三驾马车共驱人工智能技术演进发展
人工智能（ArtificialIntelligence）是一项为机器赋予人类行为能力、思考能力、情感能力，实现人类、机器、自然三者和谐统一的科学技术。纵观历史，人工智能技术演进是由硬件、算法、数据三驾马车共同牵引的结果。此三者互促共进、精密咬合，共同构筑人工智能技术体系。
硬件包含底层芯片和运算平台，是机器能够快速处理大规模数据、执行复杂算法的骨干。其中，计算机（1945年）、摩尔定律（1965年）、机器人（1990年）和量子计算机（2011年）是人工智能稳健发展的重要支撑。
软件包含模拟人类智能的方法，是机器能够流畅进行思考和运动的灵魂。其中，逻辑学算法（1955年）、人工神经元网络（1980年）和深度学习算法（2006年）是人工智能内涵发展的关键要素。
数据包含海量数据的采集和标注，是机器能够精确构建数学预测模型的养料。其中，互联网（1969年）、物联网（1999年）、云计算（2006年）和大数据（2008年）是人工智能突破发展的催化因子。
当前，在硬件、算法持续获得关注的同时，数据供给日益成为全社会高度重视的热点，训练数据的安全、深度、质量和准确度极大影响了人工智能的外化性能。
人工智能是自然、社会、赛博三维空间中所蕴藏智能的“耦合器”。它将人类从繁琐的脑力劳动中解放出来，代替人类挖掘发现自然智能，辅助人类开展经济社会研判与决策，为人类可视化展示智能图谱，实现自然生物智慧、社会发展规律、信息技术原理的三位一体。人工智能技术所覆盖的领域正在不断泛化，包括人类大脑仿思、人类躯体仿行、人类器官仿感和人机交互仿真等四类功能，涉及机器学习（深度学习）、机器感觉、自然语言理解、虚拟现实（增强现实）等分支。
因此，从实现功能上看，人工智能技术体系是层次化、逻辑化、系统化的，主要分为执行聚能、思考赋能、交互提升和应用释能等四层。其中，执行聚能层是智能机器感知人类社会和自然环境的前端神经，主要包括智能传感、芯片处理、3D显示和自动控制等具有采集、处理、显示和控制功能的技术；思考赋能层是智能机器进行深度挖掘知识的中枢大脑，主要包括云计算、大数据、机器学习（深度学习）等具有数据存储、运算、分析功能的技术；交互提升层是智能机器与人类沟通交流的友好界面，包括机器感觉、虚拟现实（增强现实）等具有认识人类社会和自然环境等具有描述、重构功能的技术；应用释能层是智能机器走进人类社会的助推工具，包括教育、医疗、文化、音乐、法律等各领域垂直应用平台。
三股力量共塑人工智能发展格局
自1956年人工智能技术被认定为科学学科以来，政府、企业、科研机构成为推动人工智能发展的三股主要力量。
在人工智能技术发展初期（1956年-1980年），科研机构一直是引领人工智能技术前进的主导力量。麻省理工学院、卡耐基梅隆大学、斯坦福大学、爱丁堡大学等在当时具备顶尖的人工智能研究实力和专业人才，铸造了人工智能第一次发展繁荣期，使机器掌握了解答代数和几何题、理解和使用英语的能力。
在人工智能技术发展中期（1981年-2000年），企业逐步取代科研机构成为驱动人工智能技术前进的核心力量。美国微电子与技术技术集团、苹果公司、IBM公司、Intel公司不断革新人工智能的硬件、算法，推动人工智能技术从第二次发展低谷中重新崛起，缔造了深蓝计算机战胜国际象棋大师卡斯帕罗夫的里程碑事件。
政府在这两个阶段一直在观望者和支持者两个角色中摇摆不定。在人工智能两次发展的繁荣期（1956年-1974年和1980年-1987年）都是坚定的支持者，政府向人工智能技术研究注入了大量资金。其中美国国防部高级研究计划局（DARPA）是这两次繁荣期资金投入的中坚力量。而政府在人工智能发展的低谷期（1974年-1980年，1987年-1993年）则活跃度较低，大幅减少人工智能技术研究资金投入。
自2000年以来，政府、企业、科研机构三股力量逐渐共振形成加快人工智能技术发展的合力。
一是企业、科研机构走向融合，联合助力人工智能技术商业应用。纽约大学的雅恩•乐昆（YannLeCun）、多伦多大学的杰弗里•辛顿（GeoffreyHinton）和斯坦福大学的吴恩达（AndrewNg）等人工智能高端人才分别加入Facebook公司、Google公司和百度公司，建立人工智能实验室，实现先进研究力量和领先产业力量的强强联手。人工智能技术呈现出两条发展脉络。第一条脉络是芯片处理性能提升脉络，以Google公司TPU、Nvidia公司GPU、Intel公司CPU+FPGA、IBM公司Truenorth类脑芯片为代表的一系列芯片处理器集中出现，不断颠覆传统冯诺依曼计算架构，提升了人工智能技术的运算速度；另一条脉络是开源平台建设脉络，以Google公司Tensorflow平台、Facebook公司Torchnet平台、IBM公司TrueNorth平台、微软公司AzureML平台等为代表的一大批开源平台不断涌现，最大化集聚应用开发者和用户，开启了人工智能技术发展的新纪元。
二是政府更加积极坚定地支持人工智能的发展，鼓励多样化、颠覆性的技术、应用和模式创新。美国政府发布了《为人工智能的未来做好准备》和《国家人工智能研究与发展策略规划》两份重要报告，在审视了人工智能发展现状的基础上，分析了人工智能发展所面临的公共政策问题和潜在应用前景，提出了国家资助人工智能研究的总体发展策略。欧盟启动了未来脑科学研究计划—“人脑计划”，面向脑研究构建系统生成、分析、集成模拟数据的大型研究平台。我国出台了《“互联网+”人工智能三年行动实施方案》，致力于打造“一个平台”—人工智能基础资源与创新平台，突破“一项技术”—基础核心技术，构建“三个体系”—人工智能产业体系、创新服务体系和标准化体系。
