1956年夏季，在美国达特茅斯学院举办了一次可以载入科技史册的会议——第一次人工智能研讨会。会上，麦卡锡首次提出“人工智能”概念，标志着AI正式诞生。
经过了六十几年的发展，人工智能不仅仅只是局限于实验会议上的概念名词，而是开始走向落地和商业化。沿溯着当年互联网的发展路线，人工智能也在逐步通过各类形态渗透到人们的生产和生活当中。据Gartner公布的CIO调查报告预测，到2022年，企业AI市场的价值将高达61.4亿美元。
政策、资本、技术多方驱动人工智能上马
目前，全球各国组织都将目光聚焦于人工智能领域，并希望借此实现全球经济的高速增长和数字化转型。因此，各国政府开始牵头引导AI在本国的发展，并在政策法规出台相关文件，从战略顶层促进人工智能的高速发展。
以中国为例，2017年十二届全国人大五次会议，“人工智能”被首次写入政府工作报告;同年7月，国务院发布《新一代人工智能发展规划》; 2018年人工智能标准化论坛发布《人工智能标准化白皮书(2018版)》;2019年出台《关于促进人工智能和实体经济深度融合的指导意见》……相继出台的政策文件，为人工智能提供良好而优渥的发展土壤。
政策红利不断释放，宏观大环境前景良好，资本的入局也让人工智能焕发了更强的生命力。
越来越多的资本开始涌入人工智能行业，竞争加剧的同时，也意味着AI商业化的步伐更加快速。随着国内资本环境从疯狂到理性，人工智能的恰逢其时，让产业更加侧重于应用技术本身。原本由于人口红利的消失而日渐告急的企业经营成本，资本的入局为其提供了强大的经济支撑。《中国新一代人工智能科技产业发展报告(2019)》统计显示，2018年，我国745家人工智能企业中，577家企业发生融资事件，融资总额达到3832.22亿元，排名全球第一。
回归到人工智能技术本身，数据、算法、算力直接影响着商业化的进程。
首先，数据方面。随着全球数字经济的席卷而至，世界互联网产业快速进入大数据时代，每年，全球大数据总量以50%的速度在高速增长，海量的数据是人工智能算法的训练和应用的摇篮。尤其是国内人口基数大，信息化程度逐年上升，数据量大、数据种类丰富、数据的获取和使用变得愈加开放，这些数据上的优势直接为人工智能的发展带来了便利。
伴随着数据的扩张，算力和算法也不得不面临新的提升。“人工智能不能建造在沙滩上，这个‘房子’迟早会坍塌。人工智能的基础算法、算力、数据，前两项我们国家还是弱的，光是数据强还远远不够。”华为创始人任正非曾如此点评国内人工智能的算力和算法水平。
人工智能实现技术突破、行业革新、产业化推进，都必须以基础算法突破为基石。相较于美国，我国人工智能最薄弱的环节就是算法。业界普遍重视应用技术而忽略了底层技术，基础算法的缺失，导致整个AI产业根基不稳。
算力方面严重制约着实际应用的落地。尽管，互联网的高度渗透催生了算力水平的飞速提升，计算成本不断下降的同时，服务器日益强大，人工智能技术发展的限制逐步放宽，算力似乎已到达临界点，很多应用即将成为现实。但是，越来越多的数据、更加复杂的应用场景，爆炸式的算力需求预示着如今的算力水平还远远不够。
AI与场景深度融合，应用层创新层出不穷
根据艾瑞咨询相关数据显示，到2020年全球人工智能市场规模达到1190亿人民币，只有日趋完善的产业生态才能孕育出如此庞大的的市场前景。在人工智能的产业价值链条中，一般分为三大维度：基础层、技术层和应用层。基础层强调基础支撑平台的结果，技术层关注核心技术的研发，应用层侧重应用发展的融合。
以人工智能技术计算能力平台、基础硬件设备、数据处理支撑等为主的产业基础层是中国企业稍弱的一环，尤其是以诸如处理器、芯片等支撑AI基数的核心能力方面。
技术层是决定人工智能应用功能场景落地商业与否的第一主力，囊括机器学习、深度学习、计算机视觉、自然语言处理、生物识别、语义识别等AI核心技术相关算法和技术平台。
从当下大环境出发，中国人工智能企业多集中在应用层面上，以具体场景为基准，以AI赋能各大垂直产业，如智能驾驶、智能医疗、智能金融、智能教育、智能安防等，实现各个产业场景的应用功能，加速传统产业与AI深度融合，实现智能化转型。
