三駕馬車共驅人工智能技術演進發展
人工智能（ArtificialIntelligence）是一項為機器賦予人類行為能力、思考能力、情感能力，實現人類、機器、自然三者和諧統一的科學技術。縱觀曆史，人工智能技術演進是由硬件、算法、數據三駕馬車共同牽引的結果。此三者互促共進、精密咬合，共同構築人工智能技術體系。
硬件包含底層芯片和運算平台，是機器能夠快速處理大規模數據、執行複雜算法的骨幹。其中，計算機（1945年）、摩爾定律（1965年）、機器人（1990年）和量子計算機（2011年）是人工智能穩健發展的重要支撐。
軟件包含模拟人類智能的方法，是機器能夠流暢進行思考和運動的靈魂。其中，邏輯學算法（1955年）、人工神經元網絡（1980年）和深度學習算法（2006年）是人工智能内涵發展的關鍵要素。
數據包含海量數據的采集和标注，是機器能夠精确構建數學預測模型的養料。其中，互聯網（1969年）、物聯網（1999年）、雲計算（2006年）和大數據（2008年）是人工智能突破發展的催化因子。
當前，在硬件、算法持續獲得關注的同時，數據供給日益成為全社會高度重視的熱點，訓練數據的安全、深度、質量和準确度極大影響了人工智能的外化性能。
人工智能是自然、社會、賽博三維空間中所蘊藏智能的“耦合器”。它将人類從繁瑣的腦力勞動中解放出來，代替人類挖掘發現自然智能，輔助人類開展經濟社會研判與決策，為人類可視化展示智能圖譜，實現自然生物智慧、社會發展規律、信息技術原理的三位一體。人工智能技術所覆蓋的領域正在不斷泛化，包括人類大腦仿思、人類軀體仿行、人類器官仿感和人機交互仿真等四類功能，涉及機器學習（深度學習）、機器感覺、自然語言理解、虛拟現實（增強現實）等分支。
因此，從實現功能上看，人工智能技術體系是層次化、邏輯化、系統化的，主要分為執行聚能、思考賦能、交互提升和應用釋能等四層。其中，執行聚能層是智能機器感知人類社會和自然環境的前端神經，主要包括智能傳感、芯片處理、3D顯示和自動控制等具有采集、處理、顯示和控制功能的技術；思考賦能層是智能機器進行深度挖掘知識的中樞大腦，主要包括雲計算、大數據、機器學習（深度學習）等具有數據存儲、運算、分析功能的技術；交互提升層是智能機器與人類溝通交流的友好界面，包括機器感覺、虛拟現實（增強現實）等具有認識人類社會和自然環境等具有描述、重構功能的技術；應用釋能層是智能機器走進人類社會的助推工具，包括教育、醫療、文化、音樂、法律等各領域垂直應用平台。
三股力量共塑人工智能發展格局
自1956年人工智能技術被認定為科學學科以來，政府、企業、科研機構成為推動人工智能發展的三股主要力量。
在人工智能技術發展初期（1956年-1980年），科研機構一直是引領人工智能技術前進的主導力量。麻省理工學院、卡耐基梅隆大學、斯坦福大學、愛丁堡大學等在當時具備頂尖的人工智能研究實力和專業人才，鑄造了人工智能第一次發展繁榮期，使機器掌握了解答代數和幾何題、理解和使用英語的能力。
在人工智能技術發展中期（1981年-2000年），企業逐步取代科研機構成為驅動人工智能技術前進的核心力量。美國微電子與技術技術集團、蘋果公司、IBM公司、Intel公司不斷革新人工智能的硬件、算法，推動人工智能技術從第二次發展低谷中重新崛起，締造了深藍計算機戰勝國際象棋大師卡斯帕羅夫的裡程碑事件。
政府在這兩個階段一直在觀望者和支持者兩個角色中搖擺不定。在人工智能兩次發展的繁榮期（1956年-1974年和1980年-1987年）都是堅定的支持者，政府向人工智能技術研究注入了大量資金。其中美國國防部高級研究計劃局（DARPA）是這兩次繁榮期資金投入的中堅力量。而政府在人工智能發展的低谷期（1974年-1980年，1987年-1993年）則活躍度較低，大幅減少人工智能技術研究資金投入。
