安防、医疗等领域的普及奠定了重要基础。
2017年，人工智能首次被写入全国政府报告;同年7月，国务院发布了《新一代人工智能发展规划》;12月，工信部出台了《促进新一代人工智能产业发展三年行动计划(2018-2020年)》，其中对人脸识别有效检出率、正确识别率的提升做出了明确要求。作为人工智能主要细分领域，人脸识别获得的国家政策支持显而易见。
二、人脸识别技术发展历程
信息技术发展史及其趋势
0 引言
从人类信息交流和通信的演化进程可以清楚地体会信息技术的不断发展性。现代信息技术具有强大的社会功能，已经成为21世纪推动社会生产力发展和经济增长的重要因素。信息技术在改变社会的产业结构和生产的同时,也对人类的思想观念、思维方式和生活方式产生着重大而深远的影响。
1 信息技术发展史1.1信息技术简介信息技术的研究包括科学，技术，工程以及管理等学科，这些学科在信息的管理，传递和处理中的应用，相关的软件和设备及其相互作用。
信息技术
信息技术的应用包括计算机硬件和软件，网络和通讯技术，应用软件开发工具等。计算机和互联网的普及以来，人们日益普遍的使用计算机来生产、处理、交换和传播各种形式的信息（如书籍、商业文件、报刊、唱片、电影、电视节目、语音、图形、影像等）。在企业，学校和其它组织中，信息技术体系结构是一个为达成战略目标而采用和发展信息技术的综合结构。它包括管理和技术的成分。其管理成分包括使命、职能与信息需求、系统配置、和信息流程；技术成分包括用于实现管理体系结构的信息技术标准、规则等。由于计算机是信息管理的中心，计算机部门通常被称为“信息技术部门”。有些公司称这个部门为“信息服务”（IS）或“管理信息服务”（MIS）。另一些企业选择外包信息技术部门，以获得更好的效益。
1.2信息技术定义人们对信息技术的定义，因其使用的目的、范围、层次不同而有不同的表述：
1)、信息技术是指有关信息的收集、识别、提取、变换、存贮、传递、处理、检索、检测、分析和利用等的技术。
2)、信息技术包含通信、计算机与计算机语言、计算机游戏、电子技术、光纤技术等。
3)、现代信息技术以是以微电子和光电技术为基础，以计算机和通信技术为支撑，以信息处理技术为主题的技术系统的总称，是一门综合性的技术。
4)、信息技术是指在计算机和通信技术支持下用以获取、加工、存储、变换、显示和传输文字、数值、图像以及声音信息，包括提供设备和提供信息服务两大方面的方法与设备的总称。5)、信息技术是人类在生产斗争和科学实验中认识自然和改造自然过程中所积累起来的获取信息，传递信息，存储信息，处理信息以及使信息标准化的经验、知识、技能和体现这些经验、知识、技能的劳动资料有目的的结合过程。
6)、信息技术是管理、开发和利用信息资源的有关方法、手段与操作程序的总称。
7)、信息技术是指能够扩展人类信息器官功能的一类技术的总称。
8)、信息技术是指应用在信息加工和处理中的科学，技术与工程的训练方法和管理技巧；上述方法和技巧的应用；计算机及其与人、机的相互作用，与人相应的社会、经济和文化等诸种事物。
9)、信息技术包括信息传递过程中的各个方面，即信息的产生、收集、交换、存储、传输、显示、识别、提取、控制、加工和利用等技术。
广义而言，信息技术是指能充分利用与扩展人类信息器官功能的各种方法、工具与技能的总和。该定义强调的是从哲学上阐述信息技术与人的本质关系。
中义而言，信息技术是指对信息进行采集、传输、存储、加工、表达的各种技术之和。该定义强调的是人们对信息技术功能与过程的一般理解。
狭义而言，信息技术是指利用计算机、网络、广播电视等各种硬件设备及软件工具与科学方法，对文图声像各种信息进行获取、加工、存储、传输与使用的技术之和。该定义强调的是信息技术的现代化与高科技含量。
1.3信息技术发展简史人类进行通信的历史已很悠久。早在远古时期，人们就通过简单的语言、壁画等方式交换信息。千百年来，人们一直在用语言、图符、钟鼓、烟火、竹简、纸书等传递信息，古代人的烽火狼烟、飞鸽传信、驿马邮递就是这方面的例子。现在还有一些国家的个别原始部落，仍然保留着诸如击鼓鸣号这样古老的通信方式。在现代社会中，交通警的指挥手语、航海中的旗语等不过是古老通信方式进一步发展的结果。这些信息传递的基本方都是依靠人的视觉与听觉。下面我们来看看信息技术发展的历程：
