本文将带你了解AI智能技术向“AI+”转变：人工智能产业现状剖析，希望本文对大家学AI智能技术有所帮助。

中国和美国目前是全球人工智能(英文简称AI)产业发展的领导者，仅在2015年，两国在学术期刊上发表的AI相关论文接近1万篇，而英国、印度、德国和日本加起来才大约相当于中美的半数。中国有着全球最多的数据量，拥有巨大应用市场，正在围绕AI构建完善的产业生态链。我们有理由相信，AI将成为企业跨部门业务发展的“颠覆者”，渐趋成熟的AI技术正逐步向“AI+”进行转变。我国将在AI关键技术领域获得重大突破，推动关键场景应用逐步走向成熟。

类人脑芯片：中国探索起步并不晚

已经存在了60多年的AI，为什么会在2016年突然之间热起来?这必须要提及2016年年初谷歌发起的那场AlphaGo与韩国名将李世石的围棋大战。云计算带来的计算能力指数级提升，用数据精准描述世界成为可能，机器学习的出现加快了人工智能算法的成熟，让人工智能时代到来没商量。

4月26日，在水乡乌镇，浪潮举行了一年一度的合作伙伴大会，中国工程院院士、浪潮集团执行总裁王恩东在大会上说，计算、数据和算法是AI时代来临的三个支柱。AI离不开计算力，计算力是AI的第一个关键基石，它既包含了以FPGA、GPU为主的硬件运算平台，专用的人工智能计算芯片，也包含以Haddoop、Goleam为代表的软件平台。

目前尽管与AI相关的运算只在数据中心中占比为10%，但是增长非常快，这让AI计算成为新的需求。AI计算芯片是竞争焦点之一。

“从字符识别、语音识别到图像识别，对计算能力的要求是一步一步往上走的，这一步往上走离不开计算能力提升和成本的大幅下降。而很多智能设备是移动的，不管是无人车还是服务机器人，都要求续航时间，对功耗降低有迫切需求。做AI智能设备有三步，识别、推理、行动，所以不仅仅是要它进行识别，还要它进行分析、挖掘信息，计算能力和功耗之间的矛盾就变得越来越突出了。”英特尔中国研究院院长宋继强在接受《中国电子报》记者采访时表示。

在现有的条件利用图形加速器(GPU)去做训练、识别是最好的选择，也正因为如此，英伟达的股票才蹭蹭往上涨，但通用CPU、GPU做处理AI应用并不是最合适的。于是就有了2016年8月10日英特尔对Nervana这个专用AI处理器公司的收购，其中Nervana的AI芯片处理速度是GPU的10倍。

事实上，人工智能需要与之更匹配的芯片。集成电路的发展越来越接近于物理极限，技术难度会越来越大，成本也会越来越高，摩尔定律似乎也有失效的一天。所以研究机构和IT业界一直在探索更接近于人脑的“类人脑”计算的芯片体系架构。

2014年IBM推出了可扩展的超大规模的神经突触计算机芯片SyNAPSE。这颗芯片类似人脑，由54亿个晶体管组成，含有100万个可编程神经元、2.56亿个可编程突触，采用了异步驱动的方式，而不是一般计算机所使用的同步电路方式。

中国在类人脑芯片上的探索起步并不晚，2015年由浙江大学计算机学院牵头，浙江大学与杭州电子科技大学的学者合作研制出了国内首款基于硅材料(CMOS)的支持脉冲神经网络(SNN)的类脑芯片——“达尔文”芯片。该课题组认为，“达尔文”虽是国内首款支持脉冲神经网络的类脑芯片，但与国际先进水平的IBM TrueNorth芯片比较还有一定距离。

中国在类人脑计算上的探索目前比较受关注的是中国科学院计算技术研究所陈云霁、陈天石主导的“寒武纪”课题组。

以上就介绍了AI智能技术的相关知识，希望对AI智能技术有兴趣的朋友有所帮助。了解更多内容，请关注职坐标人工智能之AI智能技术频道！