目前中國地區人工智慧領域獲得投資最多的五大細分領域是計算機視覺(研發類)、自然語言處理、私人虛擬助理、智慧機器人和語音識別。從投資領域和趨勢來看，未來國內人工智慧行業的資本將主要湧向機器學習與場景應用兩大方向。
一、機器學習與場景應用將迎來下一輪爆發
根據VentureScanner的統計，截至2015年9月，全球人工智慧領域獲得投資的公司中，按照平均融資額度排名的五大業務依次是：機器學習(應用類)、智慧機器人、計算機視覺(研發類)、機器學習(研發類)和影片內容識別等。
資料儲存容量和技術能力的提升為機器學習爆發提供了基礎保障，而機器學習又是人工智慧的核心技術和涵蓋面最廣的應用手段;但由於現階段運算能力的侷限和通用解決方案的研發門檻限制，基於安防、智慧生活、教育和健康等場景的場景應用成為了大多數國內企業在人工智慧領域的突破口。
二、專用領域的智慧化仍是發展核心
基於GPU(圖形處理器)計算速度(每半年效能增加一倍)和基礎技術平臺的飛速發展，企業對於人工智慧神經網路的構建取得了前所未有的突破。但是，由於人工智慧各領域技術和演算法的複雜性，未來20年內人工智慧的應用仍將集中於人臉和影象識別、語音助手和智慧家居等專用領域。
透過上述產業鏈環節構成和投資分類可以看出，優勢企業的核心競爭力主要集中於特定領域的專用技術研發;其中，計算機視覺和語音識別領域的研發和應用已處於國際一流水平，專業應用機器人的研發也有望近10年內迎來突破性發展。
可以預見的是，在由專業領域向通用領域過渡的過程中，自然語言處理與計算機視覺兩個方向將會成為人工智慧通用應用最大的兩個突破口。在未來20年內，通用領域研發所需的技術和資料也會隨著各專用領域差異化發展的日臻成熟而迎來突破。
三、產業分工日漸明晰，企業合作大於競爭
隨著專用領域應用開發的成熟和差異化技術門檻的存在，國內人工智慧產業將逐漸分化為底層基礎構建、通用場景應用和專用應用研發三個方向。
在底層基礎構建方面，騰訊、阿里巴巴、百度、華為等企業依託自身資料、演算法、技術和伺服器優勢為行業鏈條的各公司提供基礎資源支援的同時，也會將自身優勢轉化為通用和專業應用領域的研究，從而形成自身生態內的人工智慧產業鏈閉環。
在通用場景應用方面，以科大訊飛(002230)、格靈深瞳、融合現實和曠視科技為代表的企業將主要以計算機視覺和語音識別為方向，為安防、教育和金融等領域提供通用解決方案。
而在專用應用研發方面則集中了大部分硬體和創業企業，這其中既包括以小米和broadlink為代表的智慧家居解決方案商，也包含了出門問問、linkface和優必選這類的差異化應用提供商。
四、系統級開源將成為常態
任何一個人工智慧研究分支都涉及到異常龐大的程式碼計算，加上漏洞排查與跨領域交叉，任何一家企業都無法做到在封閉環境內取得階段性突破的可能。
可以看到的趨勢是，Google、微軟、Facebook和雅虎等視人工智慧為未來核心競爭力的頂級企業都先後開放了自身的人工智慧系統。
需要明確的一點是，開源並不代表核心技術和演算法的完全出讓，底層系統的開源將會讓更多企業從不同維度參與到人工智慧相關領域的研發，這為行業層面新產品的快速迭代和共同試錯提供了一個良性且規範化的共生平臺。於開放企業而言，這也確保了它們與行業最新前沿技術的同步。
基於此，騰訊、阿里巴巴、百度和科大訊飛等在人工智慧領域取得領先優勢的企業都在不同維度和空間開放了自身的人工智慧系統。而在未來，隨著專用領域應用的普及和通用技術應用需求的增強，這種開放性還會不斷地加大。
五、演算法突破將拉開競爭差距
作為人工智慧實現的核心，演算法將成為未來國內人工智慧行業最大的競爭門檻。以Google為例，Google旗下的搜尋演算法實驗室每天都要進行超過200次的改進，以完成由關鍵字匹配到知識圖譜、語義搜尋的演算法創新。
在未來競爭的重點機器學習領域，監督學習、非監督學習和增強學習三個方面演算法的競爭將進入白熱化階段。而正是演算法層面的突破造就了騰訊優圖、科大訊飛和格靈深瞳等企業在影象識別和計算機視覺領域取得了突破性進展和國際一線的技術水平。
但就目前國內人工智慧演算法的總體發展而言，工程學演算法雖已取得階段性突破，但基於認知層面的演算法水平還亟待提高，這也是未來競爭的核心領域。
總的來看，雖然基礎技術的成熟帶來了儲存容量和機器學習等人工智慧技術的提升，但由於現階段運算能力以及大規模CPU和GPU並行解決方案的侷限，目前國內人工智慧的發展主要集中於計算機視覺、語音識別、智慧生活等方向上。