第一次信息技术革命是语言的使用，发生在距今约35000年～50000年前。
第二次信息技术革命是文字的创造，大约在公元前3500年出现了文字。
文字的创造——这是信息第一次打破时间、空间的限制
陶器上的符号：原始社会母系氏族繁荣时期（河姆渡和半坡原始居民）
甲骨文：记载商朝的社会生产状况和阶级关系，文字可考的历史从商朝开始
金文（也叫铜器铭文）：商周一些青铜器，常铸刻在钟或鼎上，又叫“钟鼎文”
第三次信息技术的革命是印刷的发明，约在公元1040年，我国开始使用活字印刷技术(欧洲人1451年开始使用印刷技术)。
印刷术的发明
汉朝以前使用竹木简或帛做书材料，直到东汉（公元105年）蔡伦改进造纸术，这种纸叫“蔡侯纸”。
从后唐到后周，封建政府雕版刊印了儒家经书，这是我国官府大规模印书的开始，印刷中心：成都、开封、临安、福建阳。
北宋平民毕升明活字印刷，比欧洲早400年
第四次信息革命是电报、电话、广播和电视的发明和普及应用。
19世纪中叶以后，随着电报、电话的发明，电磁波的发现，人类通信领域产生了根本性的变革，实现了金属导线上的电脉冲来传递信息以及通过电磁波来进行无线通信。
1837年美国人莫尔斯研制了世界上第一台有线电报机。电报机利用电磁感应原理(有电流通过，电磁体有磁性，无电流通过，电磁体无磁性)，使电磁体上连着的笔发生转动，从而在纸带上画出点、线符号。这些符号的适当组合(称为莫尔斯电码)，可以表示全部字母，于是文字就可以经电线传送出去了。1844年5月24日，他在国会大厦联邦最高法院议会厅作了“用导线传递消息”的公开表演，接通电报机，用一连串点、划构成的“莫尔斯”码发出了人类历史上第一份电报：“上帝创造了何等的奇迹！”实现了长途电报通信，该份电报从美国国会大厦传送到了40英里外的巴尔的摩城。
1864年英国著名物理学家麦克斯韦发表了一篇论文(《电与磁》)，预言了电磁波的存在，说明了电磁波与光具有相同的性质，都是以光速传播的。
1875年，苏格兰青年亚历山大.贝尔发明了世界上第一台电话机，1878年在相距300千米的波世顿和纽约之间进行了首次长途电话实验获得成功。
电磁波的发现产生了巨大影响，实现了信息的无线电传播，其他的无线电技术也如雨后春笋般的涌现：1920年美国无线电专家康拉德在匹兹堡建立了世界上第一家商业无线电广播电台，从此广播事业在世界各地蓬勃发展，收音机成为人们了解时事新闻的方便途径。1933年，法国人克拉维尔建立了英法之间的第一条商用微波无线电线路，推动了无线电技术的进一步发展。
1876年3月10日，美国人贝尔用自制的电话同他的助手通了话。
1888年，德国青年物理学家海因里斯.赫兹（H.R.Hertz）用电波环进行了一系列实验，发现了电磁波的存在，他用实验证明了麦克斯韦的电磁理论。这个实验轰动了整个科学界，成为近代科学技术史上的一个重要里程碑，导致了无线电的诞生和电子技术的发展。
1895年俄国人波波夫和意大利人马可尼分别成功地进行了无线电通信实验。
1894年电影问世。1925年英国首次播映电视。
静电复印机、磁性录音机、雷达、激光器都是信息技术史上的重要发明。
第五次信息技术革命是始于20世纪60年代，其标志是电子计算机的普及应用及计算机与现代通信技术的有机结合。
随着电子技术的高速发展，军制、科研、迫切需要解决的计算工具也大大得到改进，1946年由美国宾夕法尼亚大学研制的第一台电子计算机诞生了。
1946~1958年第一代电子计算机
1958~1964年第二代晶体管电子计算机
1964~1970年第三代集成电路计算机
1971~20世纪80年代第四代大规模集成电路计算机
至今正在研究第五代智能计算机。
为了解决资源共享问题，单一计算机很快发展成计算机联网，实现了计算机之间的数据通信、数据共享。通信介质从普通导线、同轴电缆发展到双绞线、光纤导线、光缆；电子计算机的输入输出设备也飞速发展起来，扫描仪、绘图仪、音频视频设备等，使计算机如虎添翼，可以处理更多的复杂问题。20世纪80年代末多媒体技术的兴起，使计算机具备了综合处理文字、声音、图像、影视等各种形式信息的能力，日益成为信息处理最重要和必不可少的工具。人类也由工业社会转入信息社会，各国也在信息技术研究方面投入大量资金，构建“信息高速公路”社会。
