人工智能（AI）具有独特的能力，且有无限的发展可能性，超越我们的想象力。CB Insights 市调公司针对2018年AI主要趋势，分析出13种趋势及将在未来几年产生巨大影响。
一、AI机器人劳动力(Robotic workforce)
将来大部分工厂装配线中的大量劳动密集型工作，将由AI编程的机器人(AI programmed robots)取代。这将降低雇用工人的成本，并减少外包和离岸外包。
最近，一家中国T恤制造商天元服装公司(Tianyuan Garments Company)与阿肯色州政府签署了备忘录（MoU），以每小时14美元雇用400名阿肯色州的工人。2017年底前开始运营，采用乔治亚州的新创公司SoftWear Automation开发的缝纫机器人来制造服装。在日本，到2025年80％以上的老年护理将由机器人完成，而不是护理人员。
二、无所不在的人工智能(Ubiquitous Artificial Intelligence)
人工智能会影响多个领域，甚至是那些出乎意料的领域。机器学习是AI的重要组成部分，指的是对大数据的算法进行训练，以便更好地学习如何处理识别模型的任务。
英国的IntelligentX希望推出全球首款AI酿造啤酒;俄罗斯的DeepFish正在使用神经网络来识别鱼类，而瑞典的Hoofstep正在筹集创投资金，以深度学习马的行为分析。
三、美国与中国之AI竞争 (Uncle Sam vs The Dragon AI)
中国已经准备好证明自己在AI领域的实力，并且胜过美国和其他西方国家。中国政府在AI未来技术投入了大量资金及规划，包括从智能农业、智能物流到军事应用。
中国的人工智能新创公司在2017年获取全球AI创投资金约48％，超过美国。在深度学习方面，中国的专利数量高于美国六倍。美国似乎在AI新创公司方面渐失其优势。
中国政府订下AI世界目标，到2020年赶上美国AI水平，到2030年成为世界领导者。由中国政府扶植的AI芯片设计公司寒武纪(Cambricon)计划在未来三年内生产10亿个处理单元，并正在开发专门用于深度学习的芯片。
四、AI时代的战场 (Battlefields in the age of AI)
未来的市场战争将依赖更多AI智能技术。无人机只是个开始。随着对网络安全防御及监视之更受重视，对基于算法的AI将需求日增。
网络安全性是AI的一个真正的机会区域，因为攻击是不断演变的，主要的挑战是新型的恶意软件。AI在这方面将是一个优势，随着利用机器学习技术，使其市场正在蓬勃发展。
在过去的5年共有134家新创公司筹集了36.55亿美元的股权。去年，其中约34家公司去年(2017)首次募资(IPO)，仍然由大公司主导竞争市场，如：Cybereason、CrowdStrike、Cylance和Tanium等。
五、语音助理正火红 (Voice Assistants)
从2018年CES消费电子展上，炒热语音助理的应用。几乎任何物联网(IoT)装置都整合到Amazon Echo或Google Home中。三星(Samsung)以自行开发的语音助理Bixby，计划2020年前将三星所有产品都能与互联网连接。
六、AI挑战专业人士(AI to throw the gauntlet before professionals)
熟练的专业人士 - 包括律师、咨询顾问、财务顾问等 - 将像半生不熟的工人一样面临AI挑战。至少，AI可减少时间和提高法律工作效率的巨大潜力。随着AI平台变得更加高效、价格合理且商业化，这将影响按小时计费的外部律师事务所的薪酬结构。
七、地方分权(云端运算)和民主化(边缘运算) (Decentralization and Democratization)
AI不仅限于强大的大型超级运算机器，同时也正成为智能型手机和可穿戴装置之一部分。边界计算(Edge computing)正在成为AI的下一个大领域。例如，苹果(Apple) iPhone 8和X的A11芯片，以每秒600B的速度执行机器学习任务。还有，另一个边界AI运算的例子，就是装置上训练个人AI助理，以识别你独特的口音或辨识人脸。
八、胶囊网络(Capsule Networks)
机器学习神经网络具有无数的架构。近来，深度学习中最流行一种叫做卷积神经网络(convolutional neural networks)。现在，又开发出一种全新的神经网络架构--胶囊网络（CNNs），然而，CNNs有一定的局限性，且导致性能缺失或安全漏洞。
九、AI人才易实现梦想薪水(Dream salaries in AI talent hunt)
目前，AI领域合格人才约有30万人，其中包括相关研究领域的学生。然而，企业需要100万位AI人才来满足工作需求，而且乐意支付6位数年薪。
十、企业AI人才成为大人物 (Bigwigs of enterprise AI)
随着科技大厂提高其企业AI能力，如：谷歌(Google)、亚马逊(Amazon)、Salesforce和微软(Microsoft)等科技巨头。那么，小型企业将难以存续。
十一、AI医疗诊断(AI medical diagnostics)
美国监管机构正期待批准AI用于临床。AI在诊断方面的优势，在于初期检测和更高的准确性。机器学习算法可以将医疗成像及数百万其他患者的成像进行比较，从中找出人眼可能会遗漏的细微差别。如SkinVision已经利用计算器视觉监测可疑皮肤崩裂。但医疗AI应用的新浪潮将为医院和诊所的机器学习功能奠定基础。
最近，医药公司Anglo–Swedish、AstraZeneca与阿里巴巴(Alibaba)子公司Ali Health建立合作伙伴关系，将在中国开发AI辅助筛检和诊断应用。GE和Nvidia也连手为GE的医疗成像设备提供深度学习功能。
十二、建立你自己的AI (Build your own AI)
由于，软件库、API和SDK以及亚马逊和谷歌的简单装配套件，走向开放而降低了AI进入门坎。Google推出了一款适合所有年龄的AI产品AIY（artificial Intelligence yourself）。其第一款产品是Raspberry Pi的语音识别套件，使用者能够将他们想要的任何语音发送到个人语音助理。
十三、机器学习之投资翻转点？(Point of no return for Machine Learning?)
2017年是机器学习的高峰年，首先是大数据，再来是云端，然后到机器学习狂潮。但现在(2018)预计将呈现急剧下降之势。
去年(2017)，投资资金超过152亿美元投入各行业的AI新创公司，相较2016年的资金成长率为141％。机器学习的常态化和主流化，会让投资者更挑剔他们投资的AI公司。
下一篇：小米神秘新品将现身印度 主打人工智能上一篇：人工智能产业将寻求三方面突破
责任编辑：吴一波
刘利华出席绿色计算产业联盟技术研讨会
丰满和骨感：智能音箱和人工智能的差距有多大？
“说话”间 走进“人工智能+”时代
对话人工智能：智能语音交互是一个流行趋势