人工智能（Artificial Intelligence，简称AI）已经嵌入到多个生活场景中，成为下一轮技术革命的重要驱动力。从微观层面来看，机器翻译、资讯分发和辅助驾驶等AI应用已经让人类生活更加美好和便捷。而在宏观层面，AI也被寄望为经济增长的新引擎，具有替代繁琐、重复人类工作，提升资源配置效率并减少生产损耗等优势。

人工智能前景判断：1）技术层面：短期或不及预期，长期仍有望引爆新一轮技术革命。2）产业层面：短期看商业模式，中期看公司技术研发，长期看基础研究突破。

人工智能是模拟人类思维和行为的系统，当前处于弱AI时代。人工智能旨在模拟人类思考方式、行为规划和学习能力，最终像人类一样感知周边环境并且做出反应。当前人工智能处于仅能解决特定问题且往往扮演辅助角色的弱AI时代。

人工智能螺旋式发展，经历三个时期：1）起步时期：1956年达特茅斯会议提出人工智能概念，计算机性能和数据量制约AI发展。2）专家系统时期：“知识库+推理机”实现AI商用化，台式机性能提升终结专家系统。3）深度学习时期：2006年Hinton论文开启当前深度学习时代。

人工智能已是新风口，技术是核心驱动力。2017年全球AI融资超150亿美元，谷歌、亚马逊、苹果以及百度、腾讯等中美科技巨头纷纷布局。算法、算力和数据是AI发展的核心驱动力：深度学习算法使AI迈入数据驱动时代，互联网孕育海量的多维度数据，GPU并行计算能力为“大数据+神经网络”提供算力。

人工智能产业链分为基础层、技术层和应用层，中国产业布局偏好技术成熟、应用性强的领域，对需要长周期、基础研究的芯片的关注度小。

1）基础层提供算力和“操作系统”。芯片赛道，GPU仍是人工智能[敏感词]，产业格局呈三足鼎立，AI专用芯片中国企业存弯道超车机会。开发框架赛道，“开源+巨头支持”是主流模式，TensorFlow、Torch等各有所长。

2）技术层解决具体类别问题。语音识别负责语音转文本，技术和行业格局趋于成熟，但智能音箱等消费级产品或已侵蚀Nuance等头部企业先发优势。自然语言处理实现机器“听得懂”，技术成熟度较低，市场分散且未形成头部企业，新入局者仍有机会。计算机视觉实现机器“看得懂”，静态物体识别趋于成熟，安防厂商、互联网巨头和创业公司是主要玩家。

3）应用层解决实践问题。目前AI产品普遍是人类辅助者，自动驾驶或是下一个重量级市场。语音场景，智能音箱流量入口属性使科技巨头群雄逐鹿，生态整合决定发展前景。安防场景，视频结构化、人脸比对助力警务管理，误报率、动态人脸监控仍是短板。金融场景，应用于身份认证、征信风控和投顾理财。医疗场景，应用于医学影像、辅助诊疗和语音电子病例，腾讯觅影已筛查400多例早期食道癌病例。自动驾驶场景，主流系统处于辅助驾驶级别，谷歌、特斯拉和百度领跑中美自动驾驶赛道。

机器如何像人类和动物一样高效地学习？机器如何学习世界的运作方式并获得常识？机器如何学会推理和计划？当前的人工智能架构，如自回归大型语言模型，是不是人工智能技术的最终走向？日前，纽约大学教授、Meta副总裁和首席AI科学家杨立昆（Yann LeCun）做客华盛顿大学Lytle电子和计算机工程公益讲堂，发表了自己的见解。

LeCun认为，目前计算机尚未真正建立起人类一般的“世界模型（World Model）”，目前的大语言模型尽管“丝滑”，但规划、推理能力非常有限，况且人类大多数知识不是文字性的。回顾过去人工智能发展的历程，人类总是陷入“莫拉维克悖论（Moravec’s paradox）”，即对人来说简单的事情，对机器很难；反之亦然。他提出，要模仿人类思维的根本模式构建“目标驱动的人工智能系统（Objective-Driven AI Systems）”。他还指出，研究人工智能技术对全人类是有益的，人工智能系统不可能成为与我们展开生存竞争的“第二主体”。