2 信息技术发展趋势2.1信息技术分类1）、按表现形态的不同，信息技术可分为硬技术（物化技术）与软技术（非物化技术）。前者指各种信息设备及其功能，如显微镜、电话机、通信卫星、多媒体电脑。后者指有关信息获取与处理的各种知识、方法与技能，如语言文字技术、数据统计分析技术、规划决策技术、计算机软件技术等。
信息技术
2)、按工作流程中基本环节的不同，信息技术可分为信息获取技术、信息传递技术、信息存储技术、信息加工技术及信息标准化技术。信息获取技术包括信息的搜索、感知、接收、过滤等。如显微镜、望远镜、气象卫星、温度计、钟表、Internet搜索器中的技术等。信息传递技术指跨越空间共享信息的技术，又可分为不同类型。如单向传递与双向传递技术，单通道传递、多通道传递与广播传递技术。信息存储技术指跨越时间保存信息的技术，如印刷术、照相术、录音术、录像术、缩微术、磁盘术、光盘术等。信息加工技术是对信息进行描述、分类、排序、转换、浓缩、扩充、创新等的技术。信息加工技术的发展已有两次突破：从人脑信息加工到使用机械设备（如算盘，标尺等）进行信息加工，再发展为使用电子计算机与网络进行信息加工。信息标准化技术是指使信息的获取、传递、存储，加工各环节有机衔接，与提高信息交换共享能力的技术。如信息管理标准、字符编码标准、语言文字的规范化等。
3）、日常用法中，有人按使用的信息设备不同，把信息技术分为电话技术、电报技术、广播技术、电视技术、复印技术、缩微技术、卫星技术、计算机技术、网络技术等。也有人从信息的传播模式分，将信息技术分为传者信息处理技术、信息通道技术、受者信息处理技术、信息抗干扰技术等。
4）、按技术的功能层次不同，可将信息技术体系分为基础层次的信息技术（如新材料技术、新能源技术），支撑层次的信息技术（如机械技术、电子技术、激光技术、生物技术、空间技术等），主体层次的信息技术（如感测技术、通信技术、计算机技术、控制技术），应用层次的信息技术（如文化教育、商业贸易、工农业生产、社会管理中用以提高效率和效益的各种自动化、智能化、信息化应用软件与设备）。
2.2信息技术的发展动态1）、微电子向着高效能方向发展
当代的计算机都是建立在微电子学基础上的。过去在微电子学方面有一个摩尔定律：即芯片集成晶体管数量每18个月左右增加一倍。据最新研究，其已被突破，达到每12个月增加一倍。20世纪50年代，面积为0.1平方英寸的硅片上只能装上1个电子元件，现在则高达3万多个。
现在人们普遍认为微电子技术即将进入“后光刻时代”，未来随着纳米科技的发展可能将使计算机建立在更微观集成、更高速的基础之上，引起筛子领域的一次新的革命。其结果是：（1）效率更高。纳米技术能制造更节能、更便宜的微处理器，使计算机效率提高百万倍，可生产出更高效率的宽带网，海量存贮器，集传感、数据处理、通讯为一体的智能器件。（2）体积更小。纳米计算机可缩小到头发丝直径的千分之一。美国已利用纳米技术制造出了跳蚤大小的机器人，该项技术使用了微电脑，机器人具有初级逻辑思维能力。此外，该机器人还能在绝对危险或人类所不能及的环境条件下进行工作，用它可以完成核反应堆内的故障处理，此项技术也可用于原子的运送及原子的重新排列。（3）功能更奇。可把装有飞机驾驶程序的纳米芯片植入人体体内，通过细胞接受信息，不用培训你就能驾驶飞机。
预计本世纪应用电子自旋、核自旋、光子技术和生物芯片的功能强大的计算机将要问世，可以模拟人的大脑，用于传感认识和思维加工。预计在未来十多年内可以产生存贮量达到每立方毫米100万G，而功耗仅仅为超大规模集成电路千万分之一的生物芯片。
总之，可以预见，微电子与电子器件及集成结构功能将向着高集成度、高速度、低功耗、低成本方向发展。
2）、计算机向着多极化方向发展
21世纪，计算机向着超高速度、小型化、并行处理（同时处理）、智能化方向发展。它的发展轨迹不同于自然界的“大鱼吃小鱼”，而是“快鱼吃慢鱼”，谁占领了市场先机谁就成为主导产品。
