2015年冬天，人工智慧以極其迅猛的勢頭撲面而來。2016年春天，李世石和AlphaGo的人機大戰更將人工智慧推上萬眾矚目、無其他熱點能及的位置。如今換了名字的master又已經連續戰勝頂尖高手，獲勝60場，這是人們最熟悉的人工智慧應用場景。
人工智慧最早被暢想出來是希望機器能通過學習掌握人類的知識，從而替代人類完成部分工作，顯然不止於下棋這一件事。由於人類是一個有感知、有思考、有創造、有決策、有回饋及操作能力的系統，人工智慧也需要逐步去實現，最終能否成為一個與人類能力相近的系統，還有待科學家們持續的創造和突破。
人工智慧目前仍處在模擬智慧階段，機器通過學習模仿人類，還不能進行語義理解、決策和創造性發揮。當下應用的人工智慧無論是行為主義（以機器人（300024，買入）為代表）、連接主義（以神經網路和深度學習的應用為代表）還是符號主義（以專家系統為代表）流派，衡量標準都是機器的“表示、推理和學習”能力，目前占上峰（主流）的連接主義還較難解決演繹推理和認知學習的高階需求。在此條件下，異化大腦（多層、大規模神經網路系統）的運算基礎是資料、深度學習演算法和計算能力。
在認知智慧的演算法突破之前，人工智慧 任何行業的應用都需要感知，通信連接和處理控制的過程。這個過程中，感知和處理控制都需要硬體載體。因此，2016年人工智慧的整體應用重點之一是基礎平臺建設，包括協定、專屬晶片、底層計算資源和資料資源的建設，以及資料的消費（場景和交互模式）和處理方式拓展。以穀歌、FACEBOOK、微軟、高通、百度、阿裡為代表的國內外科技巨頭的佈局均在以上相關領域。
圖1：人工智慧 行業應用三大基礎
由此可以推斷，人工智慧的發展無論從資料積累、技術突破、基礎搭建還是應用探索都不是一個短週期的過程，想像中的顛覆式變革需要逐步實現。人工智慧同樣是人類理性應用工具和技術等先進手段追求利潤最大化和效率的探索之一，其發展必然受政府、科研機構和企業等共同推動。人工智慧與傳統領域的結合也會越來越緊密。不一定是人工智慧 ，更多是傳統領域 人工智慧，因此很難去評估人工智慧市場的規模有多大，除了提供人工智慧解決方案的企業，更難清晰界定人工智慧企業的範圍。