2016年是智能技术内涵不断深化、应用初步发展、产业生态开始建立的一年，是政府、企业、学界、民众等对智能技术的关注度和认同度逐步升温的一年。2017年，智能技术的本质要义将进一步丰富，与其它现代信息技术进行交叉融合、深度渗透，实现技术的一体化、群体化、颠覆性突破。

　　趋势一：人脑仿生将取得重要突破
　　人脑仿生主要有两个重要领域：一是再造人类大脑，即模拟人脑功能。通过研制人造神经元，将电信号转变成化学信号并与其它脑细胞进行交流。二是建立脑机接口，即把机器与大脑进行连接。用特定设备读取大脑信号，并对机器进行操控。在过去的4~5年中，主要有三股力量从事人脑仿生方面的研究，即政府、企业和研究机构。其中，从政府层面看，美国、欧盟和我国都在2013年发布了“大脑计划”;从企业层面看，IBM公司是人脑仿生研究的主力军，它研制了第一个类脑芯片、类脑计算机和人造神经元。目前，我国中科院计算所也研制出了类脑芯片——寒武纪。从研究机构层面看，英国和美国的研究机构在脑机接口方面取得重要突破CONTROL ENGINEERING China版权所有，使瘫痪病人重获知觉。

　　趋势二：机器学习将在数据量大的领域深入应用
　　支撑机器学习不断发展的三驾马车是硬件、算法和数据，硬件包含底层芯片和运算平台，是机器能够快速处理大规模数据、执行复杂算法的骨干。算法包含模拟人类智能的方法，是机器能够流畅进行思考和运动的灵魂。数据包含海量数据的采集和标注，是机器能够精确构建数学预测模型的养料。值得注意的是，当前机器学习算法采用的是由上世纪80年代以来形成的联结主义算法，它的原理是从海量模数据中归纳得到一般性规律，这是一种统计性算法，因此对于数据规模、数据质量要求很高。大数据已成为决定机器学习质量高低的关键要素，可以说无数据、不智能。现在机器学习已渗透进入医疗、金融、新闻等行业，这些行业的突出特点是数据规模大且痛点明显，亟需引入机器学习技术提升行业服务质量和精准度。例如，IBM公司的沃森医疗产品汲取了300多份医学期刊、200多种教科书及近1000万页文字，能够为肿瘤患者制定个性化治疗方案。今年8月，沃森医疗已进入国内21家医院。
　　趋势三：智能语音助手将成自然语言理解发展突破口
　　自然语言理解能够教会机器如何听懂人类语言背后的意图，因此，这项技术的应用需要选取与人类交互频次高的场景。智能语音助手可以说是一个非常好的突破口控制工程网版权所有，它是人与机器交流的中间媒质，能够把人的需求与后台海量数据、物联网设备、社会人群连接在一起，覆盖面极广，渗透力极强。它就像人类的贴身管家。目前，亚马逊Alexa、苹果Siri、微软小娜等是市场认可度较高的语音助手，但是它们的智能程度还比较低，属于经验智能，不具有演绎和情感能力。智能语音助手在智能家居、辅助驾驶、个人助理等领域用途较多，帮助人们操控设备、获取信息。未来智能语音助手的作用将不仅局限于此，还将成为所有平台、服务、数据的统一入口。
　　趋势四：机器视觉将向生产生活领域不断渗透
　　一是生产领域。机器视觉已在生产组装、高精度检测、质量检测和产品追溯环节广泛应用。例如，面对汽车行业对产品的生产精度、质量和速率要求越来越高的现状，西门子公司面向汽车发动机和变速箱研发了视像系统，可以检测零部件尺寸精度，记录零件制造日期，校正汽车零部件压力，还可用于正确安装汽车配件。二是在生活领域。机器视觉是无人驾驶汽车感知快速复杂变化环境的眼睛。除安装于车身上的视频监控摄像头、雷达、传感器以外，无人驾驶汽车视觉识别系统还融合了中枢大脑——深度学习算法，可以深度感知车道线、车辆、行人、交通标志等环境信息。对深度学习算法的吸收融合，是机器视觉技术区别传统视像技术的最为关键的方面。除无人驾驶汽车以外，无人值守装备将在未来进入规模应用阶段，无人机、无人船等将会不断涌现，丰富社会创新产品应用的供给。
　　趋势五：AR将超越VR率先驶入快车道