目前在计算机领域有一个10倍速定律：即每5~7年速度增加10倍，体积减少10倍，价格下降10倍，这一定律也即将被突破。
在超高速方面，IBM的高性能计算机峰值已达到每秒300万亿次以上。美国计划在2010年前研制出千万亿次计算机。从量子理论推出来的极限计算机，其速度将达1051次/秒，且内存可达1031比特。
在小型化方面，日本在利用集成电路方面，将一家电视台（包括设备和信息采集存贮）压缩到纽扣小的芯片上，取得了初步成功。他们准备将其再压缩到药片大小，甚至设想将检查设备通过药片置入病人体内，以直接观察病人的病情。
在智能化方面，冰箱电脑里事先存储了你的饮食习惯，零食、油米酱醋等吃完了，它会自动连接互联网，替你向超市订购；微波炉可以自动下载食谱，只要你事先把买回的鸡鸭鱼肉放进去，它便会在你预定的时间自动进行解冻，并做成香喷喷的美味佳肴。
这些预测，实际为人们展现了信息技术无限广阔的发展前景，也说明信息技术离“成熟”还有很大的发展空间。
3）、网络向着高级化方向发展
计算机技术属信息处理技术，通信技术属信息传输技术，在它们各自独立发展阶段，信息技术很难有大的突破。20世纪60年代以后，在计算机技术日臻完善、通信技术普遍数字化后，这两大信息技术在兼容与共存的基础上有机结合在一起，使信息技术进入了信息传输、处理、储存一体化的新时代，一方面实现了现代通信系统在计算机的控制下传播的自动化和高效化，各种通信方式一体化；另一方面，使计算机借助通信线路实现了网络化。总趋势是数据、话音和图像三种技术的融合。
计算机联网后其发展趋势表现为：
1．普及无线联网
通信技术与网络技术相互融合，进一步发展为以无线保真技术为基础的无线联网。它可以通过便携式电脑或其他运算器件随时随地高速联网，而无需电缆。无线保真技术将使个人拥有网络通信能力，这是一次深刻的社会进步。
2．能量无限扩充
网络的出现，使信息资源真正成为了继物质、能源之后的第三大重要资源。计算机联网，特别是1994年因特网商业化以来，因特网带来的网络革命的冲击使世人震惊。用美国人的话来形容：变革之大犹如10次工业革命和基督教改革加在一起发生在一代人之内。因特网造就的电子空间正成为世界各国继陆地、海洋、天空之后争先抢占的“新边疆”，因为，谁在电子空间占有优势，谁就会在网络经济的发展中获得丰硕经济利益，美国近年来经济的发展就是一个实例。的确，网络技术的应用，使计算机的能量实现了无限扩充，信息资源得到了最充分的利用。因为，一个设计优良的网络能够把联机的累积力量植入每个单机；一部微机所联系的网络越大，它的用处越多，力量也越强；上网工作时，不是在使用个人的计算机，而是在使用一台能量无限扩充的庞大计算机。不仅如此，未来的网络发展是要将分布在地球各个角落宽带多媒体业务无缝地连接起来，用户可以在任何一个地方用任何一种接入方式，访问全球任何一个数据库和网络。同时可以和任何用户保持任何方式的通信交流。另外，网络将超越地球引入太阳系甚至更远的空间。
3．功能逐步完善
传统网络由于技术和基础设施的局限，在网络安全、规模、性能、提供的业务能力方面都存在缺陷，未来的网络必将朝着更大、更快、更及时、更安全、更方便的方向发展。
由中国自主研发的下一代互联网主干网核心技术2006年9月正式通过国家验收，这一成果确定了中国在世界下一代互联网中的领先地位，也标志着中国在世界下一代互联网研究与建设上占据了一席之地。下一代互联网主干网在核心技术上实现了四大突破，其中三项属于国际首创，这不仅确立了中国在下一代互联网领域的领先定位，有了话语权，更重要的是，彻底摆脱了对国外互联网关键技术及产品的依赖，在确保国家信息安全的同时，对中国互联网产业将产生重要影响。
下一代互联网与现代互联网的区别：更快；更大；更安全；更及时；更方便。
更快——下一代互联网将比现在的网络传输速度提高1000-10000倍。
