十八大以来我国的信息化水平大幅提升，互联网用户数量跃居世界第一，信息领域核心技术步深刻改变了人们生活的诸多方面，而人工智能技术和应用飞速发展，带来更为持久深刻的思维与变革。

近年来我国人工智能在技术、应用等产业各个领域实现快速进步的同时，其发展环境也持续优化，为未来人工智能的大进步、大发展，以及与实体经济的融合进一步夯实基础。

2018年中国人工智能市场规模分析

在我国国家战略规划中，人工智能已超越技术概念，上升为国内产业转升级、国际竞争力提升的发展立足点和新机遇;行业应用层面，巨大的行业应用需求场景、研发能力积累与海量的数据资源、开放的市场宏观环境有机结合，形成了我国人工智能发展的独特优势，依靠应用市场广阔前景，推动技术革新，形成技术和市场共同驱动。

据前瞻产业研究院发布的《人工智能行业市场前瞻与投资战略规划分析报告》统计数据显示，2014年中国人工智能市场规模仅仅达到50亿元左右，到了2016年中国人工智能市场规模突破100亿元，达到了100.6亿元。2017后中国人工智能市场规模超150亿元。2018年中国人工智能市场规模将超过230亿元。

我国人工智能发展展望分析

1、认知性应用将成为亮点。芯片和算法的优化将进一步提升计算机视觉和语言识别的应用成熟度。人脸识别将成为计算机视觉技术的竞争热点，格灵深瞳等创新企业有望在动态视觉检测中取得关键突破。科大讯飞等国内语音识别技术商将利用数据优势，推动语音识别技术平台化，进一步提升多场景下的语言识别准确率。人工智能技术可能迎来新的质变契机，浅层次感知应用将与更高水平的认知智能融合发展，能够在逻辑判断基础上实现认知推理、情感互动、辅助性决策的认知性应用将成为业界亮点。

2、行业资源整合持续推进。预计2018年，国内人工智能产业将延续稳步增长态势，产业规模预计将超过230亿元，投融资事件数量将相对减少，但单笔金额增大，基础层企业将通过技术创新扩大规模，技术层和应用层企业数量将保持稳步增长。国内平台层面资源将加速整合，大企业将通过投资并购迅速获得相应细分领域中的前沿核心技术，降低研发失败的风险，在行业资源整合中发挥越来越重要的作用。

3、与实体经济融合将加速。新一代人工智能技术将与实体经济持续渗透融合，为零售、交通、医疗、制造业、金融等产业带来提效降费、转型升级的实际效能。无人商店、无人送货车、病例细胞筛查、数字孪生、智慧工厂、3D打印、智能投顾等新产品、新服务将大量涌现，从而加速培育产业新动能，开拓实体经济新增长点，有力推动我国经济结构优化升级。

4、本支持方向趋向集中。预计2018年，国内人工智能领域的投融资总量稳中有增，资本将更多聚集在应用层细分领域的龙头企业，投资事件数量将减少，单笔投融资数目将增大，马太效应将日益凸显。投资焦点将从应用层逐步下移，AI芯片等基础层和深度学习算法应用等技术层将获得资本市场的更大关注，投融资层次将更为丰富。

2019年人工智能产业五大趋势

●AI推动芯片产业变革

芯片产业正在因为AI发生洗牌，传统的芯片产业格局将会发生巨大变化，这种情况将在2019年更加突出。以AWS、微软、谷歌、Facebook、阿里云为首的技术驱动型公司将加大AI芯片的投入，会给芯片市场带来更多变数。

之所以越来越公司开始投入到AI芯片研发之中，是因为AI模型训练需要专门的硬件来执行复杂的数学计算，才能加快执行目标检测和人脸识别等任务，AI芯片可以针对计算机视觉、自然语言处理和语音识别相关的特定用例及场景进行优化。

2019年，英特尔、英伟达、AMD和高通等传统芯片制造商将推出专门AI芯片。而以AWS、Facebook、阿里云等超级技术公司则会加大对芯片的研发投入，这些芯片将在AI和高性能计算基础上针对现代工作负载做出大量优化，其中某些芯片还将帮助下一代数据库加快查询处理和预测分析速度。

可以说，对于技术驱动型公司而言，AI芯片无疑是全栈AI能力的一个重要环节，不会轻易放弃。

● 边缘计算推动AI与IoT融合

边缘计算的好处就是能够更加快速的响应需求，对于物联网等应用可谓是再合适不过。2019年开始，公有云上越来越多模型将开始用于边缘计算，尤其是对设备进行异常检测、根源分析和预测维护的工业物联网是AI的最佳用例。基于深度神经网络的先进机器学习模型将得到优化，以便在边缘运行，未来将有能力处理视频、语音等非结构化数据。物联网必将成为企业人工智能的最大推动力。

● ONNX将打破神经网络互操作性阻碍

如今，一大堆各种机器学习框架，加上一大堆各种人工智能硬件平台，框架和平台之间缺乏良好的支持，给机器学习和人工智能应用带来了严重的阻碍。2019年，这种情况将会得到改善。ONNX组织的成立，将让神经网络工具包、硬件平台之间互操作性大幅提升。之前模型只能在特定框架中进行调试和评估的情况将大幅改善。

微软、Facebooke等公司发起了“开放式神经网络交换”（ONNX）组织，并提出了相应的标准格式，使得经过调试的神经网络模型向其他框架移植成为可能。目前，已经有阿里云、百度云、英伟达等一批公司加入到该组织之中，2019年ONNX将变得更加重要，从研究人员到制造商等所有核心参与者都将依赖ONNX作为推理的标准运行框架。

● 自动化机器学习将成为主流

自动化机器学习（AutoML）已成为一个发展趋势，它将从根本上改变基于机器学习的解决方案，可使其不经过传统调试程序即可改进机器学习模型，进而处理复杂的场景。AutoML非常适用于认知应用编程接口（API）和自定义机器学习平台。与被视为“黑盒子”的认知API不同，自动化机器学习既能提供同等的灵活性，同时又具备自定义数据和可移植性。

● AIOps实现DevOps自动化

DevOps是一套完整的IT运维工作流，以IT自动化和持续集成、持续部署为基础，来优化程序开发、测试、系统运维等所有环节。DevOps强调软件开发人员和运维人员的沟通合作，通过自动化流程来使软件的构建、测试、发布更加快捷、频繁和可靠。

AIOps即AI for IT Operations，指将人工智能应用于IT运维领域，基于已有的运维数据，通过机器学习来进一步解决自动化运维难以解决的问题。现代化应用程序和基础设施可以生成用于索引、搜索和分析的日志数据。从硬件、操作系统、服务器软件和应用软件中获取的海量数据集可以聚合和关联，然后形成方案和模式。

当机器学习模型应用于这些数据集时，IT运行即可从被动响应转变为主动预测。AI力量应用于运营将重新定义基础设施的管理方式。2019年，AIOps将成为主流，公有云供应商和企业将从AI和DevOps的融合中受益。