自2000年以來，政府、企業、科研機構三股力量逐漸共振形成加快人工智能技術發展的合力。
一是企業、科研機構走向融合，聯合助力人工智能技術商業應用。紐約大學的雅恩•樂昆（YannLeCun）、多倫多大學的傑弗裡•辛頓（GeoffreyHinton）和斯坦福大學的吳恩達（AndrewNg）等人工智能高端人才分别加入Facebook公司、Google公司和百度公司，建立人工智能實驗室，實現先進研究力量和領先産業力量的強強聯手。人工智能技術呈現出兩條發展脈絡。第一條脈絡是芯片處理性能提升脈絡，以Google公司TPU、Nvidia公司GPU、Intel公司CPU+FPGA、IBM公司Truenorth類腦芯片為代表的一系列芯片處理器集中出現，不斷颠覆傳統馮諾依曼計算架構，提升了人工智能技術的運算速度；另一條脈絡是開源平台建設脈絡，以Google公司Tensorflow平台、Facebook公司Torchnet平台、IBM公司TrueNorth平台、微軟公司AzureML平台等為代表的一大批開源平台不斷湧現，最大化集聚應用開發者和用戶，開啟了人工智能技術發展的新紀元。
二是政府更加積極堅定地支持人工智能的發展，鼓勵多樣化、颠覆性的技術、應用和模式創新。美國政府發布了《為人工智能的未來做好準備》和《國家人工智能研究與發展策略規劃》兩份重要報告，在審視了人工智能發展現狀的基礎上，分析了人工智能發展所面臨的公共政策問題和潛在應用前景，提出了國家資助人工智能研究的總體發展策略。歐盟啟動了未來腦科學研究計劃—“人腦計劃”，面向腦研究構建系統生成、分析、集成模拟數據的大型研究平台。我國出台了《“互聯網+”人工智能三年行動實施方案》，緻力于打造“一個平台”—人工智能基礎資源與創新平台，突破“一項技術”—基礎核心技術，構建“三個體系”—人工智能産業體系、創新服務體系和标準化體系。
三種模式共建人工智能産業生态
人工智能産業鍊主要是由基礎設施（硬件、數據）、核心算法（算法工具、通用技術）、應用平台（開源平台）和解決方案（垂直領域應用）等環節構成。三種模式正在從不同路徑共造人工智能産業生态。
一是自上而下，即單個企業從人工智能産業鍊上遊（基礎設施）開始向下遊（核心算法、應用平台、解決方案）延伸。Intel公司斥資4億美元收購深度學習初創企業NervanaSystems,布局基于雲計算的深度學習軟件服務。同時，Intel公司與智能語音服務提供商科大訊飛合作推動軟硬件一體化設計和優化，聯合打造人工智能計算平台創新解決方案，實現以“芯片升級提升應用體驗、以應用測試打磨芯片設計”。
二是自下而上，即單個企業從人工智能産業鍊下遊（解決方案）開始向上遊（基礎設施）回溯。地平線機器人公司在打造支持輔助駕駛的“雨果”應用平台和面向智能家居的“安徒生”應用平台的同時，正在加緊為研制深度學習定制的高性能、低功耗、低成本神經網絡芯片NPU(NeuralProcessingUnit)，打造一套完整開放的軟硬件一站式人工智能解決方案。