更大——目前，网络最大的问题就是网络地址资源有限，在目前的IPV4协议下，现有地址中的70%已分配光，明显制约着互联网的发展。从理论上讲，现在使用的IP地址有43亿个，其中北美占有3/4，约30亿个，而人口最多的亚洲只有不到4亿个，中国只有3000万多一点，由于IP地址不足，许多国家只有采用地址共享、拔号上网的方式利用互联网，严重制约了这些国家互联网的应用和发展。与现在的网络相比，下一代互联网将逐渐放弃IPV4，启用IPV6地址协议，下一代网络的最大优势就是网络地址近乎无限，每人可以拥有1600万个IP地址，几乎可以给你家庭中的每一个可能的东西分配一个自己的IP地址，每个用户的汽车、洗衣机、电话、冰箱等IP地址，在全球互联网上都是唯一的，让数字化生活变成现实。
更安全——目前的计算机网络因为种种原因，存在大量安全隐患，下一代互联网将在建设之初就充分考虑安全问题，可以有效控制、解决网络安全问题。
现代通信技术向着网络化，数字化，宽带化方向发展
4）、现代通信技术向着网络化，数字化，宽带化方向发展
随着数字化技术的发展，音视频和多媒体技术突飞猛进音视频技术是当前最活跃，发展最迅速的高新技术领域。近年来，虽然模拟音频产品在市场上仍占主流，但数字化潮流正在迅猛冲击和变昔模拟领域，数字技术促进了音视频、通信和计算机技术的融合，出现了业务上相互渗透、汇合，在音频产品和技术方面，音频广播仍以模拟技术为主，但各国正在积极开展数字音频广播的研究和实施。组合音响也在向小型和微型的数字化和组合、多声道环绕声方向发展。视频产品和技术方面，家用电视机有逐渐朝向大屏幕发展的趋势。人们正迎来数字电视时代。对于电缆电视而言，有两个重要的发展趋势，即网络化和数字化，总的趋势是向综合信息业务网方向发展。
通信传输在向高速大容量长距离发展，光纤传输速率越来越高，波长从1.3μm发展到1.55μm并已大量采用。一个波长段上用多个信道的波分复用技术已进入实用阶段；光放大器代替光电转换中继器已经实用；相干光通信，光弧子通信已取得重大进展。这将使无中继距离延长到几百甚至几千公里。随着光纤技术的逐渐成熟，光纤技术在通信中的广泛应用，通信技术的带宽正在一点一点的变大，我们可以大胆的预计本世纪通信技术将向带宽化迈进。术上相互吸收、移植的现象，发展了一大批集合性产品和业务，即所谓的"家电产品信息化"。
5）、信息技术将会促使遥感技术的蓬勃发展
感测与识别技术它的作用是扩展人获取信息的感觉器官功能。它包括信息识别、信息提取、信息检测等技术。这类技术的总称是“传感技术”，它几乎可以扩展人类所有感觉器官的传感功能。传感技术、测量技术与通信技术相结合而产生的遥感技术，更使人感知信息的能力得到进一步的加强。随着信息技术的迅速发展，通信技术和传感技术的紧密集合，我们可以预知：遥感技术将会在农田水利、地质勘探、气象预报、海洋开发、环境监测、地图测绘、土地利用调查、灾害性天气预报、森林防火，尤其在地质找矿、森林和土地利用调查、气象预报、地下水和地热调查、地震研究、水利建设、铁路选线、工程地质及城市规划与建设等方面发挥更大的作用。
2.3信息技术发展趋势分析从以上各个方面综合来看，信息技术有一些共同的发展趋势：
（1）高速大容量。速度和容量是紧密联系的，随着要传递和处理的信息量越来越大，高速大容量是必然趋势。因此从器件到系统，从处理、存储到传递，从传输到交换无不向高速大容量的要求发展。
（2）综合集成。社会对信息的多方面需求，要求信息业提供更丰富的产品和服务。因此采集、处理、存储与传递的结合，信息生产与信息使用的结合，各种媒体的结合，各种业务的综合都体现了综合集成的要求。
（3）网络化。通信本身就是网络，其广度和深度在不断发展，计算机也越来越网络化。各个使用终端或使用者都被组织到统一的网络中，国际电联的口号“一个世界，一个网络”。虽然绝对了一些，但其方向是正确的。
（4）数字化。一是便于大规模生产。过去生产一台模拟设备需要花很多时间，模拟电路每一个单独部分都需要进行单独设计单独调测。而数字设备是单元式的，设计非常简单，便于大规模生产，可大大降低成本。二是有利于综合。每一个模拟电路其电路物理特性区别都非常大，而数字电路由二进制电路组成，非常便于综合，要达到一个复杂的性能用模拟方式往往综合不起来。现在数字化发展非常迅速，各种说法也很多，如数字化世界、数字化地球等。而搞数字化最主要的优点就是便于大规模生产和便于综合这两大方面。
