1.行業垂直領域應用人工智慧市場在零售、交通運輸和自動化、製造業及農業等各行業垂直領域具有巨大的潛力。而驅動市場的主要因素，是人工智慧技術在各種終端使用者垂直領域的應用數量不斷增加，尤其是改善對終端消費者服務。

2.醫療保健行業成長機器學習和大資料都是掌握海量潛在醫療資料的關鍵因素。基於AI的系統也能幫助醫院改善其操作的流程和資料的管理。鑑於醫療保健專業人員在閱讀劑量指示、或診斷資料方面難免會經常犯錯，智慧AI系統透過具有影象識別和光學字元辨識的功能對所有的資料進行二次檢查，以減少此類錯誤的發生頻率。人工智慧匯入醫療保健行業從2016年到2022年維持很高成長，預計從2016年的6.671億美元達到2022年的79.888億美元年均複合增長率為52.68%。

3.AI晶片關鍵在於成功整合軟硬體AI晶片的核心是半導體及演演算法。軟體硬體成功相結合的關鍵在於先進的封裝技術。總體來說GPU比FPGA快，而在功率效能方面FPGA比GPU好，所以AI硬體選擇就看產品供應商的需求考量而定。

4.自主學習是目標AI“大腦”變聰明是分階段進行，從機器學習進化到深度學習，再進化至自主學習。首先，是為自主機器打造一個AI平臺;還要提供一個能夠讓自主機器進行自主學習的虛擬環境，必須符合物理法則，碰撞，壓力，效果都要與現實世界一樣;然後再將AI的“大腦”放到自主機器的框架中;最後建立虛擬世界入口(VR)。

5.CPU和GPU結合CPU是通用於各種裝置的超強效能的處理器，什麼場景都可以適用，所以就需要將CPU和GPU(或其他處理器)結合起來，做到最完美的構架。為開發人員提供更多演算法等。

6.AR和 AI共進退AR成為AI的眼睛，兩者是互補、不可或缺，為了機器人學習而創造的在虛擬世界，本身就是虛擬現實。還有，如果要讓人進入到虛擬環境去對機器人進行訓練，還需要更多其它的技術。如今，基於AI的發展已經成為了主流。各種企業不僅熱衷於改進其現有的流程，而且還能看到AI給他們帶來的潛在增長點。這也就是為什麼CIO們應當重視AI的戰略意義和其創新發展的空間。

機器學習是我的主要研究方向之一，同時也在帶相關方向的研究生，所以我來回答一下這個問題。

首先，人工智慧領域的技術研發確實需要具備一定的基礎，而且由於人工智慧是比較典型的交叉學科，涉及到哲學、數學、計算機、工程學、神經學、經濟學和語言學等，所以學習人工智慧需要一個較為全面的知識結構，需要學習的內容也比較多。

長期以來，人工智慧相關人才的培養一直以研究生教育為主，涉及到的具體方向包括機器學習（含深度學習）、自然語言處理、計算機視覺、知識表示、自動推理和機器人學等，目前計算機視覺、自然語言處理和機器學習等方向的熱度比較高，不少相關的產品也處在落地應用的初期，隨著物聯網、大資料和雲計算的不斷推動，人工智慧的應用邊界將逐漸得到拓展。

人工智慧的發展有三個大的基礎，分別是資料、算力和演算法，在大資料的支撐下，資料越來越豐富，而在雲計算和超算的支撐下，算力也越來越強，所以目前人工智慧的重點在於演算法設計、演算法實現和演算法驗證等環節，而作為初學者來說，也應該從演算法開始學起。

如果想系統地學習人工智慧技術，對於大學生和初入職場的初學者來說，一個比較現實的方式是讀一下相關方向的研究生，這樣不僅能有一個系統的學習過程，同時也能夠在讀研的過程中確定自己的主攻方向和培養自己的研究方法，從而做出一定的成果。從近幾年人工智慧方向研究生的就業情況來看，整體的崗位起點和薪資待遇水平都比較高，發展空間也相對比較大。

