深度學習效果未見天花板，未來非監督學習將走向實用，AI發展迎來熱潮：與傳統神經網路不同，深度學習模型足夠復雜，可處理大數據，且性能準確度隨著數據增長而增加，目前還未觀察到飽和點，在語音識別、圖像識別等性能準確度已經超過人類，AI實用化價值提升。大數據可無限逼近事物真實狀態，大數據+人工智能將深刻改變傳統產業結構。非監督式學習可大幅提升數據處理效率，但目前深度學習研究及產品開發的爆發均基于監督式學習，非監督學習還僅限于實驗室水平，隨著深度算法改進及非監督式學習精度提高，AI將迎來另一波熱潮。
科技巨頭在競爭與合作中，共同開啟AI時代：AI技術門檻較高，國外科技巨頭率先發力，在競爭與合作中共謀發展。鑒于對AI未來前景的強烈看好，科技巨頭在AI科技人才爭奪、AI初創公司收購、AI實驗室建立、AI底層技術攻克、AI產品研發等領域競爭日趨白熱化。同時也共同成立非營利開源人工智能公司OpenAI、非營利性AI研究機構Partnership on AI、并相繼開源內部機器學習平臺，以規劃AI產業發展，并群策群力形成自身AI產品生態，共同開啟人工智能時代。
科技巨頭圍繞主業打造AI生態，并加速AI向其他業務擴散：科技巨頭一般圍繞主業布局AI，推動AI滲透傳統行業。其中IBM、Google、百度全面布局AI技術，在重點研究AI核心算法基礎上，在應用層全面推進AI商用化。Facebook、騰訊、微軟、蘋果側重于社交應用，重點布局語音識別、圖像識別、智能助理、聊天機器人等領域。英偉達、英特爾鑒于傳統PC CPU或GPU業務飽和及衰退，大力謀求業務轉型，基于芯片領域技術積累，著力研發適合深度學習的AI芯片，尋求新增盈利點。亞馬遜、Saleforce、阿里、Mobileye偏重商業應用，AI與傳統主業結合更加緊密。
國內科技巨頭數據資源占優，積極對標國外AI技術，未來有望彎道超車：AI需要數據與技術相結合才可衍生出盈利業務。國外科技公司聚焦于AI基礎層、技術層的核心技術研發。而國內科技公司在基礎層、技術層研發缺失，大多初創公司使用國外科技巨頭的開源平臺，使用大量行業數據進行訓練。國內互聯網巨頭（如BAT）數據優勢較大，但和國際巨頭（如IBM、Google等）在核心技術上差距較大，正處于積極對標和追趕狀態。AI堪稱第四次產業革命，戰略重要地位不言而喻，未來中國政府扶持力度有望加大，屆時對中國龐大內需市場或將實行保護政策，國內AI相關企業存在發展良機。而漢語極為復雜，自然語言處理為AI關鍵環節，中國企業優勢明顯，國內企業或將彎道超車。
