以及理性的思考两方面，尚无统一的定义。但从产业发展来看，当前人工智能都是立足于计算机的优势，以人智能的部分特征（如事物分辨、语音对话等）为参照，研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统，并运用于各行各业之中。综合来看，当前人工智能产业的主流是弱人工智能，以计算与感知为核心支撑技术。

　　人工智能产业链包括三层：基础层、技术层和应用层。其中，基础层为人工智能产业奠定网络算法硬件铺设、数据获取等基础；技术层以模拟人的智能相关特征为出发点，构建技术路径；应用层集成一类或多类人工智能基础应用技术，面向特定应用场景需求而形成的软硬件产品或解决方案。

　　基础层主要涉及数据的收集与运算，这是人工智能发展的基础，主要包括传感器、大数据与云计算。其中，传感器及大数据主要负责数据的收集，而AI芯片和云计算负责运算。

　　AI芯片是人工智能的“大脑”，市场规模呈快速增长态势。早期人工智能运算主要借助云计算平台和传统CPU相互结合的方式。但随着深度学习等对大规模并行计算需求的提升，开始了针对AI专用芯片的研发。目前AI 芯片主要类型有GPU（图形处理器）、FPGA（现场可编辑门阵列）、ASIC（专用定制芯片）和类人脑芯片四种。预计至 2021 年，人工智能芯片市场有望达到 111 亿美元，CAGR 达 20.99%。

　　AI芯片技术发展呈现功能模仿与结构逼近两个方向。GPU、FPGA 及ASIC是从功能层面模仿大脑能力，而类脑芯片则是从结构层面去逼近大脑。虽然在结构上模仿大脑运算是AI 芯片终极目标，但受制于技术上的限制，当前AI 芯片主流产品是在功能层面上的模仿。

　　目前，GPU 和 FPGA 等通用芯片是人工智能领域的主要芯片，但由于它们起初并非针对深度学习而设计，在性能与功耗等方面存在天然的缺陷。因此，针对神经网络算法的专用芯片 ASIC正被Intel、Google、英伟达和众多初创公司陆续推出，有望在今后数年内取代当前的通用芯片成为人工智能芯片的主力。

　　我国AI芯片产业处于起步阶段，但已呈现崛起之势。目前我国专注于AI芯片的企业较少，且总体技术水平与发达国家有较大差距，高端芯片还主要依赖国外进口。但目前也涌现了景嘉微、等一批明星创业企业。国产AI芯片的崛起不仅带来计算能力的提升，同样可以起到降低成本的作用。

　　传统实现移动终端人工智能的方法是通过网络把终端数据传送至云端，云端计算后再把结果发回终端，例如苹果的Siri服务。当前人工智能主要的计算平台还是云计算。根据部署模式或服务形式的不同，云计算可分为基础设施即服务（IAAS）、平台即服务 （PAAS）、软件即服务 （SAAS）三类。

　　IAAS，分为公有云、私有云和混合云三种形态，提供给客户的服务是对基础设施的使用，包括处理器、存储和网络等基本计算资源，用户能够部署和运行操作系统、应用软件等程序。

　　SAAS，提供给客户的服务是运行在基础设施上的应用程序，用户可以在各种设备上通过互联网访问，如浏览器。

　　技术层是人工智能产业发展的核心。技术层主要依托基础层的运算平台和数据资源进行海量识别训练和机器学习建模，以开发面向不同领域的应用技术，包括感知智能和认知智能。

　　其中，感知智能通过传感器、搜索引擎和人机交互等实现人与信息的连接，获得建模所需数据，如语音识别、图像识别、自然语音处理和生物识别等；认知智能对获取的数据进行建模运算，利用深度学习等类人脑的思考功能得出结果。可见，只有在技术层基础上，人工智能才能够掌握“看”与“听”的基础性信息输入与处理能力，才能面向用户演变出更多的应用型产品。

　　在计算机视觉领域，动静态图像识别和人脸识别是主要研究方向，目前由于动态检测与识别的技术门槛限制，静态图像识别与人脸识别的研究暂时处于领先位置，代表企业如百度、旷视科技、格灵深瞳等。

　　自然语言处理包括语音与语义识别两方面。语音识别的关键是基于大量样本数据的识别处理，国内大多数语音识别技术商都在平台化的方向上发力，以通过不同平台以及软硬件方面的数据和技术积累不断提高识别准确率。在通用识别率上，各企业的成绩基本维持在95%左右，真正差异化在于对垂直领域的定制化开发，代表企业如科大讯飞、思必驰、云知声等。

　　机器学习目前重点谋求在算法领域实现突破，当前主流算法如深度神经网络、卷积神经网络及循环神经网络等都需要构建庞大的神经元体系，投入非常大，因此该领域主要为互联网巨头公司布局。由于巨头公司业务领域和战略不同，机器学习侧重方向也略有不同，各公司在基础算法研究的同时也会注重在特定行业的应用，例如京东DNN实验室研究神经网络算法，但主要方向在智能客服领域。