总之，人类将全面进入信息时代。信息产业无疑将成为未来全球经济中最宏大、最具活力的产业。信息将成为知识经济社会中最重要的资源和竞争要素，信息技术也会成为各国研究和发展的重要对象。
2.4信息技术发展新亮点1）、物联网
物联网是新一代信息技术的重要组成部分。物联网的英文名称叫“TheInternetofthings”。顾名思义，物联网就是“物物相连的互联网”。这有两层意思：第一，物联网的核心和基础仍然是互联网，是在互联网基础上的延伸和扩展的网络；第二，其用户端延伸和扩展到了任何物体与物体之间，进行信息交换和通信。因此，物联网的定义是：通过射频识别（RFID）、红外感应器、全球定位系统、激光扫描器等信息传感设备，按约定的协议，把任何物体与互联网相连接，进行信息交换和通信，以实现对物体的智能化识别、定位、跟踪、监控和管理的一种网络。
业内专家认为，物联网一方面可以提高经济效益，大大节约成本；另一方面可以为全球经济的复苏提供技术动力。目前，美国、欧盟等都在投入巨资深入研究探索物联网。我国也正在高度关注、重视物联网的研究，工业和信息化部会同有关部门，在新一代信息技术方面正在开展研究，以形成支持新一代信息技术发展的政策措施。
中国移动总裁王建宙提及，物联网将会成为中国移动未来的发展重点。他表示将会邀请台湾生产RFID、传感器和条形码的厂商和中国移动合作。运用物联网技术，上海移动已为多个行业客户度身打造了集数据采集、传输、处理和业务管理于一体的整套无线综合应用解决方案。最新数据显示，上海移动目前已将超过10万个芯片装载在出租车、公交车上，形式多样的物联网应用在各行各业大显神通，确保城市的有序运作。在上海世博会期间，“车务通”全面运用于上海公共交通系统，以最先进的技术保障世博园区周边大流量交通的顺畅；面向物流企业运输管理的“e物流”，将为用户提供实时准确的货况信息、车辆跟踪定位、运输路径选择、物流网络设计与优化等服务，大大提升物流企业综合竞争能力。
此外，在“物联网”普及以后，用于动物、植物和机器、物品的传感器与电子标签及配套的接口装置的数量将大大超过手机的数量。物联网的推广将会成为推进经济发展的又一个驱动器，为产业开拓了又一个潜力无穷的发展机会。按照目前对物联网的需求，在近年内就需要按亿计的传感器和电子标签，这将大大推进信息技术元件的生产，同时增加大量的就业机会。
2）、媒介融合
网络、手机等新媒体的日益发达，对我们的传播环境产生了很大的冲击。当前iPhone、iPad等新的媒体平台成为公众关注的焦点。随着技术的发展，越来越多的媒体平台将在我们的生活中扮演重要的角色。这些智能化的多样化的媒体终端给受众带来了前所未有的视听冲击。“媒介融合”这一全新的词汇，越来越多地被学界和业界提起，它将是未来媒体发展的一个必然趋向。但目前而言，它还没有一个统一的定义。比较有代表性的观点是美国新闻学会媒介研究中心主任Andrew·Nachison关于媒介融合的定义：媒介融合是“印刷的、音频的、视频的、互动性数字媒体组织间的战略的、操作的、文化的联盟”。当前的融合媒介是以数字化网络为基础，融合新的传播功能的综合载体，例如媒介内容的融合、传播渠道的融合、接收终端的融合等，随着技术的不断进步，媒介融合的界定指标也会发生变化，最终将实现统一形态的媒体平台。从它的发展态势看，这种融合不仅包括媒介融合，而且包括媒体与受众的融合，这两者是深层交织的，未来会更加融合。从传播形式上看，媒介融合方向下的人际传播、组织传播和大众传播将趋于一体，成为一个综合意义的传播模式，作为传统媒体的普通受众，将在媒介融合的浪潮下变成一个个移动的媒体平台和信息互动终端。
那么我们可以想象未来媒介融合的时代，先进的媒体终端在持有人的手中变得灵活丰富，每个人本身就是一个媒体平台，不仅接收着四面八方的信息，而且即时方便地传播着自己的见闻、思想、情感。随着传播技术的演进，媒体平台必将朝着移动化的方向发展，我们人在哪里，哪里就是一个媒体平台，这样每个人都是一个全新的媒体，不仅是新技术的推动者，更是被新技术深深地影响着。正如麦克卢汉早年的观点：“我们自身变成我们观察的东西……我们塑造了工具，此后工具又塑造了我们。”