對於程式設計師來說，如果想走人工智慧的研發方向，最好和自己的崗位開發任務相結合。

如果要問現在哪一個行業工資高，並且又特別穩定，相信大家一定會說程式設計師。如果問程式設計師裡面，編寫哪一種語言的人目前最“緊俏”，相信大家會說“人工智慧”。人工智慧作為行業發展的趨勢，是各行各業都熱烈追捧的“存在”，現在不少機構也都打著高薪的幌子吸引學員參加培訓。高薪倒是不假，但是人工智慧真的就那麼好入門，那麼好找到工作麼？今天我們就一起來看看，想要從事人工智慧行業，不懂這3點可不行。

第一是學歷方面，很多公司對於學歷都是要求碩士起步，最好是計算機專業畢業的學生，這成為想加入人工智慧隊伍一個特別高的門檻。有很多對目前工作不滿意的人，都想著參加程式設計培訓來改變自己的命運，讓自己也獲得一份不錯的工資。但是有不少人被培訓機構給誤導了，一直忽悠你人工智慧行業工資高，卻不告訴你因為學歷，這一方面的工作不好找。雖然現在“大學生”是很多了，每年都有幾百萬大學生畢業，但是質量也是“參差不齊”的。北大、清華的學生在找工作的時候比一般名校的有優勢，博士、碩士在找工作的時候比本科生有優勢，一本大學生在找工作的時候又比專科生有優勢，這些都是學歷的原因。

第二是專案經驗，不是參加培訓的學員不想學習，也不是各大公司面試官都太厲害，主要是培訓機構的一些專案確實非常“過時”了。我們也都知道，自己寫一個專案是非常不容易的一件事情，一些培訓機構教學員上手的一些專案，很可能是好幾年之前的。這就造成了學員以為這個專案很厲害，自己學會了找工作就沒有問題，而公司的面試官一看這專案不是幾年前就有面試的人拿來用了麼，直接就給否定掉了。還有就是在經驗方面，因為缺少實戰的機會，很多學員對於專案都不是很熟練，特別是人工智慧涉及到一些演算法和資料的時候，自己根本不懂如何去操作，只是單純的知道填入某個資料或者公式。

第三是對數學的熟練程度，數學成績很差的人，可能和人工智慧就無緣了。你去參加人工智慧培訓的時候，培訓機構會告訴你數學不好的人最好別參加麼？當然不會。你開始培訓人工智慧的時候，培訓機構會幫你複習數學麼？當然也不會。所以數學能力相當於是一道隱形的門檻，想要在人工智慧領域有所建樹，對於演算法想要有深入的理解，對數學“一竅不通”可不行。往往到了這個時候，有很多人就開始抱怨自己怎麼沒有好好學習高數了。

從上面的3點我們就能夠看出來，想進入人工智慧行業可不是一件簡單的事情，首先就需要跨過這3道門檻。當然如果真的對人工智慧有興趣的朋友，也不是不可以學習，不能因為事情難就不做。在之前沒有人工智慧這一行業的時候，不也是有人率先嚐試才摸索出來的麼？所以用興趣作為基礎，是學習人工智慧一個非常重要的因素。在此基礎上，還要不斷地學習程式設計知識、數學知識已經各種最新的知識，如果對於自己學歷沒有信心的，再抽空讀一個碩士學歷，這樣也就比較“穩當”了。

還有就是面對各種各樣的培訓機構，如果真的想去報名的話，最好從是否有完善的人工智慧課程、是否有專業的師資力量、是否有確鑿的就業率這3個方面去考慮，畢竟這個行業門檻真的不低，如果第一步就走錯了，那也就真的走不下去了。

