在計(jì)算需求的未來發(fā)展中，傳統(tǒng)芯片已面臨計(jì)算機(jī)硬件和架構(gòu)的限制。類腦芯片跳出了馮·諾依曼架構(gòu)的技術(shù)路線，或?qū)⒊蔀槲磥砗Ａ繑?shù)據(jù)處理的基礎(chǔ)硬件。未來的工業(yè)生產(chǎn)中將更加依賴智能傳感器解析和處理信息的能力。同時(shí)，智能傳感器正逐步集成到日常物品中構(gòu)建智能環(huán)境，與人互動(dòng)產(chǎn)生數(shù)據(jù)，從基礎(chǔ)層加速人工智能的發(fā)展。

人工智能強(qiáng)調(diào)像人一樣思考和行動(dòng)，以符號(hào)主義、連接主義和行為主義為三大主流派系，分別從仿生學(xué)、數(shù)理邏輯和控制論來定義人工智能的發(fā)展路徑。

過去五十年中，人工智能從理論基礎(chǔ)與算法基礎(chǔ)逐步走向應(yīng)用，對(duì)計(jì)算力的要求也從數(shù)值計(jì)算轉(zhuǎn)向智能推演，但在人工智能產(chǎn)業(yè)的漫漫征途中，這僅僅只是跨出了第一步。

數(shù)據(jù)源、軟件框架、算力等基礎(chǔ)設(shè)施正在不斷拓展人工智能算法的開發(fā)場(chǎng)景。日漸優(yōu)化的人工智能開發(fā)環(huán)境下，Al算法和Al技術(shù)不斷拓寬的?能力邊界正在加速'Al+行業(yè)'的部署。人工智能正在逐步影響現(xiàn)實(shí)世界的生活與工作的方方面面。

人工智能當(dāng)前以數(shù)據(jù)和算力為驅(qū)動(dòng)∶1.通過Al數(shù)據(jù)框架高效篩選和半自動(dòng)標(biāo)注進(jìn)行數(shù)據(jù)預(yù)處理;2.在主流框架開發(fā)環(huán)境中通過預(yù)置模型算法提升開發(fā)效率;3.分布式集群加速模型訓(xùn)練; 4.端邊云部署，支持各種線上場(chǎng)景;5.Al共享平臺(tái)∶企業(yè)構(gòu)筑內(nèi)外部Al生態(tài)。

在計(jì)算需求的未來發(fā)展中，傳統(tǒng)芯片已面臨計(jì)算機(jī)硬件和架構(gòu)的限制。類腦芯片跳出了馮·諾依曼架構(gòu)的技術(shù)路線，或?qū)⒊蔀槲磥砗Ａ繑?shù)據(jù)處理的基礎(chǔ)硬件。

未來的工業(yè)生產(chǎn)中將更加依賴智能傳感器解析和處理信息的能力。同時(shí)，智能傳感器正逐步集成到日常物品中構(gòu)建智能環(huán)境，與人互動(dòng)產(chǎn)生數(shù)據(jù)，從基礎(chǔ)層加速人工智能的發(fā)展。

機(jī)器學(xué)習(xí)正在飛速發(fā)展，除了深度學(xué)習(xí)、強(qiáng)化學(xué)習(xí)還派生出了元學(xué)習(xí)等前沿技術(shù)，在趨勢(shì)中向可解釋的機(jī)器學(xué)習(xí)、邊緣計(jì)算和量子機(jī)器學(xué)習(xí)發(fā)展?。

機(jī)器學(xué)習(xí)關(guān)注如何用計(jì)算的方法模擬類人的學(xué)習(xí)行為∶從歷史經(jīng)驗(yàn)中獲取規(guī)律（或模型），并將其應(yīng)用到新的類似場(chǎng)景中。機(jī)器學(xué)習(xí)的最新進(jìn)展是由新的學(xué)習(xí)算法和理論的發(fā)展以及在線數(shù)據(jù)和低成本計(jì)算的持續(xù)爆炸所推動(dòng)的。但機(jī)器學(xué)習(xí)領(lǐng)域還很年輕，它仍在迅速擴(kuò)展。

