2006年，Hinton教授發明了一種訓練深層網絡的新思路，隨后三篇論文炸開了深度學習算法突破口。很快，又有公司發明了用于支持深度學習算法的新型芯片，大大改善了舊芯片計算能力不足的問題。

AI能否完成人類歷史上的顛覆式創新，開啟人類新時代?

60余年來人們對這個話題一直爭論不休。

2006年，Hinton教授發明了一種訓練深層網絡的新思路，隨后三篇論文炸開了深度學習算法突破口。很快，又有公司發明了用于支持深度學習算法的新型芯片，大大改善了舊芯片計算能力不足的問題。在算法和算力的支持下，互聯網存儲了20多年的大量數據終于找到了它的歷史使命:訓練機器。于是第三次人工智能熱潮被掀起了。

雖然，這一次深度學習算法將語音、圖像識別率先推向了人類實現的最佳邊界，但是目前AI算法并不完美，一是算法訓練模型只能針對特定領域，通用性差;二是這一代算法太依賴于數據。

AI推理、思考、聯想等智力功能與人類大腦相去甚遠，目前，AI的發展水平整體上只能算是處于“微智時代”。要想讓機器成精，AI還需更上幾層樓，恐怕要更待時日。

在目前的AI微智時代，創業公司大致可分為三個梯隊:廣義機器人、自然語言處理、計算機視覺與圖像。

根據騰訊研究院&IT桔子聯合發布的《2017年中美人工智能創投現狀與趨勢研究報告》統計數據，國內智能機器人與無人機相關技術創業最為火爆，位居第一梯隊;語義分析、語音識別、聊天機器人等自然語言系列的技術位列第二梯隊;第三梯隊則為人臉識別、視頻和監控、自動駕駛、圖像識別等計算機視覺系列的技術。

另外，情感計算這種綜合了心理學、語義、視覺、環境感知等多種技術的復雜應用技術也在慢慢成長中，這類企業正在嘗試產業的探索與創新，前景廣闊，但是目前處于熱度排行末端。

B端市場(企業級市場)無疑是創業最合適的切入點，可以充分發揮AI的工具性，提升效率和體驗，從而跨過工業應用紅線。

雖然目前的AI技術應用多數著眼于B端市場，為企業提供服務，不過，近兩年來，市場上出現了一些定位于消費類用戶的產品。

靠近C端市場(消費類市場)中的用戶并探索流量和數據的變現模式是較為理想的發展路徑，比如，在廣告、媒體、美妝、設計等行業已經涌現了第一批消費級終端產品，并且在消費者中形成了一定的影響力。

消費級市場或許是近期人工智能應用爆發的一個重要場景。據統計，美國已經有超過50家針對C端的初創AI企業，融資規模超過8億人民幣，雖然這些公司仍然十分微小，但是星星之火可以燎原。我們可以預見，AI消費級產品遍地開花已為期不遠了。

技術實力是AI公司的核心競爭力之一，而技術+產品+行業落地更是其勝負關鍵。新一代人工智能的繁榮，猶如一棵枝葉繁茂的大樹，滲透至各行業的藍天之中，服務于眾多領域。

報告數據顯示，醫療行業成為AI應用最為火熱的行業，其中包括醫療影像診斷、醫學病歷分析等方向，目前弱人工智能更容易在醫學這種專業性較強但不要求通用能力的行業發揮作用。

汽車行業則憑借自動駕駛相關AI技術脫穎而出位列第二，有80家AI公司業務和汽車相關，其中30家專注于自動駕駛相關技術。排在之后的AI技術行業應用方向，包括了教育、金融、制造、安防、家居等行業。

更多資訊請關注工業機器人頻道