目前中國地區人工智慧領域獲得投資最多的五大細分領域是計算機視覺(研發類)、自然語言處理、私人虛擬助理、智慧機器人和語音識別。從投資領域和趨勢來看，未來國內人工智慧行業的資本將主要湧向機器學習與場景應用兩大方向。
一、機器學習與場景應用將迎來下一輪爆發
根據VentureScanner的統計，截至2015年9月，全球人工智慧領域獲得投資的公司中，按照平均融資額度排名的五大業務依次是：機器學習(應用類)、智慧機器人、計算機視覺(研發類)、機器學習(研發類)和影片內容識別等。
目前中國地區人工智慧領域獲得投資最多的五大細分領域是計算機視覺(研發類)、自然語言處理、私人虛擬助理、智慧機器人和語音識別。從投資領域和趨勢來看，未來國內人工智慧行業的資本將主要湧向機器學習與場景應用兩大方向。
資料儲存容量和技術能力的提升為機器學習爆發提供了基礎保障，而機器學習又是人工智慧的核心技術和涵蓋面最廣的應用手段;但由於現階段運算能力的侷限和通用解決方案的研發門檻限制，基於安防、智慧生活、教育和健康等場景的場景應用成為了大多數國內企業在人工智慧領域的突破口。
二、專用領域的智慧化仍是發展核心
基於GPU(圖形處理器)計算速度(每半年效能增加一倍)和基礎技術平臺的飛速發展，企業對於人工智慧神經網路的構建取得了前所未有的突破。但是，由於人工智慧各領域技術和演算法的複雜性，未來20年內人工智慧的應用仍將集中於人臉和影象識別、語音助手和智慧家居等專用領域。
透過上述產業鏈環節構成和投資分類可以看出，優勢企業的核心競爭力主要集中於特定領域的專用技術研發;其中，計算機視覺和語音識別領域的研發和應用已處於國際一流水平，專業應用機器人的研發也有望近10年內迎來突破性發展。
可以預見的是，在由專業領域向通用領域過渡的過程中，自然語言處理與計算機視覺兩個方向將會成為人工智慧通用應用最大的兩個突破口。在未來20年內，通用領域研發所需的技術和資料也會隨著各專用領域差異化發展的日臻成熟而迎來突破。
三、產業分工日漸明晰，企業合作大於競爭
隨著專用領域應用開發的成熟和差異化技術門檻的存在，國內人工智慧產業將逐漸分化為底層基礎構建、通用場景應用和專用應用研發三個方向。
在底層基礎構建方面，騰訊、阿里巴巴、百度、華為等企業依託自身資料、演算法、技術和伺服器優勢為行業鏈條的各公司提供基礎資源支援的同時，也會將自身優勢轉化為通用和專業應用領域的研究，從而形成自身生態內的人工智慧產業鏈閉環。
在通用場景應用方面，以科大訊飛(002230)、格靈深瞳、融合現實和曠視科技為代表的企業將主要以計算機視覺和語音識別為方向，為安防、教育和金融等領域提供通用解決方案。
而在專用應用研發方面則集中了大部分硬體和創業企業，這其中既包括以小米和broadlink為代表的智慧家居解決方案商，也包含了出門問問、linkface和優必選這類的差異化應用提供商。
四、系統級開源將成為常態
任何一個人工智慧研究分支都涉及到異常龐大的程式碼計算，加上漏洞排查與跨領域交叉，任何一家企業都無法做到在封閉環境內取得階段性突破的可能。
可以看到的趨勢是，Google、微軟、Facebook和雅虎等視人工智慧為未來核心競爭力的頂級企業都先後開放了自身的人工智慧系統。
需要明確的一點是，開源並不代表核心技術和演算法的完全出讓，底層系統的開源將會讓更多企業從不同維度參與到人工智慧相關領域的研發，這為行業層面新產品的快速迭代和共同試錯提供了一個良性且規範化的共生平臺。於開放企業而言，這也確保了它們與行業最新前沿技術的同步。
基於此，騰訊、阿里巴巴、百度和科大訊飛等在人工智慧領域取得領先優勢的企業都在不同維度和空間開放了自身的人工智慧系統。而在未來，隨著專用領域應用的普及和通用技術應用需求的增強，這種開放性還會不斷地加大。
五、演算法突破將拉開競爭差距
作為人工智慧實現的核心，演算法將成為未來國內人工智慧行業最大的競爭門檻。以Google為例，Google旗下的搜尋演算法實驗室每天都要進行超過200次的改進，以完成由關鍵字匹配到知識圖譜、語義搜尋的演算法創新。
在未來競爭的重點機器學習領域，監督學習、非監督學習和增強學習三個方面演算法的競爭將進入白熱化階段。而正是演算法層面的突破造就了騰訊優圖、科大訊飛和格靈深瞳等企業在影象識別和計算機視覺領域取得了突破性進展和國際一線的技術水平。
但就目前國內人工智慧演算法的總體發展而言，工程學演算法雖已取得階段性突破，但基於認知層面的演算法水平還亟待提高，這也是未來競爭的核心領域。
總的來看，雖然基礎技術的成熟帶來了儲存容量和機器學習等人工智慧技術的提升，但由於現階段運算能力以及大規模CPU和GPU並行解決方案的侷限，目前國內人工智慧的發展主要集中於計算機視覺、語音識別、智慧生活等方向上。