十八大以來我國的信息化水平大幅提升，互聯網用戶數量躍居世界第一，信息領域核心技術步深刻改變了人們生活的諸多方面，而人工智能技術和應用飛速發展，帶來更為持久深刻的思維與變革。

近年來我國人工智能在技術、應用等產業各個領域實現快速進步的同時，其發展環境也持續優化，為未來人工智能的大進步、大發展，以及與實體經濟的融合進一步夯實基礎。

2018年中國人工智能市場規模分析

在我國國家戰略規劃中，人工智能已超越技術概念，上升為國內產業轉升級、國際競爭力提升的發展立足點和新機遇;行業應用層面，巨大的行業應用需求場景、研發能力積累與海量的數據資源、開放的市場宏觀環境有機結合，形成了我國人工智能發展的獨特優勢，依靠應用市場廣闊前景，推動技術革新，形成技術和市場共同驅動。

據前瞻產業研究院發布的《人工智能行業市場前瞻與投資戰略規劃分析報告》統計數據顯示，2014年中國人工智能市場規模僅僅達到50億元左右，到了2016年中國人工智能市場規模突破100億元，達到了100.6億元。2017后中國人工智能市場規模超150億元。2018年中國人工智能市場規模將超過230億元。

我國人工智能發展展望分析

1、認知性應用將成為亮點。芯片和算法的優化將進一步提升計算機視覺和語言識別的應用成熟度。人臉識別將成為計算機視覺技術的競爭熱點，格靈深瞳等創新企業有望在動態視覺檢測中取得關鍵突破。科大訊飛等國內語音識別技術商將利用數據優勢，推動語音識別技術平臺化，進一步提升多場景下的語言識別準確率。人工智能技術可能迎來新的質變契機，淺層次感知應用將與更高水平的認知智能融合發展，能夠在邏輯判斷基礎上實現認知推理、情感互動、輔助性決策的認知性應用將成為業界亮點。

2、行業資源整合持續推進。預計2018年，國內人工智能產業將延續穩步增長態勢，產業規模預計將超過230億元，投融資事件數量將相對減少，但單筆金額增大，基礎層企業將通過技術創新擴大規模，技術層和應用層企業數量將保持穩步增長。國內平臺層面資源將加速整合，大企業將通過投資并購迅速獲得相應細分領域中的前沿核心技術，降低研發失敗的風險，在行業資源整合中發揮越來越重要的作用。

3、與實體經濟融合將加速。新一代人工智能技術將與實體經濟持續滲透融合，為零售、交通、醫療、制造業、金融等產業帶來提效降費、轉型升級的實際效能。無人商店、無人送貨車、病例細胞篩查、數字孿生、智慧工廠、3D打印、智能投顧等新產品、新服務將大量涌現，從而加速培育產業新動能，開拓實體經濟新增長點，有力推動我國經濟結構優化升級。

4、本支持方向趨向集中。預計2018年，國內人工智能領域的投融資總量穩中有增，資本將更多聚集在應用層細分領域的龍頭企業，投資事件數量將減少，單筆投融資數目將增大，馬太效應將日益凸顯。投資焦點將從應用層逐步下移，AI芯片等基礎層和深度學習算法應用等技術層將獲得資本市場的更大關注，投融資層次將更為豐富。

2019年人工智能產業五大趨勢

●AI推動芯片產業變革

芯片產業正在因為AI發生洗牌，傳統的芯片產業格局將會發生巨大變化，這種情況將在2019年更加突出。以AWS、微軟、谷歌、Facebook、阿里云為首的技術驅動型公司將加大AI芯片的投入，會給芯片市場帶來更多變數。

之所以越來越公司開始投入到AI芯片研發之中，是因為AI模型訓練需要專門的硬件來執行復雜的數學計算，才能加快執行目標檢測和人臉識別等任務，AI芯片可以針對計算機視覺、自然語言處理和語音識別相關的特定用例及場景進行優化。

2019年，英特爾、英偉達、AMD和高通等傳統芯片制造商將推出專門AI芯片。而以AWS、Facebook、阿里云等超級技術公司則會加大對芯片的研發投入，這些芯片將在AI和高性能計算基礎上針對現代工作負載做出大量優化，其中某些芯片還將幫助下一代數據庫加快查詢處理和預測分析速度。

可以說，對于技術驅動型公司而言，AI芯片無疑是全棧AI能力的一個重要環節，不會輕易放棄。

● 邊緣計算推動AI與IoT融合

邊緣計算的好處就是能夠更加快速的響應需求，對于物聯網等應用可謂是再合適不過。2019年開始，公有云上越來越多模型將開始用于邊緣計算，尤其是對設備進行異常檢測、根源分析和預測維護的工業物聯網是AI的最佳用例。基于深度神經網絡的先進機器學習模型將得到優化，以便在邊緣運行，未來將有能力處理視頻、語音等非結構化數據。物聯網必將成為企業人工智能的最大推動力。

● ONNX將打破神經網絡互操作性阻礙

如今，一大堆各種機器學習框架，加上一大堆各種人工智能硬件平臺，框架和平臺之間缺乏良好的支持，給機器學習和人工智能應用帶來了嚴重的阻礙。2019年，這種情況將會得到改善。ONNX組織的成立，將讓神經網絡工具包、硬件平臺之間互操作性大幅提升。之前模型只能在特定框架中進行調試和評估的情況將大幅改善。

微軟、Facebooke等公司發起了“開放式神經網絡交換”（ONNX）組織，并提出了相應的標準格式，使得經過調試的神經網絡模型向其他框架移植成為可能。目前，已經有阿里云、百度云、英偉達等一批公司加入到該組織之中，2019年ONNX將變得更加重要，從研究人員到制造商等所有核心參與者都將依賴ONNX作為推理的標準運行框架。

● 自動化機器學習將成為主流

自動化機器學習（AutoML）已成為一個發展趨勢，它將從根本上改變基于機器學習的解決方案，可使其不經過傳統調試程序即可改進機器學習模型，進而處理復雜的場景。AutoML非常適用于認知應用編程接口（API）和自定義機器學習平臺。與被視為“黑盒子”的認知API不同，自動化機器學習既能提供同等的靈活性，同時又具備自定義數據和可移植性。

● AIOps實現DevOps自動化

DevOps是一套完整的IT運維工作流，以IT自動化和持續集成、持續部署為基礎，來優化程序開發、測試、系統運維等所有環節。DevOps強調軟件開發人員和運維人員的溝通合作，通過自動化流程來使軟件的構建、測試、發布更加快捷、頻繁和可靠。

AIOps即AI for IT Operations，指將人工智能應用于IT運維領域，基于已有的運維數據，通過機器學習來進一步解決自動化運維難以解決的問題。現代化應用程序和基礎設施可以生成用于索引、搜索和分析的日志數據。從硬件、操作系統、服務器軟件和應用軟件中獲取的海量數據集可以聚合和關聯，然后形成方案和模式。

當機器學習模型應用于這些數據集時，IT運行即可從被動響應轉變為主動預測。AI力量應用于運營將重新定義基礎設施的管理方式。2019年，AIOps將成為主流，公有云供應商和企業將從AI和DevOps的融合中受益。