2016年的人工智能发展比较迅猛，无论是从标志性的事件、巨头的布局以及投资的数据等，都可以看到发展极其迅猛，但整体还在初期。
从50年代起，人工智能就开始发展起来了，早期不叫“人工智能”，它有很多符合那个时代的技术属性的称谓，比如“人机交互、专家系统、模式识别、机器学习、深度学习”等等，都是人工智能所覆盖的领域。
2010年以后，以机器学习为代表的一些课题发展跟之前有什么不一样呢？可以发现，随着大数据的发展，越来越多的领域产生了分布化的大数据，这些数据可以训练算法模型。此外，FPGA、GPU甚至未来专用芯片的发展，也使得低成本的底层计算力成为可能。
在目前人工智能领域的基本架构中，底层是基础设施，包括数据、训练模型。中间是技术层，有算法以及各种框架，上层有在不同细分领域应用的解决方案。这个组成构成了目前人工智能的产业链。 
从地理分布图可以看到，全球百分之六七十的项目都在欧美。从全球的AI项目成立的时间来看，大部分欧美的AI项目，成立在2013年、2014年。中国在2014年、2015年的时候，也有一批AI的天使期项目创建起来。从推断上来看，中国比美国整体的AI发展，应该慢半年到一年的时间，而其中的一些明星项目，那个时候都还不叫人工智能项目。
这是AI和各个领域的结合，比如医疗、营销、商业智能、安全、金融、IOT等等，它基本涉及了所有我们现在看到的科技领域以及传统行业的方方面面，我们认为AI的前景还是很广阔的，但目前技术相对成熟的是医疗、金融、垂直领域的智能客服、语音、安防等几个领域。
医疗有个典型特点，它的场景和应用比较封闭，数据偏结构化，如果拿到它的数据是很容易拿到训练模型的，这是它的天然属性。
还有一些开放的领域，进展就稍微慢一些。语音领域，现在实际上它是最有望全面落地的领域，可以从安静环境下测试集的测试准确率来看，基本上可以达到95%，但是非安静环境下，它的应用并不好，实际效果还是有很多的问题。还有一个问题是语意的理解，特别是对中文语意的理解，现在还很不成熟。
前面讲到了人工智能发展的火热，但从技术发展来看，人工智能确实还处于初期。从分布的象限来看，大部分领域才刚刚开始，语音可能快一些，那么还有一些比较有潜质的领域，比如智能机器人。从存在的项目数来讲，智能机器人应该是AI里最大的一个细分领域。
从成熟度曲线来看，语音更靠前一点，然后是计算机视觉，特别是安防领域，封闭的场景，有一些孤岛化分布的大量数据可以用于训练，在这些领域它是有先发优势的。
刚才提到，在AI比较火热的同时，从2016下半年到现在我们也看到了很多变化，这是我们基于人工智能行业的演进和大环境分析，看到的一些行业的转变。
首先是IPO提速。这个变化对前沿科技领域有没有影响？未来会有很大影响。很多新三板项目纷纷摘牌，如果你的整个项目基本面比较好，连续三年盈利，那它可能就去IPO排队了。从数据来看，还是能看到一个IPO提速的趋势，也听到证监会的消息，说未来将会每周有十家项目通过IPO审核，按照这样的速率，一年就有500多个项目。
6
其次，国内成长期基金募集量已变为最大。成长期的基金，在A轮左右、商业模式得到验证的项目今年会特别受到投资人追捧。实际上资本市场的关注点有向后移的趋势，这是我们从数据以及平时的业务过程中感受到的。
最后是在这样大的一个资本驱动力下，AI项目慢慢也会从早期的天使期随着时间的演进和资本的驱动力，过渡到A轮左右的趋势，大家可以看到早期项目融资数目量有降低的趋势。