AI 同時實現“低成本與差異化”，增強企業競爭力。“以人工智能為代表的新興產業”正引導第四次產業革命：人工智能（Artificial Intelligenceor AI）通過模擬、延伸和擴展人類智能，使機器勝任人類智能才能完成的復雜工作。“以AI 為核心的信息技術產業群”被譽為第四次工業革命，包括物聯網、大數據、人工智能、云計算等。根據艾瑞咨詢， 2020 年全球AI 市場規模將達到1190 億元，年復合增速約19.7%；同期，中國人工智能增速將達91 億元，年復合增速超50%，遠超全球增速，市場前景廣闊。人工智能可分為基礎層、技術層和應用層，基礎層為算力支撐（AI 芯片、云計算），技術層為算法平臺，應用層是AI 向各傳統行業滲透應用。
產學研全面推進，AI 迎來第三次爆發。算法、數據、算力遭遇研究瓶頸，AI 歷經數次起伏：1956 年麥卡錫、明斯基、洛切斯特、香農發起達特矛斯會議，正式提出人工智能概念，標志著人工智能誕生。由于算法、數據、計算機能力陸續遭遇研究瓶頸，人工智能歷經數次起伏。60 年代，隨著邏輯理論機、感知器模型、人工智能語言LISP 提出，人工智能走向興盛。70 年代，人們發現復雜問題求解的計算量將爆發式增長，現有機器也難以模仿擁有1011-12 神經元的人腦結構，人工智能研究經歷蕭條。80 年代，專家系統、Hopfield 神經網絡、BP 算法使得人工智能研究再次興起。但由于計算機能力限制、傳統神經網絡算法難以實現多層結構，人工智能再次陷入寒冬。
“計算瓶頸突破&商用價值提升”引爆AI 產業鏈。第三輪人工智能熱潮興起，以深度學習算法為代表。深度學習算法由傳統多層神經網絡算法發展而來，而神經網絡算法出現時間相當長。深度學習的每一隱層將識別出“事物的某一特殊性征， “深度學習模型的精度”將隨隱層層數增加而提升。但深度學習的隱層數量增加時，訓練深度學習模型時的計算量呈現幾何式增長，傳統芯片（CPU 等）計算能力受限，限制了深度學習的應用。2012 年起，以英偉達GPU 為代表的芯片計算能力大幅提升，人工智能熱潮得以爆發。另外，“深度學習算法+強大計算能力”使得圖像識別、語音識別的精度提高至90%以上，接近或者超越“人類的識別率”，具備了產業化的應用價值，人工智能行業應用進程加快。