3）、云计算
云计算（CloudComputing）是网格计算、分布式计算、并行计算、效用计算、网络存储、虚拟化、负载均衡等传统计算机技术和网络技术发展融合的产物。它旨在通过网络把多个成本相对较低的计算实体整合成一个具有强大计算能力的完美系统，并借助SaaS、PaaS、IaaS、MSP等先进的商业模式把这强大的计算能力分布到终端用户手中。
云计算之所以是一种划时代的技术，就是因为它将数量庞大的廉价计算机放进资源池中，用软件容错来降低硬件成本，通过将云计算设施部署在寒冷和电力资源丰富的地区来节省电力成本，通过规模化的共享使用来提高资源利用率。国外代表性云计算平台提供商达到了惊人的10-40倍的性能价格比提升。国内由于技术、规模和统一电价等问题，暂时难以达到同等的性能价格比，我们暂时将这个指标定为5倍。拥有256个节点的中国移动研究院的云计算平台已经达到了5到7倍的性能价格比提升，其性能价格比随着规模和利用率的提升还有提升空间。
围绕因特网搜索创建了一种超动力商业模式。如今，他们又以应用托管、企业搜索以及其他更多形式向企业开放了他们的“云”。2010年4月，谷歌推出了谷歌应用软件引擎（GoogleAppEngine，GAE），这种服务让开发人员可以编译基于Python的应用程序，并可免费使用谷歌的基础设施来进行托管（最高存储空间达500MB）。对于超过此上限的存储空间，谷歌按“每CPU内核每小时”10至12美分及1GB空间15至18美分的标准进行收费。最近，谷歌还公布了提供可由企业自定义的托管企业搜索服务计划。
3 总结随着信息化在全球的快速进展，世界对信息的需求快速增长，信息产品和信息服务对于各个国家、地区、企业、单位、家庭、个人都不可缺少。信息技术在全球的广泛使用，不仅深刻地影响着经济结构与经济效率，而且作为先进生产力的代表，信息技术已成为支撑当今经济活动和社会生活的基石。在这种情况下，信息产业成为世界各国，特别是发达国家竞相投资、重点发展的战略性产业部门。
无论未来出现什么样的信息平台和终端，它们都将更加方便、人性化、智能化，与人的关系也将更加密切。除了媒介融合与实现物联网的必然趋向外，在信息技术发展的带动下，信息产业将成为带动经济增长的引擎。各国都将加快研究信息技术的步伐，人类将会进入“信息高速公路”的信息时代。人们的工作和生活也将因信息技术的发展，而变地更加便捷、舒适、高效。相信未来信息技术的发展必定会给我们带来意想不到的惊喜，让我们翘首以待。
4参考文献[1]物联网http://baike.baidu.com/view/1136308.htm#2
[2]云计算http://baike.baidu.com/view/1316082.htm
[3]鲍立泉.《数字传播技术发展与媒介融合演进》.华中科技大学博士学位论文.2010年5月28日
[4]郎保才，崔继友，鲁磊.《未来信息技术的发展趋势》.2009年3月
[5]信息技术http://baike.baidu.com/view/3226.htm
人工智能发展历程及未来发展趋势
4
低迷发展期：20世纪80年代中—90年代中
随着人工智能的应用规模不断扩大，专家系统存在的应用领域狭窄、缺乏常识性知识、知识获取困难、推理方法单一、缺乏分布式功能、难以与现有数据库兼容等问题逐渐暴露出来。
5
稳步发展期：20世纪90年代中—2010年
由于网络技术特别是互联网技术的发展，加速了人工智能的创新研究，促使人工智能技术进一步走向实用化
6
蓬勃发展期：2011年至今
随着大数据、云计算、互联网、物联网等信息技术的发展，泛在感知数据和图形处理器等计算平台推动以深度神经网络为代表的人工智能技术飞速发展，大幅跨越了科学与应用之间的“技术鸿沟”，诸如图像分类、语音识别、知识问答、人机对弈、无人驾驶等人工智能技术实现了从“不能用、不好用”到“可以用”的技术突破，迎来爆发式增长新高潮
02
人工智能发展现状
全球各国充分认识到人工智能技术引领新一轮产业变革的重大意义，纷纷着重发展，抢滩布局人工智能创新生态。
