近期，国内外知名科技企业集中召开以人工智能为主的发布会或论坛活动，围绕人工智能行业推出相应产略、产品和解决方案。比如，英特尔召开AI Day论坛宣布公司整体人工智能图线路；微软技术大会推智能云平台和AI技术；亚马逊发布图像识别、文字转语音、人机对话三款人工智能工具；百度推 “天智”平台，以百度云为依托提供行业解决方案；科大讯飞年度发布会围绕“人工智能+”解决输入法、社交、汽车、物联网等多个场景需求。知名软硬件公司均高调切入人工智能领域，表明行业热度高涨，有望迎来爆发。
中美两国领跑全球AI
12月12日，日本经济新闻网报道，日本文部科学省下属的科学技术和学术政策研究所的分析显示，从主要国际学会的发表成果来看，中美占据压倒性优势，同时两国的联合研究报告也在增加。此外，还出现了中国企业向美国大学提供研究投资的案例。
AI研究此前由麻省理工学院、加利福尼亚大学和斯坦福大学等美国大学在基础研究上领先世界，最近谷歌、Facebook和微软等IT企业也在大力推进。与此同时，中国的大学和企业的研究能力提高也开始突出。
其实从近来中美两国的AI布局，就不难发现两国在人工智能方面的前进速度。美国在奥巴马总统的主导下，加强了采用大数据的AI研究。而在企业方面，谷歌开发的自动翻译AI准确度很高，受到研究者的关注。该公司旗下的沉思科技在效仿人类将经验用于判断这一机制的AI方面正在取得成果。
此外，中国作为国家的重要课题，也制定了AI研究的推进计划。不仅是自动驾驶和 机器人 ，还力争广泛用于物流和农业等领域。位于北京的美国微软的研究基地被视为亚洲首屈一指。在企业方面，搜索引擎巨头百度2014年在硅谷建立了研究所，邀请世界AI研究第一人吴恩达担任负责人，持续积极招聘研究人员。此外，通信设备巨头华为技术也与加利福尼亚大学伯克利分校在基础研究方面展开了合作。
决定成败的5个核心元素
不论是国家综合实力的竞争，还是企业之间的技术比拼，AI具体 应用 可谓经历了万端变化，但在这一过程中，AI有五个核心元素历久弥新，连接与支撑着四十年来人工智能技术的成败得失。这些AI应用程序必须处理大量数据，对周遭环境作出反应，通过学习来提高性能，面向未来，还要有同时为千万人和系统提供支持的能力。
其一是数据密集摄入。数据密集性AI系统处理大量数据，计算单位常以十亿计。实时处理如此大量的数据是AI程序必须完成的艰巨任务之一。此外它还必须能够从容处理连续流数据（比如来自物联网传感器的不间断数据）和批处理数据（比如大型历史数据集）。
其二为自适应。自适应应用程序使用机器学习技术来提高自己，其性能能够随着时间的累积而不断提高。机器学习工作流需要数据科学家在实验环境中执行模型选择、特征工程迭代、算法选择和参数调整。随后应用开发人员部署模型，当新数据进来时，模型程序可以根据设定对数据进行分类。然后应用程序审查分类的结果，并使用这些结果进行重复训练。
其三则是反应。现代AI系统能够对其周围的变化数据进行实时反应，这一点不同于传统的批处理程序。AI应用程序持续监视数据输入，在现实情况中，这些数据通常来自流数据平台。当出现符合特定条件的情况时，程序会进行进一步的运算处理。简言之，程序随时待命准备着处理数据。
其四为前瞻性。许多AI系统不只着眼当下问题的解决，它们还预测未来各种可能性，以确定最佳解决方案。规划系统、游戏甚至语言解析系统都需要以最前瞻的方式进行处理才能得到最佳方案。这需要AI系统有依据新输入数据而随机应变的能力。（比如最新消息显示台风导致中国航运的配件推迟，需要AI系统基于各种假设提出最优的重新规划方案）
其五是同时性。与传统应用程序一样，AI程序必须同时处理来自多个人或系统的任务交互。它们使用那些在操作系统和数据库领域开发分布式系统所采用的技术来维护ACID属性。
