人工智能发展到一定程度后就是解放生产力：说白了你需要手动去干的活越来越少，需要迈的步子也会越来越少。（但这可不是指科幻电影里的那堆东西）举个例子，大家都用过的谷歌翻译和智能识图；前者是翻译软件中的代表之一，我们不用翻开厚厚的词典就可以get到作者的意思，这其实依托于nlp（自然语言处理）领域的贡献。

后者是cv（计算机视觉）领域的代表作，我们可以快速的识别出图中的字，或者获取图中物体的种类。那么继续发展呢？我们是否可以继续强化推荐和搜索能力（老生常谈的智能化推荐算法）？一句话让机器能迅速get我的意思，然后筛选出最合我心意的信息。

因此我认为人工智能带来的变化首当其冲的是信息获取渠道的极大便捷化 。

十年听起来好像并不遥远，但当我们站在2020年，再回首十年前，你会发现这十年间的变化真的是翻天覆地的。

十年前，我们没有智能手机、没有微信、没有滴滴、没有平板电脑，科技也没有发展的这么迅速。那么，未来十年，在云计算和人工智能的加持下，世界又会发生哪些巨大的改变呢？

目前，5G马上就要到来，国家也在大力推动5G和人工智能的相关项目，可以预见的是，未来十年，在云计算、大数据和人工智能的加持下，产业智能化转型一定会加速起航。

我们来说说人工智能领域。

在医疗行业，人工智能发展的十分迅猛，“机器学习” 与”深度学习”是未来的大势所趋。实际上，医疗人工智能作为一种提高效率的工具，今天已经覆盖了医疗产业链条上的医疗、医药、医保、医院四大环节。

此外，零售行业也一直被认为是人工智能技术的新风口。此前，无论是阿里巴巴提出的“新零售”，还是京东提出的“无界零售”，其本质都是希望利用大数据、云计算和人工智能等技术打破传统零售在空间、品类和供应链上的组织形式。

“无人售货”就是个很好的例子。

不难看出，未来十年，智能化转型在很大程度上将成为决定行业或企业生死攸关的关键因素，其重要性不言而喻。

不过想实现人工智能，我们还有很长的路要走。虽然业界已经认识到人工智能能给各行各业带来的巨大效益，但它却很难在一夜之间大规模的“普及化”。

其面临的主要挑战包括以下几个方面：

一、算力指数级增长的压力

在实际应用中，相比云计算和大数据等应用，人工智能对于计算力的需求几乎是“永无止境”的。数据显示，自2012年以来，每3.5个月用于AI的计算量就会翻一倍，6年内用于AI的计算量已经增长了30万倍。由此可见，人工智能对于算力的需求是呈现出指数级的增长。

二、如何快速建立AI应用

今天很多的中国企业坐拥海量数据，他们也热切期待着，随时准备投资能帮助企业提高收益、降低成本的AI技术与人才。但是，在此过程中，很多企业会发现市场上没有公司能明确指出，这个行业的AI应用应该如何搭建。换句话说，很多传统行业在进入AI智能的过程中，摸不到头脑。

三、如何发展AI的开发能力

行业AI的普及化不可能“一蹴而就”，这是一个长期更新迭代的过程，特别是智能化作为这个进程当中最为重要的一环，它不仅需要AI技术与传统行业的深度融合，也要求面向不同行业要有“因地制宜”的创新解决方案，更取决于中国能否形成软件、硬件与服务“三位一体”的AI创新。

总的来说，未来十年通过云计算和人工智能的加持和广泛应用，行业和企业走向智能化已是大势所趋，而在这个过程中，中国乃至整个世界也会面临各种挑战与机遇。

所以，这个过程一定是任重而道远的，在企业和行业转型期间，AI人才也会变得供不应求，想入行的谋求红利的小伙伴，一定要趁早了！

目前来看，未来AI发展有八大新趋势

1趋势一：AI 于各行业垂直领域应用具有巨大的潜力

人工智能市场在零售、交通运输和自动化、制造业及农业等各行业垂直领域具有巨大的潜力。而驱动市场的主要因素，是人工智能技术在各种终端用户垂直领域的应用数量不断增加，尤其是改善对终端消费者服务。

当然人工智能市场要起来也受到IT基础设施完善、智能手机及智能穿戴式设备的普及。其中，以自然语言处理(NLP)应用市场占AI市场很大部分。随着自然语言处理的技术不断精进而驱动消费者服务的成长，还有：汽车信息通讯娱乐系统、AI机器人及支持AI的智能手机等领域。

2趋势二：AI导入医疗保健行业维持高速成长

由于医疗保健行业大量使用大数据及人工智能，进而精准改善疾病诊断、医疗人员与患者之间人力的不平衡、降低医疗成本、促进跨行业合作关系。此外AI还广泛应用于临床试验、大型医疗计划、医疗咨询与宣传推广和销售开发。人工智能导入医疗保健行业从2016年到2022年维持很高成长，预计从2016年的6.671亿美元达到2022年的79.888亿美元年均复合增长率为52.68%。

3趋势三：AI取代屏幕成为新UI / UX接口

过去从PC到手机时代以来，用户接口都是透过屏幕或键盘来互动。随着智能喇叭(Smart Speaker)、虚拟/增强现实(VR/AR)与自动驾驶车系统陆续进入人类生活环境，加速在不需要屏幕的情况下，人们也能够很轻松自在与运算系统沟通。这表示着人工智能透过自然语言处理与机器学习让技术变得更为直观，也变得较易操控，未来将可以取代屏幕在用户接口与用户体验的地位。人工智能除了在企业后端扮演重要角色外，在技术接口也可承担更复杂角色。例如：使用视觉图形的自动驾驶车，透过人工神经网络以实现实时翻译，也就是说，人工智能让接口变得更为简单且更有智能，也因此设定了未来互动的高标准模式。

