人工智能的下一步发展趋势是什么？

人工智能与以往IT技术相比最大的差别在于数据的关键作用，人工智能必须通过数据的学习训练才能获取知识和能力。数据是观察世界的桥梁和知识的载体，只靠通用计算机硬件和软件算法是无法凭空产生数据的。任何数据都源自于数据产生的体系，这决定了人工智能必须依赖数据、软件算法和各类硬件的结合。

未来人工智能计算平台将由云和各类前端设备构成。计算平台在历史上经过多次演变，前台由人机交互的能力所驱动，后台由计算资源的规模驱动。人工智能的后台将是能够提供各类通用AI技术能力和行业知识的云计算资源，其前台将不再是通用的计算设备，而是传感器+芯片+智能算法，它可以切入任何任何一个设备，任何一个事物，任何一个器件，使得每一台冰箱、每台空调、每个电视、每一辆车，都能听、能说、能看，都能与云端连接在一起，获得越来越多的数据，通过不断学习训练得到越来越多的知识与能力。

AI的行业化途径、商业化途径，是数据加算法加软件加硬件，达到用户价值产生商业价值，从而导致更多的数据、更大的价值进入快速循环，创新速度越来越快。人工智能的商业化途径就是通过数据+软件算法+硬件来解决行业需求，从而获得更多的数据提升价值，进入快速正循环的过程。

从全球AI芯片龙头英伟达的收入构成可以看到，其芯片产品主要应用在云端数据中心而非终端。从近期财报来看，其收入增速最快、占比最高的人工智能业务均是数据中心业务。从英伟达深度学习产品的下游客户结构可以看到，人工智能目前主要应用于互联网、医疗、金融、政府（安防）等数据易于集中的行业。

数据决定人工智能从云到端发展将是必然趋势

1、数据感知：实时、完备的感知数据需要各类前端硬件配合。数据完备性要求终端设备如果要实现真正意义上的人工智能，除了做到场景识别和分析用户的基本属性外，还需做到基于用户画像和过往行为习惯及结合当前的使用场景，推测出用户的行为意图，这就要求用户日常生活的各类硬件都具备智能感知数据的能力。

2.数据处理：随时性、实时性、隐私性决定需要有本地AI计算终端。

随时性。人工智能应用不能完全依赖云端计算，因为云端计算对终端设备所处的网络环境有较高要求，一旦无法满足就会影响应用功能。本地具备AI计算能力才能满足人工智能应用随时随地可用的需求。

实时性。对于安防、自动驾驶等对实时数据处理要求极高的应用，所有数据上传云端处理后再反馈的延迟是难以忍受的，本地具备一定的AI计算能力才能保证实时性要求。

隐私性。涉及用户隐私尤其生理特征数据不适合大规模云化处理，这类用户数据需要本地处理和存储。

3.数据交互：向更自然交互方式发展决定终端硬件需要有AI能力。

交互模式的变革贯穿了整个IT产业的发展史。交互模式的转变直接体现在输入输出的形式上。从最初的键盘交互时代，以DOS命令形式输入为主；随着苹果和微软PC图形界面的诞生，进入了“鼠标+键盘”时代，开始通过图形界面（GUI）进行输入输出。2007年，乔布斯推出的iPhone重新定义了手机，也将计算机带入了移动互联网触屏交互时代，直到现在，用户绝大部分的交互方式都是通过手机app产生的。Nuance公司首席科学家卡普兰认为：“图形用户界面已经到达极限，现在已经处于超载的边缘”。

人工智能时代的交互方式实际是“从有形到无形”：一方面是硬件向更自然交互方式发展的必然选择：人类有80%的信息输入依靠视觉，然而90%的输出信息其实是通过语音。人工智能赋予硬件的交互方式实际是人类自然交互的方向。

另一方面，这种“无形”的交互方式能够突破传统交互方式对硬件和场景的限制，实现随时随地“唤醒万物”的能力。从接入讯飞语音平台的数据可以直观看到这一趋势：一年内接入设备数从9亿台增加到15亿台，提供的服务次数从原来的29亿次增长到40亿次。