首先作為一個全球大熱的高階技術領域，有門檻是必然的，高低就要看你從哪個角度去看了。這裡要提醒一句，千萬別信某些培訓機構“0門檻”的鬼話，那絕對是忽悠你前去送錢的！人工智慧如果那麼簡單的話，機器人造就滿地跑了，何至於一個無人機送貨全球一圈科技巨頭，到現在也沒讓它落地。

其實學習人工智慧的門檻也沒有你想象那麼高，當然也沒有那麼低就是。我這裡簡單戳穿一下某些培訓機構謊言吧！

關於學歷：學歷是面試所有崗位的敲門磚，學歷低的話，光是投簡歷可能就被自動篩選了吧。但是，你要是能力出眾，能夠跳過簡歷這個關，那沒問題。不那麼重要的是，學習AI的能力，你差不多隻要本科及以上都能入門學習（專科的計算機專業也行吧），後期的發展提升就是看你的學習能力了。

關於數學：數學是這一方向的基礎，可以不是很擅長但基礎一定要有。AI方面用到的數學知識主要面向應用。知道哪個數學知識點對應能夠解決的深度學習問題，計算機部分交給計算機，數學部分交給框架，負責設計應用形式就好。

關於語言：人工智慧它是要求面向資料的Python程式設計，所以不用學那麼多，而且學了這部分的Python也做不了相關的開發。

人工智慧是未來社會發展趨勢，這是一個必然，但是不確定的是這個人工智慧的全盛時期是多久才能到來。

為什麼要這麼問，是以為從事物的發展規律來看即便是呈現上升趨勢，受益的也只是一線發達城市。如此高精尖的技術，能否快速帶給大眾足夠的便利性依然是個問號。

先來說說人工智慧的門檻。我個人認為，人工智慧應該是有相當的門檻的。主要是高等數學以及統計學等高階基礎知識。這些知識對於人工智慧來說非常重要。

就以人工智慧中最重要的一塊，深度學習來講，它所涉及的演算法需要統計學、拓撲學、高等數學、離散數學、神經網路等等一系列學科的綜合表現。

相對於目前網際網路的軟體程式設計知識，量級不在一個層次上。所以，我認為，人工智慧雖然會慢慢地走進我們的生活，但是依然會存在很長一段時間，讓我們感覺“那麼近，又那麼遠”。

還有人臉識別。這個技術在北京的火車站也已經不是什麼新鮮東西了。再或者谷歌和百度等高科技公司的無人駕駛汽車，等等，雖然有些技術已經慢慢成熟，有些技術還處在開發階段，但是相信未來一定會逐漸擴充套件AI領域的新黑科技。

最後，談一個比較好玩的換臉演算法 DeepFake，這個換臉演算法就是人工智慧領域的一個初步嘗試。透過換臉技術，可以將一些影視作品中的角色，透過一系列複雜的演算法更換成其他人臉。

這項技術目前還不夠成熟，換臉的影片還是可以看出一些瑕疵，讓觀眾一眼看出是偽造的。不過相信未來，隨著該演算法的逐漸成熟，一定會讓我們體驗到一種全新的視覺奇觀。

綜上，就是關於人工智慧的一點個人見解。希望可以幫助到你。

基礎理論幾十年沒有大的突破，大公司靠資料取勝而不是演算法。頂會論文數量爆炸，質量下滑。演算法崗內卷嚴重，若不是對自己足夠自信或者學校導師都是大牛的請謹慎選擇，某些媒體吹得太過了，這個行業沒有那麼光鮮。之前哪位大佬說21世紀是生物科學的世紀來著？

人工智慧未來的發展前景還是很不錯的。未來的人工智慧研究主要有兩個方向：第一是人工智慧應用。即如何更廣泛更高效地把人工智慧應用到某個具體場景中。第二是人工智慧理論研究的突破。這主要是指對抗學習、遺傳演算法、進化學習和強化學習理論的突破。因此現在學習人工專業是非常不錯的選擇。