4趋势四：未来手机芯片一定内建AI运算核心

现阶段主流的ARM架构处理器速度不够快，若要进行大量的图像运算仍嫌不足，所以未来的手机芯片一定会内建AI运算核心。正如，苹果将3D感测技术带入iPhone之后，Android阵营智能手机将在明年(2017)跟进导入3D感测相关应用。

5趋势五：AI芯片关键在于成功整合软硬件

AI芯片的核心是半导体及算法。AI硬件主要是要求更快指令周期与低功耗，包括GPU、DSP、ASIC、FPGA和神经元芯片，且须与深度学习算法相结合，而成功相结合的关键在于先进的封装技术。总体来说GPU比FPGA快，而在功率效能方面FPGA比GPU好，所以AI硬件选择就看产品供货商的需求考虑而定。例如，苹果的Face ID脸部辨识就是3D深度感测芯片加上神经引擎运算功能，整合高达8个组件进行分析，分别是红外线镜头、泛光感应组件、距离传感器、环境光传感器、前端相机、点阵投影器、喇叭与麦克风。苹果强调用户的生物识别数据，包含：指纹或脸部辨识都以加密形式储存在iPhone内部，所以不易被窃取。

6趋势六：AI自主学习是终极目标

AI“大脑”变聪明是分阶段进行，从机器学习进化到深度学习，再进化至自主学习。目前，仍处于机器学习及深度学习的阶段，若要达到自主学习需要解决四大关键问题。首先，是为自主机器打造一个AI平台;还要提供一个能够让自主机器进行自主学习的虚拟环境，必须符合物理法则，碰撞，压力，效果都要与现实世界一样;然后再将AI的“大脑”放到自主机器的框架中;最后建立虚拟世界入口(VR)。目前，NVIDIA推出自主机器处理器Xavier，就在为自主机器的商用和普及做准备工作。

7趋势七：最完美的架构是把CPU和GPU(或其他处理器)结合起来

未来，还会推出许多专门的领域所需的超强性能的处理器，但是CPU是通用于各种设备，什么场景都可以适用。所以，最完美的架构是把CPU和GPU(或其他处理器)结合起来。例如，NVIDIA推出CUDA计算架构，将专用功能ASIC与通用编程模型相结合，使开发人员实现多种算法。

8趋势八：AR成为AI的眼睛，两者是互补、不可或缺

未来的AI需要AR，未来的AR也需要AI，可以将AR比喻成AI的眼睛。为了机器人学习而创造的在虚拟世界，本身就是虚拟现实。还有，如果要让人进入到虚拟环境去对机器人进行训练，还需要更多其它的技术。

结语

至于 CPU是否会被TPU、NPU、VPU….等之类新类型处理器取代，答案应该不会。因为，新出现的处理器只是为了处理新发现或尚未解决的问题，而且未来倾向将CPU整合。同时，芯片市场期望能有更多竞争及选择，不要英特尔、高通独大。

物联网时代来临，以往大家认为摩尔定律最后会走到极限，但未来硅时代是异质性及跨界的整合，还有很多需求未出现。NVIDIA执行官黄仁勋则表示，摩尔定律已经是旧时代的法则，GPU的计算速率和神经网络复杂性都在过去2到5年内呈现出爆发性成长。

展望未来，随着AI、物联网、VR/AR、5G等技术成熟，将带动新一波半导体产业的30年荣景，包括：内存、中央处理器、通讯与传感器四大芯片，各种新产品应用芯片需求不断增加，以中国在半导体的庞大市场优势绝对在全球可扮演关键的角色。

以后人工智能可能会把每个人都安排的明明白白的，那些数据会永远的记录下来，我想到的是对历史的影响。数据很重要，我猜想每个人都想要自己存在过的证据。

现在的数据的话很多大公司都进来添一块砖，海量数据就需要惊人的计算量，Intel在这方便就要做得很好，击败摩尔定律而完成自己的人工智能时代。

为了以后人工智能时代到来而准备硬件，不仅仅是为了商战，还是一种社会责任。

我想人工智能可能在未来十年代替很多人的工作，也会在很多领域有一种新的创作，比如说手机可以折叠，会让生活更加便利。未来应该是朝着更好的方向发展吧！不要害怕改变

一、算力指数级增长的压力

在实际应用中，相比云计算和大数据等应用，人工智能对于计算力的需求几乎是“永无止境”的。数据显示，自2012年以来，每3.5个月用于AI的计算量就会翻一倍，6年内用于AI的计算量已经增长了30万倍。由此可见，人工智能对于算力的需求是呈现出指数级的增长。

二、如何快速建立AI应用

今天很多的中国企业坐拥海量数据，他们也热切期待着，随时准备投资能帮助企业提高收益、降低成本的AI技术与人才。但是，在此过程中，很多企业会发现市场上没有公司能明确指出，这个行业的AI应用应该如何搭建。换句话说，很多传统行业在进入AI智能的过程中，摸不到头脑。

三、如何发展AI的开发能力

行业AI的普及化不可能“一蹴而就”，这是一个长期更新迭代的过程，特别是智能化作为这个进程当中最为重要的一环，它不仅需要AI技术与传统行业的深度融合，也要求面向不同行业要有“因地制宜”的创新解决方案，更取决于中国能否形成软件、硬件与服务“三位一体”的AI创新。