人工智能（Artificial Intelligence，簡稱AI）已經嵌入到多個生活場景中，成為下一輪技術革命的重要驅動力。從微觀層面來看，機器翻譯、資訊分發和輔助駕駛等AI應用已經讓人類生活更加美好和便捷。而在宏觀層面，AI也被寄望為經濟增長的新引擎，具有替代繁瑣、重復人類工作，提升資源配置效率并減少生產損耗等優勢。

人工智能前景判斷：1）技術層面：短期或不及預期，長期仍有望引爆新一輪技術革命。2）產業層面：短期看商業模式，中期看公司技術研發，長期看基礎研究突破。

人工智能是模擬人類思維和行為的系統，當前處于弱AI時代。人工智能旨在模擬人類思考方式、行為規劃和學習能力，最終像人類一樣感知周邊環境并且做出反應。當前人工智能處于僅能解決特定問題且往往扮演輔助角色的弱AI時代。

人工智能螺旋式發展，經歷三個時期：1）起步時期：1956年達特茅斯會議提出人工智能概念，計算機性能和數據量制約AI發展。2）專家系統時期：“知識庫+推理機”實現AI商用化，臺式機性能提升終結專家系統。3）深度學習時期：2006年Hinton論文開啟當前深度學習時代。

人工智能已是新風口，技術是核心驅動力。2017年全球AI融資超150億美元，谷歌、亞馬遜、蘋果以及百度、騰訊等中美科技巨頭紛紛布局。算法、算力和數據是AI發展的核心驅動力：深度學習算法使AI邁入數據驅動時代，互聯網孕育海量的多維度數據，GPU并行計算能力為“大數據+神經網絡”提供算力。

人工智能產業鏈分為基礎層、技術層和應用層，中國產業布局偏好技術成熟、應用性強的領域，對需要長周期、基礎研究的芯片的關注度小。

1）基礎層提供算力和“操作系統”。芯片賽道，GPU仍是人工智能[敏感詞]，產業格局呈三足鼎立，AI專用芯片中國企業存彎道超車機會。開發框架賽道，“開源+巨頭支持”是主流模式，TensorFlow、Torch等各有所長。

2）技術層解決具體類別問題。語音識別負責語音轉文本，技術和行業格局趨于成熟，但智能音箱等消費級產品或已侵蝕Nuance等頭部企業先發優勢。自然語言處理實現機器“聽得懂”，技術成熟度較低，市場分散且未形成頭部企業，新入局者仍有機會。計算機視覺實現機器“看得懂”，靜態物體識別趨于成熟，安防廠商、互聯網巨頭和創業公司是主要玩家。

3）應用層解決實踐問題。目前AI產品普遍是人類輔助者，自動駕駛或是下一個重量級市場。語音場景，智能音箱流量入口屬性使科技巨頭群雄逐鹿，生態整合決定發展前景。安防場景，視頻結構化、人臉比對助力警務管理，誤報率、動態人臉監控仍是短板。金融場景，應用于身份認證、征信風控和投顧理財。醫療場景，應用于醫學影像、輔助診療和語音電子病例，騰訊覓影已篩查400多例早期食道癌病例。自動駕駛場景，主流系統處于輔助駕駛級別，谷歌、特斯拉和百度領跑中美自動駕駛賽道。

機器如何像人類和動物一樣高效地學習？機器如何學習世界的運作方式并獲得常識？機器如何學會推理和計劃？當前的人工智能架構，如自回歸大型語言模型，是不是人工智能技術的最終走向？日前，紐約大學教授、Meta副總裁和首席AI科學家楊立昆（Yann LeCun）做客華盛頓大學Lytle電子和計算機工程公益講堂，發表了自己的見解。

LeCun認為，目前計算機尚未真正建立起人類一般的“世界模型（World Model）”，目前的大語言模型盡管“絲滑”，但規劃、推理能力非常有限，況且人類大多數知識不是文字性的?；仡欉^去人工智能發展的歷程，人類總是陷入“莫拉維克悖論（Moravec’s paradox）”，即對人來說簡單的事情，對機器很難；反之亦然。他提出，要模仿人類思維的根本模式構建“目標驅動的人工智能系統（Objective-Driven AI Systems）”。他還指出，研究人工智能技術對全人類是有益的，人工智能系統不可能成為與我們展開生存競爭的“第二主體”。