三种模式共建人工智能产业生态
人工智能产业链主要是由基础设施（硬件、数据）、核心算法（算法工具、通用技术）、应用平台（开源平台）和解决方案（垂直领域应用）等环节构成。三种模式正在从不同路径共造人工智能产业生态。
一是自上而下，即单个企业从人工智能产业链上游（基础设施）开始向下游（核心算法、应用平台、解决方案）延伸。Intel公司斥资4亿美元收购深度学习初创企业NervanaSystems,布局基于云计算的深度学习软件服务。同时，Intel公司与智能语音服务提供商科大讯飞合作推动软硬件一体化设计和优化，联合打造人工智能计算平台创新解决方案，实现以“芯片升级提升应用体验、以应用测试打磨芯片设计”。
二是自下而上，即单个企业从人工智能产业链下游（解决方案）开始向上游（基础设施）回溯。地平线机器人公司在打造支持辅助驾驶的“雨果”应用平台和面向智能家居的“安徒生”应用平台的同时，正在加紧为研制深度学习定制的高性能、低功耗、低成本神经网络芯片NPU(NeuralProcessingUnit)，打造一套完整开放的软硬件一站式人工智能解决方案。
三是自中间到两端，即单个企业从人工智能产业链中游（应用平台）开始向上游（基础设施)、下游（解决方案）环节扩展。Google公司以深度学习开源平台Tensorflow为核心，分别在人工智能产业链上游研制了深度学习芯片张量处理器TPU（TensorProcessingUnit）,在下游布局了一系列智能应用，包括智能助手（GoogleAssistant）、无线扬声器和语音命令设备（GoogleHome）、消息应用（Allo）和视频呼叫应用（Duo）。IBM公司除了着力打造了集“理解、学习和推理”于一体的人工智能平台Waston,还重点研发了集成“54亿个晶体管、4096个内核、100万个神经元、2.56亿个突触”的类脑芯片Truenorth,以及发展沃森管理顾问（WastonEngagementAdviser）、沃森搜索（WastonExplorer）、沃森知识工作室（WatsonKnowledgeStudio）、沃森公司分析师（WatsonCompanyAnalyzer）、沃森健康（WatsonHealth）等应用。
工业经济时代，产业发展的主要动力来源是企业，企业个体通过沿产业链条不断扩大业务覆盖领域和自身体量，以巨无霸的姿态推动整个产业不断跃迁。而网络经济时代，产业发展的主要动力来源是产业生态，一批网络互联型企业通过分工明确、协调联动的产业链条共建产业生态体系，以企业集群的新型组织形式拉动整个产业向前迈进。
可以预计，未来几年，人工智能产业中企业合作、投资并购热潮将进一步升温。目前，美国Google、Facebook、Amazon、IBM、Microsoft等五家顶尖科技公司已联合成立了人工智能联盟，致力于研究最佳对策、发布研究报告和制定人工智能技术标准。
三点展望畅想人工智能发展
人工智能代表了新一轮科技革命的前进方向。人类历史上的前三次科技革命将人类从繁重体力劳动中解放出来，社会生产力得到了巨大发展；而新一轮科技革命旨在将人类从复杂的脑力劳动中解放出来，进一步提高人类认识自然、改造自然的能力。人工智能未来将沿着“三化”（集成化、规则化、安全化）的发展路线阔步前行。
集成化。人工智能技术将继续渗透进入经济社会各个领域，但其应用解决方案碎片化、不系统的局面会得到终结，将朝基于人机友好的集成化方向发展。目前，以微软“Cortana”、苹果“Siri”、亚马逊“Alexa”为代表的人工智能虚拟助手正走入寻常百姓家，成为人们日常生产生活密不可分的重要伙伴。继桌面应用程序、移动APP后，人工智能助手有望成为下一代互联网综合服务的统一入口。人们通过与人工智能助手进行沟通，将获得集吃喝游购娱于一体的一站式定制化、精准化人工智能服务体验。
规则化。从深层次看，人工智能不仅是对人类行为、思考、情感能力的再造，更是对人类基于这些能力所创造的这个社会系统的再造。因此，人工智能应作为未来将与人类共同生活的个体看待，其与人类之间的伦理道德关系应当被严格规定。考虑一种极端情况，“当无人驾驶汽车要急转弯避让行人，但这样有可能撞墙害死车上的乘客，它将如何选择？”，类似这种伦理道德问题需要在人工智能的世界用规则研究固化下来。
安全化。随着人工智能对于数据依赖性的不断提高，数据安全问题未来将会引发广泛关注。如何确定用于机器学习（深度学习）参数训练的数据集的真实性，将是未来每个人工智能从业人员都难以回避的问题。数据有可能会在采集、清洗、存储等各个环节受到恶意的篡改，最终导致人工智能训练模型出现错误。因此，确保数据全生命周期的不可篡改，对增强人工智能数据信任度是尤为重要的。未来可以考虑，利用区块链技术记录数据从生成到最后被用于训练的全生命周期的运行内容。
总之，人工智能浪潮方兴未艾，三驾马车（硬件、算法、数据）、三股力量（政府、企业、科研机构）、三种模式（自上而下、自下而上、自中间到两端）分别成为驱动人工智能技术发展、塑造人工智能发展格局、构建人工智能产业生态的重要规律。围绕人工智能所面临的“成长的烦恼”，未来“三化”（集成化、规则化、安全化）将会成为让其行稳致远的可行性发展路径。