4月7日，艾瑞发布了2015年中国人工智能应用市场研究报告。其中对人工智能的发展和应用现状进行了分析，并对行业前景进行了预测——
5~10年间感知智能将进一步普及，未来的发展方向是认知智能。
从1955年至今，人工智能的发展经历了三次潮起，两次潮落：
1955年．达特茅斯会议标志AI诞生；
1957年，罗森布拉特发明第一款神经网络，进入第一个高峰；
1970年，受计算能力所限，AI进入第一个低谷；
1982年，霍普菲尔特神经网络提出；
1986年，BP算法实现了神经网络训练的突破，进入第二个高峰；
1990年，人工智能计算机DAPRA失败，进入第二个低谷；
2006年，深度学习神经网络被提出；
2013年．深度学习算法在语音和视觉识别率获得突破性进展，进入第三个高峰。
可见，每一次人工智能的迸发期都与新的算法有关，而我们恰好赶上了深度学习算法的突破口，进入到了感知智能时代。
“AlphaGo之所以能战胜李世石，是由于它巧妙地将蒙特卡洛评估法和深度学习神经网络相结合。正是这些高级算法的出现才能推动人工智能的发展突破。”——艾瑞分析师 林仁翔
诚然，人工智能的核心突破点在算法上，而计算能力的发展和数据量的积累同样重要。
计算能力的提高能够提升算法运算速度，目前人们已经开始通过GPU并行计算神经网络来进行计算，量子计算是未来的发展趋势；
数据量的扩充则能够提升算法性能，互联网的发展积累了一定的数据，未来物联网的发展将进一步扩充数据渠道源。
从计算机的出现、到互联网的发展、再到物联网出现，需要人工来完成的工作将越来越少。
艾瑞认为，人工智能的发展一共可以分为三个阶段——计算智能、感知智能、认知智能。
第一个发展阶段是在计算这个环节，它使得机器能够像人类一样进行计算，诸如神经网络和遗传算法的出现，使得机器能够更高效、快速处理海量的数据。
第二个发展阶段就是感知智能，让机器能听懂我们的语言、看懂世界万物。语音和视觉识别就属于这一范畴，这些技术能够更好的辅助人类高效完成任务。
第三个发展阶段就是认知智能，在这一阶段，机器将能够主动思考并采取行动，比如无人驾驶汽车，实现全面辅助甚至替代人类工作。
对此，分析师林仁翔表示，目前的人工智能还处于感知智能的发展阶段。
“目前，语音识别和视觉识别成功率已经分别达到了95%和99%，这在深度学习出现之前是难以想象的。近年来，由于计算处理能力的突破以及互联网大数据的爆发，再加上深度学习算法在数据训练上取得的进展，算法、计算、数据三者都已成熟，这推动了人工智能在感知智能上实现巨大突破。”
他认为，虽然感知智能已经实现了突破，但这项技术仍然有函待提升的地方。
“比如人脸识别判断身份这项技术中就存在缺陷，人们用照片就可以欺骗设备实现身份认证。而活体验证技术就是目前需要研究的技术；再比如味觉和嗅觉的数据，这也是物联网传感器目前所无法触及的领域。”
据此，艾瑞预测在5到10年间人工智能产业还有很多的机会可以发掘，而何时能够进入到下一阶段（认知智能）还不得而知。
“认知计算何时能够突破还尚未可知。因为目前连‘深度学习神经网络能否真的让机器学会如何思考’都还不清楚，而且这与生物以及其他一些相关学科的研究突破也息息相关。至于什么时候相关学科能够获得突破性进展，我们也无法得知。”
人工智能的概念很宽泛，那么具体的细分产业都有哪些呢？在这里，艾瑞提供了几组数据：
我国71%的AI相关企业都在做技术落地应用，这是我国目前的AI行业现状；
在应用企业中，有83%都是在做软件服务，而诸如机器人等硬件产品相对匮乏；
在算法技术方面，我国55%的AI相关企业在做计算机视觉，有13%在做自然语言处理，9%进行机器学习。
“我们在获得Google、Facebook开源的研究技术之后，能够很快把技术应用落地，这是我国的优势；而对于基层的技术研究，我国的企业实力目前还无法和国外匹敌，这是劣势。”
——分析师 张凤
在人工智能最为广泛的应用层面上，则可以分为五大场景：
第一个是智能硬件、机器人的上应用。借助视觉识别技术以及语音识别技术，通过对数据的理解、计算、学习实现决策并实行，实现在交互方式的转变，向自主阶段发展；
第二个是虚拟场景服务。借助视觉技术以及语音识别技术，改变视觉呈现方式以及互动方式，模拟真实场景，通过体感或语言互动。
第三个是安防领域。借助人脸识别技术、指纹识别技术，实现智能摄像头和防盗锁等的快速识别功能。
第四个是虚拟服务。借助语音识别技术以及后台数据分析技术，建立智能虚拟客服。
第五个是商业智能服务。借助人工智能的算法和模型，对云数据平台的数据进行挖掘和分析，最终实现智能决策。
第五点同时也是未来人工智能应用领域的发展方向，主要体现在推理并提出决策方面，而这也正是IBM所在做的事情（关于IBM与认知智能，此前雷锋网有过报道，详见：深藏不露的IBM，这几年都在忙着做这些事情）。
那么，如果想要进军AI产业，可以从哪几个方面切入呢？目前可以分为三种：
第一种就是自下而上的切入——从人工智能的基础资源（数据以及底层算法技术）切入，再辅以技术研发来构建上层应用，比如百度、Google，依托自己多年积累的数据和深度学习技术，向无人驾驶汽车、机器人等应用拓展；
第二种就是从中间技术层来切入——依照自己的核心技术去构建应用，去发展上层应用的产品或者是服务，比如科大讯飞，从语音识别技术切入，向教育和机器人等应用领域拓展；
第三种是自上而下的切入——直接应用领域切入，这也是大部分初创企业的做法。这种方式相对技术门槛较低，比如出门问问，重点发展个人助手服务，向医疗教育等领域拓展。
正在生成分享图...
林觉民