主客觀條件成熟，智能時代到來
回顧人工智能的發展史，現在的爆發具有其必然性。首先，互聯網帶來更大量、更多維也更完備的數據，是數據驅動決策的基礎。其次，隨著并行計算的成熟以及芯片等硬件成本的大幅下降，以及深度學習算法的突破，數據處理工具已經成熟，金礦能夠挖掘。再者，最重要的是，互聯網經過近三十年的蓬勃發展，業態與格局已經穩定，提升的空間和邊際效應逐步減弱。在這樣的背景下，無論是行業巨頭還是新進入的創業者，都需要尋找一個新的尚待挖掘的具有巨大前景和空間的領域，人工智能無疑具備這樣的特征。于是創業公司疊起，巨頭大力布局，智能時代到來。
深度學習框架突破，推動智能應用快速落地
準確的特征表達是識別物理世界并進行分類的關鍵。傳統的特征表達主要依靠手工設計良好的特征提取器，需要大量的工程技術和專業領域知識，對事物的刻畫程度和效率也有所欠缺。深度學習通過讀取海量數據實現特征的自學習，對事物特征能有更本質的認識，效率也大幅提高。以語音識別為例，深度學習用深層神經網絡替換聲學模型中的混合高斯模型，降低了30%左右的錯誤率，而Google 將深度學習應用于語音搜索領域，3 個月將搜索的相對錯誤率減少了10%。深度學習框架的突破，有力推動了機器視覺、語音識別、自然語言處理等領域應用的快速落地。
開源工具降低行業門檻，驅動產業繁榮
自80 年代初GNU 發布至今，開源思潮日益廣泛而深刻的影響著軟件產業的發展，誕生了一批諸如Linux、Apache 等成功的開源軟件項目，也出現了年營收超過20 億美金以開源為基礎并打造出成功商業模式的RedHat 公司。而在人工智能時代，出于對人才、標準、數據等領域的爭奪， 互聯網巨頭正紛紛開源自己的深度學習框架， 如Google 的Tensorflow，Facebook 的Torch。開源工具涌現無疑會大幅降低行業進入門檻，驅動智能產業加速繁榮。
復制PC 時代格局，智能+將百花齊放
從產業格局的終局來看，人工智能產業有望復制PC 時代格局，且不同層次的企業有不同的核心競爭要素要求。基礎層的芯片領域仍將是寡頭壟斷的局面，核心競爭要素包括技術實力、領先優勢以及資金實力等。技術層長期來看大概率會出現幾個大一統的框架平臺，但由于不同領域發展程度參差不齊，中短期在垂直領域領先的技術提供商由于能夠占領更大的應用市場獲取更多的開發支持從而更好的訓練自己的模型并更快形成以自己為核心的生態體系，從而獨具價值。而隨著開源推動技術門檻的降低，不同行業業務屬性的不同使得未來應用層將是百花齊放的局面，智能+將成為標配，市場能力和數據積累將是這層企業的核心競爭要素。
他山之石，收購助力Google 在AI 領域全方位布局
Google 自2008 年至今在人工智能領域完成收購超過12 家，涉及深度學習框架、人臉識別、語音識別等多個領域，不斷完善在人工智能領域布局。在基礎層，Google 設計了用于驅動深層神經網絡的專用芯片TPU，以支撐TensorFlow。在技術層，Google 向第三方開發者提供Cloud Vision API、Google Cloud Speech API、開源自然語言解析器SyntaxNet 等應用開發接口，并開源分布式版本深度學習框架TensorFlow。在應用層，Google 將人工智能應用到無人駕駛汽車、手術機器人、Google Search 等眾多產品中。人工智能領域已經成為Google 未來重要的戰略布局方向。
