- 20世纪50年代，神经网络相关基础理论的提出。
- 20世纪80年代初，算法应用升级。
- 2006年深度学习（深度神经网络）基本理论框架得到了验证，得益于海量数据处理计算能力的成熟，深度学习相关技术崛起。
- 不断优化的人工智能算法，自从2012年深度学习技术相关算法突破后，才正真在给人工智能带来了春天。目前，已有的深度学习算法越来越成熟，算法的精确性、鲁棒性越来越来好。视觉及图像领域是深度学习算法应用最广泛效果最好的场景。
- 被收集的大量数据，人工智能对于数据的需求多种多样，主要看应用场景，不同的应用场景对数据集的要求不同。标注的、结构化特定的应用场景下产生的数据是有价值的。数据分训练集和测试集，要求数据分布均匀。数据量并不是唯一追求的指标，在某些不过分要求精度的应用场景下对数据量的要求并不是很高，反而数据集的质量更为关键。
- 高性能芯片组成的计算能力，当前人工智能芯片可分为两类：一类是平台，通用型深度学习芯片，比如英伟达最新发布的两款Tesla系列深度学习芯片；另一类是根据特定的应用场景，进行定制开发和优化的处理器、硬件加速器，例如专门运用于安防视频或者无人机驾驶汽车等领域的芯片产品。
- 国内智能机器人与无人机相关技术最为火爆，位居于最前列
- 语义分析、语音识别、聊天机器人等自然语言系列的技术位列第二梯队
- 人脸识别、视频/监控、自动驾驶、图像识别等计算机视觉系列的技术位列第三梯队
(电子商务研究中心讯)AI技术行业应用渗透力
人工智能产业链结构：基础层、算法层、应用层
国外巨头：谷歌——AI优先战略
国外巨头：微软——牛津计划
国外巨头：Facebook——开源战略
国外巨头：IBM Waston——AI中的IP
国内巨头：百度从互联网过渡到人工智能公司
国内巨头：阿里巴巴致力于底层搭建
国内巨头：腾讯自研加投资，布局深远
（来源：IT桔子 编选：中国电子商务研究中心）