　　VR和AR都需要构建虚拟数字图像，但是所构建数字图像的呈现位置有所区别。AR将数字图像直接呈现于物理环境中，而VR则将数字图像呈现在与物理环境完全脱离的虚拟空间中，用户是脱离于物理环境而完全沉浸于虚拟空间中的。这也决定了VR和AR应用场景的不同。VR正朝偏静态、全沉浸的方向发展;而AR正向移动化、开放化、轻型化的方向发展。2016年VR/AR发展喜忧参半。8月，日本任天堂公司的口袋妖怪AR版风靡一时，为AR技术的发展打了一剂强心剂;而12月底，知名独角兽公司Magic Leap陷入了虚假宣传之一，为AR/VR发展蒙上了一层阴影。当前，VR/AR技术的缺陷在于：成像用户体验不好，容易对用户造成眩晕感;设备成本较高，无法拓展消费级应用。在现有硬件技术条件下，由于AR技术能够与移动终端更好地融合，AR将在智能手机、可穿戴智能硬件的配合下，不断丰富内容，超越VR，进入快速发展期。
　　趋势六：区块链加快平台化、开源化、融合化发展
　　区块链是一种把底层数据按时间区块进行记录，并由分布式节点达成存储共识的技术，从技术发展阶段看，区块链技术正在由若干领域初步应用期向若干领域深化应用期过度，处于技术应用深化阶段控制工程网版权所有，呈现平台化、开源化、融合化的发展趋势。
　　一是平台化。目前，区块链技术应用服务均部署在云平台上，供全球用户随时、随地、随需获取。微软公司与以太坊合作，在Azure平台上部署以太坊旗舰产 BlockAppStrato以太坊应用开发工具包和区块链浏览器。
　　二是开源化。谷歌公司利用开源平台思路，成功打造了安卓生态。开源可以最大化汇聚全球人民智慧，对平台进行快速迭代更新。世界最大的区块链联盟R3，已开源其分布式公共账本Corda平台。
　　三是融合化。区块链技术以其信息的不可篡改性，正在与物联网、云计算、大数据等较为成熟的新一代信息技术不断融合，在确保数据存储安全、构建多方信任机制方面发挥重要作用。
　　趋势七：数字孪生将打造居民生活的信息物理空间
　　数字孪生(Digital Twin)是一种实体空间与虚拟空间的数字化、网络化、智能化的映射关系，在物理与数字两个空间同时记录个体全生命周期运行轨迹。该技术源起于航天飞行器健康维护与保障，广泛应用于工业领域仿真分析、产品定义、制造装配工艺、测量检验等模型的构建，并与数字化加工装配系统、数字测量检验系统、产品实物等建立虚实结合、及时响应的对应关系。未来CONTROL ENGINEERING China版权所有，数字孪生将逐步向生活领域延伸www.cechina.cn，通过采集居民健康、教育、出行、娱乐、消费等领域的大数据，破除以往局限于单一领域的数据挖掘与智慧应用的孤岛，建立面向个人全生命周期的多领域融合、多维度展现、全综合分析的数字孪生体，通过对来自于不同领域大数据进行聚合学习，为个体生活工作提供更科学、更精准、更可靠的预测与指导。
　　趋势八：人工智能产业生态正加速形成
　　人工智能产业链主要由基础设施(硬件、数据)、核心算法(算法工具、通用技术)、应用平台(开源平台)和解决方案(垂直领域应用)等环节构成。三种模式正从不同路径共筑人工智能产业生态。
　　一是自上而下，即单个企业从人工智能产业链上游(基础设施)开始向下游(核心算法、应用平台、解决方案)延伸。Intel公司斥资4亿美元收购深度学习初创企业Nervana Systems，布局基于云计算的深度学习软件服务。同时，Intel公司与智能语音服务提供商科大讯飞合作推动软硬件一体化设计和优化。
　　二是自下而上，即单个企业从人工智能产业链下游(解决方案)开始向上游(基础设施)回溯。地平线机器人公司在打造支持辅助驾驶的“雨果”应用平台和面向智能家居的“安徒生”应用平台的同时，正加紧研制为深度学习定制的高性能、低功耗、低成本神经网络芯片NPU(Neural Processing Unit)，打造一套完整开放的软硬件一站式人工智能解决方案。
　　三是自中间到两端，即单个企业从人工智能产业链中游(应用平台)开始向上游(基础设施)、下游(解决方案)环节扩展。Google公司以深度学习开源平台Tensorflow为核心，分别在人工智能产业链上游研制了深度学习芯片张量处理器TPU(Tensor Processing Unit)，在下游布局了一系列智能应用，包括Google Assistant、Google Home、Allo和Duo。