當前的人工智慧可以總結為資料和智慧演算法的結合，也就是透過對過往經驗的分析得到實驗模型，並且利用這種模型指導實際的業務。如果把人工智慧看作人類大腦的話，裡面的血液就是資料，而承載著資料的流轉的血管可以看作是相關的機器學習演算法。

1.資料現狀

什麼是資料呢？它既包括宇宙中天體運動的速度、角度及天體的質量，也包括人類文明的留下的文字、建築、詩畫等。資料無處不在，但資料的價值在於如何被採集和利用。

雖然諸如Facebook、Google和阿里巴巴這樣的國際網際網路巨頭已經積累了大量的資料，並且將資料進行分析來促進自身業務發展。但是截止到今天，全世界每年儲存下來的資料不足資料產生總量的百分之一，其中可以被標記並且分析的資料更少。這種現狀造成了兩方面的瓶頸，一是資料產生和資料收集的瓶頸，二是採集到的資料和能被分析的資料之間的瓶頸。

出現數據產生和資料採集的瓶頸的原因是多方面的，一方面是硬體儲存成本的限制，另一方面是資料的採集缺乏標準。雖然網際網路公司在資料採集和標準制定方面已經形成了一套成熟的體系，但對於傳統行業來說，資料的採集方式還處於摸索當中。

資料採集方面固然還需要制定更多的標準以及更強技術的支援，但是資料的應用方面也存在很多的缺陷。目前可以供分析的資料還只佔很小的比例，原因主要有兩方面：一是目前比較主流的機器學習演算法都是監督學習演算法，它需要的資料來源是打標過的資料，而打標資料很多時候依賴於人工標記，人工打標的成本太高；二是當前對於非結構化資料處理能力較低，非結構化資料指的是文字、圖片、語音、影片這樣的資料，目前的科技水平在大批次處理和特徵提取方面依然處於相對基礎的階段。

網際網路在不斷髮展，資料生成的步伐也不會停止。在未來，資料就像是水電煤一樣，會成為重要的基礎資源。在大資料時代，資料一定會展現出更大的潛能，人類社會也會進入資料處理技術(Data Technology，DT)時代。

2.機器學習演算法現狀

傳統的機器工作模式是這樣的：程式設計師向機器輸入一連串的指令(程式碼)，然後機器按照這些指令一步一步執行下去，最終的結果通常是我們可以事先預料的。機器學習方法是計算機利用已有的資料(經驗)得出了某種模型，並利用這些模型來預測未來的一種方法。這個過程與人的學習過程極為相似，如下圖所示：如今生活在這樣的大資料時代，隨時隨地都可以看到機器學習的影子，透過機器對大資料進行分析而帶來的人工智慧應用，正在一點一點地改變人們的生活方式和思維方式。機器學習的常見場景如下：

1) 聚類場景：人群劃分和產品種類劃分等。

3) 迴歸場景：降雨量預測、商品購買量預測和股票成交額預測等。

4) 文字分析場景：新聞的標籤提取、文字自動分類和文字關鍵資訊抽取等。

5) 關係圖演算法：社交網路關係(Social Network Site，SNS)挖掘和金融風險控制等。

6) 模式識別：語音識別、影象識別和手寫字識別等。

隨著資料智慧、資料驅動等思想的傳播，機器學習演算法正在成為一種普世的基礎能力向外輸出。我們可以大膽猜測，未來隨著演算法和計算能力的發展，機器學習會在金融、醫療、教育、安全等各個領域有更深層次的應用，到那個時候，機器學習演算法將真正做到顛覆生活並改變人類的命運。

中國目前AI人工智慧發展如何呢，首先要明確的是我中國AI領域發展肯定是走在世界前列的。但是現在國內並沒有多少業內的資料來說明。那隻能用對比的方法來說下。

華為，這個企業大家都熟悉。5G時代的引領者，5G合同最多的企業，如果不是美國的阻擾，可能會更多，第一個生產相容NSA/SA的5G晶片的廠商，在高通第一代NSA/SA晶片還沒量產的情況下，華為已經生產出了第二代的5G晶片麒麟990晶片。這些是領先於其他基站生產商和晶片生產商的資料，當之無愧的5G引領者。

重要的來了，華為這麼牛B，最大的成就就是美國要舉全國的洪荒之力來對付華為，華為能做到這個份上，其實這個成績已經在業內是當真的第一，其中的最好的體現就是那份實體清單，現在是系統斷供，晶片斷供，美國還要求盟友不要用華為的5G技術。那為什麼美國要這麼做呢？5G是下一代社會變革的關鍵技術之一，很多新興產業都有用5G 來實現，美國是當今頭號科技強國，但是在5G這個方面他落後了，不得已只能打壓對手來贏得時間讓美國的5G發展起來，說白了華為的5G已經阻礙到美國的發展，所以美國要瘋狂打壓華為，要讓華為成長不起來，甚至於毀滅掉華為。

現在我們來談下AI，昨天有8家高科企業入選美國的實體清單，仔細發現入選的企業都是AI的高科企業，華為入選美國的實體清單，那是華為影響美國的5G發展，那麼中國的AI企業入選，那就說明一個問題，那就是中國AI技術起碼是可以跟美國競爭，甚至於有可能也是跟華為一樣可以阻礙美國的AI發展。