最近，阿里雲研究中心發布了《人工智慧：未來致勝之道》的報告，對於人工智慧的定內涵、應用、未來趨勢、格局都做了詳盡的分析，非常具有參考意義。其主要觀點有：
其中，報告從人工智慧的技術突破和應用價值兩維度分析，提到未來人工智慧將會出現這三個階段吸引了我們的注意：在人工智慧及現有技術的基礎上，技術取得邊際進步，機器始終作為人的輔助；在應用層面，人工智慧拓展、整合多個垂直行業應用，豐富實用場景。隨著資料和場景的增加，人工智慧創造的價值呈現指數增長。
人工智慧技術取得顯著突破，如自然語言處理技術可以及時完全理解類人對話，甚至**出「潛台詞」。在技術創新的領域，現有的應用向縱深拓展，價值創造限制在技術取得突破的領域。
人工智慧技術取得顯著突破，應用範圍顯著拓寬，人機完全融合，人工智慧全面超過人類，無所不在，且顛覆各個行業和領域，價值創造極高。從報告中可以看到，在未來三到五年人工智慧還是以服務性、功能性為主，也可以理解為我們之前所熟知的「弱ai」。按洪小文院長之前在我們公開課中的說法
強ai其實沒有那麼強，弱ai其實可以很強。其在某一方面會相當熟練，甚至超過人類的水準。從目前人工智慧的實際運用來看，大部分還是處於這個範疇中。可以預見未來仍將繼續處於這一階段，直到出現顯著科技突破的那一天。
另外，報告中我們有關注到人工智慧產業鏈這一塊，對於這個大家十分感興趣的部分也進行了梳理。
人工智慧產業鏈根據技術層級從上到下，分為
基礎層基礎層最靠近「雲」，應用層最靠近「端」。技術層應用層
基礎層（按技術層級從上到下，下同）
在計算能力層中，目前從事gpu的主要是英偉達，fpga則是英特爾，這兩家一直以來都致力於在硬體層面加速人工智慧的發展歷程。神經網路晶元可關注國內這幾家公司，中星微、寒武紀以及西井科技，目前都屬於行業中的領先者。
目前雖然說各行各業、各種各樣的資料都在大爆發，但是目前主要的幾大資料**還是：自籌資料、公共資料、產業協同資料。技術層不過自籌資料需要投入太大，公共資料覆蓋面還是不足，產業協同資料也需要一定的成本。
這樣看來，目前在資料層主要關注的還是bat這一類擁有大量使用者基數、涵蓋各大使用場景的大廠。
有關機器學習中的演算法理念也是大家經常討論的話題，例如決策樹、貝葉斯分類、邏輯回歸、聚類演算法、主成分分、統計演算法等，這些都是在日常使用中經常需要用到的演算法。另外，除了深度學習、增強學習，目前遷移學習這個理念被提起的頻次也越來越高，其能讓現有的模型演算法稍加調整即可應用於乙個新的領域和功能的一項技術，這個概念目前在機器學習中其實比較少見，但其實它的潛力也可以相當巨大。
語音識別包括像科大訊飛這樣的，影象識別則有圖森科技、圖譜科技。應用層
阿里作為bat三巨頭之一，依託其本身資料以及實力優勢，其對於行業的認識要比普通從業者以及大眾來得明確。其發布的這份人工智慧報告可以說為大家解釋清楚了不少疑惑，具有一定的指導意義。
我們另外也有請教北極光創投的張黎，他表示：
目前ai產業鏈剛剛開始，乙個重要標誌就是研究領域取得的進展差不多開始進入工業化了，所以創業公司的機會還是挺多的，具體地
目前大體是，唯一的區別可能就是技術比重大一些。關於上面的問題我們還可以繼續**。不過總體而言，對於創業公司來說，報告中對於人工智慧產業鏈以及商業模式進行了初步畫圖，對於剛剛開始的創業公司來說，還是能看到一些蛛絲馬跡。
創業公司可以從報告中一窺未來的人工智慧創業機會在**，目前來看技術層與應用層仍然機會很大。另外，雖然在當前大資料時代從基礎層級入手可能會比較麻煩，但是如果有技術優勢且能有持續資本的支援下，仍然會有不少機會。
致創業者 APP已死 服務永生
舉幾個簡單的例子來證明一下。雷軍創辦的小公尺為何會實現4年160倍的估值？有人說，雷軍會網際網路炒作。其實大錯特錯，順勢 定位 營銷 最高價效比，這其實根本沒有秘籍，小公尺仍然是一步步的用心做產品，做服務，並沒有以次充好。知名的雕爺做了精油 牛腩飯，又開始做美甲，據說獲得大筆融資。那麼雕爺的模式能持...
人工智慧創業盈利點在何處
科技世界，最賺錢的公司往往不是聚光燈下的公司。譬如在大資料時代 短暫流行過後，這個詞已經老了 最賺錢的不是大資料公司，而是為大資料提供底層支援的雲計算公司 而在人工智慧時代，真正激發的是大資料市場，ai最重要的邏輯是用資料做智慧型化訓練，所以在人工智慧時代，最賺錢的公司並不是像商湯和face 這類的...
人工智慧創業的「風口」和「泡沫」
因為資本 人才和市場三位一體的優勢，美國的人工智慧初創企業不僅數量最多，而且質量最高,型別最為齊全。從舊金山到矽谷，從西雅圖到紐約，在ai晶元 ai平台 自動駕駛 智慧型金融 智慧型醫療 機械人 智慧型物聯網 智慧型教育 智慧型客服等領域裡創業的公司數不勝數。英國是另乙個人工智慧創業的樂園，研發al...