国际形势
世界主要发达国家把发展人工智能作为提升国家竞争力，维护国家安全的重大战略，各国人工智能战略与政策各有着重点。
2013年以来，美、德、英、法、日、中等国都纷纷出台人工智能战略和政策。各国人工智能战略各有侧重，美国重视人工智能对经济发展、科技领先和国家安全的影响;欧盟国家关注人工智能带来的安全、隐私、尊严等方面的伦理风险;日本希望人工智能推进其超智能社会的建设;中国人工智能政策聚焦于实现人工智能领域的产业化，助力中国的制造强国战略。
因各国科学技术水平和实际国情存在重大差异，因此各个国家人工智能政策在研发重点和重点应用领域存在极大不同。
国内形势
近年来，中国人工智能产业发展迅速，语音识别和计算机视觉成为国内人工智能市场最成熟的两个领域。自2015年开始，中国人工智能产业规模逐年上升，据中国信通院数据，2015年到2018年复合平均增长率为54.6%，高于全球平均水平（约36%）。
下面从多个方面描绘中国人工智能的发展面貌：
01
论文产出：中国人工智能论文总量和高被引论文数均世界第一，人工智能领域论文的全球占比从1997年4.26%增长至2017年的27.68%，遥遥领先其他国家；高校是人工智能论文产出的绝对主力，在全球论文产出百强机构中，87家为高校。中国的高被引论文呈现出快速增长趋势，并在2013年超过美国成为世界第一
02
专利申请：中国已经成为全球人工智能专利布局最多的国家，数量略微领先于美国和日本，而中美日三国占全球总体专利公开数量的74%。专利技术集中在数据处理系统和数字信息传输等领域，其中图像处理分析的相关专利占总发明件数的16%。电力工程也已成为中国人工智能专利布局的重要领域
03
人才投入：中国人工智能人才总量居世界第二，但是杰出人才占比偏低。截至2017年，中国的人工智能人才拥有量达到18232人，占世界总量的8.9%，仅次于美国(13.9%)；高校和科研机构是人工智能人才的主要载体。但按高H因子（又称H指数，用于评价科学家的科研绩效）衡量的中国杰出人才只有977人，不及美国的五分之一，排名世界第六
04
企业规模：中国人工智能企业数量为全球第二，北京是全球人工智能企业最集中的城市。截至2018年6月，全球共监测到人工智能企业总数达4925家，其中美国人工智能企业数2028家，位列全球第一
05
风险投资：中国已成为全球人工智能投融资规模最大的国家；根据2013年到2018年第一季度全球的投融资数据，中国已在人工智能融资规模上超越美国成为全球最“吸金”国家，但是在投融资笔数上，美国仍然在全球处于领先地位
06
产品应用：中国人工智能市场增长迅速，计算机视觉市场规模最大；应用范围广泛，语音和视觉类产品最为成熟。伴随着算法、算力的不断演进和提升，基于语音、自然语言处理和视觉技术，有越来越多的应用和产品落地
03
人工智能发展趋势
人工智能总体将向着规模化、安全化、健康化趋势发展；从全球层面来看，新一代人工智能产业将呈现四个发展趋势。
产业规模趋势
各国政府和产业界投入日益增长，人工智能技术的进一步成熟将带来更多的新产品、新服务，人工智能驱动的自动化将提升全要素生产率增长，产业规模将爆发式增长。
国际竞争趋势
近年来，世界各国紧密出台人工智能规划、政策和投资计划，从国家战略层面强化人工智能布局，在新一轮国际科技竞争将展现出新局面。中国未来将更加深度参与全球人工智能产业合作竞争，成为人工智能的重要推动者。
技术趋势
类脑智能蓄势待发，目前已有多国开始了“脑科学研究”；量子智能也将加快孕育，已成为全球公认下一代计算技术，将为人工智能带来革命性发展机遇。
风险趋势
随着人工智能逐渐普惠社会，人工智能安全风险和社会治理等问题将逐步提上日程。
亿欧智库发布“2018年中国人工智能产业发展城市排行榜”，从城市的企业规模、政策基础、学术基础、产业基础、资本环境五个层面测评城市发展人工智能的实力和前景
北上深杭牢牢占据AI城市实力第一梯队的位置，其他城市在企业规模、资本环境等方面远不及第一梯队城市，但已处于起步发展阶段，在AI商用化阶段有机会快速提升自身实力。返回搜狐，查看更多