三是自中間到兩端，即單個企業從人工智能産業鍊中遊（應用平台）開始向上遊（基礎設施)、下遊（解決方案）環節擴展。Google公司以深度學習開源平台Tensorflow為核心，分别在人工智能産業鍊上遊研制了深度學習芯片張量處理器TPU（TensorProcessingUnit）,在下遊布局了一系列智能應用，包括智能助手（GoogleAssistant）、無線揚聲器和語音命令設備（GoogleHome）、消息應用（Allo）和視頻呼叫應用（Duo）。IBM公司除了着力打造了集“理解、學習和推理”于一體的人工智能平台Waston,還重點研發了集成“54億個晶體管、4096個内核、100萬個神經元、2.56億個突觸”的類腦芯片Truenorth,以及發展沃森管理顧問（WastonEngagementAdviser）、沃森搜索（WastonExplorer）、沃森知識工作室（WatsonKnowledgeStudio）、沃森公司分析師（WatsonCompanyAnalyzer）、沃森健康（WatsonHealth）等應用。
工業經濟時代，産業發展的主要動力來源是企業，企業個體通過沿産業鍊條不斷擴大業務覆蓋領域和自身體量，以巨無霸的姿态推動整個産業不斷躍遷。而網絡經濟時代，産業發展的主要動力來源是産業生态，一批網絡互聯型企業通過分工明确、協調聯動的産業鍊條共建産業生态體系，以企業集群的新型組織形式拉動整個産業向前邁進。
可以預計，未來幾年，人工智能産業中企業合作、投資并購熱潮将進一步升溫。目前，美國Google、Facebook、Amazon、IBM、Microsoft等五家頂尖科技公司已聯合成立了人工智能聯盟，緻力于研究最佳對策、發布研究報告和制定人工智能技術标準。
三點展望暢想人工智能發展
人工智能代表了新一輪科技革命的前進方向。人類曆史上的前三次科技革命将人類從繁重體力勞動中解放出來，社會生産力得到了巨大發展；而新一輪科技革命旨在将人類從複雜的腦力勞動中解放出來，進一步提高人類認識自然、改造自然的能力。人工智能未來将沿着“三化”（集成化、規則化、安全化）的發展路線闊步前行。
集成化。人工智能技術将繼續滲透進入經濟社會各個領域，但其應用解決方案碎片化、不系統的局面會得到終結，将朝基于人機友好的集成化方向發展。目前，以微軟“Cortana”、蘋果“Siri”、亞馬遜“Alexa”為代表的人工智能虛拟助手正走入尋常百姓家，成為人們日常生産生活密不可分的重要夥伴。繼桌面應用程序、移動APP後，人工智能助手有望成為下一代互聯網綜合服務的統一入口。人們通過與人工智能助手進行溝通，将獲得集吃喝遊購娛于一體的一站式定制化、精準化人工智能服務體驗。
規則化。從深層次看，人工智能不僅是對人類行為、思考、情感能力的再造，更是對人類基于這些能力所創造的這個社會系統的再造。因此，人工智能應作為未來将與人類共同生活的個體看待，其與人類之間的倫理道德關系應當被嚴格規定。考慮一種極端情況，“當無人駕駛汽車要急轉彎避讓行人，但這樣有可能撞牆害死車上的乘客，它将如何選擇？”，類似這種倫理道德問題需要在人工智能的世界用規則研究固化下來。
安全化。随着人工智能對于數據依賴性的不斷提高，數據安全問題未來将會引發廣泛關注。如何确定用于機器學習（深度學習）參數訓練的數據集的真實性，将是未來每個人工智能從業人員都難以回避的問題。數據有可能會在采集、清洗、存儲等各個環節受到惡意的篡改，最終導緻人工智能訓練模型出現錯誤。因此，确保數據全生命周期的不可篡改，對增強人工智能數據信任度是尤為重要的。未來可以考慮，利用區塊鍊技術記錄數據從生成到最後被用于訓練的全生命周期的運行内容。
總之，人工智能浪潮方興未艾，三駕馬車（硬件、算法、數據）、三股力量（政府、企業、科研機構）、三種模式（自上而下、自下而上、自中間到兩端）分别成為驅動人工智能技術發展、塑造人工智能發展格局、構建人工智能産業生态的重要規律。圍繞人工智能所面臨的“成長的煩惱”，未來“三化”（集成化、規則化、安全化）将會成為讓其行穩緻遠的可行性發展路徑。