下载后可任意编辑计算机视觉产业讨论-技术成熟场景渗透计算机视觉产业讨论-技术成熟场景渗透一、人工智能行业基本观——进展历史、技术现状和趋势人工智能进展驱动因素：算法+算力+数据三次浪潮始于算法突破：（1）神经网络感知器用于线性分类（2）专家系统推动人工智能从理论走向实际，BP 算法解决非线性分类；（3）基于深度学习的神经网络成功用于图像语音识别
两次寒冬由于算力和数据量限制：（1）实际应用中人工智能计算量的增长是惊人的，特别是模拟人类感知带来 的巨大运算量远超 70 年代的计算能力；（2）专家系统难以适用于其他类别，数据的有效提供也具有挑战性
个 人电脑性能越来越强大，迅速蚕食高端硬件市场，专用 LISP 机器硬件销售严重崩溃
下载后可任意编辑深度学习目前仍处于爆发期2024 年之前，算法突破是深度学习进展主要驱动因素
当前以第三代神经网络为基础的深度学习处于爆发式发 展阶段，数据和算力的支撑估计将成为未来一段时间内 深度学习进展的主要推动力
深度学习框架是快速构建模型的基础，是 AI 领域的操作系统TensorFlow 和 PyTorch 双垄断局面，MXNet 位居第三，前两者代表了 95%以上的用例
2024 年，Chainer 团 队开发工作转移到 PyTorch；微软也停止了 CNTK 框架的积极开发，Keras 在TensorFlow2
0 版本中成为其高级 api 之一
国产深度学习框架群雄逐鹿，除了国产替代机遇，未来仍存在引领进展可能
目前市场需求还没有很好被满足， 技术也没收敛，国产深度学习框架仍有机会，易用、高效、完备是基本要求，技术创新是改变格局的唯一办法
下载后可任意编辑硬件加速器支出加大，数据中心向“智算”演进以神经网络为基础的深度学习需要大量的计算量，估计未来 10 年以 GPU、TPU、FPGA 为代表的硬件加速器将成为服 务器方面的主要支出，
