我们知道了基础设施是人工智能产品得以存在的原始基础，那么有基础设施有哪些呢？
1、传感器
传感器是一种物理装置或生物器官，能够探测或感受外界的信号、物理条件或化学组成，并将探知的信息船体给其他装置或器官，比如人的皮肤能感觉到冷热、湿润、干燥，感受器将这些信号传输给大脑，大脑再指令人做出加衣减衣喝水开窗通风等的行为。
传感器的作用是将一种信号模式转换成另外一种信号模式。传感器如何分类呢？
按照不同的领域，传感器分为以下类型：压力传感器、温度传感器、PH传感器、流量传感器、液位传感器、超声波传感器、浸水传感器、照度传感器等等，传感的种类繁多，主流传感器可以分为以下几种：
（1）生物传感器
它是将各类型的生物响应转化成电信号的分析设备。目前生物传感器主要应用于医疗保健领域、食品检测领域、环江检测领域等
（2）光敏传感器
它是将光信号转化为电信号的传感器，可以理解为模拟人的视觉能力，图像传感CCD、CMOS、人体感应灯、人体感应开关、光控开关、手机屏幕灵度调节等，都是光敏传感器的应用实例。
（3）声音传感器
声音传感器就可以理解为人的AI产品的耳朵。常见的走廊声控灯就用到了声音传感器。
（4）化学传感器
它对各种化学物质敏感，并将其浓度转化为电信号，是AI产品的“鼻子”。目前化学传感器被广泛应用于大气污染监测、矿产资源的探测、气象观测、工业自动化、农业生鲜保存等领域。
总体来讲，目前传感器主要应用于四类人工智能产品，分别是：可穿戴应用、高级辅助驾驶系统、健康监测、工业控制。
2、芯片
随着图像识别、语音识别、搜索/推荐引擎等深度学习在应用中其价值得到了广泛的认可，其过程的两个关键环节——训练和推断需要强大的计算能力，因此，芯片已经成为AI领域建立竞争壁垒的关键。
AI芯片有哪些类别呢？按照用途可以分为以下三类：模拟训练、云端推断、设备端推断
（1）模拟训练环节的芯片
这个过程由于要处理海量的数据和复杂的深度神经网络，因此需要GPU来提高深度模型的训练效率，与CPU相比，GPU具备强大的并行计算能力与浮点能力，还能提供更快的处理速度、更少的服务器投入和更低的功耗。除了PGU外，谷歌提供的TPU也能提供训练环节的深度网络加速能力。
（2）云端推断的芯片
目前主流的AI应用需要通过云端提供服务，将采集到的数据传到云端服务器，再服务器的、CPU、GPU、TOPU出路推断任务，然后再将处理结果返回终端。所以，是将推断环节放在云端。
（3）终端设备的芯片。
也可称为嵌入式设备的芯片，比如智能手机、智能安防摄像头、机器人等设备就是采用这类芯片。
按定制化程度划分，又可以分为通用芯片、半定制化芯片（FPGA芯片）、全定制化芯片（ASIC）。
3、基础平台
（1）大数据技术
大数据技术是人工智能的前提，而大数据的目标只有一个——从海量数据中挖掘价值。
（2）云计算技术
根据美国国家标准与技术研究院的定义：云计算是一种按使用量付费的模式，这种模式提供可用的、便捷的、按需的网络访问，进入可配置的计算资源共享池（资源包括网络、服务器、存储、应用软件、服务），这些资源能够被快速提供，只需很少的管理工作，或与服务上进行很少的交互。
云计算技术大大减少了企业的经济消耗。
