1、70年基礎理論的不斷增長與完善

2、網際網路驅動的大資料形成與積累

3、資料演算法與模型的創新設計

4、分散式整合超級算力的支撐

首先，目前人工智慧依然處在行業發展的初期，雖然市場上出現了大量的人工智慧產品，但是這些智慧化產品幾乎都有嚴格的使用場景限制，屬於“弱人工智慧”，因此人工智慧雖然在當下的大資料時代得到了一定的發展，但是學科的整體發展速度還是比較平穩的。

隨著大資料技術的發展，人工智慧迎來了前所未有的發展機會，在自然語言處理、機器學習和計算機視覺等領域都取得了一定的突破，因為這些領域都對資料有大量的要求，尤其是機器學習領域。可以說，資料量越大效果就越好。基於機器學習的不少產品得到了一定範圍的使用，比如在自動駕駛領域、智慧醫療、智慧教育等領域都有一定的應用，所以目前市場上對於人工智慧的宣傳比較多，相關的智慧化產品也越來越豐富。

人工智慧作為產業網際網路賦能傳統行業的重要技術之一，在產業網際網路落地應用的過程中也會得到更多的關注和發展。在產業網際網路建設的過程中，人工智慧產品將更容易發揮作用，一方面原因是產業網際網路有相對完善的技術支撐，包括物聯網、大資料、雲計算等，另一方面原因是產業網際網路的應用場景往往比較固定，這對於現階段的智慧體來說是比較重要的。另外，在不少傳統行業領域，比如汽車製造領域，已經積累了大量智慧體（工業機器人）的使用經驗，這對於智慧體在傳統行業的普及也會起到一定的促進作用。

隨著大資料、雲計算和物聯網的落地應用，未來人工智慧領域的發展空間還是非常值得期待的，所以學習人工智慧相關的知識會對未來的職場發展起到一定的幫助作用。

人工智慧快速發展成為熱點，政府的產業推動是關鍵，各地把人工智慧作為優先產業，並出臺一系列資助政府，核心技術和應用場景的示範作用，帶動了產業興起。但目前人工智慧的起點還較低，只能說近人工智慧，真的人工智慧需跨專業多種技術的突破。

看到這個問題，還是有點感慨的，人工智慧為何能發展這麼快？人工智慧的概念提出自1956年的達特茅斯會議，期間歷經幾次熱捧和冷卻，今天就像歷史上幾次熱捧時候一樣，又進入了一個很熱的時期。

真要說人工智慧發展迅速，這60多年來，也就到今天這種程度，這到底是快還是慢？很難去評說了。如果只想說最近這一兩年為什麼這麼火熱，以及再次從學術界進入普通大眾的視野，還是可以說道說道。

我覺得，人工智慧技術的根基在於計算成本的下降和資訊電子化的普及。這是一個先決條件。2011年到2017年的移動網際網路大發展，將智慧手機送到了每個人的手裡，這是一個前所未有的滲透率。1990年代的PC網際網路普及，已經讓電腦走進了更多人的家庭，但是要說人人都能接入網際網路，那還是遠不及移動網際網路的今天，不然當年“網咖”也完全沒有存在的必要了。

現在人人都有了智慧手機，計算能力遠超當年的家用桌上型電腦，幾乎沒有效能的差別。然後移動App把生活的方方面面都跟網路連線起來了。資料的豐富程度也好，可獲得性也好，這是一個前所未有的時代，人工智慧可以在這個時代大有作為。可以持續在各種領域顛覆人們的認知。所以，可以不斷抓取眼球，保持熱度。

豐富的資料和場景，進一步刺激了應用的動力，於是更多高效的演算法在誕生，這是一個兩相促進的過程。在可遇見的將來，人工智慧仍將是技術領域的主流，因為後面還有物聯網，除了人，更多人使用的電器裝置也會接入到網際網路，會有更加豐富的資料和場景。

以前好像在哪裡看過，人工智慧仍然處於發展的初期階段，所以不論再高深精，但仍然處於萌芽時期。再有，正因為處於發展期，所以看似非常容易用Gartner成熟技術曲線圖來衡量。發展迅速啥都別說，就是在炒作、炒作、還是炒作。

也只有這個經歷，人工智慧才能在後續有更為穩健的成效。

人工智慧之所以能夠以如此之快的速度發展，主要得益於以下幾點：

（1）、雲計算技術的持續突破，使得低成本的大規模平行計算具備了落地基礎；

（2）、大資料在提升人工智慧尤其是機器學習水平方面爆發出強大的能量，而機器學習在人工智慧中扮演著核心角色，是計算機擁有智慧的基礎，尤其是呈現爆發式增長的全球海量資料無疑為人工智慧走向成熟提供了強大推力；

（3）、深度學習技術的持續發展與應用，以及類人腦晶片的研究，為人工智慧可能趕超人類水平提供了有效的落地途經。