引领互联网产业全面进入智能时代的三大技术领域

海量的数据资源、机器学习创新算法以及高性能计算三大技术领域突破，助力人工智能技术实现革命性突破，引领互联网产业全面进入智能时代。

一是海量数据为人工智能模型训练提供基础资源。大数据驱动全球互联网行业持续变革，全球数据流量持续爆发性增长，据IDC数字领域报告，到2020年，每年数据量将达到44ZB（万亿G），5年内年复合增长率高达141%。光纤宽带、4G、5G网络的全球加速部署更提升数据流动与转移效率，支撑着海量数据的全球规模转移与普遍训练应用。而随着万物互联时代到来，物联设备、智能机器和应用系统将迎来新一轮发展浪潮，进一步催生出海量物联数据，成为大幅提升神经网络认识能力的知识基础与认知宝库。

二是算法突破加速人工智能应用落地。深度学习通过构建多隐层神经网络模型和海量训练数据，极大强化特征学习能力，从而有效提升分析准确度，已改变语音识别、语义理解、计算机视觉等基础应用领域的算法设计思路，逐渐形成通过构建端到端模型，实现对一类训练数据的自动结果判定。如早期计算机视觉通过人工选择合适特征后进行机器匹配识别，严重依赖于专家经验和人工特征选择，而深度学习算法则使得机器可自行从海量数据库里归纳物体特征，并基于特征规律完成物体识别，将图像识别准确率从70%提升到95%。

三是高性能计算助力人工智能运算效能提升。当前面向人工智能高性能计算需求，存在多种技术发展路径：一是延续传统冯诺依曼体系架构，通过加速计算单元的叠加部署提升整体智能计算能力，以图像处理器GPU、数字信号处理器DSP、半定制电路FPGA、全定制电路ASIC为代表；二是采用类脑等超越冯诺依曼创新体系架构，以IBM TrueNorth芯片为代表。其中GPU与新型ASIC产品是现阶段实现人工智能加速计算的关键。英伟达在GPU方面深耕多年，针对深度学习算法推出Tesla P100 GPU 计算卡等多款产品，已占领全球超过80%的人工智能云端加速计算芯片市场。谷歌推出ASIC类芯片张量处理单元TPU，第二代系统可同时实现训练和推演，每秒可处理180万亿次浮点运算，与深度学习系统Tensorflow成为谷歌人工智能软硬一体化耦合布局的另一战略支点。