算法、算力和数据 是人工智能快速发展的三个要素。首先在算法上的突破 才让人工智能的商业化发展看到了希望。其次 计算能力的提升 使得复杂的算法得以实现 快速得出训练成果 降低成本。最后 大数据时代为人工智能的训练学习提供了大量的资料。离开其中任何一样 人工智能都无法实现大规模商业化应用。

1. 算法

算法是人工智能发展的基础 现在主要应用的深度学习算法。算法框架中诸如Caffe、TensorFlow、Torch等大多数已经实现了开源 成为大多数工程师的选择 对行业的加速发展和人才的培养起到了非常大的作用。

全球的开源平台的成熟 也使得中国企业能够快速地复制其他地区开发的先进算法。就应用层面而言 中国的算法发展程度与其他国家并无太大差距。事实上 中国在语言识别的人工智能算法上取得了突破性进展 在世界上领先。

2. 算力

计算能力是人工智能的基础设施之一 因此具有较高的战略意义。GPU（图形处理器）强大的并行计算能力显著提升了计算机的性能 而且降低了成本。英伟达最新的GTX1080游戏显卡拥有9TFLOPS的浮点性能 但是价格只要700美元。每GFLOPS的算力成本只有8美分。而1961年的IBM1620要提供1 GFLOPS的算力 费用大概是9万亿美分。

在算力部门 英伟达、英特尔和AMD这全球最大的三家芯片供应商 负责提供GPU和CPU。硅谷也在针对性发展FPGU（现场可编程门阵列）和ASIC（专用集成电路） 应用于人工智能计算。云计算和超级计算机也在为人工智能的发展提供服务。

3. 数据

人工智能系统必须通过大量的数据来“训练”自己 才能不断提升输出结果的质量。拥有的高质量数据越多 神经网络就会变得越有效率。

人工智能的根基是训练 就如同人类如果要获取一定的技能 那必须经过不断地训练才能获得 而且有熟能生巧之说。AI也是如此 只有经过大量的训练 神经网络才能总结出规律 应用到新的样本上。如果现实中出现了训练集中从未有过的场景 则网络会基本处于瞎猜状态 正确率可想而知。比如需要识别勺子 但训练集中勺子总和碗一起出现 网络很可能学到的是碗的特征 如果新的图片只有碗 没有勺子 依然很可能被分类为勺子。因此 对于AI而言 大量的数据太重要了 而且需要覆盖各种可能的场景 这样才能得到一个表现良好的模型 看起来更智能。责任编辑：YYX