AI技術的核心之一是演算法，演算法的不斷最佳化是永不停止的。隨著基礎演算法的不斷完善，AI相關產業鏈已經基本形成。從各種細分化的AI晶片，到各種高效能的子功能模組，以及雲技術演算法共享等層出不窮。在未來幾年，AI技術的行業化細分市場應用的會越來越多，呈現供需兩旺的態勢。

1. 如果讓我來總結深化學習之父Richard Sutton 在“bitter lesson” 中、回想七十年來的人工智慧硏究學到的教訓，那就是“大道至簡，算力為王“。

2. 大家還記得Alexnet 中的local response normalization （LRN）嗎？他當時要用兩顆GPU的，但後來的學者在用新的、算力更高、記憶體更大的GPU時發現一顆已夠，且不需要LRN。

3. 在自然語言處理方面，谷歌的BERT模型是掩蓋住句子的百分之十五，由模型預測的。但後來居上的OpenAI GPT-2 用了雙倍的Transformer 堆疊，任務簡化至只預測下一個Token, 就硬生生把BERT打得體無完膚，且不用做專門任務(task specific) 的微調(finetuning)。

4. 綜上所述，遙望將來，演算法會隨著算力提升而簡化，是今年內可見的發展...

人工智慧在近些年來隨著大資料的發展而受到了廣泛的關注，市場對於人工智慧的呼聲也越來越高，但是在2018年人工智慧也受到了一定的質疑，主要是很多人工智慧產品存在落地難的問題，其實這是人工智慧領域一個由來已久的問題（從1956年至今，人工智慧的發展幾經波折）。

雖然不少人工智慧產品對於應用場景有較為嚴格的要求，但是目前也有不少智慧體開始陸續部署到了生產環境中，也正在發揮出越來越積極的作用，甚至在某些領域，機器人已經起到了非常關鍵的作用，比如汽車生產領域。當然，人工智慧作為產業網際網路的核心技術之一，未來的發展空間還是非常值得期待的。

從落地應用的角度來看，2019年AI領域的研發應該呈現出三個比較明顯的趨勢，其一是AI與物聯網的融合，其二是AI與移動網際網路的融合，其三是AI與行業的融合。其中AI與物聯網的融合是AI走向落地應用非常重要的方式，萬物互聯需要萬物智慧，而這個智慧化背後更需要大資料、雲計算和邊緣計算的支撐，目前國內不少科技公司已經把AI和物聯網的結合（AIoT）作為一個重要的發展戰略。

AI與移動網際網路的融合將體現在智慧手機以及大量的可穿戴智慧裝置領域，從當前的市場環境來看，大型網際網路公司將率先完成AI與移動網際網路的結合，主要的呈現方式就是平臺類產品將更加智慧化。當然這個過程也需要大量的資料採集和分析，大資料是人工智慧的重要基礎，而這也正是網際網路公司的優勢之一。

AI與行業的結合是產業結構升級的必然結果，AI與行業的結合也將有多種方式，包括智慧化的辦公系統、智慧化的生產系統、智慧化的服務系統等等。

最後，AI的發展需要一個不斷迭代的過程，其中基礎研究將起到關鍵的作用。從這個角度來看，人工智慧產品的落地應用也將是一個漫長的過程。