智能語音與計(jì)算機(jī)視覺的技術(shù)發(fā)展都已進(jìn)入商業(yè)化應(yīng)用階段，智能語音市場(chǎng)競(jìng)爭(zhēng)激烈，而計(jì)算機(jī)視覺市場(chǎng)仍然在打開市場(chǎng)空間。未來，語音與視覺等模態(tài)將相互融合發(fā)展。

隨著人工智能的智能化程度提升，語音、圖像、視頻等模態(tài)將趨于融合，語音可視化將成為可能。深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的引進(jìn)使語言模態(tài)、文字模態(tài)、圖像模態(tài)、視頻模態(tài)的編碼和解碼可在同一個(gè)深度學(xué)習(xí)框架下統(tǒng)一運(yùn)行，不同模態(tài)的對(duì)象可被同一模式編碼與解碼，同一模式的編碼與解碼可使不同模態(tài)對(duì)象隨意融合，語音分析結(jié)果可與圖像分析結(jié)果結(jié)合應(yīng)用。

由于深度學(xué)習(xí)模型參數(shù)量、計(jì)算量大，模型在計(jì)算資源受限的端側(cè)設(shè)備上的嵌入式系統(tǒng)部署難，故需要對(duì)傳統(tǒng)深度學(xué)習(xí)的方法進(jìn)行調(diào)優(yōu)。模型壓縮包括網(wǎng)絡(luò)剪枝、權(quán)值量化共享權(quán)重、霍夫曼編碼、知識(shí)遷移淺層網(wǎng)絡(luò)等方式，對(duì)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行無精度損失的壓縮。

人工智能專用芯片與智能傳感器的發(fā)展，大幅提高了端側(cè)設(shè)備的計(jì)算資源容量。同時(shí)，模型壓縮后的人工智能算法支持輕量化和低成本化部署。

Al+行業(yè)正在聚焦多元化的應(yīng)用場(chǎng)景，不同產(chǎn)業(yè)及領(lǐng)域的智能化轉(zhuǎn)型將大規(guī)模提高人工智能的用戶基數(shù)為人工智能領(lǐng)域的發(fā)展提供巨大的空間，并逐漸向其他相關(guān)產(chǎn)業(yè)輻射。

隨著自動(dòng)駕駛技術(shù)向完全自動(dòng)化階段發(fā)展，自動(dòng)駕駛將對(duì)終端交互應(yīng)用、保險(xiǎn)行業(yè)、出行服務(wù)、物流行業(yè)、城市規(guī)劃等領(lǐng)域產(chǎn)生破壞性影響。

量子人工智能（簡(jiǎn)稱QAI）是量子力學(xué)與人工智能相結(jié)合的跨學(xué)科領(lǐng)域，分兩種不同的途徑與方法∶構(gòu)建改善當(dāng)前人工智能系統(tǒng)的量子算法；建立在量子計(jì)算機(jī)基礎(chǔ)上的量子增強(qiáng)型人工智能算法。

量子計(jì)算和人工智能技術(shù)各自經(jīng)歷了起起落落、螺旋上升的發(fā)展歷程，而現(xiàn)在正迎來二者深度交叉的最好時(shí)機(jī)。

人工智能正在加速對(duì)量子力學(xué)理論和量子材料科學(xué)的深層次理解，進(jìn)而發(fā)展出能夠發(fā)揮量子特性的計(jì)算機(jī)方從效率和能耗上打破摩爾定律的掣肘，使算力的發(fā)展曲線迎來全新的高峰爬坡期。而具備更高性能的量子計(jì)算機(jī)充分滿足人工智能的計(jì)算需求，將賦能人工智能持續(xù)迭代。