經過60多年的演進，人工智能的發展成為新一輪國際競爭的焦點。近日，科技部召開新一代人工智能發展規劃暨重大科技項目啟動會，會上公布了首批人工智能開放創新平臺名單，人工智能開始由國家背書，可見，人工智能已經成為提升國家競爭力當之無愧的排頭兵。
政策大好，搶灘人工智能自然也成為企業的目標之一。人工智能作為第四次工業革命的新引擎，接棒互聯網，滲透到各行各業，助力傳統企業實現跨越式升級。政策支持、企業聯盟不斷推進人工智能全產業鏈整合，并構建完整的生態系統。
就產業鏈的角度來看人工智能，可以分為基礎層、技術層、應用層三方面，這是目前業內比較一致的看法。
基礎層這塊兒，主要就是計算和數據的支撐;而技術層面，包括通用技術，就是我們常說的語言識別、圖像識別、人臉識別等，算法，包括機器學習、深度學習、增強學習等，底層框架，包括Tensor Flow、Caffe、Torch等; 在應用層方面，人工智能助力企業打造了智能金融、安防、醫療、無人駕駛等領域。
為了讓大家更清晰地了解人工智能的生態圈，小編特針對上述內容進行研討，分析該產業鏈的這三層結構，今天，先奉上基礎層部分。
是基礎，也是前提
人工智能的技術其實主要依賴大數據管理，包括用戶數據和行業數據等;云計算，包括像BAT、IBM、亞馬遜、谷歌、微軟等公司的提供的云服務技術。以硬件為核心，其中包括GPU、FPGA等用于性能加速的硬件、神經網絡芯片、傳感器與中間件，這些是支撐人工智能應用的前提，為整個人工智能的運算提供計算力。
大數據領域，自是不必說，來自BAT、京東、今日頭條的用戶行為數據和社保、醫療等行業數據為人工智能的發展提供了良好的條件。與其他國家相比，這種優勢是他人無法企及的。
但在硬件上，國內的芯片領域與其他國家相比，仍有比較大的差距。其中，用于深度學習的芯片的主要類型是GPU、FPGA、ASIC，此外，各家也在積極研發人工智能專用芯片，例如中星微的NPU、寒武紀一號(DianNao)、谷歌的TPU、IBM的TrueNorth，英特爾還推出了CPU+FPGA的架構和Movidiu神經計算棒(USB形式的獨立人工智能加速器)。
現階段，傳統的芯片計算架構已無法支撐深度學習等大規模并行計算的需求，這時候，就需要新的底層硬件來更好地儲備數據、加速計算過程，這是我們努力的方向。
根據服務性質的不同，在云計算方面，國內的人工智能基礎層漸漸從嶄新領域轉為大眾化服務的基礎平臺，集中在三個層面上：基礎設施即服務(IaaS)、平臺即服務(PaaS)和軟件即服務(SaaS)。
SaaS：消除了企業購買、構建和維護基礎設施、應用程序的需要，用戶可以通過客戶端界面在各種設備上進行訪問，這種服務基于云計算基礎設施。對于中小企業來說，無疑是優選。
PaaS： 把應用服務的運行和開發環境作為一種服務提供，實際上也是SaaS的一種，但PaaS的出現可以加快SaaS的發展。作為 SaaS 和 IaaS 中間服務的 PaaS 則為二者的實現提供了云環境中的應用基礎設施服務。
IaaS：分為公有云、私有云和混合云三種形態，提供給消費者的服務是對所有計算基礎設施的利用，包括處理器CPU、存儲、網絡和其它基本的計算資源，用戶能夠部署和運行任意軟件，包括操作系統和應用程序, 同時，可以更快地開發應用程序和服務，縮短開發和測試周期。
基礎技術提供的這些平臺為人工智能技術的實現提供基礎，同時也為應用的落地提供前提。
然而，在人工智能的基礎層方面，中國企業稍遜于國際巨頭。
據統計，我國芯片市場規模已經達到了400億美元，國內市場約有90%來自進口。隨著深度學習的崛起，人工智能領域芯片的重要性再度升級，這一問題必須重視;同樣有所差距的還有云計算方面，操作系統和大型的軟件方面沒有太大的優勢;在平臺方面，微軟、谷歌、亞馬遜，圍繞深度學習平臺、云平臺、語音平臺、和圖像平臺均開源了自己的平臺，相比之下，國內企業則在這一塊則相對欠佳。
人工智能雖然已經迎來了產業爆發期，但單就其基礎層來說，中國企業稍有遜色，在產業布局和研發實力方面還有待提升。作為第一數據大國的我們，不僅僅需要在技術上鉆研，更要換個打法，從全局出發，在“國家戰略”的引領下，繪制技術+生態圈的產業藍圖。相信人工智能時代這場仗一定會打的漂亮，后續請關注“技術篇”與“應用篇”。
京公網安備 11010502049343號