　　应用层是建立在基础层与技术层基础上，实现与传统产业的融合发展以及不同场景的应用。随着深度学习、计算机视觉、语音识别等人工智能技术的快速发展，人工智能与终端和垂直行业的融合将持续加速，对传统的家电、机器人、医疗、教育、金融、农业等行业将形成全面而行重新的塑造。

　　据麦肯锡预计，到2025年，人工智能将催生10万亿美元以上的市场规模。以下重点选择当前及未来几年较为火热的AI+领域进行分析，包括AI+安防、AI+金融、AI+家居、AI+汽车、AI+医疗、AI+机器人。

　　安防市场规模呈快速增长态势。我国安防市场保持高速迅猛增长之势，2015-2020年安防市场连续五年维持两位数的增长，2020年国内安防市场规模达到8000亿以上。根据前瞻产业研究院的预测，到2022年国内安防市场规模将达到近万亿规模。

　　视频监控领域将是AI+安防最大的应用产品。伴随着城镇化步伐加快、社会结构变迁及国际环境变化，治安突发事件、恐怖案件屡有发生，智能安防需求日益提升。以政府主导的193个智慧城市项目在 2014-2018年进入第二轮实施周期，总投资近 3 万亿规模，对以高清网络视频监控为核心的智能安防产业需求巨大。

　　目前人工智能领域在金融行业比较成熟的应用主要有智能投顾、风险管控与智能客服，主要采用的方法有机器学习、自然语言处理、知识图谱和计算机视觉等。

　　智能投顾。运用深度学习算法、图像识别技术和语义理解技术可以有效的克服传统投研中数据不够丰富、模型的好坏取决于分析师对数据的敏感程度这两个弊端，获得比传统投资方法更高的收益率。根据花旗银行的最新研究报告，人工智能投资顾问管理的资产，2012 年基本为0，到了2014年底已经到了140亿美元。预计在未来10年的时间里，它管理的财产还会呈现指数级增长的势头，总额达到 5 万亿美元。

　　风险管控。利用人工智能可以构建更加科学完善的风险管控体系。人工智能可以最大程度解决金融行业的信息不对称问题，即利用图像识别、语义理解等技术最大程度的挖掘投融资双方的数据，整合多源的量化资料，对金融风险进行科学的预测规划，利用深度学习算法不断优化风险管理模型，构建科学完善的风险管控体系。

　　智能客服。应用人脸识别、语音识别、语义理解等人工智能应用技术，提供全天候客户服务，每天 24 小时为客户提供高效的业务查询和问题解决服务，可以提高金融公司的服务质量，提升客户满意度，增强客户粘性。目前光大银行、交通银行等皆已使用。

　　智能家居是以住宅为平台，利用先进的人工智能技术、网络通信技术、综合布线技术，将与家居生活有关的各种子系统有机地结合在一起，通过统筹管理，让家居生活更加智能、舒适、安全。

　　智能家居未来市场规模近五千亿，有望实现高速增长。根据中国产业信息网的数据，2014年我国智能家居产业市场规模达到290亿元；2015年市场规模达到403.4亿元，同比增长41%，2017年国内智能家居市场规模将达到908亿元，预计未来五年（2017-2021）年均复合增长率约为48.12%，2021年市场规模将达到4369亿元。

　　智能家居和物联企业的主要着力点在于智能设备和智能中控两个方面。在这其中，以海尔和美的为代表的传统家电企业依托自身渠道、技术和配套产品优势建立起了实体化智能家居产品生态。而以阿里、腾讯、京东、小米和乐视等互联网企业为代表的公司则通过各自平台内的数据和终端资源提供不同的软硬件服务。

　　随着人工智能的发展，自动驾驶正在变为可能，各大车商纷纷计划在2021年前后推出全自动驾驶车型。

　　无人驾驶汽车是人工智能和汽车工业的结晶。无人驾驶汽车是指依靠人工智能、雷达、监控装臵和全球定位系统协同合作，让电脑可以在没有任何人类主动的操作下，自动安全地操作机动车辆。无人驾驶汽车将让传统的汽车变成一台轮式机器人。

　　人工智能助推无人驾驶汽车迈入商业化进程。不同于半自动驾驶和辅助驾驶汽车，无人驾驶汽车的核心技术是人工智能技术。从人工智能视角来看，无人驾驶汽车就是一台轮式智能移动机器人，它以深度学习算法为基础的人工智能作为“大脑”，凭借机器视觉为基础的传感器作为“眼睛”，从而实现安全和快速的行驶。无人驾驶汽车集成了机器视觉、规划导航、人机交互、智能控制等多种技。