一、四个层次
在理解人工智能的学术研究、产业发展及产品形态时，一般而言可以分为四个层次，自下而上分别是基础层、算法层、技术层和应用层。
其中，基础层为AI发展提供基础设施和资源支持，包括计算能力和大数据。 其中计算能力主要以硬件为核心，包括GPU / FPGA等用于性能加速的硬件、神经网络芯片、传感器与中间件；数据是驱动AI取得更好的识别率和精准度的重要因素，训练数据的规模和丰富度对算法训练也尤为重要。
算法层是指用系统的方法描述解决问题的策略机制，人工智能算法主要指目前相对成熟的深度学习、机器学习算法等等。优秀的算法是机 器实现人工智能的最关键一环，对AI发展起到最主要的推动作用。
技术层对人工智能产品的智能化程度起到直接作用，包括自然语言处理、语音处理、计算机视觉等通用技术。技术层主要依托于基础层的 计算平台和数据资源进行海量识别训练和机器学习建模，通过不同类型的算法建立模型，开发面向不同领域的应用技术。每个技术方向下 又有多个具体子技术。
应用层主要利用技术层输出的通用技术实现不同场景的落地应用，为用户提供智能化的服务和产品，使AI与产业深度融合，为传统行业的 发展带来新的动力。按照对象的不同，AI应用一般又可分为消费级终端应用和行业场景应用两部分。
二、三大要素
此外，基础层和算法层的大数据、算力和算法通常又被视为人工智能发展的三要素。人工智能的技术发展和应用落地与这三要素息息相关，而三要素相关技术近些年来的快速迭代和积淀，也是此轮人工智能浪潮兴起的重要原因。
21世纪以来，得益于互联网尤其是移动互联网、社交媒体、移动设备和传感器的普及，全 球产生及存储的数据量剧烈增加。另随着GPU和异构/低功耗芯片的兴起，运算力得以大幅提升，数据处理速度也显著提高。数据和算力的发展在很大程度上促成了深度学习的诞生，从而迅速点燃了人工智能这一波爆发的浪潮。
人工智能已取得了突飞猛进的发展，在诸多领域甚至超越了人类智能，但瓶颈仍是明显的。目前人工智能的落地应用主要在于限定范围的垂直领域，属于弱人工智能的范畴。展望未来，人们对人工智能的定位绝不仅仅只是用来解决狭窄的、特定领域的某个简单具体的任务，而是真正像人类一样，能同时解决不同领域、不同类型的问题，进行判断和决策，也就是我们之前介绍过的通用型人工智能。
从弱人工智能到强人工智能甚至超人工智能将会是一段漫长的征程，人工智能的各个层次中都存在着许多亟待攻克的问题。其中，算法无疑是最为关键的一环。下一期我们来聊一聊AI发展核心：机器学习VS深度学习，敬请期待
平安人寿人工智能研发团队
